拉格朗日插值逼近.docVIP

数值方法 姓 名： 何 弦 学 号：200902114056 学科专业：数学师范2班 任课教师： 李 梦 成 绩： 2012年 6月 关于编程实现拉格朗日逼近 摘要：拉格朗日插值多项式是一种最常见的多项式插值法，也是一种最常用的逼近工具。的插值多项式，并通过几次插值逼近多项式的图像形象描述逼近情况。通过实例具体介绍用Matlab求拉格朗日插值的方法和过程，体现了编程实现的具体步骤。实现这一数学插值法计算的自动化，简化了人工计算过程。为生活中实际应用问题的解答与实现提供了一条数学算法的捷径。 关键词：插值法，拉格朗日多项式逼近，算法实现，Matlab 一 拉格朗日多项式插值 插值就是利用邻近点上已知函数值的加权平均来估计未知函数值。线性插值也叫两点插值，已知函数在给定互异点上的值为 其点—斜率公式可以写为：。 法国数学家约瑟夫·路易·拉格朗日注意到： 可以写成： 。 其中商式表示为:， 并称是基于节点的拉格朗日系数多项式， 即有，推广可得。 二 拉格朗日逼近 【定理】：若，是[a,b]上的N+1个节点，则中是可以用于逼近的多项式，即 。 当时，称为线性插值，拉格朗日多项式为： 当时，即为抛物插值，这也是一种常用的代数插值。根据给定函数在三个相异节点的函数值，构造次数不超过二次的多项式，为: 当插值点增加到个时，就可以通过个不同的已知点来构造一个次数为的代数多项式。拉格朗日多项式为： 三 拉格朗日插值算法实例 前面介绍了拉格朗日多项式插值逼近的基本原理，现在介绍实例，虑[0.0,1.2]上的函数的逼近，介绍Matlab算法及程序。 3.1算法分析： 由拉格朗日多项式逼近原理知：。 在用Matlab进行编程计算时，将该多项式写成矩阵形式。 例如： 可改写为如下形式： 类似的，所有的逼近多项式都可以改写为这种形式的矩阵乘法的形式。改写后的矩阵多项式将用于编程。 3.2计算步骤： （1）输入相应的节点x值。 （2）输入函数方程，即。 （3）应用拉格朗日函数，即[C,L]=lagran(X,Y)，得出C，L。 （4）用得到的多项式系数向量得出逼近多项式P1(x),P2(x),P3(x),P4(x). 3.3具体程序： function [C,L]=lagran(X,Y) w=length(X); n=w-1; L=zeros(w,w); for k=1:n+1 V=1; for j=1:n+1 if k~=j V=conv(V,poly(X(j)))/(X(k)-X(j)); end end L(k,:)=V; end C=Y*L; 3.4运算过程： （1）计算。 输入： X=[0.0,1.2]; Y=cos(X); [C,L]=lagran(X,Y); 输出：C = -0.5314 1.0000 可以得到：。 作出逼近图像如下： （2）计算。 输入; X=[0.0,0.6,1.2]; Y=cos(X); [C,L]=lagran(X,Y); 输出： C = -0.4004 -0.0508 1.0000 可以得到： （3）计算。 输入： X=[0.0,0.4,0.8,1.2]; Y=cos(X); [C,L]=lagran(X,Y); 输出： C = 0.0922 -0.5651 0.0139 1.0000 可以得到： 作出逼近图像如下： （4）计算。 输入： X=[0.0,0.3,0.6,0.9,1.2]; Y=cos(X); [C,L]=lagran(X,Y); 输出： C = 0.0339 0.0107 -0.5051 0.0008 1.0000 可以得到： 作出逼近图像如下： 由以上四次逼近图像可以看出，的图像与函数的图像在区间[0.0,1.2]上重合的很好。同时也可看到，四次插值逼近的过程中，逼近效果越来越好，也就是说误差越来越小。 四 小结与感想 拉格朗日插值法的公式结构整齐紧凑，在理论分析中十分方便，然而在计算中，当插值点增加或减少一个时，所对应的基本多项式就需要全部重新计算，于是整个公式都会变化，非常繁琐。这时可以用牛顿插值法来代替。此外，当插值点比较多的时候，拉格朗日插值多项式的次数可能会很高，因此具有数值不稳定的特点，也就是说尽管在已知的几个点取到给定的数值，但在附近却会和“实际上