Как изменить элементы в разреженной матрице в Python SciPy?

Я создал небольшой код, который я хочу использовать для решения проблем с собственными значениями, связанных с большими разреженными матрицами. Он работает отлично, все, что я хочу сделать сейчас, - это установить некоторые элементы в разреженной матрице равными нулю, то есть те, которые находятся в самой верхней строке (что соответствует реализации граничных условий). Я могу просто отрегулировать векторы столбцов (C0, C1 и C2) ниже, чтобы достичь этого. Однако я задавался вопросом, есть ли более прямой путь. Очевидно, индексирование NumPy не работает с разреженным пакетом SciPy.

import scipy.sparse as sp
import scipy.sparse.linalg  as la
import numpy as np
import matplotlib.pyplot as plt

#discretize x-axis
N = 11
x = np.linspace(-5,5,N)
print(x)
V = x * x / 2
h = len(x)/(N)
hi2 = 1./(h**2)
#discretize Schroedinger Equation, i.e. build 
#banded matrix from difference equation
C0 = np.ones(N)*30. + V
C1 = np.ones(N) * -16.
C2 = np.ones(N) * 1.
diagonals = np.array([-2,-1,0,1,2])
H = sp.spdiags([C2, C1, C0,C1,C2],[-2,-1,0,1,2], N, N)
H *= hi2 * (- 1./12.) * (- 1. / 2.)
#solve for eigenvalues
EV = la.eigsh(H,return_eigenvectors = False)

#check structure of H
plt.figure()
plt.spy(H)
plt.show()

Это визуализация матрицы, которая строится по приведенному выше коду. Я хочу, чтобы эти элементы были установлены в первой строке 0.

#SciPy Sparse linear algebra takes care of sparse matrix computations #http://docs.scipy.org/doc/scipy/reference/sparse.linalg.html import scipy.sparse as sp import scipy.sparse.linalg as la import numpy as np import matplotlib.pyplot as plt #discretize x-axis N = 1100 x = np.linspace(-100,100,N) V = x * x / 2. h = len(x)/(N) hi2 = 1./(h**2) #discretize Schroedinger Equation, i.e. build #banded matrix from difference equation C0 = np.ones(N)*30. + V C1 = np.ones(N) * -16. C2 = np.ones(N) * 1. H = sp.spdiags([C2, C1, C0, C1, C2],[-2,-1,0,1,2], N, N) H *= hi2 * (- 1./12.) * (- 1. / 2.) H = sp.csr_matrix(H) H[0,0] = 0 H[0,1] = 0 H[0,2] = 0 #check structure of H plt.figure() plt.spy(H) plt.show() EV = la.eigsh(H,return_eigenvectors = False)

Ответ 1