理论

高斯消元法，是线性代数规划中的一个算法，可用来为线性方程组求解。但其算法十分复杂，不常用于加减消元法，求出矩阵的秩，以及求出可逆方阵的逆矩阵

用系数矩阵表示n元一次方程，如
{2x+3y+4z=20x−2y+3z=66x+4y−3z=5⇒(234201−23664−35)\begin{cases} 2x+3y+4z=20\\ x-2y+3z=6\\ 6x+4y-3z=5\\ \end{cases} \ ⇒ \begin{pmatrix} 2&3&4&20\\ 1&-2&3&6\\ 6&4&-3&5\\ \end{pmatrix} ⎩⎪⎨⎪⎧2x+3y+4z=20x−2y+3z=66x+4y−3z=5 ⇒⎝⎛2163−2443−32065⎠⎞
系数矩阵的运算法则：
• 1.将某一行同时乘以/除以一个非0常数。
• 2.某一行加上或减去另一行的若干倍

演示过程

(234201−23664−35)⇒r1∗12(1322101−23664−35)⇒r2−r1,r3−6r1(1322100−721−40−5−15−55)\begin{pmatrix} 2&3&4&20\\ 1&-2&3&6\\ 6&4&-3&5\\ \end{pmatrix} \ ⇒^{r_1*\frac{1}{2}}\begin{pmatrix} 1&\frac{3}{2}&2&10\\ 1&-2&3&6\\ 6&4&-3&5\\ \end{pmatrix}\ ⇒^{r_2-r_1,r_3-6r_1}\begin{pmatrix} 1&\frac{3}{2}&2&10\\ 0&-\frac{7}{2}&1&-4\\ 0&-5&-15&-55\\ \end{pmatrix} ⎝⎛2163−2443−32065⎠⎞ ⇒r1∗21⎝⎛11623−2423−31065⎠⎞ ⇒r2−r1,r3−6r1⎝⎛10023−27−521−1510−4−55⎠⎞
⇒r2∗(−27)(13221001−27870−5−15−55)⇒r1−32r2,r3+5r2(1017758701−278700−1157−3457)\ ⇒^{r_2*(-\frac{2}{7})}\begin{pmatrix} 1&\frac{3}{2}&2&10\\ 0&1&-\frac{2}{7}&\frac{8}{7}\\ 0&-5&-15&-55\\ \end{pmatrix}\ ⇒^{r_1-\frac{3}{2}r_2,r_3+5r_2}\begin{pmatrix} 1&0&\frac{17}{7}&\frac{58}{7}\\ 0&1&-\frac{2}{7}&\frac{8}{7}\\ 0&0&-\frac{115}{7}&-\frac{345}{7}\\ \end{pmatrix} ⇒r2∗(−72)⎝⎛100231−52−72−151078−55⎠⎞ ⇒r1−23r2,r3+5r2⎝⎛100010717−72−711575878−7345⎠⎞⇒r3∗(−7115)(1017758701−27870013)⇒r1−177r3,r2+27r3(100101020013)\ ⇒^{r_3*(-\frac{7}{115})} \begin{pmatrix} 1&0&\frac{17}{7}&\frac{58}{7}\\ 0&1&-\frac{2}{7}&\frac{8}{7}\\ 0&0&1&3\\ \end{pmatrix} \ ⇒^{r_1-\frac{17}{7}r_3,r_2+\frac{2}{7}r_3} \begin{pmatrix} 1&0&0&1\\ 0&1&0&2\\ 0&0&1&3\\ \end{pmatrix} ⇒r3∗(−1157)⎝⎛100010717−721758783⎠⎞ ⇒r1−717r3,r2+72r3⎝⎛100010001123⎠⎞
即{x1=1x2=2x3=3\begin{cases} x_1=1\\ x_2=2\\ x_3=3\\ \end{cases}⎩⎪⎨⎪⎧x1=1x2=2x3=3

算法流程：
• 从1到n枚举i，第i步定未知数i为主元，从上到下找到第一个未知数i不为0的方程定为主方程（如不存在则跳过这一步）
• 通过乘除系数使得主方程未知数i前面的系数为1 • 对于其他方程，若未知数i前面的系数为k，那么该方程减去主方程的k倍，使得该方程未知数i系数为0
• 时间复杂度O(n^3)

一般来讲，n个未知数n个方程在方程之间线性不相关的情况下，恰好有一组解
如果算法结束后，存在一行全为0，那么被消去的未知数可以任意取值，称为自由元
如果有一行前n个数为0，最后一个数不为0，那么方程无解
当方程组数和未知数数不相等时，也可通过上面方法判定解数

提一句：多解
解的个数等于自由变量的取值范围的幂
若自由变量的取值范围为ppp ,自由变量有mmm个，则解的个数为pmp^mpm

线性方程组整数类型解

int a[maxn][maxn];//增广矩阵
int ans[maxn];
bool Free[maxn];//标记是否为自由变元 int GCD ( int a, int b ) {if ( ! b )return a;return GCD ( b, a % b );
}
int LCM ( int a, int b ) {return a / GCD ( a, b ) * b;
}
int Fabs ( int x ) {if ( x < 0 )return -x;return x;
}int Gauss ( int equ, int var ) {for ( int i = 0;i <= var;i ++ ) {ans[i] = 0;Free[i] = 1;}int row, col, MaxRow;col = 1;for ( row = 1;row <= equ && col < var;row ++, col ++ ) {MaxRow = row;for ( int i = row + 1;i <= equ;i ++ )//寻找当前列绝对值最大的行 if ( Fabs ( a[i][col] ) > Fabs ( a[MaxRow][col] ) )MaxRow = i;if ( MaxRow != row ) {//与第row行交换 for ( int i = row;i <= var;i ++ )swap ( a[row][i], a[MaxRow][i] );}if ( ! a[row][col] ) {//说明col列第row行及以下都是0，就处理当前行的下一列 row --;continue;}for ( int i = row + 1;i <= equ;i ++ ) {//枚举要删去各自col列的变元的系数的行 if ( a[i][col] ) {int lcm = LCM ( Fabs ( a[i][col] ), Fabs ( a[row][col] ) );int T1 = lcm / Fabs ( a[i][col] );int T2 = lcm / Fabs ( a[row][col] );if ( a[i][col] * a[row][col] < 0 )T2 = -T2;for ( int j = col;j <= var;j ++ )a[i][j] = a[i][j] * T1 - a[row][j] * T2;}}}//无解：化简的增广矩阵中存在(0,0,...,a)这种类型 for ( int i = row;i <= equ;i ++ )if ( a[i][col] )return -1;int temp;//无穷解，矩阵中出现(0,0,...0) if ( row < var ) {for ( int i = row - 1;i > 0;i -- ) {// 第i行一定不会是(0, 0, ..., 0)的情况，因为这样的行是在第k行到第equ行.// 同样，第i行一定不会是(0, 0, ..., a), a != 0的情况，这样的无解的int free_num = 0, idx;//用于判断该行中的不确定的变元的个数，如果超过1个，则无法求解，它们仍然为不确定的变元for ( int j = 1;j < var;j ++ )  if ( a[i][j] && Free[j] ) {free_num ++;idx = j;}if ( free_num > 1 ) //无法求解出确定的变元 continue;temp = a[i][var];//说明只有一个不确定的变元，那么就可以解出该变元for ( int j = 1;j < var;j ++ ) {if ( a[i][j] && j != idx )temp -= a[i][j] * ans[j];}ans[idx] = temp / a[i][idx];Free[idx] = 0;}return var - row;//自由变元的个数 }//唯一解的情况，是一个严格的上三角形//1 0 ... 0//0 1 ... 0//0 0 1 . 0 for ( int i = var - 1;i > 0;i -- ) {temp = a[i][var];for ( int j = i + 1;j < var;j ++ )if ( a[i][j] )temp -= a[i][j] * ans[j];//--因为x[i]存的是temp/a[i][i]的值，即是a[i][i]=1时x[i]对应的值
//      if ( temp % a[i][i] )//可以用来判断有浮点数解，无整数解，但这个是整数解模板
//          return -2;ans[i] = temp / a[i][i];}return 0;
}

线性方程组浮点类型解

#define eps 1e-6
double a[maxn][maxn];
double ans[maxn];
bool Free[maxn];int GCD ( int a, int b ) {if ( ! b )return a;return GCD ( b, a % b );
}
int LCM ( int a, int b ) {return a / GCD ( a, b ) * b;
}int Gauss ( int equ, int var ) {for ( int i = 0;i <= var;i ++ ) {ans[i] = 0;Free[i] = 1;}int row, col, MaxRow;col = 0;for ( row = 0;row < equ && col < var;row ++, col ++ ) {MaxRow = row;for ( int i = row + 1;i < equ;i ++ ) if ( fabs ( a[i][col] ) > fabs ( a[MaxRow][col] ) )MaxRow = i;if ( MaxRow != row ) {for ( int i = row;i <= var;i ++ )swap ( a[row][i], a[MaxRow][i] );}if ( fabs ( a[row][col] ) < eps ) {row --;continue;}for ( int i = row + 1;i < equ;i ++ ) {if ( fabs ( a[i][col] ) > eps ) {double temp = a[i][col] / a[row][col];for ( int j = col;j <= var;j ++ )a[i][j] -= a[row][j] * temp;a[i][col] = 0;}}}for ( int i = row;i < equ;i ++ )if ( fabs ( a[i][col] ) > eps )return -1;double temp;if ( row < var ) {for ( int i = row - 1;i >= 0;i -- ) {int free_num = 0, idx;for ( int j = 0;j < var;j ++ )  if ( a[i][j] && Free[j] ) {free_num ++;idx = j;}if ( free_num > 1 )continue;temp = a[i][var];for ( int j = 0;j < var;j ++ ) {if ( a[i][j] && j != idx )temp -= a[i][j] * ans[j];}ans[idx] = temp / a[i][idx];Free[idx] = 0;}return var - row;}for ( int i = var - 1;i >= 0;i -- ) {temp = a[i][var];for ( int j = i + 1;j < var;j ++ )if ( a[i][j] )temp -= a[i][j] * ans[j];ans[i] = temp / a[i][i];}return 0;
}

模线性方程组

int gcd( int x, int y ) {if( ! y ) return x;else return gcd( y, x % y );
}int inv( int x, int m ) {if( x == 0 ) return 0;if( x == 1 ) return 1;return inv( m % x, m ) * ( m - m / x ) % m;
}int Gauss( int equ, int var ) {int row, col = 1;for( row = 1;row <= equ && col < var;row ++, col ++ ) {int MaxRow = row;for( int i = row + 1;i <= equ;i ++ )if( Fabs( a[i][col] ) > Fabs( a[MaxRow][col] ) )MaxRow = i;if( row != MaxRow ) {for( int i = row;i <= var;i ++ )swap( a[row][i], a[MaxRow][i] );}if( ! a[row][col] ) { row --; continue; }for( int i = row + 1;i <= equ;i ++ ) {if( a[i][col] ) {int d = gcd( Fabs( a[row][col] ), Fabs( a[i][col] ) );int lcm = Fabs( a[row][col] ) / d * Fabs( a[i][col] );int T1 = lcm / Fabs( a[i][col] );int T2 = lcm / Fabs( a[row][col] );if( a[i][col] * a[row][col] < 0 ) T2 = -T2;for( int j = col;j <= var;j ++ ) {a[i][j] = a[i][j] * T1 - a[row][j] * T2;a[i][j] = ( a[i][j] % mod + mod ) % mod;}}}}for( int i = row;i <= equ;i ++ )if( a[i][col] ) return -1;if( row < var ) return var - row;for( int i = var - 1;i;i -- ) {int temp = a[i][var];for( int j = i + 1;j < var;j ++ ) {if( a[i][j] ) {temp -= a[i][j] * x[j];temp = ( temp % mod + mod ) % mod;}}x[i] = temp * inv( a[i][i], mod ) % mod;}return 0;
}

异或方程组

int cnt;
int a[maxn][maxn];
int ans[maxn];
bool Free[maxn];int GCD ( int a, int b ) {if ( ! b )return a;return GCD ( b, a % b );
}
int LCM ( int a, int b ) {return a / GCD ( a, b ) * b;
}int Gauss ( int equ, int var ) {int row, col, MaxRow;col = 0;for ( row = 0;row < equ && col < var;row ++, col ++ ) {MaxRow = row;for ( int i = row + 1;i < equ;i ++ ) if ( fabs ( a[i][col] ) > fabs ( a[MaxRow][col] ) )MaxRow = i;if ( MaxRow != row ) {for ( int i = row;i <= var;i ++ )swap ( a[row][i], a[MaxRow][i] );}if ( a[row][col] == 0 ) {row --;Free[++ cnt] = col;continue;}for ( int i = row + 1;i < equ;i ++ ) {if ( a[i][col] ) {for ( int j = col;j <= var;j ++ )a[i][j] ^= a[row][j];}}}for ( int i = row;i < equ;i ++ )if ( a[i][col] )return -1;if ( row < var ) return var - row;for ( int i = var - 1;i >= 0;i -- ) {ans[i] = a[i][var];for ( int j = i + 1;j < var;j ++ )if ( a[i][j] )ans[i] ^= ( a[i][j] && ans[j] );}return 0;
}

高斯约旦消元

约旦消元

void gauss_jordan ( int equ, int var ) {int row, col = 0;for ( row = 0;row < equ && col < var;row ++, col ++ ) {int MaxRow = row;for ( int i = row + 1;i < equ;i ++ )if ( fabs ( a[i][col] ) > fabs ( a[MaxRow][col] ) )MaxRow = i;if ( MaxRow != row ) {for ( int i = 0;i <= var;i ++ )swap ( a[row][i], a[MaxRow][i] );}if ( fabs ( a[row][col] ) < eps ) {row --;continue;}for ( int i = 0;i < equ;i ++ )if ( i != row )for ( int j = var;j >= row;j -- )a[i][j] -= a[i][col] / a[row][col] * a[row][j];}
}

无解

for ( int i = 0;i < equ;i ++ ) {bool flag = 1;for ( int j = i;j < var;j ++ )if ( fabs ( a[i][j] ) > eps )flag = 0;if ( flag && fabs ( a[i][var] ) > eps )return ! printf ( "-1" );}

无穷解

for ( int i = 0;i < equ;i ++ ) {int free_num = 0;for ( int j = i;j < var;j ++ )if ( fabs ( a[i][j] ) > eps )free_num ++;if ( free_num > 1 )return ! printf ( "0" );}

唯一解

for ( int i = 0;i < equ;i ++ )ans[i] = a[i][var] / a[i][i];for ( int i = 0;i < equ;i ++ )if ( fabs ( ans[i] ) < eps )printf ( "x%d=0\n", i + 1 );elseprintf ( "x%d=%.2f\n", i + 1, ans[i] );

温馨提示，不保证code的绝对正确，反正我是过了
错了别打我，至少别打脸（跑ε=ε=ε=(_￣▽￣)

[高斯消元及理论]线性方程组整数/浮点数，模线性方程组，异或方程组模板相关推荐

中石油训练赛 - Molecules(高斯消元解方程)
题目链接:点击查看题目大意:笛卡尔坐标系上给出 n 个点,如果点为 ( -1 , -1 ) 说明该点的位置是不确定的,现在给出 m 个相连接的关系, 规定位置不确定的点会被周围相邻的点拉到平均位置上 ...
解线性方程组——高斯消元の板子
ATP记得它在很久以前看过一点点高斯消元的东西然后做过一点点题目..但是当时实在是太zz了所以本来就没有很懂这个东西现在更是忘得差不多了.. 所以现在就当重新学一遍了QwQ 一点口胡的解释高斯消元. ...
AcWing 883. 高斯消元解线性方程组（高斯消元模板）
先出裸的模板: #include<bits/stdc++.h>using namespace std; const int N = 110; typedef double db; db a ...
c++用类实现高斯消元法求解线性方程组的解_高斯消元
高斯消元众所周知,高斯消元是线性代数中重要的一课.通过矩阵来解线性方程组.高斯消元最大的用途就是用来解多元一次方程组. 前置技能 1.线性方程组线性方程组是各个方程关于未知量均为一次的方程组(例如 ...
[AcWing]883. 高斯消元解线性方程组（C++实现）高斯消元解线性方程组模板题
[AcWing]883. 高斯消元解线性方程组(C++实现)高斯消元解线性方程组模板题 1. 题目 2. 读题(需要重点注意的东西) 3. 解法 4. 可能有帮助的前置习题 5. 所用到的数据结构与算 ...
矩阵与高斯消元【矩阵乘法，高斯消元求线性方程组，求行列式】全网最详，附例题与姊妹篇一万三千字详解
(详解)矩阵快速幂详解与常见转移矩阵的构造_秦小咩的博客-CSDN博客_矩阵快速幂转移矩阵目录矩阵乘法矩阵快速幂伪代码模板例题一例题2 例题三例题四高斯消元整形高斯消元浮点型高斯消 ...
AcWing 883. 高斯消元解线性方程组 (高斯消元)
题目链接 : 点击查看题目描述 : 输入一个包含 n 个方程 n 个未知数的线性方程组. 方程组中的系数为实数. 求解这个方程组. 下图为一个包含 m 个方程 n 个未知数的线性方程组示例: 输入输 ...
【Luogu 3389】【模板】高斯消元法（用高斯消元求解线性方程组）
1.线性方程组 2.高斯消元法步骤1:通过一系列的加减消元,得到类似 kx=b 的式子,求得最后一个未知量的结果步骤2:然后逐一回代求解整个 x 向量以下列方程为例: 第一次加减消元,用第1式子 ...
高斯消元——解线性方程组+球形空间产生器+开关问题
传送门:https://www.acwing.com/activity/content/11/ 思路: 把原矩阵变成阶梯型矩阵解题步骤: 1.找到绝对值最大的一行. 2.将该行和最上面未处理好的一行交 ...

[高斯消元及理论]线性方程组整数/浮点数，模线性方程组，异或方程组模板

文章目录

理论