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
sign
0,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
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)