高斯消元法回代函数报错问题排查求助

原代码的核心问题 #

• 未同步更新增广列：回代时仅修改了系数矩阵部分（M[j, :-1]），但行变换需要对整行（包括最后一列的常数项）执行，这是结果偏差的主要原因。
• 主元索引查找错误：np.argmax(substitution_row)返回的是数组最大值的索引，而非第一个非零元素的索引，会导致主元位置判断错误。
• 冗余变量操作：row_to_reduce = M[j, :-1]是原矩阵的视图，修改它已能改变原矩阵，后续的M[j, :-1] = row_to_reduce属于冗余操作。

修正后的代码 #

import numpy as np

def back_substitution(M):
    """
    Perform back substitution on an augmented matrix (with unique solution) in reduced row echelon form to find the solution to the linear system.

    Parameters:
    - M (numpy.array): The augmented matrix in row echelon form with unitary pivots (n x n+1).

    Returns:
    numpy.array: The solution vector of the linear system.
    """
    
    # 复制输入矩阵避免修改原数据
    M = M.copy()

    num_rows = M.shape[0]

    if num_rows == 0:
        return np.array([])
    
    # 从最后一行向上迭代
    for row in reversed(range(num_rows)): 
        # 获取当前行第一个非零元素的索引（主元位置）
        pivot_indices = np.flatnonzero(M[row, :-1])
        if not pivot_indices.size:
            continue  # 题目说明有唯一解，理论上不会出现全零行
        pivot_idx = pivot_indices[0]
        
        # 获取完整的主元行（包含增广列）
        pivot_row = M[row, :]
        
        # 消去当前行上方所有行的主元位置元素
        for j in range(row):
            # 计算消元因子
            factor = M[j, pivot_idx]
            # 对整行执行消元操作
            M[j, :] -= factor * pivot_row
            
    # 提取最后一列作为解向量
    solution = M[:, -1]
    
    return solution

关键修改说明 #

1. 整行变换：直接对M[j, :]执行行变换，确保系数矩阵和增广列同步更新，解决了结果偏差的核心问题。
2. 正确定位主元：使用np.flatnonzero找到第一个非零元素的索引，避免了argmax带来的错误判断。
3. 简化逻辑：移除冗余的变量拷贝与赋值，让代码更简洁高效。

内容的提问来源于stack exchange，提问作者Shamal Lakshan