python中scipy求解方法

spsolve \(a，b[, permc_spec, use_umfpack] )

求解稀疏线性系统Ax=b，其中b可以是向量或矩阵。

spsolve_triangular \(a，b[, lower, ...] )

解这个方程式 A x = b 为 x ，假设A是三角矩阵。

factorized \(a)

返回求解稀疏线性系统的函数，并预分解A。

MatrixRankWarning

use_solver \(** Kwargs)

选择要使用的默认稀疏直接解算器。

bicg \(a，b[, x0, tol, maxiter, M, callback, atol] )

用BI型共轭梯度迭代法求解 Ax = b 。

bicgstab \(a，b[, x0, tol, maxiter, M, ...] )

用BI型共轭梯度稳定迭代法求解 Ax = b 。

cg \(a，b[, x0, tol, maxiter, M, callback, atol] )

用共轭梯度迭代法求解 Ax = b 。

cgs \(a，b[, x0, tol, maxiter, M, callback, atol] )

用共轭梯度平方迭代法求解 Ax = b 。

gmres \(a，b[, x0, tol, restart, maxiter, M, ...] )

用广义最小残差迭代法求解 Ax = b 。

lgmres \(a，b[, x0, tol, maxiter, M, ...] )

使用LGMRES算法求解矩阵方程。

minres \(a，b[, x0, shift, tol, maxiter, M, ...] )

用最小残差迭代法求解Ax=b

qmr \(a，b[, x0, tol, maxiter, M1, M2, ...] )

用拟最小残差迭代法求解 Ax = b 。

gcrotmk \(a，b[, x0, tol, maxiter, M, ...] )

使用灵活的GCROT(m，k)算法求解矩阵方程。

tfqmr \(a，b[, x0, tol, maxiter, M, callback, ...] )

用无转置的准最小残差迭代法求解 Ax = b 。

lsqr \(a，b[, damp, atol, btol, conlim, ...] )

找出大型稀疏线性方程组的最小二乘解。

lsmr \(a，b[, damp, atol, btol, conlim, ...] )

最小二乘问题的迭代求解器。