numerical-methods

-1热度

1回答

我在此分配工作：首先，实施由规定的F函数：F（X）= EXP（X）-sin（x）的最接近零。其次，执行第95页上的正割法和用它来寻找的f函数的根，给定的输入值X0 = -3.5和X1 = -2.5 添加以下 - 一个绝对测试：abs（f（x））< epsilon - 相对测试：abs（x^k-x^{k-1}）/ abs（x^{k}）\ leq delta - 迭代后卫：k < iter_max

-1热度

1回答

牛顿法

我想用牛顿法找出方程约束的根（对任何其他方法都是开放的）。等式约束取决于具有一个未知项的二次方程的根。公式描述（二次和约束）如下所示。二次方程的根假定为p1和p2。 x^2 + x*(c1*unknown/2 + C1*c2)/(c1*c2*c3*unknown/2) + 1/(c1*c2*c3*u/2) = 0 与约束 (1/(p2-p1))*(exp(-0.3*p2) - 1)*(c1*c

1热度

1回答

龙格 - 库塔用于耦合常微分方程

我建立在八度的功能，可以解决的类型的N耦合常微分方程： dx/dt = F(x,y,…,z,t) dy/dt = G(x,y,…,z,t) dz/dt = H(x,y,…,z,t) 与任何这三种方法（欧拉，威享和龙格 - 库塔的-4）。下面的代码对应于该函数： function sol = coupled_ode(E, dfuns, steps, a, b, ini, method)

0热度

1回答

返回解决变量使用python

我想写一个函数来解决从Python中的另一个函数的变量，有点像Excel解算器所做的。为了简化我的例子，我有一个函数需要几个变量，然后计算一个价格。我将传递实际值（a，b，c，d，x）到该函数中，以便返回数值。 def calc_price(a,b,c,d,x): value = a+b*c-d + x return value 现在我给出了一个目标价格，a，b，c，d。

0热度

2回答

使用matplotlib动画库制作动画二等分方法

我对数学演示感兴趣。目前我正在研究python中的数值方法的可视化，特别是二分法。以下是我迄今为止编写的代码。 import matplotlib.pyplot as plt import matplotlib.animation as animation import numpy as np def sgn(x): if x > 0: return 1 e

1热度

1回答

效率，但仍然精确的，指数

的多个I需要计算有效的像f(i,a) = exp(-0.5 * (i-1) * i * a)阵列针对所有i in (0..n)，与n高达20.000和a正值非常接近于0 为了避免计算exp N次，我用了一个增量的方法，如（Scala中写）： def fInc(n: Int, a: Double) val expA = Math.exp(-a) var u = 1.0

0热度

1回答

建议整合贝塞尔函数在C++

我需要整合这种振荡功能：在那里我有贝塞尔函数是振荡的，而F是不是很振荡。我正在寻找最精确/准确的方法来在C++中执行此操作。但愿这应该是一个已经存在的实现，我可以如图书馆等使用通过...... 的GSL库可能是一个选项，但请，即使在这种情况下，你能推荐我这许多例程avaialble是对我最有用？编辑：我知道这 possibly duplicate question 存在的，但我没有看到一个明

0热度

2回答

查找中心点给定距离矩阵

我有一个矩阵（真的是一个加载的图像），其中每个元素是距离某个未知中心点的L2距离。下面是一个简单的例子 A = [1.4142 1.0000 1.4142 2.2361] [1.0000 0.0000 1.0000 2.0000] [1.4142 1.0000 1.4142 2.2361] 在这种情况下，中心在明显坐标（1,1）（索引A [1,1]中的0索引矩阵或2D阵列

0热度

2回答

从梯度重构曲线

假设我有一条曲线，然后通过使用np.gradient通过有限差分估计其梯度。给定初始点x [0]和梯度向量，我该如何重建原始曲线？在数学上我看到它可能给出了这个方程组，但我不确定如何以编程方式进行。下面是我的问题的一个简单示例，其中我有sin（x）并计算与cos（x）匹配的数值差异。 test = np.vectorize(np.sin)(x) numerical_grad = np.grad

-1热度

2回答

尝试规范化数据时出现巨大数值错误

我经常通过数据处理某些数据。为了简单起见，让我们考虑一下数据是一系列相同数量的数字。当数字不合理时，标准化数据可能会有用。常见的转换之一是减去所有值的平均值。在这个转换之后，转换的数据将具有平均零。零均值后可以完成的其他常见转换是将数据除以它们的标准偏差。应用此转换后，新数据有单位差异。当以这种方式对数据进行归一化处理时，我期望数值误差应该更小。但是，我似乎无法做这些转换，因为即使我正在计算