想象一下，求解包含数千个变量的方程组所面临的挑战。我们如何从混乱的系数网格中提取出真相？ 高斯消元法 是我们的基础工具，一种系统性的“变量净化”过程，将复杂的方程组转化为清晰的上三角形式，使解可以通过逐次回代逐一获得。
线性系统的结构
在数值分析中，我们将由 $n$ 个线性方程组成的系统表示为矩阵乘积 $Ax = \mathbf{b}$。其中，$A$ 是一个 $n \times n$ 的系数矩阵，$x$ 是未知量向量，$\mathbf{b}$ 是常数向量。为了高效执行运算，我们使用 增广矩阵 $[A, \mathbf{b}]$。
核心目标
通过一系列初等行变换（EROs），我们旨在将系统状态转换为等价的 上三角 形式 $U$：
$$[A, \mathbf{b}] \rightarrow [U, \mathbf{b}']$$
其中对角线以下的所有元素 $u_{ii}$ 均为零。
初等行变换（EROs）
我们的解集完整性依赖于三种保持不变性的操作：
- 交换： $(E_i) \leftrightarrow (E_j)$ — 交换行以重新定位更好的主元。
- 缩放： $(\lambda E_i) \rightarrow (E_i)$ — 将某一行乘以一个非零标量。
- 替换： $(E_i + \lambda E_j) \rightarrow (E_i)$ — 消元的核心。具体而言，我们使用乘子 $m_{j1} = a_{j1}/a_{11}$ 来计算 $(E_j - m_{j1} E_1) \rightarrow (E_j)$。
矩阵的结构与性质
根据定理 6.8，矩阵运算遵循特定的代数法则，例如 结合律 ($A(BC) = (AB)C$)，但它们著名的缺乏 交换律 ($AB \neq BA$ 一般情况下不成立)。识别特殊结构如 对称矩阵 ($A = A^t$) 以及 单位矩阵 ($I_n$)，可以采用如 $LDL^t$ 等专门且更快的因式分解方法。
🎯 核心原则：不变性
EROs 不改变解集，因为每一步操作都是完全可逆的。通过在增广矩阵上应用这些操作，我们可以同时求解所有方程，而不会丢失系数与目标常数之间的逻辑联系。