Ciò che sembra non essere stato menzionato finora sono i concetti di un algoritmo instabile e un problema mal condizionato . Mi rivolgerò per primo al primo, poiché sembra essere una trappola più frequente per i numerici novizi.
Considera il calcolo dei poteri del rapporto reciproco aureo φ=0.61803…
; un modo possibile per farlo è usare la formula di ricorsione φ^n=φ^(n-2)-φ^(n-1)
, iniziando con φ^0=1
e φ^1=φ
. Se esegui questa ricorsione nel tuo ambiente informatico preferito e confronti i risultati con potenze accuratamente valutate, troverai una lenta erosione di cifre significative. Ecco cosa succede ad esempio in Mathematica :
ph = N[1/GoldenRatio];
Nest[Append[#1, #1[[-2]] - #1[[-1]]] & , {1, ph}, 50] - ph^Range[0, 51]
{0., 0., 1.1102230246251565*^-16, -5.551115123125783*^-17, 2.220446049250313*^-16,
-2.3592239273284576*^-16, 4.85722573273506*^-16, -7.147060721024445*^-16,
1.2073675392798577*^-15, -1.916869440954372*^-15, 3.1259717037102064*^-15,
-5.0411064211886014*^-15, 8.16837916750579*^-15, -1.3209051907825398*^-14,
2.1377864756200182*^-14, -3.458669982359108*^-14, 5.596472721011714*^-14,
-9.055131861349097*^-14, 1.465160458236081*^-13, -2.370673237795176*^-13,
3.835834102607072*^-13, -6.206507137114341*^-13, 1.004234127360273*^-12,
-1.6248848342954435*^-12, 2.6291189633497825*^-12, -4.254003796798193*^-12,
6.883122762265558*^-12, -1.1137126558640235*^-11, 1.8020249321541067*^-11,
-2.9157375879969544*^-11, 4.717762520172237*^-11, -7.633500108148015*^-11,
1.23512626283229*^-10, -1.9984762736468268*^-10, 3.233602536479646*^-10,
-5.232078810126407*^-10, 8.465681346606119*^-10, -1.3697760156732426*^-9,
2.216344150333856*^-9, -3.5861201660070964*^-9, 5.802464316340953*^-9,
-9.388584482348049*^-9, 1.5191048798689004*^-8, -2.457963328103705*^-8,
3.9770682079726053*^-8, -6.43503153607631*^-8, 1.0412099744048916*^-7,
-1.6847131280125227*^-7, 2.725923102417414*^-7, -4.4106362304299367*^-7,
7.136559332847351*^-7, -1.1547195563277288*^-6}
Il risultato presunto per φ^41
ha il segno sbagliato e, ancor prima, i valori calcolati ed effettivi per φ^39
condividere nessuna cifra in comune ( 3.484899258054952
* ^ - 9 for the computed version against the true value
7.071019424062048 *^-9
). L'algoritmo è quindi instabile e non si dovrebbe usare questa formula di ricorsione in aritmetica inesatta. Ciò è dovuto alla natura intrinseca della formula di ricorsione: esiste una soluzione "in decomposizione" e "crescente" a questa ricorsione, e provare a calcolare la soluzione "in decomposizione" con una soluzione diretta quando esiste una soluzione "crescente" alternativa per dolore numerico. Si dovrebbe quindi garantire che i suoi algoritmi numerici siano stabili.
Ora, sul concetto di un problema mal condizionato : anche se potrebbe esserci un modo stabile per fare qualcosa numericamente, potrebbe benissimo essere che il problema che hai non può essere risolto dal tuo algoritmo. Questo è colpa del problema stesso e non del metodo di soluzione. L'esempio canonico in termini numerici è la soluzione di equazioni lineari che coinvolgono la cosiddetta "matrice di Hilbert":
La matrice è l'esempio canonico di una matrice mal condizionata : il tentativo di risolvere un sistema con una matrice di Hilbert di grandi dimensioni potrebbe restituire una soluzione imprecisa.
Ecco una dimostrazione di Mathematica : confronta i risultati dell'aritmetica esatta
Table[LinearSolve[HilbertMatrix[n], HilbertMatrix[n].ConstantArray[1, n]], {n, 2, 12}]
{{1, 1}, {1, 1, 1}, {1, 1, 1, 1}, {1, 1, 1, 1, 1}, {1, 1, 1, 1, 1,
1}, {1, 1, 1, 1, 1, 1, 1}, {1, 1, 1, 1, 1, 1, 1, 1}, {1, 1, 1, 1, 1,
1, 1, 1, 1}, {1, 1, 1, 1, 1, 1, 1, 1, 1, 1}, {1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1}, {1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}}
e inesatta aritmetica
Table[LinearSolve[N[HilbertMatrix[n]], N[HilbertMatrix[n].ConstantArray[1, n]]], {n, 2, 12}]
{{1., 1.}, {1., 1., 1.}, {1., 1., 1., 1.}, {1., 1., 1., 1., 1.},
{1., 1., 1., 1., 1., 1.}, {1., 1., 1., 1., 1., 1., 1.},
{1., 1., 1., 1., 1., 1., 1., 1.}, {1., 1., 1., 1., 1., 1., 1., 1., 1.},
{1., 1., 1., 0.99997, 1.00014, 0.999618, 1.00062, 0.9994, 1.00031,
0.999931}, {1., 1., 0.999995, 1.00006, 0.999658, 1.00122, 0.997327,
1.00367, 0.996932, 1.00143, 0.999717}, {1., 1., 0.999986, 1.00022,
0.998241, 1.00831, 0.975462, 1.0466, 0.94311, 1.04312, 0.981529,
1.00342}}
(Se l'hai provato a Mathematica , noterai alcuni messaggi di errore che avvertono del mal condizionamento che appare.)
In entrambi i casi, semplicemente aumentare la precisione non è una cura; ritarderà solo l'inevitabile erosione delle figure.
Questo è ciò che potresti dover affrontare. Le soluzioni potrebbero essere difficili: per la prima volta, o si torna al tavolo da disegno o si guadagna diari / libri / qualunque cosa per scoprire se qualcun altro ha trovato una soluzione migliore di te; per il secondo, o ti arrendi o riformuli il tuo problema in qualcosa di più trattabile.
Vi lascio con una citazione di Dianne O'Leary:
La vita può darci alcuni problemi mal condizionati, ma non c'è motivo di accontentarsi di un algoritmo instabile.