numpy.linalg.slogdet #

利纳尔格。slogdet ( a ) [来源] #

计算数组行列式的符号和（自然）对数。

如果数组具有非常小或非常大的行列式，则调用 det可能会溢出或下溢。该例程对于此类问题更加稳健，因为它计算行列式的对数而不是行列式本身。

参数：

一个(…, M, M) 类似数组: 输入数组必须是二维方形数组。

返回：

具有以下属性的命名元组：
符号(...) 类似数组: 代表行列式符号的数字。对于实矩阵，这是 1、0 或 -1。对于复数矩阵，这是一个绝对值为 1 的复数（即，它在单位圆上），否则为 0。
logabsdet (…) array_like: 行列式绝对值的自然对数。
如果行列式为零，则为sign0，logabsdet为
-信息。在所有情况下，行列式都等于。sign * np.exp(logabsdet)

也可以看看

det

笔记

1.8.0 版本中的新增功能。

广播规则适用，numpy.linalg详细信息请参阅文档。

1.6.0 版本中的新增功能。

行列式是使用 LAPACK 例程通过 LU 因式分解来计算的z/dgetrf。

例子

二维数组的行列式是：[[a, b], [c, d]]ad - bc

>>> a = np.array([[1, 2], [3, 4]])
>>> (sign, logabsdet) = np.linalg.slogdet(a)
>>> (sign, logabsdet)
(-1, 0.69314718055994529) # may vary
>>> sign * np.exp(logabsdet)
-2.0

计算矩阵堆栈的对数行列式：

>>> a = np.array([ [[1, 2], [3, 4]], [[1, 2], [2, 1]], [[1, 3], [3, 1]] ])
>>> a.shape
(3, 2, 2)
>>> sign, logabsdet = np.linalg.slogdet(a)
>>> (sign, logabsdet)
(array([-1., -1., -1.]), array([ 0.69314718,  1.09861229,  2.07944154]))
>>> sign * np.exp(logabsdet)
array([-2., -3., -8.])

此例程在普通例程det无法成功的地方成功：

>>> np.linalg.det(np.eye(500) * 0.1)
0.0
>>> np.linalg.slogdet(np.eye(500) * 0.1)
(1, -1151.2925464970228)