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.])