Numpy spsolve和solve的意外差异

我需要解各种大小的线性方程组。有时大小可能为0或1，在这种情况下会发生一些错误。比如说,

import numpy as np
from numpy.linalg import solve
from scipy.sparse.linalg import spsolve
A1 = np.array([[1,2],[2,1]])
b1 = np.array([[1],[1]])
A2 = np.array([[1]])
b2 = np.array([[1]])

调用spsolve或solve时会出现一些意外结果：

sage: solve(A1,b1)
array([[ 0.33333333],
       [ 0.33333333]])
sage: solve(A2,b2)
array([[ 1.]])
sage: spsolve(A1,b1)
array([ 0.33333333,  0.33333333])
sage: spsolve(A2,b2)
ValueError: object of too small depth for desired array

---

请注意，“spsolve（A1，b1）”的调用实际上产生了一个行向量，是否有强制它成为列向量的方法？此外，调用“spsolve（A2，b2）”的错误也很奇怪，因为A1和b1的大小不是零。

spsolve

不返回2d数组，而是返回1d向量

使用

numpy.至少\u 2d

膨胀向量，例如，在您的示例中

In [10]: np.atleast_2d(spsolve(A1,b1)).T
Out[10]: 
array([[ 0.33333333],
       [ 0.33333333]])

和

.T

以获得列（2d）向量。这可能也解决了第二个问题，与结果向量的深度有关

---

（我不使用sage，因此无法重现您的错误。）

有趣。我在python-2.6上尝试了您的方法，它可以正常工作，没有任何错误。但在Sage-5.3中，它总是弹出错误消息：“97 options=dict（ColPerm=permc_spec）98 return\u superlu.gssv（N，A.nnz，A.data，A.index，A.indptr，b，flag，-->99 options=options）[0]100 101 def splu（A，permc\u spec=None，diag\u pivot\u thresh=None，ValueError:对于所需数组，对象深度太小”