插值法部分习题
20.
解：（1）在编辑窗口输入：
>> x=[0.25,0.30,0.39,0.45,0.53];
>> y=[0.5000,0.5477,0.6245,0.6708,0.7280]; >> dx0=1.0000;dxn=0.6868; >> s=csfit(x,y,dx0,dxn) s =
1.8863 -1.0143 1.0000 0.5000 0.7952 -0.7314 0.9127 0.5477 0.6320 -0.5167 0.8004 0.6245 0.3151 -0.4029 0.7452 0.6708
5.0x x 0143.1x 8863.1S 231++-= ]3.0,25.0[x ∈ 5477.0x 9127.0x 7314.0x 7952.0S 232++-= ]39.0,3.0[x ∈ 6245.0x 8004.0x 5167.0x 632.0S 233++-= ]45.0,39.0[x ∈
6708.0x 7452.0x 4029.0x 3151.0S 234++-= ]53.0,45.0[x ∈
1
试用4次牛顿插值多项式)x (P 4及三次样条函数)x (S （自然边界条件）对数据进行插值。用图给出{（i x ，i y ），10,11,1,0i ,i 08.02.0x i =+=}，)x (P 4及
)x (S .
解：
（1）在编辑窗口输入： >> x=[0.2,0.4,0.6,0.8,1.0];
>> y=[0.98,0.92,0.81,0.64,0.38]; >> N=newpoly(x,y) N =
-0.5208 0.8333 -1.1042 0.1917 0.9800 由此可以得出牛顿插值多项式为：
)
x
(
P
4=98
.0
x
1917
.0
x
1042
.1
x
8333
.0
x
5208
.02
3
4+
+
-
+
-
>> S=ThrSample2(x,y,0,0,0)
S =
125*(46/25*t-69/125)*(t-3/5)^2+125*(567/500-81/50*t)*(t-2/5)^2+25*(-57/140*t+5 7/350)*(3/5-t)^2-25*(-81/200+27/40*t)*(t-2/5)^2/5)^2
（2）
在编辑窗口输入：
>> x=[0.2,0.28,0.4,0.6,0.8,1.0,1.08];
>> y=[0.98 0.9596 0.92 0.81 0.64 0.38 0.2403];
>> cs=spline(x,[0 y 0]);xx=linspace(0.2,1.08,101);
>> plot(x,y,'o',xx,ppval(cs,xx),'-');
>> x1=[0.2,0.28,0.4,0.6,0.8,1.0,1.08];
>> y1=[0.98 0.9596 0.92 0.81 0.64 0.38 0.2403];
>> polyfit(x1,y1,4)
ans =
-0.4126 0.5487 -0.8475 0.1017 0.9893
>> plot(x,y,'o',xx,ppval(cs,xx),'-',x1,y1,'-.r'),grid
0.20.30.40.50.60.70.80.91 1.1 1.2
图2 P(x)和S(x)函数插值图
3．下列数据点的插值
（1）用这9个点作8次多项式插值()x
．
L
8
S x．
（2）用三次样条（自然边界条件）程序求()
解：
在编辑窗口输入：
>> x=[0 1 4 9 16 25 36 49 64];
>> y=0:1:8;y=sqrt(x);
>> x1=[0 1 4 9 16 25 36 49 64];y1=0:1:8;
>> m=polyfit(x,y,8)
Warning: Polynomial is badly conditioned. Remove repeated data points
or try centering and scaling as described in HELP POL YFIT.
> In polyfit at 81
m =
Columns 1 through 4
-0.00000000032806 0.00000006712680 -0.00000542920942 0.00022297151886 Columns 5 through 8
-0.00498070758014 0.06042943489173 -0.38141003716579 1.32574370075005 Column 9
-0.00000000000311
>> x1=0:1:64;
>> y1=polyval(m,x1);
>> x2=[0 1 4 9 16 25 36 49 64];
>> y2=0:1:8;
>> cs=spline(x,[0 y 0]);
>> xx=linspace(0,64,101);
>> plot(x,y,'o',xx,ppval(cs,xx),'-k',x1,y1,'--b',x,y,':r')
010203040506070
图3 Lagran插值与Spline插值的比较图
从图中结果可以看出：在区间[0,64]上，三次样条插值更准确些；在区间[0,1]上，拉格朗日插值更准确些.
附：各插值函数的Matlab实现：
(1) csfit函数运行程序
function S=csfit(x,y,dx0,dxn)
n=length(x)-1;
h=diff(x);
d=diff(y)./h;
a=h(2:n-1);
b=2*(h(1:n-1)+h(2:n));
c=h(2:n);
u=6*diff(d);
b(1)=b(1)-h(1)/2;
u(1)=u(1)-3*(d(1)-dx0);
b(n-1)=b(n-1)-h(n)/2;
u(n-1)=u(n-1)-3*(dxn-d(n));
for k=2:n-1
temp=a(k-1)/b(k-1);
b(k)=b(k)-temp*c(k-1);
u(k)=u(k)-temp*u(k-1);
end
m(n)=u(n-1)/b(n-1);
for k=n-2:-1:1
m(k+1)=(u(k)-c(k)*m(k+2))/b(k);
m(1)=3*(d(1)-dx0)/h(1)-m(2)/2;
m(n+1)=3*(dxn-d(n))/h(n)-m(n)/2;
for k=0:n-1
S(k+1,1)=(m(k+2)-m(k+1))/(6*h(k+1));
S(k+1,2)=m(k+1)/2;
S(k+1,3)=d(k+1)-h(k+1)*(2*m(k+1)+m(k+2))/6;
S(k+1,4)=y(k+1);
End
(2)ThrSample2函数运行程序
function [f,f0]=ThrSample2(x,y,y2_1,y2_N,x0)
syms t;
f=0.0;
f0=0.0;
if(length(x)==length(y))
n=length(x);
else
disp();
return;
endor i=1:n
for i=1:n
if(x(i)<=x0)&&(x(i+1)>=x0)
index=i;
break;
end
end
f
if(x(i)<=x0)&&(x(i+1)>=x0)
index=i;
return;
end
end
A=diag(2*ones(1,n));
A(1,2)=1;
A(n,n-1)=1;
u=zeros(n-2,1);
lamda=zeros(n-1,1);
c=zeros(n,1);
for i=2:n-1
u(i-1)=(x(i)-x(i-1))/(x(i+1)-x(i-1));
lamda(i)=(x(i+1)-x(i))/(x(i+1)-x(i-1));
c(i)=3*lamda(i)*(y(i)-y(i-1))/(x(i)-x(i-1))+3*u(i-1)*(y(i+1)-y(i))/(x(i+1)-x(i));
A(i,i+1)=u(i-1);
A(i,i-1)=lamda(i);
c(1)=3*(y(2)-y(1))/(x(2)-x(1))-(x(2)-x(1))*y2_1/2;
c(n)=3*(y(n)-y(n-1))/(x(n)-x(n-1))-(x(n)-x(n-1))*y2_N/2;
m=followup(A,c);
h=x(i+1)-x(i);
f=y(i)*(2*(t-x(i))+h)*(t-x(i+1))^2/h/h/h+y(i+1)*(2*(x(i+1)-t)+h)*(t-x(i))^2/h/h/h+m(i )*(t-x(i))*(x(i+1)-t)^2/h/h-m(i+1)*(x(i+1)-t)*(t-x(i))^2/h/h;
f0=subs(f,'t',x0);
%ThrSample2函数运行调用的函数：
function x=followup(A,b)
n=rank(A);
for(i=1:n)
if(A(i,i)==0)
disp();
return;
end
end;
d=ones(n,1);
a=ones(n-1,1);
c=ones(n-1);
for(i=1:n-1)
a(i,1)=A(i+1,i);
c(i,1)=A(i,i+1);
d(i,1)=A(i,i);
end
d(n,1)=A(n,n);
for(i=2:n)
d(i,1)=d(i,1)-(a(i-1,1)/d(i-1,1))*c(i-1,1);
b(i,1)=b(i,1)-(a(i-1,1)/d(i-1,1))*b(i-1,1);
end
x(n,1)=b(n,1)/d(n,1);
for(i=(n-1):-1:1)
x(i,1)=(b(i,1)-c(i,1)*x(i+1,1))/d(i,1);
end
(3) newpoly函数运行程序
function[c,d]=newpoly(x,y)
n=length(x);
d=zeros(n,n);
d(:,1)=y';
for j=2:n
for k=j:n
d(k,j)=(d(k,j-1)-d(k-1,j-1))/(x(k)-x(k-j+1));
end
end
c=d(n,n);
for k=(n-1):-1:1
c=conv(c,poly(x(k)));
m=length(c);
c(m)=c(m)+d(k,k);
end
(4) lagran函数运行程序
function[c,l]=lagran(x,y)
w=length(x);
n=w-1;
l=zeros(w,w);
for k=1:n+1
v=1;
for j=1:n+1
if k~=j
v=conv(v,poly(x(j)))/(x(k)-x(j));
end
end
l(k,:)=v;
end
c=y*l;
计算方法练习题与答案
练习题与答案 练习题一 练习题二 练习题三 练习题四 练习题五 练习题六 练习题七 练习题八 练习题答案 练习题一 一、是非题 1.–作为x的近似值一定具有6位有效数字，且其误差限。() 2.对两个不同数的近似数，误差越小，有效数位越多。() 3.一个近似数的有效数位愈多，其相对误差限愈小。()
4.用近似表示cos x产生舍入误差。 ( ) 5.和作为的近似值有效数字位数相同。 ( ) 二、填空题 1.为了使计算的乘除法次数尽量少，应将该表达式改写 为； 2.–是x舍入得到的近似值，它有位有效数字，误差限 为，相对误差限为； 3.误差的来源是； 4.截断误差 为； 5.设计算法应遵循的原则 是。 三、选择题 1．–作为x的近似值，它的有效数字位数为( ) 。 (A) 7； (B) 3； (C) 不能确定 (D) 5. 2．舍入误差是( )产生的误差。 (A) 只取有限位数 (B) 模型准确值与用数值方法求得的准确值 (C) 观察与测量 (D) 数学模型准确值与实际值 3．用 1+x近似表示e x所产生的误差是( )误差。 (A). 模型 (B). 观测 (C). 截断 (D). 舍入 4．用s*=g t2表示自由落体运动距离与时间的关系式 (g为重力加速度)，s t是在时间t内的实际距离，则s t s*是（）误差。 (A). 舍入 (B). 观测 (C). 模型 (D). 截断 5．作为的近似值，有( )位有效数字。 (A) 3； (B) 4； (C) 5； (D) 6。
四、计算题 1．，，分别作为的近似值，各有几位有效数字？ 2．设计算球体积允许的相对误差限为1%，问测量球直径的相对误差限最大为多少？ 3．利用等价变换使下列表达式的计算结果比较精确： (1)， (2) (3) ， (4) 4．真空中自由落体运动距离s与时间t的关系式是s=g t2，g为重力加速度。现设g是精确的，而对t有秒的测量误差，证明：当t增加时，距离的绝对误差增加，而相对误差却减少。 5*. 采用迭代法计算，取 k=0,1,…, 若是的具有n位有效数字的近似值，求证是的具有2n位有效数字的近似值。 练习题二 一、是非题 1.单点割线法的收敛阶比双点割线法低。 ( ) 2.牛顿法是二阶收敛的。 ( ) 3.求方程在区间[1, 2]内根的迭代法总是收敛的。( ) 4.迭代法的敛散性与迭代初值的选取无关。 ( ) 5.求非线性方程f (x)=0根的方法均是单步法。 ( ) 二、填空题
MAAB牛顿插值法例题与程序
题目一：多项式插值 某气象观测站在8：00（AM ）开始每隔10分钟对天气作如下观测，用三次多项式插值函数（Newton ）逼近如下曲线，插值节点数据如上表，并求出9点30分该地区的温度（x=10）。 二、数学原理 假设有n+1个不同的节点及函数在节点上的值（x 0，y 0），……（x n ，y n ），插值多项式有如下形式： ）（） ）（（）（）（）（n 10n 102010n x -x )(x -x x -x x P x x x x x x -??-+??+-++=αααα（1） 其中系数i α（i=0,1,2……n ）为特定系数，可由插值样条i i n y x P =） （（i=0,1,2……n ）确定。 根据均差的定义，把x 看成[a,b]上的一点,可得 f(x)=f （0x ）+f[10x x ，]（0x -x ） f[x,0x ]=f[10x x ，]+f[x,10x x ，]（1x -x ） …… f[x,0x ，…x 1-n ]=f[x,0x ，…x n ]+f[x,0x ，…x n ](x-x n ) 综合以上式子，把后一式代入前一式，可得到： f(x)=f[0x ]+f[10x x ，]（0x -x ）+f[210x x x ，，]（0x -x ）（1x -x ）+ …+f[x,0x ，…x n ]（0x -x ）…(x-x 1-n )+f[x,0x ，…x n ,x ]）（x 1n +ω=N n （x ）+） （x n R 其中 N n （x ）=f[0x ]+f[10x x ，]（0x -x ）+f[210x x x ，，]（0x -x ）（1x -x ）+ …+f[x,0x ，…x n ]（0x -x ）…(x-x 1-n )（2） ）（x n R =f(x)-N n （x ）=f[x,0x ，…x n ,x ]） （x 1n +ω（3） ） （x 1n +ω=（0x -x ）…(x-x n ) Newton 插值的系数i α（i=0,1,2……n ）可以用差商表示。一般有 f k =α[k 10x x x ??，]（k=0,1,2，……，n ）（4）
数值分析拉格朗日插值法上机实验报告
课题一：拉格朗日插值法 1.实验目的 1．学习和掌握拉格朗日插值多项式。 2.运用拉格朗日插值多项式进行计算。 2.实验过程 作出插值点（1.00，0.00），（-1.00，-3.00），（2.00，4.00）二、算法步骤 已知：某些点的坐标以及点数。 输入：条件点数以及这些点的坐标。 输出：根据给定的点求出其对应的拉格朗日插值多项式的值。 3.程序流程： （1）输入已知点的个数； （2）分别输入已知点的X坐标； （3）分别输入已知点的Y坐标； 程序如下： #include
插值算法*/ { int i,j; float *a,yy=0.0; /*a作为临时变量，记录拉格朗日插值多项*/ a=(float*)malloc(n*sizeof(float)); for(i=0;i<=n-1;i++) { a[i]=y[i]; for(j=0;j<=n-1;j++) if(j!=i) a[i]*=(xx-x[j])/(x[i]-x[j]); yy+=a[i]; } free(a); return yy; } int main() { int i; int n; float x[20],y[20],xx,yy; printf("Input n:");
scanf("%d",&n); if(n<=0) { printf("Error! The value of n must in (0,20)."); getch();return 1; } for(i=0;i<=n-1;i++) { printf("x[%d]:",i); scanf("%f",&x[i]); } printf("\n"); for(i=0;i<=n-1;i++) { printf("y[%d]:",i);scanf("%f",&y[i]); } printf("\n"); printf("Input xx:"); scanf("%f",&xx); yy=lagrange(x,y,xx,n); printf("x=%f,y=%f\n",xx,yy); getch(); } 举例如下：已知当x=1，-1,2时f(x)=0，-3,4，求f(1.5)的值。
matlab插值法实例
Several Typical Interpolation in Matlab Lagrange Interpolation Supposing： If x=175, while y=? Solution： Lagrange Interpolation in Matlab: function y=lagrange(x0,y0,x); n=length(x0);m=length(x); for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end input： x0=[144 169 225] y0=[12 13 15] y=lagrange(x0,y0,175) obtain the answer： x0 = 144 169 225 y0 = 12 13 15 y = 13.2302
Spline Interpolation Solution ： Input x=[ 1 4 9 6]；y=[ 1 4 9 6]；x=[ 1 4 9 6]；pp=spline(x,y) pp = form: 'pp' breaks: [1 4 6 9] coefs: [3x4 double] pieces: 3 order: 4 dim: 1 output : pp.coefs ans = -0.0500 0.5333 -0.8167 1.0000 -0.0500 0.0833 1.0333 2.0000 -0.0500 -0.2167 0.7667 4.0000 It shows the coefficients of cubic spline polynomial , so: S （x ）=, 169,3)9(1484.0)9(0063.0)9(0008.0,94,2)4(2714.0)4(0183.0)4(0008 .0, 41,1)1(4024.0)1(0254.0)1(0008.0232 3 23≥≤+-+---≥≤+-+---≥≤+-+---x x x x x x x x x x x x Newton’s Interpolation Resolve 65 Solution: Newton’s Interpolation in matlab ： function yi=newint(x,y,xi); n=length(x); ny=length(y); if n~=ny error end Y=zeros(n);Y(:,1)=y';
插值法习题及解答
一、填空题： 1． 满足()a a f x x =，()b b f x x =，()c c f x x =的拉格朗日插值余项为 。 答：()() ()()()3! a b c f R x x x x x x x ξ'''=--- 2．已知函数()f x 的函数值()()()()()0,2,3,5,6f f f f f ，以及均差如下 ()()()()()00,0,24,0,2,35,0,2,3,51,0,2,3,5,60f f f f f ===== 那么由这些数据构造的牛顿插值多项式的最高次幂的系数是 答： 1 二、选择题 1. 通过点()()0011,,,x y x y 的拉格朗日插值基函数()()01,l x l x 满足（ ） A ．()00l x ＝0，()110l x = B ． ()00l x ＝0，()111l x = C ．()00l x ＝1，()110l x = D ． ()00l x ＝1，()111l x = 答：D 2．. 已知等距节点的插值型求积公式 ()()35 2 k k k f x dx A f x =≈∑?，那么3 k k A ==∑（ ） A ．1 B. 2 C. 3 D. 4 答：C 3．过点(x 0,y 0), (x 1,y 1)，…，(x 5,y 5)的插值多项式P(x)是( )次的多项式。 (A). 6 (B).5 (C).4 (D).3． 答：B 三、证明题 1. 设 f (x) = (x-1) (x-2) .证明对任意的x 有： f [1, 2, x)]= 1 证明:f [1, 2] = [f (1) – f (2)]/ (1 – 2) = [0 – 0]/ (-1) = 0, 对任意的x 有 F[2, x] = [f (2) – f (x)]/ (2 – x) = [0 – (x-1) (x-2)]/ (2 – x) = (x-1), 所以 f [1, 2, x] = [f (1, 2) - f (2, x)]/ (1 – x) = [0 - (x-1)]/ (1 – x) = 1 2.设 在 上具有二阶连续导数，且 ，求证：
插值例题
例1 机床加工 待加工零件的外形根据工艺要求由一组数据(x, y)给出（在平面情况下），用程控 铣床加工时每一刀只能沿x 方向和y 方向走非常小的一步，这就需要从已知数据得到加工所要求的步长很小的(x, y)坐标。 表1 中给出的x, y数据位于机翼断面的下轮廓线上，假设需要得到x坐标每改变 0.1 时的y坐标。试完成加工所需数据，画出曲线，并求出x = 0处的曲线斜率和 13 ≤x ≤15范围内y的最小值。 表 1 x 0 3 5 7 9 11 12 13 14 15 y 0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 要求用Lagrange、分段线性和三次样条三种插值方法计算。 解编写以下程序： clc,clear x0=[0 3 5 7 9 11 12 13 14 15]; x=0:0.1:15; y1=lagrange(x0,y0,x); %调用前面编写的Lagrange插值函数 y2=interp1(x0,y0,x); y3=interp1(x0,y0,x,'spline'); pp1=csape(x0,y0); y4=ppval(pp1,x); pp2=csape(x0,y0,'second'); y5=ppval(pp2,x); fprintf('比较一下不同插值方法和边界条件的结果:\n') fprintf('x y1 y2 y3 y4 y5\n') xianshi=[x',y1',y2',y3',y4',y5']; fprintf('%f\t%f\t%f\t%f\t%f\t%f\n',xianshi') subplot(2,2,1), plot(x0,y0,'+',x,y1), title('Lagrange') subplot(2,2,2), plot(x0,y0,'+',x,y2), title('Piecewise linear') subplot(2,2,3), plot(x0,y0,'+',x,y3), title('Spline1') subplot(2,2,4), plot(x0,y0,'+',x,y4), title('Spline2') dyx0=ppval(fnder(pp1),x0(1)) %求x=0处的导数 ytemp=y3(131:151); index=find(ytemp==min(ytemp)); xymin=[x(130+index),ytemp(index)] 计算结果略。 可以看出，拉格朗日插值的结果根本不能应用，分段线性插值的光滑性较差（特别 是在x = 14附近弯曲处），建议选用三次样条插值的结果。
数值分析常用的插值方法
数值分析报告 班级： 专业： 流水号： 学号： 姓名：
常用的插值方法 序言 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。 早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17世纪之后，牛顿、拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值解法的重要基础，许多求解计算公式都是以插值为基础导出的。 插值问题的提法是：假定区间[a，b〕上的实值函数f（x）在该区间上n＋1个互不相同点x0，x1……x n处的值是f（x0），……f（x n），要求估算f（x）在[a，b〕中某点的值。其做法是：在事先选定的一个由简单函数构成的有n＋1个参数C0， C1，……C n的函数类Φ(C0，C1，……C n)中求出满足条件P（x i）＝f（x i）（i＝0，1，……n）的函数P(x)，并以P(x)作为f(x)的估值。此处f（x）称为被插值函数，x0，x1，……xn 称为插值结(节)点，Φ(C0，C1，……C n)称为插值函数类，上面等式称为插值条件，Φ（C0，……C n）中满足上式的函数称为插值函数，R（x）＝f（x）－P（x）称为插值余项。
求解这类问题，它有很多种插值法，其中以拉格朗日(Lagrange)插值和牛顿(Newton)插值为代表的多项式插值最有特点，常用的插值还有Hermit 插值，分段插值和样条插值。 一．拉格朗日插值 1.问题提出： 已知函数()y f x =在n+1个点01,,,n x x x L 上的函数值01,,,n y y y L ，求任意一点 x '的函数值()f x '。 说明：函数()y f x =可能是未知的；也可能是已知的，但它比较复杂，很难计算其函数值()f x '。 2.解决方法： 构造一个n 次代数多项式函数()n P x 来替代未知（或复杂）函数()y f x =，则 用()n P x '作为函数值()f x '的近似值。 设()2012n n n P x a a x a x a x =++++L ，构造()n P x 即是确定n+1个多项式的系数 012,,,,n a a a a L 。 3.构造()n P x 的依据： 当多项式函数()n P x 也同时过已知的n+1个点时，我们可以认为多项式函数 ()n P x 逼近于原来的函数()f x 。根据这个条件，可以写出非齐次线性方程组： 20102000 20112111 2012n n n n n n n n n n a a x a x a x y a a x a x a x y a a x a x a x y ?++++=?++++=?? ? ?++++=?L L L L L 其系数矩阵的行列式D 为范德萌行列式： ()20 0021110 2111n n i j n i j n n n n x x x x x x D x x x x x ≥>≥= = -∏L L M M M M L
数值计算方法习题答案(第二版)(绪论)
数值分析 （p11页） 4 试证：对任给初值x 0, 0)a >的牛顿迭代公式 112(),0,1 ,2,......k a k k x x x k +=+= 恒成立下列关系式： 2112(1)(,0,1,2,.... (2)1,2,...... k k k x k x x k x k +-=≥= 证明： （1 ）(2 1122k k k k k k x a x x x x +-??=+= =? ?? （2） 取初值00>x ，显然有0>k x ，对任意0≥k ， a a x a x x a x x k k k k k ≥+??? ? ??-=???? ??+=+2 12121 6 证明： 若k x 有n 位有效数字，则n k x -?≤ -1102 1 8， 而() k k k k k x x x x x 28882182 1-=-???? ? ?+=-+ n n k k x x 21221102 1 5.22104185 .28--+?=??<-∴>≥ 1k x +∴必有2n 位有效数字。 8 解： 此题的相对误差限通常有两种解法. ①根据本章中所给出的定理： （设x 的近似数* x 可表示为m n a a a x 10......021*?±=，如果* x 具有l 位有效数字，则其相对误差限为 ()11 * *1021 --?≤ -l a x x x ，其中1a 为*x 中第一个非零数）
则7.21=x ，有两位有效数字，相对误差限为 025.0102 21 111=??≤--x x e 71.22=x ，有两位有效数字，相对误差限为 025.0102 21 122=??≤--x x e 3 2.718x =，有两位有效数字，其相对误差限为： 00025.0102 21 333=??≤--x e x ②第二种方法直接根据相对误差限的定义式求解 对于7.21=x ，0183.01<-e x ∴其相对误差限为00678.07 .20183.011≈<-x e x 同理对于71.22=x ，有 003063 .071 .20083 .022≈<-x e x 对于718.23=x ，有 00012.0718 .20003 .033≈<-x e x 备注：（1）两种方法均可得出相对误差限，但第一种是对于所有具有n 位有效数字的近似数都成立的正确结论，故他对误差限的估计偏大，但计算略简单些；而第二种方法给出较好的误差限估计，但计算稍复杂。 （2）采用第二种方法时，分子为绝对误差限，不是单纯的对真实值与近似值差值的四舍五入，绝对误差限大于或等于真实值与近似值的差。 11. 解: ......142857.3722≈，.......1415929.3113 255≈ 2102 1 722-?≤-∴ π，具有3位有效数字
数值分析常用的插值方法
数值分析 报告 班级： 专业： 流水号： 学号： 姓名：
常用的插值方法 序言 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。 早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17世纪之后，牛顿、拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值解法的重要基础，许多求解计算公式都是以插值为基础导出的。 插值问题的提法是：假定区间[a，b〕上的实值函数f（x）在该区间上 n＋1 个互不相同点x 0，x 1 (x) n 处的值是f（x ），……f（x n ），要求估算f（x）在[a，b〕 中某点的值。其做法是：在事先选定的一个由简单函数构成的有n＋1个参数C ， C 1，……C n 的函数类Φ(C ，C 1 ，……C n )中求出满足条件P（x i ）＝f（x i ）（i＝0，1，…… n）的函数P(x)，并以P(x)作为f(x)的估值。此处f（x）称为被插值函数，x 0，x 1 ，……xn 称为插值结(节)点，Φ(C 0，C 1 ，……C n )称为插值函数类，上面等式称为插值条件， Φ（C 0，……C n ）中满足上式的函数称为插值函数，R（x）＝ f（x）－P（x）称为 插值余项。
求解这类问题，它有很多种插值法，其中以拉格朗日(Lagrange)插值和牛顿(Newton)插值为代表的多项式插值最有特点，常用的插值还有Hermit 插值，分段插值和样条插值。 一．拉格朗日插值 1.问题提出： 已知函数()y f x =在n+1个点01,, ,n x x x 上的函数值01,, ,n y y y ，求任意一点 x '的函数值()f x '。 说明：函数()y f x =可能是未知的；也可能是已知的，但它比较复杂，很难计算其函数值()f x '。 2.解决方法： 构造一个n 次代数多项式函数()n P x 来替代未知（或复杂）函数()y f x =，则 用()n P x '作为函数值()f x '的近似值。 设()2012n n n P x a a x a x a x =+++ +，构造()n P x 即是确定n+1个多项式的系数 012,,,,n a a a a 。 3.构造()n P x 的依据： 当多项式函数()n P x 也同时过已知的n+1个点时，我们可以认为多项式函数 ()n P x 逼近于原来的函数()f x 。根据这个条件，可以写出非齐次线性方程组： 20102000 201121112012n n n n n n n n n n a a x a x a x y a a x a x a x y a a x a x a x y ?+++ +=?++++=??? ?+++ +=? 其系数矩阵的行列式D 为范德萌行列式： () 200021110 2 111n n i j n i j n n n n x x x x x x D x x x x x ≥>≥= = -∏
数值分析 插值法
第二章插值法 2.在区间[-1,1]上分别取n=10,20用两组等距节点对龙哥函数f(x)=1/(1+25*x^2)做多项式插值及三次样条插值，对每个n值，分别画出插值函数及f（x）的图形。 （1）多项式插值 ①先建立一个多项式插值的M-file； 输入如下的命令（如牛顿插值公式）： function [C,D]=newpoly(X,Y) n=length(X); D=zeros(n,n) D(:,1)=Y' for j=2:n for k=j:n D(k,j)=(D(k,j-1)- D(k-1,j-1))/(X(k)-X(k-j+1)); end end C=D(n,n); for k=(n-1):-1:1 C=conv(C,poly(X(k))) m=length(C); C(m)= C(m)+D(k,k); end ②当n=10时，我们在命令窗口中输入以下的命令： clear,clf,hold on; X=-1:0.2:1; Y=1./(1+25*X.^2); [C,D]=newpoly(X,Y); x=-1:0.01:1; y=polyval(C,x); plot(x,y,X,Y,'.'); grid on; xp=-1:0.2:1; z=1./(1+25*xp.^2); plot(xp,z,'r') 得到插值函数和f（x）图形：
③当n=20时，我们在命令窗口中输入以下的命令：clear,clf,hold on; X=-1:0.1:1; Y=1./(1+25*X.^2); [C,D]=newpoly(X,Y); x=-1:0.01:1; y=polyval(C,x); plot(x,y,X,Y,'.'); grid on; xp=-1:0.1:1; z=1./(1+25*xp.^2); plot(xp,z,'r') 得到插值函数和f（x）图形：
数值分析实验插值与拟合
《数值分析》课程实验一：插值与拟合 一、实验目的 1. 理解插值的基本原理，掌握多项式插值的概念、存在唯一性； 2. 编写MATLAB 程序实现Lagrange 插值和Newton 插值，验证Runge 现象； 3. 通过比较不同次数的多项式拟合效果，理解多项式拟合的基本原理； 4. 编写MATLAB 程序实现最小二乘多项式曲线拟合。 二、实验内容 1. 用Lagrange 插值和Newton 插值找经过点(-3, -1), (0, 2), (3, -2), (6, 10)的三次插值公式，并编写MATLAB 程序绘制出三次插值公式的图形。 2. 设 ]5,5[,11 )(2 -∈+= x x x f 如果用等距节点x i = -5 + 10i /n (i = 0, 1, 2, …, n )上的Lagrange 插值多项式L n (x )去逼近它。不妨取n = 5和n = 10，编写MATLAB 程序绘制出L 5(x )和L 10(x )的图像。 3. 在某冶炼过程中，根据统计数据的含碳量与时间关系如下表，试求含碳量与时间t 的拟合曲线。
(1) 用最小二乘法进行曲线拟合； (2) 编写MATLAB 程序绘制出曲线拟合图。 三、实验步骤 1. (1) Lagrange 插值法：在线性空间P n 中找到满足条件： ?? ?≠===j i j i x l ij j i , 0,, 1)(δ 的一组基函数{}n i i x l 0)(=，l i (x )的表达式为 ∏ ≠==--= n i j j j i j i n i x x x x x l ,0),,1,0()( 有了基函数{}n i i x l 0)(=，n 次插值多项式就可表示为 ∑==n i i i n x l y x L 0)()( (2) Newton 插值法：设x 0, x 1, …, x n 是一组互异的节点，y i = f (x i ) (i = 0, 1, 2, …, n )，f (x )在处的n 阶差商定义为 1102110] ,,,[],,,[],,,[x x x x x f x x x f x x x f n n n n --= - 则n 次多项式 ) ())(](,,[) )(](,,[)](,[)()(11010102100100----++--+-+=n n n x x x x x x x x x f x x x x x x x f x x x x f x f x N 差商表的构造过程：
计算方法实验报告习题1(浙大版)
计算方法实验报告 实验名称： 实验1 从函数表出发进行插值 1 引言 某个实际问题中，函数f (x)在区间[a,b]上存在且连续，但难以找到其表达式，只能通过实验和观测得到有限点上的函数表。有些情况虽然可以写出表达式，但结构复杂，使用不方便。所以希望构造简单函数P (x)作为f (x)的近似值。插值法是解决此类问题的一种方法。 设函数y=在插值区间[a,b]上连续，且在n+1个不同的插值节点a≤x 0,x 1,…,x n ≤b 上分别取值y 0,y 1,…,y n 。目的是要在一个性质优良、便于计算的插值函数类Φ中，求一简单函数P (x)，满足插值条件P (x i )=y i (i=0,1,…,n)，而在其他点x≠x i 上，作为f (x)近似值。求插值函数P (x)的方法称为插值法[1]。 2 实验目的和要求 运用Matlab 编写m 文件，定义三种插值函数，要求一次性输入整张函数表，并利用计算机选择在插值计算中所需的节点。分别通过分段线性插值、分段二次插值和全区间上拉格朗日插值计算f (0.15)，f (0.31)，f (0.47)的近似值。 3 算法原理与流程图 （1）原理 1.线性插值 当给定了n+1个点x 0 习题二 1. 已知 ，求的二次值多项式。 2. 令 解：； ，介于x和0，1决定的区 间内；，当时。 的数表，分别用线性插值与二次插值求 3. 给出函数 ，试利用拉格朗日余项定理写出以为节点的三次 4. 设 插值多项式。 ，求及的值。1，0 5. 已知 6. 根据如下函数值表求四次牛顿插值多项式，并用其计算 ， 的如下函数值表，解答下列问题（1）试列出相应 7. 已知函数 的差分表；（2）分别写出牛顿向前插值公式和牛顿向后插值公式。 解：向前插值公式 向后插值公式 8. 下表为概率积分 的数据表，试问：1）时， 积分 在各点的数据（取五位有效数 9. 利用 字），求方程 在0.3和0.4之间的根的近似值。0.3376489 10. 依据表10中数据，求三次埃尔米特插值多项式。 11. 依据数表11 项式。 上给出的等距节点函数表，用分段线性插值求 12. 在 的近似值，要使截断误差不超过 取？ 13. 将区间 分成n等分，求在上的分段三次埃尔米 特插值多项式，并估计截断误差。 14、给定的数值表 用线性插值与二次插值计算ln0.54的近似值并估计误差限 解：仍可使用n=1及n=2的Lagrange插值或Newton插值,并应用误差估计。线性插值时，用0.5及0.6两点，用Newton插值 误差限 ，因，故 二次插值时，用0.5，0.6，0.7三点，作二次Newton插值 误差限， 故 15、在-4≤x≤4上给出的等距节点函数表，若用二次插值法 求的近似值，要使误差不超过，函数表的步长h应取多少? 解：用误差估计式， 令因 得 16、若，求和 解：由均差与导数关系 于是 17、若互异，求 的值，这里p≤n+1. 解：，由均差对称性 可知当有 而当P＝n＋1时 于是得 18、求证 解：只要按差分定义直接展开得 19、已知的函数表 第4章 插值法 2．证明：n 次拉格朗日插值多项式为： 0()()()() n n n j n k k k k k j k j j k x x L x y l x y x x ===≠-==-∑∑∏ ————（1） 现令 ()() n j j x x x ω==-∏，则 00 '()() n n j m j j m x x x ω==≠=-∑ ∏，————2（） 将 k x 代入 '()() n n j m j j m x x x ω==≠=-∑ ∏，可得 0'()() n k k j j j m x x x ω=≠=-∏————————（3） 将（3）和（2）代入（1）中命题可证。 5．证明提示：利用线性插值余项可以推出命题。 6．证明：由题意可知，()f x 是n 次多项式并有n 个互异的实根，可令 12()()()......()()n n n n f x a x x x x x x a x ω=---= 再令()j g x x = 则 j n k k=11()'()'() n k k k n n k g x x f x a x ω==∑ ∑ 利用均差性质：则 []121()1 ......'()n k n k n n k n g x g x x x a x a ω==∑ 又由均差与导数的性质可证命题成立。 7．算法提示：利用差商表可求。 8．算法提示：利用求牛顿插值公式。 12．证明提示：参考拉格朗日插值余项的证明方法。 14．算法提示：参考三对角方程组的样条函数的求解过程及例11。 补充习题解题思路 1． 设)(x l k (k= 0, 1, 2, …,n)是n 次拉格朗日插值基函数， 试证： ∑==n k j k j k x x l x 0 )( 。 （j = 0, 1, 2, …, n ） 证明：记n k x k k ...2,1,0,==?， 专题四资金时间价值 一、资金时间价值的概念 定义：资金时间价值是指一定量资金在不同时点上的价值量差额。 【提示】理解资金时间价值要把握两个要点：（1）不同时点；（2）价值量差额。 二、终值和现值的计算 1.终值又称将来值，是现在一定量的资金折算到未来某一时点所对应的价值，俗称“本利和”，通常记作F。 2.现值，是指未来某一时点上的一定量资金折算到现在所对应的价值，俗称“本金”，通常记作“P”。 现值和终值是一定量资金在前后两个不同时点上对应的价值，其差额即为资金的时间价值。生活中计算利息时所称本金、本利和的概念，相当于资金时间价值理论中的现值和终值，利率（用i表示）可视为资金时间价值的一种具体表现：现值和终值对应的时点之间可以划分为n期（n≥1），相当于计息期。 【注意】终值与现值概念的相对性。 【思考】现值与终值之间的差额是什么？两者之间的差额是利息. 三、利息的两种计算方式 1.单利计息方式：只对本金计算利息。以本金为基数计算利息，所生利息不再加入本金滚动计算下期利息（各期的利息是相同的）。 2.复利计息方式：既对本金计算利息，也对前期的利息计算利息。将所生利息加入本金，逐年滚动计算利息的方法。（各期的利息是不同的）。 【提示】除非特别指明，否则在计算利息的时候使用的都是复利计息。 四、复利终值与现值 1.复利终值 复利终值的计算公式为： F=P（1＋i）n 在上式中，（1＋i）n称为“复利终值系数”，用符号（F/P，i，n）表示。这样，上式就 可以写为： F=P（F/P，i，n） 【提示】在平时做题时，复利终值系数可以查表得到。考试时，一般会直接给出。但需要注意的是，考试中系数是以符号的形式给出的。因此，对于有关系数的表示符号需要掌握。 【例题1·计算题】某人将100元存入银行，复利年利率2%，求5年后的终值。 【答案】5年后的终值=100×（1+2%）5=100×（F/P，2%，5）=100×1.104=110.4（元）。 【注意】如果不加注明，一般均按照复利计算。 2.复利现值 复利现值的计算公式为： 上式中，（1＋i）-n称为“复利现值系数”，用符号（P/F，i，n）表示，平时做题时， 可查表得出，考试时一般会直接给出。 【例题2·计算题】某人存入一笔钱，想5年后得到10万，若银行存款利率为5%，要求计算按照复利计息，现在应存入银行多少资金？ 【答案】 如果按照复利计息：P=10×（1+5%）-5 =（P/F，5%，5）=10×0.7835=7.835（万元）。 【结论】 （1）复利终值和复利现值互为逆运算； （2）复利终值系数（1＋i）n和复利现值系数1/（1＋i）n互为倒数。 【例题3·计算题】甲公司主要从事化工产品的生产和销售。2007年12月31日，甲公司一套化工产品生产线达到预定可使用状态并投入使用，预计使用寿命为15年，根据有关法律，甲公司在该生产线使用寿命届满时应对环境进行复原，预计将发生弃置费用200 000万元。甲公司采用的折现率为10%。 【答案】 甲公司与弃置费用有关的账务处理如下： 2007年12月31日，按弃置费用现值计入固定资产原价 应计入固定资产原价金额=200 000*0.2394（15年10%的复利现值系数）=47 880（万元）。 借：固定资产 47 880 贷：预计负债 47 880 五、年金的终值和年金现值的计算（重点） （一）年金的含义 第二章 插值法 1．当1,1,2x =-时，()0,3,4f x =-,求()f x 的二次插值多项式。 解： 0120121200102021101201220211,1,2, ()0,()3,()4;()()1()(1)(2)()()2 ()()1()(1)(2)()()6()()1()(1)(1) ()() 3x x x f x f x f x x x x x l x x x x x x x x x x x l x x x x x x x x x x x l x x x x x x x ==-===-=--==-+-----==------= =-+-- 则二次拉格朗日插值多项式为 2 20 ()()k k k L x y l x == ∑ 022 3()4() 14(1)(2)(1)(1)2 3 5376 2 3 l x l x x x x x x x =-+=- --+ -+=+ - 2．给出()ln f x x =的数值表 用线性插值及二次插值计算ln 0.54的近似值。 解：由表格知， 01234012340.4,0.5,0.6,0.7,0.8;()0.916291,()0.693147()0.510826,()0.356675()0.223144 x x x x x f x f x f x f x f x ======-=-=-=-=- 若采用线性插值法计算ln 0.54即(0.54)f ， 则0.50.540.6<< 21121221 11122()10(0.6)()10(0.5) ()()()()() x x l x x x x x x l x x x x L x f x l x f x l x -==----= =---=+ 6.93147( 0.6) 5.10826 (x x =--- 1(0.54)0.62021860.620219L ∴=-≈- 若采用二次插值法计算ln 0.54时， 1200102021101201220212001122()()()50(0.5)(0.6)()()()()()100(0.4)(0.6)()()()()()50(0.4)(0.5) ()() ()()()()()()() x x x x l x x x x x x x x x x x l x x x x x x x x x x x l x x x x x x x L x f x l x f x l x f x l x --==------==-------= =----=++ 500.916291( 0.5)( 0.6) 69.3147( 0.4)(0.6)0.51082650(0.4)(0.5 x x x x x x =-?--+---?--2(0.54)0.615319840.615320 L ∴=- ≈- 3．给全cos ,090x x ≤≤ 的函数表，步长1(1/60),h '== 若函数表具有5位有效数字，研究用线性插值求cos x 近似值时的总误差界。 解：求解cos x 近似值时，误差可以分为两个部分，一方面，x 是近似值，具有5位有效数字，在此后的计算过程中产生一定的误差传播；另一方面，利用插值法求函数cos x 的近似值时，采用的线性插值法插值余项不为0，也会有一定的误差。因此，总误差界的计算应综合以上两方面的因素。 当090x ≤≤ 时， 令()cos f x x = 取0110,( )6060 180 10800 x h π π === ? = 令0,0,1,...,5400i x x ih i =+= 则5400902x π = = 当[]1,k k x x x -∈时，线性插值多项式为 插值方法练习题 一．已知函数y = f (x)的一组数据 对这些数据进行多项式插值和三次样条插值，并求：x = 3.5 4.1 6.2 4.5时，y相应的多项式插值和三次样条插值函数值。 二．绘制上题中函数y = f (x)在区间[0, 10]上的多项式插值函数图形，并将已知点用“o”标出。 三．求出上题中每一小段内的三次函数。绘制上题中函数y = f(x)在区间[0, 10]上的三次样条插值函数图形，并将已知点用“ ”标出。 四．对函数y = 1/(1+x2)在[-5, 5]上进行多项式插值，如何避免Runge现象。 五．对下表给出的数据作曲面插值 参考答案： 一．y = 13.2476 12.6730 9.8032 11.9877 附：命令行 x=[0 1 2 3 4 5 6 7 8 9 10]; y=[12.34 13.02 13.98 13.52 12.81 11.08 9.96 9.51 10.23 11.14 12.25]; xx=[3.5 4.1 6.2 4.5]; p=polyfit(x,y,10); y1=polyval(p,xx) yy=spline(x,y,xx) 二． 附：命令行 x=[0 1 2 3 4 5 6 7 8 9 10]; y=[12.34 13.02 13.98 13.52 12.81 11.08 9.96 9.51 10.23 11.14 12.25]; xx=0:0.0001:10; p=polyfit(x,y,10); y1=polyval(p,xx); plot(xx,y1,‘-‘,x,y,’o’) 三．p1 = -0.4440 1.4719 -0.3479 12.3400 p2 = -0.4440 1.4719 -0.3479 12.3400 p3 = 0.5198 -4.3109 11.2177 4.6295 p4 = -0.4654 4.5561 -15.3834 31.2307 p5 = 0.5717 -7.8892 34.3977 -35.1441 p6 = -0.1915 3.5588 -22.8420 60.2554 p7 = 0.2542 -4.4634 25.2912 -36.0109 p8 = -0.3253 7.7064 -59.8974 162.7624 p9 = 0.0671 -1.7107 15.4393 -38.1354 p10 = 0.0671 -1.7107 15.4393 -38.1354 附：命令行 x=[0 1 2 3 4 5 6 7 8 9 10]; y=[12.34 13.02 13.98 13.52 12.81 11.08 9.96 9.51 10.23 11.14 12.25]; xx=0:0.0001:10;数值计算方法复习题2
第4章 插值法作业
CPA.会计第二章插值法计算
计算方法简明教程插值法习题解析
插值方法练习题