函数逼近——拉格朗日插值下的(Runge)龙格现象 | 北太天元

Runge现象

随着插值节点个数增加，反而不能更好地逼近被插值函数的现象。

以函数 $y=\frac{1}{x^2+1}$ 为例，

• for $n=2:1:20$
  取节点 x0 = linspace(-5,5,n+1);
  使用Lagrange插值法进行函数逼近

%% Lagrange
    clc;clear all;format long;
    x = linspace(-5,5,100);
        % 使用函数句柄的方式表示函数
    Runge = @(x)1./(x.^2+1);
    y = Runge(x);
    
    % 计算误差前的准备
    x2 = linspace(-5,5,1001);
    y2 = Runge(x2);
    delta = zeros(1,19);
    % 绘制 f（x）图像和 插值函数图像
    	figure(1);
    for n = 2:1:20
        % 随着 n 的 变化，样本点也在发生变化
    	x1 = linspace(-5,5,n+1);
    	y1 = Runge(x1);
    	Ln = Lag_interp(x1,y1,x);
    	subplot(4,5,n-1)
    	plot(x,Ln,'b');
    	hold on
    	   plot(x,y,'r');
    	hold off
    
    	% 计算误差
         delta(n-1) = max(abs(y2 - Lag_interp(x1,y1,x2)));
    end
    
    % 观察误差
    n = 2:1:20;
    subplot(4,5,20)
    plot(n,delta,'g');

得到如下图像,蓝色表示$L_n(x)$,红色表示原函数.
随着插值节点个数的变化而变化.

误差变化图如下

随着插值节点个数的增加，误差没有下降，却嘎嘎增长！

可以看到一味地追求高次插值是行不通的,收敛性和稳定性都不一定能保证。：）

用分段插值的方法，可以很好的规避这种情况。

• 分段线性插值
• 分段三次Hermite插值
• 三次样条插值