In diesem Artikel werden wir die NumPy-Inverse-Matrix in Python sehen, bevor wir versuchen, das Konzept dahinter zu verstehen. Die Umkehrung einer Matrix ist nur ein Kehrwert der Matrix, wie wir es in der normalen Arithmetik für eine einzelne Zahl tun, die zum Lösen der Gleichungen verwendet wird, um den Wert unbekannter Variablen zu ermitteln. Die Umkehrung einer Matrix ist diejenige Matrix, die bei Multiplikation mit der Originalmatrix eine Identitätsmatrix ergibt.
Die Umkehrung einer Matrix existiert nur, wenn die Matrix vorhanden ist nicht singulär, d. h. die Determinante sollte nicht 0 sein . Mit Determinante und Adjunkt können wir mithilfe der folgenden Formel leicht die Umkehrung einer quadratischen Matrix ermitteln:
Was ist Orakel?
if det(A) != 0 A-1 = adj(A)/det(A) else 'Inverse doesn't exist'>
Matrixgleichung:
Wo,
A-1: Die Umkehrung der Matrix A
X: T Die unbekannte Variablenspalte
Zeichenfolge Java hinzufügenB: Die Lösungsmatrix
Inverse Matrix mit NumPy
Python bietet eine sehr einfache Methode zur Berechnung der Umkehrung einer Matrix. Die Funktion numpy.linalg.inv() ist im NumPy-Modul verfügbar und wird zur Berechnung der inversen Matrix in Python verwendet.
Syntax: numpy.linalg.inv(a)
Parameter:
a: Matrix, die invertiert werden soll
Kehrt zurück: Umkehrung der Matrix a.
Beispiel 1: In diesem Beispiel erstellen wir eine 3 x 3 NumPy-Array-Matrix und konvertieren sie dann mit der Funktion np.linalg.inv() in eine inverse Matrix.
Python3
# Import required package> import> numpy as np> # Taking a 3 * 3 matrix> A>=> np.array([[>6>,>1>,>1>],> >[>4>,>->2>,>5>],> >[>2>,>8>,>7>]])> # Calculating the inverse of the matrix> print>(np.linalg.inv(A))> |
>
>
Ausgabe:
[[ 0.17647059 -0.00326797 -0.02287582] [ 0.05882353 -0.13071895 0.08496732] [-0.11764706 0.1503268 0.05228758]]>
Beispiel 2: In diesem Beispiel erstellen wir eine 4 x 4 NumPy-Array-Matrix und konvertieren sie dann mit der Funktion np.linalg.inv() in eine inverse Matrix in Python.
Python3
# Import required package> import> numpy as np> # Taking a 4 * 4 matrix> A>=> np.array([[>6>,>1>,>1>,>3>],> >[>4>,>->2>,>5>,>1>],> >[>2>,>8>,>7>,>6>],> >[>3>,>1>,>9>,>7>]])> # Calculating the inverse of the matrix> print>(np.linalg.inv(A))> |
>
>
Ausgabe:
[[ 0.13368984 0.10695187 0.02139037 -0.09090909] [-0.00229183 0.02673797 0.14820474 -0.12987013] [-0.12987013 0.18181818 0.06493506 -0.02597403] [ 0.11000764 -0.28342246 -0.11382735 0.23376623]]>
Beispiel 3: In diesem Beispiel erstellen wir mehrere NumPy-Array-Matrizen und konvertieren sie dann mithilfe der Funktion np.linalg.inv() in ihre inversen Matrizen.
Primzahl Java
Python3
# Import required package> import> numpy as np> # Inverses of several matrices can> # be computed at once> A>=> np.array([[[>1.>,>2.>], [>3.>,>4.>]],> >[[>1>,>3>], [>3>,>5>]]])> # Calculating the inverse of the matrix> print>(np.linalg.inv(A))> |
>
>
Ausgabe:
[[[-2. 1. ] [ 1.5 -0.5 ]] [[-1.25 0.75] [ 0.75 -0.25]]]>