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 根据任何元素是否为复数转换为 float64 或 complex128。如果 x 为标量，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此类值的级数数值不稳定性可能存在较大误差。多重性大于 1 的根也将显示较大的误差，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此类值的级数数值不稳定性可能存在较大误差。多重性大于 1 的根也将显示较大的误差，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 是一个实数数组；如果某些根是复数，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 是一个实数数组；如果某些根是复数，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

要积分拉盖尔级数，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 是拉盖尔级数系数的数组。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。(默认值:……阅读更多

要微分拉盖尔级数，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排列的系数数组，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 是拉盖尔级数系数的数组。如果 c 是多维的，则不同的轴对应……阅读更多

要微分拉盖尔级数，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排列的系数数组，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 是拉盖尔级数系数的数组。如果 c 是多维的，则不同的轴对应……阅读更多

要微分拉盖尔级数，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排列的系数数组，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 是拉盖尔级数系数的数组。如果 c 是多维的，则不同的轴对应……阅读更多

要获取拉盖尔级数对数据的最小二乘拟合，请在 Python numpy 中使用 laguerre.lagfit() 方法。此方法返回从低到高排序的拉盖尔系数。如果 y 是二维的，则 y 的第 k 列中的数据的系数位于第 k 列中。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。通过为 y 传递包含一个数据……的二维数组，可以 (独立地) 使用一次 polyfit 调用拟合共享相同 x 坐标的几组样本点。阅读更多