线性方程组的高斯消元化为行阶梯形求解步骤

线性方程组的高斯消元法，是求解线性方程组最经典、最系统的方法。其核心思路是通过一系列初等行变换，将方程组的系数矩阵（或增广矩阵）化为一种特殊的“阶梯状”形式，即行阶梯形矩阵，从而可以轻松地从下往上逐一求解未知数。本文将提供一份清晰、可执行的实操指南。

第一阶段：准备工作

1. 写出 线性方程组的标准形式。确保所有方程都已按相同的顺序对齐未知数（例如，都按 $x_1, x_2, x_3$ 排列），且等式右侧只有常数项。
2. 构造 该方程组的增广矩阵。这是一个关键的中间形式。具体做法是：将每个方程中未知数的系数，按原有顺序写成一行，并在最后一列写上该方程等号右边的常数项。系数与常数项之间用一条竖线分隔，以强调其与方程的联系。
   • 例如，对于方程组：

     2x₁ + 3x₂ - x₃ = 1
     4x₁ + 4x₂ - 3x₃ = 3
     -2x₁ + 3x₂ + 5x₃ = 5

   • 其增广矩阵为：

     [  2   3  -1 |  1 ]
     [  4   4  -3 |  3 ]
     [ -2   3   5 |  5 ]

第二阶段：前向消元（化为行阶梯形）

这是算法的核心。目标是使用初等行变换，将矩阵主对角线及下方的元素（除了最后一列）逐步变为零，形成“阶梯”结构。我们将从矩阵的第一列开始，一列一列地处理。

3. 选取 第一列作为“当前处理列”。
4. 检查 当前处理列中，从当前行（第一轮是第一行）往下的所有元素，寻找一个绝对值不为零的元素。如果当前行（例如第一行）的该元素（称为主元）不为零，可直接进行下一步。如果为零，则需要在其下方找到一个非零元素，并执行 交换这两行的操作。交换的目的是避免除以零，并能提高计算稳定性（通常选择该列中绝对值最大的元素作为主元，称为列主元选取）。
5. 计算 主元所在行下方每一行需要乘以的系数（称为乘数）。公式是：乘数 = 该行待消去位置的元素值 / 主元。
   • 在我们的例子中，主元是第一行第一列的 2。为了消去第二行第一列的 4，乘数 m₂₁ = 4 / 2 = 2。为了消去第三行第一列的 -2，乘数 m₃₁ = -2 / 2 = -1。
6. 执行 行变换操作，将主元下方所有元素化为零。变换规则是：新行i = 行i - (乘数) × 主元行。
   • 应用到我们的矩阵：
     • 新行₂ = 行₂ - (2) × 行₁
     • 新行₃ = 行₃ - (-1) × 行₁ （注意负负得正）
7. 写出 完成第一次消元后的新矩阵。

   [  2   3  -1 |  1 ]
   [  0  -2  -1 |  1 ]  (行₂ - 2×行₁)
   [  0   6   4 |  6 ]  (行₃ + 行₁)

8. 将 矩阵的“当前行”下移一行（现在是第二行），并将“当前处理列”右移一列（现在是第二列）。重复 第4至第7步，对右下角的子矩阵进行相同的消元操作。
   • 第二轮处理第二列，主元是第二行第二列的 -2。目标是消去它下方的 6。
   • 计算乘数：m₃₂ = 6 / (-2) = -3。
   • 执行变换：新行₃ = 行₃ - (-3) × 行₂。
9. 写出 第二次消元后的矩阵。

   [  2   3  -1 |  1 ]
   [  0  -2  -1 |  1 ]
   [  0   0   1 |  9 ]  (行₃ - (-3)×行₂)

   此时，矩阵已呈现行阶梯形：每一行的第一个非零元素（称为主元）的列索引严格递增；主元下方的所有元素均为零。

第三阶段：回代求解

得到行阶梯形后，方程组变得极易求解。

10. 从 矩阵的最后一行开始，将其还原为方程。最后一行是 [0 0 1 | 9]，对应方程 $0x_1 + 0x_2 + 1x_3 = 9$，直接解得 $x_3 = 9$。
11. 将 已求出的解 $x_3$ 代入 到上一行（第二行）的方程中。第二行 [0 -2 -1 | 1] 对应 $-2x_2 - x_3 = 1$。代入 $x_3=9$，得到 $-2x_2 - 9 = 1$，解得 $x_2 = -5$。
12. 将 已求出的解 $x_2, x_3$ 代入 到第一行的方程中。第一行 [2 3 -1 | 1] 对应 $2x_1 + 3x_2 - x_3 = 1$。代入值，得到 $2x_1 + 3(-5) - 9 = 1$，解得 $x_1 = 12$。
13. 列出 最终解集。该线性方程组的解为：

    x₁ = 12
    x₂ = -5
    x₃ = 9