Python中稀疏矩阵的计算Cholesky分解

我正在尝试实现（第4页）。 由于工作矩阵是稀疏的，所以我使用了scipy.sparse模块，但正如您所看到的，Reinsch的算法需要对稀疏矩阵（我们称之为my_矩阵）进行Cholesky分解，以求解特定的系统，但我找不到与此相关的任何内容。 当然，在同一个算法中，我可以使用，例如scipy.sparse.linalg.spsolve，来解决稀疏系统，然后在算法结束时使用类似于：

R=numpy.linalg.chol（my_matrix.A）

但是，在我的应用程序中，我的_矩阵通常是800*800，所以最后一个非常不完善。 所以，我的问题是，在哪里可以找到这样的分解

---

提前感谢。

对于快速分解，您可以尝试

from scikits.sparse.cholmod import cholesky
factor = cholesky(A.toarray())
x = factor(b) 

A是稀疏、对称、正定矩阵。

---

因为你的矩阵不是“巨大的！！”，所以将它转换成numpy数组不会引起任何问题。

google帮助：）我知道scykit.sparse，但是：这是Python中稀疏矩阵代码的家，它与scipy.sparse配合得很好，但不适合包含在scipy中。通常这是因为它也是在GPL下发布的，出于某种原因我不能安装它。你明确要求Cholesky分解吗？或者其他分解（如LU）也适用于您？如果是这样的话，scipy就有了很好的绑定。也许OP现在还没有解决他的问题，但是对于遇到这个问题的其他人来说：scikit稀疏包可以很容易地与pip一起安装。如果你能将稀疏矩阵转换成密集的数组，行列式的NumPy解将是最直接的选择