线性方程组$Ax=b$的最小二乘解对于参数非常重要工程、应用数学和统计学中的估算。有几种方法其解包括QR分解、Cholesky分解、奇异值分解(SVD)和Krylov子空间方法。后一种方法是针对稀疏$A$矩阵开发的出现在偏微分方程解中。QR(及其变体RRQR)SVD方法通常用于工程和统计数据。尽管Cholesky分解是向后稳定的,并且已知具有最少的操作计数,一些作者建议在应用程序中使用QR。在本文中,我们重新研究具有全列秩的稠密$a$矩阵的最小二乘问题由随机矩阵理论的最新结果指导的数值实验。与…相反当前接受的信念,比较Cholesky和QR解对随机变量的敏感性各种低到中等条件数的参数扰动不显著与机器精度之间的差异。人工高条件矩阵的实验数字表明,这两种解决方案的相对差异仅为顺序的平均值$10^{-6}$。最后,Cholesky的计算速度明显快于QR——平均值QR的计算时间是Cholesky的两到四倍,而标准使用Cholesky的计算时间偏差约为QR的三分之一。我们的结论在本文中,对于$Ax=b$的系统,其中$A$具有完整的列秩,如果条件数值较低或中等,则采用Cholesky分解的正规方程法为优选QR。