PYTHON PARA INGENIEROS (PPI)

Fuente: https://tinyurl.com/27sb6m28    Resolver ecuaciones diferenciales Para resolver ecuaciones diferenciales, use dsolve . Primero, crea un indefinido. funcionar pasando cls=Function hacia symbols función. f , g = symbols ( 'f g' , cls = Function ) f y g ahora son funciones indefinidas. podemos llamar f(x) , y eso representará una función desconocida. f ( x ) f(x) derivados de f(x) no están evaluados. f ( x ) . diff ( x ) d ──(f(x)) dx (consulte la Derivados sección derivados). Para representar la ecuación diferencial. , nosotros así usaría diffeq = Eq ( f ( x ) . diff ( x , x ) - 2 * f ( x ) . diff ( x ) + f ( x ), sin ( x )) diffeq 2 d d f(x) - 2⋅──(f(x)) + ───(f(x)) = sin(x) dx 2 dx Para resolver la EDO, pásala y la función a resolver a dsolve . dsolve ( diffeq , f ( x )) x cos(x) f(x) = (C₁ + C₂⋅x)⋅ℯ + ──────

 Fuente: https://numba.pydata.org/ Traducción:  Google. Acelerar funciones de Python Numba traduce funciones de Python a código de máquina optimizado en tiempo de ejecución utilizando el estándar de la industria LLVM Biblioteca compiladora Los algoritmos numéricos compilados por Numba en Python pueden acercarse a las velocidades de C o FORTRAN. No es necesario reemplazar el intérprete de Python, ejecutar un paso de compilación por separado o incluso tener instalado un compilador C/C++. Simplemente aplique uno de los decoradores de Numba a su función de Python y Numba hará el resto.  from numba import njit import random @njit def monte_carlo_pi ( nsamples ) : acc = 0 for i in range ( nsamples ) : x = random . random ( ) y = random . random ( ) if ( x ** 2 + y ** 2 ) < 1.0 : acc += 1 return 4.0 * acc / nsamples   Construido para informática científi