一、正交多项式与最小二乘拟合Orthogonal Polynomials Least-Squares Approximation 已知x1…,xm;y…ym求一个简单易算的近

5-1多项式插值的问题 前面根据区间[ab上给出 的节点做插值多项式Ln(x) 近似f(x),一般总认为L1(x)的次 数n越高逼近(x)的精度 越好,但实际上并非如此。这是 因为对任意的插值节点 ,当n>0时,L(x)不一定收敛 到∫(x),本世纪初龙格 ( Runge)就给出了一个等距节 点插值多项式Ln(x)不收 敛的f(x)的例子。他给出的函数 为f(x)=1(1+x)

已知x1…xm;y 求一个简单易算的近 似函数P(x)≈fx)使得∑Px)-P最小 已知{a,b上定义的fx),求一个简单易算的 近似函数P(x)使得』P(x)-f(x)最小 定义线性无关 linearly independent函数族{a(x)

前面根据区间 [a, b] 上给出 的节点做插值多项式 L (x) n 近似 f (x) ，一般总认为 L (x) n 的次数 n 越高逼近 f (x) 的精度 越好，但实际上并非如此

用插值的方法对一函数进行近似,要求所得到的 插值多项式经过已知插值节点;在n比较大的情 况下,插值多项式往往是高次多项式这也就容 易出现振荡现象(龙格现象),即虽然在插值 节点上没有误差,但在插值节点之外插值误差变 得很大,从“整体”上看,插值逼近效果将变得“很 差”。 所谓数据拟合是求一个简单的函数,例如是一个 低次多项式,不要求通过已知的这些点而是要 求在整体上“尽量好”的逼近原函数。这时,在每 个已知点上就会有误差,数据拟合就是从整体上 使误差,尽量的小一些

本教材第2版为普通高等教育“十五”国家级规划教材，在国内同类教材中有着非常广泛和积极的影响。本版是在第2版的基础上经过较大的修改编写而成的，内容得到了必要而合理的调整，逻辑结构更加清晰明了本教材分上、下两册。本书为上册，内容包括实数和数列极限，函数的连续性，函数的导数。Taylor定理，求导的逆运算。函数的积分。积分学的应用，多变量函数的连续性，多变量函数的微分学，以及多项式的插值与逼近初步（附录）。书中配有丰富的练习题，可供学生巩固基础知识；同时也有适量的问题，可供学有余力的学生练习，并且书后附有问题的解答或提示，以供参考

用均方误差最小作为度量标 准，研究函数 f (x) C[a,b] 的逼近多项 式，就是最佳平方逼近问题

Korovkin定理 如所知,逼近的目的,是用简单的函数来逼近复杂的函数本章讲述用多项 式序列逼近有界闭区间上连续函数的可行性 §1. Weierstrass第一定理 在实变函数的数学分析中,最重要的函数类实连续函数类Cab与连续的 周期函数类C2n Ca,b]是定义在某一闭区间[a,b]上的一切连续函数所成的集合;