上一页 1 2 3 4 5 6 下一页

8.5 求微分方程组(竖直加热板的自然对流)的数值解。(d^3f)/(dm^3)+3f(d^f)/(dm^2)-2((df)/(dm))^2+T=0,(d^2T)/(dm^2)+2.1f(dT)/(dm)=0，已知当m=0时,f=0,(df)/(dm)=0,(d^2f)/(dm^2)=0.68,T=1,(dT)/(dm)=-0.5。要求在[0,10]区间上，画出f(a)、T(a)的解曲线

摘要： import numpy as np import matplotlib.pyplot as plt from scipy.integrate import solve_ivp def model(t, y): f, df_dm, d2f_dm2, T, dT_dm = y d3f_dm3 = -3 阅读全文
posted @ 2024-11-12 13:41 黄元元 阅读(17) 评论(0) 推荐(0) 编辑

8.4 求微分方程组的数值解 x'=-x^3-y,x(0)=1,y'=x-y^3,y(0)=0.5,0<=t<=30，要求画出x（t）和y（t）的解曲线图形，再相平面上画出轨线

摘要： import numpy as np import matplotlib.pyplot as plt from scipy.integrate import solve_ivp def system(t, state): x, y = state dxdt = -x3 - y dydt = x - 阅读全文
posted @ 2024-11-12 13:25 黄元元 阅读(34) 评论(0) 推荐(0) 编辑

7.10 已知一组观测数据，如表中7.17.excel（表中第一列为x的值，第二列为y的值）。试用插值方法绘制出x属于-2到4.9区间内的曲线，并比较各种插值算法的优劣。试用多项式拟合表中数据，选择一个能较好拟合数据点的多项式的阶式，给出相应多项式的系数和剩余标准差。若表中数据满足正态分布函数，试用最小二乘法非线性拟合方法求出分布参数的值，并利用所求参数值绘制拟合曲线，观察拟合效果。

摘要： import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.interpolate import interp1d, PchipInterpolator, CubicSpline from sci 阅读全文
posted @ 2024-11-05 22:21 黄元元 阅读(28) 评论(0) 推荐(0) 编辑

7.7 g(x)=(10a)/(10b+(a-10b)e^(asinx))，取a=1.1，b=0.01，计算x=1,2,...,20时，g(x)对应的函数值，把这样得到的数据作为模拟观测值，记作(xi,yi)（其中i为x，y的下标），i=1,2,...,20。用curve_fit拟合函数g(x)。用leastsq拟合函数g(x)。用least_squares拟合函数g(x)

摘要： import numpy as np import matplotlib.pyplot as plt from scipy.optimize import curve_fit, leastsq, least_squares from scipy.constants import e def g(x, 阅读全文
posted @ 2024-11-05 21:57 黄元元 阅读(18) 评论(0) 推荐(0) 编辑

7.1 在区间[0,10]上等间距取1000个点Xi（i为下标，i=1,2,3,...,1000），并计算在这些点Xi处函数g(x)=((3x^2+4x+6)sinx)/(x^2+8x+6)的函数值yi(i为下标)，利用观测点（Xi,Yi）(i=1,2,3,...,1000)，求三次样条插值函数h(x)，并求积分g(x)从0到10和h(x)从0到10

摘要： import numpy as np import scipy.interpolate as spi import scipy.integrate as spi_integrate def g(x): return ((3x**2 + 4x + 6) * np.sin(x)) / (x**2 + 8 阅读全文
posted @ 2024-10-29 14:27 黄元元 阅读(42) 评论(0) 推荐(0) 编辑

ex7_4 机床加工

摘要： 程序文件ex7_4.py import numpy as np from scipy.interpolate import interp1d from scipy.interpolate import lagrange import pylab as plt a = np.loadtxt('data 阅读全文
posted @ 2024-10-29 14:07 黄元元 阅读(4) 评论(0) 推荐(0) 编辑

ex7_3

摘要： 程序文件ex7_3.py import numpy as np import pylab as plt from scipy.interpolate import lagrange yx = lambda x: 1/(1+x**2) def fun(n): x = np.linspace(-5, 5 阅读全文
posted @ 2024-10-29 13:52 黄元元 阅读(3) 评论(0) 推荐(0) 编辑

7.4 考虑矩形区域x∈[-3,3]，y∈[-4,4]上的函数f(x,y)=(x^2-2x)e^(-x^2-y^2-xy)，利用随机生成函数uniform随机生成该矩形内的散乱点，然后利用griddata函数进行插值处理，并作出插值结果图形

摘要： import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import griddata def f(x, y): return (x2 - 2*x) * np.exp(-x2 - y**2 - x*y) x_ 阅读全文
posted @ 2024-10-28 22:47 黄元元 阅读(19) 评论(0) 推荐(0) 编辑

7.3 已知当温度T=[700,720,740,760,780]时，过热蒸汽体积的变化为V=[0.0977,0.1218,0.1406,0.1551,0.1664]，分别采用线性插值和三次样条插值求解T=750,770时的体积变化，并在一个图形界面中画出线性插值函数和三次样条插值函数

摘要： import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import interp1d, CubicSpline T = np.array([700, 720, 740, 760, 780]) V = np. 阅读全文
posted @ 2024-10-28 22:37 黄元元 阅读(24) 评论(0) 推荐(0) 编辑

6.1 用python代码绘制以下图形

摘要： 用python绘制一个无向图：v1在中间，v2、v3、v4、v5、v6在周围；v1与v2、v3、v4相连；v2与v3、v6、v1相连；v3与v1、v2、v4相连；v4与v1、v3、v5相连；v5与v4、v6相连；v6与v2、v5相连 点击查看代码 import networkx as nx impo 阅读全文
posted @ 2024-10-25 22:58 黄元元 阅读(31) 评论(0) 推荐(0) 编辑

6.6 1队战胜了2、4、5、6队，输给了3队；2队战胜了4、5、6队，输给了1、3队；3队战胜了1、2、4队，输给了5、6队；4队战胜了5、6队，输给了1、2、3队；5队战胜了3、6队，输给了1、2、4队；6队战胜了3队，输给了1、2、4、5队。（1）利用竞赛图的适当方法，给出6支球队的一个排名顺序，（2）利用pagerank算法，再次给出6支球队的排名顺序

摘要： 点击查看代码 import numpy as np matches = np.array([ [0, 1, 0, 1, 1, 1], # 1队 [0, 0, 0, 1, 1, 1], # 2队 [1, 1, 0, 1, 0, 0], # 3队 [0, 0, 0, 0, 1, 1], # 4队 [0, 阅读全文
posted @ 2024-10-24 20:39 黄元元 阅读(31) 评论(0) 推荐(0) 编辑

6.5 已知有6个村子，相互间道路的距离如图所示，拟合建一所小学，现计划建造一所医院和一所小学，问医院应该建在哪个村庄才能使得最远村庄的人到医院看病所走的路最短？小学应该建在哪个村庄使得所有学生上学走的总路程最短？

摘要： 点击查看代码 import numpy as np distances = np.array([ [0, 2, 7, np.inf, np.inf, np.inf], [2, 0, 4, 6, 8, np.inf], [7, 4, 0, 1, 3, np.inf], [np.inf, 6, 1, 0 阅读全文
posted @ 2024-10-24 20:22 黄元元 阅读(33) 评论(0) 推荐(0) 编辑

4.4 美佳公司计划制造i Ⅱ两种家电产品

摘要： 点击查看代码 MAX_A = 15 MAX_B = 24 MAX_DEBUG = 5 products = [ {"name": "Ⅰ", "A_hours": 1, "B_hours": 6, "debug_hours": 1, "profit": 2}, # 假设产品Ⅰ至少使用1小时设备A {" 阅读全文
posted @ 2024-10-14 22:44 黄元元 阅读(34) 评论(0) 推荐(0) 编辑

4.3 求4.3节模型二的解

摘要： 点击查看代码 import matplotlib.pyplot as plt import numpy as np import cvxpy as cp x=cp.Variable(6,pos=True) obj=cp.Minimize(x[5]) a1=np.array([0.025, 0.015 阅读全文
posted @ 2024-10-14 22:43 黄元元 阅读(25) 评论(0) 推荐(0) 编辑

6.3 6.4

摘要： 点击查看代码 import heapq def prim(graph, start): num_nodes = len(graph) visited = [False] * num_nodes min_heap = [(0, start, -1)] mst_cost = 0 mst_edges = 阅读全文
posted @ 2024-10-14 20:49 黄元元 阅读(39) 评论(0) 推荐(0) 编辑

6.2

摘要： 点击查看代码 edges = [ ("Pe", "T", 13), ("Pe", "N", 68), ("Pe", "M", 78), ("Pe", "L", 51), ("Pe", "Pa", 51), ("T", "N", 68), ("T", "M", 70), ("T", "L&q 阅读全文
posted @ 2024-10-13 19:33 黄元元 阅读(41) 评论(0) 推荐(0) 编辑

5.7

摘要： 点击查看代码 import numpy as np demands = [40, 60, 80] max_production = 100 total_demand = sum(demands) dp = np.full((4, total_demand + 1), float('inf')) dp 阅读全文
posted @ 2024-10-13 19:29 黄元元 阅读(19) 评论(0) 推荐(0) 编辑

5.4 5.5

摘要： 学号后四位：“3004” 5.4 求解下列非线性规划： 点击查看代码 import numpy as np from scipy.optimize import minimize def objective(x): return -np.sum(np.sqrt(x) * np.arange(1, 1 阅读全文
posted @ 2024-10-09 11:19 黄元元 阅读(31) 评论(0) 推荐(0) 编辑

3.3 文章影响力评价问题

摘要： 点击查看代码 import numpy as np from scipy.sparse.linalg import eigs import pylab as plt w = np.array([[0, 1, 0, 1, 1, 1], [0, 0, 0, 1, 1, 1], [1, 1, 0, 1, 阅读全文
posted @ 2024-09-12 20:30 黄元元 阅读(23) 评论(0) 推荐(0) 编辑

3.2 求下列差分方程的解 X（n+2）-X(n+1)-2X(n)=0 X(0)=X(1)=-2

摘要： 点击查看代码 def X(n): # 差分方程的解 return 2 * (-1)**(n + 1) n_values = [0, 1, 2, 3, 4, 5] for n in n_values: print(f"X({n}) = {X(n)}") print("学号：3004") 阅读全文
posted @ 2024-09-12 20:21 黄元元 阅读(48) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 下一页