样条函数插值.pptVIP

回顾前面几节讲过的各种代数插值,它们有一个共同的弱点,那就是: 它们都是相当刚性(stiff)的.也就是说, 局部数据误差易向远处 传播、放大. 一、样条函数的背景 §8 样条函数插值 /*Spline Interpolation*/ 以Lagrange插值为例,设数据真值 被代之以含有误差 的 , 令 是基于精确数据的插值多项式, 是基于近似数据的插值多项式,于是最终的插值误 差是 这表明结点xj处的数据误差 通过插值基函数 放大和扩散. 如果被插函数有奇点,甚至只要解析延拓到复平面有隐秘奇点出现, 则当 为高次多项式时,误 差放大和扩散还 将助长很可怕的 强振荡! 展示Runge现象 的著名例子就清 楚地描述了这种 振荡(右图). Lagrangr Interpolation 相同数据3次样条插值与Lagrangr插值效果比较 Cubic Spline Interpolation 如果采用分段多项式插值, 则由于插值基函数只是局部活跃, 结点上的误差可以被控制在小的范围内, 因而也带来了内在的高度稳定性. 这是分段插值的一大优势! 许多实际问题希望插值函数具有较高阶的整体光滑性. 此时,