Matlab中FF非方阵时inv(FF)报错如何解决？

Question

在MATLAB中，当矩阵FF为非方阵时，调用inv(FF)会报错“输入必须为方阵”，因为矩阵求逆仅对方阵定义。常见于最小二乘拟合、系统辨识等场景中误用inv函数。解决方法是改用伪逆函数pinv(FF)，它适用于任意形状矩阵，通过奇异值分解（SVD）计算Moore-Penrose广义逆，能稳定求解超定或欠定线性系统。例如，将x = inv(FF)*b改为x = pinv(FF)*b。此外，对于超定系统也可使用左除运算x = FF\b，其内部自动处理非方阵情况，效率更高且数值更稳定。建议优先采用pinv或mldivide避免维度错误。

Answer 1

一、MATLAB中非方阵矩阵求逆问题的背景与成因

在MATLAB中，inv()函数用于计算矩阵的逆，但其定义域严格限定为**方阵**。当用户尝试对非方阵矩阵（如 m×n 且 m ≠ n）调用 inv(FF) 时，系统会抛出错误：“输入必须为方阵”。这一限制源于线性代数的基本理论：只有方阵才可能存在传统意义上的逆矩阵。

该问题常见于以下场景：

• 最小二乘拟合中的设计矩阵通常为长方形（样本数 > 参数数）
• 系统辨识中输入输出数据构成的回归矩阵非方
• 传感器融合或多变量建模中特征维度不匹配
• 图像处理中变换核与图像尺寸不一致

此时若仍使用 x = inv(FF) * b，程序将中断执行，影响算法鲁棒性。

二、从数学原理理解伪逆与广义逆的本质

面对非方阵无法求逆的问题，数学上引入了**Moore-Penrose广义逆**的概念。对于任意形状的矩阵 FF ∈ ℝ^m×n，其伪逆 FF⁺ 满足四个Penrose条件：

1. FF·FF⁺·FF = FF
2. FF⁺·FF·FF⁺ = FF⁺
3. (FF·FF⁺)^T = FF·FF⁺
4. (FF⁺·FF)^T = FF⁺·FF

MATLAB中的 pinv(FF) 正是基于奇异值分解（SVD）实现该广义逆：

[U, S, V] = svd(FF);
FF_pinv = V * diag(1./diag(S)) * U'; % 忽略小奇异值

SVD确保即使矩阵秩亏或非方，也能稳定求解。

三、主流解决方案对比分析

方法	适用矩阵类型	数值稳定性	计算效率	推荐场景
inv(FF)	仅方阵且满秩	低（易受病态影响）	中等	理论推导、小规模精确系统
pinv(FF)	任意形状	高（SVD截断小奇异值）	较低（O(n³)）	欠定/超定系统、噪声数据
FF \ b	任意形状	高（自动选择分解策略）	高（优化路径）	工程仿真、实时系统辨识

四、实际应用案例演示

考虑一个超定线性系统：y = FF·x + ε，其中 FF 为 100×3 的观测矩阵，b 为 100×1 的测量向量。

% 生成测试数据
FF = randn(100, 3);
b = FF * [1; 2; 3] + 0.1*randn(100,1);

% 错误做法（会报错）
% x_bad = inv(FF) * b;

% 正确做法1：使用伪逆
x_pinv = pinv(FF) * b;

% 正确做法2：使用左除（推荐）
x_mldivide = FF \ b;

% 验证结果一致性
norm(x_pinv - x_mldivide)

五、性能优化与工程实践建议

在嵌入式系统或高频调用场景中，应进一步优化求解策略：

graph TD A[输入矩阵FF和向量b] --> B{FF是否为方阵?} B -->|是| C[使用FF\b或LU分解] B -->|否| D{系统是否超定?} D -->|是| E[QR分解加速求解] D -->|否| F[SVD-based pinv处理欠定系统] E --> G[输出最小二乘解x] F --> G

此外，可结合正则化技术提升稳定性：

% Tikhonov正则化形式
lambda = 1e-4;
x_reg = (FF'*FF + lambda*eye(size(FF,2))) \ (FF'*b);

此方法避免直接求逆，同时抑制高频噪声放大效应。