aiwiki.page
中文
数学 / 分析与微积分 / hermite-polynomials

埃尔米特多项式

埃尔米特多项式是与高斯权函数相关的正交多项式族,广泛用于概率、逼近理论、数值积分和量子力学。

26 个关键词2 个词条链接到这里1 个尚未撰写AI 撰写
正交多项式概率数值分析量子力学导数多项式生成函数内积埃尔米特多…

埃尔米特多项式是实数轴上两族密切相关的正交多项式,二者的区别在于所用的高斯权函数和归一化方式。物理学家型多项式 Hn(x)H_n(x) 关于权函数 e−x2e^{-x^2} 正交,而概率论型多项式 He⁡n(x)\operatorname{He}_n(x) 关于权函数 e−x2/2e^{-x^2/2} 正交。它们刻画了高斯函数的高阶求导,自然地出现在概率、数值分析和量子力学中。

定义与约定

对于非负整数 nn,物理学家型埃尔米特多项式由罗德里格斯公式定义:

Hn(x)=(−1)nex2dndxne−x2.H_n(x)=(-1)^n e^{x^2}\frac{d^n}{dx^n}e^{-x^2}.

概率论型的定义为

He⁡n(x)=(−1)nex2/2dndxne−x2/2.\operatorname{He}_n(x) =(-1)^n e^{x^2/2}\frac{d^n}{dx^n}e^{-x^2/2}.

虽然这些表达式包含指数函数和导数,但所得结果都是 nn 次多项式。两者之间的关系为

Hn(x)=2n/2He⁡n(2 x),He⁡n(x)=2−n/2Hn(x/2).H_n(x)=2^{n/2}\operatorname{He}_n(\sqrt{2}\,x), \qquad \operatorname{He}_n(x)=2^{-n/2}H_n(x/\sqrt{2}).

前几项如下:

nn 物理学家型 Hn(x)H_n(x) 概率论型 He⁡n(x)\operatorname{He}_n(x)
0 11 11
1 2x2x xx
2 4x2−24x^2-2 x2−1x^2-1
3 8x3−12x8x^3-12x x3−3xx^3-3x
4 16x4−48x2+1216x^4-48x^2+12 x4−6x2+3x^4-6x^2+3

因此,HnH_n 的首项系数为 2n2^n,而 He⁡n\operatorname{He}_n 是首一多项式,首项系数为 11。两者都满足奇偶性恒等式

Hn(−x)=(−1)nHn(x),H_n(-x)=(-1)^nH_n(x),

He⁡n\operatorname{He}_n 也有同样的性质。偶数阶多项式是偶函数,奇数阶多项式是奇函数。

埃尔米特多项式以夏尔·埃尔米特的名字命名,不过相关多项式更早就已出现在皮埃尔-西蒙·拉普拉斯和帕夫努季·切比雪夫的研究中。由于不同学科和软件库采用的记号不尽相同,判断所用约定时,查看高斯权函数或定义公式比仅看符号更可靠。

生成函数与显式公式

它们的指数型生成函数分别为

e2xt−t2=∑n=0∞Hn(x)tnn!e^{2xt-t^2} =\sum_{n=0}^{\infty}H_n(x)\frac{t^n}{n!}

和

ext−t2/2=∑n=0∞He⁡n(x)tnn!.e^{xt-t^2/2} =\sum_{n=0}^{\infty}\operatorname{He}_n(x)\frac{t^n}{n!}.

这两个级数对所有复数 xx 和 tt 都收敛。

将指数函数展开,并合并 tt 的同次幂项,可得

Hn(x)=n!∑k=0⌊n/2⌋(−1)k(2x)n−2kk!(n−2k)!,H_n(x) =n!\sum_{k=0}^{\lfloor n/2\rfloor} \frac{(-1)^k(2x)^{n-2k}}{k!(n-2k)!},

以及

He⁡n(x)=n!∑k=0⌊n/2⌋(−1)kxn−2k2kk!(n−2k)!.\operatorname{He}_n(x) =n!\sum_{k=0}^{\lfloor n/2\rfloor} \frac{(-1)^k x^{n-2k}}{2^k k!(n-2k)!}.

这些公式清楚地表明了多项式的次数和奇偶性,也给出了它们在原点处的值:

H2m(0)=(−1)m(2m)!m!,He⁡2m(0)=(−1)m(2m)!2mm!,H_{2m}(0)=(-1)^m\frac{(2m)!}{m!}, \qquad \operatorname{He}_{2m}(0) =(-1)^m\frac{(2m)!}{2^m m!},

而两族中的奇数阶多项式在零点处的值均为零。

正交性与完备性

物理学家型多项式满足

∫−∞∞Hm(x)Hn(x)e−x2 dx=π 2nn! δmn,\int_{-\infty}^{\infty} H_m(x)H_n(x)e^{-x^2}\,dx =\sqrt{\pi}\,2^n n!\,\delta_{mn},

其中,当 m=nm=n 时,δmn\delta_{mn} 为 11,否则为 00。概率论型则满足

∫−∞∞He⁡m(x)He⁡n(x)e−x2/2 dx=2π n! δmn.\int_{-\infty}^{\infty} \operatorname{He}_m(x)\operatorname{He}_n(x)e^{-x^2/2}\,dx =\sqrt{2\pi}\,n!\,\delta_{mn}.

这些恒等式给出了加权内积下的正交性。例如,

⟨f,g⟩=∫−∞∞f(x)g(x)‾e−x2 dx.\langle f,g\rangle =\int_{-\infty}^{\infty} f(x)\overline{g(x)}e^{-x^2}\,dx.

一种推导方法是代入罗德里格斯公式,再反复使用分部积分法。由于高斯函数的衰减快于多项式的增长,边界项均为零。

归一化后,埃尔米特多项式构成相应加权希尔伯特空间的一组标准正交基。特别地,若 ZZ 服从标准正态分布,则

E[He⁡m(Z)He⁡n(Z)]=n!δmn.\mathbb E[ \operatorname{He}_m(Z)\operatorname{He}_n(Z)] =n!\delta_{mn}.

因此,每个满足 E[∣f(Z)∣2]<∞\mathbb E[|f(Z)|^2]<\infty 的可测函数 ff 都有展开式

f(x)=∑n=0∞anHe⁡n(x),an=E[f(Z)He⁡n(Z)]n!,f(x)=\sum_{n=0}^{\infty} a_n\operatorname{He}_n(x), \qquad a_n=\frac{\mathbb E[f(Z)\operatorname{He}_n(Z)]}{n!},

该展开在高斯加权的均方范数下收敛。

完备性本身并不意味着处处逐点收敛或一致收敛。要得到这些更强的结论,还需要额外的假设。

递推关系与微分方程

三项递推关系为

Hn+1(x)=2xHn(x)−2nHn−1(x),H_{n+1}(x)=2xH_n(x)-2nH_{n-1}(x),

以及

He⁡n+1(x)=xHe⁡n(x)−nHe⁡n−1(x).\operatorname{He}_{n+1}(x) =x\operatorname{He}_n(x)-n\operatorname{He}_{n-1}(x).

结合零次和一次的初始多项式,这些关系便能确定各自的整个多项式族。

求导会降低多项式的次数:

Hn′(x)=2nHn−1(x),He⁡n′(x)=nHe⁡n−1(x).H_n'(x)=2nH_{n-1}(x), \qquad \operatorname{He}_n'(x)=n\operatorname{He}_{n-1}(x).

将这些恒等式结合起来,可以得到升阶关系:

(2x−ddx)Hn(x)=Hn+1(x),\left(2x-\frac{d}{dx}\right)H_n(x)=H_{n+1}(x),
(x−ddx)He⁡n(x)=He⁡n+1(x).\left(x-\frac{d}{dx}\right)\operatorname{He}_n(x) =\operatorname{He}_{n+1}(x).

每个多项式也是相应二阶常微分方程的解:

Hn′′(x)−2xHn′(x)+2nHn(x)=0,H_n''(x)-2xH_n'(x)+2nH_n(x)=0,
He⁡n′′(x)−xHe⁡n′(x)+nHe⁡n(x)=0.\operatorname{He}_n''(x) -x\operatorname{He}_n'(x) +n\operatorname{He}_n(x)=0.

例如,第一个方程可以写成加权形式:

−ddx(e−x2Hn′(x))=2ne−x2Hn(x).-\frac{d}{dx} \left(e^{-x^2}H_n'(x)\right) =2n e^{-x^2}H_n(x).

这将多项式的正交性与微分算子的谱性质联系起来。

零点与高斯求积

对于 n≥1n\geq1,每个 nn 次埃尔米特多项式都有 nn 个互不相同的实零点。这些零点关于原点对称,且相邻次数多项式的零点严格交错。这些性质源于它们关于实数轴上正权函数的正交性。

HnH_n 的零点是高斯–埃尔米特求积的节点,该求积法用于近似计算高斯加权积分:

∫−∞∞e−x2f(x) dx≈∑j=1nwjf(xj).\int_{-\infty}^{\infty}e^{-x^2}f(x)\,dx \approx\sum_{j=1}^{n}w_jf(x_j).

这里,xjx_j 是 HnH_n 的零点,且

wj=2n−1n!πn2[Hn−1(xj)]2.w_j= \frac{2^{n-1}n!\sqrt{\pi}} {n^2[H_{n-1}(x_j)]^2}.

只要 ff 是次数不超过 2n−12n-1 的多项式,这一求积公式就能给出精确结果。

零点也可以通过对称三对角矩阵来计算。对于归一化后的物理学家型正交多项式

pk(x)=Hk(x)2kk!π,p_k(x)=\frac{H_k(x)}{\sqrt{2^k k!\sqrt{\pi}}},

乘以 xx 满足

xpk(x)=k+12 pk+1(x)+k2 pk−1(x).xp_k(x)= \sqrt{\frac{k+1}{2}}\,p_{k+1}(x) +\sqrt{\frac{k}{2}}\,p_{k-1}(x).

HnH_n 的零点是一个 n×nn\times n 三对角矩阵的特征值;该矩阵的主对角元均为零,两条副对角线上的元素均依次为 1/2,2/2,…,(n−1)/2\sqrt{1/2},\sqrt{2/2},\ldots,\sqrt{(n-1)/2}。

埃尔米特函数与谐振子

将物理学家型多项式乘以高斯函数,再进行归一化,就得到埃尔米特函数

ψn(x)=Hn(x)e−x2/2π1/42nn!.\psi_n(x)= \frac{H_n(x)e^{-x^2/2}} {\pi^{1/4}\sqrt{2^n n!}}.

与多项式本身不同,这些函数关于通常的勒贝格测度平方可积。它们构成 L2(R)L^2(\mathbb R) 的一组标准正交基。

它们满足

(−d2dx2+x2)ψn(x)=(2n+1)ψn(x).\left(-\frac{d^2}{dx^2}+x^2\right)\psi_n(x) =(2n+1)\psi_n(x).

因此,它们是量子谐振子的无量纲定态波函数。对于质量为 mm、角频率为 ω\omega 的谐振子,以 ℏ\hbar 表示约化普朗克常数,相应物理坐标的无量纲化关系为

ξ=mωℏ x,\xi=\sqrt{\frac{m\omega}{\hbar}}\,x,

能级为

En=ℏω(n+12).E_n=\hbar\omega\left(n+\frac12\right).

埃尔米特函数也是傅里叶变换的特征函数。采用酉归一化约定

F[f](ξ)=12π∫−∞∞e−ixξf(x) dx,\mathcal F[f](\xi) =\frac{1}{\sqrt{2\pi}} \int_{-\infty}^{\infty}e^{-ix\xi}f(x)\,dx,

它们满足

F[ψn](ξ)=(−i)nψn(ξ).\mathcal F[\psi_n](\xi)=(-i)^n\psi_n(\xi).

特征值取决于傅里叶变换所采用的约定。

概率与高斯展开

概率论型约定尤其便于计算高斯随机变量的期望值。若 ZZ 服从标准正态分布,且 ff 足够光滑、满足适当的可积性条件,并使边界项为零,则

E[He⁡n(Z)f(Z)]=E[f(n)(Z)].\mathbb E[\operatorname{He}_n(Z)f(Z)] =\mathbb E[f^{(n)}(Z)].

当 n=1n=1 时,这就化为高斯分部积分恒等式

E[Zf(Z)]=E[f′(Z)].\mathbb E[Zf(Z)]=\mathbb E[f'(Z)].

埃尔米特多项式也可以描述高斯变量之间的依赖关系。若 XX 和 YY 联合服从正态分布,且各自均服从标准正态分布,二者的相关关系由相关系数 ρ\rho 表示,则

E[He⁡m(X)He⁡n(Y)]=δmnn!ρn.\mathbb E[ \operatorname{He}_m(X)\operatorname{He}_n(Y)] =\delta_{mn}n!\rho^n.

这一恒等式有助于研究高斯随机过程的非线性变换。

对于相互独立的标准正态变量 Z1,…,ZdZ_1,\ldots,Z_d,乘积

He⁡α(z)=∏j=1dHe⁡αj(zj)\operatorname{He}_{\alpha}(z) =\prod_{j=1}^{d}\operatorname{He}_{\alpha_j}(z_j)

构成一个多元正交函数系,可用于将高斯随机输入的函数展开为多项式级数。

埃尔米特多项式还出现在埃奇沃思展开和格拉姆–沙利耶展开中。在这些展开里,对高斯概率密度函数的修正项表示为高斯密度与多项式的乘积。这些展开的有限截断不一定保持非负,因此并不自动构成有效的概率密度函数。

计算与局限

在计算中,三项递推关系通常比反复进行符号求导或直接计算显式系数求和更实用。不过,未经归一化的埃尔米特多项式会随次数增加而迅速增大,直接计算可能发生溢出,或因相消而损失精度。使用归一化多项式、经过缩放的埃尔米特函数以及合适的递推算法,可以改善数值稳定性。

在函数逼近中,尺度的选择十分重要。埃尔米特函数天然适合逼近无界区域上的衰减函数。如果空间尺度选择不当,即使完备性保证了最终的均方收敛,展开的效率仍可能很低。

埃尔米特多项式不应与埃尔米特插值混淆,后者是一种同时匹配函数值和导数值的插值方法。这两个概念虽以同一位历史人物命名,但在数学上是不同的。