2.4.2 LU 分解与前向/后向替换

文档摘要

2.4.2 LU 分解与前向/后向替换在稀疏线性代数的实战前线，LU分解从来不是教科书里那个“对称、正定、满秩、小规模”的优雅玩具——它是一场与零元素搏斗的精密工程。当你面对一个拥有千万级非零元、结构高度不规则的稀疏矩阵 $ A \in \mathbb{R}^{n \times n} $（比如来自三维非结构网格的有限元刚度阵、大规模电路仿真中的导纳矩阵，或图神经网络中传播算子的拉普拉斯近似），你真正需要的，不是“存在 LU 分解”，而是：如何在内存可控、填充可控、访存局部、并行可伸、数值稳健的前提下，把 $ A = LU $ 拆开，并让后续的前向/后向替换快得像呼吸一样自然？这正是 2.4.