第八章函数逼近 拟解决的问题: 1.计算复杂的函数值 2.已知有限点集上的函数值,给出在包含该点集的区间上函数的简单表达式 函数逼近—对函数类A中给定的函数f(x),记作f∈A要求在另一类简单的便于计算的函数类B中求函数B使p(x)与f(x)的误差在某种度量意义下最小。 本章只讨论逼近函数为m次的代数多项式pm(x)的情形

第九章 函数逼近 9.1 逼近问题的描述 9.2 内积空间的最佳逼近 9.3 最小二乘法 9.4 最佳平方逼近与正交多项式 9.5 周期函数的最佳平方逼近与快速傅立叶变换 9.6 最佳一致逼近多项式 9.7 切比雪夫多项式 9.8 函数逼近的若干重要定理 第十章 最优化方法 10.1 线性规划问题 10.2 线性规划问题的几何意义 10.3 单纯形法 10.4 非线性优化问题 10.5 一维搜索 10.6 无约束非线性优化

一、函数逼近:用比较简单的函数代替复杂的函数。 二、误差为最小，即距离为最小（不同的度量意义） 举例：对被逼近函数f(x)=sqrt(x）,在区间［0，1］上按三种不同的逼近方式求其形如

§9.1 逼近问题的描述 §9.2 内积空间的最佳逼近 §9.3 最佳平方逼近与正交多项式 §9.4 周期函数的最佳平方逼近与快速傅立叶变换 §9.5 最佳一致逼近多项式 §9.6 切比雪夫多项式 §9.7 函数逼近的若干重要定理

一、函数逼近:用比较简单的函数代替复杂的函数 二、误差为最小，即距离为最小（不同的度量意义）

给出一组离散点，确定一个函数逼近原函数，插值是这样的一种手段。 在实际中，数据不可避免的会有误差，插值函数会将这些误差也包括在内。 因此，我们需要一种新的逼近原函数的手段： ①不要求过所有的点（可以消除误差影响）；

给出一组离散点,确定一个函数逼近原函数,插值是这样的一种手段在实际中,数据不可避免的会有误差,插值函数会将这些误差也包括在内因此,我们需要一种新的逼近原函数的手段: ①不要求过所有的点(可以消除误差影响) ②尽可能表现数据的趋势,靠近这些点

1.问题的提出 用插值的方法对这一函数进 行近似,要求所得到的插值多项式 经过已知的这n+1个插值节点; 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”。于是,我们采用函数 逼近的方法

一般多项式函数逼近 切比雪夫多项式 勒让德多项式 正交多项式的应用

5.1 引言 §5.3 函数的最佳一致逼近 (Optimal uniform Approximation)