Matlab中矩阵乘法化简结果不一致：精度还是概念错误？

这完全是浮点数运算的精度误差导致的，核心原因是两种计算路径的数值稳定性不一样。

为什么会出现结果差异？ #

• 第一个表达式 xᵀAx - 2yᵀAx + yᵀAy 需要三次独立的矩阵乘法（xᵀAx、yᵀAx、yᵀAy），再做两次减法。如果x和y的数值非常接近，xᵀAx和yᵀAy会是两个非常接近的大数，2yᵀAx也会和它们接近，这时候大数相减会触发灾难性抵消——两个几乎相等的浮点数相减时，之前运算积累的舍入误差会被大幅放大，极端情况下直接得到0（因为浮点数无法区分极小的差异）。
• 第二个表达式 (x-y)ᵀA(x-y) 是先计算差值 d = x - y，再计算dᵀAd。这种路径直接针对极小的差值向量d进行运算，避免了大数相减的抵消问题，误差累积更少，所以能保留住理论上应有的极小值（7.1387e-28本质就是浮点数下的近似0）。

哪种计算方式更准确？ #

毫无疑问是 (x-y)ᵀA(x-y) 更准确。因为它的计算逻辑更贴合问题的本质——求x和y差值的二次型，从数值计算的稳定性角度来说，这种直接计算差值的方式避免了不必要的大数运算和相减抵消，能最大程度减少浮点数舍入误差的影响，尤其是当x和y接近时优势更明显。

内容的提问来源于stack exchange，提问作者k12345