3.3 Dodgson算法
文章目录
- 算法过程
- Python实现
算法过程
Dodgson不仅仅是一个数学家,其实他更著名的一个身份是作家,写出了著名的儿童文学作品《爱丽丝梦游仙境》。他发明文学作品时用笔名Lewis Carroll,发表数学论文时用Dodgson,所以很难把这两个名字联系起来。
闲话不说了,先说说他的算法过程。总体来说,算法过程是一个类似于Chió算法的过程,把矩阵不断缩小,直到缩小到
1
×
1
1\times 1
1×1的矩阵。但是细节与Chió算法有很大不同,Dodgson算法是每次缩小两阶。算法具体是如下过程:
- 先通过行倍加,让中心块interior没有0,中心块是一个 ( n − 2 ) × ( n − 2 ) (n-2)\times (n-2) (n−2)×(n−2)的矩阵,这个中心块是原矩阵的子矩阵就叫做 S S S吧。
- 把每相邻四个元素的行列式计算出来,组成一个 ( n − 1 ) × ( n − 1 ) (n-1)\times (n-1) (n−1)×(n−1)的矩阵,记作矩阵 B B B。
- 还没完,把矩阵B的每相邻四个元素的行列式计算出来,这样组成一个 ( n − 2 ) × ( n − 2 ) (n-2)\times (n-2) (n−2)×(n−2)的矩阵,记作矩阵 C C C,把 C C C的每个元素除于A的中心块的对应位置元素,得到矩阵 D D D。
- 如果D是 1 × 1 1\times 1 1×1的矩阵,那么原矩阵的行列式就等于 D D D的行列式。如果不是,再进行一轮迭代,就计算B的行列式,但是需要跳过第2步的计算,用D作为第2步计算的结果。
我以一个
5
×
5
5\times 5
5×5例子讲述这个过程:
A
=
(
−
1
1
−
1
2
2
1
−
1
2
2
3
1
1
2
−
1
−
3
2
−
1
1
1
1
1
1
1
1
1
)
B
=
(
0
1
−
6
2
2
−
4
−
6
−
3
−
3
3
3
2
3
−
2
0
0
)
C
=
(
−
2
−
30
30
−
6
6
−
3
−
3
6
0
)
D
=
(
2
−
15
15
−
6
3
3
3
6
0
)
A= \begin{pmatrix}-1 & 1 & -1 & 2 & 2\\ 1 & -1 & 2 & 2 & 3\\ 1 & 1 & 2 & -1 & -3\\ 2 & -1 & 1 & 1 & 1\\ 1 & 1 & 1 & 1 & 1\\ \end{pmatrix}\\ B= \begin{pmatrix}0 & 1 & -6 & 2\\ 2 & -4 & -6 & -3\\ -3 & 3 & 3 & 2\\ 3 & -2 & 0 & 0\\ \end{pmatrix}\\ C= \begin{pmatrix}-2 & -30 & 30\\ -6 & 6 & -3\\ -3 & 6 & 0\\ \end{pmatrix}\\ D= \begin{pmatrix}2 & -15 & 15\\ -6 & 3 & 3\\ 3 & 6 & 0\\ \end{pmatrix}\\
A=
−111211−11−11−1221122−11123−311
B=
02−331−43−2−6−6302−320
C=
−2−6−3−306630−30
D=
2−63−15361530
得到的结果D不是
1
×
1
1\times 1
1×1的矩阵,那么计算B的行列式,但是把D作为第二步的运算结果:
A
=
(
0
1
−
6
2
2
−
4
−
6
−
3
−
3
3
3
2
3
−
2
0
0
)
B
=
(
2
−
15
15
−
6
3
3
3
6
0
)
C
=
(
−
84
−
90
−
45
−
18
)
D
=
(
21
15
−
15
−
6
)
A= \begin{pmatrix}0 & 1 & -6 & 2\\ 2 & -4 & -6 & -3\\ -3 & 3 & 3 & 2\\ 3 & -2 & 0 & 0\\ \end{pmatrix}\\ B= \begin{pmatrix}2 & -15 & 15\\ -6 & 3 & 3\\ 3 & 6 & 0\\ \end{pmatrix}\\ C= \begin{pmatrix}-84 & -90\\ -45 & -18\\ \end{pmatrix}\\ D= \begin{pmatrix}21 & 15\\ -15 & -6\\ \end{pmatrix}
A=
02−331−43−2−6−6302−320
B=
2−63−15361530
C=(−84−45−90−18)D=(21−1515−6)
D
D
D是一个
2
×
2
2\times 2
2×2的矩阵还不行,还得缩小,再来:
A
=
(
2
−
15
15
−
6
3
3
3
6
0
)
B
=
(
21
15
−
15
−
6
)
C
=
(
99
)
D
=
(
33
)
A= \begin{pmatrix}2 & -15 & 15\\ -6 & 3 & 3\\ 3 & 6 & 0\\ \end{pmatrix}\\ B= \begin{pmatrix}21 & 15\\ -15 & -6\\ \end{pmatrix}\\ C= \begin{pmatrix}99\\ \end{pmatrix}\\ D= \begin{pmatrix}33\\ \end{pmatrix}
A=
2−63−15361530
B=(21−1515−6)C=(99)D=(33)
最终结果出来了,是33.
Python实现
我只贴相关核心代码,我的代码中没有判断中心块是否含有0,不过这是为了学习算法,而不是用于实际生产项目,所以我就没继续完善:
def interior(self):
# Dodgson算法的中心块子矩阵
n = len(self.__vectors)
array = [[0 for _ in range(n - 2)] for _ in range(n - 2)]
# i 代表行 j代表列
for i in range(0, n - 2):
for j in range(0, n - 2):
# 如果column = 0
array[j][i] = self.__vectors[j + 1][i + 1]
return Matrix(array)
def dodgson_condensation(self):
n = len(self.__vectors)
array = [[0 for _ in range(n - 1)] for _ in range(n - 1)]
for i in range(0, n - 1):
for j in range(0, n - 1):
# 每个元素是2x2矩阵的行列式
m = Matrix([[self.__vectors[i][j], self.__vectors[i][j + 1]],
[self.__vectors[i + 1][j], self.__vectors[i + 1][j + 1]]])
array[i][j] = m.determinant2x2()
return Matrix(array)
def dodgson(self, b=None):
n = len(self.__vectors)
if n == 1:
return self.__vectors[0][0]
if n == 2 and b is None:
return self.determinant2x2()
s = self.interior()
if b is None:
b = self.dodgson_condensation()
c = b.dodgson_condensation()
d = c.divide_elements(s)
if len(d.__vectors) == 1:
return d.dodgson()
return b.dodgson(d)
def determinant2x2(self):
return self.__vectors[0][0] * self.__vectors[1][1] - self.__vectors[0][1] * self.__vectors[1][0]
def divide_elements(self, other):
array = copy.deepcopy(self.__vectors)
for i, vector in enumerate(array):
for j, e in enumerate(vector):
vector[j] = vector[j] / other.__vectors[i][j]
return Matrix(array)