Python 尝试反转二维矩阵数组时出现问题

关于矩阵4x4的求逆，我有一个简单的问题，特别是当我尝试使用

integ_prec

索引上的循环（

integ_prec=6

这里和

dimBlocks=4

）时

以下是代码片段：

      # Declaration of inverse cross matrix
      invCrossMatrix = np.zeros((dimBlocks,dimBlocks,integ_prec,integ_prec))

      # Build observables covariance matrix
      arrayFullCross_vec = buildObsCovarianceMatrix_vec(k_ref, mu_ref, ir)

      # Invert 4x4 covariance matrix
      for r_p in range(integ_prec):
        for s_p in range(integ_prec):
          invCrossMatrix[:][:][r_p][s_p] = np.linalg.inv(arrayFullCross_vec[:][:][r_p][s_p])

函数

buildobscovariacematrix\u vec

返回4D数组：

def buildObsCovarianceMatrix_vec(k_ref, mu_ref, ir):
arrayCrossTemp = np.zeros((dimBlocks,dimBlocks,integ_prec,integ_prec))

... processing

return arrayCrossTemp

但我在反转时系统地得到了一个错误：

File "GC_forecast_8bins_base_Mpc_DESI_dev.py", line 1345, in integ_LU_cross
    function_A = aux_fun_LU_cross_vec(ecs, way, I1[0], I1[1], I1[2])
  File "GC_forecast_8bins_base_Mpc_DESI_dev.py", line 1216, in aux_fun_LU_cross_vec
    invCrossMatrix[r_p][s_p][:][:] = np.linalg.inv(arrayFullCross_vec[:][:][r_p][s_p])
  File "/Users/fab/Library/Python/2.7/lib/python/site-packages/numpy/linalg/linalg.py", line 551, in inv
    ainv = _umath_linalg.inv(a, signature=signature, extobj=extobj)
  File "/Users/fab/Library/Python/2.7/lib/python/site-packages/numpy/linalg/linalg.py", line 97, in _raise_linalgerror_singular
    raise LinAlgError("Singular matrix")
numpy.linalg.LinAlgError: Singular matrix

对于我的代码的另一个版本（使用标量值），一切正常

我希望在循环的每次迭代中反转4x4矩阵

---

语法是否正确一次反转所有矩阵，无需循环。如果你得到

numpy.linalg.linalgeror:Singular matrix

是因为数组中有一个或多个矩阵是奇异的（不可逆的）。你必须决定在这些情况下要做什么（或者修复生成矩阵的函数，如果这些矩阵都是可逆的）。@jdehesa不应该将

arrayFullCross\u vec

重新格式化为

（r\u p，s\u p，4，4）

以应用广播？啊，等等，不，问题肯定是语法，

nvCrossMatrix[：][r\u p][s\p]=np linalg.inv（arrayFullCross\u vec[：][r\u p][s_p]

不正确，它可能是

nvCrossMatrix[：，：，r_p，s_p]=np.linalg.inv（arrayFullCross_vec[：，：，r_p，s_p]

@brella对，我没有意识到矩阵维数是前两个，谢谢。是的，你可以做

np.linalg.inv（arrayFullCross_vec.transpose（2，3，0，1））。转置（2，3，0，1）

.Bare

[：]

什么都不做。你可以做

np.linalg.inv（arrayFullCross\u vec）

一次反转所有矩阵，而不需要循环。如果你得到

numpy.linalg.linalgeror:Singular matrix

是因为有一个或多个矩阵是奇异的（不可逆的）在你的数组中。你必须决定在这些情况下要做什么（或者修复生成矩阵的函数，如果这些矩阵都是可逆的）。@jdehesa不应该

arrayFullCross\u-vec

被重塑为

（r\p，s\p，4，4）

为了应用广播？啊，等等，不，问题肯定是语法，

nvCrossMatrix[：][：][r_p][s_p]=np.linalg.inv（arrayFullCross_vec[：][：][r_p][s_p]

不正确，它应该是

nvCrossMatrix[：，：，r_p，s_p]=np.linalg.inv

@Brella好的，我不知道矩阵维数是前两个，谢谢。是的，你可以做

np.linalg.inv（arrayFullCross\u vec.transpose（2,3,0,1））。transpose（2,3,0,1）

.Bare

[：]

什么都不做。