求解线性方程组linalg.solve

numpy中的求解线性方程组：numpy.linalg.solve(a, b)。而scipy中的求解线性方程组：

scipy.linalg.solve(a, b, 
                   sym_pos=False, 
                   lower=False, 
                   overwrite_a=False,   
                   overwrite_b=False, 
                   debug=False, 
                   check_finite=True)

• a：方阵，形状为 (M,M)
• b：一维向量，形状为(M,)。它求解的是线性方程组 。如果有 个线性方程组要求解，且 a，相同，则 b的形状为 (M,k)
• sym_pos：一个布尔值，指定a是否正定的对称矩阵
• lower：一个布尔值。如果sym_pos=True时：如果为lower=True，则使用a的下三角矩阵。默认使用a的上三角矩阵。
• overwrite_a：一个布尔值，指定是否将结果写到a的存储区。
• overwrite_b：一个布尔值，指定是否将结果写到b的存储区。
• check_finite：如果为True，则检测输入中是否有nan或者inf

返回线性方程组的解。

通常求解矩阵 $A^{-1}B$，如果使用solve(A,B)，要比先求逆矩阵、再矩阵相乘来的快。

普通使用

求解线性方程组： $\left[\begin{array}{ccc} 1 & 2 & 3 \\ 4 & 9 & 1 \\ 27 & 1 & 8 \end{array}\right] \mathbf{x}=\left[\begin{array}{c} 1 \\ 1 \\ 1 \end{array}\right]$

import numpy as np
from scipy.linalg import solve

a = np.array([[1,2,3],
            [4,9,1],
            [27,1,8]])

b = np.array([1,1,1])

x = solve(a,b)
x

结果：

array([-0.05030488,  0.10213415,  0.2820122 ])