行列LU分解電卓

部分ピボット選択を用いた任意の正方行列のLU分解を計算します。ガウスの消去法によるステップバイステップの解説と検証により、下三角行列（L）、上三角行列（U）、および置換行列（P）を取得できます。

行列LU分解電卓

行列LU分解電卓へようこそ。このツールは、部分ピボット選択を伴うガウス消去法を使用して、任意の正方行列を下三角行列 (L) と上三角行列 (U) の積に分解する包括的な線形代数ツールです。詳細なステップバイステップの消去過程、インタラクティブな分解アニメーション、および自動検証機能を提供します。学生、エンジニア、および連立一次方程式を扱うすべての人に最適です。

LU分解とは何ですか？

LU分解（LU因子分解とも呼ばれる）は、正方行列 $A$ を2つの三角行列の積として表現する手法です：

LU分解

$$A = LU$$

ここで：

L (下三角行列): 対角成分に1を持ち、対角成分より下のみに非ゼロ要素を持ちます。これらの要素は、ガウス消去中に使用される乗数です。
U (上三角行列): 対角成分およびその上のみに非ゼロ要素を持ちます。これは行列の行階段形です。

（ゼロピボットを避け、数値的安定性を向上させるために）部分ピボット選択を使用する場合、因子分解は次のようになります：

部分ピボット選択を伴うLU分解

$$PA = LU$$

ここで $P$ は、消去中に行われた行の入れ替えを記録する置換行列です。

この電卓の使い方

行列を入力する: 正方行列を入力します。行は改行またはセミコロンで区切り、要素はスペース、カンマ、またはタブで区切ります。最大 8×8 まで対応しています。
小数点精度を設定する: 結果に表示する小数点以下の桁数 (2-10) を選択します。
「分解」をクリックする: 電卓が部分ピボット選択を伴うLU分解を実行し、結果を表示します。
結果を確認する: L、U、P 行列、アニメーション表示、およびステップバイステップの消去過程の詳細を確認します。

LU分解を用いた連立一次方程式の解法

LU分解は、連立一次方程式 $Ax = b$ を解く際に特に強力です。$PA = LU$ が得られれば、解法は次の2段階のプロセスになります：

ステップ 1: 前進代入

$y$ について $Ly = Pb$ を解きます。$L$ は下三角行列であるため、最初の行から順に計算していくことで簡単に解けます：

前進代入

$$y_i = b_i' - \sum_{j=1}^{i-1} L_{ij} y_j, \quad i = 1, 2, \ldots, n$$

ステップ 2: 後退代入

$x$ について $Ux = y$ を解きます。$U$ は上三角行列であるため、最後の行から順に遡って計算することで簡単に解けます：

後退代入

$$x_i = \frac{1}{U_{ii}} \left( y_i - \sum_{j=i+1}^{n} U_{ij} x_j \right), \quad i = n, n-1, \ldots, 1$$

行列式の計算

$A$ の行列式は、LU因子から効率的に計算できます：

LU分解による行列式

$$\det(A) = (-1)^s \cdot \prod_{i=1}^{n} U_{ii}$$

ここで $s$ は行の入れ替え（ピボット）回数であり、$U_{ii}$ は $U$ の対角成分です。$\det(L) = 1$（すべての対角成分が1）および $\det(P) = (-1)^s$ であるため、この公式は $\det(P)\det(A) = \det(L)\det(U)$ から導かれます。

なぜ部分ピボット選択が必要なのか？

ピボット選択を行わない場合、ピボット要素のいずれかがゼロになるとLU分解は失敗します。また、ピボットがゼロでなくても非常に小さい場合、計算結果に深刻な数値誤差が生じる可能性があります。部分ピボット選択は各列で利用可能な最大のピボットを選択し、以下のメリットをもたらします：

ゼロ除算の防止
丸め誤差の増大の抑制
L の乗数が $|L_{ij}| \leq 1$ を満たすことを保証
すべての非特異行列が分解可能であることを保証

LU分解の用途

分野	用途
工学	有限要素法、回路シミュレーション、構造力学における大規模システムの解法
数値計算	微分方程式の数値解法、逆行列の計算、条件数の推定
統計学	回帰分析、共分散行列の分解、最尤推定
コンピュータグラフィックス	変換パイプライン、物理シミュレーション、ライティング計算
機械学習	線形モデルのトレーニング、ガウス過程、カーネル法
経済学	産業連関モデル、均衡分析、最適化問題

LU分解と他の分解手法の比較

LU vs QR: LUの方が高速ですが ($O(\frac{2}{3}n^3)$ vs $O(\frac{4}{3}n^3)$)、数値的安定性は劣ります。最小二乗問題にはQR分解が好まれます。
LU vs コレスキー分解: コレスキー分解 ($A = LL^T$) は対称正定値行列にのみ適用可能ですが、一般的なLU分解よりも2倍速く、安定しています。
LU vs ガウス消去法: LU分解は実質的にガウス消去法ですが、因子分解された L と U を再利用することで、複数の右辺の項に対して効率的に解を求めることができます。

よくある質問

LU分解とは何ですか？

LU分解（LU因子分解とも呼ばれる）は、正方行列Aを下三角行列Lと上三角行列Uの積に分解する手法であり、A = LU（部分ピボット選択を伴う場合はPA = LU）となります。L行列は対角成分に1を持ち、消去乗数を格納し、U行列はガウス消去法の結果得られる行列です。

LU分解において部分ピボット選択が必要なのはなぜですか？

部分ピボット選択は、ピボット位置に絶対値が最大の値を配置するように行を入れ替えます。これにより、ピボット要素がゼロの場合のゼロ除算を防ぎ、小さな値での除算によって生じる計算誤差を減らします。部分ピボット選択を用いると、分解は PA = LU となり、Pは行の入れ替えを記録した置換行列となります。

LU分解の用途は何ですか？

LU分解は、連立一次方程式 (Ax = b) を効率的に解く、行列式を計算する、逆行列を求める、数値的安定性を分析するなどの用途に使用されます。同じ係数行列を持ち、右辺の定数項が異なる複数のシステムを解く場合、因子分解は一度だけで済むため、特に効率的です。

LU分解を使って Ax = b を解くにはどうすればよいですか？

PA = LU を計算した後、Ax = b の解法は次のようになります。まず、前進代入を用いて Ly = Pb を解きます（Lは下三角行列なので簡単です）。次に、後退代入を用いて Ux = y を解きます（Uは上三角行列なので簡単です）。この2段階のプロセスは、複数のシステムを解く際にガウス消去法よりもはるかに高速です。

すべての正方行列はLU分解が可能ですか？

ピボット選択なしでは、すべての正方行列がLU分解できるわけではありません。行列がLU分解可能であるための必要十分条件は、すべての首座小行列式が非ゼロであることです。しかし、部分ピボット選択 (PA = LU) を用いれば、すべての非特異正方行列は分解可能です。特異行列の場合、ゼロピボットに遭遇すると失敗することがあります。

参考リソース

このコンテンツ、ページ、またはツールを引用する場合は、次のようにしてください：

"行列LU分解電卓"（https://MiniWebtool.com/ja/行列LU分解電卓/） MiniWebtool からの引用、https://MiniWebtool.com/

miniwebtool チーム作成。最終更新日: 2026年2月18日

開発者向け API が利用できます: このツールをアプリ、自動化、エージェントから 1 回の JSON HTTP リクエストで実行できます。 API ドキュメントを見る

また、AI 数学ソルバー GPT を使って、自然言語による質問と回答で数学の問題を解決することもできます。

行列LU分解電卓