4. 条件数的性质与界

条件数不是矩阵的“固有属性”之一，它依赖于所选的范数，也依赖于矩阵是否可逆。理解它的性质，核心是抓住三条主线：基本不等式刻画条件数与相对误差的放大关系；扰动界说明右端项扰动与系数矩阵扰动分别如何影响解；与行列式、特征值的关系辨析则帮助我们避免把“行列式小”或“特征值小”直接等同于“病态”。

一、基本不等式：条件数是误差放大因子

设 A 可逆，‖·‖ 为相容矩阵范数，条件数定义为 κ(A)=‖A‖·‖A⁻¹‖。对线性方程组 Ax=b，若右端项有扰动 δb，解变为 x+δx，则

‖δx‖ / ‖x‖ ≤ κ(A) · ‖δb‖ / ‖b‖

这个不等式说明：右端项的相对误差最多被放大 κ(A) 倍。它同时是紧的——存在特定的 b 和 δb 使等号成立，因此 κ(A) 是这一放大倍数的最小上界，而不是一个保守的估计。若 A 有扰动 δA，且 ‖A⁻¹‖‖δA‖<1，则

‖δx‖ / ‖x‖ ≤ κ(A)/(1-κ(A)‖δA‖/‖A‖) · (‖δA‖/‖A‖ + ‖δb‖/‖b‖)

当扰动很小时，分母接近 1，总相对误差近似被 κ(A) 放大。工程上常把 κ(A)≈10^k 理解为“大约损失 k 位有效数字”，这正是基本不等式的实用解读。

二、扰动界：右端扰动与系数扰动的区别

右端项扰动只改变“输入数据”，系数矩阵扰动则改变了算子本身，二者性质不同。对 δA 扰动，即使 δb=0，解的相对误差仍可能被放大，且当 A 接近奇异时，分母 1-κ(A)‖δA‖/‖A‖ 会显著减小，界迅速变松。这提示我们：系数矩阵的扰动比右端项扰动更危险，因为前者可能直接破坏可逆性。

实际计算中，还需区分“范数意义下的条件数”和“分量意义下的条件数”。前者对应整体相对误差，后者对应每个分量的相对误差，二者可能相差很大。做误差评估时，应明确使用的是哪一种，避免混用。

三、与行列式、特征值的关系辨析

常见误区是“行列式小就病态”。行列式是全部特征值之积，它同时受尺度影响：把 A 乘以 10⁻⁶，行列式缩小 10⁻⁶ⁿ，但条件数不变。因此行列式不能单独作为病态判据。真正与条件数相关的是特征值的相对分布：对正规矩阵（如对称矩阵），κ₂(A)=|λ_max|/|λ_min|，即最大与最小特征值模之比。此时特征值比确实能反映条件数。

但对非正规矩阵，特征值比值可能严重低估条件数。例如 A=[[1, 10⁶],[0, 1]]，两个特征值都是 1，特征值比为 1，但 κ₂(A) 约为 10¹²。原因是特征向量接近平行，微小扰动可被剧烈放大。因此，特征值只能用于正规矩阵的快速估计，非正规矩阵必须直接计算奇异值：κ₂(A)=σ_max/σ_min。

四、实际计算中如何用这些性质

给定一个具体问题，建议按以下顺序操作。第一步，明确范数：工程上常用 2-范数，此时 κ₂(A)=σ_max/σ_min，可用奇异值分解直接得到；若用 1-范数或 ∞-范数，则需按对应定义计算，不能混用。第二步，判断矩阵是否正规：若 A 对称或 AᵀA=AAᵀ，可用特征值比快速估计；否则直接算奇异值。第三步，结合扰动界评估风险：若 κ(A)‖δA‖/‖A‖ 接近 1，说明扰动界已失效，此时应改用迭代改进或更高精度求解。

以一个教学示例说明：设 A=[[1, 10⁶],[0, 1]]，用 2-范数计算。AᵀA=[[1,10⁶],[10⁶,10¹²+1]]，其特征值约为 10¹² 和 10⁻¹²，故 σ_max≈10⁶，σ_min≈10⁻⁶，κ₂≈10¹²。若右端项相对扰动为 10⁻¹⁵，则解的相对误差上界约为 10⁻³，即损失约 3 位有效数字；若系数矩阵有相对扰动 10⁻¹⁵，则分母 1-κ‖δA‖/‖A‖≈1-10⁻³，界仍可用，但已明显变松。这个例子说明：条件数大并不等于不能算，而是要求我们更谨慎地评估扰动来源和精度需求。

总结来说，条件数的性质可以归纳为：基本不等式给出误差放大的紧上界；扰动界区分右端扰动与系数扰动，后者更危险；与行列式、特征值的关系只在特定条件下成立，非正规矩阵必须回到奇异值。掌握这三条，才能在稳定求解中正确判断“能不能算、算得准不准、需要多少位精度”。