### 数值分析中的直接法求解线性方程组 在数值分析领域，直接法是一种通过有限步数精确计算得到线性方程组 \(Ax = b\) 的解的方法。常见的直接方法包括高斯消元法及其改进版本——列主元高斯消元法以及矩阵分解技术如 LU 分解。 以下是基于 Python 实现的几种典型直接法来解决线性方程组的例子： #### 高斯消元法 高斯消元法的核心思想是对增广矩阵进行一系列初等变换，将其化为上三角形式并回代求解。 ```python import numpy as np def gauss_elimination(A, b): n = len(b) Ab = np.hstack((A, b.reshape(-1, 1))) # 增广矩阵 for i in range(n): # 寻找当前列的最大值作为主元 max_row = i + np.argmax(np.abs(Ab[i:, i])) if max_row != i: Ab[[i, max_row]] = Ab[[max_row, i]] factor = Ab[i+1:, i] / Ab[i, i] Ab[i+1:] -= factor[:, None] * Ab[i] x = np.zeros_like(b, dtype=np.double) # 回代过程 for i in reversed(range(n)): x[i] = (Ab[i,-1] - np.dot(Ab[i,i+1:n], x[i+1:])) / Ab[i,i] return x # 测试数据 A_test = np.array([[2., 1., -1.], [-3., -1., 2.], [-2., 1., 2.]]) b_test = np.array([8., -11., -3.]) solution_gauss = gauss_elimination(A_test.copy(), b_test.copy()) print(f"Gaussian Elimination Solution:\n{solution_gauss}") ``` 此代码实现了基本的高斯消去算法，并包含了部分选主元策略以提高数值稳定性[^1]。 #### 列主元高斯消元法 为了进一步增强数值稳定性和减少舍入误差的影响，在每一步选取绝对值最大的元素作为主元来进行交换操作。 上述 `gauss_elimination` 函数实际上已经集成了列主元的选择逻辑，因此无需额外编写新函数即可获得更稳定的解决方案。 #### LU 分解法 LU 分解将系数矩阵 A 表达成两个三角形矩阵 L 和 U 的乘积形式 (\(PA=LU\)) ，其中 P 是置换矩阵用于记录行互换情况；随后利用前向替换与后向替换完成未知量求取流程。 ```python from scipy.linalg import lu_factor, lu_solve def solve_lu_decomposition(A, b): lu, piv = lu_factor(A) # 计算 PA = LU 分解 x = lu_solve((lu, piv), b) # 使用 LU 分解快速求解 Ax=b return x # 应用测试 solution_lu = solve_lu_decomposition(A_test.copy(), b_test.copy()) print(f"LU Decomposition Solution:\n{solution_lu}") ``` 这里调用了 SciPy 提供的功能简化了复杂度较高的手动实现细节。 ---