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

解决线性方程组a * x = b对于未知x用于广场a矩阵。

如果已知数据矩阵是特定类型，则将相应的字符串提供给assume_a键选择专用求解器。可用的选项是

generic matrix

‘gen’

symmetric

‘sym’

hermitian

‘her’

positive definite

‘pos’

如果省略，'gen'是默认结构。

数组的数据类型定义与值无关的调用哪个求解器。换句话说，即使当复数数组项的虚部恰好为零时，也会根据数组的数据类型调用复数求解器。

参数：

a：(N, N) array_like平方输入数据

b：(N, NRHS) array_like右侧输入数据。

sym_pos：bool, 可选参数假设a是对称且正定的。不建议使用此 key ，建议使用假定为

lower：bool, 可选参数如果为True，则仅包含在a的下三角中的数据。默认为使用上三角。 (被忽略'gen')

overwrite_a：bool, 可选参数允许覆盖中的数据(可能会提高性能)。默认值为False。

overwrite_b：bool, 可选参数允许覆盖b中的数据(可能会提高性能)。默认值为False。

check_finite：bool, 可选参数是否检查输入矩阵仅包含有限数。禁用可能会提高性能，但是如果输入中确实包含无穷大或NaN，则会导致问题(崩溃，终止)。

assume_a：str, 可选参数有效条目已在上面说明。

transposed:bool, optional：如果真实，a^T x = b对于实数矩阵，对复杂矩阵引发NotImplementedError(仅对于True)。

返回值：

x：(N，NRHS)ndarray解决方案数组。

异常：

ValueError如果检测到大小不匹配或输入a，则不是正方形。

LinAlgError如果矩阵是奇异的。

林阿尔格警告如果检测到ill-conditioned输入a。

NotImplementedError如果转置为True，并且输入a为复数矩阵。

注意：

如果输入b矩阵是具有N个元素的一维数组，当与NxN个输入a一起提供时，尽管表观大小不匹配，它仍被视为有效列向量。这与numpy.dot()行为兼容，并且返回的结果仍然是1D数组。

通过分别调用LAPACK的？GESV，？SYSV，？HESV和？POSV例程，可以获得泛型，对称，埃尔米特和正定解。

例子：

给定a和b，求解x：

>>> a = np.array([[3, 2, 0], [1, -1, 0], [0, 5, 1]])

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

>>> from scipy import linalg

>>> x = linalg.solve(a, b)

>>> x

array([ 2., -2., 9.])

>>> np.dot(a, x) == b

array([ True, True, True], dtype=bool)