{
  "id": "legendre-polynomials",
  "title": "勒让德多项式",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "勒让德多项式是有限区间上的正交多项式，在球谐分析、高斯求积和谱逼近中具有基础性作用。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "勒让德函数",
    "勒让德正交多项式"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/legendre-polynomials/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/legendre-polynomials/",
      "json": "https://aiwiki.page/en/legendre-polynomials.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "勒让德多项式是一列多项式 \\(P_0(x),P_1(x),P_2(x),\\ldots\\)，在区间 \\([-1,1]\\) 上关于通常的积分两两正交。在标准归一化条件 \\(P_n(1)=1\\) 下，每个 \\(P_n\\) 的次数为 \\(n\\)，并满足\n\n\\[\\frac{d}{dx}\\left[(1-x^2)\\frac{dP_n}{dx}\\right]+n(n+1)P_n(x)=0.\\]\n\n它们是主要的经典正交多项式族之一，其特点是权函数为常数，并且与球面几何有着密切联系。\n\n这族多项式以阿德里安-马里·勒让德的名字命名，最初出现于十八世纪对引力和位势理论的研究。其重要性远远超出了最初的研究背景：它们给出拉普拉斯方程解的角向部分，确定高精度数值积分公式的节点，并可作为逼近函数和求解微分方程的基函数。它们的微分方程、正交性、递推关系和生成函数，是对同一数学结构相互补充的描述。"
    },
    {
      "heading": "定义、归一化与历史背景",
      "text": "对于非负整数 \\(m\\) 和 \\(n\\)，定义勒让德多项式的正交关系为\n\n\\[\\int_{-1}^{1}P_n(x)P_m(x)\\,dx = \\begin{cases} 0,&m\\ne n,\\\\[2mm] \\dfrac{2}{2n+1},&m=n. \\end{cases}\\]\n\n积分权函数为 \\(1\\)，即没有额外的因子来改变区间内各点对积分的贡献。因此，\\(P_n\\) 不仅与其他次数较低的勒让德多项式正交，还与所有次数小于 \\(n\\) 的多项式正交。正交性与条件 \\(P_n(1)=1\\) 共同唯一确定了这一多项式序列。\n\n前六个多项式为\n\n\\[\\begin{aligned} P_0(x)&=1,\\\\ P_1(x)&=x,\\\\ P_2(x)&=\\tfrac12(3x^2-1),\\\\ P_3(x)&=\\tfrac12(5x^3-3x),\\\\ P_4(x)&=\\tfrac18(35x^4-30x^2+3),\\\\ P_5(x)&=\\tfrac18(63x^5-70x^3+15x). \\end{aligned}\\]\n\n这些例子体现了如下奇偶性关系：\n\n\\[P_n(-x)=(-1)^nP_n(x).\\]\n\n因此，偶数次勒让德多项式是偶函数，奇数次勒让德多项式是奇函数。在端点处，\n\n\\[P_n(1)=1,\\qquad P_n(-1)=(-1)^n.\\]\n\n\\(x^n\\) 的系数为\n\n\\[\\kappa_n=\\frac{(2n)!}{2^n(n!)^2} =2^{-n}\\binom{2n}{n}.\\]\n\n因此，除零次和一次的情形外，标准的勒让德多项式都不是首一多项式。\n\n其他归一化方式也很常见，必须加以区分。首一多项式为 \\(P_n/\\kappa_n\\)，而标准正交多项式为\n\n\\[\\phi_n(x)=\\sqrt{\\frac{2n+1}{2}}\\,P_n(x).\\]\n\n后者的平方积分等于一。在涉及 \\([-1,1]\\) 上均匀分布的概率应用中，积分测度改为 \\(dx/2\\)；此时，标准正交函数为 \\(\\sqrt{2n+1}\\,P_n(x)\\)。这些变化会改变数值系数，但不会改变零点或其内在的正交性。\n\n勒让德在18世纪80年代对旋转椭球体引力的研究，推动了这些多项式在数学物理中的应用。皮埃尔-西蒙·拉普拉斯的相关研究则将这类函数纳入了势与球面展开的更广泛研究之中。19世纪，罗德里格型微分公式、高斯求积法和施图姆—刘维尔理论揭示了它们在代数、数值计算和谱分析中的作用。\n\n一种有用的抽象构造方法是从 \\(1,x,x^2,\\ldots\\) 出发，利用内积\n\n\\[\\langle f,g\\rangle=\\int_{-1}^{1}f(x)g(x)\\,dx.\\]\n\n进行格拉姆—施密特正交化。将所得的每个多项式归一化，使其在 \\(x=1\\) 处的值等于一，就得到了勒让德多项式序列。这一构造说明，当正交性比直接使用 \\(x\\) 的各次幂更有用时，勒让德多项式为何能成为单项式的自然替代。"
    },
    {
      "heading": "生成函数、罗德里格斯公式与递推关系",
      "text": "最主要的生成函数为\n\n\\[\\frac{1}{\\sqrt{1-2xt+t^2}} =\\sum_{n=0}^{\\infty}P_n(x)t^n.\\]\n\n对于实数 \\(x\\in[-1,1]\\)，此展开在 \\(|t|<1\\) 时收敛。将左端按 \\(t\\) 的幂展开，可以同时得到所有次数的多项式；而对 \\(x\\) 或 \\(t\\) 求导，则可得到联系相邻次数多项式的恒等式。选取平方根，使其在 \\(t=0\\) 时等于一，这就确定了所用的解析分支。\n\n另一种显式构造是罗德里格斯公式：\n\n\\[P_n(x)=\\frac{1}{2^n n!} \\frac{d^n}{dx^n}(x^2-1)^n.\\]\n\n由此立即可见，所得结果是一个 \\(n\\) 次多项式。更重要的是，该公式可以直接证明正交性。若 \\(q\\) 的次数小于 \\(n\\)，反复使用分部积分法可得\n\n\\[\\int_{-1}^{1}q(x)P_n(x)\\,dx = \\frac{(-1)^n}{2^n n!} \\int_{-1}^{1}q^{(n)}(x)(x^2-1)^n\\,dx=0.\\]\n\n由于 \\((x^2-1)^n\\) 在两个端点处都有 \\(n\\) 重零点，所有边界项均为零。剩下的积分也因 \\(q^{(n)}=0\\) 而等于零。\n\n展开罗德里格斯公式，可得有限和表达式\n\n\\[P_n(x)= \\sum_{k=0}^{\\lfloor n/2\\rfloor} (-1)^k \\frac{(2n-2k)!} {2^n k!(n-k)!(n-2k)!} x^{n-2k}.\\]\n\n这一公式虽然精确，但通常不如递推公式适合数值计算，因为各项的数值可能很大，且相互之间会发生严重的抵消。它主要用于符号运算、系数提取，以及奇偶性和首项公式的证明。\n\n标准的三项递推关系通常称为博内递推公式，其形式为\n\n\\[(n+1)P_{n+1}(x) =(2n+1)xP_n(x)-nP_{n-1}(x), \\qquad n\\ge1.\\]\n\n结合 \\(P_0=1\\) 和 \\(P_1=x\\)，便可生成整个多项式序列。将其整理可见，乘以 \\(x\\) 只会使相邻次数的多项式发生耦合：\n\n\\[xP_n(x)= \\frac{n+1}{2n+1}P_{n+1}(x) +\\frac{n}{2n+1}P_{n-1}(x).\\]\n\n这种稀疏的代数结构在求积算法和谱离散化中起着核心作用。\n\n常用的导数恒等式包括\n\n\\[(1-x^2)P_n'(x) =n\\bigl(P_{n-1}(x)-xP_n(x)\\bigr)\\]\n\n以及\n\n\\[P_{n+1}'(x)-P_{n-1}'(x)=(2n+1)P_n(x), \\qquad n\\ge1.\\]\n\n第二个恒等式还给出了一个原函数：\n\n\\[\\int P_n(x)\\,dx =\\frac{P_{n+1}(x)-P_{n-1}(x)}{2n+1}+C.\\]\n\n利用这些关系，可以直接对勒让德展开式进行求导、积分和乘法运算，而无须先将其转换为单项式的线性组合。"
    },
    {
      "heading": "微分方程与斯图姆–刘维尔结构",
      "text": "勒让德方程是二阶常微分方程\n\n\\[(1-x^2)y''-2xy'+\\lambda y=0.\\]\n\n当 \\(\\lambda=n(n+1)\\)，且 \\(n\\) 为非负整数时，它有多项式解 \\(P_n\\)。通过幂级数计算，可以解释参数为何取这些离散值。代入 \\(y=\\sum_{k\\ge0}a_kx^k\\)，得到\n\n\\[a_{k+2} =\\frac{k(k+1)-\\lambda}{(k+2)(k+1)}a_k.\\]\n\n偶数项与奇数项的系数分别独立递推。若 \\(\\lambda=n(n+1)\\)，则与 \\(n\\) 具有相同奇偶性的那组递推在 \\(n\\) 次项处终止，从而得到多项式解。\n\n这一方程可以自然地写成自伴形式\n\n\\[-\\frac{d}{dx}\\left[(1-x^2)y'\\right]=\\lambda y.\\]\n\n这便将这些多项式纳入了斯图姆–刘维尔理论的框架；在这一理论中，正交函数作为微分算子的特征函数出现。与闭区间上的正则问题不同，这里的系数 \\(1-x^2\\) 在端点处为零，因此在定义算子时必须纳入对端点行为的要求。标准的勒让德算子实现选取端点处无奇异性的解；其特征函数为 \\(P_n\\)，对应的特征值为 \\(n(n+1)\\)。\n\n不借助完整的算子理论，也能看出正交性背后的机制。将 \\(P_n\\) 和 \\(P_m\\) 所满足的方程分别乘以 \\(P_m\\) 和 \\(P_n\\)，相减后积分，得到\n\n\\[\\bigl[n(n+1)-m(m+1)\\bigr] \\int_{-1}^{1}P_nP_m\\,dx = -\\left[(1-x^2)(P_mP_n'-P_nP_m')\\right]_{-1}^{1}.\\]\n\n由于这些函数及其导数在端点处均为有限值，而 \\(1-x^2\\) 在端点处为零，因此边界项为零。于是，当特征值不同时，积分必为零。\n\n同样的结构还给出一个能量恒等式：\n\n\\[\\int_{-1}^{1}(1-x^2)\\bigl(P_n'(x)\\bigr)^2\\,dx = n(n+1)\\int_{-1}^{1}P_n(x)^2\\,dx = \\frac{2n(n+1)}{2n+1}.\\]\n\n它描述了特征函数的振荡复杂程度如何随次数增加而提高。常数函数对应于零特征值，而所有更高阶的模态都具有正能量。\n\n另一个线性无关解通常记为 \\(Q_n(x)\\)，它是第二类勒让德函数，而不是多项式。例如，在 \\(-1<x<1\\) 上，\n\n\\[Q_0(x)=\\frac12\\log\\frac{1+x}{1-x}, \\qquad Q_1(x)=xQ_0(x)-1.\\]\n\n这些函数在端点处具有对数奇异性。构造一般的局部解需要同时使用 \\(P_n\\) 和 \\(Q_n\\)，但只有 \\(P_n\\) 具有整个球面上通常的角向问题所要求的正则性。因此，多项式级数的终止与端点正则性，是确定这一具有物理意义的离散函数族的两种密切相关的方式。"
    },
    {
      "heading": "零点、交错性与高次情形的渐近行为",
      "text": "对于每个 \\(n\\ge1\\)，\\(P_n\\) 恰有 \\(n\\) 个互不相同的实零点，且全部严格位于 \\((-1,1)\\) 内。这是关于正权函数的正交性所带来的一般结论。其证明的核心思路如下：假设 \\(P_n\\) 在该区间内变号的零点少于 \\(n\\) 个。将它乘以这些零点所对应的一次因子的乘积，所得函数除零点外处处同号。因此，它的积分不可能为零，这与 \\(P_n\\) 和所有次数小于 \\(n\\) 的多项式正交相矛盾。\n\n奇偶性使零点关于原点对称。奇数次多项式在 \\(x=0\\) 处有一个零点，偶数次多项式则没有。相邻次数多项式的零点彼此交错：\\(P_n\\) 的任意两个相邻零点之间，恰有一个 \\(P_{n-1}\\) 的零点。交错性可以由三项递推关系或微分方程的振荡理论推出。它为求根算法提供了实用的根所在区间，也解释了为何相邻阶数的高斯求积公式的节点分布具有高度的规律性。\n\n在整个区间上，\n\n\\[|P_n(x)|\\le1.\\]\n\n证明这一界的一种方法是利用积分表示\n\n\\[P_n(x)=\\frac1\\pi \\int_0^\\pi \\left(x+i\\sqrt{1-x^2}\\cos\\varphi\\right)^n\\,d\\varphi, \\qquad -1\\le x\\le1.\\]\n\n幂运算括号内的复数的模不超过一。虽然被积函数为复值函数，但其虚部在积分后相互抵消，得到实多项式。在端点处，上述不等式取等号。\n\n当 \\(n\\) 很大时，区间内部的行为与端点附近的行为有显著差别。令 \\(x=\\cos\\theta\\)，区间内部的首项渐近展开为\n\n\\[P_n(\\cos\\theta) = \\sqrt{\\frac{2}{\\pi(n+\\tfrac12)\\sin\\theta}} \\cos\\left((n+\\tfrac12)\\theta-\\frac{\\pi}{4}\\right) +O(n^{-3/2}),\\]\n\n当 \\(\\theta\\) 始终位于 \\((0,\\pi)\\) 的某个闭子区间内时，该展开一致成立。它表明，振荡在角坐标 \\(\\theta\\) 下近似等间隔；在远离端点的区域，振幅的阶为 \\(n^{-1/2}\\)。\n\n零点的经验分布趋于具有如下密度的分布：\n\n\\[\\frac{1}{\\pi\\sqrt{1-x^2}}, \\qquad -1<x<1.\\]\n\n因此，零点在 \\(x=\\pm1\\) 附近聚集，而不是在 \\(x\\) 坐标下均匀分布。距端点最近的零点与端点的距离为 \\(n^{-2}\\) 阶。\n\n当 \\(\\theta\\to0\\) 时，内部区域的余弦近似不再一致成立。在端点附近进行尺度变换后，极限形式则涉及贝塞尔函数：\n\n\\[\\lim_{n\\to\\infty}P_n\\!\\left(\\cos\\frac{z}{n}\\right)=J_0(z).\\]\n\n这一梅勒–海涅极限将最小的角坐标零点与 \\(J_0\\) 的正零点联系起来。它也解释了为什么高精度的高次多项式计算算法常常在内部区域和狭窄的端点邻域采用不同的近似。"
    },
    {
      "heading": "勒让德级数、完备性与投影核",
      "text": "定义在 \\([-1,1]\\) 上的平方可积函数具有勒让德展开\n\n\\[f(x)\\sim\\sum_{n=0}^{\\infty}a_nP_n(x), \\qquad a_n=\\frac{2n+1}{2}\\int_{-1}^{1}f(x)P_n(x)\\,dx.\\]\n\n展开系数由正交性确定，其基本方式与 傅里叶级数的系数确定方式相同。两者的本质区别在于，这里的基函数是代数多项式，而非正弦函数和余弦函数。这组基函数本身并不蕴含对函数作周期延拓。\n\n这一序列在希尔伯特空间 \\(L^2([-1,1])\\) 中是完备的：若一个平方可积函数与每个 \\(P_n\\) 都正交，则它几乎处处为零。对此的一种解释是：\\(P_0,\\ldots,P_N\\) 张成所有次数不超过 \\(N\\) 的多项式所构成的空间，而多项式在 \\(L^2([-1,1])\\) 中稠密。完备性意味着部分和\n\n\\[S_Nf=\\sum_{n=0}^{N}a_nP_n\\]\n\n在 \\(L^2\\) 范数下收敛于 \\(f\\)。\n\n每个部分和都是到次数不超过 \\(N\\) 的多项式子空间上的正交投影。因此，在所有次数不超过该上限的多项式 \\(q\\) 中，它是使\n\n\\[\\int_{-1}^{1}|f(x)-q(x)|^2\\,dx\\]\n\n达到最小值的唯一多项式。由正交性还可得到帕塞瓦尔恒等式\n\n\\[\\int_{-1}^{1}|f(x)|^2\\,dx = \\sum_{n=0}^{\\infty}\\frac{2|a_n|^2}{2n+1},\\]\n\n以及精确的截断误差公式\n\n\\[\\|f-S_Nf\\|_2^2 = \\sum_{n>N}\\frac{2|a_n|^2}{2n+1}.\\]\n\n这些恒等式描述的是均方收敛，须将其与涉及各点函数值的更强收敛结论区分开来。\n\n投影也可以写成积分形式：\n\n\\[S_Nf(x)=\\int_{-1}^{1}K_N(x,y)f(y)\\,dy,\\]\n\n其中\n\n\\[K_N(x,y)=\\sum_{n=0}^{N}\\frac{2n+1}{2}P_n(x)P_n(y).\\]\n\n克里斯托费尔–达布恒等式将这一求和化简为\n\n\\[K_N(x,y)=\\frac{N+1}{2} \\frac{P_{N+1}(x)P_N(y)-P_N(x)P_{N+1}(y)} {x-y}, \\qquad x\\ne y.\\]\n\n对角线上的值可通过取极限得到。这个核能够再生任意次数不超过 \\(N\\) 的多项式，因此可用于插值理论和多项式逼近的估计。\n\n逐点收敛和一致收敛需要额外的假设。仅有均方收敛，并不能推出在每一点都收敛。一般而言，函数越光滑，系数衰减就越快；而函数若在该区间的某个复邻域内解析，则系数会按几何速率衰减，从而带来相应的快速逼近。间断点可能引起局部振荡，类似于傅里叶分析中的吉布斯现象。端点处的行为也很重要，因为单个基函数和投影核的大小在空间上并不均匀。因此，理解勒让德级数时，最好同时考察函数空间中的收敛性与局部正则性，而不是依赖某一条普遍适用的收敛规则。"
    },
    {
      "heading": "高斯–勒让德求积",
      "text": "\\(P_n\\) 的零点是高斯–勒让德求积的节点，这是 高斯求积的一种重要形式。设这些零点为 \\(x_1,\\ldots,x_n\\)，则求积公式为\n\n\\[\\int_{-1}^{1}f(x)\\,dx \\approx\\sum_{i=1}^{n}w_i f(x_i),\\]\n\n其中\n\n\\[w_i=\\frac{2} {(1-x_i^2)\\,[P_n'(x_i)]^2}.\\]\n\n各个权重均为正，且权重之和为 \\(2\\)。这一公式的突出性质在于：虽然只使用 \\(n\\) 个函数值，却能精确积分所有次数不超过 \\(2n-1\\) 的多项式。\n\n正交性解释了为何能达到这样的代数精度。给定次数不超过 \\(2n-1\\) 的多项式 \\(p\\)，由多项式除法可得\n\n\\[p=qP_n+r, \\qquad \\deg q\\le n-1,\\quad \\deg r\\le n-1.\\]\n\n由正交性，\\(qP_n\\) 的积分为零，而在每个节点处都有 \\(p(x_i)=r(x_i)\\)。因此，对 \\(r\\) 的 \\((n-1)\\) 次插值多项式求积分，就能得到 \\(p\\) 的精确积分。任何采用 \\(n\\) 个互异实节点的求积公式，都不可能精确积分所有 \\(2n\\) 次多项式：以各节点为根的一次因子的乘积，其平方在所有节点处均为零，但积分严格为正。\n\n例如，两点求积公式的节点为 \\(\\pm1/\\sqrt3\\)，对应权重均为 \\(1\\)：\n\n\\[\\int_{-1}^{1}f(x)\\,dx \\approx f(-1/\\sqrt3)+f(1/\\sqrt3).\\]\n\n它对次数不超过三次的多项式均精确。三点求积公式采用节点 \\(0,\\pm\\sqrt{3/5}\\)，对应的权重分别为 \\(8/9,5/9,5/9\\)，对次数不超过五次的多项式均精确。\n\n若 \\(f\\) 具有连续的 \\(2n\\) 阶导数，则误差可写为\n\n\\[\\int_{-1}^{1}f(x)\\,dx-\\sum_{i=1}^{n}w_if(x_i) = \\frac{2^{2n+1}(n!)^4} {(2n+1)[(2n)!]^3}\\,f^{(2n)}(\\xi)\\]\n\n其中某个 \\(\\xi\\in(-1,1)\\)。这一表达式给出的是理论误差公式，并不能直接用作实际误差估计，因为相关导数的界可能难以确定。\n\n有限区间 \\([a,b]\\) 上的求积公式可通过以下变量代换得到：\n\n\\[x=\\frac{a+b}{2}+\\frac{b-a}{2}t.\\]\n\n变换后的节点为 \\((a+b)/2+(b-a)x_i/2\\)，每个权重都乘以 \\((b-a)/2\\)。若要求节点包含区间端点，可采用高斯–洛巴托–勒让德求积公式：当节点总数为 \\(n\\) 时，节点由两个端点及 \\(P_{n-1}'\\) 的零点组成，对次数不超过 \\(2n-3\\) 的多项式均精确。\n\n从计算角度看，以下标准正交递推关系提供了一种有力的解释：\n\n\\[x\\phi_k=a_{k+1}\\phi_{k+1}+a_k\\phi_{k-1}, \\qquad a_k=\\frac{k}{\\sqrt{4k^2-1}}.\\]\n\n由此构造的 \\(n\\times n\\) 对称三对角矩阵的特征值，就是高斯求积节点。各权重等于相应归一化特征向量第一分量平方的两倍。这是 Golub–Welsch 算法在勒让德多项式情形下的具体形式，将数值积分与矩阵特征值问题直接联系起来。"
    },
    {
      "heading": "球面几何与位势理论",
      "text": "在球坐标系中对拉普拉斯方程进行变量分离，就会得到勒让德多项式。对于与方位角无关的轴对称位势 \\(u(r,\\theta)\\)，令\n\n\\[u(r,\\theta)=R(r)\\Theta(\\theta).\\]\n\n分离变量后得到角向方程\n\n\\[\\frac{1}{\\sin\\theta} \\frac{d}{d\\theta} \\left(\\sin\\theta\\frac{d\\Theta}{d\\theta}\\right) +\\lambda\\Theta=0.\\]\n\n作代换 \\(x=\\cos\\theta\\)，便将其化为勒让德方程。要求解在两极均正则，就得到 \\(\\lambda=\\ell(\\ell+1)\\) 和 \\(\\Theta=P_\\ell(\\cos\\theta)\\)，其中 \\(\\ell\\) 为非负整数。\n\n径向方程为\n\n\\[\\frac{d}{dr}\\left(r^2R'\\right)-\\ell(\\ell+1)R=0,\\]\n\n其解为 \\(r^\\ell\\) 和 \\(r^{-\\ell-1}\\)。因此，轴对称的调和位势可以展开为下列各项之和：\n\n\\[\\left(A_\\ell r^\\ell+B_\\ell r^{-\\ell-1}\\right) P_\\ell(\\cos\\theta).\\]\n\n对于内部问题，原点处的正则性要求排除负幂项；对于外部问题，无穷远处的衰减要求排除随半径增长的幂次项。利用勒让德多项式的正交性，可以由球面上的边界数据确定其余系数。\n\n生成函数具有直接的物理意义。设 \\(\\gamma\\) 为向量 \\(\\mathbf r\\) 与 \\(\\mathbf r'\\) 之间的夹角，并令 \\(r_< =\\min(r,r')\\)、\\(r_>=\\max(r,r')\\)。当 \\(r_<<r_>\\) 时，\n\n\\[\\frac{1}{|\\mathbf r-\\mathbf r'|} = \\frac{1}{r_>} \\sum_{\\ell=0}^{\\infty} \\left(\\frac{r_<}{r_>}\\right)^\\ell P_\\ell(\\cos\\gamma).\\]\n\n这给出了决定牛顿引力势和静电势的距离倒数核的展开式。零次、一次和二次项分别给出单极、偶极和四极的角向结构。更高次项则逐步刻画源分布更精细的空间结构。\n\n对于非轴对称函数，自然采用的是球谐函数，记作 \\(Y_{\\ell m}\\)。它们与普通勒让德多项式的联系由加法定理给出：\n\n\\[P_\\ell(\\cos\\gamma) = \\frac{4\\pi}{2\\ell+1} \\sum_{m=-\\ell}^{\\ell} Y_{\\ell m}(\\Omega)\\, \\overline{Y_{\\ell m}(\\Omega')},\\]\n\n这里假定球谐函数在单位球面上构成标准正交系。左侧仅取决于两个方向之间的夹角，而右侧则将这一旋转不变量分解为依赖于坐标的各个分量。\n\n勒让德展开还可用于描述球面上具有旋转对称性的积分核。例如，各向同性的协方差函数可以按 \\(P_\\ell(\\cos\\gamma)\\) 展开，并为每个次数分配相应的角功率。在散射理论中，仅依赖于散射角的振幅通常分解为勒让德模态，在相应的物理情境下称为分波。在这些情形中，次数 \\(\\ell\\) 标识一个角尺度，而球对称性保证了不同次数的分量在旋转不变的运算下不会相互混合。"
    },
    {
      "heading": "连带函数与相关多项式族",
      "text": "在球坐标分离变量时，若保留方位角依赖关系，角向方程就会多出一项：\n\n\\[(1-x^2)y''-2xy' +\\left[\\ell(\\ell+1)-\\frac{m^2}{1-x^2}\\right]y=0.\\]\n\n对于整数 \\(0\\le m\\le\\ell\\)，一个标准解为\n\n\\[P_\\ell^m(x) =(-1)^m(1-x^2)^{m/2} \\frac{d^m}{dx^m}P_\\ell(x).\\]\n\n这些函数称为连带勒让德函数。因子 \\((-1)^m\\) 称为康登–肖特利相位；有些约定会省略这一因子。当 \\(m\\) 为奇数时，由于因子 \\((1-x^2)^{m/2}\\) 的存在，该函数并不是关于 \\(x\\) 的普通多项式，尽管传统上仍称其为“连带勒让德多项式”。\n\n对于固定的 \\(m\\)，其正交关系为\n\n\\[\\int_{-1}^{1}P_\\ell^m(x)P_k^m(x)\\,dx = \\frac{2(\\ell+m)!}{(2\\ell+1)(\\ell-m)!}\\, \\delta_{\\ell k}.\\]\n\n将 \\(P_\\ell^m(\\cos\\theta)\\) 与 \\(e^{im\\varphi}\\) 相乘，即可得到球谐函数的角度依赖部分。负整数阶与正整数阶之间的关系为\n\n\\[P_\\ell^{-m}(x) =(-1)^m\\frac{(\\ell-m)!}{(\\ell+m)!}P_\\ell^m(x).\\]\n\n在比较数学用表、地球物理模型和量子力学公式时，尤其需要注意归一化与相位约定。\n\n普通勒让德多项式也是一些更广泛的正交多项式族的特例。在雅可比多项式的标准归一化约定下，\n\n\\[P_n(x)=P_n^{(0,0)}(x).\\]\n\n雅可比多项式关于权函数 \\((1-x)^\\alpha(1+x)^\\beta\\) 正交，其中 \\(\\alpha,\\beta>-1\\)；将两个参数均设为零，就得到勒让德多项式的常数权函数。同样，\n\n\\[P_n(x)=C_n^{1/2}(x),\\]\n\n其中 \\(C_n^\\lambda\\) 表示盖根鲍尔多项式。盖根鲍尔多项式族将球面情形推广到了其他维数中的角向问题。\n\n勒让德多项式的一种超几何表示为\n\n\\[P_n(x) ={}_2F_1\\left(-n,n+1;1;\\frac{1-x}{2}\\right).\\]\n\n由于其中一个上参数是非正整数 \\(-n\\)，这一超几何函数的级数展开会终止。将 \\(n\\) 替换为一般的次数参数，就得到不一定是多项式的勒让德函数。这类推广需要注意分支和奇点，尤其是在自变量为复数或位于 \\([-1,1]\\) 之外时。\n\n通过一种常用的区间变换，可以定义移位勒让德多项式：\n\n\\[\\widetilde P_n(t)=P_n(2t-1),\\qquad 0\\le t\\le1.\\]\n\n其正交关系为\n\n\\[\\int_0^1\\widetilde P_n(t)\\widetilde P_m(t)\\,dt =\\frac{\\delta_{nm}}{2n+1}.\\]\n\n当问题的自然定义域是概率区间、有限时间段或标准有限元时，使用这类多项式十分方便。这一移位变换改变的是自变量和积分尺度，而不是多项式族的本质。"
    },
    {
      "heading": "数值计算与谱逼近",
      "text": "当次数适中且 \\(x\\in[-1,1]\\) 时，三项递推是计算勒让德多项式的标准方法。它避开了显式系数公式中的阶乘和数值很大的正负交替项。从 \\(P_0=1\\) 和 \\(P_1=x\\) 出发，只需与 \\(N\\) 成正比的算术运算次数，就能计算出直到 \\(N\\) 次的所有多项式值。不过，在零点附近，由于精确值很小，即使绝对误差仍然不大，相对误差也可能很大。在讨论数值稳定性时，这一区别十分重要。\n\n利用克伦肖算法，无须存储每个多项式，就能计算整个勒让德级数的值；这是一种根据三项递推关系构造的反向递推算法。类似地，对递推关系求导即可计算导数。恒等式\n\n\\[P_n'(x)=\\frac{n(P_{n-1}(x)-xP_n(x))}{1-x^2}\\]\n\n在远离端点时很有用，但在接近 \\(x=\\pm1\\) 时可能出现相消误差。在端点处，最好采用精确公式：\n\n\\[P_n'(1)=\\frac{n(n+1)}2, \\qquad P_n'(-1)=(-1)^{n+1}\\frac{n(n+1)}2.\\]\n\n勒让德多项式是求解微分方程的谱方法中的基本基函数。将解近似表示为\n\n\\[u_N(x)=\\sum_{n=0}^{N}c_nP_n(x),\\]\n\n再通过加权积分使其在弱意义下满足微分方程，或使其在选定的配点处满足微分方程。正交性使不带权的质量矩阵成为对角矩阵：\n\n\\[M_{mn}=\\int_{-1}^{1}P_mP_n\\,dx =\\frac{2}{2n+1}\\delta_{mn}.\\]\n\n这与单项式基形成对比：随着次数增加，单项式基对应的积分矩阵会变得严重病态。\n\n通过修改基函数，可以将边界条件直接纳入基中。对于齐次狄利克雷问题，函数\n\n\\[\\psi_k=P_k-P_{k+2}\\]\n\n在两个端点处均为零。其导数满足\n\n\\[\\psi_k'=-(2k+3)P_{k+1},\\]\n\n因此，算子 \\(-d^2/dx^2\\) 对应的刚度矩阵是对角矩阵：\n\n\\[\\int_{-1}^{1}\\psi_k'(x)\\psi_j'(x)\\,dx =2(2k+3)\\delta_{kj}.\\]\n\n这说明，利用某一多项式族特有的恒等式，可以简化微分方程求解器。\n\n勒让德基也用于高阶有限元法，其中每个网格单元上都采用局部多项式展开。高斯–洛巴托节点在端点处提供自由度，便于连接相邻单元。相应的求积公式并不能精确计算所有 \\((n-1)\\) 次基函数乘积的积分，因为这些乘积的次数最高可达 \\(2n-2\\)，比该求积公式的代数精度高一次。因此，精确质量矩阵与基于求积得到的质量矩阵之间的区别，在谱元法的实现中十分重要。\n\n在不确定性量化中，勒让德多项式是均匀分布输入所对应的自然多项式混沌基。一维标准正交勒让德多项式的乘积，可构成多个相互独立的均匀分布变量的基。借助正交性，便可由展开系数得到均值和方差，而截断基函数集合则可得到有限项代理模型。多元展开的项数随维数迅速增长，因此，稀疏截断和自适应选择往往与底层一维递推算法的效率同样重要。"
    }
  ],
  "links": [
    "polynomial",
    "orthogonal-polynomials",
    "laplace-equation",
    "pierre-simon-laplace",
    "inner-product",
    "gram-schmidt-process",
    "generating-function",
    "integration-by-parts",
    "recurrence-relation",
    "ordinary-differential-equation",
    "sturm-liouville-theory",
    "asymptotic-expansion",
    "fourier-series",
    "hilbert-space",
    "orthogonal-projection",
    "matrix",
    "eigenvalues-and-eigenvectors",
    "spherical-harmonics",
    "hypergeometric-function",
    "numerical-stability",
    "finite-element-method"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}