我正在尝试找到this 9x9 covariance matrix的倒数，因此我可以将其与mahalanobis distance一起使用。但是，我从matrix inverse获得的结果是一个充满1.02939420e+16的矩阵。我一直试图找到原因，考虑到Wolfram会给我正确的答案，这似乎与矩阵的条件数有关，在这种情况下是3.98290435292e+16。
虽然我想了解这背后的数学，但我现在真正需要的只是这个问题的解决方案，所以我可以继续实施。有没有办法找到这种矩阵的逆？或者是否有可能直接从数据中找到逆协方差矩阵？
编辑：Matrix数据（与pastebin链接相同）
[[ 0.46811097 0.15024959 0.01806486 -0.03029948 -0.12472314 -0.11952018 -0.14738093 -0.14655549 -0.06794621]
[ 0.15024959 0.19338707 0.09046136 0.01293189 -0.05290348 -0.07200769 -0.09317139 -0.10125269 -0.12769464]
[ 0.01806486 0.09046136 0.12575072 0.06507481 -0.00951239 -0.02944675 -0.05349869 -0.07496244 -0.13193147]
[-0.03029948 0.01293189 0.06507481 0.12214787 0.04527352 -0.01478612 -0.02879678 -0.06006481 -0.1114809 ]
[-0.12472314 -0.05290348 -0.00951239 0.04527352 0.164018 0.05474073 -0.01028871 -0.02695087 -0.03965366]
[-0.11952018 -0.07200769 -0.02944675 -0.01478612 0.05474073 0.13397166 0.06839442 0.00403321 -0.02537928]
[-0.14738093 -0.09317139 -0.05349869 -0.02879678 -0.01028871 0.06839442 0.14424203 0.0906558 0.02984426]
[-0.14655549 -0.10125269 -0.07496244 -0.06006481 -0.02695087 0.00403321 0.0906558 0.17054466 0.14455264]
[-0.06794621 -0.12769464 -0.13193147 -0.1114809 -0.03965366 -0.02537928 0.02984426 0.14455264 0.32968928]]
答案 0 :(得分：2)
您提供的矩阵m具有0的行列式，因此从数值的角度来看是不可逆的（这可以解释您所拥有的价值趋于Inf的巨大价值）：
In [218]: np.linalg.det(m)
Out[218]: 2.8479946613617788e-16
如果您开始进行线性代数运算/解决问题，我强烈建议您检查一些基本概念，这样可以避免出现数值错误/错误： https://en.wikipedia.org/wiki/Invertible_matrix
答案 1 :(得分：0)
你面临着一个非常重要和基本的数学问题。如果您的方法给出不可逆矩阵，则该方法存在问题。该方法试图解决ill-posed problem。可能所有妥协的问题都在十九世纪得到了解决。解决不适定问题的最常见方法是regularization。有时Moore-Penrose pseudoinverse可能很方便。 Scipy.linalg有伪逆。但是伪逆不是捷径。使用pseudoinverse，您可以通过可解决的问题B替换不可解决的问题A.有时问题B的解决方案可以成功地工作而不是问题A的不存在的解决方案，但这是数学研究的问题。
答案 2 :(得分：0)
零行列式意味着您的矩阵具有线性相关的行（或列）。换句话说，模型中的某些信息是冗余的（它包含过多或重复的信息）。重新开发模型以排除冗余。