import scipy.linalg
import numpy as np
m = 20
n = 10
A = np.random.normal(size = (m,n))
b = np.random.normal(size = (m,1))
x, residual, _, __ = scipy.linalg.lstsq(A, b)
print("x:",x)
print("residual:",residual)
题目:A是一个m*n的矩阵,b是m*1的向量,找到一个使得Ax-b最小的x
方法:使用scipy.linalg中的lstsq函数,返回的第一个参数就是这样的x,第二个参数是题目要求的残差。
import scipy.optimize
import math
def fun(x):
return -(math.sin(x-2) **2) * math.exp(-x*x)
res = scipy.optimize.minimize_scalar(fun)
print("函数fun的最大值为:", -fun(res.x))
print("使得fun最大的x为:",res.x)
题目:找到这个函数的最大值。
使用scipy.optimize中的minimize_scalar函数,返回一个类,里面的x就是对应函数最大值的那个x。
import scipy.spatial
import numpy as np
m = 20
n = 10
A = np.random.random(size = (m,n))
print(scipy.spatial.distance.pdist(A))
题目:给定一个矩阵m*n的矩阵X,计算每一行和其他行之间的距离。
使用scipy.spatial 中的distance.pdist函数,正好求的是两两行之间的距离