Можно ли использовать scipy.optimize схемы для минимизации функции, заданной чисто численно, а не выражением?
В частности, программа, которая решает уравнения в частных производных, возвращает массив, записи которого являются значениями Решение уравнения на единицу площади на плоскости. Я хотел бы использовать эту функцию в задаче минимизации. Теперь все минимизаторы scipy работают хорошо для функций типа
def function(x):
return expression(x)
, но я не могу понять, как их использовать в этой общей ситуации. Чтобы сосредоточиться на конкретной проблеме c, предположим, что у нас есть следующие данные
x = np.arange(0,1,0.01)
y = solution_matrix_row_n
, где матрица имеет чисто числовую форму (100,100), без явной зависимости от x. Например, 11-я строка решения некоторого уравнения Пуассона со смешанными граничными условиями, нанесенными на график против x, выглядит примерно так:
Как мне сделать функцию
x -> y
, которая была бы принята одной из scipy.optimize схем?