ndarray 的逆和行列式特质

在创建卡尔曼滤波代码时，需要矩阵求逆...

安装用于计算逆的外部代码既麻烦又痛苦。因此有了这个小特质。对于较小的矩阵来说，它很快，但是，正如预期的那样，使用专用硬件的专用库对于大型矩阵来说要快得多。不过，你仍然应该使用迭代/近似方法，例如梯度下降，用于机器学习应用。

如果你使用的是相对较小到中等的矩阵，在多个操作系统上，没有复杂的硬件，那么这里就是用例。

如果你的优先级是安装简单、纯 Rust 和可移植性，那么这段代码可能很有用。API 简单直观。你可以开始编写你的应用程序代码，而不必担心在多个操作系统上的复杂组件。

只需引用

use ndarray_inverse::Inverse;

添加 cargo 依赖项

ndarray-inverse = "*"

Array2 矩阵上可用的方法有 m.inv() 和 m.det()。显然，它们必须是方阵。

版本 1.6 添加了 m.inv_diag()，它将给出对角矩阵的逆，这要快得多，但是忽略任何非零的非对角值。这非常快，有时很有用，可能被认为是一些应用的“正则化”（例如，使用卡尔曼滤波的强化学习）。

版本 1.7 添加了 m.cholesky()，这对于无味卡尔曼滤波很有用。

版本 1.8 添加了 m.lu() 分解（它返回一个包含 (L,U,P) 值的元组以及相关的逆 (m.lu_inv())，对于较大的矩阵来说，速度要快得多，大约快 10 倍。主要的逆函数仍然是 m.inv()，它尝试 LU 分解，但如果它不合适，则无缝回退到标准方法。这使得单 CPU 矩阵逆计算速度在大多数情况下与外部库版本相当。

版本 1.9 使 m.inv_ut() 和 m.inv_lt() 上三角和下三角逆对外部调用可用。