基于Matlab的插值问题(Lagrange插值法、三次插值多项式)

一、插值要求和目的

要求
1、 利用Lagrange插值公式 L n ( x ) = ∑ k = 0 n ( ∏ i = 0 , i ≠ k n x − x i x k − x i ) y k {L_n}(x) = \sum\limits_{k = 0}^n {\left( {\prod\limits_{i = 0,i \ne k}^n {\frac{{x - {x_i}}}{{{x_k} - {x_i}}}} } \right)} {y_k} Ln(x)=k=0n(i=0,i=knxkxixxi)yk 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;

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。

二、题目

对于给定的一元函数 y = f ( x ) y = f(x) y=f(x)的n+1个节点值 y j = f ( x j ) , j = 0 , 1 , ⋯   , n {y_j} = f({x_j}),j = 0,1, \cdots ,n yj=f(xj),j=0,1,,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:
题目(1)

x j {x_j} xj0.40.550.650.800.951.05
y j {y_j} yj0.410750.578150.696750.901.001.25382

求五次Lagrange多项式 L 5 ( x ) {{\rm{L}}_5}(x) L5(x),和分段三次插值多项式,计算 f ( 0.596 ) f(0.596) f(0.596), f ( 0.99 ) f(0.99) f(0.99)的值。
(提示:结果为 f ( 0.596 ) ≈ 0.625732 f(0.596) \approx 0.625732 f(0.596)0.625732, f ( 0.99 ) ≈ 1.05423 f(0.99) \approx 1.05423 f(0.99)1.05423

题目(2)

x j {x_j} xj1234567
y j {y_j} yj0.3680.1350.0500.0180.0070.0020.001

试构造Lagrange多项式 L 6 ( x ) {{\rm{L}}_6}(x) L6(x),计算的 f ( 1.8 ) f(1.8) f(1.8), f ( 6.15 ) f(6.15) f(6.15)值。(提示:结果为 f ( 1.8 ) ≈ 0.164762 f(1.8) \approx 0.164762 f(1.8)0.164762, f ( 6.15 ) ≈ 0.001266 f(6.15) \approx 0.001266 f(6.15)0.001266

三、求解与代码实现

题目(1)
五次拉格朗日: L 5 ( x ) = ∑ k = 0 5 ( ∏ i = 0 , i ≠ k 5 x − x i x k − x i ) y k {L_5}(x) = \sum\limits_{k = 0}^5 {\left( {\prod\limits_{i = 0,i \ne k}^5 {\frac{{x - {x_i}}}{{{x_k} - {x_i}}}} } \right)} {y_k} L5(x)=k=05(i=0,i=k5xkxixxi)yk
三次插值多项式: S ( x ) = y k − 1 + [ y k − y k − 1 h k − 1 − h k − 1 6 ( 2 m k − 1 + m k ) ] ( x − x k − 1 ) + m k − 1 2 ( x − x k − 1 ) 2 + m k − m k − 1 6 h k − 1 ( x − x k = 1 ) 2 S(x) = {y_{k - 1}} + [\frac{{{y_k} - {y_{k - 1}}}}{{{h_{k - 1}}}} - \frac{{{h_{k - 1}}}}{6}(2{m_{k - 1}} + {m_k})](x - {x_{k - 1}}) + \frac{{{m_{k - 1}}}}{2}{(x - {x_{k - 1}})^2} + \frac{{{m_k} - {m_{k - 1}}}}{{6{h_{k - 1}}}}{(x - {x_{k = 1}})^2} S(x)=yk1+[hk1ykyk16hk1(2mk1+mk)](xxk1)+2mk1(xxk1)2+6hk1mkmk1(xxk=1)2
其中: h k = x k + 1 − x k , m k = S ′ ′ ( x k ) {h_k} = {x_{k + 1}} - {x_k},{m_k} = S''({x_k}) hk=xk+1xk,mk=S′′(xk)

lagrange.m

function yh=lagrange(x,y,xh)

n = length(x);
m = length(xh);

x = x(:);
y = y(:);
xh = xh(:);

yh = zeros(m,1); 
c1 = ones(1,n-1);
c2 = ones(m,1);

for i=1:n
  xp = x([1:i-1 i+1:n]);
  yh = yh + y(i) * prod((xh*c1-c2*xp')./(c2*(x(i)*c1-xp')),2);
end

work1.m

x = [0.4, 0.55, 0.65, 0.8, 0.95, 1.05];
y = [0.41075, 0.57815, 0.69675, 0.90, 1.00, 1.25382];
xh = [0.596, 0.99];

lagrange(x, y, xh)

%
    MATLAB中的插值函数为interp1,其调用格式为:  yi= interp1(x,y,xi,'method')           
    其中x,y为插值点,yi为在被插值点xi处的插值结果;x,y为向量, 
    'method'表示采用的插值方法,MATLAB提供的插值方法有几种: 
    'nearest'是最邻近插值, 'linear'线性插值; 'spline'三次样条插值; 'pchip'立方插值.缺省时表示线性插值
    注意:所有的插值方法都要求x是单调的,并且xi不能够超过x的范围。
%}

interp1(x, y, xh, 'spline')

结果截图:


所以可得:
l a g r a n g e { f ( 0.596 ) = 0.6257 f ( 0.99 ) = 1.0542 {\bf{lagrange}}\left\{ \begin{array}{l} f(0.596) = 0.6257\\ f(0.99) = 1.0542 \end{array} \right. lagrange{f(0.596)=0.6257f(0.99)=1.0542
s p l i n e { f ( 0.596 ) = 0.6285 f ( 0.99 ) = 1.0677 {\bf{spline}}\left\{ \begin{array}{l} f(0.596) = 0.6285\\ f(0.99) = 1.0677 \end{array} \right. spline{f(0.596)=0.6285f(0.99)=1.0677

题目(2)

Work2.m

x = [1, 2, 3 ,4 ,5,6,7 ];
y = [0.368,0.135,0.050,0.018,0.007,0.002,	0.001 ];
xh = [1.8, 6.15];

lagrange(x, y, xh)

结果截图:
在这里插入图片描述
所以可得:

l a g r a n g e { f ( 1.8 ) = 0.1648 f ( 6.15 ) = 0.0013 {\bf{lagrange}}\left\{ \begin{array}{l} f(1.8) = 0.1648\\ f(6.15) = 0.0013 \end{array} \right. lagrange{f(1.8)=0.1648f(6.15)=0.0013

  • 5
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值