逼近论第一第二章
索伯列夫空间 逼近定理
索伯列夫空间逼近定理
索伯列夫空间逼近定理是数学分析中的一个重要定理，它涉及
到函数序列在特定条件下的逼近性质。
索伯列夫空间是一个拓扑向
量空间，而逼近定理则描述了在这样的空间中，可以找到一个函数
序列，它可以逼近该空间中的任意函数。
这个定理在实际问题中有
着广泛的应用，比如在数值分析、逼近论和偏微分方程等领域。
从数学角度来看，索伯列夫空间逼近定理可以被分为几个方面
来讨论。
首先，我们可以从定义和条件入手，详细阐述索伯列夫空
间的定义以及逼近定理的前提条件。
其次，我们可以讨论逼近定理
的具体表述，即如何通过一个函数序列来逼近索伯列夫空间中的函数。
接着，可以探讨逼近定理的证明思路和关键步骤，以及可能涉
及到的一些重要引理或定理。
此外，还可以从实际应用的角度来看，例如在信号处理中的应用，或者在数值计算中的意义等方面进行讨论。
除了数学角度，我们还可以从历史和发展的角度来探讨索伯列
夫空间逼近定理。
可以介绍该定理的提出者、发展历程以及对数学
分析和其他领域的影响。
此外，还可以从教学和学习的角度来探讨，比如逼近定理在数学教学中的作用和意义，以及在学习过程中的一
些案例或习题。
总的来说，索伯列夫空间逼近定理是数学分析中的一个重要定理，从数学角度、历史发展角度以及教学学习角度都有着深远的意义和影响。
通过全面地从多个角度来讨论这个定理，可以更好地理解和应用它。
函数逼近的几种算法及其应用
函数逼近的几种算法及其应用函数逼近的几种算法及其应用摘要在自然科学与技术科学领域中存在着大量的需要解决的非线性问题.近年来人们在数值与函数逼近问题以及计算机辅助几何设计的研究中取得了一系列深刻的结果．随着高性能、大容量计算机的出现，使得过去难以实现的问题变为可能，所以关于函数逼近的理论研究和应用有着巨大的发展潜力．本课设中共有两章，第一章介绍了函数逼近的产生及研究意义，基础知识，最佳平方逼近法，曲线拟合的最小二乘法，有理逼近，三角多项式逼近的算法的几种函数比较方式.第二章从函数逼近的应用角度，详细介绍了有理函数逼近在数值优化中的应用和泰勒级数判定迭代法的收敛速度，以及几种函数逼近的计算实例.关键词最佳平方逼近法；曲线拟合的最小二乘法；有理逼近；三角多项式逼近；帕徳逼近目录引言 0第一章函数逼近 (1)§1.1 函数逼近的产生背景及研究意义 (1)§1.2 基础知识 (2)§2§3§1.3 最佳平方逼近 (4)§4§5§1.4 有理逼近 (7)§7§有理插值函数的存在性 (8)§9§10§1.5 三角多项式逼近与多项式逼近 (11)§11§11§π为周期的连续函数的三角多项式逼近 (12)§π]上连续函数的三角多项式逼近 (13)§闭区间上连续函数的三角多项式逼近 (13)§闭区间上连续函数的多项式逼近 (14)§1.6 其他函数逼近 (14)§ (14)§ (15)第二章函数逼近应用 (17)§2.1 有理逼近在数值优化中的应用 (17)§17§18§2.1.3 计算实例 (18)§2.2 各种泰勒级数判定迭代法的收敛速度 (19)§2.3 各种函数逼近的计算实例 (20)§20§2.3.2 曲线拟合的最小二乘法计算实例 (21)§2.3.3 帕德逼近的计算实例 (22)参考文献 (23)引言函数逼近是函数论的一个重要组成部分，涉及的基本问题是函数的近似表示问题．在数学的理论研究和实际应用中经常遇到下类问题：在选定的一类函数中寻找某个函数g，使它是已知函数ƒ在一定意义下的近似表示，并求出用g近似表示ƒ而产生的误差．这就是函数逼近问题．在函数逼近问题中,用来逼近已知函数ƒ的函数类可以有不同的选择；即使函数类选定了,在该类函数中用作ƒ的近似表示的函数g 的确定方式仍然是各式各样的;g对ƒ的近似程度（误差）也可以有各种不同的含义．所以函数逼近问题的提法具有多样的形式，其内容十分丰富．给定函数)(xf的函数一般要在某个较简单的函数类中找，这种f，用来逼近)(x函数类叫做逼近函数类．逼近函数类可以有多种选择．第一章 函数逼近§1.1 函数逼近的产生背景及研究意义从18世纪到19世纪初期，在L.欧拉、P.-S.拉普拉斯、J.-B.-J.傅里叶、J.-V ．彭赛列等数学家的研究工作中已涉及一些个别的具体函数的最佳逼近问题．这些问题是从诸如绘图学、测地学、机械设计等方面的实际需要中提出的．在当时没有可能形成深刻的概念和统一的方法．切比雪夫提出了最佳逼近概念,研究了逼近函数类是n 次多项式时最佳逼近元的性质，建立了能够据以判断多项式为最佳逼近元的特征定理．他和他的学生们研究了与零的偏差最小的多项式的问题,得到了许多重要结果．1885年德国数学家K ．（T.W ．）魏尔斯特拉斯在研究用多项式来一致逼近连续函数的问题时证明了一条定理，这条定理在原则上肯定了任何连续函数都可以用多项式以任何预先指定的精确度在函数的定义区间上一致地近似表示．虽然没有指出应该如何选择多项式才能逼近得最好，但仍可以说切比雪夫和魏尔斯特拉斯是逼近论的现代发展的奠基者．在自然科学与科学技术领域中存在着大量的需要解决的非线性问题．近年来人们在数值与函数逼近问题以及计算机辅助几何设计的研究中取得了一系列深刻的结果．随着高性能、大容量计算机的出现，使得过去难以实现的问题变为可能，所以关于函数逼近的理论研究和应用有着巨大的发展潜力．我们举一个例子，如()x +1ln 有如（1-1）式的分式展开．⋅⋅⋅+++++=+524221211)1(2222xx x x x x In （1-1）n R 2n T 1 0.667 0.26⨯10-1 0．5 0．19 2 0．69231 0．84⨯10-3 0．58 0．11 3 0．6931220．25⨯10-40．617 0．76⨯10-1 40．69314642 0．76⨯10-60．6340．58⨯10--2由表1-1可知，R4(1) 比T8(1)的精确度高几乎105倍．这就说明开展某些函数的有理逼近或一般非线性逼近问题的研究是十分必要的．随着科学技术的不断发展，函数逼近方法已在实际应用中显示出巨大的优势和开发潜力．§1.2 基础知识§在数值计算中经常要计算函数值，如计算机上计算基本初等函数及其他特殊函数．这些都涉及到用多项式、有理分式或分段多项式等便于在计算机上计算的简单函数逼近已给函数，使它达到精度要求而且计算量尽量小．数值逼近是数值计算中最基本的问题．为了在数学上描述更精确，下面先介绍一些基本概念及预备知识．数学上常把在各种集合中引入某些不同的确定关系称为赋予集合以某种空间结构，并将这样的集合称为空间．例如，在“线性代数”中将所有实n 组成的，按向量加法及向量与数的乘法构成实数域上的线性空间记作n R ，称为n 维向量空间．类似地，对次数不超过n 的实系数多项式全体，按通常多项式加法及数与多项式乘法也构成数域R 上的一个线性空间，用n H 表示，称为多项式空间．又如所有定义在区间],[b a 上的连续函数集合，按函数加法和数与函数乘法构成数域R 上的线性空间，记作],[b a C 称为函数空间．定义1.1 设集合S 是数域P 上的线性空间，S x x n ∈,...,1，如果存在不全为零的数P a a n ∈,...,1使得0...2211=+++n n x a x a x a （1-2）则称n x x ,,1⋅⋅⋅是线性相关的；否则，若等式（1-2）只对021==⋅⋅⋅==n a a a 成立，则称n x x ,,1⋅⋅⋅是线性无关的．若S 是由n 个线性无关元素 n x x ,,1⋅⋅⋅生成的，即S x ∈∀都n n x a x a x +⋅⋅⋅+=11，则称 n x x ,,1⋅⋅⋅是S 的一组基，记作}{1n x x span S ⋅⋅⋅=，并称S 是n 维的．下面考察次数不超过n 的多项式集合n H ，其元素n n n x a x a a x p ⋅⋅⋅++=10)(是由1+n 个系数（n a a a ⋅⋅⋅10,）唯一确定的，n x x ⋅⋅⋅,1， 线性无关，n H =span {n x x ,,,1⋅⋅⋅}，（n a a a ,,,10⋅⋅⋅）是)(x p n 的坐标向量，故n H 是1+n 维的．对连续函数],[)(b a C x f ∈不能用有限个线性无关的函数表示，故],[b a C 是无限维的，但)(x f 可用有限维的多项式空间n H 的元素)(x p 逼近，使误差ε≤-≤≤)()(max x p x f bx a （任何给定的正数），这就是著名的维尔斯特拉斯定理．定理1.1 设],[)(b a C x f ∈，则对∈∃>∀)(,0x p n εn H 使得ε<-)()(x p x f 在],[b a 上一致成立．1912年伯恩斯坦构造了一个多项式(,)()(1)nn k n k n k k kB f x fC x x n -==-∑其中(1)(1)!n k n n n k C k -⋅⋅⋅-+=为二项式展开系数，并证明了lim (,)n x B f x →∞在[0,1]上一致成立，若()f x 在[0,1]上m 阶可导则还有()()lim (,)()m m n x B f x f x →∞=．这也从理论上给出了定理1．1的证明．§为了在线性空间中衡量元素的大小，可将在n R 空间的范数定义推广到一般线性空间S ．定义1.2 设S f ∈,若存在唯一实数•，满足条件1．0≥f 当且仅当0=f 时0≡f ； 2．R a f a af ∈=,; 3．S g f g f g f ∈∀+≤+,,;则称•为线性空间S 上的范数．在线性空间S 上定义了范数•，称为赋范线性空间，记为X ．例如，在n R 上的向量T n x x x )(,1⋅⋅⋅=的三种常用范数为i ni x x≤≤∞=1max ，称∞-范数或最大范数；∑==ni ixx11，称为1-范数；21122)(∑==ni i x x，称为2-范数．类似地对连续函数空间],[b a C 的)(x f 也可以定义以下三种范数：)(max x f fbx a ≤≤∞=，称为∞-范数；dx x f f ba ⎰=)(1，称为1-范数；2122))((dx x f fba⎰=，称为2-范数．可以验证，这样定义的范数∞•，1•，2•满足定义1．2中的3个条件．定义1.3 设X 为赋范线性空间，其范数为•，若序列X ⊂∞0n }{ϕ，X f ∈,使0lim =-∞→fn n ϕ则称序列∞0}{n ϕ依范数•收敛于f ，记作f n n =∞→ϕlim ．对],[)(b a C x f ∈及∞•，上述 收敛定义就是∞0}{n ϕ在区间[b a ,]上一致收敛于)(x f ．若范数为2-范数，则称上述收敛定义为平方收敛或均方收敛．§1.3 最佳平方逼近§现在我们研究在区间[]b a ,上一般的最佳平方逼近问题．定义1．4 对[]b a C x f ,)(∈中的一个子集{)}(),...(),(10x x x span n ψψψψ=,求ψ∈)(*x S ， 使：⎰-=-=-∈∈bax S x S dx x S x f x x S x f x S x f 2)(22)(22*)]()()[()()()()(min min ρψψ，称)(*x S 是)(x f 在子集ψ中的最佳平方逼近函数．若令)()()(*x S x f x -=δ,则平方误差为∑=-=--=--=nk k x f x a x f x f x S x f x f x S x f x S x f x 022***22))(),(()( ))(),(())()(( ))()(),()(()(ψδ （1-3） 若取[]1,0)(,1)(,)(C x f x x x k k ∈≡=ρψ，在n P 中求n 次最佳平方逼近多项式：nn x a x a a x S **1*0*...)(++=此时 11))(),((10++==⎰+j k dx x x x j k k j ψψk k k d dx x x f x x f ==⎰1)())(),((ψ若用H 表示),....,1(n n x x G G =对应的矩阵，即：121...2111............21...312111...211+++++n n n n n 称为希尔伯特(Hilbert)矩阵,记T n a a a a ),...,,(10=T n d d d d ),...,,(10=,则: d Ha =的解*kk a a =),...,2,1,0(n k =即为所求． §用},....,1{n x x 做基，求最佳平方逼近多项式,当n 较大时,系数矩阵是高度病态的,因此直接求解法方程是相当困难的,通常是采用正交多项式做基．下面介绍如何用正 交函数组作最佳平方逼近．设[]b a C x f ,)(∈{})(),...(),(10x x x span n ψψψψ=， 若)(),...(),(10x x x n ψψψ是正交函数族，则：0))(),((=x x j i ψψj i ≠．而0))(),((>x x j i ψψ, 故法方程的系数矩阵))(),...(),((10x x x G n n ψψψ=为非奇异对角阵, 且法方程的解为:))(),())(),((*x x x x f a k k k k ψψψ= ),...,2,1,0(n k = （1-4）于是[]b a C x f ,)(∈在ψ中的最佳平方逼近函数为：)()())(),(()(022*x x x x f x S k nk k k ψψψ∑== （1-5）由（1-3）可得均方误差为21202222*2)])())(),(([)(( )()()(∑=-=-=nk k k n n x x x f x f x S x f x ψψδ （1-6）由此可得贝赛尔不等式:22122*)())((x f x ank k k≤∑=ψ若[]b a C x f ,)(∈按正交函数族)}({x k ψ展开，系数*ka ),...,2,1,0(n k =按（1-4）计算，得级数∑∞=0*)(k k k x a ψ，称为)(x f 的广义傅立叶级数，系数*ka 称为广义傅立叶系数． 它是傅立叶级数的直接推广．设{})(),...(),(10x x x n ψψψ是正交多项式，{})(),...(),(10x x x span n ψψψψ=，)(x k ψ，),...,2,1,0(n k =可由n x x ,...,1, 正交化得到，则有下面的收敛定理．定理 1.2 设[]b a C x f ,)(∈,)(*x S 是由（1-5）给出的)(x f 的最佳平方逼近多项式，其中{})(),...(),(10x x x n ψψψ是正交多项式族，则有0)()(lim 2*=-∞→x S x f nn ． 下面考虑函数[]1,1)(-∈C x f ,按勒让德多项式{})(),...(),(10x P x P x P n 展开，由（1-4）, （1-5）可得)(...)()()(*1*10*0*x P a x P a x P a x S n n n ++= （1-7）其中()()()()()()()()⎰-+==11*212,,dx x P x f k x P x P x P x f ak k k k k（1-8） 根据（1-6）,平方误差为： ()()∑⎰=-+-=nk k k a k dx x fx 02*11222121δ 由定理1可得： 0)()(lim 2*=-∞→x S x f nn 如果)(x f 满足光滑性条件还可得到)(*x S n 一致收敛于)(x f 的结论．定理 1.3 设[]1,1)(2-∈C x f f(x)∈C 2[-1,1],)(*x S n 由(1-7)给出,则对任意[]1,1-∈x 任意0>ε当n 充分大时有：()()nx S x f n ε≤-*．对于首项系数为1的勒让德多项式n P 有以下性质：定理1.4 在所有最高次项系数为1的n 次多项式中,勒让德多项式()x P n 在[]1,1-上与零的平方误差最小．§1.4 有理逼近§有理逼近作为非线性逼近的一个重要特殊情形，其实就是用一个易于计算的有理函数来有效地近似较复杂的已知函数．下面引进有理逼近方法，先介绍有理函数插值的概念．设已给定m+n+1个不同的点n m x x x +,...,,10和相应地函数值()()()n m x f x f x f +,...,,10,所谓的有理函数插值问题，乃是求有理分式函数1110111,)()()(b x b x b x b a x a x a x a x D x N x R n n n n m m m m n m n m ++⋅⋅⋅++++⋅⋅⋅++==---- 使之满足插值条件如下)()(,j j n m x f x R =，n m j +⋅⋅⋅=,,1,0其中()x N m ,()x D n 分别为x 的m 与n 次多项式，m 与n 是给定的非负整数．有理函数的逼近方法是用有理函数()()()x D x N x R n m n m =,来近似函数()x f ．即令()()()x D x N x f n m ≈,()()()x D x f x N n m ≈比较两边的系数，可得∑∞=++=-01)()()(k kk n m n m xr xx D x f x N用()x R n m ,近似()x f 时，其截断误差的主要部分是()x x r E n n m 10++=（这里设()∑∞==0k k k x c x f ),大量计算例子表明，采用m,n 相等或接近相等时为最佳．对于有理逼近中有理函数的构造存在着许多种构造方法（如多项式、有理分式等）．但在通常情况下一般利用连分式来构造有理函数()x R n m ,．首先按递推的方法给出如下式倒差商的定义．⎪⎪⎪⎩⎪⎪⎪⎨⎧+⋅⋅⋅=--=⋅⋅⋅⋅⋅⋅--==----n m k x a x a x x x a x a x a x x x a x f x a k k k k k ,,2,1,)()()()()()()()(1111000010设连分函数如下nm n m a x x x x a x x a x x a x R +++-+-+-+-+=1221100)(一般写成nm n m a x x a x x a x x a x R +++-+⋅⋅⋅+-+-+=121100)( 其中()x a a 00=,()x a a 11=,．．．,()x a a n m n m ++=为倒差商．将右式整理，即完成了有理函数()x R mn 的构造．例如函数x f +=1，可以利用逐次迭代算法的到如下式形式的连分式展开．因为x f +=1，即为x f =-12．⇒++=11f xf )))1(11(11(1f xx x f ++++++=用)1(1f xf ++=无限迭代下去就可以得到x f +=1的连分式展开如下 ⋅⋅⋅+⋅⋅⋅+++=+22211xx x xm,n 相等或接近相等时为最佳．§有理插值函数的存在性关于有理函数插值的定义在本文第二章中已经详细给出．在其基础上定义两个有理函数如下)()()(111x q x p x r =， )()()(222x q x p x r = 如果存在一个非零常数a ，使得)()()()(1212x aq x q x ap x p ==， （1-9）则称二者恒等，并记为)()(21x r x r ≡．如果满足式（1-10），则称两个有理函数r 1(x)与r 2(x)等价，记为()()x r x r 21~．)()()()(1221x q x p x q x p ≡ （1-10）一般来说，插值问题（1-9）、（1-10）所形成的问题是一个非线性问题．但是当有理分式函数r(x) = p(x)/q(x)是插值问题的解时，当然也有。
_函数逼近问题的研究
函数逼近论题目学院专业班级学生姓名摘要函数逼近问题是函数论的一个主要组成部分, 它涉及的主要问题是函数的近似表示. 在数学的理论研究中经常遇到以下问题: 在选定的一些函数中寻找到某个函数g,使它是已知函数f在一定意义下的近似表示, 并求出用g近似表示f产生的误差. 这就是函数逼近问题.本课题采用理论和实例相结合的方法进行研究. 首先, 对Weierstrass魏尔斯特拉斯逼近定理及其推广进行介绍; 其次, 介绍了一致逼近定理与证明, 给出一直逼近定理在函数逼近中的应用；最后, 对Lagrange插值、Newton插值、Herimte插值等研究.关键词：函数逼近; 一致逼近; 插值AbstractFunction approximation function theory is a key component of the involved, it is the main problem of function approximation said. In the study of the theory of the mathematics always met in the following problem: some of the function of the selected for to a certain function, make it is known g ƒ function in certain significance of the approximate, and get the use "to approximate the ƒ produce error. This is the f unction approximation problem.This subject adopts the theory and practical method of combining the research. First of all, to Weierstrass Weierstrass las approximation theorem is introduced and its extension; Secondly, this paper introduces uniform approximation theorem are given, and proof has been approximation theorem in the application of the function approximation; Finally, the Lagrange interpolation, Newton interpolation, Herimte interpolation.Key words:The function approximation：Uniform approximation；Interpolation目录摘要 (I)Abstract (II)绪论 (1)第1章Weierstrass逼近定理 (2)1.1 Weierstrass第一定理 (2)1.2 Weierstrass第二定理 (5)1.3 Weierstrass定理的推广 Stone定理 (7)第2章一致逼近的研究 (11)2.1Borel存在定理 (11)2.2 最佳逼近定理 (12)2.3 Kolmogorov最佳逼近定理 (15)第3章多项式插值方法的研究 (17)3.1 Lagrange差值公式 (17)3.2 Newton插值公式 (20)3.2.1 差商的概念与性质 (20)3.2.2 Newton插值公式的导出 (22)3.3Hermite插值公式 (24)结论 (28)参考文献 (29)致谢 (30)绪 论Weierstrass 逼近定理是函数逼近论中的重要定理之一, 定理阐述了闭区间上的连续函数可以用一多项式去逼近. 将该定理进行推广: 即使一个函数是几乎处处连续的,也不一定具有与连续函数相类似的逼近性质, 但是一个处处不连续的函数却有可能具有这样的性质. 证明了定义在闭区间上且与连续函数几乎处处相等的函数具有类似的逼近性质[]1.随着对于数学研究的不断深入, 正交多项式在数学问题中得到了广泛的应用, 尤其在数值计算方面更显示出它的优越性. 研究一直逼近的性质及应用问题,阐述一直逼近的定义、性质及最佳逼近定理的定义与证明. 主要对最佳逼近定理的最佳逼近多项式的性质与特征进行分析研究[]2[]3.在给定f 并且选定了逼近函数类之后, 如何在逼近函数类中确定作为f 的近似表示函数g 的方法是多种多样的. 例如插值就是用以确定逼近函数的一种常见方法. 所谓插值就是要在逼近函数类中找一个()x g , 使它在一些预先指定的点上和()x f 有相同的值, 或者更一般地要求()x g 和()x f 在这些指定点上某阶导数都有相同的值[]4. 利用插值方法来构造逼近多项式的做法在数学中已有相当久的历史. 微积分中著名的泰勒多项式便是一种插值多项式[]5.本文共分三章, 在第一章中我们给出了并给出了Weierstrass 逼近定理的证明与Weierstrass 逼近定理的一个推广应用. 在第二章中, 我们主要介绍了最佳逼近定理的研究. 给出了最佳逼近定理的介绍与证明. 在第三章中我们主要介绍了Lagrange 差值公式, Newton 差值公式以及Hermite 差值公式, 在函数逼近中的应用.第1章 Weierstrass 逼近定理1.1 Weierstrass 第一定理在实变函数的数学分析中, 最重要的函数类实连续函数类[],C a b 与连续的周期函数类2C π.[],C a b 是定义在某一闭区间[],a b 上的一切连续函数所成的集合; 2C π是定义在整个实轴(,)-∞+∞上的以2π为周期的连续函数全体所成的整体.定理1.1 （Weierstrass 第一定理） 设[](),f x C a b ∈, 那么对于任意给定的0ε>, 都存在这样的多项式()p x , 使max ()()a x bp x f x ε≤≤-<关于这个著名的定理, 现在已经有很多种不同的证法, 下面我们将介绍Bernstein 的构造证法.Bernstein 证法：不妨假设函数的定义区间是[][],0,1a b ≡. 事实上, 通过下面的线性代换()t b a x a =-+就能将x 的区间01x ≤≤变换成t 的区间a t b ≤≤. 同时, 可以轻易得出多项式将变成t 的多项式, x 的连续函数将变成t 的连续函数. 因此只须就连续函数类[],C a b 来证明Weierstrass 定理就行了.对于给定的[]()0,1f x C ∈, 作如下多项式(1,2,3,)n =()0()1nn k fknk n k B x f x x k n -=⎛⎫⎛⎫=- ⎪ ⎪⎝⎭⎝⎭∑ （1-1）显然()f n B x 是一个n 次多项式. 下面我们证明极限关系式lim ()()f n n B x fx x →∞=换而言之, Weierstrass 定理中提及的()p x , 只要取()f n B x （其中x N ≥）就可以了.为证明上述命题, 只需要用到一个初等恒等式()()20()11nn k kk n nx k x x nx x k -=⎛⎫--=- ⎪⎝⎭∑ （1-2） 这个恒等式是很容易证明. 事实上, 由于()()0111nnn kk k n x x x x k -=⎛⎫-≡+-≡⎡⎤ ⎪⎣⎦⎝⎭∑. 可知左端()()222021nn kk k n n x k nkx x x k -=⎛⎫=+-- ⎪⎝⎭∑()()22200121nnn k n kk k k k n n n x k x x nx x x k k --==⎛⎫⎛⎫=+--- ⎪ ⎪⎝⎭⎝⎭∑∑()()()()220011121nnn k n kk k k k n n n x k k x x nx x x k k --==⎛⎫⎛⎫=+--++- ⎪ ⎪⎝⎭⎝⎭∑∑()()()22222211122n n kk k n n x n n xk x k nx nx k --=-⎛⎫=+--++ ⎪-⎝⎭∑()()222112n x n n x n x n x =+-+-=右端对于[]0,1中的每一个固定的x 及任一固定的正整数n , 令()()max n k x f x f n ε⎛⎫=- ⎪⎝⎭, 上式右端代表当k 取所有合乎条件1/41k x n n ⎛⎫-< ⎪⎝⎭, 的正整数式所得的最大差数. 根据()f x 在[]0,1上的一致连续性, 可知比存在一组0n ε>, 使()0n n x εε<↓ ()n →∞记()()()()()()12,,f n n k n k x k k f x B x f x f x f x f n n λλ⎡⎤⎡⎤⎛⎫⎛⎫-=-+- ⎪ ⎪⎢⎥⎢⎥⎝⎭⎝⎭⎣⎦⎣⎦∑∑, 其中1∑,2∑分别代表对满足如下条件的一切k 所取的和3/43/4,k nx n k nx n -<-≥而()(),1n kk n k n x x x k λ-⎛⎫=- ⎪⎝⎭令()max M f x =, 则显然有()()()()123,,,2f n n n k n k n n k f x B x xM x M x ελλελ-<+<+∑∑∑,而且利用恒等式（1-2）可知()()()()23/23,,04nn k n k k n nx k nx x nx x λλ=≤-=≤∑∑.因此()1/22,114n k x n λ⎛⎫≤ ⎪⎝⎭∑()1/212f n n M f x B n ε⎛⎫-<+ ⎪⎝⎭上述的不等式的右端与x 无关, 而且随着x 的无线增大而趋向0, 这就证明了多项式f n B 对于()f x 上的一致连续性.Weierstrass 的第一定理实际上正好解决了如何利用多项式作成的函数项级数来表示连续函数的问题. 因此任意取定一个单调下降于0的列n δ, 则对每个n δ都可以找到一个多项式()n p x 使得：()()n n p x f x δ-<. 于是令()()()()()111,,1n n n Q x p x Q x p x p x n -==->可知级数()1n n Q x ∞=∑的前n 项之和恰好与()n p x 相合, 因而该级数也就一致的收敛于()f x .在Bernstein 的证明中, 不仅证明了近似多项式序列()n p x 的存在性, 而且还给出了构成()n p x 的一个具体方法. 事实上, ()()1,2,3,f n B x n =便构成了连续函数()f x ()01x ≤≤的一个近似多项式序列. 这样的证法通常称之为构造性的证明方法. 他要比一般数学上的纯粹存在性的证明方法更具有价值[]6.1.2 Weierstrass 第二定理周期连续函数（我们设周期为#）的最简单逼近工具具有如下三角多项式()()1cos sin nk k k T x A a kx x kx ==++∑.如果其中的系数,k k a b 不全为0, 则称()T x 为n 阶三角多项式.相应Weierstrass 第一定理, 有如下的定理定理1.2（Weierstrass 第二定理） 设()2f x C π∈, 则对任意给定的0ε>, 都有三角多项式()T x 存在, 使得()()max x f x T x ππε-≤≤-< （1-3）这个定理可以从Weierstrass 第一定理, 通过诱导函数来证明. 此处直接采用Vallee-Poussin 算子[]()()()22!!11;cos 221!!2x n x x V f x f t dt n ππ--=-⎰ 来证明, 其中()()()()()()2!!22242,21!!212331n n n n n n =-⋅-=--⋅作平移, 显然有220cos 2cos 2xx nn n xt xI dt dt --==⎰⎰在做变换#, 可算得上述积分为()()11/2012121xnn I v dt v dv v v -=-=-⎰⎰()()()112221!!2212!!n n n n π⎛⎫⎛⎫ΓΓ+ ⎪ ⎪-⎝⎭⎝⎭==Γ+ 从而()[]()()21;cos 2n n nt x f x V f x f x f t dt I ππ---=-⎡⎤⎣⎦⎰ 因为()f x 2C π∈, 所以()f x 一致连续, 即对任意给定的0ε>存在, 使得当x x δ'''-<时,()()/2.f x f x ε'''-<现在将()[];n f x V f x -分成两部分()[];n f x V f x -()()21cos 2nn t x t xf x f t dt I δ-<-=-⎰()()211cos 1222nn t x t x C f x f t dt I δεε-≥-=-<=⎰12C C =+ （1-4）下面估计12,C C()()211cos 1222nn t x t x C f x f t dt I δεε-≥-≤-<=⎰（1-5） 记()max ,cos12x M f x q ππδ-≤≤==<, 则()()211cos 2nn t x t xC f x f t dt I δ-≥-≤-⎰212c o s 22n n M I δπ≤⋅⋅⋅()()22!!221!!n n M q n =⋅-24nM n q <⋅⋅因此存在自然数N 使得当n N >时2/2C ε< （1-6）综合（1-4）（1-5）和（1-6）, 即可知Weierstrsaa 第二定理成立.1.3 Weierstrass 定理的推广-Stone 定理1948年, Stone 拓宽了Weierstrass 定理的推广, 使其和现代函数分析形成了紧密的联系, 因此成为了逼近论与分析数学中的重要定理之一, 在这一节中我们会将Stone 定理来进行重点介绍.下面的定理虽然在叙述形式上就是Weierstrass 定理, 但是其证明方法和证明过程完全不同, 因此我们将在证明之后说明其证明的特点, 然后给出一个一般定理. 因此可以得到多种逼近定理. 这个证明方法是属于Stone 的.定理1.3 任何一个在[],a b 上的连续函数都能再闭区间上被多项式一直逼近. 证明 设()f x 在∈c [],a b , 因此有M =max ()a x bf x <<, min ()a x bm f x <<=在这里我们设M m >, 否则()f x M m ==, 它就一定可以被一个多项式逼近. 在这里我们设1M =, 0m =, 考虑函数(())/()f x m M m --.有 0()1f x ≤≤, [],x a b ∈ (1-7) 取任意的0ε>, 取自然数n , 满足2()nε<, 令[]{},0()/k M x ab f x k n =∈≤≤, 0,1,2,1k n =-[]{},(1)/()1k Q x a b k n f x =∈+≤≤, 0,1,2,1k n =- (1-8)由于[](),f x a b ∈, 我们可以得到,M Q 都是闭集, 显然, 他们互不相交. 0,1,2,1k n =-,并且有,k k M nQ ϕ=1k k M M +⊂, 1k k Q Q +⊃ (1-9)有定理：闭集,Q M [],a b ⊂互不相交, 则有在[],a b 上的连续函数()g x , 他满足()g x =1,0,x Qx M∈⎧⎨∈⎩ 且0≤()g x 1≤, []0,1x ∈, 他在[],a b 上能被多项式一直逼近, 可以得到对于0,1,2,1k n =-在区间[],a b 上都存在连续函数()f x 他满足1,()0,1,,10,kk kx Q f x k n x M ∈⎧==-⎨∈⎩ (1-10)01k f x ≤≤≤, a x b ≤≤ (1-11)在[],a b 上能被多项式一直逼近.令11()()n k x F x f x n -==∑ (1-12)对于人一点x ∈[],a b , 由(4-1)可知, 存在k , 01k n ≤≤-, 可以得到/()(1)/k n f x k n ≤≤+ (1-13)因此由(1-12)(1-13)得到121,,,k k n x M M M ++-∈ (1-14)比较(1-10)(1-11)(1-12)可以得到011()()k k x k F x f x n n∞+=≤∑ (1-15) 比较(1-9)(1-10)(1-11)可以得到01()()k k x kF x f x n n∞=≤∑ (1-16)由(1-11)(1-12)(1-13)得, 对于任意的x ∈[],a b 有1()()2x f x F x n ε-≤< (1-17) 由()k f x , 0,1,2,1k n =-及()F x 的构造可以知道, ()F x 在[],a b 上可以被多项式一致逼近, 即有多项式()p x 使()()2n F x p x ε-<(1-18)比较(1-17)(1-18)就可以得到()()f x p x ε-<定理证毕.如果我们仔细检查这个定理的证明过程, 我们会发现, 在证明过程中只用到了下面的几个事实1. 实现逼近的区间[],a b 可以控成任何一个距离的空间. 我们称一个集合x 为距离空间. 如果对于任意两个元素,x y x ∈, 都对应一个在非负实数(,)D x y , 称为这两个元素,x y 之间的距离, 他满足以下条件[]7(1) (,)D x y 0=, 当且仅当x y =时； (2) (,)D x y =(,)D y x(3) (,)D x z ≤(,)D x y +(,)D y z , ,,x y z x ∈ 这个距离空间中至少包含有两个元素的子集E , 且对此集合成立有限覆盖定理.2.实现逼近的多项式可以换成定义在E 上的某个实函数空间Y 他具有以下性质(1)Y 包含常数1.(2)Y 关于加法及乘法是封闭的, 因此Y 是一个子环.(3)对于E 中任意两个不同的元素1x 与2x , 在子环Y 中必存在函数()p x , 使12()()p x p x ≠这样一来就有了下面的定理.定理1.4 设E 是某个质量空间的任意子集, 它至少包有两个不同的元素, 并且在E 上成立有覆盖定理. 设定义在E 上的实函数{}()p x 组成一个线性空间, 且构成一个环Y , 这0ε>. Y 上存在元素()p x , 使得有()(),f x p x x E ε-<∈利用Stone 定理可以得到很多有用的逼近定理[]8.定理1.5 设F 是K 维空间R 中的有界闭集. 则对于任何一个在F 上的实连续函数1,2()(,,)x x x x →=⎰⎰, 对于任意的0ε>. 将在k 维空间中代数多项式11111110()()()ni n n n k k nk i i p x p n x x ix x →-====∑∑ (1-19)使得()()f x p x ε→→--<, x F →∈证明 显然, 对R 中任意一个有界闭集F 成立Borel 有限覆盖定理. 此外, 如(4.13)()10,1,,0,1,n n ==的全体多项式构成线性空间及环, 又对于任何两个不同点()111,y hx x x→=, ()2221,y h x xx →=, 令()12111(,)x p x x xx ∞=∑它是形如(4-13)的多项式, 且有()2211(,,)0,,y p x x p x x ''=≠因此, 这就满足了Stone 定理的一切条件.定理1.5证毕.第2章 一致逼近的研究2.1 Borel 存在定理定理2.1（Borel 存在定理） 对任何给定的()f x ∈[],a b , 总是存在()p x ∈n p , 使得,()()n p E f ∆=.证明 因为()n E p ∆的下确界, 因此对任何给定的0ε>, 必有()n p x p ε∈, 使得()n n E p E εεε≤∆+.在这里我们取1mε=, 存在()m n p x p ∈, 使 1()n m n E p E m≤∆≤+(2-1) 所以, 如果能证明{}m p 或他的某个子序列一致收敛于某*n p p ∈, 则上式中令m →∞, 即可证明*()()n p E f ∆=.以下集中于从{}()m p x 中选取收敛的子序列. 首先, 按()m p x 的选取方法可知()m p x 有界. 即可得出()()()()()1max ()m m n a x bp x p x f x f x E f x ≤≤≤-+≤++进而可得出0,1,,,()n m m m x m n m p x a a x a x a x =++++中的各系数0,1,,,,,,,m m x m n m a a a a 皆有界, 为此, 在[],a b 中任意取定1n +个互异点01n x x x <<<. 由0,1,02,0,000,1,2,,()#()m m m n m m m m n m n n m n m n a a x a x a x p x a a x a x a x p x ++++=⎧⎨++++=⎩可推出000,01()1()1()1()1n m n nm n i m m j j i n j t s i si nnnp x x p x x a p x Q x x x x x x =>==-∑∏其中j Q 为多项式在确定点上的值, 从而得,i m a 有界.由Weierstrass 定理, 可逐一选出1n +同时收敛得子序列{},,0,,j i m a i n =. 使得,lim ,0,,j i m i j a a i n →∞==做多项式01()n n p x a a x a x =+++ (2-2)显然当j →∞时, 多项式()mj p x 在[],a b 上一致收敛到()p x .证明 ()p ∆=n E =inf np p ∈()p ∆, 由于()n p x p ∈按定义()p ∆>n E 下面只需证明()p ∆n E ≤. 由()mj p x 得取法可知1()m a x()()m nmj mj n p p p f x p x E mj∈∆=-<+ 但()max ()()max ()()max ()()mj mj mj a x ba x ba x bp f x p x f x p x p x p x ≤≤≤≤≤≤∆=-≤-+-1n E j mjε<++ 令j →∞得到, ()p ∆≤n E , 从而()p ∆=n E .证毕.2.2 最佳逼近定理由Borel 存在定理, 对任意给定的()f x ∈[],a b , 均有多项式()p x n p ∈, 使得()mj p ∆=max ()()inf max ()()n n q p a x ba x bp x f x E q x f x ∈≤≤≤≤-==-, 这样的多项式()p x 成为n p 中的最佳逼近多项式. 显然, n E 0=等价于()f x ∈n p , 即出()f x ∈n p 外, n E 均取正值.下面我们来讨论最佳逼近多项式的本质特征：()()()x p x f x ε=-. 由于()x ε∈[],a b , 所以存在[]0,x a b ∈, 使得0()max ()()a x bx x p εε≤≤==∆, 我们称这样的0x 为()p x 关于()f x 的偏离点. 如果0()()x p ε=∆或()p -∆, 则称0x 为()p x 关于()f x 的正或负偏离点10.如果()p x 不是()f x 的最佳逼近多项式, 则()p x 关于()f x 的正, 负偏离点必须同时存在, 但如果()p x 是()f x 的最佳逼近多项式. 则它关于()f x 的正, 负偏离点必然都存在. 事实上, 我们不妨假设最佳逼近多项式()p x 无负偏离点存在, 则可证明()p x 不是()f x 的最佳逼近多项式. 按以上的反证法假定, 必然存在一个足够小的整数h , 使得()(),n n E h p x f x E a x b -+≤-≤≤≤于是在[],a b 上有/2(()/2)()/2n n E h p x h f x E h -+≤--≤-(/2)()p h p ∆-<∆ 矛盾.定理2.2(Poussin 定理——最佳逼近误差下界的估计） 设n p p ∈且()()()x p x f x ε=-于[],a b 中的点列：12N x x x <<<. 取异于0的正负相间值11,,,(1)N N λλλ---,Q 且2N n ≥+, 则对任意()n q x p ∈, 均有1()min(,,)N q λλ∆≥. (2-3)证明 设有某()n q x p ∈, 使1()min(,,)N q λλ∆< (2-4)考虑到：[][]()()()()()()()x p x q x p x f x q x f x η=-=---. 因此有：()1,()max ()()min N a x bq q x f x λλ≤≤∆=-<所以：s i ()s i (()(j j j g n x g n p x f xη=- 即()x η于点列1,2,,N x x x 上交错变号, 由连续函数的介值定理, ()x η于[],a b 内至少有11N n -≥=个零点, 但()n x p η∈所以()x η0=, 即()()p x q x =, 与(2-3)的反证法 矛盾, 定理即得证[]11.定理 2.3（Tchebyshev 定理） ()f x 于n p 中的最佳逼近多项式是存在的, 且()p x 是()f x 于n p 中的最佳逼近多项式, 必须且只须()p x -()f x 在[],a b 上点数不少于2n +的列12N x x x <<<, 2N n ≥+以上正负交错的符号取得()p ∆的值.证明 充分性：假定()p x -()f x 于[],a b 中点列12N x x x <<<, 2N n ≥+上以正负交错的符号取到()p ∆, 由Poussin 定理, 对任意()n q x p ∈, 均有()q ∆≥()p ∆所以()p x 是()f x 于n p 中的最佳逼近多项式.必要性：假定()p x 是正负交错的偏离点数1N n '≤+, 接下来证明()p x 不是()f x 的最佳逼近多项式. 显然：()q x -()f x =()p x -()f x +[]()()q x p x -, 将[],a b 分成N '个子区间[]1,a ξ,, []1,n b ξ-. 使在该区间上的轮流满足下面两个不等式中的一个.()p x -∆≤()p x -()f x ()p a <∆-, ()p x a -∆+<()p x -()f x ()p ≤∆其中a 是某一充分小的整数, 引入n p 中的多项式121()()()()N x x x x ϕξξξ'-=---并作()q x =()p x -()f x ()x ωϕ+, 则()q x -()p x =()p x -()f x ()x ωϕ+取足够小的ω, 并选出正负号, 即可使下列不等式成立.()()n q p E ∆=∆=他们相互的正负交错偏离点组中点数2,2p q N n N n ≥+≥+. 我们设q p N N ≥, 并设()q x 的正负交错偏离点组为12q N βββ<<< (2-5)在这里我们考虑：()x η=()q x -()p x =[][]()()()()q x f x p x f x ---, 并考虑()x η于点(2-4)上的符号, 注意()j B η可能为零, 也可能不为零, 但若()0j B η≠, 则必有()(),()j j j sign B sign q B f B η⎡⎤=⎣⎦ (2-6)若1()0j B η-≠1()0,()0i k ik ηβηβ+++===≠ (2-7) 因为：[]111()(),()i i i sign B sign q B f B η---=, 且[]111()(),()i k i k i k sign B sign q B f B η++++++=, 而()q x -()f x 于12q N βββ<<<上正负交错变号, 即[]1111(1)()(),()i i i i sign B q B f B -----与[]1111(1)()(),()i k i k i k i k sign B q B f B ++++++++-同号, 即11(1)()i i B η---与11(1)()i k i k B η++++-同号. 从而有：1()i B η-与1(1)()k i k B η++-, (2-8)若K 为偶数, 则1()i B η-与1()i k B η++同号, 所以期间必有偶数的跟, 但是（2-6）中已有1k +（偶数）个根, 所以必定还有一个根, 及至少有2k +个根.总之, ()x η于[],a b 中根的个数11q N n ≥-≥+, 从而()0x η=, 与假设矛盾 定理证毕.2.3 Kolmogorov 最佳逼近定理1948年, Kolmogorov 给出了另一种形式的最佳逼近定理下面我们叙述与证明仅在实多项式中该定理的应用.定理2.4（Kolmogorov 定理） ()p x n p ∈是()f x [],c a b ∈在n p 中的最佳逼近多项式, 必须且只须对所有的()q x n p ∈均有[]{}0m a x ()()()0x A f x p x q x ∈-≥ (2-9) []{}0,()()A def x a b f x p x =∈-由(2-8)可得出关系式：[]()()()0f x p x q x -<, 不能对一切0x A ∈都成立. 即()()f x p x -与()q x 不能对一切0x A ∈都相反的符号.证明 假设()p x 是()f x 在n p 中的最佳逼近多项式, 如(2-8)不成立, 则有多项式()q x n p ∈存在, 使得对其某一0ε>, 有[]{}0max ()()()2x A f x p x q x ε∈-=-根据()f x 的连续性, 存在[],a b 的一个开子集G , 0A G ∈, 使对一切的x G ∈均有[]()()()f x p x q x -ε<-对于充分小的0λ>, 构造一个新的多项式1()()()p x p x q x λ=-. 若x G ∈, 则[]221()()()()()f x p x f x p x q x λ-=-+=2()()f x p x -[][]222()()()f x p x q x λλ+-+[]222()2p M λελ<∆-+ 其中max ()a x bM q x ≤≤=, 若取2M λε<, 则21()()f x p x -[]2(),p x G λε<∆-∈ (2-10)我们考虑到G 的余集是闭集[],H a b ⊂, 且()()f x p x -(),p x H <∆∈因此存在0∂>, 使得1()()()()()f x p x f x p x q x λ-≤-+1()2p ≤∆-∂+∂1()2p =∆-∂, x H ∈. (2-10)由(2-9)(2-10)可知, 对充分小的整数λ, 1()p x 比()p x 更好的逼近()f x , 从而(2-8)是必须的.继续证明(2-8)也是充分的, 假设(2-8)对任何()n q x p ∈, 皆成立. 于是对任意制定的1()n p x p ∈, 构造1()()()n q x p x p x p =-∈必存在点00x A ∈, 使得[]000()()()0f x p x q x -≥注意到点O A 的定义可知[][]222010000000()()()()2()()()()f x p x f x p x f x p x q x q x -=-+-+[]200()()f x p x ≥- []2()p =∆ 从而1()p ∆≥()p ∆, 证毕.第3章 多项式插值方法的研究插值法是函数逼近的重要方法之一, 有着广泛的应用, 在生产和实验中, 函()f x 或者其表达式不便于计算或者无表达式而只有函数在给点的函数值（或其导数值）, 此时我们希望建立一个简单的便于计算的()x ϕ, 使其近似的代替()f x , 有很多种的差值法, 其中以Lagrange （拉格朗日）插值和Newton （牛顿）插值为代表的多项式插值最有特点. 常用的还有Hermit 差值, 分段差值, 和样条差值. 在本章中我们主要介绍Lagrange 差值, Newton 差值, 与Hermit 差值[]12.3.1 Lagrange 差值公式设y =()f x 是实变量x 的点值函数, 且已知()f x 在给定的1n +各互异点01,,,nx x x 处得值01,,,n y y y 即(),0,,i i y f x i n ==差值的基本问题是, 寻求多项式()p x , 使得(),0,,i i p x y i n == (3-1) 设()p x 是一个m 次多项式()p x =2012m m a a x a x a x ++++, 0m a ≠则差值问题是, 如何确定()p x 中的系数01,,,m a a a , 使得(3-1)式满足, 所以该问题等价于求解下述的线性方程组20102000211121112012mm m m m mm m m na a x a x a x y a a x a x a x y a a x a x a x y ⎧++++=⎪++++=⎪⎨⎪⎪++++=⎩ (3-2)上述的线性方程组的系数矩阵为200021112111m m m nnm x x x x x x A x x x ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦他是一个()()11n m +⨯+的矩阵.当m A >时, A 的列数大于行数, 不难证明矩阵A 的秩数为1n +. 因为A 的前1n +列所组成的行列式为()2000211101211,,,1m mn n m nnmx x x x x x w x x x defx x x -=我们有：()01,,,n n w x x x -()j i j ix x >--∏ (3-3)为了证明(3-3), 我们考虑n 此多项式()01,,,n w x x x -=2002111211121111n nnn n n nx x x x x x x x x xx x ---显然01,,n x x -村委它的零点, 且它的n x 系数恰为()01,,,n w x x x -.()01,,,n w x x x -()()()0101,,n n w x x x x x x --=-- 可以得出下面的递进关系式()01,,,n n w x x x -()()()0101,,n n n n w x x x x x x --=--运用他便可证明(3-3)式.根据(3-3)并注意到诸01,,,n x x x 互异, 从而线性方程组(3-2)的系数矩阵的秩数1n +它表明(3-2)的解是不唯一的, 即差值问题(3-1)的解是不唯一的.当m n <时, 矩阵A 的行数大于列数, 按照(3-3)式, 线性方程组(3-2)的每1m +个程组成的方程组均有唯一一组解. 01,,,m a a a , 但是一般来说, 这样求出的各组01,,,m a a a 不一定相同, 即此时(1-2)可能是矛盾方程组.鉴于上述情况, 看来取m n =是最为适合的, 现在我们从提多项式插值问题：给定1n +个互异点, 01,,,n x x x 对任意组数01,,,n y y y , 是否尊在唯一的()()f x p x ∈, 使之满足下面差值条件.(),0,,i i p x y i n == (3-4)上述问题的答案是肯定的, 现在采用构造性方法把所要求的多项式()p x 求出来, 试想：如果可求出具有下面性质的特殊的差值多项式：(),(0,,)i n l x p i n ∈=0,,0,,()1,i j i i n l x j i ≠=⎧=⎨=⎩ (3-5)则多项式0()()ni i i p x y l x ==∑ (3-6)必满足(3-4)的多项式, 但(3-5)中上面的等式, 之处01,,,n x x x 中出i x 外, 均为()i l x 的零点, 因此()i l x 011()()()()i i n c x x x x x x x x -+=----, 其中c 为常数, 但(3-5)中的等式指出()()()()0111i i i i i i n c x x x x x x x x -+=----所以：()()()()()()()()011011()i i n i i i i i i i n x x x x x x x x l x x x x x x x x x -+-+---------记做0()()()n w x x x x x =--, 则()i l x 还可表示更加简单的形式：()i l x ()()()i w x x x w x ='-.总之n 次多项式:()()()()nii i w x p x y x x w x =='-∑ (3-7)满足差值条件(3-4).若()n q x p ∈也满足差值条件(3-4), 则()()()n x q x p x p η=-∆必以01,,,n x x x 为零点.即()0,0,,i x i n η==, 这样一来, n 次多项式()x η依然有1n +个不同的零点, 所以()()q x p x =, 所以有(3-7)表示的n 次多项式是n p 中满足差值条件的唯一多项式, 他被称作为Lagrange 差值多项式, 并记做0()()()()nn ii i w x L x y x x w x =='-∑ (3-8)按上面的推理可得Lagrange 差值多项式()n L x 也可看做是从下面的行列式方程中解出来的220000211112()11011n n nnnnnn nL x x xxy x x x y x x x y x x x = (3-9)由(3-1)所示的条件成为差值条件, 点组01,,,n x x x , 称为差值结点, 上面所得到的结果可以从集合上解释为, 有且仅有一条n 次代数曲线, 通过平面上事先给定的1n +个点(,),0,,i i x y i n =, 其中,()i j x x i j ≠=.Lagrange 差值公式(3-8)具有结构清晰, 紧凑的特点, 因此适合于工作理论分析和应用.3.2 Newton 插值公式3.2.1 差商的概念与性质Newton 插值公式的导数是非常不好记的, 因此有必要另寻方法来确定它们, 为此我们引进差商的概念, 并指出Newton 插值公式中的各导数01(,,,)n f x x x , 1,,i n =,即是()f x 的i 阶差商, 设已知不同的自变量01,,,n x x x 上的函数值()i f x , 1,,i n =, 我们称()()(,)i j i j i jf x f x f x x x x -=-, ()i j ≠为()f x 的一阶差商（或均差）, 一阶差商的一阶差商[]13()()(,,)i j j k i j k i kf x x f x x f x x x x x ---=-, ()i k ≠叫做()f x 的二阶差商, 一般来说我们称(1)n -阶差商的一阶差商10120110(,,)(,,)(,,)n n n n n n n f x x x f x x x f x x x x x -----=-为函数()f x 的n 阶差商.差商有以下几个性质1.若()(),F x cf x c =为常数, 则：1010(,,,)(,,,)n n n n F x x x cf x x x --=.2.若()()()F x f x g x =+, 则：101010(,,,)(,,,)(,,,)n n n n n n F x x x f x x x g x x x ---=+.3.若(),m f x x m =为自然数, 则：100,(,,,)1,n n in m f x x x n m x m n n m ->⎧⎪==⎨⎪-<⎩诸的次得齐次函数,4.差商10(,,,)n n f x x x -是01,,,n x x x 的堆成函数, 即当任意调换, 01,,,n x x x 的位置,差商的值均不变.5.差商可以表示成两行列式之商注：规定, 当0n =, 时0()1n i j l l i x x =≠⎧⎫-=⎨⎬⎩⎭∑1010111111101010101111111(,,,)()()()nnn n n n n n n nn n nn n nx x x x x x f x x x x x x x x x f x f x f x x x x ------=∙性质1和性质2由定义可以直接退出, 接下来我们证明性质3m x 的一阶差商可根据定义直接计算出来1210101210(,)m mm m m x x f x x x x x x x ---∂∂-==+++- 上面的式子是10,x x 的1m -次齐次函数.相继作出各阶差商并依照完全归纳法, 可证的下列公式011001(,,,)nn n nf x x x x x x γγγ-=∑ 10n n m n γγγ-+++=-上面的式子求和运算所有可能出现的形式如：11n n nn n nx x x γγγ--的10,,,n n x x x -的m n -次齐次项, 这样性质3的证.接下来证明性质4, 作出想继续的各阶差商之后, 我们不难看出他们是由形如0,()/()ni ijl l if x x x =≠-∏的(1)n +个项的和表示出来的. 由完全归纳法可求出：01(,,,)n f x x x 可由(2-1)式中的右端表出, 使用前面的记号, 01()()()()n w x x x x x x x =---, 也可将它写成010()(,,,)()ni n i i f x f x x x w x =='∑如此便证明了性质4.最后用完全归纳法同样可以证明性质5.由性质4得知Newton 插值公式(2-2)中的系数001(),(,)f x f x x 01(,,,)n f x x x 恰标出.因此当已知(),(0,1,,)i i y f x i n ==, 时利用差商表可以很容易算出()f x 的各阶差商值,而不必去刻意的记忆公式(2-1).因为在(1)n +个不同点01,,,n x x x 上取给定值的次数不超过n 的多项式使唯一的,所以次数相同的Newton 差值多项式与Lagrange 差值多项式使恒等的, 他们的差异仅仅是书写形式不同. 但是这差异却为计算实践带来了很大的方便. 实际上, 对于Newton 差值公式来说, 当需要增加一个差值结点时, 只需在原插值多项式的后面在添加一个新项就可以了.3.2.2 Newton 插值公式的导出Lagrange 插值公式的却是在于, 当差值结点的个数有所变动时, Lagrange 因子()(0,1,,)i l x i n =就要随之发生变化, 从而整个公式的结构也要发生变化, 这在计算实践中是不方便的, 为了克服这个缺点, 在这一节中我们引进了Newton 形势的差值公式.虽然1n +个结点01,,,n x x x 上的n 次Lagrange 差值多项式也可以写成下列形式010011()()()()()n n n p x a a x x a x x x x x x -=+-++--- (3-10)下面我们确定上式的01,,,n a a a . 令1()n p x -表示n 个结点011,,,n x x x -上的(1)n -次Lagrange 差值多项式. 因为：1()(),(0,,1)n i n i i p x p x y i n -===-, 所以：1011()()()()()n n n p x p x c x x x x x x ---=---,c 为常数. 由条件()n n p x y =可以得出1011()()()()n n n n n n n y p x c x x x x x x ---=---又因为：110()()n n n i i n i p x y l x --==∑, 所以有011011()()()()()()()nin n n n i i i i i i n y y c x x x x x x x x x x x x x x --+=+-------∑100,()n ni i j i l l i y x x -==≠⎧⎫=-⎨⎬⎩⎭∑∏引进记号10100,(,,,)()n nn i i l i l l i f x x x c y x x -==≠⎧⎫==-⎨⎬⎩⎭∑∏得()n p x 与1()n p x -之间的关系101011()()(,,)()()()n n n n p x p x f x x x x x x x x x --=+---同理得:12011012()()(,,)()()()n n n n p x p x f x x x x x x x x x ----=+---一直写下去, 最后得到001001011()()(,)()(,,)()()()n n n p x f x f x x x x f x x x x x x x x x -=+-++--- (3-11)公式(3-11)就是Newton 型差值公式, 系数00101(),(,)(,,,)n f x f x x f x x x 由(3-11)式来确定.3.3 Hermite 插值公式为了理论和应用上的需求, 我们在这里介绍一类具有重结点的多项式差值方法, 即Hermite 差值方法, 因为此类差值问题要求点处满足相应的导数条件, 所以也被称为切触差值.设 12s x x x <<< (3-12)()1(0,,,1,,)h k k y h a k s -==为事先指定的实数, 其中1,,s a a 为正整数121,1(1,,)s k a a a n a k s +++=+≥= (3-13)现构造一个n 次多项式()n p x p ∈, 使之满足差值条件()()1()(0,,;1,,)h h k k k p x y h a k s -=== (3-14) 为解决(3-14), 最直接的办法就是采用代定系数法, 或者求解由(3-3)所确定的线性方程组.此处我们采用构造基本多项式的办法来解决Hermite 差值问题(3-3), 构造一批n 次多项式()1,,,0,,1ik i j i L x l s k a ==-使之满足()()0,(;0.1)h ik m m L x m i h a =≠=- (3-15)和()0,()(0,1)1,h ik i k h k L x h a h k≠⎧==-⎨=⎩ (3-16)显然, 只要上述问题解决, 则n 次多项式()10()()sa s h i ih i h p x y L x ===∑∑(3-17)就必满足差值条件(3-14).以下集中来构成()k L x , 由(3-15)和(3-16)可知111111()()()()()()()i i a a a k as ik i i i s ik L x x x x x x x x x x x l x -+-+=--⋅-⋅--其中1i ik a k l p --∈是满足1i k a --次多项式. 若令11()()()s a a s w x x x x x =--则上式了缩写成()()()()ik ik i i kw x L x l x x x a -=- (3-18)为确定()ik L x 还需要利用条件(3.5)和Taylor 展开式可得()ik L x ()1()!()i a k i i i x x a x x k w x δ--'=⋅+-+ (3-19)其中δ和2δ为确定的常数, ()ik L x ∈1i k a p --所以必定是函数()1!()i i x x a k w x -⋅于i x x =处Taylor 展开的前i k a -项和, 若把这i k a -项和记为()ik L x 1()()1!()i k i a i i x x x a k w x --⎧⎫-=⎨⎬⎩⎭ 则(3-18)式, 有()ik L x =1()()()()()()!()i k i a i i i i i x x x k x x a w x x x a k w x --⎧⎫--=⎨⎬-⎩⎭从而有11()22110()()()()()()!()i k i i a a si i k i x x x n x x k w x p x y x x k w x ---==⎡⎤⎧⎫--=⎢⎥⎨⎬-⎢⎥⎩⎭⎣⎦∑∑ (3-20) 若于(3-14)中取()()1(),(0,,),(1,,)h h k k c y fx h a k s -===, 则相应的Hermite差值多项式为11()()210()()()()()()()!()i k i ii a a sk i i ia i k i x x x a x x k w x p x f x x x k w x ---==⎡⎤⎧⎫--=⎢⎥⎨⎬-⎢⎥⎩⎭⎣⎦∑∑ (3-21) 例 3.1 设121a a q ξ====, 则差值问题(3-3)就是通常多项式差值问题, 此时, 按定义有1()()1()()i i ix x x w x w x ⎧⎫-=⎨⎬'⎩⎭其中()()()i s w x x x x x =--相应的Hermite 差值多项式恰为一般Lagrange 差值多项式.1()()()()()si i i i w x p x f x x x w x =='-∑ 例 3.2 设仅有一个a 重的结点x a =, 则()()n w x x a =-, 而相应的Hermite 差值多项式恰为()f x 于x a =点, x a =点附近Taylor 展开式的部分和.1()()()()!k n k k k a p x fa k -=-∑ 例 3.3 设122s a a q ====, 则相应的Hermite 差值问题为求21n s =-次多项式.()p x 使之满足()()i i p x f x = (1,,)i s = ()()i i p x f x ''= (3-22)这个H e r m i t e 差值问题的集合意义在于使得曲线()y p x =不仅通过给定的点(,())(1,,i i x f x s , 而且在,(1,,)i x x x s ==处与曲线()y f x =有相同的切线.为推导相应的Hermite 插值公式, 记1()()()s x x x x x δ=--则[]2()()w x x δ=, 222()()()i x x x x w x x δ⎡⎤--=⎢⎥⎣⎦又因为[][]222()1()()()()i i i i i x x x x x x x x δδδδ''⎡⎤-=--+⎢⎥''⎣⎦[]2()()11()()()2()i i i i x x x x x w x x x δδδ''-=--+'故由(3-21)式, 有21()()()()()(1()()()()()()si i i i i i m i i x x p x f x x x f x x x x x x x δδδδ=⎡⎤'''=⨯--+-⎢⎥''-⎣⎦∑特别的，当2s =, 且12a a =时, 相应插值公式为下面的3次多项式2121212()()(12)()i x x x x p x f x x x x x --=--- 2221112122121()()()()(12)()x x x x x x f x x x f x x x x x x x ---'=-+---- 12221()()()x x f x x x x x -'+-- (3-23) 这是一个非常重要的Hermite 差值多项式, 他所刻画的曲线()y p x =是这样一条曲线其在区间[]12,x x 两个端点处, 不仅通过曲线()y p x =上的点11(,())x f x 与22(,())x f x , 而且与()y p x =有相同的切线.结论本文主要论述了Weierstrass逼近定理,一致逼近定理,以及几种常用的插值的性质、特征和证明. 并总结出其在函数逼近中的应用.Weierstrass逼近定理是函数逼近论中的重要结论之一, Weierstrass逼近定理是关于实变函数逼近定理, 第一章介绍了Weierstrass逼近定理的研究介绍以及推广Stone定理. Weierstrass逼近定理本身包含两个结论：Weierstrass第一逼近定理和Weierstrass第二逼近定理. 他们是互相独立的, 但又有关系的. 这两个定理都是1885年由Weierstrass 所得到的. Weierstrass-Stone是Weierstrass定理在抽象空间的推广[]15.函数逼近论不外乎研究下面三个问题：第一, 给定一个函数)(xf, 能否用更为简单的函数列近似逼近？第二, 如果能近似逼近？精确度又如何？第三. 逼近的结果是否最佳？在第一章中我们队第一、二两个问题给出了回答, 在第二章中我们研究了第三个问题—最佳逼近理论, 给出了最佳逼近的研究与证明, 以及最佳逼近多项式的性质与应用.插值法是函数逼近的重要方法之一, 在函数逼近中有着广泛的应用, 在一般插值问题中, 若选取φ为n次多项式类, 由插值条件可以唯一确定一个n次插值多项式满足上述条件. 从几何上看可以理解为：已知平面上1n个不同点, 要寻找一条n次多项式+曲线通过这些点. 插值多项式一般有两种常见的表达形式, 一个是拉格朗日插值多项式, 另一个是牛顿插值多项式. 在第三章中, 我们主要研究了Lagrange插值多项式, 牛顿插值多项式, 以及Hermite插值[]16.由于所学知识有限, 本文只在粗浅的层面上描述了做出了简单的研究, 矩函数逼近的根源还有待于深入研究, 我会在今后的学习工作中继续关注函数逼近的研究和发展.参考文献[1] 陈传璋, 金福临. 数学分析[M]. 上海: 上海科学技术出版社, 1962[2] 阎庆旭, 陈北斗, 刘慧芳.Weierstrass逼近定理的应用[J].数学实践与认识, 2004.[3] 周民强.实变函数[M].北京：北京大学出版社, 2001.[4] 聂铁军.计算方法[M].国防工业出版社,1982.[5] 张可村,赵英良.数值计算的算法与分析[M].北京:科学出版社2003.[6] 黄志远.随机分析学基础[M], 北京：科学出版社, 2001[7] 龙熙华.数值分析[M].西安：陕西科学技术出版社, 2005[8] 王仁宏.数值逼近[M].北京:高等教育出版社, 1999.[9]陈传璋, 金福临. 数学分析[M]. 上海: 上海科学技术出版社, 1962[10] 文世鹏, 张明.应用数值分析[M].北京:石油工业出版社, 2005.[11] W.Da.hmen, C.A.Micchelli. Recent, eprogress in multivariate splies, interpolat-ingcardinal splines as their degree rends to infinity, IsraelJ.Whrd(des.), AedaeePress, 1983, 27-29.[12] O.Davydov. On almost interpolation, J.Approx, Theory 91 1997,398-412.[13] O.VSeleznjev. Spline approximation of random processes and design problems, J. Statist.Plann Inference 84(2000), 249-252.[14] H.B.Curry, I.J.schoenberg. OnP6lya frequency functins, VI:The fundamental splinefunctions and their limits, J.analysis Math.171966, 71-75.[15] P.Sablonniere. A Family of Bernstein quasi-interpolants on[]1,0, Apprxo.Theory & itsAppl.(8)3(1992), 62-63[16] R.H.Wang. Multivariate spline and algebraic geometry, put.Appl.Math., 121(2000),153-155.。
Weierstrass第一逼近定理
Weierstrass第一逼近定理
Weierstrass第一逼近定理是数学分析中的一条重要定理，它表明任何连续函数都可以被一列多项式逼近。
具体来说，对于任意给定的连续函数f(x)，存在一列多项式P_n(x)，使得在定义域上，P_n(x)可以无限逼近f(x)。
这个定理的证明需要使用到一些数学分析的工具，特别是利用到Weierstrass逼近定理，即任何连续函数在闭区间上都可以被一列三角多项式逼近。
然后，通过将三角多项式展开成幂级数的形式，再进行一些技巧性的变换，最终得到了Weierstrass第一逼近定理。
这个定理的意义在于，它为我们提供了一种逼近任意连续函数的方法，可以用来解决很多实际问题，比如在物理学、工程学、经济学等领域中的应用。
同时，Weierstrass第一逼近定理也为我们提供了一种理论工具，可以用来证明一些数学问题。
总之，Weierstrass第一逼近定理是数学分析中的一条重要定理，它的证明过程十分复杂，但是它的应用和意义却非常广泛。
- 1 -。
魏尔施特拉斯逼近定理
魏尔施特拉斯逼近定理
[from wiki]
基本定理
魏尔斯特拉斯逼近定理有两个：
闭区间上的连续函数可⽤多项式级数⼀致逼近。
闭区间上周期为2π的连续函数可⽤三⾓函数级数⼀致逼近。
证明
第⼀逼近定理可以从第⼆逼近定理直接推出。
第⼆逼近定理的证明；
⾸先证明，为⼀个正交函数系： (因为)。
故令，于是可以求出。
将c n代⼊f a(t) 的定义式中，有：
下⾯对积分号中的和式S求和，令w = e in(t - s)，那么就有：，分成正负两部分求和，可知: 代回原积分，有，这就是f(s)泊松核。
故有：我们要检验的的是在时的情况，可以证明：
的泊松积分。
其中称为泊松核
由f(t)的⼀致连续性，可以证明，上式在时，满⾜⼀致收敛的条件，故可以⽤f r(t)来⼀致逼近f(t)。
参阅
傅⾥叶级数。
插值法与逼近论
插值法与逼近论
插值法和逼近论都是数学中研究函数逼近和求解近似解的方法。
插值法是一种通过已知的数据点来确定未知函数的方法。
它的主要思想是使用已知数据点之间的函数来拟合未知函数，并在已知数据点上得到相同的函数值。
常见的插值方法有拉格朗日插值、牛顿插值和样条插值等。
逼近论是研究函数逼近的数学分支。
它的主要目标是通过一系列简单函数来近似复杂函数，从而精确计算或解决一些难题。
逼近论研究的问题包括：在某个函数空间中寻找最佳逼近函数、逼近函数的最优性、逼近函数的收敛性等。
插值法和逼近论之间存在一定的联系和区别。
插值法是在已知数据点上进行插值，通过插值函数来逼近未知函数；而逼近论是通过一系列简单函数来逼近复杂函数，有时并不需要已知的数据点。
插值法更加注重通过已知参数得到未知函数的精确解，而逼近论更注重通过简单函数近似复杂函数来解决实际问题。
威尔斯特拉斯第一逼近定理
威尔斯特拉斯第一逼近定理威尔斯特拉斯第一逼近定理是一个重要的数学定理，它的主要内容是：任何函数都可以用一组三角多项式来逼近，这组三角多项式可以通过逼近函数的傅里叶系数来得到。
在讲解这个定理之前，我们先来回顾一下函数逼近和三角多项式。
函数逼近是指用简单的函数来近似表示复杂的函数，以便更容易进行计算和分析。
为了表示一个函数，我们通常需要选择一个基函数，比如多项式、三角函数等。
而三角多项式是一种特殊的基函数，它可以表示为正弦和余弦函数的线性组合，形如：$$ f(x) = a_0 + \sum_{n=1}^\infty (a_n\cos(nx) + b_n\sin(nx)) $$其中$a_n$和$b_n$是正常数，称为傅里叶系数。
这个式子包含了无限个三角函数，因此称之为三角级数。
威尔斯特拉斯第一逼近定理告诉我们，给定一个函数$f(x)$，我们可以用一个三角多项式的序列$(T_n)$来逼近$f(x)$，即存在一个数列$(\alpha_n)$，使得$$ \lim_{n\to\infty}\Vert f-T_n\Vert_2 = 0 $$其中$\Vert\cdot\Vert_2$是平方$L^2$范数，表示函数的平方和的平方根。
换句话说，这个定理保证了任何函数都可以用三角多项式逼近到任意精度。
证明这个定理需要用到一些抽象的数学理论，包括傅里叶级数、内积空间等。
这里只给出简要的证明思路。
首先，我们可以证明一个较弱的结论：对于周期为$2\pi$的连续函数$f(x)$，存在一个三角多项式$T(x)$，使得$\Vert f-T\Vert_\infty<\epsilon$，其中$\Vert\cdot\Vert_\infty$是无穷范数，即函数的最大值。
这个结论的证明可以通过将$f(x)$投影到三角多项式的空间上，然后利用内积空间的性质得到。
为了得到精度更高的逼近，我们可以将$f(x)$分解成一个低频部分和一个高频部分，分别进行逼近。
逼近论第一第二章
第一章 预 备 知 识§1 函数逼近论简介一、 函数逼近论（approximation of funcyions ）函数论的一个重要组成部分，涉及的基本问题是函数的近似表示问题。
在数学的理论研究和实际应用中经常遇到下面问题： 在选定的一类函数中寻找某个函数g ，使它是已知函数f 在一定意义下的近似表示，并求出用g 近似表示 f 而产生的误差。
这就是函数逼近问题。
在函数逼近问题中，用来逼近已知函数f 的函数类可以有不同的选择；即使函数类选定了，在该类函数中用作f 的近似表示的函数g 的确定方式仍然是各式各样的；g 对f 的近似程度（误差）也可以有各种不同的含义。
所以函数逼近问题的提法具有多样的形式，其内容十分丰富。
二、逼近函数类给定函数()f x ，用来逼近()f x 的函数一般要在某个较简单的函数类中找，这种函数类叫做逼近函数类。
逼近函数类可以有多种选择。
n 次代数多项式，亦即一切形如公式0nk k k a x =∑（其中0,,n a a 是实数，0,1,,k n =）的函数的集合；n 阶三角多项式，亦即一切形如公式01(cos sin )nk k k a a kx b kx =++∑(其中0,,n a a ,0,,n b b 是实数，0,1,,k n =）的函数的集合，这些是最常用的逼近函数类。
其他如由代数多项式的比构成的有理分式集，由正交函数系的线性组合构成的（维数固定的）线性集，按照一定条件定义的样条函数集等也都是很有用的逼近函数类。
在一个逼近问题中选择什么样的函数类作逼近函数类，这要取决于被逼近函数本身的特点，也和逼近问题的条件、要求等因素有关。
三、逼近方法给定f 并且选定了逼近函数类之后,如何在逼近函数类中确定作为f 的近似表示函数g 的方法是多种多样的。
例如插值就是用以确定逼近函数的一种常见方法。
所谓插值就是要在逼近函数类中找一个()g x ，使它在一些预先指定的点上和()f x 有相同的值，或者更一般地要求()g x 和()f x 在这些指定点上某阶导数都有相同的值。
逼近理论
一致逼近问题及相关定义
一致逼近问题（切比雪夫逼近问题）： X C[a,b] , Y X ，采用一致（无穷）范数。
设 X C[a,b] , t0 [a,b]，如果 x(t0) x ，则t0 称为x的一个极值点。
Haar条件：设Y是C[a,b]的有限维子空间， 对任意 y Y, y 0，它在[a,b]区间上至多有n-1 个零点，其中n=dimY。
函数逼近问题
函数逼近是数值分析的基础，同时在求取 微分方程数值解等方面有重要应用。
具体说来，函数逼近问题是指：在某一区 间上，如何用简单函数逼近已知复杂函数。
通常这些简单函数包括：(1)多项式函数； (2)分段多项式函数；(3)有理分式函数。
赋范线性空间上最优逼近的定义
设X是赋范线性空间，Y X 是其子空间； x X ，如果 y0 Y 使得
yi(t)=ti，i=0,1, …,n-1；问题：选择 0 ,1,L ,n1 R ，
使得
n1
y(t) it i
是对x按Y的最优一致逼近。
i0
令t=cosθ,θ∈[0,π]，有下式成立，其中βnj为常数：
x -y 余项 n1
cos n 2n1 cosn nj cos j , n 0,1, 2,L
对固定的n∈N，是[-1,1]上所有n次实系数且tn系数为1 的多项式中，距0最大偏差为最小的一个多项式。
n
证明：对于任意y∈Y，则 y i yi ,i R i 1 若Y满足Haar条件则Y在[a,b]至多有n-1个零点如t1, t2, …, tn-1
y1(t1)
[ y(t1),
y(t2 ),L
,
y(tn )] [1,2,L
,n
函数逼近论方法
函数逼近论方法函数逼近论是数学中的一个重要分支，它研究的是如何用简单的函数来近似复杂的函数。
函数逼近论的方法和理论在实际问题的建模和求解中起着重要的作用，被广泛应用于科学、工程和经济等领域。
在函数逼近论中，我们常常遇到的一个问题是如何找到一个函数f(x)来近似另一个函数g(x)。
这个问题可以转化为如何找到一组系数，使得通过这组系数的线性组合可以得到一个最佳的近似函数。
这就是函数逼近论中的最小二乘逼近问题。
最小二乘逼近是函数逼近论的基本思想之一。
它的核心思想是通过最小化函数g(x)与近似函数f(x)的误差平方和，来确定系数的取值。
最小二乘逼近的优点是可以得到一个全局最优解，而不需要事先对函数g(x)的性质作出任何假设。
最小二乘逼近的方法有许多，其中最常用的是基于正交多项式的逼近方法。
正交多项式具有许多良好的数学性质，可以在逼近中起到很好的作用。
常见的正交多项式包括勒让德多项式、拉盖尔多项式和切比雪夫多项式等。
在实际问题中，我们常常需要通过离散的数据来进行函数的逼近。
离散数据是指在某个区间上取了有限个点的函数值。
离散数据的函数逼近问题可以通过插值方法来解决。
插值是一种通过已知的离散数据点来构造一个连续函数的方法。
常见的插值方法有拉格朗日插值和牛顿插值等。
除了最小二乘逼近和插值方法外，函数逼近论还有许多其他的方法和技巧。
例如，基于小波分析的逼近方法可以将函数分解成不同尺度的小波函数的线性组合；基于神经网络的逼近方法可以通过训练神经网络来得到一个近似函数；基于稀疏表示的逼近方法可以将函数表示为一组基函数的线性组合等。
函数逼近论方法在实际应用中具有广泛的应用价值。
例如，在信号处理中，我们常常需要通过近似函数来对信号进行压缩和降噪；在图像处理中，函数逼近论方法可以用于图像的插值和重构；在金融工程中，函数逼近论方法可以用于期权定价和风险管理等。
函数逼近论是数学中一个重要的分支，它研究的是如何用简单的函数来近似复杂的函数。
函数逼近论方法
函数逼近论方法函数逼近论方法是数学分析中一种重要的方法，其主要应用于函数逼近和函数逼近的误差分析。
它是一种通过一组已知的函数来逼近一个未知的函数，并通过误差分析来确定逼近的精度和可行性的方法。
函数逼近论方法可以分为两种基本类型：插值法和最小二乘法。
插值法是通过已知的数据点去推导出未知函数，而最小二乘法则是通过已知的数据点去求解一个最优的函数逼近问题。
在插值法中，通过已知的数据点去推导出未知函数的形式，通常可以使用拉格朗日插值法或牛顿插值法。
拉格朗日插值法是通过一个多项式去逼近未知函数，这个多项式的系数可以通过已知的数据点来确定；牛顿插值法则是通过多个插值点的差商来构造一个插值多项式。
这两种方法的优缺点不同，适用于不同的情况。
例如，拉格朗日插值法的计算量较小，但插值多项式次数较高；而牛顿插值法的计算量较大，但插值多项式次数较低。
在最小二乘法中，通过已知的数据点去求解一个最优的函数逼近问题，通常可以使用最小二乘多项式逼近法或最小二乘样条逼近法。
最小二乘多项式逼近法是通过一个多项式去逼近未知函数，并使其在已知数据点处的误差平方和最小化；最小二乘样条逼近法则是通过构造一个分段多项式的组合，使其在已知数据点处的误差平方和最小化。
这两种方法的优缺点也各不相同，适用于不同的情况。
例如，最小二乘多项式逼近法适合于数据点较少的情况，而最小二乘样条逼近法则适合于数据点较多的情况。
除了插值法和最小二乘法之外，还有其他的函数逼近方法，例如曲线拟合法和逆问题法等。
曲线拟合法是通过已知的数据点去拟合一个曲线，可以使用多项式拟合、指数拟合、对数拟合等方法；逆问题法则是通过已知的数据点和一个模型，去求解一个逆问题，例如反演地震波形、恢复图像等。
函数逼近论方法在数学分析中是一种非常重要的方法，它可以通过已知的数据点去逼近一个未知的函数，并通过误差分析来确定逼近的精度和可行性。
在实际应用中，我们需要根据具体的问题选择适当的函数逼近方法，以达到最优的逼近效果。
高等数学中的逼近理论与测度论
高等数学中的逼近理论与测度论在高等数学中，人们经常遇到一些用连续函数或多项式函数逼近非光滑函数或离散点集的问题，这就需要引入逼近理论和测度论。
逼近理论主要研究用连续函数、多项式函数或三角函数等函数类逼近某些函数的性质和方法，而测度论则是用来研究集合的大小和度量方法的数学分支。
接下来，我们将深入探讨这两个分支的一些基本概念和应用。
一、逼近理论的基本概念在逼近理论中，最基本的概念是逼近序列，即对于给定函数f(x)，构造一列函数 {f_n(x)}，使其能够逐渐逼近f(x)。
其中，{f_n(x)}可以是一列多项式函数、三角函数或连续函数等。
而原函数f(x)则是逼近序列的极限函数，在某些条件下，可以证明逼近序列能够收敛到原函数f(x)。
这便是逼近理论的核心问题之一。
另外，在逼近理论中，还有一些常见的逼近方法，比如最小二乘逼近和插值逼近等。
最小二乘逼近是指通过对样本数据进行拟合，使得拟合函数与样本数据之间的平方误差最小。
比如，我们有一些二维数据点(x_i, y_i)，我们需要用一条直线 y = ax + b 来拟合这些点。
而最小二乘逼近则是通过最小化误差函数来求解最优的拟合直线参数 a和 b。
插值逼近则是指通过一组已知离散点来构造一条连续的逼近函数。
比如，我们需要通过一组离散点来逼近函数 f(x)，我们可以采用拉格朗日插值法或牛顿插值法等来构造连续的逼近函数。
二、测度论的基本概念在测度论中，最基本的概念是集合的度量。
度量是指一种把集合映射到实数上的函数，它可以用来度量集合的大小和距离。
在实际应用中，最常见的度量是欧氏距离、曼哈顿距离、切比雪夫距离等。
欧氏距离是指在欧氏空间中，由两点间的直线距离定义的距离。
对于二维平面上的两个点 (x1, y1) 和 (x2, y2)，它们之间的欧氏距离为：d = sqrt((x2-x1)^2 + (y2-y1)^2)。
曼哈顿距离是指在曼哈顿空间中，由两点间的直线距离定义的距离。
Weierstrass第一逼近定理与第二逼近定理
，则 (2)单调性：若 f (t ) ≥ g (t ) （ t ∈ [a, b]） Bn ( f , x) ≥ Bn ( g , x) （ x ∈ [a, b]） ；
1
k k (3) Bn (1, x) = ∑ C n x (1 − x) n − k = 1 ；
n
Bn (t , x) =
k =0 n
k k =0 n
∑ C nk x k (1 − x) n −k = x ；
k2 k k x − x2 。 n−k 2 C x ( 1 − x ) = + x n 2 k =0 n n 2 ： 函数 (t − s ) 在 Bn 映射下的像（视 s 为常数） Bn (t 2 , x ) =
P( x) − f ( x) < ε
对一切 x ∈[a, b]成立。 证 不失一般性，设[a, b]为[0, 1]。 设 X 是[0, 1]上连续函数 f (t ) 全体构成的集合，Y 是多项式全体构 成的集合，定义映射 Bn : X → Y
⎛k⎞ k =0 ⎝ n ⎠ 得到 {Bn ( f , x)} ， Bn ( f , x) 表示 f ∈ X 在映射 Bn 作用下的像，它是以 x 为
令 x = t − ，得到
2 | 2 f ( x) cos 2 x − T4 ( x +
π
π
2
) |< ε
（**）
对一切 x ∈ (−∞ , ∞ ) 成立。 记 T5 ( x) = [T3 ( x) + T4 ( x + )] ，结合（*）与（**） ，得到
数学中的逼近论
数学中的逼近论数学中的逼近论是一门研究数学对象在其定义域内的逼近性质的学科。
它涉及到函数逼近、级数逼近等方面的研究，具有广泛的应用和重要的理论价值。
本文将通过介绍逼近论的基本概念和主要内容，展示逼近论在数学领域中的重要性及其应用。
一、逼近论的基本概念逼近论中常用的概念包括逼近序列、收敛和一致收敛等。
下面将详细介绍这些概念及其应用。
1. 逼近序列在逼近论中，逼近序列是指一列数或函数，通过与某个数或函数的距离不断减小来逼近其极限值。
逼近序列的选取对于逼近结果的准确性起着重要的作用。
2. 收敛在逼近论中，收敛是指逼近序列逐渐趋于某个确定的值。
例如，当逼近序列中的数或函数的偏离程度逐渐变小，且最终无限接近某个数或函数时，我们称该逼近序列是收敛的。
3. 一致收敛一致收敛是逼近论中的重要概念之一。
当逼近序列在定义域内任意一个点上的逼近速度都相同，且当序列中的数或函数无限逼近时，我们称该逼近序列是一致收敛的。
一致收敛具有较强的收敛性质，其优点在于可以对逼近结果进行更准确的估计。
二、逼近论的主要内容逼近论的主要内容包括函数逼近、级数逼近等。
1. 函数逼近在逼近论中，函数逼近是指通过一系列逼近序列来逼近一个函数。
常见的函数逼近方法有泰勒展开、插值法等。
泰勒展开是利用函数在某一点附近的导数值来逼近函数的值，而插值法则是根据一组已知的函数值来逼近函数的值。
函数逼近在数学分析、数学物理等领域有着广泛的应用。
2. 级数逼近级数逼近是逼近论中的重要内容。
级数逼近是指通过逐渐累加部分和来逼近一个序列或函数。
常见的级数逼近方法有几何级数、幂级数等。
幂级数在解析函数、微分方程等领域起着重要作用，它可以用来逼近各种函数，揭示函数的性质。
三、逼近论的应用逼近论在数学领域中具有广泛的应用。
1. 数学分析逼近论是数学分析的重要基础，它为分析学中的极限理论、连续性理论等提供了理论支持。
逼近论的基本概念和方法还被广泛应用于函数的连续性、可微性等性质的研究中。
3 逼近定理
k C k x k (1 − v ) = ∑ Cnk u k v n−k 中,令 u = x v,= 1 − x 在二项式展开 n k =0 n−k k k 得 ∑ Cn x (1 − x ) = 1 ,作多项式
n k =0
n
Bn ( x ) = ∑
k =0
n
称 Bn ( x ) 是 f ( x ) 的 n 阶伯恩斯坦多项式 阶伯恩斯坦多项式.可以证明,当
§3 .逼近定理
设 f ( x) 是 [a, b] 上的连续函数,一般来说,虽然它不一 定能够展开成一个幂函数,然而,总可以找到一个多项 式 p( x ) ,使得对一切 x ∈ [a, b] , f ( x ) 与 p( x ) 之差比预先 给定的任意正数都小.换句话说,可以用一个多项式 p( x ) 来逼近连续函数 f ( x ) ,其逼近程度(即误差)可以比预先 给定的任意正数小. 定理(魏尔斯特拉斯定理 定理 魏尔斯特拉斯定理) 设 f ( x ) 是 [a, b] 上的连续 魏尔斯特拉斯定理 函数,那么对任意给定的 ε > 0 ,总存在多项式 p( x ) , 使得 max f ( x ) − p( x ) < ε 这个多项式 p( x )就是由伯恩斯坦构造的多项式.它的表 示如下 不妨设 [a, b] = [0,1] .
函数的有理逼近
长沙学院CHANGSHA UNIVERSITY毕业论文资料论文题目：有理函数逼近及其应用系部：信息与计算科学专业：数学与应用数学学生姓名：徐芬芬班级：二班学号2008031224指导教师姓名：张作政职称讲师最终评定成绩长沙学院教务处二○一二年二月制目录第一部分毕业论文一、毕业论文第二部分过程管理资料一、毕业设计（论文）课题任务书二、本科毕业设计（论文）开题报告三、本科毕业设计（论文）中期报告四、毕业设计（论文）指导教师评阅表五、毕业设计（论文）评阅教师评阅表六、毕业设计（论文）答辩评审表（2012届）本科生毕业设计（论文）资料第一部分毕业论文（20 12 届）本科生毕业论文说明书有理函数的逼近及其应用系部：信息与计算科学专业：数学与应用数学学生姓名：徐芬芬班级：二班学号2008031224指导教师姓名：张作政职称讲师最终评定成绩2012年 4 月长沙学院本科生毕业论文有理函数逼近及其应用系（部）：信息与计算科学专业：数学与应用数学学号： 2008031224学生姓名：徐芬芬指导教师：张作政讲师2012年4 月摘要有理函数逼近理论及其应用是逼近问题研究中的重要组成部分。
本文介绍了有理函数逼近定义、构造及其相关知识，同时研究了有理函数插值的存在性与唯一性，介绍了几种常见的有理逼近。
最主要的是对有理函数逼近的应用进行了研究。
首先是利用倒插商和有理函数的唯一性求解数值优化问题，结果表明这种方法在求解数值优化问题时速度快，精度高。
其次是基于Thiele连分式逼近，重新推导了Halley迭代公式。
采用倒数可以被差商近似的办法，得到两个多初始点的迭代公式，从而避免了求导运算。
关键词：函数，有理逼近，倒插商，有理插值ABSTRACTT he rational function approximation theory and its application is approximation to the important component. This paper introduces the definition, a rational function approximation structure and its related knowledge, and of a rational function the existence and the uniqueness of the interpolation, introduces several common rational approximation. The main is a rational function approximation to the application of research. First is to use Inverted plug Manufacturers and the uniqueness of a rational function solving numerical optimization problem, and the result shows that the method in solving numerical optimization problem speed and precision. Second is based on Thiele even fraction approaching, and deduced the formula to Halley iteration. The bottom can be difference quotient approximation method, get more than two initial point iterative formula so as to avoid the derivation operations. Keywords: function, rational approximation, Inverted plug Manufacturers，rational interpolation目录第一章绪论 (1)1.1 有理逼近的研究背景 (1)1.2 有理逼近的研究目的及意义 (1)第二章有理逼近相关知识介绍 (4)2.1 有理逼近的定义 (4)2.2 逼近函数的构造 (5)2.3几种常见的有理逼近 (8)2.3.1 Padé逼近 (8)2.3.2 Müntz有理逼近 (8)2.3.3 最佳有理分式逼近 (8)第三章有理插值函数的存在性及唯一性 (9)3.1 有理插值问题的存在性 (10)3.2 有理插值函数的唯一性 (11)第四章有理函数逼近的应用................ 错误!未定义书签。
dirichlet逼近定理
dirichlet逼近定理
Dirichlet逼近定理又称为Dirichlet极限定理，是德国数学家Peter Gustav Lejeune Dirichlet在1829年提出的一个关于数论和表示论的定理。
它告诉我们，有任意多个互异的质数之和可以表示为任意足够大的正整数的
形式，其中未出现质数的次数会在未出现质数的概率趋于零。
这个定理十分
重要，在很多专业领域都得到广泛的应用，可以帮助我们解决一些复杂的数
学问题。
像质数分解一样，Dirichlet逼近定理也主要应用于数论以及表示论，
将任意正整数展开为因子的和，例如将4转换为2 + 2。
在表示论里，通过Dirichlet逼近定理，可以将任意整数的分解表示为特定的素数的乘积，可
以有效降低复杂性，更加方便统计。
另外，有一个称为素数论的学科，也应用到Dirichlet逼近定理，尤其
是在恒等猜想等极其复杂的问题中，Dirichlet逼近定理提供了一种可信的
答案，因为它证明了指定的素数的最小乘积必须被恒定的值所限制。
总的来说，Dirichlet逼近定理是数学界最具有影响力的定理之一，它
可以解决很多复杂的数学问题，使得数学学术界更加智能、美好。
runge逼近定理
runge逼近定理Runge逼近定理是数学分析中的一个重要定理，它给出了如何逼近解析函数的一种方法。
在数学中，解析函数是指在某个域内处处可导的函数。
本文将介绍Runge逼近定理的基本概念和定理陈述，并探讨其应用和推广。
首先，我们来描述一下解析函数。
假设f(z)是一个定义在某个域上的复数函数，其中z = x + iy是复变量，x和y是实数。
如果f(z)在该域上的导数存在，则称f(z)是解析函数。
解析函数有许多重要性质，比如它们可以展开为幂级数或洛朗级数，并且具有唯一性。
这些性质使得解析函数在数学和物理中有广泛的应用，比如在复分析、微积分、物理学和工程学中。
Runge逼近定理是由德国数学家Carl David Tolmé Runge于1885年提出的。
该定理给出了如何通过有理函数逼近解析函数的一种方法。
具体来说，它断言在复平面上的任何有界区域D内，都存在一个有理函数序列{R_n(z)}可以以任意给定的精度逼近D上的任何解析函数f(z)。
定理的形式化陈述如下：设f(z)是D上的解析函数，且R是D的闭包。
对于任意给定的ε > 0，存在有理函数序列{R_n(z)}，使得R_n(z)一致收敛于f(z)在R上，即对于R上的每一个点z，有|R_n(z) - f(z)| < ε对于足够大的n成立。
这个定理的证明非常复杂，涉及到复分析中的许多重要概念和工具，比如复变函数的收敛性、Laurent级数、共形映射等。
定理的证明可以追溯到数学家Peter Gustav Lejeune Dirichlet和Bernhard Riemann的工作，他们为Runge逼近定理提供了一些重要的启示。
Runge逼近定理的一个重要应用是在数值计算中。
通过有理函数逼近解析函数，可以将高阶的函数近似转化为低阶的有理函数，从而简化计算过程。
这在计算机图形学、信号处理和控制理论等领域非常有用。
此外，Runge逼近定理还被广泛应用于复变函数的奇点理论、拟调和函数等相关问题的研究中。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章 预 备 知 识§1 函数逼近论简介一、 函数逼近论（approximation of funcyions ）函数论的一个重要组成部分，涉及的基本问题是函数的近似表示问题。
在数学的理论研究和实际应用中经常遇到下面问题： 在选定的一类函数中寻找某个函数g ，使它是已知函数f 在一定意义下的近似表示，并求出用g 近似表示 f 而产生的误差。
这就是函数逼近问题。
在函数逼近问题中，用来逼近已知函数f 的函数类可以有不同的选择；即使函数类选定了，在该类函数中用作f 的近似表示的函数g 的确定方式仍然是各式各样的；g 对f 的近似程度（误差）也可以有各种不同的含义。
所以函数逼近问题的提法具有多样的形式，其内容十分丰富。
二、逼近函数类给定函数()f x ，用来逼近()f x 的函数一般要在某个较简单的函数类中找，这种函数类叫做逼近函数类。
逼近函数类可以有多种选择。
n 次代数多项式，亦即一切形如公式0nk k k a x =∑（其中0,,n a a 是实数，0,1,,k n = ）的函数的集合；n 阶三角多项式，亦即一切形如公式01(cos sin )nk k k a a kx b kx =++∑(其中0,,n a a ,0,,n b b 是实数，0,1,,k n = ）的函数的集合，这些是最常用的逼近函数类。
其他如由代数多项式的比构成的有理分式集，由正交函数系的线性组合构成的（维数固定的）线性集，按照一定条件定义的样条函数集等也都是很有用的逼近函数类。
在一个逼近问题中选择什么样的函数类作逼近函数类，这要取决于被逼近函数本身的特点，也和逼近问题的条件、要求等因素有关。
三、逼近方法给定f 并且选定了逼近函数类之后,如何在逼近函数类中确定作为f 的近似表示函数g 的方法是多种多样的。
例如插值就是用以确定逼近函数的一种常见方法。
所谓插值就是要在逼近函数类中找一个()g x ，使它在一些预先指定的点上和()f x 有相同的值，或者更一般地要求()g x 和()f x 在这些指定点上某阶导数都有相同的值。
利用插值方法来构造逼近多项式的做法在数学中已有相当久的历史。
微积分中著名的Taylor 多项式便是一种插值多项式。
此外，在各种逼近问题中，线性算子也是广泛应用的一大类逼近工具。
所谓线性算子是指某种逼近方法L ，对于被逼近函数 f 、g ，在逼近函数类中有()L f 、()L g 近似表示它们，并且对于任意实数,αβ都有()()()L f g L f L g αβαβ+=+。
线性算子逼近方法构造方便。
一个典型的例子是2π周期的连续函数()f x 的n 阶傅里叶部分和(,)n S f x ,它定义了一个由2π周期的连续函数集到n 阶三角多项式集内的线性算子n S 。
(,)n S f x 可以用来近似表示()f x 。
除了线性算子，在逼近问题中还发展了非线性的逼近方法。
这方面最基本的工作是18世纪中叶由俄国数学家∏.Л.切比雪夫提出的最佳逼近。
1859年切比雪夫结合机械设计问题的研究提出并讨论了下述类型的极值问题：已知[,]a b 区间上的连续函数()f x ,0(,,,)n P x a a 是依赖于参数0,,n a a 的初等函数(如多项式，有理分式)，用0(,,,)n P x a a 来近似表示ƒ(x)，如果产生的误差用公式 00(,)max ()(,,)n n a x ba a f x P x a a ≤≤∆=- 来衡量，要求选择一组参数使误差最小。
这就是寻求极小问题0max ()(,,)n a x bf x P x a a ≤≤- 00,m i n (,)nn a a a a =∆ 的解。
当参数0(,,)n a a **给出最小误差时，就把0(,,,)=()n P x a a P x *** 叫做()f x )在0(,,,)n P x a a 所构成的函数类中的一个最佳逼近元；数值0(,)n a a ***∆=∆ 叫做()f x 借助于函数0(,,,)n P x a a 来逼近时的最佳逼近值。
切比雪夫研究了0(,,,)n P x a a 是n 次多项式（n 是固定整数, 0,,n a a 是系数，它们是可以任意取值的参数）的情形。
这里的最佳逼近依赖于f ，但不是线性依赖关系。
所以说切比雪夫的最佳逼近是一种非线性的逼近。
四、误差又称逼近度。
为了衡量函数g 对f 的近似程度（逼近度），在逼近论中广泛应用抽象度量空间内的度量概念。
对于在逼近问题中经常遇到的一些函数类，常用到的度量有以下几种：①定义在[,]a b 上的全体连续函数[,]C a b 中任何两个函数()f x ,()g x 的接近程度可以按公式max ()()C a x bf g f x g x ≤≤-=-来规定。
按这种度量引出的逼近度叫做一致逼近度； ②定义在[,]a b 上的全体平方可积函数2[,]L a b 内任何两个函数()f x ，()g x 的接近程度可按公式2122([()()])b a f g f x g x dx -=-⎰来规定,这便是平方逼近度；③定义在[,]a b 上的全体p 次幂可积函数[,]p L a b (p ≥1)内可以取1(()())p b p p a f g f x g x -=-⎰作为度量，由它产生的逼近度叫做p 次幂逼近度。
五、函数逼近论的产生从18世纪到19世纪初期，在L.欧拉、P.-S.拉普拉斯、J.-B.-J.傅里叶、J.-V.彭赛列等数学家的研究工作中已涉及一些个别的具体函数的最佳逼近问题。
这些问题是从诸如绘图学、测地学、机械设计等方面的实际需要中提出的。
在当时没有可能形成深刻的概念和统一的方法。
切比雪夫提出了最佳逼近概念,研究了逼近函数类是n 次多项式时最佳逼近元的性质，建立了能够据以判断多项式为最佳逼近元的特征定理。
他和他的学生们研究了与零的偏差最小的多项式的问题,得到了许多重要结果。
已知[,]a b 区间上的连续函数()f x ,假设0()nk k k P x a x ==∑ (n ≥0), 量0,()min max ()()n n C a a a x b E f f x P x ≤≤=- 叫做()f x 的n 阶最佳一致逼近值,也简称为最佳逼近值，简记为()n E f 。
能使极小值实现的多项式0()nk k k P x a x **==∑叫做 ()f x 的n 阶最佳逼近多项式。
切比雪夫证明了,在区间[1,1]-上函数1n x +的n 阶最佳逼近多项式1n kk k a x =∑必满足关系式102cos[(1)arccos ]nn k n k k x a x n x +-=-=+∑。
多项式2cos[(1)arccos ]n n x -+就是著名的切比雪夫多项式。
切比雪夫还证明了0()n k k k P x a x **==∑是ƒ(x)在[,]a b 上的n 阶最佳逼近多项式的充分必要条件是：在[,]a b 上存在着2n +个点: 122n a x x x b +≤<<<≤ ,在这些点上(1)()()i i P x f x *-依照i=1,2,…,n+2的次序交错变号， (2)()()max ()()i i a x bP x f x P x f x **≤≤-=-。
点组122{,,}n x x x + 便是著名的切比雪夫交错组。
1885年德国数学家K.（T.W.）外尔斯特拉斯在研究用多项式来一致逼近连续函数的问题时证明了一条定理，这条定理在原则上肯定了任何连续函数都可以用多项式以任何预先指定的精确度在函数的定义区间上一致地近似表示，但是没有指出应该如何选择多项式才能逼近得最好。
如果考虑后一个问题，那么自然就需要考虑在次数不超过某个固定整数 n 的一切多项式中如何来选择一个与()f x 的一致误差最小的多项式的问题，而这正好是切比雪夫逼近的基本思想。
所以可以说切比雪夫和外尔斯特拉斯是逼近论的现代发展的奠基者。
六、发展20世纪初在一批杰出的数学家，包括С.Η.伯恩斯坦、D ．杰克森、 瓦莱－普桑、H.L.勒贝格等人的积极参加下，开创了最佳逼近理论蓬勃发展的阶段。
这一理论主要在以下几个方面取得了很大进展：1.最佳逼近的定量理论在逼近论中系统地阐明函数的最佳逼近值()n E f （借助于代数多项式来逼近,或者对2π周期函数借助于三角多项式来逼近，或借助于有理函数来逼近等等）的数列当n →∞时的性态和函数()f x 的构造性质（可微性、光滑性、解析性等等）之间内在联系的理论统称为定量理论。
下面叙述的定理比较典型地反映出函数的构造性质与其最佳逼近值之间的深刻联系。
杰克森、伯恩斯坦、A.赞格蒙证明: 2π周期函数()f x 具有满足条件()()()(),(01)r r f x h f x M h αα+-≤<≤ 或 ()()()()2()(),(1)r r r f x h f x f x h M h α+-+-≤=的r 阶导数()(0,1,)r f r = 的充分必要条件是，()f x 借助于三角多项式的n 阶最佳一致逼近值()n C E f *（简称最佳逼近，简记为()n E f *）满足条件()r n C E f An α*+≤,式中的,M A 是不依赖于n 的正的常数。
对于[,]a b 区间上的（不考虑周期性）连续函数借助于代数多项式的逼近值与函数构造性质间的联系也有和上述结果相类似的定理，不过情况比周期函数复杂多了。
这一问题是在50年代由苏联数学家Α.Ф.季曼、Β.К.贾德克解决的。
杰克森、伯恩斯坦等人的工作对逼近论的发展所产生的影响是深远的。
沿着他们开辟的方向继续深入，到20世纪30年代中期出现了J.A.法瓦尔、Α.Η.柯尔莫哥洛夫关于周期可微函数类借助于三角多项式的最佳逼近的精确估计以及借助于傅里叶级数部分和的一致逼近的渐近精确估计的工作。
这两个工作把从杰克森开始的逼近论的定量研究提高到一个新的水平。
从那时起，直到60年代,以С.М.尼科利斯基、Α.И.阿希耶泽尔等人为代表的很多逼近论学者在定量研究方面继续有许多精深的研究工作。
2.逼近论的定性理论切比雪夫发现了连续函数的最佳逼近多项式的特征，提出了以切比雪夫交错点组著称的特征定理。
最佳逼近多项式是唯一存在的。
最佳逼近多项式的存在性、唯一性及其特征定理都是定性的结果，对这些问题的深入研究构成了逼近论定性研究的基本内容。
匈牙利数学家A.哈尔在1918年首先研究了用广义多项式在[,]a b 上对任意连续函数f 的最佳逼近多项式的唯一性问题。
在[,]a b 上给定1n +个线性无关的连续函公式01(),(),,()n x x x ϕϕϕ 。
作为逼近函数类可取00(,,)nn i i i P x a a a ϕ==∑ ，式中0,,n a a 是任意参数。