函数逼近中的唯一性与定量分析
1. 唯一性结论与近最优逼近
在函数逼近的研究中,唯一性是一个重要的性质。对于函数 (f),存在一些关于其逼近多项式的唯一性结论。例如,对于任意 (x),有不等式:
[
\frac{1}{2}|f(x) - p_1(x)| + \frac{1}{2}|f(x) - p_2(x)| - |f(x) - p(x)| \geq 0
]
结合相关引理,可得对于任意 (x),有:
[
|f(x) - p(x)| = \frac{1}{2}|f(x) - p_1(x)| + \frac{1}{2}|f(x) - p_2(x)|
]
由于 (p) 是 (f) 的最佳逼近,根据引理可知 (f - p) 至少有 (n + 1) 个零点。假设 (r) 是 (f - p) 的一个零点,则 (p_1(r) = f(r) = p_2(r)),进而可得 (p_1 - p_2) 恒为 (0),即 (p_1 = p_2)。
当我们知道存在唯一逼近时,就可以进一步询问关于逼近的更详细的定量信息。这里引入了 (\epsilon -) 近最优逼近的概念:
定义 1 :若对于任意 (q \in P_n),都有 (|f - p|_1 < |f - q|_1 + \epsilon),则称 (p \in P_n) 是 (f) 在 (P_n) 中的 (\epsilon -) 近最优逼近。
我们关心的一个问题是,(\epsilon -) 近最优逼近是否彼此接近。为此,我们寻找一个函数 (\varPhi_f),使得如果 (p_1) 和 (p_2) 是 (\va
超级会员免费看
订阅专栏 解锁全文
26

被折叠的 条评论
为什么被折叠?



