拉格朗日多项式展开计算与绘图代码运行异常及乘法溢出错误求助

首先，我注意到你遇到了**数值溢出（Overflow encountered in multiply）**的问题，这主要是因为循环逻辑出现混乱，导致拉格朗日基函数计算过程中产生了异常极大的数值。另外还有几个小问题需要一并修正：

主要问题分析 #

• 函数命名混淆：你写的legendre函数实际要实现拉格朗日插值，但Legendre是勒让德多项式，两者完全不同，建议重命名为lagrange_interpolation避免混淆。
• 循环逻辑错误：原while循环中i和j的迭代逻辑混乱，导致基函数L被错误重复相乘，最终数值爆炸引发溢出。正确的拉格朗日基函数应该是对每个j，计算所有i≠j的(x - x_i)/(x_j - x_i)的乘积，再乘以对应的y_j求和。
• 未适配numpy数组运算：你传入的x是numpy数组，但原函数循环是针对单个数值设计的，直接调用会导致运算错误。

修正后的代码实现 #

下面是修复后的完整代码，我会逐部分解释：

import numpy as np
from matplotlib import pyplot as plt

# 给定的点集，转为numpy数组方便运算
puntosx = np.array([1, 2])
puntosy = np.array([4, 5])

def lagrange_interpolation(x, x_points, y_points):
    n = len(x_points)
    # 初始化插值结果数组，和输入x形状一致
    y = np.zeros_like(x)
    # 遍历每个基函数对应的点j
    for j in range(n):
        # 初始化当前基函数为全1数组，适配x的形状
        L = np.ones_like(x)
        for i in range(n):
            if i != j:
                # 向量化计算基函数的乘积项
                L *= (x - x_points[i]) / (x_points[j] - x_points[i])
        # 累加每个y_j * L_j(x)到结果中
        y += y_points[j] * L
    return y

# 生成更密集的x值，让图像更平滑
x = np.arange(0, 5, 0.1)
y = lagrange_interpolation(x, puntosx, puntosy)

# 绘制插值曲线和原始点
plt.plot(x, y, label='Lagrange Interpolation')
plt.scatter(puntosx, puntosy, color='red', label='Original Points')
plt.legend()
plt.xlabel('x')
plt.ylabel('P(x)')
plt.title('Lagrange Polynomial Expansion')
plt.show()

代码说明 #

• 数组化处理：把原始点集转为numpy数组，方便进行向量化运算，避免逐个处理元素的低效操作。
• 正确的基函数计算：外层循环遍历每个点j，内层循环严格计算i≠j的乘积项，完全符合拉格朗日插值的数学定义。
• 适配numpy数组：初始化L为和输入x形状一致的全1数组，直接用*=进行向量化乘积，同时处理整个x数组的所有值，效率更高且避免错误。
• 绘图优化：增加了原始点的散点图、图例、坐标轴标签和标题，让图像更清晰直观。

原代码溢出的原因 #

原循环中，当j=0时，i会无规则递增直到超过n-1，此时L已经被错误地重复相乘多次（甚至可能陷入无限循环），导致L的数值变得极大，最终触发numpy的溢出警告。修正后的逻辑严格遵循数学定义，确保每个基函数的计算都是正确的。

内容的提问来源于stack exchange，提问作者Eva Cerviño Luridiana