Scipy線性代數LinearOperator函數用於共軛梯度

我使用spilu預處理矩陣，但是，要將此預處理器傳入cg（內置共軛梯度法），需要使用LinearOperator函數，有人可以向我解釋參數matvec，以及爲什麼我需要使用它。下面是我現在的代碼Scipy線性代數LinearOperator函數用於共軛梯度

Ainv=scla.spilu(A,drop_tol= 1e-7) 
Ainv=scla.LinearOperator(Ainv.shape,matvec=Ainv) 
scla.cg(A,b,maxiter=maxIterations, M = Ainv)

但是這不起作用，我得到錯誤TypeError：'SuperLU'對象不可調用。我玩過並試過

Ainv=scla.LinearOperator(Ainv.shape,matvec=Ainv.solve)

改爲。這似乎工作，但我想知道爲什麼matvec需要Ainv.solve而不是僅僅Ainv，並且餵給LinearOperator是否正確？

感謝您的時間

，而不必與SciPy的這一部分很多經驗，一些意見：

按照docs你沒有使用LinearOperator，但你可能會做
- M : {sparse matrix, dense matrix, LinearOperator}，所以你也可以使用顯式矩陣！
- 的LinearOperator的想法/優勢：
  - Many iterative methods (e.g. cg, gmres) do not need to know the individual entries of a matrix to solve a linear system A*x=b. Such solvers only require the computation of matrix vector productsdocs
    - 根據不同的任務，有時甚至是免費的基質可用的方法可以是更有效的
The 工作方式您呈現的確是正確的（some other source doing it similarily，有的course-materials doing it like that）
- 不使用逆矩陣的概念，但使用solve()這裏沒有明確地形成逆（這可能是非常昂貴的）
  - 類似的想法是在BFGS-based優化算法很常見的，雖然維基可能不會在這裏給出很大的啓示
    - scipy has an extra LinearOperator for this沒有明確地形成逆！（雖然我認爲這是僅用於統計/完成/整理了一些優化，但我成功地建立一些基於LBFGS，這一個優化）
  - Source @ scicomp.stackexchange討論這個不碰SciPy的
  - 而且因爲我會假定spilu完全此過猶（返回一個解決法的對象）

2017-10-06 00:23:36 sascha

回答