多项式插值，分段插值

插值法

插值法是离散数学中的重要工具，主要是根据已知的数据点，来预测未知数据点（例如极值点）的方法。例如。已知$f$函数经过了n个数据点，可以求一个n-1次的插值函数$P$，使得插值函数$P(x)$尽量接近原函数$f(x)$，并由插值函数来预测未知的数据点。（通常是因为$f$的极值不好求，用而用于拟合的插值函数一般是比较好求极值的函数，例如多项式。）

多项式插值

二次插值

三点法二次插值

要求已知$f$在三个点$x_1<x_2<x_3$上的值$f_1,f_2,f_3$，并且满足$f_1>f_2<f_3$（为了确保f在$[x_1,x_3]$上有极小值）。那么二次插值函数$P$满足：
$$P(x_i)=a_0+a_{1}x+a_2{x}^2=f_i,\forall i=1,2,3$$
求解上面方程组可得：
$$P(x)=f_1\frac{(x-x_2)(x-x_3)}{(x_1-x_2)(x_1-x_3)}+f_2\frac{(x-x_1)(x-x_3)}{(x_2-x_1)(x_2-x_3)}+f_3\frac{(x-x_1)(x-x_2)}{(x_3-x_1)(x_3-x_2)}$$
令$P^{\prime }(x)=0$，可以求得$P(x)$的极小值点：
$$\mu =\frac{f_1(x_2^2-x_3^2)+f_2(x_3^2-x_1^2)+f_3(x_1^2-x_2^2)}{2[f_1(x_2-x_3)+f_2(x_3-x_1)+f_3(x_1-x_2)]}$$

现在我们有四个点$(x_1,f_1),(x_2,f_2),(x_3,f_3),(\mu ,f(\mu ))$，可以继续在里面找到最相邻的满足“两边大中间小”的三个点，然后继续重复上面的步骤，直到达到精度要求（一般停止的条件是$|\mu -x_2|<ϵ$）。可以看下图方面理解：

两点法二次插值

只知道$x_1$的函数值$f_1$及导数$f_1^{\prime }$，以及$x_2$的函数值$f_2$。那么有：
$$\begin{array}{rl}P(x_i)& =a_0+a_{1}x+a_2{x}^2=f_i,i=1,2\\ P^{\prime }(x_1)& =a_1+2a_{2}x=f_1^{\prime }\end{array}$$

$$\Rightarrow P(x)=\frac{f_2-f_1-f_1^{\prime }(x_2-x_1)}{(x_2-x_1{)}^2}\cdot (x-x_1{)}^2+f_1^{\prime }(x-x_1)+f_1$$

令$P^{\prime }(x)=0$，可以求得$P(x)$的极小值点：
$$\mu =x_1-\frac{f_1^{\prime }(x_2-x_1{)}^2}{2[f_2-f_1-f_1^{\prime }(x_2-x_1)]}$$

后面的迭代跟三点法二次插值一样。

---

分段插值