numerical-methods

    -2热度

    2回答

    如何生成的所有点的Python为0<x_1+x_2+x_3<1,x_1>0,x_2>0,x_3>0,说$ DX = $ 0.01。尝试在解决约束优化问题时将其用作网格。

    1热度

    2回答

    这是为我正在处理的项目。我正在试图在地壳内的一些主体或乡村岩石中模拟岩浆冷却的侵入堤防。我对编码相当陌生。我尽我所能将这种代码格式从另一种编码语言转换为python。我对发生了什么有一个基本的想法。我知道我正在尝试索引超出范围的内容,但我不确定在哪里以及如何解决它。任何帮助,我可以得到将不胜感激!提前致谢。 import numpy as np import matplotlib.pyplot

    0热度

    1回答

    下降阶乘:https://en.wikipedia.org/wiki/Falling_and_rising_factorials 如何使用Python来计算呢?我尝试 def factorial(gamma, m): prod = 1 for i in range(m): prod *= (1-gamma-i)

    3热度

    2回答

    我一直在写一个有限差分代码,用于使用激光诱导热成像进行模拟和裂纹检测。裂缝由因子a和b实现,这些因子通过使用鬼点方法“阻尼”通过充气裂缝的热流。二维模型按预期运行,稳定条件满足,一切正常。它甚至可以用实验数据证明。只需复制并粘贴即可使用。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %% 2

    1热度

    1回答

    当一个具有与载体基质逆乘法的一个问题,因为这样的: 一个可利用一个Cholesky分解甲和backsubstitute b找到产生的矢量x。但是,如果不像上面那样制定问题,有时需要矩阵求逆。我的问题是处理这种情况的最佳方式是什么。下面,我比较了各种方式(使用numpy的)反转正定矩阵: 首先,生成矩阵: >>> A = np.random.rand(5,5) >>> A array([[ 0.

    7热度

    1回答

    早上好/下午/晚上, 我正在研究Matlab脚本,涉及四阶张量计算量积分。设H(r,theta,phi)是我想要整合的函数。假设H不能通过r,theta和phi的简单操作获得。 我的问题是,在Matlab中任何其他代码我知道: All input functions must accept arrays and operate elementwise. The function FUN(X,Y,Z

    -1热度

    3回答

    如何计算hypot两个整数,每个小于2^63,这样在任何中间计算都不会溢出64位? (如传统方法中的x^2+y^2)。 链接的文章提到了一个浮点算法,由于整数为0,所以不可以使用,因为它是t = t/x;。 我能找到的最接近的算法是从here但不幸的是它不够精确: int ihypot(xd1, yd1) double xd1, yd1; { register x1 = (

    0热度

    1回答

    我想用C++找到一个具有简单定点方法的根,但问题是Xr是f(x)的一个根,也是一个拐点。另外,A方程比正常的定点方法稍微复杂一些。 该方程式增加了常数c以检查多快地收敛到根xr。 我打算找到一个根,然后检查根是否是一个拐点,但它不工作,我在代码中找不到问题。 我需要你的帮助。 真正的问题是 考虑求根问题f(x)=0与根xr,其中f '(x)=0。 将其转换为简单的定点问题。 x=x+c*f(x)=

    4热度

    1回答

    我试图实现split-step fourier方法来求解光学中的非线性薛定谔方程。它基本上分别对待线性部分和非线性部分。它利用傅里叶变换和时域非线性部分解决了线性部分。 下面的代码从一本书复制: alpha = 0 beta_2 = 1 gamma = 1 T = linspace(-5,5,2^13); delta_T = T(2)-T(1); L = max(size(A));

    0热度

    1回答

    我想通过在t上使用for循环来找到f(t)的值。管理f的公式为: df/dt = cos(f) g(x,y,t) x和y在二维坐标是。我写了下面的代码: dt=1; a=2; f(1,1)= a*rand(1,1); for t = 2:100 f(1,t)= cos(f(1,t-1)) g(x,y,t) dt; end 但我不确定此方法是否正确,或者如果可以写得更好。任何