【数值分析学习笔记】——3、插值与多项式逼近

3、插值与多项式逼近

   种类：拉格朗日插值多项式、牛顿插值多项式、Hermite插值、样条插值等等。

3.1拉格朗日插值多项式

   最简单的插值是用直线连接两个数据点。如右图，这种方法称为线性插值(linear interpolation)。由直线斜率相等得:

$$\frac{f(x)-f(x_1)}{x-x_1}=\frac{f(x_2)-f(x_1)}{x_2-x_1}$$   整理得到：

$f(x)=f(x_1)+\frac{f(x_2)-f(x_1)}{x_2-x_1}(x-x_1)$

   将线性插值的公式进行重新整理可以得到：
$$f(x)=\frac{x-x_2}{x_1-x_2}f(x_1)+\frac{x-x_1}{x_2-x_1}f(x_2)$$   即将线性插值多项式看成由直线相连的两个点的加权平均,就是拉格朗日插值多项式:

$$f(x)=L_{1}f(x_1)+L_{2}f(x_2)$$

   其中L是加权系数。由此推断，第一个加权系数可以是在x处等于1，在x,处等于0的直线:$L_1=\frac{x-x_2}{x_1-x_2}$。同理,第二个系数是在x处等于1、在x处等于0的直线:$L_2=\frac{x-x_1}{x_2-x_1}$。（这里有点像有限元当中的形函数）。公式:
$$f(x)=\frac{x-x_2}{x_1-x_2}f(x_1)+\frac{x-x_1}{x_2-x_1}f(x_2)$$称为线性拉格朗日插值多项式。
   一次、二次以及更高次的拉格朗日多项式都可以简写为:$f_{n-1}(x)=\sum _{i=1}^n{L}_i(x)f(x_i)$ 其中：$L_i(x)=\prod _{j=1}^n\frac{x-x_j}{x_i-x_j}(i\ne j)$ n=数据点的个数。

3.2牛顿插值多项式

   线性插值：
$$f_1(x)=f(x_1)+\frac{f(x_2)-f(x_1)}{x_2-x_1}(x-x_1)$$ $b_1=f(x_1)$，$b_2=\frac{f(x_2)-f(x_1)}{x_2-x_1}$ 则：$f(x)=b_1+b_2(x-x_1)$

   二次插值：
$$f_2(x)=b_1+b_2(x-x_1)+b_3(x-x_1)(x-x_2)$$   确定系数值，首先令$x=x_1$得到：$b_1=f(x_1)$，再令$x=x_2$得到：$b_2=\frac{f(x_2)-f(x_1)}{x_2-x_1}$，最后令$x=x_3$得到：$b_3=\frac{\frac{f(x_3)-f(x_2)}{x_3-x_2}-\frac{f(x_2)-f(x_1)}{x_2-x_1}}{x_3-x_1}$。
   牛顿插值多项式的一般形式：
   考虑用(n-1)次多项式拟合n个数据点，前面的分析可以进行推广。(n-1)次插值多项式为:
$$f_{n-1}(x)=b_1+b_2(x-x_1)+\cdots +b_n(x-x_1)(x-x_2)\cdots (x-x_{n-1})$$

   与线性插值与二次插值一样，系数$b_1,b_2,b_3,\cdots ,b_n$由数据点确定。 (n-1)次多项式需要n个数据点: 。可以用这些数据点和下面的公式计算系数:
$$b_1=f(x_1),b_2=f[x_2,x_1],b_3=f[x_3,x_2,x_1]\cdots ,b_n=f[x_n,x_{n-1},\cdots ,x_2,x_1]$$
   带方括号的函数值表示为有限均差。例如一阶有限均差表示为：
$$f[x_i,x_j]=\frac{f(x_i)-f(x_j)}{x_i-x_j}$$
   两个一阶均差的差分是二阶有限均差，它的一般表示形式为:
$$f[x_i,x_j,x_k]=\frac{f[x_i,x_j]-f[x_j,x_k]}{x_i-x_k}$$
   n阶有限均差为：
$$f[x_n,x_{n-1},\cdots ,x_2,x_1]=\frac{f[x_n,x_{n-1},\dots ,x_2]-f[x_{n-1},x_{n-2},\dots ,x_1]}{x_n-x_1}$$