谱方法的Chebyshev-Legendre变换

在数值求解偏微方程的Chebyshev-Legendre谱方法中,起基础作用的是Chebyshev-Legendre变换。本文讨论了Chebyshev-Legendre变换的数学表示以及数值实现。

变系数Volterra型积分微分方程的2种Legendre谱Galerkin数值积分方法

为了进一步提高求解Volterra型积分微分的数值精度,针对一种变系数Volterra型积分微分方程,提出了2种Legendre谱Galerkin数值积分法。采用Galerkin Legendre数值积分对Volterra型积分微分方程的积分项进行预处理,对其构造Legendre tau格式,同时用Chebyshev-Gauss-Lobatto配置点对变系数和积分项部分进行计算,并通过对方程的定义区间进行分解,提出了一种多区间Legendre谱Galerkin数值积分法。该方法的格式对于奇数阶模型具有对称结构。此外,通过引入Volterra型积分微分方程的最小二乘函数,构造了Legendre谱Galerkin最小二乘数值积分法。该方法对应的代数方程系数矩阵是对称正定的。数值算例验证了这2种Legendre谱Galerkin数值积分方法的高阶精度和有效性。

关于Chebyshev-Legendre变换的表示及Matlab实现

在使用Chebyshev与Legendre耦合的谱方法求偏微分方程的数值解时,最耗费计算机时的是Chebyshev-Leg-endre变换。因此,如何有效地实现Chebyshev-Legendre变换就是一个重要的问题。本文讨论了Chebyshev-Legendre变换的数学表示以及数值实现。

一种基于Legendre正交基变换的过程神经元网络训练

为解决过程神经元网络训练涉及的时域聚合运算问题,提出了过程神经元网络的一种学习算法。算法在网络的输入函数空间引入Legendre正交函数基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用Legendre函数基的正交性,避免复杂的积分过程,降低过程神经元在时间聚合运算中的复杂性,提高学习效率。仿真实验结果证明了算法的有效性。

第二类Volterra型积分方程的Chebyshev-Legendre谱配置方法

提出了一种新的求解第二类线性Volterra型积分方程的Chebyshev谱配置方法.该方法分别对方程中积分部分的核函数和未知函数在Chebyshev-Gauss-Lobatto点上进行插值,通过Chebyshev-Legendre变换,把插值多项式表示成Legendre级数形式,从而将积分转换为内积的形式,再利用Legendre多项式的正交性进行计算.利用Chebyshev插值算子在不带权范数意义下的逼近结果,对该方法在理论上给出了L∞范数意义下的误差估计,并通过数值算例验证了算法的有效性和理论分析的正确性.

Chebyshev-Legendre拟谱方法解非经典抛物型方程

利用Chebyshev-Legendre拟谱方法数值求解了一类非经典抛物型方程,同时利用罚方法处理边界条件,得到了精度更高的数值结果.

关于Legendre多项式和Chebyshev多项式的几个组合公式

根据Legendre多项式的正交性,利用一个组合恒等式,得到由Legendre多项式表示x2n和x2n+1的具体形式,进而建立了Legendre多项式和Chebyshev多项式的关系式.

Legendre变换的机械化求法

把Lagrange方程和Hamilton方程组写成矩阵形式,其系数矩阵的元素是非线性的微分算子.参考矩阵多元多项式的带余除法的方法把微分算子的矩阵转化成以多项式为元素的矩阵,应用待定系数法通过Mathematica机械性计算得到了含有可变参数的一类变换,其中当参数取零时,它就是Legendre变换.经证明,这一类变换当参数不为零时,应用该变换,也可把n=1时的Lagrange方程导向Hamilton正则方程组,并初步讨论了n维的情况.这是数学机械化的方法在分析力学的非线性理论问题中的一次具体实现.

Sturm-Liouville特征值问题的多区域Legendre-Galerkin-Chebyshev配置法

提出了求解Sturm-Liouville特征值问题的多区域Legendre-Galerkin-Chebyshev的配置方法.该方法将问题的求解区间分成若干小区间,在小区间上运用Legendre-Galerkin-Chebyshev的配置方法求解,结合了Legendre-Galerkin方法和Chebyshev配置法的优点.数值算例显示了该方法的有效性.

热力学统计物理中的Legendre变换

试图以特性函数为起点,从Legendre变换出发,研究热力学统计物理理论的系统性.

Legendre变换的几何意义及应用

从几何、分析的角度探讨了 Legendre变换及其一些重要结论 ,并由此介绍了该变换的一些应用。

球谐旋转变换结合非全次Legendre方法的局部六边形网格重力场球谐综合

本文首次提出基于六边形网格剖分的全球重力场结构,并解决了局部六边形网格点模型重力异常快速计算问题.首先,采用全新的方法给出缔合Legendre函数值从稳定振荡区到快速衰减区分界线的理论表达式,并基于该公式提出一种基于跨阶次递推的非全次Legendre方法,实现了高纬度地区点的快速球谐综合.其次,引入球谐旋转(Spherical Harmonic Rotation)理论,实现了2160阶次的球谐系数在坐标系旋转下的变换,结合非全次Legendre方法,解决了中低纬度地区点的快速球谐综合.通过计算南极洲(高纬)低分辨率和加里曼丹岛(低纬)高分辨率六边形网格重力异常表明,非全次Legendre方法以10^(-19)m·s^(-2)精度水平与传统全阶次方法计算结果吻合,且计算效率提升1倍多,旋转变换结合非全次Legendre方法的计算精度在10^(-16)m·s^(-2),效率提升近5倍.本文提出的方法不仅提升了球谐综合的计算效率,凡是有高纬度的缔合Legendre函数计算的问题,都可利用该方法提升效率,同时,超高阶次球谐旋转变量变换的实现将在地磁场模型构建、计算机视觉、量子物理等领域发挥重要作用.

Chebyshev-Legendre谱方法解广义RLW方程的误差分析

考虑一类具有Dirichlet边界条件的广义RLW方程(即长波方程),通过将Legendre谱方法在Chebyshev点上实现,建立求解该方程的Chebyshev-Legendre谱方法的离散格式,这种配点法结合了Legendre方法的稳定性和Chebyshev方法计算方便的优点.选取基函数构造系数矩阵,采用矩阵分解简化方程,提高了计算效率,证明了此离散格式的稳定性和收敛性,给出了近似解的敛速估计,并进行了数值实验.

多边形区域上热传导方程的Legendre-Chebyshev谱元法

建立了多边形区域上热传导方程的Legendre-Chebyshev谱元法,通过把多边形区域剖分成一些互不相交的凸四边形子区域,在各个子区域上采用Legendre-Galerkin方法,右端项采用Chebyshev插值逼近,计算可并行实现,给出了方法的稳定性和收敛性分析.数值算例显示了方法的有效性.

对流扩散方程的全离散Legendre和Chebyshev谱方法

用Legendre和Chebyshev谱方法对一维对流扩散方程的初边值问题{ut-νuxx+(bu)x+b0u=f(x,t),x∈Λ,t∈J,u(±1,t)=0,t∈J,u(x,0)=u0(x),x∈Λ。进行数值分析,研究全离散的Euler隐格式,证明Euler隐格式的稳定性,得到近似解的收敛性及与精确解之间的误差估计。

广义KdV方程的Legendre-PetrovGalerkin-Chebyshev配置方法的误差估计

该文分析了广义Korteweg deVries(KdV)方程非周期边值问题的Legendre Petrov GalerkinChebyshev配置(LPG CC)方法,其中非线性项用Chebyshev配置方法来逼近,时间方向上采用Crank Nicolson离散格式.对于半离散和全离散格式,都获得了关于L2 范数的最优误差估计.

广义Burgers方程的Legendre-Galerkin Chebyshev-配置方法

本文对广义Burgers方程的Neumann和Robin型边值问题构造了LegendreGalerkinChebyshev-配置方法.Legendre-GalerkinChebyshev-配置方法整体上按LegendreGalerkin方法形成,但对非线性项采用在Chebyshev-Gauss-Lobatto点上的配置法处理.文中给出了方法的稳定性和收敛性分析,获得了按H1-模的最佳误差估计.数值实验证实了方法的有效性.

Burgers-Fisher方程初边值问题的Chebyshev-Legendre谱方法

用Chebyshev-Legendre谱方法对Burgers-Fisher方程的初边值问题构造全离散线性逼近格式,通过直接对近似解与精确解之间的误差估计,证明离散格式的收敛性,得到在L2范数和H1范数意义下误差的最优阶估计。数值算例验证了算法的有效性和结果的正确性。

The Proofs of Legendre’s Conjecture and Three Related Conjectures

In this paper, we prove Legendre’s conjecture: There is a prime number between n2 and (n +1)2 for every positive integer n. We also prove three related conjectures. The method that we use is to analyze binomial coefficients. It is developed by the author from the method of analyzing binomial central coefficients, that was used by Paul Erdős in his proof of Bertrand’s postulate - Chebyshev’s theorem.

Schrdinger特征值问题的Legendre-Galerkin-Chebyshev配置法

提出了求解多维的Schrodinger特征值问题的Legendre-Galerkin-Chebyshev配置法(LGCC).LGCC方法是Legendre-Galerkin方法和Chebyshev配置法的耦合,便于处理变系数和非线性项且保持了Legendre-Galerkin方法的稳定性和高精度.对于拟线性SchrodingerPoisson特征值问题,建立了基于同伦连续法的LGCC方法.数值结果显示了该方法的有效性.