我在做python的矩陣求逆,並且發現結果因數據比例而不同,這很奇怪。在python中有大值的矩陣的矩陣求逆
在下面的代碼中,預計A_inv/B_inv = B/A。但是,它表明,A_inv/B_inv和B/A之間的差異越來越大,這取決於數據範圍......這是因爲Python無法精確計算具有大值的矩陣的矩陣求逆嗎?
此外,我檢查了B的條件編號,這是一個常數〜3.016,無論規模是多少。
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')
2017-08-31
Y. He
我在做python的矩陣求逆,並且發現結果因數據比例而不同,這很奇怪。在python中有大值的矩陣的矩陣求逆在下面的代碼中,預計A_inv/B_inv = B/A。但是,它表明,A_inv/B_inv和B/A之間的差異越來越大,這取決於數據範圍......這是因爲Python無法精確計算具有大值的矩陣的矩陣求逆嗎?此外,我檢查了B的條件編號,這是一個常數〜3.016,無論規模是多少。謝謝!impo...
A = np.matrix([[1,2,3],[4,5,6],[7,8,9]])
B = np.array([1,2,3,4,5,6,7,8,9]).reshape((3,3))
print(A)
print(B)
print("*" * 50)
print(np.linalg.inv(A))
print(np.linalg.inv(B))
[[1 2 3]
[4 5 6]
[7 8 9]]
[[1 2 3]
[4 5 6]
[7 8 9]]
python
如何使得list中的元素是ndarray
在一个代码实现时,会想要类似MATLAB一样,拥有一个struct类型的数组,数组中的每个cell都是一个ndarray。因为在某些维度上shape不同,所以不能整合为一个大的ndarray。
要实现上述需求,可以进行如下操作:
targetList = []
targetList.append(ndarray)
这样即可获得由ndarray构成的list,可以进一步对list进行concatenate等操作再次整合。
逆
矩阵A_inv:
[[-1.23333333e+16 2.46666667e+16 -1.23333333e+16]
[ 2.46666667e+16 -4.93333333e+16 2.46666667e+16]
[-1.23333333e+16 2.46666667e+16 -1.23333333e+16]]
注意:对于不可
逆
矩阵,求
逆
矩阵会报错。因此,在使用linalg.inv()函数前,需要先判断矩阵是否可
逆
。