要生成拉盖尔多项式的伪范德蒙德矩阵，请在 Python NumPy 中使用 laguerre.lagvander()。此方法返回伪范德蒙德矩阵。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次数。dtype 将与转换后的 x 相同。参数 x 返回点数组。dtype 会根据是否存在任何复数元素而转换为 float64 或 complex128。如果 x 是标量，则将其转换为一维数组。参数 deg 是… 阅读更多

要计算拉盖尔级数的根，请在 Python NumPy 中使用 laguerre.lagroots() 方法。此方法返回级数根的数组。如果所有根都是实数，则 out 也是实数，否则为复数。根的估计值作为伴随矩阵的特征值获得，远离复平面原点的根由于这些值的级数数值不稳定性而可能存在较大误差。多重性大于 1 的根也会显示较大的误差，因为这些点附近级数的值对… 阅读更多

要计算拉盖尔级数的根，请在 Python NumPy 中使用 laguerre.lagroots() 方法。此方法返回级数根的数组。如果所有根都是实数，则 out 也是实数，否则为复数。根的估计值作为伴随矩阵的特征值获得，远离复平面原点的根由于这些值的级数数值不稳定性而可能存在较大误差。多重性大于 1 的根也会显示较大的误差，因为这些点附近级数的值对… 阅读更多

要生成具有给定根的拉盖尔级数，请在 Python NumPy 中使用 laguerre.lagfromroots() 方法。此方法是一维系数数组。如果所有根都是实数，则 out 是实数数组；如果一些根是复数，则即使结果中的所有系数都是实数，out 也是复数。参数 roots 是包含根的序列。步骤首先，导入所需的库 −from numpy.polynomial import laguerre as L 要生成具有给定根的拉盖尔级数，请使用 laguerre.lagfromroots() 方法 −j = complex(0, 1) print("结果...", L.lagfromroots((-j, j))) 获取数据类型 −print("类型...", L.lagfromroots((-j, j)).dtype) 获取形状… 阅读更多

要生成具有给定根的拉盖尔级数，请在 Python NumPy 中使用 laguerre.lagfromroots() 方法。此方法返回一维系数数组。如果所有根都是实数，则 out 是实数数组；如果一些根是复数，则即使结果中的所有系数都是实数，out 也是复数。参数 roots 是包含根的序列。步骤首先，导入所需的库 −from numpy.polynomial import laguerre as L 要在 Python NumPy 中生成具有给定根的拉盖尔级数，请使用 laguerre.lagfromroots() 方法 −print("结果...", L.lagfromroots((-1, 0, 1))) 获取数据类型 −print("类型...", L.lagfromroots((-1, 0, 1)).dtype) 获取… 阅读更多

要对拉盖尔级数进行积分，请在 Python 中使用 laguerre.lagint() 方法。此方法返回沿轴从 lbnd 积分 m 次的拉盖尔级数系数 c。在每次迭代中，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，则不同的轴对应于不同的变量，每个轴的次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：… 阅读更多

要对拉盖尔级数进行微分，请在 Python 中使用 laguerre.lagder() 方法。此方法返回沿轴微分 m 次的拉盖尔级数系数 c。在每次迭代中，结果乘以 scl。参数 c 是从低到高次数沿每个轴的系数数组，例如，[1, 2, 3] 表示级数 1*L_0 + 2*L_1 + 3*L_2，而 [[1, 2], [1, 2]] 表示 1*L_0(x)*L_0(y) + 1*L_1(x)*L_0(y) + 2*L_0(x)*L_1(y) + 2*L_1(x)*L_1(y)，如果 axis=0 是 x，axis=1 是 y。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… 阅读更多

要对拉盖尔级数进行微分，请在 Python 中使用 laguerre.lagder() 方法。此方法返回沿轴微分 m 次的拉盖尔级数系数 c。在每次迭代中，结果乘以 scl。参数 c 是从低到高次数沿每个轴的系数数组，例如，[1, 2, 3] 表示级数 1*L_0 + 2*L_1 + 3*L_2，而 [[1, 2], [1, 2]] 表示 1*L_0(x)*L_0(y) + 1*L_1(x)*L_0(y) + 2*L_0(x)*L_1(y) + 2*L_1(x)*L_1(y)，如果 axis=0 是 x，axis=1 是 y。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… 阅读更多

要对拉盖尔级数进行微分，请在 Python 中使用 laguerre.lagder() 方法。此方法返回沿轴微分 m 次的拉盖尔级数系数 c。在每次迭代中，结果乘以 scl。参数 c 是从低到高次数沿每个轴的系数数组，例如，[1, 2, 3] 表示级数 1*L_0 + 2*L_1 + 3*L_2，而 [[1, 2], [1, 2]] 表示 1*L_0(x)*L_0(y) + 1*L_1(x)*L_0(y) + 2*L_0(x)*L_1(y) + 2*L_1(x)*L_1(y)，如果 axis=0 是 x，axis=1 是 y。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… 阅读更多

要获得拉盖尔级数对数据的最小二乘拟合，请使用Python numpy中的laguerre.lagfit()方法。该方法返回从低到高排列的拉盖尔系数。如果y是二维的，则y的第k列中的数据的系数位于第k列。参数x是M个样本（数据）点(x[i], y[i])的x坐标。参数y是样本点的y坐标。通过传入包含一个数据的二维数组作为y，可以(独立地)用一次polyfit调用拟合共享相同x坐标的几组样本点……阅读更多