حاسبة رقم حالة المصفوفة

حاسبة رقم حالة المصفوفة

شائع AI Skill PRO

أدخل الحساب

نتائج

رقم الحالة κ₂(A)
٢
رقم الحالة الطيفي (بمعيار 2)
أكبر قيمة منفردة σ₁ ٢
أصغر قيمة منفردة σ₂ ١
المحدّد det(A) ٢

صيغة رياضية

κ(A)=σmax⁡σmin⁡=λmax⁡λmin⁡where{M=ATA,A=[a11a12a21a22]λmax⁡,min⁡=tr(M)±tr(M)2−4det⁡(M)2σ=λ\begin{gathered} \kappa(A) = \frac{\sigma_{\max}}{\sigma_{\min}} = \sqrt{\frac{\lambda_{\max}}{\lambda_{\min}}} \\[1.5em] \text{where}\quad \left\{ \begin{aligned} M &= A^{T}A,\quad A = \begin{bmatrix} {{\text{a}_{11}}} & {{\text{a}_{12}}} \\ {{\text{a}_{21}}} & {{\text{a}_{22}}} \end{bmatrix} \\ \lambda_{\max,\min} &= \frac{\operatorname{tr}(M) \pm \sqrt{\operatorname{tr}(M)^2 - 4\det(M)}}{2} \\ \sigma &= \sqrt{\lambda} \end{aligned} \right. \end{gathered}
إحصاءات الاستخدام

اعلان

الإبلاغ عن خطأ في هذه الصفحة

ما هو رقم حالة المصفوفة؟

يقيس رقم الحالة \(\kappa(A)\) مدى حساسية حلّ نظام خطي على الصورة \(Ax = b\) للتغيّرات (الأخطاء) الصغيرة في البيانات. فكلما كان رقم الحالة صغيرًا (قريبًا من 1) دلّ ذلك على أن المصفوفة جيّدة التكييف ومستقرة عدديًا؛ أما رقم الحالة الكبير فيعني أنها سيّئة التكييف، بحيث تؤدي أخطاء طفيفة في المدخلات إلى أخطاء كبيرة في المخرجات. ويساوي رقم الحالة الطيفي (بمعيار 2) نسبة أكبر قيمة منفردة إلى أصغر قيمة منفردة: \(\kappa_2(A) = \sigma_{\max} / \sigma_{\min}\).

دائرة الوحدة وقد حوّلتها مصفوفة 2x2 إلى قطع ناقص، مع تسمية نصف المحور الأكبر ونصف المحور الأصغر بـ sigma max و sigma min
تحوّل مصفوفة 2×2 دائرة الوحدة إلى قطع ناقص نصفا محوريه هما القيمتان المنفردتان σ_max و σ_min.

كيفية استخدام الحاسبة

أدخل القيم الأربع للمصفوفة \(A\) ذات البُعد 2×2 (وهي \(a_{11}\) و\(a_{12}\) و\(a_{21}\) و\(a_{22}\))، فتعرض لك الحاسبة رقم الحالة بمعيار 2 إلى جانب القيمتين المنفردتين والمحدّد. وإذا كانت أصغر قيمة منفردة تساوي صفرًا فإن المصفوفة شاذّة (غير قابلة للعكس) ويكون رقم الحالة لا نهائيًا.

شرح الصيغة

بالنسبة إلى أي مصفوفة، يكون \(\kappa(A) = \lVert A \rVert \cdot \lVert A^{-1} \rVert\). وباستخدام معيار 2 يصبح \(\lVert A \rVert = \sigma_{\max}\) و\(\lVert A^{-1} \rVert = 1/\sigma_{\min}\)، ومن ثَمّ \(\kappa_2(A) = \sigma_{\max}/\sigma_{\min}\). والقيم المنفردة هي الجذور التربيعية للقيم الذاتية للمصفوفة \(A^{T}A\). وفي حالة المصفوفة 2×2 نُكوّن \(M = A^{T}A\)، ثم نحسب قيمها الذاتية، ونأخذ \(\sigma = \sqrt{\lambda}\).

$$\kappa(A) = \frac{\sigma_{\max}}{\sigma_{\min}} = \sqrt{\frac{\lambda_{\max}}{\lambda_{\min}}}$$

$$\text{where}\quad \left\{ \begin{aligned} M &= A^{T}A,\quad A = \begin{bmatrix} \text{a}_{11} & \text{a}_{12} \\ \text{a}_{21} & \text{a}_{22} \end{bmatrix} \\ \lambda_{\max,\min} &= \frac{\operatorname{tr}(M) \pm \sqrt{\operatorname{tr}(M)^2 - 4\det(M)}}{2} \\ \sigma &= \sqrt{\lambda} \end{aligned} \right.$$

اعلان
خط أعداد يبيّن عدد الشرط من 1 نحو اللانهاية، مع تحديد المنطقة جيدة التكييف قرب 1 والمنطقة سيئة التكييف عند القيم الكبيرة
تبدأ κ(A) من 1 (تكييف مثالي) وتتزايد؛ وتدل القيم الكبيرة على مصفوفة سيئة التكييف.

مثال محلول

لِنأخذ \(A = \begin{bmatrix} 2 & 0 \\ 0 & 1 \end{bmatrix}\). عندئذٍ تكون \(A^{T}A = \begin{bmatrix} 4 & 0 \\ 0 & 1 \end{bmatrix}\)، وقيمها الذاتية هي 4 و1. ومن ثَمّ تكون القيمتان المنفردتان \(\sigma_{\max} = 2\) و\(\sigma_{\min} = 1\)، أي إن \(\kappa_2(A) = 2/1 = 2\). وهذه المصفوفة جيّدة التكييف إلى حدٍّ كبير.

الأسئلة الشائعة

ما هو رقم الحالة «الجيّد»؟ القيم القريبة من 1 هي المثالية. وكقاعدة تقريبية، يخبرك المقدار \(\log_{10}(\kappa)\) بعدد الأرقام العشرية الموثوقة التي قد تفقدها تقريبًا عند حلّ النظام.

لماذا يظهر رقم الحالة لا نهائيًا؟ لأن المصفوفة شاذّة (محدّدها يساوي 0)، وبالتالي \(\sigma_{\min} = 0\) ولا وجود للمصفوفة العكسية \(A^{-1}\).

ما المعيار المستخدم هنا؟ رقم الحالة بمعيار 2 (الطيفي)، المبني على القيم المنفردة. وقد تعطي المعايير الأخرى (معيار 1 ومعيار \(\infty\)) قيمًا عددية مختلفة.

آخر تحديث:

الأكثر شيوعًا في الرياضيات والإحصاء

عرض جميع حاسبات الرياضيات والإحصاء