Python2中使用Numpy遇'ufunc inv无匹配循环'错误如何解决？

错误原因 #

你遇到的TypeError: No loop matching the specified signature and casting was found for ufunc inv，核心问题在于：

• 你的r、s、z是极大数值，Python2的int是固定精度类型，超出范围的数值会被识别为长整型，numpy创建数组时会自动将这类数组的dtype设为object
• Numpy的np.linalg.inv不支持对object类型的矩阵执行求逆操作

解决方法 #

方法1：显式指定数组的浮点类型 #

创建矩阵A和B时，显式声明dtype=np.float64（或np.float128，需更高精度时使用），将大数值转为浮点类型，让numpy的线性代数函数可以正常处理：

import numpy as np

# 示例大数值定义，替换为你的实际值
r = 10**20
s = 10**19
b = 5
z = 10**21
a = 10

A = np.array([[r, -s],
              [b,-1]], dtype=np.float64)
B = np.array([-z, -a], dtype=np.float64)

print("Equations being solved:")
print("rd - sk = -z")
print("db - k = -a")

A_inv = np.linalg.inv(A)
X = np.dot(A_inv, B)

print("The solution is:")
print("k = "+repr(X[0]))
print("d = "+repr(X[1]))

方法2：直接使用线性方程组求解函数（更推荐） #

相比先求逆再点乘，np.linalg.solve是专门针对Ax=B这类线性方程组的求解函数，效率更高、数值稳定性更好，尤其适合大数值场景：

import numpy as np

# 示例大数值定义，替换为你的实际值
r = 10**20
s = 10**19
b = 5
z = 10**21
a = 10

A = np.array([[r, -s],
              [b,-1]], dtype=np.float64)
B = np.array([-z, -a], dtype=np.float64)

print("Equations being solved:")
print("rd - sk = -z")
print("db - k = -a")

# 直接求解Ax=B
X = np.linalg.solve(A, B)

print("The solution is:")
print("k = "+repr(X[0]))
print("d = "+repr(X[1]))

内容的提问来源于stack exchange，提问作者Alexio puk2sefu