拉格朗日插值matlab_数值计算方法 第四章 多项式插值（1）

写在章前：（逐渐失去耐心，手写和截图越来越多哈哈哈）

生产实践中常常出现这样的问题：给出一批离散样点,要求作出一条通过这些点的光滑曲线,以便满足设计要求或进行加工。反映在数学上,即已知函数在一些点上的值,寻求它的分析表达式。因为由函数的表格形式不能直接得出表中未列点处的函数值，也不便于研究函数的的性质。此外,有些函数虽然有表达式,但因式子复杂，不易计算其值和进行理论分析，也需要构造一个简单函数来近似它。解决这种问题的方法有两种：

①插值法。给出函数

的一些样点值,选定一个便于计算的函数形式，如多项式，分式线性函数和三角多项式等，要求它通过已知样点，由此确定函数

作为

的近似。

②曲线拟合法。在选定近似函数形式后,不要求近似函数过已知样点,只要求在某种意义下它在这些点上的总偏差最小。

插值分为代数(多项式)插值，有理插值，三角插值等。本章主要讨论构代数插值的几种常用方法及其误差。原因是，多项式函数非常简单，其函数值的计算只需有限次数的加（减）法和乘法就可以完成。而且多项式函数是无穷次可微，其导数和原函数仍是多项式函数等等。

一、多项式插值基础

1、插值的定义（了解节点，插值函数，被插值函数，插值区间，插值条件）

2、多项式插值的存在唯一性

证明：

次多项式有

个待定系数，由插值条件式恰好给出

个方程。代入点处的函数值，得到方程组

,

为范德蒙行列式，在节点互不相同的情况下，由克莱姆法则，此时的插值多项式系数是存在唯一的。

注意：

①若

本身为多项式，其插值函数为本身。

②若不将多项式次数限制为

，则插值多项式不唯一。因为插值函数加上

都满足条件。

3、插值多项式的误差估计

插值余项：插值多项式与被插函数之间的差

称为截断误差。

定理：假定

在区间

上

次连续可导，

是过

的n次插值多项式,且

，则对

上任意点

，插值余项为

推导：构造辅助函数

在

内至少有一个零点，（不断用罗尔定理往高阶上搞）

设为

，即

~

从此定理可以看到，插值误差与节点和点 x 之间的距离有关，节点距离 x 越近，一般的插值误差越小。特别地，当被差值函数

自身就是次数不超过

次的多项式时，则有

通过解方程组来确定插值多项式，计算量较大。下面介绍几种常用的确定插值多项式的方法。

二、拉格朗日插值多项式

1、插值问题

因为比较熟悉就不多说了。

注：当插值节点增加时，拉氏基函数需要重新计算，

较大时，计算量非常大,故此法常用于理论分析。

2、反插值问题

一种思想。当已知某一单调连续函数

在一些采样点的函数值，而需要近似计算哪一点处的函数值为一已知值

时，可采用反插值法即利用已知数据对

的反函数

进行插值近似，然后由该插值多项式计算

的近似值。

三、牛顿插值多项式

1、基础知识介绍

一阶差商：设有函数

为一系列互不相等的点，

称为

关于点

的一阶差商（也称均差），记为

二阶差商：一阶差商的差商称为

关于点

的二阶差商，记为

阶差商：一般的，称

为

关于点

的

阶差商

零阶差商：当

时称

为

关于点

的

零阶差商，记为

差商的性质：

①各阶差商均有线性性,即若

,则对任意正整数

都有

②

阶商差

可表示成

的线性组合

③各阶差商均具有对称性,即改变节点的位置,差商值不变。由②知。

④若

是

次多项式，则

也是

次多项式，且

,其中

为

次多项式。

所以

为

次多项式。

搜了一个②的证明，可以理解但是一直觉得这个系数应该有某种直观的理解。有想到的朋友可以评论或私信奥。谢谢。

差商的计算：

2、牛顿插值公式

①插值公式：

②一种思维过程：

图源知乎@马同学

图源知乎@马同学

观察

的特点，不断重复上述过程，就可以得到牛顿插值法。

先从求满足两个点

的函数

说起：

假设

，

令

：

现在我们增加一个点，

，求满足这三个点的函数

：

假设

，

令

：

......类推奥

③推导：（先乘系数再相加消掉右端带

项）

④误差分析：由唯一性可知只是算法不同，余项相同，即

⑤优缺点分析

缺点：插值曲线在节点处有尖点，不光滑，节点处不可导值多项式

优点: 每增加一个节点, 插值多项式 只增加一项, 即

3、差分

当节点等距时, 即相邻两个节点之差(称为步长) 为常数, Newton插值公式的形式会更简单。因此关于节点间函数的平均变化率 (差商) 可用函数值之差(差分)来表示。

①向前差分

定义：设有等距节点

,步长h为常数,

称相邻两个节点

处的函数值的增量。

为函数

在点

处以h为步长的一阶(向前)差分，记为

, 即

类似地,定义差分的差分为高阶差分:

如二阶(向前)差分为:

一般地,

阶(向前)差分为:

向前差分表示的差商表

②向后差分

向后差分：

二阶向后差分：

阶向后差分：

向后差分表示的差商表

③中心差分

中心差分：

二阶中心差分：

阶中心差分：

中心差分表示的差商表

差分的性质，这里留个坑。

四、分段插值

1、提出背景

在代数插值中,为了提高插值多项式对函数的逼近程度,常常增加节点个数,即提高多项式的次数，这从插值余项的表达式也可以看出，但不能简单地这样认为，原因是：

①插值余项与节点的分布有关；

②余项公式成立的前提条件是

有足够阶连续导数（即函数足够光滑），但随着节点个数的增加，这个条件一般很难成立；

③随着节点个数的增加，

可能会增大

可以证明,当节点无限加密时,插值函数也只能在很小的范围内收敛，在区间中部能较好的逼近函数，在其他部位差异较大,而且越接近端点,逼近效果越差。这一现象称为Runge现象：

插值函数在两个端点处发生剧烈的波动，as it followed

所以通过增加节点来提高逼近程度是不宜的。一般情况下，L插值次数最多不要超过7次。

为提高精度,在加密节点时,可以把节点分成若干段,分段用低次多项式近似函数,这就是分段插值的思想。

2、分段线性插值

用折线近似曲线相当于分段用线性插值,称为分段线性插值。

①定义：设在区间

上给定

个节点

及节点上的函数值

，作一个插值函数

使其满足

(1)

(2) 在每个小区间

上,

是线性函数。称函数

为

上关于数据

的分段线性插值函数。

②公式：由Lagrange线性插值公式容易写出

的分段表达式

③误差估计

定理: 如果在上二阶连续可微,则分段线性插值函数的余项有以下估计

证明：

emmm差不多了

误差估计还表明,当节点加密时,分段线性插值的误差变小,收敛性有保证。另一方面,在分段线性插值中,每个小区间上的插值函数只依赖与本段的节点值,因而每个节点只影响到节点邻近的一,二计算过程中数据误差基本上不扩大,从而保证了节点数增加时插值过程的稳定性。

3、分段二次插值

分段抛物线弧段近似,称为分段二次插值。

由上面的铺垫不再过多介绍，拉格朗日插值如下：

误差估计：（这个直接把

项放成区间长度）

但分段插值函数仅在

上连续。一般地,在节点处插值函数不可微,这就不能满足有些工程技术问题的光滑要求。