高斯消元法，高斯约旦消元法，线性方程组，矩阵求逆

WangLi&a

已于 2024-07-05 21:53:14 修改

阅读量366

点赞数

文章标签：矩阵算法线性代数

于 2023-03-22 10:38:32 首次发布

本文链接：https://blog.csdn.net/wanglianda2007/article/details/129702044

版权

这里说的主元是主对角线的上的元素。

求解线性方程组

高斯消元法

对于矩阵：
$\begin{bmatrix} .&.&.\\ .&.&.\\ .&.&. \end{bmatrix}$

做初等行变换：

一行同乘一个实数
用一行加减另一行
交换两行

因而有了高斯消元法，可以把一个方阵消为上三角矩阵。或者把一个矩阵的靠左的元素构成的方阵消为上三角矩阵。

对于方程组：
$\overset{n}{{\underset{i=1}{\mathbb{I}}}}\left\{\begin{matrix} {\overset{n}{\underset{j=1}\sum}} a_{i,j}x_j=b_i \end{matrix}\right.$
可以写成三个矩阵的乘积：

系数矩阵： $A=\overset{n}{{\underset{i=1}{\mathbb{I}}}}\downarrow{\begin{bmatrix} \overset{n}{{\underset{j=1}{\mathbb{I}}}}\underrightarrow{a_{i,j}} \end{bmatrix}}$

未知量矩阵： $X=\overset{n}{{\underset{i=1}{\mathbb{I}}}}\downarrow{\begin{bmatrix} x_i\end{bmatrix}}$

常数矩阵： $B=\overset{n}{{\underset{i=1}{\mathbb{I}}}}\downarrow{\begin{bmatrix} b_i\end{bmatrix}}$

就有了：

$A\times X=B$

我们把系数矩阵和常数矩阵拼接起来，就得到了增广矩阵：
$F=\overset{n}{{\underset{i=1}{\mathbb{I}}}}\downarrow{\begin{bmatrix} \left( \overset{n}{{\underset{j=1}{\mathbb{I}}}}\underrightarrow{a_{i,j}}\right)&b_i \end{bmatrix}}$

对增广矩阵做初等行变换，等价于对原线性方程组进行操作。

高斯消元法的主要过程是：

顺序枚举主元，找到主元下面第一个不为0的元素（同一列内，包括主元）。
找不到不为0的元素就不存在唯一解。
把这一行与主元所在的行交换。
整一行除以主元，把主元变成1。
用主元翻倍去减它下面的数，把下面的数变成0

最终得到一个左侧是上三角矩阵的增广矩阵，此时可以自底而上回带求解。

回带的过程中，我们先有 $a_{n,n}\cdot x_n=b_n$ ，得到 $x_n$ ，再把 $x_n$ 带入 $a_{n-1,n-1}\cdot x_{n-1}+a_{n-1,n}\cdot x_n=b_{n-1}$ 得到 $x_{n-1}$ 。依此类推…

时间复杂度O( $n^3$ )

高斯约旦消元法

高斯约旦消元法的过程与高斯消元法类似：

顺序枚举主元，找到主元下面第一个不为0的元素（同一列内，包括主元）。
找不到不为0的元素即不存在唯一解。
把这一行与主元所在的行交换。
整一行除以主元，把主元变成1。
用主元翻倍去减同一列除了它本身的所有数，把同一列的所有数变成0。（除了主元）

#include<iostream>
#include<cstdio>
#include<cmath>
#include<algorithm>
using namespace std;
int n;
double a[105][105];
bool solve() {
	for(int i=1;i<=n;i++) {
		int f=i;
		while(f<=n&&fabs(a[f][i])<1e-5) f++;
		if(f==n+1) return false;
		swap(a[i],a[f]);
		for(int j=n+1;j>=i;j--) a[i][j]/=a[i][i];
		for(int j=1,k=i;j<=n;j++,k=i) 
			if(i^j)
				for(double t=a[j][i];k<=n+1;k++)
					a[j][k]-=a[i][k]*t;
	}
	return true;
}
int main() {
	cin>>n;
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n+1;j++)
			cin>>a[i][j];
	if(solve()) 
		for(int i=1;i<=n;i++) 
			printf("%.2lf\n",a[i][n+1]);
	else
		cout<<"No Solution"<<endl;
}

时间复杂度O( $n^3$ )

判断有唯一解/有无穷多解/无解

线性方程组的解有三种情况：

有唯一解
有无穷多组解
无解

如果手动化简的话，容易发现，如果化简过程中出现了 $0\cdot x_i=k$ 的情况，如果 $k = 0$ ，那么 $x_i$ 可以取任何值，那么就是无穷多解。如果 $k\not=0$ 则显然无解。

那么首先把 $F$ 变为最简行阶梯形矩阵 $F^{'}$ ，此时对应的系数矩阵和常数矩阵为 $A^{'}, B^{'}$ ，则容易证明：

若 $R(A')\not=R(B')$ ，则无解。（显然此时有 $R (A^{'}) > R (B^{'})$ ）
若 $R (A^{'}) = R (B^{'}) < n$ ，则有无穷多解。
若 $R (A^{'}) = R (B^{'}) = n$ ，则有唯一解

其中 $R (X)$ 表示矩阵 $X$ 的非零行数。

要睡觉太困了不写证明了。

主要代码就是把 $F$ 变成最简行阶梯形矩阵：

#include <bits/stdc++.h>
#include<algorithm>
using namespace std;
const int N=100;
long double a[N+5][N+5];
int n;
void swap_line(int x,int y) {
	for(int i=1; i<=n+1; i++)
		swap(a[x][i],a[y][i]);
}
void div_line(int x,long double val) {
	for(int i=1; i<=n+1; i++)
		a[x][i]/=val;
}
void add_line(int u,int v,long double k) {
	//v+=u*k
	for(int i=1; i<=n+1; i++)
		a[v][i]+=a[u][i]*k;
}
long double eps=1e-9;
signed main() {
	cin>>n;
	for(int i=1; i<=n; i++)
		for(int j=1; j<=n+1; j++) cin>>a[i][j];
	for(int i=1; i<=n; i++) {
		int x,y;
		for(int j=i;j<=n;j++)//第j列 
			for(int k=i;k<=n;k++)//第k行 
				if(abs(a[x=k][y=j])>eps)
					goto flag;
		break;
		flag:;
		swap_line(i,x);
		div_line(i,a[i][y]);
		for(int j=1; j<=n; j++)
			if(i^j&&abs(a[j][y])>eps)
				add_line(i,j,-a[j][y]);
	}
	int x=0,y=0;
	for(int i=1;i<=n;i++){
		for(int j=1;j<=n+1;j++)
			if(abs(a[i][j])>eps){
				x++;
				break;
			}
		for(int j=1;j<=n;j++)
			if(abs(a[i][j])>eps){
				y++;
				break;
			}
	}
	if(x!=y){
		cout<<-1;
		return 0;
	}
	else if(x<n){
		cout<<0;
		return 0;
	}
	for(int i=1; i<=n; i++)
		printf("x%d=%.2f\n",i,(float)a[i][n+1]);
	return 0;
}

矩阵求逆

定义 $I$ 为单位矩阵。对于方阵 $A$ ，若有 $A\times A^{-1}=A^{-1}\times A=I$ ，则称 $A^{-1}$ 是 $A$ 的逆矩阵。若不存在 $A^{-1}$ ，则称方阵 $A$ 不可逆。

矩阵求逆，用高斯约旦消元法：
对于 $A\times A^{-1}=I$ ，把 $A$ 和 $I$ 拼接起来，得到 $(A, I)$ ，对 $(A, I)$ 做高斯约旦消元法，变为 $I,A^{-1})$ ，此时右边就是矩阵的逆。如果左侧出现全零列/行，说明矩阵不可逆。

证明较繁，我也不会：

根据理论，首先有矩阵 $E$ 使得 $A\times E=A'$ ， $E$ 等价于做若干次初等行变换。

显然初等行变换可逆。

因此有 $I\times E=A$ ，表示对单位矩阵做若干次初等行变换可以得到 $A$ 。如果得不到，说明不可逆。

由于 $E$ 也是一个矩阵，可以把变化矩阵 $E$ 分解成若干个一次初等行变换矩阵乘积的形式： $E=E_1\times E_2\times ...\times E_n$

因而有： $I\times E_1\times E_2\times ...\times E_n=A$
$I=A\times E_1^{-1}\times E_2^{-1}\times ...\times E_n^{-1}$
$A^{-1}=I\times E_1^{-1}\times E_2^{-1}\times ...\times E_n^{-1}$