【C++】高斯消元算法

2024-06-20 20:18
文章标签 算法 c++ 高斯消

本文主要是介绍【C++】高斯消元算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

矩阵初等行变换法则

  1. 任一行可以与另一行进行加减。
  2. 任一行可以乘或除以一个非零常数(除其实就是乘一个倒数)。
  3. 任两行可以交换位置。

线性方程组

形如
a 1 , 1 x 1 + a 1 , 2 x 2 + ⋯ + a 1 , n x n = b 1 a 2 , 1 x 1 + a 2 , 2 x 2 + ⋯ + a 2 , n x n = b n ⋮ a n , 1 x 1 + a n , 2 x 2 + ⋯ + a n , n x n = b n a_{1,1}x_1+a_{1,2}x_2+\dots+a_{1,n}x_n=b_1 \\ a_{2,1}x_1+a_{2,2}x_2+\dots+a_{2,n}x_n=b_n \\ \vdots \\ a_{n,1}x_1+a_{n,2}x_2+\dots+a_{n,n}x_n=b_n a1,1x1+a1,2x2++a1,nxn=b1a2,1x1+a2,2x2++a2,nxn=bnan,1x1+an,2x2++an,nxn=bn
其中,系数矩阵为
A = ( a 1 , 1 a 1 , 2 … a 1 , n a 2 , 1 a 2 , 2 … a 2 , n ⋮ ⋮ ⋮ ⋮ a n , 1 a n , 2 … a n , n ) A=\left( \begin{matrix} &a_{1,1} &a_{1,2} &\dots &a_{1,n} \\ &a_{2,1} &a_{2,2} &\dots &a_{2,n} \\ &\vdots &\vdots &\vdots &\vdots \\ &a_{n,1} &a_{n,2} &\dots &a_{n,n} \\ \end{matrix} \right) A=a1,1a2,1an,1a1,2a2,2an,2a1,na2,nan,n
右值向量(矩阵)为
B = ( b 1 b 2 ⋮ b n ) B=\left ( \begin{matrix} b_1\\ b_2\\ \vdots\\ b_n \end{matrix} \right) B=b1b2bn
解向量为
X = ( x 1 x 2 ⋮ x n ) X=\left ( \begin{matrix} x_1\\ x_2\\ \vdots\\ x_n \end{matrix} \right) X=x1x2xn
因此,方程组可表示为
A X = B AX=B AX=B

矩阵的秩

  • 矩阵可由初等行变换化为行最简形矩阵,所谓行最简型矩阵,即在阶梯形矩阵中,若非零行的第一个非零元素全是1,且非零行的第一个元素1所在列的其余元素全为零,就称该矩阵为行最简形矩阵。矩阵的秩就是行最简形矩阵非零行的个数,以 r ( M ) r(M) r(M)来表示矩阵 M M M的秩。如:
    M = ( 1 0 0 − 1 0 1 0 − 2 0 0 1 2 ) M=\left (\begin{matrix} &1 &0 &0 &-1 \\ &0 &1 &0 &-2 \\ &0 &0 &1 &2 \end{matrix} \right) M=100010001122
    r ( M ) = 3 r(M)=3 r(M)=3

高斯消元法(列主元法)

  • 其实就是线性代数中的矩阵行化简算法。

思路

要解上述方程组,需要引入增广矩阵

( A ⋮ b ) = ( a 1 , 1 a 1 , 2 … a 1 , n b 1 a 2 , 1 a 2 , 2 … a 2 , n b 2 ⋮ ⋮ ⋮ ⋮ ⋮ a n , 1 a n , 2 … a n , n b n ) (A\vdots b)= \left( \begin{matrix} &a_{1,1} &a_{1,2} &\dots &a_{1,n} &b_1 \\ &a_{2,1} &a_{2,2} &\dots &a_{2,n} &b_2 \\ &\vdots &\vdots &\vdots &\vdots &\vdots \\ &a_{n,1} &a_{n,2} &\dots &a_{n,n} &b_n \\ \end{matrix} \right) (Ab)=a1,1a2,1an,1a1,2a2,2an,2a1,na2,nan,nb1b2bn

其实就是在系数矩阵 A A A右侧添加右值向量 b b b

  1. r ( A ) = r ( A ⋮ b ) r(A)=r(A\vdots b) r(A)=r(Ab) r ( A ) = n r(A)=n r(A)=n,则方程组有唯一解
  2. r ( A ) = r ( A ⋮ b ) r(A)=r(A\vdots b) r(A)=r(Ab) r ( A ) ≠ n r(A)\ne n r(A)=n,则方程组有无穷个解
  3. r ( A ) ≠ r ( A ⋮ b ) r(A)\ne r(A\vdots b) r(A)=r(Ab),则方程组无解

算法思想

  • 假设行数为 1 ∼ n 1 \sim n 1n,列数为 1 ∼ n + 1 1\sim n+1 1n+1

化简矩阵

  1. 初始化当前行为 i = 1 i=1 i=1
  2. i ∼ n i\sim n in行中寻找绝对值最大的 a i i a_{ii} aii所在行 j j j (最大系数可减小误差)
  3. a j j = 0 a_{jj}=0 ajj=0则说明 r ( A ) ≠ n r(A)\ne n r(A)=n,无唯一解,返回 f a l s e false false
  4. 交换第 i , j i,j i,j两行,使得增广矩阵保持为上三角矩阵
  5. i i i行所有元素除以系数 a i i a_{ii} aii
  6. i = n i=n i=n说明这是末尾行,结束矩阵化简,在求解向量后返回1
  7. i + 1 ∼ n i+1\sim n i+1n行,减去 a i + 1 , i a_{i+1,i} ai+1,i倍第 i i i行,消除其余行的第 i i i列系数
  8. i = i + 1 i=i+1 i=i+1,跳回到第 2 2 2步,寻找下一行

求解向量

此时矩阵为
( A ⋮ b ) = ( 1 a 1 , 2 … a 1 , n b 1 1 … a 2 , n b 2 ⋱ ⋮ 1 b n ) (A\vdots b)= \left( \begin{matrix} &1 &a_{1,2} &\dots &a_{1,n} &b_1 \\ & &1 &\dots &a_{2,n} &b_2 \\ & & &\ddots & &\vdots \\ & & & &1 &b_n \\ \end{matrix} \right) (Ab)=1a1,21a1,na2,n1b1b2bn

x 1 + a 1 , 2 x 2 + ⋯ + a 1 , n x n = b 1 x 2 + a 2 , 3 x 3 + ⋯ + a 2 , n x n = b 2 x n = b n x_1+a_{1,2}x_2+\dots +a_{1,n}x_n=b_1 \\ x_2+a_{2,3}x_3+\dots +a_{2,n}x_n=b_2 \\ x_n=b_n x1+a1,2x2++a1,nxn=b1x2+a2,3x3++a2,nxn=b2xn=bn
此时有
x n = b n x n − 1 = b n − 1 − a n − 1 , n ∗ b n ⋮ x 1 = b 1 − a 1 , n ∗ b n − a 1 , n − 1 ∗ b n − 1 − … a 1 , 2 a 2 x_n=b_n \\ x_{n-1}=b_{n-1}-a_{n-1,n}*b_n \\ \vdots \\ x_1=b_{1}-a_{1,n}*b_n-a_{1,n-1}*b_{n-1}-\dots a_{1,2}a_2 xn=bnxn1=bn1an1,nbnx1=b1a1,nbna1,n1bn1a1,2a2
解向量为
X = ( x 1 x 2 ⋮ x n ) X=\left( \begin{matrix} x_1\\ x_2\\ \vdots\\ x_n \end{matrix} \right) X=x1x2xn

算法模板

int gauss(double num[100][101],int n,double x[]){for(int i=0;i<n;i++){//循环n次,第i轮循环行为i~n-1,列为i~nint maxRow=i;//maxRow记录系数最大的行,作为被减行减小误差for(int j=i+1;j<n;j++){if(abs(num[j][i])>abs(num[maxRow][i])) maxRow=j;}if(abs(num[maxRow][i])<zero) return 0;//x系数为0则增广矩阵无唯一解,返回0if(maxRow!=i){//交换最大行到i行,使之保持为上三角矩阵for(int j=i;j<n+1;j++){swap(num[maxRow][j],num[i][j]);}}for(int j=n;j>=i;j--){//化最大行第一个系数为1num[i][j]/=num[i][i];//从后向前除以系数,否则需要临时变量记录[i][i]的系数}for(int j=i+1;j<n;j++){//被系数行减去for(int k=n;k>=i;k--){num[j][k]-=num[j][i]*num[i][k];//减去了系数行乘以对应系数}}}for(int i=n-1;i>=0;i--){//逆向求解向量x[i]=num[i][n];//赋初值使得ax=bfor(int j=i+1;j<n;j++)x[i]-=num[i][j]*x[j];//减去其他解向量}return 1;
}

例题

题目链接

题目背景

Gauss消元

题目描述

给定一个线性方程组,对其求解

输入格式

第一行,一个正整数 n n n
第二至 n + 1 n+1 n+1行,每行 n + 1 n+1 n+1个整数,为 a 1 , a 2 ⋯ a n a_1, a_2 \cdots a_n a1,a2an b b b,代表一组方程。

输出格式

n n n行,每行一个数,第 i i i行为 x i x_i xi(保留2位小数)
如果不存在唯一解,在第一行输出"No Solution".

输入输出样例

  • 输入 #1
3
1 3 4 5
1 4 7 3
9 3 2 2
  • 输出 #1
-0.97
5.18
-2.39
  • 说明/提示

1 ≤ n ≤ 100 , ∣ a i ∣ ≤ 10 4 , ∣ b ∣ ≤ 10 4 1 \leq n \leq 100, \left | a_i \right| \leq {10}^4 , \left |b \right| \leq {10}^4 1n100,ai104,b104

AC代码

#include <iostream>
#include <algorithm>
#define zero 1e-10
using namespace std;
int gauss(double num[100][101],int n,double x[]){for(int i=0;i<n;i++){//循环n次,第i轮循环行为i~n-1,列为i~nint maxRow=i;//maxRow记录系数最大的行,作为被减行减小误差for(int j=i+1;j<n;j++){if(abs(num[j][i])>abs(num[maxRow][i])) maxRow=j;}if(abs(num[maxRow][i])<zero) return 0;//x系数为0则增广矩阵无唯一解,返回0if(maxRow!=i){//交换最大行到i行,使之保持为上三角矩阵for(int j=i;j<n+1;j++){swap(num[maxRow][j],num[i][j]);}}for(int j=n;j>=i;j--){//化最大行第一个系数为1num[i][j]/=num[i][i];//从后向前除以系数,否则需要临时变量记录[i][i]的系数}for(int j=i+1;j<n;j++){//被系数行减去for(int k=n;k>=i;k--){num[j][k]-=num[j][i]*num[i][k];//减去了系数行乘以对应系数}}}for(int i=n-1;i>=0;i--){//逆向求解向量x[i]=num[i][n];//赋初值使得ax=bfor(int j=i+1;j<n;j++)x[i]-=num[i][j]*x[j];//减去其他解向量}return 1;
}
int main(){int n;double num[100][101];//矩阵大小是n*n+1double x[100];//存储解向量xscanf("%d",&n);for(int i=0;i<n;i++){for(int j=0;j<n+1;j++){scanf("%lf",&num[i][j]);}}if(gauss(num,n,x)){for(int i=0;i<n;i++){printf("%.2lf\n",x[i]);}}else{printf("No Solution");}return 0;
}
/*
3
1 3 4 5
1 4 7 3
9 3 2 2
*/

这篇关于【C++】高斯消元算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1079148

相关文章

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

Linux下如何使用C++获取硬件信息

《Linux下如何使用C++获取硬件信息》这篇文章主要为大家详细介绍了如何使用C++实现获取CPU,主板,磁盘,BIOS信息等硬件信息,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录方法获取CPU信息:读取"/proc/cpuinfo"文件获取磁盘信息:读取"/proc/diskstats"文

C++使用printf语句实现进制转换的示例代码

《C++使用printf语句实现进制转换的示例代码》在C语言中,printf函数可以直接实现部分进制转换功能,通过格式说明符(formatspecifier)快速输出不同进制的数值,下面给大家分享C+... 目录一、printf 原生支持的进制转换1. 十进制、八进制、十六进制转换2. 显示进制前缀3. 指

C++中初始化二维数组的几种常见方法

《C++中初始化二维数组的几种常见方法》本文详细介绍了在C++中初始化二维数组的不同方式,包括静态初始化、循环、全部为零、部分初始化、std::array和std::vector,以及std::vec... 目录1. 静态初始化2. 使用循环初始化3. 全部初始化为零4. 部分初始化5. 使用 std::a

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

C++ vector的常见用法超详细讲解

《C++vector的常见用法超详细讲解》:本文主要介绍C++vector的常见用法,包括C++中vector容器的定义、初始化方法、访问元素、常用函数及其时间复杂度,通过代码介绍的非常详细,... 目录1、vector的定义2、vector常用初始化方法1、使编程用花括号直接赋值2、使用圆括号赋值3、ve

如何高效移除C++关联容器中的元素

《如何高效移除C++关联容器中的元素》关联容器和顺序容器有着很大不同,关联容器中的元素是按照关键字来保存和访问的,而顺序容器中的元素是按它们在容器中的位置来顺序保存和访问的,本文介绍了如何高效移除C+... 目录一、简介二、移除给定位置的元素三、移除与特定键值等价的元素四、移除满足特android定条件的元

Python获取C++中返回的char*字段的两种思路

《Python获取C++中返回的char*字段的两种思路》有时候需要获取C++函数中返回来的不定长的char*字符串,本文小编为大家找到了两种解决问题的思路,感兴趣的小伙伴可以跟随小编一起学习一下... 有时候需要获取C++函数中返回来的不定长的char*字符串,目前我找到两种解决问题的思路,具体实现如下:

C++ Sort函数使用场景分析

《C++Sort函数使用场景分析》sort函数是algorithm库下的一个函数,sort函数是不稳定的,即大小相同的元素在排序后相对顺序可能发生改变,如果某些场景需要保持相同元素间的相对顺序,可使... 目录C++ Sort函数详解一、sort函数调用的两种方式二、sort函数使用场景三、sort函数排序

Java调用C++动态库超详细步骤讲解(附源码)

《Java调用C++动态库超详细步骤讲解(附源码)》C语言因其高效和接近硬件的特性,时常会被用在性能要求较高或者需要直接操作硬件的场合,:本文主要介绍Java调用C++动态库的相关资料,文中通过代... 目录一、直接调用C++库第一步:动态库生成(vs2017+qt5.12.10)第二步:Java调用C++