要区分厄米特级数，请在 Python 中使用 hermite.hermder() 方法。第一个参数 c 是厄米特级数系数的数组。如果 c 是多维的，则不同的轴对应于不同的变量，每个轴的度数由相应的索引给出。第二个参数 m 是取的导数的数量，必须是非负数。（默认值：1）。第三个参数 scl 是一个标量。每个微分都乘以 scl。最终结果是乘以 scl**m。这用于线性变量更改。（默认值：1）。第四个参数 axis 是一个轴，其上…… 阅读更多

要区分厄米特级数，请在 Python 中使用 hermite.hermder() 方法。第一个参数 c 是厄米特级数系数的数组。如果 c 是多维的，则不同的轴对应于不同的变量，每个轴的度数由相应的索引给出。第二个参数 m 是取的导数的数量，必须是非负数。（默认值：1）第三个参数 scl 是一个标量。每个微分都乘以 scl。最终结果是乘以 scl**m。这用于线性变量更改。（默认值：1）。第四个参数 axis 是一个轴，其上…… 阅读更多

要区分厄米特级数，请在 Python 中使用 hermite.hermder() 方法。第一个参数 c 是厄米特级数系数的数组。如果 c 是多维的，则不同的轴对应于不同的变量，每个轴的度数由相应的索引给出。第二个参数 m 是取的导数的数量，必须是非负数。（默认值：1）。第三个参数 scl 是一个标量。每个微分都乘以 scl。最终结果是乘以 scl**m。这用于线性变量更改。（默认值：1）。第四个参数 axis 是一个轴，其上…… 阅读更多

要积分拉盖尔级数，请在 Python 中使用 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，结果级数乘以 scl 并添加积分常数 k。缩放因子用于线性变量更改。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。（默认值：… 阅读更多

要积分拉盖尔级数，请在 Python 中使用 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，结果级数乘以 scl 并添加积分常数 k。缩放因子用于线性变量更改。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。（默认值：… 阅读更多

要获取两个一维数组的克罗内克积，请在 Python Numpy 中使用 numpy.kron() 方法。计算克罗内克积，一个由第一个数组缩放的第二个数组块组成的复合数组。该函数假设 a 和 b 的维数相同，如有必要，则在最小的前面加上 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, ..., rN*SN)。元素是来自 a 和 b 的元素的乘积，由 −kron(a, b)[k0, k1, ..., kN] = a[i0, i1, ..., ... 阅读更多

要获取两个具有不同维度的数组的克罗内克积，请在 Python Numpy 中使用 numpy.kron() 方法。计算克罗内克积，一个由第一个数组缩放的第二个数组块组成的复合数组。该函数假设 a 和 b 的维数相同，如有必要，则在最小的前面加上 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, ..., rN*SN)。元素是来自 a 和 b 的元素的乘积，由 −# kron(a, b)[k0, k1, ..., kN] = ... 阅读更多

要在线性代数中计算矩阵的条件数，请在 Python 中使用 numpy.linalg.cond() 方法。此方法能够根据 p 的值返回使用七种不同范数之一的条件数。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，即需要求条件数的矩阵。第二个参数是 p，… 阅读更多

要返回线性代数中矩阵或向量的范数，请在 Python Numpy 中使用 LA.norm() 方法。第一个参数 x 是输入数组。如果 axis 为 None，则 x 必须是一维或二维，除非 ord 为 None。如果 axis 和 ord 都为 None，则将返回 x.ravel 的 2 范数。第二个参数 ord 是范数的阶数。inf 表示 numpy 的 inf 对象。默认为 None。第三个参数 axis，如果为整数，则指定沿其计算向量范数的 x 的轴。如果 axis 是一个 2 元组，则它指定… 阅读更多

要返回线性代数中矩阵或向量的范数，请在 Python Numpy 中使用 LA.norm() 方法。第一个参数 x 是输入数组。如果 axis 为 None，则 x 必须是一维或二维，除非 ord 为 None。如果 axis 和 ord 都为 None，则将返回 x.ravel 的 2 范数。第二个参数 ord 是范数的阶数。inf 表示 numpy 的 inf 对象。默认为 None。第三个参数 axis，如果为整数，则指定沿其计算向量范数的 x 的轴。如果 axis 是一个 2 元组，则它指定… 阅读更多