计算方法—插值法学案.ppt

2.4 埃尔米特插值 许多实际问题不仅要求插值函数在节点上与原来的函数相等(满足插值条件)，而且还要求在节点上的各阶导数值也相等。满足这些条件的插值，称为埃尔米特(Hermite)插值。本节讨论已知两个节点 的函数值 和一阶导数 的情形。 2.4 埃尔米特插值 Chapter2 插值法 2.4 埃尔米特插值 Chapter2 插值法 Chapter2 插值法 2.5 分段低次插值 /*Piecewise polynomial approximation*/ 多项式插值对于 y=f(x) a ≤x ≤b 给定插值节点x0,x1,…,xn ，构造插值多项式Pn(x)，为使Pn(x)更好地逼近f(x)，我们已经知道插值有多种方法：Lagrange 插值、 Newton插值等多种方式。 插值的目的就是数值逼近，而数值逼近，为的是得到一个数学问题的足够精确的数值解。 Chapter2 插值法 高次插值使Pn(x)在较多点上与f(x)相等，但在插值节点外，误差如何？ 节点间距较小=节点多(n较大) =插值多项式Pn(x)的次数很高(高次插值) 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? 是否插值多项式Pn(x)的次数越高越好? 2.5 分段低次插值 Chapter2 插值法 例 并作图比较。 定义在区间[-5，5]上，这是一个光滑函数，它的任意阶导数都存在。 分析： 龙格(Runge)现象 2.5 分段低次插值 Chapter2 插值法 解： 龙格(Runge)现象 2.5 分段低次插值 %lagrangen.m function y=lagrangen(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; Chapter2 插值法 龙格(Runge)现象 2.5 分段低次插值 %Chazhibijiao.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=2:2:10 x0=linspace(-5,5,n+1); y0=1./(1+x0.^2); x=-5:0.1:5; y1=lagrangen(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)) Chapter2 插值法 龙格(Runge)现象 2.5 分段低次插值 Chapter2 插值法 不同次数的Lagrange插值多项式的比较图 2.5 分段低次插值 Chapter2 插值法 结果表明,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. 从图中，可见，在靠近-5或5时，余项会随n值增大 而增大；在0附近插值效果是好的，即余项较小；另一 种现象是插值多项式随节点增多而振动更多。 龙格(Runge)现象 2.5 分段低次插值 上述现象和定理，告诉我们用高次插值多项式是不妥当的，从数值计算上可解释为高次插值多项式的计算会带来舍入误差的增大，从而引起计算失真。因此，实践上作插值时一般只用一次、二次最多用三次插值多项式。 那么如何提高插值精度呢？采用分段插值是一种办法。 Chapter2 插值法 这个任意阶可导的光滑函数之所