线性代数基础3 行列式

本文主要是介绍线性代数基础3 行列式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

行列式
行列式其实在机器学习中用的并不多，一个矩阵必须是方阵，才能计算它的行列式
行列式是把矩阵变成一个标量

import numpy as np
A = np.array([[1,3],[2,5]])
display(A)
print('矩阵A的行列式是：\n',np.linalg.det(A))
'''
array([[1, 3],[2, 5]])
矩阵A的行列式是：-1.0
'''

行列式在求解，逆矩阵的过程中，起到了作用，行列式不为0，才可以求解逆矩阵！

import numpy as np
A = np.array([[1,3],[2,6]])
display(A)
print('矩阵A的行列式是：\n',np.linalg.det(A))
'''
array([[1, 3],[2, 6]])
矩阵A的行列式是：0.0
'''
# 无法求解行列式，报错信息：LinAlgError: Singular matrix
print('矩阵A的逆矩阵为：\n',np.linalg.inv(A))

这篇关于线性代数基础3 行列式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---