संख्यात्मक रैखिक बीजगणित

संख्यात्मक रैखिक बीजगणित कंप्यूटर पर रैखिक प्रणालियों, न्यूनतम-वर्ग समस्याओं और आइगेनवैल्यू समस्याओं को हल करने के लिए एल्गोरिदम विकसित करता है, जिसमें सीमित-परिशुद्धता अंकगणित में सटीकता, स्थिरता और लागत पर स्पष्ट ध्यान दिया जाता है।

Definition

संख्यात्मक रैखिक बीजगणित रैखिक-बीजगणित संगणनाएँ करने के लिए एल्गोरिदम का अध्ययन है — मुख्य रूप से रैखिक प्रणालियों और आइगेनवैल्यू/सिंगुलर-मान समस्याओं का समाधान — साथ ही सीमित-परिशुद्धता अंकगणित में उनकी सटीकता, स्थिरता और दक्षता का विश्लेषण।

Scope

यह क्षेत्र अधिकांश वैज्ञानिक कंप्यूटिंग के अंतर्निहित कम्प्यूटेशनल कोर को कवर करता है: Ax = b को हल करना, मैट्रिक्स गुणनखंड (LU, QR, चोल्स्की, SVD) की गणना करना, आइगेनवैल्यू और सिंगुलर मानों को खोजना, और यह विश्लेषण करना कि राउंडिंग त्रुटि और समस्या की कंडीशनिंग परिकलित परिणाम को कैसे प्रभावित करती है। इसमें सघन और संरचित दोनों मैट्रिक्स शामिल हैं और एल्गोरिदम के फ्लोटिंग-पॉइंट व्यवहार को एक प्राथमिक चिंता के रूप में माना जाता है।

Sub-topics

• कंडीशनिंग और संख्यात्मक स्थिरता
• रैखिक प्रणालियों के लिए प्रत्यक्ष विधियाँ
• आइगेनवैल्यू एल्गोरिदम
• मैट्रिक्स गुणनखंडन

Core questions

• एक रैखिक प्रणाली Ax = b को सटीक और कुशलता से कैसे हल किया जा सकता है, और उत्तर कब विश्वसनीय होता है?
• कौन से मैट्रिक्स गुणनखंड हल करने, न्यूनतम-वर्ग और आइगेनवैल्यू समस्याओं के लिए आवश्यक संरचना को उजागर करते हैं?
• समस्या की कंडीशनिंग और एल्गोरिदम की स्थिरता संयुक्त रूप से सीमित-परिशुद्धता अंकगणित में त्रुटि को कैसे निर्धारित करती है?
• आइगेनवैल्यू और सिंगुलर मानों की गणना बिना खराब-कंडीशन वाली मध्यवर्ती मात्राओं को बनाए कैसे की जा सकती है?

Key theories

पश्चगामी त्रुटि विश्लेषण

एक परिकलित समाधान को थोड़ी परेशान समस्या के सटीक समाधान के रूप में व्याख्या किया जाता है; एक एल्गोरिदम पश्चगामी रूप से स्थिर होता है यदि वह गड़बड़ी इकाई राउंडऑफ के क्रम की हो, जो एल्गोरिदम की स्थिरता को समस्या की कंडीशनिंग से अलग करती है।

कंडीशनिंग और कंडीशन संख्या

गड़बड़ी के प्रति एक रैखिक-बीजगणित समस्या की संवेदनशीलता को एक कंडीशन संख्या द्वारा निर्धारित किया जाता है; रैखिक प्रणालियों के लिए सापेक्ष त्रुटि मैट्रिक्स की कंडीशन संख्या गुणा सापेक्ष गड़बड़ी द्वारा सीमित होती है, जो उपयोग किए गए एल्गोरिदम से स्वतंत्र होती है।

मैट्रिक्स गुणनखंड प्रतिमान

अधिकांश एल्गोरिदम एक समस्या को सरल (त्रिकोणीय, ऑर्थोगोनल, विकर्ण) कारकों के उत्पाद में कम कर देते हैं; LU, QR, चोल्स्की, और SVD विहित गुणनखंड प्रदान करते हैं जिनसे समाधान, न्यूनतम-वर्ग फिट और स्पेक्ट्रा पढ़े जाते हैं।

Clinical relevance

संख्यात्मक रैखिक बीजगणित वस्तुतः हर मात्रात्मक अनुशासन के लिए कम्प्यूटेशनल आधार है: विविक्तित अवकल समीकरण, अनुकूलन, सांख्यिकी और प्रतिगमन, मशीन लर्निंग, सिग्नल और इमेज प्रोसेसिंग, और नेटवर्क विश्लेषण सभी बड़े रैखिक प्रणालियों, न्यूनतम-वर्ग समस्याओं, या आइगेनवैल्यू संगणनाओं में कम हो जाते हैं जिनकी विश्वसनीयता स्थिर मैट्रिक्स एल्गोरिदम पर निर्भर करती है।

History

यह क्षेत्र बीसवीं सदी के मध्य में डिजिटल कंप्यूटरों के आगमन और जेम्स एच. विल्किंसन के पश्चगामी त्रुटि विश्लेषण द्वारा आकार दिया गया था, जिसने समझाया कि पिवोटिंग के साथ गाऊसी विलोपन विश्वसनीय क्यों है। बाद के दशकों में आइगेनवैल्यू के लिए QR एल्गोरिदम, सिंगुलर मान अपघटन का व्यवस्थित अध्ययन, और उच्च-गुणवत्ता वाली लाइब्रेरी (LINPACK, LAPACK) का उत्पादन हुआ, जिन्होंने सामान्य उपयोग के लिए स्थिर एल्गोरिदम को संहिताबद्ध किया।

Key figures

• James H. Wilkinson
• Gene H. Golub
• Lloyd N. Trefethen
• Nicholas J. Higham

Seminal works

• trefethen1997
• golub2013
• higham2002

Frequently asked questions

कंडीशनिंग और स्थिरता के बीच क्या अंतर है?

कंडीशनिंग समस्या का एक गुण है — डेटा की गड़बड़ी के तहत सटीक समाधान कितना बदलता है — जबकि स्थिरता एल्गोरिदम का एक गुण है — यह सीमित-परिशुद्धता अंकगणित में कितनी अतिरिक्त त्रुटि प्रस्तुत करता है। एक अस्थिर समस्या पर लागू एक स्थिर एल्गोरिदम अभी भी एक बड़ी त्रुटि उत्पन्न कर सकता है।

संख्यात्मक रैखिक बीजगणित में ऑर्थोगोनल परिवर्तनों को क्यों पसंद किया जाता है?

ऑर्थोगोनल (और एकात्मक) परिवर्तन 2-मानक को संरक्षित करते हैं और राउंडिंग त्रुटियों को नहीं बढ़ाते हैं, इसलिए उनसे निर्मित गुणनखंड — जैसे हाउसहोल्डर प्रतिबिंबों के माध्यम से QR — पश्चगामी रूप से स्थिर होते हैं।