如果我scipy.linalg.solve在我的工作站上使用（我相信它称为 LAPACK 的 gesv 函数）来解决 ~12000 个未知问题（使用 ~12000 方、密集、非对称矩阵），我会在10-15 分钟内得到一个很好的答案。
只是为了探索可能的极限（注意我没有说“有用”），我将潜在问题的分辨率提高了一倍，这导致需要解决约 50000 个未知数。虽然从技术上讲，一旦我添加了更多 10 GB 的交换空间，这将在我的工作站上运行，但使用一些具有足够 RAM 的硬件似乎更谨慎，因此我在 AWS EC2 高内存 Quadruple Extra Large 上启动了它。 .. 它在过去14 小时内一直在磨损（嘿，现场实例很便宜），并且无法判断它有多远。
不幸的是，我不知道所涉及的求解器的时间复杂度是多少（我的 google-fu 在这方面失败了）。如果是 O(N^2) 那么我预计它会在大约 4 小时后完成；如果是 O(N^3) 那么可能会在 16 小时内完成。当然，这将 N 解释为未知数的数量——它翻了两番——矩阵中的元素数量增加了 16 倍！
以及帮助我确定这是否有机会在我的（项目）生命周期内完成的建议，或者没有得到感激的建议！
其他信息：
稀疏矩阵在这里不感兴趣（我的矩阵是密集的，在任何情况下，即使在 64 位上，scipy 也不能处理超过2**31非零的元素）。
我在工作站上使用 Debian/Squeeze 的 scipy，在 EC2 上使用 Ubuntu 12.04。显然都是64位。