《数值分析》第三讲:函数逼近与计算

合集下载

数值分析Ch3函数逼近与曲线拟合

数值分析Ch3函数逼近与曲线拟合
与正交,权函数等概念。
正交,这就需要引进范数与赋范线性空间,内积
3.1 函数逼近的基本概念
• 定义 设集合 S 是数域 P 上的线性空间,元 素 x1 , x2 , , xn S ,若存在不全为零的数 1 , 2 , , n P ,使得 1 x1 2 x2 n xn 0 则称 x1 , x2 , , xn 线性相关,否则,若仅对
数 值 分 析
Computational Method
Chapter 3 函数逼近
第三章 函数逼近与曲线拟合 设函数 y f x 的离散数据(有误差)为
x y

x0 y0
x1 y1
x2 y2

xn yn
希望找到简单函数 Px 整体上有 是某度量, 0 是指定精度。
f x Px
1 x1
2 x2 x 2 , 1 1 1 , 1 x , x , 3 2 2 3 x3 3 1 1 2 , 2 1 , 1
xn , 1 xn , 2 xn , n1 1 2 n1 n xn 1 , 1 2 , 2 n1 , n1 k 1 xk , i i ( k 1,2,, n) 简写为: k x xk i 1 i , i

x

2

(连续) f x Ca, b
b
常见范数:
f x 1 f x dx • 1范数: a ,
• 2-范数:
f x 2
2 f x dx a b
1 2
f x max f x • 范数: , a ,b

数值分析讲义第三章 函数逼近

数值分析讲义第三章 函数逼近
* n k
P ( xk ) f ( xk ) 1 f , Pn* , 1
k
n2
b, s.t.
(充分性):设[a, b]上至少有n 2个点a x1 x2 x P ( xk ) f ( xk ) 1 f , Pn* , 1

一致逼近或 均匀逼近 均方逼近或 平方逼近
max a x b f ( x) P( x)
f ( x) P( x) 2

b
a
f ( x) P( x) dx
2
存在性问题: f(x)C[a,b], 是否存在
Pn(x) f(x)(uniformly)?
Th1. (Weierstrass定理)设f(x)C[a,b], >0, 多项式P(x), s.t. f ( x) P( x) 在[a,b]上一致成立。 Weierstrass,德,
3个重要推论
推论1

最佳逼近多项式唯一
设f ( x)有两个最佳逼近多项式P( x), Q( x), 则x [a, b] - En P( x) f ( x) En , - En - En Q( x) f ( x) En , P( x) Q( x) f ( x) En 2 P( x) Q( x) R( x) 也是f ( x)的最佳逼近多项式, 2 且R ( x) f ( x)的n 2个交错点组x1 x2 x n 2 满足 R ( xk ) f ( xk ) 1 En
k
En R( xk ) f ( xk )
P( xk ) f ( xk ) Q( xk ) f ( xk ) 2 2
(*)

(整理)数值分析课件 第3章 函数逼近与曲线拟合

(整理)数值分析课件 第3章 函数逼近与曲线拟合

第三章 函数逼近与曲线拟合1 函数的逼近与基本概念1.1问题的提出多数计算机的硬件系统只提供加、减、乘、除四种算术运算指令,因此为了计算大多数有解析表达式的函数的值,必须产生可用四则运算进行计算的近似式,一般为多项式和有理分式函数.实际上,我们已经接触到两种逼近多项式,一种是泰乐多项式,一种是插值多项式.泰乐多项式是一种局部方法,误差分布不均匀,满足一定精度要求的泰乐多项式次数太高,不宜在计算机上直接使用.例如,设()f x 是[1,1]-上的光滑函数,它的Taylor 级数0()k k k f x a x ∞==∑,()(0)!k k f a k =在[1,1]-上收敛。

当此级数收敛比较快时,11()()()n n n n e x f x s x a x ++=-≈。

这个误差分布是不均匀的。

当0x =时,(0)0n e =,而x 离开零点增加时,()n e x 单调增加,在1x =±误差最大。

为了使[1,1]-的所有x 满足()()n f x s x ε-<,必须选取足够大的n ,这显然是不经济的。

插值函数出现的龙格现象表明,非节点处函数和它的插值多项式相差太大。

更重要的是,实际中通过观测得到的节点数据往往有各种误差,此时如果要求逼近函数过全部节点,相当于保留全部数据误差,这是不适宜的。

如图1所示,给出五个点上的实验测量数据,理论上的结果应该满足线性关系,即图1中的实线。

由于实验数据的误差太大,不能用过任意两点的直线逼近函数。

如果用过5个点的4次多项式逼近线性函数,显然误差会很大。

实验数据真函数插值多项式逼近精确的线性逼近图11.2范数与逼近一、线性空间及赋范线性空间要深入研究客观事物,不得不研究事物间的内在联系,给集合的元素之间赋予某种“确定关系”也正是这样的道理.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.最常用的给集合赋予一种“加法”和“数乘”运算,使其构成线性空间.例如将所有实n 维数对组成的集合,按照“加法”和“数乘”运算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,按通常多项式与多项式加法及数与多项式乘法也构成数域R 上一个线性空间,用n H 表示,称为多项式空间.所有定义在[,]a b 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[,]C a b .类似地,记[,]p C a b 为具有p 阶连续导数的函数空间.在实数的计算问题中,对实数的大小、距离及误差界等是通过绝对值来度量的.实践中,我们常常会遇到对一般线性空间中的向量大小和向量之间的距离进行度量的问题,因此有必要在一般线性空间上,赋予“长度”结构,使线性空间成为赋范线性空间.定义1 设X 是数域K 上一个线性空间,在其上定义一个实值函数,即对于任意,x y X ∈及K α∈,有对应的实数x 和y ,满足下列条件(1) 正定性:0x ≥,而且0x =当且仅当0x =;(2) 齐次性:x x αα=;(3) 三角不等式:x y x y +≤+;称为X 上的范数,定义了范数的线性空间就称为赋范线性空间.以上三个条件刻划了“长度”、“大小”及“距离”的本质,因此称为范数公理.对n X 上的任一种范数,n X ∀∈x,y ,显然有±≥-x y x y .n R 上常用的几种范数有:(1) 向量的∞-范数:1max i i nx ∞≤≤=x(2) 向量的1-范数:11n i i x ==∑x(3) 向量的2-范数:12221()n i i x ==∑x (4) 向量的p -范数:11()n p pi p i x ==∑x其中[1,)p ∈∞,可以证明向量函数()p N x x ≡是nR 上向量的范数. 前三种范数是p -范数的特殊情况(lim p p ∞→∞=x x ).我们只需表明(1).事实上1111111max max max n n p pp p i i i i i n i n i n i i x x x x ≤≤≤≤≤≤==⎛⎫⎛⎫≤≤≤ ⎪ ⎪⎝⎭⎝⎭∑∑及max 1p →∞=,故由数学分析的夹逼定理有1l i m ma x i p p i nx ∞→∞≤≤==x x 。

数值分析第三章

数值分析第三章
a≤ x≤b b ∫a | f ( x ) | dx,
称为1 − 范数 , 称为 2 − 范数 .
(
b 2 ∫a f ( x )dx
),
1 2
三、内积与内积空间
R n中向量x及y定义内积 : ( x, y ) = x1 y1 + L + x n y n .
定义3 上的线性空间, 定义3 设X是数域 K ( R或C)上的线性空间,对 ∀u, v ∈ X, 中一个数与之对应, 并满足条件: 有K中一个数与之对应,记 为( u, v ),并满足条件: (1) ( u,v ) = (v , u), ∀u,v ∈ X ; (2) (αu,v ) = α ( u,v ), α ∈ R; (3) ( u + v , w ) = ( u,w ) + (v,w ), ∀u,v,w ∈ X ; (4) ( u, u) ≥ 0, 当且仅当 u = 0时, , u) = 0. (u 则称( u, v )为X上的u与v的内积. 定义了内积的线性空间 称 的共轭, 为内积空间. (v , u)为( u,v )的共轭,当 K = R时 (v , u) = ( u,v ).
2)
j =1
∑ α ju j = 0 ⇔ ( ∑ α ju j , ∑ α ju j ) = 0
j =1 n j =1
n
n
n
⇔ ( ∑ α j u j , uk ) = 0, k = 1,L, n.
j =1
∴ G非奇异 ⇒ u1 , u2 ,L, un线性无关 (反证法 );反之亦然 .
在内积空间X上可以由内积导出一种范数, 即对u ∈ X , 记 || u ||= (u , u ), Cauchy − Schwarz不等式得出. (1.10) 易证它满足范数定义的正定性和齐次性, 而三角不等式由

第三章数值分析

第三章数值分析

n ( R , ) 赋范线性空间
连续函数空间 (无穷范数)
定义于区间[a,b]上连续函数的集合C[a,b]是一线性空 间。定义
f

max f ( x) , f C[a, b]
a xb
是一赋范线性空间, 记为 (C[a, b], ) 证明:对 f , g C[a, b], r R
于该范数是一赋范线性空间, 记为 (C[a, b], 2 ) 证明:对 f , g C[a, b], r R
f
rf
2
2
0, f C[a, b]
b 2 1 2 a
f
b a
2
0 f 0
1 2 2
[ r 2 f ( x)dx] r [ f 2 ( x)dx] r f
( x) c00 ( x) c11 ( x)
若为线性空间V的一组基,则 是一个n+1维线性空间
cnn ( x)
V span{0 , 1 ,
, n }
背景:在某一函数集合中找最好的近似。


赋范空间、内积空间、正交多项式 最佳平方逼近 曲线最小二乘拟合 最佳一致逼近(工科研究生不要求)
逼近问题之一:最佳平方逼近


Φ为赋范线性空间 (C[a, b], ) 的有限维子空间 (1)假设其维数为n+1 n { } (2)函数组 i i 0是该子空间上的一组线性无关基 (3) span{0 ,1, ,n } 范数取为 2 * * * * ( x ) c c c 求 0 0 1 1 nn 使得
f c
i 0
n
* i i 2
min f cii

《数值分析》第3讲:函数逼近与计算

《数值分析》第3讲:函数逼近与计算
想)
函数的逼近与计算
pn * ( x) ? 1、Chebyshev给出如下概念
设 f ( x) C[a,b], 如p果( x) Hn ,
f (x)
|
p( x0 )
f
(
x0
)
|
max
a xb
|
p( x)
f ( x) |
p4 0*(x)
则称 x是0 偏差点。
如果 p( x0 ) f ( x0 ) 则称 x是0 正偏差点。
b
2a
a0 (
x ) 0 (
x)k
(
x)dx
b
b
2a an( x)n( x)k ( x)dx 2a ( x) f ( x)k ( x)dx

I ak
2a0 0( x),k ( x) 2a11( x),k ( x)
2an n( x),k ( x) 2 f ( x),k ( x)
函数的逼近与计算

1
1 1
2
n1
1 H 2
1 3
1 n2
1 n 1
1 n2
1 2n 1
例3.2 (P56)
已知 f ( x) 1 x2 C[0, 1], span{1, x}

1
(0 , 0 )
1dx 1,
0
(0 , 1)
1
1
xdx
0
2
(1, 0 )
1
1
xdx ,
▲ 1856年解决了椭圆积分的雅可比逆转问题,建立了椭圆函数 新结构的定理,一致收敛的解析函数项级数的和函数的解析性的 定理,圆环上解析函数的级数展开定理等。
函数的逼近与计算

数值分析第3章函数逼近和快速傅立叶变换

数值分析第3章函数逼近和快速傅立叶变换

数值分析第3章函数逼近和快速傅立叶变换第3章的内容主要涉及函数逼近和快速傅立叶变换。

函数逼近是指通过一系列已知数据点来估计一个函数的近似值。

快速傅立叶变换是一种高效计算连续傅立叶变换的方法。

函数逼近是数值分析中一项重要任务,它涉及到通过一组已知数据点来估计一个未知函数的值。

常用的函数逼近方法包括多项式逼近、三角函数逼近和样条函数逼近。

多项式逼近是利用一组已知数据点来构造一个多项式,使得该多项式在这些数据点上的值与已知数据点的值尽可能接近。

多项式逼近的基本思想是利用多项式的线性组合来近似未知函数,通过最小化误差函数来确定逼近多项式的系数。

多项式逼近的优点是简单易实现,但是当数据点较多或者函数较复杂时,多项式逼近的结果可能不够精确。

三角函数逼近是利用三角函数的线性组合来近似未知函数。

三角函数逼近的基本思想是利用三角函数的周期性来估计未知函数的值。

通过最小化误差函数来确定逼近三角函数的系数。

三角函数逼近适用于具有周期性的函数,在信号处理和图像处理中得到广泛应用。

样条函数逼近是利用多个局部的插值多项式来逼近未知函数。

样条函数逼近的基本思想是将整个待逼近区间分成多个子区间,每个子区间内使用一个插值多项式来逼近未知函数。

通过最小化误差函数来确定样条函数的系数。

样条函数逼近适用于具有较强光滑性的函数,在计算机图形学和计算机辅助设计领域得到广泛应用。

快速傅立叶变换(FFT)是一种高效计算连续傅立叶变换的方法。

傅立叶变换可以将一个连续函数分解成若干个正弦和余弦函数的和,它在信号处理、图像处理和通信等领域有着重要应用。

传统的傅立叶变换算法的时间复杂度为O(n^2),而快速傅立叶变换算法的时间复杂度为O(nlogn),能够极大地提高计算效率。

快速傅立叶变换的基本思想是将一个长度为n的序列分解成两个长度为n/2的序列,通过递归地进行这种分解,最终得到长度为1的序列。

然后再通过合并各个子问题的解来得到原始序列的傅立叶变换。

第3章 函数逼近与计算

第3章 函数逼近与计算
x
0 ( x) 1
2 2 ( x , ) ( x , 1 ) 2 0 2 ( x) x 0 1 ( x) (0 , 0 ) (1 , 1 )
1 1 ( 0 , 0 ) ln dx ln xdx 1 0 0 x 1
( x, 0 )

b
a
f 2 ( x)dx
函数的平方模满足 (1) 20,而且2=0(x)=0;
(2) c2=|c|2;
(3) +g22+g2 (4) (,g)2 g2
权函数 考虑到(x)在区间[a,b]上各点的函数值比重不同, 常引进加权形式的定义
什么是函数逼近
对函数类A中给定的函数 f(x),记作f(x)∈A,
要求在另一类简单的便于计算的函数类 B
中求函数 p(x)∈B ,使 p(x)与 f(x)的误差在 某种意义下最小.函数类A通常是区间[a, b] 上的连续函数,记作C[a, b],称为函数逼近空 间;而函数B通常为n次多项式,有理函数或分
续函数空间---- C[a, b]
3.1 函数逼近的基本概念
1)线性无关
设集合S是数域P上的线性空间,元素x1,x2,…,xn∈S, 如果存在不全为零的数a1,a2,…,an∈P,使得
a1 x1 a2 x2 ... an xn 0,
则称x1,x2,…,xn线性相关.
关的.
若 0 ( x), n1 ( x)
n n ! d ~ 2 n P ( x ) [( x 1 ) ]. n n ( 2n)! dx
勒让德多项式的性质
(1)正交性
m n; 0, 1 1 Pn ( x) Pm ( x)dx 2 , m=n. 2n 1

数值分析第3章108页

数值分析第3章108页
3.1 函数逼近的基本概念
3.1.1 函数逼近与函数空间
问题 1、数值计算中经常要计算函数值,如计算机中计算 基本初等函数及其他特殊函数;
2、当函数只在有限点集上给定函数值,要在包含该 点集的区间上用公式给出函数的简单表达式.
这些都涉及到在区间 [上a, b用] 简单函数逼近已知复杂 函数的问题, 这就是函数逼近问题.
称为连续函数空间.
2
函数类B通常为 n次多项式,有理函数或分段低次多项 式等.
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.
例如将所有实 n维向量组成的集合,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 R n ,称为 n维 向量空间.
9
定义2 设 S为线性空间,xS,若存在唯一实数‖·‖, 满足条件:
(1) x 0, 当且仅当 x 0 时,x 0; (正定性)
(2) xx, R;
(齐次性)
(3) xyxy, x,y S . (三角不等式)
则称‖·‖为线性空间 S上的范数,S与‖·‖一起称为赋范
线性空间,记为 X .
10
例如,在 R n上的向量 x (x1,,xn)T R n,三种常 用范数为

n
其元素
p(x)Hn 表示为
p (x ) a 0 a 1 x a n x n ,
(1.2)
它由n 1个系数(a0,a1,,an) 唯一确定.
1, x, , xn 是线性无关的,它是 H n 的一组基,故
H nspan{ 1 ,x,L,xn},
且 (a0,a1,,an)是 p( x) 的坐标向量,H n 是 n 1维的.
满足‖·‖∞ =1 ,即 max1 x ,x{ 2}1 的向量为单位正 方形,

数值分析A 第三章函数逼近论 06

数值分析A 第三章函数逼近论 06

§2函数逼近Ⅰ一些概念定义 设P 是一个数域,V 是一个非空集合,在V 上定义了两种运算:1. 加法:对任意的元素,u v V ∈,在V 中有唯一的元素(记为u v +)与之对应,满足()(),,,,,.u v v u u v V u v u v u v Vωωω+=+∀∈++=++∀∈且V 中存在唯一的元素(称零元素,记为0),使得0,u u u V +=∀∈对每个,u V ∈存在唯一的元素(称为u 的负元素记为-u )与之对应,满足()0u u +-=2. 数乘 :对任意的P α∈和u V ∈,在V 中有唯一的元素(记为u α)与之对应,满足()()()()1,,,,,,,,,,,u u u V u u P u V u v u v P u v Vu u u P u Vαβαβαβαααααβαβαβ=∀∈=∀∈∈+=+∀∈∈+=+∀∈∈称V 为一个数域P 上的线性空间。

定义 设V 是P 上的线性空间,内积是VxV 到数域P 的一个映射,即对于V 中的任意元素对u 和v ,有P 中的唯一的一个数(记为(,u v ))与之对应,满足:()()()()()()()()()()()()()1,,,,,,;2,,,,,3,,,,4,0;u,u 00u v u v u v V u v u v u v V Pu v v u u v Vu u u V u ωωωωααα+=+∀∈=∀∈∈=∀∈≥∀∈=⇔=则(),u v 称为u 与v 的内积,定义了内积的线性空间V 成为内积空间。

3. 设V 是一个数域P 上的线性空间。

定义V 到R 的一个映射 ,即对任意的u V ∈,都有一个实数u 与之对应,满足以下性质。

(1)正定性:0,;00u u V u u ≥∀∈=⇔=(2)齐次性:,,u u u V P ααα=∀∈∈(3)三角不等式:,,u v u v u v V +≤+∀∈称 为V 上的范数。

定义了范数的线性空间称为赋范线性空间。

第三章 函数逼近与计算

第三章 函数逼近与计算

三、常用的度量标准:
(一) 最佳一致逼近
若以函数f (x)和P(x)的最大误差
max f x P x
x a ,b
f x P x

作为度量误差 f (x) - P (x) “大小”的标 在这种意义下 准, 的函数逼近称为最佳一致逼近或均匀逼近。
(二) 最佳平方逼近:
.
2、最小偏差
定义
若记集合的下确界为
En inf f , P inf max f n
P H n n P H n n a x b
x Pn x
则称 E n 为 f x 在 a , b 上的最小偏差。
3、偏差点
定义 设 f x C a , b , P x H n , 若在 x x 0 上有
解得
x2 2 1 2 0 .4 5 5 1, f
x2
1 x 2 1 .0 9 8 6 .
由 a0
f a f x2 2
1

2
f b f a a x2 ba
a1 x2 2
.

2
0 .9 5 5 ,
a0
1 x2 2
推论3
设 f x 是区间 a , b 上的连续函数, f x 的 则
n 次最佳一致逼近多项式是 f x 的某个 n 次插值多
项式。
七、一次最佳逼近多项式 n 1
1、推导过程

f
f
x C a , b ,且
2f Leabharlann x 在 a , b 内不变号, 要求
1

数值分析第3章

数值分析第3章
(3) (u v, w) (u, w) (v, w), u, v, w X; (4) (u,u) 0, 当且仅当u 0 时,(u,u) 0. 则称 (u,为v)X上 与u 的内v 积.
20
定义了内积的线性空间称为内积空间. 定义中(1)的右端 (u称, v为) 的(u共,轭v), 当K为实数域R时 (u, v) .(v, u) 如果 (u, v,) 则 称0 与 正交u ,这v 是向量相互垂 直概念的推广.
b a
f
2
(
x)dx
2
33
若 0 ,1,,n是 C[a, b]中的线性无关函数族,记 span{0 ,1,,n}, 它的格拉姆矩阵为
G G(0 ,1,,n )
(0 ,0 ) (0 ,1) (0 ,n )
(1
,
0
)
(1 , 1 )
(1
,
n
)
(n ,0 )
(n ,1 )
(
n
,
n
)
(1.17)
Hn span{1, x,, xn},
且 (a0 , a1,, an ) 是 p(x) 的坐标向量,H n 是 n 1维的.
8
对连续函数 f (x) C[a,b],它不能用有限个线性无关的 函数表示,故 C[a,b]是无限维的,但它的任一元素 f (x) 均可用有限维的 p(x) Hn逼近,使误差
与数的乘法构成实数域上的线性空间, 记作 R n,称为 n维
向量空间.
4
对次数不超过 n( n为正整数)的实系数多项式全体,
按通常多项式与多项式加法及数与多项式乘法也构成数域
R上一个线性空间,用
H
表示,称为多项式空间.
n
所有定义在 [a,b] 上的连续函数集合,按函数加法和

数值分析第三章Ch3

数值分析第三章Ch3

则 ρ(x) 称为 [a, b] 上的一个权函数。
数值逼近
数值分析
. . . .... .... .... . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
15/88
. .. . .. .. ..
则 ρ(x) 称为 [a, b] 上的一个权函数。
10/88
. .. . .. .. ..
设 S 是一个内积空间,u1, . . . , un ∈ S,
矩阵

G
=
((uu11,,...
u1) u2)
(u2, u1)
(u2, u2) ...
··· ···
(un,
(un, ...
uu12))
(u1, un) (u2, un) · · · (un, un) 称为格拉姆 (Gram) 矩阵。

[−π, π]族。 . . . .... .... .... .
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
数值逼近 数值分析
19/88
. .. . .. .. ..
称多项式序列{φn}∞ n=0 是带权 ρ(x) 正 交的,如果每个 φn 是首项系数 an ̸= 0 的 n 次多项式,且 {φn}∞ n=0 是带权 ρ(x) 的正交函数族。
. .. . .. .. ..
. .四、最佳逼近
函数逼近主要讨论给定 f ∈ C[a, b],求最
佳逼近多项式。若 P ∗(x) ∈ Hn,使误差 ∥f (x) − P ∗(x)∥ = min ∥f (x) − P (x)∥,则
P ∈Hn
称 P ∗(x) 是 f (x) 在 [a, b] 上的n 次最佳逼

数值分析—第3章函数逼近与数据拟合法

数值分析—第3章函数逼近与数据拟合法
j 0
称为广义多项式。
数值分析
三、函数的最佳平方逼近 对于给定的函数 f ( x) C[a, b] 如果存在 使
* ( x) Span 0 , 1 , , n } {

b
a
( x) f ( x) ( x) dx min
* 2
( x ) a
mn mn0 mn0
(2) 递推关系
相邻的三个切比雪夫多项式具有三项递推关系式: T0 ( x ) 1, T1 ( x ) x (n 1, 2, ) Tn1 ( x ) 2 x Tn ( x ) Tn1 ( x ) Tn (x) 的最高次项系数为 2n-1 (n = 1, 2, …)。
连续函数在[a, b]上线性无关的充分必要条件是它们 的Gramer行列式Gn 0,其中
( 0 , 0 ) ( 0 , 1 ) ( 0 , n ) G n G n ( 0 , 1 , , n ) (1 , 0 ) (1 , 1 ) (1 , n ) ( n , 0 ) ( n , 1 ) ( n , n )
(n 1, 2, )
(3) 奇偶性: 当n为偶数时,Pn (x)为偶函数; 当n为奇数时,Pn (x)为奇函数。 (4) Pn (x)的n个零点都是实的、相异的,且全
部在区间[-1, 1]内部。
数值分析
2.切比雪夫(Tchebyshev)多项式 称多项式
Tn ( x) cos(narc cos x)
Span{ 0 , 1 , , n }
并称 0 ( x), 1 ( x), , n ( x) 是生成集合的一个基底。 设函数系{
0 ( x), 1 ( x), , n ( x) ,…}线性无关,

数值分析第三章函数逼近与快速傅立叶变换 ppt课件

数值分析第三章函数逼近与快速傅立叶变换 ppt课件
由〔x-(a0+a1x)〕′x1=0,可得
45
x1=1/(2a1)2. 因为x=0,1为交错点,由〔x-(a0+a1x)〕x=0=〔x-(a0+a1x)〕 得 a1=1
将a1=1代入x1=1/(2a1)2得x1=1/4.
〔x-(a0+a1x)〕x1=1/4=-〔x-(a0+a1x)〕x2=1 得a0=1/8
说明n次多项式Q(x)至少在[a,b]上有n+1个根, 矛盾.
‖f(x)- pn(x)‖∞≤‖f(x)-qn(x)‖∞.
36
三、关于最佳一致逼近多项式的求解
定理 在区间1,1] 上所有最高次项系数为1的n次多项式中,
n(x)21n1Tnx 与零的偏差最小,其最小偏差为
1 2 n1
对任意首一n次多项式f(x),Chebyshev多项式 对零的一致误差最小
13
3.2 正交多项式
定义1:设
f(x )g ( ,x ) c a ,b ,称 a b(x )f(x )g (x ) d 为 x
f(x),g(x)关于权(x)的内积,记为(f, g).
定义2 如果函数f(x), g(x) 在[a,b]上连续,满足
a b(x)f(x)g(x)d x0
则称f(x)与g(x)在[a,b]上关于权 (x)正交,如果[a,b]
第三章 函数逼近与 快速傅立叶变换
1
3.1 函数逼近的基本知识
第三章 第一节
函数逼近:用比较简单的函数代替复杂的函数 误差为最小,即距离为最小(不同的度量意义)
对同一个被逼近函数,不同度量意义下的逼近, 逼近函数是不同的.
2
精品资料
• 你怎么称呼老师? • 如果老师最后没有总结一节课的重点的难点,你

数值分析Ch3函数逼近与计算

数值分析Ch3函数逼近与计算

函数逼近与计算§1. 引言1. 引例某气象仪器厂要在某仪器中设计一种专用计算芯片,以便于计算观测中经常遇到的三角函数以及其它初等函数。

设计要求x 在区间[]b a ,中变化时,近似函数在每一点的误差都要小于某一指定的正数ε。

(1) 由于插值法的特点是在区间[]b a ,中的1+n 个节点处,插值函数)(x P n 与被插值函数)(x f 无误差,而在其它点处)()(x f x P n ≈。

对于i x x ≠,)(x P n 逼近)(x f 的效果可能很好,也可能很差。

在本问题中要求)(x P n 在区间[]b a ,中的每一点都要“很好”地逼近)(x f ,应用一般的插值方法显然是不可行的,龙格现象就是典型的例证。

采用样条插值固然可以在区间的每一点上满足误差要求。

但由于样条插值的计算比较复杂,需要求解一个大型的三对角方程组,在芯片中固化这些计算过程较为复杂。

(2) 可以采用泰勒展式解决本问题。

将)(x f 在特殊点0x 处做泰勒展开,10)(00)(000)()!1()()(!)())(()()(+-++-++-'+=n n nn x x n f x x n x f x x x f x f x f ξ 。

取其前1+n 项作为)(x f 的近似,即)()(!)())(()()(00)(000x f x x n x f x x x f x f x P n n n ≈-++-'+= 。

但泰勒展式仅对0x 附近的点效果较好,为了使得远离0x 的点的误差也小于ε,只好将项数n 取得相当大,这大大增加了计算量,降低了计算速度。

因此,从数值计算的角度来说,用泰勒展式做函数在区间上的近似计算是不合适的。

(3) 引例提出了一个新的问题,即能否找到一个近似函数)(x P n ,比如说,它仍然是一个n 次多项式,)(x P n 不一定要在某些点处与)(x f 相等,但)(x P n 却在区间[]b a ,中的每一点处都能“很好”地、“均匀”地逼近)(x f 。

数值分析_第三章_函数逼近与计算

数值分析_第三章_函数逼近与计算

有二个交错点组 , 故 P( x) = ( M + m)/2 即为所求 畅 1] 上不变号 5畅 解 设 f ( x) = x ,P1 ( x) = ax .f″( x) 在 [0 , 且连续 ,P1 ( x) 是 f ( x) 的最佳一次逼近式 畅 因 [ f′( x) - P′1 ( x)] = 3 x - a 在区间内只有一个零点 (这是

(2) 对 f ( x) = sin x 在 0 ,
π 上求一次和三次 Bernsten 多项 2
(2) 当 f ( x) = x 时 ,Bn ( f ,x) = x .
最佳一致逼近多项式 畅
唯一 ? 6畅 求 f ( x) = sin x 在 0 , 计误差 畅
x
π 上的最佳一次逼近多项式 , 并估 2

8 3 6 3 2 1 - 2 t + 3t t 2 π π π
相应的 M aclaurin 级数为 比较误差 : ‖ 2 t - sin t ‖ π

2 3 3 1 6 t + 2 ( 3 - 2) t + 3 (20 - 12 3) t . t ≈ t - = maxπ

1 0
x d x 的上界 ,并用 1 + x

积分中值定理估计同一积分的上下界 , 并比较其结果 畅 19畅 选择 a , 使下列积分取得最小值 :
上求一元素 , 使其为 x ∈ C[0 , 1] 的最佳平方逼近 , 并比较其结果

20畅 设 Φ1 = span(1 ,x) ,Φ2 = span( x
0 ≤ t≤ 2
t . 3!

2 t - sin t π
= 110
2 2 2 arccos - sinarccos π π π

第3章 函数逼近和计算1-1-精品文档

第3章 函数逼近和计算1-1-精品文档

则称之 f ( x ) 为在 [ a , b ] 上最小偏差。
9
定义2 假定
f( x ) C [ ab ,] ,若存在
* * P ( x ) H , (, fP ) E , n n n n
* P 则称 n ( x ) 是 f ( x ) 在 [ a , b ] 上的最佳一致逼近多
§2 最佳一致逼近多项式 2-1 最佳一致逼近多项式的存在性 切比雪夫从另一观点研究一致逼近问题,他 不让多项式次数n趋于无穷,而是固定n,记次数 Ca [ ,b ] 小于等于n的多项式集合为 H n ,显然 H 。 n n n s p a nx { 1 , , , x } , 1 , x , , x 记 H 是 [ a , b ] 上一 n 组线性无关的函数组,是 H n 中的一组基。H n 中 的元素 P n ( x ) 可表示为
( f , P ) 0 , ( f , P )的全体组成一个集合, 显然 n n n )} ,它有下界0。若记集合的下确界为 记为 {( f , P
E i n f { Байду номын сангаас f , P ) } i n f m a x f ( x ) P ( x ) , n n n
P H n n P H a x b n n
k B (f,x ) f P x ) n k( n k 0 n n k n k Pk ( x ) 1 P x ) x ( 1 x ) ,且 k( k 0 k
其中
这不但证明了定理1,而且给出了 f ( x ) 的一个逼近 多项式 Bn ( f , x ) 。多项式 Bn ( f , x ) 有良好的逼近 性质,但它收敛太慢,比三次样条逼近效果差得 多,实际中很少被使用。 6
  1. 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. 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. 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)。

函数的逼近与计算
Bernstein逼近函数 2、Bernstein逼近函数 p45 3.1.4
1912年构造 1912年构造 n k B n ( f , x ) = ∑ f Pk ( x ) k =0 n k Pk ( x ) = C n x k (1 − x ) n − k 且
sin x
1 3 1 5 1 7 x− x + x − x 3! 5! 7!
函数的逼近与计算
2、逼近的思想
目标函数 集合 简单函数 集合
f ( x)
f ( x ) ≈ p( x )
何为”逼近” 何为”逼近”?
p( x ) x ∈ [a , b]
如何逼近? 如何逼近?
f ( x)
p( x )
|| 无穷范数: 无穷范数: f ( x ) − p( x ) ||∞ = max | f ( x ) − p( x ) |
中最佳( 所谓最佳是指在 H n 中最佳(是一个在局部找最优的 思想) 思想)
函数的逼近与计算
pn * ( x ) = ?
Chebyshev给出如下概念 1、Chebyshev给出如下概念 设 f ( x ) ∈ C [a , b], p( x ) ∈ H n , 如果
a≤ x≤b
f ( x)
| p( x0 ) − f ( x0 ) |= max | p( x ) − f ( x ) |= µpn * ( x ) >0
函数的逼近与计算 他把严格的论证引进分析学,建立了实数理论, ▲ 他把严格的论证引进分析学,建立了实数理论,引进了 现今分析学上通用的ε 现今分析学上通用的ε-δ定义,奠基了分析学的算术化。 定义,奠基了分析学的算术化。 在变分法中,给出了带有参数的函数的变分结构, ▲ 在变分法中,给出了带有参数的函数的变分结构,研究 了变分问题的间断解。 了变分问题的间断解。 在微分几何中,研究了测地线和最小曲面; ▲ 在微分几何中,研究了测地线和最小曲面; 在线性代数中,建立了初等因子理论,并用来简化矩阵。 ▲ 在线性代数中,建立了初等因子理论,并用来简化矩阵。 魏尔斯特拉斯一生中培养了很多有成就的学生, ▲ 魏尔斯特拉斯一生中培养了很多有成就的学生,其中著 施瓦兹、 富克斯、 名的有C.B.柯瓦列夫斯卡娅 H.A.施瓦兹 I.L.富克斯 名的有C.B.柯瓦列夫斯卡娅、H.A.施瓦兹、I.L.富克斯、G. C.B.柯瓦列夫斯卡娅、 米塔格-列夫勒等 米塔格-列夫勒等。
函数的逼近与计算
最佳一致逼近多项式( 3、最佳一致逼近多项式(Chebyshev)

H n = span{1, x ,⋯ , x n }
n
∀ Pn ( x ) ∈ H n 则 Pn ( x ) = a0 + a1 x + ⋯ + an x
对 ∀ pn ( x ) ∈ H n 找 pn * ( x ) ∈ H n ,
pn ∈ H n
使得 || f ( x ) − pn * ( x ) ||∞ = min || f ( x ) − pn ( x ) ||∞ 即 max | f ( x ) − pn * ( x ) |= min max | f ( x ) − pn ( x ) |
a≤ x≤b pn ∈ H n a ≤ x ≤ b
偏差点。 则称 x0 是偏差点。 如果 p( x0 ) − f ( x0 ) = µ 则称 x0 是正偏差点。 正偏差点。 a
b
负偏差点。 如果 p( x0 ) − f ( x0 ) = − µ 则称 x0 是负偏差点。
Chebyshev得到如下结论 2、Chebyshev得到如下结论 如果 Pn ( x ) ∈ H n 是 f ( x ) ∈ C [a , b] 的最佳一致逼近多项 在区间[a,b] [a,b]存在 个轮流为正、 式,则 Pn ( x ) 在区间[a,b]存在 n + 2 个轮流为正、负 的偏差点。 的偏差点。
函数的逼近与计算
所求一次最佳逼近多项式为 p1 ( x ) = 0.414 x + 0.955
1 + 1 + 0.4551 0.4551 = − 0.414 × ≈ 0.955 2 2
2
函数的逼近与计算 Matlab程序 Matlab程序 x=0:0.1:1; y1=sqrt(1+x.*x); y2=0.414*x+0.955; plot(x,y1); hold on plot(x,y2);
lim Bn ( f , x ) = f ( x ),
n→ ∞
x ∈ [0,1]
一致成立
lim Bn
n→ ∞
(m)
( f , x ) = f ( m ) ( x ),
x ∈ [0,1]
优点:构造性证明,不仅解决了“ 优点:构造性证明,不仅解决了“有”还解决了如何 “ 有 ”。 缺点:收敛速度太慢, 缺点:收敛速度太慢,收敛依赖与多项式次数 n → ∞
函数的逼近与计算
4、以最佳一次逼近多项式为例
f ( x ) ∈ C 2 [a , b], 且 f ' ' ( x ) 不变号, 不变号, 设 令 p1 ( x ) = a1 x + a0
由Chebyshev定理 Chebyshev定理 存在 ξ ∈ ( a , b ) 使得
p1 ( x )
a
ξ
b
p1 (a ) − f (a ) = f (ξ ) − p1 (ξ ) = p1 (b ) − f (b )
再由 a1a + a0 − f (a ) = f (ξ ) − a1ξ − a0 得
2a0 = f (a ) + f (ξ ) − a1ξ − a1a
f (a ) + f (ξ ) a+ξ a0 = − a1 即 2 2 令 g ( x ) = f ( x ) − p1 ( x )
令 g' (ξ ) = f ' (ξ ) − a1 = 0 又 所以 ξ 唯一 则
a≤ x≤b
b
平方范数: 平方范数:|| f ( x ) − p( x ) ||2 =
( f ( x ) − p( x ))2 dx ∫a
函数的逼近与计算
f ( x)
p( x )
aபைடு நூலகம்
a≤ x≤b
b
一致逼近
|| f ( x ) − p( x ) ||∞ = max | f ( x ) − p( x ) |< ε f ( x) p( x )
ρ ( x )( f ( x ))2 dx =|| f ( x ) ||2 2 ∫a
2
b
则称 || f ( x ) ||2 =

b
a
ρ ( x )( f ( x )) dx = ( f ( x ), f ( x ))
范数或Euclid范数 范数。 为函数 f ( x ) 的2范数或Euclid范数。 关于内积、范数的详尽内容可参见《高等代数》 关于内积、范数的详尽内容可参见《高等代数》或 线性代数》等相关书籍。 《线性代数》等相关书籍。
p1 ( x ) = 0.414 x + 0.955
f ( x) = 1 + x2
函数的逼近与计算
事实上
n 在 H n = {a0 + a1 x + ⋯ + an x } 中找 pn * ( x ) ∈ H n ,
满足 || f ( x ) − pn * ( x ) ||∞ = min || f ( x ) − pn ( x ) ||∞
?
由Chebyshev定理可知 a , ξ , b 是 g ( x ) 的极值点 Chebyshev定理可知
f ' (ξ ) = a1
g' ' ( x ) = f ' ' ( x ) 不变号, g' (ξ ) 单调增(减) 单调增( 不变号,
函数的逼近与计算
3.1(p50) 例3.1(p50)
在区间[0,1]上的最佳一致逼近多项式。 [0,1]上的最佳一致逼近多项式 求函数 f ( x ) = 1 + x 2 在区间[0,1]上的最佳一致逼近多项式。 解
函数的逼近与计算
设 f ( x ) ∈ C [a , b], 令 Φ = span{ ϕ 0 ( x ), ϕ1 ( x ), ⋯ , ϕ n ( x ) } ⊂ C [a , b] 其中, 其中, ϕ i ( x ) ∈ C [a , b], ( i = 0,1,2, ⋯ , n) 称为简单基函数 称为简单基函数 对 ∀S ( x ) ∈ Φ ,
pn ∈ H n
即 max | f ( x ) − pn * ( x ) |= min max | f ( x ) − pn ( x ) |
a≤ x≤b pn ∈ H n a ≤ x ≤ b
是十分困难的
函数的逼近与计算 1837年 ▲ 1837年,切比雪夫进入莫斯科大 学,在哲学系学习物理数学专业。 在哲学系学习物理数学专业。 1846年 ▲ 1846年,切比雪夫任彼得堡大学助 教,1860-1882年任彼得堡大学教授。 1860-1882年任彼得堡大学教授。 年任彼得堡大学教授 1853年任彼得堡科学院候补院士 年任彼得堡科学院候补院士, ▲ 1853年任彼得堡科学院候补院士, 1856年任副院士,1859年任院士。 1856年任副院士,1859年任院士。 年任副院士 年任院士 1877年 1880年 1893年分别任伦 ▲ 1877年、1880年、1893年分别任伦 敦皇家科学院、意大利皇家科学院、 敦皇家科学院、意大利皇家科学院、 瑞典皇家科学院外籍院士。 瑞典皇家科学院外籍院士。 学生:马尔科夫、李雅普诺夫、伯恩斯坦、辛钦等。 ▲ 学生:马尔科夫、李雅普诺夫、伯恩斯坦、辛钦等。
e
相关文档
最新文档