یک برنامه پایتون بنویسید که تابعی به نام compute_remainder_array(mat, divisor) پیاده‌سازی کند که با دریافت یک آرایه یا ماتریس بزرگ (numpy array) و یک عدد صحیح مقسوم‌علیه، باقی‌مانده تقسیم هر عنصر را به‌صورت برداری و بهینه بازگرداند.

برای حل این مسئله از کتابخانهٔ NumPy استفاده کنید و به‌جای حلقه‌های پایتون از عملگر برداری NumPy (np.mod یا عملگر %) بهره ببرید تا سرعت و کارایی زیاد حاصل شود. توجه کنید که نوع داده (dtype) مناسب انتخاب شود (مثلاً int64) و در صورت کار با آرایه‌های خیلی بزرگ می‌توان از np.memmap یا پردازش به‌صورت بخش‌بخش (chunking) برای کاهش مصرف حافظه استفاده کرد؛ برای بهبود بیشتر در محیط‌های HPC می‌توان از کتابخانه‌هایی مانند numexpr یا Numba برای کامپایل و سرعت‌بخشی بهره گرفت. نکات عملی: ورودی‌ها را اعتبارسنجی کنید (مقسوم‌علیه صفر نباشد)، و با استفاده از np.mod رفتار با اعداد منفی را بررسی کنید تا نتیجه مطابق انتظار باشد.