SuiteSparse库包含一系列用于稀疏矩阵处理的算法，如AMD预排序、CHOLMOD cholesky分解、GraphBLAS快速计算、KLU求解线性方程组等。这些工具在数值分析、电路模拟等领域有广泛应用，部分方法如GraphBLAS相比MATLAB有显著性能提升。此外，SuiteSparse还支持不同类型的矩阵分解，如LDL和UMFPACK，以适应不同特性的矩阵问题。
输入：
CSparse triplet
如果您希望使用一个更简单的输入数据结构，考虑在CSparse中创建一个三重矩阵（或CXSparse使用长和/或复杂版本的算法），然后将这个数据结构使用CSparse压缩和重复功能转换为稀疏压缩列数据结构
AMD:
AMD是一组在数值分解之前对稀疏矩阵进行预排序的例程。它使用一个近似的最小度排序算法找到一个排列矩阵P，这样分解PAPT = LLT比A的乔列斯基分解拥有更少（通常更少）的非零项输入。这个算法通常比其他排序方法和最小度排序算法等同一计算精度的算法更快。一些方法，如近似缺陷和基于图划分的方法，可以根据矩阵产生更好的排序。
CAMD: constraints
COLAMD/CCOLAMD:
暂无文档/待补充
CHOLMOD:
CHOLMOD是一组将稀疏对称正定矩阵
最低0.47元/天 解锁文章
4394
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
