高斯消元法求逆矩阵最稳妥：将[A|I]通过带主元选取的初等行变换化为[I|A⁻¹]，可避免除零、控制误差、检测奇异性；伴随矩阵法仅适用于≤3×3整数矩阵的手动验算。
用高斯消元法求逆矩阵最稳妥
直接手算伴随矩阵在 C++ 里既难写又易错，尤其对大于 3×3 的矩阵，代数余子式嵌套深、符号易错、阶乘爆炸。高斯消元法（增广矩阵 + 行变换）才是工程中真正可用的方案：逻辑清晰、易于控制精度、天然支持失败检测（如矩阵奇异）。
核心思路是把 A 和单位矩阵 I 拼成增广矩阵 [A | I]，再通过初等行变换把左边变成 I，此时右边就是 A⁻¹。只要每一步都用浮点安全的行操作（比如部分主元选最大绝对值元素避免除零/误差放大），就能兼顾正确性与鲁棒性。
- 必须做主元选取：不交换行可能导致除零或数值不稳定，
std::abs(pivot)小于1e-12就应视为奇异 - 避免直接除以
a[i][i]，先归一化当前行再消去下方/上方元素，减少累积误差 - 使用
std::vector<:vector>></:vector>存储，别用裸数组——边界和拷贝太容易出错
伴随矩阵法只适合小整数矩阵且需手动验算
伴随矩阵公式 A⁻¹ = adj(A) / det(A) 理论干净，但 C++ 实现时几乎必然翻车：求 det(A) 本身就得递归展开（O(n!)），而 adj(A) 要算 n² 个 (n−1) 阶行列式，对 4×4 矩阵就要调用 16 次 3 阶行列式，每个又含 6 项乘积——还没算浮点误差，CPU 就先卡住。
它唯一适用场景是：已知矩阵很小（≤3×3）、元素为整数、且你愿意手动核对每一步余子式符号（pow(-1, i+j) 容易漏括号或越界）。否则不如直接放弃。
立即学习“C++免费学习笔记（深入）”；
-
det()递归实现必须带 early-return：若某行全零，立刻返回 0 - 计算代数余子式时，删行删列生成子矩阵要用
std::vector重新构造，不能靠指针偏移——下标易错 - 结果要除以
det(A)，但整数矩阵不代表det(A)整除每个余子式，必须用double存结果
用 Eigen 库一行搞定，但得接受依赖
如果你项目允许引入第三方库，Eigen 的 inverse() 是最优解：底层用优化过的 LU 分解，自动处理主元、检查奇异性，并返回 std::optional 或抛异常。不用自己碰数值细节。
#include <Eigen/Dense>
Eigen::MatrixXd A(3, 3);
A << 1, 2, 3,
0, 1, 4,
5, 6, 0;
auto A_inv = A.inverse(); // 内部已做条件数检查
- 编译需加
-I/path/to/eigen，无链接步骤（头文件库） - 若矩阵接近奇异，
inverse()可能返回巨大数值而非报错，建议配合A.determinant()或A.lu().rcond()判断 - 别用
MatrixXf（float）求逆——单精度下 4×4 就可能因舍入失败
自己写高斯消元时最容易忽略的三件事
很多人写完发现结果不对，往往栽在这几个隐形坑上，不是算法错，是实现漏了关键约束：
- 行变换必须**同步作用于左右两半**：消第
i行时，增广矩阵的右半（原I）也要用同一系数更新，否则对应关系断裂 - 归一化前没检查主元是否为零：即使选了主元，浮点计算后
a[i][i]可能是1e-17，直接除会导致结果爆炸，应设阈值截断 - 没处理“左半无法变出单位阵”的情况：比如消到最后发现某行左半全零但右半非零，说明原矩阵不可逆，必须提前返回错误（如空
std::optional）
数值计算没有银弹，逆矩阵本身对病态矩阵就敏感，与其花时间调伴随矩阵的符号，不如把高斯消元的主元逻辑写扎实，再加个条件数估算——这比追求“纯手工实现”实在得多。
