GNU Scientific Library (GSL) 是一个为C和C++程序员提供的数值库。它是 GNU 通用公共许可证下的自由软件。
该库提供了广泛的数学程序，如随机数生成器、特殊函数和最小二乘法拟合。总共有超过1000个函数，有一个广泛的测试套件。
与专有数字库的许可证不同，GSL的许可证并不限制科学合作。它允许你与他人自由分享你的程序。
该类库提供了关于数学计算的很多方面，包括：
| Complex Numbers | Roots of Polynomials |
| Special Functions | Vectors and Matrices |
| Permutations | Sorting |
| BLAS Support | Linear Algebra |
| Eigensystems | Fast Fourier Transforms |
| Quadrature | Random Numbers |
| Quasi-Random Sequences | Random Distributions |
| Statistics | Histograms |
| N-Tuples | Monte Carlo Integration |
| Simulated Annealing | Differential Equations |
| Interpolation | Numerical Differentiation |
| Chebyshev Approximation | Series Acceleration |
| Discrete Hankel Transforms | Root-Finding |
| Minimization | Least-Squares Fitting |
| Physical Constants | IEEE Floating-Point |
| Discrete Wavelet Transforms | Basis splines |
-
GSL（GNU Scientific Library）是一个 C 写成的用于科学计算的库，下面是一些相关的包 Desired=Unknown/Install/Remove/Purge/Hold | Status=Not/Inst/Cfg-files/Unpacked/Failed-cfg/Half-inst/trig-aWait/Trig-pend |/ Err?=(none)/Hold/R
-
http://blog.sina.com.cn/s/blog_6d4af96701019k5v.html 卓越的数值计算库gsl（GNU Scientific Library）的使用初步 1.gsl简介 gsl（GNU Scientific Library）是专门为应用数学和科学技术领域的数值计算提供支持的软件库。gsl使用C语言编写，同时也为其他语言做了相应的封装。gsl在GNU通用公共许可下是
-
本文翻译自：Multidimensional Root-Finding 本章介绍多维求根函数（求解具有 n 个未知数的 n 个方程的非线性系统）。该库为各种迭代求解器和收敛测试提供了低级组件。用户可以将这些组合起来以实现所需的解决方案，并可以完全访问迭代的中间步骤。 每一个类方法都使用相同的框架，因此您可以在运行时在求解器之间切换，而无需重新编译程序。 求解器的每个实例都跟踪自己的状态，从而允许在
-
Python 在科学计算上的应用非常广泛，包括数学、统计学、图形学……等等， 也是科学计算领域的首选编程语言之一。 这一部分的文章主要是介绍 Python 在科学计算领域常用的库，以及科学计算在日常中可能的实际用例。 常用库介绍 IPython 和 Jupyter Notebook NumPy NumPy 是 Python 科学计算生态系统的基础，提供了多维数组操作、线性代数运算、傅立叶变换等 多
-
Numpy 是 Python 科学工具栈的基础。它的目的很简单：在一个内存块上实现针对多个条目（items）的高效操作。了解它的工作细节有助于有效的使用它的灵活性，使用有用的快捷方式，基于它构建新的工作。
-
本书全面而详细地阐述了计算机科学的理论基础，从抽象概念的机械化到各种数据模型的建立，用算法、数据抽象等核心思想贯穿各个主题，很好地兼顾了学科广度和主题深度，帮助读者培养计算机领域的大局观，学习真正的计算机科学。
-
scipy 包含许多专注于科学计算中的常见问题的工具箱。它的子模块对应于不同的应用，比如插值、积分、优化、图像处理、统计和特殊功能等。 scipy 可以与其他标准科学计算包相对比，比如GSL (C和C++的GNU科学计算包), 或者Matlab的工具箱。scipy是Python中科学程序的核心程序包；这意味着有效的操作 numpy 数组，因此，numpy和scipy可以一起工作。 在实现一个程序前
-
1.3.什么是计算机科学 计算机科学往往难以定义。这可能是由于在名称中不幸使用了“计算机”一词。正如你可能知道的，计算机科学不仅仅是计算机的研究。虽然计算机作为一个工具在学科中发挥重要的支持作用，但它们只是工具。 计算机科学是对问题，解决问题以及解决问题过程中产生的解决方案的研究。给定一个问题，计算机科学家的目标是开发一个算法，一系列的指令列表，用于解决可能出现的问题的任何实例。算法遵循它有限的过
-
本文向大家介绍Python科学计算之Pandas详解，包括了Python科学计算之Pandas详解的使用技巧和注意事项，需要的朋友参考一下 起步 Pandas最初被作为金融数据分析工具而开发出来，因此 pandas 为时间序列分析提供了很好的支持。 Pandas 的名称来自于面板数据（panel data）和python数据分析 （data analysis） 。panel data是经济学中关于
-
一位电气工程师最近告诫我不要将GPU用于科学计算（例如，在精度非常重要的情况下），因为它没有像CPU那样的硬件保障。这是真的吗？如果是的话，这个问题在典型的硬件中有多普遍/多严重？
-
本文向大家介绍python科学计算之scipy——optimize用法，包括了python科学计算之scipy——optimize用法的使用技巧和注意事项，需要的朋友参考一下 写在前面 SciPy的optimize模块提供了许多数值优化算法，下面对其中的一些记录。 非线性方程组求解 SciPy中对非线性方程组求解是fslove()函数，它的调用形式一般为fslove(fun, x0)，fun是计算