Skip to main content
QUICK REVIEW

[论文解读] Lower-upper triangular decompositions, q=0 limits, and p-adic interpretations of some q-hypergeometric orthogonal polynomials

Tom H. Koornwinder, Uri Onn|arXiv (Cornell University)|May 15, 2004
Mathematical functions and polynomials被引用 2
一句话总结

本文提出了小q-Jacobi多项式和q-Hahn多项式的小q-超几何级数表示,其允许明确定义的q = 0极限,这些表示被重新表述为矩阵形式的LU分解。主要贡献是建立了一个普遍理论,将此类分解与具有离散正交性和对偶系统的正交多项式联系起来,其中q = 0极限函数具有p进数解释,并在小0-Jacobi情形下导出乘积公式。

ABSTRACT

For little q-Jacobi polynomials and q-Hahn polynomials we give particular q-hypergeometric series representations in which the termwise q = 0 limit can be taken. When rewritten in matrix form, these series representations can be viewed as LU factorizations. We develop a general theory of LU factorizations related to complete systems of orthogonal polynomials with discrete orthogonality relations which admit a dual system of orthogonal polynomials. For the q = 0 orthogonal limit functions we discuss interpretations on p-adic spaces. In the little 0-Jacobi case we also discuss product formulas.

研究动机与目标

  • 开发正交多项式在离散正交性和对偶系统下的LU分解的系统性框架。
  • 识别小q-Jacobi和q-Hahn多项式的小q-超几何级数表示,使其在q → 0极限下具有明确定义的极限。
  • 通过p进数空间解释所得的q = 0极限函数,建立q-特殊函数与p进分析之间的联系。
  • 在q = 0极限下推导小0-Jacobi多项式的乘积公式。

提出的方法

  • 推导小q-Jacobi和q-Hahn多项式的小q-超几何级数表示,使其在q → 0极限下仍保持良好定义。
  • 将这些级数重新表述为矩阵分解,识别出下三角和上三角分量,从而获得LU分解。
  • 建立一个普遍的理论框架,将具有离散正交性的正交多项式完全系统与LU分解通过其对偶多项式系统联系起来。
  • 使用p进分析研究q = 0极限函数,将其解释为p进空间上的函数。
  • 利用生成函数和正交关系,推导小0-Jacobi情形下的乘积公式。
  • 利用正交多项式系统之间的对偶性,确保LU分解结构的一致性和完备性。

实验结果

研究问题

  • RQ1如何构造小q-Jacobi和q-Hahn多项式的小q-超几何级数表示,以允许有意义的q = 0极限?
  • RQ2这些小q-超几何级数的矩阵解释为何种LU分解形式?
  • RQ3这些多项式的q = 0极限函数如何与p进空间和p进分析相关联?
  • RQ4能否从小q = 0极限中推导出小0-Jacobi多项式的乘积公式?
  • RQ5何种一般结构性质将具有离散正交性的正交多项式与通过其对偶系统实现的LU分解联系起来?

主要发现

  • 小q-Jacobi和q-Hahn多项式的q = 0极限是良好定义的,并在极限下产生新的正交函数。
  • 这些多项式的小q-超几何级数表示可解释为矩阵形式的LU分解,其中下三角和上三角矩阵分别对应于q级数的系数。
  • 小q-Jacobi多项式在q = 0极限下的函数可解释为p进空间上的函数,从而在q-特殊函数与p进分析之间建立了新颖的联系。
  • 已为小0-Jacobi多项式推导出乘积公式,将经典乘积恒等式推广至q = 0极限情形。
  • 已为具有离散正交性和对偶系统的正交多项式系统建立了LU分解的一般理论,提供了一个统一的框架。
  • 对偶正交多项式系统在确保LU分解结构的完备性和一致性方面起着关键作用。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。