前言：

        上次博客，我写了一篇关于定义矩阵除法并且代码的文章。矩阵除法或许用处不大，不过在那一篇文章中，我认为比较好的一点是告诉了大家一种计算方法，即：若矩阵  已知且可逆，矩阵  已知，并且  ，求解矩阵 B 。我认为这种初等行变换的方法还是挺好的。

        在本篇文章中，我和大家探讨一下线性代数里面一个重要的知识——线性方程组及其解法。

一、线性代数知识回顾：

我们先探讨一下二元一次方程组的解法：

        相信这个解法大家已经很熟悉了，将第一个式子的 -2 倍加到第二个式子上，就可以消掉第二个式子中的 x 了，然后第二个式子就只剩下 y 一个未知数了，就可以轻松解出 y ，然后将 y 代入第一个式子，就可以轻松解出 x ，到此，二元一次方程组求解完成。

        从几何意义上看，这两个方程对应着二维平面上的两条直线，并且这两条直线交于一点（1,1），因此有唯一解。

        有人可能会想到，不是所有的二元一次方程组都有解，因此我们看一看下面的例子： 

         大家看到，这个这个将第二个式子中两个未知数都化没了，并且观察这个方程组可知，它有无数解，其实容易看到，第二个式子就是第一个式子的 2 倍，实际上，这两个式子是等价的，第二个式子所描述的信息完全可以用第一个式子描述，也就是说这个方程组中 “有效方程” 的个数为 1 ，而只靠一个式子无法固定两个未知数，因此方程组有无数解。

        从几何意义上看，这两个式子就是二维平面中的两个直线，而这两个直线是重合的，也就是说，两个直线相交的点有无数个，即：方程组有无数解。

        那么，二元一次方程组有没有可能无解呢？看看下面的例子：

         可以看到，消元后，第二个方程变为了一个不可能成立的式子。容易看出，这两个方程是矛盾的，因此是无解的。

        从几何意义上看，这两个二维平面上的直线平行且不重合，没有交点，因此无解。

        从上面二元一次方程组的回顾中，我们可以将方程组推广到 n 维情形：

         同样按照上面的消元方法，不过这次稍微复杂，首先消去第 2 个到第 n 个方程的未知数  然后消去第 3 个到第 n 个方程的未知数  ，以此类推，直到消去最后一个方程的未知数  ，然后自下而上，先求出  ，代入倒数第二个方程，求出  ，代入倒数第三个方程，依次类推，便可求出方程组的解。大家仔细看看消元的过程，是不是和初等行变换十分像，我们其实可以将上述方程组这样表示：

设                                  

上述方程组可以表示为：

为了表示方便，我们引入增广矩阵：

         当我们对未知数规定书写顺序，那么增广矩阵就和线性方程组就 一 一 对应了，对方程组进行消元就等价于对增广矩阵  进行初等行变换，方程组的有效方程的个数就等于增广矩阵的秩，也等于系数矩阵的秩，也就是说，如果系数矩阵满秩，那么方程组有唯一解。当系数矩阵不满秩时，若没有矛盾方程出现，则方程组有无数解，若有矛盾方程出现，则方程组无解。

        从几何意义来看，这 n 个方程组相当于 n 维空间中 n 个 n-1 维的平面。n 个平面交于一点等价于方程组中的 “有效方程” 的个数为 n ，等价于系数矩阵  满秩，等价于增广矩阵  的秩为 n ，等价于方程组有唯一解。

二、算法描述：

        输入系数矩阵  以及 向量  ，求解向量  ，使得  。

        1. 求出增广矩阵

        2. 将增广矩阵初等行变换，化为上三角形，在这个过程中，判断增广矩阵的秩是否是 n ,如果不是 n ，则说明方程组无解或有无数解。

        3. 自下而上依次计算出  。

         详情请看下面代码：

三、代码实现：

        类定义为：

        其中solve函数求解线性方程组，其定义如下：