NA分段低次插值.pptVIP

4.3 分段低次插值 一、分段线性插值多项式 Spline Interpolation Piecewise Linear Interpolation Simplest form of piecewise polynomial interpolation Interpolate the data with piecewise linear function Piecewise Linear Interpolation Example 8.14 Piecewise Linear Interpolation Function is continuous, but not smooth piecewise-linear interpolation Example Piecewise in Matlab 二.分段二次插值与分段三次插值 四、分段低次插值的收敛性 兰州交通大学数理与软件工程学院 nm0931@126.com 数值计算方法 －*－ * 兰洲交通大学数理学院 我们已经知道插值有多种方法：Lagrange 插值、Newton插值、Hermite 插值等多种方式。插值的目的就是数值逼近的一种手段，而数值逼近是为得到一个数学问题的精确解或足够精确的解。那么，是否插值多项式的次数越高，越能够达到这个目的呢？现在我们来讨论一下这个问题。 我们已经知道：f(x)在n+1个节点xi(i=0，1，2， …，n) 上的n次插值多项式Pn (x) 的余项 设想当节点数增多时会出现什么情况。由插值余项可知，当f(x)充分光滑时，若余项随n增大而趋于0时，这说明可用增加节点的方法达到这个目的，那么实际是这样吗？ 插值节点的增多,尽管使插值多项式在更多的插值节点上与函数 f(x) 的值相等,但在两个节点之间Pn(x)不一定能很好地逼近 f(x) , 有时误差会大得惊人,著名的龙格(Runge)现象证实了这个观点. 例:1901年龙格(Runge) 给出一个例子: 龙格(Runge)现象 插值多项式情况，见图:取n=6和n=10 从图中可见， P10(x)仅在区间[-0.2,0.2]内能较好地逼近f(x),而在其于位置, P10(x)与f(x)的值相差很大,越靠近 端点,近似的效果越差.对于等距节点,高次多项式插值发生的这种现象称为龙格现象. chzh00.m 如 P6(0.96)=0.4233 P10(0.96)=1.80438 f(0.96)=0.0416 agr1.m function y=lagr1(x0,y0,x) n=length(x0);m=length(x); for i=1:mL z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end y=lagr1(x0,y0,x): Lagrange插值。 给出n个插值节点， 计算m个插值点。 n=11;m=51; x=-1:2/(m-1):1; y=1./(1+25*x.^2); z=0*x; x0=-1:2/(n-1):1; y0=1./(1+25*x0.^2); y1=lagr1(x0,y0,x); n1=6; x00=-1:2/(n1-1):1; y00=1./(1+25*x00.^2); y2= lagr1(x00,y00,x); z1=-0.4:0.2:1.6; x1=0*z1; plot(x,z,k,x1,z1,k,x,y,r:,x,y1,b,x,y2,c) gtext( n=5),gtext( n=10 ), gtext(y=1./(1+25*x.^2)) n=11;m=51; x=-1:2/(m-1):1; y=exp(-abs(x)); z=0*x; x0=-1:2/(n-1):1; y0=exp(-abs(x0)); y1=lagr1(x0,y0,x); n1=6; x00=-1:2/(n1-1):1; y00=exp(-abs(x00)); y2= lagr1(x00,y00,x); z1=-0.4:0.2:1.6; x1=0*z1; plot(x,z,k,x1,z1,k,x,y,r:,x,y1,b,x,y2,c) x=-5:5;y=1./(1+x