Interpolations: a linear algebra approach

技术摘要：插值法：一种线性代数方法

问题陈述
本文探讨了应用插值问题中常见的碎片化现象，即拉格朗日多项式、埃尔米特样条（Hermite splines）和三角插值等方法往往被视为互不相连的公式集合。在实际场景中，例如重建运动物体的轨迹或融合异构传感器数据（例如，在不同的、不同步的时间点测量位置、速度和加速度），从业者必须频繁地在不同方案之间切换，或以临时手段对数据进行预处理。本文提出了一个统一的框架来解决这些问题，其核心思想是将插值视为一个涉及对偶空间的系统性线性代数问题，而非仅仅是一系列特定的公式。

方法论
核心方法论依赖于有限维向量空间及其对偶空间的理论。作者将“逐点插值方案”形式化定义为一个由一组点 $\{t_i\}$ 和一组对应的线性泛函（函数或其导数的评估）组成的集合，这些线性泛函作用于选定的函数空间 $F$（例如多项式 $\mathbb{R}[t]$ 或三角多项式 $\mathbb{T}[t]$）。

1. 对偶空间表述： 插值条件被视为对偶空间 $F^*$ 中的线性泛函。通过确保线性泛函集构成 $F^*$ 的一组基，从而确立插值函数的存在性与唯一性。
2. 对偶基构造： 通过在对偶空间中确定一个与插值条件相对应的基，作者推导出原空间 $F$ 中相应的对偶基。
3. 显式构造： 插值函数被构造为对偶基函数的线性组合，其中系数恰好是给定的数据值（函数值、导数等）。
4. 矩阵表示： 所选基（如单项式基）与对偶基之间的关系被编码在一个矩阵 $A_{\varepsilon, v}$ 中（通常是一个合流范德蒙德矩阵/confluent Vandermonde matrix）。对偶基多项式的系数通过求该矩阵的逆获得。

主要贡献与结果

• 统一框架： 本文证明了拉格朗日插值、埃尔米特样条和三角插值都是同一种底层线性代数结构的体现。函数空间的选择（多项式还是三角多项式）以及具体的方案（仅数值还是数值加导数）与存在性和唯一性的分析是解耦的。
• 一般存在性与唯一性定理： 定理 2.10 确立了：如果函数空间的维度等于插值约束的数量，且相关的线性泛函构成对偶空间的一组基，则存在唯一的解。
• 显式对偶基公式：
  • 多项式情况： 作者推导了针对 $n=0$（线性）、$n=1$（三次）和 $n=2$（五次）阶埃尔米特样条的显式对偶基多项式公式。他们表明，对于涉及两个点处 $n$ 阶导数的方案，所需的多项式最小次数为 $2n+1$。
  • 三角情况： 该框架被扩展到三角多项式。文中提供了空间 $T_2[t]$（由 $\sin t, \sin 2t, \cos t, \cos 2t$ 张成）中涉及两个点处数值及一阶导数的方案的对偶基函数闭式表达式。作者分析了退化条件，指出当网格步长为 $2\pi$ 的整数倍时，系统的行列式为零。
  • 通用公式： 定理 5.1 提供了一个基于矩阵的通用公式，用于计算任何插值方案的对偶基，该公式同时适用于多项式空间和三角空间。
• 异构传感器插值： 本文提出了一个特定的插值方案，用于处理不同传感器提供不同类型数据（例如，在 $t_1, t_2$ 时刻提供位置，在 $t_3$ 时刻提供速度，在 $t_4$ 时刻提供加速度）且无需同步的情况。文中推导出了该混合约束方案下的唯一三次多项式解，并给出了显式的非退化条件。
• 解的仿射结构： 对于多项式次数超过最小需求的情况，本文将所有解的集合刻画为一个仿射空间，其中最小次数的解作为特解。

意义与主张
作者声称，这种方法提供了一种“系统的、具备维度感知能力的”方法，将插值条件的分析与基函数选择解耦。其主要意义在于：

1. 高效性： 一旦为特定方案计算出对偶基，构造插值函数的过程就简化为简单的线性组合，从而避免了重新求解方程组。
2. 通用性： 该框架能够自然地处理复杂的、非标准的插值问题（例如异构传感器数据），这些问题无法符合传统的教科书定义。
3. 物理阐释： 本文指出，该方法对于运动学中的轨迹规划特别有用，因为可以通过分析导数的极限值（速度、加速度）来确保其符合所建模对象的物理约束。

本文并不声称引入了传统意义上的新插值算法，而是提供了一个严谨的、统一的理论视角，从而简化了现有及新型插值方案的推导与分析。研究结果通过运动学和周期函数插值的实例进行了验证，表明其在轨迹规划、信号处理和传感器融合等领域具有应用价值。