计算方法最佳一致逼近多项式切比雪夫多项式.pptVIP

对任意区间[a, b]，不能直接使用定理7。 例如：为将[0, 1] ?[-1, 1]，可以令： 则 针对g(t) 使用定理7 最佳逼近拉格朗日插值多项式的构造步骤 Home 利用切比雪夫多项式的0点构造最佳逼近多项式的例子 解：利用定理7，构造所求的L4(x)；令： tk 例4. 求f(x)=ex 在[0, 1]上的4次最佳一致逼近 多项式L4(x),并且估计误差。 0 1 2 3 4 x 0.97553 0.79390 0.5 0.20611 0.02447 ex 2.65257 2.21201 1.64872 1.22889 1.02477 Lagrange插值多项式为 经过比较复杂的计算，得： 误差估计：注意到变换 x = ?(t+1) 这说明，在区间[0, 1]上使用多项式L4(x)逼近ex 的绝对值误差非常小，避免了龙格现象。 T5 (t)最高 次幂系数为24 0 1 2 3 4 x 0.97553 0.79390 0.5 0.20611 0.02447 ex 2.65257 2.21201 1.64872 1.22889 1.02477 现在试图用Newton插值多项式逼近 xi f[xi] f[xi, xi+1] f[xi, xi+1, xi+2 ] f[xi, xi+1, xi+2, xi+3 ] f[xi, xi+1, xi+2, xi+3 ，xi+4 ] x0 f(x0) x1 f(x1) f[x0, x1] x2 f(x2) f[x1, x2] f[x0, x1, x2 ] x3 f(x3) f[x2, x3] f[x1, x2, x3 ] f[x0, x1, x2, x3 ] x4 f(x4) f[x3, x4] f[x2, x3, x4 ] f[x1, x2, x3, x4 ] f[x0, x1, x2, x3, x4] xi f(xi) f[xi, xi+1] f[xi, xi+1, xi+2 ] f[xi, xi+1, xi+2, xi+3 ] f[xi, xi+1, xi+2, xi+3 ，xi+4 ] 0.9755 2.6526 0.7939 2.212 2.4262 0.5 1.6487 1.9166 1.0717 0.2061 1.2289 1.4284 0.8306 0.3134 0.0245 1.0248 1.1239 0.6404 0.2472 0.0696 这个结果和使用拉格朗日插值法所得到的结果稍有误差，由具体计算的小数点后位数引起。 例5. 求f(x)=1/(1+x2) 在[-5, 5]上的10次最佳 一致逼近多项式L10(x),并且估计误差。 解：在[-1, 1]上的切比雪夫多项式T11(x)的0点 为 做变换 x=5t, 当t?[-1, 1]的时候，x ?[-5, 5] x y y=L 10 (x) -5 5 总结 最佳逼近：设有函数类A，若 存在函数类B?A。对函数f(x)?A，若存在函数φ*(x)?B，使得在某种范数下 ||f-φ*||= ||f-φ||, φ?B成立。 Hn C[a, b] 特别地，取A=C[a, b]，B= Hn，为不超过n次的实系数多项式的集合。对某函数f(x)? C[a, b] ，若存在P*(x) ? Hn ，使得||f-P*||∞ = ||f-P||∞, P(x) ? Hn，则称P*(x)一致地最佳逼近f(x). B A 结论：f(x)要充分光滑，插值节点选取也很特别。 总结(续) * * * * * * * * * * * * 内容 函数逼近的基本概念 切比雪夫多项式 最佳一致逼近多项式 切比雪夫多项式在函数逼近中的应用 利用切比雪夫多项式的0点构造最佳逼近多项式的例子 函数逼近的基本概念 §1 函数逼近的基本概念 第3章 函数逼近与曲线拟合 一、函数逼近与函数空间 实际应用需要使用简单函数逼近已知复杂函数。 B A 定理1具有重要的理论意义； Bernstan多项式收敛到f(x)较慢，不常用。 x y y=L (x) 一致逼近的几何意义 Home 切比雪夫多项式 由三角表达式定 义的多项式 切比雪夫多项式在逼近理论中有重要的应用。 切比雪夫(Chebyshev)多项式 切比雪夫多项式的0点可以用于构造具有最佳一致逼近性质的插值多项式。 切比雪夫多项式的(简单)定义： 称为切比雪夫多项式。 (2.10) … 课堂练习：推出T4(x) 切比雪夫多项式的前几项： 切比雪夫多项式的表达式 切比雪夫多项式的性质 （1）基本递推关系 （2）正交性 当m≠n: 当m=n≠0 当m=n=0 根据积化和差公式： 利用数学归纳法证明： （3）奇