族谱网 头条 人物百科

多项式插值

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:887
转发:0
评论:0
应用多项式可以根据少数给定的数据点来逼近复杂的曲线,如字体排印学中的文字。一个相关的应用是估计自然对数和三角函数的值:选择几个已知的数据点、构建一个查找表、然后在这些数据点之间进行插值。这样可以得到非常快速的计算。另外多项式插值也是数值积分和数值常微分方程中算法的基础。多项式插值在sub-quadratic乘法以及平方运算中也很关键。例如,有a=f(x)=a0x+a1x+...以及b=g(x)=b0x+b1x+...那么乘积ab等于W(x)=f(x)g(x)。基于这些点的插值将得到W(x)以及乘积ab。对于Karatsuba乘法来说,这项技术的速度要比普通数目输入的二次乘法速度要快,尤其是在用并行的硬件实现的时候更是这样。定义给定一组n+1个数据点(xi,yi),其中任意两个xi都不相同,需要找到一个满足的不大于n阶的p阶多项式。唯一性定理表明存在一个并且仅有一个这样的p阶多项式。用更加复...

应用

多项式可以根据少数给定的数据点来逼近复杂的曲线,如字体排印学中的文字。一个相关的应用是估计自然对数和三角函数的值:选择几个已知的数据点、构建一个查找表、然后在这些数据点之间进行插值。这样可以得到非常快速的计算。另外多项式插值也是数值积分和数值常微分方程中算法的基础。

多项式插值在 sub-quadratic 乘法以及平方运算中也很关键。例如,有 a = f(x) = a0x + a1x + ... 以及 b = g(x) = b0x + b1x + ... 那么乘积 ab 等于 W(x) = f(x)g(x)。基于这些点的插值将得到 W(x) 以及乘积 ab。对于 Karatsuba 乘法来说,这项技术的速度要比普通数目输入的二次乘法速度要快,尤其是在用并行的硬件实现的时候更是这样。

定义

给定一组 n+1 个数据点(xi,yi),其中任意两个 xi 都不相同, 需要找到一个满足

的不大于 n 阶的 p 阶多项式。唯一性定理表明存在一个并且仅有一个这样的 p 阶多项式。

用更加复杂的说法,这个多项式可以表述为:对于 n+1 个插值点 (xi),多项式插值定义了一个线性双射

其中 Π Π -->n{\displaystyle \Pi _{n}} 是小于或者等于 n 的多项式的向量空间。

构建插值多项式

多项式插值

红色点表示数据点(xk,yk),蓝色曲线表示插值多项式。

假设插值多项式的形式为

p 对数据点进行插值其含义为

如果代入等式(1),就得到系数为 ak{\displaystyle a_{k}} 的线性方程系统,用矩阵向量形式表示为

为了构建插值多项式 p(x){\displaystyle p(x)},我们要解这个系统计算系数 ak{\displaystyle a_{k}}。

左侧的矩阵通常叫作范德蒙矩阵,它的行列式不为零,这也就证明了唯一性定理:存在唯一的一个插值多项式。

非范德蒙解

我们要在 n 阶多项式向量空间 Π Π -->n{\displaystyle \Pi _{n}} 中构建唯一的一个插值多项式。当用单项式基表示 Π Π -->n{\displaystyle \Pi _{n}} 时,为了建立插值多项式的系数 ak{\displaystyle a_{k}} 我们要解范德蒙矩阵,这个过程可能会耗费大量的计算量。通过为 Π Π -->n{\displaystyle \Pi _{n}} 选择另外一种基我们可以简化系数的计算,但是如果需要用单项式基表示的话当然需要一些额外的计算工作。

其中一个方法是将插值多项式表示成牛顿型多项式,并且使用均差方法建立系数。其代价是0(n2){\displaystyle (n^{2})}运算,而高斯消去需要 O(n3){\displaystyle (n^{3})}运算。另外,如果在数据集中添加了额外的点,也只需要很少的额外运算;而其它方法通常都需要全部重新计算。

另外一个方法是使用拉格朗日型的插值多项式,得到的结果公式马上就表明在满足上面定理所定义条件下存在插值多项式。

Bernstein form 最初是 Sergei Natanovich Bernstein 在魏尔施特拉斯逼近定理的建设性证明中所用的形式,如今它在计算机图形学的贝塞尔曲线中得到了非常重要的应用。

插值误差

用 n 阶多项式在节点 x0、...、xn 对函数 f 插值的误差为:

其中

是均差符号。如果 f 在包含节点 xi 的最小区间 I 上 n+1 次连续可导,那么我们可以将在 I 中 ξ ξ -->{\displaystyle \xi } 的误差写成拉格朗日型

这样,拉格朗日型泰勒定理的余数就是所有插值节点 xi 都相同的情况下的插值误差特例。 如果插值节点等距分布 xi=x0+ih{\displaystyle x_{i}=x_{0}+ih},那么插值误差为 O(hn){\displaystyle (h^{n})}。但是,这并不意味着随着 n → ∞ 插值误差将趋近于 0;实际上,在接近区间 [x0,xn]{\displaystyle [x_{0},x_{n}]} 端点的时候,误差甚至可能会变得无限大,这种现象叫作龙格现象。

上面的误差范围说明我们要选择使乘积 | ∏ (x − xi) | 尽可能小的插值点 xi。切比雪夫节点就可以实现这个结果。

勒贝格常数

在插值节点 x0、...、xn 以及包含所有插值节点的区间 [a, b] 确定下来,插值的过程就是将函数 f 映射到多项式 p。这定义了一个 [a, b] 区间上所有连续函数从空间 C([a, b]) 到其自身的映射。映射 X 是线性的,并且它是函数 f 在子空间 Πn 上的投影。 勒贝格常数 L 定义为 X 的算子范数,它满足勒贝格引理:

换句话说,插值多项式的误差最多是最优逼近的(L+1)倍,这表明我们要找使 L 最小的插值节点。尤其是选择切比雪夫节点时:

我们再次证明切比雪夫节点是多项式插值中比较好的选择,但是这些节点并不是最优的。

收敛性

很自然我们有一个疑问,即对于什么类型的函数以及什么样的插值节点情况下,插值多项式才能够收敛到被插值的函数。收敛性有不同的类型,如点态收敛、一致收敛或者积分收敛。下面将讨论一致收敛。

下面的定理是一个相当令人振奋的答案:

证明:根据魏尔施特拉斯逼近定理,我们知道最优逼近多项式序列 pn∗ ∗ -->(x){\displaystyle p_{n}^{*}(x)} 一致收敛到 f(x)。 现在我们只需证明每个 pn∗ ∗ -->(x){\displaystyle p_{n}^{*}(x)} 都可以通过在特定节点的插值得到,但是根据切比雪夫交错定理这是最优逼近多项式的一个特性。我们明确地得知这样的多项式至少与函数 f(x) 相交 n+1 次。将这些交点作为插值的节点,那么插值多项式就是最优逼近多项式。

但是这个方法的缺点是对每个新函数 f(x) 都要重新计算插值节点,而这个算法很难用数值方法实现。是不是存在一个节点表能够满足插值多项式序列收敛到任意一个连续函数 f(x) 呢?这个问题的答案是否定的,其理由在于下面的定理的结论:

这个证明主要是依据勒贝格常数下限的估计,它定义了 "Xn的算子范数,其中 "Xn 是在 Πn 上的投影算子。现在我们要找一个对于任意的 f∈ ∈ -->C([a,b]){\displaystyle f\in C([a,b])} 符合

条件的节点表。根据 Banach-Steinhaus定理,只有当 Xn 的范数一致有界时才存在这样的节点表,但是根据 ∥ ∥ -->Xn∥ ∥ -->≥ ≥ -->2π π -->log⁡ ⁡ -->(n+1)+C{\displaystyle \|X_{n}\|\geq {\frac {2}{\pi }}\log(n+1)+C} 我们知道这是不可能的。

例如,如果选择等距点作为插值节点,那么龙格现象中的函数表明这样的插值就会出现发散现象。需要注意的是这个函数不仅连续而且在 [−1, 1] 内无限可导。但是对于效果较好的切比雪夫节点,根据下面的定理很难出现这个问题。

相关概念

龙格现象表明高阶插值多项式可能在数据点之间出现震荡,通常可以通过样条插值来解决这个问题,在这种情况下,它不仅仅是一个多项式,而且是样条:一串低阶多项式组合。

使用调和分析函数对周期函数的插值通常是使用傅立叶级数实现的,如在离散傅立叶变换中所作的那样。这可以看作是一种带有调和基函数的多项式插值,参见三角插值与三角多项式。

埃尔米特插值问题是不仅给出了多项式 p 的值,而且给出了一些导数。伯克霍夫插值是给定一些导数而没有给定 p 自身的值的插值方法的一般形式。

微分与积分方程的配置法解法都是基于多项式插值。

参考文献

Kendell A. Atkinson (1988). An Introduction to Numerical Analysis (2nd ed.), Chapter 3. John Wiley and Sons. ISBN 0-471-50023-2

L. Brutman (1997), Lebesgue functions for polynomial interpolation — a survey, Ann. Numer. Math.4, 111–127.

M.J.D. Powell (1981). Approximation Theory and Method, Chapter 4. Cambridge University Press. ISBN 0-521-29514-9.

Michelle Schatzman (2002). Numerical Analysis: A Mathematical Introduction, Chapter 4. Clarendon Press, Oxford. ISBN 0-19-850279-6.

Endre Süli and David Mayers (2003). An Introduction to Numerical Analysis, Chapter 6. Cambridge University Press. ISBN 0-521-00794-1.


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱

相关资料

展开
发表评论
写好了,提交
{{item.label}}
{{commentTotal}}条评论
{{item.userName}}
发布时间:{{item.time}}
{{item.content}}
回复
举报
点击加载更多
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回

更多文章

更多精彩文章
打赏
私信

推荐阅读

· 插值
定义给定n{\displaystylen}个离散数据点(称为节点)(xk,yk){\displaystyle(x_{k},y_{k})},k=1,2,...,n{\displaystylek=1,2,...,n}。对于x,(x≠≠-->xk,k=1,2,...n){\displaystylex,(x\neqx_{k},k=1,2,...n)},求x{\displaystylex}所对应的y{\displaystyley}的值称为内插。f(x){\displaystylef(x)}为定义在区间[a,b]{\displaystyle[a,b]}上的函数。x1,x2,x3...xn{\displaystylex_{1},x_{2},x_{3}...x_{n}}为[a,b]{\displaystyle[a,b]}上n个互不相同的点,G{\displaystyleG}为给定的某一函数类。若G{...
· 拉格朗日插值法
定义对某个多项式函数,已知有给定的k+1个取值点:其中xj{\displaystylex_{j}}对应着自变量的位置,而yj{\displaystyley_{j}}对应着函数在这个位置的取值。假设任意两个不同的xj都互不相同,那么应用拉格朗日插值公式所得到的拉格朗日插值多项式为:其中每个ℓℓ-->j(x){\displaystyle\ell_{j}(x)}为拉格朗日基本多项式(或称插值基函数),其表达式为:拉格朗日基本多项式ℓℓ-->j(x){\displaystyle\ell_{j}(x)}的特点是在xj{\displaystylex_{j}}上取值为1,在其它的点xi,i≠≠-->j{\displaystylex_{i},\,i\neqj}上取值为0。范例假设有某个二次多项式函数f{\displaystylef},已知它在三个点上的取值为:f(4)=10{\displ...
· 多项式
定义给定一个环R(R通常是交换环,可以是有理数、实数或者复数等等)以及一个不定元X,则任何形同:的代数表达式叫做R上的一元多项式。其中a0,…,an是R中的元素。不定元不代表任何值,但环R上的所有运算都对它适用。在不至于混淆的情形下,一般将一元多项式简称为多项式。可以证明,两个多项式的和、差与积仍然是多项式,即多项式组成一个环R[X],称为R上的(一元)多项式环。而所有的二元多项式则可以定义为所有以一元多项式为系数的多项式,即形同的代数表达式。其中p0(X1),p1(X1),⋯⋯-->,pn(X1){\displaystylep_{0}(X_{1}),p_{1}(X_{1}),\cdots,p_{n}(X_{1})}都是R[X1]中的元素。全体这样的表达式也构成一个环,记为R[X1,X2]。以此类推,可以定义所有m元多项式集合:R[X1,X2,...,Xm]多项式总可以表示为有限个元素的和...
· 多项式环
定义多项式函数与多项式在初等数学与微积分中,多项式视同多项式函数,两者在一般的域或环上则有区别。举例言之,考虑有限域F2:=Z/2Z{\displaystyle\mathbb{F}_{2}:=\mathbb{Z}/2\mathbb{Z}}上的多项式此多项式代任何值皆零,故给出零函数,但其形式表法非零。我们宁愿将多项式看作形式的符号组合,以得到较便利的代数理论。且考虑多项式在域扩张之下的性质:就函数观点,多项式函数在域扩张下的行为颇复杂,上述P(X){\displaystyleP(X)}给出F2{\displaystyle\mathbb{F}_{2}}上的零函数,但视为F4{\displaystyle\mathbb{F}_{4}}上的多项式函数则非零;而就形式观点,只须将系数嵌入扩张域即可。形式定义于是我们采取下述定义:令R{\displaystyleR}为环。一个单变元X{\display...
· 不可约多项式
定义设F为一个体,一非常数多项式在F上不可约,若其系数属于F,且无法分解成两个系数为F之非常数多项式的乘积。具整数系数(或更一般地,具唯一分解整环R内之系数)的多项式被称为在R上不可约,若该多项式为多项式环(在唯一分解整环上的多项式环也是一唯一分解整环)内的不可约元素,亦即该多项式不可逆、非零,且无法分解成两个系数在R内的不可逆多项式之乘积。另一个常用定义为,一多项式“在R上不可约”,若该多项式在R的分式环(若R为整数,即为一有理数体)上不可约。两种定义扩展了系数于一个体内之情形所给定的定义,所以在此情形下,非常数多项式系指不可逆且非零之多项式。简单的例子以下6个多项式给出了不可约的一些基本性质,以及其不可约多项式:在整数环Z{\displaystyle\mathbb{Z}}上,前三个多项式是可约的(第3个也是可约的,因为因式3在整数里不可逆),最后两个多项式则不可约。(第4个多项式则不是...

关于我们

关注族谱网 微信公众号,每日及时查看相关推荐,订阅互动等。

APP下载

下载族谱APP 微信公众号,每日及时查看
扫一扫添加客服微信