零多项式
每个数都是P的根。这是唯一具有无限多个根的多项式。一个非零多项式具有一定的次数n(n可以是0、1、2,…),并且不能超过n个根,因为根据代数的一个著名定理,如果
(对于成对不同的
),那么必然
对于一些非零多项式Q,次数为 
每个具有整数系数的多项式P都是整值,即它的值P(k)对于每个整数k都是整数;但反过来只有对于一次多项式(线性函数)才成立。例如,多项式
每当x是整数时,都会取整数值。这是因为x和x-1中一定有一个是偶数。值
是二项式系数。
更一般地,对于每个n=0、1、2、3,…,多项式
是整值;
是二项式系数。事实上,每个整值多项式都是这些Pn的整数线性组合。
余弦:显著值
余弦函数,
满足
同时
以及
对于所有 x 成立,这为
是以下数字之一提供了无限个 x:
也就是说,图上有无限多个点。多项式无法满足所有这些条件,因为
当
对于每个非恒定多项式 P 成立;它可以满足其中一部分吗?
我们尝试寻找满足五个条件的P
为了方便,我们对x进行重新缩放,令
,并将五个条件改写成Q的形式:
为了找到这样的Q,我们使用拉格朗日多项式。
拉格朗日插值多项式
使用五次多项式
,它在给定点 0, 2, 3, 4, 6 处有根,并考虑到
(通过对乘积进行微分来验证),我们考虑所谓的拉格朗日基多项式
,它在 2, 3, 4, 6 处有根(但不在 0 处);左手边的除法被解释为多项式的代数除法(即,找到一个多项式,它与分母的乘积是分子
)而不是函数的除法,因此商对于所有x都定义,包括 0。它在 0 处的值为 1。思考一下为什么;看图;回忆一下
。
类似地,第二个拉格朗日基多项式
分别在 0, 2, 3, 4, 6 处取值 0, 1, 0, 0, 0。第三个
分别取值 0, 0, 1, 0, 0。依此类推(计算第四个和第五个)。现在,只需将这五个拉格朗日基多项式与系数(等于Q的所需值)相结合即可。

余弦函数的多项式逼近
最后,
正如我们从图中看到的那样,这两个函数在
范围内非常接近;实际上,对于这些 x,
的最大值约为 0.00029。
可以通过导数得到更好的近似值。函数
的导数为
因此有
相应的导数
接近但不同;例如,

为了修正导数而不破坏数值,我们将
替换为
,其中
是一个 4 次多项式,使得
的导数等于
,其中
也就是说,
因为对于这些 x,
;所以,
,其中 
我们像以前一样找到这样的 R

余弦函数的多项式逼近
并得到更好的逼近
事实上,
如果你仍然想要更小的误差,尝试二阶导数和 
余弦函数,
满足
并且有无穷多个根:
多项式不能满足所有这些条件;它能满足其中有限部分吗?
很容易找到一个多项式P,使得
并且
即
(验证一下)。那么
并且 
由于条件对x的符号不敏感,我们寻找一个
的多项式,也就是说,
,其中Q满足
以及
很容易找到这样的Q,即
(验证一下),这导致了
余弦函数的多项式逼近
就像我们在图中看到的,这两个函数在
范围内非常接近;事实上,对于这些x,
的最大值约为 0.028,而
(对于这些x)约为 0.056。
余弦函数的多项式逼近
在这个方向上的下一步是:

等等。对于每个
,多项式

满足
和
这很容易验证。更难(但可能)证明
作为
它将余弦表示为无限乘积

余弦函数的多项式逼近
另一方面,众所周知的幂级数
给出了另一个多项式序列
收敛到相同的余弦函数。见图中的 Q3;
我们可以通过展开括号来检查等式
的正确性吗?让我们试一下。常数项系数:1=1。x2 的系数:
也就是说,
真的吗?是的,
著名的平方倒数级数起着重要作用。
这种非严格的括号展开可以严格地表示如下。对于任何多项式 *P*,常数项是 *P* 在零点的值,即 *P*(0);*x* 的系数是导数 *P* '(0) 在零点的值;*x*2 的系数是二阶导数 *P''*(0) 在零点的值的一半,即 ½*P''*(0)。显然,
和
对于所有
(如前所述,
)。上面的计算表明
当 *n* 趋于无穷大时。那么,更高阶导数,
是否收敛于
?将上面的计算推广到 *k*=4、6……是乏味的(甚至可能无法实现);幸运的是,有一个更好的方法。也就是说,
对于所有复数 *z*,而且,
对于每个 *R*>0。利用柯西微分公式,我们可以得出结论,
(当
)对于每个 *k*,特别是,

当
时,我们有
(思考一下,为什么)当
然而,零点的导数并不收敛到 0;相反,它等于 1(对于所有 *n*),因为,表示
我们有

极限的导数
因此,函数序列
在区间
上的极限是零函数,因此极限的导数也是零函数。然而,导数序列
至少在
处不为零。对于
情况如何?这里导数的极限为零,因为
(检查一下;第二个因子的指数衰减超过了第一个因子的线性增长)。因此,

导数和极限并不总是可以交换的。
请注意,函数 *f* 有两个等效定义;一个是分段的(对于某些 *x*,一个值,对于其他 *x*,另一个值,等等),但另一个是单个表达式
,对于所有这些 *x*。
函数 *f* 在 (0) 处不连续,尽管它是连续函数
的极限。这在逐点收敛的情况下可能发生(即,在所考虑域的每个点都收敛),因为收敛速度可能取决于该点。
否则(当收敛速度不依赖于该点时),收敛称为一致收敛;根据一致收敛定理,连续函数的一致极限是一个连续函数。
由此可知,
(到 *f*)的收敛是非一致的,但这只是一个反证法。
从直接证明可以更好地理解这一点。导数
无法一致收敛,因为
无法变得很小(当 *n* 很大时)对于某些靠近 0 的 *x*;例如,试试 

对于所有
并且
不为零(除非
)。
相反,
在
上一致收敛,也就是说,
随着
,因为最大值出现在
(通过解方程
进行验证) 并且
然而,交换导数和极限运算似乎是不可能的。将此情况与一个众所周知的定理进行比较
- 如果
是
上的可微函数序列,使得
存在(且有限)对于某些
,并且序列
在
上一致收敛,那么
在
上一致收敛于函数
,并且
对于
成立。
导数
的一致收敛是必需的;函数
的一致收敛是不够的。
复数在 第 “多项式模拟余弦:根” 节 中很有用,但在这里无能为力,因为对于
,我们有
对于所有 
每个人都知道如何通过坐标平面上的曲线来可视化连续函数的行为。为此,人们对函数图形上的足够多的点
进行采样,将它们绘制在
平面上,然后用曲线连接这些点,绘制出图形。然而,这个看似毫无争议的想法却被一些奇特的函数所挑战,这些函数有时被称为“连续怪物”。它们通常是所谓的间隙三角级数的和
(其中数字
相距很远)。
其中最著名的就是魏尔斯特拉斯函数
(对于适当的
使得
)。
根据 Jarnicki 和 Pflug(第 3.1 节),这是
(类似的正弦函数级数是
)。
魏尔斯特拉斯函数
这幅图像(由迈克尔·麦克劳克林根据上述维基百科文章在此处复制,以及由理查德·利普顿在此处复制,但没有参考)实际上是函数
的近似
的图形,通过连接
个采样点(可以通过检查XML 代码,该代码位于SVG 文件中)获得。虽然看起来像一条曲线,但它显得相当奇怪。最后两个求和项被扭曲了,因为步长
超过了
的周期
,并且接近
的一半周期
。然而,所有
的项最多贡献
也就是说,对于所有的
,
;除非放大图像,否则这种差异几乎不可见。
到目前为止,一切顺利。但这个怪物还不是最糟糕的。为了得到一个更可怕的间断三角级数,人们可以尝试频率
比
增加得更快,或者系数比
减少得更慢,或者两者兼而有之。
让我们尝试一下这个级数

这些系数
很方便,因为它们的和是(有限的且)明显的:
因此,
(因为
),以及
对所有
(因为
)。
类似地,
以及
因此,部分和
和尾部
满足
以及
对所有 
由于明显的对称性(见
在周期
上的图形),只需要在
上绘制此函数。
部分和
,放大4倍
仔细观察
的图形,我们开始产生怀疑。乍一看,它是用较粗的笔绘制的。但事实并非如此;一些(几乎?)垂直线很细。所以,我们在这里看到的是一条曲线,还是两条“平行”曲线之间的区域?
和
,放大40倍
和
,放大400倍
的图形在放大后变得清晰可见,但随着
的出现,这种怀疑又回来了,而且更加强烈。再放大一次只会让情况更糟。我们意识到,
在
上的图形看起来过于完美。特别是,
的图形似乎穿过了红色框的上侧。那么,如何才能更接近
的图形呢?
幸运的是,对于
的某些特殊值,
的确切值是显而易见的。首先,
(见上文),因此对于所有整数
,都有
,这是由于周期性:对于所有
都有
。类似地,
因为对于所有奇数整数
,都有
(特别是,
)。另一方面,对于所有
,都有
。
去掉第一个加数,我们得到第一个尾部
,周期为
因此,
并且
对所有整数
另一方面,
对所有
因此,
通过 
通过 
对于所有整数 
对于所有 
类似地,对于所有 
对于所有整数 
对所有 
通过
放大 400 倍;同样是
回到
和
在
上,我们通过
添加特殊值和边界,可以发现
比
距离
更远,而
距离
在红色曲线上我们有超过 440 个点,蓝色曲线上也有同样多的点。

的图形,放大 400 倍。
因此,如果图片的横向尺寸小于 440 像素,那么
的图形不可避免地会穿过红色曲线和蓝色曲线之间的所有像素!在给定的分辨率下,
的图形看起来不像一条曲线,而像是两条平行曲线之间的区域。
这本身并不令人惊讶。例如,一个由 100 赫兹声音调制的 10 兆赫兹无线电波可以用以下函数来描述:
例如,在
上,
的图形看起来不像一条曲线,而是两条曲线之间的区域,即
并在
上看起来像一个矩形区域。然而,放大最终会有所帮助;在
(或任何其他 1 微秒间隔)上,
的图形看起来像一条曲线。
相比之下,对于
,放大永远不会有帮助,只会让情况变得更糟。实际上,最终会导致图形看起来像一个矩形区域。这显示了
的巨大性质。另一方面,当放大趋于无穷大时,(近似)矩形区域的高度收敛于零;这显示了
的连续性质。

图形的随机样本点。
用类似区域图的图形进行可视化效果并不理想。虽然无法绘制曲线图,但我们仍然可以做得更多。我们可以随机选择许多
的值,计算给定函数对应的
值,并绘制点
这张图显示了
个随机点在尾部
图形上的样本,这些样本位于该尾部周期(由于明显的对称性,如前所述,第一个周期就足够了)的第一象限。事实上,这里使用函数
作为
的一个令人满意的近似,每个
都用超过
位三进制(即以 3 为底)数字来指定,以便计算
和以前一样,红线和蓝线是给定函数
(通过
)的边界,而这些曲线上的点是特殊值。令人惊讶的是:所有
个随机点都远离这些边界!通常
个点就足以获得函数最大值的满意图片。但对于这个怪物,
个点太少了。
通常,对于间断三角级数的和,即使是近似地,例如,相对误差小于 10%,也很难找到它的最大值和最小值(在给定区间内)。我们选择频率
与我们使用余弦而不是正弦相一致,使我们能够找到和的异常高值。为了充分理解这种好运,试着最大化如下函数
或最小化
,你会意识到为什么魏尔斯特拉斯更喜欢余弦函数和形式为
的频率,其中
是一个正奇数。常用的数值优化方法失效,因为局部极值点很多且非常尖锐。由于连续性,怪兽函数在其最大化点的某个邻域内接近其最大值,但这个邻域非常小;随机点几乎没有机会进入这样的邻域。绝大多数值远非极值。

图像上样本点的递增重排。
为了研究尾部
在其周期上的值分布,可以取
个值
在周期的第一个象限(上面使用),以及
个相反数
(这些是第二象限的值),将所有这些
个数字按升序排序,并将结果视为新函数在等间距点上的值。这是结果的绘图,参见红色曲线。这是对所谓的给定函数的单调(递增)重排的数值近似。
值得注意的是,结果非常接近著名的正态分布
,红色曲线非常接近相应的分位数函数
(由黑点表示)。
(这里
) 奇妙的是,该函数本身很复杂,但其单调重排却很简洁。为什么会出现这种情况?
给定的函数是由许多项(形式为
) 构成;而 *“中心极限定理指出,在一定(相当普遍的)条件下,许多随机变量的和将近似服从正态分布。”*
从均匀分布中随机选取一个点
,我们可以将这些项视为随机变量。但是,条件之一是独立性;而我们的这些项是相关的,而且是函数相关的,因为
(更一般地说,
是 切比雪夫多项式。)然而,对间断三角级数的概率方法仍然存在,并能带来成果;特别是,正态分布在这种情况下出现是一个众所周知的现象。
但显然,正态逼近在某个地方必须失效,因为我们的函数是有界的(以
为界),而正态随机变量不是。
中心极限定理名称中的“中心”有两种解释:(1)在概率论中具有核心重要性;(2)描述分布的中心,而不是其尾部,也就是说,描述的是大偏差。

的递增重排,缩放比例为 40。
在正态分布中,高于
的偏差出现的概率为
因此,对于
不等式
在总长度为
的区间上成立,大小为
的随机样本应该包含大约
个这样的值。这在前面的图片中是看不出来的,但在放大的图片中就很明显了。
对
进行递增重排,对数刻度。
对于
,正态概率仅为
且
仅为
为了观察
和
情况,我们需要更大的样本量和对数刻度。这最后一张图片展示了一个大小为
的样本(这需要计算机几个小时来完成)。我们看到,分布在
附近接近正态分布,但在
偏离正态分布。希望,近似正态性遵循一些适用于
的中等偏差理论,而偏离正态性遵循一些适用于
及更远位置的大偏差理论;但目前,尽管在间隙级数的概率方法方面取得了进展,但这样的理论还没有出现,图片中大红色问号附近的情况仍然未知。自然可以猜测,在这个区域,
偏差的概率小于其正态近似值,因此,小于 
假设这个猜想是正确的,并考虑到
且
我们得出结论,函数
超过其最大值的
,在总长度小于(可能远小于)
的区间上。
但是,同样,这个怪物并不是最糟糕的。为了得到一个更加可怕的缺失三角级数,人们可以尝试频率
比
增加得更快,或者系数比
减少得更慢,或者两者兼而有之。出乎意料的是,或者说并不那么出乎意料的是,这些函数在分析上越可怕,在概率上就越容易处理。(在 Delbaen 和 Hovhannisyan 的论文中,请注意系数
对于
在备注 2.3 中;也请注意“大间隙”定理 1.4、2.15、2.16 对于
)。这是由 德布鲁因 提出的一般现象的特殊情况,如下所示。
- 我们经常需要评估某个数字 [...] 使得直接方法几乎是不可行的 [...] 我们应该非常高兴拥有一个完全不同的方法 [...] 至少可以提供一些有用的信息。通常,这种新方法给出的结果(正如 拉普拉斯 所指出的)与其必要程度成正比。 [...]
- N.G. 德布鲁因,分析中的渐近方法,北荷兰出版社,1958 年。参见第 1.1 节“什么是渐近线?”(第 1 页)。