http://blog.csdn.net/pipisorry/article/details/49366047

Hermite埃尔米特多项式

在数学中,埃尔米特多项式是一种经典的正交多项式族,得名于法国数学家夏尔·埃尔米特。概率论里的埃奇沃斯级数的表达式中就要用到埃尔米特多项式。在组合数学中,埃尔米特多项式是阿佩尔方程的解。物理学中,埃尔米特多项式给出了量子谐振子的本征态。

前4个(概率论中的)埃尔米特多项式的图像

The Hermite polynomials are set of orthogonal polynomials over the domain
with weighting function, illustrated above for,
2, 3, and 4. Hermite polynomials are implemented in the Wolfram Language asHermiteH[n,x].

The Hermite polynomial can be defined by the contour integral

(1)

where the contour encloses the origin and is traversed in a counterclockwise direction (Arfken 1985, p. 416).

Hermite多项式,其正交域为(-∞, +∞),其一维形式是

其中,Hk(x)前面的乘式为正交归一化因子,为计算简便可省略。

前10个Hermite多项式

H_0(x) =
1

H_1(x) =
2x

H_2(x) =
4x^2-2

H_3(x) =
8x^3-12x

H_4(x) =
16x^4-48x^2+12

H_5(x) =
32x^5-160x^3+120x

H_6(x) =
64x^6-480x^4+720x^2-120

H_7(x) =
128x^7-1344x^5+3360x^3-1680x

H_8(x) =
256x^8-3584x^6+13440x^4-13440x^2+1680

H_9(x) =
512x^9-9216x^7+48384x^5-80640x^3+30240x

H_(10)(x) =
1024x^(10)-23040x^8+161280x^6-403200x^4+302400x^2-30240

The values may be called Hermite numbers.When ordered from smallest to largest powers, the triangle
of nonzero coefficientsis 1; 2; -2, 4; -12, 8; 12, -48, 16; 120, -160, 32; ... (OEISA059343).

Hermite多项式的性质

多项式Hn 是一个n次的多项式。概率论的埃尔米特多项式是首一多项式(最高次项系数等于1),而物理学的埃尔米特多项式的最高次项系数等于2n

正交性

多项式Hn 的次数与序号n 相同,所以不同的埃尔米特多项式的次数不一样。对于给定的权函数w,埃尔米特多项式的序列将会是正交序列。

   (概率论)
   (物理学)

也就是说,当m ≠ n 时:

除此之外,还有:

  
(概率论)
  
(物理学)

其中克罗内克函数

从上式可以看到,概率论中的埃尔米特多项式与标准正态分布正交。

完备性

在所有满足

的函数所构成的完备空间中,埃尔米特多项式序列构成一组基。其中的内积定义如下:

埃尔米特微分方程

概率论中的埃尔米特多项式是以下微分方程的解:

方程的的边界条件为:应在无穷远处有界。

其中是这个方程的本征值,是一个常数。要满足上述边界条件,应取。对于一个特定的本征值,对应着一个特定的本征函数解,即

物理学中的埃尔米特多项式则是以下微分方程的解:

其本征值同样为,对应的本征函数解为

以上两个微分方程都称为埃尔米特方程

from:http://blog.csdn.net/pipisorry/article/details/49366047

ref:mathworld Hermite Polynomial

wikipedia 埃尔米特多项式

数值分析:Hermite多项式的更多相关文章

  1. 数值计算方法实验之Hermite 多项式插值 (Python 代码)

    一.实验目的 在已知f(x),x∈[a,b]的表达式,但函数值不便计算,或不知f(x),x∈[a,b]而又需要给出其在[a,b]上的值时,按插值原则f(xi)= yi(i= 0,1…….,n)求出简单 ...

  2. Hermite WENO 重构格式

    Hermite WENO 单元重构 本文主要介绍采用 Hermite WENO 重构方法作为斜率限制器应用于二维或高维单元中. 1.简介[1] ENO格式最早由 Harten 等[2]提出,ENO格式 ...

  3. Matlab插值函数

    x=0:2*pi; y=sin(x); xx=0:0.5:2*pi; %interp1对sin函数进行分段线性插值,调用interp1的时候,默认的是分段线性插值 y1=interp1(x,y,xx) ...

  4. Line Search and Quasi-Newton Methods 线性搜索与拟牛顿法

    Gradient Descent 机器学习中很多模型的参数估计都要用到优化算法,梯度下降是其中最简单也用得最多的优化算法之一.梯度下降(Gradient Descent)[3]也被称之为最快梯度(St ...

  5. Line Search and Quasi-Newton Methods

    Gradient Descent 机器学习中很多模型的参数估计都要用到优化算法,梯度下降是其中最简单也用得最多的优化算法之一.梯度下降(Gradient Descent)[3]也被称之为最快梯度(St ...

  6. 基于 Mathematica 的机器人仿真环境(机械臂篇)[转]

    完美的教程,没有之一,收藏学习. 目的 本文手把手教你在 Mathematica 软件中搭建机器人的仿真环境,具体包括以下内容(所使用的版本是 Mathematica 11.1,更早的版本可能缺少某些 ...

  7. Image Processing and Analysis_8_Edge Detection:The Design and Use of Steerable Filters——1991

    此主要讨论图像处理与分析.虽然计算机视觉部分的有些内容比如特 征提取等也可以归结到图像分析中来,但鉴于它们与计算机视觉的紧密联系,以 及它们的出处,没有把它们纳入到图像处理与分析中来.同样,这里面也有 ...

  8. Image Processing and Analysis_8_Edge Detection:Finding Edges and Lines in Images by Canny——1983

    此主要讨论图像处理与分析.虽然计算机视觉部分的有些内容比如特 征提取等也可以归结到图像分析中来,但鉴于它们与计算机视觉的紧密联系,以 及它们的出处,没有把它们纳入到图像处理与分析中来.同样,这里面也有 ...

  9. Java实现 蓝桥杯VIP 算法训练 非递归(暴力)

    试题 算法训练 非递归 问题描述 当x>1时,Hermite多项式的定义见第二版教材125页.用户输入x和n,试编写"非递归"函数,输出对应的Hermite多项式的值.其中x ...

随机推荐

  1. Mysql锁机制--写锁

    Mysql 系列文章主页 =============== 1 准备数据 1.1 建表 1.1.1 建立 Employee表 DROP TABLE IF EXISTS employee; CREATE ...

  2. 两个对象用equals方法比较为true,它们的Hashcode值相同吗?

    两个对象用equals方法比较为true,它们的Hashcode值相同吗? 答:不一定相同.正常情况下,因为equals()方法比较的就是对象在内存中的值,如果值相同,那么Hashcode值也应该相同 ...

  3. 我与android的缘分

    android的开始 本人是一名大三的学生,大一大二主要学习的是php后台开发,在大一的时候做过一些小的网站系统,也参加过一些大学生计算机相关的比赛.这次开始着手于安卓开发,也是一时的兴起.因为跟我们 ...

  4. C stat函数的用法举例(转载)

    stat函数讲解表头文件:    #include <sys/stat.h>             #include <unistd.h>定义函数:    int stat( ...

  5. ng-book札记——Angular工作方式

    Angular应用由组件(Component)构成.它与AngularJS中的指令相似(directive). 应用 一个Angular应用本质上是一个组件树.在组件树的顶层,最上级的组件即是应用本身 ...

  6. C++格式化输出浮点数

    主要内容 介绍C++中如何格式化输出浮点数. 控制浮点数输出格式需要包含iomanip头文件. 使用fixed来控制输出的浮点数的小数位是固定的.可参考http://en.cppreference.c ...

  7. Linux 性能监测:Memory

    这里的讲到的 "内存" 包括物理内存和虚拟内存,虚拟内存(Virtual Memory)把计算机的内存空间扩展到硬盘,物理内存(RAM)和硬盘的一部分空间(SWAP)组合在一起作为 ...

  8. Dynamics CRM2016 Web API之获取查找字段的text及选项集的text

    本篇再来介绍个web api的功能,关于lookup的text这里只是略带,因为有expand,现有的web api就能实现,主要提的是选项集的text,我们通过基本的查询api查出来的字段值只带有v ...

  9. GirlFriendNotFoundException异常是怎样处理的?

    GirlFriendNotFoundException异常是怎样处理的? 如果说要去创造这个异常,那么我们的JAVA程序里,肯定是继承Exception去处理,所有我们可以先实现一个自己的Except ...

  10. ios开发之xcode环境介绍

    作为一个刚入门ios开发的人来说,对于ios开发,对于xcode一切都是那么的陌生,那么我们如何开始我们的第一步呢?首先对开发的ide是必须要了解的,其实要对开发的语言要慢慢熟悉起来,今天我们先来熟悉 ...