Scipy

题目要求使用最小二乘法求解Ax=b，并打印出残差的范数，这里我们设m=20，n=10，并生成一个随机矩阵和随机向量

使用scipy.linalg.lstsq求解

代码如下：

import numpy as np
from scipy import linalg
m=20
n=10
A=np.random.rand(m,n)
b=np.random.rand(m,1)
x=linalg.lstsq(A,b)
print("近似解为：")
print(x[0])
print("残存范数为：")
print(x[1])

输出：

近似解为：
[[-0.30060196]
 [-0.35642665]
 [ 0.27812143]
 [ 0.20882078]
 [ 0.36183318]
 [ 0.4612285 ]
 [-0.00491983]
 [-0.14193899]
 [ 0.04666019]
 [ 0.18268274]]
残存范数为：
[1.00369804]

这里使用scipy.optimize.fminbound函数，似乎并没有求最大值的函数，在这里我们传入函数*-1求出函数的最小值点，带入后取负值便可以得到最大值

代码：

import numpy as np
from scipy import optimize
def f(x):
    return -1*np.power(np.sin(x-2),2)*np.exp(-1*np.power(x,2))
res = optimize.fminbound(f,-10,10)
print("最大值点为：")
print(res)
print("最大值为：")
print(-1*f(res))

输出：

最大值点为：
0.21624042833999058
最大值为：

0.9116854118456349

这里我们使用scipy.spatial.distance.pdist便可以得到不同地区之间的距离，使用scipy.spatial.distance.squareform可以生成size*size的表格

scipy.spatial.distance.pdist的定义如下：

代码：

import numpy as np
import scipy.spatial.distance as dis
from scipy.spatial.distance import pdist
#Generate a random matrix with n = 5 rows, m = 2 columns
A = np.random.randint(low = 0, high = 10, size= (5, 2))
print(A)
dist = pdist(A)
z=dis.squareform(dist)
print(z)