使用Python计算插值多项式：基于newtinterp()的多阶插值方法问询

假设你用Python配合numpy做数值计算，以下是具体操作流程：

1. 生成插值节点与目标函数值 #

对于每个指定的n（5、10、20、100），先生成[-1,1]区间上的n+1个均匀划分点，再计算每个点对应的函数值。这里以经典的龙格函数 f(x) = 1/(1+25x²) 为例（你可以替换成自己的目标函数）：

import numpy as np

# 目标函数，可替换为你的自定义函数
def f(x):
    return 1 / (1 + 25 * x**2)

# 遍历指定的n值
for n in [5, 10, 20, 100]:
    # 生成n+1个均匀插值节点xi
    xi = np.linspace(-1, 1, n+1)
    # 计算对应的函数值yi
    yi = f(xi)

2. 调用你的newtinterp()获取牛顿插值系数 #

假设你的newtinterp(xi, yi)返回的是牛顿插值多项式的差商系数数组（从常数项到最高次项，或按牛顿基的顺序，具体取决于你的实现），直接传入生成的xi和yi即可：

# 调用你实现的newtinterp方法获取插值系数
    newton_coeffs = newtinterp(xi, yi)

3. 生成201个测试点zi #

直接用linspace生成[-1,1]上的201个等距点（只需生成一次）：

zi = np.linspace(-1, 1, 201)

4. 用Horner公式计算插值多项式在zi上的取值 #

如果你的newtinterp()没有附带求值方法，可自己实现牛顿插值的Horner高效求值逻辑：

def newton_horner_eval(coeffs, xi, x):
    """
    用Horner法计算牛顿插值多项式在x处的值
    coeffs: 牛顿插值的差商系数（按f[x0], f[x0,x1], f[x0,x1,x2], ...顺序）
    xi: 插值节点数组
    x: 待求值的点（支持单个值或数组）
    """
    n = len(coeffs) - 1
    p = coeffs[n]
    for i in range(n-1, -1, -1):
        p = p * (x - xi[i]) + coeffs[i]
    return p

# 在循环中完成每个n的插值计算
for n in [5, 10, 20, 100]:
    xi = np.linspace(-1, 1, n+1)
    yi = f(xi)
    newton_coeffs = newtinterp(xi, yi)
    # 计算所有zi处的插值结果
    p_zi = newton_horner_eval(newton_coeffs, xi, zi)
    # 可添加保存结果或后续分析操作，比如：
    # np.save(f"interp_result_n{n}.npy", p_zi)

额外提示 #

• 若你的newtinterp()返回的是完整差商表，需先从中提取出牛顿系数再传入求值函数。
• 当n=100时，均匀节点插值会出现明显的龙格现象（区间两端误差急剧放大），这是数值插值的经典问题，可留意结果变化。
• 如需可视化对比原函数与插值结果，可使用matplotlib：

import matplotlib.pyplot as plt

plt.figure(figsize=(10,6))
plt.plot(zi, f(zi), label="原函数 f(x)", linewidth=2)
for n in [5,10,20,100]:
    xi = np.linspace(-1,1,n+1)
    yi = f(xi)
    coeffs = newtinterp(xi, yi)
    p_zi = newton_horner_eval(coeffs, xi, zi)
    plt.plot(zi, p_zi, label=f"牛顿插值多项式 n={n}", linestyle="--")
plt.legend()
plt.title("牛顿插值与原函数对比")
plt.xlabel("x")
plt.ylabel("y")
plt.grid(True)
plt.show()

内容的提问来源于stack exchange，提问作者codeenthusiast753