\ \ \ \ \ \ \, 对于一个 n × m n\times m n×m 的矩阵 A A A,我们这样定义:
A = [ a ( 1 , 1 ) a ( 1 , 2 ) ⋯ a ( 1 , n ) a ( 2 , 1 ) a ( 2 , 2 ) ⋯ a ( 2 , n ) ⋮ ⋮ ⋱ ⋮ a ( m , 1 ) a ( m , 2 ) ⋯ a ( m , n ) ] A=\begin{bmatrix} a_{(1,1)} & a_{(1,2)} &\cdots &a_{(1,n)} \\ a_{(2,1)}& a_{(2,2)} &\cdots &a_{(2,n)} \\\vdots &\vdots &\ddots &\vdots\\ a_{(m,1)}& a_{(m,2)} &\cdots &a_{(m,n)} \end{bmatrix} A=⎣⎢⎢⎢⎡a(1,1)a(2,1)⋮a(m,1)a(1,2)a(2,2)⋮a(m,2)⋯⋯⋱⋯a(1,n)a(2,n)⋮a(m,n)⎦⎥⎥⎥⎤
struct matrix{
int n,m;
double a[N][N];
}A;
  \ \ \ \ \ \ \, 回忆初中学的多元一次方程(线性方程),我们可以把它当做一个矩阵,然后等号的后面为 n × 1 n\times 1 n×1 的增广矩阵。
  \ \ \ \ \ \ \, 我们解答的过程,就是用方程之间的加减,或者乘一个常数,来消去一些未知数,直到可以直接解出答案。这个消元过程,就是高斯消元。
  \ \ \ \ \ \ \, 变换到矩阵上面,就是通过一些行与行之间的加减,或者乘一个常数,来使得一些位置的值变为 0 0 0 。
  \ \ \ \ \ \ \, 我们一般会画成下面两种形态:
- 行阶梯式
[ ∗ ∗ ∗ 0 ∗ ∗ 0 0 ∗ ] \begin{bmatrix} * & * &* \\ 0& * &* \\0& 0 &* \end{bmatrix} ⎣⎡∗00∗∗0∗∗∗⎦⎤
  \ \ \ \ \ \ \, 代码如下,复杂度 O ( n 3 ) O(n^3) O(n3)
void Gauss(matrix &A){
for(int i=1;i<=A.n;i++){
for(int j=i;j<=A.m;j++)
if(fabs(A.a[j][i])){swap(A.a[j],A.a[i]);break;}
for(int j=i+1;j<=A.m;j++){
if(fabs(A.a[i][i])<eps)continue;
double f=A.a[j][i]/A.a[i][i];
for(int k=i;k<=A.n;k++)A.a[j][k]-=f*A.a[i][k];
}
}
}
- 行最简式
[ ∗ 0 0 0 ∗ 0 0 0 ∗ ] \begin{bmatrix} * & 0 &0 \\ 0& * &0 \\0& 0 &*\end{bmatrix} ⎣⎡∗000∗000∗⎦⎤
  \ \ \ \ \ \ \, 代码如下,在化成行阶梯式之后,再化成行最简式,复杂度 O ( n 3 ) O(n^3) O(n3)
void Gauss(matrix &A){
for(int i=1;i<=A.n;i++){
for(int j=i;j<=A.m;j++)
if(fabs(A.a[j][i])){swap(A.a[j],A.a[i]);break;}
for(int j=i+1;j<=A.m;j++){
if(fabs(A.a[i][i])<eps)continue;
double f=A.a[j][i]/A.a[i][i];
for(int k=i;k<=A.n;k++)A.a[j][k]-=f*A.a[i][k];
}
}
for(int i=A.n;i>=1;i--)
for(int j=i-1;j>=1;j--){
if(fabs(A.a[j][i])<eps)continue;
double f=-A.a[i][i]/A.a[j][i];
for(int k=j;k<=A.n;k++)
(A.a[j][k]*=f)+=A.a[i][k];
}
}
- 矩阵的秩
  \ \ \ \ \ \ \, 矩阵的秩是A的线性独立的纵(横)列的极大数目,感性地理解,就是在线性方程里的非自由元数目,也就是有用的为多少,我们可以在高斯消元的同时,来求矩阵的秩。
  \ \ \ \ \ \ \ \, 也就是统计行阶梯式的对角线上,不为 0 0 0 的数目。
- 行列式的值
  \ \ \ \ \ \ \, 行列式虽然与矩阵不同,但是也可以用矩阵表示,暴力求行列式的值复杂度太高,但是我们可以高斯消元过后再求。
  \ \ \ \ \ \ \, 就是行阶梯式的对角线的乘积。
  \ \ \ \ \ \ \, 那么对于矩阵之间的乘法 B × A B\times A B×A,我们这样定义:
  \ \ \ \ \ \ \, 首先,我们需要确定, B B B 的列数等于 A A A 的行数,既 m A = n B m_A=n_B mA=nB。
  \ \ \ \ \ \ \, 令 S ( i , j ) = ∑ k = 1 m A a ( k , j ) × b ( i , k ) S_{(i,j)}=\sum_{k=1}^{m_A}a_{(k,j)}\times b_{(i,k)} S(i,j)=∑k=1mAa(k,j)×b(i,k),那么有:
B × A = [ S ( 1 , 1 ) S ( 1 , 2 ) ⋯ S ( 1 , n A ) S ( 2 , 1 ) S ( 2 , 2 ) ⋯ S ( 2 , n A ) ⋮ ⋮ ⋱ ⋮ S ( m B , 1 ) S ( m B , 2 ) ⋯ S ( m B , n A ) ] B\times A=\begin{bmatrix} S_{(1,1)} & S_{(1,2)} &\cdots &S_{(1,n_A)} \\ S_{(2,1)}& S_{(2,2)} &\cdots &S_{(2,n_A)} \\\vdots &\vdots &\ddots &\vdots\\ S_{(m_B,1)}& S_{(m_B,2)} &\cdots &S_{(m_B,n_A)} \end{bmatrix} B×A=⎣⎢⎢⎢⎡S(1,1)S(2,1)⋮S(mB,1)S(1,2)S(2,2)⋮S(mB,2)⋯⋯⋱⋯S(1,nA)S(2,nA)⋮S(mB,nA)⎦⎥⎥⎥⎤
  \ \ \ \ \ \ \, 显然是一定满足结合律,不一定满足交换律的,复杂度为 O ( n 3 ) O(n^3) O(n3),直接模拟的,代码如下:
inline matrix operator *(const matrix &a,const matrix &b){
matrix ret;ret.n=a.n;ret.m=b.m;
for(int i=1;i<=a.n;i++)
for(int j=1;j<=b.m;j++){
ret.a[i][j]=0;
for(int k=1;k<=a.m;k++)
ret.a[i][j]+=a.a[i][k]*b.a[k][j];
}
return ret;
}
  \ \ \ \ \ \ \, 有矩阵乘法,那么就会存在单位元,那么就自然会有逆元的存在。
  \ \ \ \ \ \ \, 单位矩阵,既对角线上面都是 1 1 1,其余都是 0 0 0 的矩阵:
I = [ 1 0 ⋯ 0 0 1 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 1 ] I=\begin{bmatrix} 1 & 0 &\cdots &0 \\ 0& 1 &\cdots &0 \\\vdots &\vdots &\ddots &\vdots\\ 0& 0 &\cdots &1 \end{bmatrix} I=⎣⎢⎢⎢⎡10⋮001⋮0⋯⋯⋱⋯00⋮1⎦⎥⎥⎥⎤
  \ \ \ \ \ \ \, 根据矩阵乘法的定义,很容易知道 A × I = A A\times I=A A×I=A。
  \ \ \ \ \ \ \, 那么对于矩阵 A A A,若是 A × A ′ = I A\times A'=I A×A′=I,我们就称 A ′ A' A′ 为 A A A 的逆矩阵。
  \ \ \ \ \ \ \, 对于一个矩阵 A A A,肯定可以通过一些行与行之间的加减,或者乘一个常数,既高斯消元,变成 I I I。那么我们令 B = I B=I B=I,同时和 A A A做高斯消元,那么当 A = I A=I A=I时, B = A ′ B=A' B=A′了。
  \ \ \ \ \ \ \, 模板如下,返回 0 0 0是无逆元情况:
bool Inv(matrix A,matrix &B){
B.n=A.n;B.m=A.m;
memset(B.a,0,sizeof(B.a));
for(int i=1;i<=A.n;i++)B.a[i][i]=1;
for(int i=1;i<=A.n;i++){
for(int j=i;j<=A.n;j++)
if(A.a[j][i]){
swap(A.a[i],A.a[j]);
swap(B.a[i],B.a[j]);
break;
}
if(!A.a[i][i])return 0;
long long r=inv(A.a[i][i]);
for(int j=i;j<=A.n;j++)A.a[i][j]=A.a[i][j]*r%mod;
for(int j=1;j<=A.n;j++)B.a[i][j]=B.a[i][j]*r%mod;
for(int j=1;j<=A.n;j++)
if(j!=i){
long long f=A.a[j][i];
for(int k=i;k<=A.n;k++)
A.a[j][k]=(A.a[j][k]-f*A.a[i][k]%mod+mod)%mod;
for(int k=1;k<=A.n;k++)
B.a[j][k]=(B.a[j][k]-f*B.a[i][k]%mod+mod)%mod;
}
}
return 1;
}