线性插值、抛物插值、拉格朗日、牛顿插值代码
计算机数值计算方法及程序设计
P63
函数值为
//拉格朗日插值P63
#include
float czl(int n,float x1,float *px,float *py);
int main()
{
float x1,y1;
int n;
float *p1,*p2;
float x[10]={1,2,3,4,5,6,7};
float y[10]={1,1.414214,1.732051,2,2.236068,2.449490,2.645751};
printf("Input numbers:x1 n=\n");
scanf("%f%d",&x1,&n);
p1=x;
p2=y;
y1=czl(n,x1,p1,p2);
printf("y1=%f\n",y1);
getch();
return 0;
}
float czl(int n,float x1,float *px,float *py)
{
int i,j;
float x[10],y[10],t,y1;
y1=0.0;
for(i=0;i { x[i]=*px; y[i]=*py; } for(i=0;i { t=1.0; for(j=0;j if(i!=j)t=t*(x1-x[j])/(x[i]-x[j]); y1=y1+t*y[i]; } return(y1); } //输入为 //2.5 4 //输出为 //y=1.582274 //线性插值P58 #include float cz(float x0,float x1,float y0,float y1,float x); int main(void) { float x0,x1,y0,y1,x,y; printf("Input numbers:x0,x1,y0,y1,x=?\n"); scanf("%f%f%f%f%f",&x0,&x1,&y0,&y1,&x); y=cz(x0,x1,y0,y1,x); printf("y=%f\n",y); } float cz(float x0,float x1,float y0,float y1,float x) { float l0,l1,y; l0=(x-x1)/(x0-x1); l1=(x-x0)/(x1-x0); y=l0*y0+l1*y1; return (y); } /*输入： 1 5 1 2.6.68 2.5 输出 y=1.463526 */ ///抛物插值P60 #include float cz(float x0,float x1,float x2,float y0,float y1,float y2,float x); float cz(float x0,float x1,float x2,float y0,float y1,float y2,float x) { float l0,l1,l2,y; l0=(x-x1)*(x-x2)/((x0-x1)*(x0-x2)); l1=(x-x0)*(x-x2)/((x1-x0)*(x1-x2)); l2=(x-x0)*(x-x1)/((x2-x0)*(x2-x1)); y=l0*y0+l1*y1+l2*y2; return(y); } int main(void) { float x0,x1,x2,y0,y1,y2,x,y; printf("Input numbers:x0 x1 x2 y0 y1 y2 x=?\n"); freopen("in.txt","r",stdin); freopen("out.txt","w",stdout); scanf("%f%f%f%f%f%f%f",&x0,&x1,&x2,&y0,&y1,&y2,&x); y=cz(x0,x1,x2,y0,y1,y2,x); printf("y=%f\n",y); getch(); getch(); return 0; } /*输入： 1 3 5 1 1.732051 2.236068 2.5 输出 y=1.570416 */ //牛顿插值P83 #include #include #define N 6 float sub(float a[],float b[],float x,float e); main() { float u[N]={100,121,122,169,196,225}; float v[N]={10,11,12,13,14,15}; float x,y,e,*p1,*p2; printf("Input number x e= "); scanf("%f%e",&x,&e); p1=u; p2=v; y=sub(p1,p2,x,e); printf("y=%f\n",y); getch(); getch(); } float sub(float *pp1,float *pp2,float x,float e) { float a[N],b[N],t[N],y,y1,c; int i,k; for(i=0;i a[i]=*pp1; printf("%12.6",a[i]); } printf("\n"); for(i=0;i b[i]=*pp2; printf("%12.6f",b[i]); } printf("\n"); y1=b[0];y=0; c=1.0; for(k=1;k for(i=k;i t[i]=(b[i]-b[i-1])/(a[i]-a[i-k]); } c=c*(x-a[k-1]); y1=y1+c*t[k]; if(fabs(y-y1) for(i=k;i b[i]=t[i]; } } return(y); } 牛顿插值法 插值法是利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。如果这特定函数是多项式，就称它为插值多项式。当插值节点增减时全部插值基函数均要随之变化，这在实际计算中很不方便。为了克服这一缺点，提出了牛顿插值。牛顿插值通过求各阶差商，递推得到的一个公式： f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0 )...(x-xn-1)+Rn(x)。 插值函数 插值函数的概念及相关性质[1] 定义：设连续函数y-f(x) 在区间[a,b]上有定义，已知在n+1个互异的点 x0,x1,…xn上取值分别为y0,y1,…yn （设a≤ x1≤x2……≤xn≤b)。若在函数类中存在以简单函数P(x) ，使得P(xi)=yi,则称P(x) 为f(x)的插值函数. 称x1,x2,…xn 为插值节点，称[a,b]为插值区间。 定理：n次代数插值问题的解存在且唯一。 牛顿插值法C程序 程序框图#include 牛顿插值法在MATLAB 中的实现 经过n+1个不同的插值点12n+1,,x x x …,，构造牛顿插值公式 1211231212n+112n =[,]()[,,]()()[,,]()()()N f x x x x f x x x x x x x f x x x x x x x x x -+--++---（x ）……… 注：牛顿插值法中，用到了插值公式 %我们以二次牛顿插值公式为例解析牛顿插值法的matlab 程序 function[c,d]=newpoly(x,y) %这里x 为3个节点的横坐标组成的向量，即()123,,x x x x =，y 为纵坐标的组成向量，即()()()()123,,y f x f x f x = %c 为所得的牛顿插值多项式的系数组成的向量 n=length(x); %测量向量x 的长度，即向量x 中元素i x 的个数，赋值给n ，所以n=3，注：这里的“n ”仅为变量，和公式中的次数n 不一样 d=zeros(n,n); d=zeros(3,3) %把变量d 定义为一个n 行，n 列的零矩阵,此矩阵用来储存各阶差商，格式完全等同于书中21页的表 d(:,1)=y ’; %此句是把向量y 的转置，即123()()()f x y f x f x ?? ?= ? ?? ?，赋值给零矩阵d 的第一列 %下面运用两个for 循环来构造书中21页的差商表 %第一个循环（父循环），循环变量为k for k=2:n %用来表示零矩阵d 中的第几行 %第二个循环（父循环），循环变量为k for j=k:n %用来表示零矩阵d 中的第几列 d(k,j)=(d(k,j-1)-d(k-1,j-1))/(x(k)-x(k-j+1)); %差商公式，其中d(k,j)表示零矩阵d 中的第k 行，第j 列的元素，d(k,j-1)，d(k-1,j-1)等也类似，它们代表的元素随着双循环而变化，x(k-1)表示1k x -，这种计算差商的方法是根据差商表的排列位置而得来，具体解释见下面。 end end %下面以二次牛顿插值公式为例解析双循环构造差商表，让我们先来看看构造好的差商表 121232312333 () () [,] ()[,][,,]X f x d f x f x x f x f x x f x x x ????=?????? Matlab实现数值分析插值及积分 摘要： 数值分析(numerical analysis)是研究分析用计算机求解数学计算问题的数值计算方法及其理论的学科，是数学的一个分支，它以数字计算机求解数学问题的理论和方法为研究对象。在实际生产实践中，常常将实际问题转化为数学模型来解决，这个过程就是数学建模。学习数值分析这门课程可以让我们学到很多的数学建模方法。 分别运用matlab数学软件编程来解决插值问题和数值积分问题。题目中的要求是计算差值和积分，对于问题一，可以分别利用朗格朗日插值公式，牛顿插值公式，埃特金逐次线性插值公式来进行编程求解，具体matlab代码见正文。编程求解出来的结果为：=+。 其中Aitken插值计算的结果图如下： 对于问题二，可以分别利用复化梯形公式，复化的辛卜生公式，复化的柯特斯公式编写程序来进行求解，具体matlab代码见正文。编程求解出来的结果为： 0.6932 其中复化梯形公式计算的结果图如下： 问题重述 问题一：已知列表函数 表格 1 分别用拉格朗日，牛顿，埃特金插值方法计算。 问题二：用复化的梯形公式，复化的辛卜生公式，复化的柯特斯公式计算积分，使精度小于5。 问题解决 问题一：插值方法 对于问题一，用三种差值方法：拉格朗日，牛顿，埃特金差值方法来解决。 一、拉格朗日插值法： 拉格朗日插值多项式如下： 首先构造1+n 个插值节点n x x x ,,,10 上的n 插值基函数，对任一点i x 所对应的插值基函数 )(x l i ，由于在所有),,1,1,,1,0(n i i j x j +-=取零值，因此)(x l i 有因子 )())(()(110n i i x x x x x x x x ----+- 。又因)(x l i 是一个次数不超过n 的多项式，所以只 可能相差一个常数因子，固)(x l i 可表示成： )())(()()(110n i i i x x x x x x x x A x l ----=+- 利用1)(=i i x l 得： 第8讲 牛顿插值公式 §1.4 差商与差分及其性质 1 差商的概念: 称 10110)()(],[x x x f x f x x f --= 为函数f (x )的一阶差商； 称 21021210] ,[],[],,[x x x x f x x f x x x f --= 为函数f (x )的二阶差商； 一般地，称0 10110] ,...,[],...,[],...,,[x x x x f x x f x x x f n n n n --= -为函数f (x )的n 阶 差商； 特别地，定义)(][00x f x f =为函数f (x )关于x o 的零阶差商。 由此可知，高阶差商总是由比它低一阶的的两个差商组合而成。 2 （a ）n 阶差商可以表示成n +1个函数值01 ,,,n y y y 的线性组合,即 ∑ -----==+-k i n i i i i i i i i k x x x x x x x x x x x f x x f 011100)())(())(() (],...,[ 该性质说明：k 阶差商 ],...,,[10n x x x f 计算是由函数值f (x 0 ),f (x 1 ),…f (x k )线 性组合而。 如: ],,[],,[],,[012201210x x x f x x x f x x x f ==； 011100010110) ()()()(],[x x x f x x x f x x x f x f x x f -+ -=--= ))(() ())(()())(()()()()()()()() ()()()(],[],[],,[1202221011201000 21 221210111000 11100020 10112120 21021210x x x x x f x x x x x f x x x x x f x x x x x f x x x f x x x f x x x f x x x f x x x f x x x x x f x f x x x f x f x x x x f x x f x x x f --+ --+--= --+ ------=-+ -=---- --=--= §2 差商、牛顿插值多项式 在计算过程中，若需要再增加插值节点并求出新的插值函数，则Lagrange 插值公式所有的基函数都要重新计算，造成计算量的很大浪费。而以下介绍的牛顿插值公式可以克服这一缺陷，可在原有插值多项式的基础上灵活的增加插值节点。 一、 差商及其性质： 1、相关定义 设给出函数)(x f 在点0x ，1x ，… ，n x ，…上的函数值 ，则有： 称],[10x x f 1010 ()() f x f x x x -=-为函数 )(x f 在 0x 、1x 点的一阶差商。 一阶差商的差商 ],,[210x x x f 1 21020] ,[],[x x x x f x x f --= 称为函数)(x f 在0x ,1x 和2x 点的二阶差商。 1-n 阶差商的差商 ],,,[10n x x x f Λ1 12020],,,[],,,[------=n n n n n n x x x x x f x x x f ΛΛ 称为函数)(x f 在n x x x ,,,10Λ点的n 阶差商。 见插商表4-1 2、性质： 性质1 ：差商],,,[10n x x x f Λ可表示为函数值的线性组合，即 ∑==n i i i n x f a x x x f 010)(],,,[Λ ， 其中：∏≠=-=n i j j j i i x x a ,0)(/ 1。 该性质表明：差商与节点的排列次序无关，即： ],,,[10n x x x f Λ＝],,,[01n x x x f Λ＝…＝ ],,,[01x x x f n Λ 这就是差商的对称性。 性质 2 101010 [,,][,,] [,,,]n n n n f x x f x x f x x x x x --= -L L L 01110[,,,][,,,]n n n f x x x f x x x x -=Q L L 11100 [,,][,,,] n n n f x x f x x x x x --= -L L 对拉格朗日插值法与牛顿插值法的学习和比较 摘要：根据对拉格朗日插值法和牛顿插值法的理解，本文主要介绍了拉格朗日插值法和牛顿插值法的相关内容以及它们的区别。 关键词：拉格朗日插值法；牛顿插值法 The leaning and comparison of the Lagrange interpolation and Newton interpolation Abstract: Based on the understanding of the Lagrange interpolation and Newton interpolation ，this paper mainly describes some related knowledge as well as the difference between these two methods. Keywords: Lagrange interpolation ; Newton interpolation 前言 在工程和科学研究中出现的函数是多种多样的。常常会遇到这样的情况：在某个实际问题中，虽然可以断定所考虑的函数)(x f 在区间],[b a 上存在且连续，但却难以找到它的解析表达式，只能通过实验和观测得到在有限个点上的函数值（即一张函数表）。显然，要利用这张函数表来分析函数)(x f 的性态，甚至直接求出其他一些点上的函数值可能是非常困难的。面对这些情况，总希望根据所得函数表（或结构复杂的解析表达式），构造某个简单函数)(x P 作为)(x f 的近似。这样就有了插值法，插值法是解决此类问题目前常用的方法。 如设函数)(x f y =在区间],[b a 上连续，且在1+n 个不同的点b x x x a n ≤≤,,,10 上分别取值n y y y ,,,10 。 插值的目的就是要在一个性质优良、便于计算的函数类Φ中，求一简单函数)(x P ，使 ),,1,0()(n i y x P i i == 而在其他点i x x ≠上，作为)(x f 的近似。 通常，称区间],[b a 为插值区间，称点n x x x ,,,10 为插值节点，称式i i y x P =)(为插值条件，称函数类Φ为插值函数类，称)(x P 为函数)(x f 在节点n x x x ,,,10 处的插值函数。求插值函数)(x P 的方法称为插值法。 插值函数类Φ的取法不同，所求得的插值函数)(x P 逼近)(x f 的效果就不同。它的选择取决于使用上的需要，常用的有代数多项式、三角多项式和有理函数等。当选用代数多项式作为插值函数时，相应的插值问题就称为多项式插值。本文讨论的拉格朗日插值法与牛顿插值法就是这类插值问题。 在多项式插值中，最常见、最基本的问题是：求一次数不超过n 的代数多项式 n n x a x a a x P +++= 10)( 使),,1,0()(n i y x P i i n ==，其中，n a a a ,,,10 为实数。 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） 把（4）代入（1）得到满足插值条件N ）（） （i i n x f x =（i=0,1,2，……n ）的n 次Newton 插值多项式 N n （x ）=f （0x ）+f[10x x ，]（1x -x ）+f[210x x x ，，]（1x -x ）（2x -x ）+……+f[n 10x x x ??，]（1x -x ）（2x -x ）…（1-n x -x ）. 其中插值余项为： ） （）！ （） （）（）（）（x 1n f x N -x f x R 1n 1 n n +++==ωξ ξ介于k 10x x x ??，之间。 三、程序设计 function [y,A,C,L]=newdscg(X,Y,x,M) % y 为对应x 的值，A 为差商表，C 为多项式系数，L 为多项式 % X 为给定节点，Y 为节点值，x 为待求节点 n=length(X); m=length(x); % n 为X 的长度 for t=1:m 实验名称：插值计算 1引言 在生产和科研中出现的函数是多种多样的。常常会遇到这样的情况：在某个实际问题中，虽然可以断定所考虑的函数f（x）在区间[a,b]上存在且连续，但却难以找到它的解析表达式，只能通过实验和观测得到在有限个点上的函数值。用这张函数表来直接求出其他点的函数值是非常困难的，在有些情况下，虽然可以写出f(x)的解析表达式，但由于结构十分复杂，使用起来很不方便。面对这些情况，构造函数P(x)作为f(x)的近似，插值法是解决此类问题比较古老却目前常用的方法，不仅直接广泛地应用与生产实际和科学研究中，而且是进一步学习数值计算方法的基础。 设函数y=f(x)在区间[a,b]上连续，且在n+1个不同的点a≤x0,x1……,xn≤b上分别取值y0,y1……,yn. 插值的目的就是要在一个性质优良、便于计算的函数φ中，求一简单函数P(x),使P(xi)=yi(i=0,1…,n)而在其他点x≠xi上，作为f(x)的近似。 通常，称区间[a,b]为插值区间，称点x0,x1,…,xn为插值节点，上式为插值条件，称函数类φ为插值函数类，称P(x)为函数f(x)在节点x0,x1,…,xn处的插值函数，求插值函数P(x)的方法称为插值法。 2实验目的和要求 用matlab定义分段线性插值函数、分段二次插值函数、拉格朗日插值函数，输入所给函 数表，并利用计算机选择在插值计算中所需的节点，计算f(0.15),f(0.31),f(0.47)的近似值。 3算法描述 1.分段线性插值流程图 2.分段二次插值流程图 3.拉格朗日插值流程图 4程序代码及注释 1.分段线性插值 MATLAB程序设计期中作业 ——编程实现牛顿插值 成员:刘川（P091712797）签名＿＿＿＿＿ 汤意（P091712817）签名＿＿＿＿＿ 王功贺（P091712799）签名＿＿＿＿＿ 班级:2009信息与计算科学 学院:数学与计算机科学学院 日期:2012年05月02日 牛顿插值的算法描述及程序实现 一：问题说明 在我们的实际应用中，通常需要解决这样的问题，通过一些已知的点及其对应的值，去估算另外一些点的值，这些数据之间近似服从一定的规律，于是，这就引入了插值法的思想。 插值法是利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。如果这特定函数是多项式，就称它为插值多项式。利用插值基函数很容易得到拉格朗日插值多项式，公式结构紧凑，在理论分析中甚为方便，但当插值节点增减时全部插值基函数均要随之变化，整个公式也将发生变化，这在实际计算中是很不方便的，为了克服这一缺点，提出了牛顿插值。 二：算法分析 newton 插值多项式的表达式如下： 010011()()()()()n n n N x c c x x c x x x x x x -=+-+???+--???- 其中每一项的系数c i 的表达式如下： 12011010 [,,,][,,,] [,,,]i i i i i f x x x f x x x c f x x x x x -???-???=???= - 即为f (x)在点01,,,i x x x ???处的i 阶差商，（[]()i i f x f x =，1,2,,i n = ），由差商01[,,,]i f x x x ???的性质可知： () 010 1 [,,,]()i i i j j k j k k j f x x x f x x x ==≠???=-∑∏ 牛顿插值的程序实现方法： 第一步：计算[][][][]001012012,,,,,,,n f x f x x f x x x f x x x x 、、、 、。 第二步：计算牛顿插值多项式中01[,,,]i f x x x ???011()()()i x x x x x x ---???-，1,2,,i n = ，得到n 个多项式。 期末论文 课程名称：数值分析 院系名称：巢湖学院数学系所在班级：11级数本（2）班学生学号：11020170 学生姓名：张秀丽 目录 【题目】：牛顿形式的埃尔米特插值多项式 【摘要】：......................................................... 【关键词】：.......................................................... 【正文】： 一、引言 二、重节点均差与泰勒插值 三、埃尔米特插值典例 四、牛顿形式的埃尔米特插值多项式的一些应用领域 【结束语】：......................................................... 【参考文献】：.......................................................... 牛顿形式的埃尔米特插值多项式 【摘要】：在了解了插值法以后，陆续的又接触和学习到多项式插值、拉格朗日插值、牛顿插值多项式等，但在有些实际问题中，仍需要其它要求，下面又给出有关牛顿的埃尔米特插值的内容。 【关键词】：重节点均差、泰勒插值、泰勒插值多项式、埃尔米特插值。 【正文】： 一、引言 插值法是一种古老的数学方法，它来自生产实践。早在一千多年前的隋唐时期制定历法时就应用了二次插值，隋朝刘绰将等距节点二次插值应用于天文计算。但插值理论都是在17世纪微积分产生以后才逐步发展的，牛顿的等距节点插值公式及均差插值公式都是当时的重要成果。近半世纪由于计算机的广泛使用和造船、航空、精密机械加工等实际问题的需要，使插值法在理论上和实践上得到进一步发展，尤其是20世纪40年代后期发展起来的样条插值，更获得广泛应用，成为计算机图形学的基础。 在插值法的提出后我们了解了多项式插值；应用各种不同的方法对给定的插值点为求得形如01()...n n P x a a x a x =+++的插值多项式我们得到了线性插值与抛物线插值；把线性插值与抛物线插值推广到一般情形，通过讨论如何构造通过n+1个节点01...n x x x <<<的n 次插值多项式()n L x ，我们定义了n 次插值基函数从而得到了拉格朗日插值多项式：()()n n k k k o L x y l x ==?。利用插值基函数很 容易得到拉格朗日插值多项式，公式结构紧凑，在理论分析中甚为重要。但当插值点增减时，计算要全部重新进行，甚为不变，为了计算方便可重新设计一种逐次生成插值多项式的方法，通过一系列的考察与讨论我们利用均差得到了牛顿均差插值多项式001001201()()[,]()[,,]()()...n P x f x f x x x x f x x x x x x x =+-+--++ 101[,...,]()...()n n f x x x x x x ---，随后还涉及了差分形式的牛顿插值公式等。 插值多项式要求在插值节点上函数值相等，有的实际问题还要求在节点上倒数值相等，甚至高阶导数值也相等，满足这种要求的插值多项式称为埃尔米特插值多项式。 二、重节点均差与泰勒插值 先给出一个关于均差的结论。 设01[,],,,...,n n f C a b x x x ?为[,]a b 上的相异节点，则01[,,...,]n f x x x 是其变量的连续函数。 如果[,]a b 上的节点互异，根据均差定义，若1[,]f C a b ?，则有 00'0000 ()()[,]()lim lim x x x x f x f x f x x f x x x -==-. 由此定义重节点均差 6.3.5 牛顿插值法的MATLAB 综合程序 求牛顿插值多项式、差商、插值及其误差估计的MATLAB 主程序 function [y,R,A,C,L]=newdscg(X,Y,x,M) n=length(X); m=length(x); for t=1:m z=x(t); A=zeros(n,n);A(:,1)=Y'; s=0.0; p=1.0; q1=1.0; c1=1.0; for j=2:n for i=j:n A(i,j)=(A(i,j-1)- A(i-1,j-1))/(X(i)-X(i-j+1)); end q1=abs(q1*(z-X(j-1)));c1=c1*j; end C=A(n,n);q1=abs(q1*(z-X(n))); for k=(n-1):-1:1 C=conv(C,poly(X(k))); d=length(C);C(d)=C(d)+A(k,k); end y(k)= polyval(C, z); end R=M*q1/c1;L(k,:)=poly2sym(C); 例6.3.6 给出节点数据00.27)00.4(=-f ，00.1)00.0(=f ，00.2)00.1(=f ，00.17)00.2(=f ，作三阶牛顿插值多项式，计算)345.2(-f ，并估计其误差. 解 首先将名为newdscg.m 的程序保存为M 文件，然后在MATLAB 工作窗口输入程序 >> syms M,X=[-4,0,1,2]; Y =[27,1,2,17]; x=-2.345; [y,R,A,C,P]=newdscg(X,Y,x,M) 运行后输出插值y )345.2(-≈f 及其误差限公式R ，三阶牛顿插值多项式P 及其系数向量C ，差商的矩阵A 如下 y = 22.3211 R = 65133/562949953421312*M （即R =2.3503*M ） A= 27.0000 0 0 0 1.0000 -6.5000 0 0 2.0000 1.0000 1.5000 0 17.0000 15.0000 7.0000 0.9167 C = 0.9167 4.2500 -4.1667 1.0000 P = 11/12*x^3+17/4*x^2-25/6*x+1 (){} 2 1 ()(11),5,10,20: 1252 1()1,(0,1,2,,)()2,(0,1,2,,)() ()2 35,20:1100 (i i i i n n k k k Newton f x x n x f x x i i n f x n x y i n Newton N x S x n x k y f x = -≤≤=+=-+====-+ = 题目：插值多项式和三次样条插值多项式。已知对作、计算函数在点处的值；、求插值数据点 的插值多项式和三次样条插值多项式；、对计算和相应的函数值),()() (1,2,,99)4:()max ()()max ()n k n k n k n k n k n k k k N x S x k E N y N x E S y S x ==-=- 和； 、计算，； 解释你所得到的结果。 算法组织: 本题在算法上需要解决的问题主要是：求出第二问中的Newton 插值多项式 )(x N n 和三次样条插值多项式()n S x 。如此，则第三、四问则迎刃而解。计算两 种插值多项式的算法如下： 一、求Newton 插值多项式)(x N n ，算法组织如下： Newton 插值多项式的表达式如下： )())(()()(110010--???--+???+-+=n n n x x x x x x c x x c c x N 其中每一项的系数c i 的表达式如下： 1102110) ,,,(),,,(),,,(x x x x x f x x x f x x x f c i i i i i -???-???= ???=- 根据i c 以上公式，计算的步骤如下： ?? ??? ?? ?????+??????? ???????????----) ,,,,(1) ,,,(),,,,(),(,),,(2)(,),(),(11101111011010n n n n n n n n x x x x f n x x x f x x x f n x x f x x f x f x f x f 、计算、计算、计算、计算 二、求三次样条插值多项式)(x S n ，算法组织如下： %均差牛顿插值 function [ f y f0 ] = newton1( X,Y,x0 ) if nargin<3 error('Requires at least three input arguments.'); end if length(X)==length(Y) n=length(X); else error('length must equal') end syms x s=Y(1); l=1.0; y=zeros(n); y(1:n,1)=Y'; for i=2:n for j=2:i y(i,j)=(y(i,j-1)-y(j-1,j-1))/(X(i)-X(j-1)); if i==j l=l*(x-X(i-1)); s=s+y(i,i)*l; end end end f=simple(s); f0=subs(f,x0); function [ f f0 y] = newton2( X,Y,x0 ) if nargin<3 error('Requires at least three input arguments.'); end if length(X)==length(Y) n=length(X); else error('length must equal') end syms x s=Y(1); l=1.0; y=zeros(n) y(1:n,1)=Y'; for i=2:n for j=2:i y(i,j)=(y(i,j-1)-y(i-1,j-1))/(X(i)-X(i-j+1)); if i==j l=l*(x-X(i-1)); s=s+y(i,i)*l; end end end f=simple(s); f0=subs(f,x0); 插值MATLAB程序（可以输出多项式）—数值分析 1.拉格朗日多项式逼近 function [C,L,y]=lagran(X,Y) %拉格朗日多项式逼近 w=length(X); L=zeros(w,w); for k=1:w V=1; for j=1:w if k~=j V=conv(V,poly(X(j)))/(X(k)-X(j)); end end L(k,:)=V; end C=Y*L; y=poly2sym(C,'x'); 2.牛顿插值多项式 function [C,D,y]=newpoly(X,Y) %牛顿插值多项式 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 y=poly2sym(C,'x'); 3.切比雪夫逼近 function [C,X,Y]=cheby(fun,n,a,b) %切比雪夫逼近 if nargin==2 a=-1;b=1; end d=pi/(2*n+2); C=zeros(1,n+1); for k=1:n+1 X(k)=cos((2*k-1)*d); end X=(b-a)*X/2+(a+b)/2; x=X; Y=eval(fun); for k=1:n+1 z=(2*k-1)*d; for j=1:n+1 C(j)=C(j)+Y(k)*cos((j-1)*z); end end C=2*C/(n+1); C(1)=C(1)/2; 姓名：樊元君学号：2012200902 日期：2012.10.25 1.实验目的： 掌握拉格郎日插值法与牛顿插值法构造插值多项式。 2.实验内容： 分别写出拉格郎日插值法与牛顿插值法的算法，编写程序上机调试出结果，要求所编程序适用于任何一组插值节点，即能解决这一类问题，而不是某一个问题。实验中以下列数据验证程序的正确性。 已知下列函数表 求x=0.5635时的函数值。 3.程序流程图： ●拉格朗日插值法流程图： ●牛顿插值法流程图： 4.源程序： ●拉格朗日插值法：function [] = LGLR(x,y,v) x=input('X数组=：'); y=input('Y数组='); v=input('插值点数值=：'); n=length(x); u=0; for k=1:n t=1; for j=1:n if j~=k t=t*(v-x(j))/(x(k)-x(j)); end end u=u+t*y(k); end disp('插值结果=');disp(u); end ●牛顿插值法： function [] = Newton(x,y,v) x=input('X数组=：'); y=input('Y数组=：'); v=input('插值点数值=：'); n=length(x); t=zeros(n,n); u=0; for i=1:n t(i,1)=y(i); end for j=2:n for i=2:n if i>=j t(i,j)=(t(i,j-1)-t(i-1,j-1))/(x(i)-x(i-j+1)); end end end for k=1:n s=1; m=1; for j=1:k if j 得到√的近似值为，插值函数为 N =- *t^4 + *t^3 - *t^2 + *t + ， 其计算精度是相当高的。 Lagrange插值法和Newton插值法解决实际问题中关于只提供复杂的离散数据的函数求值问题，通过将所考察的函数简单化，构造关于离散数据实际函数f(x)的近似函数P(x)，从而可以计算未知点出的函数值，是插值法的基本思路。 实际上Lagrange插值法和Newton插值法是同一种方法的两种变形，其构造拟合函数的思路是相同的，而实验中两个实际问题用两种算法计算出结果是相同的。 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 瞧成[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) (){} 21 ()(11),5,10,20: 1252 1()1,(0,1,2,,)()2,(0,1,2,,)() ()2 35,20:1100 (i i i i n n k k k Newton f x x n x f x x i i n f x n x y i n Newton N x S x n x k y f x =-≤≤=+=-+====-+ = 题目：插值多项式和三次样条插值多项式。 已知对作、计算函数在点处的值；、求插值数据点 的插值多项式和三次样条插值多项式；、对计算和相应的函数值),()() (1,2,,99)4:()max ()()max ()n k n k n k n k n k n k k k N x S x k E N y N x E S y S x ==-=- 和； 、计算，； 解释你所得到的结果。 算法组织: 本题在算法上需要解决的问题主要是：求出第二问中的Newton 插值多项式 )(x N n 和三次样条插值多项式()n S x 。如此，则第三、四问则迎刃而解。计算两种插值多项式的算法如下： 一、求Newton 插值多项式)(x N n ，算法组织如下： Newton 插值多项式的表达式如下： )())(()()(110010--???--+???+-+=n n n x x x x x x c x x c c x N 其中每一项的系数c i 的表达式如下： 1102110) ,,,(),,,(),,,(x x x x x f x x x f x x x f c i i i i i -???-???= ???=- 根据i c 以上公式，计算的步骤如下： ?? ??? ?? ?????+??????? ???????????----) ,,,,(1) ,,,(),,,,(),(,),,(2)(,),(),(11101111011010n n n n n n n n x x x x f n x x x f x x x f n x x f x x f x f x f x f 、计算、计算、计算、计算 二、求三次样条插值多项式)(x S n ，算法组织如下： 实验报告容： 一：不动点迭代法解方程 二：牛顿插值法的MA TLAB实现 完成日期：2012年6月21日星期四 数学实验报告一 日期：2012-6-21 所以，确定初值为x0=1 二：不断迭代 算法： 第一步：将f(x0)赋值给x1 第二步：确定x1-x0的绝对值大小，若小于给定的误差值，则将x1当做方程的解，否则回到第一步 编写计算机程序： clear f=inline('0.5*sin(x)+0.4'); x0=1; x1=f(x0); k=1; while abs(x1-x0)>=1.0e-6 x0=x1; x1=f(x0); k=k+1; fprintf('k=%.0f,x0=%.9f,x1=%.9f\n',k,x0,x1) end 显示结果如下： k=2,x0=0.820735492,x1=0.765823700 k=3,x0=0.765823700,x1=0.746565483 k=4,x0=0.746565483,x1=0.739560873 k=5,x0=0.739560873,x1=0.736981783 k=6,x0=0.736981783,x1=0.736027993 k=7,x0=0.736027993,x1=0.735674699 k=8,x0=0.735674699,x1=0.735543758 k=9,x0=0.735543758,x1=0.735495216 k=10,x0=0.735495216,x1=0.735477220 k=11,x0=0.735477220,x1=0.735470548 k=12,x0=0.735470548,x1=0.735468074 k=13,x0=0.735468074,x1=0.735467157 >>。。。 以下是程序运行截图： 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) ()()3 x 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 ==∑ 0223()4() 14 (1)(2)(1)(1)23 537623 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<< 2 112 1 221 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 -==----= =---=+ 6.9314 7(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)0.61531984 0. 615320L ∴=-≈- 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,( )606018010800 x h ππ===?= 令0,0,1,...,5400i x x ih i =+= 则5400902 x π = = 当[]1,k k x x x -∈时，线性插值多项式为牛顿插值法原理及应用
牛顿插值法matlab程序解析
matlab实现数值分析报告插值及积分
第3讲 牛顿插值公式
4.2 牛顿插值公式
对拉格朗日插值法与牛顿插值法的学习和比较
matlab牛顿插值法例题与程序
计算方法实验报告 插值
牛顿插值MATLAB算法
牛顿形式的埃尔米特插值多项式
牛顿插值法的MATLAB综合程序
matlab_牛顿插值法_三次样条插值法
均差牛顿插值MATLAB,M文件
插值MATLAB程序-数值分析
MATLAB拉格郎日插值法与牛顿插值法构造插值多项式
MATLAB 牛顿插值法例题与程序
matlab 牛顿插值法 三次样条插值法
matlab(迭代法_牛顿插值)
计算方法简明教程插值法习题解析
- MATLAB牛顿插值法例题与程序
- 牛顿插值法matlab代码
- 均差牛顿插值MATLAB,M文件
- matlab 牛顿插值法 三次样条插值法
- matlab-牛顿插值法-三次样条插值法
- MATLAB实现拉格朗日插值
- 牛顿插值MATLAB算法
- matlab(迭代法-牛顿插值)Word版
- matlab迭代法牛顿插值(终审稿)
- Newton插值的matlab实现
- 牛顿插值matlab程序
- matlab(迭代法_牛顿插值)
- MATLAB 牛顿插值法例题与程序
- MATLAB牛顿插值
- 功能强大的牛顿插值matlab程序代码
- matlab牛顿插值法例题与程序
- 插值MATLAB程序-数值分析
- 牛顿插值法的MATLAB综合程序
- matlab 牛顿插值多项式 代码
- matlab实现数值分析报告插值及积分