Python NumPy에서 chebyshev.chebval() 메서드를 사용하면 주어진 점 x에서 체비쇼프(Chebyshev) 급수를 손쉽게 평가할 수 있습니다. 이 메서드는 특히 다차원 계수 배열을 다룰 때 유용하며, tensor 매개변수를 통해 계수 배열의 모양을 x의 각 차원에 맞게 확장할 수 있습니다.
chebval() 메서드의 주요 매개변수
1. x – 평가 지점
첫 번째 매개변수인 x는 체비쇼프 급수를 평가할 지점입니다. x가 리스트(list)나 튜플(tuple)로 전달되면 자동으로 ndarray로 변환되며, 그 외의 경우에는 변경되지 않은 채 스칼라로 취급됩니다. 어떤 경우든 x 또는 그 요소들은 자기 자신과, 그리고 계수 배열 c의 요소들과 덧셈 및 곱셈 연산을 지원해야 합니다.
2. c – 계수 배열
두 번째 매개변수인 c는 계수들이 정렬된 배열입니다. 차수 n에 해당하는 항의 계수는 c[n]에 저장됩니다. c가 다차원 배열인 경우, 나머지 인덱스들은 여러 개의 다항식을 나타냅니다. 특히 2차원 배열의 경우 계수들이 c의 열(column)에 저장되어 있다고 생각하면 이해하기 쉽습니다.
3. tensor – 계수 배열 모양 확장 여부
세 번째 매개변수인 tensor가 True이면, 계수 배열의 모양이 오른쪽에 1이 추가되면서 x의 각 차원마다 하나씩 확장됩니다. 이때 스칼라는 차원 0으로 간주됩니다. 그 결과, c의 모든 계수 열이 x의 모든 요소에 대해 평가됩니다. 반대로 False이면 평가 과정에서 x가 c의 열들 위로 브로드캐스팅(broadcasting)됩니다. 이 키워드는 c가 다차원일 때 특히 유용하며, 기본값은 True입니다.
구현 단계
1단계: 필요한 라이브러리 임포트
import numpy as np
from numpy.polynomial import chebyshev as C
2단계: 다차원 계수 배열 생성
c = np.arange(6).reshape(2,3)
3단계: 배열 출력 및 속성 확인
print("Our Array...\n",c)
print("\nDimensions of our Array...\n",c.ndim)
print("\nDatatype of our Array object...\n",c.dtype)
print("\nShape of our Array object...\n",c.shape)4단계: chebval() 메서드로 체비쇼프 급수 평가
print("\nResult (chebval)...\n",C.chebval([1,2],c,tensor=True))전체 예제 코드
import numpy as np
from numpy.polynomial import chebyshev as C
# 다차원 계수 배열 생성
c = np.arange(6).reshape(2,3)
# 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)
# 모양 확인
print("\nShape of our Array object...\n",c.shape)
# chebval() 메서드로 점 [1, 2]에서 체비쇼프 급수 평가
print("\nResult (chebval)...\n",C.chebval([1,2],c,tensor=True))
실행 결과
Our Array...
[[0 1 2]
[3 4 5]]
Dimensions of our Array...
2
Datatype of our Array object...
int64
Shape of our Array object...
(2, 3)
Result (chebval)...
[[ 3. 6.]
[ 5. 9.]
[ 7. 12.]]
위 결과에서 볼 수 있듯이, tensor=True 옵션 덕분에 2×3 형태의 계수 배열이 x의 요소 개수(2개)에 맞춰 확장되어, 각 계수 열이 점 1과 2에서 각각 독립적으로 평가됩니다. 이처럼 chebval() 메서드를 활용하면 복잡한 다차원 체비쇼프 급수 계산도 간결한 코드로 처리할 수 있습니다.