跳到主要内容

LU 分解

一、直观理解：把消元过程“存成两个矩阵”​

LU 分解把方阵写成 A=LUA=LU（或带主元 PA=LUPA=LU），其中 LL 为单位下三角（含消元乘数），UU 为上三角。一旦分解完成，求解 Ax=bAx=b 只需：

  1. 解 Ly=PbLy=Pb（前代）；
  2. 解 Ux=yUx=y（回代）。

这相当于把高斯消去的工作缓存起来：右端项 bb 改变时，不必重新消元，特别适合多个右端项、牛顿法中反复解线性系统等场景。

二、适用场景与优缺点​

类型说明
适用场景同一 AA 多个 bb；需要直接法因子；中小稠密系统；作为更复杂求解器的组件。
核心优点分解一次、多次回代；与高斯消去数学等价；可扩展为 Cholesky（对称正定）等。
局限与缺点分解仍 O(n3)O(n^3)；需主元保证稳定；稀疏填充问题仍在；奇异或近奇异时失败。

三、核心原理​

无主元时，高斯消元乘数放入 LL 的下三角，UU 为消元后的上三角。带部分主元时存在置换矩阵 PP 使

PA=LUPA=LU

MATLAB 中 [L,U,P]=lu(A) 返回该分解。

对对称正定矩阵，优先 A=RTRA=R^\mathsf{T}R（Cholesky），更快更稳。

复杂度​

  • 分解：O(n3)O(n^3)；
  • 每次前代+回代：O(n2)O(n^2)。

四、实践要点​

  • 优先 lu + 两次三角解，或直接 A\b（内部往往做分解）；
  • 检查 U 对角元是否接近 0；
  • SPD 时用 chol；
  • 不要手写 inv(L)*...，用正斜杠/反斜杠解三角系统。

五、MATLAB 示例​

%% LU 分解求解多个右端项
A = [3 2 -1;
     2 -2 4;
     -1 0.5 -1];
[L, U, P] = lu(A);

B = [1 0;  -2 1;  0 3];   % 两个右端项
X = zeros(size(A,1), size(B,2));
for k = 1:size(B,2)
    y = L \ (P * B(:,k));  % 前代
    X(:,k) = U \ y;        % 回代
end

X2 = A \ B;
fprintf("LU 解与 A\\B 差异 = %.3e\n", norm(X-X2,"fro"));

disp("L ="); disp(L);
disp("U ="); disp(U);
disp("P*A - L*U 残差 ="); disp(norm(P*A - L*U, "fro"));

Cholesky 对照：

A = [4 1 1; 1 3 0; 1 0 2];  % SPD
R = chol(A);                 % A = R'*R
b = [1; 2; 3];
x = R \ (R' \ b);
fprintf("Cholesky 解 = [%s]\n", num2str(x', '%.4f '));
fprintf("残差 = %.3e\n", norm(A*x-b));

六、如何解释结果​

说明是否使用主元、分解残差 ∥PA−LU∥\|PA-LU\|、求解残差、多右端项时的效率收益。若对角元衰减很快，提示可能近乎奇异。

七、常见误区​

1. 忘记置换 PP​

写 A≈LU 而实际是 PA=LU，验证会失败。

2. 对非方/奇异矩阵强行 LU​

应先检查尺寸与秩。

3. SPD 不用 Cholesky 却用一般 LU​

浪费结构信息。

4. 每次新 bb 都重新 lu​

失去分解的主要优势。

附：建模流程中的落地清单（LU 分解）​

在竞赛或课程论文中，仅写出定义式往往不够。建议按下列顺序组织材料，既能保证可复现，也便于评委快速抓住贡献。

1. 问题对齐​

先用两三句话说明：题目中的哪个子问题对应本方法，输入是什么，输出要支持什么决策。避免“因为常见所以使用”。若存在更简单的替代方法，应说明为何不够用。

2. 符号与单位​

列出核心符号表，强调单位一致。许多错误并非算法失败，而是日/年、米/千米、概率/百分比混用。对无量纲参数，说明取值来源（估计、文献、情景设定）。

3. 关键公式回顾​

在 PA=LUPA=LU 后，求解变为两次三角系统。同一系数矩阵多个右端项时，分解一次即可。

4. 计算与实现要点​

  • 固定随机种子（若涉及随机）；
  • 记录中间量以便手算核对小例子；
  • 用极限情形或解析特例做冒烟测试；
  • 保存主要输入输出到表格，便于敏感性分析复用。

5. 补充 MATLAB 片段​

[L,U,P]=lu(magic(4)); b=(1:4)'; x=U\(L\(P*b)); fprintf('||Ax-b||=%.3e\n',norm(magic(4)*x-b));

6. 结果报告模板​

建议至少报告：是否带主元、分解残差、每个右端项的求解残差、耗时对比（相对反复 A\b 全重算）。

7. 何时不该使用​

把 lu 用于明显对称正定问题却拒绝 Cholesky；或每次新的 bb 都重新分解却声称高效。

完成以上清单后，再进入“小结”中的一句话金句，通常论文的方法段与验证段就会扎实许多。

附：结果解读示例与常见审稿问题​

结果解读示例​

假设已经得到主要数值输出。写作时应把数字翻译回题目语言，例如：

  • “在基准参数下指标为 A；当关键参数变化 ±10% 时，指标波动约 B%，方案排序未变。”
  • “算法在 R 次独立重复中有 S 次收敛到同一结构解，说明结论对初始化不敏感。”
  • “与简化基线相比，本方法在验证集误差降低 Δ，但计算时间增加，权衡后仍采用。”

如果只有表格没有句子，评委很难判断你是否真正理解结果。

参数与数据的最小敏感性​

即使篇幅有限，也建议给出一个小表：选取 1–3 个最关键参数，各取偏低/基准/偏高三档，报告输出变化。这比大段空泛的“模型具有较强鲁棒性”更有说服力。

可复现信息​

在附录或正文脚注中记录：软件版本、随机种子、关键容差、数据截取时间范围。另一人按文档应能得到同量级结果。

审稿式自问​

  1. 方法假设在题目数据上是否可检查？
  2. 若最敏感参数估计错误 20%，结论是否翻盘？
  3. 是否存在更简单方法达到相近效果？
  4. 图表是否都能用一句话概括？
  5. 局限是否写得具体，而不是套话？

把上述自问的答案写进论文，方法章节会明显更“像完成了建模”，而不是“像完成了公式摘录”。

八、小结​

LU 分解把高斯消去固化为因子形式，使线性系统在多右端项下高效求解。它是数值线性代数的核心组件；稳定实现必须考虑主元，并在对称正定时优先 Cholesky。