如何在矩阵求逆前检测其数值奇异性？

我需要实现一个算法：生成随机方阵，若矩阵数值奇异则重新生成，直到得到可逆矩阵后求逆。伪代码如下：

# 生成A
while(A is numerically singular){
# 重新生成A
}
B = inv(A)

但我不知道如何正确编写A is numerically singular的判断条件。

我试过用matrixcalc::is.singular.matrix()函数，但matlib::inv是通过选主元判断奇异性，而这个函数是通过行列式判断，导致两者结果不一致。比如下面的例子：

library(matlib)
library(matrixcalc)
A <- matrix(c(10^9, 10^9-1, 1, 1), nrow=2, ncol=2)
check <- is.singular.matrix(A)
B <- matlib::inv(A)

此时check的值为FALSE，但matlib::inv会抛出错误：

Error in Inverse(X, tol = sqrt(.Machine$double.eps), ...) :
X is numerically singular

解决方案 #

既然matlib::inv内部是通过选主元结合容差判断奇异性，直接复用它的判断逻辑最可靠：

1. 捕获逆运算的错误：尝试调用matlib::inv，如果报错说明矩阵奇异，重新生成。示例代码：

library(matlib)

generate_invertible_matrix <- function(n) {
  while(TRUE) {
    # 生成随机方阵，可根据需求调整生成方式（比如正态分布、均匀分布）
    A <- matrix(rnorm(n*n), nrow = n)
    tryCatch({
      B <- inv(A)
      return(list(matrix = A, inverse = B))
    }, error = function(e) {
      # 捕获奇异矩阵错误，继续循环生成新矩阵
      if(grepl("numerically singular", e$message)) {
        next
      } else {
        # 其他错误直接抛出
        stop(e)
      }
    })
  }
}

# 使用示例
result <- generate_invertible_matrix(2)
A <- result$matrix
B <- result$inverse

2. 直接调用matlib::inv的底层判断逻辑：matlib::inv依赖Inverse函数，其判断奇异性的核心是检查LU分解中的主元是否小于容差tol = sqrt(.Machine$double.eps)。可以直接复用这个逻辑：

library(matlib)

is_numerically_singular <- function(X, tol = sqrt(.Machine$double.eps)) {
  # 执行LU分解，复用matlib的判断逻辑
  lu <- lu(X, tol = tol)
  any(lu$pivot == 0)
}

# 使用示例
n <- 2
while(TRUE) {
  A <- matrix(rnorm(n*n), nrow = n)
  if(!is_numerically_singular(A)) {
    break
  }
}
B <- inv(A)

这两种方式都能和matlib::inv的判断标准保持一致，避免出现“行列式非零但数值奇异”的矛盾情况。

内容的提问来源于stack exchange，提问作者Asigan