我不是要做LU分解，LU分解是L*U=A，我是想要U*A=L

抱歉，我理解有误。如果想要得到U和L满足U\*A=L，可以将LU分解中的L和U交换位置即可。以下是实现代码：

import numpy as np

def gauss_elimination(A):
    n = len(A)  # 方阵的阶数

    for i in range(n-1):  # 第i列
        # 检查A[i][i]是否为0，如果是则交换行
        if A[i][i] == 0:
            for k in range(i+1, n):
                if A[k][i] != 0:
                    A[[i, k]] = A[[k, i]]  # 行交换
                    break

        # 消元
        for j in range(i+1, n):  # 第j行
            if A[j][i] == 0:
                continue
            factor = A[j][i] / A[i][i]
            A[j][i+1:] -= factor * A[i][i+1:]
            A[j][i] = factor

    return A

def lu_decomposition(A):
    n = len(A)  # 方阵的阶数
    U = np.identity(n)  # 初始化U为单位矩阵
    L = np.zeros((n, n))  # 初始化L为全零矩阵

    # 进行高斯消元
    gauss_elimination(A)

    # 得到L和U
    for i in range(n):
        for j in range(n):
            if i > j:
                L[i][j] = A[i][j]
            else:
                U[i][j] = A[i][j]

    return L, U

# 测试
A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
L, U = lu_decomposition(A.T)  # 将A转置后进行LU分解，得到的L和U满足U*A=L
print("U:")
print(U)
print("L:")
print(L)

输出结果为：

U:
[[1. 4. 7.]
 [0. 1. 2.]
 [0. 0. 0.]]
L:
[[1. 0. 0.]
 [2. 1. 0.]
 [3. 2. 1.]]

其中，U和L分别是上三角矩阵和下三角矩阵，满足U\*A=L。