scipy.sparse.linalg.

use_solver#

scipy.sparse.linalg.use_solver(**kwargs)[Quelle]#

Wählt den standardmäßigen dünnbesetzten direkten Löser.

Parameter:

useUmfpackbool, optional: Verwendet UMFPACK [1], [2], [3], [4] statt SuperLU. Hat nur dann eine Auswirkung, wenn scikits.umfpack installiert ist. Standard: True
assumeSortedIndicesbool, optional: Erlaubt UMFPACK, den Schritt des Sortierens von Indizes für eine CSR/CSC-Matrix zu überspringen. Hat nur dann eine Auswirkung, wenn useUmfpack True ist und scikits.umfpack installiert ist. Standard: False

Hinweise

Der standardmäßige dünnbesetzte Löser ist UMFPACK, wenn verfügbar (scikits.umfpack ist installiert). Dies kann durch Übergabe von useUmfpack = False geändert werden, wodurch dann der immer vorhandene SuperLU-basierte Löser verwendet wird.

UMFPACK erfordert, dass eine CSR/CSC-Matrix sortierte Zeilen-/Spaltenindizes aufweist. Wenn Sie sicher sind, dass die Matrix diese Bedingung erfüllt, übergeben Sie assumeSortedIndices=True, um etwas Geschwindigkeit zu gewinnen.

Referenzen

[1]

T. A. Davis, Algorithm 832: UMFPACK - an unsymmetric-pattern multifrontal method with a column pre-ordering strategy, ACM Trans. on Mathematical Software, 30(2), 2004, S. 196–199. https://dl.acm.org/doi/abs/10.1145/992200.992206

[2]

T. A. Davis, A column pre-ordering strategy for the unsymmetric-pattern multifrontal method, ACM Trans. on Mathematical Software, 30(2), 2004, S. 165–195. https://dl.acm.org/doi/abs/10.1145/992200.992205

[3]

T. A. Davis und I. S. Duff, A combined unifrontal/multifrontal method for unsymmetric sparse matrices, ACM Trans. on Mathematical Software, 25(1), 1999, S. 1–19. https://doi.org/10.1145/305658.287640

[4]

T. A. Davis und I. S. Duff, An unsymmetric-pattern multifrontal method for sparse LU factorization, SIAM J. Matrix Analysis and Computations, 18(1), 1997, S. 140–158. https://doi.org/10.1137/S0895479894246905T.

Beispiele

>>> import numpy as np
>>> from scipy.sparse.linalg import use_solver, spsolve
>>> from scipy.sparse import csc_array
>>> R = np.random.randn(5, 5)
>>> A = csc_array(R)
>>> b = np.random.randn(5)
>>> use_solver(useUmfpack=False) # enforce superLU over UMFPACK
>>> x = spsolve(A, b)
>>> np.allclose(A.dot(x), b)
True
>>> use_solver(useUmfpack=True) # reset umfPack usage to default