Question

我的问题是由大型电阻系统的节点分析引起的。我基本上设置了一个大的稀疏矩阵 A ，我的解决方案向量 b ，我正在尝试解决线性方程 A * < em> x = b 。为此，我使用 scipy.sparse.linalg.spsolve 方法。

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，我会收到错误，尤其是对于生成matrices > 10000 x 10000的系统。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)

然后

spsolve - 有时 - 无法找到解决方案。

当我进行节点分析时，由于地电位的位置通常没有明确定义，因此预期会出现奇异矩阵。但是，在更新之前，在99％的案例中找到了解决方案，可能更多。现在，对于大型系统，我最多只有10％。我没有更改算法，并且对于一些测试，我使用了与以前相同的代码。以下是我设置计算的方法：

我生成一个随机的三维电阻网络（我意识到我可能会意外地创建无法解决的网络，但上面的百分比不应该大幅改变）。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，我填充了从电阻网络中提取的电导值。我还创建了一个非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。

这可能是改变了的方法吗？

spsolve 甚至可能不合适？我创建的矩阵通常是对称的并且呈块三对角形式。有没有一种更有效的方法来解决线性方程而不是 spsolve ？

非常感谢各种帮助！谢谢你的阅读。

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

Scipy Sparse：SciPy / NumPy更新后的奇异矩阵警告

0 个答案: