PyDAS - 几个微分代数系统求解器的 Python 包装器 介绍 PyDAS 为 Python 代码提供了一种方法，可以利用 Python 代码中的几个著名的基于 Fortran 的微分代数系统求解器。 可用的求解器——DASSL、DASPK 和 DASKR——都可从公开获得，并随 PyDAS 分发。 PyDAS 为每个求解器提供了一个 Python 扩展类型，它反过来提供了设置求解器选项、提供残差和雅可比函数以及运行求解器的 Pythonic 方法。 DASSL、DASPK 和 DASKR 求解器都比提供的 ODE 求解器功能中使用的求解器 VODE 强大得多。 执照 版权所有 (c) 2010 约书亚 W. 艾伦 ( )。 特此授予获得本软件副本和相关文档文件（“软件”）副本的任何人免费许可，不受限制地处理本软件，包括但不限于使用、复制、修改、合并的权利、发布、分发、再许可和

ModelingToolkit.jl：Julia中用于自动并行化科学机器学习（SciML）的建模框架。 用于集成符号的计算机代数系统，用于物理知识的机器学习和微分方程的自动转换

提供了离散数学中代数系统部分的练习题，有助于复习，仅供参考，祝你考个高分！

Maxima计算机代数系统 用 Common Lisp 编写的计算机代数系统 Maxima 是一种计算机代数系统，可与 Mathematica 和 Maple 等商业系统相媲美。它强调符号数学计算：代数、三角学、微积分等等。 例如，Maxima 求解 x^2-r*xs^2-r*s=0，给出符号结果 [x=r+s, x=-s]。 Maxima 可以使用精确的整数和分数、本机浮点数和高精度大浮点数进行计算。 Maxima 具有用户友好的前端、在线手册、绘图命令和数值库。用户可以使用其本地编程语言编写程序，并且在过去的几十年中，许多人在各个领域贡献了有用的包。 特征 专门从事符号运算，但也提供数字功能。 可以通过编程方式访问和扩展，因为可以从中调用底层 Lisp。 完整的编程语言，具有类似 ALGOL 的语法但类似 Lisp 的语义。 任意精度整数。 有理数的大小仅受机器内存限制。 任意大的浮点数（“bfloats”）。

人工智能-机器学习-计算机代数系统的设计与实现.pdf

总结离散数学各个分支的相关概念和公式定理，总结离散数学各个分支的相关概念和公式定理，总结离散数学各个分支的相关概念和公式定理，总结离散数学各个分支的相关概念和公式定理，

这是一种适用的 Runge Kutta 方法（理论背景，例如在 Hairer、Lubich、Roche“通过runge-kutta 方法对微分代数系统的数值解”）来解决 DAE。 已经实现的是第 1、2 和 3 阶段的 Radau II A 方法，但基本上每个 Butcher 画面都可以实现（详见代码）。 提供了一个简单的例子（数学钟摆）来说明用法。 非线性系统求解器是牛顿法，但也可以互换。

离散数学之代数系统篇定理及定义整理，详细讲述了代数系统不部分的重要定理及讲义，方便读者阅读学习。

用Python编写的Modelica到计算机代数系统（CAS）编译器。 安装 Python / PyPI： pip install pymoca Anaconda / Conda： 安装anaconda 3。 设置环境。 ./create_conda_env.sh enduser . activate pymoca jupyter notebook 例子 路线图 已完成的任务 解析Modelica 用于简单模型的Sympy Simulation / CAS创建 Casadi CAS创建简单模型 去做 收集需求并统一Casadi模型 延迟解析以读取大型库 支持更多的Modelica语言元素

SymPy：一个纯Python编写的计算机代数系统