Вычислительная математика. Лекции
.pdfГлава 6
АППРОКСИМАЦИЯ ФУНКЦИЙ.
В предыдущей главе мы строили для функции f функцию fe, исходя из значений функции f в системе узлов. Исследовалась методическая погрешность и неустранимая погрешность, связанная с неточностью задания значений функции f в узлах. Возникает вопрос: следует ли ставить задачу интерполяции, если заведомо известно, что исходные данные содержат погрешности?
Ясно, что в этом случае следует изменить постановку задачи.
6.1Аппроксимация элементов гильбертова пространства H.
Определение гильбертова пространства начинается с введения в линейном пространстве скалярного произведения, затем определяется норма элементов и определяется метрика пространства. Если полученное нормированное пространство оказывается полным, то оно называется гильбертовым.
Постановка задачи. Пусть дана система линейно независимых элементов гильбертова пространства H:
'1; '2; : : : ; 'm:
Рассмотрим линейную оболочку этих элементов L('1; : : : ; 'm), т.е. множество всех линейных комбина-
ций элементов '1; '2; : : : ; 'm:
m
X
cj'j
j=1
Упорядоченная система чисел fc1; c2; : : : ; cmg образует m-мерный вектор C.
Для заданного элемента f 2 H найти вектор C Vm, такой что
m
X
kf cj'jkH ! min :
j=1
c1;:::;cm
Ясно, что задача эквивалентна задаче минимизации функционала
m
X
J(f; C) = kf cj'jk2H:
j=1
Функционал
mm
XX
J(f; C) = (f cj'j; f ci'i) =
j=1 i=1
mm
=2[12 X cicj('i; 'j) Xci(f; 'i)] + kfk2H:
i;j=1 |
i=1 |
Обозначим aij = ('i; 'j) и матрицу A = faijgmi;j и вектор b = fbigmi=1 bi = (f; 'i). Тогда
J(f; C) = 2[12(AC; C) + (b; C)] + kfk2:
58
Свойства матрицы A: 1. Матрица A симметрична.
2. Столбцы матрицы A, т.е. векторы j = f('i; 'j)gmi=1 линейно независимы. Действительно, предположим противное:
m |
|
|
|
m |
|
|
m |
|
m |
|
m |
m P |
j |
|
j = 0, при |
j2 |
> 0. Тогда |
P |
j('i; 'j) = 0 для всех i = |
1; 2; : : : ; m, и |
|
|
|
|
i |
j('i; 'j) = |
|||||||||
|
m |
P |
|
m |
m |
P |
jP |
||||
j=1 |
|
P |
j=1 |
|
iP |
j=1 |
P |
i=1 |
|
=1 |
|
P |
|
|
|
|
|
|
|
||||
(i=1 i'i; j=1 j'j) = 0. Тогда k |
=1 i'ik = 0 и i=1 i'i = 0, т.е. элементы '1; '2; : : : ; 'm линейно зависимы. |
3. Матрица A положительна. Действительно, положим f = 0, тогда b = 0 и J(0; C) = (AC; C) 0: Собственные числа матрицы A действительны и неотрицательны:
01 2 m:
4.Матрица A положительно определенная, т.е. 1 > 0. Действительно, если 1 = 0 и собственный вектор C0 6= 0, то AC0 = 0. Так как столбцы матрицы A линейно независимы, то det A 6= 0 и вектор C0 = 0.
Задачу минимизации квадратичной функции
1
2(AC; C0) + (b; C)
мы решили в прошлом семестре: её минимум достигается на единственном векторе C , являющемся единственным решением системы
AC = b где A = f('i; 'j)gmi;j=1; b = f(f; 'i)gmi=1
Замечание: Если система элементов f'1; : : : ; 'mg ортонормирована, то A = E и решение задачи C = b.
e |
m |
iP |
|
Для элемента f искомый элемент f равен |
(f; 'i)'i. |
|
=1 |
Элемент feназывается аппроксимацией элемента f в гильбертовом пространстве H по системе линейно независимых элементов '1; '2; : : : ; 'm. Числа (f; 'i) называются коэффициентами Фурье элемента f в разложении элемента f по элементам '1; '2; : : : ; 'm:
6.2Ортогональные полиномы.
Исходя из системы линейно независимых элементов '1; '2; : : : ; 'n гильбертова пространства H, можно построить ортонормальную систему 1; 2; : : : ; n. Метод ортогонализации системы элементов f'igni=1 состоит в построении линейных комбинаций исходной системы элементов:
|
|
k 1 |
|
|
('k; i) |
||
1 = '1; |
|
Xi |
; |
ki = ( i; |
e |
||
k = 'k + ki i |
i) |
||||||
e |
e |
=1 |
e |
|
|
e |
e |
|
|
|
|
|
|
|
|
с последующей нормировкой: |
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
k = |
k eKk |
: |
|
|
|
|
|
|
e |
|
|
|
|
Рассмотрим функции 1; x; x2; : : : ; xn на (a; b) как линейно независимые элементы гильбертова пространства H со скалярными произведением
b
Z
(f; g) = f(x)g(x)p(x)dx;
a
где p(x)- весовая функция, p(x) 0:
Процесс ортогонализации этой системы приводит к ортогональным полиномам. Рассмотрим примеры ортогональных полиномов. Для них
1.приведены реккурентные формулы,
2.приведено их дифференциальное представление,
3.приведены дифференциальные уравнения второго порядка с переменными коэффициентами.
59
Полиномы Лежандра Pn(x):
|
|
|
|
|
|
1 |
|
|
|
|
|
||
|
|
|
|
|
(a; b) = ( 1; 1); p(x) = 1; (f; g) = Z |
f(x)g(x)dx; H = L2( 1; 1): |
|
|
|||||
1. P0(x) = 1; P1(x) = x; |
|
|
1 |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
(n + 1)Pn+1(x) (2n + 1)xPn(x) + nPn 1(x) = 0 |
|
|
|
|
|||
|
|
|
|
|
|
1 |
|
|
3 |
1 |
|
||
|
|
|
|
Pn+1(x) = |
|
|
[(2n + 1)xPn(x) nPn 1(x)]; (P2(x) = |
|
x2 |
|
): |
||
|
|
|
n + 1 |
2 |
2 |
||||||||
2. Pn(x) = |
1 |
|
n |
|
|
|
|
|
|
|
|
||
|
d |
(x2 1)n: |
|
|
|
|
|
||||||
n!2n |
dxn |
|
|
|
|
|
|||||||
3. (1 x2)y00 |
(x) 2xy0(x) + n(n 1)y(x) = 0; y( 1) = Pn( 1); y0( 1) = Pn0 ( 1): |
|
|
Полиномы Чебышева Tn(x):
|
|
|
|
|
|
|
|
1 |
|
|
|
||||||
|
|
|
|
1 |
|
1 |
|
||||||||||
(a; b) = ( 1; 1); p(x) = |
p |
|
|
; |
|
|
(f; g) = R1 f(x)g(x) |
p |
|
dx: |
|||||||
1 x2 |
1 x2 |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Tn(x) = cos(n arccos x): |
||||
1. T0(x) = 1; T1(x) = x; |
|
|
|
|
|
|
Tn+1(x) 2xTn(x) + Tn 1(x) = 0; |
||||||||||
|
|
|
|
p |
|
|
|
|
|||||||||
2. Tn(x) = ( 1) |
n |
1 |
|
|
|
|
|
dn (1 x2)n |
|||||||||
|
1 x |
2 |
|||||||||||||||
|
|
|
|
|
|
|
( |
p |
|
): |
|||||||
|
(2n 1)!! |
|
dxn |
||||||||||||||
|
|
|
|
|
1 x2 |
3. (1 x2)y00(x) xy0(x) + ny(x) = 0:
Полиномы Лаггера Ln(x), > 1.
|
|
|
|
|
|
|
|
|
|
|
1 |
|
(a; b) = (0; 1), p(x) = x e x; (f; g) = |
||||||||||||
x e xf(x)g(x)dx: |
||||||||||||
1. L = 1, L = 1 + x1 |
R |
|||||||||||
|
|
|
|
|
|
|
|
|
0 |
|||
|
0 |
1 |
|
|
|
|
||||||
|
|
|
|
|
(n + 1)Ln+1(x) (2n + + 1 x)Ln(x) + (n + )Ln 1(x) = 0: |
|||||||
2. L (x) = |
1 |
|
|
|
n |
|
|
|
|
|||
x ex |
d |
(e xx ): |
|
|||||||||
|
n |
|
||||||||||
3. |
n |
|
n! |
dx |
|
|
|
|
||||
xy00 |
(x) + ( + 1 |
|
x)y0(x) + ny(x) = 0: |
|||||||||
|
|
|
|
|
|
|
|
|
Полиномы Эрмита Hn(x):
1
x 2 (1; 1); p(x) = e x2 ; (f; g) = R e x2 f(x)g(x)dx:
1
1. H0(x) = 1; H1(x) = 2x;
Hn+1(x) 2xHn(x) + 2nHn 1(x) = 0:
2. Hn(x) = ( 1)ex2 dn e x2 :
dxn
3. y00(x) 2xy0(x) + 2ny(x) = 0:
Общие свойство ортогональных полиномов: все нули полиномов простые и расположены на (a; b). Рассмотренные полиномы ортогональны, но не ортонормированы. Минимизация kf(x)
приводит к аппроксимации в гильбертовом пространстве H функции f 2 H по ортогональным полиномам
0; 1; : : : ; m.
60
6.3Метод наименьших квадратов (МНК).
Постановка задачи. Пусть выбрана система линейно независимых и непрерывных на [a; b] функций
|
|
m |
|
m |
|
|
|
||||
|
|
jP |
|
|
|
||||||
'1(x); : : : ; 'm(x): cj'j(x). |
|
|
|
|
|||||||
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
jP |
|
|
|
Требуется построить вектор C(c1; c2; : : : ; cm) такой что норма вектора = ffi |
=1 cj'j(xi)gin=1 |
k k2 = |
|||||||||
n |
m |
|
|
|
|
||||||
(P |
[fi P cj'j(xi)]2)21 была минимальной. |
|
|
|
|
||||||
i=1 |
j=1 |
|
|
|
|
Решение этой задачи сводится к решению задачи, поставленной и решенной в x1.
Образуем вектор-столбцы j = ('j(x1); : : : ; 'j(xn)) 2 Vn. Можно считать, что они линейно независимы. (В противном случае оставим только линейно независимые столбцы) Число линейно независимых столбцов не может превосходить размерности: m n.
Обозначим вектор (f1; f2; : : : ; fn) = f 2 Vn.
Для этого вектора требуется построить вектор C 2 Vm, такой что величина
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k22 = k |
|
|
|
|
|
|
Xj |
|
|
|
|
jk22 |
|||||||||
|
|
|
|
|
|
k |
|
f |
|
|
|
|
cj |
|
|||||||||||||||||
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
была минимальной. Взяв в качестве гильбертова пространства H пространство векторов со скалярным |
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
iP |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
произведением ( |
a; b) = |
=1 aibi и с нормой k |
a |
k22 = ( |
a; |
a |
), придем к частному случаю аппроксимации вектора |
||||||||||||||||||||||||
f по системе линейно независимых элементов |
|
1; |
|
2; : : : ; |
|
m. |
|||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||
e |
Метод наименьших квадратов: составим матрицу A |
= faijgi;jm ; aij = ( |
|
|
|
j) и вектор |
|
2 Vm; bi = |
|||||||||||||||||||||||
|
i; |
|
b |
(f; i). Вектор C , на котором достигается минимум k k22 единствен и является решением СЛАУ: AC =
b.
Для построения этой системы удобно сначала построить матрицу Q(n m) со столбцами 1; :::; m, затем транспонированную матрицу QT . Тогда матрица A = QT Q, а вектор b = QT f.
Предполагается, что fi являются измеренными, вычисленными (возможно неточно) значениями неко-
m
торой функции f(x) в узлах x1; :::; xn. Поэтому функция f~ = P Cj 'j(x), построенная по методу меньших
j=1
квадратов, является аппроксимацией функции f(x) по системе функций '1(x); '2(x); :::; 'm(x): Пример. Узлы x1; x2; x3; (n = 3) и значения f1; f2; f3
x1 = x2 h; x3 = x2 + h
0 1
1 h
Выберем функции '1(x) = 1; '2(x) = x x2; m = 2: Матрица Q = @1 0 A; 1 h
Матрица QT = |
h |
|
0 |
h ; |
|||||
|
|
|
|
|
|
1 |
|
1 |
1 |
Матрица A = QT Q = |
0 |
2h2 |
|||||||
|
|
|
|
|
|
|
|
3 |
0 |
|
|
|
|
|
|
C = |
f1+f2+f3 ; |
||
AC = |
b : |
||||||||
|
|
|
|
|
1 |
|
3 |
|
; b = QT f = |
1hf1 + hf3 |
|
|
||||||||
|
|
|
|
|
|
|
cf + f2 + f3 |
|
|||
|
|
|
= f3 f1 |
|
|||||||
C |
и аппроксимация функции имеет вид: |
||||||||||
2 |
|
2h |
|
|
|
|
|
||||
f~(x) = |
f1 + f2 + f3 |
+ |
f3 f1 |
(x |
x ): |
||||||
|
2h |
||||||||||
|
|
|
3 |
|
|
|
2 |
Пусть значения fi = f(xi) - точные значения функции f(x), имеющей на [x1; x3] непрерывные вторые производные и jf00(x)j M2. Оценим разность r(x) = f(x) f~(x).
f1 = f(x1) = f(x2) f0(x2)h + 12f00( 1)h2;
f2 = f(x2);
f3 = f(x3) = f(x2) + f0(x2)h + 12f00( 2)h2:
61
f~ = f(x2) + 16h2[f00( 1 + 2)] + (x x2)21h[2f0(x2)h + 12h2(f00( 2) f00( 1))] f(x) = f(x2) + f0(x2)(x x2) + 12f00( 3)(x x2)2:
jr(x)j 16h22M + 12h2M2 + 12M2h2 = 43M2h2:
6.4Аппроксимация элементов в пространствах Банаха.
Банахово пространство. Рассматривается линейное множество элементов. Для каждого элемента f этого множества определяется число kfk, удовлетворяющее условиям:
1.kfk 0; если kfk = 0, то f-нулевой элемент множества.
2.k fk = j j kfk
3.kf + 'k kfk + k'k:
Далее вводится метрика: (f; ') = kf 'k: Полученное метрическое пространство называется нормированным пространством. Если нормированное пространство оказывается полным, то оно называется пространством Банаха или банаховым пространством. Норма элемента kfk обозначается kfkB. В этом параграфе будем обозначать kzkB = kzk; z 2 B
Постановка задачи. Пусть заданы линейно независимые элементы банахова пространства B:
'1; '2; : : : ; 'm:
Образуем линейную оболочку этих элементов, т.е. множество элементов вида
m
X
ck'k:
k=1
Обозначим через c вектор (c1; c2; : : : ; cm); c 2 Vm:
Постановка задачи:
Для заданного элемента f 2 B найти вектор c, такой что величина
m
X
J(f; c) = kf ck'kk
k=1
была бы минимальной.
Лемма. Функция J(f; c) многих переменных c1; c2; : : : ; cm непрерывна.
Действительно, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
jJ(f; |
|
+ |
|
) J(f; |
|
)j = |
kf m (ck + ck)'kk kf m ck'kk |
= |
||||||||
c |
c |
c |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
k=1 |
|
k=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
X |
|
|
|
|
|
|
|
|
|
|
m |
|
m |
m |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
kf ck'k ck'kk kf ck'kk |
|
|
|
|
|||||||||||
|
|
|
|
|
k=1 |
|
k=1 |
k=1 |
|
|
|
|
|
|||
|
|
|
|
|
X |
|
X |
X |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
m |
|
|
|
|
|
m |
m |
|
|
|
|
|||
X |
X |
j ckjk'kk k=1;:::;m j ckj |
X |
X |
k'kk k ck1 ! 0 |
|||||||||||
k ck'kk |
|
|
k'kk = |
|
||||||||||||
k=1 |
k=1 |
|
|
|
|
max |
k=1 |
k=1 |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
при k ck1 ! 0:
62
Замечание: ввиду эквивалентности норм в векторном пространстве Vm можно рассматривать любую векторную норму.
Теорема. Функция J(f; c) достигает своего минимального значения на ограниченном в пространстве Vm множестве.
Доказательство. Ясно, что J(f; c) ограничена снизу: J(f; c) 0: Если рассматривать любое ограниченное в Vm множество, то на нем непрерывная функция J(f; c) достигает своего минимального значения. Наша задача показать, что минимум J(f; c) достигается только на ограниченном множестве, что почти очевидно, так как при неограниченном росте kck значения J(f; c) стремятся к бесконечности.
m
P
1. Положим f = 0: Тогда J(0; c) = k ck'kk: В Vm рассмотрим сферу S1; т.е. множество векторов c с
k=1
нормой kck = 1: Так как множество S1 ограничено, то
inf J(0; c) = min J(0; c) = :
S1 |
S1 |
|
|
m |
m |
Величина > 0: В противном случае ( = 0)k P ck'k = 0; |
P ck'k = 0; и элементы '1; '2; : : : ; 'm |
линейно зависимы.
Ясно, что на любой сфере Sr(r > 0)
m
X
J(0; c) = k
k=1
k=1 k=1
m
ck'kk = rk X crk 'kk r :
k=1
2. Вычислим величину r0 = и рассмотрим в Vm шар Шr0 с центром в начале координат и с радиусом r0: В этом шаре функция J(f; c) достигает своего минимума
min J(f; c) = : J(f; c) ; c 2 Шr0
Шr0
и в частности, при c = 0 J(f; 0) : А так как J(f; 0) = kfk; то в шаре Шr0 значение kfk :
3. Рассмотрим векторы c вне шара Шr0 : kck > r0: Для этих векторов
|
|
m |
|
m |
|
|
|
X |
|
X |
|
J(f; |
c |
) = k k=1 ck'k fk k k=1 ck'kk kfk : |
|||
|
|
|
|
|
|
|
|
|
|
|
|
m
P
Но k ck'kk = J(0; c); и при kck > r0 величина J(0; c) > r0 = 2kfk:
k=1
Тогда J(f; c) > kfk; а так как kfk ; то мы получаем что вне шара Шr0 значения J(f; c) > : Следовательно, минимум функции J(f; c) достигается внутри шара Шr0 :
Замечания:
1.Единственность вектора c ; на котором достигается минимум функции J(f; c); не утверждается.
2.В общем случае нет методов построения вектора c ; т.е. нет методов построения аппроксимации элемента f 2 B линейными комбинациями элементов '1; '2; : : : ; 'm:
63
6.5Аппроксимация функций в пространстве C[a; b].
Вэтом частном случае банахова пространства верна теорема (теорема единственности вектора c ):
Теорема Хаара. Если функции '1(x); '2(x); : : : ; 'n(x) непрерывны и линейно независимы, то существу-
ет единственный вектор c 2 Vn; такой что
|
|
|
m |
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
X |
|
|
|
min |
f |
|
c |
' |
|
= |
|
f |
|
c |
' |
|
: |
|
c |
Vn k |
|
|
k |
|
kkC[a;b] |
|
k |
|
|
k |
|
kkC[a;b] |
|
2 |
|
|
k=1 |
|
|
|
|
|
|
|
k=1 |
|
|
|
Взяв в качестве системы линейно независимых функций
'k(x) = xk; k = 0; 1; : : : ; n;
получаем: среди всех полиномов Qn(x); рассматриваемых на [a; b]; существует единственный полином Pn(x); такой что для заданной функции f 2 C[a; b]
min( max jf(x) Qn(x)j) = max jf(x) Pn(x):
Qn x2[a;b] |
x2[a;b] |
Этот полином называется полиномом наилучшего равномерного приближения для функции f(x) и называется Pn(f; x).
В общем случае нет конструктивных методов построения полинома Pn(f; x):
Следующая теорема дает правило для распознавания полинома наилучшего равномерного приближения к функции f(x):
Теорема Чебышева об альтернансе.
Для того чтобы полином Pn(x) был полиномом наилучшего равномерного приближения к функции f(x); необходимо и достаточно, чтобы существовало (n + 2) точки a x0 < x1 < < xn < xn+1 b; такие что
k |
max |
f(x) |
|
P |
(x) |
: |
|
f(xk) Pn(f; xk) = ( 1) [ "]; где " = |
|
||||||
x j |
|
n |
j |
|
Пример. [a; b] = [0; ]; f(x) = sin(x):
Рассмотрим полином P1(x) = 0 x + 12 : Разность
f(x) P1(x) = sin(x) |
1 |
; |
max jf(x) P1(x)j = |
1 |
= ": |
2 |
2 |
Ясно, что точки x0 = 0; x1 = 2 ; x2 = являются точками чебышевского альтернанса: f(x0) P1(x0) =
12 ; f(x1) P1(x1) = 12 ; f(x2) = 12 :
Следовательно среди всех полиномов первой степени полином P1(x) является полиномом наилучшего равномерного приближения к функции f(x) = sin(x); x 2 [0; ]:
64
6.6Полиномы Бернштейна.
Для функции f(x); удовлетворяющей на [a; b] условию Липшица:
jf(x2) f(x1)j < Ljx2 x1j; |
x1; x2 2 [a; b]: |
можно указать простой метод построения полинома степени n с гарантированной оценкой
max jf(x) Pn(x)j:
x2[a;b]
Рассмотрим отрезок [a; b] = [0; 1] и функции Sm(x)
n
X
Sm(x) = kmCnkxk(1 x)n k k=0
При m = 0
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
Ckxk(1 |
|
x)n k |
|
|
|
|
|
|
|
|
|
|
|
x)]n = 1: |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
S |
(x) = |
|
|
|
|
= [x + (1 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
k=0 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Вычислим |
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
dSm(x) |
|
|
|
|
|
|
|
|
|
|
kxk 1(1 |
|
|
|
x)n k |
|
|
xk(n |
|
|
|
k)(1 |
|
|
x)n k 1 |
= |
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
= kmCk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
dx |
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
1 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x+ |
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
x |
k=0 |
km+1Cnk(1 x)n k n xkCnk(1 x)n k |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
(1 x)n k |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
+ |
|
km+1xkCk |
= |
|
S (x) |
|
|
|
|
|
|
(nS (x) S (x)) = |
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
X |
|
|
|
|
n |
|
1 |
|
x |
|
|
|
|
x m+1 |
|
|
|
|
|
1 |
x |
|
|
|
|
|
m |
|
|
m+1 |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
S |
|
|
|
(x) |
|
|
|
|
n |
|
|
|
S |
|
|
(x) = S0 |
(x): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m+1 |
1 x |
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x(1 x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x)S0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S |
m+1 |
(x) = x(1 |
|
|
(x) + nxS |
m |
(x): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S1(x) = nx; |
|
|
|
|
|
S2(x) = x(1 x)n + (nx)2: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
Полином Бернштейна Bn(f; x) для функции f(x), заданной на отрезке [0; 1], называется полином |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
Bn(f; x) = |
|
|
|
|
f(xk)Cnkxk(1 x)n k; |
|
|
|
|
|
xk = |
|
: |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Доказательство. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j |
|
n |
|
|
|
|
|
j pn p |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
Теорема. Если функция f удовлетворяет на [0; 1] условию Липшица, то |
|
B (f; x) |
|
|
f(x) |
|
L |
x(1 x): |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
Ckxk(1 x)n k = 1: |
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
B (f; x) f(x) = |
[f(x ) f(x)]Ckxk(1 x)n k |
|
|
|
|
|
|
|
|
|
kP |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
n |
|
|
|
|
P |
k |
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, так как |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
Тогда |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
xjCnkxk(1 x)n k = L |
X |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
jBn(f; x) f(x)j L |
|
|
|
j |
n |
|
|
|
|
k k; |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
||||||||
где k = |
k |
|
x , k = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
Ckxk(1 |
|
x)n k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
jn |
j |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Ясно, что |
|
|
|
p |
|
|
|
|
|
|
|
n |
k k! |
2 |
|
|
|
n |
|
|
k2 |
|
n |
|
k2 = k2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
X |
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
k=0 |
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
65
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
2 |
= 1 |
|
n |
(k nx)2Ckxk(1 x)n k = |
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
k |
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
n2 |
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
= n2 " |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cnkxk(1 x)n k# = |
|
|||||||||||
|
n |
k2Cnkxk(1 x)n k 2nx kCnkxk(1 x)n k + (nx)2 |
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
1 |
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
k=0 |
|
|
|
|
|
||||||
= |
1 |
|
S |
(x) |
|
2nxS (x) + (nx)2S |
|
(x) |
= |
1 |
|
|
|
x(1 |
|
x)n + (nx)2 |
|
2(nx)2 + (nx)2 |
= |
x(1 x) |
: |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
n2 |
|
2 |
|
|
|
|
1 |
1 |
|
|
|
|
|
0 |
|
|
|
|
|
n2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|||||||
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
Замечание:j |
|
|
f(x) |
j |
L |
p |
|
|
x): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
Тогда Bn(f; x) |
|
|
|
|
|
|
|
x(1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
Если x 2 [a; b], то полином Бернштейна равен |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b a |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
Bn |
(f; x) = |
|
|
1 |
|
|
|
|
f(xk)Cnkxn k; |
|
xk = a + |
k |
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(b |
|
a)2 |
k=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
L |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p(x a)(b x): |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
jBn(f; x) f(x)j |
p |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(b a) |
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
66