为何NumPy计算特定矩阵的逆矩阵返回错误结果？

核心问题：你用的是奇异矩阵（根本不可逆） #

你给出的矩阵：

[[1 2 3]
 [4 5 6]
 [7 8 9]]

计算它的行列式会得到0（可以用np.linalg.det(a)验证），线性代数里明确规定：行列式为0的矩阵不存在逆矩阵。

为啥NumPy会输出一堆超大数？ #

NumPy的np.linalg.inv不会预先判断矩阵是否可逆，直接执行数值计算。碰到奇异矩阵时，数值计算会出现数值不稳定，直接输出超大的错误值——这不是NumPy的bug，是矩阵本身不满足可逆的前提条件。

另外你提到的“正确逆矩阵”是错误的：你可以手动验证，那个矩阵和原矩阵相乘根本得不到单位矩阵，不存在这样的逆矩阵。

怎么判断矩阵能不能逆？ #

• 计算行列式：np.linalg.det(a)，结果接近0（考虑浮点误差）就说明矩阵不可逆。
• 计算矩阵的秩：np.linalg.matrix_rank(a)，如果秩小于矩阵的阶数（这里是3），则矩阵不可逆。你的矩阵秩为2，明显小于3，肯定逆不了。

要是非得处理这个矩阵怎么办？ #

如果是要解线性方程组或者做类似操作，别硬求逆，改用以下两种方法：

1. 最小二乘解：np.linalg.lstsq(a, b, rcond=None)，适合处理超定或奇异系统，求解最优近似解。
2. 伪逆矩阵：np.linalg.pinv(a)，这是奇异矩阵的广义逆，满足a @ pinv(a) @ a = a，虽然不是严格意义上的逆，但很多场景下可以替代使用。

伪逆的示例代码：

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
pinv_a = np.linalg.pinv(a)
print(pinv_a)

输出结果的数值和你之前误以为的“正确逆矩阵”一致，但要明确这是伪逆，不是真的逆矩阵。

怎么避免踩坑？ #

• 求逆之前先检查行列式或秩，确认矩阵可逆再计算。
• 处理未知矩阵时，优先考虑伪逆或最小二乘方法，而非直接求逆，避免碰到奇异矩阵导致数值崩溃。

内容的提问来源于stack exchange，提问作者Hummingbee