МатВектор

Command Palette

Search for a command to run...

🔢 Численные методы

Число обусловленности

англ. Condition number

Мера чувствительности задачи к погрешностям данных: $\kappa(A) = \|A\|\cdot\|A^{-1}\|$. Большое $\kappa$ — потеря точности результата.

Число обусловленности — коэффициент, показывающий, во сколько раз относительная погрешность результата может превысить относительную погрешность входных данных. Для системы определяют ; для симметричной матрицы в спектральной норме это отношение крайних собственных значений \lambda_\max/\lambda_\min (как их находить — в уроке о собственных значениях). Всегда ; чем меньше, тем лучше обусловлена задача.

Правило практического счёта: при машинной точности и числе обусловленности в решении остаётся порядка верных знаков. Матрица с большим — плохо обусловленная: крошечное возмущение сильно меняет ; так ведёт себя матрица Вандермонда на равномерной сетке. Лечение — масштабирование, регуляризация, переформулировка задачи; не обойтись без умения искать обратную матрицу.

число обусловленности; второе равенство — для симметричной матрицы в спектральной норме

Частые вопросы

Что значит «плохо обусловленная система» на практике?

Что ответ численно ненадёжен: округление в шестом знаке входных данных может заметно изменить решение. Формально велико — матрица почти вырождена, её строки почти линейно зависимы. Компьютер честно вернёт какой-то ответ, но контролировать его ошибки невозможно: потерянные знаки точности уже не восстановить никаким пересчётом.

Можно ли исправить плохую обусловленность?

Иногда да. Помогают масштабирование строк и столбцов (балансировка), выбор других переменных или единиц измерения, регуляризация Тихонова для некорректных задач, двойная точность, оттягивающая потерю знаков. Иногда задачу переформулируют: например, вместо явного обращения матрицы решают систему итерационно — такой подход устойчивее к погрешностям исходных данных.