版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kevin_zhao_zl/article/details/91039149
整理一下数值分析的笔记~
目录:
1. 误差
2. 多项式插值与样条插值
3. 函数逼近(THIS)
4. 数值积分与数值微分
5. 线性方程组的直接解法
6. 线性方程组的迭代解法
7. 非线性方程求根
8. 特征值和特征向量的计算
9. 常微分方程初值问题的数值解
1. 基本概念及其理论
设
f∈C[a,b],在
Hn=span{
1,x,...,xn}中求多项式
Pn∗(x)使其误差
∣∣f−Pn∗∣∣∞=maxa≤x≤b∣f(x)−Pn∗(x)∣=minPn∈Hnmaxa≤x≤b∣f(x)−Pn(x)∣,其中
Hn表示由所有次数不超过
n的代数多项式构成的线性空间,这就是
C[a,b]空间中的最佳一致逼近或切比雪夫逼近问题。
定义1:设
Pn∈Hn,f(x)∈C[a,b],称
Δf(,Pn)=∣∣f−Pn∣∣∞=maxa≤x≤b∣f(x)−Pn(x)∣为
f(x)与
Pn(x)在
[a,b]上的偏差,
Δ(f,Pn)的全体组成一个集合,记为{
Δ(f,Pn)},下界为0.
若记集合的下确界为:
En=infPn∈Hn{
Δ(f,Pn)}
=infPn∈Hnmaxa≤x≤b∣f(x)−Pn(x)∣,称为
f(x)在
[a,b]上的最小偏差。
定义2:假定
f∈C[a,b]若存在
Pn∗∈Hn使得
Δ(f,Pn∗)=En则称
Pn∗是
f(x)在
[a,b]上的
n次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。
定理1:若
f∈[a,b]则总存在
Pn∗∈Hn使得
∣∣f(x)−Pn∗(x)∣∣∞=En。{最佳逼近多项式的存在性定理(Borel定理)}
定义3:设
f∈[a,b],P(x)∈Hn,若存在
x=x0上有
∣P(x0)−f(x0)∣=maxa≤x≤b∣P(x)−f(x)∣=μ,就称
x0为
P(x)的偏差点,若
P(x)−f(x)=μ,正偏差点,否则,负偏差点。由于
P(x)−f(x)在
[a,b]上连续,所以至少存在一个点使得
∣P(x0)−f(x0)∣=μ,有引理”设
f(x)∈C[a,b],Pn∗(x)是
f(x)的
n次最佳一致逼近多项式,则
f(x)−Pn∗(x)必同时存在正负偏差点。“
定理2:
P(x)∈Hn是
f∈C[a,b]的最佳逼近多项式的充分必要条件是
P(x)在
[a,b]上至少有
n+2个轮流正负的偏差点,即有
n+2个点$ a \leq x_1 <x_2<…<x_{n+2} \leq b$使:
P(xk)−f(xk)=(−1)kσ∣∣P(x)−f(x)∣∣∞,σ=±1
这样的点组称为切比雪夫交错点组。
定理3:在区间
[−1,1]上所有最高次项系数为1的n次多项式中
ωn(x)=2n−11Tn(x)与零的偏差最小,为
2n−11。{
ωn(x)=xn−Pn−1∗(x)}
例:求
f(x)=2x3+x2+2x−1在[-1,1]上的最佳2次逼近多项式。
解:所求最佳逼近多项式
P2∗(x)应满足
max−1≤x≤1∣f(x)−P2∗(x)∣=min,由定理3可知
f(x)−P2∗(x)=21T3(x)=2x3−23x时多项式
f(x)−P2∗(x)与零偏差最小,故
P2∗(x)−f(x)=21T3(x)=x2+27−1,就是
f(x)在[-1,1]上的最佳2次逼近多项式。
2. 最佳一次逼近多项式
定理2给出了P(x)的特性,当n=1时至少存在三个点
x1,x2,x3满足定理中的条件,设最佳一次逼近多项式为
P1(x)=a0+a1x,推导得:
a0=2f(a)+f(x2)−b−af(b)−f(a)(x−2a+x2)
a1=b−af(b)−f(a)=f′(x2)
例:求
f(x)=1+x2
在区间[0,1]上的最佳一次逼近多项式。
解:
a1=2
−1≈0.414,又
f′(x)=1+x2
x所以1+x22
x2=2
−1,解得
x2=22
−1
=≈0.4551,f(x2)=1+x22
≈1.0986,得a0=21+1+x22
−a12x2≈0.955。所以
f(x)得最佳一次逼近多项式为:P1(x)=0.955+0.414x。
根据例题的1结论令
x=ab≤1有1+(ab)2
=0.955+0.414(ab),即a2+b2
≈0.955a+0.414b
3. 最佳平方逼近的计算
f(x)∈C[a,b],记其最佳平方逼近多项式为:
S∗(x)=a0∗+a1∗x+a2∗x2+....+an∗xn,
H表示希尔伯特矩阵:
⎣⎢⎢⎡11/2...1/(n+1)1/21/3...1/(n+2)............1/(n+1)1/(n+2)...1/(2n+1)⎦⎥⎥⎤
又系数
a=(a0,a1,...,an)T,d=(d0,d1,...,dn)T,其中dk=∫01f(x)xkdx,解方程:
Ha=d得系数
a。
令
δ(x)=f(x)−S∗(x)则平方误差为:
∣∣δ(x)∣∣22=(f(x)−S∗(x),f(x)−S∗(x))=(f(x),f(x))−(S∗(x),f(x))=∣∣f(x)∣∣22−k=0∑nak∗(∅k(x),f(x)).
例:设
f(x)=1+x2
,求[0,1]上得一次最佳平方逼近多项式。
解:得
d0=∫011+x2
dx=21ln(1+2
)≈1.147,
d1=∫01x1+x2
dx≈0.609,得方程组:
[11/21/21/3][a0a1]=[1.1470.609]
解得
a0=0.934,a1=0.426,故S1∗(x)=0.934+0.426x,平方误差:
∣∣δ(x)∣∣22=(f(x),f(x))−(S1∗(x),f(x))=∫01(1+x2)dx−0.426d1−0.934d0=0.0026
最大误差:
∣∣δ(x)∣∣∞=max0≤x≤1∣1+x2
−S1∗(x)∣≈0.066
但是n较大时系数矩阵高度病态。
4. 用正交函数族作最佳平方逼近
f(x)∈C[a,b]在φ中得最佳平方逼近函数为:
S∗(x)=k=0∑n∣∣φ(x)∣∣22(f(x),φ(x))φ(x)
其中
φk(x)是正交函数族,均方误差:
∣∣δn(x)∣∣2=∣∣f(x)−Sn∗(x)∣∣2=(∣∣f(x)∣∣22−k=0∑n[∣∣φk(x)∣∣2f(x),φk(x)]2)21
由此可得贝塞尔不等式:
∑k=1n(ak∗∣∣φk(x)∣∣2)2≤∣∣f(x)∣∣−22,
其中
ak∗=(f(x),φ(x))/(φk(k),φk(x)),k=0,1,2,...,n
∑k=0∞ak∗φk(x)称为广义傅里叶级数,
ak∗为广义傅里叶系数,若正交函数族可以由
1,x,x2,...,xn正交化得到,有如下收敛定理:
定理4:设
f(x)∈C[a,b],S∗(x)是f(x)的最佳平方逼近多项式,其中{
φk(x),k=0,1,...,n}是正交多项式族,则又
limn→∞∣∣f(x)−Sn∗(x)∣∣2=0,按勒让德多项式{
P0(x),...,Pn(x)}展开得:
Sn∗(x)=a0∗P0(x)=...+an∗Pn(x)
其中
ak∗(x)=(Pk(x),Pk(x))(f(x),Pk(x))=22k+1∫−11f(x)Pk(x)dx
平方误差为:
∣∣δk(x)∣∣22=∫−11f2(x)dx−k=0∑n2k+12a∗2
定理5:设
f(x)∈C2[−1,1],Sn∗勒让德展开得,则对任意
x∈[−1,1]和所有的ε>0,当n充分大时有
∣f(x)−Sn∗(x)∣≤n
ε。
定理6:在所有最高次项系数为1 的n次多项式中,勒让德多项式
Pˉn(x)在[-1,1]上与零的 平方误差最小。
例:求
f(x)=ex在[-1,1]上的三次最佳平方逼近多项式。
解:先计算
(f(x),Pˉk(x))(勒让德多项式),k=0,1,2,3,有:
(f(x),P0(x))=∫−11exdx=≈2.3504(f(x),P1(x))=∫−11xexdx=≈0.7358(f(x),P2(x))=∫−11(23x2−21)exdx=≈0.1431(f(x),P3(x))=∫−11(25x3−23x)exdx=≈0.02013
可知:
a0∗=(f(x),P0(x))/2=1.1752a1∗=3(f(x),P1(x))/2=1.1036a2∗=5(f(x),P2(x))/2=0.3578a3∗=7(f(x),P3(x))/2=0.07046
由此知三次最佳平方逼近多项式:
S∗(x)=0.9963+0.9979x+0.5367x2+0.1761x3,均方误差为:
∣∣δn(x)∣∣2=∣∣ex−S3∗(x)∣∣2=∫−11e2x−∑k=032k+12ak∗2
≤0.0084
最大误差
∣∣δn(x)∣∣2=∣∣ex−S3∗(x)∣∣∞≤0.0112。
{持续更新}
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]