数值分析Lagrange插值多项式.docxVIP

数值分析第一次程序作业P 孙琪【问题】对函数构造Lagrange插值多项式，插值点取为： 1. 2. 并计算如下误差：对N=5,10,20,40比较以上两组节点的结果。【Lagrange插值法】通过选取函数区间上的一系列插值点以及由这些插值点构造的Lagrange基函数：来构造Lagrange插值多项式：逼近函数可以看到：在插值点处，插值函数的值就是原函数的在该点的值。对区间上的所有点我们通过多项式插值误差定理来估计其误差：但Lagrange插值法没有承接性，可以进行改良。【Lagrange插值算法描述】对给定函数选取其区间上的一系列节点并计算其函数值，得到点列（）,…,()；通过上述点列构造Lagrange基函数并由该基函数构造出Lagrange插值函数；由多项式插值误差定理来估计其误差：但此题有自己的估计误差的要求，则我们依照题意估计误差。【实验】通过Mathematica编写程序得到如下结果：N=5：取得到：插值点为：由上述插值点构造出Lagrange插值函数：（3）由题目所给出的条件计算误差得到：插值函数与原函数的图像为：其中蓝色为原函数图像，红色为插值函数图像，可以看出在0点误差最大，与我们的计算结果相吻合。2.取得到：插值点为：由上述插值点构造出Lagrange插值函数：（3）由题目所给出的条件计算误差得到插值函数与原函数的图像为：其中蓝色为原函数图像，红色为插值函数图像，可以看出在0点误差最大，与我们的计算结果相吻合。【结果】同样的，我们可以得到该题目的结果：NMax Error of grid (1)Max Error of grid (2)50.4326923076920.555911338812101.915643050220.1089290398922058.27812510770.01532508854384078689000273859789933【分析】通过上面的结果，我们看到：当N逐渐增大时，第一类的插值点所得到的最大误差越来越大，而第二类插值点的最大误差越来越小。按照常理，当一个函数所给出的插值点越来越多时，所得到的插值函数应该越来越逼近原函数，为什么会产生插值点多了但最大误差越来越大呢？我们通过分析这两类插值点所得到的插值函数与原函数的图像可以看到：N=5:(1)第一类插值点所得插值函数与原函数图像：(2)第二类插值点所得插值函数与原函数图像：N=10(1)第一类插值点所得插值函数与原函数图像：(2)第二类插值点所得插值函数与原函数图像：N=20(1)第一类插值点所得插值函数与原函数图像：(2)第二类插值点所得插值函数与原函数图像：N=40(1)第一类插值点所得插值函数与原函数图像：(2)第二类插值点所得插值函数与原函数图像：这些图像表明：第一类插值点确实在点数变多后在中间区域插值函数越来越逼近原函数，而在区间端点附近则变的波动越来越大，从而最大误差变的越来越大，这说明我们所取的插值点在端点处逼近的不好。反观第二类插值点，虽然在点数较少时没有第一类插值点逼近的最大误差小，然而在点数增加后，插值函数与原函数几乎重合了，此时的最大误差已经很小了，说明这类点在整个区间逼近原函数达到了很好的效果。综上所述，同样的插值方法会由于不同的插值点的选取而产生很大的不同，因此想要较好的逼近一个函数，不仅与插值方法有关（事实上多项式的插值方法是唯一的，因此多项式插值这个不是重点），而且与插值点的选取有很大的关系。【Mathematica程序】f1[x_]:=1/(1+x^2);f2[x_]:=5-2x;M=5;For[i=0,i?M,i++,Print[x,i,=,f2[i]];Print[y,i,=,f1[f2[i]]]];fx=0;For[i=0,i?M,i++,tmp=1;For[j=0,ji,j++,tmp=tmp*(x-f2[j])/(f2[i]-f2[j])];For[j=i+1,j?M,j++,tmp=tmp*(x-f2[j])/(f2[i]-f2[j])];fx=fx+tmp*f1[f2[i]]];Print[Lagrange插值多项式为,fx];Show[Plot[fx,{x,-5,5},PlotStyle?Red],Plot[1/(1+x^2),{x,-5,5},PlotStyle?Blue],PlotRange?All]；f3[x_]:=((-3-x) (-1-x) (1-x) (3-x) (5-x))/99840+((-1-x) (1-x) (3-x) (5-x) (5+x))/7680+1/768 (1-x) (3-x) (5-x) (3+x) (5+x)+1/768 (3-x) (5-x) (1+x) (3+x) (5