Cómo evaluar el polinomio en X y la forma del coeficiente NumPy Array extendido para cada dimensión

En este artículo, discutiremos cómo evaluar un polinomio en los puntos x y la forma de la array de coeficientes extendida para cada dimensión de x en Python .

Example:
Input: matrix([[7, 6],
              [2, 3]])
Output: [[ 9. 11.]
         [ 9. 12.]]

Usamos la función polynomial.polyval() para evaluar un polinomio en las ubicaciones x en Python NumPy . 

Sintaxis: numpy.polyval(p, x)

Parámetros:

• p : [array_like o poly1D] los coeficientes polinómicos se dan en orden decreciente de potencias. Si el segundo parámetro (raíz) se establece en Verdadero, los valores de array son las raíces de la ecuación polinomial.
• x : [array_like o poly1D] Un número, una array de números, para evaluar ‘p’.

Retorno: Valor evaluado del polinomio.

La forma de la array de coeficientes ‘Arr’ se expande por unos a la derecha, uno para cada dimensión de x, si el tercer parámetro, es decir, ‘tensor’ es Verdadero. Para esta acción, los escalares no tienen dimensión. Como consecuencia, cada elemento de x se evalúa para cada columna de coeficientes en ‘Arr’. Si es Falso, para la evaluación, x se distribuye en las columnas de ‘Arr’. Cuando ‘Arr’ es multidimensional, este término resulta útil. Verdadero es el estado predeterminado.

Implementación paso a paso

Paso 1: Importar NumPy 

import numpy as np
from numpy.polynomial.polynomial import polyval

Paso 2: ahora tenemos que crear una array multidimensional ‘Arr’ de coeficientes como se muestra a continuación:

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

Paso 3: Para evaluar un polinomio en los puntos x, usamos la función polynomial.polyval() en Python Numpy

print("Result : \n",polyval([1,2], Arr, tensor=True))

Ejemplo 1 :

# importing necessary libraries
import numpy as np
from numpy.polynomial.polynomial import polyval
 
# Create a multidimensional array 'Arr'
# of coefficients
Arr = np.matrix([[7,6],[2,3]])
 
# To evaluate a polynomial at points x,
# we use the polynomial.polyval()
# function in Python Numpy
print(polyval([1,2], Arr, tensor=True))

Producción :

[[ 9. 11.]
 [ 9. 12.]]

Ejemplo 2:

# import polyval library from numpy
from numpy.polynomial.polynomial import polyval
 
# create a multidimensional array or matrix
Arr = [[7, 6], [2, 3]]
 
# evaluate polynomial at points x using
# polyval function
print(polyval([1, 2], Arr, tensor=True))

Producción :

[[ 9. 11.]
 [ 9. 12.]]