高斯消元

Tags:数学

https://www.zybuluo.com/xzyxzy/note/1046632


一、概述

两种形式

求解方程组

模拟加减消元,先消成上三角再带入求解,详见代码

异或方程组

与求解方程组类似,也许更简单,若只有01建议用bitset压常数
可以类比线性基哦(orz zsy dalao)

主要用途

主要用于计算出现环的概率DP问题,如[HNOI2013]游走
也有一些开关灯问题,很灵活地用到异或方程组如[USACO09NOV]灯Lights

二、题目

  • [[hihoCoder]高斯消元·一](http://hihocoder.com/problemset/problem/1195)
  • [[hihoCoder]高斯消元·二](http://hihocoder.com/problemset/problem/1196)
  • [[Luogu]【模板】高斯消元法](https://www.luogu.org/problemnew/show/P3389)
  • [[USACO09NOV]灯Lights](https://www.luogu.org/problemnew/show/P2962)
  • [[SDOI2010]外星千足虫](https://www.luogu.org/problemnew/show/P2447)
  • [[JSOI2008]球形空间产生器](https://www.luogu.org/problemnew/show/P4035)
  • [[HNOI2013]游走](https://www.luogu.org/problemnew/show/P3232)
  • [[HNOI2011]XOR和路径](https://www.luogu.org/problemnew/show/P3211)
  • [[HDU]Time travel](https://vjudge.net/problem/HDU-4418)
  • [BZOJ 2729 [HNOI2012]排队](https://www.luogu.org/problemnew/show/P3223)
  • BZOJ 4804 欧拉心算
  • BZOJ 1406 [AHOI2007]密码箱
  • Luogu 1414 又是毕业季II
  • Codeforces 113 D Museum
  • [BZOJ 1178 [Usaco2010 Hol]Dotp 驱逐猪猡](https://www.luogu.org/problemnew/show/P2973)
  • BZOJ 3270 博物馆
  • BZOJ 4004 [JLOI2015]装备购买
  • HDU 3364 ***s
  • HDU 4870 Rating
  • HDU 4936 Rainbow Island
  • HDU 4592 Boring仪仗队
  • BZOJ 1968 [Ahoi2005]COMMON 约数研究

考试题

  • 2018.4.10 T1 BOM

代码

[hihoCoder]高斯消元·一
给定N个未知数M个方程,要求判无解、无穷解,有唯一解则输出
毒瘤题「题解戳我BY TPLY」
注意:\(Line19\)\(!f[i][i]\)易写错为\(!f[now][i]\)!!!

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<cmath>
using namespace std;
int N,M;
double f[1011][511];
const double EPS=1e-7;
void Gauss()
{
	int flag=0;
	for(int i=1;i<=N;i++)
	{
		int now=i;
		for(int j=i+1;j<=M;j++)
			if(fabs(f[now][i])<fabs(f[j][i]))
				now=j;
		if(now!=i)swap(f[now],f[i]);//在这里这一段不能省,当这一行为0时有可能这个式子是无效的所以换一个式子上来
		if(fabs(f[i][i])<EPS){flag=1;continue;}//从i到M这些式子x[i]的系数都是0,那么如果x[i+1]-x[N]都有解的话,x[i]就有无穷解了,注意无解情况优先于无穷解
		for(int j=i+1;j<=N+1;j++)f[i][j]/=f[i][i];f[i][i]=1;
		for(int j=i+1;j<=M;j++)
		{
			for(int k=i+1;k<=N+1;k++)
				f[j][k]-=f[j][i]*f[i][k];
			f[j][i]=0;
		}
		//正常的消元
	}
	//判无解1:系数全0,常数非0
	for(int j,i=1;i<=M;i++)
	{
		for(j=1;j<=N;j++)
			if(fabs(f[i][j])>EPS)break;
		if(j==N+1&&fabs(f[i][N+1])>EPS){printf("No solutions\n");return;}//有一项方程系数都为0但是常数项大于0于是方程无解
	}
	//判无解2:计算第i行答案时出现a*x[i]=C(a=0,C!=0)
	for(int i=N;i>=1;i--)
	{
		for(int j=i+1;j<=N;j++)f[i][N+1]-=f[i][j]*f[j][N+1];
		if(f[i][N+1]&&!f[i][i]){printf("No solutions\n");return;}
	}
	if(flag){printf("Many solutions\n");return;}
	for(int i=1;i<=N;i++)
		printf("%d\n",int(f[i][N+1]+0.5));
}
int main()
{
	scanf("%d%d",&N,&M);
	for(int i=1;i<=M;i++)
		for(int j=1;j<=N+1;j++)
			scanf("%lf",&f[i][j]);
	Gauss();return 0;
}

[hihoCoder]高斯消元·二
异或方程组求解 模板

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<bitset>
using namespace std;
char s[10][10];
bitset<50>f[50];
int id(int x,int y){return (x-1)*6+y;}
void Gauss()
{
	for(int i=1;i<=30;i++)
	{
		int now=i;
		for(int j=i+1;j<=30;j++)
			if(f[j][i]>f[now][i]) now=j;
		if(now!=i) swap(f[now],f[i]);
		for(int j=i+1;j<=30;j++)
			if(f[j][i]) f[j]^=f[i];
	}
	for(int i=30;i>=1;i--)
		for(int j=i-1;j>=1;j--)
			if(f[j][i]) f[j]^=f[i];
	int tot=0;
	for(int i=1;i<=30;i++)
		if(f[i][31]==1) tot++;
	printf("%d\n",tot);
	for(int i=1;i<=30;i++)
		if(f[i][31]==1)
		{
			if(i%6==0) printf("%d %d\n",i/6,6);
			else printf("%d %d\n",i/6+1,i%6);
		}
}
int main()
{
	for(int i=1;i<=5;i++)
		scanf("%s",s[i]+1);
	for(int i=1;i<=5;i++)
		for(int j=1;j<=6;j++)
		{
			int p=id(i,j),l=id(i,j-1),r=id(i,j+1),u=id(i-1,j),d=id(i+1,j);
			f[p][p]=1;f[p][31]=(s[i][j]-'0')^1;
			if(i>1)f[p][u]=1;
			if(i<5)f[p][d]=1;
			if(j>1)f[p][l]=1;
			if(j<6)f[p][r]=1;
		}
	Gauss();return 0;
}

相关推荐:

Python中Scikit-learn如何处理非高斯分布数据_使用PowerTransformer

PowerTransformer是处理非高斯数据最直接有效的工具,通过参数化幂变换重塑分布形态,适用于右偏、含零或负值特征;应优先于StandardScaler用于线性模型等对正态性敏感的场景。 PowerTransformer是scikit-learn中处理非高斯分布数据最直接有效的工具之一,尤其...

朴素贝叶斯如何处理Python中的连续型特征_调用GaussianNB类进行高斯分布拟合

连续型特征不能直接喂给朴素贝叶斯,因其需估计P(x_i|y),而连续值无法用频次统计,故GaussianNB假设各特征在每类下服从高斯分布,用样本均值和无偏方差建模;它不标准化,方差为0时设为1e-9;当特征非单峰、类内强相关或某类样本过少时效果显著下降。 连续型特征为什么不能直接喂给朴素贝叶斯? ...

Python高斯混合模型怎么解决协方差退化_GMM增加正则化项reg_covar

GMM协方差矩阵退化是因某高斯分量收缩至单点致行列式趋近0而奇异;reg_covar通过在M步后对协方差加reg_covar×I实现数值稳定,不改变目标函数,仅防病态,需依数据规模阶梯调参。 为什么GMM的协方差矩阵会退化? 协方差退化不是“出错了”,而是模型在拟合极小簇或孤立样本时的自然倾向:某个...

Rust 中高斯-约当消元法的正确实现与常见陷阱解析

本文详解rust实现高斯-约当消元法时的关键错误(如行内元素被提前覆盖)、修复方案及数值稳定性优化,并提供可直接运行的健壮代码示例。 本文详解rust实现高斯-约当消元法时的关键错误(如行内元素被提前覆盖)、修复方案及数值稳定性优化,并提供可直接运行的健壮代码示例。 高斯-约当消元法(Gauss-J...

Python画图高斯分布的示例

如下所示: importmatplotlib.pyplotasplt importnumpyasnp importmath defgaussian(sigma,x,u): y=np.exp(-(x-u)**2/(2*sigma**2))/(sigma*math.sqrt(2*math.pi)) re...

13、在 uwp应用中,给图片添加高斯模糊滤镜效果(一)

  如果在应用中,如果想要给app添加模糊滤镜,可能第一想到的是第三方类库,比如Win2d、lumiaImagingSDK 、WriteableBitmapEx,不可否认,这些类库功能强大,效果也挺多的。不足就是增加了生成包尺寸,由于增加了相应dll 的引用,在app运行时也会增...