matrix
from cvxopt import matrix, solvers
cvxopt.matrix([[1.0,2.0]]) # 用list的话，生成的是2*1的矩阵，与一般的理解相反
cvxopt.matrix(np.array([[2,1]])) # 用array就正常
lp：线性规划
\[\begin{array}{ll} \min & c^Tx\\ s.t.& Gx\leq h\\ & Ax=b \end{array}\]solvers.lp(c, G, h, A, b)
qp：二次规划
代码：
sv=cvxopt.solvers.qp(P,q,G,h,A,b)
sv['x'] # 就是最优解
标准形式：
\[\begin{array}{ll} \min & (1/2)x^T Px+q^Tx\\ s.t.& Gx\leq h\\ & Ax=b \end{array}\]未完待续
cvxopt这个包做优化似乎很强大，可以与scipy形成互补。
所以有空把官方文档过一遍，做成笔记。
