数值分析实验报告插值逼近Word下载.docx

1、通过编程实现牛顿插值方法和函数逼近，加深对多项式插值的理解。应用所编程序解决实际算例。实验要求：1认真分析问题，深刻理解相关理论知识并能熟练应用；2编写相关程序并进行实验；3调试程序，得到最终结果；4分析解释实验结果；5按照要求完成实验报告。实验原理：详见数值分析 第5版第二章、第三章相关容。实验容：（1）问题1：这里我们可以沿用实验报告一的代码，对其进行少量修改即可。当n=10时，代码为：clear allclck=0:10;n=length（k）;x1=cos（2*k+1）/2/n*pi）;y1=1./（1+25.*x1.2）;f=y1（:）;for j=2:n for i=n:-1:j

2、f（i）=（f（i）-f（i-1）/（x1（i）-x1（i-j+1）; endendsyms F x p;F（1）=1;p（1）=y1（1）;for i=2: F（i）=F（i-1）*（x-x1（i-1）; p（i）=f（i）*F（i）;syms PP=sum（p）;P10=vpa（expand（P）,5）;x0=-1:0.001:1;y0=subs（P,x,x0）;y2=subs（1/（1+25*x2）,x,x0）;plot（x0,y0,x0,y2）grid onxlabel（x）ylabel（y由此我们可以得到P10（x）=-46.633*x10+3.0962e-14*x9+130.11*

3、x8-7.2714e-14*x7-133.44*x6+7.1777e-14*x5+61.443*x4-1.5805e-14*x3-12.477*x2-1.6214e-16*x+1.0并可以得到牛顿插值多项式在-1，1上的图形，并和原函数进行对比，得Fig. 1。Fig.1 牛顿插值多项式（n=10）函数和原函数图形当n=20，将上述代码中的“k=0:”改为“k=0:20;”即可。由此我们可以得到P20（x）=6466.6*x20+8.0207e-13*x19-34208.0*x18-3.5038e-12*x17+77754.0*x16-99300.0*x14+3.7253e-9*x13+782

4、36.0*x12-39333.0*x10+12636.0*x8-4.6566e-10*x7-2537.3*x6+306.63*x4-21.762*x2+1.0并可以得到牛顿插值多项式在-1，1上的图形，并和原函数进行对比，得Fig. 2。Fig.2牛顿插值多项式（n=20）函数和原函数图形回顾一下实验一的结果（见Fig. 3），我们不难发现，仅仅是改变了x的取值，结果发生了很大的变化。实验一中，插值多项式与原函数产生了很大的偏差，并且随着分的段数的增加，其误差不断变大，但是在本次实验中，我们不难发现，虽然多项式依旧存在震荡现象，但是误差小了很多，而且随着分的段数的增加，插值多项式曲线与原函数曲

5、线已经十分接近了。Fig.3实验一结果这个例子说明：采用切比雪夫节点替代等距节点可以消除龙格现象。（2）问题2：分析问题，发现在这个问题中，我们已经知道了原函数，同时它也告诉我们所需取的11个点的值，所以这里可以用两种方法进行函数逼近得到拟合曲线。首先采用最小二乘法来考虑这个问题，编写代码如下（这里没有直接调用polyfit函数）：n=3;x1=-1:0.2:syms S G d a x;for i=1:n+1; for j=1: G（i,j）=sum（x1.（i+j-2）; d（i）=sum（x1.（i-1）.*y1）;a=G-1*d;n+1 X（i）=x（i-1）;S=vpa（X*a,5）

6、y0=subs（S,x,x0）;我们可以得到一个三次多项式：S3=1.1665e-16*x3 - 0.57518*x2 - 9.4553e-17*x + 0.48412。同时我们也可以得到它与原函数的图形，如图Fig. 4。Fig.4 最小二乘法n=3的结果我们发现得到的结果和原函数产生了巨大的误差。首先观察得到的多项式，我们发现它的3次项系数非常小，原因是原函数是一个偶函数，这将导致奇次项系数基本为0。这里我们调整n，对结果进行观察，取n=4，6，8，10，20。我们可以得到Fig.5-Fig.9。S4=1.4852*x4+1.3703e-16*x3-2.0604*x2-1.1769e-16

7、*x+0.65522S6=-4.633*x6+4.0789e-14*x5+8.4769*x4-5.28e-14*x3-4.5969*x2+1.3229e-14*x+0.78461S8=20.466*x8-3.8972e-12*x7-43.601*x6+6.9014e-12*x5+30.817*x4-3.4363e-12*x3-8.5318*x2+4.2796e-13*x+0.88802S10=-220.94*x10-5.1978e-9*x9+494.91*x8+1.0649e-8*x7-381.43*x6-6.9693e-9*x5+123.36*x4+1.6139e-9*x3-16.855*x

8、2-9.6021e-11*x+1.0S20=-318.82*x20+74.132*x19+43.205*x18-83.871*x17+91.867*x16+68.562*x15+29.364*x14-56.393*x13+260.42*x12-32.957*x11+79.822*x10+1.8279*x9-139.85*x8+49.564*x7-121.95*x6-23.918*x5+90.922*x4+3.1437*x3-15.933*x2-0.090653*x+1.0Fig.5 最小二乘法n=4的结果Fig.6 最小二乘法n=6的结果Fig.7 最小二乘法n=8的结果Fig.8 最小二乘法

9、n=10的结果Fig.9 最小二乘法n=20的结果不难发现，拟合结果并不理想，当n=8时与原函数较为接近，而当n取其他值时，都有着比较大的误差，说明采用最小二乘法考虑这个问题并不是一个十分好的方法，对yi进行适当变形可能可以得到更好的结果。同时，由于知道f（x），这道题我们也可以采用最佳平方逼近的方法，编写代码如下：syms S H a d x; d（i）=int（x（i-1）/（1+25*x2）,x,-1,1）; H（i,j）=int（x（i+j-2）,x,-1,1）;a=H-1*d由此我们可以得到一个三次多项式，（事实上这是一个二次多项式）：S3=0.50923-0.70366*x2，同时

10、我们也可以得到该多项式与原函数的图像，见Fig. 10。Fig.10 最佳平方逼近n=3的结果不然发现采用这种方法有着和最小二乘法相同的问题，同样我们这里也对n取不同的值进行观察，取n=4，6，8，10，20。我们可以得到Fig.11-Fig.15。S4=1.8689*x4-2.3055*x2+0.66942S6=-4.9969*x6+8.6828*x4-4.5768*x2+0.77758S8=13.392*x8-29.995*x6+23.105*x4-7.199*x2+0.85042S10=-35.931*x10+98.491*x8-100.08*x6+46.465*x4-9.8945*x2+0.89942S20=5023.5*x20-26343.0*x18+59469.0*x16-75642.0*x14+59603.0*x12-30157.0*x10+9844.2*x8-2038.8*x6+259.82*x4-19.945*x2+0.9862Fig.11 最佳平方逼近n=4的结果Fig.12 最佳平方逼近n=6的结果Fig.13 最佳平方逼近n=8的结果Fig.14 最佳平方逼近n=10的结果Fig.15 最佳平方逼近n=20的结果显然，当知道原函数的情况下，当n取较大值时，多项式结果可以很好的逼近原函数。实验感想：通过本次实验，我对插值函数和函数逼近有了更加清晰的认识。