当前位置: 首页 > web >正文

求解一次最佳平方逼近多项式

f ( x ) = 1 + x 2 f(x)=\sqrt{1+x^2} f(x)=1+x2 ,求 [ 0 , 1 ] [0,1] [0,1]上的一个一次最佳平方逼近多项式。

解 :

d 0 = ∫ 0 1 1 + x 2 d x = 1 2 ln ⁡ ( 1 + 2 ) + 2 2 ≈ 1.147 d_0=\int_{0}^{1}\sqrt{1+x^2}dx=\frac{1}{2}\ln(1+\sqrt{2})+\frac{\sqrt{2}}{2}\approx 1.147 d0=011+x2 dx=21ln(1+2 )+22 1.147

d 1 = ∫ 0 1 x 1 + x 2 d x = 1 3 ( 1 + x 2 ) 3 2 ∣ 0 1 = 2 2 − 1 3 ≈ 0.609 d_1=\int_{0}^{1}x\sqrt{1+x^2}dx=\left.\frac{1}{3}(1+x^2)^{\frac{3}{2}}\right|_{0}^{1}=\frac{2\sqrt{2}-1}{3}\approx 0.609 d1=01x1+x2 dx=31(1+x2)23 01=322 10.609

由方程组
( 1 1 2 1 2 1 3 ) ( a 0 a 1 ) = ( 1.147 0.609 ) , \begin{pmatrix} 1 & \frac{1}{2}\\ \frac{1}{2} & \frac{1}{3} \end{pmatrix}\begin{pmatrix} a_0\\ a_1 \end{pmatrix}=\begin{pmatrix} 1.147\\ 0.609 \end{pmatrix}, (1212131)(a0a1)=(1.1470.609),

解出 a 0 = 0.934 , a 1 = 0.426 , S 1 ∗ ( x ) = 0.934 + 0.426 x a_0=0.934,\quad a_1=0.426,\quad S_1^*(x)=0.934+0.426x a0=0.934,a1=0.426,S1(x)=0.934+0.426x

平方误差 ∥ δ ∥ 2 2 = ( f , f ) − ( S 1 ∗ , f ) = ∫ 0 1 ( 1 + x 2 ) d x − 0.426 d 1 − 0.934 d 0 = 0.0026 \|\delta\|^2_2=(f,f)-(S_1^*,f)=\int_{0}^{1}(1+x^2)dx-0.426d_1-0.934d_0=0.0026 δ22=(f,f)(S1,f)=01(1+x2)dx0.426d10.934d0=0.0026

最大误差 ∥ δ ∥ ∞ = max ⁡ 0 ≤ x ≤ 1 ∣ 1 + x 2 − S 1 ∗ ( x ) ∣ ≈ 0.066 \|\delta\|_\infty=\max_{0\leq x\leq1}|\sqrt{1+x^2}-S_1^*(x)|\approx 0.066 δ=0x1max1+x2 S1(x)0.066

http://www.xdnf.cn/news/12815.html

相关文章:

  • 算法题(164):贴海报
  • 电力系统时间同步系统之三
  • 在 Java 中!(逻辑非)和 ||(逻辑或)的优先级关系
  • 生成模型从自回归到变分自动编码器
  • 【PhysUnits】15.18 Unit基础结构 (unit.rs)
  • 无需登录即可使用的Web应用网站
  • CMS、G1、ZGC、Shenandoah 的全面对比
  • 淘晶驰的串口显示屏T0 T1 K0 X2 X3 X5之间有何区别 各自的优势是啥 划分的依据是啥
  • 获取环境变量的两种方式:getenv()和environ
  • Nginx Stream 层精准定位ngx_stream_geoip_module
  • 指针的定义与使用
  • Mybatis-Plus的LambdaWrapper
  • 嵌入式面试高频(5)!!!C++语言(嵌入式八股文,嵌入式面经)
  • 将数据库表导出为C#实体对象
  • EMC测试
  • 6月7日day47打卡
  • [ACTF2020 新生赛]Include 1(php://filter伪协议)
  • 嵌入:AI 的翻译器
  • golang常用库之-go-i18n库(国际化)
  • 26、跳表
  • SEO长尾词优化实战策略
  • 【大模型原理与技术-毛玉仁】第五章 模型编辑
  • leetcode刷题日记——二叉搜索树中第 K 小的元素
  • MIT 6.S081 Lab 11 networking
  • RD-Agent-Quant:一个以数据为中心的因素与模型联合优化的多智能体框架
  • CANoe trace里面显示的Time 具体是什么意思
  • Python抽象基类实战:构建广告轮播框架ADAM的核心逻辑
  • Python绘制三十六计
  • OGG 23ai for DAA 部署与补丁升级
  • 雪花ID问题诊断与解决方案