用numpy求解A*x=x
numpy是一个基于Python的科学计算库，提供了高效的多维数组对象和用于处理这些数组的各种函数。它是云计算领域中常用的工具之一。
问题中的表达式A*x=x是一个线性方程组，其中A是一个矩阵，x是一个向量。我们可以使用numpy来求解这个方程组。
首先，我们需要导入numpy库：
import numpy as np然后，我们可以定义矩阵A和向量x：
A = np.array([[2, 1], [1, 2]])
x = np.array([1, 2])接下来，我们可以使用numpy提供的线性代数函数linalg.solve()来求解方程组：
solution = np.linalg.solve(A, x)最后，我们可以打印出解向量的值：
print(solution)完整的代码如下：
import numpy as np
A = np.array([[2, 1], [1, 2]])
x = np.array([1, 2])
solution = np.linalg.solve(A, x)
print(solution)这样，我们就可以得到方程组的解。在这个例子中，解向量的值为[0.66666667, 1.33333333]。
numpy的优势在于它提供了高效的数组操作和数值计算函数，可以方便地进行科学计算和数据分析。它广泛应用于数据科学、机器学习、图像处理等领域。
腾讯云提供了云计算相关的产品和服务，其中与numpy相关的产品包括云服务器、云数据库、云存储等。您可以访问腾讯云官方网站了解更多关于这些产品的详细信息和使用方法。
- 腾讯云官方网站：https://cloud.tencent.com/
- 云服务器：https://cloud.tencent.com/product/cvm
- 云数据库：https://cloud.tencent.com/product/cdb
- 云存储：https://cloud.tencent.com/product/cos
相关·内容
1 C#：用Math.NET库求解方程组
// test solver in Math.NET
var A = Matrix<double>.Build.DenseOfArray(new double[,] {
{1, 1, 3},
{2, 0, 4},
{-1, 6, -1}
});
Console.WriteLine(A);
var
浏览 0提问于2016-11-21得票数 1
回答已采纳
使用numpy如果我有一个方程组：
3x + 2y = 5
1x + 4y = 10
我可以用numpy.linalg.solve解决它们：
a = [[3,2],[1,4]]
b = [5,10]
solution = numpy.linalg.solve(a,b)
现在，如果我有两个矩阵，A和B各形状(100,100)，并且我想要解一个形式的方程：(A'_A - y_BB')x =0
我不知道如何用numpy.linalg.solve来设置它
浏览 4提问于2016-07-25得票数 1
回答已采纳
2回答
整数线性最小二乘
、、
所以，我必须找到一个x，它使norm(A.dot(x) - y, 2) A最小化，A是一个矩阵，y是一个向量。
这可以很容易地用scipy.optimize.lsq_linear或numpy.linalg.lstsq实现，但我需要x是整数。一般来说，“整数规划”是NP-完全的。我确实找到了，但我想在从matlab转换它之前，我应该先问一下。
是否有一个现成的库可以解决python中的整数线性最小二乘问题？
浏览 5提问于2017-04-02得票数 3
回答已采纳
1回答
我如何使用python库来解决像x * max(x,15) + max(x, 45) / x = 10这样的等式？我被迫不使用Sympy库，因为符号计算非常慢。max()表示给定的两个参数之间的最大值。也许Scipy或Numpy库对它有好处？我的方程有一个更复杂的形式，但我想用简化的形式来解决它。
浏览 1提问于2015-11-26得票数 0
我正在用Python设置一个新的线性优化代码。不幸的是，我没有相同的结果与Pulp，Scipy和Gekko软件包。
我尝试用不同的包实现Python中的线性优化代码。
利用GEKKO进行优化
from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt
m = GEKKO() # create GEKKO model
x = m.Var(value=0, lb=0, ub=400000) # define new variable, initial value=
浏览 0提问于2019-04-14得票数 4
回答已采纳
1回答
我试图用numpy来求解如下形式的非线性方程组：
a(y-2.7)(1-exp(-a*z)) = (x-2.7)(1-exp(-z))
b(w-2.7)(1-exp(-b*z)) = (x-2.7)(1-exp(-z))
c(w-2.7)(1-exp(-b*z)) = (y-2.7)(1-exp(-a*z)
d([y+w]/2-2.7)(1-exp(-d*z)) = (x-2.7)(1-exp(-z))
很明显，系统中的方程和未知数一样多。a，b，c，d是上述系统的常量。这是最简单的系统，在其他情况下会有更多的方程。这些方程的解具有相似的数量级，因此我知道Levenberg-Marquar
浏览 4提问于2014-06-09得票数 0
回答已采纳
1回答
学习关于LU分解的知识，我使用的教科书声称，一旦计算了初始矩阵L和U(假设不需要旋转矩阵P)，从零开始求解Ly =b，然后Ux =y比Ax =b要快得多。但是，当我用随机的A⊆R^(10 X 10)矩阵和b⊆R^(10 X 1)在我的系统上运行它时，它的速度要慢得多(12.49秒比6.17秒)。
这是我的密码：
import numpy as np
from scipy.linalg import lu
from numpy.random import rand
from numpy.linalg import solve
from timeit import timeit as durati
浏览 2提问于2021-02-07得票数 2
回答已采纳
1回答
Numpy:奇异矩阵
、、、
我试图用NumPy计算X'X形式的矩阵的逆，如下所示。
df = pd.read_csv('https://raw.githubusercontent.com/jianghaochu/data/master/x.csv')
X = np.array(df)
X.shape # returns (92, 18)
np.linalg.det(np.matmul(X.transpose(), X)) # returns 8.029863818629298
np.linalg.matrix_rank(np.matmul(X.transpose(), X)) # retur
浏览 5提问于2020-03-20得票数 3
回答已采纳
我试着用一个已知的y来求解x的值，我能够得到多项式来拟合我的数据，现在我想知道一个选定的y会落在曲线上的x值。
import numpy as np
x = [50, 25, 12.5, 6.25, 0.625, 0.0625, 0.01]
y = [0.00, 0.50, 0.68, 0.77, 0.79, 0.90, 1.00]
poly_coeffs = np.polyfit(x, y, 3)
f = np.poly1d(poly_coeffs)
我想做0.5 =f，然后求出x的值。
我可以在WolframAlpha中通过键入以下命令来解决此问题：
0.5 = -9.1e-6*x^
浏览 1提问于2013-05-30得票数 5
回答已采纳
我试图用y'' + ay' + by + c = 0 (二阶微分方程)的形式用odeint来求解python中的方程。据我理解，odeint只适用于初始条件为y(0) = y1，y'(0) = y2。而我的条件是: y'( 0 ) = 0，y'(pi/4) =0。在这种情况下，有什么方法可以使用odeint吗？下面是我的代码：
from scipy.integrate import odeint
import numpy as np
def lagrange(x, teta):
y = x[0]
dy = x[1]
xdot =
浏览 1提问于2018-02-26得票数 0
回答已采纳
我有一个优化问题(1d)用两种方式编码-一种使用for循环，另一种使用numpy数组。for循环版本运行良好，但numpy循环版本失败。实际上它有点复杂，它可以在不同的起点上工作(!!)或者如果我选择了其他的优化算法，比如CG。
这两个版本(函数和渐变)给出了相同的结果，据我所知，返回的类型也是相同的。
这是我的例子，我遗漏了什么？
import numpy as np
from scipy.optimize import minimize
# local params
v1 = np.array([1., 1.])
v2 = np.array([1., 2.])
# local funct
浏览 0提问于2016-12-24得票数 1
我知道如何用numpy来求解基本的线性矩阵方程。
但是，我有一个矩阵A，方程A^2 + xA + yI = 0，其中x和y不是向量，而是标量。I是单位矩阵，0是维数匹配A的零矩阵。
对于小型矩阵来说，这是一个非常简单的方法(当然，假设存在一个解决方案)，但是我正在练习一个编码面试，并希望用python来解决类似的问题。也许给出的矩阵很大..。
下面是一个样本矩阵A，它得到解x=-2，y=1：
np.array([[1,1,0],
[0,1,0]
[0,0,1]]
在纸上，这与解线性方程组x= -2和x+y=-1一样容易。我所面临的问题是将上述形式的方程解
浏览 4提问于2020-02-22得票数 1
回答已采纳
在我的代码中，我得到了以下错误，我完全不知道错误的来源：
@error: Equation Definition
Equation without an equality (=) or inequality (>,<)
true
STOPPING...
我正在寻找一个解决方案'x‘，它在满足'warf_moodys_ constraint’设置的约束的前提下，将函数'was_constraint‘的结果最小化。函数返回一个浮点值，当我单独将初始的起始向量'x‘传递给每个函数时，我不会收到来自这些函数的任何错误。有人能告诉我哪里出了问题吗？
def w
浏览 5提问于2020-09-14得票数 5
回答已采纳
1回答
四面体交点
、、、
我希望尽可能清楚。我试图实现一个函数，给出两个四面体，检查它们是否相交。我正在使用python，我使用的唯一库是NumPy。为了描述一个四面体，我使用它的4个顶点，每个顶点用坐标x，y，z来描述。
vertex = [x, y, z]
tetrahedra = [vertex 1,vertex 2,vertex 3,vertex 4]
这就是我想用的理由：
四面体只不过是一个由不等式定义的区域。
这些不等式由含有四面体面的平面描述。
所以给出两个四面体的不等式，并把它们放在一个系统中，如果这个系统允许一个解，那么就有一个交点。
这是我的职责：
def IsInterpen
浏览 3提问于2020-10-31得票数 1
回答已采纳
1回答
我想最小化一个简单的函数，其中x1是连续的，i1是一个整数。 下面的示例给出了一个Can not multiply with type <class 'mip.entities.LinExpr'> MIP真的不能处理乘法吗？ from mip import Model, CONTINUOUS, INTEGER, minimize, xsum
import numpy as np
m = Model()
def func(x1, i1):
return (x1 - .5) * (i1 - 1)
print(func(0, 0))
print(func(.5,
浏览 36提问于2021-04-30得票数 2
1回答
我有以下方程式： import numpy as np
d = (x - y) / np.log((x - z) / (y - z)) 我想在那里找到x 这在numpy或其他python库中是可能的吗？在这种情况下，您能提供如何处理此特定问题的示例代码吗？
浏览 14提问于2019-03-15得票数 2
回答已采纳
2回答
稀疏矩阵线性规划
、、、
我想在python中解决一个线性规划。变量数(从现在起称为N)非常大(~50000)，为了按照scipy.optimize.linprog要求的方式来表述这个问题，我必须构造两个N矩阵(A和B )。LP可以写成
minimize: c.x
subject to:
A.x <= a
B.x = b
x_i >= 0 for all i in {0, ..., n}
其中.表示点积，a、b和c是长度为N的向量。
我的经验是，构建这样大的矩阵(A和B都有)。50000x50000 = 25*10^8条目)带来了一些问题:如果硬件不是很强，NumPy可能会完全拒绝
浏览 0提问于2016-01-15得票数 8
回答已采纳
3回答
我试图绘制一个包含两个联立方程的图，但我不需要解它们，我只是想从代换中得到多个结果，比如当x为1时，或者y为0时。
我的方程式是5x + 2y = 20，y = 2x + 1
我找到的所有解都是为了解这个方程，而不是用值替换来得到多个结果。
最好是用numpy或sympy函数，我正在试着学习那些哈哈
浏览 1提问于2021-05-29得票数 1
1回答
如何求大稀疏矩阵的伪逆？
、、、、
我必须反演一个大型稀疏矩阵(50000 X 12000)。它最初以numpy.ndarray的形式存储，矩阵的大小约为3.5GB。我已经尝试过使用numpy.linalg.pinv来转换这个矩阵，但是它崩溃了jupyter笔记本内核。将此numpy.ndarray转换为scipy.sparse.csr_matrix (稀疏矩阵格式)是可行的，但我不知道有任何函数可以计算csr_matrix的伪逆。
如何求大型稀疏矩阵的伪逆？
浏览 4提问于2022-09-06得票数 0
我试图用函数来解未知x的线性方程组A*x=b。下面是一个很好的例子：
import numpy as np
import scipy.linalg as linalg
A = np.array([[ 0.18666667, 0.06222222, -0.01777778],
[ 0.01777778, 0.18666667, 0.01777778],
[-0.01777778, 0.06222222, 0.18666667]])
b = np.array([0.26666667, -0.26666667, -0.4])
x = li
浏览 4提问于2020-01-10得票数 2
1回答
下面是我用scipy.optimize.leastsq解决问题的一个最小例子
from scipy.optimize import leastsq
from numpy import array, exp, sin, cos
def MatrixFun(x, *par):
a, b, c, d = par
m11 = a*sin(x[0])+b*cos(x[1])
m12 = c*cos(x[0])*sin(x[1])
m21 = c*sin(x[0])/cos(x[1])
m22 = d*exp(x[0]*x[1])
M = array([[
浏览 1提问于2016-02-29得票数 0
5回答
numpy任意精度线性代数
、、、、
我有一个中型/大型的numpy 2d数组-比方说500x500。我想找出它的元素指数的特征值。问题是有些值是非常负的(-800、-1000等)，并且它们的指数下溢(这意味着它们非常接近于零，因此numpy将它们视为零)。在numpy中有使用任意精度的方法吗？
我梦见的方式：
import numpy as np
np.set_precision('arbitrary') # <--- Missing part
a = np.array([[-800.21,-600.00],[-600.00,-1000.48]])
ex = np.exp(a) ## Currently
浏览 1提问于2011-07-30得票数 19
回答已采纳
我正在尝试计算A^-1*x，并使用以下命令：
Solution = numpy.linalg.solve(A, x)
A is: ndarray 2000x2000: 4000000元素，float64类型，32000000字节(30 Mb)
X为: ndarray 2000: 2000 elems，类型为float64，16000字节
我得到的错误如下：
----> 1 Solution = np.linalg.solve(A, x)
/Users/glazar0/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packa
浏览 4提问于2015-03-07得票数 1
1回答
为什么这段代码输出错误的答案？
、、、、
我对StackOverflow和编码都很陌生，所以我非常感谢所有的支持！
我试图在这个方程中解x：x = (p^4).((15-(4p))-((10(p^2))/(1-((2p).(1-p)))))
为了计算'x‘，我用PyCharm编写了下面的Python代码。当p=60时，我期望的输出是0.735729231，但在运行代码时得到的输出是[-2981888998.72899]
我希望得到一些指导，说明我需要修改什么才能输出预期的值。
非常感谢！
PS：
import numpy as np
from sympy import *
p = 60
x = symbols('x&
浏览 2提问于2021-10-26得票数 1
回答已采纳
1回答
我是Python中CP问题和OR-Tools方面的新手，我想做以下工作：
# declare variables
for i in range(I):
for k in range(K):
x[i,k]=solver.IntVar(0,N,"x %i %i " % (i,k))
#constraints
solver.Add(CustomFunction[(x[i,k])] == 1) # only consider the values of x[i,k] evaluated in CustomFunction is equal to 1
但是，在评
浏览 5提问于2017-11-06得票数 4
2回答
考虑下面的矩阵方程：
x=Ab
其中：
In[1]:A
Out[1]:
matrix([[ 0.477, -0.277, -0.2 ],
[-0.277, 0.444, -0.167],
[-0.2 , -0.167, 0.367]])
In[2]: b
Out[2]: [0, 60, 40]
为什么当我使用numpy.linalg()时，我会得到以下结果？
import numpy as np
x = np.linalg.solve(A, b)
res=x.tolist()
# res=[1.8014398509481981e+18, 1.80143
浏览 18提问于2017-02-20得票数 2
回答已采纳
我在python解释器上做了一个简单的代码并运行它。
Python 3.5.3 (v3.5.3:1880cb95a742, Jan 16 2017, 16:02:32) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> x=np.array([0,1])
>>>
浏览 5提问于2017-09-09得票数 5
回答已采纳
1回答
在绘制Sklearn.neural_network.MLPrgressor的测试数据和训练数据的过程中，我找不到任何帮助。我发现有loss_curve_属性，但是验证数据呢？
我建立了一个简单的模型，其中输入和输出都是随机选择的(比如x = numpy.linspace(0, numpy.pi, 100)，y = numpy.sin(x) )。我编写这篇文章是为了获得不同数量的隐藏层的sklearn.metrics.mean_squared_error的变化。
我怎样才能克服这个问题？
from sklearn.preprocessing import RobustScaler
inputs
浏览 2提问于2022-02-25得票数 1
我需要解一组形式为Ax = B的联立方程。我使用了numpy.linalg.solve函数，输入A和B，但是得到了误差LinAlgError:数组的最后2维必须是正方形。我该怎么解决这个问题？
这是我的密码：
A = matrix([[v1x, v2x], [v1y, v2y], [v1z, v2z]])
print A
B = [(p2x-p1x-nmag[0]), (p2y-p1y-nmag[1]), (p2z-p1z-nmag[2])]
print B
x = numpy.linalg.solve(A, B)
矩阵/向量的值是在代码的前面计算的，这很好，但是值是：
A =
(-0.5
浏览 1提问于2018-02-21得票数 13
1回答
我正在试着解决关于x的如下方程：
这里给出了alpha's和K，N将大于1000。有没有一种方法可以指定LHS，给出一个使用alpha的np.array？我的希望是定义：
eqn = Eq(LHR - K)
solve(eqn,x)
通过告诉渐近那个LHS=和( a_i + x)。
任何关于求解器的技巧都会以最快的速度做到这一点，也将不胜感激。谢谢!
我希望是这样的：
from sympy import Symbol, symbols, solve, summation, log
import numpy as np
N=10
K=1
alpha=np.random.rand
浏览 2提问于2013-02-05得票数 2
我试图用GEKKO来优化指数目标函数，但我不知道所选的求解器是否是解决这类问题的最佳方法。
选择的是有效的选择吗？？
import numpy as np
'GEKKO MODELING'
from gekko import GEKKO
m = GEKKO()
m.options.SOLVER=1 # APOPT is an MINLP solver
# Initialize variables
x = []
x1 = m.Var(value=20,lb=20, ub=6555) #integer=True
x2 = m.Var(value=0,lb=0,ub=1000
浏览 0提问于2019-08-20得票数 7
回答已采纳
1回答
我面对的是一个Hessenberg索引-2 DAE，我试图用python模块gekko来解决它。经过几天的尝试和错误之后，我认为我离一个能工作的代码不远了。但我刚刚意识到，也许gekko不能处理复数？
下面是一个最低限度的工作示例：
import numpy as np
from gekko import GEKKO
# Define the simulation and its parameters
g = GEKKO()
g.options.IMODE = 7
g.options.NODES = 1
# define the time array
n_steps = 100
Time
浏览 15提问于2022-05-09得票数 2
回答已采纳
2回答
我试图在python中实现半定嵌入算法(参见)，该算法基于解决半定规划的包cvxopt。我在将半定程序的定义映射到cvxopt的接口(参见)时遇到了一些问题。
这是我目前的实现：
from numpy import array, eye
from numpy.linalg import norm
from numpy.random import multivariate_normal
from sklearn.neighbors import NearestNeighbors
from cvxopt import matrix, spmatrix, solvers
n = 10 # The
浏览 4提问于2012-11-23得票数 2
我想在没有numpy或任何导入的情况下计算x和向量y的叉积。
x = Vector(1,2,1,0)
y = Vector(0,1,2,1)
但我的结果总是错的。这里我漏掉了什么？
def crossproduct(x, y):
final = Vector()
final.v[0] = y.v[1] * v.v[2] - x.v[2] * y.v[1]
final.v[1] = y.v[2] * v.v[3] - x.v[3] * y.v[2]
final.v[2] = y.v[3] * v.v[0] - x.v[0] *
浏览 11提问于2020-05-09得票数 1
回答已采纳
我试图找到参数值，以便用给定的一组点最好地拟合下面的模型函数。
Model:
x
y = ------------------------
1- (a1*x)^2 + (a2*x)^4
where parameters are: a1, a2
(1)我用这个方程找到了最优参数值，但它给出了任意x(红色图)的y=~0值。
(3)令人惊讶的是，使用以下只包含一个参数的模型得到了更好的拟合。
Model:
x
y = -------------
1- (a1*x)^2
where para
浏览 7提问于2022-08-09得票数 1
我试着用同情来解这首歌。然而，dsolve()抱怨我的ODE包含几个函数。ODE有r和u(r)，这是值得怀疑的问题。我已经尝试过用Matlab来解决ODE，这没有任何问题。
import numpy as np
import matplotlib.pyplot as plt
from sympy import *
init_printing(use_latex='mathjax')
r = Symbol('r')
u = Function('u')(r)
eps_r = u.diff(r)
eps_t = u/r
Eps = Matrix
浏览 2提问于2019-09-24得票数 0
1回答
我在Matlab上编写了一个代码，其中我使用四叉函数来求解二次优化：
deltaU = quadprog(H,f,M,gamma)
这是MPC的一部分，其中H是30x30矩阵，f是30x1矩阵，M是180x30矩阵，伽玛矩阵是180x1矩阵。在matlab上，它工作正常，代码返回领事向量(30x1)
但是，当我试图将这段代码传输到Python时，我无法使它工作
我正在使用来自qpsolvers的四叉求解器：
import numpy as np
import qpsolvers
from qpsolvers import solve_qp
……
sol_qp = solve_qp(H, f,
浏览 1提问于2022-06-24得票数 0
回答已采纳
2回答
numpy特征值的精度
、、、
首先，我用求出一个(4000x4000)矩阵的特征值。然后，我改变了边界条件，期望特征值只有很小的变化。
减去特征值很容易受到浮点误差的影响，所以我使用了一些相对容差。
现在假设我有一个特征值A = 1.0001e-10和另一个B = 1.0050e-10。根据我对浮点运算的浅显认识，A - B != 0。问题是，这些数字来自涉及许多数量级的线性代数计算。例如，其他特征值可以是1阶的。
问题是，使用numpy.linalg.eigvalsh计算的特征值的精度是多少？这个精度是相对于值(A * eps)，还是相对于最大特征值？或者可能是相对于原始矩阵的元素？
例如，此矩阵：
1 1e-
浏览 2提问于2012-12-15得票数 3
回答已采纳
1回答
我正在尝试使用numpy.linalg.lstsq来解决具有以下约束的同质系统：
Ax = 0
|x| = 1
如果我只是纯粹地调用：
numpy.linalg.lstsq(A, np.zeros((A.shape[0],1), dtype=np.float))
解决方案将是一个零列矩阵。我想知道如何创建|x|=1约束，以便获得不同的解而不是零矩阵。
谢谢。
浏览 0提问于2016-10-10得票数 1
1回答
我试图在Python中求解一个二次方程，这是一个矩阵方程。我正在寻找一个矩阵Ax，它是2x2，这样它就能满足
M_1 Ax^2 - M_2 A_x - M_3 = 0
其中M_1、M_2和M_3是已知的2x2 numpy常量数组，Ax^2本身就是Ax的矩阵乘法。
到目前为止我的代码是：
import numpy as np
from scipy.optimize import fsolve
# Calibration
gamma = 0.36
beta = 0.98
b_bar = 0.1
psi = 0.001
g = 0.66
rho_x = 0.11
rho_z = 0.95
c_
浏览 4提问于2021-01-26得票数 1
2回答
我想线性地拟合那些没有独立抽样的数据。我遇到了广义最小二乘法：
b=(X'*V^(-1)*X)^(-1)*X'*V^(-1)*Y
方程采用Matlab格式，X和Y是数据点的坐标，V是一个“方差矩阵”。
问题是，由于它的大小(1000行和列)，V矩阵变得奇异，因此是不可逆转的。对于如何解决这个问题，有什么建议吗？也许用一种方法来解决广义线性回归问题，而不是GLS？我所使用和熟悉的工具是Numpy/Scipy、R和Matlab。
浏览 5提问于2012-03-08得票数 2
1回答
返回线性矩阵方程最小二乘解的函数
、、、、
我一直在尝试将代码从Python重写到Swift，但是我仍然停留在函数上，它应该返回线性矩阵方程的最小二乘解。有人知道用Swift编写的库，它的方法与相当吗？我很感激你的帮助。
Python代码：
a = numpy.array([[p2.x-p1.x,p2.y-p1.y],[p4.x-p3.x,p4.y-p3.y],[p4.x-p2.x,p4.y-p2.y],[p3.x-p1.x,p3.y-p1.y]])
b = numpy.array([number1,number2,number3,number4])
res = numpy.linalg.lstsq(a,b)
result = [fl
浏览 5提问于2016-06-15得票数 7
回答已采纳
2回答
我试图理解使用numpy和and库进行LU分解的必要性。据我所知，我们想要解Ax = b，首先将A分解成两个三角矩阵L和U，然后通过求解Ly =b来求解LUx =b，然后求解Ux = y，通过求解三角形矩阵，我们可以减少与高斯消除相比的时间。
所以，我在蟒蛇中厌倦了这个想法，用的是numpy和scipy。
我首先用玩具例子构造A和b：
A = np.array([[2, 1, 0, 5], [1, 2, 1, 2], [0, 1, 2, 4], [1, 3, 6, 4.5]])
b = np.array([9, 10, -2, 3])
然后首先在np.solve中解决这个玩具示例
%timei
浏览 0提问于2018-04-07得票数 0
1回答
Gekko整数优化问题
、、、、
我尝试使用此代码，结果是(2,2)。显然这不是真的，因为(0,4)是最好的解决方案。你能告诉我问题出在哪里吗？ import numpy as np
from gekko import GEKKO
m = GEKKO()
x=[m.Var(lb=0,ub=4,integer=True) for i in range(2)]
m.options.SOLVER = 1
#Equations
m.Equation(m.sum(x)>=4)
#Objective
m.Obj(x[0]*x[1])
m.solve(disp=False)
print(x[0].value)
print
浏览 20提问于2021-01-03得票数 4
回答已采纳
如果我没理解错的话，cvxpy在将我们的高级问题描述发送到求解器之前，会将其转换为标准规范形式。 所谓标准形式，我指的是可用于下降算法的形式，因此，例如，它会将目标中的所有绝对值转换为具有一些新约束的两个正数的差，等等。 想知道是否有可能查看我在cvxpy中指定的问题的缩减是什么样子？例如，假设我有以下问题： import numpy as np
import cvxpy as cp
x = cp.Variable(2)
L = np.asarray([[1,2],[2,3]])
P = L.T @ L
constraints = []
constraints.append(x >
浏览 18提问于2020-03-26得票数 1
3回答
在中，提出了求解线性方程M·x=b(矩阵M为平方)的方法是缓慢的(用QR分解法求解)。现在我注意到numpy.linalg.solve实际上正在使用LU分解。事实上，对于最小二乘的非平方范德蒙设计矩阵V，我想求出"V·x = b“。我不想要正规化。我看到了多种方法：
用numpy.linalg.lstsq求解"V·x = b“，采用基于奇异值分解的Fortran "xGELSD”。SVD比LU分解还要慢，但我不需要计算"(V^T·V)“。
用numpy.linalg.solve对"(V^T·V)·x = (V^T·b)“进行LU分解。
用nu
浏览 0提问于2019-03-26得票数 4
1回答
我正在尝试用python中的gurobi优化器来解决一个模型。一个约束的一部分是对数的：
import numpy as np
k = beta * np.log(f_var)
model.addConstr(t_var == t0 * (1 + alpha * k))
给出了t0、α和β，但f_var和t_var是模型变量。Gurobi不接受numpy函数并返回此错误：
AttributeError: 'gurobipy.Var' object has no attribute 'log'
有谁可以帮我？
浏览 11提问于2018-08-11得票数 0
2回答
目前，我正试图用两个numpy数组(X，Y)计算最小二乘，其中n个数组的值都是相同的。我想要的输出是两个numpy数组，分别包含斜率和截距。现在，我有以下低效代码：
M = []
C = []
for i in range(len(X)):
x = X[i]
y = Y[i]
A = np.vstack([x, np.ones(len(x))]).T
m, c = np.linalg.lstsq(A, y, rcond=None)[0]
M.append(m)
C.append(c)
return np.array(M), np.array(C)
浏览 2提问于2021-02-20得票数 1
回答已采纳
import numpy as np
import scipy.optimize
import gurobipy as gp
halfspaces = np.array([[-0.513574, 0.858045 , 0,1.99106]
,[0.513574 ,-0.858045 , -0,2.00894]
,[-0.856348 , -0.512558, -0.0628725, 3.28365]
,[ 0.856348 , 0.512558 , 0.0628725,-0.402219]
,[0.0539475 , 0.0322897 ,-0.998022,-0.928943]
,[-0.
浏览 5提问于2020-12-05得票数 1
回答已采纳
1回答
在2d点云中找洞
、、、、
我有一套2d的积分。它们是标准笛卡尔网格系统上的X，Y坐标。有人知道如何实现(在Python中优先)一种算法，该算法将隔离每个“孔的区域”，以找到每个孔的最大直径。
下面是一个实际点集的示例：
更新:
我设法用固定数量的集群来隔离每个区域，但是如何根据“洞的区域”的数量来定义集群的数量呢？
from sklearn.cluster import KMeans
import numpy as np
import ipyvolume.pylab as p
dat = xyz
xycoors = dat[:,0:2]
fit = KMeans(n_clusters=5).f
浏览 0提问于2018-05-17得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
