python numpy逆_python计算大矩阵的逆的精度问题？

前提是不使用

1numpy

等库，自己编写求矩阵的逆，当求一个比较小的矩阵时，结果是正确的，但当矩阵一大（60*60），便出现与用

1numpy

算出来结果不一样了，不知道是不是精度问题，该如何改进？

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31# 本函数求矩阵的逆

def matrix_ni(matrix):

extend_matrix = copy.deepcopy(matrix)

l = len(matrix)

for i in range(0, l): #在矩阵右边补充一个单位矩阵，使用初等变换求逆矩阵

extend_matrix[i].extend([0]*i)

extend_matrix[i].extend([1])

extend_matrix[i].extend([0]*(l-i-1))

for i in range(0, len(extend_matrix)): #判断矩阵对角线上是否有0，有0则置换，如置换不了，则没有逆矩阵

if extend_matrix[i][i] == 0:

for j in range(i, len(extend_matrix)):

if extend_matrix[j][i] != 0:

extend_matrix[i], extend_matrix[j] = extend_matrix[j], extend_matrix[i]

break

if j >= len(extend_matrix):

print '没有逆矩阵'

return 0

break

for i in range(0, len(extend_matrix)): #开始计算逆矩阵

f = extend_matrix[i][i]

for j in range(0, len(extend_matrix[i])): #先把行换为0

extend_matrix[i][j] /= f

for m in range(0, len(extend_matrix)):

if m == i:

continue

b = extend_matrix[m][i]

for n in range(0, len(extend_matrix[i])): #在把列换为0

extend_matrix[m][n] -= extend_matrix[i][n] * b

for i in range(0, len(extend_matrix)):

extend_matrix[i] = extend_matrix[i][l:]

return extend_matrix

太长，懒得看代码。

这个应该主要是矩阵奇异性的问题，因为 A 的逆其实等于

1(A*) / |A|

,所以如果 A 的行列式很小，再加上计算机保存浮点数精度的问题，就会有问题。

所以这个是矩阵本身的问题，你可以试试大的非奇异矩阵(比如行列式等于 1 的矩阵)。

3000*60 矩阵有 逆吗？ 你求得是伪逆？

最好拿matlab或者是mathematica的结果对比一下，再确定真的是自己的程序出错

大矩阵求逆可能会碰到的精度问题就是舍入误差，当其中某一行/列的最大值和最小值差距过大，用初等变换的方法特别容易导致舍入误差

为了避免摄入误差，最好采用

1列主元

或者

1全主元

的三角分解法来求逆，我以前用这种方法写过，精度和matlab差不多，不过没有和

1numpy

这样的库对比过。