数据结构
网络
RDBMS
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化学
生物
数学
英语
经济学
心理学
社会学
时尚研究
法学如何使用 Python SciPy 求解循环矩阵方程？
scipy.linalg.solveh_banded 是用于解决带状矩阵方程的线性函数。在以下给出的示例中，我们将求解循环系统 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)
输出
array([ 0.75, -0.25, 0.25])
示例
我们来看一个奇异的例子，它会引发 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)
输出
--------------------------------------------------------------------------
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.现在，为了消除此错误，我们需要使用选项 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')
输出
array([0.25, 1.25, 2.25, 1.25])
更新日期：2021 年 11 月 24 日
227 次浏览
广告