numpy.polynomial.legendre.legder#

polynomial.legendre.legder(c, m=1, scl=1, axis=0)[源代码]#

对勒让德级数求导.

返回勒让德级数系数 c 沿 axis 求导 m 次的结果.在每次迭代中,结果乘以 scl (缩放因子用于线性变量更改).参数 c 是沿每个轴从低到高阶的系数数组,例如,[1,2,3] 表示级数 1L_0 + 2L_1 + 3L_2 ,而 [[1,2],[1,2]] 表示 1L_0(x)L_0(y) + 1L_1(x)L_0(y) + 2L_0(x)L_1(y) + 2L_1(x)L_1(y) 如果 axis=0 是 x 并且 axis=1 是 y .

参数:
carray_like

勒让德级数系数数组.如果 c 是多维的,则不同的轴对应于不同的变量,每个轴的次数由相应的索引给出.

m整数,可选

导数的阶数,必须是非负数.(默认值:1)

scl标量,可选.

每次微分都乘以 scl .最终结果是乘以 sclm .这用于变量的线性变化.(默认值:1)

axis整数,可选

对哪个轴求导.(默认值:0).

返回:
derndarray

导数的勒让德级数.

参见

legint

注释

通常,对勒让德级数求导的结果与对幂级数执行相同运算的结果不同.因此,此函数的结果可能“违反直觉”,但它是正确的;请参阅下面的“示例”部分.

示例

>>> from numpy.polynomial import legendre as L
>>> c = (1,2,3,4)
>>> L.legder(c)
array([  6.,   9.,  20.])
>>> L.legder(c, 3)
array([60.])
>>> L.legder(c, scl=-1)
array([ -6.,  -9., -20.])
>>> L.legder(c, 2,-1)
array([  9.,  60.])