矩陣條件數（matrix condition number）

當問題是「求解 A x = b」——找出矩陣 A 映射到向量 b 的那個 x——時，我們需要一個衡量整個線性系統的條件數。矩陣條件數 kappa(A) 告訴你，求解這種系統會把資料 b（或 A 本身）的誤差放大多少。kappa(A) 小表示系統穩定可信；kappa(A) 巨大則表示矩陣接近奇異，解非常危險。

定義是 kappa(A) = ||A|| 乘以 ||A^{-1}||，使用某個矩陣範數。用 2-範數時幾何意義最清楚：kappa(A) 等於 A 的最大奇異值除以最小奇異值，sigma_max / sigma_min。想像 A 把單位球拉伸成一個橢球；kappa(A) 就是它最長軸與最短軸的比值——也就是拉伸有多不均勻。kappa 為 1 表示 A 的作用像旋轉或均勻縮放（完美良態）；最小奇異值接近零會讓 kappa 趨向無限大，意味著 A 幾乎把某個方向壓垮成零、幾乎無法被還原。

實務上的回報是一個誤差界：計算出的解 x 的相對誤差，至多約為 kappa(A) 乘以 b 的相對誤差。所以若 kappa(A) 約為 10^8，即使用完美的求解器，也預期會損失 16 位雙精度數字裡的大約 8 位。這就是為什麼數值函式庫會在解之外附上 kappa(A) 的估計（LAPACK 的 RCOND）：它是你的警告標籤。注意 kappa(A) 永遠至少為 1——沒有任何矩陣能比完美良態更好。