本程序对cosx函数进行插值,取步长为0.1,因此x的值为0.00,0.10,0.20,0.30,对应的y值为cos(0.00),cos(0.10),cos(0.20),cos(0.30),其实本程序Horner方法(又称秦九韶算法)效率更高,计算更加准确

#include
<iostream>

#include
<cmath>

using namespace std;

int factorial(int
n);      //声明阶乘函数

double average_deviation(double*
function_value,double& h,int
end);      //声明均差函数

int main()

{

double
h=0.10;      //计算的步长

double
x[4]={0.00,0.10,0.20,0.30};     
//用来存储已知x的值

double
y[4]={cos(0.00),cos(0.10),cos(0.20),cos(0.30)};     
//用来存储已知y的值

double
result=0;      //用来保存最后的插值结果

double
input_x;      //插值的x值

double
polynomial;      //保存多项式的值

cout<<"通过插值得到的函数为:"<<endl;

for (int
i=0;i<4;i++)

{

cout<<average_deviation(y,h,i)/(factorial(i))/pow(h,i);

for (int
j=0;j<i;j++)

cout<<"*"<<"("<<"x-"<<x[j]<<")";

if
(i<3&&((average_deviation(y,h,i+1)/(factorial(i+1))/pow(h,i+1))>0))

cout<<"+";

}

cout<<endl;

cout<<"请输入插值的x值:";

cin>>input_x;

for (int
i=0;i<4;i++)

{

polynomial=1;

for (int
j=0;j<i;j++)

{

polynomial*=(input_x-x[j]);

}

result+=(average_deviation(y,h,i)/(factorial(i))/pow(h,i)*polynomial);

}

cout<<"插值得到的函数值为:"<<result<<endl;

cout<<"函数的真实值为:"<<cos(input_x)<<endl;

cout<<"误差为:"<<100*((result-cos(input_x))/cos(input_x))<<"%"<<endl;

return
0;

}

int factorial(int n)

{

if
(n<0)

{

cout<<"请输入正整数值"<<endl;

exit(0);

}

else if
(n==0)

return 1;

else

return n*factorial(n-1);

}

double average_deviation(double*
function_value,double& h,int end)

{

double*
function_value_f;     
//function_value_f用来保存0到k-1的k阶差分

double*
function_value_b;     
//function_value_f用来保存1到k的k阶差分

double
value_f;

double
value_b;

if
(0==end)

{

return function_value[end];

}

else

{

function_value_f=new
double[end];

function_value_b=new
double[end];

for (int
i=1;i<=end;i++)

function_value_f[i-1]=function_value[i];

for (int
i=0;i<=end-1;i++)

function_value_b[i]=function_value[i];

value_f =
average_deviation(function_value_f,h,end - 1);

value_b =
average_deviation(function_value_b,h, end - 1);

delete[] function_value_f;

delete[] function_value_b;

return value_f-value_b;

}

}

差分形式的牛顿插值法(c++)的更多相关文章

  1. 牛顿插值法——用Python进行数值计算

    拉格朗日插值法的最大毛病就是每次引入一个新的插值节点,基函数都要发生变化,这在一些实际生产环境中是不合适的,有时候会不断的有新的测量数据加入插值节点集, 因此,通过寻找n个插值节点构造的的插值函数与n ...

  2. 牛顿插值法及其C++实现

    h1 { margin-bottom: 0.21cm } h1.western { font-family: "Liberation Sans", sans-serif; font ...

  3. Matlab数值计算示例: 牛顿插值法、LU分解法、拉格朗日插值法、牛顿插值法

    本文源于一次课题作业,部分自己写的,部分借用了网上的demo 牛顿迭代法(1) x=1:0.01:2; y=x.^3-x.^2+sin(x)-1; plot(x,y,'linewidth',2);gr ...

  4. 牛顿插值法(c++)【转载】

    摘自<c++和面向对象数值计算>,代码简洁明快,采用模板函数,通用性增强,牛顿差分合理利用存储空间,采用Horner算法(又称秦九韶算法)提高精度,减少时间复杂度,高!确实是高!对其中代码 ...

  5. 牛顿插值法(c++)

    X Y 0.40 0.41075 0.55 0.57815 0.65 0.69675 0.80 0.88811 0.90 1.02652 1.05 1.25382 #include using nam ...

  6. CPP,MATLAB实现牛顿插值

    牛顿插值法的原理,在维基百科上不太全面,具体可以参考这篇文章.同样贴出,楼主作为初学者认为好理解的代码. function p=Newton1(x1,y,x2) %p为多项式估计出的插值 syms x ...

  7. 【模拟8.11】星空(差分转化,状压DP,最短路)

    一道很好的题,综合很多知识点. 首先复习差分:      将原来的每个点a[i]转化为b[i]=a[i]^a[i+1],(如果是求和形式就是b[i]=a[i+1]-a[i]) 我们发现这样的方便在于我 ...

  8. 等距结点下的Newton插值多项式系数计算(向前差分)

    插值多项式的牛顿法 1.为何需要牛顿法? ​ 使用Lagrange插值法不具备继承性.当求好经过\(({x_0},{y_0})-({x_n},{y_n})\)共n+1个点的插值曲线时候,如果再增加一个 ...

  9. 埃尔米特插值问题——用Python进行数值计算

    当插值的要求涉及到对插值函数导数的要求时,普通插值问题就变为埃尔米特插值问题.拉格朗日插值和牛顿插值的要求较低,只需要插值函数的函数值在插值点与被插函数的值相等,以此来使得在其它非插值节点插值函数的值 ...

随机推荐

  1. Git for Windows. 国内镜像

    感谢https://github.com/waylau/git-for-win Git for Windows. 国内直接从官网(http://git-scm.com/download/win)下载比 ...

  2. Java多线程并发同步执行

    https://www.cnblogs.com/pengdai/p/12026959.html 并发关键字:volatile,final,synchronized Collections: 并发集合 ...

  3. 微信小程序下拉框组件

    >>下拉组件 1.组件结构: 2.index.js: //index.js Component({ /** * 组件的属性列表 */ properties: { propArray: { ...

  4. MySQL修炼之路五

    1. 存储引擎和锁 1. 存储引擎(处理表的处理器) 1. 基本操作 1. 查看所有存储引擎 mysql>show engines; 2. 查看已有表的存储引擎 mysql>show cr ...

  5. Shell脚本编程30分钟入门(小结)(转)

    原文链接https://www.jb51.net/article/161028.htm 什么是Shell脚本 Shell脚本(英语:Shell script),又称Shell命令稿.程序化脚本,是一种 ...

  6. 日志聚合工具loki

    目录 1.loki是什么 2.loki特点 3.loki组成 4.loki安装 4.1.添加helm的chart库 4.2.安装loki及promtail 4.3.安装grafana 5.配置和使用 ...

  7. Linux-网络RAID技术DRBD

    DRBD简介 官方文档 DRBD的全称为:Distributed Replicated Block Device(DRBD)分布式块设备复制,DRBD是由内核模块和相关脚本构成,用以构建高可用的集群. ...

  8. AXURE RP EXTENSION For Chrome----解决办法

    出现这个问题是因为chrome://extensions/中没有安装扩展程序 解决办法: 步骤一:情景再现,打开某个html会出现如下页面,不停地提示你安装插件 步骤二:如果点击安装扩展程序,能够成功 ...

  9. 编程小白入门分享三:Spring AOP统一异常处理

    Spring AOP统一异常处理 简介 在Controller层,Service层,可能会有很多的try catch代码块.这将会严重影响代码的可读性."美观性".怎样才可以把更多 ...

  10. object store in javascript