一、Lagrange插值法
对于 n + 1 n+1 n+1个样本点 ( x i , y i ) , i = 0 , 1 , 2 , … , n (x_i,y_i),i=0,1,2,\dots ,n (xi,yi),i=0,1,2,…,n
L
n
(
x
)
=
∑
i
=
0
n
y
i
I
i
(
x
)
L_n(x)=\sum_{i=0}^{n}y_iI_i(x)
Ln(x)=i=0∑nyiIi(x)
I
i
(
x
)
=
(
x
−
x
0
)
(
x
−
x
1
)
…
(
x
−
x
i
−
1
)
(
x
−
x
i
+
1
)
…
(
x
−
x
n
)
(
x
i
−
x
0
)
(
x
i
−
x
1
)
…
(
x
i
−
x
i
−
1
)
(
x
i
−
x
i
+
1
)
…
(
x
i
−
x
n
)
I_i(x)=\frac{(x-x_0)(x-x_1)\dots(x-x_{i-1})(x-x_{i+1})\dots(x-x_n)}{(x_i-x_0)(x_i-x_1)\dots(x_i-x_{i-1})(x_i-x_{i+1})\dots(x_i-x_n)}
Ii(x)=(xi−x0)(xi−x1)…(xi−xi−1)(xi−xi+1)…(xi−xn)(x−x0)(x−x1)…(x−xi−1)(x−xi+1)…(x−xn)
L n ( x ) L_n(x) Ln(x)为 f ( x ) f(x) f(x)的n次多项式插值的Lagrange公式,也称为Lagrange插值多项式
I i ( x ) = ω n ( x ) ( x − x i ) ω n ′ ( x i ) I_i(x)=\frac{\omega_n(x)}{(x-x_i)\omega_n'(x_i)} Ii(x)=(x−xi)ωn′(xi)ωn(x)
I
i
(
x
)
I_i(x)
Ii(x)称为n次多项式插值问题的基函数(Lagrange因子),其中
ω
n
(
x
)
=
∏
j
=
0
n
(
x
−
x
j
)
\omega_n(x)=\prod_{j=0}^{n}(x-x_j)
ωn(x)=j=0∏n(x−xj)
二、算法
♡
\heartsuit
♡ Lagrange插值法: [y] = Lag_interp_v1(x0,y0,x)
输入:
-
已知插值点的横坐标向量 x 0 x0 x0,
-
已知插值点的纵坐标向量 y 0 y0 y0,
-
所求点的横坐标向量 x x x,
输出:
- 所求点的近似值对应的向量 y y y.
实现步骤:
-
步骤 1 1 1: 输入x0,x
-
步骤 2 2 2: 计算每个 x x x对应的 Lagrange基函数 I i ( x ) I_i(x) Ii(x)
-
步骤 3 3 3: 输入y0
-
步骤 4 4 4: 结合 I i ( x ) I_i(x) Ii(x)与 y 0 y0 y0 计算每个x对应的 L n ( x ) Ln(x) Ln(x)
-
步骤 5 5 5: 输出对应的 L n Ln Ln
三、北太天元源程序
%Lagrange 插值公式
% x0:样本点横坐标所构成的行向量
% y0:样本点纵坐标所构成的行向量
% x :所求点的横坐标,所构成的行向量
% y :得到所求点纵坐标,构成行向量
% 函数使用时,需要在命令行中输入pwd或cd 进入函数所在的文件夹
function [y] = Lag_interp_v1(x0,y0,x)
n1 = length(x0); % n1表示样本点的个数
I = zeros(1,n1); % 预留出要用的空间
n2 = length(x); % n2表示所求点的个数
Ln = zeros(1,n2);
for j=1:1:n2 % 依次代入 自变量 x(j)
omega_x = x(j)-x0; % 数 - 矩阵 ,表示 [x(j) - x0(1),x(j)-x0(2),...,x(j)-x0(n1)]
for i = 1:1:n1 % 对于x(j)求对应的基函数 I(i)
w = x0(i) - x0; % 同样是 数 - 矩阵
% 这里使用 if 和 内置的 prod 函数代替了 for 循环
% prod 表示矩阵内所有元素的乘积
if i == 1
% omega_x(i+1:n1)表示向量的节选,第i+1个到第n1个元素
I(i) = prod(omega_x(i+1:n1))/prod(w(i+1:n1));
elseif i == n1
I(i) = prod(omega_x(1:i-1))/prod(w(1:i-1));
else
I(i) = prod(omega_x(1:i-1))/prod(w(1:i-1));
I(i) = I(i) * prod(omega_x(i+1:n1))/prod(w(i+1:n1));
end
end
%使用矩阵的乘积,行向量 × 列向量 得到一个值
Ln(j) = y0*I';
end
y = Ln;
end
将上述代码保存为Lag_interp_v1.m
文件。
四、数值算例
利用 f ( x ) = ln x f(x) = \ln x f(x)=lnx 的如下数据:
x | 0.4 | 0.5 | 0.6 | 0.7 |
---|---|---|---|---|
ln x \ln x lnx | -0.916291 | -0.693147 | -0.510826 | -0.357765 |
进行Lagrange插值:
- 计算 x = [ 0.412 , 0.511 , 0.666 ] x = [0.412, 0.511, 0.666] x=[0.412,0.511,0.666] 处的近似值
- 计算 x i = 0.3 + i h , h = 0.01 , i = 0 , 1 , 2 , … , 50 x_i = 0.3 + ih, h=0.01, i = 0, 1, 2, \dots, 50 xi=0.3+ih,h=0.01,i=0,1,2,…,50 处的近似值,并作图
调用函数 [y] = Lag_interp_v1(x0,y0,x)
,相应的实现代码为:
clc, clear all, format long;
x0 = linspace(0.4, 0.7, 4); % 输入样本点的横坐标
y0 = [-0.916291, -0.693147, -0.510826, -0.35765]; % 输入样本点的纵坐标
% 简单的算几个点
x1 = [0.412, 0.511, 0.666];
y1 = Lag_interp_v1(x0, y0, x1);
for i = 1:length(x1)
fprintf('f(%f) = %f \n', x1(i), y1(i));
end
% 利用很多的点来画图
x2 = linspace(0.3, 0.8, 51); % 共51个要求的点
% 利用写好的 Lag_interp_v1 函数计算要求点的纵坐标
y2 = Lag_interp_v1(x0, y0, x2);
delta = abs(y2 - log(x2));
%作图
figure(1); %画出第一个图像
plot(x2, y2, 'b');
figure(2);
plot(x2, y2, 'b');
hold on
plot(x2, log(x2), 'r'); % y = lnx 的图像
hold off
% Ln(x) 与 lnx 的 误差
figure(3); % 画出第二个图像
plot(x2, delta, 'g');
% 文字形式表示出来
for j = 1:51
fprintf('f(%f) = %f \n', x2(j), y2(j));
end
将上述代码保存为 LagTest.m
运行后得
f(0.412000) = -0.886972
f(0.511000) = -0.671305
f(0.666000) = -0.407185
f(0.300000) = -1.191936
f(0.310000) = -1.161676
f(0.320000) = -1.132046
f(0.330000) = -1.103035
f(0.340000) = -1.074630
此处省略
f(0.770000) = -0.261515
f(0.780000) = -0.248246
f(0.790000) = -0.235059
f(0.800000) = -0.221941
L n ( x ) Ln(x) Ln(x) 的图像如下
L
n
(
x
)
Ln(x)
Ln(x)与
ln
(
x
)
\ln(x)
ln(x)的图像如下
L
n
(
x
)
Ln(x)
Ln(x)与
ln
(
x
)
\ln(x)
ln(x)的误差如下