推 znmkhxrw : 嗨V大, 我想證的是「在 x_1 和 x_2 分別趨近 x_0 後 08/06 23:06
→ znmkhxrw : 所得的極限L(x)」會滿足L(x_0)=f(x_0), 08/06 23:08
→ znmkhxrw : L'(x_0)=f'(x_0), L''(x_0)=f''(x_0) 08/06 23:08
→ znmkhxrw : 不過今天我舉的特例剛好是泰勒多項式, 因此我想證的 08/06 23:09
→ znmkhxrw : 可以直接去對泰勒多項式做微分檢查得證 08/06 23:09
→ znmkhxrw : 但是general case得到的L(x)就不知道怎麼證會符合 08/06 23:10
→ znmkhxrw : 微分條件 08/06 23:10
→ Vulpix : 你那句話跟二階泰勒一樣啊。 08/06 23:36
推 znmkhxrw : 嗨V大我回了wiki的例子一篇 推文不好排版 謝啦 08/06 23:49
先修一點 cap 的錯漏。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/07/2023 04:56:47
把 divided differences 算一算,感覺很有趣。
在 f is smooth enough 的前提下,divided differences 其實都可以用極限延拓。
說的是類似 f[a,a] 這種東西可以自然定義成 f'(a)。
不過這樣一來,如果 f 是 C^1,就保證 f[x,y] 有 C^0。
而要讓 f[x,y,z] 能處處連續,f 至少也得是 C^2。
總之,f[x_0] + f[x_0,x_1](x-x_0) + f[x_0,x_1,x_2](x-x_0)^2 的極限,
就是 f[x_0] + f[x_0,x_0](x-x_0) + f[x_0,x_0,x_0](x-x_0)^2。
f[x_0,x_0] 就是 f'(x_0) 沒問題,而 f[x_0,x_0,x_0] 則是 f"(x_0)/2。
有公式為證:
d/dx f[z_1,z_2,...,z_n,x] = f[z_1,z_2,...,z_n,x,x]
用數學歸納法甚至可以得到:
(D_x^3/3!)(D_y^2/2!)(D_z^2/2!) f[x,y,z] = f[x,x,x,x,y,y,y,z,z,z]。
f[x_0,x_0,x_0] 的情況比較簡單,就是 f[x_0] 在 x_0 的二階導數再除以 2!。
如果是已知 f, f', f" 在 -1, 0, 1 上的值,
x f(x) f'(x) f"(x)
-1 2 -8 56
0 1 0 0
1 2 8 56
那這種 p(x) 的 Newton form 就是
f[-1] + f[-1,-1](x+1) + f[-1,-1,-1](x+1)^2 + f[-1,-1,-1,0](x+1)^3
+ f[-1,-1,-1,0,0]x(x+1)^3 + f[-1,-1,-1,0,0,0]x^2(x+1)^3
+ f[-1,-1,-1,0,0,0,1]x^3(x+1)^3 + f[-1,-1,-1,0,0,0,1,1]x^3(x+1)^3(x-1)
+ f[-1,-1,-1,0,0,0,1,1,1]x^3(x+1)^3(x-1)^2
然後 wiki 上那張表,就只是很理所當然地計算這些係數而已。
所以你應該是卡在:
1. f[1,2,3,4,5] 我會,但 f[-1,-1,-1,0,0] 到底是什麼?
2. 為什麼 f[-1,b,c,0,e] 在 b,c→-1 且 e→0 的時候會收斂到 f[-1,-1,-1,0,0]?
根據前面的脈絡,兩個問題的回答是一起的:
f[a,b,c,d,e] 在 R^5 上無法直接用 divided difference 寫下的位置,
以其極限取代之。則 f[a,b,c,d,e] 在 R^5 上連續。
總之就是要確認 a divided difference with repeated arguments is well defined。
f[a,a] = lim_{x→a} { f(x)-f(a) }/{ x-a } = f'(a)
而一般一點的情況,建議從 expanded form 下手。
以 f[0,0,0,1,1] 為例,
f[0,b,c,1,e]
= f(0)/(-b)(-c)(-1)(-e) + f(b)/b(b-c)(b-1)(b-e) + f(c)/c(c-b)(c-1)(c-e)
+ f(1)/1(1-b)(1-c)(1-e) + f(e)/e(e-b)(e-c)(e-1)
後二項在 b,c→0 的時候,會趨近於 -f(1)/(e-1) + f(e)/e^3(e-1)。
然後在 e→1 的時候會再趨近於 f'(1)-3f(1)。
前三項在 e→1 的時候,會→ f(0)/bc - f(b)/b(c-b)(b-1)^2 + f(c)/c(c-b)(c-1)^2。
最後在 b,c→0 下會趨近於 3f(0) + 2f'(0) + f"(0)/2。
關於連續性,適合的參考資料應該是 https://ftp.cs.wisc.edu/Approx/deboor2.pdf。
f[x,y] 在 R^2 上連續,這直接做就好,沒有很難做。
更多變數的情況下就要一些技巧了。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/08/2023 13:45:45
推 znmkhxrw : 謝謝V大的分享! 關於連續性我有兩個看法: 08/08 16:37
→ znmkhxrw : (1) 我自己對於f[x,y]跟f[x,y,z]都是一直羅畢達XD 08/08 16:37
→ znmkhxrw : 但是general case我就羅不下去了, 太醜了, 你給的 08/08 16:45
→ znmkhxrw : pdf應該就是general解決這件事吧 08/08 16:45
→ znmkhxrw : (2) 對於微分條件, 用mean value thm for divided 08/08 16:50
→ znmkhxrw : difference來看的話, 要處理f[x,y,z]確實需要f€C^2 08/08 16:53
→ znmkhxrw : 才能讓3點退化成1點的(f''(ε)取極限把極限搬入) 08/08 16:56
→ znmkhxrw : 但是我總覺得有辦法只要"f€C^1, f'€diff"就可以 08/08 17:00
→ znmkhxrw : 以普通MVT舉例, (f(x)-f(a))/(x-a)=f'(ε) 08/08 17:02
→ znmkhxrw : 如果f€C^1, 當然可以x→a讓f'(ε)趨近於f'(a) 08/08 17:02
→ znmkhxrw : 但是其實f€diff即可, 因為根本不用透過MVT 08/08 17:03
要 f[x,y] 連續至少要 C^1,因為沿著 y=x 靠近 (a,a) 的時候要 f' 連續。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/08/2023 17:31:27
推 znmkhxrw : V大我回應如下連結, 有數學式跟說明, 謝謝 08/08 20:07
https://i.imgur.com/kDaTMXM.png
對,我知道因為 MVT 的要求是 "f conti. on [a,b], f is diff. on (a,b).",
所以如果只是要 f[0,b,c,1,e] 會收斂到 f[0,0,0,1,1] 上,可能可以放寬條件,
甚至上面這個應該不用到四階導數存在,只要二階可導就可以了。
可是大家應該也都知道……
(partially) derivable, differentiable, continuously differentiable 很煩人。
但我的確是想先建構函數再考慮,畢竟,f[x,y,z,u,v] 那種函數很美嘛。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/09/2023 17:34:42
推 znmkhxrw : 同意你說的, 謝謝這串分享! 08/09 18:45
找到比較一勞永逸的方式:
首先,這次既不是用 Newton form,也不是用 Lagrange form,
畢竟 p(x) = Σ_{i=1}^n (c_i x^i) 這個 standard form 還是最容易求導數的長相。
已知 f(x_i) for i = 0, 1, ... , n,而且 x_i 各不相同。
那麼,https://i.imgur.com/sPmLIUo.png。
因為 Vandermonde determinant 不是 0,所以這組 c_i 有唯一解。
下一步是讓 x_1, x_2, ... , x_{m_0} 都趨近於 x_0,
不過在那之前,要先處理一下前 1 + m_0 列。
把上圖的等式拿來做以下列運算:
for(int i=1; i<=1+m_0; i++)
for(int j=1+m_0; j>=i; j--)
(第 j 列 -= 第 j-1 列) /= (x_j - x_{j-i});
總之,經過這串列運算以後,等式會變成 https://i.imgur.com/7UsrbCz.png。
其中的「1」代表 1 函數,各個「x^k」則各自代表 k 次方函數。
其實1[x_0,x_1] = 0,上部矩陣的下三角都是 0。
然後x[x_0,x_1] = 1,上部矩陣的主對角線上都是 1。
下部矩陣沒有動到,照抄。
接下來要確認一下他的行列式值。
雖然長相很兇惡,但是因為我們之前有紀錄列運算的過程,
所以實際上是 Vand. det. / sub-Vand. det. of {x_0, ... , x_{m_0}},
所以這個行列式 = Π_{j>i>m_0} (x_j - x_i) * Π_{j>m_0≧i} (x_j - x_i),
在 x_1, x_2, ... , x_{m_0} 都趨近於 x_0 的時候,
收斂到 Π_{j>i>m_0} (x_j - x_i) * Π_{j>m_0} (x_j - x_0)^{1+m_0} ≠ 0。
這表示如果那個方陣的極限存在的話,行列式值非零。
終於要算極限了,前面那個方程式左側的方陣和右側的行矩陣各自都是收斂的,
而且方陣極限的行列式值非零,所以 c 那一個行矩陣也收斂。
整個方程式的極限是 https://i.imgur.com/AoSFHbG.png。
跟剛剛一樣,其實上部矩陣的下三角都是 0,而且主對角線上都是 1。
只是為了能有個通式的長相就拉他們下水。
下部矩陣沒有動到,照抄。
然後反覆把想拿來簡併的 x_k 併在一起,我們就得到了退化多項式 p(x) 的係數 c_i。
前 1 + m_0 列已經不會再被動到了。
p(x_0) = f(x_0) 可直接參照矩陣方程式的第一列。
觀察第二列可得 p'(x_0) = 1 + 2x_0 + 3x_0^2 + ... + nx_0^{n-1} = f'(x_0),
同理可得其他高階導數的等式。
這個作法就是從最初的插值多項式直接退化成 p(x),
並且證明了直到第「簡併數」階之前,p 在簡併點上的導數 = f 在簡併點上的導數。
-------------------------
至於 f[a,b,c] 收斂到 f"(a)/2!,似乎真的可以用 f" 存在來證。
總之先對 b,c 做 MVT:
如果 [ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2 收斂到 f"(a)/2,
那 f[a,b,c] 就收斂到 f"(a)/2!。
可是羅下去會卡在 f" 的連續性上,所以雖然我愛羅但是不能羅,
因為羅後不收斂不代表羅前也不收斂。
[ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2
= [ f'(ξ)-f'(a) ]/(ξ-a) - [ f(ξ)-f(a)-f'(a)(ξ-a) ]/(ξ-a)^2
→ f"(a) - f"(a)/2 = f"(a)/2
前項直接算極限,後項則是先羅一次。
前面做 MVT 也很辛苦,f[a,x] 的連續性是顯然的,
而 f[a,x] 的可微性則要考慮是否在 a 微分。
不在 a 的時候,很簡單,商法則可搞定。
在 a 的話,[ f[a,x]-f'(a) ]/(x-a) 把分母處理好以後就是先羅一次,
其實跟上面那個先羅一次的後項是一樣的東西,所以也是收斂到 f"(a)/2。
f[a,b,c] = d/dx f[a,x] |x=ξ for some ξ between b and c,
這個 ξ 有可能是 a,
所以 f[a,b,c] 可能是 [ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2 或 f"(a)/2。
最後當 b,c→a 的時候,也讓 ξ→a,然後就回到前頭的計算了。
可是再多一個 d 的時候……
感覺上應該是可以做 MIT 的,但我覺得累。
f[a,b,c,d] = (f[a,b,c]-f[a,b,d])/(c-d) 且 c≠d,進行 MVT:
1. 檢查 f[a,b,x] 的連續性。
雖然 b≠a,但是 x 可能是兩者之一。
所以對於 x 的連續性是依賴於 f \in C^1。
f 三階可微,所以 f 當然 \in C^1。
2. 檢查 f[a,b,x] 的可微性。
當 x 不是 a 也不是 b 的時候,直接用公式算導函數。
然後在 a 上計算 (f[a,b,x]-f[a,b,a])/(x-a) 的極限,
也就是 f[a,a,x,b] 的極限,這個應該可以由 C^2 保證。
(f[b,b,x,a] 在 b 的情形是類似的,因為此時 a,b 有對稱性。)
到此,應用 MVT 得 f[a,b,c,d] = d/dx f[a,b,x] |x=ξ
= lim_{x→ξ} (f[a,b,x]-f[a,b,ξ])/(x-ξ)
= lim_{x→ξ} f[a,b,ξ,x]
而這個 ξ 只是介於 c,d 之間而已,可能是兩數之間的任何數。
接下來分成 ξ 剛好是 a:此時 f[a,b,c,d] = f[a,b,a,a] (∵C^2)
ξ 剛好是 b:此時 f[a,b,c,d] = f[a,b,b,b] (∵C^2)
ξ 兩者皆非:此時 f[a,b,c,d] = f[a,b,ξ,ξ] (∵C^1)
所以綜合來說,f[a,b,c,d] = f[a,b,ξ,ξ] 都是對的。
然後計算 b,ξ→a 的時候 f[a,b,c,d] 的極限,
基於 b,ξ 的異同情況,f[a,b,c,d]=f[a,b,b,b] 或 f[a,η,η,η],
統一寫作 f[a,b,c,d] = f[a,η,η,η],其中 η 介於 b,ξ 之間或者就是 b,
最後利用三階可微能算出他收斂到 f[a,a,a,a] = f"'(a)/3!。
感覺上應該還是要善用 divided difference 的符號,
不過扯上簡併的連續性跟可微性都得驗證。
或者可以針對 b,c,d 直接做某種推廣版的 MVT:
f[a,b,c,d] = f[a,η,η,η], where min(b,c,d)<η<max(b,c,d).
※ 編輯: Vulpix (1.160.12.97 臺灣), 08/13/2023 07:26:34
推 znmkhxrw : 嗨V大辛苦了~好多資訊, 幾個問題跟回應: 08/13 08:52
→ znmkhxrw : (1) "「1」代表 1 函數,各個「x^k」則各自代表 08/13 08:53
→ znmkhxrw : k 次方函數。"這句話看不太懂, 所以也不知道為什麼 08/13 08:54
→ znmkhxrw : 1[x_0,x_1] = 0以及x[x_0,x_1] = 1 08/13 08:54
f[x_0,x_1] = [ f(x_1)-f(x_0) ]/(x_1-x_0)
f 代入 1 函數,得 (1-1)/(x_1-x_0) = 0。
f 代入 k 次方函數,得
(x_1^k-x_0^k)/(x_1-x_0) = Σ_{i=0}^{k-1} x_0^i x_1^{k-1-i}。
例如 k = 2 的 2 次方函數,
x^2[x_0,x_1] = (x_1^2-x_0^2)/(x_1-x_0) = x_1+x_0,
x^2[x_1,x_2] = (x_2^2-x_1^2)/(x_2-x_1) = x_2+x_1,
x^2[x_0,x_1,x_2] = [ (x_2+x_1) - (x_1+x_0) ]/(x_2-x_0) = 1 這樣。
所以其實(上部矩陣的)下三角都是 0、(上部矩陣的)主對角線都是 1。
→ znmkhxrw : 的x_0有負次方是要假設x_0不為零? 08/13 08:56
那就把次方都改成 max(0, 原本的次方) 好了……
或者乾脆改成原次方的絕對值。
不過反正負次方項的係數都是 0 啦,當成 notation 看就好,沒有什麼代值的功能。
→ znmkhxrw : (3) 承上的方程式, 跟Confluent Vandermonde很像耶! 08/13 08:56
→ znmkhxrw : 以上連結的唯一解c_0~c_n所決定出來的多項式p(x) 08/13 09:04
→ znmkhxrw : 如果可以證明出來他就是Newton/Lagrange的退化函數 08/13 09:06
首先,不管 Newton、Lagrange 插出來的多項式都跟
https://i.imgur.com/sPmLIUo.png 解出來的多項式是同一個。
所以雖然我算的是這個多項式的退化,但可以直接當成 Newton form 的極限,沒問題。
你把這個矩陣方程式展開,其實每一條都只是 p(x_i) = f(x_i) 而已。
→ znmkhxrw : 或是證明他是difference table演算法的那個函數 08/13 09:06
→ znmkhxrw : 那就解決了. 只是我沒有勇氣去寫出general case的 08/13 09:07
→ znmkhxrw : Confluent Vandermonde的反矩陣然後再乘開... 08/13 09:07
→ znmkhxrw : 然後剛剛看到V大你連結的矩陣, 發現跟CV很相似欸 08/13 09:08
→ znmkhxrw : (簡稱CV為Confluent Vandermonde) 08/13 09:08
→ znmkhxrw : 只是那個Ac=f的A矩陣跟f向量不太一樣, V大連結的f 08/13 09:11
→ znmkhxrw : 的微分項帶有factorial 08/13 09:11
因為我想要都用 divided difference 寫,所以會比 CV 多除以一些階乘。
也是因為這樣,我的係數才是組合數 C 而不是 CV 的排列數 P。
→ znmkhxrw : 我猜"(第 j 列 -= 第 j-1 列) /= (x_j - x_{j-i});" 08/13 09:16
→ znmkhxrw : 這個操作如果加料一下應該就可以推到rk7ijn2.jpg了 08/13 09:16
對,但我不要。這樣的行列式裡面會有一大堆階乘。
我的證明過程須要算行列式,不想讓他變醜。
→ znmkhxrw : (4) 最後有關微分條件放寬的思路謝謝分享 08/13 09:18
→ znmkhxrw : 其中有"MIT"是指哪個定理呢? 08/13 09:18
數學歸納法。
不過我還在想到底有哪些東西要定義跟證明XD
以這個流程來說,至少就是 f[x_1, ..., x_n] 收斂到 f^{(n)}(x_0)/n! 吧。
→ PPguest : @z大 difference table演算法不就是在算Newton form 08/13 17:31
→ PPguest : 的退化函數 08/13 17:32
是啊。
※ 編輯: Vulpix (1.160.12.97 臺灣), 08/13/2023 22:58:39
推 znmkhxrw : 08:54的回應理解了 謝謝 08/14 01:58
→ znmkhxrw : 09:56 是的! 所以我自己當初研究退化問題就是在想說 08/14 02:00
→ znmkhxrw : 那樣的表示法最好研究退化函數的長相, 然後Lagrange 08/14 02:00
→ znmkhxrw : 跟矩陣就被我捨棄了, 當下下意識覺得矩陣最麻煩 08/14 02:00
→ znmkhxrw : 因為還要寫出Vand反矩陣的通式還要取極限, 然後再跟 08/14 02:01
→ znmkhxrw : f向量相乘, 覺得很費工, 想不到V大這樣整理蠻乾淨的 08/14 02:02
既然反矩陣麻煩,那為什麼不用克拉瑪公式呢?
→ znmkhxrw : 09:56->09:06 打錯 08/14 02:02
→ znmkhxrw : 08:56, 09:11, 09:16一起回: 原來V大是把x_0^(-N) 08/14 02:03
→ znmkhxrw : 當作0的notation, 這樣確實就跟Confluent Vand差一 08/14 02:04
→ znmkhxrw : 個左乘的對角矩陣D了, D的左上區是階層, 右下區是 08/14 02:05
→ znmkhxrw : 單位矩陣 08/14 02:05
作者: Vulpix (Sebastian) 看板: Math
標題: Re: [分析] Hermite內插演算法的證明
時間: Sun Aug 6 19:28:57 2023
符號看得有點花……
如果你想做的是「在 x_1 和 x_2 分別趨近 x_0 後所得的極限 = Taylor 多項式」,
那你需要的就是 MVT of divided differences。
https://en.wikipedia.org/wiki/Mean_value_theorem_(divided_differences)
直接套上去就馬上做完了。
也不必去算新多項式的導數。
但是如果要一步一步來就沒那麼好算了。
(x_n - x_0)lim_{x_1→x_0} f[x_0,...,x_n]
= f[x_0,x_2,...,x_n] - lim_{x_1→x_0} f[x_0,...,x_{n-1}]
上面這條遞迴式是用來算極限的。
本來的插值多項式是 f[x_0] + f[x_0,x_1](x-x_0) + f[x_0,x_1,x_2](x-x_0)^2。
在 x_1→x_0 之後,變成
f(x_0) + f'(x_0)(x-x_0) + {f[x_0,x_2]-f'(x_0)}/(x_2-x_0) * (x-x_0)^2。
然後 {f[x_0,x_2] - f'(x_0)}/(x_2 - x_0) 在 x_2→x_0 下的極限 = f"(x_0)/2,
所以多項式的極限就變成 f(x_0) + f'(x_0)(x-x_0) + f"(x_0)/2 * (x-x_0)^2。
不過我本來在想的是用 Lagrange 觀點。
e_0(x) := Π_{i=1}^n (x-x_i)/(x_0-x_i),其他 e_j 類推。
還是先用 n = 2 來觀察,
插值多項式 = f(x_0)e_0(x) + f(x_1)e_1(x) + f(x_2)e_2(x)
然後也先讓 x_1→x_0,多項式變成
f(x_0){e_0(x)+e_1(x)} + {f(x_1)-f(x_0)}e_1(x) + f(x_2)e_2(x)。
所以我們分成三項來看:
1. e_0(x)+e_1(x) = (x-x_1)(x-x_2)/(x_0-x_1)(x_0-x_2)
+ (x-x_0)(x-x_2)/(x_1-x_0)(x_1-x_2) 公因式
= (x-x_2)/(x_1-x_0)
* (x_1-x_0)(x_0-x_2+x_1-x)/(x_0-x_2)(x_1-x_2)
= (x-x_2)(x_0-x_2+x_1-x)/(x_0-x_2)(x_1-x_2)
→ (x-x_2)(2x_0-x_2-x)/(x_0-x_2)^2
= 1 - (x-x_0)^2/(x_0-x_2)^2
最後這個多項式,他代 x_0 得 1、導數得 0,而代 x_2 得 0。
2. {f(x_1)-f(x_0)}e_1(x) = {f(x_1)-f(x_0)}(x-x_0)(x-x_2)/(x_1-x_0)(x_1-x_2)
→ f'(x_0)(x-x_0)(x-x_2)/(x_0-x_2)
(x-x_0)(x-x_2)/(x_0-x_2) 代 x_0 得 0、導數得 1,而代 x_2 得 0。
3. e_2(x) = (x-x_0)(x-x_1)/(x_2-x_0)(x_2-x_1) → (x-x_0)^2/(x_2-x_0)^2
最後這個多項式也是代 x_0 得 0、導數得 0,而代 x_2 得 1。
我們得到三個可以各自突顯 f(x_0), f'(x_0), f(x_2) 的多項式,
剛好跟 Lagrange 觀點有謀而合。
最後再讓 x_2→x_0,
f(x_0){1-(x-x_0)^2/(x_0-x_2)^2}
+ f'(x_0)(x-x_0)(x-x_2)/(x_0-x_2) + f(x_2)(x-x_0)^2/(x_2-x_0)^2
= f(x_0)+f'(x_0)(x-x_0)
+ { f(x_2) - f(x_0) - f'(x_0)(x_2-x_0) }(x-x_0)^2/(x_2-x_0)^2
→ f(x_0) + f'(x_0)(x-x_0) + f"(x_0)(x-x_0)^2/2
其實仔細看,1, x-x_0, (x-x_0)^2/2 也是
在函數值、一階導數、二階導數之中各自突顯一項,而消滅其他兩項的多項式函數,
同樣符合 Lagrange 觀點的插值概念。
真正麻煩的還是 general case:
有資料的點是 x_0, ..., x_n,每個點的高階導數已知階數不盡相同。
像是已知 f(-1), f(0), f'(0), f"(0), f(5), f(100), f'(100) 這樣。
然後先用 -1, 0, a, b, 5, 100, c 插值,再讓 a,b→0 和 c→100,
之後要檢查在 x = 0 的一階二階導數和在 x = 100 的一階導數。
不過我想,應該也是這樣一步步算極限就好。
但是那個 general form 就真的很難看,所以平常都是給 algorithm。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.162.224.247 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1691321340.A.CC3.html
推 znmkhxrw : 嗨V大, 我想證的是「在 x_1 和 x_2 分別趨近 x_0 後 08/06 23:06
→ znmkhxrw : 所得的極限L(x)」會滿足L(x_0)=f(x_0), 08/06 23:08
→ znmkhxrw : L'(x_0)=f'(x_0), L''(x_0)=f''(x_0) 08/06 23:08
→ znmkhxrw : 不過今天我舉的特例剛好是泰勒多項式, 因此我想證的 08/06 23:09
→ znmkhxrw : 可以直接去對泰勒多項式做微分檢查得證 08/06 23:09
→ znmkhxrw : 但是general case得到的L(x)就不知道怎麼證會符合 08/06 23:10
→ znmkhxrw : 微分條件 08/06 23:10
→ Vulpix : 你那句話跟二階泰勒一樣啊。 08/06 23:36
推 znmkhxrw : 嗨V大我回了wiki的例子一篇 推文不好排版 謝啦 08/06 23:49
先修一點 cap 的錯漏。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/07/2023 04:56:47
把 divided differences 算一算,感覺很有趣。
在 f is smooth enough 的前提下,divided differences 其實都可以用極限延拓。
說的是類似 f[a,a] 這種東西可以自然定義成 f'(a)。
不過這樣一來,如果 f 是 C^1,就保證 f[x,y] 有 C^0。
而要讓 f[x,y,z] 能處處連續,f 至少也得是 C^2。
總之,f[x_0] + f[x_0,x_1](x-x_0) + f[x_0,x_1,x_2](x-x_0)^2 的極限,
就是 f[x_0] + f[x_0,x_0](x-x_0) + f[x_0,x_0,x_0](x-x_0)^2。
f[x_0,x_0] 就是 f'(x_0) 沒問題,而 f[x_0,x_0,x_0] 則是 f"(x_0)/2。
有公式為證:
d/dx f[z_1,z_2,...,z_n,x] = f[z_1,z_2,...,z_n,x,x]
用數學歸納法甚至可以得到:
(D_x^3/3!)(D_y^2/2!)(D_z^2/2!) f[x,y,z] = f[x,x,x,x,y,y,y,z,z,z]。
f[x_0,x_0,x_0] 的情況比較簡單,就是 f[x_0] 在 x_0 的二階導數再除以 2!。
如果是已知 f, f', f" 在 -1, 0, 1 上的值,
x f(x) f'(x) f"(x)
-1 2 -8 56
0 1 0 0
1 2 8 56
那這種 p(x) 的 Newton form 就是
f[-1] + f[-1,-1](x+1) + f[-1,-1,-1](x+1)^2 + f[-1,-1,-1,0](x+1)^3
+ f[-1,-1,-1,0,0]x(x+1)^3 + f[-1,-1,-1,0,0,0]x^2(x+1)^3
+ f[-1,-1,-1,0,0,0,1]x^3(x+1)^3 + f[-1,-1,-1,0,0,0,1,1]x^3(x+1)^3(x-1)
+ f[-1,-1,-1,0,0,0,1,1,1]x^3(x+1)^3(x-1)^2
然後 wiki 上那張表,就只是很理所當然地計算這些係數而已。
所以你應該是卡在:
1. f[1,2,3,4,5] 我會,但 f[-1,-1,-1,0,0] 到底是什麼?
2. 為什麼 f[-1,b,c,0,e] 在 b,c→-1 且 e→0 的時候會收斂到 f[-1,-1,-1,0,0]?
根據前面的脈絡,兩個問題的回答是一起的:
f[a,b,c,d,e] 在 R^5 上無法直接用 divided difference 寫下的位置,
以其極限取代之。則 f[a,b,c,d,e] 在 R^5 上連續。
總之就是要確認 a divided difference with repeated arguments is well defined。
f[a,a] = lim_{x→a} { f(x)-f(a) }/{ x-a } = f'(a)
而一般一點的情況,建議從 expanded form 下手。
以 f[0,0,0,1,1] 為例,
f[0,b,c,1,e]
= f(0)/(-b)(-c)(-1)(-e) + f(b)/b(b-c)(b-1)(b-e) + f(c)/c(c-b)(c-1)(c-e)
+ f(1)/1(1-b)(1-c)(1-e) + f(e)/e(e-b)(e-c)(e-1)
後二項在 b,c→0 的時候,會趨近於 -f(1)/(e-1) + f(e)/e^3(e-1)。
然後在 e→1 的時候會再趨近於 f'(1)-3f(1)。
前三項在 e→1 的時候,會→ f(0)/bc - f(b)/b(c-b)(b-1)^2 + f(c)/c(c-b)(c-1)^2。
最後在 b,c→0 下會趨近於 3f(0) + 2f'(0) + f"(0)/2。
關於連續性,適合的參考資料應該是 https://ftp.cs.wisc.edu/Approx/deboor2.pdf。
f[x,y] 在 R^2 上連續,這直接做就好,沒有很難做。
更多變數的情況下就要一些技巧了。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/08/2023 13:45:45
推 znmkhxrw : 謝謝V大的分享! 關於連續性我有兩個看法: 08/08 16:37
→ znmkhxrw : (1) 我自己對於f[x,y]跟f[x,y,z]都是一直羅畢達XD 08/08 16:37
→ znmkhxrw : 但是general case我就羅不下去了, 太醜了, 你給的 08/08 16:45
→ znmkhxrw : pdf應該就是general解決這件事吧 08/08 16:45
→ znmkhxrw : (2) 對於微分條件, 用mean value thm for divided 08/08 16:50
→ znmkhxrw : difference來看的話, 要處理f[x,y,z]確實需要f€C^2 08/08 16:53
→ znmkhxrw : 才能讓3點退化成1點的(f''(ε)取極限把極限搬入) 08/08 16:56
→ znmkhxrw : 但是我總覺得有辦法只要"f€C^1, f'€diff"就可以 08/08 17:00
→ znmkhxrw : 以普通MVT舉例, (f(x)-f(a))/(x-a)=f'(ε) 08/08 17:02
→ znmkhxrw : 如果f€C^1, 當然可以x→a讓f'(ε)趨近於f'(a) 08/08 17:02
→ znmkhxrw : 但是其實f€diff即可, 因為根本不用透過MVT 08/08 17:03
要 f[x,y] 連續至少要 C^1,因為沿著 y=x 靠近 (a,a) 的時候要 f' 連續。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/08/2023 17:31:27
推 znmkhxrw : V大我回應如下連結, 有數學式跟說明, 謝謝 08/08 20:07
https://i.imgur.com/kDaTMXM.png
對,我知道因為 MVT 的要求是 "f conti. on [a,b], f is diff. on (a,b).",
所以如果只是要 f[0,b,c,1,e] 會收斂到 f[0,0,0,1,1] 上,可能可以放寬條件,
甚至上面這個應該不用到四階導數存在,只要二階可導就可以了。
可是大家應該也都知道……
(partially) derivable, differentiable, continuously differentiable 很煩人。
但我的確是想先建構函數再考慮,畢竟,f[x,y,z,u,v] 那種函數很美嘛。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/09/2023 17:34:42
推 znmkhxrw : 同意你說的, 謝謝這串分享! 08/09 18:45
找到比較一勞永逸的方式:
首先,這次既不是用 Newton form,也不是用 Lagrange form,
畢竟 p(x) = Σ_{i=1}^n (c_i x^i) 這個 standard form 還是最容易求導數的長相。
已知 f(x_i) for i = 0, 1, ... , n,而且 x_i 各不相同。
那麼,https://i.imgur.com/sPmLIUo.png。
因為 Vandermonde determinant 不是 0,所以這組 c_i 有唯一解。
下一步是讓 x_1, x_2, ... , x_{m_0} 都趨近於 x_0,
不過在那之前,要先處理一下前 1 + m_0 列。
把上圖的等式拿來做以下列運算:
for(int i=1; i<=1+m_0; i++)
for(int j=1+m_0; j>=i; j--)
(第 j 列 -= 第 j-1 列) /= (x_j - x_{j-i});
總之,經過這串列運算以後,等式會變成 https://i.imgur.com/7UsrbCz.png。
其中的「1」代表 1 函數,各個「x^k」則各自代表 k 次方函數。
其實1[x_0,x_1] = 0,上部矩陣的下三角都是 0。
然後x[x_0,x_1] = 1,上部矩陣的主對角線上都是 1。
下部矩陣沒有動到,照抄。
接下來要確認一下他的行列式值。
雖然長相很兇惡,但是因為我們之前有紀錄列運算的過程,
所以實際上是 Vand. det. / sub-Vand. det. of {x_0, ... , x_{m_0}},
所以這個行列式 = Π_{j>i>m_0} (x_j - x_i) * Π_{j>m_0≧i} (x_j - x_i),
在 x_1, x_2, ... , x_{m_0} 都趨近於 x_0 的時候,
收斂到 Π_{j>i>m_0} (x_j - x_i) * Π_{j>m_0} (x_j - x_0)^{1+m_0} ≠ 0。
這表示如果那個方陣的極限存在的話,行列式值非零。
終於要算極限了,前面那個方程式左側的方陣和右側的行矩陣各自都是收斂的,
而且方陣極限的行列式值非零,所以 c 那一個行矩陣也收斂。
整個方程式的極限是 https://i.imgur.com/AoSFHbG.png。
跟剛剛一樣,其實上部矩陣的下三角都是 0,而且主對角線上都是 1。
只是為了能有個通式的長相就拉他們下水。
下部矩陣沒有動到,照抄。
然後反覆把想拿來簡併的 x_k 併在一起,我們就得到了退化多項式 p(x) 的係數 c_i。
前 1 + m_0 列已經不會再被動到了。
p(x_0) = f(x_0) 可直接參照矩陣方程式的第一列。
觀察第二列可得 p'(x_0) = 1 + 2x_0 + 3x_0^2 + ... + nx_0^{n-1} = f'(x_0),
同理可得其他高階導數的等式。
這個作法就是從最初的插值多項式直接退化成 p(x),
並且證明了直到第「簡併數」階之前,p 在簡併點上的導數 = f 在簡併點上的導數。
-------------------------
至於 f[a,b,c] 收斂到 f"(a)/2!,似乎真的可以用 f" 存在來證。
總之先對 b,c 做 MVT:
如果 [ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2 收斂到 f"(a)/2,
那 f[a,b,c] 就收斂到 f"(a)/2!。
可是羅下去會卡在 f" 的連續性上,所以雖然我愛羅但是不能羅,
因為羅後不收斂不代表羅前也不收斂。
[ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2
= [ f'(ξ)-f'(a) ]/(ξ-a) - [ f(ξ)-f(a)-f'(a)(ξ-a) ]/(ξ-a)^2
→ f"(a) - f"(a)/2 = f"(a)/2
前項直接算極限,後項則是先羅一次。
前面做 MVT 也很辛苦,f[a,x] 的連續性是顯然的,
而 f[a,x] 的可微性則要考慮是否在 a 微分。
不在 a 的時候,很簡單,商法則可搞定。
在 a 的話,[ f[a,x]-f'(a) ]/(x-a) 把分母處理好以後就是先羅一次,
其實跟上面那個先羅一次的後項是一樣的東西,所以也是收斂到 f"(a)/2。
f[a,b,c] = d/dx f[a,x] |x=ξ for some ξ between b and c,
這個 ξ 有可能是 a,
所以 f[a,b,c] 可能是 [ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2 或 f"(a)/2。
最後當 b,c→a 的時候,也讓 ξ→a,然後就回到前頭的計算了。
可是再多一個 d 的時候……
感覺上應該是可以做 MIT 的,但我覺得累。
f[a,b,c,d] = (f[a,b,c]-f[a,b,d])/(c-d) 且 c≠d,進行 MVT:
1. 檢查 f[a,b,x] 的連續性。
雖然 b≠a,但是 x 可能是兩者之一。
所以對於 x 的連續性是依賴於 f \in C^1。
f 三階可微,所以 f 當然 \in C^1。
2. 檢查 f[a,b,x] 的可微性。
當 x 不是 a 也不是 b 的時候,直接用公式算導函數。
然後在 a 上計算 (f[a,b,x]-f[a,b,a])/(x-a) 的極限,
也就是 f[a,a,x,b] 的極限,這個應該可以由 C^2 保證。
(f[b,b,x,a] 在 b 的情形是類似的,因為此時 a,b 有對稱性。)
到此,應用 MVT 得 f[a,b,c,d] = d/dx f[a,b,x] |x=ξ
= lim_{x→ξ} (f[a,b,x]-f[a,b,ξ])/(x-ξ)
= lim_{x→ξ} f[a,b,ξ,x]
而這個 ξ 只是介於 c,d 之間而已,可能是兩數之間的任何數。
接下來分成 ξ 剛好是 a:此時 f[a,b,c,d] = f[a,b,a,a] (∵C^2)
ξ 剛好是 b:此時 f[a,b,c,d] = f[a,b,b,b] (∵C^2)
ξ 兩者皆非:此時 f[a,b,c,d] = f[a,b,ξ,ξ] (∵C^1)
所以綜合來說,f[a,b,c,d] = f[a,b,ξ,ξ] 都是對的。
然後計算 b,ξ→a 的時候 f[a,b,c,d] 的極限,
基於 b,ξ 的異同情況,f[a,b,c,d]=f[a,b,b,b] 或 f[a,η,η,η],
統一寫作 f[a,b,c,d] = f[a,η,η,η],其中 η 介於 b,ξ 之間或者就是 b,
最後利用三階可微能算出他收斂到 f[a,a,a,a] = f"'(a)/3!。
感覺上應該還是要善用 divided difference 的符號,
不過扯上簡併的連續性跟可微性都得驗證。
或者可以針對 b,c,d 直接做某種推廣版的 MVT:
f[a,b,c,d] = f[a,η,η,η], where min(b,c,d)<η<max(b,c,d).
※ 編輯: Vulpix (1.160.12.97 臺灣), 08/13/2023 07:26:34
推 znmkhxrw : 嗨V大辛苦了~好多資訊, 幾個問題跟回應: 08/13 08:52
→ znmkhxrw : (1) "「1」代表 1 函數,各個「x^k」則各自代表 08/13 08:53
→ znmkhxrw : k 次方函數。"這句話看不太懂, 所以也不知道為什麼 08/13 08:54
→ znmkhxrw : 1[x_0,x_1] = 0以及x[x_0,x_1] = 1 08/13 08:54
f[x_0,x_1] = [ f(x_1)-f(x_0) ]/(x_1-x_0)
f 代入 1 函數,得 (1-1)/(x_1-x_0) = 0。
f 代入 k 次方函數,得
(x_1^k-x_0^k)/(x_1-x_0) = Σ_{i=0}^{k-1} x_0^i x_1^{k-1-i}。
例如 k = 2 的 2 次方函數,
x^2[x_0,x_1] = (x_1^2-x_0^2)/(x_1-x_0) = x_1+x_0,
x^2[x_1,x_2] = (x_2^2-x_1^2)/(x_2-x_1) = x_2+x_1,
x^2[x_0,x_1,x_2] = [ (x_2+x_1) - (x_1+x_0) ]/(x_2-x_0) = 1 這樣。
所以其實(上部矩陣的)下三角都是 0、(上部矩陣的)主對角線都是 1。
→ znmkhxrw : 的x_0有負次方是要假設x_0不為零? 08/13 08:56
那就把次方都改成 max(0, 原本的次方) 好了……
或者乾脆改成原次方的絕對值。
不過反正負次方項的係數都是 0 啦,當成 notation 看就好,沒有什麼代值的功能。
→ znmkhxrw : (3) 承上的方程式, 跟Confluent Vandermonde很像耶! 08/13 08:56
→ znmkhxrw : 以上連結的唯一解c_0~c_n所決定出來的多項式p(x) 08/13 09:04
→ znmkhxrw : 如果可以證明出來他就是Newton/Lagrange的退化函數 08/13 09:06
首先,不管 Newton、Lagrange 插出來的多項式都跟
https://i.imgur.com/sPmLIUo.png 解出來的多項式是同一個。
所以雖然我算的是這個多項式的退化,但可以直接當成 Newton form 的極限,沒問題。
你把這個矩陣方程式展開,其實每一條都只是 p(x_i) = f(x_i) 而已。
→ znmkhxrw : 或是證明他是difference table演算法的那個函數 08/13 09:06
→ znmkhxrw : 那就解決了. 只是我沒有勇氣去寫出general case的 08/13 09:07
→ znmkhxrw : Confluent Vandermonde的反矩陣然後再乘開... 08/13 09:07
→ znmkhxrw : 然後剛剛看到V大你連結的矩陣, 發現跟CV很相似欸 08/13 09:08
→ znmkhxrw : (簡稱CV為Confluent Vandermonde) 08/13 09:08
→ znmkhxrw : 只是那個Ac=f的A矩陣跟f向量不太一樣, V大連結的f 08/13 09:11
→ znmkhxrw : 的微分項帶有factorial 08/13 09:11
因為我想要都用 divided difference 寫,所以會比 CV 多除以一些階乘。
也是因為這樣,我的係數才是組合數 C 而不是 CV 的排列數 P。
→ znmkhxrw : 我猜"(第 j 列 -= 第 j-1 列) /= (x_j - x_{j-i});" 08/13 09:16
→ znmkhxrw : 這個操作如果加料一下應該就可以推到rk7ijn2.jpg了 08/13 09:16
對,但我不要。這樣的行列式裡面會有一大堆階乘。
我的證明過程須要算行列式,不想讓他變醜。
→ znmkhxrw : (4) 最後有關微分條件放寬的思路謝謝分享 08/13 09:18
→ znmkhxrw : 其中有"MIT"是指哪個定理呢? 08/13 09:18
數學歸納法。
不過我還在想到底有哪些東西要定義跟證明XD
以這個流程來說,至少就是 f[x_1, ..., x_n] 收斂到 f^{(n)}(x_0)/n! 吧。
→ PPguest : @z大 difference table演算法不就是在算Newton form 08/13 17:31
→ PPguest : 的退化函數 08/13 17:32
是啊。
※ 編輯: Vulpix (1.160.12.97 臺灣), 08/13/2023 22:58:39
推 znmkhxrw : 08:54的回應理解了 謝謝 08/14 01:58
→ znmkhxrw : 09:56 是的! 所以我自己當初研究退化問題就是在想說 08/14 02:00
→ znmkhxrw : 那樣的表示法最好研究退化函數的長相, 然後Lagrange 08/14 02:00
→ znmkhxrw : 跟矩陣就被我捨棄了, 當下下意識覺得矩陣最麻煩 08/14 02:00
→ znmkhxrw : 因為還要寫出Vand反矩陣的通式還要取極限, 然後再跟 08/14 02:01
→ znmkhxrw : f向量相乘, 覺得很費工, 想不到V大這樣整理蠻乾淨的 08/14 02:02
既然反矩陣麻煩,那為什麼不用克拉瑪公式呢?
→ znmkhxrw : 09:56->09:06 打錯 08/14 02:02
→ znmkhxrw : 08:56, 09:11, 09:16一起回: 原來V大是把x_0^(-N) 08/14 02:03
→ znmkhxrw : 當作0的notation, 這樣確實就跟Confluent Vand差一 08/14 02:04
→ znmkhxrw : 個左乘的對角矩陣D了, D的左上區是階層, 右下區是 08/14 02:05
→ znmkhxrw : 單位矩陣 08/14 02:05
你誤會了,x_0^{-N} 之類的只是為了讓通式漂亮硬塞的而已。
→ znmkhxrw : 不過我看到V大你對於組合數C有寫了C(n,m), n<m這種 08/14 02:05
→ znmkhxrw : 形式, 比如C(1,2), 這種有定義參考資料嗎? 雖然跟他 08/14 02:06
→ znmkhxrw : 相乘的都是x_0^(-N), 是都可以當他是0, 只是第一次 08/14 02:07
→ znmkhxrw : 看到這種記號詢問一下 08/14 02:07
「C(n,m), n<m」才是 0。
組合解釋:從少數物品中,任取多數物品,方法數 = 0。
或者也可以把 (n-m)! 想像成 Γ(n-m+1) 這些發散到無限大的東西。
→ znmkhxrw : 09:18 了解~多個點的f[a,b,c,d]這種要放弱微分條件 08/14 02:09
→ znmkhxrw : 看起來要細寫組合就很多...用MIT也要找到一個好的 08/14 02:10
→ znmkhxrw : induction方式來處理所有case, 例如f[a,b,c]就包含 08/14 02:11
→ znmkhxrw : f[a,a,c], f[a,c,c], f[a,b,a], f[a,a,a]這幾種 08/14 02:11
→ znmkhxrw : 廣義的f[x_0~x_n]就更多種了... 08/14 02:12
所以才麻煩,因為一直有長相不合群的在搗蛋。
不過畢竟要假設 3 階可微了,那 f[x,y] 就是可微分的函數應該沒有錯,
至少 f[x,y] 在所有位置上的兩個偏導數都存在。
那要從 f[a,a] 做出 f[a,a,c] 或者從 f[a,b] 做出 f[a,b,a] 都不是難事。
Ex. 1) f[a,a,c]
f[a]
〉f[a,a]
f[a] 〉f[a,a,c]
〉f[a,c]
f[c]
一開始我們的表只有白字,其中 f[a,a]=f'(a)。
為了算 f[a,a,c] 加了一條紅字,因為 a 與 c 不同,
所以用普通的均差遞迴關係就好。
Ex. 2) f[a,b,a]
f[a]
〉f[a,b]
f[b] 〉f[a,b,a]
〉f[b,a]
f[a]
這次因為 a 與 a 相同,所以要算 f[b,x] 的導數了。
f[a,b,a] = lim_{x→a} (f[b,x]-f[a,b])/(x-a) = lim_{x→a} f[a,b,x]。
雖然看起來很美好,但因為我們的假設很弱,所以這個極限突然下不了手。
幸好均差是對稱函數,所以這個極限還可以不用爆開來算。
f[a,b,a] = lim_{x→a} f[a,b,x] = lim_{x→a} f[a,x,b]
= (f[a,b]-f[a,a])/(b-a)
= f[a,a,b]
回到了跟前一個例子相同的情況。
我是這樣想的:f[x,a_1,...,a_n,y] 都由那個均差表來定義。
如果 x 與 y 不同,那就是 (f[a_1,...,a_n,y]-f[x,a_1,...,a_n])/(y-x)。
但要是他們一樣,那就改成上式在 y→x 下的極限。
當然綜合來說都是 lim_{z→y} (f[a_1,...,a_n,z]-f[x,a_1,...,a_n])/(z-x)。
也因為是這樣定義的,所以至少 f[x,a_1,...,a_n,z] 對 z 是連續的。
然後靠對稱性(我懷疑這對於有簡併情形的均差是要證明一下的)移動 z 的位置,
就能知道均差對所有自變數都連續,只是要注意一點:都是視為單變數函數。
所以如果不要太貪心,一口氣讓 x_i 都趨近於 x_0,
而是一個一個來,那證明應該會輕鬆許多。
照上面的定義來看第三個例子。
Ex. 3) f[a,a,a]
f[a,a,a] = lim_{x→a} (f[a,x]-f[a,a])/(x-a)
= lim_{x→a} [ (f(x)-f(a))/(x-a) - f'(a) ]/(x-a)
= lim_{x→a} (f(x)-f(a)-f'(a)(x-a))/(x-a)^2
= lim_{x→a} (f'(x)-f'(a))/2(x-a)
= f"(a)/2
最後一步不能羅,要直接用導數定義。
反正怎麼搞這一步都跑不掉,索性就不要把 f[a,a] 定義成 f'(a) 了。
看著會覺得有趣的地方在分子那邊,其實會是 f(x)-泰勒多項式,
所以羅起來自然非常流暢。
→ znmkhxrw : @P大 對, 令滿足微分條件的存在唯一多項式叫作p(x) 08/14 02:14
→ znmkhxrw : 想證明:(1) Lagrange=Newton的退化函數就是p(x) 08/14 02:15
→ znmkhxrw : 其中Newton型可以用不同點的差分表演算法得出 08/14 02:16
→ znmkhxrw : (2) 重複點的差分表演算法所造的函數就是p(x) 08/14 02:16
→ znmkhxrw : 目前來說, c大以及你當初給的google book給了第(2) 08/14 02:17
→ znmkhxrw : 的general case證明. 而V大這裡給了(1)的special 08/14 02:18
→ znmkhxrw : case的證明(n個不同點有m_0個點退化到同一個) 08/14 02:18
m_1 個點退化到另一個點上、m_2 個點退……
完成這個 modified CV 就可以了。
→ znmkhxrw : 至於(1)的general case花點耐心應該可以仿造V大的 08/14 02:19
→ znmkhxrw : 方式去寫出來 08/14 02:19
→ znmkhxrw : 因為V大的推論結果就是讓不同點的Vand取極限(退化) 08/14 02:20
→ znmkhxrw : 後變成Confluent Vand, 而CV可以直接跟存在唯一p(x) 08/14 02:20
→ znmkhxrw : 連結上 08/14 02:20
→ znmkhxrw : 因此"lim sol of V = sol of CV"就證得(1) 08/14 02:22
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/14/2023 10:06:09
推 PPguest : 剛想到可以用 Neville's algorithm 多項式的遞迴關 08/14 15:22
→ PPguest : P_1,2,...,n(x)是過那些點 x_1,x_2,...,x_n 函數值 08/14 15:23
→ PPguest : 最高n-1次的多項式. 如果 x_i 有重複,那就是要符合 08/14 15:23
→ PPguest : 高階導數的條件. 08/14 15:23
→ PPguest : 在 x_i 有重複的情況,要和 Hermite 的 table 一樣先 08/14 15:24
→ PPguest : 把重複的 x_i 合併,這樣子才容易檢查新生成的多項式 08/14 15:25
→ PPguest : 會符合條件. 用這個看 Newton form 的 table 應會比 08/14 15:25
→ PPguest : 較清楚. 08/14 15:25
→ PPguest : 例如算 P_1,1,2(x),不要用 P_1,2(x)和 P_2,1(x)去算 08/14 15:59
→ PPguest : 跟 divided difference 的情況類似要算極限. 改用 08/14 16:00
→ PPguest : P_1,1(x)和 P_1,2(x)來算. 這樣子 general case 在 08/14 16:00
→ PPguest : 圖中遞迴關係裡的 x_1 和 x_n 應該就會不相等 08/14 16:00
這個是直接插多項式出來,所以會在比較早的位置看到各階導數。
不過,就算先為了方便起見而把 x_i 依序排好,
他也跟均差一樣,遇到高階項就要背公式。
均差表的公式是 f[a,a,a] = f"(a)/2! 這些,
而 Neville's algorithm 的是 P_{0,2}(x) = f(a)+f'(a)(x-a)+f"(a)/2! (x-a)^2。
這都不是單純的「把前一層的結果代入遞迴公式並讓 x_1,x_2→a」。
要算這類極限,在算到這一層之前都不可以先算極限。
不過的確只要把這點先處理好,就可以比較輕鬆地檢查各點上的導數。
畢竟 Newton form 最後有「選」一條從零階均差直到 n 階均差的路徑:top row,
所以只有 x_0 那一點的導數好算,其他點的導數要找「其他路徑」去看。
所以使用 Newton form 的時候,要隨時記得「終點一樣的路就代表同一個多項式」。
也就是雖然我們只寫出一個 Newton form,
但是在把均差表完成的當下就已經有了同一個多項式的 2^n 個 Newton form。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/14/2023 16:49:24
→ PPguest : 驗證 P_1,1,...,1(x)符合條件,會需要微分和極限互換 08/14 16:32
→ PPguest : 註:圖片中微分的部分應該要 m<=n-2. 08/14 16:32
→ PPguest : m個1,在微m-1次 之前 大概沒有什麼問題 08/14 16:37
→ PPguest : 微m-1次時,用首項係數 f[x1,...,x1,x]應可以得到 08/14 16:42
→ PPguest : f^(m-1). 但我圖中微分的式子好像怪怪的,少了階乘? 08/14 16:43
→ PPguest : 啊沒事,階乘會在多項式首項微多次時掉出來 08/14 17:10
→ PPguest : V大你說"不是單純的「把前一層..."是指 P_1,2(x)和 08/14 19:48
→ PPguest : P_2,1(x)對吧,我那樣寫不太好,實際寫是用 P_1,2(x), 08/14 19:50
→ PPguest : P_2,3(x),以及其他遞迴式裡的東西,再讓 x_3→x_1 08/14 19:52
→ PPguest : P_2,3(x)確實沒有用到 P_1(x) 08/14 19:53
直接上實例:f(x) = x^3,選相異四數 a,b,c,d 算插值多項式。
P_aa
〉P_ab
P_bb 〉P_ac
〉P_bc 〉P_ad = P
P_cc 〉P_bd
〉P_cd
P_dd
a^3
〉(a^2+ab+b^2)x-ab(a+b)
b^3 〉(a+b+c)x^2-(ab+bc+ca)x+abc
〉(b^2+bc+c^2)x-bc(b+c) 〉x^3
c^3 〉(b+c+d)x^2-(bc+cd+db)x+bcd
〉(c^2+cd+d^2)x-cd(c+d)
d^3
然後讓 b,c→a:
a^3
〉 {3a^2}x-2a^3
a^3 〉 {3a}x^2-{3a^2}x+a^3
〉 {3a^2}x-2a^3 〉x^3
a^3 〉(2a+d)x^2-(a^2+2ad)x+{a^2}d
〉(a^2+ad+d^2)x-ad(a+d)
d^3
其中 {3a}x^2-{3a^2}x+a^3
≠ lim_{t→a} [(x-a)({3t^2}x-2t^3)-(x-t)({3a^2}x-2a^3)]/(t-a)
= {6a}x^2 - {9a^2}x + 4a^3
三項係數分別是正確值的 2、3、4 倍。
不像 {3a^2}x-2a^3 = lim_{t→a} [(x-a)(t^3)-(x-t)(a^3)]/(t-a) 那麼單純。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/14/2023 21:27:43
→ PPguest : 感謝實例,我覺得我的認知和V大的一樣. 我是算下面 08/14 22:28
→ PPguest : 這個:lim_{c→a} [(x-c)({3a^2}x-2a^3)-(x-a) 08/14 22:28
→ PPguest : ({a^2+ac+c^2}x-ac{a+c})]/(a-c) 08/14 22:28
→ PPguest : = {3a}x^2-{3a^2}x+a^3 08/14 22:29
推 znmkhxrw : 嗨V大, 兩個回覆請教: 08/15 00:45
→ znmkhxrw : (1) 02:02您提說用克拉瑪, 是另外一個方法嗎? 08/15 00:47
→ znmkhxrw : 你這篇的矩陣方式應該不是用克拉瑪? 08/15 00:47
→ znmkhxrw : 我把"用克拉瑪"翻譯成直接寫出各項係數的公式解 08/15 00:47
→ znmkhxrw : 每個c_i的分子跟分母都是determinant, 然後取極限? 08/15 00:48
→ znmkhxrw : 你的矩陣方式是Ac=f然後對A跟f取極限 08/15 00:49
→ znmkhxrw : 如果用克拉瑪就是c=(A^-1)*f=cramer, 然後取極限 08/15 00:50
→ znmkhxrw : 你提克拉瑪是指這樣算起來過程差不多?(結果論一樣) 08/15 00:51
→ znmkhxrw : (2) 02:12您的回覆最後那邊寫了 "索性就不要把 08/15 00:52
→ znmkhxrw : f[a,a] 定義成 f'(a)", 這句話的"不要"是多打得? 08/15 00:52
→ znmkhxrw : 您那段的意思我翻譯成"MVT要考慮很多, 索幸把f[a,a] 08/15 00:53
→ znmkhxrw : 定義成f'(a)就好多了", 如果是這樣的話那我就沒問題 08/15 00:54
不是,就是乾脆不要先定義成這種形式。
因為 https://i.imgur.com/lylZcfd.png 會更方便。
至少在 f 有一定平滑性的時候這樣定義反而比較方便。
(對於不連續的 f,應該是有辦法把他也包容進來才對。)
1. 存在即連續,所以不用檢查太多次連續性。
2. 要是 x_n = x_0,還能利用 n 個變數的均差的對稱性快速得到
https://i.imgur.com/88E2qLe.png 這條我們想要的微分公式。
這樣一來,每次均差的變數變多,首先就要證明 x_i 都可以對調。
pf): 1) x_n 可與 x_0 對調。
如果 x_n 與 x_0 相同,那兩者對調確實不改變均差。
即便兩者不同,定義中的極限變回普通的差分商,
https://i.imgur.com/Mn5WvDa.png,兩者一樣可以對調。
2) x_0 可與 x_1 對調。
如果 x_0 與 x_1 相同,那兩者對調確實不改變均差。
如果兩者不同,https://i.imgur.com/qt1duqL.png 說明還是可對調。
其中有先假設變數不到 n+1 個的時候可以任意排列變數。
以下補述少變數的情況,剩下的部份由數學歸納法遞迴可得。
i) 雙變數的情況
如果 a≠b:f[a,b] = (f(b)-f(a))/(b-a) = (f(a)-f(b))/(a-b) = f[b,a]
至於 a=b:trivial case。
ii) 三變數的情況
如果 a,b,c 相異,可以直接寫出對稱式:
f[a,b,c] = f(a)/(a-b)(a-c) + f(b)/(b-a)(b-c) + f(c)/(c-a)(c-b)
如果 a=b≠c:
f[a,a,c] = f[c,a,a] = [(f(c)-f(a))/(c-a) -f'(a)]/(c-a)
= ( f(c)-f(a)-f'(a)(c-a) )/(c-a)^2
f[a,c,a] = lim_{b→a} (f[c,b]-f[a,c])/(b-a)
= d/da f[a,c]
= ( f(c)-f(a)-f'(a)(c-a) )/(c-a)^2
至於 a = b = c:trivial case。
3) x_1,...,x_{n-1} 可任意排列。
任取一個 1,...,n-1 之間的排列 σ,https://i.imgur.com/7SJV8cT.png。
這些排列可以生成任意一個在 0,1,...,n 之間的排列,done。
→ znmkhxrw : 最後就是您跟P大討論的涉及neville's algorithm 08/15 00:55
→ znmkhxrw : , neville's表/差分表的top/not top row...之間的關 08/15 00:56
→ znmkhxrw : 係, 目前對我資訊量有點大XD 我再慢慢看你們的討論 08/15 00:56
→ znmkhxrw : 謝謝您這一系列的討論跟分享, 1000p聊表謝意 08/15 00:57
→ znmkhxrw : 也謝謝P大的idea跟c大的代數證明, 666p奉上 08/15 00:58
沒事,那個你沒空可以暫時不去管,因為我覺得那個也有那個的麻煩。
不過解決 Newton form 的 top row 過於偏心的方案可能要了解一下。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/15/2023 02:55:44
→ znmkhxrw : 確實在一個一個點跑時方便很多. 不過我還是對於你 08/15 03:37
→ znmkhxrw : 之前說的[反正怎麼搞這一步都跑不掉,索性就不要 08/15 03:37
→ znmkhxrw : 把f[a,a]定義成f’(a) ]這句有點不理解, 這句話的 08/15 03:37
→ znmkhxrw : 意思是[不管有沒有把f[a,a]定義成f’(a) 都還是避 08/15 03:37
→ znmkhxrw : 不開最後一步的不使用羅必達直接求導數]嗎? 因為 08/15 03:37
→ znmkhxrw : f[a,a]用你的定義算出來也是f’(a), 所以我不太清 08/15 03:37
→ znmkhxrw : 楚這裡比較的對象是什麼… 08/15 03:37
是指在後面要計算 f[a,...,a] 的時候,該有的麻煩還是一樣在。
→ znmkhxrw : (2) 總結來說是否如果要直接考慮多個點可能合併成 08/15 03:37
→ znmkhxrw : 一個點的case很麻煩, 即便給很強的微分條件讓MVT所 08/15 03:37
→ znmkhxrw : 出來的各階導數都是連續的, 還是要考慮各種形式的 08/15 03:37
→ znmkhxrw : MVT(n個點有m個一樣blabla) 但是今天如果只考慮一 08/15 03:37
→ znmkhxrw : 個一個點退化, 採用您lylZcfd.png的定義後就能有條 08/15 03:37
→ znmkhxrw : 理的一個一個退化, 然後基於差分式的對稱性還能WL 08/15 03:37
→ znmkhxrw : OG把退化順序排成退化的都在前面 08/15 03:37
推 znmkhxrw : (3) Newton form偏心問題我沒follow到, 我一直都只 08/15 03:45
→ znmkhxrw : 看top row, 但是發現top row對於[退化點是從f[a, 08/15 03:45
→ znmkhxrw : a,b]這種型的就可以羅到爽], 但是f[a,a,b]理應等 08/15 03:45
→ znmkhxrw : 於f[b,a,a], 但是對f[b,a,a]用top row就很麻煩, 羅 08/15 03:45
→ znmkhxrw : 下去有一堆東西要整理. 你說的top row偏心問題是指 08/15 03:45
→ znmkhxrw : 這件事嗎? 如果是的話我大概從你跟P大討論不同row 08/15 03:45
→ znmkhxrw : 猜測, 遇到f[b,a,a]又要用差分表的話, 就不要用to 08/15 03:45
→ znmkhxrw : p row, 其他路徑都能得到一樣的結果? 08/15 03:45
top row 的問題是你另一篇回文一開始的問題。
因為 top row 就真的不能讓你直接看到 p(0)、p'(1) 那些東西。
這個只要看那篇的推文就好。
推 znmkhxrw : 另外我剛剛回去看V大你最一開始提MVT那段, 你說f 08/15 04:18
→ znmkhxrw : [a,b,c]對b,c做MVT可以寫成如下連結是基於哪種MVT 08/15 04:18
→ znmkhxrw : 啊?我直接很誠實的對b,c做f[b,c]=f’(epsilon)然 08/15 04:18
→ znmkhxrw : 後就沒了XDD 08/15 04:18
對 b,c 做,那當然要先換成 f[b,a,c] 再做。
令 g(x) = f[a,x] = f[x,a]
因為 f'(a) 存在,所以 g 在 a 連續。
又 g[a,x] = f[a,a,x] = (f(x)-f(a)-f'(a)(x-a))/(x-a)^2 → f"(a)/2
其他 x 就不用說了,g(x) 肯定連續,用商法則就能算 g'(x) = f[a,x,x]。
總之 f 只要二階可微,那 g 就符合 MVT 的使用資格。
所以 f[b,a,c] = (f[a,c]-f[b,a])/(c-b) = g[b,c] = g'(ξ)
g'(ξ) 有兩種可能長相:
1. ξ = a,此時 g'(ξ) = g'(a) = f"(a)/2。
2. ξ≠a,此時 g'(ξ) = f[a,ξ,ξ] = (f'(ξ)(ξ-a)-f(ξ)+f(a))/(ξ-a)^2
在 b,c→a 的過程中,這兩個情況也可能交錯發生,
但只要 f[a,ξ,ξ] 也收斂到 f[a,a,a] = f"(a)/2 就好。
證明方式就是羅,上面兩串紫字都要羅一次。
不過 f[a,a,x] 可以直接羅,但 f[a,ξ,ξ] 要先換成 f'[a,ξ] - f[a,a,ξ] 才有羅。
這些該羅的,一個都跑不掉。
再開題外:f'[a,ξ] = f[a,ξ,ξ] + f[a,a,ξ] 這種形狀的公式,
好像真的應該先做出來放著備用。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/15/2023 15:15:14
這應該是 f'[x_0,...,x_n] = Σ_{r=0}^n f[x_0,...,x_n, x_r]。
=> f"[x_0,...,x_n] = 2! Σ_{0≦r≦s≦n} f[x_0,...,x_n, x_r,x_s]
=> f"'[x_0,...,x_n] = 3! Σ_{0≦r≦s≦t≦n} f[x_0,...,x_n, x_r,x_s,x_t]
and so on.
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/15/2023 16:26:02
推 znmkhxrw : 了解~我花時間整理吸收一下, 再次謝謝V大 08/15 16:24
→ Vulpix : 對稱性的證明怪怪的,我再想想。 08/15 18:36
推 znmkhxrw : "用商法則就能算 g'(x) = f" 的 "=f"是typo? 08/16 00:12
對,大概本來是要打 f[a,x,x] 吧?
→ znmkhxrw : by the way, 這些東西看起來好複交錯, 但是最終都能 08/16 00:18
→ znmkhxrw : 拆成MVT跟L'hospital, 有種好複雜卻又有主幹的感覺 08/16 00:18
→ znmkhxrw : 有那個Fu卻又還沒有完全理解的有趣感覺XDDD 08/16 00:19
直接 C^n 就沒有那麼多事了。只要求 Diff^n 是會釐清一些事情啦……
Def): The maximal degeneracy of (x_0,...,x_n)
is the frequency of the mode of the sequence {x_i}_{i=0}^n.
總之就是,最大簡併數 := 眾數的出現次數。
f \in Diff^k => f[x_0,...,x_n] is well-defined at the points
where the maximal degeneracy ≦ k+1.
In particular, f[x_0,...,x_k] is well-defined everywhere.
f \in C^k => f[x_0,...,x_n] is continuous at the points
where the maximal degeneracy ≦ k+1.
In particular, f[x_0,...,x_k] is continuous everywhere.
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/16/2023 04:38:19
其實放棄 Lagrange form 也是挺可惜的。
令 u_{ik}(x) 為 Π_{j≠i} {(x-x_j)/(x_i-x_j)}^{-1-m_j}
在 x = x_i 展開至 m_i-k 次項的多項式。
那麼 u_{ik}(x) * (x-x_i)^k/k! * Π_{j≠i} {(x-x_j)/(x_i-x_j)}^{1+m_j} 們
就是我們 Lagrange form 的基底……沒有很漂亮,但也沒有很不漂亮啦。
具體來說,https://i.imgur.com/ItFFMG9.png。
整個計算現在變成要算 https://i.imgur.com/LXZTetm.png,
而且因不看超過 m_i 次的項,最後一式也可變成 https://i.imgur.com/q85ceOt.png。
其實 u_{ik}(x) 可以用輾轉相除、長除法、泰勒展開等方式去做,方便就好。
※ 編輯: Vulpix (1.160.14.56 臺灣), 08/19/2023 08:45:44