用Python计算稀疏矩阵的惯性
我想合理快速地计算Python中稀疏实对称（nxn）矩阵M（N介于100和100000之间）的惯性（表示1>正、2>负和3>零特征值数的三重整数） 我已经有了一个“解决方案”，将M转换回稠密形式，然后使用numpy.linalg.eigvalsh（M）来计算整个光谱，这使得惯性很容易计算 然而，为了速度考虑，我想保持问题的稀疏性，因为我必须无数次地执行此计算 提供了一个良好的开端，我现在正在寻找一个适用于稀疏对称矩阵的现有高效python实现，或者寻找关于如何继续的任何提示 特别是，矩阵的任何分解都将有助于求解x（b已知）的Mx=b，因为在计算M的惯性之前，我也必须这样做用Python计算稀疏矩阵的惯性,python,matrix,sparse-matrix,eigenvalue,Python,Matrix,Sparse Matrix,Eigenvalue,我想合理快速地计算Python中稀疏实对称（nxn）矩阵M（N介于100和100000之间）的惯性（表示1>正、2>负和3>零特征值数的三重整数） 我已经有了一个“解决方案”，将M转换回稠密形式，然后使用numpy.linalg.eigvalsh（M）来计算整个光谱，这使得惯性很容易计算 然而，为了速度考虑，我想保持问题的稀疏性，因为我必须无数次地执行此计算 提供了一个良好的开端，我现在正在寻找一个适用于稀疏对称矩阵的现有高效python实现，或者寻找关于如何继续的任何提示 特别是，矩阵的任何分