python scipy库函数solve用法_python scipy linalg.solve_circulant用法及代码示例

求解x的C x = b，其中C是循环矩阵。

C是与向量c相关的循环矩阵。

该系统通过在傅立叶空间中进行除法来解决。计算公式为：

x = ifft(fft(b) / fft(c))

其中fft和ifft分别是快速傅立叶变换及其逆。对于大向量c，这比用完整循环矩阵求解系统要快得多。

参数：

c：array_like循环矩阵的系数。

b：array_likeRight-hand侧矩阵在a x = b。

singular：str, 可选参数此参数控制如何处理近似奇异的循环矩阵。如果奇异点是“raise”并且循环矩阵接近奇异点，则aLinAlgError被提出。如果单数是“lstsq”，则返回最小二乘解。默认值为“raise”。

tol：float, 可选参数如果循环矩阵的任何特征值的绝对值都小于或等于tol，则认为该矩阵接近奇异。如果未给出，则tol设置为：

tol = abs_eigs.max() * abs_eigs.size * np.finfo(np.float64).eps

其中，abs_eigs是循环矩阵特征值的绝对值数组。

caxis：int当c的维数大于1时，它被视为循环矢量的集合。在这种情况下，caxis是保存循环系数矢量的c轴。

baxis：int当b的维数大于1时，它被视为向量的集合。在这种情况下，baxis是b的轴，其中包含right-hand个边矢量。

outaxis：int当c或b为多维时，由返回solve_circulant是多维的。在这种情况下，外来是保存解向量的结果轴。

返回值：

x：ndarray系统解决方案C x = b。

异常：

LinAlgError如果与c相关的循环矩阵接近奇异。

注意：

对于长度为m的一维向量c和形状为b的数组(m, ...)，

solve_circulant(c, b)

返回与以下相同的结果

solve(circulant(c), b)

版本0.16.0中的新函数。

例子：

>>> from scipy.linalg import solve_circulant, solve, circulant, lstsq

>>> c = np.array([2, 2, 4])

>>> b = np.array([1, 2, 3])

>>> solve_circulant(c, b)

array([ 0.75, -0.25, 0.25])

>>> solve(circulant(c), b)

array([ 0.75, -0.25, 0.25])

一个例子：

>>> c = np.array([1, 1, 0, 0])

>>> b = np.array([1, 2, 3, 4])

呼唤solve_circulant(c, b)将提出一个LinAlgError。对于最小二乘解，请使用选项singular='lstsq'：

>>> solve_circulant(c, b, singular='lstsq')

array([ 0.25, 1.25, 2.25, 1.25])

>>> x, resid, rnk, s = lstsq(circulant(c), b)

>>> x

array([ 0.25, 1.25, 2.25, 1.25])

广播示例：

假设我们将两个循环矩阵的矢量存储在形状为(2，5)的数组中，并将三个b矢量存储在形状为(3，5)的数组中。例如，

>>> c = np.array([[1.5, 2, 3, 0, 0], [1, 1, 4, 3, 2]])

>>> b = np.arange(15).reshape(-1, 5)

我们想求解循环矩阵和b向量的所有组合，并将结果存储在形状为(2，3，5)的数组中。当我们忽略保存系数向量的c和b轴时，集合的形状分别为(2，)和(3，)，它们与广播不兼容。为了获得形状为(2，3)的广播结果，我们向c添加了一个琐碎的尺寸：c[:, np.newaxis, :]具有形状(2，1，5)。最后一个维数保存循环矩阵的系数，所以当我们称solve_circulant，我们可以使用默认caxis=-1。的系数b向量在数组的最后一维b，因此我们使用baxis=-1。如果我们使用默认外来，结果将具有形状(5，2，3)，因此我们将使用outaxis=-1将解向量放在最后一维。

>>> x = solve_circulant(c[:, np.newaxis, :], b, baxis=-1, outaxis=-1)

>>> x.shape

(2, 3, 5)

>>> np.set_printoptions(precision=3) # For compact output of numbers.

>>> x

array([[[-0.118, 0.22 , 1.277, -0.142, 0.302],

[ 0.651, 0.989, 2.046, 0.627, 1.072],

[ 1.42 , 1.758, 2.816, 1.396, 1.841]],

[[ 0.401, 0.304, 0.694, -0.867, 0.377],

[ 0.856, 0.758, 1.149, -0.412, 0.831],

[ 1.31 , 1.213, 1.603, 0.042, 1.286]]])

通过求解一对c和b向量进行检查(参见x[1, 1, :])：

>>> solve_circulant(c[1], b[1, :])

array([ 0.856, 0.758, 1.149, -0.412, 0.831])