使用scipy.sparse.linalg.spsolve构建稀疏矩阵遇阻求助

问题背景 #

使用scipy.sparse.linalg.spsolve求解稀疏矩阵-向量问题时，因矩阵符号逻辑错误无法正确构建矩阵，导致后续数据分析与GPU加速工作停滞。

原代码核心问题 #

1. 列表操作错误：row_ind、col_ind为空列表时直接通过索引赋值，触发IndexError，应使用append()添加元素
2. 未定义变量：h、k未声明，nelements定义后未使用（应为网格步长h = 1/N）
3. 索引映射错误：未完成二维网格节点(i,j)到一维矩阵索引的扁平化映射，矩阵维度与节点数量不匹配
4. 边界条件错误：i==N超出range(N)的索引范围（最大索引为N-1），且边界逻辑混乱
5. 数据未填充：data列表始终为空，未写入矩阵元素值

修正后的代码（匹配矩阵符号要求） #

import numpy as np
from scipy.sparse import coo_matrix, csr_matrix

def matrix_A(N, k):
    h = 1.0 / N  # 网格步长
    size = N * N  # 矩阵维度：N²×N²，对应二维网格扁平化后的节点数
    row_ind = []
    col_ind = []
    data = []
    f = np.zeros(size, dtype=np.float64)  # 右端向量维度与矩阵匹配

    for i in range(N):
        for j in range(N):
            idx = i * N + j  # 二维节点(i,j)对应的一维行/列索引
            
            # 主对角线元素
            row_ind.append(idx)
            col_ind.append(idx)
            data.append(2 - (h**2) * (k**2))
            
            # 左侧邻接节点（j>0时）
            if j > 0:
                row_ind.append(idx)
                col_ind.append(idx - 1)
                data.append(-1)
            
            # 右侧邻接节点（j<N-1时）
            if j < N - 1:
                row_ind.append(idx)
                col_ind.append(idx + 1)
                data.append(-1)
            
            # 边界条件：i=0或i=N-1时，主对角线设为1，邻接元素清零
            if i == 0 or i == N - 1:
                # 根据当前节点位置调整已添加的元素
                if j > 0 and j < N - 1:
                    data[-3:] = [1, 0, 0]
                elif j > 0 or j < N - 1:
                    data[-2:] = [1, 0]
                else:
                    data[-1] = 1
                # 边界节点的右端向量值（可根据需求修改）
                f[idx] = 0

    return csr_matrix((data, (row_ind, col_ind)), shape=(size, size)), f

代码说明 #

• 完成二维网格节点到一维矩阵索引的映射，确保矩阵维度与节点数量匹配
• 正确填充矩阵的主对角线及邻接元素，匹配给定的符号规则
• 修正边界条件逻辑，处理首尾行的边界节点
• 右端向量f维度与矩阵一致，可根据实际需求调整边界值

内容的提问来源于stack exchange，提问作者idislikecoding