实验一 插值方法实验

《计算方法》实验报告

学院：信息学院

专业：计算机科学与技术

指导教师：

班级学号：

姓名：

计算机科学与工程系

实验一 插值方法

一. 实验目的

（1）熟悉数值插值方法的基本思想，解决某些实际插值问题，加深对数值插值方法

的理解。

（2）熟悉Matlab 编程环境，利用Matlab 实现具体的插值算法，并进行可视化显示。

二. 实验要求

用Matlab 软件实现Lagrange 插值、分段线性插值、三次Hermite 插值、Aitken 逐步插值算法，并用实例在计算机上计算和作图。

三. 实验内容

1. 实验题目

（1）已知概率积分dx e y x

x ?-=0

2

2

π

的数据表

构造适合该数据表的一次、二次和三次Lagrange 插值公式，输出公式及其图形，并计算x =0.472时的积分值。

（2）将区间[-5,5]分为10等份，求作2

11

)(x

x f +=

的分段线性插值函数，输出函数表达式及其图形，并计算x =3.3152时的函数值。

（3）仿照附录C 中“文件1.2 逐步插值”程序（Neville 算法，课本227页）编写相应的Aitken 逐步插值算法的程序，根据下表所给数据分别利用上述两种算法求正弦积分

?

∞-=x

dt t

t x f sin )(在x =0.462的值，并比较它们的结果。

（4）运行C 中“文件1.3 分段三次Hermite 插值”程序（课本228页），要求自行选择实验数据

2. 设计思想

（1）Lagrange 插值：

Lagrange 具有累加的嵌套结构，容易编制其计算程序。事实上，在逻辑上表现为二重循环，内循环（j 循环）累乘求得系数，然后再通过外循环（i 循环）累加得出插值结果y 。

（2）分段线性插值：

分段插值是将被插值函数逐步多项式化。分段插值的处理过程分两步，将区间分成几个子段，并在每个子段上构造插值多项式装配在一起，作为整个区间的插值函数。在分化的每个节点给出数据，连接相邻节点得一折线，该折线函数可以视作插值问题的解。

（3）Neville插值：

Neville插值的基本思想和Aitken插值一样，不同的是Neville插值每次选取的两个插值节点都是上一步相邻节点插值后得到的，而不是新的插值节点，这样得到的插值函数和原函数更加接近。

Atiken逐步插值：

Aitken插值是对三步插值转化为两步插值的重复，先将前两个插值点插值生成新的数据，然后与第三个插值点进行新的两点插值，不断重复这个插值过程，每一步增加一个新的节点，直到遍历所有节点为止，最终获得与原函数更加接近的插值函数。

（4）Hermite插值：

Hermite插值是Lagrange插值的综合与推广，，为了保证插值函数能更好地密合原来的函数，要求“过点”，即两者在节点上有相同的函数值，而且要求“相切”，即在节点上还具有相同的导数值。

3. 对应程序

（1）Lagrange插值

function [y0,N]=Lagrange_eval(X,Y,x0)

%X,Y是已知的差值点坐标点

%x0是插值点

%y0是Lagrange多项式在x0处的值

%N是Lagrange插值函数的权系数

m=length(X);

N=zeros(m,1);

y0=0;

for i=1:m

N(i)=1;

for j=1:m

if j~=i

N(i)=N(i)*(x0-X(j))/(X(i)-X(j));

end

end

y0=y0+Y(i)*N(i);

end

（2）分段插值

syms f x;

f=1/(1+x^2);

N=input('请输入插值节点数N=');

X=-5:10/N:5;

Y=zeros(1,length(X));

for i=1:(N+1)

Y(i)=eval(f);

end

M = -5:0.01:5;

y = zeros(1,length(M));

n=1;

for i=1:N

for x=-5:0.01:5

i f x=X(i)

y(n)=Y(i)*(x-X(i+1))/(X(i)-X(i+1))+Y(i+1)*(x-X(i))/(X(i+1)-X(i));

n=n+1;

end

e nd

end

ezplot(f,[-5,5])

hold on

x =-5:0.01:5;

plot(x,y,'r');

（3）Neville逐步插值

function y0=Neville_eval(X,Y,x0)

%X,Y是已知的插值点的坐标

%x0是插值点

%y0是多项式在x0处的值

m=length(X);

P=zeros(m,1);

P1=zeros(m,1);

P=Y;

for i=1:m

P1=P;

k=1;

for j=i+1:m

k=k+1;

P(j)=P1(j-1)+(P1(j)-P1(j-1))*(x0-X(k-1))/(X(j)-X(k-1));

end

if abs(P(m)-P(m-1))<10^-6;

y0=P(m);

return;

end

end

y0=P(m);

Atiken逐步插值

function y0=Aitken_eval(X,Y,x0)

%X,Y是已知的插值点的坐标

%x0是插值点

%y0是多项式在x0处的值

P=zeros(m,1);

P1=zeros(m,1);

P=Y;

for i=1:m

P1=P;

k=1;

for j=i+1:m

k=k+1;

P(j)=P1(j-1)+(P1(j)-P1(1))*(x0-X(k-1))/(X(j)-X(1));

end

if abs(P(m)-P(m-1))<10^-6;

y0=P(m);

return;

end

end

y0=P(m);

（4）Hermite插值

function y0=Hermite_interp(X,Y,DY,x0)

% X,Y是已知插值点向量序列

% DY是插值点处的导数值

% x0是插值点横坐标

% y0是待求的分段三次Hemite插值多项式在x0处的值

% N表示向量长度

N=length(X);

for i=1:N

if x0>=X(i)&x0<=X(i+1)

k=i;

break;

end

end

a1=x0-X(k+1);

a2=x0-X(k);

a3=X(k)-X(k+1);

y0=(a1/a3)^2*(1-2*a2/a3)*Y(k)+(-a2/a3)^2*(1+2*a1/a3)*Y(k+1)+(a1/a3)^2*a2*DY(k)+(-a2/a3)^2*a 1*DY(k+1);

4. 实验结果

列出相应的运行结果。如果要求可视化，则同时需要给出相应的图形。

（1）Lagrange插值

一次Lagrange插值：

运行结果：

>> X=[0.46,0.47];

>> Y=[0.4846555,0.4937452];

>> x0=0.472;

>> [y0,N]=Lagrange_eval(X,Y,x0)

y0 =

0.49556314000000

N =

-0.20000000000000

1.20000000000000

插值系数与作图：

>> x1=0;

>> [y1,N]=Lagrange_eval(X,Y,x1);

>> x2=1;

>> [y2,N]=Lagrange_eval(X,Y,x2);

>> k=(y2-y1)/(x2-x1)

k =

0.90897000000001

>> x=[x1,x2];

>> y=[y1,y2];

>> plot(x,y)

二次Lagrange插值

差值结果：

>> X=[0.46,0.47,0.48];

>> Y=[0.4846555,0.4937452,0.5027498]; >> x0=0.472;

>> [y0,N]=Lagrange_eval(X,Y,x0)

y0 =

0.49555292800000

N =

-0.08000000000000

0.96000000000000

0.12000000000000

插值系数与作图：

>> x1=0;

>> [y1,N]=Lagrange_eval(X,Y,x1);

>> x2=1;

>> [y2,N]=Lagrange_eval(X,Y,x2);

>> k=(y2-y1)/(x2-x1)

k =

0.87918499999967

>> x=[x1,x2];

>> y=[y1,y2];

>> plot(x,y)

三次Lagrange插值

差值结果：

>> X=[0.46,0.47,0.48,0.49];

>> Y=[0.4846555,0.4937452,0.5027498,0.5116683]；>> x0=0.472;

>> [y0,N]=Lagrange_1(X,Y,x0)

>> [y0,N]=Lagrange_eval(X,Y,x0)

y0 =

0.49555296000000

N =

-0.04800000000000

0.86400000000000

0.21600000000000

-0.03200000000000

插值系数与作图

>> x1=0;

>> [y1,N]=Lagrange_eval(X,Y,x1);

>> x2=1;

>> [y2,N]=Lagrange_eval(X,Y,x2);

>> k=(y2-y1)/(x2-x1)

k =

0.83708499999011

>> x=[x1,x2];

>> y=[y1,y2];

>> plot(x,y)

（2）分段差值

差值结果：

>> Y=interp1(x,y,3.3152,'spline')

Y =

0.08342312935731

作图：（原函数：蓝色，插值函数：红色）

>> fenduan_eval

请输入插值节点数N=6

（3）Neville逐步插值

>> X=[0.3,0.4,0.5,0.6,0.7];

>> Y=[0.29850,0.39646,0.49311,0.58813,0.68122];

>> x0=0.462;

>> y0=Neville_eval(X,Y,x0)

y0 =

0.45655811276280

Aitken逐步插值

>> X=[0.3,0.4,0.5,0.6,0.7];

>> Y=[0.29850,0.39646,0.49311,0.58813,0.68122];

>> x0=0.462;

>> y0=Aitken_eval(X,Y,x0)

y0 =

0.77480886915945

（4）分段三次Hermite插值

>> X=[0.3,0.4,0.5,0.6,0.7];

>> Y=log(X);

>> DY=1./X;

>> x0=0.462;

>> y0=Hermite_interp(X,Y,DY,x0)

y0 =

-0.7722

四.实验体会

通过本次课程设计，我初步掌握了MATLAB运用，了解了matlab的基本编程思想，学会了matlab的基本语法与常用操作命令，加深了对于Lagrange插值、分段线性插值、Neville逐步插值、Aitken逐步插值、Hermite插值的理解；培养了独立工作能力和创造力；更加精进了编程的能力；综合运用专业及基础知识，解决实际数学问题的能力；深入的了解和体会了计算方

法—算法设计及其matlab实现的基本原理与学习思路；在本次课程设计中，在老师的精心指导下，收益匪浅。同时对数学的研究有了更深入的认识，并对以往所掌握的数学及编程知识有了回顾及更深入的探索。

对于各种插值方法的精度分析也有了清晰的认识，并对各种插值算法有了深刻的的理解；Lagrange插值在高次插值时同原函数插值偏差大，拉格朗日插值模型简单，结构紧凑，是经典的插值法。但是由于拉格朗日的插值多项式和每个节点都有关，当改变节点个数时，需要重新计算。且当增大插值阶数时容易出现龙格现象。分段线性插值是将整个区间分成许多小段，运用低次插值，从而提高精度。分段线性插值算法简单，计算量小，但精度不高。Neville插值的基本思想和Aitken插值一样，不同的是Neville插值每次选取的两个插值节点都是上一步相邻节点插值后得到的，而不是新的插值节点，这样得到的插值函数和原函数更加接近。Aitken插值是对三步插值转化为两步插值的重复，先将前两个插值点插值生成新的数据，然后与第三个插值点进行新的两点插值，不断重复这个插值过程，每一步增加一个新的节点，直到遍历所有节点为止，最终获得与原函数更加接近的插值函数。Hermite插值是Lagrange插值的综合与推广，，为了保证插值函数能更好地密合原来的函数，要求“过点”，即两者在节点上有相同的函数值，而且要求“相切”，即在节点上还具有相同的导数值。这就保证了有较高的精度。

数值计算方法比较

有限差分方法(FDM:Finite Difference Method)是计算机数值模拟最早采用的方法，至今仍被广泛运用。该方法将求解域划分为差分网格，用有限个网格节点代替连续的求解域。有限差分法以Taylor级数展开等方法，把控制方程中的导数用网格节点上的函数值的差商代替进行离散，从而建立以网格节点上的值为未知数的代数方程组。有限差分法主要集中在依赖于时间的问题（双曲型和抛物型方程）。有限差分法方面的经典文献有Richtmeyer & Morton的《Difference Methods for Initial-Value Problems》；R. LeVeque《Finite Difference Method for Differential Equations》；《Numerical Methods for C onservation Laws》。 注：差分格式： （1）从格式的精度来划分，有一阶格式、二阶格式和高阶格式。 （2）从差分的空间形式来考虑，可分为中心格式和逆风格式。 （3）考虑时间因子的影响，差分格式还可以分为显格式、隐格式、显隐交替格式等。 目前常见的差分格式，主要是上述几种形式的组合，不同的组合构成不同的差分格式。差分方法主要适用于有结构网格，网格的步长一般根据实际地形的情况和柯朗稳定条件来决定。 构造差分的方法： 构造差分的方法有多种形式，目前主要采用的是泰勒级数展开方法。其基本的差分表达式主要有三种形式：一阶向前差分、一阶向后差分、一阶中心差分和二阶中心差分等，其中前两种格式为一阶计算精度，后两种格式为二阶计算精度。通过对时间和空间这几种不同差分格式的组合，可以组合成不同的差分计算格式。 有限差分法的不足：由于采用的是直交网格，因此较难适应区域形状的任意性，而且区分不出场函数在区域中的轻重缓急之差异，缺乏统一有效的处理自然边值条件和内边值条件的方法，难以构造高精度(指收敛阶)差分格式，除非允许差分方程联系更多的节点(这又进一步增加处理边值条件韵困难)。另外它还有编制不出通用程序的困难。 有限差分法的优点：该方法是一种直接将微分问题变为代数问题的近似数值解法，数学概念 直观，表达简单，精度可选而且在一个时间步内，对于一个给定点来说其相关的空间点只是 与该相邻的几点，而不是全部的空间点。是发展较早且比较成熟的数值方法 广义差分法（有限体积法）（GDM:Generalized Difference Method）：1953年，Mac—Neal 利用积分插值法(也称积分均衡法)建立了三角网格上的差分格 式，这就是以后通称的不规划网格上的差分法．这种方法的几何误差小，特别是给出了处理自然边值条件(及内边值条件)的有效方法，堪称差分法的一大进步。1978年，李荣华利用有限元空间和对偶单元上特征函数的推广——局部Taylor展式的公项，将积分插值法改写成广义Galerkin法形式，从而将不规则网格差分法推广为广义差分法.其基本思路是，将计算区域划分为一系列不重复的控制体积，并使每个网格点周围有

计算方法 课内实验 插值法与函数逼近

《计算方法》课内实验报告 学生姓名:张学阳1009300132 及学号： 学院: 理学院 班级: 数学101 课程名称：计算方法 实验题目:插值法与函数逼近 指导教师 宋云飞讲师 姓名及职称： 朱秀丽讲师 尚宝欣讲师 2012年10月15日

目录 一、实验题目.......................................................... 错误！未定义书签。 二、实验目的.......................................................... 错误！未定义书签。 三、实验内容.......................................................... 错误！未定义书签。 四、实现结果.......................................................... 错误！未定义书签。 五、实验体会或遇到问题 (6)

插值法与函数逼近 二、实验目的 1．熟悉matlab 编写及运行数值计算程序的方法。 2．进一步理解插值法及函数逼近方法的理论基础。 3．进一步掌握给定数据后应用插值法及函数逼近方法进行数据处理并给出图示结果的实际操作过程。 三、实验内容 1．已知函数在下列各点的值为 试用4次牛顿插值多项式)(4x P 及三次样条函数)(x S （自然边界条件）对数据进行插值。给出求解过程，并用图给出 (){},10,1,0),()(,08.02.0,,4 ===+=i x S y x P y i x y x i i i i i 及。 2．下列数据点的插值 可以得到平方根函数的近似。 （1）用这9个点作8次多项式插值)(8x L 。 （2）用三次样条（第一类边界条件）插值给出)(x S 。 给出求解过程，在区间[0,64]上作图，从得到的结果看，在区间[0,64]上哪种插值结果更精确？在区间[0,1]上两种插值哪个更精确？ 3．由实验给出数据表 试求3次、4次多项式的曲线拟合，再根据数据曲线形状，求一个另外函数的拟合曲线。给出求解过程，用图表示实验数据曲线及三种拟合曲线。

实验四插值法

实验四、插值法 插值法是函数逼近的一种重要方法，它是数值积分、微分方程数值解等数值计算的基础与工具，其中多项式插值是最常用和最基本的方法。拉格朗日插值多项式的优点是表达式简单明确，形式对称，便于记忆，它的缺点是如果想要增加插值节点，公式必须整个改变，这就增加了计算工作量。而牛顿插值多项式对此做了改进，当增加一个节点时只需在原牛顿插值多项式基础上增加一项，此时原有的项无需改变，从而达到节省计算次数、节约存储单元、应用较少节点达到应有精度的目的。 一、实验目的 1、理解插值的基本概念，掌握各种插值方法，包括拉格朗日插值和牛顿插值等，注意其不同特点； 2、通过实验进一步理解并掌握各种插值的基本算法。 二、Matlab命令和程序 命令poly：创建一个向量，其分量为一个多项式的系数，该多项式具有给定的根。 命令polyval:求多项式的值， 命令 conv: 创建一个向量，其分量为一个多项式的系数，该多项式是另外两个多项式的积 polyval(C,2> >> P=poly(2> P=1 -2

Q=poly(3> Q=1 -3 >> conv(P,Q> ans= 1 -5 6 >> polyval(P,2> ans= 1、拉格朗日插值( 基于N+1个点，计算拉格朗日多项式> function [C,L]=lagran(X,Y> %input --X is a vector that contains a list of abscissasb5E2RGbCAP % Y is a vector that contains a list of ordinatesp1EanqFDPw %output--C is a matrix that contains the coefficient of the lagraneDXDiTa9E3d % interplatory polynomial % -- L is a matrix that contains the Lagrange coefficent polynomialsRTCrpUDGiT w=length(X>。 n=w-1。

MATLAB数值实验一(数据的插值运算及其应用完整版)

佛山科学技术学院 实 验 报 告 课程名称 数值分析 实验项目 插值法与数据拟合 专业班级 机械工程 姓 名 余红杰 学 号 10 指导教师 陈剑 成 绩 日 期 月 日 一、实验目的 1、学会Lagrange 插值、牛顿插值和三次样条插值等基本插值方法； 2、讨论插值的Runge 现象 3、学会Matlab 提供的插值函数的使用方法，会用这些函数解决实际问题。 二、实验原理 1、拉格朗日插值多项式 2、牛顿插值多项式 3、三次样条插值 三、实验步骤 1、用MATLAB 编写独立的拉格朗日插值多项式函数 2、用MATLAB 编写独立的牛顿插值多项式函数 3、用MATLAB 编写独立的三次样条函数（边界条件为第一、二种情形） 4、已知函数在下列各点的值为： 根据步骤1,2,3编好的程序，试分别用4次拉格朗日多项式4()L x 、牛顿插值多项式4()P x 以及三次样条函数()S x (自然边界条件)对数据进行插值，并用图给出 ｛(,),0.20.08,0,1,2, ,10i i i x y x i i =+=｝，4()L x 、4()P x 和()S x 。 5、在区间[-1,1]上分别取10,20n =用两组等距节点对龙格函数 2 1 (),(11)125f x x x = -≤≤+作多项式插值，对不同n 值，分别画出插值函数及()f x 的图形。 6、下列数据点的插值

可以得到平方根函数的近似，在区间[0,64]上作图。 （1）用这9个点作8次多项式插值8()L x 。 （2）用三次样条（第一边界条件）程序求()S x 。 7、对于给函数2 1 ()125f x x = +在区间[-1,1]上取10.2(0,1, ,10)i x i i =-+=，试求3次 曲线拟合，试画出拟合曲线并打印出方程，与第5题的结果比较。 四、实验过程与结果： 1、Lagrange 插值多项式源代码： function ya=lag(x,y,xa) %x 所有已知插值点 %y 插值点对应函数值 %xa 所求点，自变量 %ya 所求点插值估计量 ya=0; mu=1; %初始化 %循环方式求L 系数，并求和： for i = 1:length(y) for j = 1:length(x) if i ~= j mu = mu * (xa - x(j) ) / ( x(i) - x(j) ); else continue end end ya = ya + y(i) * mu ; mu = 1; end 2、Newton 源代码： function ya = newton(x,y,xa) %x 所有已知插值点 %y 插值点对应函数值 %xa 所求点，自变量 %ya 所求点插值估计量 %建立系数零矩阵D 及初始化：

数值分析插值算法源程序

#include #include float f(float x) //计算ex的值 { return (exp(x)); } float g(float x) //计算根号x的值 { return (pow(x,0.5)); } void linerity () //线性插值 { float px,x; float x0,x1; printf("请输入x0，x1的值\n"); scanf("%f,%f",&x0,&x1); printf("请输入x的值: "); scanf("%f",&x); px=(x-x1)/(x0-x1)*f(x0)+(x-x0)/(x1-x0)*f(x1); printf("f(%f)=%f \n",x,px); } void second () //二次插值 { float x0,x1,x2,x,px; x0=0; x1=0.5; x2=2; printf("请输入x的值:"); scanf("%f",&x); px=((x-x1)*(x-x2))/((x0-x1)*(x0-x2))*f(x0)+((x-x0)*(x-x2))/((x1-x0)*(x1-x2))*f(x1)+((x-x0)* (x-x1))/((x2-x0)*(x2-x1))*f(x2);

printf("f(%f)=%f\n",x,px); } void Hermite () //Hermite插值 { int i,k,n=2; int flag1=0; printf("Hermite插值多项式H5(x)="); for(i=0;i<=n;i++) { int flag=0; flag1++; if(flag1==1) { printf("y%d[1-2(x-x%d)*(",i,i); } else { printf("+y%d[1-2(x-x%d)*(",i,i); } for(k=0;k<=n;k++) { if(k!=i) { flag++; if(flag==1) { printf("(1/x%d-x%d)",i,k); } else { printf("+(1/x%d-x%d)",i,k);

插值法实验报告

实验二插值法 1、实验目的： 1、掌握直接利用拉格郎日插值多项式计算函数在已知点的函数值；观察拉格郎日插值的龙格现象。 2、了解Hermite插值法、三次样条插值法原理，结合计算公式，确定函数值。 2、实验要求: 1)认真分析题目的条件和要求，复习相关的理论知识，选择适当的解决方案和算法； 2)编写上机实验程序，作好上机前的准备工作； 3)上机调试程序，并试算各种方案，记录计算的结果（包括必要的中间结果）； 4)分析和解释计算结果； 5)按照要求书写实验报告； 3、实验内容： 1) 用拉格郎日插值公式确定函数值；对函数f(x)进行拉格郎日插值，并对f(x)与插值多项式的曲线作比较。 已知函数表：（0.56160,0.82741）、（0.56280,0.82659）、（0.56401,0.82577）、（0.56521,0.82495）用三次拉格朗日插值多项式求x=0.5635时函数近似值。 2) 求满足插值条件的插值多项式及余项 1) 4、题目：插值法 5、原理： 拉格郎日插值原理： n次拉格朗日插值多项式为：L n (x)=y l (x)+y 1 l 1 (x)+y 2 l 2 (x)+…+y n l n (x)

n=1时，称为线性插值， L 1(x)=y (x-x 1 )/(x -x 1 )+y 1 (x-x )/(x 1 -x )=y +(y 1 -x )(x-x )/(x 1 -x ) n=2时，称为二次插值或抛物线插值， L 2(x)=y (x-x 1 )(x-x 2 )/(x -x 1 )/(x -x 2 )+y 1 (x-x )(x-x 2 )/(x 1 -x )/(x 1 -x 2 )+y 2 (x -x 0)(x-x 1 )/(x 2 -x )/(x 2 -x 1 ) n=i时， Li= （X-X0）……(X-X i-1)(x-x i+1) ……(x-x n) （X-X0）……(X-X i-1)(x-x i+1) ……(x-x n) 6、设计思想： 拉格朗日插值法是根据n + 1个点x0, x1, ... x n(x0 < x1 < ... x n)的函数值f (x0), f (x1) , ... , f (x n)推出n次多項式p(x)，然后n次多項式p (x)求出任意的点x对应的函数值f (x)的算法。 7、对应程序： 1 ) 三次拉格朗日插值多项式求x=0.5635时函数近似值 #include"stdio.h" #define n 5 void main() { int i,j; float x[n],y[n]; float x1; float a=1; float b=1; float lx=0; printf("\n请输入想要求解的X：\n x="); scanf("%f",&x1); printf("请输入所有点的横纵坐标：\n"); for(i=1;i

计算方法实验

算方法实验指导 姓名学号院系专业哈尔滨工业大学

计算方法实验指导 根据实际问题建立的数学模型，一般不能求出所谓的解析解，必须针对数学模型 的特点确定适当的计算方法，编制出计算机能够执行的计算程序，输入计算机，进行 调试，完成运算，如果计算结果存在问题或不知是否正确，还需要重新确定新的计算 方法，再编制出计算程序，输入计算机，重新调试，完成运算，直至获得正确的计算 结果，这就是数值计算的全部过程。 学生在学习“计算方法”和“高级语言”等课程时普遍存在的问题是：只会套用 教科书中的标准程序进行数值计算，很少有人能够独立地将学过的数值算法编制成计 算机程序，至于灵活应用已经掌握的算法求解综合性较大的课题，则更是困难的事情。 编写《计算方法实验指导》的目的是：突出数值计算程序结构化的思想。提高学 生的编程能力，加深对“计算方法”课程内容的理解和掌握，为”计算方法“课程的 教学服务，进一步奠定从事数值计算工作的基础。具体地 1. 根据“计算方法”课程内容的特点，给出五个典型算法的分析流程，学生可以 利用所掌握的 “高级语言”顺利地编制出计算机程序，上机实习，完成实验环节的教 学要求。 2. 所有的计算实习题目都经过任课教师逐一检验，准确无误。 3. 充分利用循环的思想、 迭代的思想， 给出算法结构描述和程序语言的对应关系， 有利于学生编 制相应的程序。 4. 结合实习题目，提出实验要求，要求学生按规范格式写出相应的实验报告，实 验报告成绩记入 期末总成绩。需要提醒学生：不能简单地套用现成的标准程序完成实 验题目，应当把重点放在对算法的理解、程序的优化设计、上机调试和计算结果分析 上，否则就失去实验课的目的啦。 5. 五个具体的实验题目是： 实验题目 实验题目 实验题目 实验题目 实验题目 要求必须完 成其中三个(如果全部完成更好) 。 1 拉格朗日 (Lagrange) 插值 2 龙贝格 (Romberg) 积分法 3 四阶龙格—库塔 (Runge — Kutta) 方法 4 牛顿 (Newton) 迭代法 5 高斯 (Gauss) 列主元消去法

数值分析(计算方法)实验一

《数值分析》 课程实验指导书 实验一 函数插值方法 一、问题提出 对于给定的一元函数)(x f y =的n+1个节点值(),0,1,,j j y f x j n == 。试用Lagrange 公式求其插值多项式或分段二次Lagrange 插值多项式。 数据如下： （1） j x 0.4 0.55 0.65 0.80 0.95 1.05 j y 0.41075 0.57815 0.69675 0.90 1.00 1.25382 求五次Lagrange 多项式5L ()x ，和分段三次插值多项式，计算(0.596)f ,(0.99)f 的值。（提示：结果为(0.596)0.625732f ≈, (0.99) 1.05423f ≈ ） （2） j x 1 2 3 4 5 6 7 j y 0.368 0.135 0.050 0.018 0.007 0.002 0.001 试构造Lagrange 多项式6L ()x ，计算的(1.8)f ,(6.15)f 值。（提示：结果为(1.8)0.164762f ≈, (6.15)0.001266f ≈ ） 二、要求 1、 利用Lagrange 插值公式 00,()n n i n k k i i k k i x x L x y x x ==≠??-= ?-??∑∏编写出插值多项式程序； 2、 给出插值多项式或分段三次插值多项式的表达式； 3、 根据节点选取原则，对问题（2）用三点插值或二点插值，其结果如何； 4、 对此插值问题用Newton 插值多项式其结果如何。

四、实验分析： Lagrange 插值多项式的表达式： 1,,2,1,)()()(, )()(1111+=--==∏∑+≠=+=n i x x x x x l x l y x L n i j j j i j i n i i i 。 其中)(x l i 被称为插值基函数，实际上是一个n 次多项式。)(x l i 的这种表示具有较好的对称性。公式具有两大优点：（1）求插值多项式，不需要求解线性方程组，当已知数据点较多时，此公式更能显示出优越性。（2）函数值可以用符号形式表示，数据点未确定的纵坐标可用多项式表示。 Newton 插值多项式如下： 10010,()()[,,]()k n n j k k j j k N x f x f x x x x -==≠=+?-∑∏ 其中： 00,0()()[,,]k i k i i j j j i k f x x x f x x ==≠-=∑∏ Newton 插值多项式的优点是：当每增加一个节点时，只增加一项多项式。 三、实验程序及注释 1、m 程序： function [c,l]=lagran(x,y) % x 为n 个节点的横坐标组成的向量，y 为纵坐标所组成的向量 % c 为所得插值函数的系数所组成的向量 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; function fi=Lagran_(x,f,xi) fi=zeros(size(xi)); n=length(f); for i=1:n

计算方法-插值方法实验

实验一插值方法 一. 实验目的 （1）熟悉数值插值方法的基本思想，解决某些实际插值问题，加深对数值插值方法 的理解。 （2）熟悉Matlab 编程环境，利用Matlab 实现具体的插值算法，并进行可视化显示。 二. 实验要求 用Matlab 软件实现Lagrange 插值、分段线性插值、三次Hermite 插值、Aitken 逐步插值算法，并用实例在计算机上计算和作图。 三. 实验内容 1. 实验题目 （1 ） 已 知概 率积 分dx e y x x ?-= 2 2 π 的数据表 构造适合该数据表的一次、二次和三次Lagrange 插值公式，输出公式及其图形，并计算x =0.472时的积分值。 答： ①一次插值公式： 输入下面内容就可以得到一次插值结果 >> X=[0.47,0.48];Y=[0.4937452,0.5027498]; >> x=0.472; >> (x-X(2))/(X(1)-X(2))*Y(1)+(x-X(1))/(X(2)-X(1))*Y(2) ans =0.495546120000000 >> ②两次插值公式为： 输入下面内容就可以得到两次插值结果 >> X=[0.46,0.47,0.48];Y=[0.4846555,0.4937452,0.5027498]; >> x=0.472; >>(x-X(2))*(x-X(3))/((X(1)-X(2))*(X(1)-X(3)))*Y(1)+(x-X(1))*(x-X(3))/((X(2)-X(1))*(X(2)-X(3)))*Y(2)+(x-X(2))*(x-X(1))/((X(3)-X(2))*(X(3)-X(1)))*Y(3) i 0 1 2 3 x 0.46 047 0.48 0.49 y 0.4846555 0.4937452 0.5027498 0.5116683

计算方法实验报告 插值

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

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

实验5 插值方法

实验5 插值方法 一、实验目的及意义 [1] 了解插值的基本原理 [2] 了解拉格朗日插值、线性插值、样条插值的基本思想； [3] 了解三种网格节点数据的插值方法的基本思想； [4] 掌握用MATLAB 计算三种一维插值和两种二维插值的方法； [5] 通过范例展现求解实际问题的初步建模过程； 通过自己动手作实验学习如何用插值方法解决实际问题，提高探索和解决问题的能力。通过撰写实验报告，促使自己提炼思想，按逻辑顺序进行整理，并以他人能领会的方式表达自己思想形成的过程和理由。提高写作、文字处理、排版等方面的能力。二、实验内 容 1．编写拉格朗日插值方法的函数M 文件；2．用三种插值方法对已知函数进行插值计算，通过数值和图形输出，比较它们的效果；3．针对实际问题，试建立数学模型，并求解。 三、实验步骤 1．开启软件平台——MATLAB ，开启MATLAB 编辑窗口； 2．根据各种数值解法步骤编写M 文件 3．保存文件并运行； 4．观察运行结果(数值或图形)； 5．写出实验报告，并浅谈学习心得体会。 四、实验要求与任务 根据实验内容和步骤，完成以下具体实验，要求写出实验报告（实验目的→问题→数学模型→算法与编程→计算结果→分析、检验和结论→心得体会） 基础实验 1. 一维插值 利用以下一些具体函数，考察分段线性插值、三次样条插值和拉格朗日多项式插值等三种插值方法的差异。 1） 2 11 x +，x ∈[-5,5]； 2）sin x , x ∈[0,2π]; 3）cos 10 x , x ∈[0,2π]． 注意：适当选取节点及插值点的个数；比较时可以采用插值点的函数值与真实函数值的 差异，或采用两个函数之间的某种距离。 2．高维插值 对于二维插值的几种方法：最邻近插值、分片线性插值、双线性插值、三次插值等，利用如下函数进行插值计算，观察其插值效果变化，得出什么结论？ 1) ())(sin ),(px t t x f -=ω，参数p =1/2000~1/200；采样步长为：t =4ms~4s ；

计算方法--插值法与拟合实验

实验三 插值法与拟合实验 一、实验目的 1. 通过本实验学会利用程序画出插值函数，并和原图形相比较 2. 通过本实验学会拟合函数图形的画法，并会求平方误差 二、实验题目 1. 插值效果的比较 实验题目：区间[]5,5-10等分，对下列函数分别计算插值节点k x 的值，进行不同类型的插值，作出插值函数的图形并与)(x f y =的图形进行比较： 2 11)(x x f +=； x x f arctan )(=； 4 41)(x x x f += （1） 做拉格朗日插值； （2） 做三次样条插值. 2. 拟合多项式实验 实验题目：给定数据点如下表所示： 分别对上述数据作三次多项式和五次多项式拟合，并求平方误差，作出离散函数),(i i y x 和拟合函数的图形. 三、实验原理 本实验应用了拉格朗日插值程序、三次样条插值程序、多项式拟合程序等实验原理. 四、实验内容 1（1） figure x=-5:0.2:5; y=1./(1+x.^2); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=1./(1+x1.^2); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25);

m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 1（2） x=-5:0.2:5; y=atan(x); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=atan(x1); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25); m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 1（3） x=-5:0.2:5; y=x.^2./(1+x.^4); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=x1.^2./(1+x1.^4); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25); m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 2. x=[-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5]'; y=[-4.45 -0.45 0.55 0.05 -0.44 0.54 4.55]'; plot(x,y,'or'); hold on %三次多项式拟合 p1=mafit(x,y,3);

实验四 Lagrange函数插值方法(新)

实验四 Lagrange函数插值方法 一、问题提出 对于给定的一元函数的n+1个节点值 。试用Lagrange公式求其插值多项式或分段二次Lagrange 插值多项式。 数据如下： 试构造Lagrange多项式L，计算和的值。 二、要求 1、利用Lagrange插值公式 编写出插值多项式程序； 2、给出插值多项式或分段三次插值多项式的表达式； 3、根据节点选取原则，对问题（2）用三点插值或二点插值，其结果如何； 4、对此插值问题用Newton插值多项式其结果如何。 三、目的和意义 1、学会常用的插值方法，求函数的近似表达式，以解决其它实际问题； 2、明确插值多项式和分段插值多项式各自的优缺点； 3、熟悉插值方法的程序编制； 4、如果绘出插值函数的曲线，观察其光滑性。 四、实验源代码 #include #define N 7 float x[] = {1,2,3,4,5,6,7}; float y[] = {0.368,0.135,0.050,0.018,0.007,0.002,0.001}; float p(float xx)

{ int i,k; _______________ for( i=0; i

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 ≥>≥= = -∏

数值计算方法复习题2

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

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

函数的插值方法及matlab程序

6.1 插值问题及其误差 6.1.2 与插值有关的MATLAB 函数 (一) POLY2SYM函数 调用格式一：poly2sym (C) 调用格式二：f1=poly2sym(C,'V') 或f2=poly2sym(C, sym ('V') ), (二) POLYVAL函数 调用格式：Y = polyval(P,X) (三) POLY函数 调用格式：Y = poly (V) (四) CONV函数 调用格式：C =conv (A, B) 例 6.1.2求三个一次多项式、和的积.它们的零点分别依次为0.4,0.8,1.2. 解我们可以用两种MATLAB程序求之. 方法1如输入MATLAB程序 >> X1=[0.4,0.8,1.2]; l1=poly(X1), L1=poly2sym (l1) 运行后输出结果为 l1 = 1.0000 - 2.4000 1.7600 -0.3840 L1 = x^3-12/5*x^2+44/25*x-48/125 方法2如输入MATLAB程序 >> P1=poly(0.4);P2=poly(0.8);P3=poly(1.2); C =conv (conv (P1, P2), P3) , L1=poly2sym (C) 运行后输出的结果与方法1相同. (五) DECONV 函数 调用格式：[Q,R] =deconv (B,A) (六) roots(poly(1:n))命令 调用格式：roots(poly(1:n)) (七) det(a*eye(size (A)) - A)命令 调用格式：b=det(a*ey e(size (A)) - A) 6.2 拉格朗日（Lagrange）插值及其MATLAB程序 6.2.1 线性插值及其MATLAB程序 例 6.2.1 已知函数在上具有二阶连续导数，，且满足条件 .求线性插值多项式和函数值，并估计其误差. 解输入程序 >> X=[1,3];Y=[1,2]; l01= poly(X(2))/( X(1)- X(2)), l11= poly(X(1))/( X(2)- X(1)), l0=poly2sym (l01),l1=poly2sym (l11), P = l01* Y(1)+ l11* Y(2), L=poly2sym (P),x=1.5; Y = polyval(P,x) 运行后输出基函数l0和l1及其插值多项式的系数向量P（略）、插值多项式L和插值Y为l0 = l1 = L = Y = -1/2*x+3/2 1/2*x-1/2 1/2*x+1/2 1.2500 输入程序 >> M=5;R1=M*abs((x-X(1))* (x-X(2)))/2