奇异矩阵（Singular Matrix）

一、奇异矩阵（Singular Matrix）

1.判断方法

Step1：看这个矩阵是不是方阵（若不是方阵，即行数和列数不相等，那就谈不上奇异矩阵和非奇异矩阵）。

Step2：如是方阵，再看此矩阵的行列式|A|是否等于0，若等于0，称矩阵A为奇异矩阵；若不等于0，称矩阵A为非奇异矩阵。

另，由|A|≠0可知矩阵A可逆，这样可以得出另外一个重要结论:可逆矩阵就是非奇异矩阵，非奇异矩阵也是可逆矩阵。

使用NumPy库来判断矩阵是否为奇异矩阵：首先，它创建了一个nxn的矩阵，然后计算了这个矩阵的行列式（determinant）。行列式为0表示该矩阵是奇异的（singular），不为0表示矩阵不是奇异的（nonsingular）。最后根据计算得到的行列式值输出相应的结果：如果矩阵的行列式为0，则打印出"矩阵是奇异的"；如果行列式不为0，则打印出"矩阵不是奇异的"。示例代码如下：

import numpy as np

# 创建一个 3x3 的矩阵
matrix = np.array([[1,2,3],
                   [4,5,6],
                   [7,8,9]])

# 计算矩阵的行列式
det = np.linalg.det(matrix)

if det == 0:
    print("It is singular!")
else:
    print("It is nonsingular!")

2.特点

一个方阵非奇异当且仅当它的行列式不为零。

一个方阵非奇异当且仅当它代表的线性变换是个自同构。

一个矩阵半正定当且仅当它的每个特征值大于或等于零。

一个矩阵正定当且仅当它的每个特征值都大于零。

3.应用

（1）求矩阵的秩

如果A(n×n)为奇异矩阵（singular matrix）<=> A的秩Rank(A)＜n.

如果A(n×n)为非奇异矩阵（nonsingular matrix）<=> A满秩，Rank(A)=n.

（2）判断方程（组）解的存在性

如果A为奇异矩阵，则AX=0有无穷解，AX=b有无穷解或者无解。

如果A为非奇异矩阵，则AX=0有且只有唯一零解，AX=b有唯一解。

【数学与算法】奇异矩阵、奇异值、奇异值分解、奇异性-CSDN博客https://blog.csdn.net/u011754972/article/details/122100701特征值和奇异值 - 简书 (jianshu.com)https://www.jianshu.com/p/96572985c8ab