条件数

条件数（じょうけんすう、英: condition number）は、問題のコンピュータでの数値解析しやすさの尺度であり、その問題がどれだけ数値解析に適しているかを表す。条件数が小さい問題は「良条件 (well-conditioned)」であり、条件数が大きい問題は「悪条件 (ill-conditioned)」である。

行列の条件数

たとえば ${\displaystyle Ax=b}$ という方程式の条件数は、${\displaystyle x}$ を近似的に求める際の不正確さの上限を与える。なお、これには丸め誤差の影響は考慮しない。条件数は行列の属性であって、計算に使うシステムの浮動小数点数の精度やアルゴリズムとは無関係である。この場合（非常に大まかに言って）、${\displaystyle b}$ の変化によって解である ${\displaystyle x}$ が変化する率が条件数である。従って、条件数が大きければ ${\displaystyle b}$ の小さな誤差も ${\displaystyle x}$ の大きな誤差となって現れる。一方、条件数が小さければ、${\displaystyle x}$ における誤差は ${\displaystyle b}$ における誤差より大きくなることはない。

より正確に条件数を定義すると、${\displaystyle x}$ の相対誤差を ${\displaystyle b}$ の相対誤差で割った最大比率である。

${\displaystyle b}$ の誤差を ${\displaystyle e}$ とする。すると解 ${\displaystyle A^{-1}b}$ の誤差は ${\displaystyle A^{-1}e}$ となる。解の相対誤差と ${\displaystyle b}$ の相対誤差の比率は、次のようになる。

これは容易に次のように書き換えられる。

（${\displaystyle b}$ と ${\displaystyle e}$ がゼロでないとき）その最大値は明らかに2つの作用素ノルムの積となる。

同様の定義は、任意の行列ノルムに当てはまる。この数は数値線型代数学にはよく使われるので、行列の条件数 (condition number of a matrix) と名づけられている。

もちろん、この定義はノルムの選択に依存している。

• ${\displaystyle \|\cdot \|}$ が ${\displaystyle l_{2}}$ ノルムなら、
  ${\displaystyle \kappa (A)={\frac {\sigma _{\mathrm {max} }(A)}{\sigma _{\mathrm {min} }(A)}}}$ であり、ここで ${\displaystyle \sigma _{\mathrm {max} }(A)}$ は ${\displaystyle A}$ の最大特異値、${\displaystyle \sigma _{\mathrm {min} }(A)}$ は最小特異値である。したがって、
  • ${\displaystyle A}$ が正規なら
    ${\displaystyle \kappa (A)=\left|{\frac {\lambda _{\mathrm {max} }(A)}{\lambda _{\mathrm {min} }(A)}}\right|}$ （${\displaystyle \lambda _{\mathrm {max} }(A),\ \lambda _{\mathrm {min} }(A)}$ はそれぞれ ${\displaystyle A}$ の最大および最小固有値）
  • ${\displaystyle A}$ がユニタリなら
    ${\displaystyle \kappa (A)=1\,}$
• ${\displaystyle \|\cdot \|}$ が ${\displaystyle l_{\infty }}$ ノルムで、${\displaystyle A}$ が三角行列で特異値を持たない（すなわち、${\displaystyle a_{ii}\neq 0\;\forall i}$）なら
  ${\displaystyle \kappa (A)\geq {\frac {\max _{i}(|a_{ii}|)}{\min _{i}(|a_{ii}|)}}}$

それ以外の条件数

特異値分解の条件数、多項式の解を求める際の条件数、固有値の条件数など、様々な問題について条件数を定義できる。

一般に数値問題が良設定なら、それを関数 ${\displaystyle f}$ で表すことができ、${\displaystyle m}$-タプルの実数 ${\displaystyle x}$ から ${\displaystyle n}$-タプルの実数 ${\displaystyle f(x)}$ への写像となる。

するとその条件数は、問題の定義域における解の相対誤差とデータの相対誤差の比の最大値と定義される。

ここで ${\displaystyle \epsilon }$ は問題のデータの変化における何らかの適度に小さい値である。

${\displaystyle f}$ が可微分であれば、次のように近似できる。

関連項目

• ヒルベルト行列

外部リンク

• Condition Number of a Matrix at Holistic Numerical Methods Institute
• Matrix condition number on PlanetMath

表 話 編 歴 線型代数学・行列解析
連立一次方程式	ガウスの消去法 クラメルの公式 ガウス＝ザイデル法 ヤコビ法
ベクトル	線型独立 線型結合 基底 双対基底
ベクトル空間	双対空間 核空間 固有空間 広義固有空間 線型包 行空間 列空間 次元
計量ベクトル空間	ドット積 コーシー＝シュワルツの不等式 直交 正規直交系 正規直交基底 グラム・シュミットの正規直交化法 直交補空間
行列・線型写像	演算・操作 乗法 転置 逆行列 サラスの方法 基本変形 対角化 分解 LU QR コレスキー シューア 特異値 固有値 不変量 行列式 跡 階数 固有値と固有ベクトル 固有多項式 最小多項式 単因子 階数標準形 スミス標準形 ジョルダン標準形 有理標準形 小行列式 クラス 正則 基本 対称 エルミート 正規 直交 回転 ユニタリ 冪零 射影 正定値 ユニモジュラー 置換 区分
行列式	余因子展開 余因子行列 ヴァンデルモンドの行列式 終結式 コーシー・ビネの公式
多重線型代数	外積 外積代数 対称代数 テンソル代数
数値線形代数	基本的な概念 浮動小数点 数値的安定性 疎行列 Z-行列 M行列 条件数 ゲルシュゴリンの定理 クリロフ部分空間 ソフトウェア MATLAB 数値解析ソフトの比較/一覧 ライブラリ Armadillo Basic Linear Algebra Subprograms (BLAS) INTLAB Intel oneAPI Math Kernel Library LAPACK NumPy OpenBLAS 線型代数学ライブラリの比較 反復法・技法 SOR法 共役勾配法 GMRES法 固有値問題の数値解法 ランチョス法 QR法 べき乗法 逆べき乗法 ヤコビ法 (固有値問題) シュトラッセンのアルゴリズム ハウスホルダー変換 ギブンス回転 人物 ジェームズ・H・ウィルキンソン クリーブ・モラー ニコラス・ハイアム ジーン・ゴラブ リチャード・バルガ
行列値関数	行列指数関数 行列の対数 行列の平方根
その他	スカラー ケイリー・ハミルトンの定理 ペロン＝フロベニウスの定理 シューア補行列 シルヴェスターの慣性法則
カテゴリ