想像一下，要解一個包含成千上萬個變數的系統會有多困難。我們該如何從混亂的係數網格中提取出真實的答案？ 高斯消去法 是我們的核心工具，一種系統性的「清潔」過程，將複雜的系統轉化為清晰的三角形形式，讓我們能透過反向代入逐一求得解。
線性系統的結構
在數值分析中，我們將一組 $n$ 個線性方程表示為矩陣乘積 $Ax = \mathbf{b}$。其中，$A$ 是一個 $n \times n$ 的係數矩陣，$x$ 是未知數的向量，而 $\mathbf{b}$ 則是常數項的向量。為了有效執行運算，我們使用 增廣矩陣 $[A, \mathbf{b}]$。
核心目標
透過一系列基本列運算（EROs），我們希望將系統狀態轉換為等價的 上三角 形式 $U$：
$$[A, \mathbf{b}] \rightarrow [U, \mathbf{b}']$$
其中所有位於對角線 $u_{ii}$ 以下的元素皆為零。
基本列運算（EROs）
我們解集的完整性建立在三種保持不變的運算之上：
- 交換： $(E_i) \leftrightarrow (E_j)$ — 交換兩列，以重新定位更佳的主元。
- 縮放： $(\lambda E_i) \rightarrow (E_i)$ — 將一列乘上一個非零的純量。
- 取代： $(E_i + \lambda E_j) \rightarrow (E_i)$ — 消去法的核心。特別地，我們使用乘數 $m_{j1} = a_{j1}/a_{11}$ 來計算 $(E_j - m_{j1} E_1) \rightarrow (E_j)$。
矩陣的結構與性質
根據定理 6.8，矩陣運算遵循特定的代數規律，例如 結合律 ($A(BC) = (AB)C$)，然而它們著名的缺乏 交換律 ($AB \neq BA$ 在一般情況下成立)。識別特殊的結構，如 對稱矩陣 ($A = A^t$) 和 單位矩陣 ($I_n$)，可應用於專用且更快的分解方法，例如 $LDL^t$。
🎯 核心原則：不變性
EROs 不會改變解集，因為每一項運算都是完全可逆的。透過對增廣矩陣進行這些運算，我們可以同時求解所有方程，而不會失去係數與目標常數之間的邏輯關聯。