在numpy/scipy 中，计算上三角矩阵逆矩阵的规范方法是什么？
矩阵存储为具有零次对角元素的二维numpy数组，结果也应存储为二维数组。
编辑到目前为止我发现的最好的是scipy.linalg.solve_triangular(A, np.identity(n))。是这样吗？
【问题讨论】：
numpy.linalg.inv 比solve_triangular 更快，适用于大约 40x40 的矩阵。
标签： python matrix numpy scipy matrix-inverse
确实没有倒置程序，本身。 scipy.linalg.solve 是求解矩阵-向量或矩阵-矩阵方程的规范方法，它可以得到关于矩阵结构的明确信息，用于选择正确的例程（可能相当于 BLAS3 dtrsm 在此案例）。
LAPACK 确实包含 doptri 用于此目的，scipy.linalg 确实公开了原始 C lapack 接口。如果逆矩阵真的是你想要的，那么你可以尝试使用它。
【讨论】：
doptri 会是正确的例行程序吗？如果我理解正确，op 表示正交矩阵。既然海报有三角矩阵，不应该是tp还是tr？我不是 LAPACK 专家——我的信息来自：en.wikipedia.org/wiki/LAPACK
dtrtri 可能是正确的指针，就像在 scipy.linalg.lapack.clapack.dtrtri 中一样
DTRTRI 确实是这个问题的正确答案，应该更明显。