数值分析——拉格朗日插值

拉格朗日插值

拉格朗日插值基函数

拉格朗日插值基函数$l_i(x)$，要求满足$l_i(x_j)={\delta }_{ij}$。

那么插值多项式就为$$p(x)=\sum _{i=0}^n{y}_i{l}_i(x)$$

基函数具体形式可以是：

$$l_k(x)=\frac{(x-x_0)(x-x_1)...(x-x_{k-1})(x-x_{k+1})...(x-x_n)}{(x_k-x_0)(x_k-x_1)...(x_k-x_{k-1})(x_k-x_{k+1})...(x_k-x_n)}$$

当$n=1$时，就变成了上一篇里推出的线性插值的表达式。

代码示例

对函数$f(x)=\frac{1}{1+x^2}$，在区间$[-5,5]$上等距取点，进行拉格朗日插值。

import numpy as np
import matplotlib.pyplot as plt

# 取数据点
n = 5  # 点数 x0  x1 x2 x3 x4
xdata = np.linspace(-5, 5, n).reshape((-1,1))
ydata = 1 / (1 + xdata ** 2)


# 计算基函数
def l(k, x, xdata, n):
    below = 1
    up = 1
    for i in range(n):
        if i != k:
            below = below * (xdata[k] - xdata[i])
            up = up * (x - xdata[i])
    return up / below
x_plot = np.linspace(-5, 5, 500)
l_matrix = np.zeros((len(x_plot), n))

for i in range(n):
    l_matrix[:,i] = l(i, x_plot, xdata, n)

p1, = plt.plot(x_plot, l_matrix@ydata)
p2, = plt.plot(x_plot, 1/(1 + x_plot**2))
p3 = plt.scatter(xdata, ydata)
plt.legend([p1, p2], ["p(x)", "f(x)"])
plt.show()

当$n=5$时，得到图像为：

当$n=10$时，图像变为：

当$n=15$时，图像为：

可以看到，n很大时，插值函数反而可能波动极大，类似于机器学习的过拟合。