scipy.special.airye#
- scipy.special.airye(z, out=None) = <ufunc 'airye'>#
Exponentiell skalierte Airy-Funktionen und ihre Ableitungen.
Skalierung
eAi = Ai * exp(2.0/3.0*z*sqrt(z)) eAip = Aip * exp(2.0/3.0*z*sqrt(z)) eBi = Bi * exp(-abs(2.0/3.0*(z*sqrt(z)).real)) eBip = Bip * exp(-abs(2.0/3.0*(z*sqrt(z)).real))
- Parameter:
- zarray_like
Reeller oder komplexer Argument.
- outtuple von ndarray, optional
Optionale Ausgabe-Arrays für die Funktionswerte
- Rückgabe:
- eAi, eAip, eBi, eBip4-Tupel aus Skalar oder ndarray
Exponentiell skalierte Airy-Funktionen eAi und eBi sowie ihre Ableitungen eAip und eBip
Siehe auch
Hinweise
Wrapper für die AMOS [1] Routinen zairy und zbiry.
Referenzen
[1]Donald E. Amos, „AMOS, A Portable Package for Bessel Functions of a Complex Argument and Nonnegative Order“, http://netlib.org/amos/
Beispiele
Wir können exponentiell skalierte Airy-Funktionen und ihre Ableitungen berechnen
>>> import numpy as np >>> from scipy.special import airye >>> import matplotlib.pyplot as plt >>> z = np.linspace(0, 50, 500) >>> eAi, eAip, eBi, eBip = airye(z) >>> f, ax = plt.subplots(2, 1, sharex=True) >>> for ind, data in enumerate([[eAi, eAip, ["eAi", "eAip"]], ... [eBi, eBip, ["eBi", "eBip"]]]): ... ax[ind].plot(z, data[0], "-r", z, data[1], "-b") ... ax[ind].legend(data[2]) ... ax[ind].grid(True) >>> plt.show()
Wir können diese mit den üblichen nicht-skalierten Airy-Funktionen durch
>>> from scipy.special import airy >>> Ai, Aip, Bi, Bip = airy(z) >>> np.allclose(eAi, Ai * np.exp(2.0 / 3.0 * z * np.sqrt(z))) True >>> np.allclose(eAip, Aip * np.exp(2.0 / 3.0 * z * np.sqrt(z))) True >>> np.allclose(eBi, Bi * np.exp(-abs(np.real(2.0 / 3.0 * z * np.sqrt(z))))) True >>> np.allclose(eBip, Bip * np.exp(-abs(np.real(2.0 / 3.0 * z * np.sqrt(z))))) True
Beim Vergleich von nicht-skalierten und exponentiell skalierten Funktionen unterlaufen die üblichen nicht-skalierten Funktionen bei großen Werten schnell, während die exponentiell skalierte Funktion dies nicht tut.
>>> airy(200) (0.0, 0.0, nan, nan) >>> airye(200) (0.07501041684381093, -1.0609012305109042, 0.15003188417418148, 2.1215836725571093)