问题标签 [determinants]

在求解自回归模型的对数似然表达式时，我看到了Tau幻灯片 9时间序列教程的参数估计下给出的方差协方差矩阵。现在，为了使用

为了最大化似然函数表达式，我需要表达出现方差协方差矩阵的似然函数。有人可以举例说明我如何实施(determinant of Gamma)^-1/2吗？除了自回归模型之外的任何其他示例也可以。

在 Eigen 中，有一些建议警告不要明确计算行列式和逆矩阵。

我正在使用正态逆愿望先验分布对多元正态进行后验预测。这可以表示为多元 t 分布。

在多元 t 分布中，您会发现一个术语|Sigma|^{-1/2}和(x-mu)^T Sigma^{-1} (x-mu)。

我对Eigen一无所知。我可以想象对于一个半正定矩阵（它是一个协方差矩阵），我可以使用 LLT 求解器。

然而，求解器本身没有定义.determinant()和方法。.inverse()我是否必须使用该.matrixL()函数并自己反转对角线上的元素以求逆，以及计算乘积以获得行列式？我想我错过了一些东西。

我正在尝试编写一个程序来查找 N*N 矩阵的行列式，这是我的代码：

我收到 No-Type 错误，我很确定这是因为我在自身内部调用了一个函数，因为它是一种递归方法。

有没有什么办法解决这一问题？甚至可能转储第二个功能？

根据定义，具有零行列式的方阵不应该是可逆的。但是，由于某种原因，在生成协方差矩阵之后，我成功地取了它的逆矩阵，但是取协方差矩阵的行列式最终得到了 0.0 的输出。

可能会出现什么问题？我应该不相信行列式输出，还是不应该相信逆协方差矩阵？或两者？

我的代码片段：

我有一个线性方程组，例如 M X =N。M是一个 21x21 矩阵，其中许多元素为零。当我尝试用 解决这个系统时X = np.linalg.solve(M, N)，它给了我这个错误：

这里的问题是返回的值np.linalg.det(M)是0.0。我尝试了两种不同的方法来生成M矩阵，此时我遇到了一个奇怪的行为：

i)的非零元素M在代码的其他地方计算。所有这些元素都是浮点数并表示为m_1, m_2, ... , m_21。起初，我尝试了以下代码以生成M：

计算出的这个矩阵的行列式np.linalg.det(M)为零。

ii)然后我将非零元素 ( m_1, ... , m_21) 替换为相应的数值，以查看行列式是否会改变。这是代码：

在这种情况下，np.linalg.det(M)返回 -9504863423.43。我很确定行列式既不是 0.0 也不是 -9504863423.43，因为我用 MATLAB 和一些在线计算器计算了与 -3.8108e+019 相同的行列式。

我还尝试执行 LU 分解并使用 mpmath 计算行列式，但这些都不起作用。为什么这两种情况可能会返回不同的值？以及如何正确计算行列式的任何想法？

我在 32 位 Win7 操作系统上使用 Python(x,y) 2.7.6.1。

我需要找到通过取以下矩阵的行列式形成的超越方程的根。如您所见，它充满了贝塞尔函数。我厌倦了使用“fzero”命令，但它不起作用。所有贝塞尔函数输入，如 gamma 和 eta 都是 beta 的函数。

请让我知道如何找到主题超越方程的值根。谢谢

是否存在一种计算低维（约 4）矩阵行列式的方法，该方法适用于 SIMD（霓虹灯、SSE、SSE2）？我正在使用手动扩展公式，效果不太好。我在 linux 下一直使用 SSE 到 SSE3 和 neon。矩阵元素都是浮点数。

我有一个包含以下方法的 Perl 程序：

• det求矩阵的行列式。
• identityMatrix返回一个 n × n 单位矩阵（主对角线为 1，其余为 0）。
• matrixAdd将两个矩阵相加。
• matrixScalarMultiply将整数乘以矩阵。

例如，我可以很容易地找到矩阵A - I的行列式，其中

（为 0）

但是如果我想找到A-RI的行列式呢？

在这种情况下，我希望我的程序沿着这些线求解特征多项式解（也就是包含变量的行列式），而不是整数值：

有关如何处理此问题的任何建议？下面的代码：

我有一个样本矩阵

我想要像这样的输出

等等...

计算后得到的这个最大值应该是矩阵形式。我需要概括它，因此我需要一个通用代码。

在我的程序中，我试图使用间接递归来计算矩阵（二维数组）的行列式以执行辅因子扩展（即两个函数相互递归调用）。但是，编译器抱怨它不能将 double** 转换为 const double**，即使在递归中将 const 参数传递给另一个 const 参数应该是合法的，对吧？我究竟做错了什么？

编译

源文件

头文件只包含两个函数的声明，没有什么特别的。