若干最小二乘问题及舍入误差研究.docVIP

若干最小二乘问题的舍入误差研究 【摘要】：最小二乘问题不仅是许多数学分支的基本工具,而且在经济学、统计学、测量学、最优化、信息处理、自动控制、工程技术和运筹学等应用学科中都有着广泛的应用,最小二乘问题的广泛应用,引起了数值代数领域诸多学者对最小二乘问题数值稳定性的高度重视。本文,我们主要研究与最小二乘问题相关的数值算法和舍入误差估计。具体有如下五类问题:1.LU和Cholesky分解的向前舍人误差估计LU分解(高斯消去法)作为解可逆线性系统的重要工具,其舍入误差估计一直为人们所关注。事实上,长方矩阵的高斯消去过程在解约束最小二乘问题,确定矩阵数值秩的LU分解等问题中也扮演着及其重要的角色。现有文献在表达LU分解的向前舍入误差时不够简洁。我们将对LU和Cholesky分解的向前舍入误差进行研究,以简洁的形式表达出LU和Cholesky分解的向前舍入误差式。该表达式表明LU和Cholesky向前误差只与初始矩阵的子矩阵和舍入误差累积方式有关。在此基础上,我们估计了矩阵的LU因子,非奇异方程组的解的误差界。2.改进的Gram-Schmidt(MGS)解最小二乘问题的误差估计作为解最小二乘问题(?)‖Ax-b‖_2三种常用的正交化算法之一,改进的Gram-Schmidt(MGS)有其独特的数值性质。选主列MGS(PMGS)的向后误差分析文献中已有人研究,但多数误差估计都是范数型估计。我们给出的PMGS的向后误差估计是元素型误差估计。另外我们还研究了PMGS的向前舍入误差。该结果表明如果A良态,则PMGS不仅保证得到的上梯形R-因子误差比较小,而且通过选择合适的误差限我们还可确定A的数值秩。在此基础上,我们进一步研究了PMGS解最小二乘问题时的向前向后舍入误差。3.类PMGS解约束最小二乘问题的误差估计约束最小二乘问题(?)‖Cx-h‖_2,S={y:‖By-d‖_2=(?)‖Bx-d‖_2}的极小范数解X_(LSE)和加权最小二乘问题(WLS):(?)‖(?)x-(?)‖_2的极限解相等,即:(?)X_(WLS)(T)=X_(LSE)。利用二者的等价性,在(?)的PMGS取极限,我们得到类PMGS算法,并将约束最小二乘问题的解显式地表示出来。尽管该算法和Bj(?)rck的直接消去法等价,但利用该算法的推导方式可导出约束最小二乘问题【关键词】：LU分解最小二乘改进的Gram-Schmidt(MGS)舍入误差数值稳定增长因子 【学位授予单位】：华东师范大学 【学位级别】：博士 【学位授予年份】：2005 【分类号】：O241.5 【目录】：第一章预备知识12-21§1.1主要记号12§1.2子空间与正交投影12-14§1.3矩阵分解14-21第二章LU和Cholesky分解的向前舍人误差分析21-30§2.1浮点运算规则21§2.2LU分解的向前舍入误差分析21-28§2.3Cholesky分解的向前舍入误差分析28-30第三章最小二乘问题30-48§3.1最小二乘问题解的表示30-31§3.2解最小二乘问题31-32§3.3PMGS的数值性质和舍入误差分析32-48第四章等式约束最小二乘问题48-60§4.1等式约束最小二乘问题解的表示48-49§4.2解等式约束最小二乘问题49-50§4.3类PMGS消去算法50-53§4.4类PMGS算法的舍入误差估计53-58§4.5数值例子58-60第五章刚性加权最小二乘问题60-84§5.1解加权最小二乘问题60-62§5.2刚性加权问题的数值稳定算法62-66§5.3RBPMGS算法的舍入误差估计66-80§5.4数值例子80-84第六章各类矩阵分解的增长因子84-98§6.1LU和Cholesky分解的增长因子84-91§6.2MGS算法的增长因子91-94§6.3类MGS算法的增长因子94-97§6.4结语97-98参考文献98-103论文目录103-104后记104