با استفاده از پایتون یک ماتریس مربعی تصادفی با عناصر توزیع نرمال بساز و بزرگترین مقدار ویژه آن را محاسبه کن.

برای تضمین مقادیر ویژهٔ حقیقی، ابتدا ماتریس M را ساخته و به A = (M + M.T)/2 بدهید تا متقارن شود. از np.random.default_rng(seed).normal برای تولید ماتریس n×n با توزیع نرمال استفاده کنید و سپس با np.linalg.eigh(A) مقادیر ویژه را به دست آورید (این تابع برای ماتریس‌های متقارن سریع‌تر و پایدارتر است). بزرگترین مقدار ویژه را می‌توانید از w[-1] بدست آورید، چون مقادیر ویژه در eigh به صورت صعودی مرتب می‌شوند. برای کارایی و ثبات، از dtype=float64 استفاده کنید و در ماتریس‌های بزرگ از پیاده‌سازی‌های بهینه BLAS/LAPACK و در صورت نیاز از الگوریتم‌های تخصصی مانند eigsh بهره ببرید؛ همچنین می‌توانید با اندازه‌گیری زمان با time یا timeit کارایی را بسنجید.