“矩阵接近奇异值,或者缩放错误”解决方法2.docxVIP

“矩阵接近奇异值，或者缩放错误”解决方法 对矩阵求逆或者求解线性方程组时，若岀现“矩阵接近奇异值，或者缩放错误。结果可能不 准确。Matrix is close to smgiilar or badly scaled. Results may be inaccurate.报错信息，可能是 选取的求逆函数不合适导致的，可使用求解最小范数最小二乘解的方法进行解决。 Matlab中一般有四种求解线性方程组的方法，下而依次进行简单介绍，具体函数使用方法可 査询MATLAB官方文档。 假设有线性方程组 Ax = b 其中A为系数矩阵，x为待求解未知量列向量。 MATLAB中有4种方法常用来进行求解： 直接求逆 使用函数x=mv(A)*b，此方法等价于x=A^(-l)*b,但这种方法是通过构造显式逆矩阵，如果 A接近奇异或奇异，会返回不准确的结果。并且实际很少需要知道矩阵求逆结果，一般求解 线性方程组时很少使用此种方法。 使用反斜杠求解 即斜A\b,这种方法使用的是高斯消元法，不需构造矩阵求解，就求解速度和精度而言，这 种方法比方法1要好。 求伪逆 使用函数x=pinv(A)*b。即Moore-Penrose伪逆矩阵，相关概念可见matlab官方文档。此方 法主要用于求解没有唯一解的线性方程组，适用于A接近或者就是奇异矩阵的情况，若A 非奇异求解成本要高于使用in),可使用rcondO函数求解条件数，判断A是否奇异。 求最小范数最小二乘解 使用函数x=lsqniHmonn(A.b)a此方法在矩阵接近奇异或者奇异时，相比pin)这种方法更加 有效，因此最小范数最小二乘解不仅会使||Ax-b||最小，还会使|卜||最小。 因此，若产生“矩阵接近奇异值，或者缩放错误。结果可能不准确”报错信息，可使用方 法3和方法4来解决，英中方法4会更加有效。