numerical-methods

    1热度

    1回答

    我将Blacks Scholes方程转换为Heat方程。我尝试使用显式有限差分法来解决这个PDE并获得一个看涨期权的价格。我也通过使用黑色schols方程“分析”来解决这个问题。 问题是我无法在数值结果中得到更准确的结果。这是我的Python代码。 这里是说明我的算法: https://drive.google.com/file/d/0B5h3oewtgjFgdVFpNFJRNTB5LXM/vie

    -4热度

    2回答

    在高斯消元法假设矩阵的第一值,A [0] [0] = 0 然后我怎样才能交换矩阵“A”的第1行与第2行,所以我得到正确的结果?

    0热度

    1回答

    我想在编程语言(C/C++/fortran)中实现最速下降算法。 与F的例如最小化(X1,X2)= X1^3 + X 2^3 - 2 * X1 * X2 估计开始设计点X0,迭代计数器K0,收敛参数耐性= 0.1 。 (1,0) 将当前点x(k)处f(x1,x2)的梯度计算为grad(f)。我将在这里使用数字区分。 d/DX1(F)= LIM(H-> 0)(F(X1 + H,X 2) - F(X1

    0热度

    4回答

    假设我在间隔[0,1]上定义了一个函数f,该函数是平滑的,并且在某些点开始减少之后增加到某个点a。我在此间隔上有一个网格x[i],例如与步长为dx = 0.01,我想通过在最坏的情况下做最小数量的评估f,我想找到哪些点具有最高的价值。我认为我可以做得比穷举搜索更好,应用渐变式方法启发灵感。有任何想法吗?我正在考虑像二元搜索或抛物线方法。 这是一个二分样法我编码: def optimize(f, a

    -2热度

    1回答

    我想用自适应步长方法使用五阶Runge-Kutta方法来求解一组方程。我找到了一个由Taner Akgun编写的有用代码。这里是代码: c c Adaptive Size Method for 5th Order Runge-Kutta Method c (Based on Numerical Recipes.) c c Taner Akgun c June, 2002 c c Re

    0热度

    1回答

    我想使用二分法来查找给定域内方程的所有根。我的逻辑很简单,将给定的域分成子域,这样对于任何给定的子域,最多只存在一个根。检查是否f(a)* f(b)< 0如果不是,则跳到下一个间隔,否则找到根(平分)。我的问题但是我如何决定适当的子域大小?对于不改变方向的稳定函数通常具有较小的间隔会浪费时间,对于使用较大间隔的快速“不稳定”函数,可能会在一个间隔中具有多于一个根的风险。 有无论如何,我可以告诉我关

    1热度

    1回答

    在MATLAB文件,他们有数字集成的例子与一个参数c单个变量为: fun = @(x,c) 1./(x.^3-2*x-c); q = integral(@(x)fun(x,5),0,2) 如果我想要做的两个变量数值积分,也许两个参数?

    0热度

    2回答

    道歉提前那些谁拥有通过我糟糕的编码技术 这种编码的目的是首先开发一个17×17矩阵,解决了阅读解决使用线性代数中提出的方法的17个未知数。 的部分我遇到的最大的困难是: 实现2个计数器i和j,这里曾经j值达到了极限,再回到0 i的值将增加。 最后,能够将新值插入单个数组以供稍后操作。我尝试使用np.insert,np.hstack,np.vstack,np.append等无法正常工作。 这样我就可

    -4热度

    1回答

    我已方程Ax = b的有下列11×11个线性系统: A = { {1.0000000000000000, 8.0000000000000000, 6.0000000000000000, 12.0000000000000000, 24.0000000000000000, 24.0000000000000000, 8.0000000000000000, 6.0000000000000000, 24.

    0热度

    1回答

    对于一些模拟,我需要利用指数函数的近似值。现在,我有的问题是: function s=expone(N,k) s=0 for j=1:k s=s+(exp(-N+j*log(N)-log(factorial(j)))); end end 是一个非常稳定的,从某种意义上说,它几乎是足够大的k。但是,一旦N大于200,它就会迅速下降到零。我怎样才能提高,我需要大量的N.我真的不能