数值分析-插值

---

前言

设函数$y=f(x)$在区间（a,b）上有定义，且知在点$a\le x_0<x_1<....<x_n\le b$上的值$y_0,y_1...y_n$,若存在一简单函数$P(x)$，使$P（x_i）=y_i,i=0,1,...n$,则称$P(X)$为$f(x)$的插值函数，$x_0,x_1...x_n$为插值节点
$P(x)=a_0+a_1{x}_1+a_2{x}_2+.....+a_n{x}_n$, 且$a_i$为实数，就称$P(x)$为插值多项式，满足条件$P（x_i）=y_i,i=0,1,...n$的插值多项式存在且唯一，拉格朗日插值和牛顿插值形式不同，余项是相等的。

一、拉格朗日插值

（1）通用步骤：
（已知n+1个插值节点$x_0,x_1...x_n$和其对应的函数值$y_0,y_1...y_n$ ）

步骤	操作
计算${\omega }_{n+1}(x)$	${\omega }_{n+1}(x)={\prod }_{i=0}^n(x-x_i)$
计算插值基函数$l_k(x)$	$l_k(x)=\frac{(x-x_0)...(x-x_{k-1})(x-x_{k+1})...(x-x_n)}{(x_k-x_0)...(x_k-x_{k-1})(x_k-x_{k+1})...(x_k-x_n)}=\frac{{\omega }_{n+1}(x)}{(x-x_k){\omega }_{n+1}^{{}^{\prime }}(x_k)}k=0,1,...n$
计算$Lagrange$多项式$L_n(x)$	$L_n(x)={\sum }_{k=0}^n{y}_k{l}_k(x)$
计算插值余项$R_n(x)$	$R_n(x)=f(x)-L_n(x)=\frac{f^{(n+1)}(\xi )}{(n+1)!}{\omega }_{n+1}(x)$
截断误差限	$M_{n+1}=ma{x}_{a<x<b}|f^{n+1}(x)|$;$R_n(x)\le \frac{M_{n+1}}{(n+1)!}{\omega }_{n+1}(x)$

（2）分段线性插值
通过插值点用折线段连接起来逼近$f(x)$,已知n+1个插值节点$x_0,x_1...x_n$和其对应的函数值$y_0,y_1...y_n$,记$h_k=x_{k+1}-x_k,h=max{h}_k$,折线函数$I_h(x)$满足：
（1）$I_h(x)\in C[a,b]$
（2）$I_h(x_k)=f_k;(k=0,1,2...n)$
（3）$I_h(x)$在每个小区间$[x_k,x_{k+1}]$上是线性函数

表达式	余项
$I_h(x)=\frac{x-x_{k+1}}{x_k-x_{k+1}}{f}_k+\frac{x-x_k}{x_{k+1}-x_k}{f}_{k+1}$，$x_k\le x\le x_{k+1}$，k=0,1,…,n-1	$R_n(x)=f(x)-I_h(x)\le \frac{M_2}{2}max(x-x_k)(x-x_{k+1})$ $\le \frac{M_2}{8}{h}^2$，其中$M_2=max|f^{{}^{\prime \prime }}(x)|$

二、均差与牛顿插值多项式

1.插值多项式的逐次生成

拉格朗日插值在节点增减时会计算要重新进行，为了计算方便重新设计了一种逐次生成插值多项式的方法,即牛顿插值$P_n(X)$

$n=0$，一个节点的0次插值
$$P_0(X)=f(x_0)$$
$n=1$，两个节点的一次插值，$f[x_0,x_1](x-x_0)$可以看作是对0次插值$P_0(X)=f(x_0)$的修正
$$P_1(X)=f(x_0)+f[x_0,x_1](x-x_0)，将节点带入解得f[x_0,x_1]=\frac{f(x_1)-f(x_0)}{x_1-x_0}$$
$n=2$，三个节点的二次插值
$$P_2(X)=f(x_0)+f[x_0,x_1](x-x_0)+f[x_0,x_1,x_2](x-x_0)(x-x_1)，将节点带入解得f[x_0,x_1,x_2]=\frac{f[x_0,x_1]-f[x_1,x_2]}{x_0-x_2}$$
…
规律总结，n个节点的n次插值多项式
$$P_2(X)=f(x_0)+f[x_0,x_1](x-x_0)+...+f[x_0,x_1,...,x_n](x-x_0)(x-x_1)...(x-x_{n-1})$$

2.差商及其性质

定义：k阶均差
$$f[x_0,x_1,...,x_k]=\frac{f[x_0,x_1,...,x_{k-2},x_k]-f[x_0,x_1,...,x_{k-2},x_{k-1}]}{x_k-x_{k-1}}$$
基本性质：
（1）k阶均差可表示为函数值$f(x_0),f(x_1),f(x_2).....f(x_k)$的线性组合,均差的值与节点的排列次序无关，即 $f[x_0,x_1,...,x_k]=f[x_1,x_0,...,x_k]=...=f[x_k,x_1,...,x_0]$,k阶均差的定义等式右边可以变换
（2）若$f(x)$在[a,b]上存在n阶导数，已知有n个节点$x_0,x_1,x_2,...,x_n\in [a,b]$，n阶均差与导数的关系为
$$f[x_1,x_0,...,x_n]=\frac{f^{(n)}(\xi )}{n!},\xi \in [a,b]$$
（3）差商表

3.差分

定义：在实际情况中，经常会用等距节点进行插值，即$x_k=x_0+kh$的情形，这里h称为步长，此时插值公式可以得到简化，设$x_k$点的函数值为$f_k=f(x_k)(k=0,1,2....n)$，称$\Delta f_k=f_{k+1}-f_k$为$x_k$处以h为步长的一阶（向前）差分，类似称${\Delta }^2{f}_k=\Delta f_{k+1}-\Delta f_k$为$x_k$处的二阶差分。
$${\Delta }^n{f}_k={\Delta }^{n-1}{f}_{k+1}-{\Delta }^{n-1}{f}_k$$
差分与差商的关系：
$$f[x_k,....,x_{k+m}]=\frac{1}{m!}\frac{1}{h^m}{\Delta }^m{f}_k,m=1,2...n$$
差分与导数的关系：
$${\Delta }^n{f}_k=h^n{f}^n(\xi ),其中\xi \in (x_k,x_{k+1})$$
牛顿前插公式
$$P_n(x_0+th)=f_0+t\Delta f_0+\frac{t(t-1)}{2!}{\Delta }^2{f}_0+....+\frac{t(t-1)...(t-n+1)}{n!}{\Delta }^n{f}_0$$
插值节点$x_0,x_0+h,x_0+2h,......,x_0+nh$求$f(x_0+th)$，t一般不是整数，且$t\in [0,n]$,才可得其余项得计算公式。

4.牛顿插值的极限形式

设$f\in C^n[a,b],x_0,x_1,....,x_n$为$[a,b]$上相异的节点，则$f[x_0,x_1,....,x_n]$是其变量连续的函数，如果$[a,b]$上的节点互异，根据均差的定义，若$f\in C^1[a,b]$,则有
$$\underset{x\to x_0}{\lim }f[x_0,x]=\underset{x\to x_0}{\lim }\frac{f(x)-f(x_0)}{x-x_0}=f^{{}^{\prime }}(x_0)$$
一般的可定义n重节点的均差
$$f[x_0,x_0,x_0....x_0]=\underset{x_i\to x_0}{\lim }f[x_0,x_1,....,x_n]=\frac{1}{n!}{f}^{(n)}(x_0)$$
在牛顿插值多项式中，若令$x_i\to x_0(i=1,2,3,4....n)$，可得泰勒多项式
$$P_n(x)=f(x_0)+f^{{}^{\prime }}(x_0)(x-x_0)+...+\frac{f^{(n)}(x_0)}{n!}(x-x_0{)}^n$$

二、插值余项与误差估计

插值余项
$$R_n(x)=f(x)-L_n(x)=\frac{f^{(n+1)}(\xi )}{(n+1)!}{\omega }_{n+1}(x)$$

误差估计
$$|R_n(x)|\le \frac{M_{n+1}}{(n+1)!}|{\omega }_{n+1}(x)|,M_{n+1}=\underset{a<x<b}{\max }|f^{(n+1)}(x)|$$