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

本博客还有大量的.NET开源技术文章，您可能感兴趣：

1.开源Math.NET基础数学类库使用系列文章：链接

2.开源C#彩票数据资料库系列文章：链接

3.开源的.NET平台ORM组件文章：链接

4.其他开源的.NET组件文章：链接

5..NET平台机器学习组件-Infer.NET系列文章：链接

6.Matlab混合编程文章：链接

巴特西

开源Math.NET基础数学类库使用(02)矩阵向量计算

前言

1.创建Numerics矩阵与向量

2.矩阵与向量的算术运算

3.矩阵计算综合例子

4.资源

最新文章

热门文章