Scipy稀疏矩阵：在SciPy/NumPy更新后出现奇异矩阵警告

Question

Scipy稀疏矩阵：在SciPy/NumPy更新后出现奇异矩阵警告

pythonnumpyscipysparse-matrixlinear-equation

3

我的问题源于对大规模电阻器系统的节点分析。我基本上要建立一个大型稀疏矩阵A，我的解向量b，并尝试解线性方程A * x = b。为此，我使用scipy.sparse.linalg.spsolve方法。直到最近，一切都很正常，直到我将SciPy从v0.13.3升级到v0.19.1（也包括NumPy升级到v1.13.1）。我正在运行Python 2.7.6。当使用与更新之前相同的代码时，我会收到错误提示，特别是对于产生10000 x 10000以上的矩阵的系统。警告如下：

SparseEfficiencyWarning: splu requires CSC matrix format
  warn('splu requires CSC matrix format', SparseEfficiencyWarning)
MatrixRankWarning: Matrix is exactly singular
  warn("Matrix is exactly singular", MatrixRankWarning)

spsolve有时会无法找到解决方案。

由于进行节点分析，通常情况下接地电位的位置不太明确，因此预计会出现奇异矩阵。但是，在更新之前，99%的情况下可以找到解决方案，甚至更多。现在，对于大型系统，最好只有10％的成功率。我没有改变算法，并且在一些测试中，我使用了与以前完全相同的代码。以下是我的计算设置：

我生成一个随机三维电阻网络（我意识到可能会意外创建无法解决的网络，但上述百分比不应该发生太大变化）。这里仅使用了np.random的SciPy / NumPy函数
我创建了一个稀疏lil矩阵，其中填充了从电阻器网络中提取的电导值。我还创建了一个非稀疏的解向量。
我将电导矩阵转换为csr格式并使用spsolve方法。这是我最近代码失败的地方。

可能是方法发生了变化吗？

spsolve也许不太适合吗？我创建的矩阵通常是对称的，呈块三角形形式。是否有比spsolve更有效的解决线性方程的方法？

非常感谢任何形式的帮助！感谢阅读。

以下是我的矩阵在“spy”表示中的样子

- lmr

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- sascha · Accepted Answer

你之前使用的scipy版本相当古老，用了umfpack 来完成这个任务。

由于许可问题（GPL与scipy不兼容，我认为umfpack在某个时候改变了许可证），该库已被移除，现在使用 superlu。许多人观察到了速度变慢和鲁棒性问题，但是评估性能可能并不容易（superlu 也可以快速和稳健）。

也请阅读this。

你可能有两个选择：

调整superlu的参数（查看官方superlu文档和scipy有关如何传递这些选项的文档）
- 重要的是旋转和排序！
- 还有一个对称模式（并非高度调整的对称矩阵求解器，但可能具有更好的旋转规则）
- 也许迭代改进也有帮助（不确定！）
如果许可证不是问题，请使用scikit-umfpack来让scipy再次使用umfpack！

如果您的矩阵是半正定的，则cholmod（目前未维护！）可用于scikit-sparse，可能是要使用的库（同样需要许可证）！