《填充数据的邻居》——插值

插值算法

• 在进行数据分析时，如果此时已知的数据比较少，那么在对问题进行分析时，难免会分析得不全面，这时就需要使用一些数学的方法，“模拟产生”一些新的但又比较靠谱的值来满足需求，这就是插值的作用

在实际问题中，一个函数$\mathbf{y}=\mathbf{f}(\mathbf{x})$往往是通过实验观测得到的，仅已知函数$\mathbf{f}(\mathbf{x})$在某区间$\left[\mathbf{a},\mathbf{b}\right]$上一系列点上的值$${\mathbf{y}}_{\mathbf{i}}=\mathbf{f}({\mathbf{x}}_{\mathbf{i}}),\mathbf{i}=0,1,...,\mathbf{n}$$
当需要在这些节点${\mathbf{x}}_0,{\mathbf{x}}_1,...{\mathbf{x}}_{\mathbf{n}}$之间的点上的函数值时，常用较简单的、满足一定条件的函数$\mathbf{\phi }({\mathbf{x}}_{\mathbf{i}})$去代替$\mathbf{f}(\mathbf{x})$，插值法是一种常用方法，其插值函数$\mathbf{\phi }({\mathbf{x}}_{\mathbf{i}})$满足条件
$$\mathbf{\phi }({\mathbf{x}}_{\mathbf{i}})={\mathbf{y}}_{\mathbf{i}},\mathbf{i}=0,1,...,\mathbf{n}$$

一般插值多项式

定理

设有n+1个互不相同的节点$\left({\mathbf{x}}_{\mathbf{i}},{\mathbf{y}}_{\mathbf{i}}\right)\left(\mathbf{i}=0,1,2,....,\mathbf{n}\right)$，则存在唯一的多项式：$${\mathbf{L}}_{\mathbf{n}}(\mathbf{x})={\mathbf{a}}_0+{\mathbf{a}}_1\mathbf{x}+{\mathbf{a}}_2{\mathbf{x}}^2+...+{\mathbf{a}}_{\mathbf{n}}{\mathbf{x}}_{\mathbf{n}}$$使得${\mathbf{L}}_{\mathbf{n}}({\mathbf{x}}_{\mathbf{j}})={\mathbf{y}}_{\mathbf{j}}(\mathbf{j}=0,1,2,...,\mathbf{n})$

• 证明
  $$\{\begin{array}{rl}{a}_0+a_1{x}_0+a_2{x}_0^2+...+a_n{x}_0^n=y_0& \\ a_0+a_1{x}_1+a_2{x}_1^2+...+a_n{x}_1^n=y_1& \\ .....................................................& \\ a_0+a_1{x}_n+a_2{x}_n^2+...+a_n{x}_n^n=y_n& \end{array}$$
  根据线性代数解矩阵方程组的知识
  $$\begin{array}{c}令：A=\left[\begin{array}{cccc}1& x_0& ...& x_0^n\\ 1& x_1& ...& x_1^n\\ ...& ...& ...& ...\\ 1& x_n& ...& x_n^n\end{array}\right]X=\left[\begin{array}{c}{a}_0\\ a_1\\ ...\\ a_n\end{array}\right]Y=\left[\begin{array}{c}{y}_0\\ y_1\\ ...\\ y_n\end{array}\right]\end{array}$$
  方程组的矩阵形式如下：$\mathbf{A}\mathbf{X}=\mathbf{Y}$， A \boldsymbol{A}