ginac/matrix.cpp

   1 /** @file matrix.cpp
   2  *
   3  *  Implementation of symbolic matrices */
   4
   5 /*
   6  *  GiNaC Copyright (C) 1999-2001 Johannes Gutenberg University Mainz, Germany
   7  *
   8  *  This program is free software; you can redistribute it and/or modify
   9  *  it under the terms of the GNU General Public License as published by
  10  *  the Free Software Foundation; either version 2 of the License, or
  11  *  (at your option) any later version.
  12  *
  13  *  This program is distributed in the hope that it will be useful,
  14  *  but WITHOUT ANY WARRANTY; without even the implied warranty of
  15  *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  16  *  GNU General Public License for more details.
  17  *
  18  *  You should have received a copy of the GNU General Public License
  19  *  along with this program; if not, write to the Free Software
  20  *  Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
  21  */
  22
  23 #include <algorithm>
  24 #include <map>
  25 #include <stdexcept>
  26
  27 #include "matrix.h"
  28 #include "numeric.h"
  29 #include "lst.h"
  30 #include "idx.h"
  31 #include "indexed.h"
  32 #include "power.h"
  33 #include "symbol.h"
  34 #include "normal.h"
  35 #include "print.h"
  36 #include "archive.h"
  37 #include "utils.h"
  38 #include "debugmsg.h"
  39
  40 namespace GiNaC {
  41
  42 GINAC_IMPLEMENT_REGISTERED_CLASS(matrix, basic)
  43
  44 //////////
  45 // default ctor, dtor, copy ctor, assignment operator and helpers:
  46 //////////
  47
  48 /** Default ctor.  Initializes to 1 x 1-dimensional zero-matrix. */
  49 matrix::matrix() : inherited(TINFO_matrix), row(1), col(1)
  50 {
  51         debugmsg("matrix default ctor",LOGLEVEL_CONSTRUCT);
  52         m.push_back(_ex0());
  53 }
  54
  55 void matrix::copy(const matrix & other)
  56 {
  57         inherited::copy(other);
  58         row = other.row;
  59         col = other.col;
  60         m = other.m;  // STL's vector copying invoked here
  61 }
  62
  63 DEFAULT_DESTROY(matrix)
  64
  65 //////////
  66 // other ctors
  67 //////////
  68
  69 // public
  70
  71 /** Very common ctor.  Initializes to r x c-dimensional zero-matrix.
  72  *
  73  *  @param r number of rows
  74  *  @param c number of cols */
  75 matrix::matrix(unsigned r, unsigned c)
  76   : inherited(TINFO_matrix), row(r), col(c)
  77 {
  78         debugmsg("matrix ctor from unsigned,unsigned",LOGLEVEL_CONSTRUCT);
  79         m.resize(r*c, _ex0());
  80 }
  81
  82 // protected
  83
  84 /** Ctor from representation, for internal use only. */
  85 matrix::matrix(unsigned r, unsigned c, const exvector & m2)
  86   : inherited(TINFO_matrix), row(r), col(c), m(m2)
  87 {
  88         debugmsg("matrix ctor from unsigned,unsigned,exvector",LOGLEVEL_CONSTRUCT);
  89 }
  90
  91 /** Construct matrix from (flat) list of elements. If the list has fewer
  92  *  elements than the matrix, the remaining matrix elements are set to zero.
  93  *  If the list has more elements than the matrix, the excessive elements are
  94  *  thrown away. */
  95 matrix::matrix(unsigned r, unsigned c, const lst & l)
  96   : inherited(TINFO_matrix), row(r), col(c)
  97 {
  98         debugmsg("matrix ctor from unsigned,unsigned,lst",LOGLEVEL_CONSTRUCT);
  99         m.resize(r*c, _ex0());
 100
 101         for (unsigned i=0; i<l.nops(); i++) {
 102                 unsigned x = i % c;
 103                 unsigned y = i / c;
 104                 if (y >= r)
 105                         break; // matrix smaller than list: throw away excessive elements
 106                 m[y*c+x] = l.op(i);
 107         }
 108 }
 109
 110 //////////
 111 // archiving
 112 //////////
 113
 114 matrix::matrix(const archive_node &n, const lst &sym_lst) : inherited(n, sym_lst)
 115 {
 116         debugmsg("matrix ctor from archive_node", LOGLEVEL_CONSTRUCT);
 117         if (!(n.find_unsigned("row", row)) || !(n.find_unsigned("col", col)))
 118                 throw (std::runtime_error("unknown matrix dimensions in archive"));
 119         m.reserve(row * col);
 120         for (unsigned int i=0; true; i++) {
 121                 ex e;
 122                 if (n.find_ex("m", e, sym_lst, i))
 123                         m.push_back(e);
 124                 else
 125                         break;
 126         }
 127 }
 128
 129 void matrix::archive(archive_node &n) const
 130 {
 131         inherited::archive(n);
 132         n.add_unsigned("row", row);
 133         n.add_unsigned("col", col);
 134         exvector::const_iterator i = m.begin(), iend = m.end();
 135         while (i != iend) {
 136                 n.add_ex("m", *i);
 137                 ++i;
 138         }
 139 }
 140
 141 DEFAULT_UNARCHIVE(matrix)
 142
 143 //////////
 144 // functions overriding virtual functions from bases classes
 145 //////////
 146
 147 // public
 148
 149 void matrix::print(const print_context & c, unsigned level) const
 150 {
 151         debugmsg("matrix print", LOGLEVEL_PRINT);
 152
 153         if (is_of_type(c, print_tree)) {
 154
 155                 inherited::print(c, level);
 156
 157         } else {
 158
 159                 c.s << "[";
 160                 for (unsigned y=0; y<row-1; ++y) {
 161                         c.s << "[";
 162                         for (unsigned x=0; x<col-1; ++x) {
 163                                 m[y*col+x].print(c);
 164                                 c.s << ",";
 165                         }
 166                         m[col*(y+1)-1].print(c);
 167                         c.s << "],";
 168                 }
 169                 c.s << "[";
 170                 for (unsigned x=0; x<col-1; ++x) {
 171                         m[(row-1)*col+x].print(c);
 172                         c.s << ",";
 173                 }
 174                 m[row*col-1].print(c);
 175                 c.s << "]]";
 176
 177         }
 178 }
 179
 180 /** nops is defined to be rows x columns. */
 181 unsigned matrix::nops() const
 182 {
 183         return row*col;
 184 }
 185
 186 /** returns matrix entry at position (i/col, i%col). */
 187 ex matrix::op(int i) const
 188 {
 189         return m[i];
 190 }
 191
 192 /** returns matrix entry at position (i/col, i%col). */
 193 ex & matrix::let_op(int i)
 194 {
 195         GINAC_ASSERT(i>=0);
 196         GINAC_ASSERT(i<nops());
 197
 198         return m[i];
 199 }
 200
 201 /** Evaluate matrix entry by entry. */
 202 ex matrix::eval(int level) const
 203 {
 204         debugmsg("matrix eval",LOGLEVEL_MEMBER_FUNCTION);
 205
 206         // check if we have to do anything at all
 207         if ((level==1)&&(flags & status_flags::evaluated))
 208                 return *this;
 209
 210         // emergency break
 211         if (level == -max_recursion_level)
 212                 throw (std::runtime_error("matrix::eval(): recursion limit exceeded"));
 213
 214         // eval() entry by entry
 215         exvector m2(row*col);
 216         --level;
 217         for (unsigned r=0; r<row; ++r)
 218                 for (unsigned c=0; c<col; ++c)
 219                         m2[r*col+c] = m[r*col+c].eval(level);
 220
 221         return (new matrix(row, col, m2))->setflag(status_flags::dynallocated |
 222                                                                                            status_flags::evaluated );
 223 }
 224
 225 ex matrix::subs(const lst & ls, const lst & lr, bool no_pattern) const
 226 {
 227         exvector m2(row * col);
 228         for (unsigned r=0; r<row; ++r)
 229                 for (unsigned c=0; c<col; ++c)
 230                         m2[r*col+c] = m[r*col+c].subs(ls, lr, no_pattern);
 231
 232         return ex(matrix(row, col, m2)).bp->basic::subs(ls, lr, no_pattern);
 233 }
 234
 235 // protected
 236
 237 int matrix::compare_same_type(const basic & other) const
 238 {
 239         GINAC_ASSERT(is_exactly_of_type(other, matrix));
 240         const matrix & o = static_cast<const matrix &>(other);
 241
 242         // compare number of rows
 243         if (row != o.rows())
 244                 return row < o.rows() ? -1 : 1;
 245
 246         // compare number of columns
 247         if (col != o.cols())
 248                 return col < o.cols() ? -1 : 1;
 249
 250         // equal number of rows and columns, compare individual elements
 251         int cmpval;
 252         for (unsigned r=0; r<row; ++r) {
 253                 for (unsigned c=0; c<col; ++c) {
 254                         cmpval = ((*this)(r,c)).compare(o(r,c));
 255                         if (cmpval!=0) return cmpval;
 256                 }
 257         }
 258         // all elements are equal => matrices are equal;
 259         return 0;
 260 }
 261
 262 /** Automatic symbolic evaluation of an indexed matrix. */
 263 ex matrix::eval_indexed(const basic & i) const
 264 {
 265         GINAC_ASSERT(is_of_type(i, indexed));
 266         GINAC_ASSERT(is_ex_of_type(i.op(0), matrix));
 267
 268         bool all_indices_unsigned = static_cast<const indexed &>(i).all_index_values_are(info_flags::nonnegint);
 269
 270         // Check indices
 271         if (i.nops() == 2) {
 272
 273                 // One index, must be one-dimensional vector
 274                 if (row != 1 && col != 1)
 275                         throw (std::runtime_error("matrix::eval_indexed(): vector must have exactly 1 index"));
 276
 277                 const idx & i1 = ex_to<idx>(i.op(1));
 278
 279                 if (col == 1) {
 280
 281                         // Column vector
 282                         if (!i1.get_dim().is_equal(row))
 283                                 throw (std::runtime_error("matrix::eval_indexed(): dimension of index must match number of vector elements"));
 284
 285                         // Index numeric -> return vector element
 286                         if (all_indices_unsigned) {
 287                                 unsigned n1 = ex_to<numeric>(i1.get_value()).to_int();
 288                                 if (n1 >= row)
 289                                         throw (std::runtime_error("matrix::eval_indexed(): value of index exceeds number of vector elements"));
 290                                 return (*this)(n1, 0);
 291                         }
 292
 293                 } else {
 294
 295                         // Row vector
 296                         if (!i1.get_dim().is_equal(col))
 297                                 throw (std::runtime_error("matrix::eval_indexed(): dimension of index must match number of vector elements"));
 298
 299                         // Index numeric -> return vector element
 300                         if (all_indices_unsigned) {
 301                                 unsigned n1 = ex_to<numeric>(i1.get_value()).to_int();
 302                                 if (n1 >= col)
 303                                         throw (std::runtime_error("matrix::eval_indexed(): value of index exceeds number of vector elements"));
 304                                 return (*this)(0, n1);
 305                         }
 306                 }
 307
 308         } else if (i.nops() == 3) {
 309
 310                 // Two indices
 311                 const idx & i1 = ex_to<idx>(i.op(1));
 312                 const idx & i2 = ex_to<idx>(i.op(2));
 313
 314                 if (!i1.get_dim().is_equal(row))
 315                         throw (std::runtime_error("matrix::eval_indexed(): dimension of first index must match number of rows"));
 316                 if (!i2.get_dim().is_equal(col))
 317                         throw (std::runtime_error("matrix::eval_indexed(): dimension of second index must match number of columns"));
 318
 319                 // Pair of dummy indices -> compute trace
 320                 if (is_dummy_pair(i1, i2))
 321                         return trace();
 322
 323                 // Both indices numeric -> return matrix element
 324                 if (all_indices_unsigned) {
 325                         unsigned n1 = ex_to<numeric>(i1.get_value()).to_int(), n2 = ex_to<numeric>(i2.get_value()).to_int();
 326                         if (n1 >= row)
 327                                 throw (std::runtime_error("matrix::eval_indexed(): value of first index exceeds number of rows"));
 328                         if (n2 >= col)
 329                                 throw (std::runtime_error("matrix::eval_indexed(): value of second index exceeds number of columns"));
 330                         return (*this)(n1, n2);
 331                 }
 332
 333         } else
 334                 throw (std::runtime_error("matrix::eval_indexed(): matrix must have exactly 2 indices"));
 335
 336         return i.hold();
 337 }
 338
 339 /** Sum of two indexed matrices. */
 340 ex matrix::add_indexed(const ex & self, const ex & other) const
 341 {
 342         GINAC_ASSERT(is_ex_of_type(self, indexed));
 343         GINAC_ASSERT(is_ex_of_type(self.op(0), matrix));
 344         GINAC_ASSERT(is_ex_of_type(other, indexed));
 345         GINAC_ASSERT(self.nops() == 2 || self.nops() == 3);
 346
 347         // Only add two matrices
 348         if (is_ex_of_type(other.op(0), matrix)) {
 349                 GINAC_ASSERT(other.nops() == 2 || other.nops() == 3);
 350
 351                 const matrix &self_matrix = ex_to<matrix>(self.op(0));
 352                 const matrix &other_matrix = ex_to<matrix>(other.op(0));
 353
 354                 if (self.nops() == 2 && other.nops() == 2) { // vector + vector
 355
 356                         if (self_matrix.row == other_matrix.row)
 357                                 return indexed(self_matrix.add(other_matrix), self.op(1));
 358                         else if (self_matrix.row == other_matrix.col)
 359                                 return indexed(self_matrix.add(other_matrix.transpose()), self.op(1));
 360
 361                 } else if (self.nops() == 3 && other.nops() == 3) { // matrix + matrix
 362
 363                         if (self.op(1).is_equal(other.op(1)) && self.op(2).is_equal(other.op(2)))
 364                                 return indexed(self_matrix.add(other_matrix), self.op(1), self.op(2));
 365                         else if (self.op(1).is_equal(other.op(2)) && self.op(2).is_equal(other.op(1)))
 366                                 return indexed(self_matrix.add(other_matrix.transpose()), self.op(1), self.op(2));
 367
 368                 }
 369         }
 370
 371         // Don't know what to do, return unevaluated sum
 372         return self + other;
 373 }
 374
 375 /** Product of an indexed matrix with a number. */
 376 ex matrix::scalar_mul_indexed(const ex & self, const numeric & other) const
 377 {
 378         GINAC_ASSERT(is_ex_of_type(self, indexed));
 379         GINAC_ASSERT(is_ex_of_type(self.op(0), matrix));
 380         GINAC_ASSERT(self.nops() == 2 || self.nops() == 3);
 381
 382         const matrix &self_matrix = ex_to<matrix>(self.op(0));
 383
 384         if (self.nops() == 2)
 385                 return indexed(self_matrix.mul(other), self.op(1));
 386         else // self.nops() == 3
 387                 return indexed(self_matrix.mul(other), self.op(1), self.op(2));
 388 }
 389
 390 /** Contraction of an indexed matrix with something else. */
 391 bool matrix::contract_with(exvector::iterator self, exvector::iterator other, exvector & v) const
 392 {
 393         GINAC_ASSERT(is_ex_of_type(*self, indexed));
 394         GINAC_ASSERT(is_ex_of_type(*other, indexed));
 395         GINAC_ASSERT(self->nops() == 2 || self->nops() == 3);
 396         GINAC_ASSERT(is_ex_of_type(self->op(0), matrix));
 397
 398         // Only contract with other matrices
 399         if (!is_ex_of_type(other->op(0), matrix))
 400                 return false;
 401
 402         GINAC_ASSERT(other->nops() == 2 || other->nops() == 3);
 403
 404         const matrix &self_matrix = ex_to<matrix>(self->op(0));
 405         const matrix &other_matrix = ex_to<matrix>(other->op(0));
 406
 407         if (self->nops() == 2) {
 408                 unsigned self_dim = (self_matrix.col == 1) ? self_matrix.row : self_matrix.col;
 409
 410                 if (other->nops() == 2) { // vector * vector (scalar product)
 411                         unsigned other_dim = (other_matrix.col == 1) ? other_matrix.row : other_matrix.col;
 412
 413                         if (self_matrix.col == 1) {
 414                                 if (other_matrix.col == 1) {
 415                                         // Column vector * column vector, transpose first vector
 416                                         *self = self_matrix.transpose().mul(other_matrix)(0, 0);
 417                                 } else {
 418                                         // Column vector * row vector, swap factors
 419                                         *self = other_matrix.mul(self_matrix)(0, 0);
 420                                 }
 421                         } else {
 422                                 if (other_matrix.col == 1) {
 423                                         // Row vector * column vector, perfect
 424                                         *self = self_matrix.mul(other_matrix)(0, 0);
 425                                 } else {
 426                                         // Row vector * row vector, transpose second vector
 427                                         *self = self_matrix.mul(other_matrix.transpose())(0, 0);
 428                                 }
 429                         }
 430                         *other = _ex1();
 431                         return true;
 432
 433                 } else { // vector * matrix
 434
 435                         // B_i * A_ij = (B*A)_j (B is row vector)
 436                         if (is_dummy_pair(self->op(1), other->op(1))) {
 437                                 if (self_matrix.row == 1)
 438                                         *self = indexed(self_matrix.mul(other_matrix), other->op(2));
 439                                 else
 440                                         *self = indexed(self_matrix.transpose().mul(other_matrix), other->op(2));
 441                                 *other = _ex1();
 442                                 return true;
 443                         }
 444
 445                         // B_j * A_ij = (A*B)_i (B is column vector)
 446                         if (is_dummy_pair(self->op(1), other->op(2))) {
 447                                 if (self_matrix.col == 1)
 448                                         *self = indexed(other_matrix.mul(self_matrix), other->op(1));
 449                                 else
 450                                         *self = indexed(other_matrix.mul(self_matrix.transpose()), other->op(1));
 451                                 *other = _ex1();
 452                                 return true;
 453                         }
 454                 }
 455
 456         } else if (other->nops() == 3) { // matrix * matrix
 457
 458                 // A_ij * B_jk = (A*B)_ik
 459                 if (is_dummy_pair(self->op(2), other->op(1))) {
 460                         *self = indexed(self_matrix.mul(other_matrix), self->op(1), other->op(2));
 461                         *other = _ex1();
 462                         return true;
 463                 }
 464
 465                 // A_ij * B_kj = (A*Btrans)_ik
 466                 if (is_dummy_pair(self->op(2), other->op(2))) {
 467                         *self = indexed(self_matrix.mul(other_matrix.transpose()), self->op(1), other->op(1));
 468                         *other = _ex1();
 469                         return true;
 470                 }
 471
 472                 // A_ji * B_jk = (Atrans*B)_ik
 473                 if (is_dummy_pair(self->op(1), other->op(1))) {
 474                         *self = indexed(self_matrix.transpose().mul(other_matrix), self->op(2), other->op(2));
 475                         *other = _ex1();
 476                         return true;
 477                 }
 478
 479                 // A_ji * B_kj = (B*A)_ki
 480                 if (is_dummy_pair(self->op(1), other->op(2))) {
 481                         *self = indexed(other_matrix.mul(self_matrix), other->op(1), self->op(2));
 482                         *other = _ex1();
 483                         return true;
 484                 }
 485         }
 486
 487         return false;
 488 }
 489
 490
 491 //////////
 492 // non-virtual functions in this class
 493 //////////
 494
 495 // public
 496
 497 /** Sum of matrices.
 498  *
 499  *  @exception logic_error (incompatible matrices) */
 500 matrix matrix::add(const matrix & other) const
 501 {
 502         if (col != other.col || row != other.row)
 503                 throw std::logic_error("matrix::add(): incompatible matrices");
 504
 505         exvector sum(this->m);
 506         exvector::iterator i = sum.begin(), end = sum.end();
 507         exvector::const_iterator ci = other.m.begin();
 508         while (i != end)
 509                 *i++ += *ci++;
 510
 511         return matrix(row,col,sum);
 512 }
 513
 514
 515 /** Difference of matrices.
 516  *
 517  *  @exception logic_error (incompatible matrices) */
 518 matrix matrix::sub(const matrix & other) const
 519 {
 520         if (col != other.col || row != other.row)
 521                 throw std::logic_error("matrix::sub(): incompatible matrices");
 522
 523         exvector dif(this->m);
 524         exvector::iterator i = dif.begin(), end = dif.end();
 525         exvector::const_iterator ci = other.m.begin();
 526         while (i != end)
 527                 *i++ -= *ci++;
 528
 529         return matrix(row,col,dif);
 530 }
 531
 532
 533 /** Product of matrices.
 534  *
 535  *  @exception logic_error (incompatible matrices) */
 536 matrix matrix::mul(const matrix & other) const
 537 {
 538         if (this->cols() != other.rows())
 539                 throw std::logic_error("matrix::mul(): incompatible matrices");
 540
 541         exvector prod(this->rows()*other.cols());
 542
 543         for (unsigned r1=0; r1<this->rows(); ++r1) {
 544                 for (unsigned c=0; c<this->cols(); ++c) {
 545                         if (m[r1*col+c].is_zero())
 546                                 continue;
 547                         for (unsigned r2=0; r2<other.cols(); ++r2)
 548                                 prod[r1*other.col+r2] += (m[r1*col+c] * other.m[c*other.col+r2]).expand();
 549                 }
 550         }
 551         return matrix(row, other.col, prod);
 552 }
 553
 554
 555 /** Product of matrix and scalar. */
 556 matrix matrix::mul(const numeric & other) const
 557 {
 558         exvector prod(row * col);
 559
 560         for (unsigned r=0; r<row; ++r)
 561                 for (unsigned c=0; c<col; ++c)
 562                         prod[r*col+c] = m[r*col+c] * other;
 563
 564         return matrix(row, col, prod);
 565 }
 566
 567
 568 /** Product of matrix and scalar expression. */
 569 matrix matrix::mul_scalar(const ex & other) const
 570 {
 571         if (other.return_type() != return_types::commutative)
 572                 throw std::runtime_error("matrix::mul_scalar(): non-commutative scalar");
 573
 574         exvector prod(row * col);
 575
 576         for (unsigned r=0; r<row; ++r)
 577                 for (unsigned c=0; c<col; ++c)
 578                         prod[r*col+c] = m[r*col+c] * other;
 579
 580         return matrix(row, col, prod);
 581 }
 582
 583
 584 /** Power of a matrix.  Currently handles integer exponents only. */
 585 matrix matrix::pow(const ex & expn) const
 586 {
 587         if (col!=row)
 588                 throw (std::logic_error("matrix::pow(): matrix not square"));
 589
 590         if (is_ex_exactly_of_type(expn, numeric)) {
 591                 // Integer cases are computed by successive multiplication, using the
 592                 // obvious shortcut of storing temporaries, like A^4 == (A*A)*(A*A).
 593                 if (expn.info(info_flags::integer)) {
 594                         numeric k;
 595                         matrix prod(row,col);
 596                         if (expn.info(info_flags::negative)) {
 597                                 k = -ex_to<numeric>(expn);
 598                                 prod = this->inverse();
 599                         } else {
 600                                 k = ex_to<numeric>(expn);
 601                                 prod = *this;
 602                         }
 603                         matrix result(row,col);
 604                         for (unsigned r=0; r<row; ++r)
 605                                 result(r,r) = _ex1();
 606                         numeric b(1);
 607                         // this loop computes the representation of k in base 2 and
 608                         // multiplies the factors whenever needed:
 609                         while (b.compare(k)<=0) {
 610                                 b *= numeric(2);
 611                                 numeric r(mod(k,b));
 612                                 if (!r.is_zero()) {
 613                                         k -= r;
 614                                         result = result.mul(prod);
 615                                 }
 616                                 if (b.compare(k)<=0)
 617                                         prod = prod.mul(prod);
 618                         }
 619                         return result;
 620                 }
 621         }
 622         throw (std::runtime_error("matrix::pow(): don't know how to handle exponent"));
 623 }
 624
 625
 626 /** operator() to access elements for reading.
 627  *
 628  *  @param ro row of element
 629  *  @param co column of element
 630  *  @exception range_error (index out of range) */
 631 const ex & matrix::operator() (unsigned ro, unsigned co) const
 632 {
 633         if (ro>=row || co>=col)
 634                 throw (std::range_error("matrix::operator(): index out of range"));
 635
 636         return m[ro*col+co];
 637 }
 638
 639
 640 /** operator() to access elements for writing.
 641  *
 642  *  @param ro row of element
 643  *  @param co column of element
 644  *  @exception range_error (index out of range) */
 645 ex & matrix::operator() (unsigned ro, unsigned co)
 646 {
 647         if (ro>=row || co>=col)
 648                 throw (std::range_error("matrix::operator(): index out of range"));
 649
 650         ensure_if_modifiable();
 651         return m[ro*col+co];
 652 }
 653
 654
 655 /** Transposed of an m x n matrix, producing a new n x m matrix object that
 656  *  represents the transposed. */
 657 matrix matrix::transpose(void) const
 658 {
 659         exvector trans(this->cols()*this->rows());
 660
 661         for (unsigned r=0; r<this->cols(); ++r)
 662                 for (unsigned c=0; c<this->rows(); ++c)
 663                         trans[r*this->rows()+c] = m[c*this->cols()+r];
 664
 665         return matrix(this->cols(),this->rows(),trans);
 666 }
 667
 668 /** Determinant of square matrix.  This routine doesn't actually calculate the
 669  *  determinant, it only implements some heuristics about which algorithm to
 670  *  run.  If all the elements of the matrix are elements of an integral domain
 671  *  the determinant is also in that integral domain and the result is expanded
 672  *  only.  If one or more elements are from a quotient field the determinant is
 673  *  usually also in that quotient field and the result is normalized before it
 674  *  is returned.  This implies that the determinant of the symbolic 2x2 matrix
 675  *  [[a/(a-b),1],[b/(a-b),1]] is returned as unity.  (In this respect, it
 676  *  behaves like MapleV and unlike Mathematica.)
 677  *
 678  *  @param     algo allows to chose an algorithm
 679  *  @return    the determinant as a new expression
 680  *  @exception logic_error (matrix not square)
 681  *  @see       determinant_algo */
 682 ex matrix::determinant(unsigned algo) const
 683 {
 684         if (row!=col)
 685                 throw (std::logic_error("matrix::determinant(): matrix not square"));
 686         GINAC_ASSERT(row*col==m.capacity());
 687
 688         // Gather some statistical information about this matrix:
 689         bool numeric_flag = true;
 690         bool normal_flag = false;
 691         unsigned sparse_count = 0;  // counts non-zero elements
 692         exvector::const_iterator r = m.begin(), rend = m.end();
 693         while (r != rend) {
 694                 lst srl;  // symbol replacement list
 695                 ex rtest = r->to_rational(srl);
 696                 if (!rtest.is_zero())
 697                         ++sparse_count;
 698                 if (!rtest.info(info_flags::numeric))
 699                         numeric_flag = false;
 700                 if (!rtest.info(info_flags::crational_polynomial) &&
 701                          rtest.info(info_flags::rational_function))
 702                         normal_flag = true;
 703                 ++r;
 704         }
 705
 706         // Here is the heuristics in case this routine has to decide:
 707         if (algo == determinant_algo::automatic) {
 708                 // Minor expansion is generally a good guess:
 709                 algo = determinant_algo::laplace;
 710                 // Does anybody know when a matrix is really sparse?
 711                 // Maybe <~row/2.236 nonzero elements average in a row?
 712                 if (row>3 && 5*sparse_count<=row*col)
 713                         algo = determinant_algo::bareiss;
 714                 // Purely numeric matrix can be handled by Gauss elimination.
 715                 // This overrides any prior decisions.
 716                 if (numeric_flag)
 717                         algo = determinant_algo::gauss;
 718         }
 719
 720         // Trap the trivial case here, since some algorithms don't like it
 721         if (this->row==1) {
 722                 // for consistency with non-trivial determinants...
 723                 if (normal_flag)
 724                         return m[0].normal();
 725                 else
 726                         return m[0].expand();
 727         }
 728
 729         // Compute the determinant
 730         switch(algo) {
 731                 case determinant_algo::gauss: {
 732                         ex det = 1;
 733                         matrix tmp(*this);
 734                         int sign = tmp.gauss_elimination(true);
 735                         for (unsigned d=0; d<row; ++d)
 736                                 det *= tmp.m[d*col+d];
 737                         if (normal_flag)
 738                                 return (sign*det).normal();
 739                         else
 740                                 return (sign*det).normal().expand();
 741                 }
 742                 case determinant_algo::bareiss: {
 743                         matrix tmp(*this);
 744                         int sign;
 745                         sign = tmp.fraction_free_elimination(true);
 746                         if (normal_flag)
 747                                 return (sign*tmp.m[row*col-1]).normal();
 748                         else
 749                                 return (sign*tmp.m[row*col-1]).expand();
 750                 }
 751                 case determinant_algo::divfree: {
 752                         matrix tmp(*this);
 753                         int sign;
 754                         sign = tmp.division_free_elimination(true);
 755                         if (sign==0)
 756                                 return _ex0();
 757                         ex det = tmp.m[row*col-1];
 758                         // factor out accumulated bogus slag
 759                         for (unsigned d=0; d<row-2; ++d)
 760                                 for (unsigned j=0; j<row-d-2; ++j)
 761                                         det = (det/tmp.m[d*col+d]).normal();
 762                         return (sign*det);
 763                 }
 764                 case determinant_algo::laplace:
 765                 default: {
 766                         // This is the minor expansion scheme.  We always develop such
 767                         // that the smallest minors (i.e, the trivial 1x1 ones) are on the
 768                         // rightmost column.  For this to be efficient it turns out that
 769                         // the emptiest columns (i.e. the ones with most zeros) should be
 770                         // the ones on the right hand side.  Therefore we presort the
 771                         // columns of the matrix:
 772                         typedef std::pair<unsigned,unsigned> uintpair;
 773                         std::vector<uintpair> c_zeros;  // number of zeros in column
 774                         for (unsigned c=0; c<col; ++c) {
 775                                 unsigned acc = 0;
 776                                 for (unsigned r=0; r<row; ++r)
 777                                         if (m[r*col+c].is_zero())
 778                                                 ++acc;
 779                                 c_zeros.push_back(uintpair(acc,c));
 780                         }
 781                         sort(c_zeros.begin(),c_zeros.end());
 782                         std::vector<unsigned> pre_sort;
 783                         for (std::vector<uintpair>::const_iterator i=c_zeros.begin(); i!=c_zeros.end(); ++i)
 784                                 pre_sort.push_back(i->second);
 785                         std::vector<unsigned> pre_sort_test(pre_sort); // permutation_sign() modifies the vector so we make a copy here
 786                         int sign = permutation_sign(pre_sort_test.begin(), pre_sort_test.end());
 787                         exvector result(row*col);  // represents sorted matrix
 788                         unsigned c = 0;
 789                         for (std::vector<unsigned>::const_iterator i=pre_sort.begin();
 790                                  i!=pre_sort.end();
 791                                  ++i,++c) {
 792                                 for (unsigned r=0; r<row; ++r)
 793                                         result[r*col+c] = m[r*col+(*i)];
 794                         }
 795
 796                         if (normal_flag)
 797                                 return (sign*matrix(row,col,result).determinant_minor()).normal();
 798                         else
 799                                 return sign*matrix(row,col,result).determinant_minor();
 800                 }
 801         }
 802 }
 803
 804
 805 /** Trace of a matrix.  The result is normalized if it is in some quotient
 806  *  field and expanded only otherwise.  This implies that the trace of the
 807  *  symbolic 2x2 matrix [[a/(a-b),x],[y,b/(b-a)]] is recognized to be unity.
 808  *
 809  *  @return    the sum of diagonal elements
 810  *  @exception logic_error (matrix not square) */
 811 ex matrix::trace(void) const
 812 {
 813         if (row != col)
 814                 throw (std::logic_error("matrix::trace(): matrix not square"));
 815
 816         ex tr;
 817         for (unsigned r=0; r<col; ++r)
 818                 tr += m[r*col+r];
 819
 820         if (tr.info(info_flags::rational_function) &&
 821                 !tr.info(info_flags::crational_polynomial))
 822                 return tr.normal();
 823         else
 824                 return tr.expand();
 825 }
 826
 827
 828 /** Characteristic Polynomial.  Following mathematica notation the
 829  *  characteristic polynomial of a matrix M is defined as the determiant of
 830  *  (M - lambda * 1) where 1 stands for the unit matrix of the same dimension
 831  *  as M.  Note that some CASs define it with a sign inside the determinant
 832  *  which gives rise to an overall sign if the dimension is odd.  This method
 833  *  returns the characteristic polynomial collected in powers of lambda as a
 834  *  new expression.
 835  *
 836  *  @return    characteristic polynomial as new expression
 837  *  @exception logic_error (matrix not square)
 838  *  @see       matrix::determinant() */
 839 ex matrix::charpoly(const symbol & lambda) const
 840 {
 841         if (row != col)
 842                 throw (std::logic_error("matrix::charpoly(): matrix not square"));
 843
 844         bool numeric_flag = true;
 845         exvector::const_iterator r = m.begin(), rend = m.end();
 846         while (r != rend) {
 847                 if (!r->info(info_flags::numeric))
 848                         numeric_flag = false;
 849                 ++r;
 850         }
 851
 852         // The pure numeric case is traditionally rather common.  Hence, it is
 853         // trapped and we use Leverrier's algorithm which goes as row^3 for
 854         // every coefficient.  The expensive part is the matrix multiplication.
 855         if (numeric_flag) {
 856                 matrix B(*this);
 857                 ex c = B.trace();
 858                 ex poly = power(lambda,row)-c*power(lambda,row-1);
 859                 for (unsigned i=1; i<row; ++i) {
 860                         for (unsigned j=0; j<row; ++j)
 861                                 B.m[j*col+j] -= c;
 862                         B = this->mul(B);
 863                         c = B.trace()/ex(i+1);
 864                         poly -= c*power(lambda,row-i-1);
 865                 }
 866                 if (row%2)
 867                         return -poly;
 868                 else
 869                         return poly;
 870         }
 871
 872         matrix M(*this);
 873         for (unsigned r=0; r<col; ++r)
 874                 M.m[r*col+r] -= lambda;
 875
 876         return M.determinant().collect(lambda);
 877 }
 878
 879
 880 /** Inverse of this matrix.
 881  *
 882  *  @return    the inverted matrix
 883  *  @exception logic_error (matrix not square)
 884  *  @exception runtime_error (singular matrix) */
 885 matrix matrix::inverse(void) const
 886 {
 887         if (row != col)
 888                 throw (std::logic_error("matrix::inverse(): matrix not square"));
 889
 890         // This routine actually doesn't do anything fancy at all.  We compute the
 891         // inverse of the matrix A by solving the system A * A^{-1} == Id.
 892
 893         // First populate the identity matrix supposed to become the right hand side.
 894         matrix identity(row,col);
 895         for (unsigned i=0; i<row; ++i)
 896                 identity(i,i) = _ex1();
 897
 898         // Populate a dummy matrix of variables, just because of compatibility with
 899         // matrix::solve() which wants this (for compatibility with under-determined
 900         // systems of equations).
 901         matrix vars(row,col);
 902         for (unsigned r=0; r<row; ++r)
 903                 for (unsigned c=0; c<col; ++c)
 904                         vars(r,c) = symbol();
 905
 906         matrix sol(row,col);
 907         try {
 908                 sol = this->solve(vars,identity);
 909         } catch (const std::runtime_error & e) {
 910             if (e.what()==std::string("matrix::solve(): inconsistent linear system"))
 911                         throw (std::runtime_error("matrix::inverse(): singular matrix"));
 912                 else
 913                         throw;
 914         }
 915         return sol;
 916 }
 917
 918
 919 /** Solve a linear system consisting of a m x n matrix and a m x p right hand
 920  *  side by applying an elimination scheme to the augmented matrix.
 921  *
 922  *  @param vars n x p matrix, all elements must be symbols
 923  *  @param rhs m x p matrix
 924  *  @return n x p solution matrix
 925  *  @exception logic_error (incompatible matrices)
 926  *  @exception invalid_argument (1st argument must be matrix of symbols)
 927  *  @exception runtime_error (inconsistent linear system)
 928  *  @see       solve_algo */
 929 matrix matrix::solve(const matrix & vars,
 930                                          const matrix & rhs,
 931                                          unsigned algo) const
 932 {
 933         const unsigned m = this->rows();
 934         const unsigned n = this->cols();
 935         const unsigned p = rhs.cols();
 936
 937         // syntax checks
 938         if ((rhs.rows() != m) || (vars.rows() != n) || (vars.col != p))
 939                 throw (std::logic_error("matrix::solve(): incompatible matrices"));
 940         for (unsigned ro=0; ro<n; ++ro)
 941                 for (unsigned co=0; co<p; ++co)
 942                         if (!vars(ro,co).info(info_flags::symbol))
 943                                 throw (std::invalid_argument("matrix::solve(): 1st argument must be matrix of symbols"));
 944
 945         // build the augmented matrix of *this with rhs attached to the right
 946         matrix aug(m,n+p);
 947         for (unsigned r=0; r<m; ++r) {
 948                 for (unsigned c=0; c<n; ++c)
 949                         aug.m[r*(n+p)+c] = this->m[r*n+c];
 950                 for (unsigned c=0; c<p; ++c)
 951                         aug.m[r*(n+p)+c+n] = rhs.m[r*p+c];
 952         }
 953
 954         // Gather some statistical information about the augmented matrix:
 955         bool numeric_flag = true;
 956         exvector::const_iterator r = aug.m.begin(), rend = aug.m.end();
 957         while (r != rend) {
 958                 if (!r->info(info_flags::numeric))
 959                         numeric_flag = false;
 960                 ++r;
 961         }
 962
 963         // Here is the heuristics in case this routine has to decide:
 964         if (algo == solve_algo::automatic) {
 965                 // Bareiss (fraction-free) elimination is generally a good guess:
 966                 algo = solve_algo::bareiss;
 967                 // For m<3, Bareiss elimination is equivalent to division free
 968                 // elimination but has more logistic overhead
 969                 if (m<3)
 970                         algo = solve_algo::divfree;
 971                 // This overrides any prior decisions.
 972                 if (numeric_flag)
 973                         algo = solve_algo::gauss;
 974         }
 975
 976         // Eliminate the augmented matrix:
 977         switch(algo) {
 978                 case solve_algo::gauss:
 979                         aug.gauss_elimination();
 980                         break;
 981                 case solve_algo::divfree:
 982                         aug.division_free_elimination();
 983                         break;
 984                 case solve_algo::bareiss:
 985                 default:
 986                         aug.fraction_free_elimination();
 987         }
 988
 989         // assemble the solution matrix:
 990         matrix sol(n,p);
 991         for (unsigned co=0; co<p; ++co) {
 992                 unsigned last_assigned_sol = n+1;
 993                 for (int r=m-1; r>=0; --r) {
 994                         unsigned fnz = 1;    // first non-zero in row
 995                         while ((fnz<=n) && (aug.m[r*(n+p)+(fnz-1)].is_zero()))
 996                                 ++fnz;
 997                         if (fnz>n) {
 998                                 // row consists only of zeros, corresponding rhs must be 0, too
 999                                 if (!aug.m[r*(n+p)+n+co].is_zero()) {
1000                                         throw (std::runtime_error("matrix::solve(): inconsistent linear system"));
1001                                 }
1002                         } else {
1003                                 // assign solutions for vars between fnz+1 and
1004                                 // last_assigned_sol-1: free parameters
1005                                 for (unsigned c=fnz; c<last_assigned_sol-1; ++c)
1006                                         sol(c,co) = vars.m[c*p+co];
1007                                 ex e = aug.m[r*(n+p)+n+co];
1008                                 for (unsigned c=fnz; c<n; ++c)
1009                                         e -= aug.m[r*(n+p)+c]*sol.m[c*p+co];
1010                                 sol(fnz-1,co) = (e/(aug.m[r*(n+p)+(fnz-1)])).normal();
1011                                 last_assigned_sol = fnz;
1012                         }
1013                 }
1014                 // assign solutions for vars between 1 and
1015                 // last_assigned_sol-1: free parameters
1016                 for (unsigned ro=0; ro<last_assigned_sol-1; ++ro)
1017                         sol(ro,co) = vars(ro,co);
1018         }
1019
1020         return sol;
1021 }
1022
1023
1024 // protected
1025
1026 /** Recursive determinant for small matrices having at least one symbolic
1027  *  entry.  The basic algorithm, known as Laplace-expansion, is enhanced by
1028  *  some bookkeeping to avoid calculation of the same submatrices ("minors")
1029  *  more than once.  According to W.M.Gentleman and S.C.Johnson this algorithm
1030  *  is better than elimination schemes for matrices of sparse multivariate
1031  *  polynomials and also for matrices of dense univariate polynomials if the
1032  *  matrix' dimesion is larger than 7.
1033  *
1034  *  @return the determinant as a new expression (in expanded form)
1035  *  @see matrix::determinant() */
1036 ex matrix::determinant_minor(void) const
1037 {
1038         // for small matrices the algorithm does not make any sense:
1039         const unsigned n = this->cols();
1040         if (n==1)
1041                 return m[0].expand();
1042         if (n==2)
1043                 return (m[0]*m[3]-m[2]*m[1]).expand();
1044         if (n==3)
1045                 return (m[0]*m[4]*m[8]-m[0]*m[5]*m[7]-
1046                         m[1]*m[3]*m[8]+m[2]*m[3]*m[7]+
1047                         m[1]*m[5]*m[6]-m[2]*m[4]*m[6]).expand();
1048
1049         // This algorithm can best be understood by looking at a naive
1050         // implementation of Laplace-expansion, like this one:
1051         // ex det;
1052         // matrix minorM(this->rows()-1,this->cols()-1);
1053         // for (unsigned r1=0; r1<this->rows(); ++r1) {
1054         //     // shortcut if element(r1,0) vanishes
1055         //     if (m[r1*col].is_zero())
1056         //         continue;
1057         //     // assemble the minor matrix
1058         //     for (unsigned r=0; r<minorM.rows(); ++r) {
1059         //         for (unsigned c=0; c<minorM.cols(); ++c) {
1060         //             if (r<r1)
1061         //                 minorM(r,c) = m[r*col+c+1];
1062         //             else
1063         //                 minorM(r,c) = m[(r+1)*col+c+1];
1064         //         }
1065         //     }
1066         //     // recurse down and care for sign:
1067         //     if (r1%2)
1068         //         det -= m[r1*col] * minorM.determinant_minor();
1069         //     else
1070         //         det += m[r1*col] * minorM.determinant_minor();
1071         // }
1072         // return det.expand();
1073         // What happens is that while proceeding down many of the minors are
1074         // computed more than once.  In particular, there are binomial(n,k)
1075         // kxk minors and each one is computed factorial(n-k) times.  Therefore
1076         // it is reasonable to store the results of the minors.  We proceed from
1077         // right to left.  At each column c we only need to retrieve the minors
1078         // calculated in step c-1.  We therefore only have to store at most
1079         // 2*binomial(n,n/2) minors.
1080
1081         // Unique flipper counter for partitioning into minors
1082         std::vector<unsigned> Pkey;
1083         Pkey.reserve(n);
1084         // key for minor determinant (a subpartition of Pkey)
1085         std::vector<unsigned> Mkey;
1086         Mkey.reserve(n-1);
1087         // we store our subminors in maps, keys being the rows they arise from
1088         typedef std::map<std::vector<unsigned>,class ex> Rmap;
1089         typedef std::map<std::vector<unsigned>,class ex>::value_type Rmap_value;
1090         Rmap A;
1091         Rmap B;
1092         ex det;
1093         // initialize A with last column:
1094         for (unsigned r=0; r<n; ++r) {
1095                 Pkey.erase(Pkey.begin(),Pkey.end());
1096                 Pkey.push_back(r);
1097                 A.insert(Rmap_value(Pkey,m[n*(r+1)-1]));
1098         }
1099         // proceed from right to left through matrix
1100         for (int c=n-2; c>=0; --c) {
1101                 Pkey.erase(Pkey.begin(),Pkey.end());  // don't change capacity
1102                 Mkey.erase(Mkey.begin(),Mkey.end());
1103                 for (unsigned i=0; i<n-c; ++i)
1104                         Pkey.push_back(i);
1105                 unsigned fc = 0;  // controls logic for our strange flipper counter
1106                 do {
1107                         det = _ex0();
1108                         for (unsigned r=0; r<n-c; ++r) {
1109                                 // maybe there is nothing to do?
1110                                 if (m[Pkey[r]*n+c].is_zero())
1111                                         continue;
1112                                 // create the sorted key for all possible minors
1113                                 Mkey.erase(Mkey.begin(),Mkey.end());
1114                                 for (unsigned i=0; i<n-c; ++i)
1115                                         if (i!=r)
1116                                                 Mkey.push_back(Pkey[i]);
1117                                 // Fetch the minors and compute the new determinant
1118                                 if (r%2)
1119                                         det -= m[Pkey[r]*n+c]*A[Mkey];
1120                                 else
1121                                         det += m[Pkey[r]*n+c]*A[Mkey];
1122                         }
1123                         // prevent build-up of deep nesting of expressions saves time:
1124                         det = det.expand();
1125                         // store the new determinant at its place in B:
1126                         if (!det.is_zero())
1127                                 B.insert(Rmap_value(Pkey,det));
1128                         // increment our strange flipper counter
1129                         for (fc=n-c; fc>0; --fc) {
1130                                 ++Pkey[fc-1];
1131                                 if (Pkey[fc-1]<fc+c)
1132                                         break;
1133                         }
1134                         if (fc<n-c && fc>0)
1135                                 for (unsigned j=fc; j<n-c; ++j)
1136                                         Pkey[j] = Pkey[j-1]+1;
1137                 } while(fc);
1138                 // next column, so change the role of A and B:
1139                 A = B;
1140                 B.clear();
1141         }
1142
1143         return det;
1144 }
1145
1146
1147 /** Perform the steps of an ordinary Gaussian elimination to bring the m x n
1148  *  matrix into an upper echelon form.  The algorithm is ok for matrices
1149  *  with numeric coefficients but quite unsuited for symbolic matrices.
1150  *
1151  *  @param det may be set to true to save a lot of space if one is only
1152  *  interested in the diagonal elements (i.e. for calculating determinants).
1153  *  The others are set to zero in this case.
1154  *  @return sign is 1 if an even number of rows was swapped, -1 if an odd
1155  *  number of rows was swapped and 0 if the matrix is singular. */
1156 int matrix::gauss_elimination(const bool det)
1157 {
1158         ensure_if_modifiable();
1159         const unsigned m = this->rows();
1160         const unsigned n = this->cols();
1161         GINAC_ASSERT(!det || n==m);
1162         int sign = 1;
1163
1164         unsigned r0 = 0;
1165         for (unsigned r1=0; (r1<n-1)&&(r0<m-1); ++r1) {
1166                 int indx = pivot(r0, r1, true);
1167                 if (indx == -1) {
1168                         sign = 0;
1169                         if (det)
1170                                 return 0;  // leaves *this in a messy state
1171                 }
1172                 if (indx>=0) {
1173                         if (indx > 0)
1174                                 sign = -sign;
1175                         for (unsigned r2=r0+1; r2<m; ++r2) {
1176                                 if (!this->m[r2*n+r1].is_zero()) {
1177                                         // yes, there is something to do in this row
1178                                         ex piv = this->m[r2*n+r1] / this->m[r0*n+r1];
1179                                         for (unsigned c=r1+1; c<n; ++c) {
1180                                                 this->m[r2*n+c] -= piv * this->m[r0*n+c];
1181                                                 if (!this->m[r2*n+c].info(info_flags::numeric))
1182                                                         this->m[r2*n+c] = this->m[r2*n+c].normal();
1183                                         }
1184                                 }
1185                                 // fill up left hand side with zeros
1186                                 for (unsigned c=0; c<=r1; ++c)
1187                                         this->m[r2*n+c] = _ex0();
1188                         }
1189                         if (det) {
1190                                 // save space by deleting no longer needed elements
1191                                 for (unsigned c=r0+1; c<n; ++c)
1192                                         this->m[r0*n+c] = _ex0();
1193                         }
1194                         ++r0;
1195                 }
1196         }
1197
1198         return sign;
1199 }
1200
1201
1202 /** Perform the steps of division free elimination to bring the m x n matrix
1203  *  into an upper echelon form.
1204  *
1205  *  @param det may be set to true to save a lot of space if one is only
1206  *  interested in the diagonal elements (i.e. for calculating determinants).
1207  *  The others are set to zero in this case.
1208  *  @return sign is 1 if an even number of rows was swapped, -1 if an odd
1209  *  number of rows was swapped and 0 if the matrix is singular. */
1210 int matrix::division_free_elimination(const bool det)
1211 {
1212         ensure_if_modifiable();
1213         const unsigned m = this->rows();
1214         const unsigned n = this->cols();
1215         GINAC_ASSERT(!det || n==m);
1216         int sign = 1;
1217
1218         unsigned r0 = 0;
1219         for (unsigned r1=0; (r1<n-1)&&(r0<m-1); ++r1) {
1220                 int indx = pivot(r0, r1, true);
1221                 if (indx==-1) {
1222                         sign = 0;
1223                         if (det)
1224                                 return 0;  // leaves *this in a messy state
1225                 }
1226                 if (indx>=0) {
1227                         if (indx>0)
1228                                 sign = -sign;
1229                         for (unsigned r2=r0+1; r2<m; ++r2) {
1230                                 for (unsigned c=r1+1; c<n; ++c)
1231                                         this->m[r2*n+c] = (this->m[r0*n+r1]*this->m[r2*n+c] - this->m[r2*n+r1]*this->m[r0*n+c]).expand();
1232                                 // fill up left hand side with zeros
1233                                 for (unsigned c=0; c<=r1; ++c)
1234                                         this->m[r2*n+c] = _ex0();
1235                         }
1236                         if (det) {
1237                                 // save space by deleting no longer needed elements
1238                                 for (unsigned c=r0+1; c<n; ++c)
1239                                         this->m[r0*n+c] = _ex0();
1240                         }
1241                         ++r0;
1242                 }
1243         }
1244
1245         return sign;
1246 }
1247
1248
1249 /** Perform the steps of Bareiss' one-step fraction free elimination to bring
1250  *  the matrix into an upper echelon form.  Fraction free elimination means
1251  *  that divide is used straightforwardly, without computing GCDs first.  This
1252  *  is possible, since we know the divisor at each step.
1253  *
1254  *  @param det may be set to true to save a lot of space if one is only
1255  *  interested in the last element (i.e. for calculating determinants). The
1256  *  others are set to zero in this case.
1257  *  @return sign is 1 if an even number of rows was swapped, -1 if an odd
1258  *  number of rows was swapped and 0 if the matrix is singular. */
1259 int matrix::fraction_free_elimination(const bool det)
1260 {
1261         // Method:
1262         // (single-step fraction free elimination scheme, already known to Jordan)
1263         //
1264         // Usual division-free elimination sets m[0](r,c) = m(r,c) and then sets
1265         //     m[k+1](r,c) = m[k](k,k) * m[k](r,c) - m[k](r,k) * m[k](k,c).
1266         //
1267         // Bareiss (fraction-free) elimination in addition divides that element
1268         // by m[k-1](k-1,k-1) for k>1, where it can be shown by means of the
1269         // Sylvester determinant that this really divides m[k+1](r,c).
1270         //
1271         // We also allow rational functions where the original prove still holds.
1272         // However, we must care for numerator and denominator separately and
1273         // "manually" work in the integral domains because of subtle cancellations
1274         // (see below).  This blows up the bookkeeping a bit and the formula has
1275         // to be modified to expand like this (N{x} stands for numerator of x,
1276         // D{x} for denominator of x):
1277         //     N{m[k+1](r,c)} = N{m[k](k,k)}*N{m[k](r,c)}*D{m[k](r,k)}*D{m[k](k,c)}
1278         //                     -N{m[k](r,k)}*N{m[k](k,c)}*D{m[k](k,k)}*D{m[k](r,c)}
1279         //     D{m[k+1](r,c)} = D{m[k](k,k)}*D{m[k](r,c)}*D{m[k](r,k)}*D{m[k](k,c)}
1280         // where for k>1 we now divide N{m[k+1](r,c)} by
1281         //     N{m[k-1](k-1,k-1)}
1282         // and D{m[k+1](r,c)} by
1283         //     D{m[k-1](k-1,k-1)}.
1284
1285         ensure_if_modifiable();
1286         const unsigned m = this->rows();
1287         const unsigned n = this->cols();
1288         GINAC_ASSERT(!det || n==m);
1289         int sign = 1;
1290         if (m==1)
1291                 return 1;
1292         ex divisor_n = 1;
1293         ex divisor_d = 1;
1294         ex dividend_n;
1295         ex dividend_d;
1296
1297         // We populate temporary matrices to subsequently operate on.  There is
1298         // one holding numerators and another holding denominators of entries.
1299         // This is a must since the evaluator (or even earlier mul's constructor)
1300         // might cancel some trivial element which causes divide() to fail.  The
1301         // elements are normalized first (yes, even though this algorithm doesn't
1302         // need GCDs) since the elements of *this might be unnormalized, which
1303         // makes things more complicated than they need to be.
1304         matrix tmp_n(*this);
1305         matrix tmp_d(m,n);  // for denominators, if needed
1306         lst srl;  // symbol replacement list
1307         exvector::const_iterator cit = this->m.begin(), citend = this->m.end();
1308         exvector::iterator tmp_n_it = tmp_n.m.begin(), tmp_d_it = tmp_d.m.begin();
1309         while (cit != citend) {
1310                 ex nd = cit->normal().to_rational(srl).numer_denom();
1311                 ++cit;
1312                 *tmp_n_it++ = nd.op(0);
1313                 *tmp_d_it++ = nd.op(1);
1314         }
1315
1316         unsigned r0 = 0;
1317         for (unsigned r1=0; (r1<n-1)&&(r0<m-1); ++r1) {
1318                 int indx = tmp_n.pivot(r0, r1, true);
1319                 if (indx==-1) {
1320                         sign = 0;
1321                         if (det)
1322                                 return 0;
1323                 }
1324                 if (indx>=0) {
1325                         if (indx>0) {
1326                                 sign = -sign;
1327                                 // tmp_n's rows r0 and indx were swapped, do the same in tmp_d:
1328                                 for (unsigned c=r1; c<n; ++c)
1329                                         tmp_d.m[n*indx+c].swap(tmp_d.m[n*r0+c]);
1330                         }
1331                         for (unsigned r2=r0+1; r2<m; ++r2) {
1332                                 for (unsigned c=r1+1; c<n; ++c) {
1333                                         dividend_n = (tmp_n.m[r0*n+r1]*tmp_n.m[r2*n+c]*
1334                                                       tmp_d.m[r2*n+r1]*tmp_d.m[r0*n+c]
1335                                                      -tmp_n.m[r2*n+r1]*tmp_n.m[r0*n+c]*
1336                                                       tmp_d.m[r0*n+r1]*tmp_d.m[r2*n+c]).expand();
1337                                         dividend_d = (tmp_d.m[r2*n+r1]*tmp_d.m[r0*n+c]*
1338                                                       tmp_d.m[r0*n+r1]*tmp_d.m[r2*n+c]).expand();
1339                                         bool check = divide(dividend_n, divisor_n,
1340                                                             tmp_n.m[r2*n+c], true);
1341                                         check &= divide(dividend_d, divisor_d,
1342                                                         tmp_d.m[r2*n+c], true);
1343                                         GINAC_ASSERT(check);
1344                                 }
1345                                 // fill up left hand side with zeros
1346                                 for (unsigned c=0; c<=r1; ++c)
1347                                         tmp_n.m[r2*n+c] = _ex0();
1348                         }
1349                         if ((r1<n-1)&&(r0<m-1)) {
1350                                 // compute next iteration's divisor
1351                                 divisor_n = tmp_n.m[r0*n+r1].expand();
1352                                 divisor_d = tmp_d.m[r0*n+r1].expand();
1353                                 if (det) {
1354                                         // save space by deleting no longer needed elements
1355                                         for (unsigned c=0; c<n; ++c) {
1356                                                 tmp_n.m[r0*n+c] = _ex0();
1357                                                 tmp_d.m[r0*n+c] = _ex1();
1358                                         }
1359                                 }
1360                         }
1361                         ++r0;
1362                 }
1363         }
1364         // repopulate *this matrix:
1365         exvector::iterator it = this->m.begin(), itend = this->m.end();
1366         tmp_n_it = tmp_n.m.begin();
1367         tmp_d_it = tmp_d.m.begin();
1368         while (it != itend)
1369                 *it++ = ((*tmp_n_it++)/(*tmp_d_it++)).subs(srl);
1370
1371         return sign;
1372 }
1373
1374
1375 /** Partial pivoting method for matrix elimination schemes.
1376  *  Usual pivoting (symbolic==false) returns the index to the element with the
1377  *  largest absolute value in column ro and swaps the current row with the one
1378  *  where the element was found.  With (symbolic==true) it does the same thing
1379  *  with the first non-zero element.
1380  *
1381  *  @param ro is the row from where to begin
1382  *  @param co is the column to be inspected
1383  *  @param symbolic signal if we want the first non-zero element to be pivoted
1384  *  (true) or the one with the largest absolute value (false).
1385  *  @return 0 if no interchange occured, -1 if all are zero (usually signaling
1386  *  a degeneracy) and positive integer k means that rows ro and k were swapped.
1387  */
1388 int matrix::pivot(unsigned ro, unsigned co, bool symbolic)
1389 {
1390         unsigned k = ro;
1391         if (symbolic) {
1392                 // search first non-zero element in column co beginning at row ro
1393                 while ((k<row) && (this->m[k*col+co].expand().is_zero()))
1394                         ++k;
1395         } else {
1396                 // search largest element in column co beginning at row ro
1397                 GINAC_ASSERT(is_ex_of_type(this->m[k*col+co],numeric));
1398                 unsigned kmax = k+1;
1399                 numeric mmax = abs(ex_to<numeric>(m[kmax*col+co]));
1400                 while (kmax<row) {
1401                         GINAC_ASSERT(is_ex_of_type(this->m[kmax*col+co],numeric));
1402                         numeric tmp = ex_to<numeric>(this->m[kmax*col+co]);
1403                         if (abs(tmp) > mmax) {
1404                                 mmax = tmp;
1405                                 k = kmax;
1406                         }
1407                         ++kmax;
1408                 }
1409                 if (!mmax.is_zero())
1410                         k = kmax;
1411         }
1412         if (k==row)
1413                 // all elements in column co below row ro vanish
1414                 return -1;
1415         if (k==ro)
1416                 // matrix needs no pivoting
1417                 return 0;
1418         // matrix needs pivoting, so swap rows k and ro
1419         ensure_if_modifiable();
1420         for (unsigned c=0; c<col; ++c)
1421                 this->m[k*col+c].swap(this->m[ro*col+c]);
1422
1423         return k;
1424 }
1425
1426 ex lst_to_matrix(const lst & l)
1427 {
1428         // Find number of rows and columns
1429         unsigned rows = l.nops(), cols = 0, i, j;
1430         for (i=0; i<rows; i++)
1431                 if (l.op(i).nops() > cols)
1432                         cols = l.op(i).nops();
1433
1434         // Allocate and fill matrix
1435         matrix &m = *new matrix(rows, cols);
1436         m.setflag(status_flags::dynallocated);
1437         for (i=0; i<rows; i++)
1438                 for (j=0; j<cols; j++)
1439                         if (l.op(i).nops() > j)
1440                                 m(i, j) = l.op(i).op(j);
1441                         else
1442                                 m(i, j) = _ex0();
1443         return m;
1444 }
1445
1446 ex diag_matrix(const lst & l)
1447 {
1448         unsigned dim = l.nops();
1449
1450         matrix &m = *new matrix(dim, dim);
1451         m.setflag(status_flags::dynallocated);
1452         for (unsigned i=0; i<dim; i++)
1453                 m(i, i) = l.op(i);
1454
1455         return m;
1456 }
1457
1458 } // namespace GiNaC