用SciPy LU分解解线性方程时报expected square matrix错误如何解决

核心报错根源 #

• scipy.linalg.lu_factor 仅接受方阵作为输入，要求矩阵的行数与列数完全相等
• 之前小矩阵运行正常，是因为手动拼接元素时刚好凑成了行列数相等的方阵；本次构建自定义大矩阵时出现了维度错配：
  • 每一行定义了17个元素，对应列数为17
  • 矩阵一共定义了10行数据
  • 最终A的shape为(10, 17)，属于非方阵，直接触发ValueError: expected square matrix报错

分步修复方案 #

• 补全矩阵维度
  根据实际物理模型调整A的结构，保证行列数完全相等（即n行n列）。手数元素很容易出现行列数不匹配的问题，可以直接打印矩阵shape快速定位：

  # 打印矩阵实际维度，替代手动计数
  print(A.shape)
  

  构建大型稀疏矩阵时，推荐先初始化指定大小的全零矩阵，再按位置赋值非零元素，避免手动拼接行时出现元素数偏差：

  # 示例：初始化17*17的全零方阵
  A = np.zeros((17, 17))
  # 按方程逐行填充对应位置的数值
  A[0, 0] = math.sin(math.pi / 4)
  A[0, 1] = 1
  A[1, 0] = -math.sin(math.pi / 4)
  # ... 依次填充所有非零元素
  

• 匹配右端向量B的维度
  修正后的方阵A为n行n列时，向量B的长度必须为n。当前B的长度为10，调整A的行数后，需要同步补充对应行的方程右端常数项，否则会触发矩阵维度不匹配的报错。
• 修正三角函数的计算逻辑
  代码中math.sin(45)的输入单位为弧度，并非角度值，计算得到的结果和预期的45度正弦值偏差极大。如果需要计算45度的正弦值，需要先将角度转为弧度：

  sin_45deg = math.sin(math.pi / 4)
  

注意事项 #

• LU分解仅适用于方阵求解，若实际模型对应的是超定/欠定方程组，不能直接使用lu_factor，需要改用最小二乘类求解接口
• 大型矩阵求解时可以搭配稀疏矩阵存储格式，减少内存占用

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