資料結構
網路
關係資料庫管理系統(RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法學研究如何在Python中求矩陣或nArray的逆矩陣？
在本文中，我們將向您展示如何使用Python中的NumPy庫計算矩陣或ndArray的逆矩陣。
什麼是矩陣的逆矩陣？
矩陣的逆矩陣是這樣的：如果它與原矩陣相乘，則結果為單位矩陣。
矩陣的逆矩陣就像普通算術中的單個數字的倒數一樣，用於求解方程以獲得未知變數的值。矩陣的逆矩陣是與原矩陣相乘後產生單位矩陣的矩陣。
矩陣的逆矩陣僅在矩陣為非奇異矩陣時存在，即行列式不為0。我們可以使用下面的公式簡單地找到方陣的逆矩陣。
if det(A) != 0 A-1 = adj(A)/det(A) else "Inverse does not exist"
方法1 - 使用numpy.linalg.inv()函式處理np.array()型別
numpy.linalg.inv()函式
Python有一個非常簡單的方法來計算矩陣的逆矩陣。要計算矩陣的逆矩陣，請使用Python中NumPy模組中的numpy.linalg.inv()函式繞過矩陣。
語法
numpy.linalg.inv(array)
引數
array − 這是必須求逆的矩陣。
返回值 − numpy.linalg.inv()函式返回矩陣的逆矩陣。
演算法（步驟）
以下是執行所需任務的演算法/步驟：
使用import關鍵字，匯入帶有別名(np)的numpy模組。
使用numpy.array()函式（返回一個ndarray。ndarray是一個滿足給定要求的陣列物件），透過將三維陣列（3行，3列）作為引數傳遞給它來建立一個numpy陣列。
使用numpy模組的linalg.inv()函式（計算矩陣的逆矩陣）來計算輸入3x3矩陣的逆矩陣，將輸入矩陣作為引數傳遞給它並列印逆矩陣。
示例
下面的程式使用numpy.linalg.inv()函式返回輸入三維(3x3)矩陣的逆矩陣：
# importing numpy module with an alias name import numpy as np # creating a 3-Dimensional(3x3) numpy matrix inputArray_3d = np.array([[4, 5, 1], [3, 4, 12], [10, 2, 1]]) # printing the input 3D matrix print("The input numpy 3D matrix:") print(inputArray_3d) # calculating the inverse of an input 3D matrix resultInverse= np.linalg.inv(inputArray_3d) # printing the resultant inverse of an input matrix print("The Inverse of 3-Dimensional(3x3) numpy matrix:") print(resultInverse)
輸出
執行上述程式將生成以下輸出：
The input numpy 3D matrix: [[ 4 5 1] [ 3 4 12] [10 2 1]] The Inverse of 3-Dimensional(3x3) numpy matrix: [[-0.04246285 -0.00636943 0.11889597] [ 0.24840764 -0.01273885 -0.0955414 ] [-0.07218684 0.08917197 0.00212314]]
方法2 - 使用scipy.linalg.inv()函式
scipy.linalg.inv()
使用scipy模組的功能，我們可以執行各種科學計算。它也適用於numpy陣列。
在Python中，scipy.linalg.inv()也可以返回給定方陣的逆矩陣。它的工作方式與numpy.linalg.inv()函式相同。
演算法（步驟）
以下是執行所需任務的演算法/步驟：
使用import關鍵字，從scipy模組匯入linalg。
使用numpy.matrix()函式（從資料字串或類似陣列的物件返回矩陣。生成的矩陣是一個專門的二維陣列），透過將二維陣列（2行，2列）作為引數傳遞給它來建立一個numpy矩陣。
使用scipy模組的linalg.inv()函式（計算矩陣的逆矩陣）來計算輸入2x2矩陣的逆矩陣，將輸入矩陣作為引數傳遞給它並列印逆矩陣。
示例
import numpy as np # importing linalg from scipy module from scipy import linalg # creating a 2-Dimensional(2x2) NumPy matrix inputMatrix = np.matrix([[5, 2],[7, 3]]) # printing the input 2D matrix print("The input numpy 2D matrix:") print(inputMatrix) # calculating the inverse of an input 2D matrix resultInverse = linalg.inv(inputMatrix) # printing the resultant inverse of an input matrix print("The Inverse of 2-Dimensional(2x2) numpy matrix:") print(resultInverse)
輸出
The input numpy 2D matrix: [[5 2] [7 3]] The Inverse of 2-Dimensional(2x2) numpy matrix: [[ 3. -2.] [-7. 5.]]
方法3 - 使用numpy.linalg.inv()函式處理np.matrix()型別
演算法（步驟）
以下是執行所需任務的演算法/步驟：
使用numpy.matrix()函式（從資料字串或類似陣列的物件返回矩陣。生成的矩陣是一個專門的4D陣列），透過將四維陣列（4行，4列）作為引數傳遞給它來建立一個numpy矩陣。
示例
import numpy as np # creating a NumPy matrix (4x4 matrix) using matrix() method inputMatrix = np.matrix('[11, 1, 8, 2; 11, 3, 9 ,1; 1, 2, 3, 4; 9, 8, 7, 6]') # printing the input 4D matrix print("The input NumPy matrix:") print(inputMatrix) # calculating the inverse of an input matrix resultInverse= np.linalg.inv(inputMatrix) # printing the resultant inverse of an input matrix print("The Inverse of 4-Dimensional(4x4) numpy matrix:") print(resultInverse)
輸出
The input NumPy matrix: [[11 1 8 2] [11 3 9 1] [ 1 2 3 4] [ 9 8 7 6]] The Inverse of 4-Dimensional(4x4) numpy matrix: [[ 0.25 -0.23214286 -0.24107143 0.11607143] [-0.25 0.16071429 -0.09464286 0.11964286] [-0.25 0.375 0.3125 -0.1875 ] [ 0.25 -0.30357143 0.12321429 0.05178571]]
結論
在本文中，我們學習瞭如何使用三個不同的示例計算矩陣的逆矩陣。我們學習瞭如何使用兩種不同的方法在Numpy中獲取矩陣：numpy.array()和NumPy.matrix()。
2萬+ 瀏覽量
