Python SciPy linalg.spilu用法及代码示例

本文简要介绍 python 语言中 scipy.sparse.linalg.spilu 的用法。

用法:

scipy.sparse.linalg.spilu(A, drop_tol=None, fill_factor=None, drop_rule=None, permc_spec=None, diag_pivot_thresh=None, relax=None, panel_size=None, options=None)#

计算稀疏方阵的不完全 LU 分解。

生成的对象是 A 的倒数的近似值。

参数 ：：

A： (N, N) 数组

要分解的稀疏矩阵。以 CSC 格式提供时效率最高。其他格式将在分解之前转换为 CSC。

drop_tol： 浮点数，可选

不完全 LU 分解的下降容差 (0 <= tol <= 1)。 (默认值：1e-4)

fill_factor： 浮点数，可选

指定 ILU 的填充率上限 (>= 1.0)。 (默认值：10)

drop_rule： str，可选

要使用的以逗号分隔的删除规则字符串。可用规则： basic 、 prows 、 column 、 area 、 secondary 、 dynamic 、 interp 。 (默认：basic,area)

有关详细信息，请参阅SuperLU 文档。

Remaining other options：

与 splu 相同

返回 ：：

invA_approx： scipy.sparse.linalg.SuperLU

对象，它有一个solve 方法。

注意：

为了更好地逼近逆，您可能需要增加 fill_factor 并减少 drop_tol。

此函数使用SuperLU 库。

例子：

>>> import numpy as np
>>> from scipy.sparse import csc_matrix
>>> from scipy.sparse.linalg import spilu
>>> A = csc_matrix([[1., 0., 0.], [5., 0., 2.], [0., -1., 0.]], dtype=float)
>>> B = spilu(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.])