MatrixCalculator: A Layered Linear Algebra Toolkit

本项目是一个基于 C++17 开发的高性能线性代数工具库。通过严谨的四层架构设计，实现了从底层向量运算到高层方程组求解、特征值计算及分块矩阵运算的完整功能。

---

🏗 项目架构 (System Architecture)

代码采用了分层设计（Layered Design），确保了极高的模块化程度和可维护性：

• Layer 0: vector.h - 原子向量操作。实现向量空间 $V^n$ 的基本定义。
• Layer 1: matrix.h - 基础矩阵层。支持内存管理、QR 分解及基础行列变换。
• Layer 2: RREF.h - 矩阵变换算法。核心实现带主元选择的高斯-约当消元逻辑。
• Layer 3: 综合应用层
  • SolvingEquation.h: 线性方程组全自动化求解。
  • VectorSet.h: 向量组线性相关性分析及正交化。
  • BlockMatrix.h: 分块矩阵的高阶运算逻辑。

---

🧪 数学原理与代码实现

1. 向量归一化 (Normalization)

在 vector.h 中，我们实现了基于 $L_2$ 范数的归一化：

$$|\mathbf{v}| = \sqrt{\sum_{i=1}^n v_i^2} \implies \hat{\mathbf{v}} = \frac{\mathbf{v}}{|\mathbf{v}|}$$

2. 矩阵消元与 RREF 变换

RREF.h 实现了带主元选择的消元算法。通过初等行变换将矩阵 $A$ 转化为行最简形：

$$\text{rank}(A) = #{\text{pivot elements in RREF}(A)}$$

3. 线性方程组判定逻辑

在 SolvingEquation.h 中，程序通过比较系数矩阵 $A$ 和增广矩阵 $(A|\mathbf{b})$ 的秩来判定解的状态：

• 唯一解: $\text{rank}(A) = \text{rank}(A|\mathbf{b}) = n$
• 无穷多解: $\text{rank}(A) = \text{rank}(A|\mathbf{b}) < n$
• 无解: $\text{rank}(A) < \text{rank}(A|\mathbf{b})$

4. 特征值迭代 (QR Algorithm)

matrix.h 中通过连续相似变换寻找特征值，矩阵将逐步收敛至上三角阵（Schur Form）：

$$A_k = Q_k R_k \implies A_{k+1} = R_k Q_k$$

---

📸 功能演示 (Demo)

线性方程组全自动化求解

程序能自动处理包含自由变量的非齐次方程组。

输入示例：

$$\begin{cases} x_1 + 2x_2 = 3 \ 2x_1 + 4x_2 = 6 \end{cases}$$

程序输出：

[Status] Infinite Solutions Detected.
[Particular Solution] x_p = (3, 0)^T
[Basis of Null Space] η1 = (-2, 1)^T

---

🚀 性能优化特性移动语义 (Move Semantics)：

在 Matrix 类中广泛使用 std::move，将复杂度从 $O(n^2)$ 的拷贝降至 $O(1)$ 的指针转移。数值稳定性：在消元时搜索当前列绝对值最大的元素作为主元，抑制浮点误差：C++int max_row = find_max_pivot(current_col); swap_rows(current_row, max_row);

鲁棒性 (Robustness)：

利用 std::invalid_argument 对维度不匹配或不可逆矩阵进行严格校验。🛠 快速上手1. 编译 (Requires C++17)Bashg++ -std=c++17 main.cpp -o matrix_calc

运行

Bash./matrix_calc

Developer: 321Exusiai Course: 高等代数 (Freshman Year WHU 2026 寒假)