資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化學
生物
數學
英語
經濟學
心理學
社會學
時尚研究
法學如何使用 Python SciPy 求解迴圈矩陣方程？
scipy.linalg.solveh_banded 是用於解決帶狀矩陣方程的線性函式。在以下給出的示例中，我們將求解迴圈系統 Cx = b −
示例
from scipy.linalg import solve_circulant, solve, circulant, lstsq import numpy as np c = np.array([2, 2, 4]) b = np.array([1, 2, 3]) solve_circulant(c, b)
輸出
array([ 0.75, -0.25, 0.25])
示例
我們來看一個奇異的例子，它會引發 LinAlgError −
from scipy.linalg import solve_circulant, solve, circulant, lstsq import numpy as np c = np.array([1, 1, 0, 0]) b = np.array([1, 2, 3, 4]) solve_circulant(c, b)
輸出
--------------------------------------------------------------------------
LinAlgError Traceback (most recent call last)
<ipython-input-6-978604ed0a97> in <module>
----> 1 solve_circulant(c, b)
~\AppData\Roaming\Python\Python37\site-packages\scipy\linalg\basic.py in
solve_circulant(c, b, singular, tol, caxis, baxis, outaxis)
865 if is_near_singular:
866 if singular == 'raise':
--> 867 raise LinAlgError("near singular circulant matrix.")
868 else:
869 # Replace the small values with 1 to avoid errors in the
LinAlgError: near singular circulant matrix.現在，為了消除此錯誤，我們需要使用選項 singular = ‘lstsq’，如下所示 −
from scipy.linalg import solve_circulant, solve, circulant, lstsq import numpy as np c = np.array([1, 1, 0, 0]) b = np.array([1, 2, 3, 4]) solve_circulant(c, b, singular='lstsq')
輸出
array([0.25, 1.25, 2.25, 1.25])
更新日期：2021 年 11 月 24 日
227 次瀏覽
廣告