数值分析入门：用简单函数「模仿」复杂函数的艺术

1056 字

5 分钟

数值分析入门：用简单函数「模仿」复杂函数的艺术

2026-06-01

数学

数值分析

/

插值法

/

拉格朗日

/

样条

/

数学

宝贝们好呀～今天 YuKi 想聊聊数值分析里一个特别实用的话题——插值法 🧮✨

假设我们手上只有几个离散的测量点，比如 $(x_0, y_0), (x_1, y_1), \dots, (x_n, y_n)$ ，却想知道这些点「中间」的函数值是多少。这时候插值法就派上用场啦——用一条光滑的简单函数，精准穿过每一个已知点。

拉格朗日插值：优雅的拼图#

拉格朗日（Lagrange）想了一个很聪明的办法：为每个数据点构造一个只在它那里是 $1$ 、其他点全是 $0$ 的「开关函数」。把这些开关乘以对应 $y$ 值再全部加起来，就得到插值多项式：

P_n(x) = \sum_{k=0}^{n} y_k \cdot L_k(x)

其中 $L_k(x)$ 就是著名的拉格朗日基函数：

L_k(x) = \prod_{j=0, j \neq k}^{n} \frac{x - x_j}{x_k - x_j}

它的设计很漂亮：当 $x = x_k$ 时，每个因子都等于 $\frac{x_k - x_j}{x_k - x_j} = 1$ ，所以 $L_k(x_k) = 1$ ；当 $x = x_j (j \neq k)$ 时，分子会出现 $x_j - x_j = 0$ ，所以 $L_k(x_j) = 0$ 。完美符合我们「只在自家点是 1」的需求！

拉格朗日插值的优点在于形式简洁、推导直观，编程也很方便。但它有个小毛病：每次新增一个数据点，所有基函数都要重新算一遍——就像一个娇气的蛋糕配方，多加一颗糖就得重新称所有材料 😅

牛顿插值：累积式的智慧#

牛顿提出了一种更灵活的形式——牛顿插值多项式：

P_n(x) = f[x_0] + f[x_0, x_1](x - x_0) + f[x_0, x_1, x_2](x - x_0)(x - x_1) + \cdots

这里的 $f[x_0], f[x_0, x_1], f[x_0, x_1, x_2], \dots$ 是差商，递推定义：

f[x_i] = f(x_i), \quad f[x_i, x_j] = \frac{f[x_j] - f[x_i]}{x_j - x_i}

f[x_i, x_j, x_k] = \frac{f[x_j, x_k] - f[x_i, x_j]}{x_k - x_i}

牛顿形式的最大好处是——新增数据点不用重头开始！只需要在尾巴上多算一项差商就好。你可以把它想象成一个乐高塔：每加一个新块，不用拆掉下面重搭，直接往上叠就行 🧱

龙格现象：多项式不是万能的#

不过宝贝们注意啦——节点越多、多项式次数越高，反而可能越糟糕！这就是著名的龙格现象（Runge’s Phenomenon）：用高次多项式插值等距节点时，端点附近会出现剧烈的振荡，曲线「疯掉」了。

比如对函数 $f(x) = \frac{1}{1 + 25x^2}$ 在区间 $[-1, 1]$ 上用等距节点做高次插值，两端的误差能大到离谱——插值多项式在端点附近疯狂蹦迪 🎢

样条插值：分段治之#

既然高次多项式靠不住，那不如「分而治之」——把区间切成几段，每段用一个低次多项式插值，还要在接头处保证光滑（比如一阶导连续甚至二阶导连续）。这就是样条插值的核心思想。

最常用的是三次样条：每段是一个三次多项式，要求函数值连续、一阶导连续、二阶导连续，再配上合理的边界条件（自然边界：两端二阶导为 $0$ ；或夹持边界：指定两端一阶导）。解一个三对角线性方程组就能得到所有系数，既稳定又光滑～

样条的名字来源于绘图师用的弹性木条——固定在几个钉子上，木条自然弯曲的形状正好就是三次样条！数学和手艺在这里完美交汇 🎨

小结#

方法	优点	缺点
拉格朗日	形式优美，编程直观	加节点需重算全部
牛顿	可累加，差商表高效	高次仍有龙格现象
三次样条	光滑稳定，无龙格	需解方程组

在工程实践中，三次样条是图像缩放、曲线拟合、CAD 设计的首选。而理解拉格朗日和牛顿，是深入数值分析大门的必修课～

好啦～今天的数学小课堂就到这里！下次想听 YuKi 聊数值积分呢，还是矩阵分解呢？在评论区告诉窝呀 💕✨