给定 $k$ 个互不相同的复数 $x_0,\cdots,x_{k-1}$,以及 $k$ 个复数$y_0,\cdots,y_{k-1}$.我们知道存在唯一的复系数 $k-1$ 次多项式
$$
\mathcal{P}_{k-1}(x)=\xi_0+\xi_1x+\cdots+\xi_{k-1}x^{k-1}
$$
使得
$$
\mathcal{P}_{k-1}(x_0)=y_0,\cdots,\mathcal{P}_{k-1}(x_{k-1})=y_{k-1}.
$$
其中 $\xi_0,\cdots,\xi_{k-1}\in\mathbf{C}$.这个结论是范德蒙行列式不为0的一个简单推论.特别的,我们令 $x_i=\omega^i$,其中 $\omega=e^{\frac{2\pi i}{k}}$,我们就得到了三角插值多项式.为了确定三角插值多项式的系数,我们使用 Cramer 法则.我们知道
$$
\begin{cases}
\xi_0+\xi_1\omega^0+\cdots+\xi_{k-1}\omega^0=y_0\\
  \xi_0+\xi_1\omega^1+\cdots+\xi_{k-1}\omega^{k-1}=y_1\\
\xi_0+\xi_1\omega^2+\cdots+\xi_{k-1}\omega^{2(k-1)}=y_2\\
\vdots\\
\xi_0+\xi_1\omega^{k-1}+\cdots+\xi_{k-1}\omega^{(k-1)(k-1)}=y_{k-1}.
\end{cases}
$$
因此
$$
\xi_i=\frac{\begin{vmatrix}
    \omega^{0}&\omega^0&\cdots&y_{0}&\cdots&\omega^{0}\\
    \omega^0&\omega^1&\cdots&y_{1}&\cdots&\omega^{k-1}\\
    \vdots&\vdots&\cdots&\vdots&\cdots&\vdots\\
\omega^0&\omega^{k-1}&\cdots&y_{k-1}&\cdots&\omega^{(k-1)(k-1)}\\
  \end{vmatrix}}{\begin{vmatrix}
    \omega^{0}&\omega^0&\cdots&\omega^{0}\\
\omega^0&\omega^1&\cdots&\omega^{k-1}\\
\vdots&\vdots&\cdots&\vdots\\
\omega^0&\omega^{k-1}&\cdots&\omega^{(k-1)(k-1)}\\
  \end{vmatrix}}.
$$

$$
\begin{pmatrix}
  y_0\\
y_1\\
\vdots\\
y_{k-1}\\
\end{pmatrix}=\alpha_0 \begin{pmatrix}
  \omega^{0}\\
\omega^{0}\\
\vdots\\
\omega^0\\
\end{pmatrix}+\cdots+\alpha_i \begin{pmatrix}
  \omega^{0}\\
\omega^{i}\\
\vdots\\
\omega^{i(k-1)}\\  
\end{pmatrix}+\cdots+\alpha_{k-1}\begin{pmatrix}
  \omega^{0}\\
\omega^{k-1}\\
\vdots\\
\omega^{(k-1)(k-1)}
\end{pmatrix},
$$
则 $\xi_i=\alpha_i$.于是我们只用求 $\alpha_i$ 即可.易得
$$
\alpha_i=\frac{1}{k}\begin{pmatrix}
  y_0\\
y_1\\
\vdots\\
y_{k-1}\\
\end{pmatrix}\cdot \begin{pmatrix}
  \omega^0\\
\omega^{-i}\\
\vdots\\
\omega^{-i(k-1)}\\
\end{pmatrix}.
$$

三角插值的 Fourier 系数推导的更多相关文章

  1. Fourier分析基础(一)——Fourier级数

    前言 傅立叶分析的作用是把一个函数变成一堆三角函数的和的形式,也就是分解.首先引入的是傅立叶级数,Fourier级数的作用是把函数变为可数无限个三角函数的和,而且这些三角函数的频率都是某个基频的整数倍 ...

  2. 最全面的图卷积网络GCN的理解和详细推导,都在这里了!

    目录 目录 1. 为什么会出现图卷积神经网络? 2. 图卷积网络的两种理解方式 2.1 vertex domain(spatial domain):顶点域(空间域) 2.2 spectral doma ...

  3. 从傅里叶级数(Fourier series)到离散傅里叶变换(Discrete Fourier transform)

    从傅里叶级数(Fourier series)到离散傅里叶变换(Discrete Fourier transform) 一. 傅里叶级数(FS) 首先从最直观的开始,我们有一个信号\(x(t)\)(满足 ...

  4. Adaboost 算法的原理与推导

    0 引言 一直想写Adaboost来着,但迟迟未能动笔.其算法思想虽然简单“听取多人意见,最后综合决策”,但一般书上对其算法的流程描述实在是过于晦涩.昨日11月1日下午,邹博在我组织的机器学习班第8次 ...

  5. paper 5:支持向量机系列二: Support Vector —— 介绍支持向量机目标函数的 dual 优化推导,并得出“支持向量”的概念。

    paper 4中介绍了支持向量机,结果说到 Maximum Margin Classifier ,到最后都没有说“支持向量”到底是什么东西.不妨回忆一下上次最后一张图: 可以看到两个支撑着中间的 ga ...

  6. 数理方程:Fourier级数

    更新:25 MAR 2016 对于周期函数(周期为\(2\pi\))或定义在\([-\pi,\pi]\)上的函数\(f(x)\),可以展开为* \(\large f(x)=\dfrac{a_0}{2} ...

  7. 《Concrete Mathematics》-chaper5-二项式系数

    二项式系数,也是我们常用的组合数,最直观的组合意义就是从n个元素取k个元素所有可能的情况数,因此我们自然的得到下面二项式系数的定义式. 那么我们通过具有组合意义的二项系数,给出更加一般的二项式系数的定 ...

  8. 多层神经网络BP算法 原理及推导

    首先什么是人工神经网络?简单来说就是将单个感知器作为一个神经网络节点,然后用此类节点组成一个层次网络结构,我们称此网络即为人工神经网络(本人自己的理解).当网络的层次大于等于3层(输入层+隐藏层(大于 ...

  9. AdaBoost 算法原理及推导

    AdaBoost(Adaptive Boosting):自适应提升方法. 1.AdaBoost算法介绍 AdaBoost是Boosting方法中最优代表性的提升算法.该方法通过在每轮降低分对样例的权重 ...

随机推荐

  1. Maven:程序包不存在,找不到符号

    maven build时出现了以下的错误: 程序包xx.xx不存在,xxx找不到符号 原因一:DAO层依赖Service接口层的Bean类,在pom.xml中添加了对Service的依赖,也因此引入了 ...

  2. 网页嵌 activeXForm 中显示fastReport

  3. sonarqube linux安装总结,集成jenkins

    第一条建议,安装sonarqube首先看好版本号,不同版本号的安装配置可能不同,如果你想走捷径,看官网对应发布的安装使用教程.https://www.sonarqube.org/downloads/ ...

  4. (函数)P1217 [USACO1.5]回文质数 Prime Palindromes

    题解: 第一次: 算法复杂度过高,导致编译超时,需要优化 #include<stdio.h>#include<math.h>int a[100000001] = { 0 };i ...

  5. 数字证书原理(ssl,https)

    https://blog.csdn.net/qq_34115899/article/details/81298284 关于私钥公钥数字签名数字证书.https.RSA的一些讲解 http://www. ...

  6. XCOM串口助手打印不出数据

    本次实验是在基于原子的战舰开发板上的做定时器捕获实验,程序源码下载到板子上运行正常.指示灯正常显示,打开XCOM识别不来串口,原因:硬件上没有插USB转串口线: 连接上USB转串口线,软件上以显示CH ...

  7. 在CentOS/RHEL 7下修改网卡名为 eth0 形式

    为了统一企业中的多版本系统共存的环境,这里将网卡名称设置为 eth* 的形式,不使用CentOS/RHEL 7默认的特殊网卡命名规则.所以需要在安装初始的时候,需要增加内核参数. 在启动界面,按 TA ...

  8. BP算法推导python实现

    def sigmoid(inX):   return 1.0/(1+exp(-inX))   '''标准bp算法每次更新都只针对单个样例,参数更新得很频繁sdataSet 训练数据集labels 训练 ...

  9. java复制对象,复制对象属性,只可复制两个对象想同的属性名。也可自定义只复制需要的属性。

    注意:使用时copy()方法只会复制相同的属性.常用的copy()方法.以下为封装的工具和使用方式. 1.封装类 import java.util.Map; import java.util.Weak ...

  10. oracle 学习(三)pl/sql语言函数

    系统内置函数 数学运算函数 字符串函数 统计函数 日期函数 用户定义函数:存储在数据库中的代码块,可以把值返回到调用程序.调用时如同系统函数一样 参数模式 IN模式:表示该参数时输入给函数的参数 OU ...