问题描述
行列式定义只有加法、减法和乘法。因此,具有整数元素的矩阵的行列式必须是整数。
然而 矩阵越大,情况越糟: 这是错误的!我确信正确答案是:numpy.linalg.det()
返回一个浮点数:>>> import numpy
>>> M = [[-1 if i==j else 1 for j in range(7)] for i in range(7)]
>>> numpy.linalg.det(M)
319.99999999999994
>>> M = [[-1024 if i==j else 1024 for j in range(7)] for i in range(7)]
>>> numpy.linalg.det(M)
3.777893186295698e+23
>>> "%.0f" % numpy.linalg.det(M)
'377789318629569805156352'
当然,对于大型矩阵,它可能是一个相当长的整数。但PYTHON内置了长整数。>>> 320 * 1024**7
377789318629571617095680
如何获取行列式的精确整数值而不是近似浮点值?
推荐答案
计算整数矩阵行列式的一种简单实用的方法是Bareiss algorithm。
def det(M):
M = [row[:] for row in M] # make a copy to keep original M unmodified
N, sign, prev = len(M), 1, 1
for i in range(N-1):
if M[i][i] == 0: # swap with another row having nonzero i's elem
swapto = next( (j for j in range(i+1,N) if M[j][i] != 0), None )
if swapto is None:
return 0 # all M[*][i] are zero => zero determinant
M[i], M[swapto], sign = M[swapto], M[i], -sign
for j in range(i+1,N):
for k in range(i+1,N):
assert ( M[j][k] * M[i][i] - M[j][i] * M[i][k] ) % prev == 0
M[j][k] = ( M[j][k] * M[i][i] - M[j][i] * M[i][k] ) // prev
prev = M[i][i]
return sign * M[-1][-1]
此算法相当快(O(N³)复杂性)。
它是一个整数保持算法。它确实有一个部门。但只要M的所有元素都是整数,所有中间计算也都是整数(除法余数将为零)。
额外的好处是,如果您删除assert
行,并将整数除法//
替换为规则除法/
,则相同的代码适用于分数/浮点/复数元素。
ps:另一种替代方法是使用sympy而不是NumPy:
>>> import sympy >>> sympy.Matrix([ [-1024 if i==j else 1024 for j in range(7)] for i in range(7) ]).det() 377789318629571617095680
但这比上面的
det()
函数慢得多。# Performance test: `numpy.linalg.det(M)` vs `det(M)` vs `sympy.Matrix(M).det()` import timeit def det(M): ... M = [[-1024 if i==j else 1024 for j in range(7)] for i in range(7)] print(timeit.repeat("numpy.linalg.det(M)", setup="import numpy; from __main__ import M", number=100, repeat=5)) #: [0.0035009384155273, 0.0033931732177734, 0.0033941268920898, 0.0033800601959229, 0.0033988952636719] print(timeit.repeat("det(M)", setup="from __main__ import det, M", number=100, repeat=5)) #: [0.0171120166778564, 0.0171020030975342, 0.0171608924865723, 0.0170948505401611, 0.0171010494232178] print(timeit.repeat("sympy.Matrix(M).det()", setup="import sympy; from __main__ import M", number=100, repeat=5)) #: [0.9561479091644287, 0.9564781188964844, 0.9539868831634521, 0.9536828994750977, 0.9546608924865723]
摘要:
det(M)
比numpy.linalg.det(M)
慢5倍以上,det(M)
比sympy.Matrix(M).det()
快50倍没有
assert
行会更快。
这篇关于整数n×N矩阵的精确行列式的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!