background preloader

Sage - French

Sage - French
Related:  Mathématiques

SymPy Photomath Faculté:Mathématiques Les mathématiques désignent un domaine de connaissance construit par des raisonnements hypothético-déductifs, concernant des concepts tels que les nombres, les figures ou des structures plus abstraites (graphes, par exemple). Contrairement à la physique ou à la biologie, par exemple, cette activité n'est pas fondamentalement liée à un objet d'étude réel. En ce sens, certains philosophes ne considèrent pas les mathématiques comme une science. Un énoncé mathématique peut s'appeler proposition, théorème, corollaire, scholie, fait ou lemme, il est justifié par des démonstrations. Les règles qui régissent l'acceptation de ces démonstrations par la communauté des mathématiciens ont énormément évolué au cours des siècles. De réelles crises sont apparues (on pense à celle des géométries non euclidiennes). Le caractère universel des mathématiques fait que de nombreuses autres sciences font appel à celle-ci.

Sign in -- Sage numexpr - Fast numerical array expression evaluator for Python and NumPy. Please be aware that the numexpr project has been migrated to GitHub. This site has been declared unmaintained as of 2014-01-21. Sorry for the inconveniences. -- Francesc Alted What It Is The numexpr package evaluates multiple-operator array expressions many times faster than NumPy can. Also,numexpr implements support for multi-threading computations straight into its internal virtual machine, written in C. It is also interesting to note that, as of version 2.0, numexpr uses the new iterator introduced in NumPy 1.6 so as to achieve better performance in a broader range of data arrangements. Finally, numexpr has support for the Intel VML (Vector Math Library) -- integrated in Intel MKL (Math Kernel Library) --, allowing nice speed-ups when computing transcendental functions (like trigonometrical, exponentials...) on top of Intel-compatible platforms. Examples of Use Using it is simple: >>> import numpy as np>>> import numexpr as ne >>> a = np.arange(1e6)>>> b = np.arange(1e6) and fast...

Mathématiques pures AlgoBox | Logiciel libre, multi-plateforme et gratuit d'aide à l'élaboration et à l'exécution d'algorithmes AlgoBox est un logiciel libre, multi-plateforme et gratuit d'aide à l'élaboration et à l'exécution d'algorithmes dans l'esprit des nouveaux programmes de mathématiques du secondaire. Une démonstration vidéo d'AlgoBox sur un exemple simple est disponible ici AlgoBox, c'est : une prise en main facile et rapide avec une interface en français, claire et ergonomique;un logiciel éducatif basé sur une logique pédagogique (apprentissage de l'algorithmique par structures logiques à travers un langage textuel proche du langage naturel algorithmique);un logiciel disponible gratuitement et facilement installable sur toutes les plate-formes (Windows, MacOsx, Linux);un programme conçu pour l'enseignement et qui s'adresse à l'ensemble des élèves (et pas seulement à une petite minorité);un logiciel correspondant aux instructions officielles des programmes de mathématiques du secondaire de la seconde à la terminale.

Matplotlib tutorial Sources are available here. Figures are in the figures directory and all scripts are located in the scripts directory. Github repository is here Many thanks to Bill Wing and Christoph Deil for review and corrections. matplotlib is probably the single most used Python package for 2D-graphics. It provides both a very quick way to visualize data from Python and publication-quality figures in many formats. IPython and the pylab mode IPython is an enhanced interactive Python shell that has lots of interesting features including named inputs and outputs, access to shell commands, improved debugging and many more. pylab pylab provides a procedural interface to the matplotlib object-oriented plotting library. In this section, we want to draw the cosine and sine functions on the same plot. First step is to get the data for the sine and cosine functions: from pylab import * X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X) $ ipython --pylab $ python exercice_1.py Setting ticks

Welcome — Theano 0.6 documentation Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently. Theano features: tight integration with NumPy – Use numpy.ndarray in Theano-compiled functions.transparent use of a GPU – Perform data-intensive computations much faster than on a CPU.efficient symbolic differentiation – Theano does your derivatives for functions with one or many inputs.speed and stability optimizations – Get the right answer for log(1+x) even when x is really tiny.dynamic C code generation – Evaluate expressions faster.extensive unit-testing and self-verification – Detect and diagnose many types of errors. Theano has been powering large-scale computationally intensive scientific investigations since 2007. But it is also approachable enough to be used in the classroom (University of Montreal’s deep learning/machine learning classes). 2017/11/15: Release of Theano 1.0.0. git clone How do I?

Related: