条件数cond函数（matlab）

qq-120

已于 2024-03-25 09:49:51 修改

阅读量1.5w

点赞数 10

分类专栏： MATLAB基础文章标签： matlab 线性代数

于 2021-10-13 20:20:26 首次发布

本文链接：https://blog.csdn.net/qq_44143405/article/details/120751256

版权

MATLAB基础专栏收录该内容

23 篇文章

订阅专栏

本文探讨了矩阵条件数的重要性，它衡量了矩阵问题的稳定性。通过Matlab内置函数cond、condest和rcond，我们展示了如何计算不同范数的条件数，并以Hilbert矩阵为例，展示了病态矩阵条件数随阶数增长。通过实例代码演示了如何在编程中应用这些概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么计算矩阵的条件数

矩阵的条件数是判断矩阵“病态”程度的一个指标；用于衡量线性方程组的解对数据误差的敏感性，它反映出矩阵求逆及线性方程组解的精确程度。
若矩阵的条件数越大，则表明矩阵的病态越严重；反而就是呈现出良态。比如hilbter矩阵是一个著名的病态矩阵，随着阶数的增加，其条件数越来越大。

如何调用matlab内置函数

(1)cond函数
求矩阵二范式条件数，即X的最大奇异值与最小奇异值的比值。

(2)condest函数
求矩阵一范式条件数

(3)rcond函数
求矩阵条件数的倒数

>> m = magic(2)

m =

     1     3
     4     2

>> ma = cond(m)

ma =

    2.6180

h = hilb(4)

h =

    1.0000    0.5000    0.3333    0.2500
    0.5000    0.3333    0.2500    0.2000
    0.3333    0.2500    0.2000    0.1667
    0.2500    0.2000    0.1667    0.1429

>> mh = cond(h)

mh =

   1.5514e+04

h = hilb(10)

h =

    1.0000    0.5000    0.3333    0.2500    0.2000    0.1667    0.1429    0.1250    0.1111    0.1000
    0.5000    0.3333    0.2500    0.2000    0.1667    0.1429    0.1250    0.1111    0.1000    0.0909
    0.3333    0.2500    0.2000    0.1667    0.1429    0.1250    0.1111    0.1000    0.0909    0.0833
    0.2500    0.2000    0.1667    0.1429    0.1250    0.1111    0.1000    0.0909    0.0833    0.0769
    0.2000    0.1667    0.1429    0.1250    0.1111    0.1000    0.0909    0.0833    0.0769    0.0714
    0.1667    0.1429    0.1250    0.1111    0.1000    0.0909    0.0833    0.0769    0.0714    0.0667
    0.1429    0.1250    0.1111    0.1000    0.0909    0.0833    0.0769    0.0714    0.0667    0.0625
    0.1250    0.1111    0.1000    0.0909    0.0833    0.0769    0.0714    0.0667    0.0625    0.0588
    0.1111    0.1000    0.0909    0.0833    0.0769    0.0714    0.0667    0.0625    0.0588    0.0556
    0.1000    0.0909    0.0833    0.0769    0.0714    0.0667    0.0625    0.0588    0.0556    0.0526

>> mh = cond(h)

mh =

   1.6025e+13

对于线性方程Ax=b，如果A的条件数大，b的微小改变就能引起解x较大的改变，数值稳定性差。如果A的条件数小，b有微小的改变，x的改变也很微小，数值稳定性好。

条件数计算

% 定义一个矩阵
A = [1, 2, 3;
4, 5, 6;
7, 8, 9];
% 显示结果
disp('矩阵 A 的条件数：');
condition_number1 = cond(A);
disp(condition_number1);
% 计算矩阵 A 的奇异值分解
[U, S, V] = svd(A);
% 计算奇异值的最大值和最小值
max_singular_value = max(diag(S));
min_singular_value = min(diag(S));
% 计算条件数
condition_number = max_singular_value / min_singular_value;
% 显示结果
disp('矩阵 A 的条件数：');
disp(condition_number);

输出为

矩阵 A 的条件数：
   5.0523e+16

矩阵 A 的条件数：
   5.0523e+16