numpy.linalg.slogdet

linalg.slogdet(a)

计算数组的行列式的符号和(自然)对数.

如果数组的行列式非常小或非常大,则调用 det 可能会溢出或下溢. 此例程对于此类问题更稳健,因为它计算行列式的对数而不是行列式本身.

参数:

a(…, M, M) 类数组

输入数组,必须是二维方阵.

返回:

具有以下属性的 namedtuple:

sign(…) array_like

表示行列式符号的数字. 对于实矩阵,这是 1,0 或 -1. 对于复矩阵,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 sign 将为 0 且 logabsdet

将为 -inf. 在所有情况下,行列式都等于

sign * np.exp(logabsdet) .

参见

det

注释

广播规则适用,详情请参阅 numpy.linalg 的文档.

行列式通过使用 LAPACK 例程 z/dgetrf 的 LU 分解来计算.

示例

Try it in your browser!

二维数组 [[a, b], [c, d]] 的行列式为 ad - bc :

>>> import numpy as np
>>> 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 det 失败的地方成功:

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

Go BackOpen In Tab