Eigen计算(A^T*A)逆矩阵与手动定义矩阵求逆结果不一致问题

问题根本原因 #

1. 手动输入的矩阵存在截断误差 #

Eigen默认打印浮点矩阵仅输出6位有效数字，如果你直接使用默认打印的结果手动构造矩阵，得到的ATA和代码中A.transpose()*A计算得到的原始浮点矩阵本身就存在微小的数值差异。如果要保证两个输入矩阵完全一致，打印时需要输出浮点数的全精度：

#include <iomanip>
std::cout << std::setprecision(17) << ATA << std::endl;

2. 目标矩阵属于病态矩阵 #

如果你的A矩阵列向量接近线性相关，计算得到的ATA会是接近奇异的矩阵，其条件数极高。矩阵求逆本身是强敏感性的数值运算，针对病态矩阵，输入侧1e-10级别的微小扰动，都会导致逆矩阵的结果产生多个数量级的偏差，这是数值线性代数的固有特性，不是Eigen库的bug。

小概率排查点 #

如果计算A.transpose()*A时没有显式赋值给矩阵对象，直接链式调用.inverse()，可以先将乘积结果显式赋值给一个静态大小的3x3矩阵，排除表达式模板的延迟求值带来的潜在计算顺序差异。

验证方法 #

你可以添加代码对比两个输入ATA的差异以及其条件数：

• 计算两个矩阵的差的范数：(ATA_calc - ATA_manual).norm()，如果结果远小于1但逆矩阵差异极大，即可确认是病态矩阵问题
• 计算ATA的条件数，若条件数超过1e8，基本可以判定为病态矩阵，直接求逆的结果本身就没有数值可靠性

优化建议 #

• 不要直接对ATA求逆来求解线性方程组，直接使用A.colPivHouseholderQr().solve(b)完成最小二乘求解，数值稳定性远高于先算ATA再求逆
• 如果确实需要得到ATA的逆/伪逆，改用SVD分解实现，针对病态矩阵的鲁棒性更高
• 所有涉及浮点数值的比对场景，必须使用全精度打印输出，避免截断引入额外误差

内容的提问来源于stack exchange，提问作者ChrisZZ