I den här artikeln kommer vi att se NumPy Inverse Matrix i Python innan vi ska försöka förstå konceptet med det. Inversen av en matris är bara en reciprok av matrisen som vi gör i normal aritmetik för ett enda tal som används för att lösa ekvationerna för att hitta värdet på okända variabler. Inversen av en matris är den matris som när den multipliceras med den ursprungliga matrisen ger en identitetsmatris.
java samling
Inversen av en matris existerar endast om matrisen är det icke-singular, dvs. determinanten ska inte vara 0 . Med hjälp av determinant och adjoint kan vi enkelt hitta inversen av en kvadratisk matris med hjälp av formeln nedan,
if det(A) != 0 A-1 = adj(A)/det(A) else 'Inverse doesn't exist'>
Matrisekvation:
var,
anslutningar i javaA-1: Inversen av matris A
x: T den okända variabelkolumnen
B: Lösningsmatrisen
Invers matris med NumPy
Python tillhandahåller en mycket enkel metod för att beräkna inversen av en matris. Funktionen numpy.linalg.inv() är tillgänglig i NumPy-modulen och används för att beräkna den inversa matrisen i Python.
Syntax: numpy.linalg.inv(a)
inkapslingsprogramParametrar:
a: Matris som ska inverteras
Returnerar: Invers av matrisen a.
Exempel 1: I det här exemplet kommer vi att skapa en 3 gånger 3 NumPy matrismatris och sedan konvertera den till en invers matris med funktionen np.linalg.inv() .
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))> |
>
>
Produktion:
[[ 0.17647059 -0.00326797 -0.02287582] [ 0.05882353 -0.13071895 0.08496732] [-0.11764706 0.1503268 0.05228758]]>
Exempel 2: I det här exemplet kommer vi att skapa en 4 gånger 4 NumPy matrismatris och sedan konvertera den med funktionen np.linalg.inv() till en invers matris i Python.
rensa npm-cache
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))> |
>
>
Produktion:
[[ 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]]>
Exempel 3: I det här exemplet kommer vi att skapa flera NumPy-matrismatriser och sedan konvertera dem till deras inversa matriser med funktionen np.linalg.inv().
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))> |
>
>
Produktion:
[[[-2. 1. ] [ 1.5 -0.5 ]] [[-1.25 0.75] [ 0.75 -0.25]]]>