条件数计算器 - 矩阵条件与稳定性

可逆矩阵 A 的条件数定义为 κ(A) = ‖A‖ · ‖A⁻¹‖，其中 ‖·‖ 表示任意相容的矩阵范数。它衡量线性系统 A·x = b 的解 x 中，相对误差会被右端项 b 的相对误差放大多少。直观地说，条件数小的矩阵是条件良好的：输入中的微小误差只会带来很小的输出误差。条件数大的矩阵则是条件很差的：即使数据里只有极小的浮点舍入误差，也可能得到严重不准确的解。 这个计算器支持 2 × 2 和 3 × 3 矩阵，以及三种最常用的矩阵范数。1 范数是绝对值列和的最大值，‖A‖₁ = max_j Σᵢ |aᵢⱼ|。无穷范数是绝对值行和的最大值，‖A‖∞ = max_i Σⱼ |aᵢⱼ|。Frobenius 范数是所有元素平方和的平方根，‖A‖_F = √(Σᵢⱼ |aᵢⱼ|²)，可视为矩阵版的欧几里得向量范数。对于 2 × 2 矩阵，逆矩阵按解析公式计算：A⁻¹ = (1/det A) · [[d, −b], [−c, a]]。对于 3 × 3 矩阵，使用余子式（伴随矩阵）公式。 条件数是数值线性代数中的核心概念。当你在计算机上使用 LU 分解或高斯消元求解线性系统时，计算结果的相对误差上界大致是 κ(A) · ε，其中 ε 是机器精度（IEEE-754 双精度约为 10⁻¹⁶）。因此，条件数为 10⁶ 意味着仅因舍入误差就可能损失多达 6 位有效数字。作为经验法则，κ < 100 的矩阵通常被认为条件良好，κ 在 100 到 1000 之间的是中等条件，超过 10³ 的则条件很差，应该谨慎处理。 还有一些重要的注意事项。条件数取决于所选范数，因此用不同范数算出的数值不能直接比较，尽管它们通常只相差一个较小的常数因子。基于奇异值定义的 2 范数（谱范数）条件数在理论上最自然，但计算成本更高，这里没有提供。奇异矩阵的行列式严格为零，没有逆矩阵，条件数为无穷大；计算器会明确检测这种情况。 当你需要检查一个小型线性系统是否可以安全地进行数值求逆、讲授数值分析入门，或者在更大的仿真或机器学习流程中求解方程组前做快速检查时，都可以使用这个工具。