技术文章库 - 编程教程与技术分享平台
使用 Python 中的 1d 系数数组对 x 和 y 的笛卡尔积计算二维拉盖尔级数
要对x和y的笛卡尔积计算二维拉盖尔级数，请使用Python中的polynomial.laguerre.laggrid2d()方法。该方法返回x和y的笛卡尔积中各点的二维拉盖尔级数的值。如果c的维度少于两个，则会在其形状中隐式添加1以使其成为二维。结果的形状将是c.shape[2:]+x.shape+y.shape。第一个参数x,y是在x和y的
在 Python 中对 Hermite 级数进行积分，然后将结果乘以标量，然后再添加积分常数
要对Hermite级数进行积分，请使用Python中的hermite.hermint()方法。第一个参数c是Hermite级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是积分阶数，必须为正数。(默认值:1)。第三个参数k是积分常数。lbnd处的第一个积分的值是列表中的第一个值，lbnd处的第二个积分的值是第二个
在 Python 中对 Hermite 级数进行积分并设置积分的下限
要对Hermite级数进行积分，请使用Python中的hermite.hermint()方法。第一个参数c是Hermite级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是积分阶数，必须为正数。(默认值:1)。第三个参数k是积分常数。lbnd处的第一个积分的值是列表中的第一个值，lbnd处的第二个积分的值是第二个
使用 Python 中的二维系数数组在点 (x,y,z) 处评估三维 Hermite 级数
要评估点(x,y,z)处的三维Hermite级数，请使用PythonNumpy中的hermite.hermval3d()方法。该方法返回由x、y和z的对应值三元组构成的点上的多维多项式的值。第一个参数是x、y、z。在点(x,y,z)处评估三维级数，其中x、y和z必须具有相同的形状。如果x、y或z中的任何一个是列表或元组，则首先将其转换为nd
使用 Python 中的一维系数数组在点 (x,y) 处评估二维 Hermite 级数
要评估点(x,y)处的二维Hermite级数，请使用PythonNumpy中的hermite.hermval2d()方法。该方法返回由x和y的对应值对形成的点处的二维多项式的值。第一个参数是x,y。在点(x,y)处评估二维级数，其中x和y必须具有相同的形状。如果x或y是列表或元组，则首先将其转换为ndarray，否则保持不变，如果不是ndar
使用 Python 中的四维系数数组在点 (x,y,z) 处评估 3-D Hermite 级数
要评估点(x,y,z)处的3DHermite级数，请使用PythonNumpy中的hermite.hermval3d()方法。该方法返回由x、y和z的对应值三元组构成的点上的多维多项式的值。第一个参数是x、y、z。在点(x,y,z)处评估三维级数，其中x、y和z必须具有相同的形状。如果x、y或z中的任何一个是列表或元组，则首先将其转换为n
在 Python 中计算点 (x,y,z) 处的 3-D Hermite 序列
要计算点(x,y,z)处的3DHermite序列，请使用PythonNumpy中的hermite.hermval3d()方法。该方法返回由x、y和z的对应值三元组构成的点上的多维多项式的值。第一个参数是x、y、z。在点(x,y,z)处计算三维序列，其中x、y和z必须具有相同的形状。如果x、y或z中的任何一个是列表或元组，则首先将其转换为n
在 Python 中对拉盖尔级数进行积分，然后将结果乘以标量，然后再添加积分常数
要对拉盖尔级数进行积分，请使用Python中的laguerre.lagint()方法。该方法返回沿轴从lbnd积分m次的拉盖尔级数系数c。在每次迭代中，将结果级数乘以scl，并添加积分常数k。缩放因子用于变量的线性变化。第一个参数c是拉盖尔级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是积分阶数，必须为正数。(默
在 Python 中对拉盖尔级数进行积分并设置积分的下限
要对拉盖尔级数进行积分，请使用Python中的laguerre.lagint()方法。该方法返回沿轴从lbnd积分m次的拉盖尔级数系数c。每次迭代时，将结果级数乘以scl，并添加积分常数k。缩放因子用于变量的线性变化。第一个参数c是拉盖尔级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是积分阶数，必须为正数。(默认
在 Python 中对 Hermite 级数进行积分并设置积分阶数
要对Hermite级数进行积分，请使用Python中的hermite.hermint()方法。第一个参数c是Hermite级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是积分阶数，必须为正数。(默认值:1)。第三个参数k是积分常数。lbnd处的第一个积分的值是列表中的第一个值，lbnd处的第二个积分的值是第二个
在 Python 中生成拉盖尔多项式的伪范德蒙矩阵和 x、y 点的复数数组
要生成拉盖尔多项式的伪范德蒙矩阵，请使用PythonNumpy中的laguerre.lagvander2d()。该方法返回伪范德蒙矩阵。返回矩阵的形状为x.shape+(deg+1,)，其中最后一个索引是相应拉盖尔多项式的度数。dtype将与转换后的x相同。参数x、y返回一个点数组。dtype转换为float64或complex128，具体取决于是否有任何元素是
在 Python 中对 Hermite 级数进行微分、设置导数并将每个微分乘以标量
要对Hermite级数进行微分，请使用Python中的hermite.hermder()方法。第一个参数c是Hermite级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是求导数的次数，必须为非负数。(默认值:1)。第三个参数scl是标量。每个微分都乘以scl。最终结果是乘以scl**m。这用于变量的线性变化。(
在 Python 中对轴 1 上具有多维系数的 Hermite 级数进行微分
要对Hermite级数进行微分，请使用Python中的hermite.hermder()方法。第一个参数c是Hermite级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是求导数的次数，必须为非负数。(默认值:1)第三个参数scl是标量。每次微分都乘以scl。最终结果是乘以scl**m。这用于变量的线性变化。(默
在 Python 中对特定轴上的具有多维系数的 Hermite 级数进行微分
要对Hermite级数进行微分，请使用Python中的hermite.hermder()方法。第一个参数c是Hermite级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴上的度数由相应的索引给出。第二个参数m是求导数的次数，必须为非负数。(默认值:1)。第三个参数scl是标量。每次微分都乘以scl。最终结果是乘以scl**m。这用于变量的线性变化。
在 Python 中对拉盖尔级数进行积分并设置积分常数
要对拉盖尔级数进行积分，请使用Python中的laguerre.lagint()方法。该方法返回沿轴从lbnd积分m次的拉盖尔级数系数c。每次迭代时，将所得级数乘以scl，并添加积分常数k。缩放因子用于变量的线性变化。第一个参数c是拉盖尔级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是积分阶数，必须为正数。(默认
在 Python 中对拉盖尔级数进行积分并设置积分阶数
要对拉盖尔级数进行积分，请使用Python中的laguerre.lagint()方法。该方法返回沿轴从lbnd积分m次的拉盖尔级数系数c。每次迭代时，将所得级数乘以scl，并添加积分常数k。缩放因子用于变量的线性变化。第一个参数c是拉盖尔级数系数数组。如果c是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。第二个参数m是积分阶数，必须为正数。(默认
在 Python 中获取两个一维数组的克罗内克积
要获取两个一维数组的克罗内克积，请使用PythonNumpy中的numpy.kron()方法。计算克罗内克积，即由第二个数组的块按第一个数组缩放而成的复合数组。该函数假设a和b的维数相同，如有必要，在最小的维数前面加上1。如果a.shape=(r0,r1,..,rN)且b.shape=(s0,s1,...,sN)，则克罗内克积的形状为(r0*s0,r1*s1,
在 Python 中获取两个不同维度数组的克罗内克积
要获取两个不同维度数组的克罗内克积，请使用PythonNumpy中的numpy.kron()方法。计算克罗内克积，即由第二个数组的块按第一个数组缩放后组成的复合数组该函数假设a和b的维度数相同，如有必要，在最小维度前面加上1。如果a.shape=(r0,r1,..,rN)且b.shape=(s0,s1,...,sN)，则克罗内克积的形状为(r0*s0,r1*s
在 Python 中计算线性代数中矩阵的条件数
要计算线性代数中矩阵的条件数，请使用Python中的numpy.linalg.cond()方法。此方法能够使用七种不同范数之一返回条件数，具体取决于p的值。返回矩阵的条件数。可能是无限的。x的条件数定义为x的范数乘以x的逆的范数；范数可以是通常的L2范数或许多其他矩阵范数之一。第一个参数是x，即要寻求其条件数的矩阵。第二个参数是p，即条件数计算中使用的范数的阶数。步骤
在 Python 的线性代数中返回矩阵的负无穷范数
要在线性代数中返回矩阵或向量的范数，请使用PythonNumpy中的LA.norm()方法。第一个参数x是输入数组。如果axis为None，则x必须是1-D或2-D，除非ord为None。如果axis和ord均为None，则将返回x.ravel的2-norm。第二个参数ord是范数的阶数。inf表示numpy的inf对象。默认值为
