插值與函數逼近

多項式插值(polynomial interpolation)

假設一個感測器每小時才記錄一次溫度,但你需要在任意中間時刻得到一個平滑估計。你想要一條既簡單又恰好穿過每一個記錄點的曲線,好讓你在從未量測的時刻讀出數值。多項式插值是建立這條曲線最基本的方法:你用一個多項式——形如 a_0 + a_1 x + a_2 x^2 + ... 的冪次和——穿過這些資料點。

核心事實是一個唯一性定理:給定 n + 1 個 x 值互異的點,恰好存在唯一一個次數至多為 n 的多項式穿過它們全部。兩點決定一條直線(一次),三點決定一條拋物線(二次),依此類推。求係數有幾種等價的途徑——解一個線性方程組(范德蒙矩陣)、直接寫成資料值的加權和(拉格朗日形式),或逐點建構(牛頓差商形式)。三者得到的是「同一個」多項式;差別只在計算成本、數值穩定性,以及加入新點的難易。

插值是數值積分(對插值多項式積分,而非對未知函數)、數值微分以及常微分/偏微分方程求解器底下的基石,因為把棘手的函數換成多項式後,積分、微分與計算都變得容易。關鍵的誠實是:穿過這些點並不保證點與點之間的曲線忠實。一個高次多項式穿過許多等距點時可能劇烈振盪甚至發散(龍格現象),所以實務上人們要嘛選用特殊節點(切比雪夫節點),要嘛放棄單一全域多項式而改用許多低次片段(樣條)。

用多項式穿過 (0, 1)、(1, 2)、(2, 5)。三點決定一條二次曲線。解得 p(x) = x^2 + 1:驗證 p(0) = 1、p(1) = 2、p(2) = 5。現在你可以估計 p(1.5) = 3.25——一個你從未取樣的點上的值。

三點恰好決定唯一一條拋物線。

唯一性需要 x 值互異;兩個 x 相同而 y 不同的點沒有插值多項式。而且「次數至多為 n 的唯一多項式」不代表恰好 n 次——共線的點給出更低次的答案。

又稱
interpolating polynomial多項式內插插值多項式