函数 slu #
使用完全主元法计算稀疏矩阵的 LU 分解。稀疏矩阵 A 被分解为两个矩阵（L、U）和两个置换向量（pinv、q），其中
P * A * Q = L * U
Syntax #
math.slu(A, order, threshold)
Parameters #
| Parameter | Type | Description |
|---|---|---|
A |
SparseMatrix | 一个二维稀疏矩阵，用于获取其 LU 分解。 |
order |
Number | 符号排序和分析顺序： 0 - 自然排序，不返回置换向量 q。 1 - 矩阵必须是方阵，对 M = A + A' 进行符号排序和分析。 2 - 对 M = A' * A 进行符号排序和分析。丢弃 A' 中的稠密列，从 A' 重建 A。这适用于非对称矩阵的 LU 分解。 3 - 对 M = A' * A 进行符号排序和分析。当矩阵 M 没有稠密行时，这是 LU 分解的最佳选择。稠密行是指条目数超过 10*sqr(列数) 的行。 |
threshold |
Number | 部分主元阈值（1 表示部分主元法） |
Returns #
| Type | Description |
|---|---|
| Object | 下三角矩阵、上三角矩阵和置换向量。 |
Throws #
Type | Description —- | ———–
Examples #
const A = math.sparse([[4,3], [6, 3]])
math.slu(A, 1, 0.001)
// returns:
// {
// L: [[1, 0], [1.5, 1]]
// U: [[4, 3], [0, -1.5]]
// p: [0, 1]
// q: [0, 1]
// }
