下载文档原格式
拉格朗日插值法解题步骤：
拉格朗日插值法是一种数学方法，用于通过已知的离散数据点来构造一个多项式，这个多项式可以用来估计或逼近其他未知的数据点。
以下是拉格朗日插值法的解题步骤：
1.确定已知数据点：首先，你需要有一组已知的数据点。
这些数据点是你用来进行插值的已知信息。
2.构造拉格朗日多项式：对于每一个数据点 (xi, yi)，构造一个拉格朗日基函数。
3. 计算拉格朗日多项式的值：将每个已知数据点的横坐标xi 代入拉格朗日多项式L(x)，得到对应的yi 值。
这样，你就可以得到一个新的数据点集，这些点的坐标是(xi, L(xi))。
4. 使用插值多项式进行预测：对于你想要预测的x 值，代入拉格朗日多项式L(x)，即可得到对应的y 值。
这就是拉格朗日插值法的基本步骤。
需要注意的是，这种方法只适用于已知的数据点是离散的情况。
如果数据点是连续变化的，你可能需要使用其他方法，如样条插值等。
重心拉格朗日插值法【引言】插值法是一种数学方法，通过已知数据点的信息，预测和估计未知数据点的值。
拉格朗日插值法是插值法的一种，以其构造简单、插值多项式次数可调等优点被广泛应用。
重心拉格朗日插值法是拉格朗日插值法的一种改进，具有更高的精度和稳定性。
【重心拉格朗日插值法的定义和性质】重心拉格朗日插值法，又称重心的拉格朗日插值法，是利用重心坐标公式来计算插值节点的方法。
设已知数据点为{Xi, Yi}，i=1,2,...,n，重心拉格朗日插值法的插值节点为{Xj, Yj}，j=1,2,...,n+1，其中Xj 是Yj 的函数。
插值多项式可以表示为：P(x) = ∑Wi*Li(x)其中Wi 是权值，Li(x) 是拉格朗日基函数。
【重心拉格朗日插值法的计算方法】1.插值基函数的构建：根据给定的数据点和插值节点，计算拉格朗日基函数Li(x)。
2.权值的计算：利用重心坐标公式，计算插值节点对应的权值Wi。
3.插值多项式的求解：利用权值和拉格朗日基函数，求解插值多项式P(x)。
【重心拉格朗日插值法与其他插值法的比较】1.与拉格朗日插值法的比较：重心拉格朗日插值法在计算插值节点时引入了重心坐标公式，使得插值多项式的精度更高，稳定性更好。
2.与牛顿插值法的比较：重心拉格朗日插值法与牛顿插值法具有相似的计算过程，但重心拉格朗日插值法在插值节点选择上更具有优势，使得插值多项式的精度更高。
【重心拉格朗日插值法的应用领域】1.数值分析：重心拉格朗日插值法在数值分析中有着广泛的应用，如求解微分方程、插值和拟合等。
2.数据插补：在数据处理中，重心拉格朗日插值法可以用于插补缺失的数据点，提高数据的完整性和准确性。
3.模式识别：在模式识别领域，重心拉格朗日插值法可以用于插值和预测，提高分类和识别的准确性。
【结论】重心拉格朗日插值法是一种改进的拉格朗日插值法，具有较高的精度和稳定性。
在数值分析、数据插补和模式识别等领域有着广泛的应用。
拉格朗日多项式插值法
拉格朗日多项式插值法是通过构造一个多项式函数来逼近原函
数的一种方法。
它的基本思想是，给定一个函数在不同点上的取值，通过构造一个多项式函数，使其在这些点上与原函数取值相同，从而得到一个逼近函数。
具体地，拉格朗日多项式插值法的步骤如下：
1. 给定一组数据点$(x_1,y_1),(x_2,y_2),...,(x_n,y_n)$，其中$x_i$为自变量，$y_i$为因变量。
2. 构造拉格朗日基函数$L_i(x)$，定义为：
$$L_i(x)=prod_{j=1,j
eq i}^nfrac{x-x_j}{x_i-x_j}$$
其中，$i=1,2,...,n$。
这里的基函数$L_i(x)$可以看作是在每个数据点处都为1，而在其他点处都为0的一个函数，具有良好的插值性质。
3. 构造拉格朗日插值多项式$p(x)$，定义为：
$$p(x)=sum_{i=1}^n y_iL_i(x)$$
这个多项式函数就是通过拉格朗日基函数和数据点的取值所构
造出来的逼近函数，它在每个数据点处都与原函数取值相同。
4. 利用插值多项式$p(x)$进行求解。
拉格朗日多项式插值法是一种简单而有效的插值方法，它可以用于求解函数值、导数、积分等问题，并被广泛应用于科学、工程等领域。
- 1 -。
拉格朗日插值区间误差限拉格朗日插值方法是一种常用的数值插值方法，用于在给定一组已知数据点的情况下，通过构造一个多项式函数来拟合这些数据点，并在插值区间内求得未知值。
然而，由于插值方法的近似性质，插值结果与真实值之间总会存在一定的误差。
本文将介绍拉格朗日插值法以及其误差限的计算方法。
一、拉格朗日插值法简介拉格朗日插值法是一种基于多项式的插值方法，其基本思想是通过构造一个满足给定数据点的插值多项式来逼近真实的函数曲线。
具体而言，对于给定的n个数据点(xi, yi)，拉格朗日插值法的插值多项式可以表示为：P(x) = Σ[ yi * Li(x) ]，i=0 to n其中，Li(x)是拉格朗日基函数，定义为：Li(x) = Π[ (x - xj) / (xi - xj) ]，j=0 to n，i ≠ j这样，通过求解插值多项式P(x)，我们可以在插值区间内求得未知值。
二、插值误差限的计算尽管拉格朗日插值法可以通过构造插值多项式来逼近真实函数曲线，但由于插值方法本质上是一种近似方法，插值结果与真实值之间总会存在一定的误差。
我们可以通过计算插值误差限来评估插值的可靠性。
在拉格朗日插值法中，插值误差限可通过以下等式进行估计：| f(x) - P(x) | ≤ M / (n + 1)! * | x - x0 | * | x - x1 | * ... * | x - xn |其中，f(x)是真实函数的值，P(x)是插值多项式的值，M是插值区间上函数f(x)的最大导数的上界，n是插值多项式的次数。
三、拉格朗日插值法的应用示例为了更好地理解拉格朗日插值法及其误差限的计算方法，我们来看一个具体的示例。
假设我们要通过拉格朗日插值法来估计函数f(x) = sin(x)在区间[0, π]内的某个未知值。
已知在该区间内取了n+1个等间距的数据点(xi, yi)，其中i=0, 1, 2, ..., n。
首先，我们可以根据已知数据点构造拉格朗日插值多项式P(x)，并计算出未知值的近似值。
拉格朗日插值法总结拉格朗日插值法2008-05-12 16：44一、问题的背景在实际问题中常遇到这样的函数y=f(x),其在某个区间[a,b]上是存在的。
但是,通过观察或测量或试验只能得到在区间[a,b]上有限个离散点x0,x1,…,xn上的函数值yi=f(xi),(i=0,1,…,n)。
或者f(x)的函数f(x)表达式是已知的,但却很复杂而不便于计算；希望用一个既能反映函数f(x)的特性，又便于计算的简单函数来描述它。
二、插值问题的数学提法：已知函数在n+1个点x0,x1,…,xn上的函数值yi=f(xi),(i=0,1,…,n)求一个简单函数y=P(x),使其满足：P(xi)=yi,(i=0,1,…,n)。
即要求该简单函数的曲线要经过y=f(x)上已知的这个n+1个点：(x0,y0),(x1,y1),…,(xn,yn),同时在其它x∈[a,b]上要估计误差：R(x)=f(x)-P(x)其中P(x)为f(x)的插值函数，x0,x1,…,xn称为插值节点，包含插值节点的区间[a,b]称为插值区间，求插值函数P(x)的方法称为插值法。
若P(x)是次数不超过n的代数多项式，就称P(x)为插值多项式，相应的插值法称为多项式插值。
若P(x)是分段的多项式，就是分段插值。
若P(x)是三角多项式，就称三角插值。
三、插值方法面临的几个问题第一个问题：根据实际问题选择恰当的函数类。
本章我们选择代数多项式类，其原因有两个：(1)代数多项式类简单；微分、积分运算易于实行；(2)根据著名的Weierstrass逼近定理，任何连续的函数都可以用代数多项式作任意精确的逼近。
第二个问题：构造插值函数P(x),使其满足：P(xi)=yi,(i=0,1,…,n)与此相关的问题是：插值问题是否可解(存在性的问题)，如果有解,是否唯一?(唯一性的问题)第三个问题：插值误差R(x)=f(x)-P(x)的估计问题。
与此相关的问题是插值过程的收敛性的问题。
数值分析课程第五版课后习题答案(李庆扬等)数值分析课程第五版课后习题答案(李庆扬等)第一章：数值分析导论1. 解答：数值分析是一门研究如何使用计算机来解决数学问题的学科。
它包括了从数学理论到计算实现的一系列技术。
数值分析的目标是通过近似的方式求解数学问题，其结果可能不是完全精确的，但是能够满足工程或科学应用的要求。
2. 解答：数值分析在实际应用中起着重要的作用。
它可以用于求解复杂的数学方程、计算机模拟及建模、数据的统计分析等等。
数值分析是科学计算和工程计算的基础，对许多领域都有着广泛的应用，如物理学、经济学、生物学等。
3. 解答：数值方法指的是使用数值计算的方式来求解数学问题。
与解析方法相比，数值方法一般更加灵活和高效，可以处理一些复杂的数学问题。
数值方法主要包括了数值逼近、插值、数值积分、数值微分、线性方程组的求解、非线性方程的求根等。
4. 解答：计算误差是指数值计算结果与精确解之间的差异。
在数值计算中，由于计算机的有限精度以及数值计算方法本身的近似性等因素，都会导致计算误差的产生。
计算误差可以分为截断误差和舍入误差两种。
第二章：数值误差分析1. 解答：绝对误差是指实际值与精确值之间的差异。
例如，对于一个计算出的数值近似解x和精确解x_0，其绝对误差为| x - x_0 |。
绝对误差可以衡量数值近似解的精确程度，通常被用作评估数值计算方法的好坏。
2. 解答：相对误差是指绝对误差与精确解之间的比值。
对于一个计算出的数值近似解x和精确解x_0，其相对误差为| (x - x_0) / x_0 |。
相对误差可以衡量数值近似解相对于精确解的精确度，常用于评估数值计算方法的收敛速度。
3. 解答：舍入误差是由于计算机的有限精度而引起的误差。
计算机中使用的浮点数系统只能表示有限的小数位数，因此在进行数值计算过程中，舍入误差不可避免地会产生。
舍入误差会导致计算结果与精确结果之间存在差异。
4. 解答：误差限度是指对于给定的数值计算问题，所能容忍的误差范围。
在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法。
许多实际问题中都用函数来表示某种内在联系或规律，而不少函数都只能通过实验和观测来了解。
如对实践中的某个物理量进行观测，在若干个不同的地方得到相应的观测值，拉格朗日插值法可以找到一个多项式，其恰好在各个观测的点取到观测到的值。
这样的多项式称为拉格朗日（插值）多项式。
数学上来说，拉格朗日插值法可以给出一个恰好穿过二维平面上若干个已知点的多项式函数。
拉格朗日插值法最早被英国数学家爱德华·华林于1779年发现[1]，不久后（1783年）由莱昂哈德·欧拉再次发现。
1795年，拉格朗日在其著作《师范学校数学基础教程》中发表了这个插值方法，从此他的名字就和这个方法联系在一起[2]。
对于给定的若n+1个点，对应于它们的次数不超过n 的拉格朗日多项式只有一个。
如果计入次数更高的多项式，则有无穷个，因为所有与相差的多项式都满足条件。
定义对某个多项式函数，已知有给定的k + 1个取值点：其中对应着自变量的位置，而对应着函数在这个位置的取值。
假设任意两个不同的x j都互不相同，那么应用拉格朗日插值公式所得到的拉格朗日插值多项式为：其中每个为拉格朗日基本多项式（或称插值基函数），其表达式为：[3]拉格朗日基本多项式的特点是在上取值为1，在其它的点上取值为0。
存在性对于给定的k+1个点：，拉格朗日插值法的思路是找到一个在一点取值为1，而在其他点取值都是0的多项式。
这样，多项式在点取值为，而在其他点取值都是0。
而多项式就可以满足在其它点取值为0的多项式容易找到，例如：它在点取值为：。
由于已经假定两两互不相同，因此上面的取值不等于0。
于是，将多项式除以这个取值，就得到一个满足“在取值为1，而在其他点取值都是0的多项式”：这就是拉格朗日基本多项式。
唯一性次数不超过k的拉格朗日多项式至多只有一个，因为对任意两个次数不超过k的拉格朗日多项式：和，它们的差在所有k+1个点上取值都是0，因此必然是多项式的倍数。
excel拉格朗日插值函数Excel拉格朗日插值函数是一种常用的数据插值方法，在很多领域都有应用，比如工程建模、生物信息学、金融分析等。
本文将从介绍插值方法的基本原理、数学公式和Excel计算方法方面进行讲解，希望使读者能够更好地掌握Excel拉格朗日插值函数的使用方法。
一、插值方法的基本原理插值方法是一种基于已知数据点推导出未知数据点值的数学方法。
在实际应用过程中，很多情况下我们只知道若干个数据点的取值，但是我们需要获得数据点之间的中间值或者在这些数据点之外的其他值。
这时候，插值方法就可以发挥作用。
插值方法的基本思路是，利用已知点之间的最高次多项式函数将数据点连接起来，然后求出函数在某个未知点的取值。
一般来说，如果已知数据点越多，则插值计算得到的结果越准确。
在拉格朗日插值方法中，我们使用拉格朗日多项式来计算未知点的取值。
拉格朗日多项式的原理是，将已知点看作多个线性项的积，然后通过一系列复杂的运算，得到一个关于自变量x的多项式函数。
二、拉格朗日插值法的数学公式假设我们有n个数据点{(x1,y1),(x2,y2),...(xn,yn)}，其中x1<x2<...<xn。
我们需要在这些数据点之间插值计算出某个未知点x的函数值y。
y = Σ(yi * Li(x))i从1到n，Li(x)为拉格朗日多项式（Lagrange polynomial），表达式为：Li(x) = Π(j ≠ i)((x - xj)/(xi - xj))j从1到n。
三、Excel计算方法Excel中可以使用插值函数进行插值计算。
要使用拉格朗日插值函数，可以先使用X轴和Y轴的数据点构建一个散点图，然后使用趋势线功能来生成拉格朗日插值函数的公式。
1. 创建散点图在Excel中选中所需要插值的数据点，然后点击插入菜单中的散点图选项。
这时候，Excel将在新的工作表中创建一个散点图，并根据数据点自动添加X轴和Y轴的标签。
2. 添加趋势线在散点图中，我们需要生成一条趋势线来表示拉格朗日插值函数。
拉格朗日插值法理论及误差分析首先，我们先来了解一下拉格朗日多项式的基本概念。
对于给定的n个不同的点(xi, yi)，其中xi是x轴上的点，yi是对应的函数值。
拉格朗日多项式的一般形式可以表示为：L(x) = y0 * l0(x) + y1 * l1(x) + y2 * l2(x) + ... + yn *ln(x)其中，li(x)是拉格朗日基函数，定义为：li(x) = (x - x0)(x - x1)...(x - xi-1)(x - xi+1)...(x - xn) / (xi - x0)(xi - x1)...(xi - xi-1)(xi - xi+1)...(xi - xn)使用拉格朗日插值法，我们可以根据已知数据点构造出一个多项式L(x)，该多项式在给定数据点上与原始函数的值完全相同。
求解出多项式L(x)后，我们可以通过求解L(x)的值得到在x处的近似值。
然而，在实际应用中，我们常常关注的是拉格朗日插值法的误差分析。
即，我们需要评估插值多项式与原始函数之间的误差有多大。
f(x) - L(x)，≤ M / (n + 1)! * ，(x - x0)(x - x1)...(x - xn)其中，M是在给定区间上的最大值函数M = max，f^(n+1)(x)。
需要注意的是，这个误差上界取决于插值节点的选择，并且对于特定的节点，可以找到与原始函数完全匹配的插值多项式。
进一步地，如果对于给定的k>n，求得插值多项式L(x)的k阶导数，则该导数也可以与原始函数f(x)的k阶导数具有很大的相似性，从而提供了在估计导数时的一种方法。
总的来说，拉格朗日插值法是一种简单而有效的插值方法，可以对给定数据进行插值和近似，而误差分析能够帮助我们评估插值结果的准确程度。
当然，拉格朗日插值法也有其局限性，例如在大数据集上计算困难，并且在边界条件不明确或节点选择不当时会出现振荡。
因此，在具体应用中，我们需要根据实际情况选择合适的插值方法。
拉格朗日插值法在实际问题中的应用信科131 高静远尽管满足插值条件Pn(xi)=yi (i=0,1,2,…,n) (1) 的n 次插值多项式是唯一的，然而它的表达式却可以有多种形式。
如果取满足条件)...2,1,0........(!i 0)(1)(n i k k i x I i k ====）（或的一组n 次的代数多项式l0(x)、l1(x)、…、ln(x)作为上述线性空间的基，容易看出y0l0(x)+ y1l1(x)+ …+ynln(x)=∑yklk(x)必是一个不高于n 次的代数多项式，而且它在节点x0、x1、…、xn 上的值依次是 y0、y1、…、yn 也就是说，由n+1个n 次代数多项式y0l0(x)、 y1l1(x)、 …、ynln(x)线性生成的多项式（3），就满足插值条件（1）的n 次插值多项式。
满足条件（2）的n 次代数多项式lk(x)（k=0,1,2…,n ），称为在n+1个节点xi （i=0,1,2,…,n ）上的n 次基本插值多项式；形如（3）的插值多项式称为拉格朗日插值多项式，记作Ln(x),即∑==+++=ni i i n n n x l y x l y x l y x l y x 01100)()(...)()()(L其中基函数))...()...()(/())...()()...()(()(L 1101110n k k k k k n k k k x x x x x x x x x x x x x x x x x x x ---------=-+-给定函数表如下： x ... 0.1 0.2 0.3 0.4 0.5 ... exp(x) ... 1.1502 1.2214 1.3499 1.4918 1.6487 ...试求exp(0.285)的近似值程序：x=[385,560,621,655,676,695,711,728,750,776,806,837,858,880,900,923,943,982,1040,1120,1352];y=[0.3,0.7,1,1.2,1.35,1.5,1.65,1.8,2,2.15,2.22,2.10,1.95,1.8,1.65,1.5,1.35,1.2,1,0.8,0.5];p= polyfit(x,y,2)x1=385:10:1355;y1=polyval(p,x1); plot(x,y,'*',x1,y1)小结：1 因为程序编辑器应用的并不熟练，许多公式只能用编程的语言来叙述，例如e 的x 次幂，我用了exp(x) 还有大括号，因为打不出来，所以我只能用“或”来表示2 因为是自己纯手打，排版可能不是很完美，以后我会吸取经验教训，努力提高3 在用matla程序写函数的时候，因为没有网上的范本，改了很多次，所以拖了比较久才做完。
拉格朗日插值公式的证明及其应用一、拉格朗日插值公式的证明：假设给定n+1个不同的数据点(x0, y0), (x1, y1), ..., (xn, yn)，其中xi不等于xj，i≠j。
我们要找到一个满足这些数据点的多项式函数P(x)，使得P(xi) = yi，i = 0, 1, ..., n。
设P(x)的表达式为P(x) = a0 + a1x + a2x^2 + ... + anxn，其中a0, a1, ..., an是待确定的系数。
由于希望P(x)满足P(xi) = yi，可以得到以下等式：a0 + a1x0 + a2x0^2 + ... + anx0^n = y0a0 + a1x1 + a2x1^2 + ... + anx1^n = y1...a0 + a1xn + a2xn^2 + ... + anx0n = yn将这些等式进行展开，可以得到如下的一个线性方程组：a0 + a1x0 + a2x0^2 + ... + anx0^n = y0a0 + a1x1 + a2x1^2 + ... + anx1^n = y1...a0 + a1xn + a2xn^2 + ... + anx0n = yn我们令Li(x)表示一个满足Li(xi) = 1，Li(xj) = 0 (j≠i)的多项式函数。
将P(x)的表达式代入上述的线性方程组，我们可以得到以下等式：y0Li(x) + y1Li(x) + ... + ynLi(x) = P(x)将P(x)表示成等于数据点的线性组合的形式，即拉格朗日插值公式的形式。
二、拉格朗日插值公式的应用：1.数据拟合：拉格朗日插值公式可以通过已知的数据点，得到一个满足数据点的多项式函数。
通过拟合已有数据，可以进行数据的预测和预估。
2.函数逼近：对于已知的函数，可以通过拉格朗日插值公式插值得到一系列的数据点。
这样可以将原函数进行逼近，并在所插入的数据点上进行具体的计算。
3.误差估计：通过拉格朗日插值公式得到的多项式函数可以作为原函数的近似函数。
拉格朗日插值是一种常用的数据拟合方法，它可以通过已知数据点来估计出未知数据点的值。
在数学和工程领域中，拉格朗日插值经常被用来进行数据的近似和预测。
在本文中，我们将深入探讨拉格朗日插值的原理和应用，并以Matlab程序例题来展示其实际运用。
1. 拉格朗日插值的原理拉格朗日插值是利用已知数据点来构造一个多项式，通过这个多项式来拟合数据并进行预测。
它的原理基于拉格朗日多项式的概念，即通过已知的n个点来构造一个n-1次的拉格朗日多项式，利用这个多项式来估计其他点的数值。
2. 拉格朗日插值的公式假设有n个已知的数据点(x1, y1), (x2, y2), …, (xn, yn)，则拉格朗日插值多项式可以表示为：L(x) = Σ(yi * li(x)), i=1 to n其中li(x)是拉格朗日基函数，定义为：li(x) = Π((x - xj) / (xi - xj)), j=1 to n, j≠i利用这个公式，我们可以得到拉格朗日插值多项式，进而进行数据的拟合和预测。
3. 拉格朗日插值的Matlab程序实现下面我们将以一个具体的例题来展示如何使用Matlab来实现拉格朗日插值。
假设有如下数据点：y = [10, 5, 8, 3, 6];我们希望利用这些数据点来构造拉格朗日插值多项式，并使用这个多项式来估计x=3.5处的数值。
我们可以编写Matlab程序来实现拉格朗日插值。
代码如下：```matlabfunction result = lagrange_interpolation(x, y, xx)n = length(x);result = 0;for i = 1:ntemp = y(i);for j = 1:nif i ~= jtemp = temp * (xx - x(j)) / (x(i) - x(j));endendresult = result + temp;endend```我们可以调用这个函数来进行插值计算：```matlaby = [10, 5, 8, 3, 6];xx = 3.5;result = lagrange_interpolation(x, y, xx)disp(result);```通过这段程序，我们可以得到x=3.5处的插值结果为6.75。
拉格朗日插值法5.2 拉格朗日（Lagrange）插值可对插值函数选择多种不同的函数类型，由于代数多项式具有简单和一些良好的特性，例如，多项式是无穷光滑的，容易计算它的导数和积分，故常选用代数多项式作为插值函数。
5.2.1 线性插值问题5.1给定两个插值点其中，怎样做通过这两点的一次插值函数？过两点作一条直线，这条直线就是通过这两点的一次多项式插值函数，简称线性插值。
如图5.1所示。
图5.1 线性插值函数在初等数学中，可用两点式、点斜式或截距式构造通过两点的一条直线。
下面先用待定系数法构造插值直线。
设直线方程为，将分别代入直线方程得：当时，因，所以方程组有解，而且解是唯一的。
这也表明，平面上两个点，有且仅有一条直线通过。
用待定系数法构造插值多项式的方法简单直观，容易看到解的存在性和惟一性，但要解一个方程组才能得到插值函数的系数，因工作量较大和不便向高阶推广，故这种构造方法通常不宜采用。
当时，若用两点式表示这条直线，则有：（5.1）这种形式称为拉格朗日插值多项式。
，，称为插值基函数，计算，的值，易见（5.2）在拉格朗日插值多项式中可将看做两条直线，的叠加，并可看到两个插值点的作用和地位都是平等的。
拉格朗日插值多项式型式免除了解方程组的计算，易于向高次插值多项式型式推广。
线性插值误差定理5.1记为以为插值点的插值函数，。
这里，设一阶连续可导，在上存在，则对任意给定的，至少存在一点，使（5.3）证明令，因是的根，所以可设对任何一个固定的点，引进辅助函数：则。
由定义可得，这样至少有3个零点，不失一般性，假定，分别在和上应用洛尔定理，可知在每个区间至少存在一个零点，不妨记为和，即和，对在上应用洛尔定理，得到在上至少有一个零点，。
现在对求二次导数，其中的线性函数)，故有代入，得所以即5.2.2 二次插值问题5.2给定三个插值点，,其中互不相等，怎样构造函数的二次的（抛物线）插值多项式？平面上的三个点能确定一条次曲线，如图5.2所示。
