Matlab中的Lagrange插值函数
用MATLAB实现拉格朗日插值和分段线性插值
用MATLAB实现拉格朗日插值和分段线性插值之迟辟智美创作1、实验内容：用MATLAB实现拉格朗日插值和分段线性插值.2、实验目的：1）学会使用MATLAB软件；2）会使用MATLAB软件进行拉格朗日插值算法和分段线性差值算法；3、实验原理：利用拉格朗日插值方法进行多项式插值，并将图形显式出来.4、实验步伐及运行结果（1）实现lagrange插值1）界说函数： f = 1/(x^2+1) 将其保管在f.m 文件中，具体法式如下：function y = f1(x)y = 1./(x.^2+1);2）界说拉格朗日插值函数：将其保管在lagrange.m 文件中，具体实现法式编程如下：function y = lagrange(x0,y0,x)m = length(x); /区间长度/n = length(x0);for i = 1:nl(i) = 1;endfor i = 1:mfor j = 1:nfor k = 1:nif j == kcontinue;endl(j) = ( x(i) -x0(k))/( x0(j) - x0(k) )*l(j);endendendy = 0;for i = 1:ny = y0(i) * l(i) + y;end3）建立测试法式，保管在文件中，实现画图：x=-5:0.001:5;y=(1+x.^2).^-1;p=polyfit(x,y,n);py=vpa(poly2sym(p),10)plot_x=-5:0.001:5;f1=polyval(p,plot_x);figurepl ot(x,y,‘r',plot_x,f1)输入n=6,呈现下面的图形：通过上图可以看到当n=6是没有很好的模拟.于是重新运行text.M并选择n=11由此可见n=11时的图像是可以很好的实现模拟（2）分段线性插值：建立div_linear.m文件.具体编程如下/*分段线性插值函数：div_linear.m 文件*/function y = div_linear(x0,y0,x,n)%for j = 1:length(x)for i = 1:n-1if (x >= x0(i)) && (x <= x0(i+1))y = (x - x0(i+1))/(x0(i) - x0(i+1))*y0(i) + ( x - x0(i))/(x0(i+1) - x0(i))*y0(i+1);elsecontinue;endend%end测试法式（text2.m）:n = input(‘输入n =:’);x0 = linspace( -5,5,n);for x = -5:0.01:5y = div_linear(x0,f(x0),x,n);hold on;plot(x,y,'r');plot(x,f(x),'b');end2）运行测试法式，这是会呈现：输入n=:2)输入n=6，并按Enter键，呈现：4）关失落图形界面后，重新运行法式，输入n=11，并按enter键后呈现：5）再次关失落图形界面，输入n=100，并按enter键，呈现：此时.图形将于原函数图形基本吻合，说明分割区间越多,图像接近真实的图像.（3）用lagrange插值观察y = |sin(k*π*x)|的误差分析：1）编写函数文件，保管在f2.m 中x=0:0.01:1;k= input('输入k:')n= input('输入n:');y=abs(sin(k*pi*x));p=polyfit(x,y,n-1);py=vpa(poly2sym(p),8);plot_x=0:0.01:1;f1=polyval(p,plot_x);plot(x,y,plot_x,f1);2）运行该法式：输入k=:1输入n=:2呈现如下图形界面：关失落图形界面后重新运行f2.m，输入k=：1，n=：3呈现如下界面：再次关失落图形界面，输入k=：1，n=：6 后呈现：此时图形基本吻合.类推，输入k=2， n=3后呈现：k =2, n =11,呈现如下图形：k =2,n =15,这时呈现：k =2,n =19,呈现：当k=2,n=21时，图形如下：此时基本吻合.5、实验总结：通过本次课程设计，我初步掌握了MATLAB运用，加深了对各种线性插值的理解；培养了自力工作能力和缔造力；综合运用专业及基础知识，解决实际数学问题的能力；在本次课程设计中，在老师的精心指导下，收益匪浅.同时对数学的研究有了更深入的认识.。
用MATLAB实现拉格朗日插值和分段线性插值
用MATLAB实现拉格朗日插值和分段线性插值之杨若古兰创作1、实验内容：用MATLAB实现拉格朗日插值和分段线性插值.2、实验目的：1）学会使用MATLAB软件；2）会使用MATLAB软件进行拉格朗日插值算法和分段线性差值算法；3、实验道理：利用拉格朗日插值方法进行多项式插值，并将图形显式出来.4、实验步调及运转结果（1）实现lagrange插值1）定义函数：f = 1/(x^2+1) 将其保管在f.m 文件中，具体程序如下：function y = f1(x)y = 1./(x.^2+1);2）定义拉格朗日插值函数：将其保管在lagrange.m 文件中，具体实现程序编程如下：function y = lagrange(x0,y0,x)m = length(x); /区间长度/n = length(x0);for i = 1:nl(i) = 1;endfor i = 1:mfor j = 1:nfor k = 1:nif j == kcontinue;endl(j) = ( x(i) -x0(k))/( x0(j) - x0(k) )*l(j);endendendy = 0;for i = 1:ny = y0(i) * l(i) + y;end3）建立测试程序，保管在text.m文件中，实现画图：x=-5:0.001:5;y=(1+x.^2).^-1;p=polyfit(x,y,n);py=vpa(poly2sym(p),10)plot_x=-5:0.001:5;f1=polyval(p,plot_x);figureplot(x,y,‘r',plot_x,f1)输入n=6,出现上面的图形：通过上图可以看到当n=6是没有很好的模拟.因而从头运转text.M并选择n=11因而可知n=11时的图像是可以很好的实现模拟（2）分段线性插值：建立div_linear.m文件.具体编程如下/*分段线性插值函数：div_linear.m 文件*/function y = div_linear(x0,y0,x,n)%for j = 1:length(x)for i = 1:n-1if (x >= x0(i)) && (x <= x0(i+1))y = (x - x0(i+1))/(x0(i) - x0(i+1))*y0(i) + ( x - x0(i))/(x0(i+1) - x0(i))*y0(i+1);elsecontinue;endend%end测试程序（text2.m）:n = input(‘输入n =:’);x0 = linspace( -5,5,n);for x = -5:0.01:5y = div_linear(x0,f(x0),x,n);hold on;plot(x,y,'r');plot(x,f(x),'b');end2）运转测试程序，这是会出现：输入n=:2)输入n=6，并按Enter键，出现：4）关掉图形界面后，从头运转程序，输入n=11，并按enter键后出现：5）再次关掉图形界面，输入n=100，并按enter键，出现：此时.图形将于原函数图形基本吻合，说明分割区间越多,图像接近真实的图像.（3）用lagrange插值观察y = |sin(k*π*x)|的误差分析：1）编写函数文件，保管在f2.m 中x=0:0.01:1;k= input('输入k:')n= input('输入n:');y=abs(sin(k*pi*x));p=polyfit(x,y,n-1);py=vpa(poly2sym(p),8);plot_x=0:0.01:1;f1=polyval(p,plot_x);plot(x,y,plot_x,f1);2）运转该程序：输入k=:1输入n=:2出现如下图形界面：关掉图形界面后从头运转f2.m，输入k=：1，n=：3出现如下界面：再次关掉图形界面，输入k=：1，n=：6 后出现：此时图形基本吻合.类推，输入k=2，n=3后出现：k =2, n =11,出现如下图形：k =2,n =15,这时候出现：k =2,n =19,出现：当k=2,n=21时，图形如下：此时基本吻合.5、实验总结：通过本次课程设计，我初步把握了MATLAB应用，加深了对于各种线性插值的理解；培养了独立工作能力和创造力；综合应用专业及基础常识，解决实际数学成绩的能力；在本次课程设计中，在老师的精心指点下，收益匪浅.同时对数学的研讨有了更深入的认识.。
用MATLAB实现拉格朗日插值和分段线性插值
用MATLAB实现拉格朗日插值和分段线性插值之青柳念文创作1、实验内容：用MATLAB实现拉格朗日插值和分段线性插值.2、实验目标：1）学会使用MATLAB软件；2）会使用MATLAB软件停止拉格朗日插值算法和分段线性差值算法；3、实验原理：操纵拉格朗日插值方法停止多项式插值，并将图形显式出来.4、实验步调及运行成果（1）实现lagrange插值1）定义函数： f = 1/(x^2+1) 将其保管在f.m 文件中，详细程序如下：function y = f1(x)y = 1./(x.^2+1);2）定义拉格朗日插值函数：将其保管在lagrange.m 文件中，详细实现程序编程如下：function y = lagrange(x0,y0,x)m = length(x); /区间长度/n = length(x0);for i = 1:nl(i) = 1;endfor i = 1:mfor j = 1:nfor k = 1:nif j == kcontinue;endl(j) = ( x(i) -x0(k))/( x0(j) - x0(k) )*l(j);endendendy = 0;for i = 1:ny = y0(i) * l(i) + y;end3）建立测试程序，保管在文件中，实现画图：x=-5:0.001:5;y=(1+x.^2).^-1;p=polyfit(x,y,n);py=vpa(poly2sym(p),10)plot_x=-5:0.001:5;f1=polyval(p,plot_x);figurepl ot(x,y,‘r',plot_x,f1)输入n=6,出现下面的图形：通过上图可以看到当n=6是没有很好的摹拟.于是重新运行text.M并选择n=11由此可见n=11时的图像是可以很好的实现摹拟（2）分段线性插值：建立div_linear.m文件.详细编程如下/*分段线性插值函数：div_linear.m 文件*/ function y = div_linear(x0,y0,x,n)%for j = 1:length(x)for i = 1:n-1if (x >= x0(i)) && (x <= x0(i+1))y = (x - x0(i+1))/(x0(i) - x0(i+1))*y0(i) + ( x - x0(i))/(x0(i+1) -x0(i))*y0(i+1);elsecontinue;endend%end测试程序（text2.m）:n = input(‘输入n =:’);x0 = linspace( -5,5,n);for x = -5:0.01:5y = div_linear(x0,f(x0),x,n);hold on;plot(x,y,'r');plot(x,f(x),'b');end2）运行测试程序，这是会出现：输入n=:2)输入n=6，并按Enter键，出现：4）关掉图形界面后，重新运行程序，输入n=11，并按enter键后出现：5）再次关掉图形界面，输入n=100，并按enter键，出现：此时.图形将于原函数图形基本吻合，说明分割区间越多,图像接近真实的图像.（3）用lagrange插值观察y = |sin(k*π*x)|的误差分析：1）编写函数文件，保管在f2.m 中x=0:0.01:1;k= input('输入k:')n= input('输入n:');y=abs(sin(k*pi*x));p=polyfit(x,y,n-1);py=vpa(poly2sym(p),8);plot_x=0:0.01:1;f1=polyval(p,plot_x);plot(x,y,plot_x,f1);2）运行该程序：输入k=:1输入n=:2出现如下图形界面：关掉图形界面后重新运行f2.m，输入k=：1，n=：3出现如下界面：再次关掉图形界面，输入k=：1，n=：6 后出现：此时图形基本吻合.类推，输入k=2， n=3后出现：k =2, n =11,出现如下图形：k =2,n =15,这时出现：k =2,n =19,出现：当k=2,n=21时，图形如下：此时基本吻合.5、实验总结：通过本次课程设计，我初步掌握了MATLAB运用，加深了对于各种线性插值的懂得；培养了独立工作才能和创造力；综合运用专业及基础知识，处理实际数学问题的才能；在本次课程设计中，在教师的精心指导下，收益匪浅.同时对数学的研究有了更深入的认识.。
数值计算-matlab内置函数-插值
分两片的函数表达式如下： 若插值点在下三角形区域：即 (x, y)满足
插值函数为： z = f (x, y) = z1 + (z2 z1)(x x1) + (z3 z2 )( y y1) 若插值点在上三角形区域)：即(x, y)满足 y2 y2 y> (x x2 ) + y1 x2 x2 插值函数为：
要求cx取行向量，cy取为列向量。 要求cx取行向量，cy取为列向量。 cx取行向量 取为列向量
24
5
拉格朗日(Lagrange)插值
特别地: 特别地 两点一次(线性 插值多项式: 线性)插值多项式 两点一次 线性 插值多项式
x x0 x x1 L1 ( x ) = y0 + y1 x0 x1 x1 x0
三点二次(抛物 插值多项式 三点二次 抛物)插值多项式 抛物 插值多项式:
(x x1)(x x2 ) y + (x x0 )(x x2 ) y + (x x0 )(x x1) y L2(x) = 0 1 2 (x0 x1)(x0 x2 ) (x1 x0 )(x1 x2 ) (x2 x0 )(x2 x1)
10
能够超过x的范围。 能够超过 的范围。 的范围
12的11小时内 每隔1 小时内， 例：在1-12的11小时内，每隔1小时测量一次温 测得的温度依次为： 15，25，29，31， 度，测得的温度依次为：5，8，9，15，25，29，31， 30，22，25，27，24。试估计每隔1/10 1/10小时的温度 30，22，25，27，24。试估计每隔1/10小时的温度 值。
si ( xi ) = si+1 ( xi ), si′( xi ) = si′+1 ( xi ), si′′( xi ) = si′′+1 ( xi ) (i = 1, L, n 1)
拉格朗日插值和牛顿插值matlab
拉格朗⽇插值和⽜顿插值matlab1. 已知函数在下列各点的值为0.20.40.60.8 1.00.980.920.810.640.38⽤插值法对数据进⾏拟合，要求给出Lagrange插值多项式和Newton插值多项式的表达式，并计算插值多项式在点的值。
程序：x=[0.2 0.4 0.6 0.8 1.0];y=[0.98 0.92 0.81 0.64 0.38];x0=[0.2 0.28 0.44 0.76 1 1.08];[f,f0]=Lagrange(x,y,x0)function [f,f0] = Lagrange(x,y,x0)%求已知数据点的Lagrange插值多项式f，并计算插值多项式f在数据点x0的函数值f0syms t;n = length(x);f = 0.0;for i = 1:nl = y(i);for j = 1:i-1l = l*(t-x(j))/(x(i)-x(j));end;for j = i+1:nl = l*(t-x(j))/(x(i)-x(j));end;f = f + l;simplify(f);if(i==n)f0 = subs(f,'t',x0);f = collect(f);f = vpa(f,6);endend结果：>> Untitled3f =- 0.520833*t^4 + 0.833333*t^3 - 1.10417*t^2 + 0.191667*t + 0.98f0 =[ 49/50, 60137/62500, 56377/62500, 42497/62500, 19/50, 15017/62500]⽜顿：%y为对应x的值，A为差商表，C为多项式系数，L为多项式%X为给定节点，Y为节点值，x为待求节点function[y,A,C,L] = newton(X,Y,x,M)n = length(X);m = length(x);for t = 1 : mz = x(t);A = zeros(n,n);A(:,1) = Y';s = 0.0; p = 1.0; q1 = 1.0; c1 = 1.0;for j = 2 : nfor i = j : nA(i,j) = (A(i,j-1) - A(i-1,j-1))/(X(i)-X(i-j+1));endq1 = abs(q1*(z-X(j-1)));c1 = c1 * j;endC = A(n, n); q1 = abs(q1*(z-X(n)));for k = (n-1):-1:1C = conv(C, poly(X(k)));d = length(C);C(d) = C(d) + A(k,k);endy(t) = polyval(C,z);endL = poly2sym(C);x=[0.2 0.4 0.6 0.8 1.0];y=[0.98 0.92 0.81 0.64 0.38];x0=[0.2 0.28 0.44 0.76 1 1.08];m=1;[y,A,C,L]=newton(x,y,x0,m)结果：y =0.9800 0.9622 0.9020 0.6800 0.3800 0.2403A =0.9800 0 0 0 00.9200 -0.3000 0 0 00.8100 -0.5500 -0.6250 0 00.6400 -0.8500 -0.7500 -0.2083 00.3800 -1.3000 -1.1250 -0.6250 -0.5208C =-0.5208 0.8333 -1.1042 0.1917 0.9800L =- (25*x^4)/48 + (5*x^3)/6 - (53*x^2)/48 + (23*x)/120 + 49/502. 在区间上分别取，⽤两组等距节点对Runge函数作多项式插值（Lagrange插值和Newton插值均可），要求对每个值，分别画出插值多项式和函数的曲线。
lagrange插值分段线性插值matlab代码
Lagrange插值：x=0:3;y=[-5,-6,-1,16];n=length(x);syms q;for k=1:nfenmu=1;p=1;for j=1:nif(j~=k)fenmu=fenmu*(x(k)-x(j))p=conv(p,poly(x(j)))endendc(k,:)=p*y(k)/fenmuenda=zeros(1,n);for i=1:nfor j=1:na(i)=a(i)+c(j,i)endend输出结果：fenmu =-1p =1 -1fenmu =2p =1 -3 2fenmu =-6p =1 -6 11 -6c =0.8333 -5.0000 9.1667 -5.0000 fenmu =1p =1 0fenmu =-1p =1 -2 0fenmu =2p =1 -5 6 0c =0.8333 -5.0000 9.1667 -5.0000-3.0000 15.0000 -18.0000 0 fenmu =2p =1 0fenmu =2p =1 -1 0fenmu =-2p =1 -4 3 0c =0.8333 -5.0000 9.1667 -5.0000-3.0000 15.0000 -18.0000 00.5000 -2.0000 1.5000 0 fenmu =3p =1 0fenmu =6p =1 -1 0fenmu =6p =1 -32 0c =0.8333 -5.0000 9.1667 -5.0000-3.0000 15.0000 -18.0000 00.5000 -2.0000 1.5000 02.6667 -8.0000 5.3333 0a =0.8333 0 0 0a =-2.1667 0 0 0 a =-1.6667 0 0 0a =1 0 0 0a =1 -5 0 0a =1 10 0 0a =1 8 0 0a =1 0 0 0a =1.0000 0 9.1667 0a =1.0000 0 -8.8333 0a =1.0000 0 -7.3333 0a =1.0000 0 -2.0000 0a =1.0000 0 -2.0000 -5.0000a =1.0000 0 -2.0000 -5.0000a =1.0000 0 -2.0000 -5.0000a =1.0000 0 -2.0000 -5.0000 分段线性插值：先保存M文件：x=1:6;y=[7 16 8 25 12 24];u=5.3;delta=diff(y)./diff(x);n=length(x);for j=2:(n-1)if x(j)<uk=j;endend在command window中输入：s=u-x(k);v=y(k)+s.*delta(k)输出结果：v =15.6000解：第一种做法，用spline，共55个点，其中，54个有效首先保存你一个M文件：figure('position',get(0,'screensize'))axes('position',[0 0 1 1])[x,y] = ginput;然后在command window里输入以下内容：n = length(x);s = (1:n)';t = (1:.05:n)';u = spline(s,x,t);v = spline(s,y,t);clf resetplot(x,y,'.',u,v,'-');对应的x、y值：0.3572917 0.25361450.3572917 0.29096390.3503472 0.34036140.3461806 0.42590360.3427083 0.52710840.3253472 0.61626510.3065972 0.68734940.290625 0.75240960.2892361 0.79337350.2954861 0.7969880.3225694 0.75481930.340625 0.68493980.3690972 0.6150602 0.3864583 0.6126506 0.3899306 0.7259036 0.3927083 0.8066265 0.3920139 0.8993976 0.4024306 0.9295181 0.4239583 0.8933735 0.4239583 0.8078313 0.4295139 0.7343373 0.4315972 0.6451807 0.4440972 0.6439759 0.4565972 0.7439759 0.4704861 0.8451807 0.4767361 0.9054217 0.4961806 0.9463855 0.5086806 0.876506 0.5045139 0.8186747 0.5010417 0.7524096 0.4892361 0.6403614 0.503125 0.6295181 0.5052083 0.6271084 0.5322917 0.7090361 0.5510417 0.763253 0.5739583 0.8355422 0.5961806 0.8572289 0.5947917 0.7837349 0.5753472 0.7090361 0.5579861 0.6391566 0.5357639 0.5668675 0.5322917 0.5283133 0.5350694 0.4789157 0.565625 0.536747 0.5947917 0.5933735 0.6253472 0.610241 0.6322917 0.5728916 0.615625 0.5331325 0.6003472 0.4993976 0.5788194 0.4415663 0.559375 0.3716867 0.5295139 0.2957831 0.4975694 0.2403614 0.4711806 0.2018072 0.6607639 0.3090361第二种做法，用pchip，共52个点，全部有效首先保存一个M文件：figure('position',get(0,'screensize'))axes('position',[0 0 1 1])[x,y] = ginput;然后在command window里输入以下内容：n = length(x);s = (1:n)';t = (1:.05:n)';u = pchip (s,x,t);v = pchip (s,y,t);clf resetplot(x,y,'.',u,v,'-');对应的x、y值：0.5190972 0.84879520.5052083 0.75120480.4947917 0.67891570.5100694 0.66927710.5399306 0.73554220.5753472 0.81746990.596875 0.86204820.6190972 0.87771080.6149306 0.81385540.5878472 0.74277110.5878472 0.74277110.5635417 0.67168670.5350694 0.6030120.528125 0.5632530.528125 0.52590360.565625 0.58012050.6052083 0.62710840.634375 0.61867470.6190972 0.57168670.5878472 0.5234940.5364583 0.41265060.4961806 0.32108430.459375 0.2753012我更喜欢第一种，用spline的，这个能将之间画出弧度，而pchip更像是直接用线段将点依次连接得到的。
matlab实现拉格朗日函数，拉格朗日插值多项式
matlab实 现 拉 格 朗 日 函 数 ， 拉 格 朗 日 插 值 多 项 式
%拉格朗日插值多项式 利用矩阵求解 x=1:0.2:3;%已知数据点x坐标向量：x y=sin(x);%已知数据点x坐标向量：y x1=1.1:0.2:3.1;%插值点的x坐标：x1 L=zeros(11,11);%另L矩阵为0
for i=1:11 A=ones(10,1);%另A矩阵为10行1列的矩阵 x2=x; x2(i)=[]; x2';%10行一列 B=ones(1,11);%另B矩阵为1行11列的矩阵 A*x1;%10行11列 (x2')*B;%10行11列 A*x1-(x2')*B;%11行11列 ones(10,11); x(i);%提取x的第i个元素 ones(10,11)*x(i);%10行11列的矩阵 prod(A*x1-(x2')*B);%基函数的分子 ones(10,11)*(x(i))-(x2')*B;%基函数的分母 C=prod(A*x1-(x2')*B)./prod(ones(10,11)*(x(i))-(x2')*B);%对x2进行转置%C矩阵是一个1行11列的矩阵 L(i,:)=C; %将A的第一行元素全部变为10 %将得到的矩阵赋值基函数的1，2，3。。。。11行
end L;%11行11列 y;%1行11列 y1=y*L
结.9636 0.9975 0.9917 0.9463 0.8632 0.7457
8 至 11 列
0.5985 0.4274 0.2392 0.0416
matlab利用拉格朗日插值法求解范德蒙行列式
标题：MATLAB利用拉格朗日插值法求解范德蒙行列式一、引言在数值计算中，范德蒙行列式是一种常见的数学问题，在很多实际应用中都能够发挥作用。
而在MATLAB中，利用拉格朗日插值法求解范德蒙行列式是一种常见且有效的方法。
二、范德蒙行列式的定义与特点范德蒙行列式是指由n个数构成的一种特殊形式的行列式，其定义如下：\[ \Delta = \begin{vmatrix} 1 & x_1 & x_1^2 & \cdots & x_1^{n-1} \\ 1 & x_2 & x_2^2 & \cdots & x_2^{n-1} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 1 & x_n & x_n^2 & \cdots &x_n^{n-1} \end{vmatrix} \]范德蒙行列式有着一些独特的特点，例如行列式的值与数列\[ x_1, x_2, \cdots, x_n \]的排列顺序无关，行列式的任意两列线性相关，行列式的值可以通过拉格朗日插值法来求解等等。
三、拉格朗日插值法的基本原理拉格朗日插值法是一种在数值计算中常用的插值方法，通过已知数据点来求解未知函数值。
其基本原理可以通过以下步骤来描述：1. 假设有n个已知点\[ (x_1, y_1), (x_2, y_2), \cdots, (x_n, y_n) \]2. 利用这些已知点，构造n个基本拉格朗日插值多项式\[ L_k(x) \]3. 最终的插值多项式为\[ P(x) = y_1 L_1(x) + y_2 L_2(x) + \cdots + y_n L_n(x) \]四、MATLAB中的拉格朗日插值法在MATLAB中，可以利用内置的插值函数interp1()来实现拉格朗日插值法。
matlab 拉格朗日插值法和牛顿插值法 -回复
matlab 拉格朗日插值法和牛顿插值法-回复Matlab 拉格朗日插值法和牛顿插值法引言：在数值分析中，插值法是一种通过已知数据点来估计介于这些数据点之间的未知数值的方法。
拉格朗日插值法和牛顿插值法是两种常用的插值方法，都有各自的优点和适用场景。
本文将详细介绍这两种方法的原理和实现方式，以及在Matlab 中如何使用它们来进行插值计算。
一、拉格朗日插值法1. 原理：拉格朗日插值法是使用一个N次的多项式来逼近未知函数。
给定一组数据点(x0, y0), (x1, y1), …, (xi, yi), …, (xn, yn)，通过拉格朗日插值法可以得到一个多项式P(x)，使得P(xi) = yi。
该多项式表示了数据点间的曲线关系，从而可以通过插值估算未知点的值。
2. 实现步骤：（1）创建一个N次多项式的拉格朗日插值函数；（2）计算每个插值点的权重系数，即拉格朗日插值函数的系数；（3）根据给定的数据点和权重系数，构建多项式；（4）通过多项式计算未知点的值。
3. Matlab 中的使用：在Matlab 中，可以使用"polyfit" 函数来实现拉格朗日插值法。
该函数可以拟合出一个多项式曲线，将给定的数据点映射到曲线上。
二、牛顿插值法1. 原理：牛顿插值法是通过构造一个差商表来逼近未知函数。
给定一组数据点(x0, y0), (x1, y1), …, (xi, yi), …, (xn, yn)，通过牛顿插值法可以得到一个N次多项式P(x)，满足P(xi) = yi。
该多项式的系数由差商构成，利用递归的方式逐层求解。
2. 实现步骤：（1）创建一个N次多项式的牛顿插值函数；（2）计算差商表，其中第一列为给定的数据点y值；（3）递归计算差商表中的其他列，直到得到最后的差商值；（4）根据差商表构建多项式；（5）通过多项式计算未知点的值。
3. Matlab 中的使用：在Matlab 中，可以使用"interp1" 函数结合牛顿插值法来进行插值计算。