基本概念:
行列式是数,矩阵是一个式子!!!
余子式与代数余子式:
余子式:在 n 阶行列式中,把某个元素所在的行列都去掉之后,剩下的 n-1 阶行列式就叫做该元素的余子式:
代数余子式:
基本性质:
性质1:互换行列式的两列(或两行),行列式仅改变符号。
性质2:行列式某行(或某列)的 k 倍加到另一行(或列)上,行列式不变。
性质3:行列式等于它的任意列(或行)各个元素与其对应代数余子式乘积的和。
算法一:(时间有限,具体原理后期补充)
运用性质1、性质2。
public static double GetLineTran(double[][] p, int n) {
if (n == 1) return p[0][0];
double exChange = 1.0; // 记录行列式中交换的次数
boolean isZero = false; // 标记行列式某一行的最右边一个元素是否为零
for (int i = 0; i < n; i ++) {// i 表示行号
if (p[i][n - 1] != 0) { // 若第 i 行最右边的元素不为零
isZero = true;
if (i != (n - 1)) { // 若第 i 行不是行列式的最后一行
for (int j = 0; j < n; j ++) { // 以此交换第 i 行与第 n-1 行各元素
double temp = p[i][j];
p[i][j] = p[n - 1][j];
p[n - 1][j] = temp;
exChange *= -1.0;
}
}
break;
}
}
if (!isZero) return 0; // 行列式最右边一列元素都为零,则行列式为零。
for (int i = 0; i < (n - 1); i ++) {
// 用第 n-1 行的各元素,将第 i 行最右边元素 p[i][n-1] 变换为 0,
// 注意:i 从 0 到 n-2,第 n-1 行的最右边元素不用变换
if (p[i][n - 1] != 0) {
// 计算第 n-1 行将第 i 行最右边元素 p[i][n-1] 变换为 0的比例
double proportion = p[i][n - 1] / p[n - 1][n - 1];
for (int j = 0; j < n; j ++) {
p[i][j] += p[n - 1][j] * (- proportion);
}
}
}
return exChange * p[n - 1][n - 1] * GetLineTran(p, (n - 1));
}
算法二:(时间有限,具体原理后期补充)
运用性质3。
public static double GetValue(double[][] p, int n) {
if (n == 1) // 如果是一阶行列式,直接返回该元素
return p[0][0];
double sum = 0; // 累加求和变量
for (int j = 0; j < n; j++) {// 遍历最后一行各元素,p[n - 1][j]
int pt = (n - 1) + j; // 符号判断指数
double[][] p1 = new double[n][n];
// 此过程是为了把行列式存放到临时数组中,不改变但前行列式
for (int row = 0; row < n; row++) {
for (int col = 0; col < n; col++) {
p1[row][col] = p[row][col];
}
}
// 此过程,是为了将元素 p[n-1][j] 所在列之后的每一列向前移动一列,为后面获取该元素对应的余子式做准备
for (int index = 0; index < n - 1; index++) {
for (int index1 = j; index1 < n - 1; index1++) {
p1[index][index1] = p1[index][index1 + 1];
}
}
// 此过程,截取临时数组 p1 左上角 n-1 阶行列式,提取元素 p[n-1][j] 的余子式
double[][] temp = new double[n - 1][n - 1];
for (int row = 0; row < n - 1; row++) {
for (int col = 0; col < n - 1; col++) {
temp[row][col] = p1[row][col];
}
}
// 求和:sum += 元素 * 符号 * 余子式
// 因为,余子式是去除某一元素所在的行和列之后剩下的元素构成的 n-1 阶行列式
// 即,余子式本质还是行列式,所以需要递归求行列式的值
sum += p[n - 1][j] * Math.pow(-1, pt) * GetValue(temp, n - 1);
// System.out.println(p[n - 1][j] + " * " + Math.pow(-1, pt) + " * " + GetValue(p1, n - 1));
}
return sum;
}
运行效果:
double[][] test = {{1, 2, 3, 4}, {2, 3, 4, 1}, {3, 4, 1, 2}, {4, 1, 2, 3}};
The first method's result is : 160.00. Took 20081 nanoseconds.
The second method's result is : 160.00. Took 144583 nanoseconds.
总结:
算法 2 在精度上较好,但计算的阶数有限;运算速度上,算法 1 远远高于算法 2。因此,若求解低阶线性方程组,且要求的计算精度较高,可采用算法 2;若求解高阶线性方程组,可采用算法 1。