【Python之numpy库】3.np.linalg.pinv和np.linalg.inv 求逆矩阵与伪逆矩阵

最新推荐文章于 2023-05-24 04:31:24 发布

若oo尘

最新推荐文章于 2023-05-24 04:31:24 发布

阅读量8.7k

点赞数 9

分类专栏： Python之numpy库文章标签： python

本文链接：https://blog.csdn.net/m0_53392188/article/details/119410517

版权

Python之numpy库专栏收录该内容

15 篇文章 4 订阅

订阅专栏

本文介绍了numpy库中用于计算矩阵逆和伪逆的函数inv与pinv。通过实例展示了当矩阵可逆时，二者结果相同；当矩阵不可逆时，pinv仍能给出近似解。逆矩阵仅适用于可逆矩阵，而伪逆矩阵可以处理不可逆矩阵，尽管可能存在误差。伪逆矩阵在某些情况下是必要的，例如在奇异矩阵的处理中。

摘要由CSDN通过智能技术生成

inv是求矩阵A的逆矩阵，pinv是求矩阵A的伪逆矩阵

import numpy as np

a = np.array([[1, 0, 0],
              [0, 6, 0],
              [0, 0, 9]])
print('\n', np.linalg.inv(a))  # 求逆矩阵
print('\n', np.linalg.pinv(a))  # 求伪逆矩阵，当本身就可逆的时候，二者结果相同

b = np.array([[1, 4, 1, 5]])
print('\n', np.linalg.pinv(b))
print('\n', b @ np.linalg.pinv(b))  # 可以看到伪逆矩阵的性质还是使它们俩相乘为E

逆矩阵概念：设A是一个n阶矩阵，若存在另一个n阶矩阵B，使得： AB=BA=E ，则称方阵A可逆，并称方阵B是A的逆矩阵

不是所有的矩阵都存在逆矩阵的，但有时候不得不用到，举个例子：

$AX=B$ ，则： $X=A^{-1}B$