Hermite（埃尔米特）插值法 | 插值多项式+ 插值余项

Lagrange插值法、Newton插值法、逐次插值法、分段插值法，只要求插值多项式$p_n(x)$与被插值函数$f(x)$在插值节点处的函数值相等即可，即$p_n(x_i)=f(x_i)(i=0,1,\cdots ,n)$。但这种插值不能完全反映出被插值函数的性态。在许多实际问题中，不仅要求插值函数与被插值函数在节点处的函数值相同，而且还要求插值函数与被插值函数在某些节点处的导数值，甚至高阶导数值也相同。按照这种插值条件所进行的插值称为Hermite插值。其中，最常见的是要求一阶导数值相同的插值。下面就来导出其插值多项式。

1. Hermite插值多项式

假设已知函数$y=f(x)$在插值节点$x_i(i=0,1,\cdots ,n)$处的函数值为$y_i=f(x_i)$，一阶导数值为$m_i=f^{\prime }(x_i)(i=0,1,2,\cdots ,n)$，则$Hermite$插值多项式$H(x)$满足：
$$\{\begin{array}{l}H(x_i)=y_i,\\ H^{\prime }(x_i)=m_i,i=0,1,\cdots ,n\end{array}\text{\hspace{1em}(1)}$$
其几何意义就是，要求$y=H(x)$的图形与$y=f(x)$的图形在这n+1个点处相切，因此$x_0,x_1,\cdots ,x_n$称为二重节点。在（1）式中有$2(n+1)$个条件，因此可以确定一个次数不超过$2n+1$次的插值多项式。仿照求Lagrange插值多项式的方法，设
$$H(x)=a_0(x)y_0+{\beta }_0(x)m_0+a_1(x)y_1+{\beta }_1(x)m_1+\cdots +a_n(x)y_n+{\beta }_n(x)m$$
或
$$H(x)=\sum _{i=0}^n(a_i(x)y_i)+{\beta }_i(x)m_i$$
根据插值条件，$a_i(x)$和${\beta }_i(x)$必须分别满足:
$$\{\begin{array}{l}{a}_i(x_k)=\{\begin{array}{l}0,k\ne i\\ 1,k=ii,k=0,1,\cdots ,n\end{array}\\ a_i^{\prime }(x_k)=0\end{array}$$
和
$$\{\begin{array}{l}{\beta }_i(x_k)=0\\ {\beta }_i^{\prime }(x_k)=\{\begin{array}{l}0,k\ne i\\ 1,k=i,i,k=0,1,\cdots ,n\end{array}\end{array}$$
这样确定的${\alpha }_i(x)$和${\beta }_i(x)$称为Hermite插值基函数。显然，基函数$a_i(x)$与${\beta }_i(x)$一旦确定下来，$Hermite$插值多项式$H(x)$就确定出来了。下面导出$a_i(x)$和${\beta }_i(x)$的具体形式：

（1）先确定${\beta }_i(x)$。

由
$${\beta }_i(x_k)={\beta }_i^{\prime }(x_k)=0(k\ne i)$$
知${\beta }_i(x_i)$以$x_k(k\ne i)$为二重零点，又由
$${\beta }_i(x_i)=0,{\beta }_i^{\prime }(x_i)=1\ne 0$$
知${\beta }_i(x)$以$x_i$为一重零点。由于${\beta }_i(x)$为次数不超过$2n+1$的多项式，再根据Lagrange基函数$l_i(x)$的定义，可设
$${\beta }_i(x)={\hat{\beta }}_i\times (x-x_i)\times l_i^2(x),{\hat{\beta }}_i为常数$$
由${\beta }_i^{\prime }(x_i)=1$，得${\hat{\beta }}_i=1$,故有：
$${\beta }_i(x)=(x-x_i)l_i^2(x)$$
（2）再确定$a_i(x)$

同理，根据$a_i(x)$的定义，$a_i(x)$含有因子$l_i^2(x)$，故可令
$$a_i(x)=(ax+b)\times l_2^2(x)$$
其中，a，b为特定常数。于是由条件
$$\{\begin{array}{l}{a}_i(x_i)=1\\ a_i^{\prime }(x_i)=0\end{array}$$
可得出：
$$\{\begin{array}{l}a{x}_i+b=1\\ a+2l_i^{\prime }(x_i)=0\end{array}$$
所以
$$\{\begin{array}{l}a=-2l_i^{\prime }(x_i)\\ b=1+2x_i{l}_i^{\prime }(x_i)\end{array}$$
用对数法对$l_i(x)=\frac{(x-x_0)\cdots (x-x_{l-1})(x-x_{l+1})\cdots (x-x_n)}{(x_i-x_0)\cdots (x_i-x_{i-1})(x_i-x_{i+1})\cdots (x_i-x_n)}$求导，得$l_i^{\prime }(x_i)={\sum }_{k=0,k\ne i}^n\frac{1}{x_i-x_k}$，故
$$a_i(x)=(1-2(x-x_i)\sum _{k=0,k\ne 1}^n\frac{1}{x_i-x_k})l_i^2(x)$$
即得到Hermite插值多项式为：
H ( x ) = ∑ i = 0 n { y i + ( x i − x ) [ ( 2 ∑ k = 0 , k ≠ i n 1 x i − x k ) y i − m i ] } × l i 2 ( x ) H(x)=\sum_{i=0}^n\{y_i+(x_i-x)[(2\sum_{k=0,k\neq i}^n\frac{1}{x_i-x_k})y_i-m_i]\}\times l_i^2(x) H(x)=i=0∑n​{yi​+(xi​−x)[(2k=0,k​=i∑n​xi​−xk​1​)yi​−mi​]}×li2​(x)
（3）最后证明Hermit插值多项式惟一性

假设另有一个不超过$2n+1$次的多项式$h(x)$并满足Hermite插值条件，设
$$\phi (x)=H(x)-h(x)$$
则有
$$\phi (x_i)=H(x_i)-h(x_i)=f(x_i)-f(x_i)=0,(i=0,1,\cdots ,n)$$

$${\phi }^{\prime }(x_i)=H^{\prime }(x_i)-h^{\prime }(x_i)=m_i-m_i=0(i=0,1,\cdots ,n)$$

于是$\phi (x)$有2n+2个零点，但是由于$\phi (x)$是次数不超过$2n+1$的多项式，所以$\phi (x)\equiv 0$，从而有：
$$H(x)=h(x)$$

2. Hermite插值余项

设$f(x)$在插值区间上有2n+2阶导数，令$R(x)=f(x)-H(x)$，由$H(x)$的定义知，$x_i(i=0,1,\cdots ,n)$是$R(x)$的二重零点，因此$R(x)$含有$(x-x_i)$因子，故可设
$$R(x)=k(x)\prod ^2(x)=k(x)\cdot [(x-x_0)(x-x_1)\cdots (x-x_n){]}^2$$
作辅助函数
$$\phi (t)=f(t)-H(t)-k(x)\prod ^2(t)$$
则有
$$\phi (x_i)=0,{\phi }^{\prime }(x_i)=0(i=0,1,\cdots ,n)$$

$$\phi (x)=0$$

所以，$\phi (t)$至少有n+1个二重零点$x_i(i=0,1,\cdots ,n)$和一个单零点x。按照Rolle定理，${\phi }^{\prime }(t)$在$x_0,x_1,\cdots ,x_n,x$每相邻两个零点之间各有一个零点，且$x_0,x_1,\cdots ,x_n$仍是${\phi }^{\prime }(t)$的零点。所以${\phi }^{\prime }(t)$至少有2n+2个零点。同理${\phi }^{\prime \prime }(t)$在插值区间内至少有2n+1个零点，依次类推，${\phi }^{(2n+2)}(t)$在插值区间内至少有一个零点$\xi$，即：
$${\phi }^{(2n+2)}(\xi )=f^{(2n+2)}(\xi )-k(x)\cdot (2n+2)!=0$$
所以

由此得余项为：
$$R(x)=\frac{f^{(2n+2)}(\xi )}{(2n+2)!}\prod ^2(2)其中\xi 依赖于变量x$$