cond

Число обусловленности для инверсии

Синтаксис

Описание

пример

C = cond(A) возвращает число 2-норма обусловленности для инверсии, равное отношению наибольшего сингулярного значения A наименьшему.

пример

C = cond(A,p) возвращает p-norm число обусловленности, где p можно 1, 2, Inf, или 'fro'.

Примеры

свернуть все

Вычислите число обусловленности матрицы и исследуйте чувствительность к обратному вычислению.

Создайте матрицу 2 на 2.

A = [4.1 2.8;
     9.7 6.6];

Вычислим 2-норму числа обусловленности A.

C = cond(A)
C = 1.6230e+03

Поскольку число обусловленности A намного больше 1, матрица чувствительна к обратному вычислению. Вычислим обратную Aи затем внесите небольшое изменение во вторую строку A и вычислите обратное снова.

invA = inv(A)
invA = 2×2

  -66.0000   28.0000
   97.0000  -41.0000

A2 = [4.1    2.8; 
      9.671  6.608]
A2 = 2×2

    4.1000    2.8000
    9.6710    6.6080

invA2 = inv(A2)
invA2 = 2×2

  472.0000 -200.0000
 -690.7857  292.8571

Результаты показывают, что внесение небольшого изменения в A может полностью изменить результат обратного вычисления.

Вычислим число обусловленности матрицы по 1 норме.

Создайте матрицу 3 на 3.

A = [1 0 -2;
     3 4  6;
    -1 5  7];

Вычислим число обусловленности 1 A. Значение числа обусловленности 1-норма для матрицы m на n

κ1(A)=||A||1||A-1||1,

где 1-норма является максимальным абсолютным столбцом суммой матрицы, заданной как

||A||1=max1jni=1m|aij|.

C = cond(A,1)
C = 18.0000

Для этой матрицы число обусловленности не слишком велико, поэтому матрица не особенно чувствительна к обратному вычислению.

Входные параметры

свернуть все

Входная матрица. A может быть квадратным или прямоугольным в размере.

Типы данных: single | double
Поддержка комплексного числа: Да

Нормальный тип, заданный как одно из значений, показанных в этой таблице. cond вычисляет число обусловленности с помощью norm(A,p) * norm(inv(A),p) для значений p кроме 2. См. norm для получения дополнительной информации об этих типах норм.

Значение p

Нормальный тип

1

1-норма число обусловленности

2

2-норма число обусловленности

Inf

Норма по бесконечности числа обусловленности

'fro'

Число обусловленности нормы Фробениуса

Пример: cond(A,1) вычисляет число обусловленности 1-норма.

Выходные аргументы

свернуть все

Число обусловленности, возвращенный в виде скаляра. Значения C около 1 указывают хорошо обусловленную матрицу и большие значения C указать плохо обусловленную матрицу. Сингулярные матрицы имеют число обусловленности Inf.

Подробнее о

свернуть все

Число обусловленности для инверсии

Число обусловленности для матрицы и вычислительной задачи измеряет, насколько чувствителен ответ на изменения входных данных и ошибки округления в процессе решения.

Число обусловленности инверсии матрицы измеряет чувствительность решения системы линейных уравнений к ошибкам в данных. Это дает указание на точность результатов инверсии матрицы и решение линейного уравнения. Для примера 2-нормы число обусловленности квадратной матрицы

κ(A)=AA1.

В этом контексте большое число обусловленности указывает, что небольшое изменение матрицы коэффициентов A может привести к большим изменениям в выходе b в линейных уравнениях A x = b и x A = b. Крайний случай, когда A настолько плохо обусловлена, что сингулярна (бесконечное число обусловленности), в этом случае она не имеет обратной и линейное уравнение не имеет уникального решения.

Совет

  • rcond является более эффективным, но менее надежным методом оценки условия матрицы по сравнению с cond.

Алгоритмы

Алгоритм для cond имеет три части:

  • Если p = 2, затем cond использует сингулярное разложение, предоставляемую svd найти отношение наибольших и наименьших сингулярных значений.

  • Если p = 1, Inf, или 'fro', затем cond вычисляет число обусловленности, используя соответствующую норму матрицы входа и ее обратную с norm(A,p) * norm(inv(A),p).

  • Если матрица входа разрежена, то cond игнорирует все указанные p значение и вызовы condest.

Расширенные возможности

.
Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте