矩阵求逆若出现“矩阵接近奇异值，或者缩放错误“怎么办

对矩阵求逆或者求解线性方程组时，若出现“矩阵接近奇异值，或者缩放错误。结果可能不准确。Matrix is close to singular 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，下面依次进行简单介绍，具体函数使用方法可查询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6种方法常用来进行求解：

1. 直接求逆

使用函数x=inv(A)*b，此方法等价于x=A^(-1)*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。

2. 使用反斜杠求解

即x=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。

3. 求伪逆

使用函数x=pinv(A)*b。即Moore-Penrose伪逆矩阵，相关概念可见官方文档。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inv()，可使用rcond()函数求解条件数，判断A是否奇异。

4. 求最小范数最小二乘解

使用函数x=lsqminnorm(A,b)。此方法在矩阵接近奇异或者奇异时，相比pinv()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||x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，其中方法4会更加有效。

5. 用公式变换一下

用inv，pinv，x^-1都会出现，此时可以考虑用以下代码解算：

function invM = invbc(M)

    D = sqrt(diag(M));
    K = max(D)./D;
    K = diag(K);
    invM = K/(K*M*K)*K;    

return

6. 之间在矩阵后加上小量，使得矩阵满秩

加上扰动小量，randn(N,N)*α，其中α为高阶小量。

参考：

“矩阵接近奇异值，或者缩放错误”解决方法 (baidu.com)https://baijiahao.baidu.com/s?id=1680781648125819257&wfr=spider&for=pc警告: 矩阵接近奇异值，或者缩放错误。结果可能不准确_矩阵接近奇异值或缩放错误如何解决-CSDN博客https://blog.csdn.net/weixin_42599354/article/details/129999786
PSINS（高精度捷联惯导算法）-PSINShttps://www.psins.org.cn/