[数值计算-13]:多项式插值多项式几何图形与线性方程组求解

Posted 文火冰糖的硅基工坊

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了[数值计算-13]:多项式插值多项式几何图形与线性方程组求解相关的知识,希望对你有一定的参考价值。

作者主页(文火冰糖的硅基工坊):https://blog.csdn.net/HiWangWenBing

本文网址:https://blog.csdn.net/HiWangWenBing/article/details/119941466


目录

第1章 案例与建模

1.1 案例说明

 1.2 建模与预测​

第2章 插值

2.1 什么是插值

2.2 插值的关键是如何构建插值函数!!!

第3章 多项式插值 

3.1 什么是多项式插值

3.2 多项式函数的唯一性

3.3 求多项式插值函数的本质是求线性方程组

3.4 求线性方程组的解的方法

3.5 多项式插值的优缺点

第4章 多项式函数图形案例



第1章 案例与建模

1.1 案例说明

 1.2 建模与预测

第2章 插值

2.1 什么是插值

 

 这里的插值条件是:插值函数要经过所有现有的样本点!!!

 这个插值条件的优点在样本点的误差为0。

 这个插值条件的缺点这个条件还是比较苛刻的,导致选用高次函数,且样本点的个数越多,函数的最高次的次数越高。

2.2 插值的关键是如何构建插值函数!!!

第3章 多项式插值 

3.1 什么是多项式插值

3.2 多项式函数的唯一性

3.3 求多项式插值函数的本质是求线性方程组

 

 N+1个未知数:an,an-1, ...........a0

 N+1个方程,组成两个方程组

未知数的次数都是1

因此上述方式组称为N个未知数的线性方程组。

3.4 求线性方程组的解的方法

(1)解析法

  • 直接法
  • 高斯消元法
  • 平方根法
  • 追赶法

(2)数值法

  • 雅可比迭代
  • 松弛法迭代

 详细的解法步骤,请参考相关文章。

3.5 多项式插值的优缺点

(1)优点

  • 直观、容易理解

(2)缺点

  • 当采样点非常多时,需要求解的方程的未知数个数就就非常多,计算量非常庞大,造成计算上的困难和效率上的浪费。

第4章 多项式函数图形案例

#导入库
from math import *
import time
import numpy as np
import matplotlib.pyplot as plt

# 函数图形
x_data = np.arange(-10, 10, 1)
# 1次多项式
def f1(x):
    return(x+1) 

y1_data = f1(x_data)
plt.scatter(x_data, y1_data)

# 2次多项式
def f2(x):
    return(x**2 + x + 1) 

y2_data = f2(x_data)
plt.scatter(x_data, y2_data)

# 3次多项式
def f3(x):
    return(x**3 + x**2 + x + 1) 

y3_data = f3(x_data)
plt.scatter(x_data, y3_data)

# 4次多项式
def f4(x):
    return(x**4 + x**3 + x**2 + x + 1) 

y4_data = f4(x_data)
plt.scatter(x_data, y3_data)

# 10次多项式
def f10(x):
    return(x**10 + x**9 + x**8 + x**7 + x**6 + x**5 + x**4 + x**3 + x**2 + x + 1) 

y10_data = f10(x_data)
plt.scatter(x_data, y10_data)

# 11次多项式
def f11(x):
    return(x**11 + x**10 + x**9 + x**8 + x**7 + x**6 + x**5 + x**4 + x**3 + x**2 + x + 1) 

y11_data = f11(x_data)
plt.scatter(x_data, y11_data)


作者主页(文火冰糖的硅基工坊):https://blog.csdn.net/HiWangWenBing

本文网址:https://blog.csdn.net/HiWangWenBing/article/details/119941466

以上是关于[数值计算-13]:多项式插值多项式几何图形与线性方程组求解的主要内容,如果未能解决你的问题,请参考以下文章

Python数值计算基础

数值分析中的样条函数:使用scipy.interpolate.splrep函数实现

《数值分析》-- 拉格朗日插值

《数值分析》-- 插值方法中基础名词概念解释

《数值分析》-- 埃尔米特插值与分段插值

数值分析Python实现系列—— 拉格朗日插值法