scipy.sparse.linalg.
splu#
- scipy.sparse.linalg.splu(A, permc_spec=None, diag_pivot_thresh=None, relax=None, panel_size=None, options=None)[源代码]#
计算稀疏方阵的LU分解。
- 参数:
- A稀疏数组或矩阵
要分解的稀疏数组。以CSC格式提供时效率最高。其他格式将在分解前转换为CSC。
- permc_specstr, 可选
如何排列矩阵的列以保持稀疏性。(默认值:'COLAMD')
NATURAL
: 自然顺序。MMD_ATA
: 基于A^T A结构的最小度排序。MMD_AT_PLUS_A
: 基于A^T+A结构的最小度排序。COLAMD
: 近似最小度列排序
- diag_pivot_threshfloat, 可选
对角线元素作为可接受主元的阈值。详见SuperLU用户指南[1]
- relaxint, 可选
用于自定义超级节点松弛程度的专家选项。详见SuperLU用户指南[1]
- panel_sizeint, 可选
用于自定义面板大小的专家选项。详见SuperLU用户指南[1]
- optionsdict, 可选
包含SuperLU其他专家选项的字典。详见SuperLU用户指南[1](第2.4节关于“Options”参数的内容)。例如,可以指定
options=dict(Equil=False, IterRefine='SINGLE'))
来关闭均衡并执行单次迭代细化。
- 返回:
- invAscipy.sparse.linalg.SuperLU
对象,具有
solve
方法。
另请参见
spilu
不完全LU分解
注释
当一个实数数组被分解,并且返回的SuperLU对象的
solve()
方法与复数参数一起使用时,会产生错误。相反,将初始数组转换为复数,然后进行分解。此函数使用SuperLU库。
参考
示例
>>> import numpy as np >>> from scipy.sparse import csc_array >>> from scipy.sparse.linalg import splu >>> A = csc_array([[1., 0., 0.], [5., 0., 2.], [0., -1., 0.]], dtype=float) >>> B = splu(A) >>> x = np.array([1., 2., 3.], dtype=float) >>> B.solve(x) array([ 1. , -3. , -1.5]) >>> A.dot(B.solve(x)) array([ 1., 2., 3.]) >>> B.solve(A.dot(x)) array([ 1., 2., 3.])