Sweet Snippet 之矩阵求逆

2024-04-12 21:08
文章标签 矩阵 snippet sweet 求逆

本文主要是介绍Sweet Snippet 之矩阵求逆,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

矩阵求逆的简单实现

矩阵求逆有很多种方法,使用伴随矩阵可能是相对易于编码的方式,在此简单列一下实现(Lua):

-- matrix store is table in row order
-- e.g. 2 x 2 matrix is stored as table { m11, m12, m21, m22 }-- determinant 2 with scalar elements
function det2s(e11, e12, e21, e22)return e11 * e22 - e21 * e12
end-- determinant 3 with scalar elements
function det3s(e11, e12, e13, e21, e22, e23, e31, e32, e33)return e11 * det2s(e22, e23, e32, e33) - e12 * det2s(e21, e23, e31, e33) + e13 * det2s(e21, e22, e31, e32)
end-- determinant 2
function det2(m2)return det2s(table.unpack(m2))
end-- determinant 3
function det3(m3)return det3s(table.unpack(m3))
end-- multiply 2 
function mul2(lm2, rm2)if lm2 and rm2 and #lm2 == #rm2 and #lm2 == 4 thenlocal m2 = {}m2[1] = lm2[1] * rm2[1] + lm2[2] * rm2[3]m2[2] = lm2[1] * rm2[2] + lm2[2] * rm2[4]m2[3] = lm2[3] * rm2[1] + lm2[4] * rm2[3]m2[4] = lm2[3] * rm2[2] + lm2[4] * rm2[4]return m2end
end-- multiply 3
function mul3(lm3, rm3)if lm3 and rm3 and #lm3 == #rm3 and #lm3 == 9 thenlocal m3 = {}m3[1] = lm3[1] * rm3[1] + lm3[2] * rm3[4] + lm3[3] * rm3[7]m3[2] = lm3[1] * rm3[2] + lm3[2] * rm3[5] + lm3[3] * rm3[8]m3[3] = lm3[1] * rm3[3] + lm3[2] * rm3[6] + lm3[3] * rm3[9]m3[4] = lm3[4] * rm3[1] + lm3[5] * rm3[4] + lm3[6] * rm3[7]m3[5] = lm3[4] * rm3[2] + lm3[5] * rm3[5] + lm3[6] * rm3[8]m3[6] = lm3[4] * rm3[3] + lm3[5] * rm3[6] + lm3[6] * rm3[9]m3[7] = lm3[7] * rm3[1] + lm3[8] * rm3[4] + lm3[9] * rm3[7]m3[8] = lm3[7] * rm3[2] + lm3[8] * rm3[5] + lm3[9] * rm3[8]m3[9] = lm3[7] * rm3[3] + lm3[8] * rm3[6] + lm3[9] * rm3[9]return m3end
end-- transpose 2
function trp2(m2)if m2 and #m2 == 4 thenlocal trp_m2 = {}trp_m2[1] = m2[1]trp_m2[2] = m2[3]trp_m2[3] = m2[2]trp_m2[4] = m2[4]return trp_m2end
end-- transpose 3
function trp3(m3)if m3 and #m3 == 9 thenlocal trp_m3 = {}trp_m3[1] = m3[1]trp_m3[2] = m3[4]trp_m3[3] = m3[7]trp_m3[4] = m3[2]trp_m3[5] = m3[5]trp_m3[6] = m3[8]trp_m3[7] = m3[3]trp_m3[8] = m3[6]trp_m3[9] = m3[9]return trp_m3end
end-- inverse 2
function inv2(m2)local det = det2(m2)if det and det ~= 0 thenlocal inv_m2 = {}local adjm = { m2[4], m2[3], m2[2], m2[1] }adjm = trp2(adjm)inv_m2[1] = adjm[1] / detinv_m2[2] = -adjm[2] / detinv_m2[3] = -adjm[3] / detinv_m2[4] = adjm[4] / detreturn inv_m2end
end-- inverse 3
function inv3(m3)local det = det3(m3)if det and det ~= 0 thenlocal inv_m3 = {}local adjm = { det2s(m3[5], m3[6], m3[8], m3[9]),det2s(m3[4], m3[6], m3[7], m3[9]),det2s(m3[4], m3[5], m3[7], m3[8]),det2s(m3[2], m3[3], m3[8], m3[9]),det2s(m3[1], m3[3], m3[7], m3[9]),det2s(m3[1], m3[2], m3[7], m3[8]),det2s(m3[2], m3[3], m3[5], m3[6]),det2s(m3[1], m3[3], m3[4], m3[6]),det2s(m3[1], m3[2], m3[4], m3[5]),}adjm = trp3(adjm)inv_m3[1] = adjm[1] / detinv_m3[2] = -adjm[2] / detinv_m3[3] = adjm[3] / detinv_m3[4] = -adjm[4] / detinv_m3[5] = adjm[5] / detinv_m3[6] = -adjm[6] / detinv_m3[7] = adjm[7] / detinv_m3[8] = -adjm[8] / detinv_m3[9] = adjm[9] / detreturn inv_m3end
end

有兴趣的朋友可以求解下矩阵:

local m3 = 
{ 1, 2, 3, 4, 5, 6, 7, 8, 9 
}

的逆矩阵,结果可能会出人意料哦~

这篇关于Sweet Snippet 之矩阵求逆的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/898241

相关文章

hdu 4565 推倒公式+矩阵快速幂

题意 求下式的值: Sn=⌈ (a+b√)n⌉%m S_n = \lceil\ (a + \sqrt{b}) ^ n \rceil\% m 其中: 0<a,m<215 0< a, m < 2^{15} 0<b,n<231 0 < b, n < 2^{31} (a−1)2<b<a2 (a-1)^2< b < a^2 解析 令: An=(a+b√)n A_n = (a +

hdu 6198 dfs枚举找规律+矩阵乘法

number number number Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Problem Description We define a sequence  F : ⋅   F0=0,F1=1 ; ⋅   Fn=Fn

线性代数|机器学习-P35距离矩阵和普鲁克问题

文章目录 1. 距离矩阵2. 正交普鲁克问题3. 实例说明 1. 距离矩阵 假设有三个点 x 1 , x 2 , x 3 x_1,x_2,x_3 x1​,x2​,x3​,三个点距离如下: ∣ ∣ x 1 − x 2 ∣ ∣ 2 = 1 , ∣ ∣ x 2 − x 3 ∣ ∣ 2 = 1 , ∣ ∣ x 1 − x 3 ∣ ∣ 2 = 6 \begin{equation} ||x

【线性代数】正定矩阵,二次型函数

本文主要介绍正定矩阵,二次型函数,及其相关的解析证明过程和各个过程的可视化几何解释(深蓝色字体)。 非常喜欢清华大学张颢老师说过的一段话:如果你不能用可视化的方式看到事情的结果,那么你就很难对这个事情有认知,认知就是直觉,解析的东西可以让你理解,但未必能让你形成直觉,因为他太反直觉了。 正定矩阵 定义 给定一个大小为 n×n 的实对称矩阵 A ,若对于任意长度为 n 的非零向量 ,有 恒成

python科学计算:NumPy 线性代数与矩阵操作

1 NumPy 中的矩阵与数组 在 NumPy 中,矩阵实际上是一种特殊的二维数组,因此几乎所有数组的操作都可以应用到矩阵上。不过,矩阵运算与一般的数组运算存在一定的区别,尤其是在点积、乘法等操作中。 1.1 创建矩阵 矩阵可以通过 NumPy 的 array() 函数创建。矩阵的形状可以通过 shape 属性来访问。 import numpy as np# 创建一个 2x3 矩阵mat

【UVA】10003-Cutting Sticks(动态规划、矩阵链乘)

一道动态规划题,不过似乎可以用回溯水过去,回溯的话效率很烂的。 13988658 10003 Cutting Sticks Accepted C++ 1.882 2014-08-04 09:26:49 AC代码: #include<cstdio>#include<cstring>#include<iostream>#include<algorithm>#include

【SGU】180. Inversions(归并排序求逆序数)

以前一般用树状数组和线段树做这种题 这次换个思路试试,归并排序! #include<cstdio>#include<cstring>#include<algorithm>using namespace std;typedef long long LL;const int maxn = 111111;int n;int array[maxn];int tmp[maxn];L

算法练习题17——leetcode54螺旋矩阵

题目描述 给你一个 m 行 n 列的矩阵 matrix ,请按照 顺时针螺旋顺序 ,返回矩阵中的所有元素。  代码 import java.util.*;class Solution {public List<Integer> spiralOrder(int[][] matrix) {// 用于存储螺旋顺序遍历的结果List<Integer> result = new ArrayList

线性代数 第六讲 特征值和特征向量_相似对角化_实对称矩阵_重点题型总结详细解析

文章目录 1.特征值和特征向量1.1 特征值和特征向量的定义1.2 特征值和特征向量的求法1.3 特征值特征向量的主要结论 2.相似2.1 相似的定义2.2 相似的性质2.3 相似的结论 3.相似对角化4.实对称矩阵4.1 实对称矩阵的基本性质4.2 施密特正交化 5.重难点题型总结5.1 判断矩阵能否相似对角化5.2 已知两个矩阵相似,求某个矩阵中的未知参数5.3 相似时,求可逆矩阵P,使

最大子矩阵和问题归纳总结

一,最大子矩阵问题: 给定一个n*n(0< n <=100)的矩阵,请找到此矩阵的一个子矩阵,并且此子矩阵的各个元素的和最大,输出这个最大的值。 Example: 0 -2 -7 0 9 2 -6 2 -4 1 -4 1 -1 8 0 -2 其中左上角的子矩阵: 9 2 -4 1 -1 8 此子矩阵的值为9+2+(-4)+1+(-1)+8=15。 二,分析 子矩阵是在矩阵