【原创】开源Math.NET基础数学类库使用(02)矩阵向量计算

               本博客所有文章分类的总目录:【总目录】本博客博文总目录-实时更新 

开源Math.NET基础数学类库使用总目录:【目录】开源Math.NET基础数学类库使用总目录

前言

  本文开始一一介绍Math.NET的几个主要子项目的相关功能的使用。今天先要介绍的是最基本Math.NET Numerics的最基本矩阵与向量计算。

  如果本文章资源下载不了,或者文章显示有问题,请参考 本文原文地址http://www.cnblogs.com/asxinyu/p/4265406.html

1.创建Numerics矩阵与向量

  矩阵与向量计算是数学计算的核心,因此也是Math.NET Numerics的核心和基础。

  Math.NET包括对向量(Vector)和矩阵(Matrix)的支持,类型也很多。其主要注意点有:索引是从0开始,不支持空的向量和矩阵,也就是说维数或者长度最少为1。它也支持稀疏矩阵和非稀疏矩阵的向量类型。其矩阵有3种类型:稀疏,非稀疏,对角。这2个类在MathNet.Numerics.LinearAlgebra命名空间。由于一些技术和表示的原因,每一种数据类型都有一个实现,例如MathNet.Numerics.LinearAlgebra.Double有一个DenseMatrix类型,Matrix<T> 是抽象类型, 要通过其他方法去初始化。可以看看源码中的定义:

 public abstract partial class Vector<T> :IFormattable, IEquatable<Vector<T>>, IList, IList<T>
where T : struct, IEquatable<T>, IFormattable
public abstract partial class Matrix<T> :IFormattable, IEquatable<Matrix<T>>
where T : struct, IEquatable<T>, IFormattable

创建也很简单,可以大概看看下面这段代码,构造函数还有更多的用法,不一一演示,要自己研究下源代码,记得要引用MathNet.Numerics.LinearAlgebra命名空间:

 //初始化一个矩阵和向量的构建对象
var mb = Matrix<double>.Build;
var vb = Vector<double>.Build; //获取随机矩阵,也可以设置随机数所属的分布
var randomMatrix = mb.Random(,);
//向量相当于是一个一维数组,只有长度
var vector0 = vb.Random();//也可以选择分布 //矩阵还可以这样初始化
var matrix1 = mb.Dense(,,0.55);
//使用函数初始化
var matrix2 = mb.Dense(,,(i,j)=>*i + j ); //对角矩阵
var diagMaxtrix = mb.DenseDiagonal(,,); Console.WriteLine("randomMatrix: "+randomMatrix.ToString());
Console.WriteLine("vector0: "+vector0.ToString());
Console.WriteLine("matrix1: "+matrix1.ToString());
Console.WriteLine("matrix2: "+matrix2.ToString());
Console.WriteLine("diagMaxtrix: "+diagMaxtrix.ToString()); //当然也可以直接从数组中创建
double[,] x = {{ 1.0, 2.0 },{ 3.0, 4.0 }};
var fromArray = mb.DenseOfArray(x); Console.WriteLine("fromArray: "+fromArray.ToString());

结果如下,顺便说一下,Matrix和Vector对象已经对ToString进行了重载,以比较标准化的格式化字符串输出,很方便显示和观察:

 randomMatrix: DenseMatrix 2x3-Double
0.785955 0.168426 -0.752291
0.878987 -0.220992 0.0911499 vector0: DenseVector -Double
-0.47651
-0.42378
-0.182919 matrix1: DenseMatrix 2x2-Double
0.55 0.55
0.55 0.55 matrix2: DenseMatrix 2x3-Double diagMaxtrix: DenseMatrix 3x3-Double fromArray: DenseMatrix 2x2-Double

2.矩阵与向量的算术运算

  Matrix和Vector都支持常见的操作运算符号:+ ,- , * ,/ ,%等。我们可以从源码中看到部分这样的结构,限于篇幅,只简单列举几个重载操作符的方法,详细的源码在Matrix.Operators.cs文件:

 public static Matrix<T> operator +(Matrix<T> rightSide)
{
return rightSide.Clone();
}
public static Matrix<T> operator -(Matrix<T> rightSide)
{
return rightSide.Negate();
}
public static Matrix<T> operator *(Matrix<T> leftSide, T rightSide)
{
return leftSide.Multiply(rightSide);
}
public static Matrix<T> operator /(T dividend, Matrix<T> divisor)
{
return divisor.DivideByThis(dividend);
}

矩阵的相关操作是线性代数的核心和基础,而Matrix的基础功能也是非常强大的,我们看看Matrix的关于矩阵操作的相关代码,不仅包括常见矩阵分解算法,如LU,QR,Cholesky等,而且还包括一些线性方程的求解,都是可以直接通过实例方法进行的,看看抽象类的方法原型,具体的代码在Matrix.Solve.cs文件中:

 public abstract Cholesky<T> Cholesky();
public abstract LU<T> LU();
public abstract QR<T> QR(QRMethod method = QRMethod.Thin);
public abstract GramSchmidt<T> GramSchmidt();
public abstract Svd<T> Svd(bool computeVectors = true);
public abstract Evd<T> Evd(Symmetricity symmetricity = Symmetricity.Unknown);
public void Solve(Vector<T> input, Vector<T> result)
{
if (ColumnCount == RowCount)
{
LU().Solve(input, result);
return;
}
QR().Solve(input, result);
}
public void Solve(Matrix<T> input, Matrix<T> result)
{
if (ColumnCount == RowCount)
{
LU().Solve(input, result);
return;
}
QR().Solve(input, result);
} public Matrix<T> Solve(Matrix<T> input)
{
var x = Build.SameAs(this, ColumnCount, input.ColumnCount);
Solve(input, x);
return x;
}
public Vector<T> Solve(Vector<T> input)
{
var x = Vector<T>.Build.SameAs(this, ColumnCount);
Solve(input, x);
return x;
}

3.矩阵计算综合例子

  上面的一些说明可以看到一些基本的方法情况,下面有一个实际的例子,说明基本的矩阵运算情况,当然更多高级的功能不能在一篇里面一一讲到,后续还会逐步挖掘其他使用。上代码:

 // 格式
var formatProvider = (CultureInfo)CultureInfo.InvariantCulture.Clone();
formatProvider.TextInfo.ListSeparator = " "; //创建A,B矩阵
var matrixA = DenseMatrix.OfArray(new[,] { { 1.0, 2.0, 3.0 }, { 4.0, 5.0, 6.0 }, { 7.0, 8.0, 9.0 } });
var matrixB = DenseMatrix.OfArray(new[,] { { 1.0, 3.0, 5.0 }, { 2.0, 4.0, 6.0 }, { 3.0, 5.0, 7.0 } }); //矩阵与标量相乘 ,使用运算符 *
var resultM = 3.0 * matrixA;
Console.WriteLine(@"Multiply matrix by scalar using operator *. (result = 3.0 * A)");
Console.WriteLine(resultM.ToString("#0.00\t", formatProvider));
Console.WriteLine(); //使用Multiply相乘,结果和上面一样
resultM = (DenseMatrix)matrixA.Multiply(3.0); //矩阵与向量相乘 右乘
var vector = new DenseVector(new[] { 1.0, 2.0, 3.0 });
var resultV = matrixA * vector; //矩阵与向量相乘 左乘 也可以使用LeftMultiply
resultV = vector * matrixA; //2个矩阵相乘,要注意矩阵乘法的维数要求
resultM = matrixA * matrixB;//也可以使用Multiply方法
Console.WriteLine(@"Multiply matrix by matrix using operator *. (result = A * B)");
Console.WriteLine(resultM.ToString("#0.00\t", formatProvider));
Console.WriteLine(); //矩阵加法 使用 + ,或者Add方法
resultM = matrixA + matrixB;
resultM = (DenseMatrix)matrixA.Add(matrixB); //矩阵减法 使用 - ,或者Subtract方法
resultM = matrixA - matrixB;
resultM = (DenseMatrix)matrixA.Subtract(matrixB); //矩阵除法,使用 Divide
resultM = (DenseMatrix)matrixA.Divide(3.0);

过程比较简单,结果这里只列出部分:

 Multiply matrix by scalar using operator *. (result = 3.0 * A)
DenseMatrix 3x3-Double
3.00 6.00 9.00
12.00 15.00 18.00
21.00 24.00 27.00 Multiply matrix by matrix using operator *. (result = A * B)
DenseMatrix 3x3-Double
14.00 26.00 38.00
32.00 62.00 92.00
50.00 98.00 146.00

4.资源

  资源大家可以去本系列文章的首页进行下载:

  如果本文章资源或者显示有问题,请参考本文原文地址http://www.cnblogs.com/asxinyu/p/4265406.html

上一篇:MySQL与Oracle 差异比较之一数据类型


下一篇:Tesseract-OCR-05-主要API功能介绍