谈谈矩阵条件数及其几种计算方法
矩阵的求解方法和技巧
矩阵的求解方法和技巧矩阵的求解是线性代数中的一个重要问题，涉及到矩阵的性质、运算和解析方法等多个方面。
下面将介绍一些矩阵求解的常用方法和技巧。
1. 高斯消元法：高斯消元法是一种常用的线性方程组求解方法，适用于任意大小的方阵。
该方法的基本思想是通过矩阵的初等行变换，将方程组化为行最简的形式，从而求解出未知数的值。
具体操作步骤如下：1) 将方程组转化为增广矩阵形式；2) 选择一个主元（通常选择第一列的第一个非零元素）；3) 将该主元所在的行除以主元得到1；4) 用主元所在行乘以矩阵的某一行，再与原行相减，使得该行的主元所在列的其他元素都为0；5) 选择下一个主元，重复步骤3和4，直至将方程组化为行最简的形式（即上三角形矩阵）；6) 回代求解每个未知数的值。
2. 克拉默法则：克拉默法则适用于求解n元线性方程组（n个方程、n 个未知数），它是一种基于行列式的方法。
具体操作步骤如下：1) 将方程组转化为增广矩阵形式；2) 求出系数矩阵的行列式D；3) 分别将方程组的等号右边替换为未知数列矩阵，并求出每个矩阵列的行列式Dj；4) 利用克拉默法则的公式，未知数xi的值等于Dj除以D的商。
克拉默法则的优点是理论简单，适用于少数方程未知数的求解，但对于大规模的方程组来说，计算量较大。
3. LU分解法：LU分解是将矩阵按照一定的规则分解为一个下三角矩阵L和一个上三角矩阵U的乘积。
LU分解法适用于求解一大类线性方程组，对于已经进行了LU分解的矩阵，可以节省计算量，提高计算效率。
具体操作步骤如下：1) 对矩阵进行LU分解，得到下三角矩阵L和上三角矩阵U；2) 利用前代法（也称为Ly=b法）求解方程Ly=b，求出向量y；3) 利用回代法（也称为Ux=y法）求解方程Ux=y，求出向量x。
4. 矩阵的逆：矩阵的逆是指如果一个方阵存在逆矩阵，那么它和它的逆矩阵相乘得到一个单位矩阵。
矩阵的逆可以用来求解线性方程组的解。
具体操作步骤如下：1) 对矩阵A进行LU分解；2) 利用前代法求解方程Ly=b，求出向量y；3) 利用回代法求解方程Ux=y，求出向量x；4) 得到矩阵的逆矩阵A^-1。
矩阵的计算公式图文解析
矩阵的计算公式图文解析矩阵是线性代数中的重要概念，它可以用于表示和处理多维数据。
在实际应用中，矩阵的计算是非常常见的操作，包括矩阵的加法、减法、乘法等。
本文将通过图文解析的方式，详细介绍矩阵的计算公式及其应用。
一、矩阵的加法。
矩阵的加法是指两个相同维度的矩阵相加的操作。
假设有两个矩阵A和B，它们的维度都是m×n，那么它们的加法运算可以表示为：C = A + B。
其中，C是一个m×n的矩阵，它的每个元素都等于对应位置上A和B的元素之和。
例如，对于一个2×2的矩阵A和B：A = [1 2; 3 4]B = [5 6; 7 8]那么A和B的加法结果C为：C = [6 8; 10 12]二、矩阵的减法。
矩阵的减法与加法类似，也是指两个相同维度的矩阵相减的操作。
假设有两个矩阵A和B，它们的维度都是m×n，那么它们的减法运算可以表示为：C = A B。
其中，C是一个m×n的矩阵，它的每个元素都等于对应位置上A和B的元素之差。
例如，对于一个2×2的矩阵A和B：A = [1 2; 3 4]B = [5 6; 7 8]那么A和B的减法结果C为：C = [-4 -4; -4 -4]三、矩阵的乘法。
矩阵的乘法是指两个矩阵相乘的操作。
假设有两个矩阵A和B，它们的维度分别是m×n和n×p，那么它们的乘法运算可以表示为：C = A B。
其中，C是一个m×p的矩阵，它的每个元素都等于A的对应行与B的对应列的元素乘积之和。
例如，对于一个2×2的矩阵A和一个2×2的矩阵B：A = [1 2; 3 4]B = [5 6; 7 8]那么A和B的乘法结果C为：C = [19 22; 43 50]四、矩阵的转置。
矩阵的转置是指将矩阵的行列互换的操作。
假设有一个m×n的矩阵A，那么它的转置运算可以表示为：B = A^T。
矩阵的计算方法总结
矩阵的计算方法总结矩阵是线性代数中的重要概念，广泛应用于各个科学领域。
矩阵的计算方法主要包括矩阵的基本运算、矩阵的乘法、矩阵的逆以及特殊矩阵的计算等。
本文将对这些计算方法进行详细的总结。
首先，矩阵的基本运算包括矩阵的加法和减法。
矩阵的加法和减法都是对应位置上的元素进行相加或相减的操作。
具体而言，对于两个相同大小的矩阵A和B，矩阵的加法计算公式为C = A + B，其中C的第i行第j列的元素等于A的第i行第j列的元素加上B的第i行第j列的元素。
矩阵的减法同样遵循相同的规则。
接下来，矩阵的乘法是比较复杂的计算方法。
矩阵的乘法不遵循交换律，即AB不一定等于BA。
矩阵的乘法计算公式为C= AB，其中A是m×n矩阵，B是n×p矩阵，C是m×p矩阵。
具体来说，在矩阵乘法中，C的第i行第j列的元素等于A的第i行的元素与B的第j列的元素进行内积运算得到的结果。
在进行矩阵乘法计算时，需要注意两个矩阵的维度是否满足相乘的条件。
若A的列数不等于B的行数，则无法进行矩阵乘法运算。
矩阵的逆是指对于一个n阶方阵A，通过运算求解另一个方阵B，使得AB = BA = I，其中I为单位矩阵。
矩阵的逆是在求解线性方程组和矩阵方程时经常使用的工具。
具体来说，对于一个n阶非奇异矩阵A，如果存在一个矩阵B，使得AB = BA = I，那么矩阵B就是矩阵A的逆矩阵，记作A^-1。
逆矩阵的计算可以使用高斯-约旦消元法、伴随矩阵法等多种方法，其中伴随矩阵法是逆矩阵计算的一种常用方法。
此外，还有一些特殊矩阵的计算方法。
例如，对称矩阵是指矩阵的转置等于它本身的矩阵。
对称矩阵的特殊性质使得其在计算中有着很多便利，例如，对称矩阵一定可以对角化，即可以通过相似变换变为对角矩阵。
对角矩阵是指非对角线上的元素都为0的矩阵，对角线上的元素可以相同也可以不同。
对角矩阵的计算相对简单，只需要对角线上的元素进行相应的运算即可。
综上所述，矩阵的计算方法包括矩阵的基本运算、矩阵的乘法、矩阵的逆以及特殊矩阵的计算等。
矩阵的运算及其运算规则
矩阵的运算及其运算规则在数学和众多科学领域中，矩阵是一种极其重要的工具。
它不仅在数学理论中有着深厚的根基，还在物理学、计算机科学、工程学等实际应用中发挥着关键作用。
要深入理解和运用矩阵，就必须掌握其运算及运算规则。
矩阵的加法是较为基础的运算之一。
只有当两个矩阵具有相同的行数和列数时，才能进行加法运算。
具体而言，就是将对应位置的元素相加。
例如，有矩阵 A ＝ 1 2; 3 4 和矩阵 B ＝ 5 6; 7 8，那么 A ＋ B ＝1 ＋ 5 2 ＋ 6; 3 ＋ 7 4 ＋ 8 ＝ 6 8; 10 12 。
这种运算规则简单直观，就好像是在两组数量之间进行同步的累加。
矩阵的减法运算与加法类似，同样要求矩阵的行数和列数相同，只是将对应位置的元素相减。
接下来谈谈矩阵的数乘运算。
数乘矩阵，就是用一个数去乘以矩阵中的每一个元素。
比如，对于矩阵 A ＝ 1 2; 3 4，如果用 2 去乘以 A，得到 2A ＝ 2×1 2×2; 2×3 2×4 ＝ 2 4; 6 8 。
矩阵乘法是一个相对复杂但非常重要的运算。
并非任意两个矩阵都能相乘。
只有当第一个矩阵的列数等于第二个矩阵的行数时，它们才能相乘。
假设矩阵 A 是 m×n 的矩阵，矩阵 B 是 n×p 的矩阵，那么它们的乘积 C ＝ AB 是一个 m×p 的矩阵。
C 中第 i 行第 j 列的元素等于 A 的第 i 行元素与 B 的第 j 列对应元素乘积的和。
例如，A ＝ 1 2; 3 4 ，B ＝ 5 6; 7 8 ，AB ＝ 1×5 ＋ 2×7 1×6 ＋ 2×8; 3×5 ＋ 4×7 3×6 ＋ 4×8 ＝19 22; 43 50 。
矩阵乘法不满足交换律，即一般情况下AB ≠ BA 。
但它满足结合律（AB)C ＝ A(BC) 和分配律 A(B ＋ C) ＝ AB ＋ AC 。
矩阵的运算及其运算规则
矩阵的运算及其运算规则在数学和计算机科学等领域中，矩阵是一种非常重要的工具，它有着广泛的应用。
要深入理解和运用矩阵，就必须掌握矩阵的运算及其运算规则。
矩阵的加法是矩阵运算中较为基础的一种。
两个矩阵相加，只有当它们的行数和列数都分别相等时才能进行。
比如说，有矩阵 A 和矩阵B ，若它们都是 m 行 n 列的矩阵，那么它们的和C 就是对应的元素相加。
即 C 中第 i 行第 j 列的元素等于 A 中第 i 行第 j 列的元素加上 B 中第 i 行第 j 列的元素。
矩阵的减法与加法类似，只不过是对应元素相减。
接下来是矩阵的数乘运算。
如果有一个矩阵 A ，用一个实数 k 去乘这个矩阵，得到的新矩阵 B 中每个元素都是矩阵 A 中对应元素乘以 k 。
矩阵乘法是矩阵运算中比较复杂但也非常重要的一种运算。
两个矩阵能相乘，要求第一个矩阵的列数等于第二个矩阵的行数。
假设矩阵A 是 m 行 n 列，矩阵B 是 n 行 p 列，那么它们的乘积C 是一个 m 行 p 列的矩阵。
矩阵 C 中第 i 行第 j 列的元素是矩阵 A 的第 i 行元素与矩阵B 的第 j 列对应元素相乘之和。
比如说，有矩阵 A ＝ 1 2; 3 4 ，矩阵 B ＝ 5 6; 7 8 ，那么 A 乘以 B ，先计算 C 的第一行第一列的元素，就是 A 的第一行 1 2 与 B 的第一列5; 7 对应元素相乘相加，即 1×5 ＋ 2×7 ＝ 19 。
需要注意的是，矩阵乘法一般不满足交换律，也就是说，通常情况下，AB 不等于 BA 。
矩阵的转置也是一种常见的运算。
将矩阵 A 的行换成同序数的列得到的新矩阵，叫做 A 的转置矩阵，记作 A^T 。
比如矩阵 A ＝ 1 2 3; 4 5 6 ，那么它的转置矩阵 A^T ＝ 1 4; 2 5; 3 6 。
矩阵的逆运算是在方阵（行数和列数相等的矩阵）中定义的。
对于一个 n 阶方阵 A ，如果存在另一个 n 阶方阵 B ，使得 AB ＝ BA ＝ I （其中 I 是单位矩阵，主对角线元素为 1 ，其余元素为 0 的方阵），那么矩阵 B 就称为矩阵 A 的逆矩阵，记作 A^（－1) 。
矩阵计算方法
矩阵计算方法矩阵是线性代数中的重要概念，它在各个领域都有着广泛的应用。
矩阵计算方法是对矩阵进行各种运算和操作的技术总称，包括矩阵的加法、减法、乘法、转置等。
本文将介绍矩阵计算方法的基本概念和常见运算，希望能帮助读者更好地理解和运用矩阵。
1. 矩阵的基本概念。
矩阵是由 m 行 n 列元素组成的数表，通常用大写字母表示。
比如一个 m×n 的矩阵可以表示为：A = [a_ij]_(m×n)。
其中 a_ij 表示矩阵 A 中第 i 行第 j 列的元素。
矩阵中的元素可以是实数、复数或者其他数域中的元素。
2. 矩阵的加法和减法。
矩阵的加法和减法是按照对应元素相加和相减的规则进行的。
如果两个矩阵 A 和 B 的维度相同，即都是 m×n 的矩阵，那么它们的和与差分别为：A +B = [a_ij] + [b_ij] = [a_ij + b_ij]A B = [a_ij] [b_ij] = [a_ij b_ij]其中 a_ij 和 b_ij 分别表示矩阵 A 和 B 中的对应元素。
需要注意的是，参与加法和减法的矩阵必须具有相同的维度。
3. 矩阵的乘法。
矩阵的乘法是一种比较复杂的运算，它不同于数的乘法。
如果 A 是一个 m×n 的矩阵，B 是一个 n×p 的矩阵，那么它们的乘积为一个 m×p 的矩阵 C，其中 C的第 i 行第 j 列的元素 c_ij 等于矩阵 A 的第 i 行与矩阵 B 的第 j 列对应元素的乘积之和，即：c_ij = Σ(a_ik b_kj) (k=1,2,...,n)。
其中Σ表示对 k 从 1 到 n 求和。
矩阵乘法需要满足一定的条件，比如矩阵 A的列数必须等于矩阵 B 的行数。
4. 矩阵的转置。
矩阵的转置是将矩阵的行和列互换得到的新矩阵。
如果 A 是一个 m×n 的矩阵，那么它的转置记作 A^T，是一个 n×m 的矩阵，其中 A^T 的第 i 行第 j 列的元素等于矩阵 A 的第 j 行第 i 列的元素，即：(A^T)_ij = a_ji。
矩阵的计算方式
矩阵的计算方式矩阵在数学和计算领域中起着重要的作用。
它们是由一组数值排列成的矩形阵列，用于表示和处理数据。
矩阵的计算方式包括加法、减法、乘法和求逆等操作，下面将逐一介绍这些计算方式。
一、矩阵的加法矩阵的加法是指将两个相同维度的矩阵按元素进行相加。
具体而言，对应位置的元素相加得到的结果组成了一个新的矩阵。
例如，给定矩阵A和矩阵B，它们的加法运算可以表示为：C = A + B二、矩阵的减法矩阵的减法与加法类似，也是按元素进行操作。
即对应位置的元素相减得到的结果组成了一个新的矩阵。
例如，给定矩阵A和矩阵B，它们的减法运算可以表示为：C = A - B三、矩阵的乘法矩阵的乘法是指将两个不同维度的矩阵进行运算。
具体而言，乘法是通过将矩阵的行与另一个矩阵的列相乘并求和得到结果的。
例如，给定矩阵A和矩阵B，它们的乘法运算可以表示为：C = A * B四、矩阵的求逆矩阵的求逆是指找到一个与原矩阵相乘等于单位矩阵的逆矩阵。
逆矩阵可以用来解线性方程组和求解矩阵方程等。
例如，给定矩阵A，它的逆矩阵可以表示为：A^-1矩阵的计算方式在数学和计算机领域中广泛应用。
它们在线性代数、图像处理、机器学习和人工智能等领域都有重要的应用。
通过矩阵的计算方式，我们可以对数据进行处理、分析和建模，从而得到有用的信息和结论。
除了基本的矩阵计算方式，还有一些特殊的矩阵计算方式，如转置、特征值和特征向量、奇异值分解等。
转置是将矩阵的行和列进行互换的操作，特征值和特征向量是矩阵在线性变换中的重要概念，奇异值分解是将矩阵分解为三个矩阵的乘积的操作。
总结起来，矩阵的计算方式包括加法、减法、乘法和求逆等操作。
它们在数学和计算领域中具有重要的应用价值。
通过矩阵的计算方式，我们可以对数据进行处理和分析，从而得到有用的信息和结论。
矩阵的计算方式是现代数学和计算机科学的基础，对于解决各种实际问题具有重要的作用。
矩阵的计算方法
矩阵的计算方法矩阵是线性代数中的重要概念，它是一个由数字排成的矩形阵列。
矩阵的计算方法包括矩阵的加法、减法、数乘、矩阵乘法、转置等。
下面我们将逐一介绍这些计算方法。
首先，矩阵的加法。
两个相同维数的矩阵可以相加，其规则是对应位置的元素相加，得到的结果矩阵的每个元素都是原矩阵对应位置元素的和。
其次，矩阵的减法。
同样是相同维数的矩阵可以相减，其规则是对应位置的元素相减，得到的结果矩阵的每个元素都是原矩阵对应位置元素的差。
接着是矩阵的数乘。
一个矩阵乘以一个数称为数乘，其规则是矩阵的每个元素都乘以这个数，得到的结果矩阵的每个元素都是原矩阵对应位置元素乘以这个数。
然后是矩阵的乘法。
矩阵的乘法是指两个矩阵相乘，其规则是第一个矩阵的行与第二个矩阵的列相乘，得到的结果矩阵的元素是第一个矩阵的行与第二个矩阵的列对应位置元素的乘积之和。
需要注意的是，矩阵的乘法不满足交换律，即AB不一定等于BA。
最后是矩阵的转置。
矩阵的转置是指将矩阵的行列互换得到的新矩阵。
转置后的矩阵的行数变为原矩阵的列数，列数变为行数，且转置后的矩阵满足转置后的转置等于原矩阵。
除了上述基本的矩阵计算方法外，还有一些特殊的矩阵，例如单位矩阵、零矩阵、对角矩阵等，它们在矩阵的计算中也有着特殊的作用和性质。
在实际应用中，矩阵的计算方法被广泛应用于工程、物理、经济等领域，例如在解线性方程组、描述空间中的变换、图像处理等方面都有着重要的作用。
总的来说，矩阵的计算方法是线性代数中的基础知识，掌握好这些计算方法对于深入理解线性代数以及在实际问题中的应用都具有重要意义。
希望本文介绍的矩阵的计算方法能够帮助读者更好地理解和应用矩阵。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
谈谈矩阵条件数及其几种计算方法摘要：矩阵条件数在数值分析领域中有重要作用，特别是在线郑治波性方程组和矩阵特征值扰动分析中有广泛的应用，条件数的大小就决定了方程组解的相对误差的大小，用条件数来判断方程组的解对于误差的敏感度是很有用的，它反映了方程组的状态。
关键词：矩阵条件数估计
在生产实践和企业管理等实际问题中，经常会碰到许多大型线性方程组的求解问题，其系数阵a总是以抽样统计数据或以实验数据为基础。
统计技术的高低，实验仪器分辨率的高低等等都将给数据带来误差，而这种不可避免的误差，有时甚至是微小的变动也会引起解的极大波动，这时就称系数阵为“病态矩阵”。
对于这种“病态矩阵”一般的算法很难得出理想的结果。
我们知道，算法对误差的传播和积累有很大影响，为了减少这种影响，算法的选取是很重要的，这就是通常所说的算法的稳定性问题。
另一方面，方程组本身对计算中误差的积累也起着极其重要的作用，系数阵a的条件的好坏至关重要，如果问题是病态的，那么即使选择良好的计算方法，也不能指望有好的结果出现，因此判别原始方程组是否病态是十分重要的。
怎样有效地判别矩阵是否为病态矩阵？近几十年国内外许多从事计算数学的学者都在进行摸索研究，得知“条件数”与矩阵病态有密切关系。
“条件数”这一名词在上世纪五十年代初出现，主要用来衡量
矩阵的病态程度，条件数越小，则矩阵的非奇异程度越高，称矩阵是良态的；条件数越大，则矩阵的非奇异程度越差，称矩阵为病态的。
另外，在数值分析中，常常要讨论矩阵扰动对一个给定矩阵的特征值的影响，条件数可以衡量矩阵的特征值经过扰动的偏离度，也是衡量矩阵a关于特征值问题是否良态的重要标志。
然而由于矩阵的阶数较大时，的计算量大导致应用定义计算矩阵条件数十分困难，因此，矩阵条件数的估计对研究各种矩阵问题有着重要意义。
1.条件数的提出
（1）线性方程组的条件数
考虑线性方程组的求解，其中
用精确的计算求解得：
若对常数列加入的摄动量，即考虑，所得解与之差是 .显然，对方程组的右端向量只不过改变了，而解却相差1806 .又如，设，，，由计算可知方程组和方程组的解分别为和 .由此可见，系数矩阵只产生的误差而解却产生300000 的误差。
从上面的例子看出，虽然和b经过很小的扰动，但方程组的解却发生了很大的偏差。
造成这种结果的原因是什么呢？解变化的大小是由方程组本身的固有属性所决定，这种属性称为方程组的条件数问题。
可见，条件数的大小在一定程度上表征了求解该方程组过程中舍入误差影响的大小。
为此，就有必要弄清楚当系数矩阵和右端向量有一个微小的变化时，方程组的解是如何变化的。
用，，
分别表示系数矩阵，右端向量b及解的微小变化，则解的相对误差可以有如下估计，分两种情况来考虑：
（1）考虑右端项的扰动，而未受扰动，则，从而
所以解的相对误差可作如下估计：
（2）考虑系数矩阵a的影响，解的相对误差可作如下估计：从上面的讨论看到，解的误差不仅与扰动有关，而且和矩阵本身的性质即量有关。
（2）特征值问题的条件数。
在矩阵分析中，常常要讨论矩阵扰动对一个给定的矩阵特征值的影响，一般情况下，用矩阵表示某一问题时，不可避免的存在误差，从而形成某种扰动。
设是计算误差所引起的矩阵的扰动矩阵，则的特征值和的特征值有如下关系：
定理1[1]：设为可对角化矩阵，则存在非奇异矩阵，使
那么的特征值位于个圆盘：
的合集内，其中是的特征值。
这个定理说明，扰动后的矩阵的特征值与的特征值的偏离度不超过，其中是扰动矩阵的度量。
这说明矩阵的特征值经过扰动后，偏离量不超过的倍。
因此，可以衡量矩阵的特征值的敏感性。
因为使（2）式成立的变换矩阵不是唯一的，令则唯一，称其为矩阵的特征值条件数。
2、条件数的相关概念及性质
（1）条件数的相关概念
定义1 [2]：设是复数域上的线性空间，如果函数满足下列三个条件：（1）正定性：，当且仅当时，；
（2）齐次性：；
（3）三角不等式：，
则称为上的范数。
定义2 [3] 如果函数满足下列四个条件：（1）正定性：当且仅当时，；
（2）齐次性：；
（3）三角不等式：；
（4）相容性：，
则称为复线性空间上的矩阵范数，也记为 .
定义3[4]：设a=（），定义
，（的1-范数或列范数）
，（的无穷范数或行范数）
，（的2-范数或谱范数）
则可证它们均为上的矩阵范数。
定义4[5]：对于非奇异矩阵，称为矩阵的条件数。
（其中表示定义在上的某种矩阵范数，有时也详记为）。
（2）、条件数的性质
定理2 [6]：设非奇异，则
3.矩阵条件数的几种估计（计算）方法
（1）按定义计算矩阵条件数
2中给出了矩阵条件数的定义，对有些矩阵我们可以直接根据定义来计算它的条件数。
上面的两个例题中给出的矩阵是2阶的或3阶的，可以应用定义计算其条件数，但是当矩阵的阶数较大时，的计算量大，导致应用定义计算矩阵条件数十分困难，而且对病态矩阵而言求本身就包含着极大误差，因此应用定义计算矩阵的条件数是不现实的。
所以近似地估计矩阵的条件数是十分必要的。
（2）实对称矩阵条件数的计算（估计）方法
对于有些特殊的矩阵，可以根据它们的特点给出相应的条件数的估计方法。
定理3 [7]：若矩阵是实对称矩阵，即，其中c= （），则即实对称矩阵的条件数不小于列向量系的最长与最短模之比的平方。
例设矩阵，
显然，其中 . 由定理3.2.1的估计方法得： .
定理4[8]：设非奇异，且是实对称正定矩阵，则矩阵的条件数 . （其中是实对称正定矩阵a的最大和最小特征值）。
例设矩阵，计算得出的最大特征值的最小特征值则由定理3.2.2知矩阵的谱条件数为。
利用定理3的方法计算矩阵条件数，需要求出矩阵的最大和最小特征值，对于阶数不高的情况下，可以用雅可比法求出矩阵的所有特征值来求此比值，对于高阶矩阵，可以用幂法和反幂法分别求得矩阵的最大和最小特征值，取比值而得之。
参考文献：
[1] 邢志栋，曹建荣.矩阵数值分析[m].西安：陕西科学技术出版社，2005：122
[2] 张可村，赵英良. 数值计算的算法和分析[m]. 北京：科学出版社，2001.
[3] 苏育才，姜翠波. 矩阵理论[m]. 北京：科学出版社，2006.
[4] 程云鹏. 矩阵论[m]. 西安：西北工业大学出版社，2000：129
[5] 吴勃英. 数值分析原理[m]. 北京：科学出版社，2003：69
[6] 徐树芳. 矩阵计算的理论与方法[m]. 北京：北京大学出版社，1995.8：77
[7] 虞丽生. 矩阵条件数的判别及处理[j].杭州商学院学报，1981.3
[8] 王永茂. 矩阵分析[m]. 北京：机械工业出版社， 2005.8.
作者简介：张红梅（1981—），女，云南保山人，保山学院数学学院，讲师，研究方向：高等数学教育与应用数学。