【高斯消元】浮点高斯消元

使用浮点数高斯消元法求解包含最多400个方程和未知数的线性方程组。程序会根据解的情况输出无解、唯一解或无穷解的信息,并在有唯一解时给出每个未知数的精确值到小数点后四位。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

浮点数高斯消元
【问题描述】
给出一个线性方程组,有n个方程组,m个未知数。解这个线性方程组。

【输入格式】
第1行:2个整数n和m,(n, m <=400,且n不一定等于m)
接下来n行,每行m+1个整数,表示一个方程的m个未知数的系数和常数

【输出格式】
如果无解,输出“No solution”。
如果有唯一解,输出m行,每行一个未知数的值,保留到小数点第4位。格式见样例。
如果有无穷解,输出m行,如果未知数有确定解,直接输出。如果是自由变元,输出“xx isfree number”

【输入样例1】
3 3
2 -1 3 1
4 2 5 4
2 0 2 6
【输出样例1】
X[1] = 9.0000
X[2] = -1.0000
X[3] = -6.0000

【输入样例2】
3 3
2 -1 3 1
4 -2 5 4
2 -1 4 -1

【输出样例2】
X[1] not determined
X[2] not determined
X[3] = -2.0000

【输入样例3】
3 4
5 -1 2 1 7
2 1 4 -2 1
1 -3 -6 5 0

【输出样例3】
No solution

#include<cstdio>
#include<cstring>
#include<algorithm>
#include<cmath>
#define SF scanf
#define PF printf
#define MAXN 410
#define EPS 1e-8
using namespace std;
double a[MAXN][MAXN],x[MAXN];
int n,m,rank,f[MAXN];
void init(){
    memset(a,0,sizeof a);
    for(int i=0;i<n;i++)
        for(int j=0;j<=m;j++)
            SF("%lf",&a[i][j]);
}
void gauss(){
    int r,c,maxr;
    for(r=0,c=0;r<n&&c<m;r++,c++){
        maxr=r;
        for(int i=r+1;i<n;i++)
            if(fabs(a[i][c])>fabs(a[maxr][c]))
                maxr=i;
        if(fabs(a[maxr][c])<EPS){
            r--;
            continue;
        }
        if(maxr!=r)
            for(int i=c;i<=m;i++)
                swap(a[r][i],a[maxr][i]);
        for(int i=0;i<n;i++)
            if(i!=r&&fabs(a[i][c])>EPS)
                for(int j=m;j>=c;j--)
                    a[i][j]-=a[r][j]/a[r][c]*a[i][c];
    }
    rank=r;
}
bool check(){
    int cnt,pos;
    for(int i=rank;i<n;i++)
        if(fabs(a[i][m])>EPS)
            return 0;
    for(int i=0;i<m;i++)
        f[i]=1;
    for(int i=rank-1;i>=0;i--){
        cnt=0;
        for(int j=0;j<m;j++)
            if(fabs(a[i][j])>EPS&&f[j]){
                cnt++;
                pos=j;
            }
        if(cnt==1){
            f[pos]=0;
            x[pos]=a[i][m]/a[i][pos];
        }
    }
    return 1;
}
void print(){
    int i;
    if(rank<m){
        PF("Multiple solution, free_num: %d\n",m-rank);
        for(int i=0;i<m;i++){
            if(f[i])
                PF("X[%d] not determined\n",i+1);
            else
                PF("X[%d] = %.4f\n",i+1,x[i]);
        }
    }
    else{
        for(int i=0;i<n;i++)
            PF("X[%d] = %.4f\n",i+1,x[i]);
    }
}
int main(){
    while(SF("%d%d",&n,&m)!=EOF){
        init();
        gauss();
        if(check())
            print();
        else
            PF("No solution\n");
    }
}
### 高斯消元法在C#中的实现 高斯消元法是一种用于求解线性方程组的经典数值方法。通过一系列行变换操作,可以将增广矩阵化为上三角形式,从而逐步回代得到未知变量的值。 以下是基于引用的内容以及专业知识所提供的C#实现示例: #### 示例代码 ```csharp using System; public class GaussianElimination { public static void Main() { double[,] matrix = { { 2, 1, -1, 8 }, { -3, -1, 2, -11 }, { -2, 1, 2, -3 } }; int size = matrix.GetLength(0); Solve(matrix, size); Console.WriteLine("Solution:"); for (int i = 0; i < size; i++) { Console.WriteLine($"x{i + 1} = {matrix[i, size]}"); } } public static void Solve(double[,] matrix, int n) { for (int col = 0; col < n; col++) // 对每一列进行处理 { NormalizeRow(matrix, n, col); // 将当前列的第一个非零项变为1 EliminateBelow(matrix, n, col); // 消去该列下方的所有素 } BackSubstitution(matrix, n); // 进行回代计算 } private static void NormalizeRow(double[,] matrix, int n, int row) { double factor = matrix[row, row]; if (Math.Abs(factor) < 1e-9) throw new InvalidOperationException("Singular Matrix"); for (int col = row; col <= n; col++) // 归一化当前行 { matrix[row, col] /= factor; } } private static void EliminateBelow(double[,] matrix, int n, int col) { for (int row = col + 1; row < n; row++) // 处理col之后的每行 { double factor = matrix[row, col]; for (int c = col; c <= n; c++) // 减少因子影响 { matrix[row, c] -= factor * matrix[col, c]; } } } private static void BackSubstitution(double[,] matrix, int n) { for (int row = n - 2; row >= 0; row--) // 自下而上的回代过程 { for (int above = row + 1; above < n; above++) // 调整上方系数的影响 { matrix[row, n] -= matrix[row, above] * matrix[above, n]; } } } } ``` 此代码实现了完整的高斯消流程,包括归一化、消除和回代三个阶段[^4]。 其中 `NormalizeRow` 方法负责使主对角线上素成为单值;`EliminateBelow` 方法则逐层减少其他行对应置的贡献;最终由 `BackSubstitution` 完成剩余部分的解析。 --- ### 关键点说明 1. **输入数据结构**:采用二维数组表示增广矩阵,最后一列表达右侧常数向量。 2. **异常检测**:如果发现某步除法涉及接近于零的情况,则抛出错误提示可能存在的奇异矩阵问题。 3. **精度控制**:利用浮点误差阈值(如 \(1 \times 10^{-9}\)),避免因舍入而导致误判。 以上设计充分体现了算法的核心逻辑及其工程实践要点[^5]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值