没问题，我来给你拆解左向高斯消元法，对比你熟悉的右向版本一步步讲，保证你能看明白～

首先明确核心差异：你熟悉的右向高斯消元是用当前主元消去右侧下方的元素，操作方向是向右向下；而左向高斯消元是按列依次处理，每一步计算依赖左侧已经完成的结果，相当于从左到右逐步构建LU分解的下三角矩阵（L）和上三角矩阵（U），不需要提前修改整个矩阵的下方区域。

3×3左向高斯消元实战示例 #

我们用一个具体的3×3矩阵来演示，目标是将矩阵分解为 ( A = L \times U )（L是对角线为1的下三角矩阵，U是上三角矩阵）：

原始矩阵A #

A = [
    [4, 2, 1],
    [2, 5, 3],
    [1, 3, 6]
]

第一步：处理第1列（j=1） #

这是最左侧的列，没有左侧已处理数据，直接计算：

• 上三角矩阵U的第1行第1列元素：U[1][1] = A[1][1] = 4
• 下三角矩阵L的第1列（第2、3行）：用当前行的第1列元素除以U的主元
  • L[2][1] = A[2][1] / U[1][1] = 2/4 = 0.5
  • L[3][1] = A[3][1] / U[1][1] = 1/4 = 0.25

此时L和U的初步状态：

L = [
    [1, 0, 0],
    [0.5, 1, 0],
    [0.25, 0, 1]
]

U = [
    [4, 2, 1],
    [0, ?, ?],
    [0, ?, ?]
]

第二步：处理第2列（j=2） #

这一步需要减去左侧第1列的贡献，再计算当前列的L和U元素：

• 计算U的第2行第2列：U[2][2] = A[2][2] - L[2][1] * U[1][2]
  代入数值：5 - 0.5*2 = 5 - 1 = 4
• 计算L的第3行第2列：L[3][2] = (A[3][2] - L[3][1] * U[1][2]) / U[2][2]
  代入数值：(3 - 0.25*2)/4 = (3 - 0.5)/4 = 2.5/4 = 0.625
• 同时计算U的第2行第3列（后续会用到）：U[2][3] = A[2][3] - L[2][1] * U[1][3]
  代入数值：3 - 0.5*1 = 2.5

此时L和U的更新状态：

L = [
    [1, 0, 0],
    [0.5, 1, 0],
    [0.25, 0.625, 1]
]

U = [
    [4, 2, 1],
    [0, 4, 2.5],
    [0, 0, ?]
]

第三步：处理第3列（j=3） #

这一步需要减去前两列的贡献，计算U的最后一个元素：

• 计算U的第3行第3列：U[3][3] = A[3][3] - L[3][1]*U[1][3] - L[3][2]*U[2][3]
  代入数值：6 - 0.25*1 - 0.625*2.5 = 6 - 0.25 - 1.5625 = 4.1875

最终的L和U矩阵 #

L = [
    [1,    0,      0     ],
    [0.5,  1,      0     ],
    [0.25, 0.625,  1     ]
]

U = [
    [4,    2,      1     ],
    [0,    4,      2.5   ],
    [0,    0,      4.1875]
]

你可以验证一下 ( L \times U ) 的结果，完全等于原始矩阵A，和右向消元得到的LU分解结果是一致的！

左向 vs 右向的核心区别 #

• 右向消元：先处理主元行，再用主元行消去下方所有行的当前主元列元素，操作时会修改主元右侧和下方的整个区域，适合一次性处理完整矩阵的场景。
• 左向消元：按列从左到右计算，每一步只依赖左侧已处理的L和U数据，不需要提前修改未处理的区域，更适合内存有限的场景（比如处理超大矩阵时，只需要加载左侧已处理的小块数据）。

内容的提问来源于stack exchange，提问作者Nawal