计算方法 最佳一致逼近多项式-切比雪夫多项式ppt课件
计算方法最佳一致逼近多项式切比雪夫多项式ppt课件
0,1,2,… , n)
轮流取得最大值1和最小值 1，{xk }称为交错点组。
- 1 x4
x 3
x2 0
x 1
x0 1
证： 将xk
cos
kπ n
,
(k
1,2,… , n)
代入Tn(x)的表达式，得到
Tn(x)
cos[narccos(cos
kπ )] n
cos[kπ]
(1)k
1
T2(x) T1(x)
多项式，且 max | f(x)
-1 x 1
Ln(x)
|
1 2n(n 1)!
||
f (n 1) (x)
||
证明：
max
-1 x 1
|
f(x)
Ln(x)
|
(n
1 1)!
||
f(n1)(x)
||||
(x
x0 )(x
x1) … (x
xn)
||
(n
1 1)!
||
f (n 1) (x)
||||
1 2n
xn )
|
要使 max 1 x 1
|
(x
x0 )(x
x1) … (x
xn )
|
取极小值, 只需令：
(x x0 )(x x1) … (x xn)
1 2n
Tn1(x),
最佳一致 逼近0的 多项式
而上式成立的充分必要条件是x0, x1,…xn是切比雪夫 多项式的0点。
将Lagrange插值多项式Ln(x)的节点取为Tn1(x) 的0点 :
cos[(2k
1)π] 2
0 (k
1,2, … , n)
图为T11(x)的零点，一共有11个
计算方法最佳一致逼近多项式切比雪夫多项式
路漫漫其修远兮, 吾将上下而求索
2020年4月11日星期六
内容
1. 函数逼近的基本概念 2. 切比雪夫多项式 3. 最佳一致逼近多项式 4. 切比雪夫多项式在函数逼近中的应用 5. 利用切比雪夫多项式的0点构造最佳逼近多
项式的例子
路漫漫其修远兮, 吾将上下而求索
y
y=L (x)
路漫漫其修远兮, 吾将上下而求索
一致逼近的几何意义
x Home
切比雪夫多项式
路漫漫其修远兮, 吾将上下而求索
切比雪夫(Chebyshev)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：
三、切比雪夫多项式在函数逼近中的应用
希望构造最高次幂xn 系数为1 的多项式：
路漫漫其修远兮, 吾将上下而求索
…
三、切比雪夫多项式在函数逼近中的应用
证明比较复杂，省略。
路漫漫其修远兮, 吾将上下而求索
这个定理的 结论非常重要
怎样才能使得拉格朗日插值多项式成为最佳逼近 ？
…
偏差估计
路漫漫其修远兮, 吾将上下而求索
吾将上下而求索
（5）切比雪夫多项式的极值点 …
路漫漫其修远兮, 吾将上下而求索
…
1
T2(x )
T1(x
)
-1
1
T3(x ) 路漫漫其修远兮,
吾将上下而求索
T4(x )
-1
T3(x)有3个0值点，4个极值点
总结： Tn(x)具有很好的性质。
y
x
Tn(x)是n阶多项式，具有n个0点，n+1个极值点；有 界[-1, 1]； T1(x), T3(x),…只含x的奇次项，是奇函数
Chebyshev最佳一致逼近
Chebyshev 最佳一致逼近 Chebyshev 定理设()[,]f x C a b ∈，则n 次多项式*()n p x 为()f x 的n 次最佳一致逼近多项式的充要条件是在区间[,]a b 上至少有n+2个点1212...n n a x x x x b++≤<<<<≤使得*()()n f x p x -在这些点上以正负相间的符号依次取得*(,)|()()|max n n a x b E f x f x p x ≤≤=-，即有*()()(1k k n k n f x p x E f δ-=-=+其中δ为-1或1 Chebyshev 多项式称cos(arccos ),11,0,1,2......,n T n x x n =-≤≤=为n 次Chebyshev 多项式，即在区间[1,1]n -+上存在个点21cos ,0,1,2......,2(1)k k x k n +==+轮流使得()+1-1n T x 取得最大值和最小值，可以证明最佳一致逼近多项式的存在性和唯一性。
function g=Chebyshev(f,n,a,b)for j=0:ntemp1=(j*2+1)*pi/(2*(n+1));temp2=(b-a)*cos(temp1)+b+a;temp3(j+1)=temp2/2;endx=temp3;y=f(x);g=Lagrange(x,y,n);function s=Lagrange(x,y,t)syms p ;n=length(x);s=0;for(k=1:n)l=y(k);for(j=1:k-1)l=l*(p-x(j))/(x(k)-x(j));end;for(j=k+1:n)l=l*(p-x(j))/(x(k)-x(j));end;s=s+l;simplify(s);end例。
求函数()xf x xe在区间[6,-6]上的3,5,12次近似最佳逼近多项式，并给出函数图象，比较各阶逼近效果。
最佳一致逼近多项式3.3
定理说明任意连续函数都可以用多项式来近似 3.3.1 基本概念及其理论
Bn ( f , x) =
f ( x) −
* pn ( x)
∞
=
max a≤ x≤b
f
n k =0* ( x ) − p n ( x ) n= kmin f n − k ( x) )− p k ( x ) = k xp n ((x1∈ Pn x )
f ( x) − pn ( x)
pn(x) 在[a,b]上的偏差。 为 f (x) 与 是点到集合的距离
p n ∈Pn pn ∈P a ≤ x ≤b
E n = inf {∆( f , pn )} = inf max f ( x ) − pn ( x )
称为f (x)在 [a, b]上与 Pn 的偏差。 定义2
f ( x 0 ) − p n ( x 0 ) = ∆ ( f , pn ) = f ( x ) − pn ( x )
称 x 0为 p n ( x )的偏差点 .
∞
f ( x 0 ) − pn ( x 0 ) = − E n
f ( x 0 ) − pn ( x 0 ) = E n
负偏差点 正偏差点
正负偏差点有多少？ 有什么特点？
−1≤ x ≤1
p2 ( x ) − 3ax 4+3bx3+ c 2 3 = ( x) = 2 x x= x − x
3
⇓ 3次多项式！
(1 − a ) 2 ( 2 − b ) (1 + c ) max f ( x ) − p2 ( x ) = 2 max x + x + x− −1≤ x ≤1 −1≤ x ≤1 2 2 2
是两点之间的距离
∆( f , p n ) ≥ 0
切比雪夫多项式
切比雪夫多项式概述：切比雪夫多项式是与棣美弗定理有关，以递归方式定义的一系列正交多项式序列。
通常，第一类切比雪夫多项式以符号Tn表示，第二类切比雪夫多项式用Un表示。
切比雪夫多项式Tn 或Un 代表n 阶多项式。
切比雪夫多项式在逼近理论中有重要的应用。
这是因为第一类切比雪夫多项式的根（被称为切比雪夫节点）可以用于多项式插值。
相应的插值多项式能最大限度地降低龙格现象，并且提供多项式在连续函数的最佳一致逼近。
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。
按切比雪夫多项式的展开式：一个N 次多项式按切比雪夫多项式的展开式为如下，多项式按切比雪夫多项式的展开可以用Clenshaw 递推公式计算。
第一类切比雪夫多项式由以下递推关系确定。
也可以用母函数表示。
第二类切比雪夫多项式由以下递推关系给出。
此时母函数为Clenshaw递推公式在数值分析中，Clenshaw递推公式(由Charles William Clenshaw发现)是一个求切比雪夫多项式的值的递归方法。
切比雪夫多项式N次切比雪夫多项式，是下面形式的多项式p(x)其中T n是n阶切比雪夫多项式Clenshaw递推公式Clenshaw递推公式可以用来计算切比雪夫多项式的值。
给定我们定义于是(注)上面的公式在N=0,1的情况下无意义。
此时我们可以用下面的公式：(downward, omit if N=0)这里或者其中是第二类切比雪夫多项式棣莫弗（de Moivre）原理设两个复数（用三角形式表示）Z1=r1(cosθ1+isinθ1），Z2=r2(cosθ2+i sinθ2），则:Z1Z2=r1r2[cos（θ1+θ2）+isin（θ1+θ2）].解析证：先讲一下复数的三角形式的概念。
在复平面C上，用向量Z(a,b）来表示Z=a+bi.于是，该向量可以分成两个在实轴，虚轴上的分向量.如果向量Z与实轴的夹角为θ，这两个分向量的模分别等于rcosθ,risinθ（r=√a^2+b^2）.所以，复数Z可以表示为Z=r(cosθ+isinθ）.这里θ称为复数Z的辐角.因为Z1=r1(cosθ1+isinθ1），Z2=r2(cosθ2+isinθ2），所以Z1Z2=r1r2(cosθ1+isinθ1）（cosθ2+isinθ2）=r1r2(cosθ1cosθ2+icosθ1sinθ2+isinθ1cosθ2-sinθ1sinθ2）=r1r2[(cosθ1cosθ2-sinθ1sinθ2）+i(cosθ1sinθ2+sinθ1cosθ2）]=r1r2[cos（θ1+θ2）+isin（θ1+θ2）].其实该定理可以推广为一般形式：推广设n个复数Z1=r1(co sθ1+isinθ1），Z2=r2(cosθ2+isinθ2），……，Zn=rn(cosθn+isinθn），则：Z1Z2……Zn=r1r2……rn[cos（θ1+θ2+……+θn)+isin（θ1+θ2+……+θn)].解析证：用数学归纳法即可，归纳基础就是两个复数相乘的棣莫弗定理。
最佳一致逼近多项式
§3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 ，记次数小于等于n 的多项式集合为n H ，显然],[b a C H n ⊂。
记{1,,,}n n H span x x =L , n x x ,,,1L 是],[b a 上一组线性无关的函数组，是n H 中的一组基。
n H 中的元素)(x P n 可表示为01()n n n P x a a x a x =+++L ，其中n a a a ,,,10L 为任意实数。
要在n H 中求)(*x P n 逼近],[)(b a C x f ∈，使其误差)()(max min )()(max *x P x f x P x f n bx a H P n b x a n n −=−≤≤∈≤≤ 这就是通常所谓最佳一致逼近或切比雪夫逼近问题。
为了说明这一概念，先给出以下定义。
定义1 ],[)(,)(b a C x f H x P n n ∈∈，称)()(max ),(x P x f P f P f n bx a nn −=−=∆≤≤∞ 为)(x f 与)(x P n 在],[b a 上的偏差。
显然),(,0),(n n P f P f ∆≥∆的全体组成一个集合，记为)},({n P f ∆，它有下界0。
若记集合的下确界为,)()(max inf )},({inf x P x f P f E n b x a H P n H P n n n n n −=∆=≤≤∈∈ 则称之为)(x f 在],[b a 上最小偏差。
定义2 假定],[)(b a C x f ∈，若存在n n H x P ∈)(*，n n E P f =∆),(*， 则称)(*x P n 是)(x f 在],[b a 上的最佳一致逼近多项式或最小偏差逼近多项式，简称最佳逼近多项式。
注意，定义并未说明最佳逼近多项式是否存在，但可证明下面的存在定理。
数值分析学习课件
n= 4
3π 5π 7π 9π , t 2 = cos , t 3 = cos , t 4 = cos 10 10 10 10 10 a+b b−a 1 x= t = ( t + 1) + 2 2 2 1 π 1 3π x0 = (cos + 1) ≈ 0.98 , x1 = (cos + 1) ≈ 0.79 2 10 2 10 1 5π 1 7π x2 = (cos + 1) ≈ 0.50 , x3 = (cos + 1) ≈ 0.21 2 10 2 10 1 9π x4 = (cos + 1) ≈ 0.02 为节点作L 以 x0, …, x4 为节点作 4(x) 2 10 , t1 = cos
Take it easy. It’s very Didn’t you say it’s anot so difficult if we consider difficult problem? polynomials only.
§1.最佳一致逼近 1.最佳一致逼近
最佳一致逼近多项式 /* optimal uniform approximating polynomial */ 的构造：求 n 阶多项式 Pn(x) 使得 || Pn − y ||∞ 最 的构造： 小。
第二讲
§1.最佳一致逼近 1.最佳一致逼近
§1.最佳一致逼近 1.最佳一致逼近
偏差
最佳一致逼近 最佳一致逼近 /* uniform approximation*/
意义下， 最小。 在 || f ||∞ = max | f ( x ) | 意义下，使得 || P − y ||∞ 最小。也称 为minimax problem。 。 偏差点。 若 P ( x0 ) − y( x0 ) = ± || P − y ||∞ ，则称 x0 为± 偏差点。
数值分析最佳一致逼近多项式
1 f xk
max f x f x
k 1, 2,..., n;
2 f xk f xk 1 , k 1, 2,..., n 1;
则称点集 xk , k 1, 2,..., n, 为函数 f x 在区间 点 xk a, b 上的一个交错点组， 称为交错点。
找 Pn * ( x ) H n ,
pn H n
|| f ( x ) Pn * ( x ) || min || f ( x ) Pn ( x ) || max | f ( x ) Pn * ( x ) | min max | f ( x ) Pn ( x ) |
a xb pn H n a x b
P( xk ) f ( xk ) (1)k P( x) f ( x)
1, k 1,2,, n 2,
这样的点组称为 Chebyshev 交错点组。
© 2009, Henan Polytechnic University §2 最佳一致逼近多项式
9 9
第三章 函数逼近与计算
1313
第三章 函数逼近与计算
几何意义
y
N
yP 1 x
M
D
Q
O
a
x2
b
x
© 2009, Henan Polytechnic University §2 最佳一致逼近多项式
1414
第三章 函数逼近与计算
例3.1
求函数 f ( x ) 1 x 2 在区间[0,1]上的最佳一致逼近多项式。 f (b) f (a ) 解 a1 2 1 0.414 ba x2 由 f ' ( x2 ) 2 1 0.2 x ( 2 1) 2 即 得 2 2 1 x2
切比雪夫求积公式ppt课件
设 P(x) Hn , 则 P(x)n1(x) H2n1,
（5.5）
8
因此，如果 x0 , x1,, xn 是高斯点，则求积公式(5.1)对于
f (x) P(x)精确n1成(x立) ，
即有
b
n
a P( x)n1( x) ( x)dx Ak P( xk )n1( xk ).
切比雪夫多项式的零点，即为
xk
cos
2k 1 2n 2
π
(k 0,1,,n)
(5.12)的系数
Ak
使π 用, 时将
n 1
个节n 点1公式改为
n
个节点，于是高斯-切比雪夫求积公式写成
1 f (x)
πn
1 1 x2 dx n k1 f (xk ),
xk
cos
(2k 1) 2n
π
（5.13）
22n3[(n 1)!]4 (2n 3)[(2n 2)!]3
f (2n2) ( )
当 n 时1，有
(1,1).
（5.10）
R1[ f
] 1 135
f
(4) ( ).
它比区间 [1上,1]辛普森公式的余项
R1[ f
] 1 90
f
(4) ( )
还小，且比辛普森公式少算一个函数值.
当积分区间不是 [，1而,1]是一般的区间 时[a，, b]
4.5.1 一般理论
求积公式
b
n
f (x)dx
a
Ak f ( xk )
k 0
含有 2n 个2待定参数 xk , Ak (k 0,1,, n).
当 为x等k 距节点时得到的插值求积公式其代数精度至少
为 次n.
最佳一致和平方逼近ppt课件
7
三、 Ca,b 上的最佳一致逼近的特征
引理4.1
设 f x 是区间a,b 上的连续函数，Pn* x 是 f x 的n次最佳一致逼近多项式，则 f x Pn* x 必同时
min f
x Pn* x
Pn xHn
f x Pn x
其中，H n代表由全体代数多项式构成的集合。
4
§2 最佳一致逼近多项式
一、最佳一致逼近多项式的存在性
定理4.9
对任意的 f xCa,b, 在 H n 中都存在对 f x 的最佳一致逼近多项式,记为 pn* x ,使得
f (x)
存在正负偏差点。
8
y
Oa
y f x En
y f x
y f x En
bx
9
定理 4.10（ Chebyshev定理）
设 f x 是区间 a,b 上的连续函数，则 Pn* x 是 f x 的n次最佳一致逼近多项式的充要条件是: f x Pn* x 在区间a,b 上存在一个至少有 n 2 个交错偏差点组成，
注： 显然， f , Pn 0 ， f , Pn 的全体组成一个
集合，记作 f , Pn ，它有下界0。
6
2、偏差点
定义
设 f xCa,b, PxHn, 若在 x x0 上有
P x0 f x0 max P x f x , a xb
则称 x0 是 P x f (x) 的偏差点。
由推论1，f x P1 x 在 a,b 上恰好有3个点构成的交错
组，且区间端点 a, b 属于这个交错点组，设另一个交错点为 x2 ,
tz切比雪夫多项式-详细-Chebyshevpolynomialsyv
tz切比雪夫多项式-详细-Chebyshev polynomialsyv 切比雪夫多项式是与棣美弗定理有关，以递归方式定义的一系列正交多项式序列。
通常，第一类切比雪夫多项式以符号Tn表示，第二类切比雪夫多项式用Un 表示。
切比雪夫多项式 Tn 或 Un 代表 n 阶多项式。
切比雪夫多项式在逼近理论中有重要的应用。
这是因为第一类切比雪夫多项式的根(被称为切比雪夫节点)可以用于多项式插值。
相应的插值多项式能最大限度地降低龙格现象，并且提供多项式在连续函数的最佳一致逼近。
在微分方程的研究中，数学家提出切比雪夫微分方程和相应地，第一类和第二类切比雪夫多项式分别为这两个方程的解。
这些方程是斯图姆-刘维尔微分方程的特殊情形.定义:第一类切比雪夫多项式由以下递推关系确定也可以用母函数表示第二类切比雪夫多项式由以下递推关系给出此时母函数为从三角函数定义:第一类切比雪夫多项式由以下三角恒等式确定其中 n = 0, 1, 2, 3, .... . 是关于的 n次多项式，这个事实可以这么看:是:的实部(参见棣美弗公式)，而从左边二项展开式可以看出实部中出现含的项中，都是偶数次的，从而可以表示成的幂。
用显式来表示尽管能经常碰到上面的表达式但如果借助于复函数cos(z), cosh(z)以及他们的反函数，则有类似，第二类切比雪夫多项式满足以佩尔方程定义:切比雪夫多项式可被定义为佩尔方程在多项式环R[x] 上的解(e.g., 见 Demeyer (2007), p.70). 因此它们的表达式可通过解佩尔方程而得出:归递公式两类切比雪夫多项式可由以下双重递归关系式中直接得出: T0(x) = 1 U ?1(x) = 1 Tn + 1(x) = xTn(x) ? (1 ? x2)Un ? 1(x) Un(x) = xUn ? 1(x) + Tn(x)证明的方式是在下列三角关系式中用x 代替xTn(x) ? (1 ? x2)Un(x) 正交性Tn 和Un 都是区间[?1,1] 上的正交多项式系.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。
最佳一致逼近
主讲 孟纯军
函数逼近和函数空间
回忆一下向量空间的定义. 多项式空间 C[a,b], 连续函数空间
定义：设S是线性空间，x1,...., xn S 若存在不全为零的数a1,...., an ,使得 a1x1 an xn 0 称x1,...., xn线性相关，否则，线性无关。
||
f
(x)
pˆ n (x) ||
min
p( x)n
||
f
(x)
pn (x) ||
其中 n 表示次数不超过n的多项式全体。
称pˆn (x)为f (x)在[a,b]的最佳逼近n次多项式。
最佳逼近多项式一定存在。
定义：给定f (x) C[a,b], p(x) n
若在x0 [a,b]处有：
函数的内积
函数空间C[a,b], (x)为给定的权函数，
对任何f (x), g(x) C[a,b],
b
( f (x), g(x)) a (x) f (x)g(x)dx
为函数f (x), g(x)的内积。
由函数的内积导出范数：
1
|| f (x) ||2 ( f (x), f (x))2
为u1,, un线性无关。
证明：设k1,, kn为n个数，则 u1 ,, un线性无关等价于 k1u1 knun 0 （1） 只有零解，即k1 kn 0
将方程（1）两边用ui做内积，得到
(u1, u1) (u1, u2 ) (u1, un ) k1 0
0.0571 0.0604
0
其中第一列为自变量x 的值。
4.1091 2.1951
0 0
1.3811 0
最佳一致逼近多项式
( f , p n ) E n，
*
( 3 .3 ) 或
则称 p n ( x ) 是 f ( x ) 在 [ a , b ]上的 n 次 最佳一致逼近多项式 最小偏差逼近多项式 ，简称 最佳逼近多项式
*
*
.
定理 2 若 f ( x ) C [ a , b ],
*
则总存在 p n ( x ) H n , 使得 。
证明：令 ( x ) | P ( x ) f ( x ) |, 则 ( x ) 连续，因而可以达到最 即存在 x 0 , 使得 ( x 0 ) max ( x ) || P ( x ) f ( x ) || 。
a xb
大值，
这说明 x 0 是 P ( x ) 的一个偏差点，不妨设 由于 P ( x ) 是最佳逼近多项式，则
三、最佳一致逼近多项式
1.零次最佳一致逼近多项式 对于n=0的P0(x)有： P0(x) =(M+m)/2 其中M、m分别为f (x) 的最大值和最小值。 ∵f(x)C[a,b]，由闭区间上连续函数性质；在[a,b]上存在两点x1,x2 使f (x1)=M, f (x2)=m， 即：x1,x2为偏差点（负,正）使：
axb
f (x)
n
(x)
即在H中 (x)与f(x)之差的绝对值的最大值是最小的，H中 任一ψ (x)与f(x)之差的绝对值都比它大，这样的 (x)为 f(x)在H中的最佳一致逼近函数。
定义1
设 f ( x ) C [ a , b ],
pn ( x ) H n , 称
a xb
逼近多项式
推论2 设f(x)C[a,b]，则f(x)在Hn中的最佳一致逼近多项 式Pn(x)，就是f (x)在[a,b]上的某个n次Lagrange插 值多项式。 证明∵Pn(x)有n+2个偏差点，亦即使f (x) －Pn (x)在[a,b]上至少 有n+2个点交替换正负号，亦就是说f(x) Pn(x)=0在[a,b]上有n+1 个根存在n+1个点：a x0<…< xn b使f (xi) Pn (xi)=0 即：f (xi)=Pn(xi) (i =0,1,2,…,n) , 所以，以此作为插值条件可得 到Pn(x)，因此，Pn(x)就是以x0,x1,…,xn为插值节点的n次值多项 式。 切比雪夫定理不仅给出了最佳一致逼近多项式的特征， 并从理论上给出了寻找最佳一致逼近多项式的方法：
3.3最佳一致逼近多项式
( 1, k 1,2,3).
12
由于 f ( x) 在 [a, b]上不变号， 故 f ( x) 单调， f ( x) a1 在 (a, b)内只有一个零点，记为 x2， 于是
且点 xk cos
k (k 0,1, , n) 是 Tn ( x)的切比雪夫交错点组， n
8
由定理5可知，区间 [1, 1] 上 x n 在 H n 1 中最佳逼近多项式
为 Pn*1 ( x), 即 ( x) 是与零的偏差最小的多项式. n
定理得证.
9
例3 求 f ( x) 2 x3 x 2 2 x 1 在 [1, 1]上的最佳2次逼 近多项式. 解 由题意，所求最佳逼近多项式 P2* ( x) 应满足
5
使 P( x)， 用反证法，若存在 Q( x) H n , Q( x)
f ( x) Q( x)
f ( x ) P( x ) .
由于
P( x) Q( x) [ P( x) f ( x)] [Q( x) f ( x)]
在点 x1 , x2 ,, xn 2 上的符号与 P( xk ) f ( xk )(k 1,, n 2) 一致， 故 P( x) Q( x) 也在 n 2 个点上轮流取“+”、“-”号. 由连续函数性质，它在 [a, b] 内有 n 1 个零点，但因
于是得 1 x 2 的最佳一次逼近多项式为
P 1 ( x) 0.955 0.414 x,
即
1 x 2 0.955 0.414 x, 0 x 1;
切比雪夫多项式-详细-Chebyshev polynomials-推荐下载
正交性 Tn 和 Un 都是区间[−1,1] 上的正交多项式系. 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
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 的多项式时只有项式分别为这两个方程的解。 维尔微分方程的特殊情形. 定义：第一类切比雪夫多项式由以下递推关系确定
也可以用母函数表示
第二类切比雪夫多项式 由以下递推关系给出 此时母函数为
从三角函数定义：第一类切比雪夫多项式由以下三角恒等式确定
其中 n = 0, 1, 2, 3, .... .
切比雪夫多项式是与棣美弗定理有关，以递归方式定义的一系列正交多项式序列。 通常， 第一类切比雪夫多项式以符号 Tn 表示， 第二类切比雪夫多项式用 Un 表示。切比雪夫多 项式 Tn 或 Un 代表 n 阶多项式。 切比雪夫多项式在逼近理论中有重要的应用。这是因为第一类切比雪夫多项式的根（被称 为切比雪夫节点）可以用于多项式插值。相应的插值多项式能最大限度地降低龙格现象， 并且提供多项式在连续函数的最佳一致逼近。 在微分方程的研究中，数学家提出切比雪夫微分方程
概率论与数理统计 5.1 切比雪夫不等式和大数定律 ppt课件
=
1
.
16
伯努利大数定律是辛钦定理的特殊情况 . 在实际
问题的处理中辛钦定理十分有用也很重要 .
事实上, 由辛钦定理可知, 如果随机变量
X1 ,X2 , … , Xn … 相互独立, 服从同一分布且具有数
学期望 μ , 则前 n 个随机变量的算术平均值
依概率收敛于它们的数学期望 μ .
11
2、定理5.2(切比雪夫定理的特殊情况):
设随机变量 X1 ,X2 , … , Xn , … 相互独立 , 且
具有相同的数学期望和方差:
E( Xk ) = , D( Xk ) = 2 .
作前n个随机变量的算术平均
1n X = n k=1 Xk
则对于任意正数 ε , 有
lim P X
( X E( X ))2
f (x) X E( X )
2
dx
1
2
(X
)2
f ( x)dx
D( X )
2
4
例1、 已知正常男性成人血液中, 单位白细胞数 (单位:个/mL)平均是7300, 均方差是700 . 利用切比雪夫不等式估计单位白细胞数在 5200～9400之间的概率 .
P
1n n k =1
Xk
2 /n
1
Hale Waihona Puke 2=12 n 2
由概率性质知
13
P
1n n k=1 X k
1
.
两边关于 n 取极限,即令 n , 则
计算方法最佳一致逼近多项式-切比雪夫多项式专题培训课件
cos(nθθs )c in o(snθθ )si
co s1 () n θ cos(θ n s θi) nc(o θ n
Tn(x)在 1,[1]上有的 n个 零不 点同 xk co(s22k 1 n)π , (k1,2 …,,n)
证：将xk
cos(2k 1)π, 2n
(k
1,2,…, n)
代入Tn(x)的表达式，得到
Tn(x)
cos[narccso(cos(2k 1)π)] 2n
cos[(2k 1)π] 2
计算方法最佳一致
逼近多项式-切比 雪夫多项式
内容
1. 函数逼近的基本概念 2. 切比雪夫多项式 3. 最佳一致逼近多项式 4. 切比雪夫多项式在函数逼近中的应用 5. 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
第3章 函数逼近与曲线拟合
§1 函数逼近的基本概念
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。
函数逼近问题： 对于函数类A中给定函的数
f(x),要求在另一类较简单便的于计算的函
数类
BA
B
A
中找一个函数p(,x使) p(x)与f(x的) 误差在某
种度量意义下达到最. 小
定1 理(Weaisesrf)s(若 tx rC ) [b a],则 ,ε0, 多项式 使p得 (x),
得知：情况a）如 为果 奇n数，则n2(xT)只含n的偶， 次方 Tn1(x)只含x的偶方 数， 次从而左n端 1(xT)只含x的偶； 次 情况b）如果n为，偶则数2xn(Tx)只含x的奇， 次Tn方 1(x) 只含x的奇次方，左从端而 nT1(x)只含x的奇次方
- 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)。
Tn(x) cos(narccosx), n 0,1,2,… 称为切比雪夫多项式。 由三角表达式定 (2.10)
义的多项式 8
切比雪夫多项式的表达式
若令x cosθ，则 Tn(x) cos(nθ), 0 θ π.
切比雪夫多项式的前几项：
Tn1 (x) 2cos(nθ)co sθ cos(n 1)θ
2xTn (x) - Tn1 (x)
10
（2）正交性
0, m n,
1
1
1
1
x2
Tm(x)Tn(x)dx
π/2, m n 0,
π,
m n 0.
(2.12)
证：令x cosθ，则
1
1
1
1
x2
Tm(x)Tn(x)dx
计算方法 (Numerical Analysis)
第4次 最佳一致逼近多项式
1
内容
1. 函数逼近的基本概念 2. 切比雪夫多项式 3. 最佳一致逼近多项式 4. 切比雪夫多项式在函数逼近中的应用 5. 利用切比雪夫多项式的0点构造最佳逼近多
项式的例子
2
函数逼近的基本概念
3
第3章 函数逼近与曲线拟合
f(x)
收敛到f(x)较慢， 不常用。
在[0,1]上一致成立。该证明于1912年给出。 5
ε的数值
y
y=L (x)
一致逼近的几何意义
x
Home
6
切比雪夫多项式
7
切比雪夫(Chebyshev)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。
2）假设当n 2为奇(偶)数时，T n(x)只含x的奇(偶 )次方，
13
3）则对n 1的情况，由递推公式 Tn1(x) 2xTn(x) Tn1(x)
得知：情况a）如果n为奇数，则2xTn(x)只含n的偶次方， Tn1(x)只含x的偶数次方，从而左端Tn1(x)只含x的偶次方； 情况b）如果n为偶数，则2xTn(x)只含x的奇次方，Tn1(x) 只含x的奇次方，从而左端Tn1(x)只含x的奇次方
x, Tn1(x).
(2.11)
Tn(x)的最高次幂x n的系数为2 n1, (n 1).
证明：记θ arccosx, 则 Tn1 (x) cos[(n 1)θ] cos[(nθ θ)]
cos(nθ)cosθ sin(nθ)sinθ
cos(n 1)θ cos(nθ)cos θ sin(nθ)sin θ
§1 函数逼近的基本概念
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。
函数逼近问题：对于函数类A中给定的函数
f(x), 要求在另一类较简单的便于计算的函
数类
BA
B
A
中找一个函数p(x), 使p(x)与f(x)的误差在某
种度量意义下达到最小. 4
定理 1(Weierstrass)若 f(x) C[a, b], 则ε 0, 多项式p(x), 使得
0,1,2,… , n)
轮流取得最大值1和最小值 1，{xk }称为交错点组。
- 1 x4
x 3
x2 0
x 1
x0 1
证： 将xk
cos
kπ n
,
(k
1,2,… , n)
代入Tn(x)的表达式，得到
Tn(x)
cos[narccos(cos
kπ n
)]
cos[kπ]
(1)k
17
1
T2(x) T1(x)
-1
1
T3(x) T4(x)
-1
T3(x)有3个0值点，4个极值点18
总结： Tn(x)具有很好的性质。
0 cos(mθ)cos(nθ)dcosθ
π
1 cos2θ
π cos(mθ)cos(nθ)dθ 0
11
根据积化和差公式：
cos(mθ)cos(nθ)
1 [cos(m 2
n)θ
cos(m
n)θ]
当m≠n:
π cos(mθ)cos (nθ)dθ 0
1 π [cos(m n)θ cos(m n)θ]dθ 0
14
（4）切比雪夫多项式的零点
Tn(x)在[1,1]上有n个不同的零点
xk
cos (2k 1)π , 2n
(k
1,2,… , n)
证：将xk
cos (2k 1)π , (k 2n
1,2,… , n)
代入Tn(x)的表达式，得到
Tn(x)
cos[narccos(cos (2k 1)π)] 2n
| f(x) p(x) | ε, 对于一切a x b成立
证明：伯恩斯坦的构造性证明：Bernstein多项式
Bn(f, x)
k
n 0
f
k n
Pk
(x)
(1.(1
a. 定理1具有重要
x)nk , 使得 的理论意义；
b. Bernstan多项式
lim
n
Bn(f,
x)
cos[(2k 1)π] 2
0 (k
1,2,… , n)
15
图为T11(x)的零点，一共有11个
x11 x10 x 9 x 8
cosπ
cos 15π 22
x7
cos 13π 22
x6
cos π 2
x5
cos 9π 22
x4 x3 x2 x1
co s 7 π co s 5 π cos 3π cos π
T0(x) cos(0) 1 T1(x) cos(arccosx) x T2(x) cos(2arccosx) 2x2 1 T3(x) cos(3arccosx) 4x3 3x
课堂练习：推出T4(x)
9
切比雪夫多项式的性质
（1）基本递推关系
TT0n(x1()x)
1, T1(x) 2xTn(x)
22
22
22
22
xk
cos (2k 1)π , (k 22
1,2,… ,11)
接近-1和1的地方越密。过这些0点作平行于y轴的直
线，这些直线与上半单位元的交点形成了一个关于圆
弧的等距的点的集合。
16
（5）切比雪夫多项式的极值点
Tn(x)在[1,1]上有n 1个不同的极值点
x k
cos kπ , (k n
20
当m=n≠0
π cos(mθ)cos(nθ)dθ 1 π [cos(2nθ) 1]dθ π
0
20
2
当m=n=0
π cos(mθ)cos (nθ)dθ π 0
12
（3）奇偶性
Tn(x)当n为奇数时为奇函数，且只含x的奇次幂; 当n为偶数时为偶函数，且只含x的偶次幂.
利用数学归纳法证明： 1）当n 0和n 1时，T0(x) 1x0, T1(x) x，结论成立。