同一个多项式的不同表示
给定互不相同的实节点 和数据 ,存在唯一次数至多为 的多项式 满足 。Lagrange 形式清楚说明了存在性与唯一性,但在多个 处反复计算乘积可能比较麻烦。重心权重把同一个多项式重新组织成一个商。这种表示也让我们讨论另一个独立问题:输入数据的误差会对答案造成多大影响。
定义 7.9.1
(重心权重与 Lagrange 基)
对互不相同的节点 ,定义
节点互异,所以每个 的分母非零。这些基函数满足 。
定理 7.9.2
(插值多项式的存在性与唯一性)
对互异节点和任意数据,恰有一个次数至多为 的多项式满足所有 ,即 。
证明
(Lagrange 基与根的个数)
每个 的次数为 ,且 ,所以 在 处取值 。如果两个次数至多为 的多项式在全部 个节点处相等,那么它们的差若非零,就会有多于其次数的根,矛盾;这证明了唯一性。
推导商的形式
令 。当 不等于任何节点时,
第一重心公式为 。
定理 7.9.3
(第二重心公式)
当 不等于任何节点时,
把所有权重同时乘以同一个非零常数,不改变该商;而当 时,该商趋于 。
证明
(除以常数 1 的插值多项式)
常数数据 的 Lagrange 插值多项式就是常数多项式,故 。对这组数据应用第一公式,得 ,这就是分母的恒等式。把第一重心公式除以这个恒等式,即得商的形式。权重的公因子在分子与分母之间约去。最后,该商在每个非节点处都等于多项式 ,因此当 时其极限为 。
证明透视
为什么精确算术下分母不会为零
这些标准化权重具有特殊结构: 不是任意有理函数。乘以 后得到 ,而这正是用到常数多项式 的唯一地方。所以在节点之外分母恰好是 ,并且不为零,因为 的每个因子在那里都不为零。这个论证并不保证浮点求值时分母没有消去误差。
这就是精确算术下的第二重心公式。在 处不要分别计算上式的各个项;多项式的值是 。等价地,当 时该商的极限为 ,因为它在附近所有非节点处都等于这个多项式。
常见错误
(把节点直接代入商)
在 处,项 的分母为零,分子与分母中都是如此。把商当作 ,或者直接丢掉该项,都会得到错误的值或浮点异常。正确的值是 ;计算求和之前,应先检查是否命中节点。
例题 7.9.4
(三个节点上的第二公式)
取节点 和数据 ,它们来自 。权重为 、、。在 处,分子为 ,分母为 。商为 。验算:,与分母一致。
例题 7.9.5
(趋近节点)
取节点 ,权重 ,数据 ,同样来自 。在 处,分子为 ,分母为 ,所以 。在 处,中间一项没有定义。把分子分母同乘 ,再令 :分子趋于 ,因为中间的数据为 ,而其余两项在乘以 之前保持有界;分母趋于 。极限为 ,与定理的预测一致。
快速检查
(求节点 和 的重心权重,允许相差一个共同非零倍数。)
解答 · 答案
权重为 ,或任意共同非零倍数,例如 。
数据误差会被放大多少
保持节点和求值点 固定,用最大范数衡量数据扰动,将数据改变为 。
定义 7.9.6
(Lebesgue 函数与 Lebesgue 常数)
这些节点的 Lebesgue 函数为 。在包含所有节点的紧区间 上,最大值 称为对应节点和区间的 Lebesgue 常数。
命题 7.9.7
(数据误差的放大)
固定 处的变化是精确线性的:
此外 ,且在节点处 。该界是锐的:对 ,取 ( 处符号任意),则数值恰好改变 。
证明
(线性性与同号对齐)
插值多项式线性依赖于数据,所以 是精确成立的,而不只是一次近似。三角不等式给出该界。由 得 。在节点处, 给出 。取上述符号后,每一项 都等于 ,总和即为 。
该界控制最坏情况下绝对误差的放大,并不在 接近零时控制相对误差。
例题 7.9.8
(三个等距节点)
对 、、,可取权重 。在 处,
因此绝对值至多为 的数据误差,在此处最多使插值结果改变 。取 可达到该界。这是该点插值问题本身的性质,与计算时使用哪一种代数等价公式无关。在节点 处,基函数值为 ,:数据误差原样传递,没有被放大。
快速检查
(对三个节点 ,验证在 处 Lagrange 基函数值之和为一,而绝对值之和为 。)
解答 · 答案
,而 。
快速检查
(若所有数据误差的绝对值均不超过 ,求该点锐的最坏情况绝对误差界。)
解答 · 答案
界为 ;符号 可达到该界。
反例模式
精确插值不能消除不准确的数据
命题:若多项式精确重现表格,则表格中的数值可靠。取节点 ,真实值为 ,但中间的记录值为 ,即表格为 。插值多项式为 。它在中间节点处恰好等于所提供的数值,在 处等于 ,尽管真实函数处处为 。与表格精确一致并不能证明表格数据本身准确。
快速检查
(为什么小的绝对数据误差界可能无法给出有用的相对误差界?)
解答 · 答案
相对误差除以精确值 ;即使绝对界很小,这个值也可能任意接近零或等于零。
函数逼近误差是另一个问题
定理 7.9.9
(插值余项)
设包含所有节点及 的区间 上有 ,并令 插值精确值 。则存在该区间内的某个 ,使
证明
(反复应用 次 Rolle 定理)
在节点处误差为零。在节点之外,令 、。函数 在各节点和 共 个不同点为零。反复应用 次 Rolle 定理,得到这些点的最小值与最大值之间某个 满足 。由 和 即得余项公式。
它讨论用精确数据构造多项式时的函数逼近误差;Lebesgue 界讨论数据扰动引起的变化。实际问题中两者都可能重要。
常见错误
(用余项去界定数据误差)
余项公式假设表格中是精确值 。它对已存在于所提供数据中的误差毫无说明;而 Lebesgue 函数也没有说明多项式逼近 的好坏。要估计总误差,两项都需要考虑。
重心形式通常方便,也避免了显式求解 Vandermonde 方程组。但它不会使所有节点选择都具有良好条件性;精确代数本身也不能证明浮点稳定性。实际计算应明确处理命中节点的情况,并注意权重缩放、上溢、下溢和消去误差。