NumPy NumPy参考

• 数组对象
• 常数
• 通用功能（ufunc）
• 例行程序
•    数组创建例程
•    数组操作例程
•    Binary operations
•    String operations
•    C-Types Foreign Function Interface (numpy.ctypeslib)
•    Datetime Support Functions
•    Data type routines
•    Optionally Scipy-accelerated routines (numpy.dual)
•    Mathematical functions with automatic domain (numpy.emath)
•    Floating point error handling
•    Discrete Fourier Transform (numpy.fft)
•    Financial functions
•    Functional programming
•    NumPy-specific help functions
•    Indexing routines
•    输入输出
•    线性代数（numpy.linalg）
•          numpy.dot
•          numpy.linalg.multi_dot
•          numpy.vdot
•          numpy.inner
•          numpy.outer
•          numpy.matmul
•          numpy.tensordot
•          numpy.einsum
•          numpy.einsum_path
•          numpy.linalg.matrix_power
•          numpy.kron
•          numpy.linalg.holesky
•          numpy.linalg.qr
•          numpy.linalg.svd
•          numpy.linalg.eig
•          numpy.linalg.eigh
•          numpy.linalg.eigvals
•          numpy.linalg.eigvalsh
•          numpy.linalg.norm
•          numpy.linalg.cond
•          numpy.linalg.det
•          numpy.linalg.matrix_rank
•          numpy.linalg.slogdet
•          numpy.trace
•          numpy.linalg.solve
•          numpy.linalg.tensorsolve
•          numpy.linalg.lstsq
•          numpy.linalg.inv
•          numpy.linalg.pinv
•          numpy.linalg.tensorinv
•          numpy.linalg.LinAlgError
•    逻辑功能
•    Mathematical functions
•    Matrix library (numpy.matlib)
•    Miscellaneous routines
•    Padding Arrays
•    Polynomials
•    Random sampling (numpy.random)
•    Set routines
•    Sorting, searching, and counting
•    Statistics
•    Test Support (numpy.testing)
•    Window functions
• Packaging (numpy.distutils)
• NumPy Distutils - Users Guide
• NumPy C-API
• NumPy内部
• NumPy和SWIG

numpy.linalg.slogdet（a ）[来源] ¶

计算数组行列式的符号和（自然）对数。

如果数组的行列式很小或很大，则对的调用 det可能会溢出或下溢。此例程针对此类问题更健壮，因为它计算行列式而不是行列式本身的对数。

参量

一个（...，M，M）array_like

输入数组必须是正方形的二维数组。

退货

签署（...）array_like

代表行列式符号的数字。对于实数矩阵，该值为1、0或-1。对于复数矩阵，这是一个绝对值为1（即在单位圆上）或0的复数。

logdet （...）array_like

行列式绝对值的自然对数。

如果行列式为零，则`sign`将为0，而`logdet`将为

-Inf。在所有情况下，行列式都等于``sign * np.exp（logdet）''。

也可以看看

det

笔记

1.8.0版中的新功能。

广播规则适用，numpy.linalg有关详细信息，请参阅文档。

1.6.0版中的新功能。

行列式使用LAPACK例程通过LU分解计算z/dgetrf。

例子

二维数组的行列式为：[[a, b], [c, d]]ad - bc

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

计算一堆矩阵的对数行列式：

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

该例程在普通的不成功的地方成功det：

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