Skip to main content
QUICK REVIEW

[论文解读] On the $q$-partial differential equations and $q$-series

Zhi-Guo Liu|arXiv (Cornell University)|May 6, 2018
Mathematical functions and polynomialsMathematics参考文献 27被引用 19
一句话总结

本文建立了一般性展开定理,适用于满足一组 $q$-偏微分方程的多复变解析函数,表明其可表示为罗杰斯-谢戈利多项式级数。关键贡献是一个统一并推广已知结果的通用 $q$-变换公式,包括沃森的惠普尔定理 $q$-类比和卡尔茨的 $q$-梅勒公式,方法基于 $q$-指数微分算子和 $q$-级数恒等式理论。

ABSTRACT

Using the theory of functions of several complex variables, we prove that if an analytic function in several variables satisfies a system of $q$-partial differential equations, then, it can be expanded in terms of the product of the Rogers-Szegő polynomials. This expansion theorem allows us to develop a general method for proving $q$-identities. A general $q$-transformation formula is derived, which implies Watson's $q$-analog of Whipple's theorem as a special case. A multilinear generating function for the Rogers-Szegő polynomials is given. The theory of $q$-exponential operator is revisited.

研究动机与目标

  • 开发一种利用 $q$-偏微分方程证明 $q$-恒等式的通用方法。
  • 建立满足 $q$-PDE 的多变量解析函数在罗杰斯-谢戈利多项式下的展开定理。
  • 推导一个涵盖已知结果(如沃森的惠普尔定理 $q$-类比)的通用 $q$-变换公式。
  • 在 $q$-级数和正交多项式背景下,重新审视并扩展 $q$-指数算子理论。
  • 构造罗杰斯-谢戈利与斯蒂尔杰斯-维格特多项式的多重线性生成函数。

提出的方法

  • 利用多复变函数理论分析 $q$-偏微分方程的解。
  • 应用 $q$-微分算子 $\mathcal{D}_{q,x}$ 及其高阶 $q$-微分公式,推导涉及 $q$-移位阶乘的恒等式。
  • 利用罗杰斯-谢戈利多项式 $h_n(x,y|q)$ 及其 $q$-微分性质构造生成函数。
  • 引入 $q$-指数算子 $T(b\mathcal{D}_{q,a})$ 以生成 $q$-级数的变换公式。
  • 通过 $q$-指数算子恒等式推导罗杰斯-谢戈利多项式的多重线性生成函数。
  • 将经典 $q$-级数变换(如西尔斯的 ${}_3\phi_2$ 公式)扩展至包含参数和 $q$-移位阶乘的形式。

实验结果

研究问题

  • RQ1满足一组 $q$-偏微分方程的解析函数是否可展开为罗杰斯-谢戈利多项式?
  • RQ2统一已知 $q$-级数恒等式的通用 $q$-变换公式的通式是什么?
  • RQ3如何利用 $q$-指数算子推导新的生成函数与变换公式?
  • RQ4罗杰斯-谢戈利多项式的多重线性生成函数是什么?其与 $q$-级数恒等式有何关联?
  • RQ5罗杰斯-谢戈利与斯蒂尔杰斯-维格特多项式的 $q$-偏微分方程如何导出新的 $q$-梅勒公式?

主要发现

  • 任何满足一组 $q$-偏微分方程的多变量解析函数均可展开为罗杰斯-谢戈利多项式级数。
  • 推导出一个通用 $q$-变换公式,当特殊化时可退化为沃森的惠普尔定理 $q$-类比。
  • 通过 $q$-指数算子显式构造了罗杰斯-谢戈利多项式的多重线性生成函数。
  • 重新审视并扩展了 $q$-指数算子理论,导出了新恒等式与变换公式。
  • 通过 $q$-指数算子框架,将卡尔茨对罗杰斯-谢戈利多项式 $q$-梅勒公式的扩展推广至更一般形式。
  • 通过所提方法,获得了罗杰斯求和公式与安德鲁斯-阿斯key积分的推广形式。

更好的研究,从现在开始

从阅读论文到最终审阅,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。