三次样条插值_深入插值算法（三次样条与埃尔米特）

最新推荐文章于 2024-08-06 09:47:44 发布

weixin_39969060

最新推荐文章于 2024-08-06 09:47:44 发布

阅读量1.9k

点赞数

文章标签：三次样条插值

本文链接：https://blog.csdn.net/weixin_39969060/article/details/111380614

版权

本文深入探讨了三次样条插值和埃尔米特插值算法，介绍了差商的概念，以及如何构建差商定义表。针对数据长度差异导致的抖动问题，提出了分段插值的方法。此外，解释了埃尔米特插值的特点，即同时考虑函数值和导数值，并给出了构造2n+1次的Hermite插值多项式的公式。案例分析部分以国债收益率曲线为例，展示了插值计算的过程。最后提供了相关学习资源和数据地址。

摘要由CSDN通过智能技术生成

一、差商

设节点为x₀,x₁,…,x_n则

x_i,x_j的一阶差商：

x_i,x_j,x_k的二阶差商：

x₀,x₁,…,x_k的k阶差商：

构建差商定义表：

注：这里构建差商是为了方便后续插值函数模型的构建。

import numpy as npimport numpy.linalg as lg#构建牛顿差商矩阵函数'''构建牛顿差商矩阵表x_val:对应x轴的数据；y_val:对应y轴的数据。'''def difference_quotient(x_val, y_val):    assert len(x_val) == len(y_val)     n = len(x_val)                   p = np.zeros((n, n+1))           p[:, 0] = x_val                  p[:, 1] = y_val                  for j in range(2, n+1):              p[j-1: n, j] = (p[j-1: n, j-1] - p[j-2: n-1, j-1]) / (x_val[j-1: n] - x_val[: n+1-j])        q = np.diag(p, k=