পাইথন নামপাই-তে numpy.polynomial.hermite.hermcompanion() মেথড ব্যবহার করে ১-ডাইমেনশনাল হার্মাইট সিরিজ কোইফিশিয়েন্ট অ্যারের স্কেলড কম্প্যানিয়ন ম্যাট্রিক্স (scaled companion matrix) ফেরত দেওয়া যায়।
বেসিস পলিনোমিয়ালগুলো স্কেল করা হয় যাতে কম্প্যানিয়ন ম্যাট্রিক্স সিমেট্রিক হয় যখন c হার্মাইট বেসিস পলিনোমিয়াল হয়। এটি অনস্কেলড কেসের চেয়ে ভালো আইজেনভ্যালু অনুমান দেয় এবং বেসিস পলিনোমিয়ালের জন্য আইজেনভ্যালুগুলো বাস্তব হওয়া গ্যারান্টিড যদি numpy.linalg.eigvalsh ব্যবহার করা হয়।
প্যারামিটার
- c: নিম্ন থেকে উচ্চ ডিগ্রি পর্যন্ত ক্রমবদ্ধ হার্মাইট সিরিজ কোইফিশিয়েন্টের ১-ডি অ্যারে
পদ্ধতি
প্রয়োজনীয় লাইব্রেরি ইম্পোর্ট করুন
import numpy as np
from numpy.polynomial import hermite as Hকোইফিশিয়েন্টের ১-ডি অ্যারে তৈরি করুন
c = np.array([1, 2, 3])অ্যারে এবং বৈশিষ্ট্য দেখুন
print("আমাদের অ্যারে...\n", c)
print("\nআমাদের অ্যারের মাত্রা...\n", c.ndim)
print("\nআমাদের অ্যারে অবজেক্টের ডেটা টাইপ...\n", c.dtype)
print("\nআমাদের অ্যারে অবজেক্টের আকার...\n", c.shape)স্কেলড কম্প্যানিয়ন ম্যাট্রিক্স বের করুন
print("\nফলাফল...\n", H.hermcompanion(c))সম্পূর্ণ উদাহরণ
import numpy as np
from numpy.polynomial import hermite as H
c = np.array([1, 2, 3])
print("আমাদের অ্যারে...\n", c)
print("\nআমাদের অ্যারের মাত্রা...\n", c.ndim)
print("\nআমাদের অ্যারে অবজেক্টের ডেটা টাইপ...\n", c.dtype)
print("\nআমাদের অ্যারে অবজেক্টের আকার...\n", c.shape)
print("\nফলাফল (স্কেলড কম্প্যানিয়ন ম্যাট্রিক্স)...\n", H.hermcompanion(c))আউটপুট
আমাদের অ্যারে...
[1 2 3]
আমাদের অ্যারের মাত্রা...
1
আমাদের অ্যারে অবজেক্টের ডেটা টাইপ...
int64
আমাদের অ্যারে অবজেক্টের আকার...
(3,)
ফলাফল (স্কেলড কম্প্যানিয়ন ম্যাট্রিক্স)...
[[ 0. 0.58925565]
[ 0.70710678 -0.33333333]]ব্যাখ্যা: কোইফিশিয়েন্ট [1, 2, 3] মানে হার্মাইট পলিনোমিয়াল H₀ + 2H₁ + 3H₂। এর কম্প্যানিয়ন ম্যাট্রিক্স ২×২ আকারের। আউটপুট ম্যাট্রিক্স সিমেট্রিক নেওয়ানো হয়েছে যাতে আইজেনভ্যালু বাস্তব হয়।
