第三章_课件2.docVIP

一类特殊的最佳一致逼近 这时 考虑空间对函数的最佳一致逼近问题 问题的提出 问题1 求，使之满足 其中， 上述最佳逼近问题为与零偏差最小问题 注意 不妨令首项系数，这时 记集合: 所有首项系数为1的次代数多项式的全体. 若将多项式集合限制为其子集合，则 问题1 问题2 求，使之满足 称为关于函数的最佳一致逼近多项式， 称为中，关于0的最佳一致逼近多项式。 非常重要，将来称之为次Chebyshev多项式。 问题的适定性和收敛性 更一般的问题已经讨论过。 算法 关键：构造 引入契比雪夫多项式 其中 ，为上的一一映射。 称为次Chebyshev多项式 . 考察Chebyshev多项式的性质。 由 , 的递推公式： 性质1 由性质1，可得 性质2 是最高次数项系数为的次代数多项式， 且只含的偶次幂，只含的奇次幂. 性质3 在处交错地取最大值1和最小值-1 其中， （因为） 在[-1，1]上有由个交错点所构成的交错点组 由Chebyshev定理 是在[-1，1]的次最佳逼近多项式. 即 定理6 在中，对零的偏差最小. 由定理直接有 推论3 设，则 性质4 Chebyshev多项式序列，在[-1，1]上 关于权函数正交，且有 权函数: 称区间上的非负函数为权函数，若它满足： （1） 对一切非负整数可积且有限； （2）若对某个非负的连续函数， ， 则在上函数. 性质5 在[-1，1]上恰有个不同的实根： . 进一步，可给出Chebyshev多项式系和幂函数系的相互表示式（书PP.99） ， 4. Chebyshev多项式的应用 代数插值多项式余项的极小化 对于在[-1，1]上关于节点的次插值多项式 ，有余项估计式： 其中， 代数插值多项式余项的极小化问题： 如何选取节点，使得 达到最小 因为 所以上述极小化问题等价，求中与0的最佳一 致逼近多项式。可知 的零点与相同，即 并且， 即：在中，找与零偏差最小的代数多项式. 由于在中，对零的偏差最小 注1. 由上面估计式，当在[-1，1]上变化不大时， 可作为的近似最佳多项式. 注2. 如果插值区间是，不是[-1，1]，经仿射变换，上述插值节点可取为： . 利用Chebyshev多项式降低近似多项式项数 利用Chebyshev多项式对Taylor逼近进行改造，以提高计算效率和改善其整体逼近效果. 例：利用Chebyshev多项式降低的Taylor展式的项数， 要求绝对误差不超过0.00005. 第一步，将在上Taylor展开（取前13项）， （*） 易知 （*1） 第二步，利用和的相互表示式降低Taylor展式的项数 . （*2） 由（*1）和（*2），知 对以达到精度要求。 逼近多项式的次数降低了，节省了计算工作量. 再利用和的相互表示式 . (**) 比较： 按Taylor展式（*）截断到这一项则有 . 约为(**)式的绝对误差的33倍 两种近似的误差曲线如下图所示 可见当在原点附近时，Taylor逼近误差非常小； 但越偏离原点，其误差就越大. 而运用Chebyshev多项式调整后，误差分布均匀， 即在[-1，1]上，较一致地逼近， 所以可作为的近似最佳逼近多项式. 注 上面讨论是在[-1，1]上进行的 对一般区间，通过仿射变换，可转化到[-1，1]上讨论， 因而有完全平行的结果