290415李亚韦实验四函数的插值与多项式近似计算.docx
《290415李亚韦实验四函数的插值与多项式近似计算.docx》由会员分享,可在线阅读,更多相关《290415李亚韦实验四函数的插值与多项式近似计算.docx(13页珍藏版)》请在冰豆网上搜索。
290415李亚韦实验四函数的插值与多项式近似计算
函数的插值与多项式近似计算
2904203015李亚韦
一、实验描述
我们在进行数据计算时,很多时候得到的数据并不是真真实实的那样精确,很多时候我们选择不同的方法,选择逼近的方式得到一个在误差范围内的一个较为准确的值,即可满足我们日常生活和科学研究的需要,所以函数的逼近在实际中占有很重要的地位,我们一般用到的方法有泰勒多项式逼近,牛顿多项式逼近,拉格朗日逼近,帕德逼近等,每种方法当然有不同的优势和劣势,不同的场合选择不同的方法。
泰勒多项式逼近:
将函数按照泰勒级数展开,
(1)
其中c为x和
中的某值。
当
满足误差要求时,我们就认为逼近函数与原函数相等。
牛顿多项式逼近:
牛顿多项式的递归关系如下
其中
如此关心递归下去得到更为近似的函数值。
拉格朗日逼近:
拉格朗日逼近多项式
其中
,当j=k时,
。
帕德逼近:
,
帕德逼近要求
及其导数在x=0,出连续。
设
通过以下关系可以求得前面各未知系数,
二、实验内容
利用泰勒多项式逼近,牛顿多项式逼近,拉格朗日逼近,帕德逼近求解
的逼近,在同一坐标系下画出原函数
和各种逼近的图像,并求出各种逼近的最大误差。
泰勒多项式逼近:
symsx%定义符号函数x
y=tan(x);
t9=taylor(y,10,0)%将函数
进行9阶泰勒展开
所得结果如下:
t9=(62*x^9)/2835+(17*x^7)/315+(2*x^5)/15+x^3/3+x
但对t9和y进行绘图时,程序如下:
symsx
y=tan(x);
t9=(62*x.^9)/2835+(17*x.^7)/315+(2*x.^5)/15+x.^3/3+x;
figure
(1),ezplot(t9,[-pi,pi])
holdon%保持前一句指令,以确保下面的画图指令所画图形在同一个图形中
ezplot(y,[-pi,pi])%图1画泰勒多项式逼近曲线图和原函数y=tan(x)图
en=tan(x)-t9;%求误差函数
figure
(2),ezplot(en,[-1,1])%图2画误差函数曲线图
拉格朗日多项式逼近:
symsx
t=linspace(-1,1,10);%在-1到1间平均生成10个数字,
%起始数位-1,第十位数为1
y1=tan(t);
l=zeros(10,10);
fork=1:
10
V=1;
fori=1:
10
ifk~=i
V=conv(V,poly(t(i)))/(t(k)-t(i));
end
end
l(k,:
)=V;
end
c=y1*l;%求解
时的系数
xj=[x^9,x^8,x^7,x^6,x^5,x^4,x^3,x^2,x,1]
c=c*xj';%求
函数
figure
(1),ezplot(c,[-pi,pi])
holdon
y=tan(x);
ezplot(y,[-pi,pi])%图1画拉格朗日多项式逼近曲线图和y=tan(x)图
en=y-c;%误差函数
figure
(2),ezplot(en,[-1,1])%图2画误差函数曲线图
牛顿插值多项式逼近:
symsx
t=-1:
2/9:
1;%将t在-1到1间分为10份
y=tan(t);
d=zeros(10,10);
d(:
1)=y';
forj=2:
10
fork=j:
10
d(k,j)=(d(k,j-1)-d(k-1,j-1))/(t(k)-t(k-j+1));
end
end
c=d(10,10);%计算牛顿差值系数
fork=9:
-1:
1
c=conv(c,poly(t(k)));
m=length(c);
c(m)=c(m)+d(k,k);
end%计算
时的系数
xj=[x^9,x^8,x^7,x^6,x^5,x^4,x^3,x^2,x,1];
c=c*xj';
figure
(1),ezplot(c,[-pi,pi])%图1画牛顿插值多项式逼近曲线图和y=tan(x)图
holdon
y=tan(x);
ezplot(y,[-pi,pi])
en=tan(x)-c;
figure
(2),ezplot(en,[-1,1])%图2画误差函数曲线图
帕德逼近:
symsx
r54=(945*x-105*x^3+x^5)/(945-420*x^2+15*x^4);%怕德逼近表达式
figure
(1),ezplot(r54,[-pi,pi])
holdon
y=tan(x);
ezplot(y,[-pi,pi])
en=y-r54;
figure
(2),ezplot(en,[-1,1])
三、实验结果与分析
泰勒多项式逼近:
泰勒多项式逼近和y=tan(x)所得图形图
(1),误差函数图形如图
(2)
图
(1)
其中红色线泰勒逼近的图线,蓝色线表示y=tan(x)的函数曲线
图
(2)
由图形知,泰勒多项式逼近的误差在
时,误差急剧增大,而在
时,误差曲线基本和y=0曲线重合,此时的误差极小。
拉格朗日多项式逼近:
拉格朗日多项式逼近图线如图(3)所示,图(4)表示误差函数曲线
图(3)
拉格朗日多项式逼近的曲线如红线所示,蓝线表示函数
的曲线
由曲线知,在|x|<0.5时,误差函数曲线较为平稳,在|x|>0.5左右误差函数曲线有较为明显的变化,表面此处误差开始急剧的变化。
牛顿多项式逼近:
牛顿多项式逼近图形如图(5)所示,图(6)表示误差函数曲线图
图(5)
图中红色曲线表示牛顿多项式逼近曲线,蓝色曲线表示函数y=tan(x)的曲线。
图(6)
由曲线知,在|x|<0.5时,误差函数曲线较为平稳,在|x|>0.5左右误差函数曲线有较为明显的变化,表面此处误差开始急剧的变化。
帕德逼近:
帕德逼近曲线图如图(7)所示,图(8)表示误差函数曲线图
图(7)
图中红色曲线表示函数y=tan(x)的曲线图,蓝色带*标记的曲线表示帕德逼近曲线图
图(8)
由图(7)和图(8)知,帕德逼近曲线图和原函数y=tan(x)的曲线图基本完全重合,表面帕德误差极为的小,而单从误差曲线来看和泰勒多项式逼近误差曲线相同,帕德逼近的误差在
时,误差急剧增大,而在
时,误差曲线基本和y=0曲线重合,此时的误差极小。
四、实验结论
由以上几种逼近曲线和原函数曲线比较知,各种方法的逼近结果大致一样,所得曲线大致相似,和原函数曲线误差不是很大,而其中,误差最小的就是帕德逼近,误差量级到了
,其误差已经小到可以忽略的级别,是最好的逼近方式,而其中较为差一些的逼近就是泰勒多项式逼近,其误差量级是
,误差较大。
而从以上四种逼近方式的误差曲线图来看,几种逼近有些共性就是在自变量到达一定值时,误差曲线就会急剧的变化,即误差开始急剧增大。