对拉格朗日插值法与牛顿插值法的学习和比较

插值法实验报告插值法实验报告一、引言插值法是一种常用的数值分析方法，用于通过已知数据点的函数值来估计在其他位置的函数值。

它在科学计算、图像处理、工程设计等领域有广泛的应用。

本实验旨在通过实际操作，深入理解插值法的原理和应用。

二、实验目的1. 掌握拉格朗日插值法和牛顿插值法的原理和计算方法；2. 通过实验比较不同插值方法的精度和效率；3. 分析插值法在实际问题中的应用。

三、实验步骤1. 收集实验数据：在实验室内设置几个测量点，记录它们的坐标和对应的函数值；2. 使用拉格朗日插值法计算其他位置的函数值：根据已知数据点，利用拉格朗日插值公式计算其他位置的函数值；3. 使用牛顿插值法计算其他位置的函数值：根据已知数据点，利用牛顿插值公式计算其他位置的函数值；4. 比较不同插值方法的精度和效率：通过计算误差和运行时间，比较拉格朗日插值法和牛顿插值法的性能差异；5. 分析插值法在实际问题中的应用：结合实验结果，探讨插值法在实际问题中的优势和局限性。

四、实验结果与分析1. 拉格朗日插值法的计算结果：根据已知数据点，利用拉格朗日插值公式计算其他位置的函数值；2. 牛顿插值法的计算结果：根据已知数据点，利用牛顿插值公式计算其他位置的函数值；3. 误差分析：比较插值结果与真实函数值之间的误差，分析误差的来源和影响因素；4. 运行时间分析：比较不同插值方法的运行时间，分析其效率和适用场景。

五、实验结论1. 拉格朗日插值法和牛顿插值法都是常用的插值方法，它们在不同场景下有各自的优势；2. 插值法在实际问题中的应用需要考虑数据的分布、函数的性质和计算效率等因素；3. 本实验结果表明，拉格朗日插值法和牛顿插值法在精度和效率上存在差异，具体选择哪种方法应根据实际需求进行权衡。

六、实验总结通过本次实验，我们深入了解了插值法的原理和应用。

实验结果表明，插值法在科学计算和工程设计中具有重要的作用。

在实际应用中，我们需要根据具体问题的要求和数据的特点选择合适的插值方法，以达到更好的效果。

举例来看：可以认为某水文要素T随时间t的变化是连续的，某一个测点的水文要素T可以看作时间的函数T=f(t)，这样在实际水文观测中，对测得的（n+1）个有序值进行插值计算来获取任意时间上的要素值。

①平均值法：若求Ti 和Ti+1之间任一点T，则直接取T为Ti和Ti+1的平均值。

插值公式为：T=Ti+Ti+1 2②拉格朗日（Lagrange）插值法：若求Ti 和Ti+1之间任一点T，则可用T i-1、T1、T i+1三个点来求得，也可用T i、T i+1、T i+2这三个点来求得。

前三点内插公式为：T=(t-t i)(t-t i+1)(t i-1-t i)(t i-1-t i+1)T i-1+(t-t i-1)(t-t i+1)(t-t i-1)(t-t i+1)T i+(t-t i)(t-t i-1)(t i+1-t i)(t i+1-t i-1)T i+1后三点内插公式为：T=(t-t i+1)(t-t i+2)(t i-t i+1)(t i-t i+2)T i+(t-t i)(t-t i+2)(ti-t i)(t i-t i+2)T i+1+(t-t i)(t-t i+1)(t i+2-t i)(t i+2-t i+1)T i+2为提高插值结果可靠性，可将前后3点内插值再进一步平均。

③阿基玛（Akima）插值法：对函数T=f(t)的n+1个有序型值中任意两点T i和T i+1满足：f(t i)=T i dfdt|t-ti=k i f’(t i+1)=T’idfdt|t-ti+1=k i+1式中k i，k i+1为曲线f(t)在这两点的斜率，而每点的斜率和周围4个点有关，插值公式为：T=P0+P1(t-t i)+P2(t-t i)2+P3(t-t i)3，来对T i和T i+1之间的一点T进行内差。

④牛顿（Newton）插值法：若求Ti 和Ti+1之间任一点T，插值公式为：T=f(x0)+(x-x0)f(x0,x1)+ (x-x0)(x-x1)f(x0,x1,x2)+…+(x-x0)(x-x1)…(x-x n-2)f(x0,x1,…,x n-1)式中，f(x0,x1)，f(x0,x1,x2)，…f(x0,x1,…,x n-1)是函数f(x)的1到第n-1阶差商。

大家都知道插值在数学建模中很重要，现在介绍几种常用插值下面介绍几种基本的、常用的插值：拉格朗日多项式插值、牛顿插值、分段线性插值、Hermite插值和三次样条插值。

1.拉格朗日多项式插值拉格朗日插值就是给定n个数，让你用不超过n-1次的多项式你逼近它，当然这n个点要能满足多项式。

这是一种最基本的思想，计算很简单，先计算n个基函数，基函数可以自己上网搜一下，因为这里打出公式有点麻烦。

然后就是把每个点的y值乘以他的基函数，把这n个式子相加，最后化简就ok了。

下面我把代码写出来，我这些代码全是自己写的，注释比较详细，这里只以lagrange为例，其余都放在附件里了。

%定义myLagrange函数，参数为向量x，y，由用户调用该函数时输入function L=myLagrange (x,y)%n 插值结点的个数n=length(x);%L myLagrange函数计算的多项式系数行列式L=zeros(1,n);%%使用双重for循环，第一个for循环是fori=1:n%aa=1;%ww=1;%for循环for j=1:n%如果i不等于jif j~=i%累加法计算aa=a*(x(i)-x(j));%用向量乘法函数conv计算ww=conv(w,[1,-x(j)]);%if语句结束符end%第二个for循环结束符end%递归法计算L，其中y(i)/a*w表示第i个元素L=y(i)/a*w+L;%第一个for结束符end没错，就这么几句代码，所以很简单的。

2.牛顿插值牛顿插值其实是为了解决拉格朗日插值不能增加新的点来说的。

拉格朗日插值只能接受给定的那么多点，了然后插值。

如果你想再加一个点，它会重新开始计算，这个很费时间和内存。

因此牛顿插值就诞生了。

了解牛顿插值前要学习下差商和差分两个简单的概念。

Newton 插值的优点是：每增加一个节点，插值多项式只增加一项，即因而便于递推运算。

而且Newton 插值的计算量小于Lagrange 插值。

常见的插值方法及其原理1. 拉格朗日插值法（Lagrange Interpolation）拉格朗日插值法是一种基于多项式的插值方法，通过n+1个已知点的函数值来构造一个n次多项式。

具体的计算公式如下：L(x) = Σ[yk * lk(x)], k=0 to n其中yk为已知点（xi, yi）的函数值，lk(x)为拉格朗日基函数，定义为：lk(x) = Π[(x - xj)/(xi - xj)], j=0 to n, j≠k拉格朗日插值法的原理是通过构造一个通过已知点的n次多项式，来代替未知函数的近似值。

利用拉格朗日基函数的性质，可以保证插值多项式通过已知点。

2. 牛顿插值法（Newton Interpolation）牛顿插值法是一种递推的插值方法，通过已知点的函数值和差商来逐步构造插值多项式。

差商的定义如下：f[x0]=y0f[x1]=(f[x1]-f[x0])/(x1-x0)f[x2]=(f[x2]-f[x1])/(x2-x1)...f[xn] = (f[xn] - f[xn-1]) / (xn - xn-1)利用差商的定义，可以得到牛顿插值多项式的表达式：N(x) = f[x0] + f[x0, x1](x-x0) + f[x0, x1, x2](x-x0)(x-x1) + ... + f[x0, x1, ..., xn](x-x0)(x-x1)...(x-xn)牛顿插值法的原理是通过递推计算差商来得到插值多项式。

通过使用差商来处理已知点的函数值差异，可以得到更高次的插值多项式。

3. 样条插值法（Spline Interpolation）样条插值法是一种基于分段低次插值函数的插值方法，常用的是三次样条插值。

样条插值法通过寻找一组分段函数，使得满足原函数的插值条件，并要求函数在每个插值点处的函数值、一阶导数和二阶导数连续。

这样可以保证插值函数在每个插值点处的平滑性。

三次样条插值法的原理是将整个插值区间划分为多个小区间，在每个小区间内使用三次多项式进行插值。

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。

插值法公式简单记忆方法插值法是一种求取某些数据点之间数值的方法，其公式可以根据不同的情况而有所不同。

以下是一些简单记忆插值法公式的方法：1. 拉格朗日插值法：根据已知数据点的函数值构造一个多项式函数，并使用该函数进行插值计算。

公式为：$$f(x) = sum_{i=0}^n y_i L_i(x)$$其中，$L_i(x)$ 是拉格朗日基函数，表示为：$$L_i(x) = prod_{jeq i} frac{x-x_j}{x_i-x_j}$$2. 牛顿插值法：通过已知数据点的差商来构造一个插值多项式。

公式为：$$f(x) = f[x_0] + (x-x_0)f[x_0,x_1] +(x-x_0)(x-x_1)f[x_0,x_1,x_2] + cdots +(x-x_0)cdots(x-x_{n-1})f[x_0,cdots,x_n]$$其中，$f[x_i]$ 表示 $i$ 阶差商，$f[x_i,x_{i+1},cdots,x_{i+j}]$ 表示 $i$ 到 $i+j$ 阶差商。

3. 分段线性插值法：将插值区间分成若干个小区间，每个小区间内用一条直线来近似表示函数。

公式为：$$f(x) = begin{cases}frac{x-x_0}{x_1-x_0}y_1 + frac{x_1-x}{x_1-x_0}y_0, &x_0leq x leq x_1frac{x-x_1}{x_2-x_1}y_2 + frac{x_2-x}{x_2-x_1}y_1, &x_1leq x leq x_2cdots & cdotsfrac{x-x_{n-1}}{x_n-x_{n-1}}y_n +frac{x_n-x}{x_n-x_{n-1}}y_{n-1}, & x_{n-1}leq x leq x_nend{cases}$$其中，$x_i$ 和 $y_i$ 分别表示已知数据点的自变量和因变量。

数值分析中的插值算法及其应用数值分析是研究解决数学问题的数值方法的一门学科。

其中，插值算法是数值分析中重要的方法之一。

插值是指在给定一些数据点的情况下，用一些方法建立一个函数，该函数可以在给定区间内的任何一点上计算出函数值。

插值方法有很多种，其中比较常用的有拉格朗日插值法、牛顿插值法和埃尔米特插值法。

1. 拉格朗日插值法拉格朗日插值法是一种将一个多项式函数p(x)与一系列已知数据点相联系的方法。

假设给定n个数据点(x1, y1), (x2, y2), ..., (xn, yn)，其中x1 < x2 < ... < xn，那么可以构造一个次数小于等于n-1的多项式函数p(x)满足p(xi) = yi，i=1,2,...,n。

设p(x)的表达式为：p(x) = Σyi li(x)其中，li(x)为拉格朗日基函数。

每个基函数都满足：li(xi) = 1, li(xj) = 0, j≠i基函数的表达式为：li(x) = Π[j≠i] (x - xj) / (xi - xj)利用拉格朗日插值法，可以在给定数据点的情况下，快速计算函数在其他点上的值。

2. 牛顿插值法牛顿插值法是一种利用差商的方法建立插值多项式的方法。

相比于拉格朗日插值法，牛顿插值法更注重于递推计算。

给定n个数据点(x1, y1), (x2, y2), ..., (xn, yn)，牛顿插值法可以建立一个关于x的n次多项式。

首先，定义一个差商：f[xi] = yif[xi, xi+1, ..., xj] = (f[xi+1, ..., xj] - f[xi, ..., xj-1]) / (xj - xi)差商f[xi, xi+1, ..., xj]是由区间(xi, xj)内的函数值f(xi), f(xi+1), ..., f(xj)所计算得到的。

定义一个新的多项式qk(x)，其中：qk(x) = f[x0, x1, ..., xk] + (x - xk) qk-1(x)其中q0(x) = f[x0]。

五种插值法的对⽐研究毕业论⽂题⽬：五种插值法的对⽐研究xxx⼤学本科⽣毕业论⽂开题报告表论⽂（设计）类型：A—理论研究；B—应⽤研究；C—软件设计等；五种插值法的对⽐研究 (3)⼀插值法的历史背景 (5)⼆五种插值法的基本思想 (5)（⼀）拉格朗⽇插值 (5)（⼆）⽜顿插值 (6)（三）埃尔⽶特插值 (7)（四）分段线性插值 (7)（五）样条插值 (8)三五种插值法的对⽐研究 (9)四插值法在matlab中的应⽤ (15)五参考⽂献 (17)五种插值法的对⽐研究摘要：插值法是数值分析中最基本的⽅法之⼀。

在实际问题中碰到的函数是各种各样的，有的甚⾄给不出表达式，只提供了⼀些离散数据，例如，在查对数表时，要查的数据在表中找不到，就先找出它相邻的数，再从旁边找出它的修正值，按⼀定关系把相邻的数加以修正，从⽽找出要找的数，这种修正关系实际上就是⼀种插值。

在实际应⽤中选⽤不同类型的插值函数，逼近的效果也不同。

本⽂详细介绍了拉格朗⽇插值、⽜顿插值、分段插值、埃尔⽶特插值、样条插值法，并从五种插值法的基本思想和具体实例⼊⼿，探讨了五种插值法的优缺点和适⽤范围。

.通过对五种插值法的对⽐研究及实际应⽤的总结，从⽽使我们在以后的应⽤中能够更好、更快的解决问题。

关键词：插值法对⽐实际应⽤Abstract: interpolation numerical analysis of one of the most basic method. Function is a wide variety of practical problems encountered, and some even not give expression provides only a number of discrete data, e.g., in the the checker number table, to check the data is not found in the table , first find out the number next to it, from the side to find the correction value, a certain relationship between the adjacent number to be amended, and to find to find the number, this correction relationship is actually an interpolation . Selection of different types of interpolation functions in practical applications, the approximation of the effect is different. This paper describes the Lagrange interpolation, Newton interpolation, piecewise interpolation, Hermite interpolation, spline interpolation, and start from the basic idea of the five interpolation and specific examples to explore the advantages of the five interpolation shortcomings and the scope of application. The comparative study and practical application of the summary by the the five interpolation method of application so that we can better and faster to solve the problem.引⾔在许多实际问题中，常常需要根据⼀张函数表推算该函数在某些点上的函数值，或要求解决与该函数有关的⼀些问题，例如分析函数的性态，求导数、积分、零点与极值点等。

matlab 拉格朗日插值法和牛顿插值法题目：MATLAB中的拉格朗日插值法和牛顿插值法引言在实际问题中，我们常常需要通过一系列已知数据点来估计未知数据点的值。

这种问题很常见，例如用温度测量数据来预测未来某一天的温度。

为了解决这种插值问题，拉格朗日插值法和牛顿插值法是常用的方法之一。

在本文中，我们将介绍这两种插值方法并详细解释如何在MATLAB中使用它们。

一、拉格朗日插值法拉格朗日插值法是基于拉格朗日多项式的一种插值方法。

该方法使用已知数据点的值和位置来构造一个多项式，进而估计未知数据点的值。

其基本思想是通过多项式与每个数据点相等，并利用拉格朗日插值公式来得到插值多项式。

1. 拉格朗日插值公式拉格朗日插值公式可以表示为：P(x) = Σ(yi * li(x))其中P(x)是插值多项式，yi是第i个数据点的值，li(x)是拉格朗日基函数。

拉格朗日基函数li(x)定义为：li(x) = Π((x-xj)/(xi-xj)) (j ≠i)2. MATLAB实现要在MATLAB中实现拉格朗日插值法，我们可以按照以下步骤进行：（1）首先定义数据点的横坐标x和纵坐标y；（2）使用for循环遍历每个数据点，并计算插值多项式的每一项；（3）将每个数据点的插值多项式项相加，得到最终的插值多项式；（4）通过给定的x值，计算插值多项式的值。

该过程可以通过以下MATLAB代码实现：matlab定义已知数据点的横坐标和纵坐标x = [1, 2, 3, 4];y = [2, 4, 1, 6];计算插值多项式的每一项n = length(x); 数据点数量P = 0; 初始化插值多项式for i = 1:n计算每一项的拉格朗日基函数li = ones(size(x));for j = 1:nif j ~= ili = li .* (xs - x(j)) / (x(i) - x(j));endend计算每一项的插值多项式项Pi = yi * li;将每一项相加得到最终的插值多项式P = P + Pi;end给定x值，计算插值多项式的值x_val = 2.5;y_val = polyval(P, x_val);二、牛顿插值法牛顿插值法是一种使用差商的插值方法。

插值法的简便计算插值法是一种常见的数值分析方法，用于在给定的数据点之间估计未知函数的值。

在实际应用中，插值法的计算可能会比较复杂，但是有一些简便的计算方法可以帮助我们更快地完成插值计算。

一、拉格朗日插值法拉格朗日插值法是一种常用的插值方法，它可以通过已知的数据点来估计未知函数的值。

其基本思想是：假设已知n个数据点(x1,y1),(x2,y2),...,(xn,yn)，并且这些点两两不同，那么可以构造一个n次多项式P(x)，使得P(xi)=yi(i=1,2,...,n)。

然后，通过这个多项式来估计未知函数在某个点x0处的值f(x0)。

拉格朗日插值法的计算比较繁琐，但是可以通过一些简便的计算来减少计算量。

具体来说，可以使用以下公式来计算多项式P(x)：P(x)=Σ(yi*li(x))其中，li(x)是拉格朗日基函数，定义为：li(x)=Π((x-xj)/(xi-xj))(i≠j)这个公式中，Π表示连乘积，xi和xj是已知的数据点，i≠j。

通过这个公式，我们可以快速计算出多项式P(x)的值。

二、牛顿插值法牛顿插值法是另一种常用的插值方法，它也可以通过已知的数据点来估计未知函数的值。

其基本思想是：假设已知n个数据点(x1,y1),(x2,y2),...,(xn,yn)，并且这些点两两不同，那么可以构造一个n次插值多项式N(x)，使得N(xi)=yi(i=1,2,...,n)。

然后，通过这个多项式来估计未知函数在某个点x0处的值f(x0)。

牛顿插值法的计算也比较繁琐，但是可以通过一些简便的计算来减少计算量。

具体来说，可以使用以下公式来计算插值多项式N(x)：N(x)=b0+b1(x-x1)+b2(x-x1)(x-x2)+...+bn(x-x1)(x-x2)...(x-xn)其中，bi是牛顿插值系数，可以通过以下公式来计算：bi=Δyi/Δxi(i=1,2,...,n)其中，Δyi和Δxi分别表示相邻数据点的函数值和自变量之差。

拉格朗日插值公式和牛顿插值公式拉格朗日插值公式和牛顿插值公式是数值分析中常用的插值方法，用于通过已知数据点推导出未知数据点的近似值。

本文将分别介绍这两个插值方法的原理和应用，并比较它们的特点和优劣。

一、拉格朗日插值公式拉格朗日插值公式是由法国数学家拉格朗日于18世纪提出的，它通过构造一个多项式来逼近给定的数据点集合。

具体而言，拉格朗日插值多项式的形式为：P(x) = Σ(yi * Li(x))其中，P(x)表示待求的多项式，yi表示已知数据点的函数值，Li(x)称为拉格朗日基函数，它代表了每个数据点的贡献度。

拉格朗日插值公式的优点在于其简单易懂，计算过程相对简单快速。

但是，该方法的缺点是对于较大规模的数据集合，计算量会变得很大，同时当数据点之间的间距不均匀时，插值结果可能出现较大误差。

二、牛顿插值公式牛顿插值公式是由英国数学家牛顿于17世纪提出的，它采用了多项式的差商形式进行插值。

具体而言，牛顿插值多项式的形式为：P(x) = f[x0] + (x - x0)f[x0, x1] + (x - x0)(x - x1)f[x0, x1,x2] + ...其中，f[x0]表示已知数据点的函数值，f[x0, x1]表示x0和x1两个点之间的差商，以此类推。

牛顿插值公式的优点在于可以通过递推的方式计算差商，避免了重复计算，因此对于较大规模的数据集合，计算效率较高。

此外，牛顿插值公式对于不均匀间距的数据点也能够较好地逼近。

然而，牛顿插值公式的缺点在于其计算过程较为繁琐，需要额外计算差商。

三、比较与应用拉格朗日插值公式和牛顿插值公式都是常见的插值方法，它们在实际应用中各有优劣。

下面将对它们进行比较和应用分析。

1. 计算复杂度从计算复杂度的角度来看，牛顿插值公式在计算差商时需要递推计算，每次计算需要O(n)的复杂度，因此总的计算复杂度为O(n^2)。

而拉格朗日插值公式直接计算每个基函数，每次计算都需要O(n)的复杂度，因此总的计算复杂度也为O(n^2)。

数值分析中常用的插值方法在数值计算中，许多问题都可以用插值方法来近似求解，比如曲线拟合、函数逼近和图像重建等。

插值方法是指在已知数据点的情况下，通过一些数值计算技巧，在每个数据点处构造一个多项式函数，使得该函数在每个数据点处都能通过数据点。

在数据点之间计算函数值时，就可以使用这个多项式函数进行估算。

接下来，我们就来详细介绍一些常见的插值方法。

一、拉格朗日插值法拉格朗日插值法是一个经典的插值方法，它的思想是通过给定的数据点，构造一个经过这些点的多项式函数进行逼近。

具体来讲，拉格朗日插值法会首先构造一个基函数，该函数满足只在其对应的数据点处等于1，其余的数据点处等于0。

然后，根据基函数和数据点，构造一个多项式函数，使得该函数在每个数据点处都能通过数据点。

最终得到的多项式函数就是插值函数。

优点：简单易懂，使用较为广泛。

缺点：多项式次数较高时造成的误差会较大，且在数据点密集的区域可以出现龙格现象，使得插值函数在某些区间内呈现大幅度振荡。

二、牛顿插值法牛顿插值法是一种递推式的插值方法，它通过利用已知的数据点和前面已经计算出来的差商，得到一个逐步逼近的插值函数。

具体来讲，牛顿插值法会先将已知的数据点连成一条曲线，然后逐个向这条曲线添加新的数据点，每次添加一个新的数据点后，将差商计算出来并加入到之前的差商序列中，最终得到一个多项式函数，它在每个数据点处都能通过数据点。

牛顿插值法的优缺点与拉格朗日插值法相似，但是由于牛顿插值法是递推式的，可以方便的添加新的数据点，因此在数据点多变的情况下，牛顿插值法具有很大的优势。

三、分段插值法分段插值法是一种将插值区间划分为多个子区间的插值方法，在每个子区间内使用插值方法进行插值，然后将所有子区间内的插值函数拼接起来，得到最终的插值函数。

分段插值法主要分为两种：线性分段插值和三次样条插值。

1.线性分段插值线性分段插值的思路很简单，即在每个数据点处构造两条直线，在数据点之间的区间内使用一条直线作为插值函数。

拉格朗日插值法与牛顿插值法的比较一、 背景在工程和科学研究中出现的函数是多种多样的。

常常会遇到这样的情况：在某个实际问题中，虽然可以断定所考虑的函数)(x f 在区间],[b a 上存在且连续，但却难以找到它的解析表达式，只能通过实验和观测得到在有限个点上的函数值（即一张函数表）。

显然，要利用这张函数表来分析函数)(x f 的性态，甚至直接求出其他一些点上的函数值可能是非常困难的。

面对这些情况，总希望根据所得函数表（或结构复杂的解析表达式），构造某个简单函数)(x P 作为)(x f 的近似。

这样就有了插值法，插值法是解决此类问题目前常用的方法。

如设函数)(x f y =在区间],[b a 上连续，且在1+n 个不同的点b x x x a n ≤≤,,,10 上分别取值n y y y ,,,10 。

插值的目的就是要在一个性质优良、便于计算的函数类Φ中，求一简单函数)(x P ，使 ),,1,0()(n i y x P i i ==而在其他点i x x ≠上，作为)(x f 的近似。

通常，称区间],[b a 为插值区间，称点n x x x ,,,10 为插值节点，称式i i y x P =)(为插值条件，称函数类Φ为插值函数类，称)(x P 为函数)(x f 在节点n x x x ,,,10 处的插值函数。

求插值函数)(x P 的方法称为插值法。

插值函数类Φ的取法不同，所求得的插值函数)(x P 逼近)(x f 的效果就不同。

它的选择取决于使用上的需要，常用的有代数多项式、三角多项式和有理函数等。

当选用代数多项式作为插值函数时，相应的插值问题就称为多项式插值。

本文讨论的拉格朗日插值法与牛顿插值法就是这类插值问题。

在多项式插值中，最常见、最基本的问题是：求一次数不超过n 的代数多项式 n n x a x a a x P +++= 10)(使),,1,0()(n i y x P i i n ==，其中，n a a a ,,,10 为实数。

几种插值法的应用和比较插值法的应用与比较信科1302 万贤浩 132710381格朗日插值法在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·路易斯·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，不久后由莱昂哈德·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.1.1拉格朗日插值多项式图1已知平面上四个点：(−9, 5), (−4, 2), (−1, −2), (7, 9)，拉格朗日多项式：)(x L （黑色）穿过所有点.而每个基本多项式：)(00x l y ,)(11x l y , )(22x l y 以及)(x l y ςς各穿过对应的一点，并在其它的三个点的x 值上取零.对于给定的若1+n 个点),(00y x ,),(11y x ,………),(n n y x ，对应于它们的次数不超过n 的拉格朗日多项式L 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L 相差))((10x x x x --λ……)(n x x -的多项式都满足条件.对某个多项式函数，已知有给定的1+k 个取值点：),(00y x ,……,),(k k y x ,其中i x 对应着自变量的位置，而i y 对应着函数在这个位置的取值.假设任意两个不同的i x 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：)()(0x l y x L j kj j ∑==，其中每个)(x l j 为拉格朗日基本多项式（或称插值基函数），其表达式为：)()()()()()()()()(111100,0k j k j j j j j j j kj i i i j i j x x x x x x x x x x x x x x x x x x x x x l --------=--=++--≠=∏ΛΛ， 拉格朗日基本多项式()x l i 的特点是在j x 上取值为1，在其它的点i x ，j i ≠ 上取值为0.例：设有某个多项式函数f ，已知它在三个点上的取值为：•10)4(=f ， •25.5)5(=f ， • 1)6(=f ，要求)18(f 的值.首先写出每个拉格朗日基本多项式：())64)(54()6)(5(0----=x x x l ； ())65)(45()6)(4(1----=x x x l ； ())56)(46()5)(4(2----=x x x l ； 然后应用拉格朗日插值法，就可以得到p 的表达式（p 为函数f 的插值函数）：)()6()()5()()4()(210x l f x l f x l f x p ++=)56)(46()5)(4(1)65)(45()6)(4(25.5)64)(54()6)(5(10----⨯+----⨯+----⨯=x x x x x x )13628(412+-=x x ， 此时数值18就可以求出所需之值：11)18()18(-==p f .1.2插值多项式的存在性与唯一性存在性对于给定的1+k 个点：),(),,(00k k y x y x K 拉格朗日插值法的思路是找到一个在一点j x 取值为1，而在其他点取值都是0的多项式)(x l j .这样，多项式)(x l y j j 在点j x 取值为j y ，而在其他点取值都是0.而多项式()∑==kj j j x l y x L 0)(就可以满足∑==++++==ki j j j i y y x l y x L 0000)()(ΛΛ，在其它点取值为0的多项式容易找到，例如：)())(()(110k j j x x x x x x x x ----+-ΛΛ，它在点j x 取值为：)()()(10k j j j i x x x x x x ---+ΛΛ.由于已经假定i x 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j x 取值为1，而在其他点取值都是0的多项式”：)()()()()()()()(111100k j k j j j j j j j i j j x x x x x x x x x x x x x x x x x x x x l --------=--=++--∏ΛΛ， 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：1p 和2p ，它们的差21p p -在所有1+k 个点上取值都是0,因此必然是多项式)())((10k x x x x x x ---Λ的倍数.因此，如果这个差21p p -不等于0，次数就一定不小于1+k .但是21p p -是两个次数不超过k 的多项式之差，它的次数也不超过k ，所以021=-p p 也就是说21p p =.这样就证明了唯一性.1.3性质拉格朗日插值法中用到的拉格朗日基本多项式n l l l ,,,10Λ（由某一组n x x x <<<Λ10 确定）可以看做是由次数不超过n 的多项式所组成的线性空间：[]X n K 的一组基底.首先，如果存在一组系数：n λλλ,,,10Λ使得，01100=+++=n n l l l P λλλΛ，那么，一方面多项式p 是满足n n x P x P x P λλλ===)(,,)(,)(1100Λ的拉格朗日插值多项式，另一方面p 是零多项式，所以取值永远是0.所以010====n λλλΛ，这证明了n l l l ,,,10Λ 是线性无关的.同时它一共包含1+n 个多项式，恰好等于[]X n K 的维数.所以n l l l ,,,10Λ 构成了[]X n K 的一组基底.拉格朗日基本多项式作为基底的好处是所有的多项式都是齐次的（都是n 次多项式）.1.4优点与缺点拉格朗日插值法的公式结构整齐紧凑，在理论分析中十分方便，然而在计算中，当插值点增加或减少一个时，所对应的基本多项式就需要全部重新计算，于是整个公式都会变化，非常繁琐.这时可以用重心拉格朗日插值法或牛顿插值法来代替.此外，当插值点比较多的时候，拉格朗日插值多项式的次数可能会很高，因此具有数值不稳定的特点，也就是说尽管在已知的几个点取到给定的数值，但在附近却会和“实际上”的值之间有很大的偏差.这类现象也被称为龙格现象，解决的办法是分段用较低次数的插值多项式.2 重心拉格朗日插值法重心拉格朗日插值法是拉格朗日插值法的一种改进.在拉格朗日插值法中，运用多项式)())(()(10k x x x x x x x l ---=Λ，图（2）拉格朗日插值法的数值稳定性：如图(2)，用于模拟一个十分平稳的函数时，插值多项式的取值可能会突然出现一个大的偏差（图中的14至15中间）可以将拉格朗日基本多项式重新写为：∏≠=--=kj i i i j j j x x x x x l x l ,0)(1)()(，定义重心权∏≠=-=kj i i i j j x x ,0)(1ω， 上面的表达式可以简化为：jjj x x x l x l -=ω)()(， 于是拉格朗日插值多项式变为：j k j j j y x x x l x L ∑=-=0)()(ω ， （1）即所谓的重心拉格朗日插值公式（第一型）或改进拉格朗日插值公式.它的优点是当插值点的个数增加一个时，将每个j ω都除以)(1+-k j x x ，就可以得到新的重心权1+k ω，计算复杂度为)(n O ，比重新计算每个基本多项式所需要的复杂度)(2n O 降了一个量级.将以上的拉格朗日插值多项式用来对函数1)(≡x g 插值，可以得到：∑=-=∀k j j j x x x l x g x 0)()(,ω，因为1)(≡x g 是一个多项式.因此，将)(x L 除以)(x g 后可得到：∑∑==--=kj j j k j j j x x x x x L 00)(ωω， （2）这个公式被称为重心拉格朗日插值公式（第二型）或真正的重心拉格朗日插值公式.它继承了（1）式容易计算的特点，并且在代入x 值计算)(x L 的时候不必计算多项式)(x l 它的另一个优点是，结合切比雪夫节点进行插值的话，可以很好地模拟给定的函数，使得插值点个数趋于无穷时，最大偏差趋于零.同时，重心拉格朗日插值结合切比雪夫节点进行插值可以达到极佳的数值稳定性.第一型拉格朗日插值是向后稳定的，而第二型拉格朗日插值是向前稳定的，并且勒贝格常数很小.3.分段线性插值对于分段线性插值，我们看一下下面的情况.3.1问题的重诉已知211)(x x g +=,66≤≤-x 用分段线性插值法求插值，绘出插值结果图形，并观察插值误差.1.在[-6，6]中平均选取5个点作插值；2.在[-6，6]中平均选取11个点作插值；3.在[-6，6]中平均选取21个点作插值；4.在[-6，6]中平均选取41个点作插值.3.2问题的分析在数值计算中，已知数据通常是离散的，如果要得到这些离散点以外的其他点的函数值，就需要根据这些已知数据进行插值.而本题只提供了取样点和原函数)(x g .分析问题求解方法如下：（1）利用已知函数式211)(xx g +=计算取样点X 对应的函数值Y ；将Y X ,作为两个等长的已知向量，分别描述采样点和样本值.因此被插值函数是一个单变量函数，可利用一维插值处理该数据插值问题.一维插值采用的方法通常有拉格朗日多项式插值（本题采用3次多项式插值），3次样条插值法和分段线性插值.（2）分别利用以上插值方法求插值.以0.5个单位为步长划分区间[-6，6]，并将每一点作为插值函数的取样点.再根据插值函数计算所选取样点的函数值.最后再利用所得函数值画出相应的函数图象，并与原函数)(x g 的图象进行对比.3.3问题的假设为了解决上述分析所提到的问题，本题可以作出如下假设：（1）假设原函数)(x g 仅作为求解取样点对应的样点值的函数关系式.而其他各点的函数值都是未知量，叙用插值函数计算.（2）为了得到理想的对比函数图象，假设)(x g 为已知的标准函数.可以选取0.5个单位为步长划分区间[-6，6]，分别计算插值函数和标准函数)(x g 在该区间的取样点的函数值.画出函数图象进行对比.3.4分段线性插值原理给定区间[]b a ,, 将其分割成b x x x a n =<<<=Λ10，已知函数)(x f y =在这些插值结点的函数值为),1,0)((n k x f y k k Λ==；求一个分段函数)(x I k ,使其满足：(1) k k h y x I =)(，),1,0(n k Λ=；(2) 在每个区间[]1,+k k x x 上, )(x I h 是个一次函数.易知,)(x I h 是个折线函数, 在每个区间[]1,+k k x x 上,),1,0(n k Λ=1111)(++++--+--=k kk k k k k k k h y x x x x y x x x x x I ,于是, )(x I h 在[]b a ,上是连续的，但其一阶导数是不连续的.于是即可得到如下分段线性插值函数：)()(0x l y x I ni i i n ∑==,其中 ⎪⎪⎪⎩⎪⎪⎪⎨⎧=≤≤--=≤≤--=+++---.,0;,;0,111111其他时舍去时，且当时舍去时，且当n i x x x x x x x i x x x x x x x l i i i i i i i i ii i3.5问题的求解 在MATLAB 中实现分段线性插值，最近点插值，3次多项式插值，3次样条插值的命令为interp 1,其调用格式为: Y 1=interp 1(X ,Y ,X 1，’method ’) 函数根据X ,Y 的值，计算函数在X 1处的值.X ,Y 是两个等长的已知向量，分别描述采样点和样本值，X 1是一个向量或标量，描述欲插值点，Y 1是一个与X 1等长的插值结果.method 是插值方法，包括：linear ：分段线性插值.它是把与插值点靠近的两个数据点用直线连接，然后在直线让选取对应插值点的数.nearest ：近点插值法.根据已知两点间的插值点与这两点间的位置远近插值.当插值点距离前点远时,取前点的值,否则取后点的值.cubic ：3次多项式插值.根据已知数据求出一个3次多项式，然后根据多项式进行插值.spline ：3次样条插值.在每个分段（子区间）内构造一个3次多项式，使其插值函数除满足插值条件外，还要求个节点处具有光滑条件.再根据已知数据求出样条函数后,按照样条函数插值.运用Matlab 工具软件编写代码，并分别画出图形如下： (一)在[-6，6]中平均选取5个点作插值：-10-5051000.20.40.60.81分段线性插值-10-50510-0.500.513次样条插值-10-5051000.20.40.60.81最近点插值-10-5051000.20.40.60.813次多项式插值（二）在[-6，6]中平均选取11个点作插值：-10-5051000.20.40.60.81-10-5051000.20.40.60.81-10-5051000.20.40.60.81-10-5051000.20.40.60.81（三）在[-6，6]中平均选取21个点作插值：-10-5051000.20.40.60.81分段线性插值-10-551000.20.40.60.813次样条插值-10-551000.20.40.60.81-10-551000.20.40.60.813次多项式插值（四）在[-6，6]中平均选取41个点作插值-10-5051000.20.40.60.81-10-5051000.20.40.60.8100.20.40.60.8100.20.40.60.813次多项式插值3.6 分段插值方法的优劣性分析从以上对比函数图象可以看出，分段线性插值其总体光滑程度不够.在数学上，光滑程度的定量描述是函数(曲线) 的k 阶导数存在且连续，则称该曲线具有k 阶光滑性.一般情况下，阶数越高光滑程度越好.分段线性插值具有零阶光滑性，也就是不光滑.3次样条插值就是较低次数的多项式而达到较高阶光滑性的方法.总体上分段线性插值具有以下特点： 优点: 1.分段线性插值在计算上具有简洁方便的特点.2.分段线性插值与3次多项式插值函数在每个小区间上相对于原函数都有很强的收敛性，（舍入误差影响不大），数值稳定性好且容易在计算机上编程实现等优点缺点: 分段线性插值在节点处具有不光滑性的缺点(不能保证节点处插值函数的导数连续)，从而不能满足某些工程技术上的要求.而3次样条插值却具有在节点处光滑的特点.。

拉格朗日插值法和牛顿插值法的区别
拉格朗日插值法和牛顿插值法都是多项式插值。

多项式插值是通
过在已知点求多项式表达来获得未知点的值的一种插值法。

其原理是
将插值点的函数插入已经确定的多项式中，以求得函数的值。

这两种
方法都能够利用已知的数据来预测未知数据，但它们的原理是不同的。

拉格朗日插值法是一种基于有限多项式的插值方法，旨在根据已
知的离散数据拟合出有限多项式函数。

它假设函数中的任何零点都可
以表示为有限多项式函数，从而得到点集中离散点的函数值。

拉格朗
日插值法可以给出比较精确的结果，但是其在插值程度上存在一定的
缺陷，比如畸变度大，计算量也相对较大。

牛顿插值法是基于牛顿插值多项式的插值方法，是一种基于差分
的插值方法，它旨在插入一组已知的点，并拟合出一个牛顿插值多项式。

此方法通过计算差商来逼近给定的数据点，这样每两个点之间的
函数值的变化率就可以给出，从而得出其中的未知函数值。

牛顿插值
法可以生成比较平滑的结果，但是计算量相对较大。

这种方法在处理
多点数据时很有效，而且对运算量要求比较小，同时插值精度也比较高。

总体而言，拉格朗日插值法与牛顿插值法都是多项式插值的一种。

从运算量、精度和拟合度三点来说，牛顿插值法更优于拉格朗日插值法；而拉格朗日插值法更能准确拟合离散点点集。

三种常见插值方法思想比较及适应性分析作者：于秀君来源：《科教导刊·电子版》2020年第20期摘要函数插值法是解决实际问题经常会用到的一种方法，在计算数学中占据非常重要的位置，被应用于各个领域。

本文就拉格朗日插值法、牛顿插值法以及牛顿型埃尔米特插值法的构造进行了简单的概述，并对其各自的优缺点及其各自的适应性进行了分析。

关键词拉格朗日插值法牛顿插值法牛顿型埃尔米特插值法中图分类号：TN927.2 文献标识码：A0引言函数插值法，简称插值法，正是函数插值法在对现实优化问题的解决过程中起到的重要，决定了函数插值法在数学、天文学等各大领域均被得到广泛应用，在当前最普遍的大机器生产过程中也凸显出了举足轻重的作用。

所谓插值就是从一组离散数据中求得我们所需要的、未直接给出的中间值。

例如，在现代机械工业中用计算机程序控制加工零件，根据设计可给出零件外形曲线的某些型值点，加工时为控制每步走刀方向及步数，就要算出零件外形曲线其他点的函数值才能加工出表面光滑的零件。

构造一个函数作为的近似表达式，的构造则主要依赖于已知的函数值，而后计算在区间上的值作为原函数在这一点的近似值，这是插值函数的核心。

其中需满足以下要求：（1）次数应该不超过、其表达式足够简单，图像足够光滑;（2）在已知定点处。

函数插值既是一个重点性知识，又是一个容易令人困惑的难点。

在日常应用过程中常常会出现各种对插值方法混淆的问题。

基于函数插值的重要地位，本着能更好地将常见的插值方法进行明确的区分的目的，便于在日后的应用过程中更加熟练，本文就拉格朗日插值法、牛顿插值法以及牛顿型埃尔米特插值法的构造进行了简单的概述，并对其各自的优缺点及其各自的适应性进行了分析。

1拉格朗日插值、牛顿插值和埃尔米特插值基本形式简述1.1拉格朗日插值拉格朗日插值法可以说是函数插值方法中最基本的一种插值方法，而插值基函数构造的准确性将直接影响着所构造多项式的效果。

要构造拉格朗日次插值多项式，首先在已知的个节点处分别构造次插值基函数。

数值分析实验报告实验目的：通过数值分析实验，掌握常用的插值方法，包括拉格朗日插值法和牛顿插值法，并对比它们的优缺点。

实验原理：插值法是一种在已知数据点的基础上，通过构造一个函数来逼近给定数据集以及这个函数本身。

其中，拉格朗日插值法采用一个多项式来逼近数据集，而牛顿插值法则采用一个多项式和差商来逼近。

实验步骤：1.使用拉格朗日插值法：a)根据给定的n+1个数据点，构造一个n次的插值多项式。

b)计算插值多项式在给定点x处的值。

2.使用牛顿插值法：a)根据给定的n+1个数据点，计算差商的递归表达式。

b)利用递归表达式计算插值多项式在给定点x处的值。

3.通过实验数据进行验证，并对比两种插值方法的优缺点。

实验结果与分析：以一个具体的实验数据为例，假设已知数据点为{(0,1),(1,3),(2,5)}，要求在给定点x=0.5处进行插值。

1.拉格朗日插值法：a)构造插值多项式：L(x)=1*(x-1)(x-2)/(1-0)(1-2)+3*(x-0)(x-2)/(1-0)(1-2)+5*(x-0)(x-1)/(2-0)(2-1)=(x^2-3x+2)/2+(3x^2-6x)/(-1)+5x^2/2=-3x^2/2+7x/2+1b)计算L(0.5)=-3(0.5)^2/2+7(0.5)/2+1=22.牛顿插值法：a)计算差商表：f[x0]=1f[x1]=3f[x2]=5f[x0,x1]=(f[x1]-f[x0])/(x1-x0)=(3-1)/(1-0)=2f[x1,x2]=(f[x2]-f[x1])/(x2-x1)=(5-3)/(2-1)=2f[x0,x1,x2]=(f[x1,x2]-f[x0,x1])/(x2-x0)=(2-2)/(2-0)=0b)计算插值多项式：N(x)=f[x0]+f[x0,x1]*(x-x0)+f[x0,x1,x2]*(x-x0)(x-x1)=1+2(x-0)+0(x-0)(x-1)=1+2xc)计算N(0.5)=1+2(0.5)=2对比结果可得到拉格朗日插值法和牛顿插值法得到的插值点的值都为2，验证了所使用方法的正确性。