文档章节

将一个矩阵分解为对称矩阵与反称矩阵之和

北风其凉
 北风其凉
发布于 2014/04/22 18:53
字数 783
阅读 122
收藏 0

1.理论依据

对任意n阶方阵A,有 A=(A+T(A))/2+(A-T(A))/2,其中T(A)是A的转置,(A+T(A))/2是一个对称矩阵,(A-T(A))/2是一个反称矩阵。

2.求出对称矩阵部分的函数

/// <summary>
/// 把矩阵分解为对称矩阵与反称矩阵之和:对称矩阵
/// </summary>
/// <param name="matrix">矩阵</param>
/// <returns></returns>
private static double[][] SymmetricPart(double[][] matrix)
{
    //合法性校验:矩阵必须为方阵
    if ( MatrixCR(matrix)[0] !=  MatrixCR(matrix)[1])
    {
        throw new Exception("matrix 不是一个方阵");
    }

    //矩阵中没有元素的情况
    if (matrix.Length == 0)
    {
        return new double[][] { };
    }

    //生成一个与matrix同型的空矩阵
    double[][] result = new double[matrix.Length][];
    for (int i = 0; i < result.Length; i++)
    {
        result[i] = new double[matrix[i].Length];
    }

    //对称矩阵为 (A+T(A))/2 其中A为原矩阵,T(A)为A的转置矩阵
    for (int i = 0; i < result.Length; i++)
    {
        for (int j = 0; j < result.Length; j++)
        {
            result[i][j] = (matrix[i][j] + matrix[j][i]) / 2.0;
        }
    }

    return result;
}

3.求出反称矩阵部分的函数

/// <summary>
/// 把矩阵分解为对称矩阵与反称矩阵之和:反称矩阵
/// </summary>
/// <param name="matrix">矩阵</param>
/// <returns></returns>
private static double[][] SkewSymmetricPart(double[][] matrix)
{
    //合法性校验:矩阵必须为方阵
    if (MatrixCR(matrix)[0] != MatrixCR(matrix)[1])
    {
        throw new Exception("matrix 不是一个方阵");
    }

    //矩阵中没有元素的情况
    if (matrix.Length == 0)
    {
        return new double[][] { };
    }

    //生成一个与matrix同型的空矩阵
    double[][] result = new double[matrix.Length][];
    for (int i = 0; i < result.Length; i++)
    {
        result[i] = new double[matrix[i].Length];
    }

    //反称矩阵为 (A-T(A))/2 其中A为原矩阵,T(A)为A的转置矩阵
    for (int i = 0; i < result.Length; i++)
    {
        for (int j = 0; j < result.Length; j++)
        {
            result[i][j] = (matrix[i][j] - matrix[j][i]) / 2.0;
        }
    }

    return result;
}

4.其他函数

/// <summary>
/// 判断一个二维数组是否为矩阵
/// </summary>
/// <param name="matrix">二维数组</param>
/// <returns>true:是矩阵 false:不是矩阵</returns>
private static bool isMatrix(double[][] matrix)
{
    //空矩阵是矩阵
    if (matrix.Length < 1) return true;

    //不同行列数如果不相等,则不是矩阵
    int count = matrix[0].Length;
    for (int i = 1; i < matrix.Length; i++)
    {
        if (matrix[i].Length != count)
        {
            return false;
        }
    }

    //各行列数相等,则是矩阵
    return true;
}

/// <summary>
/// 计算一个矩阵的行数和列数
/// </summary>
/// <param name="matrix">矩阵</param>
/// <returns>数组:行数、列数</returns>
private static int[] MatrixCR(double[][] matrix)
{
    //接收到的参数不是矩阵则报异常
    if (!isMatrix(matrix))
    {
        throw new Exception("接收到的参数不是矩阵");
    }

    //空矩阵行数列数都为0
    if (!isMatrix(matrix) || matrix.Length == 0)
    {
        return new int[2] { 0, 0 };
    }

    return new int[2] { matrix.Length, matrix[0].Length };
}

/// <summary>
/// 打印矩阵
/// </summary>
/// <param name="matrix">待打印矩阵</param>
private static void PrintMatrix(double[][] matrix)
{
    for (int i = 0; i < matrix.Length; i++)
    {
        for (int j = 0; j < matrix[i].Length; j++)
        {
            Console.Write(matrix[i][j] + "\t");
            //注意不能写为:Console.Write(matrix[i][j] + '\t');
        }
        Console.WriteLine();
    }
}

5.Main函数代码及程序运行示例

static void Main(string[] args)
{
    double[][] matrix = new double[][] 
    {
        new double[] { 1, 2, 3 },
        new double[] { 4, 5, 6 },
        new double[] { 7, 8, 9 }
    };

    Console.WriteLine("原矩阵");
    PrintMatrix(matrix);
            
    Console.WriteLine("对称矩阵");
    PrintMatrix(SymmetricPart(matrix));

    Console.WriteLine("反称矩阵");
    PrintMatrix(SkewSymmetricPart(matrix));
            
    Console.ReadLine();
}

© 著作权归作者所有

北风其凉

北风其凉

粉丝 120
博文 498
码字总数 463522
作品 4
朝阳
程序员
私信 提问
【OpenCV3.3】特征值、奇异值分解与图像矩阵重构

在图像处理方面,矩阵分解被广泛用于降维(压缩)、去噪、特征提取、数字水印等,是十分重要的数学工具,其中特征分解(谱分解)和奇异值分解是两种常用方法,本文简单介绍如何在OpenCV中使用它们...

wjf1997
2017/08/21
0
0
矩阵奇异值分解(SVD)及其应用

一、奇异值与特征值基础知识 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系,我在接下来会谈到,特征值分解和奇异值分解的目的都是一样,就是提取出一...

SVD
2015/12/23
177
1
PCA之奇异值分解

参考:http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html(讲的很详细,可直接转到阅读。) PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇...

yushupan
2018/01/14
0
0
强大的矩阵奇异值分解(SVD)及其应用

一、奇异值与特征值基础知识: 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系,我在接下来会谈到,特征值分解和奇异值分解的目的都是一样,就是提取出...

liangtee
2013/03/30
635
0
干货 | 万字长文带你复习线性代数!(二)

欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定! 对商业智能BI、大数据分析挖掘、机器学习,python,R等数据领域感兴...

天善智能
2018/12/10
0
0

没有更多内容

加载失败,请刷新页面

加载更多

面向海量数据的极致成本优化-云HBase的一体化冷热分离

前言 随着业务的持续发展,业务数据库存储量会持续增长。通常数据量过亿时,就需要考虑做分库分表,或者选择扩展能力更好的NOSQL/NewSQL数据库,如HBase就可以单表支持PB级数据,足够满足大多...

阿里云官方博客
37分钟前
4
0
最新最全国内外架构开源技术干货资料

大家好,废话不多说,整理了精心收集了各类资源。 声明,如侵犯个人利益,请联系小编,会立即删除相关资料。 领取方式在文末 求转发列表 好了,由于资源太多啦,就不一一列举了。 大家按照下...

泥瓦匠BYSocket
39分钟前
6
0
springmvc jsp访问不了css

在jsp中引入css,一直报404错误,直接访问css,也无法访问 将css文件移出WEB-INF,因为处于安全性考虑,这个目录禁止外部访问。 当引用css时,可以直接用绝对路径${pageContext.request.conte...

沉迷于编程的小菜菜
41分钟前
4
0
android 系统版本 9.1网络请求遇到坑

网络请求异常: E/http: CLEARTEXT communication to plat.xunlinkeji.cn not permitted by network security policy 在res下新建一个xml目录 创建名为network_security_config.xml 文件 ,该......

MrLins
59分钟前
5
0
Istio 1.3 发布,HTTP 遥测不再需要 Mixer

> 原文链接:Istio 1.3 发布,HTTP 遥测不再需要 Mixer Istio 是 Google、IBM 和 Lyft 联合开源的服务网格(Service Mesh)框架,旨在解决大量微服务的发现、连接、管理、监控以及安全等问题...

米开朗基杨
今天
10
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部