Dans cet article, nous verrons NumPy Inverse Matrix en Python avant d'essayer d'en comprendre le concept. L'inverse d'une matrice n'est qu'une réciproque de la matrice, comme nous le faisons en arithmétique normale pour un seul nombre qui est utilisé pour résoudre les équations afin de trouver la valeur des variables inconnues. L'inverse d'une matrice est la matrice qui, multipliée par la matrice d'origine, donnera une matrice d'identité.
L'inverse d'une matrice n'existe que si la matrice est non singulier, c'est-à-dire que le déterminant ne doit pas être 0 . En utilisant le déterminant et l'adjoint, nous pouvons facilement trouver l'inverse d'une matrice carrée en utilisant la formule ci-dessous,
if det(A) != 0 A-1 = adj(A)/det(A) else 'Inverse doesn't exist'>
Équation matricielle :
inverser la chaîne en java
où,
UN-1: L'inverse de la matrice A
X: T la colonne de variable inconnue
B : La matrice de solutions
Matrice inverse utilisant NumPy
Python fournit une méthode très simple pour calculer l'inverse d'une matrice. La fonction numpy.linalg.inv() est disponible dans le module NumPy et est utilisé pour calculer la matrice inverse en Python.
Syntaxe: numpy.linalg.inv(a)
Paramètres:
a : Matrice à inverser
Retour: Inverse de la matrice a.
Exemple 1: Dans cet exemple, nous allons créer une matrice de tableau NumPy 3 x 3, puis la convertir en matrice inverse à l'aide de la fonction 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))> |
>
>
Sortir:
[[ 0.17647059 -0.00326797 -0.02287582] [ 0.05882353 -0.13071895 0.08496732] [-0.11764706 0.1503268 0.05228758]]>
Exemple 2 : Dans cet exemple, nous allons créer une matrice de tableau NumPy 4 x 4, puis la convertir à l'aide de la fonction np.linalg.inv() en une matrice inverse en 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))> |
>
>
Sortir:
[[ 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]]>
Exemple 3 : Dans cet exemple, nous allons créer plusieurs matrices de tableau NumPy, puis les convertir en matrices inverses à l'aide de la fonction 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))> |
>
>
Sortir:
[[[-2. 1. ] [ 1.5 -0.5 ]] [[-1.25 0.75] [ 0.75 -0.25]]]>