Scipy稀疏：SciPy/NumPy更新后的奇异矩阵警告

我的问题是由大型电阻系统的节点分析引起的。我基本上是建立一个大型稀疏矩阵一个，我解向量b，而我试图解决的线性方程一个 * X = b。为了做到这一点，我使用了scipy.sparse.linalg.spsolve方法。Scipy稀疏：SciPy/NumPy更新后的奇异矩阵警告

直到最近，一切正常，直到我将SciPy从v0.13.3升级到v0.19.1（其中还包括NumPy升级到v1.13.1）。我正在运行Python 2.7.6。使用与更新之前相同的代码时，我会遇到错误，特别是对于产生matrices > 10000 x 10000的系统。的警告是：

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然后 - 有时 - 无法找到一个解决方案。

由于我正在进行节点分析，因为地电位的位置一般不明确，所以预计会出现奇异矩阵。但是，在更新之前，99％的案例中发现了一个解决方案，可能更多。现在，我对于大型系统的满意度至少达到10％。我没有改变算法和一些测试，我已经使用了相同的代码。下面是我如何设置我的计算：

我产生电阻随机三维网络（我知道我可能会不小心创建无法解决的网络，但百分比以上应该不是彻底改变）。这里使用的唯一SciPy/NumPy函数是np.random
我创建了一个稀疏的lil矩阵，我填充了从我的电阻网络中提取的电导值。我也创建了一个不稀疏的解决方案向量。
我将电导矩阵转换为csr格式并使用spsolve方法。这是我的代码最近失败的地方。

难道这是改变了的方法吗？

是spsolve可能更不合适？我创建的矩阵通常是对称的，并且以块三对角形式。有没有比spsolve更有效的解决线性方程式的方法？

各种帮助非常感谢！谢谢阅读。

Here is how my matrices look like in 'spy'-representation

来源

2017-08-11 lmr

你以前SciPy的版本是很老，它使用umfpack这项任务。

由于许可-问题（GPL是不兼容SciPy的，我认为umfpack切换许可在某些时候），这LIB取出，现在使用superlu。许多人观察到速度减慢（和健壮性问题），但评估性能可能并不那么容易（超级可能也是快速和健壮的）。

也请阅读this。

你可能有两个选择：

调superlu的参数（阅读官方superlu文件和SciPy的关于如何通过这些选项的文档）
- 旋转和排序是非常重要的！
- 还有一个对称模式（不是一个真正的高度调整的对称矩阵解算器，但可能更好地旋转规则）
- 也许迭代细化也可以帮助你（不确定！）
如果许可证的东西不是你的问题：使用scikit-umfpack使scipy再次使用umfpack！（！当前代码未维护）

如果你的矩阵是PSD，cholmod，可用内scikit-sparse可能的lib使用（再次：许可）！

来源

2017-08-12 00:10:12 sascha

太好了，谢谢你的回答，这听起来很合理。我将在星期一与我的系统管理员讨论。作为直接求解器，你对'minres'有什么看法？由于我的矩阵是对称的，我认为它是一个可行的选择。我知道，在文档中说功能是实验性的，可以随时更改，但它对我的代码正常工作。对于大型系统来说，它比速度更快，结果在99.9％以内一致。另外，它绝对会产生一个结果。 – lmr

Scipy稀疏：SciPy/NumPy更新后的奇异矩阵警告

回答

相关问题