首页 > 其他分享 >数值分析复习:最佳逼近、最佳一致逼近

数值分析复习:最佳逼近、最佳一致逼近

时间:2024-03-22 17:03:23浏览次数:26  
标签:mathbb dist 复习 逼近 多项式 最佳 Pn

文章目录

本篇文章适合个人复习翻阅,不建议新手入门使用

最佳逼近

1. 度量空间中的逼近

给定度量空间 ( X , d ) (X,d) (X,d) 及其子集 S S S,若对 X X X中任意一点 a a a, S S S 中可以找到一个点 s s s 使得
d ( a , s ) = d i s t ( a , S ) d(a,s)=dist(a,S) d(a,s)=dist(a,S)则称 s s s 是 a a a 在 S S S 中的最佳逼近元

存在性
对度量空间中的点,紧子空间中一定有其最佳逼近元

证明

  • 由dist的定义, ∃ s n ∈ S , d ( a , s n ) → d i s t ( a , s ) \exists s_n\in S,d(a,s_n)\to dist(a,s) ∃sn​∈S,d(a,sn​)→dist(a,s)
  • 由紧性得 S S S 闭, ∃ s ∈ S , s . t . d ( s n , s ) → 0 \exists s\in S,s.t.d(s_n,s)\to 0 ∃s∈S,s.t.d(sn​,s)→0
  • 由三角不等式, d ( a , s ) ≤ d ( a , s n ) + d ( s n , s ) → d i s t d(a,s)\leq d(a,s_n)+d(s_n,s)\to dist d(a,s)≤d(a,sn​)+d(sn​,s)→dist

2. 赋范线性空间中的逼近

给定赋范线性空间 ( X , ∣ ∣ ⋅ ∣ ∣ ) (X,||\cdot||) (X,∣∣⋅∣∣) 及其子集 S S S,若对 X X X中任意一点 a a a, S S S 中可以找到一个点 s s s 使得
∣ ∣ a − s ∣ ∣ = d i s t ( a , S ) ||a-s||=dist(a,S) ∣∣a−s∣∣=dist(a,S)则称 s s s 是 a a a 在 S S S 中的最佳逼近元

存在性和唯一性

  1. 对赋范线性空间中的点,有限维子空间中一定有最佳逼近元
  2. 对严格凸赋范线性空间中的点,子空间中最多有一个最佳逼近元
  3. 对严格凸赋范线性空间中的点,有限维子空间内存在唯一的最佳逼近元

证明

  1. 由度量空间的相关结论立得
  2. 同一法:设有两个最佳逼近元 s 1 , s 2 s_1,s_2 s1​,s2​,导出矛盾

3. 连续函数空间上的最佳逼近

3.1 多项式逼近

对给定的 f ( x ) ∈ C [ a , b ] f(x)\in C[a,b] f(x)∈C[a,b] ,在某种范数下,在多项式函数空间 P n \mathbb{P}_n Pn​ 中 P ( x ) P(x) P(x),使得
∣ ∣ P ( x ) − f ( x ) ∣ ∣ = inf ⁡ g ∈ P n ∣ ∣ g ( x ) − f ( x ) ∣ ∣ ||P(x)-f(x)||=\inf\limits_{g\in \mathbb{P}_n} ||g(x)-f(x)|| ∣∣P(x)−f(x)∣∣=g∈Pn​inf​∣∣g(x)−f(x)∣∣注:

  • 在 L ∞ L^{\infty} L∞ 范数意义下, P ( x ) P(x) P(x) 称为最佳一致逼近多项式(BUAP)
  • 在 L 2 L^2 L2 范数意义下, P ( x ) P(x) P(x) 称为最佳平方逼近多项式

定义

偏差:称 Δ ( P ) = max ⁡ x ∣ f ( x ) − P ( x ) ∣ \Delta (P)=\max\limits_x|f(x)-P(x)| Δ(P)=xmax​∣f(x)−P(x)∣ 为 P ( x ) P(x) P(x) 与 f ( x ) f(x) f(x) 的偏差

最小偏差:称 E n = inf ⁡ P ∈ P n Δ ( P ) E_n=\inf\limits_{P\in\mathbb{P}_n}\Delta (P) En​=P∈Pn​inf​Δ(P) 为 P ( x ) P(x) P(x) 对 f ( x ) f(x) f(x) 的最小偏差;

偏离点:使 P ( x ) P(x) P(x) 达到最小偏差的 x x x 称为偏离点,根据其相对 f ( x ) f(x) f(x) 的位置分别称为正、负偏离点

命题
若存在 P ∗ ( x ) ∈ P n P^*(x)\in\mathbb{P}_n P∗(x)∈Pn​ ,使得 Δ ( P ∗ ) = E n \Delta(P^*)= E_n Δ(P∗)=En​,则 P ∗ ( x ) P^*(x) P∗(x) 即为 f ( x ) f(x) f(x) 在 P n \mathbb{P}_n Pn​ 中的最佳一致逼近多项式(BUAP)

3.2 存在性和唯一性

Borel存在定理: P n \mathbb{P}_n Pn​ 中最佳逼近多项式存在

证明

  • 对任意最小偏差 E n E_n En​,可找到一列多项式 P m ( x ) P_m(x) Pm​(x),使得 Δ ( P m ) → E n \Delta(P_{m})\to E_n Δ(Pm​)→En​ (Weierstrass 逼近定理可证)
  • 一列有界多项式 P m ( x ) P_m(x) Pm​(x) 必有一致收敛的子列 P ∗ ( x ) P^*(x) P∗(x)

设 P m ( x ) = a 0 , m + a 1 , m x + a 2 , m x 2 + ⋯ + a n , m x n P_m(x)=a_{0,m}+a_{1,m} x+a_{2,m}x^2+\cdots+a_{n,m} x^n Pm​(x)=a0,m​+a1,m​x+a2,m​x2+⋯+an,m​xn
为寻找 P ∗ ( x ) P^*(x) P∗(x) 的各项系数,取 n + 1 n+1 n+1 个点 x 0 , x 1 … , x n x_0,x_1\dots,x_n x0​,x1​…,xn​,有
( 1 x 0 ⋯ x 0 n 1 x 1 ⋯ x 1 n ⋮ ⋮ ⋮ 1 x n ⋯ x n n ) ⋅ ( a 0 , m a 1 , m ⋮ a n , m ) = ( P m ( x 0 ) P m ( x 1 ) ⋮ P m ( x n ) ) \begin{pmatrix} 1&x_0&\cdots&x_0^n\\ 1&x_1&\cdots&x_1^n\\ \vdots&\vdots&&\vdots\\ 1&x_n&\cdots&x_n^n\\ \end{pmatrix}\cdot \begin{pmatrix} a_{0,m}\\a_{1,m}\\\vdots\\a_{n,m}\\ \end{pmatrix}= \begin{pmatrix} P_m(x_0)\\P_m(x_1)\\\vdots\\P_m(x_n)\\ \end{pmatrix} ​11⋮1​x0​x1​⋮xn​​⋯⋯⋯​x0n​x1n​⋮xnn​​ ​⋅ ​a0,m​a1,m​⋮an,m​​ ​= ​Pm​(x0​)Pm​(x1​)⋮Pm​(xn​)​
由Vandermonde行列式的性质, a 0 , m , a 1 , m , … , a n , m a_{0,m},a_{1,m},\dots,a_{n,m} a0,m​,a1,m​,…,an,m​ 可被唯一表示,由 P m ( x ) P_m(x) Pm​(x) 的有界性得到 a 0 , m , a 1 , m , … , a n , m a_{0,m},a_{1,m},\dots,a_{n,m} a0,m​,a1,m​,…,an,m​ 的有界性
故由对角线方法,可选到共同的子列使得 a 0 , m i → a 0 ∗ , … , a n , m i → a n ∗ a_{0,m_i}\to a_0^*,\dots,a_{n,m_i}\to a_n^* a0,mi​​→a0∗​,…,an,mi​​→an∗​
令 P ∗ ( x ) = a 0 ∗ + a 1 ∗ x + a 2 ∗ x 2 + ⋯ + a n ∗ x n P^*(x)=a_0^*+a_1^* x+a_2^*x^2+\cdots+a_n^* x^n P∗(x)=a0∗​+a1∗​x+a2∗​x2+⋯+an∗​xn

  • 得到的 P ∗ ( x ) P^*(x) P∗(x) 即为所求
    E n ≤ Δ ( P ∗ ) ≤ Δ ( P ) + max ⁡ x ∣ P − P ∗ ∣ ≤ E n + ε → E n \begin{split} E_n&\leq \Delta (P^*)\\ &\leq \Delta (P) + \max\limits_x {|P-P^*|}\\ &\leq E_n + \varepsilon\to E_n \end{split} En​​≤Δ(P∗)≤Δ(P)+xmax​∣P−P∗∣≤En​+ε→En​​

定理:若最佳逼近多项式存在,那么正、负偏离点必同时存在

证明:容易想象,如果多项式无法同时达到正、负偏离点,那么总可以通过上下平移的方式减小偏差

Chebyshev定理: P n \mathbb{P}_n Pn​ 中最佳逼近多项式存在且唯一,且 P n ( x ) P_n(x) Pn​(x) 为最佳逼近多项式当且仅当不少于 n + 2 n+2 n+2 个点为正负偏离点,且交错取到

证明
充分性:(Vallee-Poussin 定理)

设 P ( x ) ∈ P n P(x)\in\mathbb{P}_n P(x)∈Pn​, ε ( x ) = P ( x ) − f ( x ) \varepsilon (x)=P(x)-f(x) ε(x)=P(x)−f(x) 在 x 1 < ⋯ < x N x_1<\cdots<x_N x1​<⋯<xN​ 上取值为非零的正负相间值 λ 1 , − λ 2 , … , ( − 1 ) N − 1 λ N , ( λ i > 0 ) \lambda_1,-\lambda_2,\dots,(-1)^{N-1}\lambda_N,(\lambda_i>0) λ1​,−λ2​,…,(−1)N−1λN​,(λi​>0) 且 N ≥ n + 2 N\geq n+2 N≥n+2 ,则有
∀ Q ( x ) ∈ P n , Δ ( Q ) ≥ min ⁡ λ i \forall Q(x)\in\mathbb{P}_n,\Delta (Q)\geq \min \lambda_i ∀Q(x)∈Pn​,Δ(Q)≥minλi​

证:反证法+零点存在性定理可导出 P ( x ) = Q ( x ) P(x)=Q(x) P(x)=Q(x) ,得矛盾

必要性:只需证不少于 n + 2 n+2 n+2 个正负偏离点,用反证法
若只有 n + 1 n+1 n+1 个正负偏离点 x i x_i xi​,则构造
Q ( x ) = P ( x ) + ω ∏ ( x − x i ) Q(x)=P(x)+\omega \prod\limits(x-x_i) Q(x)=P(x)+ω∏(x−xi​)适当选择 ω \omega ω 的符号,即可得到 Δ ( Q ) < Δ ( P ) \Delta (Q)<\Delta(P) Δ(Q)<Δ(P)

唯一性:同一法 + 零点存在性定理

定理
若 f ( n + 1 ) ( x ) f^{(n+1)}(x) f(n+1)(x) 在 ( a , b ) (a,b) (a,b) 上存在且保号,则 f ( x ) f(x) f(x) 在 P n \mathbb{P}_n Pn​中的最佳逼近多项式满足:恰有 n + 2 n+2 n+2 个正负偏离点,且 a , b a,b a,b 均为正负偏离点

证明:反证法+Rolle定理

3.3 最小零偏差多项式

定义:(最小零偏差多项式)
0 0 0 在 P n \mathbb{P}_n Pn​ 中的最佳逼近多项式称为最小零偏差多项式,或称 Chebshev最佳逼近多项式

注:等价于 x n x^n xn 在 P n − 1 \mathbb{P}_{n-1} Pn−1​ 中的最佳逼近多项式

定理:(Chebshev最佳逼近多项式的结构)
最小零偏差多项式为 2 1 − n T n ( x ) 2^{1-n}T_n(x) 21−nTn​(x) ,其中 T n ( x ) T_n(x) Tn​(x) 为 Chebshev多项式
T n ( x ) = cos ⁡ ( n arccos ⁡ x ) T_n(x)=\cos{(n\arccos{x})} Tn​(x)=cos(narccosx)

证明
找 x n x^n xn 在 P n − 1 \mathbb{P}_{n-1} Pn−1​ 中的最佳逼近多项式的 n + 1 n+1 n+1 个交错点列,对于 Chebshev多项式即 cos ⁡ k π n , k = 0 , 1 , … , n \cos{\frac{k\pi}{n}},k=0,1,\dots,n cosnkπ​,k=0,1,…,n

推论:
对所有首项系数为 1的 n n n 次多项式,有
max ⁡ ∣ x ∣ ≤ 1 ∣ P n ( x ) ∣ ≥ 2 1 − n \max\limits_{|x|\leq 1}|P_n(x)|\geq 2^{1-n} ∣x∣≤1max​∣Pn​(x)∣≥21−n

参考书籍:《数值分析》李庆扬 王能超 易大义 编

标签:mathbb,dist,复习,逼近,多项式,最佳,Pn
From: https://blog.csdn.net/2301_76884115/article/details/136946079

相关文章

  • 数值分析复习:样条插值
    文章目录样条插值1.样条函数1.1泛函极小解和三次样条函数1.2S(x......
  • 高等代数复习:线性空间
    文章目录线性空间定义和性质线性相关性与秩基与维数矩阵的秩同构坐标子空间解线性方程组本篇文章适合个人复习翻阅,不建议新手入门使用线性空间定义和性质定义:(线性空间)设集合VV......
  • (51/60)买卖股票的最佳时机含冷冻期、买卖股票的最佳时机含手续费
    day51买卖股票的最佳时期含冷冻期leetcode:309.买卖股票的最佳时机含冷冻期动态规划代码实现/*意义:下标为i时各种情况的收益dp[i][0]持有dp[i][1]当天卖出dp[i][2]之前不持有递推:dp[i][0]=max(dp[i-1][0],dp[i-1][2]-prices[i]);//之前持有、之前不持有且当......
  • (50/60)买卖股票的最佳时机Ⅲ、买卖股票的最佳时机Ⅳ
    day50买卖股票的最佳时机Ⅲleetcode:123.买卖股票的最佳时机III动态规划代码实现/*意义:下标为i时,不同状态收益为dp[i][0]未持有dp[i][1]第一次持有dp[i][2]第一次未持有dp[i][3]第二次持有dp[i][4]第二次未持有递推:dp[i][0]=dp[i-1][0];之前未持有dp[i]......
  • (48/60)买卖股票的最佳时机、买卖股票的最佳时机Ⅱ
    day48买卖股票的最佳时机leetcode:121.买卖股票的最佳时机动态规划代码实现/*意义:dp[i][0]下标为i天持有股票的最大收益;dp[i][1]下标为i天不持股的最大收益递推:之前买入、当天买入:dp[i][0]=max(dp[i-1][0],-prices[i]);之前卖出、当天卖出:dp[i][1]=max(dp[i-1][1],......
  • mdk的基础条叫 && c复习(hal库)
    文章目录11.11.21.31.41.52.c2.12.22.32.42.52.62.72.82.911.1设置了config里面的编码字体颜色用户关键词代码补全动态语法检测配置文件prop在mdk/uv4目录下可以用别人的(和游戏配置复制别人的似的)1.2整体tabshift+tab还有图形快捷键编译速度会变......
  • 适用于 Windows 2024 的 7 个最佳免费分区恢复软件分享
    无法确定2024年Windows上最好的免费分区恢复软件是什么?那么,我们可以提供帮助!我们测试了目前市场上可用的几种硬盘分区恢复软件-包括免费和付费版本。您现在所需要的只是-只需浏览列表并选择适合您要求的一项即可。继续阅读!错误地按错按钮或面临断电可能会导致一些严重......
  • 复习java的第一天3.18的文章
    大家好,我准备在这里记录我每天的学习(复习)java的成果,以及计划和规划,为的就是希望能找几个月后能找一份工作,并且我希望自己能坚持下去,养成一个良好的习惯,让自己不再那么迷茫,与其内耗不如做点有意义有方向的事情.之前我一直想不明白自己到底想要干什么,因为网上看着大家都说......
  • 复习第二天总结笔记3.19
    今天复习了以下内容1.掌握了变量的定义和使用重点记录Java常量优化机制2.使用Debug工具查看程序的执行流程3.使用Scanner键盘录入数据4.清楚算数符中/%的特点数值拆分公式5.掌握Java中的字符串拼接操作至于今天学习或者以前没了解完全的内容如下1.了解清楚自......
  • 复习Java的第三天3.20
    今天的复习学习内容就这么多虽然不多但是贵在坚持如果能把每一天的事情都做好就很满足了最重要的是享受过程而不是一天一天的重复学习而不感兴趣感受不到新知识所带来的快乐以下是今天复习内容:1.运用关系运算符完成数据的比较2.复习了逻辑运算符的运算以及特点(&|!^......