【Python算法】数值分析—拉格朗日插值法（2-已知原函数做拟合分析）——附源码

4399资深专家

已于 2022-05-04 22:39:47 修改

阅读量2.4k

点赞数 2

分类专栏：数学物理编程文章标签： python pycharm 算法线性代数

于 2022-04-15 20:26:36 首次发布

本文链接：https://blog.csdn.net/qq_50920297/article/details/124202923

版权

数学物理编程专栏收录该内容

11 篇文章 15 订阅

订阅专栏

一、背景

拉格朗日插值法可在未知原函数，只知道节点值、节点函数值时，以多项式的形式拟合出原函数。它也可以在已知原函数的情况下，对拟合出的多项式进行分析，进一步讨论多项式次数、插值区间大小对拟合出的多项式的精度影响。

对于未知原函数，拟合后做预测的讨论，请移步拉格朗日插值法（1-原函数未知做预测）

拟合出的多项式：

$L_{n} (x)=l_{i}(x)*f(x_{i})$

$l_{i}(x)=\frac{(x-x_{0}) \dots (x-x_{i-1})(x-x_{i+1})\dots(x-x_{n})}{(x_{i} -x_{0}) \dots (x_{i}-x_{i-1})(x_{i}-x_{i+1})\dots(x_{i}-x_{n})}$

而 $x_{i}$ 、 $f(x_{i})$ 是已知量，是实际容易测得的值，如一天内的时间和温度值，其拟合出的 $L_{n} (x)$ 就是温度关于时间变化的函数表达式

二、函数逻辑（function文件，完整代码在文末）

主要步骤：

计算 $l_{i} (x)$ 的分子
计算 $l_{i} (x)$ 的分母
通过 $l_{i} (x)$ 的分子分母组合出 $L_{n} (x)$
分别计算多项式和原函数在同一点的值，做比较

1.给定区间两点及划分次数，求出区间列表

def get_list_x(a,  # 左区间
               b,  # 右区间
               n   # 区间n等分
               ):
    if a < b:
        return np.linspace(a, b, n)
    else:
        return np.linspace(b, a, n)

2.计算 $l_{i} (x)$ 的分子

def get_li_numerator(list_x):
    """ 计算li(x)的分子部分，返回分子的表达式 """
    x = sp.symbols('x')
    numerator = [1 for _ in range(0, len(list_x))]  # 初始化分子列表，全置为1
    for i in list(range(0, len(list_x))):
        for j in list(range(0, len(list_x))):
            # 循环计算到自己时，跳过此次循环
            if j == i:
                continue
            value_item = x - list_x[j]
            numerator[i] = numerator[i] * value_item
    return numerator

3.计算 $l_{i} (x)$ 的分母

def get_li_denominator(list_x):
    """ 计算li(x)的分母部分 """
    denominator = [1 for _ in range(0, len(list_x))]  # 初始化分母列表，全置为1
    for i in list(range(0, len(list_x))):
        for j in list(range(0, len(list_x))):
            # 循环计算到自己时，跳过此次循环
            if j == i:
                continue
            value_item = list_x[i] - list_x[j]
            denominator[i] = denominator[i] * value_item
    return denominator

4.组合出 $l_{i} (x)$ 的表达式

def get_expression_li(list_x):
    """ 计算li(x)的表达式 """
    # 获取分子表达式
    numerator = get_li_numerator(list_x)
    # 获取分母的数值列表
    denominator = get_li_denominator(list_x)
    # 初始化li的表达式列表
    expression_li = []
    for i in list(range(0, len(numerator))):
        expression_li.append(numerator[i] / denominator[i])
    return expression_li

5.组合出 $L_{n} (x)$ 表达式

def get_expression_lagrange(list_fx, list_x):
    """ 获取拉格朗日差值多项式的表达式 """
    # 获取li(x)的表达式
    expression_li = get_expression_li(list_x)
    # 初始化拉格朗日插值多项式为0
    expression_lagrange = 0
    for i in list(range(0, len(list_x))):
        expression_lagrange += expression_li[i] * list_fx[i]
    return expression_lagrange

6.计算原函数在x点的值

def get_value_fx(fx, x,
                 precision=5  # 计算保留的有效数字
                 ):
    """ 计算fx的值 """
    return fx.evalf(subs={'x': x}, n=precision)

7.计算拟合出的多项式在x点的值

def get_value_expression_lagrange(expression_lagrange,  # 拉格朗日差值多项式的表达式
                                  x,  # 某一点x
                                  precision=5  # 计算保留的有效数字
                                  ):
    """ 计算拉格朗日差值多项式在某一点x的值 """
    return expression_lagrange.evalf(subs={'x': x}, n=precision)

三、最终实现（main文件，完整代码）

import function as fun
import sympy as sp


x = sp.symbols('x')
# 设置原函数
fx = 1/(1+x**2)
# 给定区间及等分次数，获取对应x列表
list_x = fun.get_list_x(-5, 5, 5)
# 设置待计算的点
interpolation_x = 0
# 获取拉格朗日插值多项式
expression_lagrange = fun.get_expression_lagrange(fx, list_x)
# 计算该多项式在计算点的值
result_interpolation = fun.get_value_expression_lagrange(expression_lagrange, interpolation_x)
result_true = fun.get_value_fx(fx, interpolation_x)

简单输出结果

print("原始表达式：", fx)
print("拉格朗日插值多项式：", expression_lagrange)
print("插值结果：", result_interpolation)
print("真值结果：", result_true)

部分结果展示

function文件完整代码

import numpy as np
import sympy as sp


def get_list_x(a,  # 左区间
               b,  # 右区间
               n   # 区间n等分
               ):
    if a < b:
        return np.linspace(a, b, n)
    else:
        return np.linspace(b, a, n)


def get_li_numerator(list_x):
    """ 计算li(x)的分子部分，返回分子的表达式 """
    x = sp.symbols('x')
    numerator = [1 for _ in range(0, len(list_x))]  # 初始化分子列表，全置为1
    for i in list(range(0, len(list_x))):
        for j in list(range(0, len(list_x))):
            # 循环计算到自己时，跳过此次循环
            if j == i:
                continue
            value_item = x - list_x[j]
            numerator[i] = numerator[i] * value_item
    return numerator


def get_li_denominator(list_x):
    """ 计算li(x)的分母部分 """
    denominator = [1 for _ in range(0, len(list_x))]  # 初始化分母列表，全置为1
    for i in list(range(0, len(list_x))):
        for j in list(range(0, len(list_x))):
            # 循环计算到自己时，跳过此次循环
            if j == i:
                continue
            value_item = list_x[i] - list_x[j]
            denominator[i] = denominator[i] * value_item
    return denominator


def get_expression_li(list_x):
    """ 计算li(x)的表达式 """
    # 获取分子表达式
    numerator = get_li_numerator(list_x)
    # 获取分母的数值列表
    denominator = get_li_denominator(list_x)
    # 初始化li的表达式列表
    expression_li = []
    for i in list(range(0, len(numerator))):
        expression_li.append(numerator[i] / denominator[i])
    return expression_li


def get_value_fx(fx, x,
                 precision=5  # 计算保留的有效数字
                 ):
    """ 计算fx的值 """
    return fx.evalf(subs={'x': x}, n=precision)


def get_expression_lagrange(fx, list_x,
                            precision=5  # 计算保留的有效数字
                            ):
    """ 获取拉格朗日差值多项式的表达式 """
    # 获取li(x)的表达式
    expression_li = get_expression_li(list_x)
    # 初始化拉格朗日插值多项式为0
    expression_lagrange = 0
    for i in list(range(0, len(list_x))):
        value_fx = get_value_fx(fx, list_x[i], precision)
        expression_lagrange += expression_li[i] * value_fx
    return expression_lagrange


def get_value_expression_lagrange(expression_lagrange,  # 拉格朗日差值多项式的表达式
                                  x,  # 某一点x
                                  precision=5  # 计算保留的有效数字
                                  ):
    """ 计算拉格朗日差值多项式在某一点x的值 """
    return expression_lagrange.evalf(subs={'x': x}, n=precision)

demo源码链接如下

github地址：https://github.com/method_lagrange_interpolation

gitee地址：https://gitee.com/darlingxyz/method_lagrange_interpolation