拉格朗日插值法理论及误差分析

拉格朗日插值法理论及误差分析拉格朗日插值法理论及误差分析浅析拉格朗日插值法目录：一、引言二、插值及多项式插值的介绍三、拉格朗日插值的理论及实验四、拉格朗日插值多项式的截断误差及实用估计式五、1、截断误差在[a,b]区间上用Ln(x)近似未知或复杂函数f(x)，其截断误差是指Rn?x??f?x??Ln?x?通常称Rn?x?为拉格朗日插值余额。

注意到利用公式估计截断误差实际上非常困难。

一是因为它要计算函数f(x)的高阶导数，当f(x)很复杂时，计算量很大，而当f(x)没有可用来计算的表达式时，导数无法准确计算；二是因为即使能得到高阶导数的解析式，但于?的具体位置不知道，所以要估计高阶导数在插值区间上的界一般是非常困难的事情。

因此，公式并不实用。

2、截断误差的实用估计式既然公式估计误差时不实用，那么实际中如何估计截断误差呢？假设插值条件中包含n+2组数据?,n,n?, 1f(xi)?yi , i?0,1那么利用n+1组数据我们可以构造一个n 次拉格朗日插值多项式Ln(x)，利用后n+1组数据我们可以构造另一个n次拉格朗日插值多项式L*n(x)。

利用公式知，他们各自的插值余项为f(x)?Ln(x)?1f(n?1)(?)(x?x0)(x?x1)?(x?xn),(n?1)!1f(n?1)(?*)(x?x1)(x?x2)?(x?xn?1), (n?1)!f(x)?L*n(x)?两式相减得L*n(x)?Ln(x)?并可写成1fn?1(?)(x?x1)?(x?xn)(xn?1?x0),(n?1)!L*(x)?Ln(x)1(n?1)f(?)(x?x1)?(x?xn)?n.(n?1)!xn?1?x0注意到上式中利用fn?1(?)?fn?1(?*).该条件在很多情况下是成立的。

利用式可得?Ln(x)?L*n(x)R(x)?f(x)?L(x)?,n? nx0?xn?1? ? *?R*(x)?f(x)?L*(x)?Ln(x)?Ln(x),nn?xn?1x0?式给出了用Ln(x)或L*n(x)作近似计算时的实用误差估计式，它不需要计算高阶导数，也不用估计插值区间上高阶导数的界。

浅析拉格朗日插值法目录：一、 引言二、 插值及多项式插值的介绍 三、 拉格朗日插值的理论及实验四、 拉格朗日插值多项式的截断误差及实用估计式 五、 参考文献一、引言插值在数学发展史上是个古老问题。

插值是和拉格朗日（Lagrange ）、牛顿（Newton ）、高斯（Gauss ）等著名数学家的名字连在一起的。

在科学研究和日常生活中，常常会遇到计算函数值等一类问题。

插值法有很丰富的历史渊源，它最初来源人们对天体研究——有若干观测点（我们称为节点）计算任意时刻星球的位置（插值点和插值）。

现在，人们在诸如机械加工等工程技术和数据处理等科研都有很好的应用，最常见的应用就是气象预报。

插值理论和方法能解决在实际中当许多函数表达式未知或形式复杂，如何去构造近似表达式及求得在其他节点处的值的问题。

二、插值及多项式插值1、插值问题的描述设已知某函数关系()y f x =在某些离散点上的函数值：插值问题：根据这些已知数据来构造函数()y f x =的一种简单的近似表达式，以便于计算点,0,1,,i x x i n ≠=的函数值()f x ，或计算函数的一阶、二阶导数值。

xx 0y y1y 1n y -ny 1x 1n x -nx2、插值的几何意义插值的几何意义如图1所示：图1 3、多项式插值 3.1 基本概念假设()y f x =是定义在区间,a b ⎡⎤⎣⎦上的未知或复杂函数，但一直该函数在点01n a x x x b ≤<<<≤处的函数值01,,n y y y 。

找一个简单的函数，例如函数()P x ，使之满足条件(),0,1,2,,,i P x y i n == （3.1）通常把上述01n x x x <<< 称为插值节点，把()P x 称为()f x 的插值多项式，条件（3.1）称为插值条件，并把求()P x 的过程称为插值法。

3.2 插值多项式的存在性和唯一性 如果插值函数是如下m 次的多项式：1011()m m m m m P x a x a x a x a --=+++那么插值函数的构造就是要确定()m P x 表达式中的m+1个系数011,,,m ma a a a -。

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。

拉格朗日插值多項i. 式與泰勒多項式的誤差分析朱亮儒★ 曾政清☆ 陳昭地★★國立臺灣師範大學數學系教授☆臺北市立建國高級中學數學教師摘要：本文旨於提供拉格朗日插值多項式與泰勒多項式誤差項估計值的初等簡易證明，並探討其應用價值。

關鍵字：拉格朗日插值多項式、泰勒多項式、誤差項一引言有鑑於教育部99普通高級中學數學課綱在第一冊多項式的運算為迴避解三元一次方程組，首次出現插值多項式及其應用(以不超過三次插值多項式為限><[1][2][3]），99數學課綱包含插值多項式部分如下：求中的.除以的餘式為通過的插值多項式。

若有兩實根，則可寫成的型式。

透過因式定理證明插值多項式的唯一性。

設通過的多項式為，求及.插值多項式：通過的多項式可表示為，求的值。

此處暫不處理下面的題型：「設通過的多項式為,求。

」此類題型將在數學的IV的聯立方程組章節中處理。

此處自然而然讓人想到拉格朗日(Lagrange, J. L.,1736-1816>其人奇事，羅列如下：他出生於義大利西北部的杜林(Turin>，從小就極有數學天分，於18歲開始撰寫數學論文，在數論上曾提出一個著名的定理：「任意正整數都可以表成四個平方數的和」。

他是第一位證明均值定理(The Mean Value Theorem>的大數學家。

(均值定理在高三選修甲微分的單元中會學到<[4]），它是僅次於微積分基本定理的極重要的存在定理>他在30歲時，應腓特烈二世的邀請到柏林作為其宮廷數學大師長達20年之久。

之後接受法國的邀請，到巴黎擔任法國科學院院士，拿破崙<1769-1821, 1804-1815擔任法皇）讚譽他為「數學科學的巍峨金字塔」泰勒定理有拉格朗日誤差的公式<存在性）。

拉格朗日恆等式：，，.具有附加條件的多變數實函數極值拉格朗日乘子定理。

最得意的巨著《分析力學》。

拉格朗日差值誤差公式<[5]）：若為區間中相異實數，且,則對每一個，存在,使得,其中為函數在的階拉格朗日插值多項式，而為其插值誤差式。

第1篇一、实验目的1. 理解并掌握插值法的基本原理和常用方法。

2. 学习使用拉格朗日插值法、牛顿插值法等数值插值方法进行函数逼近。

3. 分析不同插值方法的优缺点，并比较其精度和效率。

4. 通过实验加深对数值分析理论的理解和应用。

二、实验原理插值法是一种通过已知数据点来构造近似函数的方法。

它广泛应用于科学计算、工程设计和数据分析等领域。

常用的插值方法包括拉格朗日插值法、牛顿插值法、样条插值法等。

1. 拉格朗日插值法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：给定一组数据点，构造一个次数不超过n的多项式，使得该多项式在这些数据点上的函数值与已知数据点的函数值相等。

2. 牛顿插值法牛顿插值法是一种基于插值多项式的差商的插值方法。

其基本思想是：给定一组数据点，构造一个次数不超过n的多项式，使得该多项式在这些数据点上的函数值与已知数据点的函数值相等，并且满足一定的差商条件。

三、实验内容1. 拉格朗日插值法（1）给定一组数据点，如：$$\begin{align}x_0 &= 0, & y_0 &= 1, \\x_1 &= 1, & y_1 &= 4, \\x_2 &= 2, & y_2 &= 9, \\x_3 &= 3, & y_3 &= 16.\end{align}$$（2）根据拉格朗日插值公式，构造插值多项式：$$P(x) = \frac{(x-x_1)(x-x_2)(x-x_3)}{(x_0-x_1)(x_0-x_2)(x_0-x_3)}y_0 + \frac{(x-x_0)(x-x_2)(x-x_3)}{(x_1-x_0)(x_1-x_2)(x_1-x_3)}y_1 + \frac{(x-x_0)(x-x_1)(x-x_3)}{(x_2-x_0)(x_2-x_1)(x_2-x_3)}y_2 + \frac{(x-x_0)(x-x_1)(x-x_2)}{(x_3-x_0)(x_3-x_1)(x_3-x_2)}y_3.$$（3）计算插值多项式在不同点的函数值，并与实际值进行比较。

引言概述：
拉格朗日插值是一种常用的数值分析方法，旨在通过已知的离散数据点来近似拟合出一个多项式函数，从而实现对未知数据点的预测和估计。

该方法在信号处理、图像处理、金融模型和机器学习等领域具有广泛的应用。

本实验报告将详细介绍拉格朗日插值的原理、算法和实验结果。

正文内容：
1.拉格朗日插值的原理
1.1多项式插值的概念
1.2拉格朗日插值多项式的形式
1.3拉格朗日插值多项式的唯一性证明
2.拉格朗日插值的算法
2.1插值多项式的计算方法
2.2插值多项式的复杂度分析
2.3多点插值方法的优缺点
3.拉格朗日插值的实验设计
3.1实验目的和步骤
3.2数据采集和预处理
3.3插值多项式的建模
3.4实验环境和工具选择
3.5实验结果分析和评估
4.拉格朗日插值的应用案例
4.1信号处理领域中的插值应用
4.2图像处理中的插值算法
4.3金融模型中的拉格朗日插值
4.4机器学习中的插值方法
5.拉格朗日插值的改进和发展
5.1经典拉格朗日插值的局限性
5.2最小二乘拉格朗日插值的改进
5.3多项式插值的其他方法
5.4拉格朗日插值在新领域的应用前景
总结：
拉格朗日插值作为一种经典的数值分析方法，在实际应用中具有广泛的用途。

本文通过介绍拉格朗日插值的原理和算法，以及实验设计和应用案例，全面展示了该方法的特点和优势。

同时，本文还指出了经典拉格朗日插值的局限性，并介绍了一些改进和发展的方向。

可以预见，拉格朗日插值在信号处理、图像处理、金融模型和机器学习等领域将继续发挥重要作用。

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。

数值计算中的插值方法与误差分析数值计算是一门应用数学学科，广泛应用于科学与工程领域。

在实际问题中，我们常常需要通过已知的离散数据点来估计未知的数值。

插值方法就是为了解决这个问题而设计的。

插值方法是一种基于已知数据点，推断出未知数据点的数值计算方法。

常见的插值方法有拉格朗日插值、牛顿插值等。

下面我们将重点介绍这两种方法。

1. 拉格朗日插值法拉格朗日插值法是插值方法中最常见的一种。

它是基于拉格朗日多项式的思想。

假设我们有一组已知的数据点(x1, y1), (x2, y2), ..., (xn, yn)，我们想要估计一个未知点x的函数值y。

拉格朗日插值法的基本思想是通过插值多项式来逼近原函数。

具体步骤如下：（1）根据已知数据点构造Lagrange插值多项式：L(x) = Σ(yi * Li(x)), i = 0, 1, ..., n其中，Li(x) = Π((x-xj)/(xi-xj)), j ≠ i（2）计算未知点x对应的函数值y：y = L(x)拉格朗日插值法的优点是简单易懂，计算方便。

然而，它也存在着一些问题，比如插值多项式的次数较高时，多项式在插值区间外的振荡现象明显，容易引起插值误差。

2. 牛顿插值法牛顿插值法是另一种常见的插值方法。

它是基于差商的思想。

假设我们有一组已知的数据点(x1, y1), (x2, y2), ..., (xn, yn)，我们想要估计一个未知点x的函数值y。

牛顿插值法的基本思想是通过插值多项式来逼近原函数。

具体步骤如下：（1）计算差商：f[xi, xi+1, ..., xi+k] = (f[xi+1, ..., xi+k] - f[xi, ..., xi+k-1]) / (xi+k - xi)（2）根据已知数据点构造Newton插值多项式：N(x) = f[x0] + Σ(f[x0, x1, ..., xi] * Π(x - xj)), i = 0, 1, ..., n-1（3）计算未知点x对应的函数值y：y = N(x)牛顿插值法的优点是适用范围广，可以方便地添加新的数据点进行插值。

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。

拉格朗日插值法牛顿插值法
摘要：
1.插值法的概念和作用
2.拉格朗日插值法原理和应用
3.牛顿插值法原理和应用
4.两种插值法的优缺点比较
正文：
一、插值法的概念和作用
插值法是一种数学方法，通过已知的数据点来预测未知数据点的一种技术。

在科学计算和工程应用中，常常需要根据有限个已知数据点，来估计某个函数在其他点上的值。

插值法正是为了解决这个问题而诞生的。

二、拉格朗日插值法原理和应用
拉格朗日插值法是一种基于拉格朗日基函数的插值方法。

它的基本原理是：在给定的区间[a, b] 上，选取一个基函数，然后通过求解一组线性方程，得到基函数在各数据点上的值，最后用这些值来近似函数在待求点上的值。

拉格朗日插值法广泛应用于数值分析、工程计算等领域。

三、牛顿插值法原理和应用
牛顿插值法，又称为牛顿前向差分法，是一种基于差分的插值方法。

它的基本原理是：通过对已知数据点的函数值进行差分，然后使用牛顿迭代公式来求解差分后的函数在待求点上的值。

牛顿插值法具有较高的精度，适用于各种函数，特别是对于单调函数和多项式函数，效果尤为显著。

四、两种插值法的优缺点比较
拉格朗日插值法和牛顿插值法各有优缺点。

拉格朗日插值法的优点是适用范围广，可以插值任意类型的函数，但计算过程较为复杂；牛顿插值法的优点是计算简便，精度高，但对于非线性函数或多峰函数，效果可能不佳。

因此，在实际应用中，需要根据具体情况选择合适的插值方法。

数值分析中的插值误差控制技巧探讨方向数值分析是应用数学的一个分支，它研究利用数值方法解决数学问题的理论和算法。

其中，插值是数值分析中常用的技术之一，它通过已知数据点来估计未知数据点的值。

然而，插值过程中会引入一定的误差，因此探讨插值误差控制技巧对于优化数值计算过程具有重要意义。

本文将就数值分析中插值误差的控制技巧进行探讨，并介绍一些常用的方法。

一、拉格朗日插值法拉格朗日插值法是插值中常用的一种方法。

它通过已知的n个数据点来构造一个n次多项式，进而估计未知数据点的值。

然而，拉格朗日插值法在一些情况下可能会产生较大的误差。

为了降低插值误差，可以考虑以下几种技巧：1.1 均匀插值节点选择拉格朗日插值法中，节点的选择对插值结果的精度有较大影响。

一种常见的节点选择方式是均匀插值节点，即在插值区间上等距取点。

然而，均匀插值节点在某些函数上可能会产生较大的插值误差。

因此，在实际应用中，可以考虑非均匀插值节点选择，如Chebyshev节点，以减小插值误差。

1.2 引入高次插值多项式拉格朗日插值法是通过构造n次多项式来插值估计。

然而，低次多项式在某些情况下可能无法满足精度要求。

为了降低误差，可以考虑使用高次插值多项式。

通过增加多项式的次数，可以提高插值结果的精度，但也需要注意过高次数可能会引入过拟合问题。

二、牛顿插值法牛顿插值法是另一种常用的插值方法。

与拉格朗日插值法相比，牛顿插值法采用了差商的概念，可以简化计算过程。

然而，在插值过程中，牛顿插值法可能存在一些误差。

为了降低误差，可以考虑以下技巧：2.1 计算插值节点的差商时，采用高阶差商牛顿插值法中，通过计算差商来构建插值多项式。

一般而言，差商越高阶，插值精度越高。

因此，在计算差商时，可以考虑采用高阶差商来提高插值精度。

2.2 选择适当的插值节点与拉格朗日插值法类似，牛顿插值法中节点的选择也对插值结果有一定影响。

在实际应用中，可以根据函数的性质来选择合适的插值节点，以减小插值误差。

拉格朗日插值法分析报告一、拉格朗日插值法介绍1、插值概念简介已知)(x f 在区间],[b a 上1+n 个不同点n x x x ,,10处的函数值),,1,0)((n i i f y i ==，求一个至多n 次的多项式n n x a x a a x +++= 10)(ϕ使其在给定点处与)(x f 同值，既满足插值条件),,1,0()()(n i y x f x i i i n ===ϕ)(x n ϕ称为插值多项式，),,1,0(n i x i =称为插值节点，],[b a 称为插值区间。

从几何上看，n 次的多项式插值就是过1+n 个点),,1,0())(,(n i x f x i i =，作一条多项式曲线)(x y n ϕ=近似曲线)(x f y =。

y)(x y n ϕ=)(x f y =x图1 多项式曲线以及近似曲线2、拉格朗日插值法原理在求满足插值条件n 次插值多项式)(x P n 之前，先考虑一个简单的插值问题：对节点),,1,0(n i x i =中任一点)0(n k x k ≤≤，作一n 次多项式)(x l k ，使它在该点上取值为1，而在其余点),,1,1,1,0(n k k i x i +-=上取值为零，即 ⎩⎨⎧≠==ki k i x l i k 01)( 上式表明n 个点n k k x x x x x ,,,,,,1110 +-都是n 次多项式)(x l k 的零点，故可设)())(())(()(1110n k k k k x x x x x x x x x x A x l -----=+-其中，k A 为待定系数。

由条件1)(=k k x l 立即可得)())(()(1110n k k k k k k k x x x x x x x x A ----=+- 故 )())(()()())(()()(110110n k 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 l --------=+-+- 由上式可以写出1+n 个n 次插值多项式)(,),(),(10x l x l x l n 。

lagrange 插值法实验基本原理: lagrange 插值法是用来解决离散点的插值问题。

若给定两个插值点),(),,(1100y x y x 其10x x ≠，在公式中取1=n ，则La g r a n g e 插值多项式为：)()()()()()(001010010110101x x x x y y y x x x x y x x x x y x p ---+=--+--=是经过),(),,(1100y x y x 的一条直线，故此法称为线性插值法。

2、若函数给定三个插值点 2,1,0),,(=i y x i i ，,其中i x 互不相等，在公式中取1=n ，则Lagrange 插值多项式为： ))(())(())(())(())(())(()(1202102210120120102102x x x x x x x x y x x x x x x x x y x x x x x x x x y x p ----+----+----=是一个二次函数，若2,1,0),,(=i y x i i 三点不在一条直线上，则该曲线是一条抛物线，这种插值法称为二次插值或抛物插值。

为了解决这个问题，我们为此构造了这个矩阵⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----+---.........))(())(()())((12010212010212010x x x x x x x x x x x x x x x x 就可以找到相应系数。

实验结果分析：在应用拉格朗日插值法时应注意以下几个问题：1、在能获得原始资料时应尽量获取原始资料, 不能盲目地用组数据代入公式来估计未知数据。

2、在利用拉格朗日多项式进行插值估计时, 要求所研究范围的值的变化不受特殊或偶照因素的影响, 即的值是在正常条件下的。

3、如果有两组值（i x ，iy ），（j x ，j y ） 的i x =j x ；则这两组值只能取一组代入多项式计算, 否则便会出现 i y 与j y 的项分母为零的情况这种情况对于这种情况, 用哪组值代入多项式估计更好, 往往不易确定。

第二章 插值法知识点：拉格朗日插值法，牛顿插值法，误差，龙格现象，分段插值。

1.背景实践活动中，表现事务变化的信息往往只是一些离散点值，例如 每个6小时记录一次温度，以此反映一天的气温变化状况，如下表图能从已知这些离散点值信息知道10时的气温是多少吗？如果能通过这些离散点值找到气温变化的规律，也就是说能找到一个反映气温变化规律的“原”函数，就可以知道10时的气温是多少。

但我们能采集到的信息只有这些离散点值，时常给不出反映气温变化规律“原”函数的解析表达式，怎么办？通常可以用近似的办法解决这个问题，办法是构造一个通过所有离散点值的“近似”函数，用这个“近似”函数逼近“原”函数。

如图构造这个“近似”函数的方法称为插值方法。

34 32 30 28 26 24 22 20时间（时）温度（。

C ）34 32 30 28 26 24 22 20温度（。

C ）2.概念实际问题中，能采集到的信息只是一些离散点值{x i,f(x i)}(i=0,1,2,…n)，时常给不出一个函数f（x）的解析表达式，因之，转而考虑选择一个简单的函数ϕ（x）近似替代（原来）f（x）。

定义：设f（x）为定义在区间[a，b]上的函数，x0,x1,…,x n为[a，b]上的互异点，y i=f（x i）。

若存在一个简单函数ϕ（x），满足（插值条件）ϕ（x i）=f（x i），i=0，1，…，n。

则称 ϕ（x）为f（x）插值函数，f（x）为被插函数,点x0,x1,…,x n为插值节点,点{x i,f(x i)},i=0,1,2,…n为插值点。

若用ϕ（x）≈f（x），则计算f（x）就转换为计算 ϕ（x）。

插值需要解决：插值函数是否存在唯一；插值函数如何构造；插值函数与被插函数的误差估计和收敛性。

对插值函数的类型有多种不同的选择，代数多项式p n(x)常被选作插值函数 ϕ（x）。

P23(2.18)和(2.19)指出，存在唯一的满足插值条件的n次插值多项式p n(x)。

浅析拉格朗日插值法目录：一、 引言二、 插值及多项式插值的介绍 三、 拉格朗日插值的理论及实验四、 拉格朗日插值多项式的截断误差及实用估计式 五、 参考文献一、引言插值在数学发展史上是个古老问题。

插值是和拉格朗日（Lagrange ）、牛顿（Newton ）、高斯（Gauss ）等著名数学家的名字连在一起的。

在科学研究和日常生活中，常常会遇到计算函数值等一类问题。

插值法有很丰富的历史渊源，它最初来源人们对天体研究——有若干观测点（我们称为节点）计算任意时刻星球的位置（插值点和插值）。

现在，人们在诸如机械加工等工程技术和数据处理等科研都有很好的应用，最常见的应用就是气象预报。

插值理论和方法能解决在实际中当许多函数表达式未知或形式复杂，如何去构造近似表达式及求得在其他节点处的值的问题。

二、插值及多项式插值1、插值问题的描述设已知某函数关系()y f x =在某些离散点上的函数值：插值问题：根据这些已知数据来构造函数()y f x =的一种简单的近似表达式，以便于计算点,0,1,,i x x i n ≠=的函数值()f x ，或计算函数的一阶、二阶导数值。

xx 0y y1y 1n y -ny 1x 1n x -nx2、插值的几何意义插值的几何意义如图1所示：图1 3、多项式插值 基本概念假设()y f x =是定义在区间,a b ⎡⎤⎣⎦上的未知或复杂函数，但一直该函数在点01n a x x x b ≤<<<≤处的函数值01,,n y y y 。

找一个简单的函数，例如函数()P x ，使之满足条件(),0,1,2,,,i P x y i n == （）通常把上述01n x x x <<< 称为插值节点，把()P x 称为()f x 的插值多项式，条件（）称为插值条件，并把求()P x 的过程称为插值法。

插值多项式的存在性和唯一性 如果插值函数是如下m 次的多项式：1011()m m m m m P x a x a x a x a --=+++那么插值函数的构造就是要确定()m P x 表达式中的m+1个系数011,,,m ma a a a -。