Python으로 르장드르 급수 평가하기: 계수 열에 브로드캐스트된 점 x 활용법

Python NumPy에서 특정 점 x에서 르장드르(Legendre) 급수를 평가하려면 polynomial.legendre.legval() 메서드를 사용합니다. 이 메서드는 다항식 급수를 효율적으로 계산할 수 있는 강력한 도구로, 다양한 형태의 입력을 지원합니다.

legval() 메서드의 주요 매개변수

1. 첫 번째 매개변수: x

평가할 지점을 나타냅니다. x가 리스트(list)나 튜플(tuple)이면 ndarray로 변환되고, 그렇지 않으면 스칼라(scalar)로 취급됩니다. 어떤 경우든 x 또는 그 요소들은 자기 자신뿐만 아니라 계수 배열 c의 요소들과도 덧셈 및 곱셈 연산을 지원해야 합니다.

2. 두 번째 매개변수: C

계수 배열입니다. n차 항의 계수가 c[n]에 포함되도록 정렬되어 있습니다. c가 다차원 배열인 경우 나머지 인덱스들은 여러 개의 다항식을 나타냅니다. 2차원 배열의 경우 계수가 c의 열(column)에 저장되어 있다고 생각할 수 있습니다.

3. 세 번째 매개변수: tensor

tensor가 True이면 계수 배열의 형태(shape) 오른쪽에 x의 각 차원마다 하나씩 1을 추가하여 확장합니다. 스칼라는 이 작업에서 차원이 0으로 간주됩니다. 그 결과 c의 모든 계수 열이 x의 모든 요소에 대해 평가됩니다. 반대로 False이면 x가 c의 열 위로 브로드캐스트(broadcast)되어 평가가 수행됩니다. 이 키워드는 c가 다차원일 때 유용하며, 기본값은 True입니다.

단계별 구현 방법

먼저 필요한 라이브러리를 임포트합니다.

import numpy as np
from numpy.polynomial import legendre as L

다차원 계수 배열을 생성합니다.

c = np.arange(4).reshape(2,2)

배열을 출력해 확인합니다.

print("Our Array...\n",c)

배열의 차원을 확인합니다.

print("\nDimensions of our Array...\n",c.ndim)

배열의 데이터 타입(dtype)을 확인합니다.

print("\nDatatype of our Array object...\n",c.dtype)

배열의 형태(shape)를 확인합니다.

print("\nShape of our Array object...\n",c.shape)

특정 점 x에서 르장드르 급수를 평가하기 위해 polynomial.legendre.legval() 메서드를 사용하고, tensor 매개변수를 False로 설정합니다.

print("\nResult...\n",L.legval([1,2],c, tensor = False))

전체 예제 코드

import numpy as np
from numpy.polynomial import legendre as L

# 다차원 계수 배열 생성
c = np.arange(4).reshape(2,2)

# 배열 출력
print("Our Array...\n",c)

# 차원 확인
print("\nDimensions of our Array...\n",c.ndim)

# 데이터 타입 확인
print("\nDatatype of our Array object...\n",c.dtype)

# 형태 확인
print("\nShape of our Array object...\n",c.shape)

# legval() 메서드로 르장드르 급수 평가
tensor=False로 설정하여 x가 계수 열 위로 브로드캐스트됨
print("\nResult...\n",L.legval([1,2],c, tensor = False))

실행 결과

Our Array...
    [[0 1]
    [2 3]]

Dimensions of our Array...
2

Datatype of our Array object...
int64

Shape of our Array object...
(2, 2)

Result...
    [2. 7.]

위 결과를 보면, 2x2 형태의 계수 배열 c와 점 [1, 2]가 주어졌을 때 tensor=False 옵션 덕분에 x 값이 계수의 열 방향으로 브로드캐스트되어 각 열에 해당하는 르장드르 급수의 평가값인 [2., 7.]을 얻을 수 있었습니다. 이처럼 legval() 메서드는 tensor 매개변수를 조절함으로써 다차원 계수 배열과 다양한 평가 지점을 유연하게 처리할 수 있습니다.