追赶法是适用于三对角矩阵的线性方程组求解的方法，并不适用于其他类型矩阵。

神经控制微分方程用于不规则时间序列[ ， ] 基于对受控微分方程的深入理解的数学理论，我们演示了如何构建以下模型： 直接作用于不规则采样的部分观测的多元时间序列。 可能会进行记忆有效的伴随反向传播训练-即使是跨观测也是如此。 展示最先进的性能。 使用现有工具（尤其是PyTorch和库）可以轻松实现和评估它们。 图书馆 参见 。 例子 我们鼓励您看一下 ，它演示了如何使用该库来训练Neural CDE模型来预测螺旋的手征性。 有关如何处理可变长度输入，不规则采样或丢失数据的演示，另请参见 ，所有这些都可以在不更改模型的情况下轻松处理。 一个自包含的简短示例： import torch import torchcde # Create some data batch , length , input_channels = 1 , 10 , 2 hidden_channels = 3 t

中国科大计算方法（B）第五次实验 1.编写列主元消元法的通用程序 2.用如上程序求根，并打印出来

用加权隐式格式解扩散方程的初边值问题，数值计算边值问题

OOMMF-LLB：Landau-Lifshitz-Bloch进化铁 oommf-llb是一个扩展，用于使用微磁Landau-Lifshitz-Bloch（LLB）方程来模拟通过交换能量耦合的两个自旋子晶格的磁化动力学。 提出了LLB方程作为高温下甚至超过Currie温度的磁自旋运动的有效方程。 特征 微电磁LLB进化器，在高温下有效 随机场包括随机性 耦合的2格自旋系统（ferrimagnets） 温度相关的晶格交换耦合 用总磁化强度计算的退磁场 可以为每个子晶格指定单轴各向异性 安装 您需要OOMMF源代码（推荐使用v1.2a5或更高版本）和建筑环境。 请参阅《 。 警告 为了规避常规微磁学（常数Ms）的基本限制，oommf-llb替代了几种常见的Oxs（OOMMF可扩展求解器）类。 这样做是无意更改其他Oxs类的行为的，但是建议您将整个OOMMF目录复制到另一个位置，并将oomm

INT（E）NSE是IN插值的二维（D）-Navier-Stokes-Equations的缩写（双关语）。 这是我在业余时间开发的不稳定的Navier-Stokes解算器。 使用混合的二阶和一阶精确方案对面部速度进行插值，以便能够捕获涡旋。 使用SIMPLE算法实现了压力-速度耦合，并且随着向后有限差分离散化，时间步长是一阶精确的。

我构建了这个解决方案来验证一些 FD-compact 方案的准确性和稳定性。 该解决方案是通过使用图像的方法通过绿色函数方法获得的。 （这里没有给出这些细节。我只写/计算分析的最终表达式）。 我相信，对于那些希望验证 Euler 和/或 Navier-Stokes 方程线性化数值边界条件准确性的人来说，这将非常有用。 快乐编码！ :)

用高斯消元法解线性方程组 的MATLAB程序

这是一个用BDF法解分数阶微分方程的matlab代码，可以运行

雅克比迭代求解线性方程组(MATLAB程序设计与应用)课设，里面有四份不同的课设，都已近调试过了。要在MATLAB7.0上运行