本文探讨了数值分析中的插值与逼近技术。详细阐述了多项式插值，包括Lagrange、Newton和Hermite插值方法，强调了误差估计和选择节点的重要性。同时介绍了分段多项式插值，如分段线性、三次插值及三次样条插值。此外，还涉及连续和离散函数的最佳平方逼近问题。
传送门：
线性和非线性方程数值解法_数值分析计算方法
👉插值与逼近_数值分析计算方法
⚠️施工中👷…
1 插值
1.1 多项式插值
1.1.1 Lagrange插值
插值误差的事后估计：用两个结果的差来估计插值误差
使用注意
当插值点x位于插值区间的节点附近时，插值误差较小，而距离节点较远处插值误差较大
采用较小的区间可以得到更好的估计值
1.1.2 Newton插值
误差估计
新增一个原始数据点， N n + 1 ( x ) = N n ( x ) + f [ x 0 , . . . , x n , a ] ( x − x
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
