《拉格朗日和牛顿插值法》 …

原文地址：《拉格朗日和牛顿插值法》  实验报告 作者：家俊

一、实验名称：  插值问题

 

二、实验目的：

     用拉格朗日插值和牛顿差值的方法，在已知函数在点x0,x1,…xn的函数值y0,y1,…yn的情况下，求插值节点x的函数值y，即求f(x)。并比较结果，说明为什么相等。

 

三、实验方法：

（1）拉格朗日插值

根据x0,x1,…xn；y0,y1,…yn构造插值多项式

将插值点x代入上式，就可得到函数f(x)在点x处的函数值的近似值。

（2）牛顿插值.

根据x0,x1,…xn；y0,y1,…yn构造插值多项式

Nn(x)=f(x0)+f(x0,x1)(x-x0)+…+f(x0,x1,…xn)(x-x0)(x-x1)…(x-xn-1)

牛顿差值公式中各项的系数就是函数f(x)的各阶均差（差商）f(x0)，f(x0,x1)，f(x0,x1,…xn)，因此，在构造牛顿差值公式时，常常先把均差列成一个表，此表称为均差表。

 

四．实验内容：   

从函数表

x	0.4	0.55	0.8	0.9	1
f(x)	0.41075	0.57815	0.88811	1.02652	1.17520

 

出发，计算f(0.5),f(0.7),f(0.85)的近似值。

五、实验程序：

5.1程序编译

5.1.1 拉格朗日插值法：

function f=agui_lagrange(x0,y0,x)

n=length(x0);  m=length(x);

format long

s=0.0;

for k=1:n

    p=1.0;

    for j=1:n

        if j~=k

            p=p*(x-x0(j))/(x0(k)-x0(j));

        end

    end

    s=p*y0(k)+s;

end

f=s;

end

 

5.1.2 牛顿插值法：

function f=agui_newton(x0,y0,x)

n=length(x0);  m=length(x);

format long

N=0.0; p=1.0;

for k=1:n

    p=p*(x-x0(k));

    T=0.0;

    for i=1:k

        q=1.0;

        for j=1:k

            if j~=i

                q=q*(x0(i)-x0(j));

            end

        end

        T=y0(i)/q + T;

    end 

    N=T*p/(x-x0(k))+N;

end

f=N;

end

 

 

5.2程序实现：

>> x0=[0.4 0.55 0.8 0.9 1]

 

x0 = 0.4000    0.5500    0.8000    0.9000    1.0000

 

>> y0=[0.41075  0.57815 0.88811 1.02656 1.17520 ]

 

y0 = 0.4108    0.5782    0.8881    1.0266    1.1752

 

//拉格朗日插值法求值

>> f=agui_lagrange(x0,y0,0.5)

 

f = 0.52110682539683

 

>> f=agui_lagrange(x0,y0,0.7)

 

f = 0.75855804761905

 

>> f=agui_lagrange(x0,y0,0.85)

 

f = 0.95614258928571

 

//牛顿插值法求值

>> f=agui_newton(x0,y0,0.5)

 

f = 0.52110682539683

 

>> f=agui_newton (x0,y0,0.7)

 

f = 0.75855804761905

 

>> f=agui_newton (x0,y0,0.85)

 

f = 0.95614258928571

 

 

六．实验结果

通过软件求解容易发现，两种算法求出的结果一样，即有：

     

 

七、结果分析

2、当插值多项式从n-1次增加到n次时，拉格朗日型插值必须重新计算所有的基本差值多项式；二对于牛顿插值，只需要表格再计算一个n阶均差，然后加上一项就可以了。这样大大减少了计算量，特别在计算结构复杂的多项式的时候，当然本实验中的数据组很少，计算机的计算速度快慢不明显而难以比较两种方法的优劣。