python中大值矩阵的矩阵求逆
我正在用python进行矩阵求逆,我发现结果因数据规模不同而不同,这很奇怪 在下面的代码中,预计A_inv/B_inv=B/A。但是,它表明A_inv/B_inv和B/A之间的差异越来越大,这取决于数据规模。。。这是因为Python无法精确计算具有大值的矩阵的逆矩阵吗 此外,我还检查了B的条件数,无论刻度是多少,它都是一个常数~3.016 谢谢python中大值矩阵的矩阵求逆,python,matrix-inverse,Python,Matrix Inverse,我正在用python进行矩阵求逆,我发现结果因数据规模不同而不同,这很奇怪 在下面的代码中,预计A_inv/B_inv=B/A。但是,它表明A_inv/B_inv和B/A之间的差异越来越大,这取决于数据规模。。。这是因为Python无法精确计算具有大值的矩阵的逆矩阵吗 此外,我还检查了B的条件数,无论刻度是多少,它都是一个常数~3.016 谢谢 import numpy as np from matplotlib import pyplot as plt D = 30 N = 300 np.
import numpy as np
from matplotlib import pyplot as plt
D = 30
N = 300
np.random.seed(10)
original_data = np.random.sample([D, N])
A = np.cov(original_data)
A_inv = np.linalg.inv(A)
B_cond = []
diff = []
for k in xrange(1,10):
B = A * np.power(10,k)
B_cond.append(np.linalg.cond(B))
B_inv = np.linalg.inv(B)
### Two measurements of difference are used
diff.append(np.log(np.linalg.norm(A_inv/B_inv - B/A)))
#diff.append(np.max(np.abs(A_inv/B_inv - B/A)))
# print B_cond
plt.figure()
plt.plot(xrange(1,10), diff)
plt.xlabel('data(B) / data(A)')
plt.ylabel('log(||A_inv/B_inv - B/A||)')
plt.savefig('Inversion for large matrix')
我可能错了,但我认为它来自于机器中的数字表示。 当你处理大量的数字时,你的逆矩阵的数量级很小(接近零)。clsoe为零,浮点数的表示不够精确,我猜。。。
您没有理由期望
np.linalg.norm(A_inv/B_inv-B/A)
等于任何特殊值。相反,您可以通过将原始矩阵乘以其逆矩阵并检查行列式,np.linalg.det(A.dot(A_inv))
来检查逆计算的质量,该行列式应等于1。谢谢您的回复!我使用了C=np.dot(B_inv,B)
,它在对角线上有1.000000
,但非对角线单元格中的值的顺序是1e-17
。如何测试C
是否是一个好的单位矩阵?谢谢我期望np.linalg.norm(A_inv/B_inv-B/A)=0
,如果大小与原始矩阵和逆矩阵匹配,那么我不知道python如何计算逆矩阵,但是B
矩阵在几轮之后显然具有行列式=inf
。不确定这是否会导致问题。。。