Matlab QR分解编程遇矩阵维度不匹配，求解决方案及误差计算建议

我来帮你梳理下代码里的核心问题，一步步解决维度不匹配的困境，同时保留你原有的QR方法逻辑：

1. 先修复Vandermonde矩阵的维度错误 #

你的makeVandermondeMatrix函数里存在列数不匹配的问题：初始化时你创建了n×r的矩阵，但循环却要生成r+1列（对应r次多项式的所有项：x^r到x0），这直接导致了矩阵维度越界，后续的QR分解自然会报错。

修改后的函数代码：

function A = makeVandermondeMatrix(x, r)
    n = size(x,2);
    A = ones(n, r+1); % 改成r+1列，对应r次多项式的全部项
    for i=1:r+1
        A(:,i) = x.^(r - i + 1);
    end
end

举个例子，当你传入r=8时，这个函数会生成21行9列的矩阵，刚好和你的y向量（21行1列）维度匹配，为后续的QR分解打好基础。

2. 修正QR分解后的系数计算逻辑 #

你原代码里的c = Q' .*y .* inv(R);用了逐元素相乘（.*），这完全不符合线性代数里的最小二乘求解逻辑，也是维度不匹配的另一个来源。正确的做法是用矩阵乘法，而且推荐用MATLAB的反斜杠运算符（比inv(R)数值稳定性更好）。

修正后的系数计算代码：

[Q,R] = qr(A,0); % 经济型QR分解，Q是21×9矩阵，R是9×9上三角矩阵
c = R \ (Q' * y); % 稳定求解最小二乘系数

这里Q' * y会得到一个9×1的向量，再通过反斜杠求解上三角矩阵R的线性方程组，得到的c就是拟合多项式的系数。

3. 添加误差计算的步骤 #

修复完维度问题后，就能轻松计算拟合结果和真实值的误差了，比如均方误差（MSE）或者最大绝对误差：

% 生成拟合值
y_fit = A * c;

% 计算误差
mse_error = mean((y - y_fit).^2);
max_abs_error = max(abs(y - y_fit));

% 输出结果
disp(['均方误差: ', num2str(mse_error)]);
disp(['最大绝对误差: ', num2str(max_abs_error)]);

另外建议把x和y转成列向量（x = x(:); y = y(:);），避免行向量带来的潜在维度问题，这是MATLAB代码里的一个好习惯。

构建此类程序的通用建议 #

• 先做维度检查：矩阵运算前，用size()函数打印每个矩阵的维度（比如disp(size(A))），确保乘法、分解的维度匹配，这是线性代数代码最容易踩的坑。
• 优先用内置稳定运算符：尽量用反斜杠\代替inv()，尤其是处理Vandermonde这种病态矩阵时，反斜杠会用更高效的数值算法，结果更稳定。
• 模块化测试：先单独测试makeVandermondeMatrix这类工具函数，比如输入小的x和r，检查输出矩阵的元素和维度是否正确，再整合到主程序，这样定位问题更快。
• 注意病态矩阵的影响：高次Vandermonde矩阵天生病态，QR分解虽然能求解，但误差可能较大。如果需要更高精度，可以考虑用正交多项式（比如Legendre多项式）构建的矩阵替代Vandermonde矩阵，避免病态性。
• 可视化验证：用plot(x, y, 'o', x, y_fit, '-')画出真实点和拟合曲线，直观判断拟合效果，辅助验证误差的合理性。

内容的提问来源于stack exchange，提问作者p.late