三次hermite插值多项式例题_不同插值方法的比较及Python实现

最近在做债券收益率曲线绘制的相关项目，会涉及到一些插值方法的实现。为了弄清楚不同插值方法之间的差异，自己查询了一些相关的资料，但发现网上的资料不够系统，零零散散，便想着做一个读书笔记之类的东西以做留存。其中的疏漏在所难免，欢迎各位指正。

本文主要通过代码实现来加深大家对不同插值方法之间差异的理解，具体的推导过程网上很容易搜索到相关资料，这里就不再赘述。

常见的插值方法：

• 多项式插值
  • Lagrange 插值
    • 线性插值
    • 抛物线插值
    • ...
  • Newton 插值
• 分段插值
  • Constant
  • Linear
  • Hermite
  • Cubic Spline
    • Natural Spline
    • Clamped Spline
    • Periodic Spline
    • ....

一、多项式插值（Polynomial Interpolation）

多项式插值，顾名思义，即以一个多项式的形式来刻画经过一系列点的曲线。为了更加严谨一些，这里参考Wiki的定义。

给定一组

个数据点

，其中任意两个

都不相同，需要找到一个满足

的不大于

阶的

阶多项式。

>> 拉格朗日插值（Lagrange Interpolation）

设

是

次多项式，且在插值节点

上满足：当

时，

；当

时，

。称

为节点

上的

次Lagrange基函数。由插值基函数可得插值多项式为：

当n=1和2时，即为线性插值多项式和抛物线插值多项式。

def lagrange(x_val, y_val, x):
    assert len(x_val) > 1 and (len(x_val) == len(y_val))
    
    def basis(i):
        l_i = [(x - x_val[j]) / (x_val[i] - x_val[j]) for j in range(len(x_val)) if j != i]
        return reduce(operator.mul, l_i) * y_val[i]
    
    return sum(basis(i) for i in range(len(x_val)))

拉格朗日插值虽然简单易用，但是有个很大的局限，即每增加一个新的插值点时，整个基函数就需要重新构建，这大大增加了运算量。为此，我们需要寻找一种新的基函数，其能够在节点增加时，只需要在原有的基函数上增加一些新的基函数即可，而无需对原始的基函数进行重构。

>> 牛顿插值（Newton Interpolation）

设插值节点为

，考虑函数组

其中

是

次多项式，且相互之间线性无关，为此可以使用其构造基函数。该基函数的一个优点是当增加一个新的插值节点

时，只需在原有基函数的基础上增加一个新的函数