在Python中用多维系数数组对x点的Hermite_e数列进行评估

在Python中，我们可以使用SciPy库中的special模块来对Hermite_e数列进行评估。这个模块提供了一个hermitee命令，可以用于计算一组给定值上的Hermite_e函数的值。

首先，我们需要导入相关的模块和库，并定义要评估的数值数组x。以下是一个简单的示例：

import numpy as np
from scipy import special

x = np.arange(0, 10, 0.5)

接下来，我们可以使用hermitee命令来计算Hermite_e函数在给定数值上的值。hermitee命令的第一个参数是要计算的值的阶数，第二个参数是要计算的数值数组。

hermite_e_values = special.hermitee(3, x)
print(hermite_e_values)

这将打印出计算出的Hermite_e函数的值。

除了使用hermitee命令，我们还可以使用多维系数数组来计算Hermite_e函数的值。我们可以使用matplotlib库中的mlab模块来创建这样的数组，并使用meshgrid函数将多个n维坐标向量转换为一个n维网格中的坐标矩阵。

import matplotlib.mlab as mlab

x, y = np.meshgrid(np.linspace(-2, 2, num=50), np.linspace(-2, 2, num=50))
z = mlab.bivariate_normal(x, y, mu_x=0, mu_y=0, sigma_x=1, sigma_y=1)

接下来，我们可以使用Hermite_e函数作为多项式系数数组对网格中的每个点进行评估。我们可以使用numpy.polynomial.hermite_e中的hermitee函数来进行此操作。

from numpy.polynomial.hermite_e import hermitee

hermite_e_values = hermitee(x, [0, 1, 2, 3])
result = np.sum(hermite_e_values * z)
print(result)

这将打印出计算出的Hermite_e函数的值。

需要注意的是，在使用多维系数数组进行Hermite_e函数的评估时，输入的多项式系数数组必须是按阶数排列的，且需要指定函数的阶数。