Máy Tính Số Điều Kiện Của Ma Trận

Máy Tính Số Điều Kiện Của Ma Trận

Đang tăng trưởng AI Skill PRO

Nhập phép tính

Kết quả

Số điều kiện κ₂(A)
2
số điều kiện phổ (theo chuẩn 2)
Giá trị kỳ dị lớn nhất σ₁ 2
Giá trị kỳ dị nhỏ nhất σ₂ 1
Định thức det(A) 2

Công thức

κ(A)=σmax⁡σmin⁡=λmax⁡λmin⁡trong đó{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{trong đó}\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}
Thống kê sử dụng

Quảng cáo

Báo lỗi nội dung trang này

Số điều kiện của ma trận là gì?

Số điều kiện \(\kappa(A)\) cho biết nghiệm của hệ phương trình tuyến tính \(Ax = b\) nhạy cảm đến mức nào trước những thay đổi (sai số) nhỏ trong dữ liệu. Số điều kiện nhỏ (gần bằng 1) nghĩa là ma trận có điều kiện tốt và ổn định về mặt số học; số điều kiện lớn nghĩa là ma trận có điều kiện xấu, khi đó chỉ một sai số đầu vào rất nhỏ cũng có thể gây ra sai lệch lớn ở đầu ra. Số điều kiện phổ (hay theo chuẩn 2) bằng tỉ số giữa giá trị kỳ dị lớn nhất và giá trị kỳ dị nhỏ nhất:

$$\kappa_2(A) = \frac{\sigma_{\max}}{\sigma_{\min}}$$
Đường tròn đơn vị được ma trận 2x2 biến thành elip, với bán trục lớn và bán trục nhỏ được ghi nhãn sigma max và sigma min
Ma trận 2×2 biến đường tròn đơn vị thành một elip có các bán trục là các giá trị kỳ dị σ_max và σ_min.

Cách sử dụng máy tính

Bạn chỉ cần nhập bốn phần tử của ma trận 2×2 \(A\) (\(a_{11}, a_{12}, a_{21}, a_{22}\)), máy tính sẽ trả về số điều kiện theo chuẩn 2 cùng với hai giá trị kỳ dị và định thức. Nếu giá trị kỳ dị nhỏ nhất bằng 0 thì ma trận suy biến và số điều kiện là vô cùng.

Giải thích công thức

Với bất kỳ ma trận nào, \(\kappa(A) = \|A\| \cdot \|A^{-1}\|\). Khi dùng chuẩn 2, ta có \(\|A\| = \sigma_{\max}\) và \(\|A^{-1}\| = 1/\sigma_{\min}\), từ đó suy ra:

$$\kappa_2(A) = \frac{\sigma_{\max}}{\sigma_{\min}} = \sqrt{\frac{\lambda_{\max}}{\lambda_{\min}}}$$

Các giá trị kỳ dị chính là căn bậc hai của các trị riêng của \(A^T A\). Đối với ma trận 2×2, ta lập \(M = A^T A\), tính các trị riêng

$$\lambda_{\max,\min} = \frac{\operatorname{tr}(M) \pm \sqrt{\operatorname{tr}(M)^2 - 4\det(M)}}{2}$$

rồi lấy \(\sigma = \sqrt{\lambda}\).

Quảng cáo
Trục số biểu diễn số điều kiện từ 1 đến vô cùng, đánh dấu vùng điều kiện tốt gần 1 và vùng điều kiện kém ở các giá trị lớn
κ(A) nhận giá trị từ 1 (điều kiện hoàn hảo) trở lên; giá trị lớn cho thấy ma trận có điều kiện kém.

Ví dụ minh họa

Lấy \(A = \begin{bmatrix} 2 & 0 \\ 0 & 1 \end{bmatrix}\). Khi đó \(A^T A = \begin{bmatrix} 4 & 0 \\ 0 & 1 \end{bmatrix}\), có các trị riêng là 4 và 1. Các giá trị kỳ dị là \(\sigma_{\max} = 2\) và \(\sigma_{\min} = 1\), nên

$$\kappa_2(A) = \frac{2}{1} = 2$$

Ma trận này có điều kiện rất tốt.

Câu hỏi thường gặp

Số điều kiện "tốt" là bao nhiêu? Những giá trị gần bằng 1 là lý tưởng. Theo một quy tắc ước lượng, \(\log_{10}(\kappa)\) cho biết bạn có thể mất khoảng bao nhiêu chữ số chính xác khi giải hệ phương trình.

Vì sao số điều kiện của tôi là vô cùng? Vì ma trận bị suy biến (định thức bằng 0), nên \(\sigma_{\min} = 0\) và ma trận nghịch đảo \(A^{-1}\) không tồn tại.

Máy tính dùng chuẩn nào? Đây là số điều kiện theo chuẩn 2 (chuẩn phổ), dựa trên các giá trị kỳ dị. Các chuẩn khác (chuẩn 1, chuẩn ∞) có thể cho ra giá trị số khác.

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê