polynomial_base
index
/home/hennich/Uni/SONC_polynomial_optimization/python/polynomial_base.py

Class for multivariate polynomials in sparse notation, focus on optimisation.

 
Modules
       
aux
numpy
random
re
sqlite3
sympy
warnings

 
Classes
       
builtins.object
Polynomial

 
class Polynomial(builtins.object)
    Class for multivariate polynomials in sparse notation, focus on optimisation.
 
  Methods defined here:
__add__(self, other)
Return the sum of this polynomial with another one.
__call__(self, x, dtype='float')
Evaluate the polynomial at point x.
__dict__ = mappingproxy({'__module__': 'polynomial_base', '...f__' of 'Polynomial' objects>, '__hash__': None})
__eq__(self, other)
Check equality of polynomials.
__init__(self, *args, **kwargs)
Create a new multivariate polynomial object for optimisation.
 
Call:
        p = Polynomial(A, b)
        p = Polynomial(s)
        p = Polynomial(shape, variables, degree, terms[, inner])
        p = Polynomial(nr)
Input:
        There are different possible inputs:
        ---
        A - (n x t)-matrix or list of lists, representiong the exponents
        b - array-like of length t
        ---
        s - string, which represents the polynomial, variables as 'x0' or 'x(0)'
        ---
        shape - string, describes Newton polytope, can be 'simplex'/'standard_simplex'/'general'
        variables - int, maximal number of variables
        degree - int, maximal degree
        terms - int, number of terms
        inner [optional, default 0] - minimal number of interior points
        ---
        nr - number, which tells the rowid of the database
        ---
 
Additional keywords
        seed [default None] - seed for the random number generator
        dirty [default True] - flag, whether the input is in an unclean state
                USE ONLY IF YOU KNOW WHAT YOU ARE DOING.
        matlab_instance [default newly created] - bridge to matlab, to avoid starting multiple instances
        orthant [default (0,...,0)] - restriction to some orthants, one entry for each variable
                0 - unknown sign
                1/-1 - positive/negative half space
__neg__(self)
Return the negation of this polynomial.
__sizeof__(self)
Return bit-size of the instance.
__str__(self)
Return the polynomial as string.
__sub__(self, other)
Return the difference between this polynomial and another one.
clean(self)
Bring polynomial into clean state.
copy(self)
Return a copy of itself.
derive(self, index)
Compute the derivative with respect to the given index.
 
Call:
        res = p.derive(index)
Input:
        index [integer] - index of variable, by which we derive p, starting with zero
Output:
        res - Polynomial, derivative of p by x_index
pip(self)
Return the polynomial in PIP-format.
prime(self, variables=None)
Compute full derivative of the polynomial.
 
Call:
        pprime = p.prime([variables])
Input:
        variables [optional, default: all occurring] - number of variables, by which we derive
Output:
        pprime - Polynomial, derivative of p
scaleround(self, factor)
Scale polynomial and round coefficients to integer.
 
Call:
        p.scaleround(factor)
Input:
        factor [number] - scale all coefficients by 'factor', then round to integer
 
Note: This function changes the coefficients in place and sets the 'dirty' flag to 'True'.
tex(self)
Return the polynomial as string for LaTeX.
to_symbolic(self)
Return the polynomial as symbolic expression in sympy.

Data descriptors defined here:
__weakref__
list of weak references to the object (if defined)

Data and other attributes defined here:
__hash__ = None

 
Data
        sqlite_flag = True
sympy_flag = True
x = x