主题
Search

拉格朗日插值多项式


LagrangeInterpolatingPoly

拉格朗日插值多项式是 degree <=(n-1)多项式 P(x),它穿过 n 个点 (x_1,y_1=f(x_1)), (x_2,y_2=f(x_2)), ..., (x_n,y_n=f(x_n)),并由下式给出

 P(x)=sum_(j=1)^nP_j(x),
(1)

其中

 P_j(x)=y_jproduct_(k=1; k!=j)^n(x-x_k)/(x_j-x_k).
(2)

显式地写出,

P(x)=((x-x_2)(x-x_3)...(x-x_n))/((x_1-x_2)(x_1-x_3)...(x_1-x_n))y_1+((x-x_1)(x-x_3)...(x-x_n))/((x_2-x_1)(x_2-x_3)...(x_2-x_n))y_2+...+((x-x_1)(x-x_2)...(x-x_(n-1)))/((x_n-x_1)(x_n-x_2)...(x_n-x_(n-1)))y_n.
(3)

该公式最早由 Waring (1779) 发表,1783 年被 Euler 重新发现,并于 1795 年由 Lagrange 发表 (Jeffreys and Jeffreys 1988)。

拉格朗日插值多项式在 Wolfram 语言中实现为InterpolatingPolynomial[data, var]。 它们被使用,例如,在牛顿-科特斯公式的构建中。

在构造插值多项式时,需要在更好的拟合和具有平滑良好行为的拟合函数之间进行权衡。 插值中使用的数据点越多,结果多项式的次数越高,因此它在数据点之间表现出的振荡越大。 因此,高次插值可能不是点之间函数的良好预测器,尽管数据点处的精度将是“完美的”。

对于 n=3 个点,

P(x)=((x-x_2)(x-x_3))/((x_1-x_2)(x_1-x_3))y_1+((x-x_1)(x-x_3))/((x_2-x_1)(x_2-x_3))y_2+((x-x_1)(x-x_2))/((x_3-x_1)(x_3-x_2))y_3
(4)
P^'(x)=(2x-x_2-x_3)/((x_1-x_2)(x_1-x_3))y_1+(2x-x_1-x_3)/((x_2-x_1)(x_2-x_3))y_2+(2x-x_1-x_2)/((x_3-x_1)(x_3-x_2))y_3.
(5)

请注意,函数 P(x) 穿过点 (x_i,y_i),正如在 n=3 的情况下可以看到的那样,

P(x_1)=((x_1-x_2)(x_1-x_3))/((x_1-x_2)(x_1-x_3))y_1+((x_1-x_1)(x_1-x_3))/((x_2-x_1)(x_2-x_3))y_2+((x_1-x_1)(x_1-x_2))/((x_3-x_1)(x_3-x_2))y_3=y_1
(6)
P(x_2)=((x_2-x_2)(x_2-x_3))/((x_1-x_2)(x_1-x_3))y_1+((x_2-x_1)(x_2-x_3))/((x_2-x_1)(x_2-x_3))y_2+((x_2-x_1)(x_2-x_2))/((x_3-x_1)(x_3-x_2))y_3=y_2
(7)
P(x_3)=((x_3-x_2)(x_3-x_3))/((x_1-x_2)(x_1-x_3))y_1+((x_3-x_1)(x_3-x_3))/((x_2-x_1)(x_2-x_3))y_2+((x_3-x_1)(x_3-x_2))/((x_3-x_1)(x_3-x_2))y_3=y_3.
(8)

推广到任意 n

 P(x_j)=sum_(k=1)^nP_k(x_j)=sum_(k=1)^ndelta_(jk)y_k=y_j.
(9)

拉格朗日插值多项式也可以用 Szegö (1975) 称之为拉格朗日基本插值多项式的形式写出。 令

pi(x)=product_(k=1)^(n)(x-x_k)
(10)
pi(x_j)=product_(k=1)^(n)(x_j-x_k),
(11)
pi^'(x_j)=[(dpi)/(dx)]_(x=x_j)
(12)
=product_(k=1; k!=j)^(n)(x_j-x_k)
(13)

因此 pi(x) 是一个 n多项式,其零点在 x_1, ..., x_n。 然后通过下式定义基本多项式

 pi_nu(x)=(pi(x))/(pi^'(x_nu)(x-x_nu)),
(14)

其满足

 pi_nu(x_mu)=delta_(numu),
(15)

其中 delta_(numu)克罗内克 delta。 现在设 y_1=P(x_1), ..., y_n=P(x_n),则展开式

 P(x)=sum_(k=1)^npi_k(x)y_k=sum_(k=1)^n(pi(x))/((x-x_k)pi^'(x_k))y_k
(16)

给出唯一的拉格朗日插值多项式,假设在 x_k 处的值为 y_k。 更一般地,设 dalpha(x) 是区间 [a,b] 上的任意分布,{p_n(x)} 是相关的正交多项式l_1(x), ..., l_n(x) 是对应于多项式 P_n(x) 零点集的基本多项式。 那么

 int_a^bl_nu(x)l_mu(x)dalpha(x)=lambda_mudelta_(numu)
(17)

对于 nu,mu=1, 2, ..., n,其中 lambda_nu克里斯托费尔数

拉格朗日插值多项式不提供误差估计。 计算它们的更概念上直接的方法是 Neville 算法


另请参阅

艾特肯插值, 埃尔米特插值多项式, 勒贝格常数, 玛加塔常数, 内维尔算法, 牛顿差商插值公式

本条目部分内容由 Branden Archer 贡献

使用 Wolfram|Alpha 探索

参考文献

Abramowitz, M. and Stegun, I. A. (Eds.). 数学函数手册,包含公式、图表和数学表格,第 9 版。 New York: Dover, pp. 878-879 and 883, 1972.Beyer, W. H. (Ed.). CRC 标准数学表格,第 28 版。 Boca Raton, FL: CRC Press, p. 439, 1987.Jeffreys, H. and Jeffreys, B. S. "Lagrange's Interpolation Formula." §9.011 in 数学物理方法,第 3 版。 Cambridge, England: Cambridge University Press, p. 260, 1988.Pearson, K. Tracts for Computers 2, 1920.Press, W. H.; Flannery, B. P.; Teukolsky, S. A.; and Vetterling, W. T. "Polynomial Interpolation and Extrapolation" and "Coefficients of the Interpolating Polynomial." §3.1 and 3.5 in FORTRAN 数值食谱:科学计算的艺术,第 2 版。 Cambridge, England: Cambridge University Press, pp. 102-104 and 113-116, 1992.Séroul, R. "Lagrange Interpolation." §10.9 in 数学家编程。 Berlin: Springer-Verlag, pp. 269-273, 2000.Szegö, G. 正交多项式,第 4 版。 Providence, RI: Amer. Math. Soc., pp. 329 and 332, 1975.Waring, E. Philos. Trans. 69, 59-67, 1779.Whittaker, E. T. and Robinson, G. "Lagrange's Formula of Interpolation." §17 in 观测的演算:数值数学专论,第 4 版。 New York: Dover, pp. 28-30, 1967.

在 Wolfram|Alpha 上被引用

拉格朗日插值多项式

请引用为

Archer, BrandenWeisstein, Eric W. "Lagrange Interpolating Polynomial." 来自 MathWorld--一个 Wolfram Web 资源。 https://mathworld.net.cn/LagrangeInterpolatingPolynomial.html

主题分类