The main function takes as input two sequences of numbers and one single number. The first sequence represents [x1,x2,…,xi] of some points, and the second sequence represents [y1,y2,…,yi]. You need to find the Newton interpolating polynomial to pass through the points. The single number is the xn of an additional point to be interpolated.

First, implement your Newton Interpolation algorithm based on [x1,x2,…,xi] and [y1,y2,…,yi]. Then, use it to compute the value ynat xn.

Example

Input: 0.0 0.1 0.2 0.3 0.4 0.5 1.0 0.995 0.98 0.955 0.921 0.8780.7
Output: 0.748

Note

1. The output retains three decimal places (rounded)!

2. [x1,x2,…,xi] and [y1,y2,…,yi] are distinct and of equal length.

3. The [x1,x2,…,xi] of points are increased monotonically and have the equal interval, i.e. xk=x0+kh,h∈{1,2,…}.

Reference Code

#include <iostream>
#include <vector>
#include <sstream>
#include <iomanip>
#include <cmath>using namespace std;// You can add additional standard libraries if necessary.
// Implement the Newton interpolation!
class Newton
{
public:Newton(vector<double> x, vector<double> y,int l): X(x),Y(y),len(l) {}double newton_interpolation(double xn){double yn;double h=X[1]-X[0];double *dt=getDividedDifferenceTable();yn=Y[0];double mult;double k_;for(int k=1;k<len;k++){mult=1;k_=1;for(int i=0;i<k;i++){mult*=xn-X[i];k_*=i+1;}yn+=dt[k]/(k_*pow(h,k))*mult;}return yn;}double *getDividedDifferenceTable(){double* dt=new double[len];for(int i=0;i<len;i++){dt[i]=Y[i];}double tmp1;double tmp2;for(int k=0;k<len-1;k++){tmp1=dt[k];tmp2=dt[k+1];for(int j=k+1;j<len;j++){dt[j]=tmp2-tmp1;tmp1=tmp2;tmp2=dt[j+1];}}return dt;}private:vector<double> X,Y;int len;
};// Test your implementation.
int main()
{//  Input preprocessing.string str;getline(cin, str);stringstream xstr(str);getline(cin, str);stringstream ystr(str);// X and Y are two vectors of equal length to be traversed.vector<double> X, Y;double a;while (xstr >> a){X.push_back(a);}while (ystr >> a){Y.push_back(a);}// interp_x is the point to be interpolated.double interp_x;cin >> interp_x;// Do Newton interpolation for interp_x using X and Y, and print your results// Note: The result retains three decimal places (rounded)!int len=X.size();Newton N(X,Y,len);cout<<setiosflags(ios::fixed)<<setprecision(3)<<N.newton_interpolation(interp_x);// Endreturn 0;
}

Newton Interpolation相关推荐

多项式拟合缺点_曲线拟合方法的选择
曲线拟合方法的选择目录摘要 1 前言 2 1 问题提出 3 2 插值介绍 4 2.1拉格朗日公式求解 4 2.1.1 算法分析 5 2.1.2 程序设计 5 2.1.3 计算结果 8 2. ...
matlab全域基函数,多项式函数插值：全域多项式插值（一）单项式基插值、拉格朗日插值、牛顿插值 [MATLAB]...
全域多项式插值指的是在整个插值区域内形成一个多项式函数作为插值函数.关于多项式插值的基本知识,见"计算基本理论". 在单项式基插值和牛顿插值形成的表达式中,求该表达式在某一点处的值 ...
【Matlab】数据插值
数据插值插值与拟合的区别: 实现方法:插值要求曲线穿过样本点,而拟合不需要穿过样本点,只要求总体误差最小. 结果形式:插值是分段逼近样本点,没有同一的逼近函数:函数拟合则用一个函数去逼近,有完整的表 ...
python插值程序_计算方法（2）——插值法（附Python程序）
给定一些数据,生成函数的方式有两种:插值,回归. 插值而得到的函数通过数据点,回归得到的函数不一定通过数据点. 下面给出拉格朗日插值,牛顿插值和Hermite插值的程序, 具体原理可参考课本,不再赘述 ...
函数插值的python实现——拉格朗日、牛顿插值
函数插值的python实现--拉格朗日.牛顿插值 1. 拉格朗日(Larange)插值实现代码 2. 牛顿(Larange)插值 2.1 牛顿插值多项式的基本形式 2.2 牛顿均差插值多项式 (1) ...
Spline interpolation and Savitzki-Golay smoothing
转自:http://octave.1599824.n4.nabble.com/Spline-interpolation-and-Savitzki-Golay-smoothing-td1675136.h ...
双线性插值（Bilinear Interpolation）
应用场景图像放缩中的处理:从低分辨率图像生成高分辨率图像的过程,用以恢复图像中所丢失的信息: 假设源图像大小为 mxn ,目标图像为 axb.那么两幅图像的边长比分别为:m/a 和 n/b.这个 ...
什么是牛顿法(Newton methods)？什么是拟牛顿法(Quasi Newton methods)？牛顿法和梯度下降法的区别是什么？
什么是牛顿法(Newton methods)?什么是拟牛顿法(Quasi Newton methods)?牛顿法和梯度下降法的区别是什么? 牛顿法的最初提出是用来求解方程的根的.对于最优化问题,其极值 ...
数字图像处理笔记二 - 图片缩放(最近邻插值(Nearest Neighbor interpolation))
图片缩放的两种常见算法: 最近邻域内插法(Nearest Neighbor interpolation) 双向性内插法(bilinear interpolation) 本文主要讲述最近邻插值(Near ...
视频插值--Video Frame Interpolation via Adaptive Separable Convolution
Video Frame Interpolation via Adaptive Separable Convolution ICCV2017 https://github.com/sniklaus/py ...

Newton Interpolation

Example

Note

Reference Code

Newton Interpolation相关推荐

最新文章

热门文章