Экспериментальное исследование численных методов решения систем линейных алгебраических уравнений

Страницы работы

Содержание работы

Санкт-Петербургский Государственный

Политехнический Университет

Отчет о лабораторной работе № 1.

«ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ  ЧИСЛЕННЫХ  МЕТОДОВ  РЕШЕНИЯ  СИСТЕМ ЛИНЕЙНЫХ  АЛГЕБРАИЧЕСКИХ  УРАВНЕНИЙ»

                                                                                                                                   Выполнил:

                                                                                                                студент группы 2091/1

                                                                                                                         Журавлев Иван

                                                                                                                                       Преподаватель

Анисимов Андрей

Санкт-Петербург

2005 г.

1 Сравнение естественного и стандартного числа обусловленности матрицы

После проведения ряда численных экспериментов была составлена следующая таблица:

порядок матрицы

номер тестовой  матрицы

естественное число µ1

стандартное число µ2

оценка стандартного числа cond

5

1

1,5E+02

1,6E+02

5,7E+01

6

2

6,1E+01

8,4E+01

7,1E+01

5

6

4,8E+09

1,2E+10

1,4E+10

6

2

6,1E+01

8,4E+01

7,7E+01

7

4

1,8E+01

6,8E+01

3,0E+01

8

6

1,5E+15

7,8E+18

8,4E+18

15

6

3,9E+11

1,5E+14

7,2E+14

Вывод: Проанализировав ее,  можно сделать некоторые предварительные выводы:

 Относительное различие стандартного и естественного числа обусловленности  невелико—всегда в пределах одного порядка. Чем хуже обусловлена матрица(чем выше µ1 иµ2) тем меньше они отличаются. Для матриц с хорошей обусловленностью точность оценки стандартного числа с помощью процедуры DECOMP  зависит от того, каким алгоритмом генерировалась матрица. Например, µ2 матрицы, сгенерированных по алгоритму 2 оценивались достаточно точно. А для матриц, сгенерированных по алгоритму1 оценка cond отличалась от µ2 иногда даже на один порядок.  Естественно, что  на практике стараются сводить поставленные задачи к системам с хорошо обусловленными  матрицами (). Так как в этом случае чувствительность решения к погрешности исходных данных мала. Если же невозможно обойти использование плохо обусловленной матрицы, то необходимо обеспечить высокую точность исходных данных, в противном случае мы рискуем получить  результаты, не  имеющие к действительности никакого отношения.

2 Исследование точности решения как функции от порядка матрицы при постоянном числе обусловленности(хорошо обусловленные матрицы)

После проведения многочисленных испытаний была получена масса материала. Однако  в ходе анализа были оставлены как наиболее показательные следующие данные:

порядок матрицы

номер тестовой  матрицы

естественное число µ1

стандартное число µ2

фактическая ошибка

оценка  ошибки

6

2

6,10E+01

8,4E+01

0

0

7

4

1,80E+01

6,8E+01

2,10E-12

4,30E-11

13

4

5,20E+01

1,8E+02

1,20E-11

2,60E-10

Из таблицы видно, что при практически постоянном числе  обусловленности ошибка  возрастает при возрастании порядка.

Вывод: Такой  характер зависимости можно объяснить тем, что в методе Гаусса при возрастании порядка системы возрастает число операций сложения и деления и, как следствие,  число округлений. 

3 Исследование точности решения как функции от порядка матрицы при постоянном числе обусловленности (плохо обусловленные матрицы).

Были проведены аналогичные Пункту№2 исследования и получены следующие результаты:

порядок матрицы

номер тестовой  матрицы

естественное число µ1

стандартное число µ2

фактическая ошибка

оценка  ошибки

9

12

6,40E+14

1,5E+16

7,2E+00

6,80E+03

10

11

4,80E+13

7,9E+14

1,0E+01

1,60E+02

12

12

3,00E+14

1,7E+17

1,2E+02

2,50E+05

Вывод: Нетрудно заметить, что возрастание относительной погрешности при росте порядка системы имеет более быстрый характер. Что, собственно, и предсказывается теорией.

Необходимо отметить, что оценка погрешности с помощью процедуры DECOMP дает сильно завышенное значение. Конечно же, в случае плохо обусловленных матриц применение данных алгоритмов решения нецелесообразно, так как погрешность достигает положительных степеней. То есть необходимо использовать какие-то иные алгоритмы. Какие?

4  Исследование зависимости точности решения от числа обусловленности при постоянном порядке системы.

Были проведены эксперименты с матрицей порядка 7.

Результаты измерений могут быть представлены следующими таблицей и графиками. График зависимости ошибки от обусловленности?

µ1

µ2

фактическая ошибка

величина нормы вектора невязки ||r||

2,30E+01

3,10E+01

1,20E-11

1,50E-09

8,80E+07

3,60E+08

4,90E-07

4,60E-10

1,30E+08

2,30E+08

1,70E-05

1,90E-10

7,50E+08

1,30E+09

1,40E-04

2,70E-09

7,40E+15

1,10E+17

1,30E+01

1,50E-10

Вывод: Как и следовало ожидать, относительная ошибка возрастает с ростом числа обусловленности. При достаточно высоких числах обусловленности(порядка 10^15) использование алгоритма Гаусса становиться нецелесообразным, так как погрешность имеет уже положительные степени. Какую либо зависимость вектора невязки от числа обусловленности установить не удалось.Почему?

5.Исследование возможности улучшения обусловленности задачи путем внесения в матрицу малого случайного возмущения.

Похожие материалы

Информация о работе

Тип:
Отчеты по лабораторным работам
Размер файла:
317 Kb
Скачали:
0