NumPy의 legendre.legvander3d() 메서드를 사용하면 x, y, z 샘플 포인트에 대한 르장드르(Legendre) 다항식의 의사 Vandermonde 행렬을 생성할 수 있습니다. 이 메서드는 지정된 차수(deg)와 샘플 포인트 (x, y, z)를 기반으로 의사 Vandermonde 행렬을 반환합니다.
매개변수 x, y, z는 모두 동일한 형태(shape)를 가지는 점 좌표 배열입니다. 요소 중 하나라도 복소수가 포함되어 있으면 dtype은 float64 또는 complex128로 자동 변환됩니다. 스칼라 값은 1차원 배열로 변환됩니다. deg 매개변수는 [x_deg, y_deg, z_deg] 형태로 각 축별 최대 차수를 나타내는 리스트입니다.
단계별 진행 방법
1. 필요한 라이브러리 임포트
import numpy as np
from numpy.polynomial import legendre as L
2. 점 좌표 배열 생성
numpy.array() 메서드를 사용하여 모두 동일한 형태를 가지는 점 좌표 배열을 생성합니다.
x = np.array([1.5, 2.3])
y = np.array([3.7, 4.4])
z = np.array([5.3, 6.6])
3. 배열 출력 및 속성 확인
생성된 배열과 데이터 타입, 차원, 형태를 확인해 보겠습니다.
# 배열 출력
print("Array1...\n",x)
print("\nArray2...\n",y)
print("\nArray3...\n",z)
# 데이터 타입 확인
print("\nArray1 datatype...\n",x.dtype)
print("\nArray2 datatype...\n",y.dtype)
print("\nArray3 datatype...\n",z.dtype)
# 차원 확인
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)
print("\nDimensions of Array3...\n",z.ndim)
# 형태(shape) 확인
print("\nShape of Array1...\n",x.shape)
print("\nShape of Array2...\n",y.shape)
print("\nShape of Array3...\n",z.shape)
4. 의사 Vandermonde 행렬 생성
x, y, z 샘플 포인트를 기반으로 르장드르 다항식의 의사 Vandermonde 행렬을 생성하려면 legvander3d() 메서드를 사용합니다.
x_deg, y_deg, z_deg = 2, 3, 4
print("\nResult...\n",L.legvander3d(x,y,z, [x_deg, y_deg, z_deg]))
전체 예제 코드
import numpy as np
from numpy.polynomial import legendre as L
# 동일한 형태의 점 좌표 배열 생성
x = np.array([1.5, 2.3])
y = np.array([3.7, 4.4])
z = np.array([5.3, 6.6])
# 배열 출력
print("Array1...\n",x)
print("\nArray2...\n",y)
print("\nArray3...\n",z)
# 데이터 타입 출력
print("\nArray1 datatype...\n",x.dtype)
print("\nArray2 datatype...\n",y.dtype)
print("\nArray3 datatype...\n",z.dtype)
# 차원 확인
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)
print("\nDimensions of Array3...\n",z.ndim)
# 형태(shape) 확인
print("\nShape of Array1...\n",x.shape)
print("\nShape of Array2...\n",y.shape)
print("\nShape of Array3...\n",z.shape)
# legvander3d() 메서드로 의사 Vandermonde 행렬 생성
x_deg, y_deg, z_deg = 2, 3, 4
print("\nResult...\n",L.legvander3d(x,y,z, [x_deg, y_deg, z_deg]))
실행 결과
Array1...
[1.5 2.3]
Array2...
[3.7 4.4]
Array3...
[5.3 6.6]
Array1 datatype...
float64
Array2 datatype...
float64
Array3 datatype...
float64
Dimensions of Array1...
1
Dimensions of Array2...
1
Dimensions of Array3...
1
Shape of Array1...
(2,)
Shape of Array2...
(2,)
Shape of Array3...
(2,)
Result...
[[1.00000000e+00 5.30000000e+00 4.16350000e+01 3.64242500e+02
3.34712294e+03 3.70000000e+00 1.96100000e+01 1.54049500e+02
1.34769725e+03 1.23843549e+04 2.00350000e+01 1.06185500e+02
8.34157225e+02 7.29759849e+03 6.70596081e+04 1.21082500e+02
6.41737250e+02 5.04126989e+03 4.41033925e+04 4.05278013e+05
1.50000000e+00 7.95000000e+00 6.24525000e+01 5.46363750e+02
5.02068441e+03 5.55000000e+00 2.94150000e+01 2.31074250e+02
2.02154588e+03 1.85765323e+04 3.00525000e+01 1.59278250e+02
1.25123584e+03 1.09463977e+04 1.00589412e+05 1.81623750e+02
9.62605875e+02 7.56190483e+03 6.61550888e+04 6.07917020e+05
2.87500000e+00 1.52375000e+01 1.19700625e+02 1.04719719e+03
9.62297845e+03 1.06375000e+01 5.63787500e+01 4.42892313e+02
3.87462959e+03 3.56050202e+04 5.76006250e+01 3.05283313e+02
2.39820202e+03 2.09805957e+04 1.92796373e+05 3.48112188e+02
1.84499459e+03 1.44936509e+04 1.26797253e+05 1.16517429e+06]
[1.00000000e+00 6.60000000e+00 6.48400000e+01 7.08840000e+02
8.13847200e+03 4.40000000e+00 2.90400000e+01 2.85296000e+02
3.11889600e+03 3.58092768e+04 2.85400000e+01 1.88364000e+02
1.85053360e+03 2.02302936e+04 2.32271991e+05 2.06360000e+02
1.36197600e+03 1.33803824e+04 1.46276222e+05 1.67945508e+06
2.30000000e+00 1.51800000e+01 1.49132000e+02 1.63033200e+03
1.87184856e+04 1.01200000e+01 6.67920000e+01 6.56180800e+02
7.17346080e+03 8.23613366e+04 6.56420000e+01 4.33237200e+02
4.25622728e+03 4.65296753e+04 5.34225579e+05 4.74628000e+02
3.13254480e+03 3.07748795e+04 3.36435312e+05 3.86274669e+06
7.43500000e+00 4.90710000e+01 4.82085400e+02 5.27022540e+03
6.05095393e+04 3.27140000e+01 2.15912400e+02 2.12117576e+03
2.31889918e+04 2.66241973e+05 2.12194900e+02 1.40048634e+03
1.37587173e+04 1.50412233e+05 1.72694225e+06 1.53428660e+03
1.01262916e+04 9.94831431e+04 1.08756371e+06 1.24867485e+07]]
정리
이 예제에서는 세 개의 1차원 부동 소수점(float64) 배열을 입력으로 사용했습니다. 결과 행렬은 각 샘플 포인트에 대해 르장드르 다항식 기저 함수들의 곱으로 구성되며, 차수 조합 (x_deg+1) × (y_deg+1) × (z_deg+1) = 3 × 4 × 5 = 60개의 열을 가지게 됩니다. 이러한 의사 Vandermonde 행렬은 다변량 르장드르 다항식 피팅(fitting) 및 평가에 활용됩니다.