数值分析复习：Hermite插值

本篇文章适合个人复习翻阅，不建议新手入门使用

埃尔米特（Hermite）插值

引入背景

解决newton插值可能出现极性相反的情况

插值条件

在$n+1$个插值节点$x_0,x_1,\dots ,x_n$处函数值，一阶导数值相同

Lagrange形式的插值多项式

$$H_{2n+1}(x)=\sum _{j=0}^{n}f(x_j)h_{n,j}(x)+\sum _{j=0}^n{f}^{\prime }(x_j){\hat{h}}_{n,j}(x)$$其中$h,\hat{h}$均为$2n+1$次多项式，满足

• $h_{n,j}(x_i)={\delta }_{ij},h_{n,j}^{\prime }(x_i)=0$
• ${\hat{h}}_{n,j}(x_i)=0,{\hat{h}}_{n,j}^{\prime }(x_i)={\delta }_{ij}$

重节点Newton差商

定义基于重节点的Newton差商为$$f[\underset{m+1个}{\underbrace{x,\dots ,x}}]=\frac{f^{(m)}(x)}{m!}$$单节点、重节点混合的Newton差商$f[x_0,\dots ,x_0;\dots ;x_{n-1},x_n]$可归纳地定义为
$$\frac{f[x_0,\dots ,x_0;\dots ;x_{n-1}]-f[x_0,\dots ,x_0;\dots ;x_n]}{x_{n-1}-x_n}$$

Newton形式的插值多项式

$$\begin{array}{rl}& H_{2n+1}(x)=\\ & f[x_0]+f[x_0,x_0](x-x_0)+f[x_0,x_0;x_1](x-x_0{)}^2\\ & +\cdots +f[x_0,x_0;\dots ;x_n](x-x_0{)}^2\cdots (x-x_{n-1}{)}^2\\ & +f[x_0,x_0;\dots ;x_n,x_n](x-x_0{)}^2\cdots (x-x_{n-1}{)}^2(x-x_n)\end{array}$$

$$\begin{array}{rl}& H_{2n}(x)=\\ & f[x_0]+f[x_0,x_0](x-x_0)+f[x_0,x_0;x_1](x-x_0{)}^2\\ & +\cdots +f[x_0,x_0;\dots ;x_n](x-x_0{)}^2\cdots (x-x_{n-1}{)}^2\end{array}$$

余项估计

设$f\in C^{2n+2}[a,b]$，
$$\begin{array}{rl}& f(x)-H_{2n+1}(x)\\ =& f[x_0,x_0;\dots ;x_n,x_n;x](x-x_0{)}^2\cdots (x-x_n{)}^2\\ =& \frac{f^{(2n+2)}(\xi )}{(2n+2)!}{\omega }_{2n+2}(x)\end{array}$$

参考书籍：《数值分析》李庆扬 王能超 易大义 编