Python中如何高效求大型稀疏数组逆并与向量相乘？

你当前通过np.linalg.pinv()求伪逆再与向量相乘的做法，本质是求解R3_mod @ X ≈ P2的最小二乘解。直接针对最小二乘问题求解，比先计算完整伪逆再做乘法更高效，尤其是针对含大量零元素的数组：

方案1：用Numpy原生最小二乘函数直接求解 #

无需先求伪逆，np.linalg.lstsq()会通过更高效的矩阵分解（如QR分解）直接得到解，底层实现比pinv()+dot()更优化：

import numpy as np
X, residuals, rank, singular_values = np.linalg.lstsq(R3_mod, P2, rcond=None)

方案2：利用稀疏矩阵库进一步优化 #

如果R3_mod的零元素占比极高，可以将其转为稀疏矩阵格式，用SciPy的稀疏最小二乘工具求解，能跳过零元素的无效运算，大幅降低内存占用和计算时间（即使当前21x21规模差异不大，后续规模扩展时优势会更明显）：

from scipy.sparse import csr_matrix
from scipy.sparse.linalg import lsqr

# 转为压缩稀疏行格式
R3_sparse = csr_matrix(R3_mod)
# 求解最小二乘解，取返回结果的第一个元素
X = lsqr(R3_sparse, P2)[0]

补充说明 #

21x21的矩阵本身规模很小，两种优化方案的速度差异可能不显著，但从算法原理和扩展性来看，直接求解最小二乘是更优的思路，避免了伪逆计算中不必要的矩阵运算。

内容的提问来源于stack exchange，提问作者modishah123