开源Math.NET基础数学类库使用(15)C#计算矩阵行列式

原文: 【原创】开源Math.NET基础数学类库使用(15)C#计算矩阵行列式

               本博客所有文章分类的总目录：http://www.cnblogs.com/asxinyu/p/4288836.html

开源Math.NET基础数学类库使用总目录：http://www.cnblogs.com/asxinyu/p/4329737.html 

　　上个月对Math.NET的基本使用进行了介绍，主要内容有矩阵，向量的相关操作，解析数据格式，数值积分，数据统计，相关函数，求解线性方程组以及随机数发生器的相关内容。这个月接着深入发掘Math.NET的各种功能，并对源代码进行分析，使得大家可以尽可能的使用Math.NET在.NET平台下轻易的开发数学计算相关的，或者可以将其中的源码快速移植到自己的系统中去(有时候并不需要所有的功能，只需要其中的部分功能代码)，今天要介绍的是Math.NET中利用C#计算矩阵行列式的功能。

本文原文地址：http://www.cnblogs.com/asxinyu/p/4304289.html

1.行列式概念与性质

　　行列式是关于方阵的元素所定义的一种运算，其运算的结果是一个数，称为方阵的行列式值，简称为方阵的行列式。

     

　　行列式的概念最初是伴随着方程组的求解而发展起来的。行列式的提出可以追溯到十七世纪，最初的雏形由日本数学家关孝和与德国数学家戈特弗里德·莱布尼茨各自独立得出，时间大致相同。日本数学家关孝和提出来的，他在1683年写了一部名为解伏题之法的著作，意思是“解行列式问题的方法”，书中对行列式的概念和它的展开已经有了清楚的叙述。欧洲第一个提出行列式概念的是德国数学家，微积分学奠基人之一莱布尼茨。

　　行列式是线性代数里面的一个基本概念，我们可以从其定义和性质中了解一下其作用：

1.行列式与它的转置行列式相等；

2.互换行列式的两行(列)，行列式变号；

3.行列式的某一行(列)的所有的元素都乘以同一数k，等于用数k乘此行列式；

4.行列式如果有两行(列)元素成比例，则此行列式等于零；

5.若行列式的某一列(行)的元素都是两数之和，则这个行列式是对应两个行列式的和；

6.把行列式的某一列(行)的各元素乘以同一数然后加到另一列(行)对应的元素上去，行列式不变

2.Math.NET计算行列式的实现

　　Math.NET在对行列式的计算过程中，只是把其作为矩阵计算的一个小部分功能，作为属性添加在各个矩阵分解算法的抽象和实现类中。因为Math.NET中矩阵的泛型类型的相关实现主要是支持Double和Float类型，所以基本上与泛型相关的类都实现了2个版本，在实际使用时再进行调用。而矩阵分解算法如：Cholesky，LU，QR，Svd等都有一个抽象泛型基类。在这些抽象类中都定义好了矩阵分解相关的计算，如行列式，方程求解等功能，然后对类进行继承，如Cholesky分解算法，的抽象 基类：

 1 internal abstract class Cholesky : Cholesky<double>

 2 {

 3     protected Cholesky(Matrix<double> factor)

 4         : base(factor)

 5     {

 6     }

 7 

 8     /// <summary>

 9     /// Gets the determinant of the matrix for which the Cholesky matrix was computed.

10     /// </summary>

11     public override double Determinant

12     {

13         get

14         {

15             var det = 1.0;

16             for (var j = 0; j < Factor.RowCount; j++)

17             {

18                 var d = Factor.At(j, j);

19                 det *= d*d;

20             }

21 

22             return det;

23         }

24     }

25 

26     /// <summary>

27     /// Gets the log determinant of the matrix for which the Cholesky matrix was computed.

28     /// </summary>

29     public override double DeterminantLn

30     {

31         get

32         {

33             var det = 0.0;

34             for (var j = 0; j < Factor.RowCount; j++)

35             {

36                 det += 2*Math.Log(Factor.At(j, j));

37             }

38 

39             return det;

40         }

41     }

42 }

这个基类就是继承实现的Doule类型的版本，然后DenseCholesky继承该类，实现更多的计算功能：

 1 internal sealed class DenseCholesky : Cholesky

 2 {       

 3     public static DenseCholesky Create(DenseMatrix matrix)

 4     {

 5         if (matrix.RowCount != matrix.ColumnCount)

 6         {

 7             throw new ArgumentException(Resources.ArgumentMatrixSquare);

 8         }

 9         var factor = (DenseMatrix) matrix.Clone();

10         Control.LinearAlgebraProvider.CholeskyFactor(factor.Values, factor.RowCount);

11         return new DenseCholesky(factor);

12     }

13 

14     DenseCholesky(Matrix<double> factor): base(factor)  {      }

15     

16     public override void Solve(Matrix<double> input, Matrix<double> result)

17     {

18         if (result.RowCount != input.RowCount)

19         {

20             throw new ArgumentException(Resources.ArgumentMatrixSameRowDimension);

21         }

22 

23         if (result.ColumnCount != input.ColumnCount)

24         {

25             throw new ArgumentException(Resources.ArgumentMatrixSameColumnDimension);

26         }

27 

28         if (input.RowCount != Factor.RowCount)

29         {

30             throw Matrix.DimensionsDontMatch<ArgumentException>(input, Factor);

31         }

32 

33         var dinput = input as DenseMatrix;

34         if (dinput == null)

35         {

36             throw new NotSupportedException("Can only do Cholesky factorization for dense matrices at the moment.");

37         }

38 

39         var dresult = result as DenseMatrix;

40         if (dresult == null)

41         {

42             throw new NotSupportedException("Can only do Cholesky factorization for dense matrices at the moment.");

43         }

44         Buffer.BlockCopy(dinput.Values, 0, dresult.Values, 0, dinput.Values.Length*Constants.SizeOfDouble);

45         var dfactor = (DenseMatrix) Factor;

46         Control.LinearAlgebraProvider.CholeskySolveFactored(dfactor.Values, dfactor.RowCount, dresult.Values, dresult.ColumnCount);

47     }

48 

49     public override void Solve(Vector<double> input, Vector<double> result)

50     {

51         if (input.Count != result.Count)

52         {

53             throw new ArgumentException(Resources.ArgumentVectorsSameLength);

54         }

55 

56         if (input.Count != Factor.RowCount)

57         {

58             throw Matrix.DimensionsDontMatch<ArgumentException>(input, Factor);

59         }

60 

61         var dinput = input as DenseVector;

62         if (dinput == null)

63         {

64             throw new NotSupportedException("Can only do Cholesky factorization for dense vectors at the moment.");

65         }

66         var dresult = result as DenseVector;

67         if (dresult == null)

68         {

69             throw new NotSupportedException("Can only do Cholesky factorization for dense vectors at the moment.");

70         }

71 

72         Buffer.BlockCopy(dinput.Values, 0, dresult.Values, 0, dinput.Values.Length*Constants.SizeOfDouble);

73 

74         var dfactor = (DenseMatrix) Factor;

75         Control.LinearAlgebraProvider.CholeskySolveFactored(dfactor.Values, dfactor.RowCount, dresult.Values, 1);

76     }

77 }

这里只是介绍了具体行列式计算的实现，其实在Math.NET中这种实现只要在调试的时候搞懂了其中一个，其他相关的都好懂了。调用的时候，由于矩阵的类型里面都有相关的属性，可以直接继续计算，下面就演示一下如何调用计算行列式。

3.矩阵行列式计算的调用代码

 　　在矩阵类Martix中，已经有一个属性Determinant可以直接获取矩阵的行列式，所以计算也非常简单：

 1 // 格式设置

 2 var formatProvider = (CultureInfo)CultureInfo.InvariantCulture.Clone();

 3 formatProvider.TextInfo.ListSeparator = " ";

 4 

 5 //创建一个随机的矩阵

 6 var matrix = new DenseMatrix(5);

 7 var rnd = new Random(1); 

 8 for (var i = 0; i < matrix.RowCount; i++)

 9 {

10     for (var j = 0; j < matrix.ColumnCount; j++)

11     {

12         matrix[i, j] = rnd.NextDouble();

13     }

14 }

15 // 计算行列式

16 Console.WriteLine(@"1. 行列式 结果为");

17 Console.WriteLine(matrix.Determinant());

18 Console.WriteLine();

　　输出结果为：

1. 行列式 结果为

0.0349730711309253

　　如果要使用特殊的分解算法类计算行列式，也可以单独计算，例如下面的代码，先利用matrix对象生成一个Cholesky分解算法的对象，然后用它来计算行列式：

 1 var formatProvider = (CultureInfo)CultureInfo.InvariantCulture.Clone();

 2 formatProvider.TextInfo.ListSeparator = " ";

 3 

 4 //创建矩阵

 5 var matrix = DenseMatrix.OfArray(new[,] { { 2.0, 1.0 }, { 1.0, 2.0 } });

 6 Console.WriteLine(@"原始矩阵");

 7 Console.WriteLine(matrix.ToString("#0.00\t", formatProvider));

 8 Console.WriteLine();

 9 

10 //cholesky分解对象

11 var cholesky = matrix.Cholesky();

12 

13 //计算行列式

14 Console.WriteLine(@"矩阵行列式");

15 Console.WriteLine(cholesky.Determinant);

16 Console.WriteLine();

结果如下：

1 原始矩阵

2 DenseMatrix 2x2-Double

3 2.00      1.00

4 1.00      2.00

5 

6 矩阵行列式

7 3

4.资源

　　资源包括源代码以及案例都可以去官网下载，下载地址本系列文章的目录中第一篇文章:http://www.cnblogs.com/asxinyu/p/4264638.html,有介绍。由于源码很大，如果找不到相应的案例，可以进行搜索，可以比较快的找到相应的代码。