5.30python scipy

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