Интерполяция — метод аппроксимации функций¶
Интерполяция — это математический метод восстановления (аппроксимации) неизвестной функции по конечному набору известных точек, в которых значения функции заданы. Иначе говоря, интерполяция позволяет по нескольким «замерам» построить формулу или кривую, которая проходит точно через все эти точки и позволяет вычислить значение функции в любой промежуточной точке. Метод широко применяется в вычислительной математике, инженерии, компьютерной графике, обработке сигналов и статистике.
¶Суть метода простыми словами
Предположим, известно, что при температуре +10 °C вода имеет плотность 999,7 кг/м³, а при +20 °C — 998,2 кг/м³. Значение при +15 °C не измерено, но его можно оценить, проведя прямую линию между двумя известными точками: получится около 998,95 кг/м³. Это и есть простейшая интерполяция — линейная, между двумя точками.
Ключевое отличие интерполяции от других методов аппроксимации (например, экстраполяции или аппроксимации «наилучшим образом») состоит в том, что построенная функция обязана проходить строго через все заданные точки. При этом между точками кривая может вести себя произвольно — важно только совпадение в узлах.
¶Основные понятия
- Узлы интерполяции — точки, в которых известны значения функции: $(x_0, y_0), (x_1, y_1), \dots, (x_n, y_n)$.
- Интерполяционный многочлен — многочлен $P_n(x)$ степени не выше $n$, совпадающий с функцией во всех узлах.
- Ошибка интерполяции — разница между истинным значением $f(x)$ и приближённым $P_n(x)$.
¶Основные виды интерполяции
¶Линейная интерполяция
Самый простой случай: две точки соединяются прямой. Формула:
$$P(x) = y_0 + \frac{y_1 - y_0}{x_1 - x_0}(x - x_0)$$
Применяется, когда данные меняются плавно и допускается грубое приближение.
¶Кусочно-линейная интерполяция
Несколько отрезков прямых, соединяющих соседние точки. Используется в таблицах и при обработке временных рядов.
¶Интерполяция по Лагранжу
Построение многочлена степени $n$ через $n+1$ точек по формуле:
$$P_n(x) = \sum_{i=0}^{n} y_i \prod_{\substack{j=0 \\ j \neq i}}^{n} \frac{x - x_j}{x_i - x_j}$$
Удобна теоретически, но неэффективна при большом числе точек из-за роста вычислительной сложности.
¶Интерполяция по Ньютону
Тот же многочлен, но вычисляемый через разделённые разности — итеративно, с меньшими затратами. При добавлении новой точки достаточно пересчитать только один коэффициент.
¶Сплайны
Вместо одного многочлена на весь набор точек используются отдельные простые функции (обычно кубические) на каждом отрезке, с условиями гладкости в узлах. Наиболее распространённый вариант — кубический сплайн. Сплайны устойчивы к «осцилляциям» (колебаниям) и широко применяются в компьютерной графике и САПР.
¶Тригонометрическая интерполяция
Использует синусы и косинусы; применяется в задачах, связанных с периодическими сигналами, и лежит в основе дискретного преобразования Фурье.
¶Феномен Рунге
При интерполяции многочленом высокой степени на равномерно расставленных узлах на краях отрезка могут возникать сильные колебания, несмотря на то что в узлах совпадение точное. Это явление названо в честь математика Карла Рунге. Именно поэтому на практике чаще используют сплайны или неравномерные узлы (например, узлы Чебышёва).
¶Области применения
- Компьютерная графика — сглаживание кривых, анимация, интерполяция положений объектов между ключевыми кадрами.
- Обработка сигналов — восстановление дискретного сигнала, повышение разрешения изображений.
- Численные методы — решение дифференциальных уравнений, вычисление интегралов (квадратуры Ньютона — Котеса).
- Наука и инженерия — заполнение пропусков в экспериментальных данных, построение аппроксимирующих кривых.
- Геоинформационные системы — построение рельефа по точечным замерам высот.
¶Ограничения
Интерполяция предполагает, что данные получены без ошибок и что истинная функция достаточно гладкая. Если точки содержат шум, точное прохождение через них приводит к переобучению — в этом случае предпочтительнее аппроксимация (например, метод наименьших квадратов), которая не проходит строго через точки, но лучше отражает общий тренд.
Источники:
- Бахвалов Н. С., Жидков Н. П., Кобельков Г. М. «Численные методы»
- Стойко Н. М. «Курс вычислительной математики»
- Пресс У., Флэннери Б., Тейкол С., Веттерлинг У. «Численные методы»
- Крылов В. И. «Лекции о вычислительных методах»
