python中scipy求解方法

解线性问题

线性方程组的直接方法：

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。

线性方程组的迭代方法：

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 。

求解最小二乘问题的迭代方法：

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。