Составить интерполяционный многочлен лагранжа расчет провести в ms excel
Обновлено: 04.07.2024
Пример. Построить многочлен Лагранжа 3-й степени, если заданы значения в 4-х узлах интерполяции:
xi | -1 |
yi | -1 |
Решение: Многочлен Лагранжа для четырех узлов интерполяции запишется так –
Для вычисления значения многочлена в точке х можно воспользоваться электронными таблицами Exel (рис. 18). В ячейки А3:А6 и В3:В6 записываются соответствующие значения yi и xi. В ячейки С3:С6 – формулы для вычисления pi(x). В столбце D3:D7 вычисляется значение
A | B | C | D |
Вычисление многочлена Лагранжа | |||
yi | xi | X | |
-1 | -1 | =$D$2-B3 | =A3*(C5*C4*C6)/((B3-B4)*(B3-B5)*(B3-B6) |
Копировать С3 в С6 | =A4*(C3*C5*C6)/((B4-B3)*(B4-B5)*(B4-B6) | ||
=A5*(C3*C4*C6)/((B5-B3)*(B5-B4)*(B5-B6) | |||
=A6*(C3*C4*C5)/((B6-B3)*(B6-B4)*(B6-B5) | |||
Значение L3(x) | =СУММ(D3:D6) |
4 .Варианты лабораторных работ для решения алгебраических и трансцендентных уравнений .
Задания: На отрезке [-10, 10] определить корни следующих уравнений:
8. x^3 – 0,1x^2+0,4x-1,5=0
5. Варианты лабораторных работ для решения систем линейных алгебраических уравнений .
Найти решение системы линейных уравнений методом итераций с точностью е=10-3:
Варианты лабораторных работ для решения систем линейных алгебраических уравнений .
Найти решение системы линейных уравнений методом итераций с точностью е=10-3:
Варианты лабораторных работ для решения систем линейных алгебраических уравнений .
Найти решение системы линейных уравнений методом итераций с точностью е=10-3:
Варианты лабораторных работ для решения систем линейных алгебраических уравнений .
Найти решение системы линейных уравнений методом итераций с точностью е=10-3:
6. Варианты лабораторных работ для решения задач интерполирования .
Задания. Построить интерполяционный полином Лагранжа L(x). Вычислить приближенное значение F(x) с помощью L(x) в точке х= , выполнить вычисления с помощью Exel.
xk | 0.1 | 0.3 | 0.4 | 0.6 |
yk | -0.1 | 0.5 | 0.8 | 1.7 |
xk | -1 | -0.5 | 0.1 | 0.4 |
yk | 1.0 | 2.2 | 1.7 | 0.8 |
xk | 1.1 | 1.2 | 1.4 | 1.7 |
yk | -2.0 | -1.8 | -1.3 | -1.0 |
xk | -1.0 | -0.5 | 0.3 | |
yk | 0.9 | 0.7 | 0.4 | 0.8 |
xk | 3.2 | 3.4 | 3.7 | |
yk | -14 | -10 | -8 | -12 |
xk | 1.0 | 3.0 | 7.0 | 10.0 |
yk | 0.3 | 0.7 | 0.9 | 1.0 |
xk | -10.0 | -8.0 | -5.0 | -2.0 |
yk | 6.0 | 3.0 | 0.0 | -4.0 |
xk | 2.0 | 3.0 | 5.0 | 6.0 |
yk | 0.7 | 1.2 | 2.2 | 3.0 |
xk | 0.7 | 1.2 | 2.2 | 3.0 |
yk | 0.8 | 1.0 | 1.3 | 1.2 |
xk | ||||
yk | 0.01 | 0.03 | 0.08 | 0.12 |
xk | -10 | -8 | -5 | -2 |
yk | -2 | |||
xk | ||||
yk | 0.1 | -0.2 | -0.3 | |
xk | 2.0 | 3.2 | 4.2 | 5.6 |
yk | -15 | -10 | -8 | -6 |
xk | -4 | -3 | -2 | |
yk | ||||
xk | 10.5 | 11.5 | 12.5 | 13.0 |
yk | -6 | -7 | -5 |
6. Варианты лабораторных работ для решения задач интерполирования .
Задания. Построить интерполяционный полином Лагранжа L(x). Вычислить приближенное значение F(x) с помощью L(x) в точке х= , выполнить вычисления с помощью Exel.
Бывает ситуация, когда в массиве известных значений нужно найти промежуточные результаты. В математике это называется интерполяцией. В Excel данный метод можно применять как для табличных данных, так и для построения графиков. Разберем каждый из этих способов.
Использование интерполяции
Главное условие, при котором можно применять интерполяцию – это то, что искомое значение должно быть внутри массива данных, а не выходить за его предел. Например, если мы имеем набор аргументов 15, 21 и 29, то при нахождении функции для аргумента 25 мы можем использовать интерполяцию. А для поиска соответствующего значения для аргумента 30 – уже нет. В этом и является главное отличие этой процедуры от экстраполяции.
Способ 1: интерполяция для табличных данных
Прежде всего, рассмотрим применения интерполяции для данных, которые расположены в таблице. Для примера возьмем массив аргументов и соответствующих им значений функции, соотношение которых можно описать линейным уравнением. Эти данные размещены в таблице ниже. Нам нужно найти соответствующую функцию для аргумента 28. Сделать это проще всего с помощью оператора ПРЕДСКАЗ.
-
Выделяем любую пустую ячейку на листе, куда пользователь планирует выводить результат от проведенных действий. Далее следует щелкнуть по кнопке «Вставить функцию», которая размещена слева от строки формул.
- X;
- Известные значения y;
- Известные значения x.
В первое поле нам просто нужно вручную с клавиатуры вбить значения аргумента, функцию которого следует отыскать. В нашем случае это 28.
В поле «Известные значения y» нужно указать координаты диапазона таблицы, в котором содержатся значения функции. Это можно сделать вручную, но гораздо проще и удобнее установить курсор в поле и выделить соответствующую область на листе.
Аналогичным образом устанавливаем в поле «Известные значения x» координаты диапазона с аргументами.
Способ 2: интерполяция графика с помощью его настроек
Процедуру интерполяции можно применять и при построении графиков функции. Актуальна она в том случае, если в таблице, на основе которой построен график, к одному из аргументов не указано соответствующее значение функции, как на изображении ниже.
-
Выполняем построение графика обычным методом. То есть, находясь во вкладке «Вставка», выделяем табличный диапазон, на основе которого будет проводиться построение. Щелкаем по значку «График», размещенному в блоке инструментов «Диаграммы». Из появившегося списка графиков выбираем тот, который считаем более уместным в данной ситуации.
Как видим, график скорректирован, а разрыв с помощью интерполяции удален.
Способ 3: интерполяция графика с помощью функции
Произвести интерполяцию графика можно также с помощью специальной функции НД. Она возвращает неопределенные значения в указанную ячейку.
-
После того, как график построен и отредактирован, так как вам нужно, включая правильную расстановку подписи шкалы, остается только ликвидировать разрыв. Выделяем пустую ячейку в таблице, из которой подтягиваются данные. Жмем на уже знакомый нам значок «Вставить функцию».
Отблагодарите автора, поделитесь статьей в социальных сетях.
Интерполяция - это метод, который используется для оценки или определения значения между двумя известными значениями на линии или кривой. Этот вид прогнозирования используется во многих видах анализа, таких как инвестиции в рост, прогнозирование чисел, установление стратегий, страховые решения, движения цен, акции и рынки акций и т. Д.
Линейная интерполяция означает оценку будущего значения определенной переменной на основе текущих данных. В MS-Excel создается прямая линия, которая соединяет два известных значения, и, таким образом, будущее значение рассчитывается с использованием простой математической формулы или функции FORECAST.
Примеры для интерполяции в Excel
Давайте разберемся, как интерполировать в Excel с некоторыми примерами.
Вы можете скачать этот шаблон Интерполировать Excel здесь - Шаблон Интерполировать Excel
Пример № 1 - Использование простой математической формулы
Допустим, у нас есть простой набор данных из двух известных значений x и y, и мы хотим интерполировать значение (т.е. найти соответствующее значение y для значения x) следующим образом:
Итак, простая формула, которая используется для интерполяции этого значения:
Поэтому, когда мы применяем эту формулу к данному набору данных, мы получаем интерполированное значение y как:
Таким образом, мы можем видеть на скриншоте выше, что мы интерполировали значение с двумя известными значениями x и y. Могут быть моменты, когда становится трудно запомнить формулу. Таким образом, функция ПРОГНОЗ может быть использована в таких случаях.
Пример №2 - Использование функции FORECAST
Теперь допустим, что мы хотим интерполировать то же значение в примере 1 с помощью функции FORECAST.
Функция ПРОГНОЗ оценивает значение на основе существующих значений вместе с линейным трендом. Он имеет следующий синтаксис:
Итак, давайте теперь посмотрим на скриншот ниже, что происходит, когда мы применяем эту функцию FORECAST для интерполяции заданного значения x:
Таким образом, мы можем видеть на скриншоте выше, что функция FORECAST также хорошо работает для этого.
Пример № 3 - Использование функции прогноза
Теперь допустим, что у нас есть набор данных о розничной фирме, с указанием количества дней и соответствующих продаж фирмы в те дни (т. Е. Количества единиц, проданных в те дни), как показано ниже:
Давайте сначала посмотрим синтаксис функции OFFSET и функции MATCH:
Функция OFFSET возвращает ячейку или диапазон ячеек с указанным количеством строк и столбцов, в зависимости от высоты и ширины в указанных строках и столбцах. Он имеет следующий синтаксис:
OFFSET (ссылка, строки, столбцы, (высота), (ширина))
- ссылка: это отправная точка, откуда начинается отсчет строк и столбцов.
- row: это число строк, смещаемых ниже начальной ячейки ссылки.
- cols: это число столбцов, которые должны быть смещены вправо от начальной ссылочной ячейки.
- высота: опционально; Из возвращенной ссылки это высота строк.
- ширина: необязательно; Из возвращенной ссылки это ширина столбцов.
Функция MATCH возвращает относительное положение искомого значения в строке, столбце или таблице, которое соответствует указанному значению в указанном порядке. Он имеет следующий синтаксис:
MATCH (lookup_value, lookup_array, (match_type))
- lookup_value: это значение, которое необходимо сопоставить или просмотреть из lookup_array.
- lookup_array: это массив или диапазон ячеек, в которых нужно искать lookup_value.
- match_type: необязательно; это может принимать значения 1, 0, -1.
Значение по умолчанию для этого match_type равно 1. Для значения 1 функция MATCH найдет наибольшее значение, которое меньше или равно lookup_value, и значение должно быть в порядке возрастания. Для значения 0 функция MATCH находит первое значение, которое точно равно lookup_value. Для значения -1 функция найдет наименьшее значение, которое больше или равно lookup_value, и значение должно быть в порядке убывания.
Теперь, если мы хотим оценить продажи, скажем, на 28 дней, мы используем эти функции следующим образом:
Вторая функция OFFSET, используемая в качестве третьего параметра в функции FORECAST, используется для выбора известных_х (независимых значений, то есть количества дней).
Функция MATCH, используемая в качестве параметра в функции OFFSET, используется для генерации позиции значения, которая должна быть спрогнозирована, и, таким образом, для вычисления количества строк. Столбцы в функции MATCH, т. Е. Второй параметр в ней должен быть 0, так как зависимое значение требуется для того же выбранного столбца.
Таким образом, в течение 28 дней мы оценили или прогнозировали продажи фирмы как 1120. Аналогично, мы можем оценить продажи фирмы за другое количество дней, используя эту функцию ПРОГНОЗ.
Что нужно помнить о интерполяции в Excel
- Процесс извлечения простой функции из набора данных дискретных значений, так что функция проходит через все заданные значения и, таким образом, может использоваться для прогнозирования значений между заданными значениями, называется интерполяцией.
- Он используется для определения того, какие данные могут существовать вне собранных данных.
- Линейная интерполяция не является точным методом в MS Excel, однако, это экономит время и быстро.
- Линейная интерполяция может даже использоваться для прогнозирования значений осадков, географических точек данных и т. Д.
- Если данные не являются линейными, то для таких интерполяций в таких случаях могут использоваться другие методы: полиномиальная интерполяция, сплайн-интерполяция и т. Д.
- Функция FORECAST может даже использоваться для экстраполяции или прогнозирования будущих значений.
Рекомендуемые статьи
Это руководство по интерполяции в Excel. Здесь мы обсуждаем, как интерполировать в Excel вместе с практическими примерами и загружаемым шаблоном Excel. Вы также можете просмотреть наши другие предлагаемые статьи -
Для метода Лагранжа значение n+1=5, то есть порядок интерполяционного полинома n=4.
В общем случае интерполяционный полином Лагранжа представляется как:
где: yi – значение исходной таблицы данных.
Qi – вспомогательные функции.
Для нашего случая полином 4-го порядка равен:
1.2.4 Определение вспомогательных функций Qi(x)
Вспомогательные функции Qi(x) определяются как
Для нашего полинома вспомогательные функции будут следующими:
1.2.5 Определение интерполяционного полинома
Подставляя вспомогательные функции и значения ординат узлов интерполяции получаем необходимую интерполяционную функцию.
L4(x) = y0 + y1 +
+ y2 + y3 +
+ y4
Восстановление исходной функции в заданной точке, при помощи интерполяционного полинома
Примем точку, в которой будем восстанавливать исходную функцию за x = -2.
L4(-2) = -14.121 + +4.206 - 0.99 -
6.294 +9.031
1.2.7 Определение погрешности интерполяции путем сравнения значения х, полученного по интерполяционному полиному, и рассчитанного по f(x)
Рис.1 - Определение интерполяционного полинома Лагранжа
f(-2) = -2 +10sin(-2+1) = -10.4147
Для оценки погрешности между исходной и интерполяционной функции воспользуемся формулой:
R(-2)=|-10.4147 – (-5.6636)| = 4.75115
Вывод
Мы получили значительную погрешность и для того, чтобы её снизить необходимо увеличить число узлов на заданном интервале.
ЗАДАНИЕ 2
Используя полученные на предыдущем этапе точки построить аппроксимирующие полиномы второго порядка у = a2х 2 + a1x + a0 методом наименьших квадратов при всех одинаковых весовых коэффициентах и при весовом коэффициенте в третьей точке в 3 раза большем, чем в остальных (т.е. при 3=3). Получить среднеквадратичную погрешность аппроксимации, величину квадратичного критерия близости и расчётное значение y в третьей точке. Сравнить полученные результаты. Сделать выводы о том, устраивает ли полученное аппроксимирующее уравнение второго порядка по погрешности, сравнивая среднеквадратичную погрешность с заданной погрешностью в обоих случаях, т.е. и при всех одинаковых весовых коэффициентах и при 3=3. Если результат не устраивает, то наметить путь, что делать в таком случае дальше. Также проанализировать, как повлияло введение весового коэффициента 3=3 на точность аппроксимации в третьей точке (по величине абсолютной погрешности в этой точке) и на точность аппроксимации в целом, (по величине критерия близости).
Примечание: Задача аппроксимации, таким образом, выполняется дважды. В обоих случаях необходимо привести выводы всех расчётных формул и алгоритм расчёта, а не просто результат по готовому пакету программ.
Зачётная книжка № Д-12091; N10 = 91/10 остаток 1
2.2.1 Исходные данные из предыдущей задачи
f(x) = x + 10sin(x+1); интервал [-10;5/4]
Таблица 3 – исходные данные
Номер узла | Значение аргумента, x | Значение функции, f(x) |
0 | -10 | -14.1212 |
1 | -7 | -4,20585 |
2 | -4,5 | -0,99217 |
3 | -1.5 | -6,294 |
4 | 1,25 | 9,030732 |
2.2.2 Определение аппроксимирующей функции при помощи метода наименьших квадратов для равных весовых коэффициентов
В общем случае квадратичный критерий близости равен:
; (1)
; (2)
где - заданные табличные значения функции;
- расчетные значения по аппроксимирующей функции;
- весовые коэффициенты, учитывающие относительную важность i-й
В качестве аппроксимирующего уравнения выбираем уравнение второго порядка с n =5:
; (3)
В качестве критерия близости – критерий (1).
Из математического условия минимума функции R, после постановки уравнения (3) в выражение (1) принимает вид:
; (4)
R = f(d0; d1; d2) – является равенством 0, частных производных этой функции.
- математическое условие. (5)
Из решения системы (5) находим коэффициенты d0; d1; d2.
Þ
После преобразования (сокращения на два, раскрытия скобок, изменения порядка суммирования) получим:
Þ (6)
= 5d0;
= -10 – 7 - 4,5 - 1,5 + 1,25 = -21,75
= (-10) 2 + (-7) 2 + (-4,5) 2 + (-1,5) 2 +1,25 2 = 173,0625
= (-10) 3 + (-7) 3 + (-4,5) 3 + (-1,5) 3 +1,25 3 = -1435,547
= (-10) 4 + (-7) 4 + (-4,5) 4 + (-1,5) 4 +1,25 4 = 12818,566
= -14,1212 - 4,20585 - 0,99217 - 6,294 + 9,030732 = -16,58
= -14,1212×(-10)+(- 4,20585)×(-7)+(- 0,99217)×(-4,5)+(- 6,294)×(-1,5) +
= -14,1212×(-10) 2 +(- 4,20585)×(-7) 2 +(- 0,99217)×(-4,5) 2 +(- 6,294)×(-1,5) 2 +
+ 9,030732×1,25 2 = -1638,3
С учётом полученных данных система (6) принимает вид:
(7)
Из системы уравнений (7) находим:
Аппроксимирующий полином второго порядка при равенстве весовых коэффициентов имеет вид:
у = 0,014х 2 + 1,698x + 3,59.
Составим таблицу, в которую запишем как расчётные у, так и значения f(x).
Таблица 4 – Значения f(x), yрасч при равных коэффициентах.
Читайте также: