首先，您需要确保已经以稀疏格式构建和存储原始矩阵。否则，您的问题可能已经在这个阶段开始了，因为以密集格式存储如此大的矩阵，然后才将其转换为稀疏矩阵很容易导致内存崩溃。

根据scipy.sparse.linalg.spsolve文档，默认情况下它使用UMFPACK，这将是多面 LU 分解。这个答案将使您对您的案例中可能发生的实际情况有所了解（填写）。简而言之，即使您的非分解矩阵是稀疏的，它的结构（以及分解算法中使用的重新排序）也有可能会导致大量填充，从而产生更密集的分解矩阵。

一般来说，很难为稀疏矩阵分解给出时间和内存估计，因为很大程度上取决于矩阵的结构、使用的算法和减少填充的策略。