Python

点(x, y, z)における3次元チェビシェフ級数を評価するには、PythonのNumPyが提供するpolynomial.chebval3d()メソッドを使用します。このメソッドは、x、y、zの対応する値の組み合わせから構成される各点における多次元多項式の値を返します。 パラメータの説明 x、y、z：3次元級数は点(x, y, z)において評価されます。x、y、zはすべて同じ形状を持つ必要があります。いずれかがリストやタプルの場合は、まずndarrayに変換されます。ndarrayでない場合は、スカラーとして扱われます。 c：係数の配列です。多重次数i, j, kの項に対応する係数はc[i,

PythonのNumPyライブラリでは、hermite.hermval() メソッドを使用することで、指定した点xにおけるエルミート級数を評価できます。本記事では、このメソッドのパラメータの詳細と、実際のコード例をわかりやすく解説します。hermite.hermval()メソッドのパラメータ第1引数： x評価を行う点を指定します。xがリストまたはタプルの場合はndarrayに変換され、それ以外の場合はスカラーとしてそのまま扱われます。いずれの場合も、xまたはその要素は、自身および係数cの要素との加算・乗算をサポートしている必要があります。第2引数： C係数の配列です。次数nの項に対応する係数が

chebgrid2d()メソッドとはPythonでxとyのデカルト積（直積）上の各点において2次元チェビシェフ級数を評価するには、numpy.polynomialモジュールの chebgrid2d(x, y, c) メソッドを使用します。このメソッドは、xとyのデカルト積で構成されるすべての点の組み合わせに対して、2次元チェビシェフ級数の値を返します。なお、類似の関数である chebval2d() は点(x, y)のペアそのもので評価するのに対し、chebgrid2d() はxとyの全組み合わせ（グリッド状の点）で評価するという違いがあります。用途に応じて使い分けるとよいでしょう。パラメータの

Pythonでxとyのデカルト積（直積）上の各点における2次元チェビシェフ級数を評価するには、NumPyの多項式モジュールが提供するchebgrid2d(x, y, c)メソッドを使用します。このメソッドは、xとyのデカルト積で構成されるグリッド上の点ごとに、2次元チェビシェフ級数の値を計算して返します。chebgrid2d()メソッドの概要引数について：x, y： 2次元級数を評価する対象となる点列です。xまたはyがリストやタプルの場合は、まずndarrayに変換されます。それ以外の場合はそのまま変更されず、ndarrayでなければスカラーとして扱われます。c： 係数の配列です。多項式の次数

3次元多項式をx、y、zのデカルト積上で評価するには、Pythonの polynomial.polygrid3d(x, y, z, c) メソッドを使用します。このメソッドは、x、y、zのデカルト積の各点における3次元多項式の値を返します。 第1パラメータのx、y、zは、3次元級数を評価するデカルト積上の点を指定します。x、y、zがリストまたはタプルである場合、まずndarrayに変換されます。それ以外の場合はそのまま変更されず、ndarrayでなければスカラーとして扱われます。 第2パラメータのcは係数の配列で、次数i、j、kの項に対応する係数がc[i,j,k]に格納されるように順序付けされ

x、y、zのデカルト積（直積）上で3次元多項式を評価するには、Pythonの polynomial.polygrid3d(x, y, z) メソッドを使用します。このメソッドは、x、y、zのデカルト積の各点における3次元多項式の値を返します。 polygrid3d() メソッドのパラメータ 第1パラメータ：x、y、z x、y、zは、3次元級数を評価する対象となる点の集合です。実際の評価は、これら3つの点群のデカルト積上で行われます。引数がリストやタプルの場合は、まずndarrayに変換されます。それ以外の場合は変更されず、ndarrayでなければスカラーとして扱われます。 第2パラメータ：c

PythonのNumPyで多項式を微分するには、numpy.polynomial.polynomial.polyder()メソッドを使用します。このメソッドは、指定した軸（axis）に沿って多項式の係数cをm回微分した結果を返します。各反復処理のたびに結果はscl（スケーリング係数）で乗算され、これは変数の線形変換を行う際に役立ちます。 引数cは、各軸に沿って次数の低い順から高い順に並べられた係数の配列です。例えば、[1,2,3]は「1 + 2*x + 3*x**2」という多項式を表し、axis=0がx、axis=1がyの場合、[[1,2],[1,2]]は「1 + 1*x + 2*y + 2*

特定の次数の疑似ファンデルモンド行列（Pseudo-Vandermonde行列）を生成するには、PythonのNumPyで提供されている polynomial.polyvander2d() 関数を使用します。このメソッドは、指定した次数 deg とサンプル点 (x, y) に基づく疑似ファンデルモンド行列を返します。 パラメータ x と y は点の座標を表す配列で、すべて同じ形状である必要があります。データ型（dtype）は、要素に複素数が含まれるかどうかに応じて、float64 または complex128 のいずれかに自動的に変換されます。また、スカラー値は1次元配列へと変換されます。パラ

PythonのNumPyライブラリには、多項式や特殊関数を扱うための強力なモジュールが多数用意されています。その中でも、numpy.polynomial.hermiteモジュールに含まれるhermsub()メソッドを使うと、2つのエルミート級数の減算（差）を簡単に計算できます。 このメソッドは、c1 − c2 の差を表すエルミート級数の係数配列を返します。係数の並び順は低次項から高次項への昇順で、例えば [1, 2, 3] という配列は P₀ + 2·P₁ + 3·P₂ という級数を表します。引数 c1 と c2 には、それぞれ低次から高次の順に並べた1次元のエルミート級数係数配列を指定します

PythonのNumPyライブラリでは、hermite.hermval()メソッドを使用することで、指定した点xにおけるエルミート級数を簡単に評価できます。本記事では、tensor引数にTrueを指定した際に、係数配列の形状がxの各次元に対してどのように拡張されるのかについても詳しく解説します。hermval()メソッドのパラメータ第1引数：x（評価する点）xはエルミート級数を評価する対象の点です。リストやタプルを渡した場合はndarrayに変換され、それ以外の場合はスカラーとしてそのまま扱われます。いずれの場合も、xまたはその要素は、自身およびcの要素との加算・乗算をサポートしている必要があ

指定した次数の擬似ファンデルモンド行列(Pseudo-Vandermonde matrix)を生成するには、PythonのNumPyが提供する polynomial.polyvander2d() 関数を使用します。この関数は、指定された次数 deg とサンプル点 (x, y) に基づく擬似ファンデルモンド行列を返します。パラメータ x と y は点座標の配列で、両方とも同じ形状である必要があります。要素に複素数が含まれるかどうかに応じて、データ型(dtype)は float64 または complex128 のいずれかに変換されます。スカラー値を渡した場合は、自動的に1次元配列へ変換されます。

チェビシェフ級数を微分するには、Python NumPy の polynomial.chebder() メソッドを使用します。このメソッドは、導関数のチェビシェフ級数を返します。具体的には、引数 c で与えられたチェビシェフ級数の係数を、指定した軸に沿って m 回微分した結果を返し、反復のたびに結果が scl 倍されます。引数 c は、各軸に沿って次数の低い項から高い項へと並べられた係数の配列です。たとえば [1,2,3] は 1*T_0 + 2*T_1 + 3*T_2 という級数を表し、[[1,2],[1,2]] は axis=0 が x、axis=1 が y に対応する場合、1*T_0(x

チェビシェフ級数を微分するには、PythonのNumPyが提供する polynomial.chebder() メソッドを使用します。このメソッドは、導関数のチェビシェフ級数を返します。具体的には、チェビシェフ級数の係数 c を指定した軸に沿って m 回微分し、その結果を返します。微分の各反復ごとに結果は scl 倍されます。引数 c は、各軸に沿って次数の低い項から高い項へと並べられた係数の配列です。たとえば、[1,2,3] は 1*T_0 + 2*T_1 + 3*T_2 という級数を表します。また、[[1,2],[1,2]] は、axis=0 が x、axis=1 が y に対応する場合、1

PythonのNumPyライブラリでは、numpy.polynomial.polynomialモジュールに含まれる polyvander2d() 関数を使用することで、指定した次数の疑似ファンデルモンド（Pseudo-Vandermonde）行列を簡単に生成できます。この関数は、サンプル点 (x, y) と最大次数 deg に対応する疑似ファンデルモンド行列を返します。パラメータ x と y には点座標の配列を渡しますが、両者は同じ形状である必要があります。配列の要素に複素数が含まれる場合、データ型は float64 または complex128 のいずれかに自動的に変換されます。スカラー値を

PythonのNumPyを使用して、チェビシェフ多項式とx、y、zのサンプル点から疑似ファンデルモンド行列（pseudo Vandermonde matrix）を生成するには、chebyshev.chebvander3d()関数を使います。このメソッドは、指定した次数degおよびサンプル点(x, y, z)に対応する疑似ファンデルモンド行列を返します。 パラメータの説明 x、y、z：点座標の配列です。すべて同じ形状である必要があります。要素に複素数が含まれるかどうかに応じて、dtypeはfloat64またはcomplex128に自動的に変換されます。スカラー値を渡した場合は1次元配列に変換さ

PythonのNumPyでは、polynomial.polyder()メソッドを使うことで多項式を微分できます。このメソッドは、指定した軸に沿って多項式係数cをm回微分した結果を返します。各反復ごとに結果はscl（スケール係数）で乗算され、このスケール係数は変数の線形変換を行う際に使用されます。引数cは、各軸に沿って低次から高次へと並んだ係数の配列です。たとえば、[1,2,3]は多項式 1 + 2*x + 3*x**2 を表し、[[1,2],[1,2]]はaxis=0がx、axis=1がyである場合に 1 + 1*x + 2*y + 2*x*y を表します。polyder()メソッドのパラメー

PythonのNumPyライブラリを使って多項式を微分するには、polynomial.polyder()メソッドを使用します。このメソッドは、指定された軸に沿って多項式の係数配列cをm回微分した結果を返します。各反復処理のたびに結果はscl（スケーリング係数）で乗算されます。このスケーリング係数は、変数の線形変換を行う際に使用されるものです。引数cは、各軸に沿って低次から高次へと並んだ係数の配列です。例えば、[1,2,3]は多項式「1 + 2*x + 3*x**2」を表し、axis=0がx、axis=1がyである場合、[[1,2],[1,2]]は「1 + 1*x + 2*y + 2*x*y」を

多項式係数の1次元配列からスケーリングされたコンパニオン行列を返すには、Python NumPyの chebyshev.chebcompanion() メソッドを使用します。このメソッドでは基底多項式がスケーリングされているため、引数 c がチェビシェフ基底多項式の係数列であれば、得られるコンパニオン行列は対称行列になります。その結果、スケーリングを行わない場合と比べてより精度の高い固有値推定が可能となり、さらに numpy.linalg.eigvalsh を使って固有値を計算すれば、固有値が必ず実数になることが保証されます。メソッドの戻り値は、形状が (deg, deg) のスケーリングされ

チェビシェフ級数の最小二乗近似をデータに適合させるには、PythonのNumPyが提供するchebyshev.chebfit()関数を使用します。この関数は、低次から高次の順に並べられたチェビシェフ係数を返します。yが2次元配列の場合、yのk列目のデータに対応する係数は、結果のk列目に格納されます。引数xには、M個のサンプル（データ）点(x[i], y[i])のx座標を指定します。引数yにはサンプル点のy座標を指定します。同じx座標を共有する複数組のサンプル点は、1つのデータセットを1列として含む2次元配列をyに渡すことで、1回の呼び出しでそれぞれ独立にフィットできます。引数degはフィッティ

エルミート級数に独立変数 x を掛けるには、Python の NumPy が提供する polynomial.hermite.hermmulx() メソッドを使用します。このメソッドは、乗算の結果を表す新しい配列を返します。引数 c には、エルミート級数の係数を低次から高次の順に並べた1次元配列を指定します。なお、エルミート多項式は漸化式 x・Hₙ(x) = Hₙ₊₁(x)/2 + n・Hₙ₋₁(x) を満たすため、hermmulx() を使うと結果の係数配列の次数が1つ増えて返されます。手順まず、必要なライブラリをインポートします。import numpy as np from numpy.p