数值分析第五章学习小结
数值分析作学习总结

摘 要在科学工作中经常出现这类问题,我们关注求解非线性方程或非线性方程组——求x 使得f (x )=0或求得X= 使得F (X )=0。
这些方程中,至少一个变量以任意的非线性方程形式出现。
在实变量变量的实值函数这种最简单的情况下,提出的一般问题是:已知函数f :R →R ,求x 的解使得f (X )=0这里主要讨论解决这类问题的一般方法和过程。
在许多应用中可以发现非线性方程的例子。
例如在光的衍射理论中,我们需要用到方程:X-tanX=0在行星轨道的计算中我们需要开普勒方程:X-asinX=b其中a 和b 任意取值。
在科学研究和科学计算中常常碰到以上的非线性方程求解问题。
非线性方程的解一般不能解析求出。
所以数值解法显得非常重要,而数值解法在实际中的实现则更为重要。
本文将介绍几种数值解法以及Matlab 中的实现程序。
为研究非线性方程数值解,给出了二分法、简单迭代法和牛顿迭代法的Matlab 程序,并进行了近似计算。
结果表明,牛顿迭代法收敛最快。
关键词:非线性方程;Matlab 程序;二分法;迭代法;简单迭代法;弦截法。
()T1n x x x ⋅⋅⋅2,,非线性方程数值解法1 二分法设f (x)在[a,b]连续,假定f (a)<0,f (b)>0,取中点 ,检查f (x0)符号。
若f (x0)=0,则x0就是一个根;若f (x0)>0,记a为a1,x0为b1,则得有根区间[a1,b1];若f(x0)<0,记x0为a1,b为b1,则得有根区间[a1,b1]。
后两种情况都得到有根区间[a1,b1],它的长度为原区间的一半。
对[a1,b1],令 ,再用同样的方法,可得新的有根区间[a2,b2],它的长度为[a1,b1]的一半,如此反复进行下去,其中每一个区间是前一区间的一半。
有这就是方程的根。
而即为方程的近似根,且有估计误差下面用二分法求在区间[1,2]上的根.因为二分法只能求单根,首先可以搜索函数(2.2)在区间[1,2]的根的情况。
数值分析知识点总结

数值分析知识点总结数值分析知识点总结:本文提供了数值分析中的一些重要知识点和例题,但更多的例题可以参考老师布置的作业题和课件相关例题。
第1章数值分析与科学计算引论:绝对误差和相对误差是衡量近似值精度的指标,有效数字则是描述近似值精度的一种方式。
其中,相对误差限是绝对误差的上界。
有效数字的计算方法为:如果近似值x的误差限是某一位的半个单位,该位到x的第一位非零数字共有n位,就说x*共有n位有效数字。
一个比较好用的公式是f(x)的误差限:f(x)f'(x)(x)。
第2章插值法:插值多项式的余项表达式可以用来估计截断误差。
三次样条插值与三次分段埃尔米特插值有所不同,但哪一个更优越需要根据实际情况而定。
确定n+1个节点的三次样条插值函数需要多少个参数?为确定这些参数,需加上什么条件?三弯矩法可以用来求解三次样条表达式。
第3章函数逼近与快速傅里叶变换:带权(x)的正交多项式是在特定区间上满足一定条件的多项式,其中[-1,1]上的勒让德多项式具有重要性质。
切比雪夫多项式也有其独特的性质。
用切比雪夫多项式零点做插值点得到的插值多项式与拉格朗日插值有所不同。
最小二乘拟合的法方程可以用来拟合曲线,但当次数n较大时,不直接求解法方程。
第4章数值积分与数值微分:XXX让德求积公式和XXX-XXX求积公式是数值积分中的两种方法,其中高斯求积公式可以用来计算定积分。
勒让德多项式的零点就是高斯点,这种形式的高斯公式被称为XXX让德求积公式。
中点方法是一种数值积分方法,其公式如下:插值型的求导公式有两点公式和三点公式。
第5章介绍了解线性方程组的直接方法,其中包括LU矩阵的推导过程。
相关例题可以在教材第4章作业题和课件中找到。
第6章介绍了解线性方程组的迭代法,判断迭代法是否收敛的条件如下:第7章介绍了非线性方程与方程组的数值解法,其中牛顿法是一种常见的方法。
对于单根且光滑的f(x)=0,牛顿法是局部二阶收敛的。
简化牛顿法和牛顿下山法都是非线性方程组的求解方法。
数值分析第五版第5章学习资料

n
即 de(A t) aijAij (i1,2,,n), j1
其中 A ij 为 a ij 的代数余子式,Aij(1)ijMij, M ij 为元素 a ij 的余子式.
行列式性质:
( ad ) ( A e ) d t B ( A e )d ( t B )A e , ,B t R n n .
有非零解,故系数行列式 deIt (A)0,记
a11 a12 p()det(I A) a21 a22
a1n a2n
(1.3)
an1 an2 ann n c1n1cn1cn 0.
p()称为矩阵 A的特征多项式,方程(1.3)称为矩阵 A的特
征方程.
9
因为 n次代数方程 p() 在复数域中有 n个根
其中用 ri 表示矩阵的第 i行. 由此看出,用消去法解方程组的基本思想是用逐次消
去未知数的方法把原方程组 Axb化为与其等价的三角 形方程组,而求解三角形方程组可用回代的方法.
上述过程就是用行的初等变换将原方程组系数矩阵化 为简单形式(上三角矩阵),从而将求解原方程组(2.1)的 问题转化为求解简单方程组的问题.
n
n
trA aii i.
i1
i1
(1.4) (1.5)
称 trA为 A的迹.
A的特征值 和特征向量 x还有一下性质:
(1) AT 与 A有相同的特征值 及特征向量 .
(2)若 A非奇异,则 A1 的特征值为 1,特征向量为 x.
(3)相似矩阵 BS1AS有相同的特征多项式.
11
例1 求 A的特征值及谱半径
4x2x3 5,
2x3 6.
显然,方程组(2.6)是容易求解的,解为
x (1,2,3)T.
数值分析(计算方法)总结

第一章 绪论误差来源:模型误差、观测误差、截断误差(方法误差)、舍入误差ε(x )=|x −x ∗|是x ∗的绝对误差,e =x ∗−x 是x ∗的误差,ε(x )=|x −x ∗|≤ε,ε为x ∗的绝对误差限(或误差限) e r =ex =x ∗−x x为x ∗ 的相对误差,当|e r |较小时,令 e r =ex ∗=x ∗−x x ∗相对误差绝对值得上限称为相对误差限记为:εr 即:|e r |=|x ∗−x||x ∗|≤ε|x ∗|=εr绝对误差有量纲,而相对误差无量纲若近似值x ∗的绝对误差限为某一位上的半个单位,且该位直到x ∗的第一位非零数字共有n 位,则称近似值 x ∗有n 位有效数字,或说 x ∗精确到该位。
例:设x=π=3.1415926…那么x ∗=3,ε1(x )=0.1415926…≤0.5×100,则x ∗有效数字为1位,即个位上的3,或说 x ∗精确到个位。
科学计数法:记x ∗=±0.a 1a 2⋯a n ×10m (其中a 1≠0),若|x −x ∗|≤0.5×10m−n ,则x ∗有n 位有效数字,精确到10m−n 。
由有效数字求相对误差限:设近似值x ∗=±0.a 1a 2⋯a n ×10m (a 1≠0)有n 位有效数字,则其相对误差限为12a 1×101−n由相对误差限求有效数字:设近似值x ∗=±0.a 1a 2⋯a n ×10m (a 1≠0)的相对误差限为为12(a 1+1)×101−n 则它有n 位有效数字令x ∗、y ∗是x 、y 的近似值,且|x ∗−x|≤η(x )、|y ∗−y|≤η(y)1. x+y 近似值为x ∗+y ∗,且η(x +y )=η(x )+η(y )和的误差(限)等于误差(限)的和2. x-y 近似值为x ∗−y ∗,且η(x +y )=η(x )+η(y )3. xy 近似值为x ∗y ∗,η(xy )≈|x ∗|∗η(y )+|y ∗|∗η(x)4. η(xy )≈|x ∗|∗η(y )+|y ∗|∗η(x)|y ∗|21.避免两相近数相减2.避免用绝对值很小的数作除数 3.避免大数吃小数 4.尽量减少计算工作量 第二章 非线性方程求根1.逐步搜索法设f (a ) <0, f (b )> 0,有根区间为 (a , b ),从x 0=a 出发, 按某个预定步长(例如h =(b -a )/N )一步一步向右跨,每跨一步进行一次根的搜索,即判别f (x k )=f (a +kh )的符号,若f (x k )>0(而f (x k -1)<0),则有根区间缩小为[x k -1,x k ] (若f (x k )=0,x k 即为所求根), 然后从x k -1出发,把搜索步长再缩小,重复上面步骤,直到满足精度:|x k -x k -1|<E 为止,此时取x *≈(x k +x k -1)/2作为近似根。
数值分析第五章实习题答案

数值分析第五章实习题答案数值分析第五章实习题答案数值分析是一门研究如何使用计算机来解决数学问题的学科。
在数值分析的学习过程中,实习题是非常重要的一部分,通过实习题的练习,可以帮助我们巩固所学的知识,并且提高我们的解题能力。
本文将为大家提供数值分析第五章实习题的答案,希望对大家的学习有所帮助。
第一题:求下列方程的一个正根,并用二分法和牛顿法分别计算根的近似值。
方程:x^3 - 3x + 1 = 0解答:首先,我们可以通过绘制函数图像来初步估计方程的根的范围。
根据图像,我们可以大致确定根在区间[0, 2]之间。
接下来,我们使用二分法来计算根的近似值。
根据二分法的原理,我们将区间[0, 2]等分为两部分,然后判断根在哪一部分。
不断重复这个过程,直到找到根的近似值。
具体计算过程如下:- 将区间[0, 2]等分为两部分,得到中点x = 1。
- 计算方程在x = 1处的函数值f(1) = -1。
- 根据函数值的正负性,我们可以确定根在区间[1, 2]之间。
- 将区间[1, 2]等分为两部分,得到中点x = 1.5。
- 计算方程在x = 1.5处的函数值f(1.5) = 1.375。
- 根据函数值的正负性,我们可以确定根在区间[1, 1.5]之间。
- 重复以上步骤,直到找到根的近似值。
最终得到根的近似值为x ≈ 1.365。
接下来,我们使用牛顿法来计算根的近似值。
牛顿法是一种迭代法,通过不断逼近根的位置来计算根的近似值。
具体计算过程如下:- 选择初始近似值x0 = 1。
- 计算方程在x = 1处的函数值f(1) = -1。
- 计算方程在x = 1处的导数值f'(1) = 4。
- 利用牛顿法的迭代公式x1 = x0 - f(x0)/f'(x0),我们可以得到x1 ≈ 1.333。
- 重复以上步骤,直到找到根的近似值。
最终得到根的近似值为x ≈ 1.365。
通过二分法和牛顿法,我们分别得到了方程x^3 - 3x + 1 = 0的一个正根的近似值为x ≈ 1.365。
数值分析实验报告心得(3篇)

第1篇在数值分析这门课程的学习过程中,我深刻体会到了理论知识与实践操作相结合的重要性。
通过一系列的实验,我对数值分析的基本概念、方法和应用有了更加深入的理解。
以下是我对数值分析实验的心得体会。
一、实验目的与意义1. 巩固数值分析理论知识:通过实验,将课堂上学到的理论知识应用到实际问题中,加深对数值分析概念和方法的理解。
2. 培养实际操作能力:实验过程中,我学会了使用Matlab等软件进行数值计算,提高了编程能力。
3. 增强解决实际问题的能力:实验项目涉及多个领域,通过解决实际问题,提高了我的问题分析和解决能力。
4. 培养团队协作精神:实验过程中,我与同学们分工合作,共同完成任务,培养了团队协作精神。
二、实验内容及方法1. 实验一:拉格朗日插值法与牛顿插值法(1)实验目的:掌握拉格朗日插值法和牛顿插值法的原理,能够运用这两种方法进行函数逼近。
(2)实验方法:首先,我们选择一组数据点,然后利用拉格朗日插值法和牛顿插值法构造插值多项式。
最后,我们将插值多项式与原始函数进行比较,分析误差。
2. 实验二:方程求根(1)实验目的:掌握二分法、Newton法、不动点迭代法、弦截法等方程求根方法,能够运用这些方法求解非线性方程的根。
(2)实验方法:首先,我们选择一个非线性方程,然后运用二分法、Newton法、不动点迭代法、弦截法等方法求解方程的根。
最后,比较不同方法的收敛速度和精度。
3. 实验三:线性方程组求解(1)实验目的:掌握高斯消元法、矩阵分解法等线性方程组求解方法,能够运用这些方法求解线性方程组。
(2)实验方法:首先,我们构造一个线性方程组,然后运用高斯消元法、矩阵分解法等方法求解方程组。
最后,比较不同方法的计算量和精度。
4. 实验四:多元统计分析(1)实验目的:掌握多元统计分析的基本方法,能够运用这些方法对数据进行分析。
(2)实验方法:首先,我们收集一组多元数据,然后运用主成分分析、因子分析等方法对数据进行降维。
数值分析第五章

输出:有根区间为(3.3,3. 4)且区间(3.6,3.7)内无实根 。
8
§2
设有非线性方程
二 分 法
其中,f (x)为 [a,b] 上连续函数且设 f (a) ⋅ f (b) < 0 (不妨设方程(2.1)于 (2.1)
f (x) = 0
(2.1) 2.1)
[a,b] 内仅有一个实根。
y
求方程(2.1)实根 x* 的二分法过程,就是将含根区间 [a,b] 逐步分 (2.1) 半,检查函数符号的变化,以便确定含根的充分小区间。
a ←x
k ≤ N0
否
输出
图5-3
分半 N0 次还没有到 达精度要求信息
15
§3 迭代法
迭代法是一种逐次逼近法。它是求解代数方法,超越方程及方程组 的一种基本方法,但存在收敛性及收敛快慢问题。 为了用迭代法求非线性方程 f (x) = 0的近似值,首先需要将此方 程转化为等价的方程 3.1) (3.1)
x >b
≤
f1 ← f2
< 输出有根区间
(x − ∆x, x)
L2
图 5-1
L 1
7
+ 若 f (x) 于 [a, ∞) 某点 xs 分为两支曲线且 x → xs 时 f (x) →+∞或 − ∞ , − 当 x → xs 时 f (x) → −∞ 或
[注] 当 f (x) 于 [a,b] 连续时,输出区间 (x − ∆x, x) 内一定有实根, 注
f (xk ) < ε1 或 h < ε2则输出 xk , f (xk ), k;
ak+1 = xk ,bk+1 = bk
其中 N0 表示给定的最大分半次数,当 f (x) < ε1 或 h < ε2 时分半终止, fmax为一大数。
《数值分析》第五章实验报告

EXERCISE SET 5.4 P280 1、 a) y' te 2 y,0 t 1, y(0) 0, h 0.5
3t
编写 MATLAB 程序,如下 function[t,y] = Euler_r(ydot_fun,t0,y0,h,N) %改进Euler公式,其中, %ydot_fun为一阶微分方程的函数; %t0,y0为初始条件; %h为区间步长; %N为区间的个数; %t为Tn构成的向量; %y为Yn构成的向量. t = zeros(1,N+1);y = zeros(1,N+1); t(1) = t0;y(1) = y0; for n = 1:N t(n+1) = t(n) + h; ybar = y(n) + h * feval(ydot_fun,t(n),y(n)); y(n+1) = y(n) +h/2 (feval(ydot_fun,t(n),y(n))+feval(ydot_fun,t(n+1),ybar)); end 运行后 >> ydot_fun = inline('t*exp(3*t)-2*y','t','y'); >> [t,y]=Euler_r(ydot_fun,0,1,0.5,2) t= 0 0.5000 1.0000
死亡实验实验中学山东省实验中学广东实验中学辽宁省实验中学河南省实验中学大庆实验中学麓山国际实验学校辞职报告实习报告
《数值分析》第五章实验报告
2010/5/7
EXERCISE SET 5.2 P263 1、Euler 法 1) y' te 3t 2 y 根据 Algorithm 5.1,利用课本作者网站上的关于本书的 MATLAB 程序 ALG051.M 运行该程序,在命令行窗口出现如下: This is Eulers Method. Input the function F(t,y) in terms of t and y For example: y-t^2+1 t*exp(3*t)-2*y Input left and right endpoints on separate lines. 0 1 Input the initial condition 1 Input a positive integer for the number of subintervals 2 Choice of output method: 1. Output to screen 2. Output to text file Please enter 1 or 2 1 EULERS METHOD t 0.000 0.500 1.000 w 1.0000000 0.0000000 1.1204223
- 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)。
第五章学习小结姓名:张亚杰班级:机械1505班学号:S2*******一、本章学习体会本章的内容与实际关联很大,可以解决很多工程实际问题。
1、主要有两方面内容:插值与逼近。
插值即是由已知数据通过某种多项式求出在特定区间的函数值。
逼近即是用简单函数近似代替复杂函数,如何在给定的精度下,求出计算量最小最佳的多项式,是函数逼近要解决的问题。
2、插值中样条插值比较难,需要花一定的时间。
逼近主要是必须使选择的多项式计算出的误差最小。
3、我个人觉得本章的难点是样条插值与最佳平方逼近。
二、知识构图:因为本章内容较多,故本次知识架构图分为三部分:插值、正交多项式和逼近。
1、插值:2、正交多项式和逼近的知识总结采取以下方式:一、正交多项式1、正交多项式的概念与性质若在区间上非负的函数满足(1)对一切整数存在;(2)对区间上非负连续函数,若则在上,那么,就称为区间上的权函数。
常见的权函数有2、两个函数的内积定义:给定[](),(),,()f x g x C a b x ρ∈是上的权函数,称为函数()f x 与()g x 在[a,b]上的内积。
内积的性质:(1)对称性:()(),,f g g f =;(2)数乘性:(),(,)(,)kf g f kg k f g ==; (3)可加性:()()()1212,,,f f g f g f g +=+; (4)非负性:若在[a,b]上()0f x ≠,则。
(,)a b ()x ρ0,()bna n x x dx ρ≥⎰(,)ab ()f x ()0bn ax x dx ρ=⎰(,)a b ()0f x ≡()x ρ(,)ab 2()1,()11()11(),0(),x x x a x b x x x x x e x x e x ρρρρρ--≡≤≤=-<<=-≤≤=≤<∞=-∞<<+∞(,)a b (,)()()()ba f g x f x g x dx ρ=⎰(,)0f f >3、函数的正交(1)两个函数的正交与正交函数系 若内积则称()f x 与()g x 在区间[a,b]上带权()x ρ正交若函数系.满足则称是上带权的正交函数系。
特别的,如果是最高次项系数不为零的次多项式,则称正交函数系一定线性无关。
4、几种常用的正交多项式 (1)legendre 多项式Legendre 多项式的性质Legendre 多项式系{}是区间[-1,1]上带权的正交多项式系。
的最高次项系数为n 为奇数时为奇函数,n 为偶数时为偶函数。
递推关系 当时(,)()()()=0ba f g x f x g x dx ρ=⎰{}01(),(),,(),n x x x ϕϕϕ0,(,)()=0,b i j i j a ii j x dx a i j ϕϕρϕϕ≠⎧=⎨>=⎩⎰{}()k x ϕ[],a b ()x ρ()kx ϕk {}[](),()k x a b x ϕρ是上带权的正交多项式。
02()11()[(1)],1,2,2!n nn n n L x d L x x n n dx ≡⎧⎪⎨=⋅-=⎪⎩()n L x ()1x ρ=()n L x ()n L x ()(1)()nn n L x L x -=-()n L x 1n ≥(2)chebyshev 多项式设n 为非负整数,称()cos(arccos ),11n T x n x x =⋅-≤≤为chebyshev 多项式。
chebyshev 多项式的性质:()n T x 是x 的n 次多项式,并且当时,()n T x 的最高次项系数为12n n a -=Chebyshev 多项式系{()}n T x 是区间[-1,1]上带权的正交多项式系。
(3)Laguerre 多项式称()(),0,1,n n x xn nd xe U x e n dx-==为Laguerre 多项式Laguerre 多项式的性质:(1)是x 的n 次多项式,并且它的最高次项系数为 (2)Laguerre 多项式系{}是在区间上带权的正交多项式系。
(4)Hermite 多项式称22()()(1),0,1,n x nx n nd e H x e n dx-=-=为Hermite 多项式。
Hermite 多项式的性质:是x 的n 次多项式,并且它的最高次项系数为Hermite 多项式系{}是在区间上带权的正交多项式系。
1121()()()11n n n n nL x xL x L x n n +-+=-++1n≥()x ρ=()n U x (1)n n a =-()n U x [0,)∞xe -()n H x 2n n a =()n H x (,)-∞+∞2x e-20,()()2x m n n m neH x H x dx n m n+∞--∞≠⎧⎪=⎨=⎪⎩⎰二、函数的最佳平方逼近 1、最佳平方逼近的概念设n H 为某一函数类定义:设],[)(b a C x f ∈,若存在n H x ∈)(*ϕ使2222*min ϕϕϕ-=-∈f f nH ,则称)(*x ϕ为f (x )在函数类n H 中的最佳平方逼近函数。
dx x x x f f ba)()]()([2*22*ρϕϕ⎰-=-**f f min(f ,f )nH ϕϕϕϕϕ∈--(-,-)= n H 的表示:设)(,),(),(),(210x x x x n ϕϕϕϕ , )}(,),(),(),({210x x x x span H n n ϕϕϕϕ =∑==n k k k x c x 0**)()(ϕϕ,∑==nk k k x c x 0)()(ϕϕ2、最佳平方逼近的条件设],[)(b a C x f ∈,n H x ∈*)(ϕ,是子空间n H 中,对于)(x f 的最佳平方逼近元素的充分必要条件是:n j f j ,,1,0,0),(* ==-ϕϕ 3、最佳平方逼近元素是唯一的 4、最佳平方逼近元素的求法∑==nk k k x c x p 0**)()(ϕ,求系数*k c ,利用条件: ()n j x c f f jnk kkj,...2,1,0,0),)((,0**==-=-∑=ϕϕφϕ法方程(正规方程): ,2,1,0,),(),(0*==∑=j f c nk j j k kϕϕϕ nj f c c c j n j n j j ,,2,1,0),(),(),(),(**11*00 ==+++ϕϕϕϕϕϕϕ⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++),(),(),(),(...),(),(),(),(),(),(),(),(0**11*001*1*111*0100*0*101*000ϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕf c c c f c c c f c c c n n n n n n n n n ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡==⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋅⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡),(),(),(),(),(),(),(),(),(),(),(),(1010101111000100n n n n n n n n f f f c c c ϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕ设)(,),(),(),(210x x x x n ϕϕϕϕ 为[a,b]上带权)(x ρ正交函数系,则n k f c k k k k ,,2,1,0,),(),(*==ϕϕϕ5、最佳平方逼近误差()**,ϕϕδ--=f f ,均方误差:δ,∑=-=nk k k f c f f 0*),(),(ϕδ三、正交函数系在最佳平方逼近中的应用设)(,),(),(),(210x x x x n ϕϕϕϕ ,为[a,b]上带权)(x ρ正交函数系,则n k f c k k k k ,,2,1,0,),(),(*==ϕϕϕ1、Legendre 多项式的应用(1)设[]1,1)(-∈C x f 求f(x)在[-1,1]上的n 次最佳平方逼近多项式)(x p n⎰=ba dx x g x f g f )()(),(,},,,,1{2n n x x x span H =},,,{10n n L L L span H =取,),(),(*k k k k L L L f c =⎪⎩⎪⎨⎧=+≠=⎰-n m n nm dx x L x L n m ,122,0)()(11nk dx x f x L k L L L f c k k k k k ,,2,1,0,)()(212),(),(11* =+==⎰-,∑==n k k kx L c x p 0**)()( (2)[](),f x C a b ∈做变换,[1,1]22a b b ax t t +-=+∈- 2、Chebyshev 多项式的应用},,,{10n n T T T span H =,11,)(2)(10≤≤-+=∑=x x T a a x p nj j j nn j dx xx T x f a j j ,,2,1,0,1)()(2112=-=⎰-π误差估计设)(x f '在区间[-1,1]上存在且有界,那么由式11,)(2)(10≤≤-+=∑=x x T a a x p nj j j n 和系数公式n j dx xx T x f a j j ,,2,1,0,1)()(2112=-=⎰-π。
所确定的多项式,当∞→n 时,在[-1,1]上一致收敛于函数f(x)。
Chebyshev 级数11,)(210≤≤-+∑∞=x x T a a j j j3、三角函数系的应用三角函数系}sin ,cos ,,sin ,cos ,1{nx nx x x ,在[0,2]π上为正交函数⎰=π20)()(),(dx x g x f g f⎪⎩⎪⎨⎧≠===≠=0,0,2,0)cos ,(cos j k j k jk jx kx ππ,⎩⎨⎧≠=≠=0,,0)sin ,(sin j k j k jx kx π j k jx kx ≠=,0)sin ,(cos设f(x)是以π2为周期的函数,定义内积⎰=π20)()(),(dx x g x f g f ,在空间}sin ,cos ,,sin ,cos ,1{nx nx x x span D n =,中寻求对于f(x)的最佳平方逼近元素∑=++=nk k k n kx b kx a a x s 00)sin cos (2)(⎪⎪⎩⎪⎪⎨⎧====⎰⎰n k kxdx x f b n k kxdx x f a k k ,,2,1,sin )(1,,2,1,0,cos )(12020 ππππ当),()(+∞-∞∈C x f 且以π2为周期时)()sin cos (200x f kx b kx a a k k k =++∑∞=四、曲线拟合曲线拟合的概念:已知数据点:m i y x i i ,,2,1,0),,( =,寻找一个函数)(x y ϕ=,使其在某种准则下与所有数据点最为接近,即曲线拟合的好。