Python

PythonのNumPyでは、多項式ユーティリティの polynomial.polyvander3d() 関数を使用することで、指定した次数と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行列）を生成できます。この関数は、引数として渡した次数 deg とサンプル点 (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。 パラメータの概要 x、y、z 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。要素に複素数が含まれるかどうかに応じて、データ型は float64 または complex128 に自動的に変換され、スカラー値は1

指定された次数とサンプル点 (x, y, z) からファンデルモンド行列を生成するには、Python NumPy の polynomial.polyvander3d() 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, 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 x、y、z は点座標の配列で、すべて同じ形状である必要があります。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 に変換され、スカラーは自動的に 1 次元配列へ変換されます。パラメータ deg は [x_deg, y_deg, z_d

指定された次数とサンプル点 (x, y, z) からファンデルモンド行列を生成するには、Python NumPy の polynomial.polyvander3d() 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, z) に対応する疑似ファンデルモンド行列を返します。主なパラメータは以下の通りです。x, y, z: 点の座標を表す配列です。3つの配列は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場合は complex128、含まれない場合は float64 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

多項式係数の1次元配列からコンパニオン行列（companion matrix）を返すには、PythonのNumPyが提供する polynomial.polycompanion() メソッドを使用します。コンパニオン行列とは、モニック多項式の係数から構成される正方行列であり、その固有値は元の多項式の根と一致するという重要な性質を持ちます。なお、冪級数（べき級数）の場合は基底のスケーリングによってコンパニオン行列を対称化することができないため、この関数は直交多項式向けの類似関数とは挙動が異なる点に注意してください。polycompanion() メソッドは、次数 deg の多項式に対して (deg

データに対する多項式の最小二乗近似（フィッティング）を求めるには、Python NumPy の polynomial.polyfit() メソッドを使用します。このメソッドは、低次から高次の順に並べられた多項式の係数を返します。y が 2 次元配列の場合、coef の k 列目の係数は、y の k 列目のデータに対する多項式近似を表します。主なパラメータx（x 座標）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。y（y 座標）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 データセットにつき 1 列を含む 2 次元配列を

多項式から小さな末尾の係数を削除するには、Python NumPyのpolynomial.polytrim()メソッドを使用します。このメソッドは、末尾のゼロを削除した1次元配列を返します。結果として得られる級数が空になる場合は、単一のゼロを含む級数が返されます。 ここでいう「小さい」とは「絶対値が小さい」ことを意味し、パラメータtolによって制御されます。「末尾」とは最高次の係数を指します。例えば、[0, 1, 1, 0, 0]（0 + x + x**2 + 0*x**3 + 0*x**4 を表す配列）の場合、3次と4次の係数の両方が「トリミング（削除）」されます。パラメータcは、低次から

Python NumPyでは、polynomial.chebyshev.chebadd()メソッドを使うことで、あるチェビシェフ級数を別のチェビシェフ級数に加算できます。このメソッドは、2つのチェビシェフ級数の和 c1 + c2 を表す配列を返します。 引数として渡すのは係数のシーケンスで、低次の項から高次の項へと順に並べます。たとえば [1,2,3] は T0 + 2·T1 + 3·T2 という級数を表します。パラメータ c1 と c2 には、低次から高次の順に並べられたチェビシェフ級数の係数を持つ1次元配列を指定します。 手順 まず、必要なライブラリをインポートします。 import nu

PythonのNumPyライブラリでは、polynomial.chebyshev.chebsub() メソッドを使うことで、あるチェビシェフ級数から別のチェビシェフ級数を減算できます。このメソッドは、2つのチェビシェフ級数の差（c1 − c2）を表す係数の配列を返します。係数の並び順は低次項から高次項の順です。たとえば [1, 2, 3] という配列は、T₀ + 2·T₁ + 3·T₂ というチェビシェフ級数を表します。引数 c1 と c2 には、それぞれ低次から高次の順に並べられたチェビシェフ級数の係数を格納した1次元配列を指定します。実行手順まず、必要なライブラリをインポートします。imp

Python NumPyでは、numpy.polynomial.chebyshev.chebmulx()メソッドを使うことで、チェビシェフ級数に独立変数 x を掛ける（乗算する）ことができます。このメソッドは、乗算結果を表す配列を返します。引数として渡すのは、次数の低い項から高い項へと並べたチェビシェフ級数の係数からなる1次元配列です。 なお、チェビシェフ多項式には x・Tn(x) = (Tn+1(x) + Tn-1(x)) / 2 という関係が成り立つため、chebmulx() は係数を効率よく再計算して新しい級数を返します。 実行手順 まず、必要なライブラリをインポートします。 impo

Hermite_e級数を微分するには、PythonのNumPyライブラリが提供する hermite_e.hermeder() メソッドを使用します。このメソッドを使うことで、多次元の係数配列に対して、指定した軸方向に沿って効率的に微分計算を行うことができます。hermeder() メソッドのパラメータ第1パラメータ(c): Hermite_e級数の係数を格納した配列です。cが多次元の場合、各軸はそれぞれ異なる変数に対応し、各軸における次数は対応するインデックスによって決まります。第2パラメータ(m): 微分を適用する回数です。非負の整数である必要があります。(デフォルト: 1)第3パラメータ(

Hermite_e級数を微分するには、PythonのNumPyライブラリが提供する hermite_e.hermeder() メソッドを使用します。第1引数の c は、Hermite_e級数の係数を格納した配列です。c が多次元の場合、各軸はそれぞれ異なる変数に対応し、各軸における次数は対応するインデックスによって決まります。第2引数の m は微分の回数を表し、非負の整数である必要があります(デフォルト: 1)。第3引数の scl はスカラー値で、微分のたびにこの値が乗算されます。最終的な結果には scl**m が掛けられることになり、変数の線形変換を行う際に役立ちます(デフォルト: 1)。第

xとyのデカルト積（直積）上で2次元エルミートE級数（Hermite_e series）を評価するには、Pythonのhermite_e.hermegrid2d(x, y, c)メソッドを使用します。このメソッドは、xとyのデカルト積の各点における2次元多項式の値を返します。パラメータの詳細x、y：2次元級数は、xとyのデカルト積の点において評価されます。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保持され、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。次数i、jの項に対応する係数がc[i,j]に格納されるように順序付け

x、y、zのデカルト積（直積）上で3次元のHermite_e級数を評価するには、Pythonの hermite.hermegrid3d(x, y, z, c) メソッドを使用します。このメソッドは、x、y、zのデカルト積で構成される各点における3次元多項式の値を返します。hermegrid3d() メソッドのパラメータまず、パラメータ x、y、z について説明します。3次元級数は、これら3つの配列が作るデカルト積の各点で評価されます。x、y、z のいずれかがリストやタプルの場合は、自動的に ndarray に変換されます。ndarray 以外のスカラーが渡された場合は、そのままスカラーとして扱

3次元のHermite_e級数（エルミートE級数）を x、y、z のデカルト積上で評価するには、Python の NumPy ライブラリが提供する hermite_e.hermegrid3d(x, y, z, c) メソッドを使用します。このメソッドは、x、y、z の各要素の組み合わせ（デカルト積）からなるすべての点における多項式の値を返します。hermegrid3d() メソッドのパラメータx, y, z： 3次元級数は、これら3つの配列のデカルト積で定義される点において評価されます。引数がリストやタプルで渡された場合は、まず ndarray に変換されます。ndarray 以外のオブジェク

PythonのNumPyライブラリには、3次元多項式を指定した点で評価するためのpolynomial.polyval3d()メソッドが用意されています。このメソッドは、x、y、zに対応する値の組み合わせ（トリプル）から構成される各点において、多次元多項式の値を返します。polyval3d()メソッドのパラメータx、y、z：3次元級数を評価する点の座標です。x、y、zは同じ形状である必要があります。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：係数を格納する配列です。多項式の次数 i, j, k に対応する項の係数は

PythonのNumPyライブラリを使用して、指定した点 x におけるチェビシェフ級数を評価するには、numpy.polynomial.chebyshev モジュールの chebval() メソッドを利用します。この記事では、chebval() の各パラメータの意味と、特に tensor 引数による係数配列の形状拡張の挙動について、具体的なコード例とともに解説します。 chebval()メソッドのパラメータ 第1引数：x（評価する点） チェビシェフ級数を評価する対象となる点です。x がリストやタプルとして渡された場合、自動的にndarrayに変換されます。それ以外の場合はスカラーとしてその

チェビシェフ級数を指定した点 x で評価するには、Python の NumPy が提供する chebyshev.chebval() メソッドを使用します。この記事では、各パラメータの意味と、多次元係数配列に対して tensor=False を指定して評価する具体的な手順を解説します。 chebval() メソッドのパラメータ 第1引数：x(評価する点) x がリストまたはタプルの場合は ndarray に変換され、それ以外の場合はそのままスカラーとして扱われます。どちらの場合でも、x またはその要素は、自身および係数配列 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

PythonのNumPyで点(x, y)における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chebval2d()メソッドを使用します。このメソッドは、xとyの対応する値のペアから構成される各点における2次元チェビシェフ級数の値を返します。 chebval2d()メソッドのパラメータ x, y：2次元級数を評価する点の座標です。xとyは同じ形状である必要があります。リストやタプルが渡された場合は、まずndarrayに変換され、それ以外の場合はそのまま扱われます。ndarrayでない場合はスカラーとして処理されます。 c：係数の配列です。多重次数i, jの項

Pythonでx、y、zのデカルト積（直積）上の3次元多項式を評価するには、numpy.polynomial.polynomialモジュールが提供する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）： 3次元級数を評価する点の座標です。x、y、zのデカルト積の各組み合わせに対して多項式が評価されます。引数がリストやタプルの場合は、まずndarrayに変換されます。ndarrayでない場合はスカラーとして扱われます。第2パラメータ

点 (x, y) における2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.chebval2d() メソッドを使用します。このメソッドは、x と y の対応する値同士をペアにして構成された各点における、2次元チェビシェフ級数の値を返します。 級数は点 (x, y) において評価されます。ここで、x と y は同じ形状を持つ必要があります。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。それ以外の場合は元のまま変更されず、ndarray でなければスカラーとして扱われます。 パラメータ c は係数の配列であり、多