使用 Zernike 多项式构建高斯型求积方案

计算科学 正交 多项式
2021-11-27 00:10:44

高斯求积的横坐标由勒让德多项式的零点给出。Legendre 多项式形成一个正交集[1,1],并且在(例如)Kress中显示,一组正交多项式的零点给出了高斯型正交方案的横坐标。

这个结果是否适用于更高的维度?特别是,我对 Zernike 多项式的零点可用于在单位圆盘上生成 2D 高斯型正交方案的位置感兴趣。如果是这样,请参考。

编辑:由于已经发布了答案,一篇新论文提出了这个方向的结果,请参见此处

2个回答

是的,可以将高斯正交(一维)扩展到多维。这通常被称为容积。Ronald Cools 和合作者在这方面做了很多工作(参见他的古巴曲式百科全书)。

一篇适用于您的应用程序(在单位圆盘上集成)的好论文是Asurvey of known and new cubature formulas for the unit disk它解释了如何生成容积公式,并提供了指向不同程度的节点/权重集的链接。特别是其中提到的单位圆盘上的参考对称正交公式对您有用。

Pavel Holoborodko的在线文章也是很好的入门读物。他解释了两种方法:直接推导和乘积规则(如 Reid Atcheson 所述)。

不幸的是,1D 推理不会直接进入 2D 及以上。根据积分的域,您将在节点选择上有相当大的自由度 - 但当然可以像往常一样从多项式生成正交权重。最接近经典高斯类型规则的方法是将域坐标变换为一维区间的乘积,然后通过张量积和坐标变换构造规则,以获得感兴趣域的规则。这对于多项式通常不是精确的,但如果坐标变换的雅可比行列表现良好,则仍应保持良好的收敛速度。

简而言之:在 1D 中,您可以很好地对齐正交规则的许多目标,因为它们可以通过单个规则同时实现。

  1. 规则的半解析表达式(例如正交多项式的零点)
  2. 规则的稳定性(正权重)
  3. 对称属性
  4. 快速收敛(例如,在特定阶以下的多项式上精确)

事实证明,在一维空间中,所有这四个条件都可以同时满足高斯正交规则。在 2D 及以上的情况下,通常必须在上述特征之间进行交易。例如,通常最快的收敛规则(那些满足标准 (4) 的规则)计算起来可能非常昂贵,并且经常在 (2) 和 (3) 中失败。满足 (1) 的规则(例如我使用坐标变换的示例)通常会失败 (2)、(3) 和 (4)。