Python Numpy矩阵与其相乘'；s inv

如果这是个愚蠢的问题，请原谅。 我只是在Pythonshell中探索numpy，我运行了以下几行代码

>>> from numpy.linalg import inv
>>> from numpy import dot, transpose
>>> a = np.matrix('1,2;3,4')
>>> print a
[[1 2]
 [3 4]]
>>> print inv(a)
[[-2.   1. ]
 [ 1.5 -0.5]]
>>> print a.dot(inv(a))
[[1.0000000e+00 0.0000000e+00]
 [8.8817842e-16 1.0000000e+00]]

在最后一行中，我期望值

[[1,0]
 [0,1]] 

---

（单位矩阵），但是我在（1,0）位置得到了一些非零值。

这是浮点运算的结果，以及与之相关的所有缺点。请参阅，以详细了解发生这种情况的原因

你的结果并不完美，但已经足够接近了，这是关键

inv

当然，它不会计算精确的结果（毕竟它使用数值方法）。相应地，A*A_inv并不完全是单位矩阵，但它足够接近。您可以使用

np.allclose

测试接近度

np.allclose(a * inv(a), np.eye(2))
True

---

（请注意，

a*b

计算

矩阵

对象的点积。）

这是浮点运算的结果，以及与之相关的所有缺点。请参阅，以详细了解发生这种情况的原因

你的结果并不完美，但已经足够接近了，这是关键

inv

当然，它不会计算精确的结果（毕竟它使用数值方法）。相应地，A*A_inv并不完全是单位矩阵，但它足够接近。您可以使用

np.allclose

测试接近度

np.allclose(a * inv(a), np.eye(2))
True

---

（请注意，

a*b

计算

矩阵

对象的点积。）

使用浮点数时，无法获得准确的结果。也许某种规范会起作用。@GarbageCollector发布的问题的第一个答案解释得很好。此外，您不需要在python控制台中使用

print

。总之，

numpy

可以简化表达式并只返回相同秩的标识矩阵。它还可以加快大型矩阵的运算速度。@Ev.Kounis：为此，您需要使用

sympy

，而不是

numpy

。使用浮点数时，您无法获得准确的结果。也许某种规范会起作用。@GarbageCollector发布的问题的第一个答案解释得很好。此外，您不需要在python控制台中使用

print

。总之，

numpy

可以简化表达式并只返回相同秩的标识矩阵。它还可以加快大型矩阵的速度。@Ev.Kounis：为此，您需要使用

sympy

，而不是

numpy

。