Numpy整数数组运算保持整型导致高斯消元返回0值问题

NumPy数组属于固定类型数组，当你传入的元素全为整数时，np.array()会默认将数组的dtype推断为整数类型。整数类型的数组在接收浮点数赋值时，会自动截断小数部分仅保留整数位，你代码中计算得到的s是浮点数，行变换后得到的矩阵元素大多带有小数部分，赋值回int类型的a、b数组时就会被截断，本该为非零浮点数的位置就会出现0值，导致计算错误。
手动给元素加.0本质是让np.array推断数组为浮点类型，避免了截断，所以可以解决问题。

推荐优先在函数内部做隐式类型转换，完全不需要修改调用侧的输入代码，也不用给每个元素加.0，实现最整洁的调用体验：

• 在你的GaussElim函数最开头加入两行类型转换代码即可：

import numpy as np
def GaussElim(a, b):
    # 新增两行，将输入转为64位浮点数，不修改原外部数组
    a = a.astype(np.float64)
    b = b.astype(np.float64)
    # 后续保留你原有高斯消元代码不变
    h, l = a.shape
    # ...... 原核心代码部分

如果不想修改函数本身，也可以在创建输入数组时指定dtype，同样不需要逐个元素加.0：

a = np.array([[8, 4, -1], [-2, 5, 1], [2, -1, 6]], dtype=np.float64)
b = np.array([[11], [4], [7]], dtype=np.float64)

这种方法也能直接指定数组为浮点类型，避免整数截断问题。

内容的提问来源于stack exchange，提问作者Tanner Burton