In dit artikel zullen we NumPy Inverse Matrix in Python zien voordat we zullen proberen het concept ervan te begrijpen. De inverse van een matrix is slechts het omgekeerde van de matrix, zoals we dat doen in de normale rekenkunde voor een enkel getal dat wordt gebruikt om de vergelijkingen op te lossen om de waarde van onbekende variabelen te vinden. Het omgekeerde van een matrix is die matrix die, wanneer vermenigvuldigd met de oorspronkelijke matrix, een identiteitsmatrix oplevert.
cijfers voor het alfabet
Het omgekeerde van een matrix bestaat alleen als de matrix dat is niet-singulier, dat wil zeggen dat de determinant niet 0 mag zijn . Met behulp van determinant en adjoint kunnen we gemakkelijk de inverse van een vierkante matrix vinden met behulp van de onderstaande formule,
if det(A) != 0 A-1 = adj(A)/det(A) else 'Inverse doesn't exist'>
Matrixvergelijking:
waar,
sql-gegevenstypenA-1: Het omgekeerde van matrix A
X: T De onbekende variabele kolom
B: De oplossingsmatrix
Inverse matrix met NumPy
Python biedt een zeer eenvoudige methode om de inverse van een matrix te berekenen. De functie numpy.linalg.inv() is beschikbaar in de NumPy-module en wordt gebruikt om de inverse matrix in Python te berekenen.
Syntaxis: numpy.linalg.inv(a)
Python rstripParameters:
a: Matrix moet worden omgekeerd
Geeft terug: Inverse van de matrix a.
Voorbeeld 1: In dit voorbeeld maken we een NumPy-arraymatrix van 3 bij 3 en converteren deze vervolgens naar een inverse matrix met behulp van de functie 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))> |
>
>
Uitgang:
[[ 0.17647059 -0.00326797 -0.02287582] [ 0.05882353 -0.13071895 0.08496732] [-0.11764706 0.1503268 0.05228758]]>
Voorbeeld 2: In dit voorbeeld maken we een NumPy-arraymatrix van 4 bij 4 en converteren deze vervolgens met de functie np.linalg.inv() naar een inverse matrix in Python.
dereferentiewijzer c
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))> |
>
>
Uitgang:
[[ 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]]>
Voorbeeld 3: In dit voorbeeld zullen we meerdere NumPy-arraymatrices maken en deze vervolgens omzetten in hun inverse matrices met behulp van de functie 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))> |
>
>
Uitgang:
[[[-2. 1. ] [ 1.5 -0.5 ]] [[-1.25 0.75] [ 0.75 -0.25]]]>