这次介绍的是关于Jacobi正交多项式的零点计算问题,谷歌学术里面可以搜索到很多相关学术文章。由于在Galerkin-Spectral方法中经常使用Jacobi正交多项式,所以整理了一些相关知识点。

Jacobi正交多项式的递推公式

$J_0^{\alpha,\beta}(x)=1$, $\quad J_1^{\alpha,\beta}(x)=\frac12 (\alpha+\beta+2)x+\frac12(\alpha-\beta),$

$J_{n+1}^{\alpha,\beta}(x)=\Big(a_n^{\alpha,\beta}x-b_n^{\alpha,\beta}\Big)J_{n}^{\alpha,\beta}(x)-c_{n}^{\alpha,\beta}J_{n-1}^{\alpha,\beta}(x),\quad n\geq 1.$

其中

$a_n^{\alpha,\beta}=\frac{\big(  2n+\alpha+\beta+1 \big)\big(  2n+\alpha+\beta+2 \big)}{2\big(  n+1 \big)\big(  n+\alpha+\beta+1 \big)},$

$b_n^{\alpha,\beta}=\frac{\big(  \beta^2-\alpha^2 \big)\big(  2n+\alpha+\beta+1 \big)}{2\big(  n+1 \big)\big(  n+\alpha+\beta+1 \big)\big(  2n+\alpha+\beta\big)},$

$c_n^{\alpha,\beta}=\frac{\big(  n+\alpha \big)\big(  n+\beta\big)\big(  2n+\alpha+\beta+2 \big)}{\big(  n+1 \big)\big(  n+\alpha+\beta+1 \big)\big(  2n+\alpha+\beta\big)}.$

Jacobi正交多项式的导函数

$\partial_x J_{n}^{\alpha,\beta}(x)=\frac12\big(   n+\alpha+\beta+1 \big)J_{n-1}^{\alpha+1,\beta+1}(x),$

$\partial^k_x J_{n}^{\alpha,\beta}(x)=d_{n,k}^{\alpha,\beta}J_{n-k}^{\alpha+k,\beta+k}(x),\quad n\geq k.$

$d_{n,k}^{\alpha,\beta}=\frac{\Gamma(n+k+\alpha+\beta+1)}{2^k\Gamma(n+\alpha+\beta+1)}.$

Jacobi-Gauss-Lobatto 积分点和积分权:

积分点:$\{  x_j \}_{j-1}^{N-1}$是多项式$\partial_x J_{N}^{\alpha,\beta}(x)$的零点,也即正交多项式$\frac12\big(   N+\alpha+\beta+1 \big)J_{N-1}^{\alpha+1,\beta+1}(x)$的零点.

积分权:$w_0=\frac{2^{\alpha+\beta+1}(\beta+1)\Gamma^2(\beta+1)\Gamma(N)\Gamma(N+\alpha+1)}{\Gamma(N+\beta+1)\Gamma(N+\alpha+\beta+2)}=\frac{2^{\alpha+\beta+1}\Gamma(\beta+2)N!(\alpha+1)_N\Gamma(\alpha+1)}{(\beta+1)_N(\alpha+\beta+2)_N\Gamma(\alpha+\beta+2)},$

$w_N=\frac{2^{\alpha+\beta+1}(\alpha+1)\Gamma^2(\alpha+1)\Gamma(N)\Gamma(N+\beta+1)}{\Gamma(N+\alpha+1)\Gamma(N+\alpha+\beta+2)},$

$w_j=\frac{1}{1-x_j^2}\frac{G_{N-2}^{\alpha+1,\beta+1}}{J_{N-2}^{\alpha+1,\beta+1}\partial_x J_{N-1}^{\alpha+1,\beta+1}(x_j)},\quad 1\leq j\leq N-1,$

其中

$G_N^{\alpha,\beta}=\frac{2^{\alpha+\beta}(2N+\alpha+\beta+2)\Gamma(N+\alpha+1)\Gamma(N+\beta+1)}{(N+1)!\Gamma(N+\alpha+\beta+2)}.$

Jacobi-Gauss-Lobatto积分点和积分权的更多相关文章

  1. CSDN积分规则具体解释--【叶子】

    前记:在CSDN的社区支持板块,常常看到有人提问,为什么有积分却不能下载,此类问题层出不穷,而论坛的各种积分制度说明又非常分散,不便于寻找,为了方便新注冊用户高速了解论坛的积分规则,也为了降低社区支持 ...

  2. QuantLib 金融计算——数学工具之数值积分

    目录 QuantLib 金融计算--数学工具之数值积分 概述 常见积分方法 高斯积分 如果未做特别说明,文中的程序都是 Python3 代码. QuantLib 金融计算--数学工具之数值积分 载入模 ...

  3. .Net中的AOP系列之构建一个汽车租赁应用

    返回<.Net中的AOP>系列学习总目录 本篇目录 开始一个新项目 没有AOP的生活 变更的代价 使用AOP重构 本系列的源码本人已托管于Coding上:点击查看. 本系列的实验环境:VS ...

  4. EF性能调优

    首先说明下: 第一次运行真是太慢了,处理9600多个员工数据,用了81分钟!! 代码也挺简单,主要是得到数据-->对比分析-->插入分析结果到数据库.用的是EF的操作模式. public ...

  5. ecstore2.0数据库词典

    数据库词典= 数据库tables列表 =|| Name | Comment ||| sdb_aftersales_return_product | 售后申请 || sdb_b2c_brand | 商品 ...

  6. MySQL数据库优化总结

    对于一个以数据为中心的应用,数据库的好坏直接影响到程序的性能,因此数据库性能至关重要.一般来说,要保证数据库的效率,要做好以下四个方面的工作:数 据库设计.sql语句优化.数据库参数配置.恰当的硬件资 ...

  7. MySql数据库3【优化2】sql语句的优化

    1.SELECT语句优化 1).利用LIMIT 1取得唯一行[控制结果集的行数] 有时,当你要查询一张表是,你知道自己只需要看一行.你可能会去的一条十分独特的记录,或者只是刚好检查了任何存在的记录数, ...

  8. 微软的一篇ctr预估的论文:Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft’s Bing Search Engine。

    周末看了一下这篇论文,觉得挺难的,后来想想是ICML的论文,也就明白为什么了. 先简单记录下来,以后会继续添加内容. 主要参考了论文Web-Scale Bayesian Click-Through R ...

  9. discuz功能列表

    导航旁边的+就可以把其加入到常用操作 上 首页 管理中心首页 文件校验,在线成员,管理团队留言.系统信息.开发 团队介绍. 常用操作管理 名称和URL 全局 站点信息 站点名称.网站名称,网站URL. ...

随机推荐

  1. 明解C语言 入门篇 第十二章答案

    练习12-1 /* 用表示学生的结构体来显示高尾的信息 */ #include <stdio.h> #define NAME_LEN 64 /* 姓名的字符数 */ /*=== 表示学生的 ...

  2. .net core EF Core 调用存储过程

    在这里,我们将尝试去学习一下 .net core EF Core 中调用存储过程. 我们知道,EF Core 是不支持直接调用存储过程的,那它又提供了什么样的方式去执行存储过程呢?有如下方法: 1.F ...

  3. java架构之路(多线程)JMM和volatile关键字

    说到JMM大家一定很陌生,被我们所熟知的一定是jvm虚拟机,而我们今天讲的JMM和JVM虚拟机没有半毛钱关系,千万不要把JMM的任何事情联想到JVM,把JMM当做一个完全新的事物去理解和认识. 我们先 ...

  4. 嵌入式Linux+NetCore 笔记一

    记录嵌入式Linux+NetCore培训中遇到的一些问题以及解决方法 十一放假期间发现园里大神大石头(NewLife团队)开了一个嵌入式Linux+NetCore培训,就报名参加了.更幸运的是,我刚好 ...

  5. C# 使用Environment获取当前程序运行环境相关信息

    Enviroment类和AppDomain类前者表示系统级的相关信息,后者表示应用程序级的相关信息. 我常用这两个类获取一些程序运行目录.操作系统位数等信息: string basedir = App ...

  6. JVM 学习总结

    目录 Java内存区域 运行时数据区 & Java 内存结构 & Java 内存区域 1. 程序计数器 2. Java 虚拟机栈 3. 本地方法栈 4. 堆 5. 方法区 6. 运行时 ...

  7. windows下编写dll

    dll的优点 简单的说,dll有以下几个优点: 1) 节省内存.同一个软件模块,若是以源代码的形式重用,则会被编译到不同的可执行程序中,同时运行这些exe时这些模块的二进制码会被重复加载到内存中.如果 ...

  8. Java构造函数执行顺序

    首先执行基类的构造函数 然后执行派生类的构造函数之外的初始化语句 最后执行派生类的构造函数 在Java中,如果派生类构造函数需要调用基类的构造函数,那么基类构造函数必须作为派生类构造函数的第一句话.在 ...

  9. 微信小程序的线程架构

    小程序的线程架构 每个小程序包含一个描述整体程序的app实例和多个描述页面的page. 其中app由3个文件构成: app.json 公共配置文件 app.wxss 公共样式文件 app.js 主体逻 ...

  10. iOS - 常用宏定义和PCH文件知识点整理

    (一)PCH文件操作步骤演示: 第一步:图文所示: 第二步:图文所示: (二)常用宏定义整理: (1)常用Log日志宏(输出日志详细可定位某个类.某个函数.某一行) //=============== ...