第3章 函数逼近与快速傅里叶变换

实验报告实验项目名称函数逼近与快速傅里叶变换实验室数学实验室所属课程名称数值逼近实验类型算法设计实验日期班级学号姓名成绩512*x^10 - 1280*x^8 + 1120*x^6 - 400*x^4 + 50*x^2 - 1并得到Figure，图像如下：实验二：编写程序实现[-1,1]上n阶勒让德多项式，并作画（n=0,1，…，10 在一个figure中）。

要求：输入Legendre(-1,1,n)，输出如a n x n+a n-1x n-1+…多项式。

在MATLAB的Editor中建立一个M-文件，输入程序代码，实现勒让德多项式的程序代码如下：function Pn=Legendre(n,x)syms x;if n==0Pn=1;else if n==1Pn=x;else Pn=expand((2*n-1)*x*Legendre(n-1)-(n-1)*Legendre(n-2))/(n);endx=[-1:0.1:1];A=sym2poly(Pn);yn=polyval(A,x);plot (x,yn,'-o');hold onend在command Windows中输入命令：Legendre（10），得出的结果为：Legendre(10)ans =(46189*x^10)/256 - (109395*x^8)/256 + (45045*x^6)/128 - (15015*x^4)/128 + (3465*x^2)/256 - 63/256并得到Figure，图像如下：实验三：利用切比雪夫零点做拉格朗日插值，并与以前拉格朗日插值结果比较。

在MATLAB的Editor中建立一个M-文件，输入程序代码，实现拉格朗日插值多项式的程序代码如下：function [C,D]=lagr1(X,Y)n=length(X);D=zeros(n,n);D(:,1)=Y';for j=2:nfor k=j:nD(k,j)=(D(k,j-1)- D(k-1,j-1))/(X(k)-X(k-j+1));endendC=D(n,n);for k=(n-1):-1:1C=conv(C,poly(X(k)));m=length(C);C(m)= C(m)+D(k,k);end在command Windows 中输入如下命令：clear,clf,hold on;k=0:10;X=cos(((21-2*k)*pi)./22); %这是切比雪夫的零点Y=1./(1+25*X.^2);[C,D]=lagr1(X,Y);x=-1:0.01:1;y=polyval(C,x);plot(x,y,X,Y,'.');grid on;xp=-1:0.01:1;z=1./(1+25*xp.^2);plot(xp,z,'r')得到Figure ，图像如下所示：比较后发现，使用切比雪夫零点做拉格朗日插值不会发生龙格现象。

实验三函数逼近与快速傅里叶变换P95专业班级：信计131 班姓名：段雨博学号：2013014907一、实验目的1、熟悉 matlab 编程。

2、学习最小二乘法及程序设计算法。

二、实验题目1、对于给函数f x1在区间1,1 上取 x i 1 0.2i i0,1,10 ，试求3次125x2曲线拟合，试画出拟合曲线并打印出方程，与第二章计算实习题 2 的结果进行对比。

2、由实验给出数据表x0.00.10.20.30.50.8 1.0y 1.00.410.500.610.91 2.02 2.46试求 3 次、 4 次多项式的曲线拟合，再根据数据曲线形状，求一个另外函数的拟合曲线，用图示数据曲线及相应的三种拟合曲线。

3.给定数据点 x i , y i如表所示00.50.60.70.80.91x x i1 1.75 1.96 2.19 2.44 2.71 3.00y i用最小二乘法求拟合数据的二次多项式，并求平方误差。

三、实验原理与理论基础1．最小二乘原理与线性拟合：在函数的最佳平方逼近中 f ( x)C[ a,b] ，如果 f ( x) 只在一组离散点集 { x i , i 0,1..., m} 上给出，这就是科学实验中经常见到的实验数据｛{( x i, y i ), i 0,1...m} ｝的曲线拟合，这里y i f (x i)(i0,1...m) ，要求一个函数y S * ( x) 与所给数据 {( x i , y i ), i 0,1...m} 拟合，若记误差(01 ,... m ) T，设0 ( x),1 (x),... n (x) 是C[a,b]上线性无关函数族，在span{0 ( x),1 ( x),...n (x)} 中找一函数 S * (x) 使误差平方和m m m222[ S * ( x)y i ]2min[ S( x i )y i ] ，这2ii 0i0i 0里S(x)a0 0 ( x)a0 1 ( x)... a n n ( x) （ n m ）。

第一章：数值分析与科学计算引论截断误差：近似解与精确解之间的误差。

近似值的误差e∗（x为准确值）：e∗=x∗−x近似值的误差限ε∗：|x∗−x |≤ε∗近似值相对误差e r∗（e r∗较小时约等）：e r∗=e∗x≈e∗x∗近似值相对误差限εr∗：εr∗=ε∗|x∗|函数值的误差限ε∗(f(x∗))：ε∗(f(x∗))≈|f′(x∗)| ε∗(x∗)近似值x∗=±(a1.a2a3⋯a n)×10m有n位有效数字：ε∗=12×10m−n+1εr∗=ε∗|x∗|≤12a1×10−n+1第二章：插值法1.多项式插值P(x)=a0+a1x+⋯+a n x n 其中：P(x i)=y i ,i=0,1,⋯,n{a0+a1x0+⋯+a n x0n=y0 a0+a1x1+⋯+a n x1n=y1⋮a0+a1x n+⋯+a n x n n=y n 2.拉格朗日插值L n(x)=∑y k l k(x)nk=0=∑y kωk+1(x)(x−x k)ωn+1′(x k) nk=0n次插值基函数：l k(x)=(x−x0)⋯(x−x k−1)(x−x k+1)⋯(x−x n)(x k−x0)⋯(x k−x k−1)(x k−x k+1)⋯(x k−x n),k=0,1,⋯,n引入记号：ωn+1(x)=(x−x0)(x−x1)⋯(x−x n)余项：R n(x)=f(x)−L n(x)=f(n+1)(ξ)(n+1)!ωn+1(x) ,ξ∈(a,b)3.牛顿插值多项式：P n(x)=f(x0)+f[x0,x1](x−x0)+⋯+f[x0,x1,⋯,x n](x−x0)⋯(x−x n−1) n阶均差（把中间去掉，分别填在左边和右边）：f[x0,x1,⋯,x n−1,x n]=f[x1,⋯,x n−1,x n]−f[x0,x1,⋯,x n−1]x n−x0余项：R n(x)=f[x,x0,x1,⋯,x n]ωn+1(x) 4.牛顿前插公式（令x=x0+tℎ，计算点值，不是多项式）：P n(x0+tℎ)=f0+t∆f0+t(t−1)2!∆2f0+⋯+t(t−1)⋯(t−n−1)n!∆n f0n阶差分：∆n f0=∆n−1f1−∆n−1f0余项：R n(x)=t(t−1)⋯(t−n)ℎn+1(n+1)!f(n+1)(ξ) ,ξ∈(x0,x n)5.泰勒插值多项式：P n(x)=f(x0)+f′(x0)(x−x0)+⋯+f(n)(x0)n!(x−x0)nn阶重节点的均差：f[x0,x0,⋯,x0]=1n!f(n)(x0)6.埃尔米特三次插值：P(x)=f(x0)+f[x0,x1](x−x0)+f[x0,x1,x2](x−x0)(x−x1)+A(x−x0)(x−x1)(x−x2)其中，A的标定为：P′(x1)=f′(x1)7.分段线性插值：Iℎ(x)=x−x k+1x k−x k+1f k+x−x kx k+1−x kf k+1第三章：函数逼近与快速傅里叶变换1. S(x)属于 n维空间φ：S(x)=∑a jφjnj=02.范数：‖x‖∞=max1≤i≤n |x i| and maxa≤i≤b|f(x)|‖x‖1=∑|x i|ni=1 and∫|f(x)|badx‖x‖2=(∑x i2ni=1)12 and (∫f2(x)badx)123.带权内积和带权正交：(f,φk)=∑ω(x i)f(x i)φk(x i)mi=0 and ∫ρ(x)f(x)φk(x)badx(f(x),g(x))=∫ρ(x) f(x)g(x)dxba=0 4.最佳逼近的分类（范数的不同、是否离散）：最优一致（∞-范数）逼近多项式P∗(x)：‖f(x)−P∗(x)‖∞=minP∈H n‖f(x)−P(x)‖∞最佳平方（2-范数）逼近多项式P∗(x)：‖f(x)−P∗(x)‖22=minP∈H n‖f(x)−P(x)‖22最小二乘拟合（离散点）P∗(x)：‖f−P∗‖22=minP∈Φ‖f−P∗‖225.正交多项式递推关系：φn+1(x)=(x−αn)φn(x)−βnφn−1(x)φ0(x)=1,φ−1(x)=0αn=(xφn(x),φn(x))(φn(x),φn(x)),βn=(φn(x),φn(x))(φn−1(x),φn−1(x))6.勒让德多项式：正交性：∫P n(x)P m(x)dx 1−1={0 ,m≠n22n+1, m=n奇偶性：P n(−x)=(−1)n P n(x)递推关系：(n +1)P n+1(x )=(2n +1)xP n (x )−nP n−1(x)7．切比雪夫多项式：递推关系：T n+1(x )=2xT n (x )−T n−1(x )正交性：∫n m √1−x 21−1=∫cos nθcos mθπdx ={0 , m ≠n π2 , m =n ≠0π , m =n =0T n (x )在[−1，1]上有n 个零点：x k =cos2k −12nπ,k =1,⋯,n T n+1(x )在[a,b ]上有n +1个零点：（最优一致逼近）x k =b −a 2cos 2k +12(n +1)π+b +a2,k =0,1,⋯,n 首项x n 的系数：2n−18.最佳平方逼近：‖f (x )−S ∗(x)‖22=min S(x)∈φ‖f (x )−S(x)‖22=min S(x)∈φ∫ρ(x)[f (x )−S (x )]2dx ba法方程：∑(φk ,φj )a j nj=0=(f,φk )正交函数族的最佳平方逼近：a k ∗=(f,φk )(φk ,φk )9.最小二乘法：‖δ‖22=min S(x)∈φ∑ω(x i )[S (x i )−y i ]2mi=0法方程：∑(φk ,φj )a j nj=0=(f,φk )正交多项式的最小二乘拟合:a k∗=(f,P k )(P k ,P k )第四章 数值积分与数值微分1.求积公式具有m 次代数精度求积公式（多项式与函数值乘积的和），对于次数不超过m 的多项式成立，m +1不成立∫f(x)dx b a=∑A k f(x k )nk=02.插值型求积公式I n =∫L n (x)dx b a=∑∫l k (x)dx baf(x k )nk=0=∑A k f(x k )nk=0R [f ]=∫[f (x )− L n (x)]dx ba =∫R n (x)dx ba =∫f (n+1)(ξ)(n +1)!ωn+1(x)dx ba3.求积公式代数精度为m 时的余项R [f ]=∫f (x )dx ba −∑A k f (x k )nk=0=1(m +1)![∫x m+1dx ba−∑A k x k m+1nk=0]4.牛顿-柯特斯公式：将[a,b ]划分为n 等份构造出插值型求积公式I n =(b −a)∑C k (n)f(x k )nk=05.梯形公式：当n=1时，C 0(1)=C 1(1)=12T =b −a 2[f (a )+f(b)],R n (f )=−b −a12(b −a )2f ′′(η) 6.辛普森公式：当n=2时，C 0(2)=16,C 1(2)=46,C 2(2)=16S =b −a 6[f (a )+4f (a +b 2)+f(b)],R n (f )=−b −a 180(b −a 2)4f (4)(η) 7.复合求积公式：ℎ=b−a n,x k =a +kℎ,x k+1/2=x k +ℎ2复合梯形公式：T n =ℎ2[f (a )+2∑f(x k )n−1k=1+f(b)],R n (f )=−b −a 12ℎ2f ′′(η)复合辛普森公式：S n =ℎ6[f (a )+4∑f(x k+1/2)n−1k=0+2∑f(x k )n−1k=1+f(b)],R n (f )=−b −a 180(ℎ2)4f (4)(η)8.高斯求积公式（求待定参数x k 和A k ）：（1）求高斯点（x k ）：令 ωn+1(x )=(x −x 0)(x −x 1)⋯(x −x n )与任何次数不超过n 的多项式p(x)带权ρ(x)正交，即则∫p(x)ωn+1(x )ρ(x)dx ba =0，由n +1个方程求出高斯点x 0,x 1⋯x n 。

数值分析知识点总结说明：本文只提供部分较好的例题，更多例题参考老师布置的作业题和课件相关例题。

一、第1章 数值分析与科学计算引论1. 什么是绝对误差与相对误差？什么是近似数的有效数字？它与绝对误差和相对误差有何关系？相对误差限：**r re ε=的一个上界。

有效数字：如果近似值*x 的误差限是某一位的半个单位，该位到*x 的第一位非零数字共有n 位，就说x *共有n 位有效数字。

即x *=±10m ×(a 1+a 2×10-1+…+a n ×10-(n-1))，其中a 1≠0，并且*11102m n x x -+-≤⨯。

其中m 位该数字在科学计数法时的次方数。

例如9.80的m 值为0，n 值为3，绝对误差限*211102ε-=⨯。

2. 一个比较好用的公式：f(x)的误差限：()***()'()()f x f x x εε≈ 例题：二、第2章插值法例题：5. 给出插值多项式的余项表达式，如何用其估计截断误差？6. 三次样条插值与三次分段埃尔米特插值有何区别？哪一个更优越？7. 确定n+1个节点的三次样条插值函数需要多少个参数？为确定这些参数，需加上什么条件？8. 三弯矩法：为了得到三次样条表达式，我们需要求一些参数：对于第一种边界条件，可导出两个方程：，那么写成矩阵形式：公式 1对于第二种边界条件，直接得端点方程：，则在这个条件下也可以写成如上公式1的形式。

对于第三种边界条件，可得：也可以写成如下矩阵形式：公式 2求解以上的矩阵可以使用追赶法求解。

（追赶法详见第五章）例题：数值分析第5版清华大学出版社第44页例7三、第3章函数逼近与快速傅里叶变换的正交多项式？什么是[-1,1]上的勒让德多项式？它有3.什么是[a,b]上带权()x什么重要性质？4.什么是切比雪夫多项式？它有什么重要性质？5.用切比雪夫多项式零点做插值点得到的插值多项式与拉格朗日插值有何不同?6.什么是最小二乘拟合的法方程？用多项式做拟合曲线时，当次数n较大时，为什么不直接求解法方程？例题请参考第3章书上的作业题和课件上的例题。

数值分析第3章函数逼近和快速傅立叶变换第3章的内容主要涉及函数逼近和快速傅立叶变换。

函数逼近是指通过一系列已知数据点来估计一个函数的近似值。

快速傅立叶变换是一种高效计算连续傅立叶变换的方法。

函数逼近是数值分析中一项重要任务，它涉及到通过一组已知数据点来估计一个未知函数的值。

常用的函数逼近方法包括多项式逼近、三角函数逼近和样条函数逼近。

多项式逼近是利用一组已知数据点来构造一个多项式，使得该多项式在这些数据点上的值与已知数据点的值尽可能接近。

多项式逼近的基本思想是利用多项式的线性组合来近似未知函数，通过最小化误差函数来确定逼近多项式的系数。

多项式逼近的优点是简单易实现，但是当数据点较多或者函数较复杂时，多项式逼近的结果可能不够精确。

三角函数逼近是利用三角函数的线性组合来近似未知函数。

三角函数逼近的基本思想是利用三角函数的周期性来估计未知函数的值。

通过最小化误差函数来确定逼近三角函数的系数。

三角函数逼近适用于具有周期性的函数，在信号处理和图像处理中得到广泛应用。

样条函数逼近是利用多个局部的插值多项式来逼近未知函数。

样条函数逼近的基本思想是将整个待逼近区间分成多个子区间，每个子区间内使用一个插值多项式来逼近未知函数。

通过最小化误差函数来确定样条函数的系数。

样条函数逼近适用于具有较强光滑性的函数，在计算机图形学和计算机辅助设计领域得到广泛应用。

快速傅立叶变换（FFT）是一种高效计算连续傅立叶变换的方法。

傅立叶变换可以将一个连续函数分解成若干个正弦和余弦函数的和，它在信号处理、图像处理和通信等领域有着重要应用。

传统的傅立叶变换算法的时间复杂度为O(n^2)，而快速傅立叶变换算法的时间复杂度为O(nlogn)，能够极大地提高计算效率。

快速傅立叶变换的基本思想是将一个长度为n的序列分解成两个长度为n/2的序列，通过递归地进行这种分解，最终得到长度为1的序列。

然后再通过合并各个子问题的解来得到原始序列的傅立叶变换。

---------------------------------------------------------------最新资料推荐------------------------------------------------------第三章函数逼近与快速傅里叶变换曲线拟合与最小二乘法第三章函数逼近与快速傅里叶变换曲线拟合与最小二乘法线性最小二乘拟合多项式拟合超定方程组的最小二乘解3.1 曲线拟合与最小二乘法一、拟合问题设变量 x, y 通过观测得 m 对数据我们希望用 m 对数据构造一个近似函数)(xp. 由于观测数据都带有观测误差, 而且一般m 也比较大, 用插值方法要求)(xp严格经过数据点不可取. 于是, 我们希望寻找的近似函数)(xp在各个 xi的函数值)(ixp与观测值yi尽可能接近, 这就是所谓的数据拟合问题. 二、最小二乘法的基本原理从整体考虑近似函数)(xp与所给数据点()),, 2 , 误差的大小，常用的方法有以下三种：一是误差绝对值的最大值imir0max，即误差向量的范数；二是误差绝对值的和=miir0||，即误差向量 r 的 1-范数；三是误差平方和=miir02的算术平方根，即考虑误差向量 r 的 2范数；前两种方法简单、自然，但不便于微分运算，后一种方法相当于考虑 2范数的平方，因此在曲线拟合中常采用误差平方和=miir02来度量误差的整体大小。

数据拟合的具体作法：1 / 11对给定数据，在取定的函数类中,求 )(xp, 使误差的平方和最小，即min])([0202==i=i=miimiyxpr 从几何意义上讲，就是寻求与给定点的距离平方和为最小的曲线)(xpy =。

函数)(xp称为拟合函数或最小二乘解，求拟合函数)(xp的方法称为曲线拟合的最小二乘法。

在曲线拟合中，函数类可有不同的选取方法. 多项式拟合形式比较规范，方法也比较简单，但在实际应用中，针对所讨论问题的特点，拟合函数可能为其他类型，如指数函数、有理函数、三角函数等，这就是一般最小二乘拟合问题。

第二章插值法2.在区间[-1,1]上分别取n=10,20用两组等距节点对龙哥函数f(x)=1/(1+25*x^2)做多项式插值及三次样条插值，对每个n值，分别画出插值函数及f（x）的图形。

（1）多项式插值①先建立一个多项式插值的M-file；输入如下的命令（如牛顿插值公式）：function [C,D]=newpoly(X,Y)n=length(X);D=zeros(n,n)D(:,1)=Y'for j=2:nfor k=j:nD(k,j)=(D(k,j-1)- D(k-1,j-1))/(X(k)-X(k-j+1));endendC=D(n,n);for k=(n-1):-1:1C=conv(C,poly(X(k)))m=length(C);C(m)= C(m)+D(k,k);end②当n=10时，我们在命令窗口中输入以下的命令：clear,clf,hold on;X=-1:0.2:1;Y=1./(1+25*X.^2);[C,D]=newpoly(X,Y);x=-1:0.01:1;y=polyval(C,x);plot(x,y,X,Y,'.');grid on;xp=-1:0.2:1;z=1./(1+25*xp.^2);plot(xp,z,'r')得到插值函数和f（x）图形：③当n=20时，我们在命令窗口中输入以下的命令：clear,clf,hold on;X=-1:0.1:1;Y=1./(1+25*X.^2);[C,D]=newpoly(X,Y);x=-1:0.01:1;y=polyval(C,x);plot(x,y,X,Y,'.');grid on;xp=-1:0.1:1;z=1./(1+25*xp.^2);plot(xp,z,'r')得到插值函数和f（x）图形：（2）三次样条插值①先建立一个多项式插值的M-file；输入如下的命令:function S=csfit(X,Y,dx0,dxn)N=length(X)-1;H=diff(X);D=diff(Y)./H;A=H(2:N-1);B=2*(H(1:N-1)+H(2:N));C=H(2:N);U=6*diff(D);B(1)=B(1)-H(1)/2;U(1)=U(1)-3*(D(1));B(N-1)=B(N-1)-H(N)/2;U(N-1)=U(N-1)-3*(-D(N));for k=2:N-1temp=A(k-1)/B(k-1);B(k)=B(k)-temp*C(k-1);U(k)=U(k)-temp*U(k-1);endM(N)=U(N-1)/B(N-1);for k=N-2:-1:1M(k+1)=(U(k)-C(k)*M(k+2))/B(k);endM(1)=3*(D(1)-dx0)/H(1)-M(2)/2;M(N+1)=3*(dxn-D(N))/H(N)-M(N)/2;for k=0:N-1S(k+1,1)=(M(k+2)-M(k+1))/(6*H(k+1));S(k+1,2)=M(k+1)/2;S(k+1,3)=D(k+1)-H(k+1)*(2*M(k+1)+M(k+2))/6;S(k+1,4)=Y(k+1);end②当n=10时，我们在命令窗口中输入以下的命令：clear,clcX=-1:0.2:1;Y=1./(25*X.^2+1);dx0= 0.0739644970414201;dxn= -0.0739644970414201; S=csfit(X,Y,dx0,dxn)x1=-1:0.01:-0.5;y1=polyval(S(1,:),x1-X(1));x2=-0.5:0.01:0;y2=polyval(S(2,:),x2-X(2));x3=0:0.01:0.5; y3=polyval(S(3,:),x3-X(3));x4=0.5:0.01:1;y4=polyval(S(4,:),x4-X(4));plot(x1,y1,x2,y2,x3,y3,x4,y4, X,Y,'.')结果如图：②当n=20时，我们在命令窗口中输入以下的命令：clear,clcX=-1:0.1:1;Y=1./(25*X.^2+1);dx0= 0.0739644970414201;dxn= -0.0739644970414201; S=csfit(X,Y,dx0,dxn)x1=-1:0.01:-0.5;y1=polyval(S(1,:),x1-X(1));x2=-0.5:0.01:0;y2=polyval(S(2,:),x2-X(2));x3=0:0.01:0.5; y3=polyval(S(3,:),x3-X(3));x4=0.5:0.01:1;y4=polyval(S(4,:),x4-X(4));plot(x1,y1,x2,y2,x3,y3,x4,y4, X,Y,'.')结果如图：第三章函数逼近与快速傅里叶变换2. 由实验给出数据表x 0.0 0.1 0.2 0.3 0.5 0.8 1.0y 1.0 0.41 0.50 0.61 0.91 2.02 2.46试求3次、4次多项式的曲线拟合，再根据数据曲线形状，求一个另外函数的拟合曲线，用图示数据曲线及相应的三种拟合曲线。

第一章：数值分析与科学计算引论截断误差：近似解与精确解之间的误差。

近似值的误差（为准确值）：近似值的误差限：近似值相对误差（较小时约等）：近似值相对误差限：函数值的误差限：近似值有n位有效数字：第二章：插值法1.多项式插值其中：2.拉格朗日插值次插值基函数：引入记号：余项：3.牛顿插值多项式：阶均差（把中间去掉，分别填在左边和右边）：余项：4.牛顿前插公式（令，计算点值，不是多项式）：阶差分：余项：5.泰勒插值多项式：阶重节点的均差：6.埃尔米特三次插值：其中，A的标定为：7.分段线性插值：第三章：函数逼近与快速傅里叶变换1. 属于维空间：2.范数：3.带权内积和带权正交：4.最佳逼近的分类（范数的不同、是否离散）：最优一致（-范数）逼近多项式：最佳平方（-范数）逼近多项式：最小二乘拟合（离散点）：5.正交多项式递推关系：6.勒让德多项式：正交性：奇偶性：递推关系：7．切比雪夫多项式：递推关系：正交性：在上有个零点：在上有个零点：（最优一致逼近）首项的系数：8.最佳平方逼近：法方程：正交函数族的最佳平方逼近：9.最小二乘法：法方程：正交多项式的最小二乘拟合:第四章数值积分与数值微分1.求积公式具有次代数精度求积公式（多项式与函数值乘积的和），对于次数不超过的多项式成立，不成立2.插值型求积公式3.求积公式代数精度为时的余项4.牛顿-柯特斯公式：将划分为等份构造出插值型求积公式5.梯形公式：当n=1时，6.辛普森公式：当n=2时，7.复合求积公式：复合梯形公式：复合辛普森公式：8.高斯求积公式（求待定参数和）：（1）求高斯点（）：令与任何次数不超过的多项式带权正交，即则，由个方程求出高斯点。

（2）求待定参数：，也为次数不超过的多项式。

9.高斯-勒让德求积公式：取权函数为的勒让德多项式的零点即为求积公式的高斯点。

10.高斯-切比雪夫求积公式：取权函数为的切比雪夫多项式的零点即为求积公式的高斯点。

第五章解线性方程组的直接方法1.矩阵的从属范数：2.条件数：第六章解线性方程组的迭代法1.迭代法：2.迭代法收敛：存在。