View source for लैग्रेंज बहुपद

{{short description|Polynomials used for interpolation}}
[[Image:Lagrange polynomial.svg|thumb|upright=1.5|यह चित्र चार बिंदुओं (<span style= color:#5e81B5; >(−9, 5)</span>, <span style= color:#e19c24; >(−4, 2)</span>, <span style= color:#8FB131; >(−1, −2)</span>, <span style= color:#EC6235; >(7, 9)</span>), के लिए दिखाता है (घन) अंतर्वेशन बहुपद L(x) (असतत, काला), जो प्रवर्धित किए गए आधार बहुपदों <span style= color:#5e81B5; >y<sub>0</sub>ℓ<sub>0</sub>(x)</span>, <span style= color:#e19c24; >y<sub>1</sub>ℓ<sub>1</sub>(x)</span>, <span style= color:#8FB131; >y<sub>2</sub>ℓ<sub>2</sub>(x)</span> और <span style= color:#EC6235; >y<sub>3</sub>ℓ<sub>3</sub>(x)</span> का योग है। अंतर्वेशन बहुपद सभी चार नियंत्रण बिंदुओं से होकर गुजरता है, और प्रत्येक प्रवर्धित आधार बहुपद अपने संबंधित नियंत्रण बिंदु से गुजरता है और जहां 0 और x अन्य तीन नियंत्रण बिंदुओं से समान है।]][[संख्यात्मक विश्लेषण]] में, '''लैग्रेंज अंतर्वेशन [[बहुपद]]''' की निम्नतम कोटि का अद्वितीय बहुपद है जो बहुपद डेटा के समुच्चय को प्रक्षेपित करता है।

किसी फलन के ग्राफ़ के डेटा समुच्चय को देखते हुए <math>(x_j, y_j)</math> के साथ निर्देशांक युग्म <math>0 \leq j \leq k,</math> <math>x_j</math> को नोड कहा जाता है और <math>y_j</math> मान कहलाते हैं। लैग्रेंज बहुपद <math>L(x)</math> कोटि <math display=inline>\leq k</math> है और प्रत्येक मान <math>L(x_j) = y_j</math> को संबंधित बिन्दु पर मान लेता है। 

हालांकि इसका नाम [[जोसेफ-लुई लाग्रेंज]] के नाम पर रखा गया, जिन्होंने इसे 1795 में प्रकाशित किया था,<ref>
{{cite book |last=Lagrange |first=Joseph-Louis |author-link= Joseph-Louis Lagrange |title=Leçons Elémentaires sur les Mathématiques |language=fr |year=1795 |chapter=Leçon Cinquième. Sur l'usage des courbes dans la solution des problèmes |place=Paris}} Republished in {{cite book |last=Lagrange |first=Joseph-Louis |editor-last=Serret |editor-first=Joseph-Alfred |editor-link=Joseph-Alfred Serret |display-authors=0 |title=Oeuvres de Lagrange |year=1877 |volume=7 |publisher=Gauthier-Villars |pages=[https://archive.org/details/oeuvresdelagrang07lagr/page/271 271–287] }} Translated as {{cite book |last=Lagrange |first=Joseph-Louis |display-authors=0 |translator-last=McCormack |translator-first=Thomas J. |title=Lectures on Elementary Mathematics |edition=2nd |publisher=Open Court |year=1901 |chapter=Lecture V. On the Employment of Curves in the Solution of Problems |chapter-url=https://archive.org/details/lecturesonelemen00lagriala/page/127 |pages=127–149}}</ref> इस विधि की खोज सबसे पहले 1779 में एडवर्ड वारिंग ने की थी।<ref>{{cite journal
 |title=Problems concerning interpolations
 |first=Edward |last=Waring |author-link=Edward Waring
 |journal=[[Philosophical Transactions of the Royal Society]]
 |date=9 January 1779 |volume=69 |pages=59–67
 |doi=10.1098/rstl.1779.0008
 |doi-access=free
 }}</ref> यह [[लियोनहार्ड यूलर]] द्वारा 1783 में प्रकाशित एक सूत्र का भी आसान परिणाम है।<ref>{{Cite journal
 | last1=Meijering | first1=Erik
 | title=A chronology of interpolation: from ancient astronomy to modern signal and image processing
 | doi=10.1109/5.993400 | year=2002
 | journal=Proceedings of the IEEE | volume=90 | issue=3 | pages=319–342
 | url = http://bigwww.epfl.ch/publications/meijering0201.pdf}}</ref>

लैग्रेंज बहुपदों के उपयोग में न्यूटन-कोट्स सूत्र सम्मिलित हैं। न्यूटन-कोट्स [[संख्यात्मक एकीकरण]] की विधि और [[क्रिप्टोग्राफी]] (कूटलेखन) में शमीर की गुप्त साझाकरण योजना सम्मिलित है।

समस्थानिक नोड्स के लिए, लैग्रेंज अंतर्वेशन बड़े दोलन की रूंज की घटना के लिए अतिसंवेदनशील है।

== परिभाषा ==
<math display=inline>k + 1</math> नोड्स <math>\{x_0, x_1, \ldots, x_k\}</math> का एक समुच्चय दिया दिया गया है, जो सभी अलग-अलग होने चाहिए, <math>x_j \neq x_m</math> सूचकांकों <math>j \neq m</math> के लिए, कोटि के बहुपदों के लिए लैग्रेंज आधार <math display=inline>\leq k</math> उन नोड्स के लिए बहुपदों <math display=inline>\{\ell_0(x), \ell_1(x), \ldots, \ell_k(x)\}</math>का समूह है प्रत्येक कोटि <math display=inline>k</math> जो मान लेते हैं <math display=inline>\ell_j(x_m) = 0</math> यदि <math display=inline>m \neq j</math> और <math display=inline>\ell_j(x_j) = 1</math> [[क्रोनकर डेल्टा]] <math display="inline">\ell_j(x_m) = \delta_{jm}</math> का उपयोग करके इसे लिखा जा सकता है। प्रत्येक आधार बहुपद को गुणनफल द्वारा स्पष्ट रूप से वर्णित किया जा सकता है:

<math display=block>\begin{aligned}
\ell_j(x) &= \frac{(x-x_0)}{(x_j-x_0)} \cdots \frac{(x-x_{j-1})}{(x_j-x_{j - 1})} \frac{(x-x_{j+1})}{(x_j-x_{j+1})} \cdots \frac{(x-x_k)}{(x_j-x_k)} \\[10mu]
&= \prod_{\begin{smallmatrix}0\le m\le k\\ m\neq j\end{smallmatrix}} \frac{x-x_m}{x_j-x_m}.
\end{aligned}</math>
ध्यान दें कि अंश <math display=inline>\prod_{m \neq j}(x - x_m)</math> मे <math display=inline>k</math> नोड्स पर <math display=inline>\{x_m\}_{m \neq j}</math> मूल पद है जबकि भाजक <math display=inline>\prod_{m \neq j}(x_j - x_m)</math> परिणामी बहुपद को प्रवर्धित करता है ताकि <math display=inline>\ell_j(x_j) = 1.</math>

संबंधित मानों के माध्यम से उन नोड्स के लिए लैग्रेंज अंतर्वेशन बहुपद <math>\{y_0, y_1, \ldots, y_k\}</math> रैखिक संयोजन है:

<math display="block">L(x) = \sum_{j=0}^{k} y_j \ell_j(x).</math>
प्रत्येक आधार बहुपद की कोटि <math display="inline">k</math> होती है इसलिए योग <math display="inline">L(x)</math> की कोटि <math display="inline">\leq k</math> है, और यह डेटा को प्रक्षेपित करता है क्योंकि

<math display="inline">L(x_m) = \sum_{j=0}^{k} y_j \ell_j(x_m) = \sum_{j=0}^{k} y_j \delta_{mj} = y_m.</math>

अंतर्वेशन बहुपद अद्वितीय है। प्रमाण: मान लें कि डिग्री का बहुपद <math display="inline">M(x)</math> कोटि <math display="inline">\leq k</math> डेटा को प्रक्षेपित करता है। फिर शेष <math display="inline">M(x) - L(x)</math> पर <math display="inline">k + 1</math> विशिष्ट नोड्स <math display="inline">\{x_0, x_1, \ldots, x_k\}</math> शून्य है। लेकिन कोटि का एकमात्र बहुपद <math display="inline">\leq k</math> से अधिक के साथ <math display="inline">k</math> मूल पदो वाले घात का <math display="inline">M(x) - L(x) = 0,</math> या <math display="inline">M(x) = L(x)</math> अचर शून्य फलन है



== केंद्रकीय व्यंजक ==

प्रत्येक लाग्रेंज आधार बहुपद <math display=inline>\ell_j(x)</math> तीन भागों, एक फलन के गुणनफल <math display=inline>\ell(x) = \prod_m (x - x_m)</math> के रूप में फिर से लिखा जा सकता है प्रत्येक आधार बहुपद के लिए सामान्य, एक नोड-विशिष्ट स्थिरांक <math display=inline>w_j = \prod_{m\neq j}(x_j - x_m)^{-1}</math> (केंद्रकीय भार कहा जाता है), और <math display=inline>x_j</math> से <math display=inline>x</math> तक विस्थापन का प्रतिनिधित्व करने वाला एक भाग:<ref>{{cite journal
 | first1 = Jean-Paul | last1 = Berrut
 | first2 = Lloyd N. | last2 = Trefethen |author-link = Lloyd N. Trefethen
 | year = 2004
 | title = Barycentric Lagrange Interpolation
 | journal = SIAM Review
 | volume = 46
 | issue = 3
 | pages = 501&ndash;517
 | doi = 10.1137/S0036144502417715
 | bibcode = 2004SIAMR..46..501B
 | url = https://people.maths.ox.ac.uk/trefethen/barycentric.pdf
 | doi-access = free
 }}</ref>

<math display=block>\ell_j(x) = \ell(x) \dfrac{w_j}{x - x_j}</math>
गुणनखंडन द्वारा <math display=inline>\ell(x)</math> योग से बाहर, हम लैग्रेंज बहुपद को तथाकथित प्रथम केंद्रकीय रूप में लिख सकते हैं:

:<math>L(x) = \ell(x) \sum_{j=0}^k \frac{w_j}{x-x_j}y_j.</math>
यदि भार <math>w_j</math> पूर्व-गणना की गई है, तो प्रत्येक लाग्रेंज आधार बहुपद <math>\mathcal O(k)</math> का अलग-अलग मूल्यांकन करने के लिए <math>\mathcal O(k^2)</math> की तुलना में केवल <math>\ell_j(x)</math> संक्रिया की आवश्यकता होती है।

प्रत्येक <math>x_{k+1}</math> को <math>w_j</math>, <math>j=0 \dots k</math> द्वारा विभाजित करके नया नोड <math>(x_j - x_{k+1})</math> शामिल करने के लिए बैरीसेंट्रिक (केन्द्रकीय) अंतर्वेशन सूत्र और नया निर्माण <math>w_{k+1}</math> ऊपरोक्त को भी आसानी से अवगत किया जा सकता है।।

किसी भी <math display=inline>x,</math> <math display=inline>\sum_{j=0}^k \ell_j(x) = 1</math> के लिए क्योंकि नियतांक फलन <math display=inline>g(x) = 1</math> है कोटि का <math>\leq k</math> अद्वितीय बहुपद डेटा को <math display="inline">\{(x_0, 1), (x_1, 1), \ldots, (x_k, 1) \}</math> के द्वारा प्रक्षेपित करना। इस प्रकार हम <math>L(x) = L(x) / g(x)</math> को विभाजित करके केन्द्रकीय सूत्र को और सरल बना सकते हैं
:<math>\begin{aligned}
L(x) &= \ell(x) \sum_{j=0}^k \frac{w_j}{x-x_j}y_j \Bigg/ \ell(x) \sum_{j=0}^k \frac{w_j}{x-x_j} \\[10mu]
&= \sum_{j=0}^k \frac{w_j}{x-x_j}y_j \Bigg/ \sum_{j=0}^k \frac{w_j}{x-x_j}.
\end{aligned}</math>
इसे केन्द्रकीय अंतर्वेशन सूत्र का द्वितीय व्यंजक या सत्य व्यंजक कहा जाता है।

इस दूसरे रूप में संगणना कीमत और परिशुद्धता में लाभ हैं: यह <math>\ell(x)</math> के मूल्यांकन से बचा जाता है; भाजक <math>w_j/(x-x_j)</math> में प्रत्येक पद की गणना करने का कार्य अभिकलन <math>\bigl(w_j/(x-x_j)\bigr)y_j</math> में किया जा चुका है और इसलिए हर में योग की गणना करने में केवल <math display=inline>k-1</math> अतिरिक्त संक्रिया होती है; मूल्यांकन बिंदुओं के लिए <math display=inline>x</math> जो एक नोड के समीप <math display=inline>x_j</math> हैं, विपाती निरस्तीकरण सामान्य रूप से <math display=inline>(x-x_j)</math> मूल्य के लिए एक समस्या होगी, हालांकि यह परिणाम अंश और हर दोनों में दिखाई देती है और अंतिम परिणाम में अच्छी सापेक्ष परिशुद्धता छोड़ते हुए दोनों निरस्त हो जाते हैं।

किसी एक नोड <math>L(x)</math> पर <math>x_j</math> का मूल्यांकन करने के लिए इस सूत्र का उपयोग करने से परिणाम अनिश्चित <math>\infty y_j/\infty</math> होगा; कंप्यूटर कार्यान्वयन को ऐसे परिणामों <math>L(x_j) = y_j</math>को प्रतिस्थापित करना चाहिए। प्रत्येक लाग्रेंज आधार बहुपद को केंद्रकीय रूप में भी लिखा जा सकता है:

:<math>
\ell_j(x) = \frac{w_j}{x-x_j} \Bigg/ \sum_{m=0}^k \frac{w_m}{x-x_m}.
</math>

==== रैखिक बीजगणित से एक परिप्रेक्ष्य ====
बहुपद अंतर्वेशन को हल करने से रैखिक बीजगणित में मैट्रिक्स के व्युत्क्रम की मात्रा में समस्या आती है। हमारे अंतर्वेशन बहुपद <math display="inline">L(x) = \sum_{j=0}^k x^j m_j</math> के लिए एक मानक एकपदी आधार का उपयोग करते हुए, हमें [[वैंडरमोंड मैट्रिक्स]] को <math>(x_i)^j</math> को हल करने के लिए <math>L(x_i) = y_i</math> गुणांक के लिए <math>m_j</math> का <math>L(x)</math> है। अधिकतम आधार चयन करके, <math display="inline">L(x) = \sum_{j=0}^k l_j(x) y_j</math>, हम केवल सर्वसमिका <math>\delta_{ij}</math> मैट्रिक्स प्राप्त करते हैं, जो इसका अपना प्रतिलोम है: लैग्रेंज आधार स्वचालित रूप से वैंडरमोंड मैट्रिक्स के एनालॉग को प्रतिवर्त देता है।

यह रचना [[चीनी शेष प्रमेय]] के अनुरूप है। पूर्णांक मॉडुलो अभाज्य संख्याओं के अवशेषों की जाँच करने के अतिरिक्त, हम रैखिकों द्वारा विभाजित किए जाने पर बहुपदों के अवशेषों की जाँच कर रहे हैं।

इसके अतिरिक्त, जब क्रम बड़ा होता है, तो अंतर्वेशन बहुपद के गुणांकों को हल करने के लिए निर्धारित फूरियर रूपांतरण का उपयोग किया जा सकता है।

== उदाहरण ==
हम तीन नोड्स <math>f(x) = x^2</math> पर <math>1 \leq x \leq 3</math> प्रक्षेत्र {{nobr|<math>\{1,\, 2,\, 3\}</math>}} प्रक्षेपित करना चाहते हैं:

: <math>
\begin{align}
x_0 & = 1, & & & y_0 = f(x_0) & = 1, \\[3mu]
x_1 & = 2, & & & y_1 = f(x_1) & = 4, \\[3mu]
x_2 & = 3, & & & y_2 = f(x_2) & =9.
\end{align}
</math>
नोड बहुपद <math>\ell</math> है
:<math>\ell(x) = (x-1)(x-2)(x-3) = x^3 - 6x^2 + 11x - 6.</math>
केंद्रकीय भार हैं
:<math>\begin{align}
w_0 &= (1-2)^{-1}(1-3)^{-1} = \tfrac12, \\[3mu]
w_1 &= (2-1)^{-1}(2-3)^{-1} = -1, \\[3mu]
w_2 &= (3-1)^{-1}(3-2)^{-1} = \tfrac12.
\end{align}</math>
लाग्रेंज आधार बहुपद हैं

:<math>\begin{align}
\ell_0(x) &= \frac{x - 2}{1 - 2}\cdot\frac{x - 3}{1 - 3} = \tfrac12x^2 - \tfrac52x + 3, \\[5mu]
\ell_1(x) &= \frac{x - 1}{2 - 1}\cdot\frac{x - 3}{2 - 3} = -x^2 + 4x - 3, \\[5mu]
\ell_2(x) &= \frac{x - 1}{3 - 1}\cdot\frac{x - 2}{3 - 2} = \tfrac12x^2 - \tfrac32x + 1.
\end{align}</math>
लैग्रेंज अंतर्वेशन बहुपद है:
:<math> \begin{align}
L(x) &= 1\cdot\frac{x - 2}{1 - 2}\cdot\frac{x - 3}{1 - 3}
+ 4\cdot\frac{x - 1}{2 - 1}\cdot\frac{x - 3}{2 - 3}
+ 9\cdot\frac{x - 1}{3 - 1}\cdot\frac{x - 2}{3 - 2}
\\[6mu]
&= x^2.
\end{align} </math>
(द्वितीय) केन्द्रकीय रूप में,

:<math>
L(x) = \frac
  {\displaystyle \sum_{j=0}^2 \frac{w_j}{x-x_j}y_j}
  {\displaystyle \sum_{j=0}^2 \frac{w_j}{x-x_j}}
 = \frac
  {\displaystyle \frac{\tfrac12}{x - 1} + \frac{-4}{x - 2} + \frac{\tfrac92}{x - 3}}
  {\displaystyle \frac{\tfrac12}{x - 1} + \frac{-1}{x - 2} + \frac{\tfrac12}{x - 3}}.
</math>


==टिप्पणियाँ==
[[File:Runge's phenomenon in Lagrange polynomials.svg|thumb|upright=1.5|लैग्रेंज बहुपदों के एक सेट के लिए अंतर्वेशन अपसरण का उदाहरण।]]

अंतर्वेशन बहुपद का लैग्रेंज रूप बहुपद अंतर्वेशन के रैखिक विशेषता और अंतर्वेशन बहुपद की विशिष्टता को दर्शाता है। इसलिए, इसे प्रमाणों और सैद्धांतिक तर्कों में चयन किया जाता है। वैंडरमोंड निर्धारक के समाप्त न होने के कारण, वैंडरमोंड मैट्रिक्स की व्युत्क्रमणीयता से विशिष्टता भी देखी जा सकती है।

लेकिन, जैसा कि निर्माण से देखा जा सकता है, हर बार एक नोड xk बदलता है, सभी लैग्रेंज आधार बहुपदों को पुनर्गणना करना पड़ता है। व्यावहारिक (या कम्प्यूटेशनल) उद्देश्यों के लिए अंतर्वेशन बहुपद का अधिकतम रूप लैग्रेंज अंतर्वेशन (नीचे देखें) या न्यूटन बहुपदों का केंद्रकीय रूप है। 

लैग्रेंज और अन्य अंतर्वेशन समान दूरी वाले बिंदुओं पर, जैसा कि ऊपर के उदाहरण में है, वास्तविक कार्य के ऊपर और नीचे एक बहुपद दोलन करता है। यह व्यवहार अंकों की संख्या के साथ बढ़ने लगता है, जिससे विचलन होता है जिसे रन्ज की घटना के रूप में जाना जाता है; चेबीशेव नोड्स पर अंतर्वेशन बिंदु चयन करके समस्या को समाप्त किया जा सकता है।<ref>{{cite book|title=Scientific Computing with MATLAB|volume=2|series=Texts in computational science and engineering|first1=Alfio|last1=Quarteroni|first2=Fausto|last2=Saleri|publisher=Springer|year=2003|isbn=978-3-540-44363-6|page=66|url=https://books.google.com/books?id=fE1W5jsU4zoC&pg=PA66}}.</ref>

न्यूटन-कोट्स सूत्र प्राप्त करने के लिए लाग्रेंज आधार बहुपदों का संख्यात्मक एकीकरण में उपयोग किया जा सकता है।



== लैग्रेंज अंतर्वेशन सूत्र में अवशेष ==
किसी दिए गए फलन f को कोटि के बहुपद द्वारा प्रक्षेपित करते समय {{mvar|k}} नोड्स पर <math>x_0,...,x_k</math> हमें शेष मिलता है <math>R(x) = f(x) - L(x)</math> जिसे व्यक्त किया जा सकता है<ref>{{AS ref|25, eqn 25.2.3|878}}</ref>
:<math> R(x) = f[x_0,\ldots,x_k,x] \ell(x) = \ell(x) \frac{f^{(k+1)}(\xi)}{(k+1)!},  \quad \quad x_0 < \xi < x_k,</math>
जहाँ <math>f[x_0,\ldots,x_k,x]</math> विभाजित अंतरों के लिए संकेतन है। वैकल्पिक रूप से, शेष को जटिल प्रक्षेत्र में समोच्च अभिन्न के रूप में व्यक्त किया जा सकता है

:<math>R(x) = \frac{\ell(x)}{2\pi i} \int_C \frac{f(t)}{(t-x)(t-x_0) \cdots (t-x_k)} dt = \frac{\ell(x)}{2\pi i} \int_C \frac{f(t)}{(t-x)\ell(t)} dt.</math>
शेष के रूप में बाध्य किया जा सकता है

:<math>|R(x)| \leq \frac{(x_k-x_0)^{k+1}}{(k+1)!}\max_{x_0 \leq \xi \leq x_k} |f^{(k+1)}(\xi)|. </math>


=== व्युत्पत्ति<ref>{{Cite web|url=https://sam.nitk.ac.in/sites/default/Numerical_Methods/Interpolation/interpolation.pdf|title=Interpolation}}</ref>===
स्पष्ट रूप से, <math>R(x) </math> नोड्स पर शून्य है। बिंदु <math>R(x)</math> पर <math>x_p  </math> को पता लगाने के लिए एक नया फलन परिभाषित करें <math>F(x)=R(x)-\tilde{R}(x)=f(x)-L(x)-\tilde{R}(x)</math> और <math display="inline">\tilde{R}(x)=C\cdot\prod_{i=0}^k(x-x_i)</math> चयन करे जहाँ <math>C</math> वह स्थिरांक है जिसे हमें दिए गए <math>x_p</math>के लिए, हम <math>C</math> चयन करते हैं ताकि <math>F(x)</math> शून्य <math>k+2</math> है (सभी नोड्स पर और <math>x_p</math>) बीच में <math>x_0</math> और <math>x_k</math> (अंतिम बिंदुओं सहित) निर्धारित करना है।। ये मानते हुए <math>f(x)</math> गुना अवकलनीय <math>k+1</math>-है, क्योंकि <math>L(x)</math> और <math>\tilde{R}(x)</math> बहुपद हैं, और इसलिए, अधिकतम सीमा तक भिन्न <math>F(x)</math> हैं और <math>k+1</math>-गुना अवकलनीय होगा। रोल की प्रमेय के अनुसार, <math>F^{(1)}(x)</math> शून्य <math>k+1</math>है, <math>F^{(2)}(x)</math> है जहां <math>k</math> पर... <math>F^{(k+1)}</math> 1 शून्य, <math>\xi,\, x_0<\xi<x_k</math> है, मान लीजिए कि <math>F^{(k+1)}(\xi)</math> को स्पष्ट रूप से लिखना:

:<math>F^{(k+1)}(\xi)=f^{(k+1)}(\xi)-L^{(k+1)}(\xi)-\tilde{R}^{(k+1)}(\xi)</math>
:<math>L^{(k+1)}=0,\tilde{R}^{(k+1)}=C\cdot(k+1)!</math> (क्योंकि उच्चतम पावर <math>x</math> में <math>\tilde{R}(x)</math> है <math>k+1</math>)

:<math>0=f^{(k+1)}(\xi)-C\cdot(k+1)!</math>
समीकरण के रूप में पुनर्व्यवस्थित किया जा सकता है

:<math>C=\frac{f^{(k+1)}(\xi)}{(k+1)!}</math>
तब से <math>F(x_p) = 0</math> हमारे पास <math>R(x_p)=\tilde{R}(x_p) = \frac{f^{k+1}(\xi)}{(k+1)!}\prod_{i=0}^k(x_p-x_i)</math> है। 

==== अवकलन ====
d लाग्रेंज अंतर्वेशी बहुपद के वें व्युत्पन्न आधार बहुपद के अवकलन के संदर्भ में लिखा जा सकता है,
:<math>L^{(d)}(x) := \sum_{j=0}^{k} y_j \ell_j^{(d)}(x).</math>
स्मरण (ऊपर § परिभाषा देखें) कि प्रत्येक लाग्रेंज आधार बहुपद है

<math display="block">\begin{aligned}
\ell_j(x) &= \prod_{\begin{smallmatrix}m = 0\\ m\neq j\end{smallmatrix}}^k \frac{x-x_m}{x_j-x_m}.
\end{aligned}</math>
गुणनफल नियम दो से अधिक कारकों के गुणनफल का उपयोग करके पहला अवकलज पाया जा सकता है:

:<math>\begin{align}
\ell_j'(x) &= \sum_{\begin{smallmatrix}i=0 \\ i\not=j\end{smallmatrix}}^k \Biggl[ \frac{1}{x_j-x_i}\prod_{\begin{smallmatrix}m=0 \\ m\not = (i , j)\end{smallmatrix}}^k \frac{x-x_m}{x_j-x_m} \Biggr]
\\[5mu]
&= \ell_j(x)\sum_{\begin{smallmatrix}i=0 \\i\not=j\end{smallmatrix}}^k \frac{1}{x-x_i}.
\end{align}</math>
दूसरा अवकलन है

:<math>\begin{align}
\ell_j''(x)
&= \sum_{\begin{smallmatrix}i=0 \\ i\ne j\end{smallmatrix}}^{k} \frac{1}{x_j-x_i} \Biggl[ \sum_{\begin{smallmatrix}m=0 \\ m\ne(i,j)\end{smallmatrix}}^{k} \Biggl( \frac{1}{x_j-x_m}\prod_{\begin{smallmatrix}n=0 \\ n\ne(i,j,m)\end{smallmatrix}}^{k} \frac{x-x_n}{x_j-x_n} \Biggr) \Biggr]
\\[10mu]
&= \ell_j(x)
\sum_{0 \leq i < m \leq k}
\frac{2}{(x-x_i)(x - x_m)}
\\[10mu]
&= \ell_j(x)\Biggl[\Biggl(\sum_{\begin{smallmatrix}i=0 \\i\not=j\end{smallmatrix}}^k \frac{1}{x-x_i}\Biggr)^2-\sum_{\begin{smallmatrix}i=0 \\i\not=j\end{smallmatrix}}^k \frac{1}{(x-x_i)^2}\Biggr].
\end{align}</math>
तीसरा अवकलन है

:<math>\begin{align}
\ell_j'''(x)
&= \ell_j(x)
\sum_{0 \leq i < m < n \leq k}
\frac{3!}{(x-x_i)(x - x_m)(x - x_n)}
\end{align}</math>
और इसी प्रकार उच्च अवकलन के लिए।

== [[परिमित क्षेत्र]] ==
लाग्रेंज बहुपद की गणना परिमित क्षेत्रों में भी की जा सकती है। इसमें क्रिप्टोग्राफी में अनुप्रयोग हैं, जैसे शमीर की गुप्त साझाकरण योजना में है।

== यह भी देखें ==
* नेविल का एल्गोरिदम
* अंतर्वेशन बहुपद का [[न्यूटन बहुपद]]
* [[बर्नस्टीन बहुपद]]
* कार्लसन की प्रमेय
* [[लेबेस्ग स्थिरांक (प्रक्षेप)|लेबेस्ग स्थिरांक (अंतर्वेशन)]]
*[[चेबफन]]
* [[न्यूटोनियन श्रृंखला की तालिका]]
* [[फ्रोबेनियस सहसंयोजक]]
* सिल्वेस्टर का सूत्र
* [[परिमित अंतर गुणांक|परिमित शेष गुणांक]]
* [[सन्यासी के बीच|हर्मिट अंतर्वेशन]]

==संदर्भ==
{{reflist}}


==बाहरी संबंध==
* {{springer|title=Lagrange interpolation formula|id=p/l057170}}
* [http://www.alglib.net/interpolation/polynomial.php ALGLIB] has an implementations in C++ / C# / VBA / Pascal.
* [https://www.gnu.org/software/gsl/ GSL] has a polynomial interpolation code in C
* [https://stackoverflow.com/questions/11029615/lagrange-interpolation-method/11552763 SO] has a MATLAB example that demonstrates the algorithm and recreates the first image in this article
* [http://numericalmethods.eng.usf.edu/topics/lagrange_method.html लाग्रेंज Method of Interpolation &mdash; Notes, PPT, Mathcad, Mathematica, MATLAB, Maple] at [http://numericalmethods.eng.usf.edu Holistic Numerical Methods Institute]
*[http://www.math-linux.com/spip.php?article71 लाग्रेंज interpolation polynomial] on www.math-linux.com
* {{MathWorld|urlname=LagrangeInterpolatingPolynomial|title=Lagrange Interpolating Polynomial}}
{{ProofWiki|id=Lagrange_Polynomial_Approximation|title=Estimate of the error in Lagrange Polynomial Approximation}}
* [http://jsxgraph.uni-bayreuth.de/wiki/index.php/Lagrange_interpolation Dynamic Lagrange interpolation with JSXGraph]
* Numerical computing with functions: [https://web.archive.org/web/20101013180326/http://www2.maths.ox.ac.uk/chebfun/ The Chebfun Project]
* [http://mathformeremortals.wordpress.com/2013/01/15/bicubic-interpolation-excel-worksheet-function/ Excel Worksheet Function for Bicubic Lagrange Interpolation]
* [http://pastebin.com/bNVcQt4x Lagrange polynomials in Python]
{{authority control}}

[[Category:CS1]]
[[Category:CS1 français-language sources (fr)]]
[[Category:Created On 03/03/2023]]
[[Category:Lua-based templates]]
[[Category:Machine Translated Page]]
[[Category:Pages with script errors]]
[[Category:Short description with empty Wikidata description]]
[[Category:Templates Vigyan Ready]]
[[Category:Templates that add a tracking category]]
[[Category:Templates that generate short descriptions]]
[[Category:Templates using TemplateData]]
[[Category:प्रक्षेप]]
[[Category:प्रमाण युक्त लेख]]
[[Category:बहुपदों]]