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)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值