Scipy基礎Numpy和SciPy都提供了線性代數(shù)函數(shù)庫linalg，SciPy更為全解線性方程最小二乘特征值和特征向奇異值分…b)scipy.linalg.solve(A,

求解線性方程組Ax= 即x=A：mxn的方形矩陣 ：長為m的向求解線性方程組AX= 即X=X：mxn的矩陣B：mxn的矩求解

nxn的矩陣A可以看作 中的線性變換如果x為n 向那A與x矩陣積是x進線性變換之后的向。如果x是線性變換的特征量仍與原來的x保持在同乙方特征向量的長度在該????=以二維平面上的線性##特征#特征向奇異值分解是線性代假設M是一個mxn階矩陣，存在一個分解使得：??=其中U是mxm階酉矩陣；Σ是半正定mxn階矩陣；???是V的共軛轉置，是nxn階酉矩陣。Σ對角線上的元素為M的奇異??=SVD分解為例

Stats模塊包含了多種概率分布的 連續(xù) 量是rv_continuous派生類的對離散 量是rv_discrete派生類的對連續(xù)概率分離散概率分核密度估二項分布、泊松分布、伽瑪分學生t-分布與t檢卡方分布和卡方檢獲取stats模塊中所有的連續(xù) 量隨量的概率密度函數(shù)以正態(tài)分布為例，獲取默認正態(tài)分布 量的期望值和方差 調用 量X的rvs()方法，得到包含一萬次隨機取樣值的數(shù)組使用mean()、var()計算此數(shù)組的均值和方差，其結果符合 X的特性當分布函數(shù)的值域為離散時稱之為離散概率分布例如：投擲有六個面 時，獲得1到6的整數(shù)，因此所得到的趕驢布為離散的 數(shù)組X保 的所有可能數(shù)組p保存每個值出現(xiàn)的概創(chuàng)建表示這 的 量投擲 20次，獲得符合概率p的隨機數(shù)中心極限定律：大量相互獨立的隨量，其均值的分布以正態(tài)分布為由于每一次投擲可以看作一個獨立的隨機，投擲50次的平均值可以看作“大量相互獨立的隨量”，其平均值的分布應該十分前面例子中每個點是離散的，因此平均值也是離散的（直方圖來顯示更平滑的顯示樣本的概率，進行kde.gaussian_kde()進行核密度估核密度估計與擬合的正態(tài)分布十分相#擬合正態(tài)分integrateODE計算球體體微分方數(shù)值積分是對定積分的數(shù)值求解，比如利用數(shù)值積分計算半圓的面積半徑為1?1?defdef球的體積求解-面積求簡單的方法：將半球球的體積求解-面積求使用integrate.quad()進行數(shù)值階二重定積分三重定積分二重積分dblquad函數(shù)調用形式為dblquad(func2d,a,b,gfun,hfun)func2d：二重積分函數(shù)，假定x,y是func3d的兩個參數(shù)gfunhuyxy單位半球面上的點(x,y,z)滿足方程??2+??2+??2= 1??

1???2???2???? 軌????=?? ???三個微分方程定義????=?? ??? ?????=?????吸 軌????=?? ???三個微分方程定義????=?? ??? ?????=???????、??、??為三個常數(shù)，不同的x(t)、y(t)、z(t) 軌定義函數(shù)lorenz（），計算出某個坐標點在各個方向上的微分 軌odeint（）lorenz：計算