网站 psd,制作网页,seo网站推广培训,大良营销网站建设信息我就废话不多说了#xff0c;大家还是直接看代码吧~import numpy as npkernel np.array([1, 1, 1, 2]).reshape((2, 2))print(kernel)print(np.linalg.inv(kernel))注意#xff0c;Singular matrix奇异矩阵不可求逆补充#xff1a;pythonnumpy中矩阵的逆和伪逆的区别定义大家还是直接看代码吧~import numpy as npkernel np.array([1, 1, 1, 2]).reshape((2, 2))print(kernel)print(np.linalg.inv(kernel))注意Singular matrix奇异矩阵不可求逆补充pythonnumpy中矩阵的逆和伪逆的区别定义对于矩阵A如果存在一个矩阵B使得ABBAE其中E为与A,B同维数的单位阵就称A为可逆矩阵(或者称A可逆)并称B是A的逆矩阵简称逆阵。(此时的逆称为凯利逆)矩阵A可逆的充分必要条件是|A|≠0。伪逆矩阵是逆矩阵的广义形式。由于奇异矩阵或非方阵的矩阵不存在逆矩阵但可以用函数pinv(A)求其伪逆矩阵。基本语法为Xpinv(A),Xpinv(A,tol),其中tol为误差,pinv为pseudo-inverse的缩写max(size(A))*norm(A)*eps。函数返回一个与A的转置矩阵A 同型的矩阵X并且满足AXAA,XAXX.此时称矩阵X为矩阵A的伪逆也称为广义逆矩阵。pinv(A)具有inv(A)的部分特性但不与inv(A)完全等同。如果A为非奇异方阵pinv(A)inv(A)但却会耗费大量的计算时间相比较而言inv(A)花费更少的时间。代码如下1.矩阵求逆import numpy as npa np.array([[1, 2], [3, 4]]) # 初始化一个非奇异矩阵(数组)print(np.linalg.inv(a)) # 对应于MATLAB中 inv() 函数# 矩阵对象可以通过 .I 求逆,但必须先使用matirx转化A np.matrix(a)print(A.I)2.矩阵求伪逆import numpy as np# 定义一个奇异阵 AA np.zeros((4, 4))A[0, -1] 1A[-1, 0] -1A np.matrix(A)print(A)# print(A.I) 将报错矩阵 A 为奇异矩阵不可逆print(np.linalg.pinv(A)) # 求矩阵 A 的伪逆(广义逆矩阵)对应于MATLAB中 pinv() 函数这就是矩阵的逆和伪逆的区别截至2020/10/4matrix函数还可以使用但已经过时应该是mat函数这种。以上为个人经验希望能给大家一个参考也希望大家多多支持我们。如有错误或未考虑完全的地方望不吝赐教。时间 2021-03-09
