Python！

1. 直接使用numpy库、小脚本和ipython交互式 shell 开始。
2. 在众多免费书籍和教程的帮助下获得更高级的信息。
3. 使用scipy作为高性能数值例程的前端和用于可视化的matplotlib提高工作效率
4. 利用Krypy、FeNiCS和 许多其他的科学计算的成熟和强大的模块
5. 请注意，平面和面向对象编程之间的平滑过渡以及 Python 固有的模块化使得大型项目易于处理。
6. 只需在cython中重写关键部分，即可使您的代码与 C 或 Fortran 一样快。您还可以轻松地包含用 Fortran 或 C 编写的例程。

这解释了我认为解决科学计算问题的最佳方法。首先通过在小脚本中玩弄玩具示例来解决问题。变得更加系统化并设置一套代码。然后让你的代码工作！！！最后，如有必要，做代码优化。不要重新发明轮子，不要过早优化。

（额外的优点：Python 是免费提供的——没有许可证问题，大型社区，例如在 stackoverflow 上，用于单元测试或日志记录等良好编程的模块......）

大多数情况下，它归结为您可用的数字库，这将有助于完成您的任务。C/C++ 为它们实现了大量的数值库，但作为低级语言并不是快速原型化的最佳选择。

我认为要快速找到解决方案，我建议使用 Matlab 或 Mathematica 之类的东西。他们拥有庞大的工具集并且非常高级。最有可能的是，您的实现不会扩展到生产使用，但它可能是尝试不同方法的好地方。一旦你知道要走的路，你总是可以更有效地用 C/C++ 实现一些东西。

尝试使用 Python，例如Python Scripting for Computational Science中的描述。

Python 可以是一个很好的起点。以下资源是一个很好的起点。

http://www.openbookproject.net/thinkcs/python/english2e/