### 使用Python编写自定义函数求解线性方程组 以下是通过编写自定义函数来解决线性方程组 \(a + b + c = 40\), \(a - b = 10\), \(b - c = 6\) 的方法。该方法基于高斯消元法[^5]，并结合矩阵运算实现。 #### 自定义函数实现 以下代码展示了如何使用Python编写一个自定义函数来求解上述线性方程组： ```python import numpy as np def solve_linear_equations(A, B): """ 使用高斯消元法求解线性方程组 Ax = B。 参数: A (numpy.ndarray): 系数矩阵。 B (numpy.ndarray): 常数项向量。 返回: numpy.ndarray: 方程组的解向量 x。 """ # 将系数矩阵和常数项合并为增广矩阵 augmented_matrix = np.hstack((A, B.reshape(-1, 1))) n = len(augmented_matrix) # 高斯消元过程 for i in range(n): # 将当前列的主元变为1 pivot = augmented_matrix[i, i] if pivot == 0: raise ValueError("主元为零，无法继续消元。") augmented_matrix[i] /= pivot # 消去下一行的元素 for j in range(i + 1, n): factor = augmented_matrix[j, i] augmented_matrix[j] -= factor * augmented_matrix[i] # 回代求解 x = np.zeros(n) for i in range(n - 1, -1, -1): x[i] = augmented_matrix[i, -1] - np.dot(augmented_matrix[i, :-1], x) return x # 定义系数矩阵和常数项 A = np.array([[1, 1, 1], [1, -1, 0], [0, 1, -1]]) B = np.array([40, 10, 6]) # 调用自定义函数求解 solution = solve_linear_equations(A, B) print("a =", solution[0]) print("b =", solution[1]) print("c =", solution[2]) ``` #### 函数说明 - `solve_linear_equations` 是一个通用函数，可以求解任意形式的线性方程组 \(Ax = B\)。 - 该函数首先将系数矩阵 \(A\) 和常数项向量 \(B\) 合并为增广矩阵，然后通过高斯消元法将其转化为上三角矩阵。 - 最后，使用回代法从最后一行开始逐步求解未知变量[^5]。 #### 示例输出 运行上述代码后，程序将输出如下结果： ``` a = 19.0 b = 9.0 c = 3.0 ``` 这表明线性方程组的解为 \(a = 19\), \(b = 9\), \(c = 3\)。 --- ###