要对多项式求导，请在 Python Numpy 中使用 polynomial.polyder() 方法。沿轴返回 m 次求导的多项式系数 c。在每次迭代中，结果乘以 scl（缩放因子用于线性变量更改）。参数 c 是从低到高次幂的系数数组，沿每个轴，例如，[1, 2, 3] 表示多项式 1 + 2*x + 3*x**2，而 [[1, 2], [1, 2]] 表示 1 + 1*x + 2*y + 2*x*y（如果 axis=0 是 x，axis=1 是 y）。该方法返回导数的多项式系数。该... 阅读更多

要对多项式求导，请在 Python Numpy 中使用 polynomial.polyder() 方法。沿轴返回 m 次求导的多项式系数 c。在每次迭代中，结果乘以 scl（缩放因子用于线性变量更改）。参数 c 是从低到高次幂的系数数组，沿每个轴，例如，[1, 2, 3] 表示多项式 1 + 2*x + 3*x**2，而 [[1, 2], [1, 2]] 表示 1 + 1*x + 2*y + 2*x*y（如果 axis=0 是 x，axis=1 是 y）。该方法返回导数的多项式系数。该... 阅读更多

要生成切比雪夫多项式和 x、y、z 样本点的伪范德蒙德矩阵，请在 Python Numpy 中使用 chebyshev.chebvander()。该方法返回度数为 deg 和样本点 (x, y, z) 的伪范德蒙德矩阵。参数 x、y、z 是点坐标数组，所有数组都具有相同的形状。数据类型将转换为 float64 或 complex128，具体取决于是否有任何元素是复数。标量转换为一维数组。参数 deg 是形式为 [x_deg, y_deg, z_deg] 的最大度数列表。步骤首先，导入所需的库 -import numpy as ... 阅读更多

要生成给定度数的伪范德蒙德矩阵，请在 Python Numpy 中使用 polynomial.polyvander2()。该方法返回度数为 deg 和样本点 (x, y) 的伪范德蒙德矩阵。参数 x 和 y 是点坐标数组，所有数组都具有相同的形状。数据类型将转换为 float64 或 complex128，具体取决于是否有任何元素是复数。标量转换为一维数组。参数 deg 是形式为 [x_deg, y_deg] 的最大度数列表。步骤首先，导入所需的库 -import numpy as np from numpy.polynomial.polynomial import polyvander2d创建点坐标数组，... 阅读更多

要对切比雪夫级数求导，请在 Python Numpy 中使用 polynomial.chebder() 方法。该方法返回导数的切比雪夫级数。沿轴返回 m 次求导的切比雪夫级数系数 c。在每次迭代中，结果乘以 scl。参数 c 是从低到高次幂的系数数组，沿每个轴，例如，[1, 2, 3] 表示级数 1*T_0 + 2*T_1 + 3*T_2，而 [[1, 2], [1, 2]] 表示 1*T_0(x)*T_0(y) + 1*T_1(x)*T_0(y) + 2*T_0(x)*T_1(y) + 2*T_1(x)*T_1(y)（如果 axis=0 是 x，axis=1 是 y）。第一个参数是 c，一个切比雪夫级数系数数组。... 阅读更多

要对切比雪夫级数求导，请在 Python Numpy 中使用 polynomial.chebder() 方法。该方法返回导数的切比雪夫级数。沿轴返回 m 次求导的切比雪夫级数系数 c。在每次迭代中，结果乘以 scl。参数 c 是从低到高次幂的系数数组，沿每个轴，例如，[1, 2, 3] 表示级数 1*T_0 + 2*T_1 + 3*T_2，而 [[1, 2], [1, 2]] 表示 1*T_0(x)*T_0(y) + 1*T_1(x)*T_0(y) + 2*T_0(x)*T_1(y) + 2*T_1(x)*T_1(y)（如果 axis=0 是 x，axis=1 是 y）。第一个参数是 c，一个切比雪夫级数系数数组。... 阅读更多

要生成给定度数的伪范德蒙德矩阵，请在 Python Numpy 中使用 polynomial.polyvander2()。该方法返回度数为 deg 和样本点 (x, y) 的伪范德蒙德矩阵。参数 x 和 y 是点坐标数组，所有数组都具有相同的形状。数据类型将转换为 float64 或 complex128，具体取决于是否有任何元素是复数。标量转换为一维数组。参数 deg 是形式为 [x_deg, y_deg] 的最大度数列表。步骤首先，导入所需的库 -import numpy as np from numpy.polynomial.polynomial import polyvander2d创建点坐标数组，所有... 阅读更多

要评估点 x 处的厄米特级数，请在 Python Numpy 中使用 hermite.hermval() 方法。第一个参数 x，如果 x 是列表或元组，则将其转换为 ndarray，否则将其保持不变并将其视为标量。在这两种情况下，x 或其元素都必须支持自身以及 c 的元素之间的加法和乘法。第二个参数 C，一个系数数组，这些系数的排序方式使得 n 次幂项的系数包含在 c[n] 中。如果 c 是多维的，则其余索引枚举多个多项式。在二维情况下，系数... 阅读更多

要从另一个厄米特级数中减去一个厄米特级数，请在 Python Numpy 中使用 polynomial.hermite.hermsub() 方法。该方法返回一个表示其差的厄米特级数的数组。返回两个厄米特级数 c1 - c2 的差。系数序列从最低阶项到最高阶项，即 [1, 2, 3] 表示级数 P_0 + 2*P_1 + 3*P_2。参数 c1 和 c2 是从低到高排序的一维厄米特级数系数数组。步骤首先，导入所需的库 -import numpy as np from numpy.polynomial import hermite as H创建一维厄米特级数系数数组 -c1 = np.array([1, ... 阅读更多

要生成给定度数的伪范德蒙德矩阵，请在 Python Numpy 中使用 polynomial.polyvander2()。该方法返回度数为 deg 和样本点 (x, y) 的伪范德蒙德矩阵。参数 x 和 y 是点坐标数组，所有数组都具有相同的形状。数据类型将转换为 float64 或 complex128，具体取决于是否有任何元素是复数。标量转换为一维数组。参数 deg 是形式为 [x_deg, y_deg] 的最大度数列表。步骤首先，导入所需的库 -import numpy as np from numpy.polynomial.polynomial import polyvander2d创建点坐标数组，... 阅读更多