numpy.linalg.slogdet#

linalg.slogdet(a)[source]#

计算数组行列式的符号和(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。此例程对这些问题更健壮,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,必须是方形二维数组。

返回值:
具有以下属性的命名元组
sign(…) array_like

表示行列式符号的数字。对于实数矩阵,这是 1、0 或 -1。对于复数矩阵,这是绝对值为 1 的复数(即它位于单位圆上),或者 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).

另请参阅

det

注释

1.8.0 版中的新功能。

广播规则适用,有关详细信息,请参阅 numpy.linalg 文档。

1.6.0 版中的新功能。

行列式是使用 LAPACK 例程 z/dgetrf 通过 LU 分解计算的。

示例

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 失败的情况下会成功

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