Wolfram mathematica WishartDistribution的逆[_]和（_）^（-1）之间的数学差异

有人知道为什么下列矩阵的随机分布会生成不同的图吗？这是从使用逆Wishart分布采样的一组10x10矩阵生成第一个单元的PDF图的代码；令人惊讶的是，根据执行矩阵求逆的方式，曲线图是不同的——似乎正确的曲线图是通过求逆得到的，为什么

基本代码：

   << MultivariateStatistics`;
   Module[{dist, p, k, data, samples, scale, graphics, distribution},
     p = 10;
     k = 13;
     samples = 500;
     dist = WishartDistribution[IdentityMatrix[p], k];
     (* a samples x p x p array *)
     data = Inverse[#] & /@ RandomVariate[dist, samples];
     (* distribution graphics *)
     distribution[i_, j_] := Module[{fiber, f, mean, rangeAll, colorHue},
       fiber = data[[All, i, j]];
       dist = SmoothKernelDistribution[fiber];
       f = PDF[dist];
       Plot[f[z], {z, -2, 2}, 
        PlotLabel -> ("Mean=" <> ToString[Mean[fiber]]), 
        PlotRange -> All]
       ];
     Grid @ Table[distribution[i, j], {i, 1, 3}, {j, 1, 5}]
     ]

由此

data = #^(-1) & /@ RandomVariate[dist, samples];

您将看到绘制的分布是不同的。

逆计算矩阵逆，即如果a是平方矩阵，则逆[a]。a将是单位矩阵

a^-1与1/a相同，即它给出每个矩阵元素的倒数。^运算符按元素赋予幂。如果需要矩阵幂，请使用矩阵幂。

逆计算矩阵逆，即如果a是平方矩阵，则逆[a]。a将是单位矩阵

a^-1与1/a相同，即它给出每个矩阵元素的倒数。^运算符按元素赋予幂。如果您想要矩阵幂，请使用矩阵幂

data = #^(-1) & /@ RandomVariate[dist, samples];