动机
本节的函数、多项式系数、样本值及测量误差均取实数。
在区间上使用傅里叶(Fourier)方法,第一步是把两个端点等同起来。若函数在两端的值或导数不一致,周期延拓就会出现函数原本没有的跳跃或折角,系数因而衰减得很慢,而原因与内部性态无关。本篇改变变量而不改变函数:令 x=cosθ,就把 [−1,1] 上的 f 变成 g(θ)=f(cosθ)。不论 f 是什么,g 都以 2π 为周期而且是偶函数;它在 θ=±π 处的值都等于 f(−1),所以没有端点相容条件需要检查。
g 的余弦级数改用 x 书写,就是一个多项式级数。它的采样版本同样出现混叠,但折叠是带符号改变的反射,而不是平移。我们会分清哪些结论仅凭样本成立,哪些必须对 f 另加假设;最后讨论变量代换消除不了的两个限制:端点上真正的奇异性与噪声放大。
切比雪夫多项式
令 T0(x)=1、T1(x)=x,并对 k≥1 定义
Tk+1(x)=2xTk(x)−Tk−1(x).多项式 Tk 称为 k 次切比雪夫(Chebyshev)多项式。对每个实数 θ 及每个整数 k≥0,
Tk(cosθ)=coskθ.
这个恒等式可由 cos((k+1)θ)+cos((k−1)θ)=2cosθcoskθ 用归纳法得到,这正是递推式在 x=cosθ 处的取值。同一归纳表明 Tk 的次数恰为 k,而 k≥1 时首项系数为 2k−1:乘以 2x 使次数加一、首项系数加倍,减去 Tk−1 不会抵消新的最高次项。最初几个是 T2=2x2−1、T3=4x3−3x、T4=8x4−8x2+1、T5=16x5−20x3+5x。
以下三个推论会反复用到。
- 界与端点值。 每个 x∈[−1,1] 都可写成某个 cosθ,所以在该区间上 ∣Tk(x)∣≤1;此外 Tk(1)=1,Tk(−1)=(−1)k。
- 基。 由于次数恰为 0,1,…,N,T0,…,TN 构成次数不超过 N 的实多项式空间 PN 的一组基。
- 乘积公式。 2TjTk=Tj+k+T∣j−k∣ 是 2cosjθcoskθ=cos(j+k)θ+cos(j−k)θ 的多项式形式;它在 [−1,1] 上成立,因而处处成立,因为在区间上相等的两个多项式必然相等。
连续正交性与权函数
对 [−1,1] 上的连续函数 u,v,定义
⟨u,v⟩w=∫−11u(x)v(x)1−x2dx,∥u∥w=⟨u,u⟩w1/2.
这个积分在两端都是反常积分,但绝对收敛:被积函数受 ∥u∥∞∥v∥∞(1−x2)−1/2 控制,而下面的代换表明权函数的总积分是 π。特别地 ∥u∥w≤π∥u∥∞,可以把一致估计转化为加权估计。
对整数 j,k≥0,
⟨Tj,Tk⟩w=⎩⎨⎧0,π/2,π,j=k,j=k≥1,j=k=0.
证明
(代换 x=cosθ)
在 (0,π) 上,θ↦cosθ 是到 (−1,1) 的严格递减双射。令 x=cosθ,则 dx=−sinθdθ;又因为在 (0,π) 上 sinθ>0,有 1−x2=sinθ。反转积分方向抵消负号,所以对连续的 u,
∫−11u(x)1−x2dx=∫0πu(cosθ)dθ.右边是连续函数在紧区间上的普通积分,所以左边的反常积分收敛。取 u=TjTk,并利用 Tj(cosθ)Tk(cosθ)=cosjθcoskθ,得
⟨Tj,Tk⟩w=21∫0π(cos(j+k)θ+cos(j−k)θ)dθ.对整数 m,∫0πcosmθdθ 在 m=0 时为 π,否则为 sin(mπ)/m=0。若 j=k,j+k 与 j−k 都非零,积分为零;若 j=k≥1,只有第二项有贡献,得 π/2;若 j=k=0,两项都有贡献,得 π。
证明透视
权函数从何而来
因子 (1−x2)−1/2 并不是为了方便而挑选的。它正是 dx=−sinθdθ 所产生的雅可比(Jacobi)因子 sinθ 的倒数。有了它,关于 x 的积分就变成关于 θ 的普通积分,而余弦在这个积分下正交。没有它,代换后会多出因子 sinθ,正交性就不成立,例如 ∫−11T0T2dx=∫−11(2x2−1)dx=−2/3=0。权函数在 ±1 附近很大,所以在 ∥⋅∥w 中,端点附近的误差比在无权范数中占更重的分量。
切比雪夫级数是映射后的余弦级数
对 [−1,1] 上的连续函数 f 及 k≥0,切比雪夫系数为
ak=π2∫−11f(x)Tk(x)1−x2dx=π2∫0πf(cosθ)coskθdθ.N 次切比雪夫截断为
ΠNf=2a0+k=1∑NakTk.
常数项减半,是因为 ∥T0∥w2=π 是 ∥Tk∥w2=π/2 的两倍。在这种规范化下,⟨ΠNf,Tk⟩w 在 1≤k≤N 时等于 akπ/2,在 k=0 时等于 (a0/2)π,两者都是 ⟨f,Tk⟩w。因此 f−ΠNf 与 PN w-正交,对每个 q∈PN,勾股定理给出
∥f−q∥w2=∥f−ΠNf∥w2+∥ΠNf−q∥w2.
所以在加权范数下,ΠNf 是 PN 中对 f 唯一的最佳逼近。
ak 的第二个公式解释了本节标题。g(θ)=f(cosθ) 是以 2π 为周期的偶函数,所以正弦系数为零,余弦系数是 π−1∫−ππg(θ)coskθdθ=ak。f 的切比雪夫级数就是 g 的傅里叶余弦级数,只是通过 x=cosθ 来读。f 连续则 g 连续;f 的可微性经链式法则传给 g,不需要任何联系 f(−1) 与 f(1) 的条件。
设 f 在某个包含 [−1,1] 的开区间上二阶连续可微。则对每个 k≥1,
∣ak∣≤k22(∥f′∥∞+∥f′′∥∞),其中范数在 [−1,1] 上取。因此 k∑∣ak∣<∞,而且 f(x)=a0/2+k≥1∑akTk(x) 在 [−1,1] 上一致成立。
函数 g=f∘cos 在 R 上二阶连续可微,且
g′(θ)=−sinθf′(cosθ),g′′(θ)=sin2θf′′(cosθ)−cosθf′(cosθ).所以 ∥g′′∥∞≤∥f′′∥∞+∥f′∥∞。对 ak=(2/π)∫0πgcoskθdθ 分部积分,
ak=π2[kg(θ)sinkθ]0π−πk2∫0πg′(θ)sinkθdθ,边界项为零,因为 sinkθ 在 0 与 π 处为零。再分部积分一次:
−πk2∫0πg′sinkθdθ=−πk2[−kg′(θ)coskθ]0π−πk22∫0πg′′(θ)coskθdθ.这个边界项也为零,因为 g′(0)=g′(π)=0。所以 ∣ak∣≤(2/(πk2))⋅π∥g′′∥∞,即所述的界。
至于收敛:∑∣ak∣<∞ 且 ∣Tk∣≤1,故级数一致收敛到某个连续函数 F;逐项积分表明 F 与 f 的切比雪夫系数相同。于是 h(θ)=g(θ)−F(cosθ) 连续、为偶函数、以 2π 为周期,余弦系数全为零,由偶性正弦系数也为零。它的费耶(Fejér)平均恒等于零,而由连续周期函数的费耶定理,这些平均一致收敛到 h。故 h=0,即 F=f。
值得单独指出 f 的假设究竟在哪里用上。
证明透视
为什么不需要端点条件
两次分部积分各产生一个边界项,两者都因结构原因而消失。第一项含 sinkθ,对每个整数 k 在 0 与 π 处为零。第二项含 g′(θ)=−sinθf′(cosθ),由于雅可比因子 sinθ,不论 f′(±1) 取何值,它在这两点都为零。证明没有用到关于 f(±1) 或 f′(±1) 的任何假设;[−1,1] 附近的可微性只是让 g 在 R 上二阶连续可微。收敛部分用的是另一个想法:绝对可和给出一致极限,而费耶定理确认这个极限就是 f。
继续分部积分,同样的规律会延续:g 的偶数阶导数在边界上与 sinkθ 相乘;而以 2π 为周期的偶函数 g,其奇数阶导数是周期奇函数,在 0 与 π 处为零。因此若 f 在 [−1,1] 附近 m 阶连续可微,就有 ∣ak∣≤2∥g(m)∥∞k−m,而 ∥g(m)∥∞ 可以用 f′,…,f(m) 的界控制。
切比雪夫–高斯节点与离散正交性
定义 6.1.5
(切比雪夫–高斯(Chebyshev–Gauss)节点)
对整数 n≥1 及 j=0,1,…,n−1,令
θj=2n(2j+1)π,xj=cosθj.
角度 θj 是把 [0,π] 等分成 n 段后各段的中点,所以节点 xj 互不相同,并严格位于 (−1,1) 内。由于 nθj=(2j+1)π/2,有 Tn(xj)=cosnθj=0;n 次多项式最多有 n 个零点,所以这些节点恰好是 Tn 的全部零点。等距角度给出不等距节点:中央附近相邻节点相距约 π/n,而由 sint≤t 得 1−x0=2sin2(π/(4n))≤π2/(8n2)。端点本身永远不会被采样。
正交积分的离散类比是在这些角度上求和,它建立在一个精确计算之上。
对每个整数 m,令 Sn(m)=j=0∑n−1cosmθj。则除非 m 是 2n 的倍数,否则 Sn(m)=0;并且对每个整数 q,Sn(2nq)=(−1)qn。
若 m=2nq,则 mθj=q(2j+1)π,所以对每个 j 有 cosmθj=(−1)q(2j+1)=(−1)q,总和为 (−1)qn。
否则 ω=eimπ/n=1,而 Sn(m) 是下式的实部:
j=0∑n−1eimθj=eimπ/(2n)j=0∑n−1ωj=eimπ/(2n)1−eimπ/n1−eimπ.若 m 为偶数,eimπ=1,总和为零。若 m 为奇数,1−eimπ=2;分子分母同除以 eimπ/(2n),得
e−imπ/(2n)−eimπ/(2n)2=−2isin(mπ/(2n))2=sin(mπ/(2n))i,这是纯虚数;分母非零,因为 m 不是 2n 的倍数。两种情况下实部都是零。
由乘积公式,可以得到多项式本身的正交关系。
设 n≥1 且 0≤k,l≤n−1。则
j=0∑n−1Tk(xj)Tl(xj)=⎩⎨⎧0,n/2,n,k=l,k=l≥1,k=l=0.
由乘积公式,这个和等于 21(Sn(k+l)+Sn(k−l))。假设给出 0≤k+l≤2n−2 及 ∣k−l∣≤n−1,而在这些范围内 2n 的倍数只有零。所以 k=l 时 Sn(k−l)=n,否则为 0;k=l=0 时 Sn(k+l)=n,否则为 0。合起来便得到三个值。
快速检查
(取 n=3,T1 的节点值是 3/2,0,−3/2,T5 的节点值是 −3/2,0,3/2。为什么 j∑T1(xj)T5(xj) 不等于零?)
看看 k+l 与 2n 的关系。
解答 · 答案
直接计算,和为 −43+0−43=−23。由引理,它等于 21(S3(6)+S3(−4))=21(−3+0)=−23,因为 6=2n、q=1。离散正交性要求 l≤n−1,而 l=5 违反这个条件。离散正交性只在由网格决定的有限指标范围内成立;范围以外的失效正是混叠。
离散系数与插值定理
对 n≥1 及在节点上有定义的函数 f,令
ak=n2j=0∑n−1f(xj)Tk(xj)=n2j=0∑n−1f(cosθj)cos2nk(2j+1)π,0≤k≤n−1,并定义
Inf=2a0+k=1∑n−1akTk∈Pn−1.
这个公式就是对 ak=(2/π)∫0πg(θ)coskθdθ 使用 n 段、每段宽 π/n 的中点公式:各段中点就是 θj,而 (2/π)(π/n)=2/n。在规范化意义下,由样本到 (a0,…,an−1) 的映射是第二类离散余弦变换,有快速算法。
设 n≥1。
- 若 q∈Pn−1,则 Inq=q。
- 对每个在节点上有定义的函数 f,对 j=0,…,n−1 有 Inf(xj)=f(xj);而且 Inf 是 Pn−1 中唯一取这些值的多项式。
(1) 写 q=b0/2+l=1∑n−1blTl。对 1≤k≤n−1,线性与离散正交性给出
ak=n2(2b0j∑T0(xj)Tk(xj)+l=1∑n−1blj∑Tl(xj)Tk(xj))=n2⋅bk2n=bk.对 k=0,只剩 l=0 一项,a0=(2/n)(b0/2)n=b0。所以 Inq=q。
(2) 从 Pn−1 到 Rn 的取值映射 q↦(q(x0),…,q(xn−1)) 是线性单射,因为次数不超过 n−1 的非零多项式不可能在 n 个不同点都为零。两个空间维数都是 n,所以它是双射,恰有一个 q∈Pn−1 对所有 j 满足 q(xj)=f(xj)。系数 ak 只取决于样本,而 f 与 q 的样本相同,故由第 (1) 部分 Inf=Inq=q。
假设 n≥1 保证网格非空。当 n=1 时,唯一节点是 x0=cos(π/2)=0,a0=2f(0),I1f 是常数 f(0),与定理相符。第 (2) 部分只是 Pn−1 之内的唯一性,并没有说明数据由哪个函数产生。
混叠是一种反射
傅里叶混叠把频率平移样本数的倍数。在切比雪夫–高斯(Chebyshev–Gauss)网格上,关键恒等式是 2nθj=(2j+1)π,即 π 的奇数倍;它产生的是反射,而不是平移。
设 n≥1、m≥0,并写 m=2nq+r,其中整数 q≥0、0≤r≤2n−1。在每个节点 xj 上,
Tm(xj)=⎩⎨⎧(−1)qTr(xj),0,(−1)q+1T2n−r(xj),0≤r≤n−1,r=n,n+1≤r≤2n−1.因此在三种情况下,InTm 分别等于 (−1)qTr、0 或 (−1)q+1T2n−r,并且在 [−1,1] 上 ∣InTm(x)∣≤1。特别地,对 1≤k≤n−1 有 InT2n−k=−Tk。
证明
(利用 2nθj=(2j+1)π)
由于 2nqθj=q(2j+1)π,而对每个整数 p 有 cos(α+pπ)=(−1)pcosα,
cosmθj=(−1)q(2j+1)cosrθj=(−1)qcosrθj.这是第一种情况。若 r=n,则 cosnθj=0。若 n+1≤r≤2n−1,令 s=2n−r∈{1,…,n−1},则 rθj=(2j+1)π−sθj,故 cosrθj=−cossθj。每种情况中,右边都是 Pn−1 内与 Tm 节点值相同的多项式,由插值定理的唯一性它就是 InTm,其绝对值在 [−1,1] 上不超过一。最后一句是 q=0、r=2n−k 的情形。
快速检查
(取 n=4,P3 中哪个多项式与 T6 有相同的节点值?)
解答 · 答案
6=2⋅4−2,所以 q=0、r=6≥n+1,反射指标为 2n−r=2。折叠定理给出 I4T6=−T2=1−2x2。
例题 6.1.11
(在三个节点上采样 T5)
取 n=3。角度是 π/6,π/2,5π/6,节点是 3/2, 0, −3/2。取 k=1,反射指标为 2n−k=5,所以定理预测 T5(xj)=−xj。
用 T5(x)=16x5−20x3+5x 验证。在 x=3/2 处 x3=33/8、x5=93/32,所以
T5(23)=293−2153+253=−23.由于 T5 是奇函数,T5(−3/2)=3/2,而 T5(0)=0。这些正是 −x 在节点上的值,所以 T5 的三点插值多项式是 −T1:次数不同、符号相反。指标 5 上的内容以 n=3 为中心反射,被报告到指标 1。
这个例子给出两个样本相同的不同多项式,而这并不是 T5 独有的现象。
反例模式
样本相同,函数不同
待检验的说法:函数由它在 n 个切比雪夫–高斯节点上的值决定。令 h=T5+T1。由乘积公式 h=2T3T2,而 T3 在三个节点上都为零,所以对 j=0,1,2 有 h(xj)=0。具体地 h(x)=16x5−20x3+6x=2x(4x2−3)(2x2−1),它在 0,±3/2 及 ±1/2 处为零,但 h(1)=2。所以 T5 与 −T1 的样本完全相同,却在端点相差 2。
更一般地,对任何函数 u,f 与 f+Tnu 的样本全部相同。样本决定 Inf;只有预先知道 f 属于某个类(例如 Pn−1),而其中任何两个不同成员都不会在所有节点上相等时,样本才决定 f 本身。
一旦知道 f 在节点上由其切比雪夫级数表示,折叠定理就化为系数恒等式。我们把这个表示写成假设,因为样本无法验证它。
假设 (H):f 在 [−1,1] 上连续,m≥0∑∣am∣<∞,并且对每个 x∈[−1,1] 有 f(x)=a0/2+m≥1∑amTm(x)。则对 n≥1 及 1≤k≤n−1,
ak=ak+q≥1∑(−1)q(a2nq−k+a2nq+k),a0=a0+2q≥1∑(−1)qa2nq.
每个 ak 是样本的有限线性组合,而每个样本都是绝对收敛级数,因此
ak=2a0c0,k+m≥1∑amcm,k,cm,k=n2j=0∑n−1Tm(xj)Tk(xj).由折叠定理,Tm 或者在所有节点上为零,或者 Tm(xj)=σTs(xj),其中 σ 是符号、折叠指标 0≤s≤n−1。离散正交性给出:k≥1 时,若 s=k 则 cm,k=σ,否则为 0;k=0 时,若 s=0 则 cm,0=2σ,否则为 0。
当 k≥1,折叠到 k 的指标是 m=2nq+k(符号 (−1)q)及 m=2n(q+1)−k(符号 (−1)q+1),q≥0;把第二族的 q+1 改记为 q 就得到第一个公式。当 k=0,只有 m=2nq 折叠到零,符号为 (−1)q:m=0 一项贡献 (a0/2)⋅2=a0,每个 q≥1 贡献 2(−1)qa2nq。
因此每个指标 m≥n 最多只对 Inf 的一个保留系数有贡献,在 a0/2+k≥1∑akTk 中系数为 ±1;m≡n(mod2n) 的指标则完全没有贡献。没有 (H),右边不一定收敛,也不一定描述实际被采样的函数。
完整计算的例子:n=3
例题 6.1.13
(x4 在三个节点上的离散系数)
设 f(x)=x4、n=3。在 3/2,0,−3/2 处的样本是 9/16,0,9/16。对 j=0,1,2,coskθj 的值在 k=0 时为 1,1,1,k=1 时为 3/2,0,−3/2,k=2 时为 1/2,−1,1/2。作为离散正交性的检验,j∑cos2θj=3/2=n/2,j∑cosθjcos2θj=3/4+0−3/4=0。离散系数为
a0=32(169+0+169)=43,a1=32(169⋅23−169⋅23)=0,a2=32(329+0+329)=83,所以
I3f=83+83(2x2−1)=43x2,它在 ±3/2 处等于 9/16,在 0 处等于 0,符合插值要求。
要看清系数从何而来,代入 T2 与 T4 可以验证 8x4=3T0+4T2+T4,所以 a0=3/4、a2=1/2、a4=1/8,其余为零。取 n=3,混叠公式预测 a2=a2−a4=3/8、a1=a1−a5=0、a0=a0=3/4,与直接计算吻合。指标 4 以 3 为中心反射到指标 2,并带上负号。
插值多项式与同次数的截断是不同的多项式,两种范数都能量出这个差别。
例题 6.1.14
(x4 的截断与插值比较)
截断是 Π2f=3/8+21T2=x2−1/8,两个误差分别是
f−Π2f=81T4,f−I3f=81(T4+T2)=x4−43x2.由连续正交性,
∥f−Π2f∥w2=641⋅2π=128π,∥f−I3f∥w2=641(2π+2π)=64π.混叠分量使加权误差的平方加倍,与 Π2f 的最佳性一致。一致范数下,∣T4/8∣≤1/8,在 0、±1/2、±1 处取等号。对插值误差令 s=x2∈[0,1]:s2−43s 在 s=3/8 取最小值 −9/64,在 s=1 取最大值 1/4。所以 ∥f−I3f∥∞=1/4,在没有采样的端点 x=±1 处达到。
系数绝对可和下的误差估计
假设 (H)。则对 N≥0 及 n≥1:
- ∥f−ΠNf∥w2=2πk>N∑ak2;
- ∥f−ΠNf∥∞≤k>N∑∣ak∣;
- ∥f−Inf∥∞≤2k≥n∑∣ak∣;
- ∥f−Inf∥w≥∥f−Πn−1f∥w。
令 RN=f−ΠNf=k>N∑akTk。由 (H) 及 ∣Tk∣≤1,此级数一致收敛,得 (2)。
对 (1),固定 M>N,令 RN,M=k=N+1∑MakTk。由连续正交性 ∥RN,M∥w2=2πk=N+1∑Mak2,且 ∥RN−RN,M∥w≤πk>M∑∣ak∣→0。令 M→∞ 得 (1);平方和收敛,因为 ak2≤(lsup∣al∣)∣ak∣。
对 (3),In 的线性及其在 Pn−1 上的精确性给出 Inf=Πn−1f+InRn−1。InRn−1 的系数是样本 Rn−1(xj)=m≥n∑amTm(xj) 的有限组合,所以 InRn−1=m≥n∑amInTm,而折叠定理给出 ∣InTm∣≤1。因此
∣f(x)−Inf(x)∣=∣Rn−1(x)−InRn−1(x)∣≤m≥n∑∣am∣+m≥n∑∣am∣.(4) 就是取 q=Inf∈Pn−1 时的勾股恒等式。
插值的代价最多是一致截断界的两倍:一次舍弃尾部,一次把尾部折回。一般而言因子 2 不能改进,下面 f(x)=x3、两个节点的习题就是例子。结合系数衰减可得速率:若 ∣ak∣≤C/k2,由 k≥n∑k−2≤n−2+∫n∞t−2dt≤2/n 得 ∥f−Inf∥∞≤4C/n。这是上界,并不是每个函数都达到的速率。
次数、网格与稳定性是不同的参数
次数(ΠN 为 N,In 为 n−1)、观测 f 的网格,以及观测误差如何传播,是三件不同的事。插值把次数与网格绑在一起,但这并非必然。在更密的 n′ 点网格上计算 ak,只保留 0≤k≤N(N≤n′−1),得到 Q=a0/2+k=1∑NakTk;在 (H) 下
∥f−Q∥∞≤k>N∑∣ak∣+m≥2n′−N∑∣am∣.
这是因为 m≤n′−1 的指标折叠到自身,或被精确保留,或被舍弃;而折叠到保留指标 k≤N 的 m≥n′ 必为 2n′q±k(q≥1),故不小于 2n′−N。加密网格把混叠上界推向尾部,截断项不变,但实际混叠误差不一定每次都减小:取 N=0、f=T2+T4,一个节点得到的采样常数是 0,两个节点却是 −1,而精确常数系数为零。
对数据误差,设每个样本受到扰动 εj,∣εj∣≤ε,并设 e 为任何满足 e(xj)=εj 的函数。插值多项式的改变量为 Ine,其系数绝对值最多是 (2/n)⋅nε=2ε,所以
∥Ine∥∞≤ε+2(n−1)ε=(2n−1)ε.
端点处的导数更差。取 εj=εTn−1(xj),由精确性 Ine=εTn−1。对 Tk(cosθ)=coskθ 求导得 0<θ<π 时 Tk′(cosθ)=ksinkθ/sinθ,令 θ→0 得 Tk′(1)=k2。因此
(Ine)′(1)=ε(n−1)2,
而在内部点 ∣Tk′(x)∣≤k/1−x2。所以端点导数的最坏放大至少是 (n−1)2;相比之下,常数扰动的导数为零。
端点奇异性
变量代换消除了周期延拓的人为跳跃,却消除不了 f 在端点上真正具有的奇异性。
例题 6.1.16
(1+x 的切比雪夫系数)
f(x)=1+x 在 [−1,1] 上连续,但在 −1 处导数无界。利用 1+cosθ=2cos2(θ/2) 及在 [0,π] 上 cos(θ/2)≥0,
g(θ)=2cos2θ,它在 θ=π 附近像 ∣π−θ∣/2:偶周期函数 g 在那里有折角。计算系数时用 cos(θ/2)coskθ=21(cos(k+21)θ+cos(k−21)θ) 及 sin((k±21)π)=±(−1)k:
∫0πcos2θcoskθdθ=2(−1)k(k+211−k−211)=−4k2−12(−1)k,ak=−π(4k2−1)42(−1)k.这些系数绝对可和,而 g 连续、为偶函数且有周期性,所以前面的费耶论证表明 (H) 成立。然而不论 f 在其他地方多光滑,系数只以 k−2 衰减。
下面最后一道习题证明,这个 f 的一致截断误差恰为 22/(π(2N+1)),在 x=−1 处达到。若已知端点奇异性的类型,可以先把它减去或更换变量;没有这类信息,增加节点只能缓慢地改善逼近。
常见错误与微妙之处
对 f(x)=x4 及 n=3,离散系数 a2=3/8 吸收了反射过来的 a4,而 a2=1/2。所以 I3f 与 Π2f 是误差不同的两个多项式。把离散系数当作连续系数,忽略的正是这段反射尾部。
常见错误
(期望在 Pn−1 以外仍有精确性或唯一性)
Tn 的样本全为零,所以 InTn=0,尽管 ∥Tn∥∞=1。插值定理的唯一性是 Pn−1 之内的唯一性,并非在所有样本相同的函数中唯一;三个节点上的 T5+T1 就说明了这一点。
余弦映射使每个连续的 f 都产生连续的周期函数 g,所以 f(−1)=f(1) 不会带来代价。但 ±1 处的平方根型或其他奇异行为,仍会变成 g 在 π 或 0 处的不光滑。同样,加权范数虽然重视端点,却不是一致范数;关于 ±1 处的值或导数的结论,需要一致估计或导数估计。
习题
练习 6.1.17
(设 n=2、f(x)=x3。计算 I2f,用混叠公式核对,并把 ∥f−I2f∥∞ 与界 2k≥2∑∣ak∣ 比较。)
核心
解答(4)
1采样并计算离散系数
角度是 π/4,3π/4,节点是 ±2/2,样本是 ±2/4。于是
a0=22(42−42)=0,a1=42⋅22+(−42)(−22)=21,所以 I2f=x/2。
2用混叠公式核对
取 n=2、k=1:a1=a1−a3=1/2,a0=a0=0。
依据: 4x3=3T1+T3,所以 a1=3/4、a3=1/4,其余系数为零。
3求一致误差
关键一步
误差 e(x)=x3−x/2=21T1T2 在 x=±1/6 处 e′(x)=0,该处 ∣e∣=1/(36)≈0.136;而 ∣e(±1)∣=1/2。因此 ∥f−I2f∥∞=1/2。
4与界比较
界是 2(∣a2∣+∣a3∣+⋯)=2⋅41=21。它被达到,所以误差定理中的因子 2 不能降低。
练习 6.1.18
(设 n=4。求 m=7,9,12,15 时的 I4Tm,并由 8θj=(2j+1)π 直接验证 m=7 与 m=12。)
基础
解答(3)
1把每个 m 写成 8q+r 并用折叠定理
m=7:q=0、r=7≥n+1,故 I4T7=−T1。m=9:q=1、r=1,故 I4T9=−T1。m=12:q=1、r=4=n,故 I4T12=0。m=15:q=1、r=7,故 I4T15=(−1)2T1=T1。
2直接验证 m=7
7θj=(2j+1)π−θj,所以 cos7θj=−cosθj。
3直接验证 m=12
12θj=(2j+1)π+4θj,而 4θj=(2j+1)π/2,所以 cos12θj=−cos4θj=0。
练习 6.1.19
(对 f(x)=1+x,证明 k>N∑∣ak∣=22/(π(2N+1)),证明 f(−1)−ΠNf(−1) 等于这个数的相反数,并求使 ∥f−ΠNf∥∞≤10−3 的最小 N。)
综合
解答(3)
1尾和相消
k=N+1∑K∣ak∣=π22(2N+11−2K+11)→π(2N+1)22(K→∞). 依据: ∣ak∣=42/(π(4k2−1)),且 4/(4k2−1)=2/(2k−1)−2/(2k+1)。
2在 x=−1 处计算误差
关键一步
f(−1)−ΠNf(−1)=k>N∑ak(−1)k=−π(2N+1)22.这已经达到误差定理第 (2) 项的上界,所以 ∥f−ΠNf∥∞=22/(π(2N+1)) 恰好成立。
依据: (H) 成立且 Tk(−1)=(−1)k,所以 ak(−1)k=−42/(π(4k2−1))。
3解出 N
条件是 2N+1≥20002/π≈900.32,即 N≥449.66。最小整数是 N=450;若 N=449,2N+1=899 不够大。原因是 g 在 θ=π 处的折角,而不是 f 在内部的任何特征。
相关笔记
本篇建立在《傅里叶截断、采样与 Gibbs 现象》的基础上:该篇的费耶定理用来确认切比雪夫级数等于原函数,而其混叠公式是这里反射公式的平移版本。包含端点的节点、谱微分矩阵,以及对区间附近解析函数的更精细衰减估计,需要另外的论证,本篇不涉及。