I denne artikel vil vi se NumPy Inverse Matrix i Python, før vi vil forsøge at forstå konceptet af det. Det omvendte af en matrix er blot en reciprok af matrixen, som vi gør i normal aritmetik for et enkelt tal, som bruges til at løse ligningerne for at finde værdien af ukendte variable. Det omvendte af en matrix er den matrix, som, når den multipliceres med den oprindelige matrix, vil give en identitetsmatrix.
Det omvendte af en matrix eksisterer kun, hvis matrixen er ikke-singular, dvs. determinanten bør ikke være 0 . Ved at bruge determinant og adjoint kan vi nemt finde det inverse af en kvadratisk matrix ved hjælp af nedenstående formel,
if det(A) != 0 A-1 = adj(A)/det(A) else 'Inverse doesn't exist'>
Matrixligning:
hvor,
EN-1: Det omvendte af matrix A
x: T den ukendte variabel kolonne
matematik.tilfældig javaB: Løsningsmatrixen
Invers Matrix ved hjælp af NumPy
Python giver en meget nem metode til at beregne det inverse af en matrix. Funktionen numpy.linalg.inv() er tilgængelig i NumPy-modulet og bruges til at beregne den inverse matrix i Python.
Syntaks: numpy.linalg.inv(a)
Parametre:
a: Matrix, der skal inverteres
Vender tilbage: Omvendt af matricen a.
Eksempel 1: I dette eksempel vil vi oprette en 3 gange 3 NumPy matrix og derefter konvertere den til en invers matrix ved hjælp af funktionen 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))> |
>
>
Produktion:
[[ 0.17647059 -0.00326797 -0.02287582] [ 0.05882353 -0.13071895 0.08496732] [-0.11764706 0.1503268 0.05228758]]>
Eksempel 2: I dette eksempel vil vi oprette en 4 gange 4 NumPy matrix og derefter konvertere den ved hjælp af np.linalg.inv() funktion til en invers matrix i Python.
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))> |
>
>
Produktion:
[[ 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]]>
Eksempel 3: I dette eksempel vil vi oprette flere NumPy-arraymatricer og derefter konvertere dem til deres inverse matricer ved hjælp af funktionen np.linalg.inv().
understreng streng java
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))> |
>
>
Produktion:
[[[-2. 1. ] [ 1.5 -0.5 ]] [[-1.25 0.75] [ 0.75 -0.25]]]>