实现拉格朗日插值和牛顿插值

实验名称： 插值算法的实现

实验目的：

​ a. 实现拉格朗日插值；

​ b. 验证随着插值结点的增多插值曲线的变化情况。

​ c. 实现牛顿插值，显示插商结果；

​ d. 比较拉格朗日插值与牛顿插值的插值结果是否相同。

实验内容

一、实现拉格朗日插值

​ 为了方便起见，我选择的函数为三角函数
$$f(x)=sinx$$
​ 运用基函数实现拉格朗日插值，首先要计算基函数

​ 基函数的一般形式：

根据基函数分子和分母的形式我们可以看出，如果想要求解基函数，可以先构造一个累乘函数,再求基函数
# 累乘函数
def T(x, i, X):
    T1 = 1
    for j in X:
        if X[i] == j:
            continue
        T1 = T1 * (x-j)
    return T1
# 插值基函数
def P(i, x, X, Y):
    P1 = T(x, i, X)/T(X[i], i, X) * Y[i]
    return P1

最后根据公式计算拉格朗日插值

选取八个点得到的拉格朗日插值

二、验证随着插值结点的增多插值曲线的变化情况

当插值节点为2个时

当插值节点为4个时

当插值节点为6个时

当插值节点为8个时

根据以上结果可以发现，随着插值节点的增多，曲线的拟合效果越好。为了更加精确的表示，将误差做成下列表格，可以看出随着插值节点的增多，误差减小。

插值节点	误差
2个	0.11861563625463706
4个	0.014743131588928482
6个	0.0001773516321779134
8个	4.743257968842229e-06

三、实现牛顿插值，显示插商结果

根据差商的定义，容易得出高阶差商是两个低一阶差商的差商

根据上图，容易联想到或许差商可以用二位数组来实现，具体实现代码如下：

#计算差商
def chashang(X ,Y):
    A = np.zeros([n,n])
    for i in  range(0,n):
        A[i][0] = Y[i] #每一行的第一个都是f(xi)
    for j in range(1,n):
        for i in range(j,n):
            A[i][j] = (A[i][j-1] - A[i-1][j-1])/(X[i]-X[i-j]) #根据差商公式计算
    return A

根据公式实现牛顿插值：

#计算牛顿插值
def N(x, X, Y):
    sum = Y[0]
    t = np.zeros((len(X),len(X)))
    
    for i in range(0,len(X)):
        t[i,0] = Y[i]
    sumt = 1.0
    for i in range(1,len(X)):
        sumt = sumt*(x-X[i-1])
        for j in range(i,len(X)):
            sumt[j,i] = (sumt[j,i-1] - sumt[j-1,i-1])/(X[j] - X[j-i])
        sum += sumt*t[i,i]
    return sum

四、比较拉格朗日插值与牛顿插值的插值结果是否相同

根据上式及以上所有结果可知，一般拉格朗日插值法和牛顿插值法的结果一致。

值得注意的是，当插值多项式从n-1次增加到n次时，拉格朗日插值必须重新计算所有的基本插值多项式；而对于牛顿插值，只需要用表格再计算一个n阶均差，然后再加上一项即可。

实验体会

1.通过用python实现拉格朗日插值方法和牛顿插值方法，加深了对插值方法的理解；

2.一般情况下在插值节点数目较多时，得到的插值公式的精度越高，插值结果误差越小，但也有特殊情况；

3.用插值方法推导已知区间之外的点得到的值往往不准确；

4.通过该实验，我学习并熟练掌握了python中的numpy和matlab库，更加熟悉了python语言的使用。