插值法第二次程序题.docx

上传人:b****1 文档编号:1632171 上传时间:2023-05-01 格式:DOCX 页数:20 大小:385.49KB
下载 相关 举报
插值法第二次程序题.docx_第1页
第1页 / 共20页
插值法第二次程序题.docx_第2页
第2页 / 共20页
插值法第二次程序题.docx_第3页
第3页 / 共20页
插值法第二次程序题.docx_第4页
第4页 / 共20页
插值法第二次程序题.docx_第5页
第5页 / 共20页
插值法第二次程序题.docx_第6页
第6页 / 共20页
插值法第二次程序题.docx_第7页
第7页 / 共20页
插值法第二次程序题.docx_第8页
第8页 / 共20页
插值法第二次程序题.docx_第9页
第9页 / 共20页
插值法第二次程序题.docx_第10页
第10页 / 共20页
插值法第二次程序题.docx_第11页
第11页 / 共20页
插值法第二次程序题.docx_第12页
第12页 / 共20页
插值法第二次程序题.docx_第13页
第13页 / 共20页
插值法第二次程序题.docx_第14页
第14页 / 共20页
插值法第二次程序题.docx_第15页
第15页 / 共20页
插值法第二次程序题.docx_第16页
第16页 / 共20页
插值法第二次程序题.docx_第17页
第17页 / 共20页
插值法第二次程序题.docx_第18页
第18页 / 共20页
插值法第二次程序题.docx_第19页
第19页 / 共20页
插值法第二次程序题.docx_第20页
第20页 / 共20页
亲,该文档总共20页,全部预览完了,如果喜欢就下载吧!
下载资源
资源描述

插值法第二次程序题.docx

《插值法第二次程序题.docx》由会员分享,可在线阅读,更多相关《插值法第二次程序题.docx(20页珍藏版)》请在冰点文库上搜索。

插值法第二次程序题.docx

插值法第二次程序题

插值法

题目1:

Runge函数

在区间[-1,1]作下列插值逼近,并和

R(x)的图像进行比较,并对结果进行分析。

(1)用等距节点

绘出它的20次Newton插值多项式的图像。

(2)用节点

,绘出它的20次Lagrange插值多项式的图像。

(3)用等距节点

绘出它的分段线性插值函数的图像。

(4)用等距节点

绘出它的三次自然样条插值函数的图像。

程序及分析:

(1)用等距节点

绘出它的20次Newton插值多项式的图像。

Matlab程序如下:

%计算均差

x=[-1:

0.1:

1];

n=length(x);

symsz

fori=1:

n

y(i)=1/(1+25*x(i)*x(i));

end

N=zeros(n,n);

N(:

1)=y';

forj=2:

n

fork=j:

n

N(k,j)=(N(k,j-1)-N(k-1,j-1))/(x(k)-x(k-j+1));

end

end

fort=1:

n

c(t)=N(t,t)

end

%构造插值多项式

f=N(1,1);

fork=2:

n

a=1;

forr=1:

(k-1)

a=a*(z-x(r));

end

f=f+N(k,k)*a;

end

%作图

a=[-1:

0.001:

1];

n=length(a);

fori=1:

n

b(i)=1/(1+25*a(i)*a(i));

end

fx=subs(f,z,a);

subplot(2,1,1);

plot(a,b,'k',a,fx,'r');

c=[-0.6:

0.001:

0.6];

n=length(c);

fori=1:

n

d(i)=1/(1+25*c(i)*c(i));

end

fx=subs(f,z,c);

subplot(2,1,2);

plot(c,d,'k',c,fx,'r');

结果与分析:

由下图可以看出,在区间[-0.6,0.6]上,插值多项式可以很好的逼近被插值函数。

而在边界附近,插值多项式与被插值函数的差别很大。

即出现了Runge现象。

主要原因是被插值函数的任意阶导数不能达到一致有界。

其插值余项

不趋近零。

插值多项式不能收敛到被插值函数。

(2)用节点

,绘出它的20次Lagrange插值多项式的图像。

Matlab程序如下:

clear;

%插值点

fori=1:

21

x(i)=cos((2*(i-1)+1)*pi/42);

end

n=length(x);

fori=1:

n

y(i)=1/(1+25*x(i)*x(i));

end

%构造插值基函数

symsz;

temp=1;

fori=1:

n

lx=1;

forj=1:

n

ifi~=j

temp=(z-x(j))/(x(i)-x(j));

lx=lx*temp;

end

end

l(i)=lx;

end

%插值多项式

l=l';

L=y*l;

%作图

a=[-1:

0.01:

1];

n=length(a);

fori=1:

n

b(i)=1/(1+25*a(i)*a(i));

end

fx=subs(L,z,a);

subplot(2,1,1);

plot(a,b,'k',a,fx,'xr');

结果与分析:

如下图所示,使用Chebyshev多项式零点构造的Lagrange插值多项式比较接近原函数,没有出现Runge现象。

主要原因是其多项式误差为

(3)用等距节点

绘出它的分段线性插值函数的图像。

Matlab程序如下:

clc;clear;

x=[-1:

0.1:

1];

n=length(x);

symsz

fori=1:

n

y(i)=1/(1+25*x(i)*x(i));

end

%构造分段线性插值多项式

fori=1:

n-1

l(i)=(z-x(i+1))/(x(i)-x(i+1))*y(i)+(z-x(i))/(x(i+1)-x(i))*y(i+1)

%l(i)=y(i)+(y(i+1)-y(i))/(x(i+1)-x(i))*(z-x(i))

end

%作图

fori=1:

n-1

a=[x(i):

0.01:

x(i+1)];

f=subs(l(i),z,a)

plot(a,f,'k')

holdon

end

结果与分析:

如下图所示,分段线性插值多项式比较接近原函数,没有出现Runge现象。

利用线性插值多项式的误差估计:

(4)用等距节点

绘出它的三次自然样条插值函数的图像。

Matlab程序如下:

clc;clear;

x=[-1:

0.1:

1];

n=length(x);

symsz;

fori=1:

n

y(i)=1/(1+25*x(i)*x(i));

end

fori=1:

n-1

h(i)=x(i+1)-x(i);

end

fori=1:

n-2

u(i)=h(i)/(h(i+1)+h(i));

r(i)=1-u(i);

end

G=zeros(n,n);

fori=1:

n

G(i,i)=2;

end

fori=2:

n-1

G(i,i-1)=u(i-1);

G(i,i+1)=r(i-1);

end

G(n,n-1)=1;

G(1,2)=1;

d=zeros(1,n);

fori=2:

n-1

d(i)=6*((y(i+1)-y(i))/h(i)-(y(i)-y(i-1))/h(i-1))/(h(i)+h(i-1));

end

symsuv;

u=diff(1/(1+25*v*v),v);

a=subs(u,v,x

(1));

b=subs(u,v,x(n));

d

(1)=((y

(2)-y

(1))/h

(1)-a)/h

(1)*6;

d(n)=(b-(y(n)-y(n-1))/h(n-1))/h(n-1)*6;

d=d';

M=inv(G)*d;

fori=1:

n-1

s(i)=M(i)*(x(i+1)-z)^3/0.6+M(i+1)*(z-x(i))^3/0.6+(y(i)-M(i)*0.01/6)*(x(i+1)-z)/0.1+(y(i+1)-M(i+1)*0.01/6)*(z-x(i))/0.1;

end

fori=1:

n-1

a=[x(i):

0.01:

x(i+1)];

f=subs(s(i),z,a);

plot(a,f,'xr')

holdon

end

结果与分析:

三次样条插值函数得到的图像如下:

可以看出,三次样条插值函数的曲线及其光滑。

得到的函数十分接近被插值函数。

 

题目2:

对函数:

在区间[-1,1]作下列插值逼近,并和被插值函数的图像进行比较,并对结果进行分析。

(1)用等距节点

绘出它的20次Newton插值多项式的图像。

(2)用节点

,绘出它的20次Lagrange插值多项式的图像。

(3)用等距节点

绘出它的分段线性插值函数的图像。

(4)用等距节点

绘出它的三次自然样条插值函数的图像。

程序及分析:

(1)用等距节点

绘出它的20次Newton插值多项式的图像。

Matlab程序如下:

clc;clear;

%计算均差

x=[-1:

0.1:

1];

n=length(x);

symsz;

y=zeros(1,n)

fori=1:

10

y(i)=sin(pi*x(i));

end

fori=11:

15

y(i)=cos(pi*x(i));

end

fori=15:

n

y(i)=0;

end

N=zeros(n,n);

N(:

1)=y';

forj=2:

n

fork=j:

n

N(k,j)=(N(k,j-1)-N(k-1,j-1))/(x(k)-x(k-j+1));

end

end

fort=1:

n

c(t)=N(t,t);

end

%构造插值多项式

f=N(1,1);

fork=2:

n

a=1;

forr=1:

(k-1)

a=a*(z-x(r));

end

f=f+N(k,k)*a;

end

%作图

v=linspace(-1,0,50);

u=sin(pi*v);

plot(v,u,'k')

holdon

v=linspace(0,0.5,25);

u=cos(pi*v);

plot(v,u,'k')

holdon

v=linspace(0.5,1,10000);

u=0;

plot(v,u,'k')

holdon

a=[-1:

0.001:

1];

fx=subs(f,z,a);

plot(a,fx,'r');

结果与分析:

等距节点20次Newton插值得到的函数图像如下:

可以看出,在整个区间上,插值多项式精度都不是很高。

出现了Runge现象。

(2)用节点

,绘出它的20次Lagrange插值多项式的图像。

Matlab程序如下:

clc;clear;

%求插值节点

fori=1:

21

x(i)=cos((2*(i-1)+1)*pi/42);

end

n=length(x);

y=zeros(1,n);

fori=1:

n

ifx(i)<0

y(i)=sin(pi*x(i));

elseifx(i)>0.5

y(i)=0;

else

y(i)=cos(pi*x(i));

end

end

%插值基函数

symsz;

temp=1;

fori=1:

n

lx=1;

forj=1:

n

ifi~=j

temp=(z-x(j))/(x(i)-x(j));

lx=lx*temp;

end

end

l(i)=lx;

end

%插值多项式

l=l';

L=y*l;

%作图

a=[-1:

0.01:

1];

fx=subs(L,z,a);

plot(a,fx,'xr');

结果与分析:

如下图所示,使用Chebyshev多项式零点构造的Lagrange插值多项式比Newton插值多项式接近原函数,没有出现Runge现象。

 

(3)用等距节点

绘出它的分段线性插值函数的图像。

Matlab程序如下:

clc;clear;

x=[-1:

0.1:

1];

n=length(x);

symsz;

fori=1:

10

y(i)=sin(pi*x(i));

end

fori=11:

15

y(i)=cos(pi*x(i));

end

fori=15:

n

y(i)=0;

end

%构造插值多项式

fori=1:

n-1

l(i)=(z-x(i+1))/(x(i)-x(i+1))*y(i)+(z-x(i))/(x(i+1)-x(i))*y(i+1);

%l(i)=y(i)+(y(i+1)-y(i))/(x(i+1)-x(i))*(z-x(i));

end

%作图

fori=1:

n-1

a=[x(i):

0.01:

x(i+1)];

f=subs(l(i),z,a);

plot(a,f,'xr')

holdon

end

结果与分析:

如下图所示,分段线性插值多项式比较接近原函数,没有出现Runge现象。

但是在间断点处及导数不存在的点误差较大。

主要是因为这些地方构造的线性函数斜率较大,不能较好的趋近原函数。

(4)用等距节点

绘出它的三次自然样条插值函数的图像。

Matlab程序如下:

clc;clear;

x=[-1:

0.1:

1];

n=length(x);

symsz

fori=1:

10

y(i)=sin(pi*x(i));

end

fori=11:

15

y(i)=cos(pi*x(i));

end

fori=15:

n

y(i)=0;

end

fori=1:

n-1

h(i)=x(i+1)-x(i);

end

fori=1:

n-2

u(i)=h(i)/(h(i+1)+h(i));

r(i)=1-u(i);

end

G=zeros(n,n);

fori=1:

n

G(i,i)=2;

end

fori=2:

n-1

G(i,i-1)=u(i-1);

G(i,i+1)=r(i-1);

end

G(n,n-1)=1;

G(1,2)=1;

d=zeros(1,n);

fori=2:

n-1

d(i)=6*((y(i+1)-y(i))/h(i)-(y(i)-y(i-1))/h(i-1))/(h(i)+h(i-1));

end

symsuv;

u=diff(sin(pi*v),v);

a=subs(u,v,x

(1));

b=0;

d

(1)=((y

(2)-y

(1))/h

(1)-a)/h

(1)*6;

d(n)=(b-(y(n)-y(n-1))/h(n-1))/h(n-1)*6;

d=d';

M=inv(G)*d;

fori=1:

n-1

s(i)=M(i)*(x(i+1)-z)^3/0.6+M(i+1)*(z-x(i))^3/0.6+(y(i)-M(i)*0.01/6)*(x(i+1)-z)/0.1+(y(i+1)-M(i+1)*0.01/6)*(z-x(i))/0.1;

end

fori=1:

n-1

a=[x(i):

0.01:

x(i+1)];

f=subs(s(i),z,a);

plot(a,f,'xr')

holdon

end

结果与分析:

三次样条插值函数得到的图像如下:

可以看出,三次样条插值函数在间断点处也有较大误差。

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 农林牧渔 > 林学

copyright@ 2008-2023 冰点文库 网站版权所有

经营许可证编号:鄂ICP备19020893号-2