【NA】拉格朗日插值法

插值问题：Interpolation.

• 已知函数 $f(x)$ 在区间 $[a,b]$ 上 $n+1$ 个相异点 $a\le x_0<x_1<...<x_n\le b$ 处的函数值为 $f(x_0),f(x_1),...,f(x_n)$，如果存在一个函数 $S(x)$ 满足 $S(x_i)=f(x_i),i=0,1,2,...,n$，则称函数 $S(x)$ 为 $f(x)$ 在点 $x_i,i=0,1,2,...,n$ 处的插值函数。
• 相应地，$f(x)$ 为被插值函数，$x_i$ 为插值节点，$[a,b]$ 为插值区间，求解插值函数 $S(x)$ 的方法统称为插值法。
• 一般而言，插值函数 $S(x)$ 和原函数 $f(x)$ 之间总是会存在一定误差的，误差函数 $R(x)=f(x)-S(x)$ 被称作插值余项。

初次接触余项概念是学习泰勒展开，使用高阶导数组合逼近原函数，熟悉的有皮亚诺余项、拉格朗日余项。泰勒展开的理念表明可以基于多项式来逼近光滑函数。

• 插值函数可以用于计算原函数 $f(x)$ 的函数值、导数值、数值积分和数值微分等一系列近似计算。满足插值条件的插值函数有多种形式，常见的有多项式、有理分式、三角函数和指数函数。多项式(分段多项式)由于其计算简单的优势，在工程应用中备受青睐，例如Bezier曲线和B-样条曲线。
• 当插值函数是次数不超过 $n$ 次的多项式 $P_n(x)={\sum }_{i=0}^n{a}_i{x}^i$ 时，称其为 $f(x)$ 的 $n$ 次插值多项式。

插值多项式唯一性.

• 【定理】已知函数 $f(x)$ 在区间 $[a,b]$ 上 $n+1$ 个相异点 $a\le x_0<x_1<...<x_n\le b$ 处的函数值 $f(x_i),i=0,1,2,...,n$，则存在唯一的不超过 $n$ 次的多项式 $P_n(x)={\sum }_{i=0}^n{a}_i{x}^i$ 使得 $P_n(x_i)=f(x_i),i=0,1,2,...,n$.
• 【证明】由插值函数的定义可知 $P_n(x_i)=f(x_i),i=0,1,2,...,n$ 必须成立，即 $a_0{x}_i^0+a_1{x}_i^1+a_2{x}_i^2+...+a_n{x}_i^n=f(x_i),i=0,1,2,...,n$.
• 其系数矩阵的行列式是著名的范德蒙德行列式(注意此处是 $n+1$ 阶)，值为 $$\prod _{0\le j<i\le n}(x_i-x_j)$$
• 由于插值节点互异，所以系数行列式不为零，该方程组有唯一解，即插值多项式 $P_n(x)$ 存在且唯一。

拉格朗日插值法.

• 上部分证明过程中使用待定系数法也能够解出插值多项式的系数，但其问题在于计算量过大，并且当插值节点分布密集时，其稀疏矩阵是病态的，数值求解不稳定。

线性(一次)插值.

• 如果只有一个插值节点 $f(x_0)$，那么得到的插值多项式即为常函数 $P_n(x)=f(x_0)$.
• 【一次插值】已知函数 $f(x)$ 在区间 $[a,b]$ 上两点 $x_0,x_1$ 处的函数值 $y_0,y_1$，求插值函数 $L_1$ 满足 $L_1(x_0)=y_0,L_1(x_1)=y_1$.
• 实际上此时的插值多项式就是过点 $(x_0,y_0),(x_1,y_1)$ 的直线，其函数式为 $L_1(x)=\frac{x-x_1}{x_0-x_1}\cdot y_0+\frac{x-x_0}{x_1-x_0}\cdot y_1$.
• 记 $l_0(x)=\frac{x-x_1}{x_0-x_1},l_1(x)=\frac{x-x_0}{x_1-x_0}$，那么 $L_1(x)=l_0(x)\cdot y_0+l_1(x)\cdot y_1$ 称为 $f(x)$ 在 $[a,b]$ 上的Lagrange型线性插值函数，其中 $l_0(x),l_1(x)$ 分别是点 $x_0,x_1$ 上的Lagrange插值基函数。
• 可以发现 $l_0(x),l_1(x)$ 都是线性函数，并且具有以下性质：$①l_0(x)+l_1(x)=1$;$②l_k(x_i)={\delta }_{ki}$，其中 $\delta$ 是Kronecker符号。
• 拉格朗日插值函数可以视为节点函数值 $y_i$ 对节点插值基函数 $l_i(x)$ 的线性组合。

二次插值.

• 已知函数 $f(x)$ 在区间 $[a,b]$ 上三点 $x_0,x_1,x_2$ 处的函数值 $y_0,y_1,y_2$，求插值函数 $L_2$ 满足 $L_2(x_i)=y_i$.
• 令 $L_2(x)={\sum }_{i=0}^2{l}_i(x)\cdot y_i$，由于 $l_k(x_i)={\delta }_{ki}$，所以对于 $l_0(x)$ 而言，它是一个以 $x_1,x_2$ 为零点的二次函数 $C(x-x_1)(x-x_2)$，又 $l_0(x_0)=1$，可得 $C=[(x_0-x_1)(x_0-x_2){]}^{-1}$，同理可以计算出 $l_1(x),l_2(x)$.
• 观察 $l_0(x)=\frac{(x-x_1)(x-x_2)}{(x_0-x_1)(x_0-x_2)}={\prod }_{j=0,j\ne 0}^2\frac{x-x_j}{x_0-x_j}$ 以及 $l_1(x),l_2(x)$ 的表达式，可以统一写为 $l_k(x)={\prod }_{j=0,j\ne k}^2\frac{x-x_j}{x_k-x_j}$，所以: $$L_2(x)=\sum _{k=0}^2(\prod _{j=0,j\ne k}^2\frac{x-x_j}{x_k-x_j})$$

$n$ 次插值.

• 回到最一般的情况，已知函数 $f(x)$ 在区间 $[a,b]$ 上 $n+1$ 个相异点 $a\le x_0<x_1<...<x_n\le b$ 处的函数值为 $y_i,i=0,1,2,...,n$.
• $$L_n(x)=\sum _{k=0}^n(\prod _{j=0,j\ne k}^n\frac{x-x_j}{x_k-x_j})$$

插值余项.

• 【定理】拉格朗日插值法得到的插值多项式 $L_n(x)$ 产生的误差 $R_n(x)=f(x)-L_n(x)=\frac{f^{(n+1)(\xi )}}{(n+1)!}{\omega }_{n+1}(x)$.
• 其中 $f(x)$ 在 $[a,b]$ 上具有 $n$ 阶连续导数，并且在 $(a,b)$ 内 $n+1$ 阶可导，$\xi \in (a,b)$，${\omega }_{n+1}(x)={\prod }_{i=0}^n(x-x_i)$.
• 【证明】根据 $R_n(x)=f(x)-L_n(x)$，当 $x=x_i,i=0,1,2,...,n$ 时 $R_n(x_i)=0$，所以 $R_n(x)$ 有 $n+1$ 个零点，可以设 $R_n(x)=K(x)(x-x_0)(x-x_1)...(x-x_n)$，其中 $K(x)$ 待定。
• 构造辅助函数 $\varphi (t)=R_n(t)-K(x){\prod }_{i=0}^n(t-x_i)$，当 $t=x$ 时可以发现 $\varphi (x)=0$，另外 $t=x_i$ 时 $\varphi (x_i)=0$，因此 $\varphi (t)$ 有 $n+2$ 个零点。

【罗尔定理】函数 $f(x)$ 满足在区间 $[a,b]$ 连续，$(a,b)$ 可导并且 $f(a)=f(b)$ 时，一定存在 $\xi \in (a,b)$ 使得 $f^{\prime }(\xi )=0$.

• 已知函数 $\varphi (t)$ 有 $n+2$ 个零点，将其按从小到大的顺序排列并重新编号为 $t_0,t_1,...,t_{n+1}$. 考察区间 $[t_0,t_1]$，根据罗尔定理，存在 ${\xi }_0\in (t_0,t_1)$ 使得 ${\varphi }^{\prime }({\xi }_0)=0$. 同理可以得到另外 $n$ 个 ${\varphi }^{\prime }(t)$ 的零点。
• 对 ${\varphi }^{\prime }(t)$ 继续使用罗尔定理，可以得到 ${\varphi }^{\prime \prime }(t)$ 的 $n-1$ 个零点，第 $n+1$ 次迭代后得到以下结论：存在 $\xi \in (a,b)$ 使得 ${\varphi }^{(n+1)}(\xi )=0$.
• 由于 $\varphi (t)=R_n(t)-K(x){\prod }_{i=0}^n(t-x_i)=f(x)-L_n(x)-K(x){\prod }_{i=0}^n(t-x_i)$，对其三个部分求 $n+1$ 阶导数，$f(x)$ 部分求导为 $f^{(n+1)}(x)$；$L_n(x)$ 为 $n$ 次多项式，所以其 $n+1$ 阶导数为 $0$；第 $3$ 部分为 $n+1$ 次多项式，求导结果为 $K(x)\cdot (n+1)!$.
• 综上所述，得 ${\varphi }^{(n+1)}(\xi )=f^{(n+1)}(\xi )-(n+1)!\cdot K(x)=0$，解得 $K(x)=\frac{f^{(n+1)(\xi )}}{(n+1)!}$，因此 $R_n(x)=K(x){\prod }_{i=0}^n(x-x_i)=\frac{f^{(n+1)(\xi )}}{(n+1)!}\cdot {\omega }_{n+1}(x)$，拉格朗日插值法余项得证。

碎碎念.

• 如果将 $f(x)$ 和 $L_n(x)$ 分别视为真实模型和假设模型，那么 $R_n(x)$ 可以视为误差。从其表达式可以看出 $R_n(x)$ 并不是随着插值节点数量的增加单调减小。
• 一般来说对于拉格朗日插值法而言，增加插值节点的个数可以减小余项大小，但回忆前面部分从线性插值、二次插值到 $n$ 次插值的推导过程可以发现，每次增加插值节点，插值基函数都需要重新计算，有很多冗余的计算量。