当前位置： 首页 > news >正文

计算方法实验五 插值多项式的求法

news 来源：原创 2025/5/6 18:57:47

【实验性质】

综合性验

【实验目的】

掌握Lagrange插值算法、Newton插值算法；理解Newton插值算法相对于Lagrange插值算法的优点。

【实验内容】

先用C语言自带的系统函数sin x求出 的值，然后分别用Lagrange、Newton方法求出的值，并与用C语言sin x函数计算出的作比较。

【理论基础】

  1. Lagrange插值公式经过n + 1个插值节点(𝑥0, 𝑦0)，(𝑥1, 𝑦1)，… …，(𝑥𝑛，𝑦𝑛)的n次Lagrange插值多项式为：

【提示：用两个向量分别存放X、Y坐标；设计一个专门求第k个拉格朗日基函数在某点函数值的函数；基函数的个数=点数；累加项的个数=点数】

2.NewTon插值公式经过n1个插值节点(𝑥0, 𝑦0)，(𝑥1, 𝑦1)，… …，(𝑥𝑛, 𝑦𝑛)的n次Newton插值多项式为：

P𝑛(𝑥) = 𝑓(𝑥0) + 𝑓[𝑥0, 𝑥1](𝑥 − 𝑥0) + ⋯ +f[𝑥0, 𝑥1, … … , 𝑥𝑛](x − 𝑥0)(x − 𝑥1) … … (x − 𝑥𝑛−1) 

上式中插商f[𝑥0, 𝑥1, … … , 𝑥𝑛]的计算常用到如下的Newton差商表：

其中差商是一个递推的定义：

由上表可知：每增加一个插值节点，都需从一阶插商算起。但在具体应用时，有两种方案：

2.1基于两个n+1维的向量进行计算当节点数n+1固定时，使用两个维数为n+1的向量x、y来存放插值计算的中间结果。其中x存放插

值节点的X坐标；y开始存放插值节点的Y坐标，计算过程中存放各阶差商值。

计算差商时，一次计算差商表的一列。计算 f x x[ 0, 1]时用到向量y的第2个元素和第1个元素，计算 f x x[ 1, 2]时用到向量y的第3个元素和第2个元素，不必再用到y的第一个元素，由此可把 f x x[ 0, 1]放到 y的第一个元素上，把 f x x[ 1, 2]放到y 的第2 个元素上，…。计算二阶差商时，把二阶差商放到y[1]、

y[2]、…。这样牛顿插值公式中用到的f[x0]、f[x0,x1]、f[x0,x1,x2]、……,依次均存放在Y[1]上。算法实现参考：

NewTon差商表

【特点：用两个向量处理计算，向量 y 存放差商；每次计算的差商都从 Y 的第一个元素开始存放；】

2.2基于向量+矩阵进行计算考虑动态增加插值结点，比如已有x0，x1，再增加x2时，依次计算f[x1,x2]，f[x0,x1,x2]。当增

加第n+1个节点时，用x[n+1]存放该点X坐标，用矩阵y[n+1][1]存放点的Y 坐标，用y[n+1][i+1]存放本行的i阶差商（1≤i≤n），有：

Y(n,i)＝(Y的本行前1列―Y的前1行前1列)/(X的本行－？)＝（Y(n，i-1)－Y(n－1,i-1)）/(x[n]-x[n-(i-1)])

 

【特点：用矩阵存放各阶差商，矩阵的阶数=点的个数】

【实验过程】

1.分别用Lagrange插值和Newton插值求解，要求给出代码与计算结果。

头文件：

#ifndef INTERPOLATIONPOLYNOMIAL_H

#define INTERPOLATIONPOLYNOMIAL_H

#include "colvector.h"

class InterpolationPolynomial

{

public:

    InterpolationPolynomial();

    //求第K个拉格朗日插值基函数在xt处的值

    double LagrangeBaseFunctionValue(ColVector &x,int k,double xt);

    //用拉格朗日插值多项式求xt处的值

    void LagrangeInterpolationValue(ColVector &x,ColVector &y,double xt,int &flag,double &yt);

    //求牛顿差商表，矩阵存放结果，逐行计算

    void  NewtonDifference_1(ColVector &x,ColVector &y,Matrix &n_d);

    //求牛顿差商表，矩阵存放结果，逐列计算

    void  NewtonDifference_2(ColVector &x,ColVector &y,Matrix &n_d);

    //求牛顿差商表，向量存放结果，逐列计算（倒序计算）

    void  NewtonDifference_3(ColVector &x,ColVector &y);

    //用牛顿插值多项式求xt处的值

    void NewtonInterpolationValue(ColVector &x,ColVector &y,double xt,int &flag,double &yt);

};

#endif // INTERPOLATIONPOLYNOMIAL_H

主函数： 

 //实验五

#include <iostream>

#include <windows.h>

#include "colvector.h"

#include "matrix.h"

#include <windows.h>

#include "linearequations.h"

#include "interpolationpolynomial.h"

using namespace std;

int main()

{

    SetConsoleOutputCP(CP_UTF8);

    cout<<"=============牛顿插值多项式============="<<endl;

    double a1[]={0,M_PI/6,M_PI/4,M_PI/3,M_PI/2};

    double b1[]={sin(0),sin(M_PI/6),sin(M_PI/4),sin(M_PI/3),sin(M_PI/2)};

    ColVector x(5),y(5);

    x.initMatrix(a1);

    y.initMatrix(b1);

    Matrix nd;

    double xt=M_PI/5,yt=0;

    int flag=1;

    InterpolationPolynomial obj;

    obj.NewtonDifference_1(x,y,nd);

    cout<<nd<<endl;

    obj.NewtonDifference_2(x,y,nd);

    cout<<nd<<endl;

    obj.NewtonInterpolationValue(x,y,xt,flag,yt);

    cout<<nd<<endl;

//    obj.LagrangeInterpolationValue(x,y,xt,flag,yt);

    if(flag==1){

        double temp=sin(M_PI/5);

        cout<<"sin(pi/5),本程序结果为："<<yt<<endl;

        cout<<x<<endl;

        cout<<"sin(pi/5),c++自带程序结果为："<<temp<<"  errror  "<<fabs(temp-yt)<<endl;

    }else{

        cout<<"使用牛顿插值失败"<<endl;

    }

    return 0;

}

源文件：

#include "interpolationpolynomial.h"
 

InterpolationPolynomial::InterpolationPolynomial()
 

{
 

}
 

 

double InterpolationPolynomial::LagrangeBaseFunctionValue(ColVector &x,int k,double xt){
 

 

    double result=1;
 

    int n=x.getRowSize();
 

    for(int j=1;j<=n;j++){
 

        if(j==k){
 

            continue;
 

        }
 

        result=result*(xt-x[j])/(x[k]-x[j]);
 

    }
 

    return result;
 

}
 

 

//用拉格朗日插值多项式求xt处的值
 

void InterpolationPolynomial::LagrangeInterpolationValue(ColVector &x,ColVector &y,double xt,int &flag,double &yt){
 

 

    flag=1;
 

    int n=x.getRowSize();
 

    if(n!=y.getRowSize()){
 

        flag=0;
 

        return;
 

    }
 

    for(int i=1;i<=n;i++){
 

        double temp=x[i];
 

        for(int j=i+1;j<=n;j++){
 

            if(temp==x[j]){
 

                flag=0;
 

                return;
 

            }
 

        }
 

    }
 

    yt=0;
 

    for(int k=1;k<=n;k++){
 

        yt+=LagrangeBaseFunctionValue(x,k,xt)*y[k];
 

    }
 

}
 

 

//求牛顿差商表，矩阵存放结果，逐行计算
 

void  InterpolationPolynomial::NewtonDifference_1(ColVector &x,ColVector &y,Matrix &n_d){
 

 

    int n=x.getRowSize();
 

    n_d=Matrix(n,n);
 

    for(int i=1;i<=n;i++){
 

        for(int j=1;j<=i;j++){
 

            if(j==1){
 

                n_d(i,j)=y[i];
 

            }
 

            else{
 

                n_d(i,j)=(n_d(i,j-1)-n_d(i-1,j-1))/(x[i]-x[i-(j-1)]);
 

            }
 

        }
 

    }
 

}
 

 

//求牛顿差商表，矩阵存放结果，逐列计算
 

void  InterpolationPolynomial::NewtonDifference_2(ColVector &x,ColVector &y,Matrix &n_d){
 

 

    int n=x.getRowSize();
 

    n_d=Matrix(n,n);
 

    //处理第一列
 

    for(int i=1;i<=n;i++){
 

        n_d(i,1)=y[i];
 

    }
 

 

    //从第二列开始
 

    for(int j=2;j<=n;j++){
 

        for(int i=j;i<=n;i++){
 

            n_d(i,j)=(n_d(i,j-1)-n_d(i-1,j-1))/(x[i]-x[i-(j-1)]);
 

        }
 

    }
 

}
 

 

//求牛顿差商表，向量存放结果，逐列计算（倒序计算）
 

void  InterpolationPolynomial::NewtonDifference_3(ColVector &x,ColVector &y){
 

    int n=x.getRowSize();
 

    //y的原始值【第一列】是0阶差商
 

    //cout<<y<<endl;
 

    //计算j阶差商
 

    for(int j=2;j<=n;j++){
 

        for(int i=n;i>=j;i--){
 

            y[i]=(y[i]-y[i-1])/(x[i]-x[i-(j-1)]);
 

        }
 

    }
 

}
 

 

//用牛顿插值多项式求xt处的值
 

void InterpolationPolynomial::NewtonInterpolationValue(
 

        ColVector &x,ColVector &y,double xt,int &flag,double &yt){
 

    flag=1;
 

    //点数
 

    int n=x.getRowSize();
 

    if(n!=y.getRowSize()){
 

        flag=0;
 

        return;
 

    }
 

    //横坐标互异
 

    for(int i=1;i<=n;i++){
 

        double temp=x[i];
 

        for(int j=i+1;j<=n;j++){
 

            if(temp==x[j]){
 

                flag=0;
 

                return;
 

            }
 

        }
 

    }
 

    //求差商表
 

    Matrix nd(n,n);
 

    NewtonDifference_1(x,y,nd);
 

 

    //计算
 

    /*double result=nd(1,1),temp=1;
 

    for(int i=2;i<=n;i++){
 

        temp=temp*(xt-x[i-1]);
 

        result=result+nd(i,i)*temp;
 

    }
 

    yt=result;*/
 

 

 

    //秦九韶算法
 

 

//    double result=nd(n,n);
 

//    for(int i=n-1;i>=1;i--){
 

//        result=result*(xt-x[i])+nd(i,i);
 

//    }
 

//    yt=result;
 

 

    //差商结果放到原来的向量y中
 

    NewtonDifference_3(x,y);
 

    double result=y[n];
 

    for(int i=n-1;i>=1;i--){
 

        result=result*(xt-x[i])+y[i];
 

    }
 

    yt=result;
 

 

    //向量y【1】存放差商表对角线元素+累加计算
 

    //算第j列数据
 

//    result = y[1];
 

//    for(int j=2;j<=n;j++){
 

//        //先计算新一轮的差商
 

//        for(int i=1;i<=n-(j-1);i++){
 

//            y[i]=(y[i+1]-y[i])/(x[i+j-1]-x[i]);
 

 

//        }
 

//        temp=temp*(xt-x[j-1]);
 

//        result=result+temp*y[1];
 

//    }
 

 

//    yt=result;
 

 

}
 

运行结果：
 

 

 

2.用表格比较Lagrange法、Newton法以及C语言自带函数对的求值结果。 
 

 

 
 		 
Lagrange法
 		 
Newton法
 		 
C语言自带函数
 
 
 		 
0.58781
 		 
0.58781
 		 
0.58779
 
 

 

3.分析实验出现的问题，总结解决办法。 
 

  1.  数据点过于稀疏，导致插值多项式的拟合效果不好。 解决办法：增加数据点的密度，使用更多的数据点进行插值计算。
  2. 构造插值多项式时，计算复杂度较高。 解决办法：使用编程软件进行计算，利用计算机的高速运算能力加快计算速度。
  3. 插值多项式的阶数过高，导致计算不稳定。 解决办法：控制插值多项式的阶数，避免过高的阶数，从而提高插值的稳定性。
 

实验总结：在插值多项式的求解过程中，Lagrange插值算法和Newton插值算法都是常用的方法。Newton插值算法相对于Lagrange插值算法的优点是构造插值多项式的计算过程简单，可以通过递推公式一次性得到所有的差商。在实际应用中，根据实验数据的特点和求解的需求，选择合适的插值算法进行计算，并注意处理可能出现的问题，确保插值结果的准确性和稳定性。
 

 

 

【实验心得】 
 

首先，通过Lagrange插值算法，我了解到了如何通过已知数据点的横纵坐标构造出Lagrange插值多项式。这种方法相对简单直观，但需要通过计算拉格朗日基函数和差商来逐项求解。而在求解插值的时候，需要根据需要插值的点的横坐标，计算出对应的纵坐标。
 

然后，我学习了Newton插值算法，发现相对于Lagrange插值算法，Newton插值算法具有更好的优点。通过使用递推公式，Newton插值算法可以一次性求解出所有的差商，避免了Lagrange插值算法中需要逐项计算的过程。这样，计算的复杂度大大降低，速度也更快。
 

通过本次实验，我深刻理解到了插值多项式的求解过程，并且明确了Newton插值算法相对于Lagrange插值算法的优点。
 

 

 

得    分_____________ 
 

 
 

评阅日期_____________ 
 

 
 

教师签名_____________ 
 



                
                

                  

                    
                      
                  



                

                

                  
相关文章：

                    
                      
  • 
                        AI超级智能体教程（五）---自定义advisor扩展+结构化json输出
                      
    • 
                    
                      
  • 
                        FreeRtos实战从入门到精通--任务创建和删除（动态方法）--事了拂衣去，深藏功与名
                      
    • 
                    
                      
  • 
                        先知AIGC超级工场，撬动运营效率新杠杆
                      
    • 
                    
                      
  • 
                        ASP.NET MVC​ 入门与提高指南八
                      
    • 
                    
                      
  • 
                        （超2万字数详解）C++学习之类与对象
                      
    • 
                    
                      
  • 
                        D. 例题3.2.2 整数划分问题
                      
    • 
                    
                      
  • 
                        python进阶(2)二进制
                      
    • 
                    
                      
  • 
                        【分享】Winlator 10.0[特殊字符]虚拟电脑 可玩游戏办公[特殊字符]
                      
    • 
                    
                      
  • 
                        mvvm 如何 实现 MultiBinding 与转换器
                      
    • 
                    
                      
  • 
                        数据结构*队列
                      
    • 
                    
                      
  • 
                        python下载
                      
    • 
                    
                      
  • 
                        Java从入门到精通 - Java语法
                      
    • 
                    
                      
  • 
                        DeepSeek与MySQL：开启数据智能新时代
                      
    • 
                    
                      
  • 
                        mysql 云服务远程linux创建数据库
                      
    • 
                    
                      
  • 
                        阿里巴巴Qwen团队发布了新一代多模态模型Qwen2.5-Omni-3B
                      
    • 
                    
                      
  • 
                        Easy云盘总结篇-登录注册
                      
    • 
                    
                      
  • 
                        二种MVCC对比分析
                      
    • 
                    
                      
  • 
                        MyBatis的工作原理
                      
    • 
                    
                      
  • 
                        构建高效老年基础护理实训室，培养专业护理人才
                      
    • 
                    
                      
  • 
                        Servlet+tomcat
                      
    • 
                    

  • 探索人类的心灵这件事，永远也不会过时
    • 


  • 俄乌交换205名被俘人员，俄方人员已抵达白俄罗斯
    • 


  • 有乘客被高铁车门夹住？铁路回应：系突感不适下车，未受伤，列车正点发车
    • 


  • 美国内政部长：今年夏天美国可能发生西班牙式大停电，全怪拜登
    • 


  • 100%关税！特朗普要让美国电影100%美国制造
    • 


  • 五一假期，这些短剧值得一刷
    •