สร้างเมทริกซ์ Vandermonde ของพหุนาม Hermite พร้อมอาร์เรย์ของจุดที่ซับซ้อนในPython

ในการสร้างเมทริกซ์ Vandermonde ของพหุนาม Hermite ให้ใช้ chebyshev.hermvander() ในPython Numpy เมธอดจะคืนค่าเมทริกซ์เทียม-Vandermonde รูปร่างของเมทริกซ์ที่ส่งคืนคือ x.shape + (deg + 1,) โดยที่ดัชนีสุดท้ายคือดีกรีของ Hermitepolynomial ที่สอดคล้องกัน dtype จะเหมือนกับ x ที่แปลงแล้ว

พารามิเตอร์ x ส่งกลับ Array of points dtype ถูกแปลงเป็น float64 หรือ complex128 ขึ้นอยู่กับว่าองค์ประกอบใดที่ซับซ้อน ถ้า x เป็นสเกลาร์ จะถูกแปลงเป็นอาร์เรย์ 1 มิติ พารามิเตอร์ deg คือระดับของเมทริกซ์ผลลัพธ์

ขั้นตอน

ขั้นแรก นำเข้าไลบรารีที่จำเป็น -

นำเข้า numpy เป็น npfrom numpy.polynomial นำเข้า hermite เป็น H

สร้างอาร์เรย์ −

x =np.array([-2.+2.j, -1.+2.j, 0.+2.j, 1.+2.j, 2.+2.j]) 

 แสดงอาร์เรย์ -
 
print("Our Array...\n",x)
 

 ตรวจสอบขนาด -
 
print("\nDimensions of our Array...\n",x.nim)
 

 รับประเภทข้อมูล -
 
print("\nประเภทข้อมูลของอ็อบเจ็กต์ Array...\n",x.dtype)
 

 รับรูปร่าง -
 
print("\nรูปร่างของวัตถุ Array...\n",x.shape)
 

 ในการสร้างเมทริกซ์แวนเดอร์มอนด์ของพหุนามเฮอร์ไมต์ ให้ใช้ chebyshev.hermvander() -
 
พิมพ์("\nผลลัพธ์...\n",H.hermvander(x, 2))
 
ตัวอย่าง
 
นำเข้า numpy เป็น npfrom numpy.polynomial นำเข้า hermite เป็น H# Create an arrayx =np.array([-2.+2.j, -1.+2.j, 0.+2.j, 1.+ 2.j, 2.+2.j])# แสดง arrayprint("Our Array...\n",x)# Check the Dimensionsprint("\nDimensions of our Array...\n",x.nim )# รับ Datatypeprint("\nประเภทข้อมูลของวัตถุ Array ของเรา...\n",x.dtype)# รับ Shapeprint("\nรูปร่างของวัตถุ Array ของเรา...\n",x.shape)# เพื่อสร้าง เมทริกซ์ Vandermonde ของพหุนาม Hermite ใช้ chebyshev.hermvander() ใน Python Numpyprint("\nResult...\n",H.hermvander(x, 2))
 
ผลลัพธ์
 
Our Array... [-2.+2.j -1.+2.j 0.+2.j 1.+2.j 2.+2.j]Dimensions of our Array...1ประเภทข้อมูล ของ Array object...complex128Shape of our Array object...(5,)ผลลัพธ์... [[ 1. +0.j -4. +4.j -2.-32.j] [ 1. +0.j -2. +4.j -14.-16.j] [ 1. +0.j 0. +4.j -18. +0.j] [ 1. +0.j 2. +4.j -14.+16.j] [ 1. +0.j 4. +4.j -2.+32.j]]