下载文档原格式
一类齐次对称多项式上的切比雪夫不等式切比雪夫不等式（Chebyshev Inequality）是一类关于齐次对称多项式（homogeneous symmetric polynomials）的重要不等式，主要用于统计学中研究均值和极差之间的关系，估算样本变量偏离均值的程度，从而推断概率分布性质。
本文将具体介绍切比雪夫不等式在一类齐次对称多项式上的应用及其表示和证明，同时也举例说明如何使用切比雪夫不等式来判断一组数据平均和标准差的大小之间的关系。
一、定义切比雪夫不等式（Chebyshev Inequality）是一类名为齐次对称多项式（homogeneous symmetric polynomials）的重要不等式，定义是：对于任意离散随机变量X，有P{| X - E(X) | ≥ a} ≤ [E(X^2) - E[X]^2]/a^2 ，其中a≥0 ，E(X)表示X的期望，E(X^2)表示X的期望值二次方，故满足切比雪夫不等式的必要条件是X是一个离散随机变量，其期望值可以计算二、应用切比雪夫不等式实际上可以表达均值和极差之间的关系，可用于评估样本变量偏离均值的程度。
它可以用来估算概率分布的形状，从而判断一组数据或分布的特性。
具体来说，大量数据中有百分之九十九的数据位于均值的一个极差以内，即P{| X - E(X) | ≤ 1.96σ}= 0.99 ，其中σ是X的标准差，且如果大于这个极差，那么这些数据就很少被应用在实际数据分析中。
三、表示和证明我们来看切比雪夫不等式（Chebyshev Inequality）的表示式和证明：（1）对于任意离散随机变量X，有P{|X- E(X)|≥a}≤[E(X^2)-E[X]^2]/a^2（2）证明：根据一般性不等式，有P{|X-E(X)| ≥ a}=1-P{|X-E(X)| <a}，又根据加法原理，有1-P{|X-E(X)|<a}= 1-[P{ -a<X-E(X)<a}] ≥1-[P(-a<X-E(X)<0]+P(0<X-E(X)<a)]定义： f(X)=X-E(X) ,既有（2）1-[P(-a<f(X)<0)+P(0<f(X)<a)]=1-[P(-a<X-E(X)<0)+P(0<X-E(X)<a)] ≥1-[∫_{-a}^{0}f(X)dX+∫_{0}^{a}f(X)dX]根据偏微分变换积分公式和变量变换，有上式右边积分等于[E(X^2)-E[X]^2]/a^2至此，我们就得出了切比雪夫不等式的数学表达式为： P{|X-E(X)|≥a}≤[E(X^2)-E[X]^2]/a^2, 其中a≥0四、示例考虑等概率定义在[-1，1]区间内的随机变量X，其期望为E(X)=0，标准差为σ=1， X的^2 次幂的期望为：E(X^2)=∫_{-1}^{1}X^2dX=2/3 。
第一类切比雪夫多项式第一种的切比雪夫多项式是一组正交多项式定义解决方案切比雪夫微分方程和表示。
他们是作为一个近似最小二乘适合,的一个特例盖根堡多项式与。
他们用三角也密切相关多角度的公式。
第一类切比雪夫多项式表示和实现Wolfram语言作为ChebyshevT[n x]。
归一化,这样。
最初几个多项式上面和,2,…5。
第一种的切比雪夫多项式可以定义的围道积分(1)轮廓包含原点和遍历在逆时针方向(Arfken 1985,p . 1985)。
最初几个第一类切比雪夫多项式(2)(3)(4)(5)(6)(7)(8)命令从最小到最大的权力时,三角形的非零系数是1;1;,2;4,18;5、16岁……(OEIS A008310).一个美丽的情节可以通过策划径向,增加每个值的半径,并填写曲线之间的区域(Trott 1999,pp。
10和84年)。
切比雪夫多项式的第一种定义的身份(9)切比雪夫多项式的第一种可以获得的生成函数(10)(11)和(12)(13)为和(分为et al . 1972,15项)。
(密切相关生成函数的定义的基础吗第二类切比雪夫多项式.)一种是直接表示(14)中定义的多项式也可以总结(15)(16)(17)在哪里是一个二项式系数和是层功能,或产品(18)(Zwillinger 1995,p . 1995)。
也满足好奇行列式方程(19)(1986年纳什)。
第一种的切比雪夫多项式的一个特例雅可比多项式与 ,(20)(21)在哪里是一个超几何函数(Koekoek 和Swarttouw 1998)。
0时(22)为2……。
极值出现的(23)在哪里。
在最大,,至少, .切比雪夫多项式是正交多项式关于权重函数(24)在哪里是克罗内克符号。
第一类切比雪夫多项式满足额外的离散的身份(25)在哪里为 , ...,是0的 .他们也满足递归关系(26)(27)为,以及(28)(29) (沃特金斯和蔡Rivlin 1993;1990年,p . 5)。
切比雪夫多项式是与棣美弗定理有关，以递归方式定义的一系列正交多项式序列。
通常，第一类切比雪夫多项式以符号Tn表示，第二类切比雪夫多项式用Un表示。
切比雪夫多项式Tn 或Un 代表n 阶多项式。
切比雪夫多项式在逼近理论中有重要的应用。
这是因为第一类切比雪夫多项式的根（被称为切比雪夫节点）可以用于多项式插值。
相应的插值多项式能最大限度地降低龙格现象，并且提供多项式在连续函数的最佳一致逼近。
在微分方程的研究中，数学家提出切比雪夫微分方程和相应地，第一类和第二类切比雪夫多项式分别为这两个方程的解。
这些方程是斯图姆-刘维尔微分方程的特殊情形.定义：第一类切比雪夫多项式由以下递推关系确定也可以用母函数表示第二类切比雪夫多项式由以下递推关系给出此时母函数为从三角函数定义：第一类切比雪夫多项式由以下三角恒等式确定其中n = 0, 1, 2, 3, .... . 是关于的n次多项式，这个事实可以这么看：是:的实部（参见棣美弗公式），而从左边二项展开式可以看出实部中出现含的项中，都是偶数次的，从而可以表示成的幂。
用显式来表示尽管能经常碰到上面的表达式但如果借助于复函数cos(z), cosh(z)以及他们的反函数，则有类似，第二类切比雪夫多项式满足以佩尔方程定义：切比雪夫多项式可被定义为佩尔方程在多项式环R[x] 上的解(e.g., 见Demeyer (2007), p.70). 因此它们的表达式可通过解佩尔方程而得出:归递公式两类切比雪夫多项式可由以下双重递归关系式中直接得出:T0(x) = 1 U − 1(x) = 1 Tn + 1(x) = xTn(x) − (1 − x2)Un − 1(x) Un(x) = xUn − 1(x) + Tn(x) 证明的方式是在下列三角关系式中用x 代替xTn(x) − (1 − x2)Un(x)正交性Tn 和Un 都是区间[−1,1] 上的正交多项式系.第一类切比雪夫多项式带权即:可先令x= cos(θ) 利用Tn (cos(θ))=cos(nθ)便可证明.类似地，第二类切比雪夫多项式带权即:其正交化后形成的随机变量是Wigner 半圆分布).基本性质对每个非负整数n，Tn(x) 和Un(x) 都为n次多项式。
正交多项式的性质及在科学计算中的应用摘要正交多项式是满足一定条件的多项式族.正交多项式是数学研究领域热点之一.许多数学理论的突破，如Bieberbach猜想的证明，数据拟合，数学物理、工程技术和函数逼近等领域的理论研究，都依赖于或应用了正交多项式的重要成果。
现正交多项式被广泛应用于数学物理，工程技术，科学计算，回归分析，概率分布等领域。
因此，对于正交多项式的研究具有重要的意义和价值.本文首先给出了正交多项式的定义，其次对勒让德（Legendre）多项式、切比雪夫(Chebyshev）多项式、拉盖尔(Laguerre)多项式、艾尔米特（Hermite）多项式的性质进行了探讨并对部分性质进行了证明，最后对正交多项式在数据拟合,最佳平方逼近以及在概率分析中的应用进行了讨论。
关键词：正交多项式勒让德（Legendre）多项式切比雪夫（Chebyshev）多项式拉盖尔（Laguerre）多项式艾尔米特（Hermite）多项式数据拟合最佳平方逼近概率分析The Character of Orthogonal Plynomial and its Applicationin Scientific ComputationAbstractOrthogonal polynomial is a polynomial that satisfies some conditions.Orthogonal polynomial is one of the hotspot in the field of mathematical research.Many mathematical theory，such as proof of the conjecture of Bieberbach，data fitting，mathematical physics，theory of engineering technology and function approximation are depends on the important achievements in the field or the application of orthogonal polynomials。
关于第二类 chebyshev 多项式的一组恒等式第二类chebyshev多项式是一种常用的数学函数，用于描述平滑曲线或复杂曲面（平面曲线）。
Chebyshev多项式是一组多项式，由若干系数（称为Chebyshev多项式系数）和标准多项式（如埃尔米特多项式）组成。
它们用于研究函数的特征和性质。
本文将重点介绍关于第二类chebyshev多项式的一组恒等式，包括它们的证明和应用。
首先，让我们看一下第二类chebyshev多项式的定义。
Chebyshev 多项式的每一阶都有一个指定的系数，与埃尔米特多项式（如你经常所说的多项式）类似，它们可以通过积分得到，即：$$C_k(x)=int_{-1}^1 T_k(t) ,t ^{x-1} ,dt$$其中，Tk(t)是欧拉的第二类chebyshev多项式，它可以定义为： $$T_k(t)=cos(k arccos t)$$现在让我们来看一下第二类chebyshev多项式的一组恒等式。
它们可以简写为：$$C_kleft(frac{m+n+1}{2}right)=frac{1}{2^nn!}int_{-1}^1T_k( t)left[(1-t^2)^{m/2}right]^ndt$$换句话说，这个等式表明，当m和n是正整数时，第二类chebyshev 多项式的系数可以通过积分计算得到，而不是通过求导函数来计算。
证明这一组恒等式也很简单。
我们要证明的是，$$C_kleft(frac{m+n+1}{2}right)=frac{1}{2^nn!}int_{-1}^1T_k(t)left[(1-t^2)^{frac{m}{2}}right]^ndt$$可以通过利用欧拉公式来转换成：$$C_k(x)=frac{1}{2^nleft(n+x-1right)!}int_{-1}^1T_k(t)left(1-t^2right)^{x-frac{1}{2}}dt$$因此，可以证明：$$C_kleft(frac{m+n+1}{2}right)=frac{1}{2^nn!}int_{-1}^1T_k( t)left(1-t^2right)^{frac{n-m}{2}}dt$$可以简单的进一步化简，得出：$$C_kleft(frac{m+n+1}{2}right)=frac{1}{2^nn!}int_{-1}^1T_k( t)left[(1-t^2)^{frac{m}{2}}right]^ndt$$这样，我们就证明了第二类chebyshev多项式的一组恒等式。
方法一：余弦倍角公式是由余弦的幂整系数线性组合来表示倍角的余弦．这样就产生余弦的n 倍角能否用余弦的幂次的整系数线性组合表示等问题．通过研究，发现cos n α都是关于2cos α的首项系数为1的、次数等于α的倍数的、系数符号正负相间的整系数多项式，还进一步得到cos n α的一些性质．应用此性质，可以得到一些求和公式及解决许多数学问题．进一步研究，发现此多项式可以转化为切比雪夫多项式．在初等数学中，三角函数是一个十分有用的工具，余弦cos n α是众所周知的偶函数，它的倍角公式如：2cos 22cos 1αα=- ，(1)3cos34cos 3cos ααα=-． (2)它们都是由余弦cos α的幂整系数线性组合来表倍角的余弦．这样就自然产生了余弦的n 倍角能否用余弦cos α的幂次的整系数线性组合表示问题，稍作计算可以得42cos 48cos 8cos 1ααα=-+ ，(3)53cos516cos 20cos 5cos αααα=-+ ．(4)观察公式(1—4)，可以发现．如果公式两端同乘以2，则公式右边都是关于2cos α的首系数为1的、次数等于公式左边α的倍数的、系数符号正负相间的整系数多项式．由此猜测2cos n α也具有这一性质，下面用数学归纳法加以证明．猜想2,02cos (1)(2cos )m n m n m m n a αα-==-∑，(;n N m N +∈∈) (5)(5)式可改写为：n/312112cos (2cos )(1)(2cos )ent nmm n m n m m n n C mααα----==+-∑，(9) (9)式称为n 倍角余弦公式．12424cos 2(cos )(cos )(cos )n n n n n n n αααααα-----=-++…，其中i α为正整数．因为余弦cos α在[]0,απ∈上单调，对应值为1降到1-，即cos α[]1,1∈-，[]0,απ∈ ．因此存在反函数，若令cos x α=，则arccos x α=，[]1,1x ∈-，[]0,απ∈．因此，在余弦n 倍角公式中令arccos x α=，[]0,απ∈，[]1,1x ∈-，则倍角公式为[][][]24124cos(arccos )2cos(arccos )cos(arccos )cos(arccos )nn n n n n n x x x x αα-----=-++…124242n n n n n n x x x αα-----=-++…．于是cos(arccos )n x 首项系数为12n -的多项式，各项系数是整数，符号依次变化，x 的幂依次递减2次，若递减到最后，幂次为负，则该项取零．若记cos(arccos )n x =()n T x ，则()n T x 满足，12()2()()n n n T x xT x T x --=-，()n T x 称为切比雪夫多项式．从递推关系可以得到：0()1T x =，1()T x x =，22()21T x x =-，33()43T x x x =-，424()88+1T x x x =-， 535()1620+5T x x x x =-，6426()3248+181T x x x x =--．第一类切比雪夫多项式有许多良好的性质，例如：1．(cos )cos(),,n T n R n N θθθ=∈∈．(分析：令cos x θ=，arccos x θ=)2．()(1)()n n n T x T x -=-，,x C n N ∈∈．这表明()n T x 当n 为奇(偶)数时是奇(偶)函数．3．()1,,1n T x x R x ≤∈≤．4．21(0)0m T +=，2(0)(1),m m T m N =-∈． 5．函数列{}()n T x 的生成函数为21(),,112n n n xtT x t t R t xt t≥-=∈≤-+∑． （分析：生成函数又叫母函数，在数学中，某个序列的母函数是一种形式幂级数，其每一项的系数可以提供关于这个序列的信息．使用母函数解决问题的方法称为母函数方法．母函数的思想就是把离散数列和幂级数一一对应起来，把离散数列间的相互结合关系对应成为幂级数间的运算关系，最后由幂级数形式来确定离散数列的构造．母函数是解决组合计数问题的有效工具之一，其思想方法是把组合问题的加法法则和幂级数的乘幂的相加对应起来．）6．函数列{}()n T x 满足2阶递推关系21()2()()n n n T x xT x T x ++=-，,x C n N ∈∈．（分析：由三角恒等式cos(1)cos(1)2cos cos n n n θθθθ++-=）最小偏差切比雪夫在1857年提出这样一个问题：在最高项系数为1的n 次多项式()()()01n x x x x x ω=--…()1()n n n x x x P x --=-中，寻求在区间[]1,1-上与零的偏差最小的多项式．换句话说，就是寻求[]1,1n x C ∈-在1n H -中的最佳一致逼近多项式1()n P x *-，这里{}1111()min()n n n nn n P H x P x xP x --*--∞∞∈-=-．定理 在区间[]1,1-上所有最高项系数为1的多项式中，111()())2(n n n n n x x P x x T ω**--=-=， 与零的偏差最小，其偏差为112n -．()n U x 称为第n 个第二类切比雪夫多项式，前7个第二类切比雪夫多项式为：230123()1,()2,()41,()84U x U x x U x x U x x x ===-=-，424()16121U x x x =-+，535()32326U x x x x =-+，6426()6480241U x x x x =-+-．第二类切比雪夫多项式也有许多良好的性质，例如：1．()(1)(),,n n n U x U x x C n N -=-∈∈．即当以为奇(偶)数时是奇(偶)函数． 2．21(0)0m U +=，2(0)(1)m m U =-，(1)1n U n =+,(1)(1)(1)n n U n -=-+，m N ∈． 3．函数列{}()n U x 的生成函数为2(),,112nn n U x t t R t xt t ≥=∈≤-+∑． 4．()1,,1n U x n x R x ≤+∈≤． 5．函数列{}()n U x 满足2阶递推关系21()2()(),,n n n U x xU x U x x C n N ++=-∈∈．两类切比雪夫多项式的关系定理1设()n T x 和()n U x 分别为第一类和第二类切比雪夫多项式，0n ≥为整数，则0()()nn i n i i U x T x x -==∑.证明 由两类切比雪夫多项式的定义得21),12(n n nT xt t x x t t ∞=-=-+∑ 而2211112121xt xt t xt t xt-=⨯-+-+-, 则(((())))n nnnnnn i n n n i i n n n t tUx T x x T x t x t∞∞∞∞-=======∑∑∑∑∑.比较式在子两边n t 项的系数，即有0(())nn i i n i U x T x x -==∑.4切比雪夫多项式的应用4.1切比雪夫多项式插值切比雪夫多项式在逼近理论中有重要的应用．这是因为第一类切比雪夫多项式的根（被称为切比雪夫节点）可以用于多项式插值．相应的插值多项式能最大限度地降低龙格现象，并且提供多项式在连续函数的最佳一致逼近． 切比雪夫多项式插值法：定理：设01,,x x …,n x 为区间[],a b 上1n +个互不相同的点，[]1(),n f x C a b +∈，则对任何[],x a b ∈,存在[]01,,,x n x x x ξ∈，使得拉格朗日插值余()()()n R x f x L x =-， 满足()()()(1)1(1)!n n x n R x f x n ξω+=+.其中[]{}{}[]010101,,,,min ,,,,,max ,,,,,n n n x x x x x x x x x x x x a b =⊂⎡⎤⎣⎦，()()()()()010nn n j j x x x x x x x x x ω==---=-∏.插值多项式的余项极小化：要使拉格朗日插值多项式()n L x 尽量逼近()f x ，就要使余项()n R x 尽量小．在 ()n R x 中，()f x 是固定的，而 x ξ又是未知数，所以要减小()n R x ，只有恰当选择节点集，使得在插值区间内余项的最大值为极小值．为了应用切比雪夫多项式，首先应将插值区间[],a b ,通过简单变换归一化到区间[−1,1],做变换()12k k z b a x b a =-++⎡⎤⎣⎦ 所以插值节点应取为()121cos 222k k z b a b a n π+⎡⎤=-++⎢⎥+⎣⎦. 其中0,1,2,,1k n =-，所以下面我们只需要讨论区间[−1,1]上的函数的切比雪夫插值法：当取定第一类切比雪夫点21cos,0,1,2,,22k k x k n n π+==+后，()()()()()010nn n j j x x x x x x x x x ω==---=-∏()12n n T x -+=.令()1111max n n x M f x ++-≤≤=，则有()()11max 1max(1)!2(1)!n n nn x R x M M n n ++=≤++∏，故切比雪夫插值法可以使得余项的最大值极小化，得到较佳逼近多项式.。
