数值分析(一) 牛顿插值法及matlab代码

数值分析(一) 牛顿插值法及matlab代码目录数学:数值分析一、牛顿插值法原理1.牛顿插值多项式2.差商2.1定义2.2性质2.3差商表3.牛顿(Newton)插值公式二、牛顿插值公式matlab代码1.matlab实时在线脚本2.牛顿插值代码3.实例三、总结数学:数值分析  刚上完数值分析课在其中学习了不少的知识,课后还做了一些课程实验主要都是利用matlab编程来解决问题,接下先讲插值法中的牛顿插值法一、牛顿插值法原理1.牛顿插值多项式  定义牛顿插值多项式为:Nn(x)=a0+a1(x−x0)+a2(x−x0)(x−

大家好,又见面了,我是你们的朋友全栈君。

数学: 数值分析

  刚上完数值分析课在其中学习了不少的知识,课后还做了一些课程实验主要都是利用matlab编程来解决问题,接下先讲插值法中的牛顿插值法

一、牛顿插值法原理

1.牛顿插值多项式

  定义牛顿插值多项式为:
N n ( x ) = a 0 + a 1 ( x − x 0 ) + a 2 ( x − x 0 ) ( x − x 1 ) + ⋯ + a n ( x − x 0 ) ( x − x 1 ) ⋯ ( x − x n − 1 ) N_n\left(x\right)=a_0+a_1\left(x-x_0\right)+a_2\left(x-x_0\right)\left(x-x_1\right)+\cdots+a_n\left(x-x_0\right)\left(x-x_1\right)\cdots\left(x-x_{n-1}\right) Nn(x)=a0+a1(xx0)+a2(xx0)(xx1)++an(xx0)(xx1)(xxn1)  其中 a k ( k = 0 , 1 , 2 , ⋯   , n ) a_k\left(k=0,1,2,\cdots,n\right) ak(k=0,1,2,,n)为待定系数

  可见,牛顿插值多项式 N ( x ) N\left(x\right) N(x)是插值多项式 P ( x ) P\left(x\right) P(x)的另一种表示形式, 与Lagrange多项式相比它不仅克服了“增加一个节点时整个计算工作重新开始”的缺点, 且可以节省乘除法运算次数, 同时在Newton插值多项式中用到差分与差商等概念,又与数值计算的其他方面有密切的关系.

2.差商

2.1 定义

  自变量之差与因变量之差之比叫差商
  定义: 函数 y = f ( x ) y=f\left(x\right) y=f(x)在区间 [ x i , x i + 1 ] \left[x_i,x_{i+1}\right] [xi,xi+1]上的平均变化率 f [ x i , x i + 1 ] = f ( x i + 1 ) − f ( x i ) x i + 1 − x i f\left[x_i,x_{i+1}\right]=\frac{f\left(x_{i+1}\right)-f\left(x_i\right)}{x_{i+1}-x_i} f[xi,xi+1]=xi+1xif(xi+1)f(xi)  称为 f ( x ) f\left(x\right) f(x)关于 x i , x i + 1 x_i,x_{i+1} xi,xi+1一阶差商,并记为 f [ x i , x i + 1 ] f\left[x_i,x_{i+1}\right] f[xi,xi+1]
  二阶差商: f [ x i , x i + 1 , x i + 2 ] = f [ x i + 1 , x i + 2 ] − f [ x i , x i + 1 ] x i + 2 − x i f\left[x_i,x_{i+1},x_{i+2}\right]=\frac{f\left[x_{i+1},x_{i+2}\right]-f\left[x_i,x_{i+1}\right]}{x_{i+2}-x_i} f[xi,xi+1,xi+2]=xi+2xif[xi+1,xi+2]f[xi,xi+1]  m阶差商: f [ x 0 , x 1 , ⋯   , x m ] = f [ x 1 , x 2 , ⋯   , x m ] − f [ x 0 , x 1 , ⋯   , x m − 1 ] x m − x 0 f\left[x_0,x_1,\cdots,x_m\right]=\frac{f\left[x_1,x_2,\cdots,x_m\right]-f\left[x_0,x_1,\cdots,x_{m-1}\right]}{x_m-x_0} f[x0,x1,,xm]=xmx0f[x1,x2,,xm]f[x0,x1,,xm1]

2.2 性质

  性质1:函数 f ( x ) f\left(x\right) f(x)的 n 阶差商 f [ x 0 , x 1 , ⋯   , x n ] f\left[x_0,x_1,\cdots,x_n\right] f[x0,x1,,xn]可由函数值 f ( x 0 ) , f ( x 1 ) , ⋯   , f ( x n ) f\left(x_0\right),f\left(x_1\right),\cdots,f\left(x_n\right) f(x0),f(x1),,f(xn) 的线性组合表示, 且 f [ x 0 , x 1 , ⋯   , x n ] = ∑ k = 0 n f ( x k ) ω ′ ( x k ) = ∑ k = 0 n f ( x k ) ( x k − x 0 ) ( x k − x 1 ) ⋯ ( x k − x k − 1 ) ( x − x k + 1 ) ⋯ ( x k − x n ) f\left[x_0,x_1,\cdots,x_n\right]=\sum_{k=0}^n\frac{f\left(x_k\right)}{\omega’\left(x_k\right)}\\=\sum_{k=0}^n\frac{f\left(x_k\right)}{\left(x_k-x_0\right)\left(x_k-x_1\right)\cdots\left(x_k-x_{k-1}\right)\left(x-x_{k+1}\right)\cdots\left(x_k-x_n\right)} f[x0,x1,,xn]=k=0nω(xk)f(xk)=k=0n(xkx0)(xkx1)(xkxk1)(xxk+1)(xkxn)f(xk)其中 ω ′ ( x k ) = ∏ i = 0 , i ≠ k n ( x k − x i ) \omega’\left(x_k\right)=\prod_{i=0,i\neq k}^n\left(x_k-x_i\right) ω(xk)=i=0,i=kn(xkxi)
  性质2:差商具有对称性,即在k阶差商中 f [ x 0 , x 1 , ⋯   , x n ] f\left[x_0,x_1,\cdots,x_n\right] f[x0,x1,,xn]任意交换两个节点 x i x_i xi x j x_j xj的次序,其值不变。
  例如: f [ x 0 , x 1 , x 2 ] = f [ x 1 , x 2 , x 0 ] = f [ x 0 , x 2 , x 1 ] = ⋯ f\left[x_0,x_1,x_2\right]=f\left[x_1,x_2,x_0\right]=f\left[x_0,x_2,x_1\right]=\cdots f[x0,x1,x2]=f[x1,x2,x0]=f[x0,x2,x1]=  性质3:k阶差商 f [ x 0 , x 1 , ⋯   , x k ] f\left[x_0,x_1,\cdots,x_k\right] f[x0,x1,,xk]和k阶导数之间有下列关系 f [ x 0 , x 1 , ⋯   , x k ] = f ( k ) ( ξ ) k !                ξ ∈ ( m i n 0 ≤ i ≤ n x i , m a x 0 ≤ i ≤ n x i ) f\left[x_0,x_1,\cdots,x_k\right]=\frac{f^{\left(k\right)}\left(\xi\right)}{k!}\;\;\;\;\;\;\;\xi\in\left(\underset{0\leq i\leq n}{min}x_i,\underset{0\leq i\leq n}{max}x_i\right) f[x0,x1,,xk]=k!f(k)(ξ)ξ(0inminxi,0inmaxxi)

2.3 差商表

x i x_i xi f [ x i ] f\left[x_i\right] f[xi] f [ x i , x i + 1 ] f\left[x_i,x_{i+1}\right] f[xi,xi+1] f [ x i , x i + 1 , x i + 2 ] f\left[x_i,x_{i+1},x_{i+2}\right] f[xi,xi+1,xi+2] f [ x i , x i + 1 , x i + 2 , x i + 3 ] f\left[x_i,x_{i+1},x_{i+2},x_{i+3}\right] f[xi,xi+1,xi+2,xi+3] ⋯ \cdots
x 0 x_0 x0 f ( x 0 ) f\left(x_0\right) f(x0)
x 1 x_1 x1 f ( x 1 ) f\left(x_1\right) f(x1) f [ x 0 , x 1 ] f\left[x_0,x_1\right] f[x0,x1]
x 2 x_2 x2 f ( x 2 ) f\left(x_2\right) f(x2) f [ x 1 , x 2 ] f\left[x_1,x_2\right] f[x1,x2] f [ x 0 , x 1 , x 2 ] f\left[x_0,x_1,x_2\right] f[x0,x1,x2]
x 3 x_3 x3 f ( x 3 ) f\left(x_3\right) f(x3) f [ x 2 , x 3 ] f\left[x_2,x_3\right] f[x2,x3] f [ x 1 , x 2 , x 3 ] f\left[x_1,x_2,x_3\right] f[x1,x2,x3] f [ x 0 , x 1 , x 2 , x 3 ] f\left[x_0,x_1,x_2,x_3\right] f[x0,x1,x2,x3]
⋯ \cdots ⋯ \cdots ⋯ \cdots ⋯ \cdots ⋯ \cdots ⋯ \cdots

3.牛顿(Newton)插值公式

  由之前牛顿插值多项式和差商可推出牛顿插值公式其中系数 a 0 = f ( x 0 ) a_0=f\left(x_0\right) a0=f(x0) a 1 = f [ x 0 , x 1 ] a_1=f\left[x_0,x_1\right] a1=f[x0,x1] a 2 = f [ x 0 , x 1 , x 2 ] a_2=f\left[x_0,x_1,x_2\right] a2=f[x0,x1,x2]  其中一般式: a k = f [ x 0 , x 1 , ⋯   , x k ]            ( k = 0 , 1 , ⋯   , n ) a_k=f\left[x_0,x_1,\cdots,x_k\right]\;\;\;\;\;\left(k=0,1,\cdots,n\right) ak=f[x0,x1,,xk](k=0,1,,n)  将求得系数代入多项式中即可得到n次牛顿插值公式 N n ( x ) = f ( x 0 ) + f [ x 0 , x 1 ] ( x − x 0 ) + ⋯ + f [ x 0 , x 1 , ⋯   , x n ] ( x − x 0 ) ( x − x 1 ) ⋯ ( x − x n ) N_n\left(x\right)=f\left(x_0\right)+f\left[x_0,x_1\right]\left(x-x_0\right)+\cdots+f\left[x_0,x_1,\cdots,x_n\right]\left(x-x_0\right)\left(x-x_1\right)\cdots\left(x-x_n\right) Nn(x)=f(x0)+f[x0,x1](xx0)++f[x0,x1,,xn](xx0)(xx1)(xxn)  其余项 R n ( x ) = f [ x 0 , x 1 , ⋯   , x n , x ] ( x − x 0 ) ( x − x 1 ) ⋯ ( x − x n ) = f [ x 0 , x 1 , ⋯   , x n , x ] ∏ i = 0 n ( x − x i ) = f ( n + 1 ) ( ξ ) ( n + 1 ) ! ∏ i = 0 n ( x − x i ) f [ x 0 , x 1 , ⋯   , x n ] = f ( n + 1 ) ( ξ ) ( n + 1 ) ! R_n\left(x\right)=f\left[x_0,x_1,\cdots,x_n,x\right]\left(x-x_0\right)\left(x-x_1\right)\cdots\left(x-x_n\right)\\=f\left[x_0,x_1,\cdots,x_n,x\right]\prod_{i=0}^n\left(x-x_i\right)=\frac{f^{\left(n+1\right)}\left(\xi\right)}{\left(n+1\right)!}\prod_{i=0}^n\left(x-x_i\right)\\f\left[x_0,x_1,\cdots,x_n\right]=\frac{f^{\left(n+1\right)}\left(\xi\right)}{\left(n+1\right)!} Rn(x)=f[x0,x1,,xn,x](xx0)(xx1)(xxn)=f[x0,x1,,xn,x]i=0n(xxi)=(n+1)!f(n+1)(ξ)i=0n(xxi)f[x0,x1,,xn]=(n+1)!f(n+1)(ξ)
  

二、牛顿插值公式matlab代码

  友情提示:本人使用的是matlab2019b版本,并且个人很喜欢使用matlab中的实时在线脚本,很少使用脚本来编写程序。实时在线脚本脚本编译环境我个人非常喜欢,所以接下来的代码都是在实时在线脚本中实现,简要的讲一下实时在线脚本
  

1. matlab实时在线脚本

  简要介绍一下实时在线脚本,首先打开matlab,可以看到一下界面,点击实时在线脚本

实时在线脚本

  基本打开后就可以看到这样一个界面如下图所示,还有很多功能等待读者自己去体会简要概述讲到这里

编程环境

  给大家看一下编写代码后的部分样子,函数,代码,结果分块显示非常清晰,与脚本的区别还是很大的,大家特别注意一下脚本生成的文件为.m文件,实时在线脚本脚本为.mlx文件

部分显示过程
  

2. 牛顿插值代码

  下面展示牛顿插值函数代码

function [A,y]= newtonzi(X,Y,x)
%   Newton插值函数
%   X为已知数据点的x坐标
%   Y为已知数据点的y坐标
%   x为插值点的x坐标
%   函数返回A差商表
%   y为各插值点函数值
n=length(X); m=length(x);
for t=1:m
    z=x(t); A=zeros(n,n);A(:,1)=Y';
    s=0.0; y=0.0; c1=1.0;
    for  j=2:n
       for i=j:n
           A(i,j)=(A(i,j-1)- A(i-1,j-1))/(X(i)-X(i-j+1));
       end
    end
    C=A(n,n);
    for k=1:n
        p=1.0;
        for j=1:k-1
            p=p*(z-X(j));
        end
        s=s+A(k,k)*p;        
    end
    ss(t)=s;
end
    y=ss;
    A=[X',A];    
end

  

3.实例

  选取的实例是以教材《数值分析》(第五版 李庆扬)第二章 插值法计算实习题题目如下:
题目
  这里先解决牛顿插值多项式,利用之前编写的牛顿插值函数
  下面展示代码

x=0.2:0.2:1;
y=[0.98 0.92 0.81 0.64 0.38];
x0=[0.2 0.28 1.0 1.08];
[d,y]=newtonzi(x,y,x0) %调用牛顿插值函数

  运行后的结果如下 d为差商表,y为插值点 x 0 x_0 x0对应的纵坐标
结果
  在实时在线脚本中代码结果全样貌如下图所示
样子
  根据计算结果得到牛顿4次插值公式为:
P 4 ( x ) = 0.98 − 0.3 ( x − 0.2 ) − 0.625 ( x − 0.2 ) ( x − 0.4 ) − 0.2083 ( x − 0.2 ) ( x − 0.4 ) ( x − 0.6 ) − 0.5208 ( x − 0.2 ) ( x − 0.4 ) ( x − 0.6 ) ( x − 0.8 ) P_4\left(x\right)=0.98-0.3\left(x-0.2\right)-0.625\left(x-0.2\right)\left(x-0.4\right)-0.2083\left(x-0.2\right)\left(x-0.4\right)\left(x-0.6\right)\\-0.5208\left(x-0.2\right)\left(x-0.4\right)\left(x-0.6\right)\left(x-0.8\right) P4(x)=0.980.3(x0.2)0.625(x0.2)(x0.4)0.2083(x0.2)(x0.4)(x0.6)0.5208(x0.2)(x0.4)(x0.6)(x0.8)

  

三、总结

  此次内容主要讲的是牛顿插值的原理,及根据原理利用matlab编写一个通用计算公式函数,然后举例来验证代码的正确性。此次例题中提到了一个三次样条插值函数,将会放在下篇更新。本人第一次写csdn,也是第一次发表,有些地方存在问题希望读者多多指正,也感谢大家多多关注本人。
  顺便问下有没有cug的校友,多支持一下。谢谢读者耐心的观看本篇文章。

四、补充

下一篇文章1 : 数值分析(二) 三次样条插值法matlab代码
下一篇文章 2: 数值分析(二续) 三次样条插值二类边界完整matlab代码

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/136581.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • c语言cstdio什么意思,<iostream>与<cstdio>有什么区别?

    c语言cstdio什么意思,<iostream>与<cstdio>有什么区别?该楼层疑似违规已被系统折叠隐藏此楼查看此楼列个提纲:1.cstdio是面向“文件”的,或者不强调文件和非文件流的区别,默认流就是可以关联外部文件,至于文件的外延是啥就不管,扔给宿主环境了。从std::FILE这个名字以及printf/scanf接口描述基于fprintf/fscanf上就可以看出来。iostream头只是包含了一坨东西,封装标准输入输出流,和文件流(在)不通用。2.cstdio不…

  • 获取A股行情数据方法[通俗易懂]

    做股票量化分析,获取股票行情数据是第一步,结合网上的信息,和我用过的一些东西,做个总结。以后有新信息,逐步完善。一、tushare库网址:https://tushare.pro/常用apidf1=pro.trade_cal(exchange=‘SSE’,start_date=sdate,end_date=edate,is_open=‘1’)df=pro.daily(trade_…

  • 缓存解决方案SpringDataRedis

    缓存解决方案SpringDataRedis

  • threadlocal底层实现_什么是底层

    threadlocal底层实现_什么是底层ThreadLocal作用:提供线程内的局部变量,不同的线程之间不会相互干扰,这种变量在线程的生命周期内起作用,减少同一个线程内多个函数或组件之间一些公共变量传递的复杂性。package com.mupack;public class App{ private String content; public void setContent(String content) { this.content = content; } public Stri

  • 手把手教你制作机房三维场景(3D效果图)

    手把手教你制作机房三维场景(3D效果图)前言:随着信息技术的不断发展,大量数据中心机房的建设、监控软件已经成为机房管理者的重要武器,特别是机房效果图这一块,从简易的CAD到现在的3D效果图,从静态到三维动态的改进,机房监控软件基本上可以说是从无到有的一个过程,下面本文跟大家分享机房高大上的数据中心三维可视化管理软件的三维场景制作过程(俗称:3D效果图的制作过程)。以前的机房效果图现在的机房3D效果图数据中心可三维可视化管理软件,通过对现

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号