Python SciPy linalg.spilu用法及代碼示例

本文簡要介紹 python 語言中 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)#

計算稀疏方陣的不完全 LU 分解。

生成的對象是 A 的倒數的近似值。

參數 ：：

A： (N, N) 數組

要分解的稀疏矩陣。以 CSC 格式提供時效率最高。其他格式將在分解之前轉換為 CSC。

drop_tol： 浮點數，可選

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

fill_factor： 浮點數，可選

指定 ILU 的填充率上限 (>= 1.0)。 (默認值：10)

drop_rule： str，可選

要使用的以逗號分隔的刪除規則字符串。可用規則： basic 、 prows 、 column 、 area 、 secondary 、 dynamic 、 interp 。 (默認：basic,area)

有關詳細信息，請參閱SuperLU 文檔。

Remaining other options：

與 splu 相同

返回 ：：

invA_approx： scipy.sparse.linalg.SuperLU

對象，它有一個solve 方法。

注意：

為了更好地逼近逆，您可能需要增加 fill_factor 並減少 drop_tol。

此函數使用SuperLU 庫。

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.])