调用np.linalg.solve()报LinAlgError: Singular matrix错误如何解决

np.linalg.solve 仅支持满秩非奇异方阵的精确求解，奇异方阵不存在唯一的逆矩阵，因此会触发报错，你可以根据业务需求选择以下几种替代方案：

1. 求最小二乘解（最常用） #

如果可以接受残差最小的近似解，直接用numpy内置的最小二乘函数即可：

z_k1, residuals, rank, s = np.linalg.lstsq(M, w_k, rcond=None)

• 返回的第一个值就是使得||M @ z_k1 - w_k||最小的解，兼容奇异矩阵、非方阵场景
• 当方程组存在多组解时，默认返回2范数最小的解

2. 用伪逆矩阵直接求解 #

奇异矩阵可以计算摩尔-彭罗斯伪逆来替代逆矩阵做求解，最终结果和最小二乘解等价：

M_pinv = np.linalg.pinv(M)
z_k1 = M_pinv @ w_k

如果你的场景需要频繁对同一个M做多次求解，提前计算好伪逆复用的效率会更高。

3. 求方程组通解 #

当方程组M z = w_k是相容方程组（也就是w_k在M的列空间内）时会存在无穷多组解，你可以按以下逻辑构造所有可行解：

• 先用上面的最小二乘或伪逆方法得到一个特解
• 计算M的零空间所有基向量，通解 = 特解 + 零空间基向量的任意线性组合

注意：如果方程组是不相容的（w_k不在M的列空间），不存在精确解，只能用最小二乘方案求近似解。

内容的提问来源于stack exchange，提问作者TIANMIN Wu