python - 为什么 scipy.linalg.lu() 不返回与 scipy.sparse.linalg.splu() 相同的 L 矩阵？

Question

我有下面的代码，我使用命令 scipy.linalg.lu() 计算给定方阵的 L 矩阵，然后我再次执行相同的操作，除了然后应用于给定矩阵的稀疏形式使用 scipy.sparse.linalg.slu()。这是代码:

import numpy as np
from scipy.sparse.linalg import splu
from scipy.sparse import csc_matrix
import scipy.linalg
A1 = csc_matrix([[1., 0, 0.], [5., 0, 2], [0, -1., 0]])
A2 = np.array([[1., 0, 0.], [5., 0, 2], [0, -1., 0]])
B = splu(A1)
P,L,U = scipy.linalg.lu(A2)
print(L);print(csr_matrix.todense(B.L))

返回以下内容:

[[ 1.   0.   0. ]
 [ 0.   1.   0. ]
 [ 0.2 -0.   1. ]]
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

正如我们所见，这些矩阵并不相同。我是否误解了这两个命令的作用还是有其他问题？任何帮助表示赞赏。谢谢!

Answer 1

我认为这里的答案是稀疏矩阵的“SuperLU”分解需要行和列的排列(参见 the docs ):

Pr * A * Pc = L * U

这些由 perm_r 和 perm_c 属性中的索引映射提供。所以，

Pr = csc_matrix((3,3))
Pr[B.perm_r, np.arange(3)] = 1
Pc = csc_matrix((3,3))
Pc[np.arange(3), B.perm_c] = 1

(Pr.T @ B.U @ B.L @ Pc.T).A

根据需要给出:

array([[ 1.,  0.,  0.],
       [ 5.,  0.,  2.],
       [ 0., -1.,  0.]])

与非稀疏结果相同，仅需要 L 矩阵的排列，P @ L @ U。