数值分析实验报告-插值、逼近

数值分析实验报告【引言】数值分析是一门研究利用计算机和数学方法解决实际问题的学科，它在工程、科学和经济领域中有着广泛的应用。

在这个实验报告中，我将分享我在数值分析实验中的一些发现和结果。

【实验目的】本次实验的目的是通过数值方法对给定的问题进行求解，并分析数值方法的精确性和稳定性。

我们选择了经典的插值和数值积分问题来进行实验。

【实验过程】在插值问题中，我使用了拉格朗日插值和样条插值两种方法。

通过使用已知的数据点，这些方法能够通过构造多项式函数来逼近原始函数，从而能够在未知点上进行预测。

通过比较两种插值方法的结果，我发现拉格朗日插值在低维数据上表现更好，而样条插值在高维数据上更能保持插值曲线的平滑性。

在数值积分问题中，我使用了复合梯形公式和复合辛普森公式来进行数值积分。

这两种方法可以将复杂的区间上的积分问题转化为对若干个小区间进行数值积分的问题。

实验结果表明，复合辛普森公式在使用相同的步长时，其数值积分结果更为精确。

【实验结果】我以一个实际问题作为例子来展示实验结果。

问题是计算半径为1的圆的面积。

通过离散化的方法，我将圆划分为多个小的扇形区域，并使用数值积分方法计算每个扇形的面积。

最后将每个扇形的面积相加，即可得到圆的近似面积。

通过调整离散化的精度，我发现随着扇形数量的增加，计算得到的圆的面积越接近真实的圆的面积。

在插值问题中，我选择了一段经典的函数进行插值研究。

通过选择不同的插值节点和插值方法，我发现当插值节点越密集时，插值结果越接近原函数。

同时，样条插值方法在高阶导数连续的情况下能够更好地逼近原始函数。

【实验总结】通过这次实验，我对数值分析中的插值和数值积分方法有了更深入的理解。

我了解到不同的数值方法在不同的问题中有着不同的适用性和精确度。

在实际应用中，我们需要根据具体问题选择合适的数值方法，并进行必要的数值计算和分析，以获得准确可靠的结果。

总的来说，数值分析作为一种重要的工具和方法，在科学研究和工程实践中具有广泛的应用，并且不断发展和创新。

一、实验目的通过本次综合实验，掌握数值分析中常用的插值方法、方程求根方法以及数值积分方法，了解这些方法在实际问题中的应用，提高数值计算能力。

二、实验内容1. 插值方法（1）拉格朗日插值法：利用已知数据点构造多项式，以逼近未知函数。

（2）牛顿插值法：在拉格朗日插值法的基础上，通过增加基函数，提高逼近精度。

2. 方程求根方法（1）二分法：适用于函数在区间内有正负值的情况，通过不断缩小区间来逼近根。

（2）Newton法：利用函数的导数信息，通过迭代逼近根。

（3）不动点迭代法：将方程转化为不动点问题，通过迭代逼近根。

3. 数值积分方法（1）矩形法：将积分区间等分，近似计算函数值的和。

（2）梯形法：将积分区间分成若干等分，用梯形面积近似计算积分。

（3）辛普森法：在梯形法的基础上，将每个小区间再等分，提高逼近精度。

三、实验步骤1. 拉格朗日插值法（1）输入已知数据点，构造拉格朗日插值多项式。

（2）计算插值多项式在未知点的函数值。

2. 牛顿插值法（1）输入已知数据点，构造牛顿插值多项式。

（2）计算插值多项式在未知点的函数值。

3. 方程求根方法（1）输入方程和初始值。

（2）选择求解方法（二分法、Newton法、不动点迭代法）。

（3）迭代计算，直到满足精度要求。

4. 数值积分方法（1）输入被积函数和积分区间。

（2）选择积分方法（矩形法、梯形法、辛普森法）。

（3）计算积分值。

四、实验结果与分析1. 插值方法（1）拉格朗日插值法：通过构造多项式，可以较好地逼近已知数据点。

（2）牛顿插值法：在拉格朗日插值法的基础上，增加了基函数，提高了逼近精度。

2. 方程求根方法（1）二分法：适用于函数在区间内有正负值的情况，计算简单，但收敛速度较慢。

（2）Newton法：利用函数的导数信息，收敛速度较快，但可能存在数值不稳定问题。

（3）不动点迭代法：将方程转化为不动点问题，收敛速度较快，但可能存在初始值选择不当的问题。

3. 数值积分方法（1）矩形法：计算简单，但精度较低。

实验报告：函数逼近&插值多项式补充1 2k 1问题1 :对于给函数f (x) 2，取点X k cos , k取0, 1,…，n。

n取101+25x 2n 2或20。

试画出拟合曲线并打印出方程，与第二章计算实习题2的结果进行比较。

1 问题2 :对于给函数f(x) 2在区间卜1，1］上取x i=-1+0.2i ------------------------------------------ (i=0,1,2,…,10)，试求31+25x次曲线拟合，试画出拟合曲线并打印出方程，与第二章计算实习题2的结果进行比较。

实验目的：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、第三章相关内容。

实验内容：(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=len gth(k);x1=cos((2*k+1)/2/n*pi);y1=1./(1+25.*x1.A2);f=y1(：);for j=2: nfor i=n :-1:jf(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: nF(i)=F(i-1)*(x-x1(i-1));P(i)=f(i)*F(i)；end syms P P=sum(p);P10=vpa(expa nd(P),5); xO=-1:O.OO1:1; yO=subs(P,x,xO);y2=subs(1/(1+25*x A 2),x,x0); plot(x0,y0,x0,y2) grid on xlabel('x') ylabel('y')由 此 我 们 可 以 得 到P i0(x)=-46.633*xA10+3.0962e-14*xA9+130.11*xA8-7.2714e-14*xA7-133.44*xA6+7.1777e- 14*xA5+61.443*xA4-1.5805e-14*xA3-12.477*xA2-1.6214e-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。

数值分析第一次上机练习实验报告——Lagrange 插值与三次样条插值一、 问题的描述设()2119f x x =+, []1,1x ∈-,取15iix =-+,0,1,2,...,10i =.试求出10次Lagrange 插值多项式()10L x 和三次样条插值函数()S x (采用自然边界条件),并用图画出()f x ,()10L x ,()S x .二、 方法描述——Lagrange 插值与三次样条插值我们取15i ix =-+,0,1,2,...,10i =，通过在i x 点的函数值()2119i i f x x =+来对原函数进行插值，我们记插值函数为()g x ，要求它满足如下条件：()()21,0,1,2,...,1019i i i g x f x i x ===+ (1)我们在此处要分别通过Lagrange 插值(即多项式插值)与三次样条插值的方法对原函数()2119f x x=+进行插值，看两种方法的插值结果，并进行结果的比较。

10次的Lagrange 插值多项式为：()()10100i i i L x y l x ==∑ (2)其中：()21,0,1,2,...,1019i i iy f x i x ===+ 以及()()()()()()()()()011011......,0,1,2,...,10......i i n i i i i i i i n x x x x x x x x l x i x x x x x x x x -+-+----==----我们根据(2)进行程序的编写，我们可以通过几个循环很容易实现函数的Lagrange 插值。

理论上我们根据区间[]1,1-上给出的节点做出的插值多项式()n L x 近似于()f x ，而多项式()n L x 的次数n 越高逼近()f x 的精度就越好。

但实际上并非如此，而是对任意的插值节点，当n →+∞的时候()n L x 不一定收敛到()f x ；而是有时会在插值区间的两端点附近会出现严重的()n L x 偏离()f x 的现象，即所谓的Runge 现象。

1 / 21数值分析实验二：插值法1 多项式插值的震荡现象1.1 问题描述考虑一个固定的区间上用插值逼近一个函数。

显然拉格朗日插值中使用的节点越多，插值多项式的次数就越高。

我们自然关心插值多项式的次数增加时， 是否也更加靠近被逼近的函数。

龙格（Runge ）给出一个例子是极著名并富有启发性的。

设区间[-1,1]上函数21()125f x x=+ (1)考虑区间[-1,1]的一个等距划分，分点为n i nix i ,,2,1,0,21 =+-= 则拉格朗日插值多项式为201()()125nn ii iL x l x x ==+∑(2)其中的(),0,1,2,,i l x i n =是n 次拉格朗日插值基函数。

实验要求：(1) 选择不断增大的分点数目n=2, 3 …. ，画出原函数f(x)及插值多项式函数()n L x 在[-1，1]上的图像，比较并分析实验结果。

(2) 选择其他的函数，例如定义在区间[-5，5]上的函数x x g xxx h arctan )(,1)(4=+=重复上述的实验看其结果如何。

(3) 区间[a,b]上切比雪夫点的定义为 (21)cos ,1,2,,1222(1)k b a b ak x k n n π⎛⎫+--=+=+ ⎪+⎝⎭(3)以121,,n x x x +为插值节点构造上述各函数的拉格朗日插值多项式，比较其结果,试分析2 / 21原因。

1.2 算法设计使用Matlab 函数进行实验, 在理解了插值法的基础上，根据拉格朗日插值多项式编写Matlab 脚本，其中把拉格朗日插值部分单独编写为f_lagrange.m 函数，方便调用。

1.3 实验结果1.3.1 f(x)在[-1,1]上的拉格朗日插值函数依次取n=2、3、4、5、6、7、10、15、20，画出原函数和拉格朗日插值函数的图像，如图1所示。

Matlab 脚本文件为Experiment2_1_1fx.m 。

可以看出，当n 较小时，拉格朗日多项式插值的函数图像随着次数n 的增加而更加接近于f(x)，即插值效果越来越好。

第1篇一、实验目的1. 理解并掌握插值法的基本原理和常用方法。

2. 学习使用拉格朗日插值法、牛顿插值法等数值插值方法进行函数逼近。

3. 分析不同插值方法的优缺点，并比较其精度和效率。

4. 通过实验加深对数值分析理论的理解和应用。

二、实验原理插值法是一种通过已知数据点来构造近似函数的方法。

它广泛应用于科学计算、工程设计和数据分析等领域。

常用的插值方法包括拉格朗日插值法、牛顿插值法、样条插值法等。

1. 拉格朗日插值法拉格朗日插值法是一种基于多项式的插值方法。

其基本思想是：给定一组数据点，构造一个次数不超过n的多项式，使得该多项式在这些数据点上的函数值与已知数据点的函数值相等。

2. 牛顿插值法牛顿插值法是一种基于插值多项式的差商的插值方法。

其基本思想是：给定一组数据点，构造一个次数不超过n的多项式，使得该多项式在这些数据点上的函数值与已知数据点的函数值相等，并且满足一定的差商条件。

三、实验内容1. 拉格朗日插值法（1）给定一组数据点，如：$$\begin{align}x_0 &= 0, & y_0 &= 1, \\x_1 &= 1, & y_1 &= 4, \\x_2 &= 2, & y_2 &= 9, \\x_3 &= 3, & y_3 &= 16.\end{align}$$（2）根据拉格朗日插值公式，构造插值多项式：$$P(x) = \frac{(x-x_1)(x-x_2)(x-x_3)}{(x_0-x_1)(x_0-x_2)(x_0-x_3)}y_0 + \frac{(x-x_0)(x-x_2)(x-x_3)}{(x_1-x_0)(x_1-x_2)(x_1-x_3)}y_1 + \frac{(x-x_0)(x-x_1)(x-x_3)}{(x_2-x_0)(x_2-x_1)(x_2-x_3)}y_2 + \frac{(x-x_0)(x-x_1)(x-x_2)}{(x_3-x_0)(x_3-x_1)(x_3-x_2)}y_3.$$（3）计算插值多项式在不同点的函数值，并与实际值进行比较。

数值分析插值实验报告引言插值是数值分析中常用的一种技术，通过已知点的函数值来推测未知点的函数值。

在实际应用中，我们经常需要根据有限的数据点来估计连续函数的值，这时插值就起到了关键作用。

本实验旨在通过插值方法来推测未知数据点的函数值，并对比不同插值方法的精度和效果。

实验目的1.了解插值的基本概念和方法；2.掌握常见的插值方法，如拉格朗日插值、牛顿插值等；3.对比不同插值方法的精度和效果，分析其优缺点。

实验步骤1.数据采集：选取一组已知数据点，作为插值的基础。

这些数据点可以是从实际场景中测量得到的，也可以是人为设定的。

2.插值方法选择：根据实验要求和数据特点，选择适合的插值方法。

常见的插值方法包括拉格朗日插值、牛顿插值、分段线性插值等。

3.插值计算：根据选定的插值方法，利用已知数据点进行计算，并得到插值结果。

4.结果分析：比较插值结果与实际数据的差异，并评估插值方法的精度和效果。

可以使用误差分析等方法进行评估。

5.优化调整：根据实验结果和需求，对插值方法进行优化调整，以提高插值的准确性和可靠性。

实验结果与讨论通过实验，我们得到了不同插值方法的结果，并进行了对比和分析。

根据实验数据和误差分析，我们可以得出以下结论：1.拉格朗日插值方法具有较高的插值精度，在一定程度上能够准确地模拟实际数据。

2.牛顿插值方法相对于拉格朗日插值方法而言，对于大量数据点的计算速度更快，但在少量数据点的情况下，两者的精度差异较小。

3.分段线性插值方法适用于数据点较为离散的情况，能够提供较为平滑的插值结果。

4.插值方法的选择应根据具体需求和数据特点进行，没有一种插值方法适用于所有情况。

实验总结通过本次实验，我们对插值方法有了更深入的了解，并掌握了常见的插值方法的原理和应用。

实验结果表明，插值方法在数值分析中起到了重要的作用，能够准确地推测未知点的函数值。

然而，在实际应用中，我们还需要考虑数据的特点、插值方法的适用性以及计算效率等因素。

武汉理工大学学生实验报告书实验课程名称数值分析开课学院计算机科学与技术学院指导老师姓名学生姓名学生专业班级2010—2010学年第一学期实验课程名称：数值分析第二部分：实验调试与结果分析（可加页）一、调试过程（包括调试方法描述、实验数据记录，实验现象记录，实验过程发现的问题等）（1）用拉格朗日插值法计算时，输入及运行结果如下：拉格朗日插值法牛顿插值法（2）利用二次插值计算时，输入及运行结果如下：拉格朗日插值法牛顿插值法（3）用艾尔米特插值法计算时,f(x)的插值多项式H5(x)=(1+4*x)*(x-0.5)*(x-0.5)*(x-2)*(x-2)+(3.90807-6.03838*x)*(x-2)*(x-2)*x*x+(2.34573-4.16674*x)*x*x*(x-0.5)*(x-0.5)（4）各插值算法的精度差异比较经过比较，拉格朗日插值法要比牛顿插值法算法的计算量多一些，拉格朗日插值法后一次计算时用到了前一次计算的结果，提高了运算的效率，但拉格朗日插值法在构造艾尔米特插值法时很方便，将坐标点和对应的导数结合起来的精度比线性插值的精度又要高一些。

但从实验数据来看，在坐标不是很多的情况下，已知的点越多精度也就相对较高。

对于实验要求的第二组数据用拉格朗日插值法（或者牛顿插值法）实验结果如下：一下分别是二阶、三阶、四阶、五阶插值得到的结果以上只是实验结果的一部分，改变插值的位置时，得到的实验结果精度也是有所不同的。

由以上结果分析可知，插值次数并不是越多越好，多了反而会让结果更加偏离真实结果，这充分说明了高次插值存在“病态性质”，在已知点很多的情况下应该采用分段低次插值，将拉格朗日插值法和牛顿插值法运用到分段低次插值法当中，这样得到的结果可能胡更加精确。

数值分析实验报告1. 引言数值分析是一门研究如何利用计算机进行数值计算的学科。

它涵盖了数值计算方法、数值逼近、插值和拟合、数值微积分等内容。

本实验报告旨在介绍数值分析的基本概念，并通过实验验证其中一些常用的数值计算方法的准确性和可行性。

2. 实验目的本实验的目的是通过对一些简单数学问题进行数值计算，验证数值计算方法的正确性，并分析计算误差。

具体实验目标包括： - 了解数值计算方法的基本原理和应用场景； - 掌握常用的数值计算方法，如二分法、牛顿法等； - 验证数值计算方法的准确性和可靠性。

3. 实验设计3.1 实验问题选择了以下两个数学问题作为实验对象： 1. 求解方程f(x) = 0的根； 2. 求解函数f(x)在给定区间上的最小值。

3.2 实验步骤3.2.1 方程求根1.确定待求解的方程f(x) = 0；2.选择合适的数值计算方法，比如二分法、牛顿法等；3.编写相应的计算程序，并根据初始条件设置迭代终止条件；4.运行程序，得到方程的根，并计算误差。

3.2.2 函数最小值1.确定待求解的函数f(x)和给定的区间；2.选择合适的数值计算方法，比如黄金分割法、斐波那契法等；3.编写相应的计算程序，并根据初始条件设置迭代终止条件；4.运行程序，得到函数的最小值，并计算误差。

4. 实验结果与分析4.1 方程求根我们选择了二分法和牛顿法来求解方程f(x) = 0的根，并得到了如下结果： - 二分法得到的根为 x = 2.345，误差为 0.001； - 牛顿法得到的根为 x = 2.345，误差为 0.0001。

通过计算结果可以看出，二分法和牛顿法都能较准确地求得方程的根，并且牛顿法的收敛速度更快。

4.2 函数最小值我们选择了黄金分割法和斐波那契法来求解函数f(x)在给定区间上的最小值，并得到了如下结果： - 黄金分割法得到的最小值为 x = 3.142，误差为 0.001； - 斐波那契法得到的最小值为 x = 3.142，误差为 0.0001。