《数值分析》-- 埃尔米特插值与分段插值

Posted 胜天半月子

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了《数值分析》-- 埃尔米特插值与分段插值相关的知识,希望对你有一定的参考价值。


一、埃尔米特插值

  • 问题
    在实际问题中,对所构造的插值多项式,不仅要求函数值重合,而且要求导数重合
    即:要求插值函数 P ( x ) P(x) P(x) 满足: P ( x i ) P(x_i) P(xi) = f ( x i ) f(x_i) f(xi), P ‘ ( x i ) P^`(x_i) P(xi) = f ‘ ( x i ) f`(x_i) f(xi), i = 1 , 2 , . . . , n i=1,2,...,n i=1,2,...,n
    把此类插值多项式称为埃尔米特(Hermite)插值多项式或称带导数的插值多项式,记为 H ( x ) H (x) H(x)
    H ( x ) H (x) H(x) 存在且唯一

  • 实例分析




    习题


二、分段插值

2.1 龙格现象

一般总认为多项式插值函数 L n ( x ) L_n(x) Ln(x)的次数n越高逼近被插 f ( x ) f_(x) f(x)的精度越好,但实际上并非如此。这是因为对任意的插值节点,当n→∞时, L n ( x ) L_n(x) Ln(x)不一定收敛于 f ( x ) f_(x) f(x)
20世纪初龙格(Runge)就给了一个等距节点插值多项式 L n ( x ) L_n(x) Ln(x)不收敛于 f ( x ) f_(x) f(x)的例子
高次插值可能会使插值误差増大

  • 实例解析

2.2 分段线性插值

分段线性插值就是通过插值点用折线段连接起
来逼近 f ( x ) f(x) f(x).

通过定义我们了解到:

  • 给定区间 [ a , b ] [a,b] [a,b]划分: a = x 0 < x 1 < . . . < x n = b a=x_0<x_1<...<x_n =b a=x0<x1<...<xn=b,如何求解分段线性插值多项式 I ( x ) I(x) I(x)?
  • 误差估计⭐
  • 定理
  • 证明

    习题
  • 分段线性插值的缺点
    分段线性插值在节点处不可导,光滑性差

2.3 分段三次Hermite插值

分段线性插值:计算量小,误差为 O ( h 2 ) O(h^2) O(h2).
缺点:在节点处不可导, 光滑性差.

  • 问题

  • 解决

  • 误差


习题

  • 例题
  1. f ( x ) f(x) f(x)= x 4 x^4 x4在[ x i x_i xi, x i x_i xi + _+ + 1 _1 1]的3次Hermite插值多项式



  • 例题
  • 解析

总结

以上是关于《数值分析》-- 埃尔米特插值与分段插值的主要内容,如果未能解决你的问题,请参考以下文章

数值计算方法 Chapter1. 插值

5.5 数值分析: 分段低次插值

数值分析-插值法

5.6 数值分析: 分段HERMITE插值多项式

三、插值表达式

Python实现数值计算----分段二次插值