正交多项式是由一列 多项式 组成的序列,其中任意两个不同的成员关于指定测度或权函数的内积 均为零。通常,序列中每个非负次数都恰有一个多项式。常见的例子包括勒让德多项式、切比雪夫多项式、雅可比多项式、拉盖尔多项式和埃尔米特多项式。它们的正交性所起的作用类似于坐标轴之间的垂直性:在对函数进行展开或逼近时,正交性使原本会相互影响的多项式分量彼此分离。
这些多项式系将代数结构与数学分析 联系起来。正交性使它们满足项数很少的递推关系,约束其零点的位置,并能导出代数精度极高的求积公式。某些特定的多项式族还满足微分方程或差分方程。因此,正交多项式是逼近论 、数值积分、概率 、数学物理以及算子谱分析中的基本工具。其理论不仅适用于区间上的连续权函数,还可推广到离散测度、复平面上的曲线、多变量情形以及矩阵值多项式系。
正交性、测度与归一化 标准框架从实数轴上的正测度 μ \mu μ 出发,要求其支集包含无穷多个点,且各阶矩均有限:
m k = ∫ R x k d μ ( x ) , k = 0 , 1 , 2 , … . m_k=\int_{\mathbb R}x^k\,d\mu(x),\qquad k=0,1,2,\ldots. m k = ∫ R x k d μ ( x ) , k = 0 , 1 , 2 , … .
更准确地说,假设各阶绝对矩均有限,从而任意两个多项式的乘积都可积。该测度定义了内积
⟨ f , g ⟩ μ = ∫ R f ( x ) g ( x ) ‾ d μ ( x ) . \langle f,g\rangle_\mu =\int_{\mathbb R}f(x)\overline{g(x)}\,d\mu(x). ⟨ f , g ⟩ μ = ∫ R f ( x ) g ( x ) d μ ( x ) .
借助测度论 的语言,连续分布、离散点质量及其混合都可以纳入同一定义。当区间 I I I 上有 d μ ( x ) = w ( x ) d x d\mu(x)=w(x)\,dx d μ ( x ) = w ( x ) d x 时,函数 w w w 称为权函数。
正交多项式序列 { p n } n ≥ 0 \{p_n\}_{n\geq0} { p n } n ≥ 0 满足
deg p n = n , ⟨ p n , p m ⟩ μ = 0 ( n ≠ m ) . \deg p_n=n,\qquad \langle p_n,p_m\rangle_\mu=0\quad(n\ne m). deg p n = n , ⟨ p n , p m ⟩ μ = 0 ( n = m ) .
支集包含无穷多个点,保证了每个非零多项式的范数平方都为正:非零多项式只有有限多个零点,因此不可能关于这样的测度几乎处处为零。于是,对 1 , x , x 2 , … 1,x,x^2,\ldots 1 , x , x 2 , … 施行格拉姆—施密特正交化 ,即可构造出这一序列。如果支集恰由 N N N 个不同的点组成,相应的构造则会得到 N N N 个非零正交多项式,其次数依次为 0 0 0 到 N − 1 N-1 N − 1 。
仅有正交性时,每个次数的多项式仍可乘以任意非零常数。两种标准约定可以消除这种自由度。首一多项式 的首项系数为 1 1 1 ;标准正交多项式 的范数为 1 1 1 ,并且通常约定其首项系数为正。具有专门名称的经典多项式族往往采用其他归一化方式,以便使端点值、生成函数或微分公式更为简便。因此,仅说明一个多项式族是正交的,并不能确定其范数平方或递推系数。
若 P n P_n P n 为首一多项式,且 h n = ⟨ P n , P n ⟩ μ h_n=\langle P_n,P_n\rangle_\mu h n = ⟨ P n , P n ⟩ μ ,则由正交性可得一个重要的极值刻画。任何其他 n n n 次首一多项式均可写成 P n + r P_n+r P n + r ,其中 deg r < n \deg r<n deg r < n ,因而
∥ P n + r ∥ μ 2 = h n + ∥ r ∥ μ 2 . \|P_n+r\|_\mu^2=h_n+\|r\|_\mu^2. ∥ P n + r ∥ μ 2 = h n + ∥ r ∥ μ 2 .
因此,在所有同次数的首一多项式中,P n P_n P n 是使加权范数平方达到最小值的唯一多项式。这是正交投影 的一个实例,而非一种独立的优化现象。
各阶矩还定义了一个格拉姆矩阵 :
G n = ( m j + k ) j , k = 0 n . G_n=(m_{j+k})_{j,k=0}^{n}. G n = ( m j + k ) j , k = 0 n .
该矩阵的正定性,等价于上述内积在次数不超过 n n n 的多项式空间上具有正定性。由这些矩阵导出的行列式公式,可以用各阶矩表示正交多项式。这些公式建立了多项式序列与其测度之间的代数联系,但由于矩矩阵可能严重病态,它们通常并不适合用于数值计算。
三项递推与谱结构 乘以自变量是这一理论背后的核心运算。设 p n p_n p n 构成首项系数为正的标准正交多项式系,并令 p − 1 = 0 p_{-1}=0 p − 1 = 0 。则
x p n ( x ) = a n + 1 p n + 1 ( x ) + b n p n ( x ) + a n p n − 1 ( x ) , xp_n(x) =a_{n+1}p_{n+1}(x)+b_np_n(x)+a_np_{n-1}(x), x p n ( x ) = a n + 1 p n + 1 ( x ) + b n p n ( x ) + a n p n − 1 ( x ) ,
其中,当 n ≥ 1 n\geq1 n ≥ 1 时,a n > 0 a_n>0 a n > 0 ,b n b_n b n 为实数;当 n = 0 n=0 n = 0 时,省略含 p − 1 p_{-1} p − 1 的项。这一三项递推关系 将涉及 n n n 次多项式的计算转化为每步仅需固定次数运算的过程。
更低次项的缺失直接源于正交性。如果 k ≤ n − 2 k\leq n-2 k ≤ n − 2 ,则
⟨ x p n , p k ⟩ μ = ⟨ p n , x p k ⟩ μ = 0 , \langle xp_n,p_k\rangle_\mu =\langle p_n,xp_k\rangle_\mu=0, ⟨ x p n , p k ⟩ μ = ⟨ p n , x p k ⟩ μ = 0 ,
因为 x p k xp_k x p k 的次数至多为 n − 1 n-1 n − 1 。因此,展开式中只能保留次数为 n + 1 , n , n − 1 n+1,n,n-1 n + 1 , n , n − 1 的项。这些系数可用积分表示为
b n = ∫ x p n ( x ) 2 d μ ( x ) , a n = ∫ x p n ( x ) p n − 1 ( x ) d μ ( x ) . b_n=\int xp_n(x)^2\,d\mu(x),\qquad a_n=\int xp_n(x)p_{n-1}(x)\,d\mu(x). b n = ∫ x p n ( x ) 2 d μ ( x ) , a n = ∫ x p n ( x ) p n − 1 ( x ) d μ ( x ) .
若测度关于零对称,则这些多项式交替为偶多项式和奇多项式,且所有 b n b_n b n 均为零。
将首项系数归一为一后,递推关系变为
P n + 1 ( x ) = ( x − b n ) P n ( x ) − β n P n − 1 ( x ) , β n = h n h n − 1 > 0. P_{n+1}(x)=(x-b_n)P_n(x)-\beta_nP_{n-1}(x), \qquad \beta_n=\frac{h_n}{h_{n-1}}>0. P n + 1 ( x ) = ( x − b n ) P n ( x ) − β n P n − 1 ( x ) , β n = h n − 1 h n > 0.
法瓦尔定理 给出了逆命题:若一个实多项式序列满足上述递推关系,且 β n \beta_n β n 为正,则存在某个具有无限支集且各阶矩均有限的正测度,使该序列关于此测度正交。该定理保证这一测度存在,但并不一定保证其唯一。
这一递推关系可用一个对称三对角的雅可比矩阵 表示:
J = ( b 0 a 1 0 ⋯ a 1 b 1 a 2 ⋯ 0 a 2 b 2 ⋱ ⋮ ⋮ ⋱ ⋱ ) . J= \begin{pmatrix} b_0&a_1&0&\cdots\\ a_1&b_1&a_2&\cdots\\ 0&a_2&b_2&\ddots\\ \vdots&\vdots&\ddots&\ddots \end{pmatrix}. J = b 0 a 1 0 ⋮ a 1 b 1 a 2 ⋮ 0 a 2 b 2 ⋱ ⋯ ⋯ ⋱ ⋱ .
在上述多项式基下,这就是乘以 x x x 的算符的矩阵。其左上角的 n × n n\times n n × n 子块 J n J_n J n 满足
det ( x I − J n ) = P n ( x ) . \det(xI-J_n)=P_n(x). det ( x I − J n ) = P n ( x ) .
因此,多项式的零点就是有限阶对称三对角矩阵的特征值 。
对于具有紧支集的测度,乘以 x x x 在相应函数空间上是一个有界自伴算符 ,而谱定理 则直接从算符的角度解释了这一测度。当支集无界时,需要更谨慎地处理定义域和自伴扩张。特别是,一个形式上对称的无限阶雅可比矩阵未必能确定唯一的自伴算符。这一区别与矩序列能否唯一确定一个测度密切相关。
经典连续族 经典连续正交多项式族的特征在于,它们兼具正交性、二阶微分方程和微分恒等式。其权函数满足皮尔逊方程
( σ w ) ′ = τ w , (\sigma w)'=\tau w, ( σ w ) ′ = τ w ,
其中,σ \sigma σ 的次数不超过二,τ \tau τ 的次数不超过一。在适当的端点条件下,微分算子
L f = 1 w d d x ( σ w f ′ ) = σ f ′ ′ + τ f ′ Lf=\frac{1}{w}\frac{d}{dx}\left(\sigma w f'\right) =\sigma f''+\tau f' L f = w 1 d x d ( σ w f ′ ) = σ f ′′ + τ f ′
在多项式空间上是对称的。其多项式特征函数满足
σ y ′ ′ + τ y ′ + λ n y = 0 , λ n = − n τ ′ − n ( n − 1 ) 2 σ ′ ′ . \sigma y''+\tau y'+\lambda_n y=0, \qquad \lambda_n=-n\tau'-\frac{n(n-1)}2\sigma''. σ y ′′ + τ y ′ + λ n y = 0 , λ n = − n τ ′ − 2 n ( n − 1 ) σ ′′ .
端点条件至关重要:在利用分部积分法 证明正交性时,它们使边界项消失。
雅可比多项式 P n ( α , β ) P_n^{(\alpha,\beta)} P n ( α , β ) 在 [ − 1 , 1 ] [-1,1] [ − 1 , 1 ] 上关于权函数
w ( x ) = ( 1 − x ) α ( 1 + x ) β , α , β > − 1. w(x)=(1-x)^\alpha(1+x)^\beta,\qquad \alpha,\beta>-1. w ( x ) = ( 1 − x ) α ( 1 + x ) β , α , β > − 1.
正交。它们满足
( 1 − x 2 ) y ′ ′ + [ β − α − ( α + β + 2 ) x ] y ′ + n ( n + α + β + 1 ) y = 0. (1-x^2)y'' +\bigl[\beta-\alpha-(\alpha+\beta+2)x\bigr]y' +n(n+\alpha+\beta+1)y=0. ( 1 − x 2 ) y ′′ + [ β − α − ( α + β + 2 ) x ] y ′ + n ( n + α + β + 1 ) y = 0.
参数限制保证权函数在两个端点附近均可积。勒让德多项式 对应于 α = β = 0 \alpha=\beta=0 α = β = 0 的情形,通常采用 P n ( 1 ) = 1 P_n(1)=1 P n ( 1 ) = 1 的归一化约定,并有
∫ − 1 1 P n ( x ) P m ( x ) d x = 2 2 n + 1 δ n m . \int_{-1}^{1}P_n(x)P_m(x)\,dx =\frac{2}{2n+1}\delta_{nm}. ∫ − 1 1 P n ( x ) P m ( x ) d x = 2 n + 1 2 δ nm .
前几项为 1 , x , ( 3 x 2 − 1 ) / 2 1,x,(3x^2-1)/2 1 , x , ( 3 x 2 − 1 ) /2 和 ( 5 x 3 − 3 x ) / 2 (5x^3-3x)/2 ( 5 x 3 − 3 x ) /2 。
第一类切比雪夫多项式 由下式刻画:
T n ( cos θ ) = cos ( n θ ) . T_n(\cos\theta)=\cos(n\theta). T n ( cos θ ) = cos ( n θ ) .
它们关于权函数 w ( x ) = ( 1 − x 2 ) − 1 / 2 w(x)=(1-x^2)^{-1/2} w ( x ) = ( 1 − x 2 ) − 1/2 正交。第二类切比雪夫多项式满足
U n ( cos θ ) = sin ( ( n + 1 ) θ ) sin θ U_n(\cos\theta)=\frac{\sin((n+1)\theta)}{\sin\theta} U n ( cos θ ) = sin θ sin (( n + 1 ) θ )
其权函数为 ( 1 − x 2 ) 1 / 2 (1-x^2)^{1/2} ( 1 − x 2 ) 1/2 。这两类多项式都与雅可比多项式的某些特例成比例。它们的三角函数表示使零点可以显式写出,也揭示了它们与余弦变换的密切联系。
广义拉盖尔多项式 L n ( α ) L_n^{(\alpha)} L n ( α ) 在半直线上采用权函数
w ( x ) = x α e − x , x > 0 , α > − 1 , w(x)=x^\alpha e^{-x},\qquad x>0,\quad \alpha>-1, w ( x ) = x α e − x , x > 0 , α > − 1 ,
并满足
x y ′ ′ + ( α + 1 − x ) y ′ + n y = 0. xy''+(\alpha+1-x)y'+ny=0. x y ′′ + ( α + 1 − x ) y ′ + n y = 0.
在通常的归一化约定下,其范数平方由下式给出:
∫ 0 ∞ x α e − x L n ( α ) ( x ) L m ( α ) ( x ) d x = Γ ( n + α + 1 ) n ! δ n m , \int_0^\infty x^\alpha e^{-x} L_n^{(\alpha)}(x)L_m^{(\alpha)}(x)\,dx =\frac{\Gamma(n+\alpha+1)}{n!}\delta_{nm}, ∫ 0 ∞ x α e − x L n ( α ) ( x ) L m ( α ) ( x ) d x = n ! Γ ( n + α + 1 ) δ nm ,
其中,Γ \Gamma Γ 为伽马函数 。
埃尔米特多项式 有两种常用约定。物理学家采用的多项式 H n H_n H n 关于权函数 e − x 2 e^{-x^2} e − x 2 正交,并满足
H n ′ ′ − 2 x H n ′ + 2 n H n = 0. H_n''-2xH_n'+2nH_n=0. H n ′′ − 2 x H n ′ + 2 n H n = 0.
概率论学家采用的多项式 He n \operatorname{He}_n He n 关于权函数 e − x 2 / 2 e^{-x^2/2} e − x 2 /2 正交,且有
H n ( x ) = 2 n / 2 He n ( 2 x ) . H_n(x)=2^{n/2}\operatorname{He}_n(\sqrt2\,x). H n ( x ) = 2 n /2 He n ( 2 x ) .
例如,H 2 ( x ) = 4 x 2 − 2 H_2(x)=4x^2-2 H 2 ( x ) = 4 x 2 − 2 ,而 He 2 ( x ) = x 2 − 1 \operatorname{He}_2(x)=x^2-1 He 2 ( x ) = x 2 − 1 。混淆这两种约定会使递推系数和求积公式的尺度都发生变化。经典正交多项式族也具有罗德里格斯公式,例如:
P n ( x ) = 1 2 n n ! d n d x n ( x 2 − 1 ) n . P_n(x)=\frac{1}{2^n n!} \frac{d^n}{dx^n}(x^2-1)^n. P n ( x ) = 2 n n ! 1 d x n d n ( x 2 − 1 ) n .
这类公式提供了显式构造方法,但反复求导通常并非最佳计算方式。
零点、再生核与渐近行为 对于正实测度,n n n 次正交多项式有 n n n 个互不相同的实零点,且全部位于该测度支集的凸包内部。因此,如果测度的支集位于一个区间上,每个零点都严格位于支集的两个极端点之间。如果支集中存在空隙,某些零点可能落在这些空隙中;该定理并不要求每个零点都属于支集本身。
这一结论可以用变号论证来解释。将 p n p_n p n 在支集凸包内部各变号点所对应的因子相乘,得到多项式 q q q 。如果这样的变号点少于 n n n 个,那么 deg q < n \deg q<n deg q < n ,而 p n q p_nq p n q 在支集上不变号,且并非几乎处处为零。因此,它的积分不可能为零,这与正交性矛盾。由此排除了重零点、非实零点以及允许区间之外的零点。
相邻次数的正交多项式,其零点严格交错。将 p n p_n p n 的零点记为 x 1 , n < ⋯ < x n , n x_{1,n}<\cdots<x_{n,n} x 1 , n < ⋯ < x n , n ,则有
x 1 , n + 1 < x 1 , n < x 2 , n + 1 < ⋯ < x n , n < x n + 1 , n + 1 . x_{1,n+1}<x_{1,n}<x_{2,n+1}<\cdots <x_{n,n}<x_{n+1,n+1}. x 1 , n + 1 < x 1 , n < x 2 , n + 1 < ⋯ < x n , n < x n + 1 , n + 1 .
这可以由递推关系证明,也可以由雅可比矩阵的顺序主子矩阵的特征值交错性证明。交错性为根提供了有效的夹逼区间,也有助于解释求积节点的规则分布。
对于标准正交序列,定义核
K n ( x , y ) = ∑ k = 0 n p k ( x ) p k ( y ) . K_n(x,y)=\sum_{k=0}^{n}p_k(x)p_k(y). K n ( x , y ) = k = 0 ∑ n p k ( x ) p k ( y ) .
它能再生任意次数不超过 n n n 的多项式 q q q :
q ( x ) = ∫ K n ( x , y ) q ( y ) d μ ( y ) . q(x)=\int K_n(x,y)q(y)\,d\mu(y). q ( x ) = ∫ K n ( x , y ) q ( y ) d μ ( y ) .
克里斯托费尔–达布公式 将这一求和式化简为
K n ( x , y ) = a n + 1 p n + 1 ( x ) p n ( y ) − p n ( x ) p n + 1 ( y ) x − y . K_n(x,y)=a_{n+1} \frac{p_{n+1}(x)p_n(y)-p_n(x)p_{n+1}(y)}{x-y}. K n ( x , y ) = a n + 1 x − y p n + 1 ( x ) p n ( y ) − p n ( x ) p n + 1 ( y ) .
当 x = y x=y x = y 时,该商式的值通过取极限来确定。这一公式可通过对三项递推关系作望远镜求和得到,在展开式与零点的估计中起着核心作用。
核在对角线上的值的倒数
λ n ( x ) = 1 K n ( x , x ) , \lambda_n(x)=\frac{1}{K_n(x,x)}, λ n ( x ) = K n ( x , x ) 1 ,
称为克里斯托费尔函数。它具有如下变分表述:
λ n ( x ) = min deg q ≤ n q ( x ) = 1 ∫ ∣ q ( t ) ∣ 2 d μ ( t ) . \lambda_n(x) =\min_{\substack{\deg q\leq n\\q(x)=1}} \int |q(t)|^2\,d\mu(t). λ n ( x ) = d e g q ≤ n q ( x ) = 1 min ∫ ∣ q ( t ) ∣ 2 d μ ( t ) .
它衡量的是:多项式在指定点取值为 1 时,其加权均方积分所能达到的最小值。
次数很大时的行为同时取决于支集与权函数。对于雅可比权函数,归一化零点计数测度收敛于反正弦分布
d x π 1 − x 2 , − 1 < x < 1 , \frac{dx}{\pi\sqrt{1-x^2}},\qquad -1<x<1, π 1 − x 2 d x , − 1 < x < 1 ,
而与固定的容许参数 α , β \alpha,\beta α , β 无关。在无界区间上,则必须对零点重新缩放:埃尔米特多项式零点的尺度为 n \sqrt n n ,拉盖尔多项式零点的尺度为 n n n 。精确的渐近公式分别刻画内部的振荡、端点处的行为,以及零点分布范围之外区域的行为。
高斯求积 正交多项式决定了高斯求积 公式,这类公式利用函数值来近似计算带权积分:
∫ f ( x ) d μ ( x ) ≈ ∑ i = 1 n ω i f ( x i ) . \int f(x)\,d\mu(x) \approx\sum_{i=1}^{n}\omega_i f(x_i). ∫ f ( x ) d μ ( x ) ≈ i = 1 ∑ n ω i f ( x i ) .
高斯节点 x i x_i x i 是 n n n 次正交多项式的零点。权重 ω i \omega_i ω i 的选取使公式能够精确积分所有次数不超过 n − 1 n-1 n − 1 的多项式。正交性进而将其代数精度提高到 2 n − 1 2n-1 2 n − 1 。
要理解其中的原因,可以将任意次数不超过 2 n − 1 2n-1 2 n − 1 的多项式 f f f 除以 P n P_n P n :
f = P n q + r , deg q , deg r ≤ n − 1. f=P_nq+r,\qquad \deg q,\deg r\leq n-1. f = P n q + r , deg q , deg r ≤ n − 1.
P n q P_nq P n q 的积分为零。在每个高斯节点处,P n q P_nq P n q 也为零,因此积分与求积公式都只需考虑余式 r r r 。对 r r r 的精确性可由普通的多项式插值 得到。因此,这种额外的精确性是正交性的直接结果,而非节点选择上的巧合。
所有高斯权重都为正。设 ℓ i \ell_i ℓ i 是一个 ( n − 1 ) (n-1) ( n − 1 ) 次基本插值多项式,在 x i x_i x i 处取值为 1 1 1 ,在其余节点处取值为 0 0 0 ,则由求积公式的精确性可得
ω i = ∫ ℓ i ( x ) 2 d μ ( x ) > 0. \omega_i=\int \ell_i(x)^2\,d\mu(x)>0. ω i = ∫ ℓ i ( x ) 2 d μ ( x ) > 0.
等价地,采用标准正交多项式的记号,有
ω i = 1 K n − 1 ( x i , x i ) . \omega_i=\frac{1}{K_{n-1}(x_i,x_i)}. ω i = K n − 1 ( x i , x i ) 1 .
正性避免了权重之间的正负抵消,使高斯求积公式特别适用于正测度。
对于实节点可自由选取的 n n n 节点求积公式,2 n − 1 2n-1 2 n − 1 次代数精度已是最优。若公式对 2 n 2n 2 n 次多项式仍然精确,将其应用于
r ( x ) = ∏ i = 1 n ( x − x i ) 2 r(x)=\prod_{i=1}^{n}(x-x_i)^2 r ( x ) = i = 1 ∏ n ( x − x i ) 2
便会得到零,但对于支集为无限集的正测度,该多项式的积分严格为正。在紧区间上,若函数满足适当的光滑性假设,还可得到更精确的误差表达式:
∫ f d μ − ∑ i = 1 n ω i f ( x i ) = f ( 2 n ) ( ξ ) ( 2 n ) ! ∫ P n ( x ) 2 d μ ( x ) \int f\,d\mu-\sum_{i=1}^{n}\omega_i f(x_i) =\frac{f^{(2n)}(\xi)}{(2n)!}\int P_n(x)^2\,d\mu(x) ∫ f d μ − i = 1 ∑ n ω i f ( x i ) = ( 2 n )! f ( 2 n ) ( ξ ) ∫ P n ( x ) 2 d μ ( x )
其中 ξ \xi ξ 是区间内的某一点。
常见的具名求积公式与各自的权函数相对应:高斯–勒让德求积用于有限区间上的单位权函数,高斯–雅可比求积用于带有代数型端点因子的权函数,高斯–拉盖尔求积用于半直线上具有指数衰减权函数的积分,高斯–埃尔米特求积则用于高斯权函数。通过变量代换,可将这些公式用于其他尺度和位置。
1969 年发表的戈卢布–韦尔施算法通过计算 J n J_n J n 的特征值来求得节点。若与 x i x_i x i 对应的特征向量具有单位欧几里得范数,且其第一个分量为 v i , 1 v_{i,1} v i , 1 ,则
ω i = m 0 ∣ v i , 1 ∣ 2 . \omega_i=m_0|v_{i,1}|^2. ω i = m 0 ∣ v i , 1 ∣ 2 .
这就将求积公式的构造转化为实对称三对角矩阵的特征值计算。相关的高斯–拉道和高斯–洛巴托公式分别将区间的一个或两个端点指定为节点,为满足这些约束而牺牲部分代数精度。
展开、逼近与数值计算 标准正交系可以给出函数的多项式投影。对于 Lp空间 L 2 ( μ ) L^2(\mu) L 2 ( μ ) 中的 f f f ,定义
c n = ∫ f ( x ) p n ( x ) d μ ( x ) , S N f = ∑ n = 0 N c n p n . c_n=\int f(x)p_n(x)\,d\mu(x),\qquad S_Nf=\sum_{n=0}^{N}c_np_n. c n = ∫ f ( x ) p n ( x ) d μ ( x ) , S N f = n = 0 ∑ N c n p n .
在所有次数不超过 N N N 的多项式中,函数 S N f S_Nf S N f 是使 ∥ f − q ∥ L 2 ( μ ) \|f-q\|_{L^2(\mu)} ∥ f − q ∥ L 2 ( μ ) 取得最小值的唯一多项式。由正交性可得
∥ f − S N f ∥ L 2 ( μ ) 2 = ∥ f ∥ L 2 ( μ ) 2 − ∑ n = 0 N ∣ c n ∣ 2 . \|f-S_Nf\|_{L^2(\mu)}^2 =\|f\|_{L^2(\mu)}^2-\sum_{n=0}^{N}|c_n|^2. ∥ f − S N f ∥ L 2 ( μ ) 2 = ∥ f ∥ L 2 ( μ ) 2 − n = 0 ∑ N ∣ c n ∣ 2 .
这个恒等式描述的是加权均方逼近;它本身并不意味着最大误差很小,也不意味着逐点收敛。
这些投影是否对每个 L 2 L^2 L 2 函数都收敛于该函数,取决于完备性。当支集是实数轴上的紧集时,连续函数可以由多项式一致逼近,而多项式在 L 2 ( μ ) L^2(\mu) L 2 ( μ ) 中稠密。因此,该标准正交序列构成一个标准正交基 。对于无界支集,完备性需要额外的假设,不能仅凭所有阶矩都存在就加以推断。因此,使用“正交多项式展开”这一说法时,必须区分形式级数与已知收敛于原函数的展开。
光滑性与复解析性决定了收敛速度。对于切比雪夫级数,如果 f f f 在参数为 ρ > 1 \rho>1 ρ > 1 的伯恩斯坦椭圆内部解析,且在其中的绝对值不超过 M M M ,那么其系数的界与 M ρ − n M\rho^{-n} M ρ − n 成正比。这种几何衰减解释了多项式逼近解析函数时的高效性。可微阶数有限时,系数通常呈代数衰减,而非几何衰减。间断点可能引起持续存在的局部振荡,类似于傅里叶级数 中的现象。
切比雪夫展开尤其方便,因为
f ( cos θ ) = ∑ n ≥ 0 c n cos ( n θ ) f(\cos\theta) =\sum_{n\geq0}c_n\cos(n\theta) f ( cos θ ) = n ≥ 0 ∑ c n cos ( n θ )
将多项式展开转化成了余弦展开。在适当的余弦分布节点上采样得到的函数值,可以用与快速傅里叶变换 相关的算法高效地进行变换。这些节点在端点附近的分布比等距节点密集得多,从而减轻了等距节点高次插值中可能出现的严重端点振荡。
直接求值时,使用三项递推关系通常可以避免采用单项式系数所带来的计算开销和相消问题。有限项正交展开可以用 克伦肖算法 求值,这是一种推广了霍纳法则的反向递推算法。其效果取决于多项式族、求值区域、尺度调整以及所用的算术运算方式;递推公式并非在所有情况下都稳定。
从原始矩构造递推系数是另一个独立的数值问题。虽然矩行列式公式在符号计算层面是精确的,但其条件数 可能极大。此时,浮点运算 可能破坏正交性所依赖的正定结构。更可靠的方法包括精心实现的斯蒂尔切斯过程、相对于已知参考多项式族的修正矩方法,以及对离散化乘法算子进行兰索斯型约化。数值计算中,往往必须监测正交性,而不能假定它始终成立。
在概率、微分方程和谱算法中的应用 在概率论中,正交多项式依据随机变量的分布,为该随机变量的函数构造基。若 X X X 服从标准正态分布,则概率论型埃尔米特多项式满足
E [ He m ( X ) He n ( X ) ] = n ! δ m n . \mathbb E[\operatorname{He}_m(X)\operatorname{He}_n(X)] =n!\,\delta_{mn}. E [ He m ( X ) He n ( X )] = n ! δ mn .
因此,He n / n ! \operatorname{He}_n/\sqrt{n!} He n / n ! 构成标准正交系。在适当的完备性条件下,X X X 的平方可积函数可以按这组基展开,其方差 便等于所有非常数项系数的平方和。
这一思想可推广到用于不确定性量化的多项式混沌 展开。对于相互独立且边缘分布适当的输入变量,可以构造乘积基:高斯输入采用埃尔米特多项式,贝塔型输入采用雅可比多项式,伽马型输入采用拉盖尔多项式。对于标准正交展开
Y = ∑ α c α Ψ α , Y=\sum_{\boldsymbol{\alpha}} c_{\boldsymbol{\alpha}}\Psi_{\boldsymbol{\alpha}}, Y = α ∑ c α Ψ α ,
其均值为 c 0 c_{\boldsymbol0} c 0 ,方差为
Var ( Y ) = ∑ α ≠ 0 ∣ c α ∣ 2 . \operatorname{Var}(Y) =\sum_{\boldsymbol{\alpha}\ne\boldsymbol0} |c_{\boldsymbol{\alpha}}|^2. Var ( Y ) = α = 0 ∑ ∣ c α ∣ 2 .
这种分解的实用性取决于输入测度,以及能否控制所保留的多元项的数量。
经典正交多项式也出现在用分离变量法求解微分方程 的过程中。勒让德多项式描述了球坐标系中拉普拉斯方程的轴对称解对角度的依赖关系。在量子力学 中,一维谐振子的波函数正比于
e − ξ 2 / 2 H n ( ξ ) , e^{-\xi^2/2}H_n(\xi), e − ξ 2 /2 H n ( ξ ) ,
其中 ξ \xi ξ 是无量纲位置。缔合拉盖尔多项式则出现在类氢原子的径向波函数中。在这些例子里,多项式的正交性蕴含于物理本征函数的正交性之中,而坐标系和指数包络则提供额外的权重因子。
在谱方法 中,微分方程的解用全局多项式展开来近似。伽辽金法要求残差与选定的检验空间正交,而配点法则要求方程在选定的节点上成立。对于无权 L 2 L^2 L 2 形式,勒让德基是自然的选择;切比雪夫基则因其快速变换和成熟的插值公式而颇具吸引力。边界条件可以通过修改基函数、替换部分方程或添加约束项来施加。
正交多项式还将迭代式数值线性代数 与谱上的逼近联系起来。兰索斯算法从一个对称矩阵和一个初始向量出发,生成一个三对角矩阵。其递推关系正是由该向量确定的离散谱测度所对应的正交多项式递推关系。这一联系解释了为何高斯求积无需对整个矩阵进行对角化,就能近似计算 v T f ( A ) v v^\mathsf{T}f(A)v v T f ( A ) v 之类的量。
另一个联系出现在随机矩阵理论 中。对于特征值密度正比于
∏ i < j ( x i − x j ) 2 ∏ i w ( x i ) , \prod_{i<j}(x_i-x_j)^2\prod_i w(x_i), i < j ∏ ( x i − x j ) 2 i ∏ w ( x i ) ,
的酉不变系综,权函数 w w w 对应的正交多项式可通过行列式核来表示特征值的相关函数。随后,克里斯托费尔–达布恒等式可将许多涉及高次多项式的问题,归结为仅对两个次数相邻的多项式进行渐近分析。
离散系统、矩问题与更广泛的推广 正交性并不要求对连续密度进行积分。在离散支撑集 { x j } \{x_j\} { x j } 上,内积的形式为
⟨ f , g ⟩ = ∑ j w j f ( x j ) g ( x j ) ‾ , w j > 0. \langle f,g\rangle =\sum_j w_jf(x_j)\overline{g(x_j)},\qquad w_j>0. ⟨ f , g ⟩ = j ∑ w j f ( x j ) g ( x j ) , w j > 0.
重要的离散多项式族包括对应泊松权重的沙利耶多项式、对应二项权重的克拉夫丘克多项式,以及对应负二项权重的梅克斯纳多项式。哈恩多项式则是另一类重要的有限支撑多项式族。它们的作用与经典连续多项式族类似,但微分方程被二阶差分方程取代。
有限支撑会改变系统所含多项式的个数。对于支撑在 0 , 1 , … , N 0,1,\ldots,N 0 , 1 , … , N 上的二项分布,存在 N + 1 N+1 N + 1 个相互正交的多项式函数,可分别用次数为 0 0 0 到 N N N 的多项式表示。在这些节点上,任何更高次的多项式函数都可以用较低次的多项式表示。这反映的是函数空间的维数,而非正交化过程失效。
一个基础性问题是矩问题 :给定序列 { m k } \{m_k\} { m k } ,它是否是某个正测度的矩序列?如果是,这个测度是否唯一?汉堡矩问题考察整个实轴上的测度,而斯蒂尔切斯矩问题将测度限制在非负半轴上。具有紧支撑的正测度由其矩唯一确定。在无界支撑集上,不同的测度可能具有完全相同的矩,因而具有完全相同的首一正交多项式。
卡尔曼条件是汉堡矩问题中保证唯一性的一个实用充分条件:
∑ n = 1 ∞ m 2 n − 1 / ( 2 n ) = ∞ . \sum_{n=1}^{\infty}m_{2n}^{-1/(2n)}=\infty. n = 1 ∑ ∞ m 2 n − 1/ ( 2 n ) = ∞.
它并非必要条件。对数正态分布说明,仅仅所有阶矩均有限还不足以保证唯一性。若 X = e Z X=e^Z X = e Z ,其中 Z Z Z 服从标准正态分布,则对每个非负整数 k k k ,都有
E [ X k sin ( 2 π log X ) ] = 0 \mathbb E[X^k\sin(2\pi\log X)]=0 E [ X k sin ( 2 π log X )] = 0
因此,将对数正态密度乘以
1 + ε sin ( 2 π log x ) , ∣ ε ∣ ≤ 1 , 1+\varepsilon\sin(2\pi\log x),\qquad |\varepsilon|\leq1, 1 + ε sin ( 2 π log x ) , ∣ ε ∣ ≤ 1 ,
便可得到具有相同矩的不同概率测度。同一恒等式还给出了原有 L 2 L^2 L 2 空间中一个与所有多项式正交的非零函数,直接表明多项式系可能不完备。
单位圆上的正交多项式构成了另一套重要理论。它们使用 1 , z , z 2 , … 1,z,z^2,\ldots 1 , z , z 2 , … ,并以内积在 ∣ z ∣ = 1 |z|=1 ∣ z ∣ = 1 上定义正交性。由于乘以 z z z 的算子是酉算子而非自伴算子,其基本递推关系具有不同的结构,并涉及反转多项式。递推关系中的参数称为韦尔布伦斯基系数;对于非平凡的无限系统,这些系数位于开单位圆盘内。实轴上的三项递推关系不能原封不动地搬到这一情形中。
在多个实变量的情形下,每个总次数都对应多个线性无关的单项式,因此无法为每个次数指定唯一的典范多项式。乘积测度可以给出简单的张量积构造;更一般的测度则会导出向量或分块递推关系。类似地,矩阵值权重会产生矩阵正交多项式。其他推广还包括关于多个测度的多重正交性、含有导数项的索博列夫内积,以及由乘法平移而非加法平移支配的 q q q -正交系统。
历史发展与现代研究 正交多项式理论并非源于某个单一的定义,而是在若干实际问题和分析问题的研究中逐渐发展起来的。18 世纪关于引力势和球面几何的研究催生了勒让德多项式。其生成函数
( 1 − 2 x t + t 2 ) − 1 / 2 = ∑ n = 0 ∞ P n ( x ) t n , (1-2xt+t^2)^{-1/2} =\sum_{n=0}^{\infty}P_n(x)t^n, ( 1 − 2 x t + t 2 ) − 1/2 = n = 0 ∑ ∞ P n ( x ) t n ,
自然地出现在与距离成反比的势函数的展开中。这一起源解释了勒让德多项式为何始终与天体力学和势论密切相关。
1814 年,卡尔·弗里德里希·高斯 提出了一项原则:通过选择求积节点,使求积公式对多项式达到尽可能高的代数精度。这些节点与如今所说的正交多项式联系在一起。由此确立了这一领域最重要的联系之一:不再固定使用等距节点,而是让函数求值点的位置也参与优化,就能提高积分近似的精度。
19 世纪,雅可比、切比雪夫、埃尔米特和拉盖尔发展了与特殊函数、逼近和微分方程相关的多项式族。切比雪夫在 19 世纪 50 年代的工作将多项式逼近与实际机械问题以及更广泛的最优性问题联系起来。随后,托马斯·斯蒂尔切斯深入揭示了正交多项式、连分数 与矩之间的联系。对于形如
F ( z ) = ∫ d μ ( x ) z − x F(z)=\int\frac{d\mu(x)}{z-x} F ( z ) = ∫ z − x d μ ( x )
的变换,其连分数展开所包含的系数,正是三项递推关系中出现的系数。
20 世纪初,正交多项式的抽象理论逐渐确立。萨洛蒙·博赫纳于 1929 年给出的分类,在标准的二阶微分算子假设和实数域上的正定正交条件下,确定了经典正交多项式族。法瓦尔于 1935 年提出的定理确立了基于递推关系的存在性原理。加博尔·塞格的《正交多项式》于 1939 年首次出版,系统整理了这一理论的大量成果,并成为研究零点、展开和渐近性质的核心参考文献。这些进展使研究重点从各个单独命名的序列,转向整类测度所共有的结构性质。
电子计算的兴起开启了又一个发展阶段。1969 年提出的戈卢布–韦尔施方法,使高斯求积成为对称矩阵特征值算法的一项实用应用。此后的研究着重于稳定地构造递推系数、快速多项式变换、高阶微分方程求解器,以及正交性与有限精度运算之间的相互影响。这里往往需要区分的是:一个公式在数学上是否精确,与一种算法能否在数值计算中保持该公式的结构,并不是一回事。
现代渐近研究运用复变方法、对数势论和矩阵黎曼–希尔伯特问题 。20 世纪 90 年代初发展起来的黎曼–希尔伯特表述,结合非线性最速下降法,使人们能够针对广泛的权函数类别推导出精细的高次渐近公式。其应用包括特征值统计、变动指数权,以及奇异端点或区间合并处附近的过渡行为。当前活跃的研究问题还涉及非经典测度、多重正交性与矩阵正交性,以及当支集或权函数的结构变得日益复杂时递推系数的行为。