Открыть сервисСервис

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»
Заметили ошибку или не согласны с информацией в статье? Напишите нам support@bfometr.ru