第二章1 插值法part-2.pptVIP

* * * * * * * * * * * * * * * * * * 三者分别与(*11)联立，得到对应方程组 为： (*12) * * (*13) (*14) * * (*7) * * 三弯矩算法 * * * * n＝2，共需要4n=8个条件，其中：插值条件n＋1＝3，内部节点需条件3(n－1)＝3, 边界条件2。 Institute of Computer Software Nanjing University Institute of Computer Software Nanjing University 计 算 方 法 南京大学计算机科学与技术系 第二章 插值法（续） * * §2.6 分段低次插值 在区间 [a, b] 上用插值多项式 P 逼近函数 f 时，f 和P 在每个节点上的差异(理论上)应该为零。自然，我们期望 在一切中间点上也能很好地逼近 f ，并且当插值点增加时 这种逼近效果应该越来越好。 但上述的期望不可能实现的。当认识到这一点时，在数 学界曾引起强烈的震动。 20 世纪初，Runge就给出了一个等距节点插值多项式 不收敛到 的例子。 * * 设函数 ， 在该区间 上取 个等距节点, 构造 的 次 拉格朗日插值多项式为 其matlab的lagrange.m文件及相关图形如下. Runge 现象 * * % lagrange.m function y=lagrange (x0,y0,x) n=length(x0);m=length(x); for i=1:m z=x(i);s=0; for k=1:n L=1; for j=1:n if j~=k L=L*(z-x0(j))/(x0(k)-x0(j)); end end s=s+L*y0(k); end y(i)=s; end y; Lagrange插值多项式 求插值的Matlab程序. * * %Compare_Runge.m x=-5:0.1:5;z=0*x;y=1./(1+x.^2); plot(x,z,k,x,y,r) axis([-5 5 -1.5 2]);pause,hold on for n=2:2:20 x0=linspace(-5,5,n+1); y0=1./(1+x0.^2); x=-5:0.1:5; y1=lagrange(x0,y0,x); plot(x,y1), pause end y2=1./(1+x0.^2);y=interp1(x0,y2,x); plot (x,y,k),hold off gtext(n=2),gtext(n=4),gtext(n=6) gtext(n=8),gtext(n=10) gtext(f(x)=1/(1+x^2)) 比较不同的插值多项式次数对插值的影响 * * 不同次数的Lagrange插值多项式的比较图 Runge现象 * * 令 ，则 ， 下表列出了 和 的值。 * * 结果表明,随着 的增加， 的绝对值几乎成倍地增加，这说明当 时 在 上不收敛。 Runge证明了，存在一个常数 , 使得当 时， ; 而当 时 发散。 说明: 并不是插值多项式的次数越高, 插值效果越好, 精度也不一定是随次数的提高而升高, 这种现象在上个世纪初由Runge发现, 故称为Runge现象. * * 分段线性插值特别简单，从几何上看，就是用折线逼近 曲线。 分段线性插值的数学定义 设 是区间 上的函数，在节点 上的函数值为 ， 求一分段折线函数 满足： （1） （2 在 上， 是一次多项式。 （3）则称