“的 $n$ 次首一正交多项式。$\pi n$ 有 $n$ 个位于 $(a,b)$ 内的互异实根 $x 1,\ldots,x n$。以这些根为节点,存在唯一权重 $\lambda i 0$,使…”
形式陈述 ​
设区间
这是多项式函数空间上的内积。若
则
取首一多项式
其中
在这些条件下,
直觉 ​
单项式基把所有次数都绑在同一个坐标尺度上,投影系数彼此耦合;正交基则按问题的权重把不同次数分成互不干扰的方向。权函数强调哪些区域重要,区间规定对象的几何范围,因此换一个权或区间会得到不同的“自然坐标系”。
三项递推把升一阶所需的信息压缩到前两阶;交错零点则在区间中形成结构化节点。这两项结构分别支撑稳定求值和 Gaussian 求积,而不是特殊函数目录中的偶然公式。
例子与边界 ​
在
并且
四个常见家族对应不同测度:第一类 Chebyshev 多项式位于
若权函数改变符号,积分形式可能不再正定,“范数”、实零点和
推论与应用 ​
正交多项式的零点给 Gaussian 求积节点;Chebyshev 多项式的余弦结构给接近一致范数最优的插值节点;在最小二乘和谱方法中,正交展开把投影方程化为对角或结构化形式。它们共享的是内积与递推结构,不必把所有算法塞进本页。
实际高阶计算应使用三项递推、Clenshaw 型求值或成熟库,而不是先展开成巨大单项式系数。数学正交性提供结构,有限精度实现仍需检查缩放、溢出和递推的方向稳定性。
参考资料
- NIST Digital Library of Mathematical Functions, Chapter 18: Orthogonal Polynomials.
- Walter Gautschi, Orthogonal Polynomials: Computation and Approximation, Oxford University Press, 2004.
- Gábor Szegő, Orthogonal Polynomials, 4th ed., American Mathematical Society, 1975.