同一個多項式的不同表示
給定互不相同的實節點 和數據 ,存在唯一次數至多為 的多項式 滿足 。Lagrange 形式清楚說明了存在性與唯一性,但在多個 處反覆計算乘積可能比較麻煩。重心權重把同一個多項式重新組織成一個商。這種表示也讓我們討論另一個獨立問題:輸入數據的誤差會對答案造成多大影響。
定義 7.9.1
(重心權重與 Lagrange 基)
對互不相同的節點 ,定義
節點互異,所以每個 的分母非零。這些基函數滿足 。
定理 7.9.2
(插值多項式的存在性與唯一性)
對互異節點和任意數據,恰有一個次數至多為 的多項式滿足所有 ,即 。
證明
(Lagrange 基與根的個數)
每個 的次數為 ,且 ,所以 在 處取值 。如果兩個次數至多為 的多項式在全部 個節點處相等,那麼它們的差若非零,就會有多於其次數的根,矛盾;這證明了唯一性。
推導商的形式
令 。當 不等於任何節點時,
第一重心公式為 。
定理 7.9.3
(第二重心公式)
當 不等於任何節點時,
把所有權重同時乘以同一個非零常數,不改變該商;而當 時,該商趨於 。
證明
(除以常數 1 的插值多項式)
常數數據 的 Lagrange 插值多項式就是常數多項式,故 。對這組數據應用第一公式,得 ,這就是分母的恆等式。把第一重心公式除以這個恆等式,即得商的形式。權重的公因子在分子與分母之間約去。最後,該商在每個非節點處都等於多項式 ,因此當 時其極限為 。
證明透視
為甚麼精確算術下分母不會為零
這些標準化權重具有特殊結構: 不是任意有理函數。乘以 後得到 ,而這正是用到常數多項式 的唯一地方。所以在節點之外分母恰好是 ,並且不為零,因為 的每個因子在那裏都不為零。這個論證並不保證浮點求值時分母沒有消去誤差。
這就是精確算術下的第二重心公式。在 處不要分別計算上式的各個項;多項式的值是 。等價地,當 時該商的極限為 ,因為它在附近所有非節點處都等於這個多項式。
常見錯誤
(把節點直接代入商)
在 處,項 的分母為零,分子與分母中都是如此。把商當作 ,或者直接丟掉該項,都會得到錯誤的值或浮點異常。正確的值是 ;計算求和之前,應先檢查是否命中節點。
例題 7.9.4
(三個節點上的第二公式)
取節點 和數據 ,它們來自 。權重為 、、。在 處,分子為 ,分母為 。商為 。驗算:,與分母一致。
例題 7.9.5
(趨近節點)
取節點 ,權重 ,數據 ,同樣來自 。在 處,分子為 ,分母為 ,所以 。在 處,中間一項沒有定義。把分子分母同乘 ,再令 :分子趨於 ,因為中間的數據為 ,而其餘兩項在乘以 之前保持有界;分母趨於 。極限為 ,與定理的預測一致。
快速檢查
(求節點 和 的重心權重,允許相差一個共同非零倍數。)
解答 · 答案
權重為 ,或任意共同非零倍數,例如 。
數據誤差會被放大多少
保持節點和求值點 固定,用最大範數衡量數據擾動,將數據改變為 。
定義 7.9.6
(Lebesgue 函數與 Lebesgue 常數)
這些節點的 Lebesgue 函數為 。在包含所有節點的緊區間 上,最大值 稱為對應節點和區間的 Lebesgue 常數。
命題 7.9.7
(數據誤差的放大)
固定 處的變化是精確線性的:
此外 ,且在節點處 。該界是尖銳的:對 ,取 ( 處符號任意),則數值恰好改變 。
證明
(線性性與同號對齊)
插值多項式線性依賴於數據,所以 是精確成立的,而不只是一次近似。三角不等式給出該界。由 得 。在節點處, 給出 。取上述符號後,每一項 都等於 ,總和即為 。
該界控制最壞情況下絕對誤差的放大,並不在 接近零時控制相對誤差。
例題 7.9.8
(三個等距節點)
對 、、,可取權重 。在 處,
因此絕對值至多為 的數據誤差,在此處最多使插值結果改變 。取 可達到該界。這是該點插值問題本身的性質,與計算時使用哪一種代數等價公式無關。在節點 處,基函數值為 ,:數據誤差原樣傳遞,沒有被放大。
快速檢查
(對三個節點 ,驗證在 處 Lagrange 基函數值之和為一,而絕對值之和為 。)
解答 · 答案
,而 。
快速檢查
(若所有數據誤差的絕對值均不超過 ,求該點尖銳的最壞情況絕對誤差界。)
解答 · 答案
界為 ;符號 可達到該界。
反例模式
精確插值不能消除不準確的數據
命題:若多項式精確重現表格,則表格中的數值可靠。取節點 ,真實值為 ,但中間的記錄值為 ,即表格為 。插值多項式為 。它在中間節點處恰好等於所提供的數值,在 處等於 ,儘管真實函數處處為 。與表格精確一致並不能證明表格數據本身準確。
快速檢查
(為甚麼小的絕對數據誤差界可能無法給出有用的相對誤差界?)
解答 · 答案
相對誤差除以精確值 ;即使絕對界很小,這個值也可能任意接近零或等於零。
函數逼近誤差是另一個問題
定理 7.9.9
(插值餘項)
設包含所有節點及 的區間 上有 ,並令 插值精確值 。則存在該區間內的某個 ,使
證明
(反覆應用 次 Rolle 定理)
在節點處誤差為零。在節點之外,令 、。函數 在各節點和 共 個不同點為零。反覆應用 次 Rolle 定理,得到這些點的最小值與最大值之間某個 滿足 。由 和 即得餘項公式。
它討論用精確數據構造多項式時的函數逼近誤差;Lebesgue 界討論數據擾動引起的變化。實際問題中兩者都可能重要。
常見錯誤
(用餘項去界定數據誤差)
餘項公式假設表格中是精確值 。它對已存在於所提供數據中的誤差毫無說明;而 Lebesgue 函數也沒有說明多項式逼近 的好壞。要估計總誤差,兩項都需要考慮。
重心形式通常方便,也避免了顯式求解 Vandermonde 方程組。但它不會使所有節點選擇都具有良好條件性;精確代數本身也不能證明浮點穩定性。實際計算應明確處理命中節點的情況,並注意權重縮放、上溢、下溢和消去誤差。