数值分析(6)：分段低次和三次样条插值

1. 引言

根据前一章《数值分析(5)：插值法》可知，给定$n+1$个点，可以用Newton法或lagrange法插出一个$n$次多项式函数$\phi (x)$，让$\phi (x)$能够精确地穿过这$n+1$个点，且通过插值余项我们可以知道不处于这$n+1$个点的原函数值和插值函数值之间的差异，即：

那么是不是给的点越多，插值出来的多项式函数$\phi (x)$在其他点处的误差就越小呢？即插值余项$R_n(x)$越小？答案是否定的，因为$f^{(n+1)}({\xi }_x)$不一定能被一个常数控制住，所以不一定n越大，$R_n(x)$越小。

如下图所示，给定11个点，用lagrange插值法插值得到的$L_{10}(x)$如图虚线所示，而原本的函数为实线所示，明显在$|x|<3.63$这个区间内，误差是较小的，而在这个区间外，误差是较大的，这个现象称为Runge现象

为了克服这种现象，可以采用分段低次插值方法或选择非等距的特殊节点。

2. 分段低次插值方法

2.1 分段线性插值

分段线性插值就是相邻插值节点之间用线段连接，从而构成的插值函数。

分段线性插值的定义如下：

分段线性插值多项式$\phi (x)$依赖于节点个数$n+1$，还依赖于节点$x_0,x_1,\dots ,x_n$之间的距离$h_k=x_k-x_{k+1}$

利用线性插值多项式的误差估计：

可以得到下面定理：

定理的本质是根据一个个小区间$[x_k.x_{k-1}]$的误差估计得到一个整体大区间$[a,b]$的误差估计。

2.2 分段三次Hermite插值

分段线性插值的不足之处是，节点处的导数不连续，那么为了让导数能够连续从而让插值曲线看上去更加平滑，需要用到三次Hermite插值（Hermite插值是带导数的插值，三次Hermite插值意味着最高阶次数为3，有4个待定系数）

分段三次Hermite插值的构造方法如下，就是每两个节点间的多项式是Hermite三次多项式，不仅要求节点处$x_i$的函数值$\phi (x_i)=f(x_i)$，还要求节点处$x_i$的导数值${\phi }^{\prime }(x_i)=f^{\prime }(x_i)$。

在每个小区间$[x_k,x_{k+1}]$上用基于Newton的Hermite插值，即用均差形式：

上式对于$k=0,1,\dots ,n-1$均成立。

同样地，小区间内三次Hermite插值多项式的误差估计为：

那么对于整个大区间内的误差估计，自然地存在以下定理：

3. 三次样条插值函数

什么是样条:是指飞机或轮船等的制造过程中为描绘出光滑的外形曲线(放样)所用的工具。样条本质上是一段一段的三次多项式拼合而成的曲线，在拼接处,不仅函数是连续的,且一阶和二阶导数也是连续的。

1946年,Schoenberg将样条引入数学,即所谓的样条函数.

可以看到在前面的分段三次Hermite插值中，虽然能够保证插值函数$\phi (x)$在节点处连续，但是一般在节点处的导数我们并不知道，所以可以认为分段三次Hermite插值的要求过高了。

本节的样条插值函数只要求在节点处的导数值相等即可，不要求等于$f^{\prime }(x_i)$。

三次样条插值函数的定义如下：

如何求解三次样条插值函数？

有以下两种方法：

3.1 待定系数法

因为每个小区间内的函数是三次多项式函数，所以将$f(x)$的定义域分成$n$个区间后有$4n$个待定系数。

根据连续性条件可知，节点处的函数值要相等且等于给定的$f(x)$函数值，节点处的一阶导数连续，二阶导数连续，即：

还需要两个条件才能完全地确定这n个小区间的三次样条插值多项式，而这两个条件就构成了边界条件，有以下两种边界条件：

3.2 三弯矩法

因为$S(x)$在子区间$[x_j,x_{j+1}]$上是三次多项式。因此$S^{\prime \prime }(x)$在$[x_j,x_{j+1}]$上是线性函数，不妨令：

那么根据lagrange插值法可得：

做两次不定积分后得：

利用在节点处的函数值相等，即：$S(x_j)=f(x_j),S(x_{j+1})=f(x_{j+1})$，可以求出积分常数$C_1,C_2$

那么小区间内的插值函数$S(x)$还有$M_j$待确定。我们还有一阶导数连续这个条件没用（注意二阶导数连续这个条件在构造插值函数$S(x)$的时候已经在$M_j$中体现了）

把$C_1,C_2$这两个参数代入$S(x)$中，然后对其求导，得：

计算出在$x_j^{+}$处的导数值为：

再计算得到在$x_j^{-}$处的导数值为：

两者相等，即得：

若采用II性边界条件，即：

那么上式（6.6），可以得到一个关系式，用矩阵表示即为：

系数矩阵和等式右边的值矩阵都已知，并且由于${\lambda }_i+{\mu }_i=1$且两者都介于0~1之间，所以上式的系数矩阵是严格对角占优矩阵，可以对其进行Doolittle分解，从而求解出$M_i(i=1,2,...,n-1)$

接下来来看一道例题：

如果采用I型边界条件，即：

那么求出$S^{\prime }(x)$后得到：

根据上面的两个方程，再综合前面得到的方差，可以得到以下的矩阵关系式：

系数矩阵同样是一个严格对角占优矩阵。

下面来看一道相关例题：

3.3 插值余项

那么与分段线性插值相类似地，三次样条插值的插值余项是：

参考文献：

关治，陆金甫《数值方法》