拉格朗日插值法的Python程序

线性插值和抛物线插值

在这里插入图片描述
在这里插入图片描述

#两点拉格朗日线性插值,一次插值多项式
x_list = [1, 3]
y_list = [1, 2]
#所要求的插值x的值
x = 1.5

l_0 = (x - x_list[1]) / (x_list[0] - x_list[1])
l_1 = (x - x_list[0]) / (x_list[1] - x_list[0])

P = l_0 * y_list[0] + l_1 * y_list[1]
print(P)

结果:

1.25
#两点拉格朗日线性插值,一次插值多项式
x_list = [100, 121]
y_list = [10, 11]
#所要求的插值x的值
x = 115

l_0 = (x - x_list[1]) / (x_list[0] - x_list[1])
l_1 = (x - x_list[0]) / (x_list[1] - x_list[0])

P = l_0 * y_list[0] + l_1 * y_list[1]
print(P)

结果:

10.714285714285715

在这里插入图片描述
在这里插入图片描述

#三点拉格朗日抛物线插值
x_list = [1, 3, 2]
y_list = [1, 2, -1]
#所要求的插值x的值
x = 1.5

l_0 = ((x - x_list[1]) * (x - x_list[2])) / ((x_list[0] - x_list[1]) * (x_list[0] - x_list[2]))
l_1 = ((x - x_list[0]) * (x - x_list[2])) / ((x_list[1] - x_list[0]) * (x_list[1] - x_list[2]))
l_2 = ((x - x_list[0]) * (x - x_list[1])) / ((x_list[2] - x_list[0]) * (x_list[2] - x_list[1]))

P = l_0 * y_list[0] + l_1 * y_list[1] + l_2 * y_list[2]
print(P)

结果:

-0.625
#三点拉格朗日抛物线插值
x_list = [100, 121, 144]
y_list = [10, 11, 12]
#所要求的插值x的值
x = 115

l_0 = ((x - x_list[1]) * (x - x_list[2])) / ((x_list[0] - x_list[1]) * (x_list[0] - x_list[2]))
l_1 = ((x - x_list[0]) * (x - x_list[2])) / ((x_list[1] - x_list[0]) * (x_list[1] - x_list[2]))
l_2 = ((x - x_list[0]) * (x - x_list[1])) / ((x_list[2] - x_list[0]) * (x_list[2] - x_list[1]))

P = l_0 * y_list[0] + l_1 * y_list[1] + l_2 * y_list[2]
print(P)

结果:

10.722755505364201

基函数和拉格朗日插值公式

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

#拉格朗日插值多项式
from sympy import *
x = Symbol('x')
x_list = [0, 1, 2]
y_list = [1, 2, 3]
l_list = []
for i in range(len(x_list)):
    X, Y = 1, 1
    for j in range(len(y_list)):
        if i == j:
            pass
        else:
            X = X * (x - x_list[j])
            Y = Y * (x_list[i] - x_list[j])
    l = expand(X / Y)   #扩展代数表达式
    l_list.append(l)
P = 0
for k in range(len(y_list)):
    P += l_list[k] * y_list[k]
print(P)

结果:

x + 1
#拉格朗日插值多项式
from sympy import *
x = Symbol('x')
x_list = [1, 2, 3, 4]
y_list = [0, -5, -6, 3]
l_list = []
for i in range(len(x_list)):
    X, Y = 1, 1
    for j in range(len(y_list)):
        if i == j:
            pass
        else:
            X = X * (x - x_list[j])
            Y = Y * (x_list[i] - x_list[j])
    l = expand(X / Y)   #扩展代数表达式
    l_list.append(l)
P = 0
for k in range(len(y_list)):
    P += l_list[k] * y_list[k]
print(P)

结果:

x**3 - 4*x**2 + 3

迭代插值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

#拉格朗日插值多项式
from sympy import *

x = 50
x_list = [45, 60, 30, 90, 0]
def f(a):
    f = sin(a/180*pi)
    return f.evalf()

n = len(x_list)
P = 0
for i in range(n):
    X, Y = 1, 1
    for j in range(n):
        if i == j:
            pass
        else:
            X = X * (x - x_list[j])
            Y = Y * (x_list[i] - x_list[j])
    P += X/Y*f(x_list[i])
print(P)

结果:

0.766025943265555
#拉格朗日插值多项式
from sympy import *

x = 1/2
x_list = [-2, -1, 0, 1, 2]
def f(a):
    f = 3**a
    return f

n = len(x_list)
P = 0
for i in range(n):
    X, Y = 1, 1
    for j in range(n):
        if i == j:
            pass
        else:
            X = X * (x - x_list[j])
            Y = Y * (x_list[i] - x_list[j])
    P += X/Y*f(x_list[i])
print(P)

结果:

1.7083333333333335
  • 6
    点赞
  • 82
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python中常用的插值算法有四种:分段线性插值、临近插值、球面插值和三次多项式插值。在scipy.interpolate模块中,可以使用interp1d函数进行插值计算。其中,分段线性插值使用的是interp1d函数的默认参数,临近插值使用kind='nearest'参数,球面插值使用kind='slinear'参数,三次多项式插值使用kind='cubic'参数。此外,还可以使用interp2d函数进行二维插值计算,其中的参数kind='cubic'对应于三次多项式插值。另外,还可以使用interp1d函数进行一维数据插值,可以选择不同的插值方式,如阶梯插值、线性插值、二次B样条曲线插值和三次B样条曲线插值。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Python 中常用的插值方法](https://blog.csdn.net/jacke121/article/details/128349225)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [各种插值法的python实现](https://blog.csdn.net/ourjaycn/article/details/127684756)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值