Calculateur du conditionnement d'une matrice

Calculateur du conditionnement d'une matrice

En croissance AI Skill PRO

Entrez le calcul

Résultats

Conditionnement κ₂(A)
2
conditionnement spectral (norme 2)
Plus grande valeur singulière σ₁ 2
Plus petite valeur singulière σ₂ 1
Déterminant det(A) 2

Formule

κ(A)=σmax⁡σmin⁡=λmax⁡λmin⁡où{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{où}\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}
Statistiques d'utilisation

Publicité

Signaler une erreur sur cette page

Qu'est-ce que le conditionnement d'une matrice ?

Le conditionnement \(\kappa(A)\) mesure la sensibilité de la solution d'un système linéaire \(Ax = b\) face à de petites variations (ou erreurs) dans les données. Un conditionnement faible (proche de 1) indique que la matrice est bien conditionnée et numériquement stable ; un conditionnement élevé signale au contraire une matrice mal conditionnée, pour laquelle de minuscules erreurs d'entrée peuvent engendrer d'importantes erreurs de sortie. Le conditionnement spectral, ou conditionnement en norme 2, est égal au rapport entre la plus grande et la plus petite valeur singulière : \(\kappa_2(A) = \sigma_{\max} / \sigma_{\min}\).

Cercle unité transformé en ellipse par une matrice 2x2, avec le demi-grand axe et le demi-petit axe étiquetés sigma max et sigma min
Une matrice 2×2 transforme le cercle unité en une ellipse dont les demi-axes sont les valeurs singulières σ_max et σ_min.

Comment utiliser ce calculateur

Saisissez les quatre coefficients de votre matrice 2×2 \(A\) (\(a_{11}\), \(a_{12}\), \(a_{21}\), \(a_{22}\)) et le calculateur renvoie le conditionnement en norme 2, accompagné des deux valeurs singulières et du déterminant. Si la plus petite valeur singulière est nulle, la matrice est singulière et le conditionnement est infini.

La formule expliquée

Pour toute matrice, \(\kappa(A) = \lVert A \rVert \cdot \lVert A^{-1} \rVert\). En utilisant la norme 2, on a \(\lVert A \rVert = \sigma_{\max}\) et \(\lVert A^{-1} \rVert = 1/\sigma_{\min}\), ce qui donne \(\kappa_2(A) = \sigma_{\max}/\sigma_{\min}\). Les valeurs singulières sont les racines carrées des valeurs propres de \(A^{T}A\). Pour une matrice 2×2, on forme \(M = A^{T}A\), on calcule ses valeurs propres \(\lambda = (\operatorname{tr} \pm \sqrt{\operatorname{tr}^2 - 4\cdot\det})/2\), puis on prend \(\sigma = \sqrt{\lambda}\).

$$\kappa(A) = \frac{\sigma_{\max}}{\sigma_{\min}} = \sqrt{\frac{\lambda_{\max}}{\lambda_{\min}}}$$$$\text{où}\quad \left\{ \begin{aligned} M &= A^{T}A,\quad A = \begin{bmatrix} \text{a}_{11} & \text{a}_{12} \\ \text{a}_{21} & \text{a}_{22} \end{bmatrix} \\ \lambda_{\max,\min} &= \frac{\operatorname{tr}(M) \pm \sqrt{\operatorname{tr}(M)^2 - 4\det(M)}}{2} \\ \sigma &= \sqrt{\lambda} \end{aligned} \right.$$
Publicité
Droite numérique du conditionnement allant de 1 vers l’infini, indiquant une matrice bien conditionnée près de 1 et mal conditionnée pour les grandes valeurs
κ(A) vaut au minimum 1 (conditionnement parfait) ; une valeur élevée indique une matrice mal conditionnée.

Exemple concret

Prenons \(A = \begin{bmatrix} 2 & 0 \\ 0 & 1 \end{bmatrix}\). Alors \(A^{T}A = \begin{bmatrix} 4 & 0 \\ 0 & 1 \end{bmatrix}\), dont les valeurs propres sont 4 et 1. Les valeurs singulières valent donc \(\sigma_{\max} = 2\) et \(\sigma_{\min} = 1\), d'où \(\kappa_2(A) = 2/1 = 2\). Cette matrice est très bien conditionnée.

FAQ

Qu'est-ce qu'un « bon » conditionnement ? Les valeurs proches de 1 sont idéales. En règle générale, \(\log_{10}(\kappa)\) indique approximativement le nombre de chiffres de précision que vous risquez de perdre en résolvant le système.

Pourquoi mon conditionnement est-il infini ? La matrice est singulière (déterminant nul), donc \(\sigma_{\min} = 0\) et \(A^{-1}\) n'existe pas.

Quelle norme est utilisée ici ? Le conditionnement en norme 2 (spectrale), fondé sur les valeurs singulières. D'autres normes (norme 1, norme ∞) peuvent aboutir à des valeurs numériques différentes.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques