次上机报告.docVIP

数值分析第二次上机练习实验报告 ——使用不同方法给出最佳平方逼近以及近似一致逼近多项式 2013011628 力三 王博涵 一、问题的描述 设fx=x2ln?(2+x) x∈-1,1,试求出权函数ρ(x) = 1的最佳平方逼近三次多项式。另外请用Chebyshev截断级数的办法和插值余项极小化方法分别给出近似最佳一致逼近三次多项式。并画图比较。 二、方法描述 在不同权函数的情况下先求出正交多项式，然后通过矩阵G*A=F求出最佳平方逼近多项式的系数。其中G中元素为正交多项式做内积组成的矩阵，由于他们互相正交，则G为对角阵。F为目标函数f与各多项式做内积做成的列向量。 1、当权函数ρ(x) = 1时，实际上所求多项式即为勒让德多项式。 勒让德函数指以下勒让德微分方程的解： 为求解方便一般也写成如下施图姆-刘维尔形式（Sturm-Liouville form）: 上述方程及其解函数因法国数学家阿德里安-马里·勒让德而得名。勒让德方程是物理学和其他技术领域常常遇到的一类常微分方程。当试图在球坐标中求解三维拉普拉斯方程（或相关的其他偏微分方程）时，问题便会归结为勒让德方程的求解。 勒让德方程的解可写成标准的幂级数形式。当方程满足 |x| 1 时，可得到有界解（即解级数收敛）。并且当n?为非负整数，即n?= 0, 1, 2,... 时，在x?= ± 1 点亦有有界解。这种情况下，随n?值变化方程的解相应变化，构成一组由正交多项式组成的多项式序列，这组多项式称为勒让德多项式（Legendre polynomials）。 勒让德多项式Pn(x)是n?阶多项式，可用罗德里格公式表示为： 2、Chebyshev多项式 第一类切比雪夫多项式带权 即: 可先令x= cos(θ) 利用 Tn (cos(θ))=cos(nθ)便可证明. 类似地，第二类切比雪夫多项式带权即: 其正交化后形成的随机变量是 Wigner 半圆分布). 基本性质 对每个非负整数n， Tn(x) 和 Un(x) 都为 n次多项式。 并且当n为偶（奇）数时，它们是关于x 的偶（奇）函数， 在写成关于x的多项式时只有偶（奇）次项。 时，Tn 的最高次项系数为 2n ? 1 ，n = 0时系数为1 。 最小零偏差 对，在所有最高次项系数为1的n次多项式中 ， 对零的偏差最小，即它是使得f(x)在[ ? 1,1] 上绝对值的最大值最小的多项式。 其绝对值的最大值为 ， 分别在 - 1 、 1 及 f 的其他 n ? 1 个极值点上达到 。 两类切比雪夫多项式间的关系 两类切比雪夫多项式间还有如下关系： 切比雪夫多项式是超球多项式或盖根堡多项式的特例, 后者是雅可比多项式的特例. 切比雪夫多项式导数形式的递推关系可以由下面的关系式推出： 例子 前六个第一类切比雪夫多项式的图像，其中-1?x1?, -1?y1?; 按颜色依次是T0, T1, T2, T3, T4 T5. 前几个第一类切比雪夫多项式是 3、拉格朗日插值法 在求满足插值条件次插值多项式之前，先考虑一个简单的插值问题：对节点中任一点，作一n次多项式，使它在该点上取值为1，而在其余点上取值为零，即 上式表明个点都是次多项式的零点，故可设 其中，为待定系数。由条件立即可得 故 由上式可以写出个次插值多项式。我们称它们为在个节点上的次基本插值多项式或次插值基函数。 利用插值基函数立即可以写出满足插值条件的次插值多项式 根据条件，容易验证上面多项式在节点处的值为，因此，它就是待求的次插值多项式。 形如的插值多项式就是拉格朗日插值多项式，记为，即 由Chebyshev多项式的范数最小性，当插值点取Chebyshev多项式中的偏差点时，Lagrange插值多项式范数最小。 三、方案设计 我们通过编写Matlab程序三种方式拟合最佳平方逼近多项式。在我们的程序文件中main.m文件是主程序文件；Sp.m文件是勒让德多项式，Sl.m是Chebyshev多项式截断级数，Slag.m是Lagrange插值余项极小化方法。然后运行主程序将给出四幅曲线图，分别是f，Sp，Sl，Slag的函数图像。 四，结果分析 下面是我们根据程序计算结果得到的数据，并给出了绝对误差值。数值在最后附注。下面为图像(分别为f(x),Sp(x),Sl(x),Slag(x)) F(x) Sp(x) Sl(x) Slag(x) 五、 结论 在利用最佳平方逼近多项式来逼近已知函数时，起到了很好的拟合效果。由于实际操作中很难计算出最佳一致逼近多项式，所以常采用最佳平方逼近多项式来替代，进而可以通过不同的正交多项式来求解。通过此次算例我们发现，其效果不错，误差量级较令人满意。而且通过平方逼近，其计算成本是很低的，所以在实际计算中有很大的用处。另外，通过切比