C#，数值计算，矩阵的行列式（Determinant）、伴随矩阵（Adjoint）与逆矩阵（Inverse）的算法与源代码

本文发布矩阵（Matrix）的一些初级算法。

一、矩阵的行列式（Determinant）

矩阵行列式是指矩阵的全部元素构成的行列式，设A=(a)是数域P上的一个n阶矩阵，则所有A=(a)中的元素组成的行列式称为矩阵A的行列式，记为|A|或det(A)。若A，B是数域P上的两个n阶矩阵，k是P中的任一个数，则|AB|=|A||B|，|kA|=kⁿ|A|，|A*|=|A|，其中A*是A的伴随矩阵；若A是可逆矩阵，则|A|=|A|。
 

/// <summary>
/// 计算 A[p,q] 位于 [,]temp 的块辅因子
/// </summary>
/// <param name="matrix"></param>
/// <param name="temp"></param>
/// <param name="p"></param>
/// <param name="q"></param>
/// <param name="n"></param>
private static void BlockCofactor(double[,] matrix, ref double[,] temp, int p, int q, int n)
{
    int i = 0;
    int j = 0;

    for (int row = 0; row < n; row++)
    {
        for (int col = 0; col < n; col++)
        {
            if (row != p && col != q)
            {
                temp[i, j++] = matrix[row, col];
                if (j == (n - 1))
                {
                    j = 0;
                    i++;
                }
            }
        }
    }
}

/// <summary>
/// 求矩阵行列式（递归算法）
/// </summary>
/// <param name="N"></param>
/// <param name="matrix"></param>
/// <param name="n"></param>
/// <returns></returns>
public static double Determinant(int N, double[,] matrix, int n)
{
    if (n == 1)
    {
        return matrix[0, 0];
    }

    double D = 0.0;
    double[,] temp = new double[N, N];
    int sign = 1;
    for (int f = 0; f < n; f++)
    {
        BlockCofactor(matrix, ref temp, 0, f, n);
        D += sign * matrix[0, f] * Determinant(N, temp, n - 1);
        sign = -sign;
    }
    return D;
}
 

/// <summary>
/// 计算 A[p,q] 位于 [,]temp 的块辅因子
/// </summary>
/// <param name="matrix"></param>
/// <param name="temp"></param>
/// <param name="p"></param>
/// <param name="q"></param>
/// <param name="n"></param>
private static void BlockCofactor(double[,] matrix, ref double[,] temp, int p, int q, int n)
{int i = 0;int j = 0;for (int row = 0; row < n; row++){for (int col = 0; col < n; col++){if (row != p && col != q){temp[i, j++] = matrix[row, col];if (j == (n - 1)){j = 0;i++;}}}}
}/// <summary>
/// 求矩阵行列式（递归算法）
/// </summary>
/// <param name="N"></param>
/// <param name="matrix"></param>
/// <param name="n"></param>
/// <returns></returns>
public static double Determinant(int N, double[,] matrix, int n)
{if (n == 1){return matrix[0, 0];}double D = 0.0;double[,] temp = new double[N, N];int sign = 1;for (int f = 0; f < n; f++){BlockCofactor(matrix, ref temp, 0, f, n);D += sign * matrix[0, f] * Determinant(N, temp, n - 1);sign = -sign;}return D;
}

二、矩阵的伴随矩阵（Adjoint Matrix）

一个方形矩阵的伴随矩阵是一个类似于逆矩阵的概念。如果二维矩阵可逆，那么它的逆矩阵和它的伴随矩阵之间只差一个系数，对多维矩阵也存在这个规律。然而，伴随矩阵对不可逆的矩阵也有定义，并且不需要用到除法。
 

/// <summary>
/// 伴随矩阵
/// </summary>
/// <param name="A"></param>
/// <param name="adj"></param>
public static void Adjoint(double[,] matrix, out double[,] adjoint)
{
    int N = matrix.GetLength(0);
    adjoint = new double[N, N];

    if (N == 1)
    {
        adjoint[0, 0] = 1.0;
        return;
    }

    int sign = 1;
    double[,] temp = new double[N, N];
    for (int i = 0; i < N; i++)
    {
        for (int j = 0; j < N; j++)
        {
            BlockCofactor(matrix, ref temp, i, j, N);
            sign = ((i + j) % 2 == 0) ? 1 : -1;
            adjoint[j, i] = (sign) * (Determinant(N, temp, N - 1));
        }
    }
}

/// <summary>
/// 伴随矩阵
/// </summary>
/// <param name="A"></param>
/// <param name="adj"></param>
public static void Adjoint(double[,] matrix, out double[,] adjoint)
{int N = matrix.GetLength(0);adjoint = new double[N, N];if (N == 1){adjoint[0, 0] = 1.0;return;}int sign = 1;double[,] temp = new double[N, N];for (int i = 0; i < N; i++){for (int j = 0; j < N; j++){BlockCofactor(matrix, ref temp, i, j, N);sign = ((i + j) % 2 == 0) ? 1 : -1;adjoint[j, i] = (sign) * (Determinant(N, temp, N - 1));}}
}

三、矩阵的逆矩阵（Inverse Matrix）

设A是一个n阶矩阵，若存在另一个n阶矩阵B，使得： AB=BA=E ，则称方阵A可逆，并称方阵B是A的逆矩阵。矩阵求逆，即求矩阵的逆矩阵。矩阵是线性代数的主要内容，很多实际问题用矩阵的思想去解既简单又快捷。逆矩阵又是矩阵理论的很重要的内容，逆矩阵的求法自然也就成为线性代数研究的主要内容之一。

/// <summary>
/// 矩阵求逆
/// </summary>
/// <param name="A"></param>
/// <param name="inverse"></param>
/// <returns></returns>
public static bool Inverse(double[,] matrix, out double[,] inverse)
{
    int N = matrix.GetLength(0);
    inverse = new double[N, N];

    double det = Determinant(N, matrix, N);
    if (det == 0)
    {
        return false;
    }

    Adjoint(matrix, out double[,] adj);

    for (int i = 0; i < N; i++)
    {
        for (int j = 0; j < N; j++)
        {
            inverse[i, j] = adj[i, j] / (double)det;
        }
    }
    return true;
}
 

/// <summary>
/// 矩阵求逆
/// </summary>
/// <param name="A"></param>
/// <param name="inverse"></param>
/// <returns></returns>
public static bool Inverse(double[,] matrix, out double[,] inverse)
{int N = matrix.GetLength(0);inverse = new double[N, N];double det = Determinant(N, matrix, N);if (det == 0){return false;}Adjoint(matrix, out double[,] adj);for (int i = 0; i < N; i++){for (int j = 0; j < N; j++){inverse[i, j] = adj[i, j] / (double)det;}}return true;
}

演算代码：

private void button1_Click(object sender, EventArgs e)
{
    double[,] A = { 
        {5, -2, 2, 7},
        {1, 0, 0, 3},
        {-3, 1, 5, 0},
        {3, -1, -9, 4}
    };

    double d = Algorithm_Gallery.Determinant(4, A, 4);

    StringBuilder sb = new StringBuilder();
    sb.Append(Welcome());
    sb.AppendLine("1、<b>原始矩阵</b>（Source Matrix）：<br>");
    sb.Append(Algorithm_Gallery.ToHtml(A));
    sb.AppendLine("行列式（Determinant）=" + d + "<br>");
    
    Algorithm_Gallery.Adjoint(A, out double[,] adj);
    sb.AppendLine("<br>2、<b>伴随矩阵</b>（Adjoint Matrix）：<br>");
    sb.Append(Algorithm_Gallery.ToHtml(adj));
    
    Algorithm_Gallery.Inverse(A, out double[,] inv);
    sb.AppendLine("<br>3、<b>逆矩阵</b>（Inverse Matrix）：<br>");
    sb.Append(Algorithm_Gallery.ToHtml(inv));
    sb.Append(Bye());
    webBrowser1.DocumentText = sb.ToString();
}

private void button1_Click(object sender, EventArgs e)
{double[,] A = { {5, -2, 2, 7},{1, 0, 0, 3},{-3, 1, 5, 0},{3, -1, -9, 4}};double d = Algorithm_Gallery.Determinant(4, A, 4);StringBuilder sb = new StringBuilder();sb.Append(Welcome());sb.AppendLine("1、<b>原始矩阵</b>（Source Matrix）：<br>");sb.Append(Algorithm_Gallery.ToHtml(A));sb.AppendLine("行列式（Determinant）=" + d + "<br>");Algorithm_Gallery.Adjoint(A, out double[,] adj);sb.AppendLine("<br>2、<b>伴随矩阵</b>（Adjoint Matrix）：<br>");sb.Append(Algorithm_Gallery.ToHtml(adj));Algorithm_Gallery.Inverse(A, out double[,] inv);sb.AppendLine("<br>3、<b>逆矩阵</b>（Inverse Matrix）：<br>");sb.Append(Algorithm_Gallery.ToHtml(inv));sb.Append(Bye());webBrowser1.DocumentText = sb.ToString();
}

 打印矩阵的代码：


public static string ToHtml(double[,] y)
{
    int m = y.GetLength(0);
    int n = y.GetLength(1);
    StringBuilder sb = new StringBuilder();
    sb.AppendLine("<style>");
    sb.AppendLine("td { padding:5px;text-align:right; }");
    sb.AppendLine("</style>");
    sb.AppendLine("<table width='100%' border=1 bordercolor='#999999' style='border-collapse:collapse;'>");
    for (int i = 0; i < m; i++)
    {
        sb.AppendLine("<tr>");
        for (int j = 0; j < n; j++)
        {
            sb.AppendLine("<td>" + String.Format("{0:F8}", y[i, j]) + "</td>");
        }
        sb.AppendLine("</tr>");
    }
    sb.AppendLine("</table>");
    return sb.ToString();
}
 

————————————————————————————————

POWER BY  TRUFFER.CN 50018.COM 315SOFT.COM

public static string ToHtml(double[,] y)
{int m = y.GetLength(0);int n = y.GetLength(1);StringBuilder sb = new StringBuilder();sb.AppendLine("<style>");sb.AppendLine("td { padding:5px;text-align:right; }");sb.AppendLine("</style>");sb.AppendLine("<table width='100%' border=1 bordercolor='#999999' style='border-collapse:collapse;'>");for (int i = 0; i < m; i++){sb.AppendLine("<tr>");for (int j = 0; j < n; j++){sb.AppendLine("<td>" + String.Format("{0:F8}", y[i, j]) + "</td>");}sb.AppendLine("</tr>");}sb.AppendLine("</table>");return sb.ToString();
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/680605.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Apache POI的介绍以及使用示例

Apache POI的介绍以及使用示例

Apache POI 是一套开源的 Java 库&#xff0c;用于读取和写入 Microsoft Office 文档格式&#xff0c;如 Excel、Word 和 PowerPoint。Spring Boot 是一个流行的 Java 应用程序框架&#xff0c;用于简化 Spring 应用的开发和部署。将 Apache POI 与 Spring Boot 结合使用&#…
阅读更多...
【开源】SpringBoot框架开发数字化社区网格管理系统

【开源】SpringBoot框架开发数字化社区网格管理系统

目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块三、开发背景四、系统展示五、核心源码5.1 查询企事业单位5.2 查询流动人口5.3 查询精准扶贫5.4 查询案件5.5 查询人口 六、免责说明 一、摘要 1.1 项目介绍 基于JAVAVueSpringBootMySQL的数字化社区网格管理系统&#xf…
阅读更多...
蓝桥杯——第 5 场 小白入门赛(c++详解！！！)

蓝桥杯——第 5 场 小白入门赛(c++详解！！！)

文章目录 1 十二生肖基本思路&#xff1a; 2 欢迎参加福建省大学生程序设计竞赛基本思路&#xff1a;代码&#xff1a; 3 匹配二元组的数量基本思路&#xff1a;代码: 4 元素交换基本思路&#xff1a;代码&#xff1a; 5 下棋的贝贝基本思路&#xff1a;代码&#xff1a; 6 方程…
阅读更多...
【More Effective C++】条款17：考虑使用lazy evaluation

【More Effective C++】条款17：考虑使用lazy evaluation

含义&#xff1a;将计算拖延到必须计算的时候&#xff0c;以下为4个场景 优点&#xff1a;避免不必要的计算&#xff0c;节省成本 缺点&#xff1a; 管理复杂性&#xff1a;可能会增加代码复杂性&#xff0c;特别是在多线程环境中需要正确处理同步和并发问题。性能开销&…
阅读更多...
【SpringBoot】Validator组件+自定义约束注解实现手机号码校验和密码格式限制

【SpringBoot】Validator组件+自定义约束注解实现手机号码校验和密码格式限制

&#x1f3e1;浩泽学编程&#xff1a;个人主页 &#x1f525; 推荐专栏&#xff1a;《深入浅出SpringBoot》《java对AI的调用开发》 《RabbitMQ》《Spring》《SpringMVC》 &#x1f6f8;学无止境&#xff0c;不骄不躁&#xff0c;知行合一 文章目录 前言一、Cons…
阅读更多...
【蓝桥杯】灭鼠先锋

【蓝桥杯】灭鼠先锋

一.题目描述 二.解题思路 博弈论&#xff1a; 只能转移到必胜态的&#xff0c;均为必败态。 可以转移到必败态的&#xff0c;均为必胜肽。 最优的策略是&#xff0c;下一步一定是必败态。 #include<iostream> #include<map> using namespace std;map<string,bo…
阅读更多...
12.9 校招 实习 内推 面经

12.9 校招 实习 内推 面经

绿*泡*泡VX&#xff1a; neituijunsir 交流裙 &#xff0c;内推/实习/校招汇总表格 1、实习 | 吉利2024届寒假实习招聘正式开启 校招&#xff5c;理想汽车2024校园招聘空间AI类岗位专题&#xff08;内推&#xff09; 2、校招&#xff5c;北京奔驰2024届校园招聘火热进行中…
阅读更多...
ChatGPT高效提问—prompt实践（生成VBA）

ChatGPT高效提问—prompt实践（生成VBA）

ChatGPT高效提问—prompt实践&#xff08;生成VBA&#xff09; 2. 生成VBA函数操作Excel ​ 当前Excel表格数据无背景颜色&#xff0c;区分不明显。假如我们想美化数据展示效果&#xff0c;把标题行设置为浅蓝色&#xff0c;其余奇数行设置为橙色&#xff0c;该怎么操作呢&am…
阅读更多...
【项目日记(九)】项目整体测试,优化以及缺陷分析

【项目日记(九)】项目整体测试,优化以及缺陷分析

&#x1f493;博主CSDN主页:杭电码农-NEO&#x1f493;   ⏩专栏分类:项目日记-高并发内存池⏪   &#x1f69a;代码仓库:NEO的学习日记&#x1f69a;   &#x1f339;关注我&#x1faf5;带你做项目   &#x1f51d;&#x1f51d; 开发环境: Visual Studio 2022 项目日…
阅读更多...
深入探索Midjourney：领航人工智能的新征程

深入探索Midjourney：领航人工智能的新征程

深入探索Midjourney&#xff1a;领航人工智能的新征程 引言 在这个数据驱动、以技术创新为核心的时代&#xff0c;Midjourney以其独特的特性在人工智能领域中崭露头角。作为一款前沿的人工智能工具&#xff0c;它不仅重新定义了人机交互的方式&#xff0c;而且为各行各业提供…
阅读更多...
springmvc中的数据提交方式

springmvc中的数据提交方式

一、单个数据提交数据 jsp代码&#xff1a; <h2>1单个数据提交</h2> <form action"${pageContext.request.contextPath}/one.action">name<input name"myname"/><br>age<input name"age"><input type&…
阅读更多...
Tied Block Convolution: 具有共享较薄滤波器的更简洁、更出色的CNN

Tied Block Convolution: 具有共享较薄滤波器的更简洁、更出色的CNN

摘要 https://arxiv.org/pdf/2009.12021.pdf 卷积是卷积神经网络&#xff08;CNN&#xff09;的主要构建块。我们观察到&#xff0c;随着通道数的增加&#xff0c;优化后的CNN通常具有高度相关的滤波器&#xff0c;这降低了特征表示的表达力。我们提出了Tied Block Convolutio…
阅读更多...
###51单片机学习（1）-----单片机烧录软件的使用，以及如何建立一个工程项目

###51单片机学习（1）-----单片机烧录软件的使用，以及如何建立一个工程项目

前言&#xff1a;感谢您的关注哦&#xff0c;我会持续更新编程相关知识&#xff0c;愿您在这里有所收获。如果有任何问题&#xff0c;欢迎沟通交流&#xff01;期待与您在学习编程的道路上共同进步。 一. 两个主要软件的介绍 1.KeiluVision5软件 Keil uVision5是一款集成开发…
阅读更多...
分享87个jQuery特效，总有一款适合您

分享87个jQuery特效，总有一款适合您

分享87个jQuery特效&#xff0c;总有一款适合您 87个jQuery特效下载链接&#xff1a;https://pan.baidu.com/s/1H9kH2qrL-AHFn3jDlNvTFw?pwd8888 提取码&#xff1a;8888 Python采集代码下载链接&#xff1a;采集代码.zip - 蓝奏云 学习知识费力气&#xff0c;收集整理…
阅读更多...
MySQL（基础）

MySQL（基础）

第01章_数据库概述 1. 为什么要使用数据库 持久化(persistence)&#xff1a;把数据保存到可掉电式存储设备中以供之后使用。大多数情况下&#xff0c;特别是企业级应用&#xff0c;数据持久化意味着将内存中的数据保存到硬盘上加以”固化”&#xff0c;而持久化的实现过程大多…
阅读更多...
【Git】移除Git中的文件

【Git】移除Git中的文件

有的时候需要移除或者更新 Git 中的文件&#xff0c;我们无法直接在远程仓库中移除&#xff0c;移除或者更新操作需要在本地端实现。 1、移除被跟踪文件 当某个文件被添加到暂存区或者本地仓库&#xff0c;此时会被标记为“跟踪状态”&#xff0c;此时 Git 就会代为管理这个文…
阅读更多...
【Python网络编程之TCP三次握手】

【Python网络编程之TCP三次握手】

&#x1f680; 作者 &#xff1a;“码上有前” &#x1f680; 文章简介 &#xff1a;Python开发技术 &#x1f680; 欢迎小伙伴们 点赞&#x1f44d;、收藏⭐、留言&#x1f4ac; Python网络编程之[TCP三次握手] 代码见资源&#xff0c;效果图如下一、实验要求二、协议原理2.…
阅读更多...
OpenCV-37 最小外接矩形和最大外接矩形

OpenCV-37 最小外接矩形和最大外接矩形

一、外接矩形 外接矩形分为最小外接矩形和最大外接矩形。 下图中红色矩形为最小外接矩形&#xff0c;绿色矩形为最大外接矩形。 1. 最小外接矩形 minAreaRect(points) --- 最小外接矩形 point为轮廓&#xff1b; 返回值为元组&#xff0c;内容是一个旋转矩形(RotatedRect…
阅读更多...
拼音笔记笔记

拼音笔记笔记

一、翀的读音&#xff1a;chōng 声母&#xff1a;ch 韵母&#xff1a;ong 声调&#xff1a;一声 二、汉字释义&#xff1a; 向上直飞&#xff0c;相当于“冲”。 三、汉字结构&#xff1a;左右结构 四、部首&#xff1a;羽 五、相关词组&#xff1a; 翀举&#xff1a;谓成仙升…
阅读更多...
算法沉淀——分治算法（leetcode真题剖析）

算法沉淀——分治算法（leetcode真题剖析）

算法沉淀——分治算法 快排思想01.颜色分类02.排序数组03.数组中的第K个最大元素04.库存管理 III 归并思想01.排序数组02.交易逆序对的总数03.计算右侧小于当前元素的个数04.翻转对 分治算法是一种解决问题的算法范式&#xff0c;其核心思想是将一个大问题分解成若干个小问题&a…
阅读更多...
最新文章

Copyright @ 2022~2023