numpy.linalg.slogdet¶
-
numpy.linalg.
slogdet
(a)[source]¶ 计算数组的行列式的符号和(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。这个例程对于这样的问题更加鲁棒,因为它计算行列式的对数而不是行列式本身。参数: a:(...,M,M)array_like
输入数组,必须是正方形的2-D数组。
返回: 符号:(...)array_like
表示行列式的符号的数字。对于实数矩阵,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。
logdet:(...)array_like
行列式的绝对值的自然对数。
如果行列式为零,则符号将为0,logdet将为
-Inf。在所有情况下,行列式等于
符号 * np.exp(logdet)
。也可以看看
笔记
版本1.8.0中的新功能。
广播规则适用,有关详细信息,请参阅
numpy.linalg
文档。新版本1.6.0 ..
行列式通过使用LAPACK例程z / dgetrf的LU因式分解来计算。
例子
The determinant of a 2-D array
[[a, b], [c, d]]
isad - bc
:>>> a = np.array([[1, 2], [3, 4]]) >>> (sign, logdet) = np.linalg.slogdet(a) >>> (sign, logdet) (-1, 0.69314718055994529) >>> sign * np.exp(logdet) -2.0
计算矩阵堆栈的对数决定因素:
>>> 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
det
不执行的情况下成功:>>> np.linalg.det(np.eye(500) * 0.1) 0.0 >>> np.linalg.slogdet(np.eye(500) * 0.1) (1, -1151.2925464970228)