numpy.polynomial.legendre.legder#

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

对勒让德级数进行求导。

返回沿 axis 方向对勒让德级数系数 c 求 m 阶导数后的结果。每次迭代，结果都会乘以 scl（此缩放因子用于线性变量变换）。参数 c 是一个系数数组，沿每个轴的度数从低到高排列，例如，`[1,2,3]` 表示级数 1*L_0 + 2*L_1 + 3*L_2，而 `[[1,2],[1,2]]` 表示 1*L_0(x)*L_0(y) + 1*L_1(x)*L_0(y) + 2*L_0(x)*L_1(y) + 2*L_1(x)*L_1(y)（如果 `axis=0` 是 `x` 轴，`axis=1` 是 `y` 轴）。

参数:

c类数组: 勒让德级数系数数组。如果 `c` 是多维的，则不同的轴对应不同的变量，每个轴的度数由相应的索引给出。
m整型，可选: 求导次数，必须为非负数。(默认值: 1)
scl标量，可选: 每次求导都乘以 scl。最终结果是乘以 scl**m。这用于线性变量变换。(默认值: 1)
axis整型，可选: 进行求导的轴。(默认值: 0)。

返回:

derndarray: 求导后的勒让德级数。

另请参阅

legint

注意

通常，对勒让德级数求导的结果与对幂级数进行相同操作的结果不相似。因此，此函数的结果可能“不直观”，但却是正确的；请参见下面的示例部分。

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.])