C#判断一个矩阵是否为对称矩阵、反称矩阵

对称与反称矩阵判断
本文介绍如何通过编程方式判断一个矩阵是否为对称矩阵或反称矩阵,并提供了具体的实现代码及示例运行结果。
部署运行你感兴趣的模型镜像

1.判断对称矩阵

对任意i和j,有a[i,j]=a[j,i]

/// <summary>
/// 检查一个矩阵是否为对称矩阵
/// </summary>
/// <param name="matrix">矩阵</param>
/// <returns>true:是对称矩阵 false:不是对称矩阵</returns>
private static bool isSymmetric(double[][] matrix)
{
    //矩阵没有元素的情况
    if (matrix.Length == 0)
    {
        return true;
    }

    //合法性检查:1)matrix应为矩阵;2)matrix应为方阵
    if (!isMatrix(matrix) || matrix.Length != matrix[0].Length)
    {
        throw new Exception("输入不合法");
    }

    //矩阵对称条件:对任意i,j有a[i,j]=a[j,i]
    for (int i = 0; i < matrix.Length; i++)
    {
        for (int j = 0; j < i; j++)
        {
            if (matrix[i][j] != matrix[j][i])
            {
                return false;
            }
        }
    }

    return true;
}

2.判断反称矩阵

对任意i和j,有a[i,j]=-a[j,i]

/// <summary>
/// 检查一个矩阵是否为反称矩阵
/// </summary>
/// <param name="matrix">矩阵</param>
/// <returns>true:是反称矩阵 false:不是反称矩阵</returns>
private static bool isSkewSymmetric(double[][] matrix)
{
    //矩阵没有元素的情况
    if (matrix.Length == 0)
    {
        return true;
    }

    //合法性检查:1)matrix应为矩阵;2)matrix应为方阵
    if (!isMatrix(matrix) || matrix.Length != matrix[0].Length)
    {
        throw new Exception("输入不合法");
    }

    //矩阵反称条件:对任意i,j有a[i,j]=-a[j,i]
    for (int i = 0; i < matrix.Length; i++)
    {
        for (int j = 0; j <= i; j++)
        {
            if (matrix[i][j] != -matrix[j][i])
            {
                return false;
            }
        }
    }

    return true;
}

3.相关函数

/// <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;
}

4.函数调用示例

1)Main函数代码

static void Main(string[] args)
{
    //测试矩阵1:matrix1
    double[][] matrix1 = new double[][] 
    {
        new double[] { 1, 2, 3 },
        new double[] { 2, 1, 2 },
        new double[] { 3, 2, 1 }
    };

    if (isSymmetric(matrix1)) { Console.WriteLine("matrix1 是对称矩阵"); }
    else { Console.WriteLine("matrix1 不是对称矩阵"); }
    if (isSkewSymmetric(matrix1)) { Console.WriteLine("matrix1 是反称矩阵"); }
    else { Console.WriteLine("matrix1 不是反称矩阵"); }

    //测试矩阵2:matrix2
    double[][] matrix2 = new double[][] 
    {
        new double[] { 0, 1, 2 },
        new double[] { -1, 0, 1 },
        new double[] { -2, -1, 0 }
    };

    if (isSymmetric(matrix2)) { Console.WriteLine("matrix2 是对称矩阵"); }
    else { Console.WriteLine("matrix2 不是对称矩阵"); }
    if (isSkewSymmetric(matrix2)) { Console.WriteLine("matrix2 是反称矩阵"); }
    else { Console.WriteLine("matrix2 不是反称矩阵"); }

    //测试矩阵3:matrix3
    double[][] matrix3 = new double[][] 
    {
        new double[] { 1, 2, 3 },
        new double[] { 4, 5, 6 },
        new double[] { 7, 8, 9 }
    };

    if (isSymmetric(matrix3)) { Console.WriteLine("matrix3 是对称矩阵"); }
    else { Console.WriteLine("matrix3 不是对称矩阵"); }
    if (isSkewSymmetric(matrix3)) { Console.WriteLine("matrix3 是反称矩阵"); }
    else { Console.WriteLine("matrix3 不是反称矩阵"); }

    Console.ReadLine();
}

2)示例运行结果

230658_LNfv_1425762.png

转载于:https://my.oschina.net/Tsybius2014/blog/224905

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

### 对称矩阵的定义 对称矩阵是指元素以主对角线为对轴对应相等的矩阵。在线性代数中,对称矩阵一个方形矩阵 \( A \),其转置矩阵等于自身,即: \[ A = A^T \] 这意味着如果 \( a_{ij} \)矩阵 \( A \) 中第 \( i \) 行第 \( j \) 列的元素,则有 \( a_{ij} = a_{ji} \)[^2]。 ### 对称矩阵的主要性质 #### 特征值和特征向量 对称矩阵具有重要的谱特性。根据谱定理[^1],任何实对称矩阵都可以通过正交变换对角化,也就是说存在一个正交矩阵 \( Q \)一个对角矩阵 \( D \),使得: \[ A = QDQ^{-1} \] 其中,\( D \) 的对角线上是对称矩阵 \( A \) 的特征值,而 \( Q \) 的列是对应的特征向量。这些特征值都是实数,并且不同特征值对应的特征向量相互正交。 #### 正定性和半正定性 除了上述基本性质外,对称矩阵还可以进一步分类为正定、负定、半正定或不定矩阵。具体而言: - **正定矩阵**:所有特征值均为正值; - **负定矩阵**:所有特征值均为负值; - **半正定矩阵**:所有特征值均非负; - **不定矩阵**:既有正值也有负值的特征值; 这几种类型的判定可以通过计算二次型来完成。例如,给定一个对称矩阵 \( A \),则对于任意非零向量 \( x \),若 \( x^TAx > 0 \),那么 \( A \) 就是正定矩阵。 ```python import numpy as np def is_symmetric(matrix): """判断输入矩阵是否对称矩阵""" return np.allclose(matrix, matrix.T) # 测试例子 matrix_example = np.array([[1, 2], [2, 3]]) print(is_symmetric(matrix_example)) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值