معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A Python implementation of the AAA algorithm for rational approximation

ویژگی	مقدار
سیستم عامل	-
نام فایل	aaa-approx-1.0.2
نام	aaa-approx
نسخه کتابخانه	1.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Clemens Hofreither
ایمیل نویسنده	chofreither@numa.uni-linz.ac.at
آدرس صفحه اصلی	https://github.com/c-f-h/aaa
آدرس اینترنتی	https://pypi.org/project/aaa-approx/
مجوز	-

# The AAA algorithm for rational approximation [![Build Status](https://travis-ci.com/c-f-h/aaa.svg?branch=master)](https://travis-ci.com/c-f-h/aaa) This is a Python implementation of the AAA algorithm for rational approximation described in the paper "The AAA Algorithm for Rational Approximation" by Yuji Nakatsukasa, Olivier Sète, and Lloyd N. Trefethen, SIAM Journal on Scientific Computing 2018 40:3, A1494-A1522. [(doi)](https://doi.org/10.1137/16M1106122) A MATLAB implementation of this algorithm is contained in [Chebfun](http://www.chebfun.org/). The present Python version is a more or less direct port of the MATLAB version. The "cleanup" feature for spurious poles and zeros is not currently implemented. ## Installation The implementation is in pure Python and requires only numpy and scipy as dependencies. Install it using pip: pip install aaa-approx ## Usage Here's an example of how to approximate a function in the interval [0,1]: import numpy as np from aaa import aaa Z = np.linspace(0.0, 1.0, 1000) F = np.exp(Z) * np.sin(2*np.pi*Z) r = aaa(F, Z, mmax=10) Instead of the maximum number of terms `mmax`, it's also possible to specify the error tolerance `tol`. Both arguments work exactly as in the MATLAB version. The returned object `r` is an instance of the class `aaa.BarycentricRational` and can be called like a function. For instance, you can compute the error on `Z` like this: err = F - r(Z) print(np.linalg.norm(err, np.inf)) If you are interested in the poles and residues of the computed rational function, you can query them like pol,res = r.polres() and the zeroes using zer = r.zeros() Finally, the nodes, values and weights used for interpolation (called `zj`, `fj` and `wj` in the original implementation) can be accessed as properties: r.nodes r.values r.weights

نیازمندی

مقدار	نام
>=1.11	numpy
-	scipy

نحوه نصب

نصب پکیج whl aaa-approx-1.0.2:

pip install aaa-approx-1.0.2.whl

نصب پکیج tar.gz aaa-approx-1.0.2:

pip install aaa-approx-1.0.2.tar.gz