Solucin de Matrices Inversas en Python

Ingresa en Jupyter.org y te saldra lo siguiente donde le daras click en Try it in your browser

Te saldra lo siguiente en la cual daras click en New y elijes Python 3

Por ultimo te saldra esto donde podras calcular tus matrices inversas con Python con las
librerias Sympy, Numpy y Scipy.

Nota: En tal caso que desees instalar Python en tu pc te recomiendo

https://www.continuum.io/downloads
 Calculando Matrices Inversas en Python

Utilizando la librera Sympy

Calculando la matriz inversa de:

import sympy
from sympy import *
import warnings
warnings.filterwarnings('ignore')
init_printing()

A = Matrix ([[1,2,1,0],[2,2,1,1],[2,1,1,2],[1,2,1,1]])
 Utilizando la librera Sympy

Una manera ms sencilla post la primera explicacin es:

 Utilizando la librera Sympy

Calculando la matriz inversa de:

import sympy
from sympy import *
import warnings
warnings.filterwarnings('ignore')
init_printing()

A = Matrix ([[2,0,1,-7],[6,1,0,4],[8,-2,1,0],[4,1,0,2]])
 Utilizando la librera Sympy

Calculando la matriz inversa de:

import sympy
from sympy import *
import warnings
warnings.filterwarnings('ignore')
init_printing()

A = Matrix ([[1,4,3,-2],[4,-3,2,0],[-1,2,1,1],[2,8,-1,-1]])
 Utilizando la librera Sympy

Calculando la matriz inversa de:

import sympy
from sympy import *
import warnings
warnings.filterwarnings('ignore')
init_printing()

A = Matrix ([[1,-1,2,1,1],[1,2,1,-1,2],[1,-1,0,2,1],[0,0,1,0,0],[1,3,1,3,2]])
 Utilizando la librera Numpy

Calculando la matriz inversa de:

import numpy as np

from numpy.linalg import inv

A = np.array ([[1,2,1,0],[2,2,1,1],[2,1,1,2],[1,2,1,1]])
 Utilizando la librera Numpy

Calculando la matriz inversa de:

import numpy as np

from numpy.linalg import inv

A = np.array ([[2,0,1,-7],[6,1,0,4],[8,-2,1,0],[4,1,0,2]])
 Utilizando la librera Numpy

Calculando la matriz inversa de:

import numpy as np

from numpy.linalg import inv

A = np.array ([[1,4,3,-2],[4,-3,2,0],[-1,2,1,1],[2,8,-1,-1]])
 Utilizando la librera Numpy

Calculando la matriz inversa de:

import numpy as np

from numpy.linalg import inv

A = np.array ([[1,-1,2,1,1],[1,2,1,-1,2],[1,-1,0,2,1],[0,0,1,0,0],[1,3,1,3,2]])
 Utilizando la librera Scipy

Calculando la matriz inversa de:

import numpy as np

from scipy import linalg

A = np.array ([[1,2,1,0],[2,2,1,1],[2,1,1,2],[1,2,1,1]])
 Utilizando la librera Scipy

Calculando la matriz inversa de:

import numpy as np

from scipy import linalg

A = np.array ([[2,0,1,-7],[6,1,0,4],[8,-2,1,0],[4,1,0,2]])
 Utilizando la librera Scipy

Calculando la matriz inversa de:

import numpy as np

from scipy import linalg

A = np.array ([[1,4,3,-2],[4,-3,2,0],[-1,2,1,1],[2,8,-1,-1]])
 Utilizando la librera Scipy

Calculando la matriz inversa de:

import numpy as np

from scipy import linalg

A = np.array ([[1,-1,2,1,1],[1,2,1,-1,2],[1,-1,0,2,1],[0,0,1,0,0],[1,3,1,3,2]])
Confirmacin de las matrices y el significado de sus comandos de confirmacin en Python:

En la teora del Algebra lineal nos indica que para las matrices cuadradas se
cumple que una matriz A multiplicada escalarmente por su matriz inversa 1 es igual a la
matriz identidad visualizando nos queda de la siguiente manera:

Confirmando en Sympy:

En la librera Sympy se debe cumplir que la matriz por la matriz inversa nos da la
identidad pero esto se cumple con la funcin inv() :

Aplicando A*A.inv() nos da la funcin inversa ya que el * en Python nos representa

una multiplicacin escalar y nos devuelve como resultado la funcin inversa.

Otra manera opcional seria:

A.inv()*A

Confirmando en Numpy:

En la librera Numpy se confirma de la siguiente manera:

np.allclose(np.dot(A,inversa) , np.eye(4))

Este comando significa que multiplicara dentro de los parntesis el arreglo (Matriz)
A por la variable de la funcin inversa y lo que est dentro del np.eye(4) significa que es
una matriz 4x4, si fuese una matriz 5x5 fuese np.eye(5) como lo ejemplificamos en una
matriz de la librera Numpy.

O de otra manera opcional podra ser con el comando:

np.allclose(np.dot(inversa,A) , np.eye(4))

Confirmando con Scipy:

En la librera Scipy se confirma de la siguiente manera:

np.dot(linalg.inv(A))

O de manera opcional:

np.dot(A, linalg.inv(A))