求解线性方程组 。 （1） 创建系数矩阵A和右端常数向量b （2） 计算A的行列式，并判断A是否可逆 （3） 若A可逆，利用A的逆矩阵求X。

求解线性方程组通常涉及到矩阵运算，特别是在使用Python的NumPy库时。以下是逐步的步骤：

1. **创建系数矩阵A和右端常数向量b**：
假设我们有一个形如`Ax = b`的线性方程组，其中A是一个m×n的矩阵，x是一列长度为n的未知数向量，b是一列长度为m的常数向量。你可以这样创建它们：

   import numpy as np
   A = np.array([[a11, a12, ...], [a21, a22, ...], ..., [am1, am2, ...]])  # 矩阵A的元素
   b = np.array([b1, b2, ..., bm])  # 向量b的元素

2. **计算A的行列式并判断A是否可逆**：
NumPy中的`linalg.det()`函数可以计算矩阵的行列式。如果行列式的绝对值足够大（一般认为非零），则矩阵被认为是可逆的。例如：

   det_A = np.linalg.det(A)
   is_invertible = abs(det_A) > 1e-8  # 通常设置一个很小的阈值来判断是否接近于0

如果`is_invertible`为`True`，说明A可逆；反之不可逆。

3. **如果A可逆，利用A的逆矩阵求X**：
可逆矩阵的逆可以用`linalg.inv()`函数得到，然后乘以右端向量b找到解x：

   if is_invertible:
       inv_A = np.linalg.inv(A)
       x = inv_A @ b  # 或者使用 dot 函数：x = np.dot(inv_A, b)
   else:
       print("Matrix A is not invertible.")