数据挖掘笔记 | 插值 | 拉格朗日插值 | 龙格现象 | 埃尔米特插值 | 分段三次埃尔米特插值

Interpolation插值

​ 对于缺失值的处理，比较常见的是数值分析中的插值和拟合这两种方法。插值指的是在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点；拟合则是找到一条“最优”的曲线，尽可能地贴近平面上一系列的点[1]。

​ 设函数$y=f(x)$在区间$[a,b]$上有定义，且已知在点：
$$a\le x_0<x_1<\cdots <x_n\le b\text{\hspace{1em}(1)}$$
上的值分别为：$y_0,y_1,\cdots ,y_n$，若存在一简单函数$P(x)$使得：
$$P(x_i)=y_i,(i=0,1,2,\cdots ,n),\text{\hspace{1em}(2)}$$
则称$P(x)$为$f(x)$的插值函数，点$x_0,x_1,\cdots ,x_n$称为插值节点，包含插值节点的区间$[a,b]$称为插值区间，求插值函数$P(x)$的方法称为插值法[2]。

​ 设有$n+1$个互不相同的节点$(x_i,y_i),(i=0,1,2,\cdots ,n)$，则存在唯一的多项式：
$$L_n(x)=a_0+a_{1}x+a_2{x}^2+\cdots +a_n{x}^n,\text{\hspace{1em}(3)}$$
使得$L_n(x_j)=y_j,(j=0,1,2,\cdots ,n)$。只要$n+1$个节点互异，满足上述条件的多项式是唯一存在的，如果不限制多项式的次数，插值多项式并不唯一，下面证明上述结论[2]：

​ 构造如下方程组：
$$\{\begin{array}{l}{a}_0+a_1{x}_0+a_2{x}_0^2+\dots +a_n{x}_0^n=y_0\\ a_0+a_1{x}_1+a_2{x}_1^2+\dots +a_n{x}_1^n=y_1\\ ⋮\\ a_0+a_1{x}_n+a_2{x}_n^2+\dots +a_n{x}_n^n=y_n\end{array}.\text{\hspace{1em}(4)}$$
​ 令：
$$\mathbf{A}=\left[\begin{array}{cccc}1& x_0& \cdots & x_0^n\\ 1& x_1& \cdots & x_1^n\\ ⋮& ⋮& \ddots & ⋮\\ 1& x_n& \cdots & x_n^n\end{array}\right],\mathbf{X}=\left[\begin{array}{c}{a}_0\\ a_1\\ ⋮\\ a_n\end{array}\right],\mathbf{Y}=\left[\begin{array}{c}{y}_0\\ y_1\\ ⋮\\ y_n\end{array}\right].$$
​ 对于方程组组$\mathbf{A}\mathbf{X}=\mathbf{Y}$，由于矩阵$\mathbf{A}$是Vandermonde范德蒙矩阵，故其行列式[3]：
∣ A ∣ = ∏ i = 1 n ∏ j = 0 i − 1 ( x i − x j ) ≠ 0. (5) |\boldsymbol{A}|=\prod_{i=1}^{n}\prod_{j=0}^{i-1}(x_i-x_j)\neq0.\tag{5} ∣A∣=i=1∏<