简介：高斯消去法是数值线性代数中求解线性方程组的经典方法，这份面向课程实验与算法自学的资料包，围绕顺序消去与列主元消去两种实现展开，适合正在学习计算方法、数值分析课程或需要完成编程实验的本科生与自学者。压缩包共 3 个文件，约 230KB，以 2 个 cpp 源码和 1 份 docx 实验报告为主：源码对应两种消去策略的具体编程实现，涵盖矩阵存储、行交换、行倍乘与回代求解等环节；实验报告则给出测试结果、精度对比与数值稳定性分析。资源已有 1626 人学习，说明它在同类实验资料中具备一定参考价值。读者可对照代码理解主元选取对舍入误差的影响，借助报告中的测试数据评估两种方法的计算表现，并在此基础上改写、扩展自己的消去法程序，形成从原理到实现再到验证的完整闭环。
1. 从一份被追问的实验报告说起：高斯消去法到底要交付什么
高斯消去法这门数值计算课的实验报告，最常见的翻车不是代码跑不出结果，而是顺序消去和列主元消去的代码都能跑，报告里却说不清为什么要换主元、误差指标怎么来的。某同学把两份代码贴进附录，测试矩阵全是对角占优的，答辩时被问“列主元到底改善了哪一步”，只能回答“更稳定”。这套方案要解决的就是这件事：把顺序消去、列主元消去的代码、测试用例、实验报告表格和验收口径放在同一条线上，让读者能照着搭出一份能运行、能解释、能答辩的完整作业。适合正在做数值分析课设、计算方法实验报告，或者需要把高斯消去法讲成完整方案的人。
2. 需求边界与选型：顺序消去、列主元消去的适用条件与工具链
2.1 需求拆解：输入、输出和实验报告必须回答的五个问题
先把需求立住，不然后面代码写得再顺，报告也容易散。这个项目的输入很明确：一个 (n \times n) 的系数矩阵 (A)，一个长度为 (n) 的右端向量 (b)，输出是线性方程组 (Ax=b) 的近似解 (x)。但实验报告不是只交一个解，它至少要回答五个问题：顺序消去法的消元过程怎么走；列主元消去法在每一步怎么选主元、怎么换行；两种方法的时间复杂度和额外开销差在哪里；遇到零主元或小主元时程序怎么处理；测试结果能不能支撑“列主元更稳”这个结论。
这五个问题对应到交付物上，就是三份东西：一份可运行的代码，一份能复现的测试脚本，一份带表格和解释的实验报告。代码要能分别调用顺序消去和列主元消去，测试脚本要能固定输入、输出中间量，实验报告要能把“算法描述、伪代码、复杂度、主元策略、误差分析、测试用例、结果对比、结论”这几块串起来。很多实验报告写得像代码说明书，原因就是只回答了“怎么算”，没回答“为什么这样算”和“结果说明了什么”。
需求边界也要提前划清。这个方案面向的是中小规模稠密线性方程组，(n) 通常取 3 到 200 之间，矩阵元素以浮点数为主。它不处理大规模稀疏矩阵，也不追求并行加速；如果矩阵规模到了几千阶，应该换稀疏存储和迭代法，硬套高斯消去法会让报告的重点跑偏。把边界写进实验报告的第一节，导师一看就知道你知道自己在做什么，而不是随便找段代码交差。
2.2 顺序消去的适用条件与失败边界
顺序消去法，也就是不选主元的高斯消去法，流程最直白：按列消元，用第 (k) 行的对角元 (a_{kk}) 作为主元，把第 (k) 列下方元素消成零，最后回代。它的优点是结构简单、代码短、和教材伪代码几乎一一对应，实验报告里画流程图和写算法描述都省事。但它有一个硬条件：每一步的主元不能为零，而且不能太接近零。主元为零时，消元直接除以零；主元很小时，乘子会变得很大，舍入误差被放大，最后解可能面目全非。
这个条件在课堂例题里经常被“刚好满足”，因为老师给的矩阵往往是对角占优或者正定的。但实验报告不能只挑好矩阵。至少要准备一类矩阵，让顺序消去在第一步或中间某一步遇到零主元，程序抛出明确异常，报告里记录“顺序消去在该用例上失败”。这不是给代码抹黑，反而是实验设计的一部分：有了失败用例，列主元的改进才有对照。
顺序消去的复杂度也要说清楚。消元阶段大约是 (n^3/3) 次乘除，回代阶段大约是 (n^2/2) 次乘除，整体是 (O(n^3))。空间上如果直接在原矩阵上原地消元，额外空间是 (O(n))，主要用来存右端向量和解向量。实验报告里不要只写“复杂度高”，要写出这两项，并说明列主元增加的比较和交换操作相对于 (n^3) 消元量是什么量级。这样“列主元代价可接受”才有依据。
还有一点容易被忽略：顺序消去的“失败”不一定报错。有些矩阵主元很小但不为零，程序能跑完，结果却偏差很大。实验报告里应该把这类矩阵单独列出来，记录残差和解误差，说明“能跑完”不等于“结果可信”。这一步做了，后面列主元的对比才不会变成空口说“更稳定”。
2.3 列主元消去的增益与代价
列主元消去法在每一步消元前，先在第 (k) 列的第 (k) 行到第 (n-1) 行里找绝对值最大的元素，把所在行换到第 (k) 行，再执行消元。这个动作叫部分主元，也叫列主元。它不改变方程组本身，只改变行的顺序，但能把主元从“可能很小”变成“当前列里相对最大”，从而限制乘子的增长。实验报告里讲列主元，最好把“换行不改变解”和“换行改变了消元过程的数值表现”分开写，前者是线性代数性质，后者是数值分析要解释的部分。
列主元的增益主要体现在两类矩阵上。一类是主元为零、顺序消去直接中断的矩阵；另一类是对角元很小、下方元素较大的矩阵，顺序消去能跑但误差大，列主元换行后乘子变小，结果更接近参考解。实验报告里可以设计一个 (3 \times 3) 或 (4 \times 4) 的用例，让顺序消去在第一步就失败，列主元换行后顺利求解。这个用例不需要很大，但要把消元前后的矩阵打印出来，读者一眼能看到换行发生在哪一步。
代价也要写。列主元每一步多了一次列内绝对值比较，找到主元后可能多一次行交换。比较次数大约是 (O(n^2))，行交换最多 (n-1) 次，相对于 (O(n^3)) 的消元运算不算大。但如果矩阵按行连续存储，行交换会带来数据搬移；如果矩阵很大，这个开销就不能完全忽略。实验报告里可以写一句“在本实验规模下，列主元的额外开销没有改变整体耗时量级”，但不要编造具体耗时数字，除非测试脚本真的记录了。
列主元也不是万能的。它只解决“当前列主元过小”的问题，不解决矩阵本身病态的问题。病态矩阵的条件数很大，即使列主元换行，解对右端项的微小扰动仍然很敏感。实验报告里如果只写“列主元更稳定”，遇到病态矩阵就会解释不通。更准确的说法是：列主元降低了消元过程中因主元过小导致的误差放大风险，但不能改变矩阵的条件数。这个区分写清楚，答辩时能少被追问一轮。
2.4 语言与工具链选型：Python + NumPy 还是手写循环
代码语言选 Python 比较合适，原因是实验报告需要打印中间矩阵、记录交换行、画误差对比表，Python 的列表和 NumPy 数组都方便。但这里有一个选型细节：核心消元循环建议手写，不要直接调numpy.linalg.solve。实验目的是展示消元过程，直接调解方程函数等于把黑匣子交给别人，报告里没法解释每一步主元怎么选、乘子怎么算。NumPy 可以用在矩阵初始化、范数计算、测试数据生成上，消元和回代自己写。
如果全用 Python 原生列表，代码可读性好，但矩阵切片和行交换写起来啰嗦；如果全用 NumPy 向量化，代码短，但“第 (k) 步消元”的循环容易被隐藏，报告里的伪代码和代码对不上。折中的做法是：矩阵用numpy.ndarray存，消元用双重循环写，行交换用 NumPy 的切片赋值或花式索引，回代也用循环。这样既保留了过程可见性，又不用手写太多下标转换。
实验报告里还要写清楚运行环境，但不要编造版本号。写“Python 3.x + NumPy”即可，重点放在输入输出约定和复现步骤上。测试脚本要固定随机种子，或者干脆用硬编码矩阵，避免每次运行结果不同。报告附录里放一份“运行顺序”：先跑顺序消去用例，再跑列主元用例，最后跑误差对比表。读者拿到代码后按这个顺序能复现，实验报告的可信度就上来了。
3. 总体设计：矩阵存储、消去回代流程与误差指标的三层拆解
3.1 数据结构与输入约定：矩阵按行存储、增广矩阵和维度校验
数据结构不用设计得太花。系数矩阵 (A) 按行存储，A[i][j]表示第 (i) 行第 (j) 列，右端向量 (b) 单独存一个一维数组。消元过程中直接原地修改 (A) 和 (b)，回代时再生成解向量 (x)。这样做的好处是代码和教材伪代码对应，实验报告里贴消元前后矩阵时也容易打印。如果非要拼增广矩阵 ([A|b])，也可以，但列主元交换时要注意只交换系数部分还是连右端项一起交换，初学阶段容易在这里写错下标。
输入约定要写进代码注释和报告。第一，(A) 必须是方阵，行数和列数相等；第二，(b) 的长度必须等于 (A) 的阶数；第三，矩阵元素按浮点数处理，整数输入也要转成浮点，避免整除；第四，主元阈值eps统一从一个地方传入，默认取 (10^{-12})，不要在每个函数里写死不同的值。维度校验看起来是小事，但实验报告里如果出现“矩阵输错导致结果不对”的记录，答辩时很难解释。
增广矩阵的写法在实验报告里很常见，但代码里未必要真的拼成一个矩阵。可以提供一个辅助函数，把 (A) 和 (b) 拼成 ((n, n+1)) 的数组用于打印，真正计算仍然用分离的 (A) 和 (b)。这样打印出来的表格和教材一致，计算逻辑又不会被增广矩阵的列偏移干扰。报告里的矩阵展示建议保留两位到四位小数，太多位会让表格难读，太少又看不出消元变化。
还要约定“失败”怎么表示。顺序消去遇到主元绝对值小于eps时，抛出一个带步骤编号的异常，例如“第 2 步主元过小：1.2e-15”。列主元遇到整列都小于阈值时，也抛出异常，说明矩阵奇异或接近奇异。不要让函数返回一个看起来正常但实际错误的解，这样实验报告里的失败用例才有记录价值。
3.2 消去与回代流程：第 k 步做什么、乘子怎么算、上三角怎么形成
消元流程按 (k=0) 到 (n-2) 走。第 (k) 步做三件事：选主元（顺序消去跳过，列主元执行）、计算乘子、更新第 (k) 行以下的子矩阵和右端项。乘子公式是 (m_{ik}=a_{ik}/a_{kk})，更新公式是 (a_{ij}=a_{ij}-m_{ik}a_{kj})，右端项是 (b_i=b_i-m_{ik}b_k)。代码里把 (a_{ik}) 显式置零，是为了避免浮点残渣留在下三角，打印矩阵时更干净，回代时也不会误用。
回代从最后一行往上走。第 (i) 行的方程是 (u_{ii}x_i + \sum_{j=i+1}^{n-1}u_{ij}x_j=b_i')，所以 (x_i=(b_i'-\sum_{j=i+1}^{n-1}u_{ij}x_j)/u_{ii})。回代前要检查对角元是否过小，过小同样要报错。实验报告里可以把消元后的上三角矩阵 (U) 和变换后的右端项 (y) 作为中间结果展示，读者能顺着 (Ux=y) 回代得到解。
流程设计里有一个容易翻车的点：列主元交换行时，右端项必须跟着换。如果只换 (A) 的行不换 (b)，解出来的方程组已经变了。代码里把行交换写成一个小函数，同时接收 (A) 和 (b)，或者用同一个索引数组同时交换，减少漏换的风险。实验报告里记录交换步骤时，也要写“交换第 (k) 行与第 (p) 行，右端项同步交换”，不要只写“换行”。
消元过程中是否保留乘子，取决于报告需求。如果只求解，乘子用完可以丢；如果要做 LU 分解对比，乘子可以存到下三角。这个项目不要求 LU，但实验报告里可以提一句“顺序消去和列主元的乘子存储方式相同，区别只在主元选择”。这样写不会增加代码负担，又能体现对流程的理解。
3.3 主元策略与误差指标：部分主元、增长因子、残差和条件数
主元策略选部分主元，也就是列主元，不选全主元。全主元要在整个右下子矩阵里找绝对值最大元素，交换行和列，代码复杂，实验报告还要解释列交换对解顺序的影响。对于课程实验，列主元足够展示“选主元改善稳定性”的核心思想，复杂度也可控。报告里可以写一句“全主元稳定性更好但交换开销和实现复杂度更高，本实验不展开”，把边界说清楚。
误差指标至少准备三个：残差无穷范数 (|b-Ax|\infty)、相对残差 (|b-Ax|\infty/(|A|\infty|x|\infty+\epsilon))、以及和参考解的误差 (|x-x^*|_\infty)。残差小不代表解误差小，病态矩阵上尤其明显。实验报告里如果只放残差，导师可能会问“残差小为什么解还偏”。加一列参考解误差，再把矩阵条件数估计写进表格，解释就完整了。
条件数可以用 NumPy 的np.linalg.cond(A, np.inf)估计，但报告里要说明这是估计值，不是手算的精确值。增长因子可以简单定义为消元过程中出现的最大元素绝对值与原始矩阵最大元素绝对值之比。这个指标不是必须，但用它解释“列主元为什么能限制元素增长”很直观。表格字段可以设计成：用例编号、矩阵阶数、是否触发换行、顺序消去残差、列主元残差、参考解误差、条件数估计、备注。
3.4 实验报告的结构设计：章节骨架和表格字段
实验报告建议按“问题—方法—实现—测试—解释”走，不要一上来贴代码。第一节写实验目的和需求边界，说明解什么规模的方程组、比较哪两种消去策略。第二节写算法描述，顺序消去和列主元各给一段伪代码，标出主元选择和行交换的位置。第三节写代码结构，说明矩阵存储、函数划分、异常处理。第四节放测试用例和结果表。第五节做误差分析和结论。附录放完整代码和运行说明。
表格不要只放一个“结果正确”打勾。至少两张表：一张用例设计表，列出矩阵来源、阶数、是否零主元、是否病态；一张结果对比表，列出残差、参考解误差、是否换行、耗时量级（如果记录了）。如果代码输出了消元中间矩阵，报告里可以选一个 (3 \times 3) 用例展示消元前后变化，不要每个用例都贴矩阵，否则报告会变成矩阵打印日志。
结论部分要克制。不要写“列主元全面优于顺序消去”，改成“在存在零主元或小主元的用例上，列主元避免了中断并降低了残差；在对角占优用例上，两者结果接近，列主元多了一次比较和交换开销”。这样的结论和表格对得上，答辩时也站得住。
4. 核心实现：两套消去代码、主元交换记录与报告数据接口
4.1 顺序消去实现：三重循环、置零细节和异常出口
顺序消去的代码骨架如下。矩阵统一转成浮点型，消元前做维度校验，主元过小直接抛异常。内层更新从 (k+1) 列开始，是因为第 (k) 列已经被显式置零，不需要再算。代码里保留eps参数，实验报告里可以改这个阈值观察失败用例的触发点。
import numpy as np def back_substitution(U, y, eps=1e-12): """回代求解上三角方程组 Ux = y。""" n = len(y) x = np.zeros(n, dtype=float) for i in range(n - 1, -1, -1): if abs(U[i, i]) < eps: raise ZeroDivisionError(f"回代时第 {i} 个对角元过小: {U[i, i]}") s = y[i] - sum(U[i, j] * x[j] for j in range(i + 1, n)) x[i] = s / U[i, i] return x def gauss_sequential(A, b, eps=1e-12): """ 顺序高斯消去法，不选主元。 参数: A: n x n 系数矩阵 b: 长度 n 的右端向量 eps: 主元绝对值阈值 返回: x: 解向量 U: 消元后的上三角矩阵 y: 变换后的右端向量 """ A = np.array(A, dtype=float, copy=True) b = np.array(b, dtype=float, copy=True) n = len(b) if A.shape != (n, n): raise ValueError("A 必须是 n x n 矩阵，b 的长度必须等于 n") for k in range(n - 1): pivot = A[k, k] if abs(pivot) < eps: raise ZeroDivisionError(f"第 {k} 步主元过小: {pivot}") for i in range(k + 1, n): factor = A[i, k] / pivot A[i, k] = 0.0 # 显式置零，避免浮点残渣 for j in range(k + 1, n): A[i, j] -= factor * A[k, j] b[i] -= factor * b[k] x = back_substitution(A, b, eps=eps) return x, A, b这段代码的关键参数是eps，默认 (10^{-12})。它决定“多小算零主元”。取值太大，正常小主元会被误判失败；取值太小，接近零的主元会继续参与消元，误差被放大。实验报告里可以固定一组矩阵，分别用 (10^{-8})、(10^{-12})、(10^{-15}) 跑一遍，记录失败用例是否变化，这比空谈阈值有意义。A[i, k] = 0.0这一行不要省，省掉后打印下三角会看到 (10^{-17}) 量级的残渣，报告表格不干净。
顺序消去的异常出口要写清楚是第几步、主元值多少。没有步骤编号，调试时只能一行行打印矩阵，血泪经验就是“异常信息不带上下文，等于没报错”。回代也检查对角元，是因为消元阶段通过的主元，在回代时可能因为前面的更新变得很小，虽然这种情况少，但检查成本低。
4.2 列主元消去实现：argmax 选行、同步交换和交换记录
列主元在每步消元前多一次选主元和行交换。选主元用np.argmax(np.abs(A[k:, k]))找到当前列下方绝对值最大的行，再换算成全局行号。交换时 (A) 和 (b) 必须同步。代码额外返回一个swaps列表，记录“第 k 步与第 p 行交换”，实验报告里可以直接拿这张表解释列主元在哪一步起作用。
def gauss_column_pivot(A, b, eps=1e-12): """ 列主元高斯消去法（部分主元）。 返回: x: 解向量 U: 消元后的上三角矩阵 y: 变换后的右端向量 swaps: 行交换记录，元素为 (k, pivot_row) """ A = np.array(A, dtype=float, copy=True) b = np.array(b, dtype=float, copy=True) n = len(b) if A.shape != (n, n): raise ValueError("A 必须是 n x n 矩阵，b 的长度必须等于 n") swaps = [] for k in range(n - 1): # 在当前列的第 k 行到第 n-1 行中找绝对值最大的主元 pivot_row = k + int(np.argmax(np.abs(A[k:, k]))) if abs(A[pivot_row, k]) < eps: raise ZeroDivisionError(f"第 {k} 列没有可用主元，矩阵可能奇异") if pivot_row != k: A[[k, pivot_row], :] = A[[pivot_row, k], :] b[[k, pivot_row]] = b[[pivot_row, k]] swaps.append((k, pivot_row)) else: swaps.append((k, k)) pivot = A[k, k] for i in range(k + 1, n): factor = A[i, k] / pivot A[i, k] = 0.0 for j in range(k + 1, n): A[i, j] -= factor * A[k, j] b[i] -= factor * b[k] x = back_substitution(A, b, eps=eps) return x, A, b, swapsswaps里即使没有交换也记录(k, k)，这样实验报告里的交换表每一步都有行，不会出现“空行不知道是没换还是漏记”。如果只想看真实交换，可以在打印时过滤k != pivot_row。行交换用 NumPy 的切片赋值，A[[k, pivot_row], :] = A[[pivot_row, k], :]会先取副本再赋值，不会出现交换到一半被覆盖的问题。手写临时变量交换也可以，但代码更长。
列主元的选择只比较第 (k) 列下方，不比较右侧子矩阵，这是部分主元。实验报告里不要写成“全主元”，否则概念就错了。选主元后如果整列都小于阈值，说明矩阵奇异或接近奇异，直接抛异常。这个异常信息要写“第 k 列没有可用主元”，和顺序消去的“第 k 步主元过小”区分开，报告里失败原因更清楚。
4.3 回代与误差计算：残差、相对残差和参考解误差
误差计算单独写一个函数，输入原始 (A)、(b)、解 (x)，输出残差无穷范数、相对残差和（如果有参考解）解误差。残差用b - A @ x，范数用np.linalg.norm(..., ord=np.inf)。相对残差的分母加一个很小的数，防止除零。参考解误差只在构造了已知解的用例上计算，不要对所有用例硬编一个“真解”。
def evaluate_solution(A, b, x, x_ref=None): """计算残差和可选的参考解误差。""" A = np.array(A, dtype=float) b = np.array(b, dtype=float) x = np.array(x, dtype=float) residual = b - A @ x res_inf = np.linalg.norm(residual, ord=np.inf) denom = np.linalg.norm(A, ord=np.inf) * np.linalg.norm(x, ord=np.inf) + 1e-30 rel_res = res_inf / denom result = {"res_inf": res_inf, "rel_res": rel_res} if x_ref is not None: result["err_inf"] = np.linalg.norm(x - np.array(x_ref, dtype=float), ord=np.inf) return result这段代码不参与消元，只负责报告数据。实验报告里的结果表可以直接用这个字典的键做列名。1e-30是防止分母为零的保险项，不是物理量，报告里不用解释。参考解误差要和残差分列，不能混成一个“误差”列，否则病态矩阵的表格会让人误解。
4.4 测试脚本与输出格式：一键生成报告数据
测试脚本建议把用例写成列表，每个用例包含名称、矩阵、右端项、参考解（可选）、备注。跑的时候分别调用顺序消去和列主元，捕获异常，把成功结果和失败原因都写进输出表。这样实验报告的数据来源固定，不会出现“报告里的数和代码跑出来的对不上”。
def run_case(name, A, b, x_ref=None): """运行单个用例，返回两种方法的记录。""" rows = [] for method_name, func in [ ("顺序消去", gauss_sequential), ("列主元消去", gauss_column_pivot), ]: try: if method_name == "顺序消去": x, U, y = func(A, b) swaps = [] else: x, U, y, swaps = func(A, b) metrics = evaluate_solution(A, b, x, x_ref) rows.append({ "用例": name, "方法": method_name, "状态": "成功", "残差无穷范数": metrics["res_inf"], "相对残差": metrics["rel_res"], "解误差": metrics.get("err_inf", None), "交换记录": swaps, }) except Exception as exc: rows.append({ "用例": name, "方法": method_name, "状态": f"失败: {exc}", "残差无穷范数": None, "相对残差": None, "解误差": None, "交换记录": [], }) return rows这个脚本的输出可以直接转成 Markdown 表格或 CSV，贴进实验报告。失败用例不要跳过，状态列写清楚失败原因，报告里才有“顺序消去在零主元用例上中断、列主元成功”的对照。测试矩阵建议至少准备四类：对角占优矩阵、第一步零主元矩阵、中间步小主元矩阵、病态矩阵（例如 Hilbert 矩阵的小阶版本）。每类不需要很多个，能把差异说清楚就行。
5. 常见问题排查：主元为零、精度跳变与报告数据对不上的五类翻车点
5.1 现象：第一步就报主元过小，顺序消去直接中断
现象很直观：运行顺序消去，程序抛出“第 0 步主元过小”，矩阵第一行第一列是 0，后面的代码根本没执行。原因不是代码写错，而是顺序消去没有换行机制，主元为 0 时乘子无法计算。有些同学会在代码里加一个很小的数到对角线上“绕过去”，结果解变了，报告里还写“算法成功”，这是典型的踩坑。
解决方式分两层。第一层是实验设计上承认失败：把该用例标记为顺序消去的失败用例，记录失败步骤和主元值。第二层是用列主元消去跑同一个用例，打印交换记录，说明第 0 步把哪一行换到了第一行，换行后主元变成多少。报告里不要把“加小扰动”当作正式修复，那会改变方程组；如果确实要讨论正则化，应该单独开一节，不要混在算法对比里。
5.2 现象：列主元代码结果反而更差，残差比顺序消去还大
有同学跑完对比表发现列主元的残差更大，第一反应是“选主元选错了”。实际原因通常有三类：一是两个方法用的残差公式不一样，一个用无穷范数，一个用二范数；二是列主元代码行交换时只换了 (A) 没换 (b)，解的是另一个方程组；三是测试矩阵本身病态，残差小不代表解误差小，列主元换行后残差略大并不奇怪。
排查顺序建议从输入输出查起。先打印列主元每一步的交换记录和消元后的 (U)、(y)，再用手算或小规模参考解验证。然后统一残差计算函数，两个方法都调同一个evaluate_solution。最后看病态矩阵的条件数，如果条件数很大，把“解误差”列加上，不要只看残差。列主元解决的是消元过程中的主元过小问题，不是病态矩阵的万能药，这句话要在报告里写清楚。
5.3 现象：报告表格里两种方法结果一模一样，交换记录全是空
这种情况多半是测试用例选得太“乖”。所有矩阵都是对角占优，顺序消去每一步主元都不小，列主元比较后发现当前行就是最大，交换记录全是(k,k)，结果当然接近。报告里如果只放这类用例，列主元的价值体现不出来，答辩时容易被问“那你为什么要写列主元”。
解决方式是补一个“必须换行”的用例。构造一个第一行第一列为 0、但下方有非零元素的矩阵，顺序消去会失败，列主元会换行。再补一个主元很小但不为零的矩阵，顺序消去能跑完但误差较大，列主元换行后误差下降。用例不需要复杂，(3 \times 3) 就够。报告里把交换记录表放出来，读者能看到第几步换了哪两行，对比才有说服力。
5.4 现象：残差很小，解误差却很大，报告结论写不下去
残差小和解误差大并不矛盾，病态矩阵上这是常态。残差衡量的是 (Ax) 离 (b) 多近，解误差衡量的是 (x) 离真实解多远。矩阵条件数大时，右端项的微小扰动会被放大到解上。如果实验报告只列残差，看到“残差 (10^{-12})”就写“结果精确”，遇到病态用例就会翻车。
解决方式是构造已知解。先设定一个 (x^)，用 (b=A x^) 生成右端项，这样参考解已知，解误差可以直接算。报告表格里同时列残差和解误差，再列条件数估计。解释时写“该用例条件数较大，残差虽小但解误差受条件数放大”，不要把锅甩给列主元。列主元在这里的作用是让消元过程更稳，不是把病态矩阵变成良态矩阵。
5.5 现象：代码跑出来的数和报告表格对不上，复现不了
实验报告交上去，导师按附录代码跑一遍，发现残差列对不上，或者交换记录不一样。常见原因包括：测试矩阵在报告里抄错一位、随机种子没固定、eps阈值在代码里改过但报告没更新、两个方法用了不同的输入副本。数值实验最怕“差不多”，差一位小数可能改变主元选择。
解决方式是固定三件事：输入矩阵硬编码在测试脚本里，不依赖随机生成；eps作为参数显式传入，报告里写明取值；每次运行输出用例名、方法名、交换记录、残差，直接重定向到文件，报告表格从文件里抄。代码里不要用全局变量偷偷改矩阵，函数入口统一copy=True。从那以后我每次做数值实验报告，都强制保留一份原始输出日志，后悔药就是日志本身。
6. 验收与答辩：用一组对照实验讲清顺序消去和列主元消去
验收时不要从代码第一行开始讲，先讲“三组用例一条主线”。第一组是零主元用例：顺序消去在第 0 步报主元过小，列主元换行后成功，交换记录里能看到第 0 行和第 2 行交换。第二组是小主元用例：顺序消去能跑完但解误差偏大，列主元换行后乘子变小，误差下降。第三组是病态用例：两种方法残差都可能不大，但解误差受条件数影响，列主元不改变条件数，只降低消元过程的误差放大风险。三组讲完，顺序消去和列主元的边界就清楚了。
答辩表可以提前准备成这样：
| 可能被问的问题 | 回答要点 | 可展示的证据 |
|---|---|---|
| 为什么列主元只换行不换列 | 行交换不改变方程组的解，只改变消元顺序；列交换会改变未知量顺序，报告和代码都要额外映射 | 交换记录表、回代后的解向量 |
主元阈值eps怎么定 | 阈值用于判断“多小算零主元”，本实验固定为 (10^{-12})，并用不同阈值跑失败用例观察触发点 | 阈值对比记录、异常信息 |
| 残差小为什么解还偏 | 残差衡量 (Ax-b)，解误差衡量 (x-x^*)，病态矩阵会放大后者 | 条件数估计列、参考解误差列 |
| 列主元是不是一定更好 | 在零主元和小主元用例上更稳，在对角占优用例上结果接近但多一次比较和交换；它不改变矩阵条件数 | 三类用例对比表 |
| 代码里为什么显式置零 | 避免下三角留下浮点残渣，打印矩阵和回代检查更干净 | 消元前后矩阵打印 |
答辩时最容易失分的是“只讲成功用例”。导师问“顺序消去什么时候失败”，如果拿不出失败记录，就会显得实验设计不完整。反过来，把失败用例、交换记录、误差解释三样摆出来，即使代码不复杂，也能说明你理解两种方法的差别。还有一个小技巧：报告里的结果表保留原始输出的小数位，不要为了好看四舍五入到一位，残差从 (10^{-3}) 变成 (0.001) 会丢掉量级信息。
我一般会让学生在答辩前做一遍“盲跑”：只给测试脚本，不给报告，让别人按附录命令跑一遍，看输出能不能和报告表格对上。对不上就查输入、阈值、交换记录，别急着改结论。从那以后我每次交数值实验报告，都强制走一遍“失败用例—修复—误差解释”的闭环，代码可以短，证据链不能断。希望帮到你。
本文还有配套的精品资源，点击获取
