数值分析第二次程序题.docx

数值分析第二次程序题——插值法1.对Runge函数在区间[-1,1]作下列插值逼近，并和R(x)的图像进行比较，并对结果进行分析。(1) 以为节点，Newton插值图1 [-0.7,0.7]上的Newton插值图2 [-1,1]上的Newton插值由上图可以看出，在区间[-0.7,0.7]上，插值多项式可以比较好地逼近被插值函数。而当区间改为[-1,1]时，边界附近插值多项式与被插值函数的差别很大。即出现了Runge现象。由于边界接近60的误差，图像中间部分的变化几乎不可见。主要原因是被插值函数的任意阶导数不能达到一致有界。其插值余项不趋近零。插值多项式不能收敛到被插值函数。牛顿差值函数function f=niudun(z,N,n)f=N(1,1);x=-1:0.1:1;for k=2:n a=1; for r=1:(k-1) a=a*(z-x(r)); end f=f+N(k,k)*a; end主程序x=-1:0.1:1;n=length(x);for i=1:ny(i)=1/(1+25*x(i)*x(i));endN=zeros(n,n); N(:,1)=y; for j=2:n for k=j:n N(k,j)=(N(k,j-1)-N(k-1,j-1))/(x(k)-x(k-j+1)); endendfor t=1:nc(t)=N(t,t);endz=-1:0.001:1;m=size(z,2);for i=1:mRunge(i)=1/(1+25*z(i)*z(i));f(i)=niudun(z(i),N,n);endplot(z,Runge,k,z,f,r)(2)以为节点，Lagrange插值图3 以Chebyshev多项式零点为插值点图4 以等距节点为插值点如图所示，使用Chebyshev多项式零点构造的Lagrange插值多项式比较接近原函数，没有出现Runge现象，图4为第一小问中的等距节点插值，可以明显的看出以Chebyshev多项式零点为插值点的优势。主要原因是其多项式误差为，在区间内一致收敛。Lagrange函数function lag=lagrange(z,x,y)for i=1:21l(i)=1;for j=1:21if j~=il(i)=l(i)*(z-x(j))/(x(i)-x(j)); endendendl=l;lag=y*l;主程序for i=1:21x(22-i)=cos((2*i-1)*pi/42);endfor i=1:21y(i)=1/(1+25*x(i)*x(i));endz=-1:0.001:1;m=length(z);for i=1:mf(i)=1/(1+25*z(i)*z(i));lag(i)=lagrange(z(i),x,y);endplot(z,f,k,z,lag,r)(3)以为节点，分段线性插值如下图所示，分段线性插值多项式比较接近原函数，没有出现Runge现象。但是可以明显地看到在区间[-0.1,0.1]中，线性插值的拟合度较低，因为这一部分的函数的曲率较大，也就是二阶导数较大。由误差估计公式可知这一部分的误差较大。图5线性插值(4)以为节点，三次自然样条插值图6 三次自然样条插值函数图像由上图可以看出，三次样条插值函数的曲线及其光滑，图中并没有将插值函数连起来，否则基本无法分辨出原函数和插值函数的图像，说明得到的函数十分接近被插值函数。另外，题目要求自然样条插值，也就是再两端的二阶导数为0，需在变成过程中加以注意。x=-1:0.1:1;n=length(x);for i=1:ny(i)=1/(1+25*x(i)*x(i));endfor i=1:n-1h(i)=x(i+1)-x(i);endfor i=1:n-2u(i)=h(i)/(h(i+1)+h(i));r(i)=1-u(i);endG=zeros(n-2,n-2);for i=1:n-2G(i,i)=2;endfor i=2:n-2G(i,i-1)=u(i-1);G(i,i+1)=r(i-1);endd=zeros(1,n-2);for i=1:n-2 d(i)=6*((y(i+2)-y(i+1))/h(i+1)-(y(i+1)-y(i))/h(i))/(h(i+1)+h(i));endd=d;M=G\d;M=[0;M;0];for i=1:n-1 z=[x(i):0.01:x(i+1)]; m=length(z);for j=1:m s(j)=M(i)*(x(i+1)-z(j))^3/0.6+M(i+1)*(z(j)-x(i))^3/0.6+(y(i)-M(i)*0.01/6)*(x(i+1)-z(j))/0.