分段线性插值公式4
1高次插值的Runge现象Lagrange插值的截断误差表明:插值多项式与被插函数的逼近程度,同插值节点的数目和位置有关
一般地,节点越多,逼近程度越好,但也有例外
例如:考察函数]
1,1[,2511)(2xxxf为:的图形与插值多项式时,函数
当项式插值多,作,取等距节点)()(10)(Lagrange),,1,0(2110xLxfynxLninhihxni-110)(10xL-0
36从图可以看出:仅在区间的中部能较好的逼近函数f(x),在其它部位差异较大,而且越接近端点,逼近效果越差(虽然在插值节点上没有误差,但在插值节点之外插值误差变得很大,从“整体”上看,插值逼近效果将变得“很差”
即:高次插值的整体逼近效果往往不理想
可以证明,当节点无限加密时,Ln(x)也只能在很小的范围内收敛,在插值区间的边界附近发生剧烈的震荡,这一现象称为Runge现象
它表明通过增加节点来提高逼近程度是不适宜的,因而不采用高次多项式插值
Runge现象随着插值节点数增加,插值多项式的次数也相应地增加,而插值多项式在插值区间的边界上发生剧烈的震荡
它揭示了高次插值多项式存在的缺陷
产生的原因误差有截断误差和舍入误差两部分组成,而在插值的计算过程中,舍入误差可能会扩散或放大(数值不稳定
),从而引起计算失真
问题:为了既要不增加插值多项式的次数以减少舍入误差(避免高次插值),又要缩小插值区间以减少截断误差(提高插值精度),可采用分段插值的方法
分段低次插值问题:就是将插值区间分为若干个小区间,然后在每个小区间上使用低次插值,最后将每个小区间上的插值多项式连接在一起,得到整个区间上的插值函数
~~~~~~~~~~~~~~~1)2)3)
],[)()2;,,1,0,)()1)(,,,:1],[110110次式上是在每个小区间性质