数值分析报告Lagrange差值和牛顿插值.docVIP

实验一 一、实验名称 Lagrange插值多项式和牛顿插值多项式 二、实验目的与要求： 实验目的：掌握Lagrange插值多项式和牛顿插值多项式的算法。 实验要求：1. 给出Lagrange插值和牛顿插值算法思路， 2. 用C语言实现算法，运行环境为Microsoft Visual C++， 3. 计算误差（这里只要求给出（-5,5）内101个点的误差）。 三、实验内容： 1. 对Lagrange插值多项式算法作编程练习和上机运算， 2. 对牛顿插值多项式算法作编程练习和上机运算， 3. 比较两种方法。 算法思路： 1. Lagrange算法是把多项式p写成如下形式： ， 其中称为Lagrange基函数。 计算Lagrange基函数的方法： fx=0.0; for(i=0;i=n;i++){ tmp=1.0; for(j=0;ji;j++) tmp=tmp*(x-x[j])/(x[i]-x[j]); for(j=i+1;jn;j++) tmp=tmp*(x-x[j])/(x[i]-x[j]); fx=fx+tmp*y[i]; } return(fx); 2. 牛顿算法是把多项式p写成如下形式： 其中是插值点，是待定系数。可以通过插值点和插值点处的函数值算出待定系数，方法如下： (1) (2) 将(1) - (2)并利用，得 算法： c[0]=y1[0]; for( k=1; k = N; k++) { d=x1[k]-x1[k-1]; u=c[k-1]; for( i =k-2 ; i = 0 ; i --) { u=u*(x1[k]-x1[i])+c[i]; d=d*(x1[k]-x1[i]); } c[k]=(y1[k]-u)/d; } 3. 这里，我们先编写两个函数px1和px2，分别用来计算插值节点取和Chebyshev point ，i=0,1,…，N时的Lagrange多项式函数或牛顿多项式函数，然后在main函数中，主要目的是计算误差|f(x) - p(x)|在（-5,5）内101个点处的最大值，其中当然要引用前面编写的两个函数px1和px2，最后将N=5,10,20,40时两种情况下的最大误差输出，并分析结果。 四、实验题目： 对函数，构造Lagrange插值多项式和牛顿插值多项式，插值节点取为，i=0,1,…，N和，i=0,1,…，N （Chebyshev point）， 并计算如下误差 对N=5,10,20,40比较以上两组节点的结果。 编写程序（程序见后面附录），输出结果如下： 1.Lagrange插值法结果： 可以看出： （1）对于该函数而言，N值越大，即插值点数越多，相对误差（大概地）越小，但是要求得严格的误差，应该取|f(x)-p(x)|在区间（-5,5）上的最大值。这里认为该区间上101个点足够密集，而且f(x)- p(x)在（-5,5）上是一致连续的，所以将其看作所求误差是合理的。 （2） Max Error of grid（1）总是小于Max Error of grid（2），而且Max Error of grid（1）迅速收敛到零，然而Max Error of grid（2）则很缓慢地向零靠拢，这说明该函数f（x）用（-5,5）上平均分布的N个点得到的Lagrange函数比用（-5,5）上N个Chebyshev point更靠近原函数f(x)。 2. 牛顿插值法得到的结果： 可以看出： （1）单独地观察这组数据，会得到和Lagrange插值法一样的结论，对于该函数而言，N值越大，即插值点数越多，相对误差（大概地）越小，Max Error of grid（1）总是小于Max Error of grid（2），且Max Error of grid（1）更迅速地收敛到零。 （2）和Lagrange插值法数据比较，我们会发现当取相同的插值点时，两种方法得到的误差结果是一样的。追究其原因知，这是多项式插值定理决定两组数据必定是相同的，多项式插值定理是这样阐述的，若是不同的实数，则对任意数值，存在唯一的次数至多是n次的多项式P（x），使得，所以两种方法算得的Lagrange多项式和牛顿多项式实质上是同一个函数P（x），故 当然是相同的了。 五、附录： 实验编程，运行环境为Microsoft Visual C++ A．Lagrange插值多项式法： #includestdio.h #includemath.h double px1(float w,int N) /*构造变量为w的Lagrange函数，