如何用单精度浮点数准确计算12×12矩阵的逆？

1. 先修正高斯消元的实现错误 #

你的代码里选主元的逻辑存在缺陷：当前仅比较元素的数值大小，未考虑绝对值。比如主元列中存在-100和50时，代码会选50作为主元，但实际上-100的绝对值更大，选它能大幅减少浮点误差积累。

修改这部分代码：
将

if (augmentedMatrix(j, i) > augmentedMatrix(pivotRow, i))

替换为

if (fabs(augmentedMatrix(j, i)) > fabs(augmentedMatrix(pivotRow, i)))

注意需要包含<cmath>头文件以使用fabs函数。这是导致大矩阵计算错误的核心原因之一，并非单纯的单精度精度问题。

2. 单精度下提升逆矩阵计算准确性的方法 #

修正算法后若仍存在精度问题，可尝试以下手段：

• 严格行选主元：确保每一步选择主元列中绝对值最大的行作为主元，避免小主元引发的误差放大，这是减少浮点误差最有效的基础手段。
• 行平衡预处理：消元前对每一行除以该行的最大元素，让每行元素量级相近，降低消元过程中的误差积累。
• 迭代改进逆矩阵：计算出初始逆矩阵后，用迭代公式修正结果：
  $$ A^{-1}_{k+1} = A^{-1}_k (2I - A A^{-1}_k) $$
  其中$I$为单位矩阵，$A^{-1}_k$是第k次迭代的逆矩阵。只要初始逆矩阵误差不大，该迭代能在单精度下显著提升结果精度。
• 检查矩阵条件数：若矩阵条件数远大于$10^{6$（单精度机器epsilon约为$10}{-7}$），说明矩阵接近奇异，单精度无法得到准确逆矩阵。这种情况要么改用双精度计算，要么对矩阵做正则化处理（如添加微小对角元）。

3. 针对测试矩阵的优化建议 #

你的测试矩阵呈现分块结构，可利用分块矩阵求逆公式简化计算，减少误差积累。例如将矩阵拆分为：
$$ M = \begin{pmatrix} A & B \ C & D \end{pmatrix} $$
若块结构存在特殊性（如B或C稀疏），分块求逆比直接高斯消元更高效且误差更小。

修正后的核心代码片段 #

for (int i = 0; i < matrix.GetNumOfRow(); i++) {
    int pivotRow = i;
    for (int j = i + 1; j < matrix.GetNumOfRow(); j++)
        // 修正：比较元素绝对值选择主元
        if (fabs(augmentedMatrix(j, i)) > fabs(augmentedMatrix(pivotRow, i)))
            pivotRow = j;

    // 交换主元行与当前行
    for (int k = 0; k < 2 * matrix.GetNumOfRow(); k++) {
        T tmp = augmentedMatrix(i, k);
        augmentedMatrix(i, k) = augmentedMatrix(pivotRow, k);
        augmentedMatrix(pivotRow, k) = tmp;
    }

    // 消元操作...
}

内容的提问来源于stack exchange，提问作者noodle_run