使用SVD方法时Matlab与Eigen的结果差异排查

• 先确认SVD计算模式匹配
  Matlab的svd默认输出完全SVD结果，而Eigen的SVD类默认可能只生成精简版的V矩阵。你需要显式指定计算完整的V，比如用JacobiSVD<MatrixXd> svd(A, ComputeFullU | ComputeFullV)，或者用BDCSVD时加上对应选项。

• 核对奇异值排序
  确保Eigen和Matlab的奇异值都是按降序排列的。直接输出两边的奇异值数组对比，要是顺序不一样，那V矩阵的列对应关系肯定错了。

• 排查数值精度与算法差异
  Matlab用的是LAPACK的dgesvd，Eigen的JacobiSVD是雅可比迭代，BDCSVD是分治法，不同算法处理接近奇异的矩阵（比如DLT里的A，秩亏1）时，最小奇异值对应的右奇异向量可能有小差异，但应该在浮点精度范围内（比如1e-6左右）。要是差异远超这个范围，绝对是代码问题，不是单纯的精度误差。

• 死磕矩阵输入的一致性
  别想当然认为两边的矩阵A一样：

  • 检查数据类型：Matlab是double，Eigen必须用MatrixXd，别用MatrixXf单精度
  • 检查行列顺序：Eigen和Matlab都是列优先，但手动赋值时别搞反行和列
  • 清理无效值：原矩阵里的“无效零值”如果是NaN或者Inf，直接会把SVD算崩，先把这些值处理掉

• 检查代码细节
  举个常见错误：

  // 错：没指定ComputeFullV，默认只生成精简V
  JacobiSVD<MatrixXd> svd(A);
  MatrixXd V = svd.matrixV();
  

  正确写法：

  // 显式要求计算完整的U和V
  JacobiSVD<MatrixXd> svd(A, ComputeFullU | ComputeFullV);
  MatrixXd V = svd.matrixV();
  

  另外DLT里要取V的最后一列当解，得确认Eigen的matrixV()列顺序对应奇异值降序——也就是最后一列确实对应最小奇异值。

• 用重构误差验证
  两边都用SVD结果重构矩阵：A ≈ U*S*V^T，计算重构后的误差。如果Matlab的误差远小于C++，说明C++的SVD计算有问题；要是误差量级差不多，那可能是右奇异向量的多解性导致的，这时候可以把V的最后一列归一化后再对比，方向一致就没问题。

内容的提问来源于stack exchange，提问作者plebs