[转]数值分析——多项式插值之Lagrange插值

2023-11-20 16:10

本文主要是介绍[转]数值分析——多项式插值之Lagrange插值,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、引言

  考虑这样一个实际例子,当我们按下计算器的正弦按钮时,会发生什么?我们都知道计算器有可以处理加法和乘法的硬件,但是,它是如何计算一个数的正弦值呢?多项式插值法就可以解决这样的问题。我们将在未来重新审视这个问题。目前,我们先来学什么是插值以及如何插值。

二、什么是插值

  如下图所示,假定我们收集了一组数据点(x,y)(x,y)(x, y),譬如(0,1),(2,2),(3,4)(0,1),(2,2),(3,4)(0, 1), (2, 2), (3, 4)。有一条经过这三点的抛物线,我们把这条抛物线称为经过这3点的二次插值多项式

1226694-20181010102700139-207884483.png

这样就引出了插值的数学定义,如下:

【插值的定义】  如果P(xi)=yi(1⩽i⩽n)P(xi)=yi(1⩽i⩽n)P(x_i) = y_i (1 \leqslant i \leqslant n),那么函数y=P(x)y = P(x)插值了数据点

(x1,y1),⋅⋅⋅,(xn,yn)(x_1, y_1), \cdot \cdot \cdot , (x_n, y_n)

 简单来讲就是,如果一个函数通过了一组数据点,那么就称这个函数插值了这组数据点。

二、Lagrange插值

2.1 讨论

  现在我们知道了什么是插值,请大家考虑一个问题,如果我只知道一组n个数据点(x1,y1),⋅⋅⋅,(xn,yn)(x_1, y_1), \cdot \cdot \cdot , (x_n, y_n),我们想要求出一个多项式,能够插值这一组所有的数据点。并且这个多项式的次数是d=n−1d = n - 1次的,该怎么做?

  Lagrange插值公式给出了这个问题的解答方案。例如,假设给定点(x1,y1),(x2,y2),(x3,y3)(x_1, y_1), (x_2, y_2), (x_3, y_3),那么其2次插值多项式可以由Lagrange插值多项式给出,如下:

P2(x)=y1(x−x2)(x−x3)(x1−x2)(x1−x3)+y2(x−x1)(x−x3)(x2−x1)(x2−x3)+y3(x−x1)(x−x2)(x3−x1)(x3−x2)P_2(x) = y_1 \frac{(x - x_2)(x - x_3)}{(x_1 - x_2)(x_1 - x_3)} + y_2 \frac{(x - x_1)(x - x_3)}{(x_2 - x_1)(x_2 - x_3)} + y_3 \frac{(x - x_1)(x - x_2)}{(x_3 - x_1)(x_3 - x_2)}

   那么有人可能会问,这样的多项式一定是正确的吗,答案是:是的。我们可以验证一下:

1. 当x=x1x = x1时,P2(x1)=y1P_2(x1) = y1;

2. 当x=x2x = x2时,P2(x2)=y2P_2(x2) = y2;

3. 当x=x3x = x3时,P2(x3)=y3P_2(x3) = y3;

   我们只考虑这三个点,因为我们只有这三个点,在这3个点上,这个多项式都成功的插值了,因此,这个多项式一定是正确的。(注意这个多项式关于变量xx是2次的)

2.2 数学定义

一般地,假设给出nn个点(x1,y1),⋅⋅⋅,(xn,yn)(x_1, y_1), \cdot \cdot \cdot , (x_n, y_n),则对于1和n之间的每一个kk可定义

Lk(x)=(x−x1)⋅⋅⋅(x−xk−1)(x−xk+1)⋅⋅(x−xn)(xk−x1)⋅⋅⋅(xk−xk−1)(xk−xk+1)⋅⋅(xk−xn)L_k(x) = \frac{(x - x_1) \cdot \cdot \cdot (x - x_{k -1})(x - x_{k + 1}) \cdot \cdot (x - x_n)}{(x_k - x_1) \cdot \cdot \cdot (x_k - x_{k -1})(x_k - x_{k + 1}) \cdot \cdot (x_k - x_n)}

 LkL_k的一个有趣性质是:

1. Lk(xk)=1L_k(x_k) = 1

2. Lk(xj)=0(j≠k)L_k(x_j) = 0 \qquad (j \neq k)

  因此,定义n−1n - 1次Lagrange多项式

Pn−1(x)=y1L1(x)+⋅⋅⋅+ynLn(x)P_{n - 1}(x) = y_1 L_1(x) + \cdot \cdot \cdot + y_n L_n(x)

2.3 存在性和及唯一性

有人会问,对于给定的n个数据点,其插值多项式是唯一的吗?即只能是由一个多项式才能插值这n个点吗?答案是:不是

  大家想想就知道,对于二维平面的nn个坐标点,我们肯定能画出无穷条线来穿过这些点,每一条线都对应这一个多项式。那么这个问题的意义何在?

  多项式是无穷的,但是,对于插值nn个数据点的多项式,其最高次数是小于等于n−1n - 1的,这样的多项式,只能是只有一个。用数学来描述这个问题如下:

【定理】

  设(x1,y1),⋅⋅⋅,(xn,yn)(x_1, y_1), \cdot \cdot \cdot, (x_n, y_n)是平面上xix_i互不相同的nn个点,那么存在一个而且仅存在一个次数小于等于n−1n - 1次的多项式,满足

P(xi)=yi,i=1,⋅⋅⋅,nP(x_i) = y_i,  \qquad i = 1,  \cdot \cdot \cdot, n

【证明】

(1) 存在性:存在性已由Lagrange插值的显式公式得出。

  (2) 唯一性:假定有存在两个这样公式,譬如P(x)P(x)及Q(x)Q(x),它们最多是n−1n - 1次,而且都插值所有nn个点,即有:

P(x1)=Q(x1)=y1,P(x2)=Q(x2)=y2,⋅⋅⋅,P(xn)=Q(xn)=ynP(x_1) = Q(x_1) = y_1, P(x_2) = Q(x_2) = y_2, \cdot \cdot \cdot, P(x_n) = Q(x_n) = y_n。

  则有H(x)=P(x)−Q(x)H(x) = P(x) - Q(x),显然,HH的次数最多也是n−1n - 1,而且注意到

H(x1)=H(x2)=⋅⋅⋅=H(xn)H(x_1) = H(x_2) = \cdot \cdot \cdot = H(x_n)

  即HH有nn个不同的零点。按照代数学基本定理,一个dd次多项式,除了它恒等于零多项式,最多可能有dd个零点。因此有

H≡0H \equiv 0

  于是,

P(x)≡Q(x)P(x) \equiv Q(x)

因此,存在唯一的次数小于等于n−1n - 1的多项式P(x)P(x)插值与nn个点(xi,yi)(x_i, y_i)。

2.4 范例

【题目】求插值于点(0,2),(1,1),(2,0),(3,−1)(0, 2), (1, 1), (2, 0), (3, -1)的次数小于等于3的多项式。

【解】Lagrange形式如下:

P(x)=2(x−1)(x−2)(x−3)(0−1)(0−2)(0−3)+1(x−0)(x−2)(x−3)(1−0)(1−2)(1−3)+0(x−0)(x−1)(x−3)(2−0)(2−1)(2−3)+(−1)(x−0)(x−1)(x−2)(3−0)(3−1)(3−2)=−x+2P(x) = 2 \frac{(x - 1)(x - 2)(x - 3)}{(0 - 1)(0 - 2)(0 - 3)} + 1 \frac{(x - 0)(x - 2)(x - 3)}{(1 - 0)(1 - 2)(1 - 3)} + 0 \frac{(x - 0)(x - 1)(x - 3)}{(2 - 0)(2 - 1)(2 - 3)} + (-1) \frac{(x - 0)(x - 1)(x - 2)}{(3 - 0)(3 - 1)(3 - 2)} = -x + 2

---------------------
作者:Qling的随笔
来源:CNBLOGS
原文:https://www.cnblogs.com/Qling/p/9764941.html
版权声明:本文为作者原创文章,转载请附上博文链接!

转载于:https://www.cnblogs.com/shawnchou/p/11498988.html

这篇关于[转]数值分析——多项式插值之Lagrange插值的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/395841

相关文章

Nginx分布式部署流程分析

《Nginx分布式部署流程分析》文章介绍Nginx在分布式部署中的反向代理和负载均衡作用,用于分发请求、减轻服务器压力及解决session共享问题,涵盖配置方法、策略及Java项目应用,并提及分布式事... 目录分布式部署NginxJava中的代理代理分为正向代理和反向代理正向代理反向代理Nginx应用场景

Redis中的有序集合zset从使用到原理分析

《Redis中的有序集合zset从使用到原理分析》Redis有序集合(zset)是字符串与分值的有序映射,通过跳跃表和哈希表结合实现高效有序性管理,适用于排行榜、延迟队列等场景,其时间复杂度低,内存占... 目录开篇:排行榜背后的秘密一、zset的基本使用1.1 常用命令1.2 Java客户端示例二、zse

Redis中的AOF原理及分析

《Redis中的AOF原理及分析》Redis的AOF通过记录所有写操作命令实现持久化,支持always/everysec/no三种同步策略,重写机制优化文件体积,与RDB结合可平衡数据安全与恢复效率... 目录开篇:从日记本到AOF一、AOF的基本执行流程1. 命令执行与记录2. AOF重写机制二、AOF的

MyBatis Plus大数据量查询慢原因分析及解决

《MyBatisPlus大数据量查询慢原因分析及解决》大数据量查询慢常因全表扫描、分页不当、索引缺失、内存占用高及ORM开销,优化措施包括分页查询、流式读取、SQL优化、批处理、多数据源、结果集二次... 目录大数据量查询慢的常见原因优化方案高级方案配置调优监控与诊断总结大数据量查询慢的常见原因MyBAT

分析 Java Stream 的 peek使用实践与副作用处理方案

《分析JavaStream的peek使用实践与副作用处理方案》StreamAPI的peek操作是中间操作,用于观察元素但不终止流,其副作用风险包括线程安全、顺序混乱及性能问题,合理使用场景有限... 目录一、peek 操作的本质:有状态的中间操作二、副作用的定义与风险场景1. 并行流下的线程安全问题2. 顺

MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

《MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决》MyBatis默认开启一级缓存,同一事务中循环调用查询方法时会重复使用缓存数据,导致获取的序列主键值均为1,... 目录问题原因解决办法如果是存储过程总结问题myBATis有如下代码获取序列作为主键IdMappe

Java中最全最基础的IO流概述和简介案例分析

《Java中最全最基础的IO流概述和简介案例分析》JavaIO流用于程序与外部设备的数据交互,分为字节流(InputStream/OutputStream)和字符流(Reader/Writer),处理... 目录IO流简介IO是什么应用场景IO流的分类流的超类类型字节文件流应用简介核心API文件输出流应用文

从基础到高级详解Python数值格式化输出的完全指南

《从基础到高级详解Python数值格式化输出的完全指南》在数据分析、金融计算和科学报告领域,数值格式化是提升可读性和专业性的关键技术,本文将深入解析Python中数值格式化输出的相关方法,感兴趣的小伙... 目录引言:数值格式化的核心价值一、基础格式化方法1.1 三种核心格式化方式对比1.2 基础格式化示例

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、