免费条件数计算器

理解矩阵条件数

在求解线性系统时，解的可靠性取决于系统对输入数据中小误差的敏感程度。矩阵条件数（通常写作 cond(A) 或 κ(A)）量化了这种敏感程度。使用免费的条件数计算器，您可以快速计算 2×2 或 3×3 矩阵的条件数，帮助判断问题是良态还是病态。在测量不可能精确或舍入不可避免的领域，了解矩阵的条件数是获得可信结果的第一步。

定义 cond(A)

对于一个可逆矩阵 $A$，条件数定义为

$$\operatorname{cond}(A) = \lVert A \rVert \cdot \lVert A^{-1} \rVert,$$

其中 $\lVert \cdot \rVert$ 代表任一矩阵范数（2-范数是最常见的选择）。如果矩阵 $A$ 的行列式为零，则逆不存在，条件数为无穷大。在实践中，数学家有时会用伪逆来得到一个有限但很大的数值，仍然表示接近奇异。

理解 cond(A) 的一个简单方式是将它视为矩阵对任意单位向量施加的最大拉伸与最大压缩之比。等价地，它衡量矩阵接近奇异的程度。条件数为 1 是最小的可能值，由单位矩阵达到，表示完全良态。随着值增大，矩阵变得越来越病态。

在线性系统中的作用

对于系统 $A\mathbf{x} = \mathbf{b}$，cond(A) 充当误差放大因子。假设右侧 $\mathbf{b}$ 包含误差 $\delta\mathbf{b}$，则解 $\mathbf{x}$ 的误差 $\delta\mathbf{x}$ 满足不等式

$$\frac{\lVert \delta\mathbf{x} \rVert}{\lVert \mathbf{x} \rVert} \le \operatorname{cond}(A) \cdot \frac{\lVert \delta\mathbf{b} \rVert}{\lVert \mathbf{b} \rVert}.$$

因此，$\mathbf{x}$ 的相对不确定度可能达到 cond(A) 乘以 $\mathbf{b}$ 的相对不确定度。当 cond(A) 很大时，即使数据中的微小扰动也可能产生截然不同的解——这是病态矩阵的明显标志。反之，较小的条件数意味着解对合理的输入误差有很好的保护。

如何计算条件数

如果矩阵逆存在，手动计算遵循四个步骤：

1. 选择一种矩阵范数（大多数应用默认使用 2-范数）。
2. 计算 $A^{-1}$。如果矩阵奇异，令 $\operatorname{cond}(A) = \infty$。
3. 使用相同的范数计算 $\lVert A \rVert$ 和 $\lVert A^{-1} \rVert$。
4. 将两个范数相乘得到 $\operatorname{cond}(A)$。

在线条件数计算器自动完成这些步骤。您选择矩阵大小（2×2 或 3×3），逐行输入元素，可选地选择范数，工具会立即显示结果。

示例

考虑一个条件数约为 7 895 的 2×2 矩阵——该值明确表示病态。求解原始系统 $A\mathbf{x} = \mathbf{b}$。如果在 $\mathbf{b}$ 的第一个元素中引入一个小误差 $0.01$，结果解会发生巨大变化。这种行为正是上述不等式预测的：因为 cond(A) 很大，$\mathbf{b}$ 中适度的相对误差可能被放大为 $\mathbf{x}$ 中更大的相对误差。使用计算器进行测试证实，解的相对误差保持在 cond(A) 和输入误差所决定的界限内，与理论一致。

重要性质

条件数的几个性质在分析中很有用：

• 尺度不变性：将整个矩阵乘以非零常数 $\gamma$ 不会改变其条件数：$\operatorname{cond}(\gamma A) = \operatorname{cond}(A)$。这是因为常数在范数乘积中抵消了。
• 对角矩阵：对于对角矩阵 $D$，元素为 $d_i$，使用 2-范数得到 $\operatorname{cond}(D) = \dfrac{\max d_i}{\min d_i}$。
• 最小值：条件数为 1 是最低的可能值，出现在单位矩阵，以及使用 2-范数时的任何正交矩阵。这些矩阵具有最佳条件。

理解这些性质有助于从业人员评估和改进线性代数计算的数值稳定性。