24_正交多项式和最佳平方逼近.pptVIP

取得极小值。 这是关于{aj}(j=0,1,…n)的线性方程组，称为法方程. 简记为 Ga=d. 其展开形式为 (2.4.13) 由(2.4.12) 知 (2.4.14) 事实上, 非负 (2.4.14)等于零 (3) 平方误差 总结上述讨论则有定理2.10. 定理2.10 （最佳平方逼近） (2) 函数类 (2.4.15) 考虑特殊情形，(1)用多项式作最佳平方逼近 设[a,b]=[0,1] , 对于f∈C[a,b], 在 中最佳平方逼近多项式 可以表示为 相应于法方程（2.4.13）中的系数矩阵为 解法方程组 Ga=d 即 称之为Hilbert 矩阵。 第二章 插值与拟合 总结 2.4.3连续函数的最佳平方逼近 2.4.2 连续区间上正交多项式 2.4.1 离散点集上的正交多项式 2.4 正交多项式和最佳平方逼近 2.4 正交多项式和最佳平方逼近 　　正交多项式是数值计算中的重要工具，这里只介绍正交多项式的基本概念、某些性质和构造方法。离散情形的正交多项式用于下节的数据拟合，连续情形的正交多项式用于生成最佳平方逼近多项式和下章的高斯型求积公式的构造。它们在数值分析的其他领域中也有不少应用。 定义2.9 设有点集 {xi} i=0,1,…,m，函数 f (x) 和 g (x) 在离散意义下的内积定义为 (2.4.1) 其中?i0为给定的权数。在离散意义下，函数f (x)的2-范数定义为 (2.4.2) 有了内积，就可以定义正交性。若函数 f (x) 和 g (x) 的内积 (f , g)=0，则称两者正交。 2.4.1 离散点集上的正交多项式 若多项式组{?k(x)}k=0,…n 在离散意义下的内积满足 (2.4.3) 则称多项式组{?k(x)}k=0,…n为在离散点集 {xi} i=0,1,…,m上的带权 { ?i}i=0,…m的正交多项式序列. 下面给出离散点上正交多项式的构造方法 . 给定点集{xi} i=0,1,…,m和权数{ ?i}i=0,…m ，并且点集 {xi} i=0,1,…,m中至少有n+1个互异，则由下列三项递推公式 （2.4.4） 给出的多项式序列 是正交多项式序列，其中 （2.4.5） 三项递推公式（2.4.4）是构造正交多项式的简单公式，此外，还有其他的特殊的情形，这里，不进一步讨论。 例2.16 已知点集 {xi} i=0,1,…,4 ={0,0.25,0.5,0.75,1} 和 权数{ ?i}i=0,…4 ={1,1,1,1,1}.试用三项递推公式求关于该点集的正交多项式 解 先令 P0(x)=1 ，由此得 由此得 从而有 2.4.2 连续区间上正交多项式 连续区间上的正交多项式的概念与离散点集上的正交多项式概念相似，只要将内积的定义作相应的改变 。 定义2.10 函数f (x)和 g (x)在连续意义下的内积定义为 （2.4.6） 其中的? (x)?0为给定的权函数。按连续意义下的内积，若多项式组{?k(x)}k=0,…n 满足条件(2.4.3),则称它为在区间[a,b] 上的带权? (x)的正交多项式序列。 事实上， 例2.17 三角函数组 上关于 权函数1的正交组。 正交多项式的三项递推公式: 是首项系数为1的i次多项式，则 满足递推公式: 完全类似于离散情况下的正交多项式的构造方法,连续区间上的正交多项式序列同样可以由递推公式(2.4.4)和(2.4.5)构造,其中内积按(2.4.6)式定义. 下面给出几种常用的正交多项式. (1) 勒让德（Legendre）多项式. 正交多项式记为 ，由三项递推公式得 (2.4.7) 给出.它们是在区间 [-1,1]上的带权? (x)=1的正交多项式. 它们的根都是在开区间 (-1,1)上的单根,并且与原点对称. 前几个Legendre多项式如下: (2)第一类Chebyshev多项式. 第一类Chebyshev多项式可由三项递推公式 给出.它们是在区间[-1,1]上的带权 　的正交多项式. (2.4.8) 它们的根都在开区间（-1，1）上的单根，并且与原点对称。 前几个第一类Chebyshev多项式如下: （3）拉盖尔(Laguerre)多项式。 Laguerre多项式可由三项递推公式 给出。它们是在区间[0,+∞)上带权 的正交多项式。前几个Laguerre多项式如下: 它们的根