행렬 스택에 대한 로그 결정자를 계산하려면 Python에서 numpy.linalg.slogdet() 메서드를 사용합니다. 첫 번째 매개변수인 s는 입력 배열이며 정사각형 2차원 배열이어야 합니다. 이 메서드는 부호가 있는 행렬식의 부호를 나타내는 숫자를 반환합니다. 실수 행렬의 경우 1, 0 또는 -1입니다. 복소수 행렬의 경우 절대값이 1 또는 0인 복소수입니다.
logdet을 사용하는 이 메서드는 행렬식의 절대값에 대한 자연 로그를 반환합니다. 행렬식이 0이면 sign은 0이 되고 logdet은 -Inf가 됩니다. 모든 경우에 행렬식은 sign * np.exp(logdet)와 같습니다.
단계
먼저 필요한 라이브러리를 가져옵니다-
import numpy as np
배열 생성 -
arr = np.array([ [[1, 2], [3, 4]], [[1, 2], [2, 1]], [[1, 3], [3, 1]] ])
배열 표시 -
print("Our Array...\n",arr)
치수 확인 -
print("\nDimensions of our Array...\n",arr.ndim)
데이터 유형 가져오기 -
print("\nDatatype of our Array object...\n",arr.dtype)
모양 가져오기 -
print("\nShape of our Array object...\n",arr.shape)
선형 대수학에서 배열의 행렬식 -
print("\nDeterminant...\n",np.linalg.det(arr))
행렬 스택에 대한 로그 결정자를 계산하려면 numpy.linalg.slogdet() 메서드를 사용합니다. 행렬식이 0이면 sign은 0이 되고 logdet은 -Inf가 됩니다. 모든 경우에 행렬식은 sign * np.exp(logdet) −
와 같습니다.(sign, logdet) = np.linalg.slogdet(arr) print("\nResult....\n",(sign, logdet))
예
import numpy as np # Create an array arr = np.array([ [[1, 2], [3, 4]], [[1, 2], [2, 1]], [[1, 3], [3, 1]]]) # Display the array print("Our Array...\n",arr) # Check the Dimensions print("\nDimensions of our Array...\n",arr.ndim) # Get the Datatype print("\nDatatype of our Array object...\n",arr.dtype) # Get the Shape print("\nShape of our Array object...\n",arr.shape) # The determinant of an array in linear algebra print("\nDeterminant...\n",np.linalg.det(arr)) # To compute log-determinants for a stack of matrices, use the numpy.linalg.slogdet() method in Python (sign, logdet) = np.linalg.slogdet(arr) print("\nResult....\n",(sign, logdet))
출력
Our Array... [[[1 2] [3 4]] [[1 2] [2 1]] [[1 3] [3 1]]] Dimensions of our Array... 3 Datatype of our Array object... int64 Shape of our Array object... (3, 2, 2) Determinant... [-2. -3. -8.] Result.... (array([-1., -1., -1.]), array([0.69314718, 1.09861229, 2.07944154]))