高斯消元的老朋友#

其实我们早就见过 LU 分解了，只是当时不知道它的名字——它就是高斯消元法的矩阵版本。

回忆一下高斯消元：我们把矩阵一行行地消成上三角形式，然后回代求解。LU 分解就是把「消元」这个操作拆成两个矩阵的乘积：

$A = LU$

其中：

• $L$ 是下三角矩阵（Lower triangular），对角线全是 1，记录消元时每一步的倍数
• $U$ 是上三角矩阵（Upper triangular），就是消元结束后的结果

一个小例子#

考虑矩阵：

$A = \begin{bmatrix} 2 & 1 & 1 \\\\ 4 & -6 & 0 \\\\ -2 & 7 & 2 \end{bmatrix}$

第一步：消去第二行第一列的 4。乘数是 $m_{21} = 4/2 = 2$，第二行减去第一行的 2 倍。

第二步：消去第三行第一列的 -2。乘数是 $m_{31} = -2/2 = -1$。

经过一系列消元后，我们得到：

$U = \begin{bmatrix} 2 & 1 & 1 \\\\ 0 & -8 & -2 \\\\ 0 & 0 & 1 \end{bmatrix}$

而 $L$ 就是把那些乘数收集起来：

$L = \begin{bmatrix} 1 & 0 & 0 \\\\ 2 & 1 & 0 \\\\ -1 & -1 & 1 \end{bmatrix}$

你可以验证一下：$L \cdot U$ 确实等于原来的 $A$！

为什么 LU 分解这么重要？#

因为一旦有了 $A = LU$，解 $Ax = b$ 就变成了两步超级简单的操作：

1. 先解 $Ly = b$（前代，$O(n^2)$）
2. 再解 $Ux = y$（回代，$O(n^2)$）

总复杂度只有 $O(n^2)$！虽然 LU 分解本身要 $O(n^3)$，但如果 $b$ 变化而 $A$ 不变（这在工程中非常常见），只需要做一次分解，之后每次求解都只要 $O(n^2)$。这就是它的魔力所在～

主元问题与 PLU 分解#

有个小坑：如果消元过程中碰到对角线上的元素为 0，LU 分解就会崩溃。解决办法是部分主元选取（Partial Pivoting）——每次消元前，把当前列绝对值最大的那一行换上来。

这就引出了带置换的版本：

$PA = LU$

其中 $P$ 是一个置换矩阵，记录了行交换的信息。这是实际计算中真正的标准做法。

LU 分解的更多玩法#

除了解方程组，LU 分解还能优雅地计算：

• 行列式：$\det(A) = \det(L) \cdot \det(U) = 1 \cdot \prod u_{ii}$，就是 $U$ 对角线的乘积！
• 矩阵求逆：把 $A^{-1}$ 拆成解 $n$ 个方程组
• 条件数估计：用于判断矩阵是否「病态」

MATLAB 最早就是用 LU 分解加上各种数值技巧（比如稀疏矩阵存储、分块算法）来处理大规模科学计算问题的。可以说，没有 LU 分解，就没有现代的数值仿真、气象预报、结构力学分析～

好啦，今天的数学小课堂就到这里！下次解方程组的时候，记得感谢高斯和 LU 分解这两个小帮手呀 💕🎀

（别问我为什么 $L$ 的对角线全是 1——那是约定俗成，让分解结果唯一～）