问题标签 [numerical-computing]

x, y给定平面上的两点：

我可以使用 Lagrange 和 find 对它们进行插值f(1.5)，从而得到4. 想了想，我设法找到了一种方法来发现方程的系数：

这给了我 P1(x) = 2x +1。

再想一想，我能够将其扩展到2nd排序方程。因此，鉴于以下几点：

我找到了以下等式P2(x) = 1x^2 +0x +0：

努力工作，我实际上能够找到四阶方程的系数。

如何求阶n方程的系数？在哪里

所以不需要查看所有代码，但基本上我有一个初始点：

我还有一个转换矩阵 M 工作正常，只需将点转换为 X 轴，这会产生以下结果：

通常在我的代码中，我需要对局部坐标进行更改，然后将其转换回全局坐标。为此，我使用逆矩阵将其取回。但是，仅出于测试目的，我将保持不变。

显然，使用linalg.inv()in存在数值精度问题numpy。有人可以帮我绕过错误吗？

我手动设计了 IntSimpson() 函数，但我想使用标准库！我该怎么做以及在哪里可以找到它？

与数值计算相比，符号数学计算（尤其是求解非线性多项式系统）是否会导致性能（计算速度）的巨大劣势？有没有关于这方面的基准/数据？

发现了一个相关的问题：符号计算与数值计算

另一个：前向模式自动与数字与符号微分的计算效率

实数输入 FFT 通常用许多编程语言（如或）表示rfft，而反之则表示。正如numpy docs或julia docs所说，他们正在做标准化的 FFT，而不是像's unnormalization FFTirfftpythonjuliaFFTW

因此，如果我有真正的输入一维数组a，我明白了irfft(rfft(a), len(a)) == a。但是，如果我假设另一个一维数组b但很复杂，那么我rfft(irfft(b), (len(b) - 1) * 2) != b什至考虑了标准化。我认为rfft(irfft(b), (len(b) - 1) * 2)应该和blike 一样a。

我使用 Fortran 的 FFTW 和 Julia 的 FFTW 库对此进行了测试，但得到了相同的结果。

为什么会发生这种情况？这在数学上是正确的还是实施问题？

编辑1：更准确的解释是here

现在我有一个方程要解决：

exp(x * a)-exp(x * b) = c，其中 a、b 和 c 是已知常数。

我尝试了 sympy 和 scipy.optimize.fsolve，甚至是 brenth 和 newton。没什么好的。我是 python 新手，大概 2 周。所以请帮我解决这个问题。谢谢！

我有一个非常大的对角矩阵，我需要对其进行拆分以进行并行计算。由于数据局部性问题，遍历矩阵并在n个线程之间拆分每个第n个计算是没有意义的。目前，我正在按以下方式划分k x k对角矩阵，但它在计算数量方面产生不相等的分区（最小的部分比最大的部分长几倍）。

您对实现或库功能有什么建议吗？

我有带下带 kl 和上带 ku 的带状矩阵。我想把它们做成下三角形，为此，我正在使用 QR Householder。所以，我修改了低频段的 QR Householder 算法，但无法修改高频段的算法。在下面，对于较低的波段，我将 x 数组仅带到它非零的位置。然后，在更新 A 时，它会更新一个矩形数组，该数组从上频带取零（我想忽略它）。我试图对那部分进行矢量化（忽略上频带的零），但无法让它工作。

我用 a 和 b 做同样的计算，不同的是我分两步得到 a 的值，而 b 一步得到。

我的代码返回：-629.47620126173774000000 -629.47620126173763000000

最后两位小数之间的差异是什么原因？

由于0.0 / 0.0在数学上未定义，因此 IEEE-754 浮点标准合理地定义NaN为其结果。现在，因为不像infinity,NaN不是一个明确定义的值，而是一组值，所以是否0.0 / 0.0是一个明确定义的常数的问题也是合理的。

值得一提的x / 0.0是infinity，如果x != 0.0.

IEEE-754 浮点标准中是否0.0 / 0.0有明确定义的常量值？NaN换句话说，它是否具有明确定义的位模式？