Python应用数值方法——解决工程和科学问题 mobi 网盘 高速 下载地址大全 免费

"《Python应用数值方法——解决工程和科学问题》是为想要学习和应用数值方法来解决工程和科学问题的学生撰写的。书中提供了足够丰富的理论知识。如果读过本书的姊妹篇《工程与科学数值方法的MATLAB实现(第4版)》，就会发现过渡到Python程序是无缝的！不需要事先具有Python编程经验。 本书以解决问题为导向，强调理论联系实际。各章均引入实际的工程和科学问题，提供从相关概念定义、理论分析到算法实现的全套解决方案。每章末尾安排有课后习题，方便读者在巩固所学知识的同时，进一步提升自己编写代码和解决问题的水平。 "

目　　录 第 I 部分 建模、计算机和误差分析 第1章 数学建模、数值方法和问题 求解 3 1.1 一个简单的数学模型 4 1.2 工程与科学中的守恒定律 9 1.3 本书所涉及的数值方法 11 1.4 案例研究：自由落体 12 习题 14 第2章 Python基础 24 2.1 Spyder/IPython运行环境 25 2.2 赋值 26 2.2.1 标量 26 2.2.2 数组、向量和矩阵 27 2.2.3 下标和下标的范围 30 2.2.4 arange、linspace和logspace函数 30 2.2.5 字符串 31 2.3 数学运算 33 2.4 使用内置函数 37 2.5 制图 41 2.6 其他资源 47 2.7 案例研究：探索性数据分析 48 习题 51 第3章 Python编程 57 3.1 Python脚本文件 58 3.1.1 Python脚本 58 3.1.2 Python函数 59 3.1.3 变量作用域 61 3.2 输入和输出 63 3.3 结构化编程 66 3.3.1 决策流程 66 3.3.2 关于参数的更多信息 70 3.3.3 循环 71 3.4 嵌套和缩进 76 3.5 带有函数名称参数的Python函数 79 3.5.1 lambda函数 79 3.5.2 函数-函数 80 3.5.3 参数传递 83 3.6 案例研究：蹦极者的速度计算 85 习题 88 第4章 舍入和截断误差 100 4.1 误差 100 4.1.1 准确度和精确度 101 4.1.2 误差定义 101 4.1.3 迭代计算的计算机算法 104 4.2 舍入误差 106 4.2.1 计算机中数字的表示法 106 4.2.2 计算机中数字的算术运算 111 4.3 截断误差 113 4.3.1 泰勒级数 113 4.3.2 泰勒级数式的余数 116 4.3.3 使用泰勒级数估计截断误差 118 4.3.4 数值微分 118 4.4 总数值误差 122 4.4.1 数值微分的误差分析 122 4.4.2 数值误差的控制 125 4.5 错误、模型误差和数据不确定性 125 4.5.1 错误 125 4.5.2 模型误差 126 4.5.3 数据不确定性 126 习题 126 第Ⅱ部分 求根和最优化 第5章 求根：交叉法 133 5.1 工程和科学应用中的求根问题 133 5.2 图形和试错法 134 5.3 交叉法和初步猜测 137 5.4 二分法 140 5.5 试位法 146 5.6 案例研究：温室气体和雨水 148 习题 152 第6章 根：开型法 159 6.1 不动点迭代 160 6.2 韦格斯坦法 164 6.3 牛顿-拉夫逊法 168 6.4 正割法 174 6.5 布伦特法 175 6.5.1 逆二次插值法 175 6.5.2 布伦特法的算法 177 6.6 Python SciPy函数：brentq 179 6.7 多项式 180 6.8 案例研究：管道摩擦 183 习题 188 第7章 优化 198 7.1 背景介绍 199 7.2 一维优化 201 7.2.1 黄金分割搜索 201 7.2.2 抛物线插值 207 7.2.3 Python的SciPy函数： minimize_scalar 208 7.3 多维优化 210 7.4 案例研究：平衡和最小势能 212 习题 214 第Ⅲ部分 线性方程组 第8章 线性代数方程与矩阵 226 8.1 矩阵代数概述 227 8.1.1 矩阵符号 228 8.1.2 矩阵运算规则 229 8.1.3 用矩阵形式表示线性代数方程 237 8.2 用Python求解线性代数方程 238 8.3 案例研究：电路中的电流和 电压 240 习题 243 第9章 高斯消元法 249 9.1 求解少量方程 249 9.1.1 图解法 250 9.1.2 行列式和克莱默法则 251 9.1.3 消除未知数法 253 9.2 朴素高斯消元法 254 9.2.1 Python函数：gaussnaive 256 9.2.2 运算计数 258 9.3 主元 260 9.3.1 Python函数：gausspivot 261 9.3.2 用高斯消元法求行列式 262 9.4 三对角方程组 263 9.5 案例研究：加热棒模型 265 习题 268 第10章 LU因式分解法 275 10.1 LU分解法概述 275 10.2 LU分解的高斯消元 276 10.2.1 涉及主元消元的LU分解 279 10.2.2 应用Python的LU分解法 281 10.3 乔里斯基分解法 282 10.4 Python的np.linalg.solve函数 284 习题 285 第11章 矩阵的逆和条件 287 11.1 矩阵的逆 287 11.1.1 计算逆矩阵 287 11.1.2 刺激-响应计算 289 11.2 错误分析和系统状态 290 11.2.1 向量和矩阵范数 291 11.2.2 矩阵条件数 292 11.2.3 用Python计算范数和 条件数 293 11.3 案例研究：室内空气污染 294 习题 297 第12章 迭代法 302 12.1 线性方程组：高斯-赛德尔法 302 12.1.1 收敛性和对角优势 304 12.1.2 Python函数：gaussseide1 304 12.1.3 松弛 306 12.2 非线性系统 307 12.2.1 逐次代换法 307 12.2.2 牛顿-拉夫逊法 309 12.2.3 Python SciPy函数：root 313 12.3 案例研究：化学反应 314 习题 316 第13章 特征值 321 13.1 特征值和特征向量—— 基础知识 322 13.2 特征值和特征向量的应用 324 13.2.1 二阶微分方程的一阶等价 方程 325 13.2.2 特征值和特征向量在微分 方程解中的作用 325 13.2.3 特征值和纯振荡的常微分 方程 326 13.3 物理场景-质量-弹簧系统 329 13.4 幂法 331 13.5 Python NumPy函数：eig和 eigvals 333 13.6 案例研究：特征值与地震 334 习题 338 第Ⅳ部分 曲线拟合 第14章 直线线性回归 346 14.1 统计学回顾 347 14.1.1 描述性统计 347 14.1.2 正态分布 351 14.1.3 使用Python进行描述性统计 354 14.2 随机数和模拟 357 14.2.1 均匀分布中的随机数 357 14.2.2 正态分布中的随机数 359 14.3 直线最小二乘回归 361 14.3.1 “最佳”拟合的标准 362 14.3.2 直线的最小二乘拟合 363 14.3.3 绘制直线的“荒岛”法 365 14.3.4 线性回归误差的量化 365 14.4 非线性关系的线性化 370 14.5 计算机应用 375 14.5.1 Python函数：strlinregr 375 14.5.2 Python NumPy函数： polyfit和polyval 378 14.6 案例研究：酶动力学 379 习题 382 第15章 一般线性回归和非线性回归 393 15.1 多项式回归 393 15.2 多元线性回归 397 15.3 一般线性最小二乘回归 399 15.4 回归中的模型建立与选择 403 15.5 非线性回归 409 15.6 案例研究：拟合实验数据 414 习题 417 第16章 傅里叶分析 424 16.1 用正弦函数进行曲线拟合 425 16.2 连续傅里叶级数 430 16.3 频域和时域 432 16.4 傅里叶积分和变换 435 16.5 离散傅里叶变换(DFT) 435 16.5.1 快速傅里叶变换(FFT) 436 16.5.2 Python SciPy函数：fft 437 16.6 功率谱 439 16.7 案例研究：太阳黑子 440 习题 442 第17章 多项式插值法 446 17.1 插值法简介 447 17.1.1 确定多项式系数 447 17.1.2 Python NumPy函数： polyfit和polyval 449 17.2 牛顿插值多项式 449 17.2.1 线性插值 449 17.2.2 二次插值 451 17.2.3 牛顿插值多项式的一般形式 452 17.2.4 Python函数Newtint 454 17.3 拉格朗日插值多项式 455 17.4 逆插值 458 17.5 外推法和振荡 458 17.5.1 外推法 458 17.5.2 振荡 461 习题 463 第18章 样条和分段插值 469 18.1 样条简介 469 18.2 线性样条 471 18.3 二次样条 477 18.4 三次样条 478 18.4.1 三次样条的推导 479 18.4.2 末端条件 482 18.5 Python中的分段插值 483 18.5.1 Python SciPy模块的interpolate 函数：CubicSpline 485 18.5.2 附加的Python SciPy插值函数： interp1d和PchipInterpolator 487 18.6 多维插值 488 18.6.1 双线性插值 489 18.6.2 Python中的多维插值 490 18.7 数据序列的平滑 491 18.7.1 三次样条平滑 491 18.7.2 LOESS平滑法 494 18.8 案例研究：湖中的热传导 499 习题 501 第Ⅴ部分 微积分 第19章 数值积分方程 511 19.1 背景简介 512 19.1.1 什么是积分 512 19.1.2 工程与科学中的积分 512 19.2 牛顿-科特斯方程 514 19.3 梯形法则 516 19.3.1 梯形法则的误差 516 19.3.2 复合梯形法则 517 19.3.3 Python函数：trap 520 19.4 辛普森法则 521 19.4.1 辛普森1/3 法则 521 19.4.2 复合辛普森1/3法则 522 19.4.3 辛普森3/8法则 524 19.5 高阶牛顿-科特斯方程 526 19.6 不等段积分 526 19.6.1 Python函数：trapuneq 527 19.6.2 Python函数：trapz和 trap_cumulative 528 19.7 开放式方法 530 19.8 多重积分 531 19.9 案例研究：数值积分的计算 533 习题 536 第20章 函数的数值积分 543 20.1 简介 543 20.2 Romberg积分 544 20.2.1 Richardson外推 544 20.2.2 Romberg积分算法 546 20.3 高斯求积法 548 20.3.1 待定系数法 548 20.3.2 两点高斯-勒让德公式的推导 550 20.3.3 高点公式 552 20.4 自适应求积法 553 20.4.1 Python函数：quadadapt 553 20.4.2 Python SciPy积分函数： quad 555 20.5 案例研究：均方根电流 556 习题 559 第21章 数值导数 565 21.1 背景简介 566 21.1.1 什么是导数 566 21.1.2 工程与科学的导数 567 21.2 高精度导数公式 568 21.3 Richardson 外推法 571 21.4 不等间距数据的导数 572 21.5 有误差数据的导数和积分 573 21.6 偏导数 574 21.7 Python数值求导 574 21.7.1 Python NumPy函数：diff 574 21.7.2 Python NumPy函数： gradient 577 21.8 案例研究：场的可视化 579 习题 580 第Ⅵ部分 常微分方程 第22章 初值问题 594 22.1 概述 595 22.2 欧拉法 595 22.2.1 欧拉法的误差分析 597 22.2.2 欧拉法的稳定性 598 22.2.3 Python函数：eulode 599 22.3 改进欧拉法 601 22.3.1 Heun方法 601 22.3.2 中点法 604 22.4 Runge-Kutta方法 605 22.4.1 二阶Runge-Kutta法 605 22.4.2 经典四阶 Runge-Kutta法 606 22.5 方程组 608 22.5.1 欧拉法 609 22.5.2 Runge-Kutta法 610 22.5.3 Python 函数：rk4sys 611 22.6 案例研究：捕食者—猎物 模型和变体 614 习题 618 第23章 自适应方法和刚性系统 625 23.1 自适应Runge-Kutta方法 625 23.1.1 RKF 4/5算法的Python函数： rkf45 626 23.1.2 求解IVP ODE的Python函数： SciPy solve_ivp积分函数 630 23.1.3 事件 633 23.2 多步法 636 23.2.1 非自启动Heun方法 636 23.2.2 误差估计 638 23.3 刚度 639 23.4 Python 应用：带绳的蹦极者 644 23.5 案例研究：普林尼的间歇喷泉 646 习题 649 第24章 边值问题 659 24.1 背景简介 660 24.1.1 什么是边值问题 660 24.1.2 工程和科学中的边值问题 660 24.2 打靶法 663 24.2.1 导数边界条件 665 24.2.2 非线性常微分方程的打靶法 667 24.3 有限差分法 669 24.3.1 导数边界条件 671 24.3.2 非线性 ODE 的有限差分 方法 673 24.4 Python函数：solve_bvp 674 习题 676 —扫封底二维码下载以下内容— 附录A Matplotlib 685 附录B 三次样条平滑 705 附录C Python内置关键字：函数、方法、 操作符、类型 710 附录D 书中用到的Python函数和脚本 713 参考文献 715

暂无相关内容，正在全力查找中

暂无其它内容！

暂时还没有人为这本书评论！