【线性代数】逆矩阵的求解过程

一、方阵的行列式

二、逆矩阵

2.1 使用Numpy 求例2的逆矩阵

import numpy as np
A=np.mat([[1,2,3],[2,2,1],[3,4,3]])
print('计算A行列式的值')
print(np.linalg.det(A))
print('='*100)
print('求矩阵的逆矩阵')
print(np.linalg.inv(A))

2.2 逆矩阵的初步应用

2.3 使用Numpy计算例3

A=np.mat([[1,2,3],[2,2,1],[3,4,3]])
B=np.mat([[2,1],[5,3]])
C=np.mat([[1,3],[2,0],[3,1]])
print(np.linalg.det(A))
print(np.linalg.det(B))
print(np.linalg.inv(A)*C*np.linalg.inv(B))

三、总结

逆矩阵的定义：
逆矩阵的定义类似于，数的倒数，矩阵A和B，如果AB=BA=E(E是单位矩阵)，那么称B是A的逆矩阵。
逆矩阵的计算：
我们知道除以0以外的每个数都有倒数，但是矩阵不一定有逆矩阵。这就需要提到矩阵的行列式，读者详见第一部分方阵的行列式，
设矩阵A，那么矩阵的行列式为|A|。
若|A|不等于0，则矩阵A可逆；若矩阵A可逆，则|A|不等于0.
|A|不等于0是A是可逆矩阵的充分必要条件.
若|A|等于0，则矩阵A是奇异矩阵，A不可逆，若A可逆，则A是非奇异矩阵，可逆矩阵就是非奇异矩阵.
使用Numpy求逆矩阵：
使用Numpy 求解逆矩阵非常简单，但是大家要懂其中的数学原理，在后面的学习中才能游刃有余.
Numpy求矩阵的行列式，即|A|.
|A|=np.linalg.det(A)
Numpy求A的逆矩阵
A的逆矩阵=np.linalg.inv(A)

参考：工程数学 线性代数【第六版】同济大学数学系编