scipy.sparse.linalg.

bicgstab#

scipy.sparse.linalg.bicgstab(A, b, x0=None, *, rtol=1e-05, atol=0.0, maxiter=None, M=None, callback=None)[source]#

使用双共轭梯度稳定迭代法求解 Ax = b。

参数:
A{稀疏矩阵, ndarray, 线性算子}

线性系统的 N×N 实数或复数矩阵。或者，A 可以是一个线性算子，可以通过 Ax 和 A^T x 来生成，例如，scipy.sparse.linalg.LinearOperator。

bndarray

线性系统的右侧。形状为 (N,) 或 (N,1)。

x0ndarray

解的初始猜测。

rtol, atolfloat, 可选

收敛测试的参数。为了收敛，应该满足 norm(b - A @ x) <= max(rtol*norm(b), atol)。默认值为 atol=0. 和 rtol=1e-5。

maxiter整数

最大迭代次数。即使未达到指定的容差，迭代也会在 maxiter 步后停止。

M{稀疏矩阵, ndarray, 线性算子}

A 的预处理器。预处理器应该近似于 A 的逆。有效的预处理会极大地提高收敛速度，这意味着达到给定误差容差所需的迭代次数更少。

callback函数

每次迭代后调用的用户提供的函数。它的调用方式为 callback(xk)，其中 xk 是当前解向量。

返回值:
xndarray

收敛解。

info整数
提供收敛信息

0 : 成功退出 >0 : 未达到容差收敛，迭代次数 <0 : 参数分解

示例

>>> import numpy as np
>>> from scipy.sparse import csc_matrix
>>> from scipy.sparse.linalg import bicgstab
>>> R = np.array([[4, 2, 0, 1],
...               [3, 0, 0, 2],
...               [0, 1, 1, 1],
...               [0, 2, 1, 0]])
>>> A = csc_matrix(R)
>>> b = np.array([-1, -0.5, -1, 2])
>>> x, exit_code = bicgstab(A, b, atol=1e-5)
>>> print(exit_code)  # 0 indicates successful convergence
0
>>> np.allclose(A.dot(x), b)
True
本页内容