牛顿插值法
牛顿插值法原理及应用
牛顿插值法插值法是利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
如果这特定函数是多项式，就称它为插值多项式。
当插值节点增减时全部插值基函数均要随之变化，这在实际计算中很不方便。
为了克服这一缺点，提出了牛顿插值。
牛顿插值通过求各阶差商，递推得到的一个公式：f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0 )...(x-xn-1)+Rn(x)。
插值函数插值函数的概念及相关性质[1]定义：设连续函数y-f(x) 在区间[a,b]上有定义，已知在n+1个互异的点x0,x1,…xn上取值分别为y0,y1,…yn （设a≤ x1≤x2……≤xn≤b)。
若在函数类中存在以简单函数P(x) ，使得P(xi)=yi,则称P(x) 为f(x)的插值函数.称x1,x2,…xn 为插值节点，称[a,b]为插值区间。
定理：n次代数插值问题的解存在且唯一。
牛顿插值法C程序程序框图#include<stdio.h>void main(){float x[11],y[11][11],xx,temp,newton;int i,j,n;printf("Newton插值:\n请输入要运算的值:x=");scanf("%f",&xx);printf("请输入插值的次数(n<11):n=");scanf("%d",&n);printf("请输入%d组值:\n",n+1);for(i=0;i<n+1;i++){ printf("x%d=",i);scanf("%f",&x[i]);printf("y%d=",i);scanf("%f",&y[0][i]);}for(i=1;i<n+1;i++)for(j=i;j<n+1;j++){ if(i>1)y[i][j]=(y[i-1][j]-y[i-1][j-1])/(x[j]-x[j-i]);elsey[i][j]=(y[i-1][j]-y[i-1][j-1])/(x[j]-x[j-1]);printf("%f\n",y[i][i]);}temp=1;newton=y[0][0];for(i=1;i<n+1;i++){ temp=temp*(xx-x[i-1]);newton=newton+y[i][i]*temp;}printf("求得的结果为:N(%.4f)=%9f\n",xx,newton);牛顿插值法Matlab程序function f = Newton(x,y,x0)syms t;if(length(x) == length(y))n = length(x);c(1:n) = 0.0;elsedisp('x和y的维数不相等！');return;endf = y(1);y1 = 0;l = 1;for(i=1:n-1)for(j=i+1:n)y1(j) = (y(j)-y(i))/(x(j)-x(i));endc(i) = y1(i+1);l = l*(t-x(i));f = f + c(i)*l;simplify(f);y = y1;if(i==n-1)if(nargin == 3)f = subs(f,'t',x0);elsef = collect(f); %将插值多项式展开f = vpa(f, 6);endend牛顿插值法摘要：值法利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
牛顿(newton)插值法
牛顿(newton)插值法牛顿插值法是一种数值分析中的插值方法，它用于找到一个多项式函数，该函数会经过给定的一系列数据点。
该方法最初由英国数学家艾萨克·牛顿（Isaac Newton）发明并称为插值多项式，它也被称作差分插值法。
插值是数学和工程学中的一项重要任务，它是用于在给定数据点之间构建连续函数的一种数值方法。
插值方法通常涉及过渡从观察结果派生出抽象结果的过程，从而使得预测可能的结果取得更加准确。
下面介绍牛顿插值法的基本原理。
插值基础插值基础是插值方法中的一个重要概念。
在这里，我们将对牛顿插值法中用到的插值基础进行简要介绍。
一个插值基础是指一个已知数据点的集合，通常是一个 x 坐标和对应的 y 坐标。
每个插值基础一般定义为一个数据点的函数，该函数包含了给定点的所有信息并将这些信息用于构建连续函数。
在牛顿插值法中，我们使用差分来定义插值基础。
差分是指两个相邻数据点之间 y 坐标的差值。
具体来说，若给定以下节点：x0, y0x1, y1x2, y2...xn, yn我们则通过以下的 "+" 符号所示的不断进行差分的方式来构建一个插值基础：y0y1-y0…yn-yn-1 yn-yn-1 yn-yn-2 ... yn-y0上述图表所展示的差分的值即为定义插值基础的差商（divided difference）。
牛顿插值公式基于上述插值基础和差商，我们现在可以使用牛顿插值公式来实现插值。
具体来说，牛顿插值公式可以表示为：f(x) = y0 + d1*f[x0,x1] + d2*f[x0,x1,x2] + ... + dn*f[x0,x1,...,xn]其中 f(x) 是插值函数，x0, x1, ..., xn 是给定的节点，y0, y1, ..., yn 是对应的 y 值，f[x0,x1] 是差商 f(x0,...,x1) 的值，d1, d2, ..., dn 也是差商。
请注意，插值函数的次数最高为 n - 1，这意味着插值函数与插值基础的次数相同。
牛顿插值法ppt课件
为 在点
处的二阶差商
称
f[x 0 ,x 1 , x n ] f[x 0 ,x 1 , ,x x n 0 1 ] x n f[x 1 ,x 2 , x n ]
为f (x)在点
处的n阶差商。
--
9
差商表
x
f(x)
一阶差 商
二阶差商
三阶差商
x0
f(x0)
x1
f(x1) f [x0,x1]
x2
f(x2) f [x1,x2] f [x0,x1,x2]
--
14
例题分析（续1）
f
(x0, x1)
y1 x1
y0 x0
12 1(1)
1 2
f
(x1,
x2)
y2 x2
y1 x1
11 21
0
f
(x0, x1, x2)
f
(x1,x2) f (x0,x1) x2 x0
02（(1/12)）
1 6
--
15
例题分析（续2）
f (x)N2(x) f (x0)f[x0,x1](xx0)
令 xx0得： Nn(x0)c0y0f(x0); 令 xx1得： Nn(x1)c0c1(x1x0)y1f(x1); 由此可c0解 ,c1;c出 i 依： 次类推。
--
6
具有承袭性的插值公式
线性插值公式可以写成如下形式：
其中
p 1 x p 0 x c 1 x x 0
p0xfx0，其修正项的系数 c1
f
x1f x0
x1 x0
再修正 p1 x 可以进一步得到拋物插值公式
p 2 x p 1 x c 2 x x 0 x x 1
其中
数值分析2-3(牛顿插值法)
二阶差商
f [ xi , x j , xk ]
一般的k阶差商定义为
f [ x0 , x1 ,..., x k ] f [ x0 ,..., x k 2 , x k ] f [ x0 , x1 ,..., x k 1 ] x k x k 1
特别地，f(x)关于一个点xi的零阶 差商定义为函数值本身，即
§3
差 商 与 牛 顿 插 值
一、差商及其性质 二、差商的计算
三、牛顿插值公式 四、牛顿插值法举例
一、差商及其性质
1. 差商的定义 函数关于 xi, xj 一阶差商
f [ xi , x j ] fห้องสมุดไป่ตู้( x j ) f ( xi ) x j xi
f [ x j , xk ] f [ xi , x j ] xk xi
∶ ∶ ∶
f[x0,x1,x2] f[x1,x2,x3]
∶ ∶ ∶
f[x0,x1,x2,x3]
∶ ∶ ∶
例 已知函数y= f (x)的观测数据如下， 试构造差商表，并求 f [2,4,5,6]的值
x 0 2 f(x) 1 5
4 5 6 9 -4 13
解 构造差商表如下
xi f(xi) 一阶 二阶 三阶 0 1 2 5 2 4 9 2 0 5 -4 -13 -5 -1 6 13 17 15 5 四阶
4 3 2
用二次插值求f (3)时，取
x0=2, x1=4, x2=5, 得 f ( 3) f ( 2) f [2,4]( 3 2)
f [2,4,5]( 3 2)( 3 4) 7 5( 3 2)( 3 4) 12 思考：若本题只给出前三个点，结果 如何？请你总结牛顿插值法何时停止？
数值分析2-3(牛顿插值法)差商和与牛顿插值
确定插值多项式的次数
根据已知数据点的数量确定插值多项式的最高次 数。
计算插值多项式
利用差商表，通过拉格朗日插值公式计算插值多 项式。
3
进行插值
将需要插值的x值代入插值多项式中，得到对应 的y值。
05
牛顿插值法的优缺点分析
优点
计算简单
局部性质好
相比于其他多项式插值方法，牛顿插 值法的计算过程相对简单，不需要求 解高阶方程，降低了计算的复杂度。
数值分析2-3：牛顿 插值法、差商和
目录
• 引言 • 牛顿插值法的基本概念 • 差商的计算方法 • 牛顿插值法的实现步骤 • 牛顿插值法的优缺点分析 • 实际应用案例 • 总结与展望
01
引言
主题简介
数值分析是数学的一个重要分支，主 要研究如何用数值方法解决各种数学 问题。
本章节将介绍牛顿插值法、差商和的 概念及其应用。
03
差商的计算方法
差商的递推公式
差商的递推公式
$f[x_0, x_1, ldots, x_n] = frac{f[x_1, ldots, x_n] - f[x_0, x_1, ldots, x_{n-1}]}{x_n - x_0}$
应用
通过递推公式，我们可以计算任意点之间的差商，从而得到插值多项式的导数。
在数据点附近，牛顿插值具有较好的 局部性质，能够提供较为准确的插值 结果。
适用性强
牛顿插值法适用于各种数据分布情况， 无论是线性还是非线性数据，都能得 到较好的插值结果。
缺点
全局误差较大
由于牛顿插值多项式的构造方式， 其全局误差通常较大，尤其是在 数据点较少的情况下。
对数据点敏感
如果数据点发生微小的变动，牛 顿插值多项式可能会发生较大的 变化，导致插值结果不稳定。
牛顿插值法实验报告
牛顿插值法实验报告
1. 什么是牛顿插值法？
牛顿插值法是一种多项式插值的方法，利用差商的概念，通过给定的点求出一个n 次多项式，使得该多项式经过这些点并尽可能接近给定的函数。
2. 实验步骤是什么？
（1）利用MATLAB 编写程序，输入插值节点和函数值；
（2）求解差商表及插值多项式；
（3）将插值多项式绘制成图像，并与实际函数进行比较；
（4）通过调整插值节点的个数，观察插值多项式的变化情况。
3. 实验中遇到的主要问题是什么？
在实验过程中，需要注意细节问题，如插值节点的选择、差商的计算及程序的调试等。
此外，如果插值多项式的次数太高，可能会出现插值误差过大的情况。
4. 实验的结果有哪些？
实验结果表明，随着插值节点数的增加，插值多项式的精度会提高，并且能够较好地拟合原函数。
但是如果节点过于密集，可能出现龙格现象，插值多项式的误差反而会增大。
5. 实验的意义是什么？
牛顿插值法是计算数学中重要的一种方法，对于一些实际问题的模拟和数据处理有着广泛的应用。
了解其原理和实现方式，能够更好地理解插值问题，并为计算实践提供一些帮助。
牛顿插值法介绍
牛顿插值法介绍本文将介绍牛顿插值法的基本原理、计算过程、优缺点以及在实际问题中的应用。
首先，我们将简要介绍插值法的基本概念和牛顿插值法的由来，然后详细讨论牛顿插值法的计算步骤和算法，接着分析其优缺点以及适用范围，最后通过几个实际问题的例子展示牛顿插值法的应用场景。
一、插值法基本概念在数学和计算机领域，插值是指根据已知的离散数据点构造满足这些数据点的曲线或函数的过程。
假设我们有一组数据点{(x1, y1), (x2, y2), ..., (xn, yn)}，我们想要通过这些数据点构建一个函数f(x)，使得f(xi) = yi，其中i = 1, 2, ..., n。
这样的函数就是经过插值的函数，它代表了这些数据点的趋势和变化规律。
插值法通常用于寻找这样的函数，它能够通过已知的数据点来估计函数在其他位置的值。
常见的插值方法包括拉格朗日插值法、牛顿插值法和埃尔米特插值法等。
在这些方法中，牛顿插值法是最为广泛使用的一种，因为它的计算效率高、精度较高，并且易于编程实现。
二、牛顿插值法的由来牛顿插值法由艾萨克·牛顿在17世纪提出，他是一位英国著名的数学家、物理学家和天文学家，在微积分、物理学和光学等领域都做出了重大贡献。
牛顿发展了牛顿插值法的理论基础和计算方法，并将其应用于数据分析和天体运动等问题中。
牛顿插值法基于牛顿插值多项式的概念，该多项式利用差商（divided differences）来表示，并具有易于计算和分析的优势。
牛顿插值多项式能够在已知的数据点上进行插值，并且还可以通过添加新的数据点来动态地更新插值结果。
因此，牛顿插值法成为了一种非常有用的数值计算工具，被广泛应用于工程、科学和金融等领域。
三、牛顿插值法的计算步骤1. 确定数据点首先，我们需要确定一组离散的数据点{(x1, y1), (x2, y2), ..., (xn, yn)}，这些数据点是我们已知的数据，我们要通过它们来构建插值函数。
牛顿插值法matlab
牛顿插值法matlab
牛顿插值法是一种基于牛顿多项式的插值方法，它要求给定的插值点必须满足某种差分公式，且牛顿插值法的误差收敛速度非常快。
牛顿插值法的Matlab实现分为以下几步：
1.给定插值点和插值函数的值。
2.确定多项式的阶数n。
3.根据牛顿插值法，构造一个n×n矩阵A，其中Aij等于第i个点处对x的第j次导数。
4.构造一个n×1矩阵B，其中Bi等于第i个点处的函数值。
5.通过消元法求解矩阵方程组Ax=B，从而求出牛顿插值法的系数。
6.应用求出的系数，构造出牛顿插值多项式。
7.根据牛顿插值多项式进行插值计算。
牛顿插值法
f [ x, x0 , x1 ,, xk 1 ] f [ x0 , x1,, xk ] f [ x, x0 , x1 ,, xk ](x xk )
因此可得
f ( x) f0 f [ x, x0 ](x x0 )
f0 ( f [ x0 , x1 ] f [ x, x0 , x1 ](x x1 ))(x x0 ) f0 f [ x0 , x1 ](x x0 ) f [ x, x0 , x1 ](x x0 )(x x1 )
为f ( x)关于xi , x j , xk的二阶差商
依此类推
5
f [ xi0 , xi1 ,, xik 1 , xik ]
f [ xi0 , xi1 ,, xik ] f [ xi0 , xi1 ,, xik 2 , xik 1 ] xik xik 1
为f ( x)关于节点 xi0 , xi1 ,, xik1 , xik 的k阶差商
2 f i 2 f i 1 3 2h3 3 f i 3!h 3
20
3 fi 3 2 fi 2 2 fxi 3 3 3!h 3 3 2h
k ( x) ( x x j )
j 0
k 1
f0 f [ x0 , x1 ,, xk ]( x x j )
k 1
n
n
k 1 j 0
为k次多项式
f 0 f [ x0 , x1 ,, xk ] k ( x)
k 1
为f ( x)关于节点 xi 的n次Newton插值多项式
f 0
f 1
f 1 f 2
f 3
2 f0
2 f2
2 f3
3 f0
牛顿插值法
分段线性插值
满足条件 S1xiyi,i0,1 , ,n具有分划
的分段一次式 S 1 x 在每个子段 xi, xi1上都
具有如下表达式：
S 1x0 x h ix i y i1 x h ix i y i 1 ,x ixx i 1
并在每个 xi, xi1子段上构造插值多项式，然后把它
们装配在一起，作为整个区间 a , b 上的插值函数，
即称为分段多项式。如果函数 S k x 在分划 的每
个子段上都是 k 次式，则称为具有分划 的分段 k 次式。
分段插值
1.分段线性插值； 2.分段抛物插值； 3.分段低次多项式插值；
02（(1/12)）
1 6
例题分析（续2）
f(x)N2(x)f(x0)f[x0,x1](xx0)
f[x0,x1,x2](xx0)(xx1)
21(x1)1(x1)(x1)
2
6
练习：
若上例中增加两点f(-2)=2, f(3)=2， 加上原来三点f(-1)=2, f(1)=1, f(2)=1， 求f(x)的Newdon插值多项式。
所以 S 3 x 0 x h ix i y i 1 x h ix i y i 1 h i0 x h ix i y i' h i1 x h ix i y i' 1
其中 xi xxi1，且有 0xx122x1,1xx22x3
0xxx12,1xx2x1
样条函数的概念
高次插值的龙格现象
对于代数插值来说，插值多项式的次数 很高时，逼近效果往往很不理想。例如，考
察函数 fx 1 /1 x 2, 5 x 5 ，设将区间 －5，5 分
2.牛顿插值法
x x2 x1 x 2
计算方法四③
x )( x x )......( x x ) T ………… 用for循环语句(对k) ( x x )( x x )......( x x )
0 1 2 1 n
if k~=j
3/58
L
j=0,1,2,…,n 外层循环 L=0
n
( x)
上节课内容回顾
1)构造 n 次插值基函数 lj (x) : (j=0,1, ..., n)
1/58
拉格朗日(Lagrange)插值多项式 Ln(x)的构造:
l
j
( x)
( x x 0 )( x x 1 )...( x x j 1 )( x x j 1 )...( x x n ) ( x j x 0 )( x j x 1 )...( x j x j 1 )( x j x j 1 )...( x j x n )
f [ x1 , x 3 ] f [ x 0 , x1 ]
x2 x0
f [ x1 , x 2 , x 3 ]
f [ x 0 , x 1 , , x n ]
f [ x 2 , x 3 ] f [ x1 , x 2 ] x 3 x1
xn x0
x3 x0
……
f [ x 1 , , x n ] f [ x 0 , , x n - 1 ]
j 1 n j j 1 j
)...( x
n
)
j=0,1,2,…,n 内层循环
j=1 x x0 T=1 T T
(x
1
T=T*(x-xk)/(xj-xk) k=0,1,2,...,j-1, j+1,...,n
python 牛顿插值法
python 牛顿插值法牛顿插值法是一种常用的数值插值方法，用于在给定数据点的基础上，估计出未知数据点的函数值。
它基于差商的思想，通过构造一个插值多项式来逼近原始函数。
首先，我们需要明确插值的目的。
插值的目的是为了推测出在已知数据点之间的未知数据点的函数值。
例如，我们已知一组离散的数据点，这些数据点代表了某个物理量在不同位置或时间上的值。
我们希望利用这些已知数据来推测处于未知位置或时间上的数据点的值。
在牛顿插值法中，我们首先需要选取一些已知数据点，然后通过计算差商来构造插值多项式。
插值多项式是一个关于自变量的函数表达式，它经过已知数据点，可以通过对自变量的取值来计算函数的值。
插值多项式的构造是通过不断迭代的方式进行的。
我们从一次插值开始，即假设我们要构造一个一次多项式，通过两个已知数据点，可以确定一个直线。
然后，通过插入一个新的数据点，我们可以构造出一个二次多项式，以此类推。
插值多项式的次数逐渐增加，直到满足要求。
牛顿插值法的核心在于计算差商。
差商是一个递归的过程，通过已知数据点的函数值来计算插值多项式中的各个系数。
差商的计算可以用递推公式来表示，在每一步中，我们需要利用前一步计算得到的差商来求解下一步的差商。
最终，完成差商的计算后，我们可以得到插值多项式的表达式。
利用这个表达式，我们可以估计处于已知数据点之间的未知数据点的函数值。
总的来说，牛顿插值法是一种基于差商的数值插值方法。
通过选取已知数据点、计算差商和构造插值多项式，我们可以推测出未知数据点的函数值。
这种方法简洁高效，适用于各种应用场景，如数据拟合、信号处理等。
在Python中，我们可以利用已有的数值计算库来实现牛顿插值法，使得插值过程更加方便和准确。
通过以上介绍，我们对Python牛顿插值法有了一定的了解。
希望这篇文档可以帮助你理解和应用这种数值插值方法。
牛顿(Newton)插值法
Newton插值C 的求法
i
Nn(x) = c0 + c1(x – x0) + c2(x – x0) (x – x1) + …..+ cn(x – x0) (x – x1) …. (x-xn)
令x = x0得：Nn(x0) = c0 = y0 = f(x0) x = x1得：Nn(x1) = c0 + c1(x1 –x0) = y1 = f(x1) 由此可解出：c0，c1；ci 依次类推。
x y x0 y0 x1 y1 …………. …………. xn-1 yn-1 xn yn xn+1 yn+1
Nn+1(x) = c0 + c1(x – x0) + c2(x – x0)（x – x1） + …. + cn(x – x0) (x – x1) …(x –xn-1) + cn+1(x – x0) (x –x1) ….(x – xn-1) (x - xn)
求n次多项式Nn(x)使得：
Nn(xi) = f(xi) = yi， i = 0，1，… ，n Nn(x) = c0 + c1(x – x0) + c2(x – x0) (x – x1) + …..+ cn(x – x0) (x – x1) …. (x-xn)
Newton插值的承袭性
增加一个点之后
p1xp0xc1xx0其中p0xfx0其修正项的系数01011xxxfxfc???再进一步修正p1x可以进一步得到抛物线插值公式p2xp1xc2xx0xx10201011212xxxxxfxfxxxfxf??????c2差商的概念差商的定义定义1
牛顿（Newton）插值法
牛顿插值法原理及应用汇总
牛顿插值法插值法是利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
如果这特定函数是多项式，就称它为插值多项式。
当插值节点增减时全部插值基函数均要随之变化，这在实际计算中很不方便。
为了克服这一缺点，提出了牛顿插值。
牛顿插值通过求各阶差商，递推得到的一个公式：f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0 )...(x-xn-1)+Rn(x)。
插值函数插值函数的概念及相关性质[1]定义：设连续函数y-f(x) 在区间[a,b]上有定义，已知在n+1个互异的点x0,x1,…xn上取值分别为y0,y1,…yn （设a≤ x1≤x2……≤xn≤b)。
若在函数类中存在以简单函数P(x) ，使得P(xi)=yi,则称P(x) 为f(x)的插值函数.称x1,x2,…xn 为插值节点，称[a,b]为插值区间。
定理：n次代数插值问题的解存在且唯一。
牛顿插值法C程序程序框图#include<stdio.h>void main(){float x[11],y[11][11],xx,temp,newton;int i,j,n;printf("Newton插值:\n请输入要运算的值:x=");scanf("%f",&xx);printf("请输入插值的次数(n<11):n=");scanf("%d",&n);printf("请输入%d组值:\n",n+1);for(i=0;i<n+1;i++){ printf("x%d=",i);scanf("%f",&x[i]);printf("y%d=",i);scanf("%f",&y[0][i]);}for(i=1;i<n+1;i++)for(j=i;j<n+1;j++){ if(i>1)y[i][j]=(y[i-1][j]-y[i-1][j-1])/(x[j]-x[j-i]);elsey[i][j]=(y[i-1][j]-y[i-1][j-1])/(x[j]-x[j-1]);printf("%f\n",y[i][i]);}temp=1;newton=y[0][0];for(i=1;i<n+1;i++){ temp=temp*(xx-x[i-1]);newton=newton+y[i][i]*temp;}printf("求得的结果为:N(%.4f)=%9f\n",xx,newton);牛顿插值法Matlab程序function f = Newton(x,y,x0)syms t;if(length(x) == length(y))n = length(x);c(1:n) = 0.0;elsedisp('x和y的维数不相等！');return;endf = y(1);y1 = 0;l = 1;for(i=1:n-1)for(j=i+1:n)y1(j) = (y(j)-y(i))/(x(j)-x(i));endc(i) = y1(i+1);l = l*(t-x(i));f = f + c(i)*l;simplify(f);y = y1;if(i==n-1)if(nargin == 3)f = subs(f,'t',x0);elsef = collect(f); %将插值多项式展开f = vpa(f, 6);endend牛顿插值法摘要：值法利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
牛顿插值的理论原理
牛顿插值的理论原理
牛顿插值的理论原理如下:
1. 牛顿插值是一种多项式插值方法,目的是用多项式逼近给定的数据点。
2. 假设给出n+1个数据点(x0, y0), (x1, y1), ..., (xn, yn),目标是找到一个n阶多项式P(x),使其经过所有给定数据点。
3. 构建n+1个线性方程组:P(x0)=y0, P(x1)=y1, ..., P(xn)=yn。
4. 解这个方程组,可以确定多项式P(x)的每个系数。
5. P(x)插值多项式具有唯一性,经过给定数据点的多项式只有一个。
6. 牛顿插值多项式中的节点要均匀分布,才能使结果更准确。
7. 牛顿插值方法计算量小,易于实现,主要应用于等间距节点的插值。
8. 增加数据点数可以提高逼近的精度,但也会增大计算量。
9. 牛顿插值多项式能提供给定点之间函数值的估计。
10. 牛顿插值法还可以用于数据的光滑处理和函数逼近求解。
以上原理构成了牛顿插值多项式的理论基础。
它展示了如何通过代数方法获得插值函数。
正文牛顿插值法
牛顿插值法摘要：值法利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
如果这特定函数是多项式，就称它为插值多项式。
利用插值基函数很容易得到拉格朗日插值多项式，公式结构紧凑，在理论分析中甚为方便，但当插值节点增减时全部插值基函数均要随之变化，整个公式也将发生变化，这在实际计算中是很不方便的，为了克服这一缺点，提出了牛顿插值。
牛顿插值通过求各阶差商，递推得到的一个公式：f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x 0)...(x-xn-1)+Rn(x)关键词：牛顿插值法流程图程序实现一、插值法的由来在许多实际问题及科学研究中，因素之间往往存在着函数关系，然而，这种关系经常很难有明显的解析表达，通常只是由观察与测试得到一些离散数值。
有时，即使给出了解析表达式，却由于表达式过于复杂，不仅使用不便，而且不易于进行计算与理论分析。
解决这类问题的方法有两种：一种是插值法,另一种是拟合法。
插值法是一种古老的数学方法，它来自生产实践，早在一千多年前，我国科学家在研究历法上就应用了线性插值与二次插值，但它的基本理论却是在微积分产生之后才逐渐完善的，其应用也日益增多，特别是在计算机软件中，许多库函数，如等的计算实际上归结于它的逼近函数的计算。
逼近函数一般为只含有算术运算的简单函数，如多项式、有理分式（即多项式的商）。
在工程实际问题当中，我们也经常会碰到诸如此类的函数值计算问题。
被计算的函数有时不容易直接计算，如表达式过于复杂或者只能通过某种手段获取该函数在某些点处的函数值信息或者导数值信息等。
因此，我们希望能用一个“简单函数”逼近被计算函数，然后用该简单函数的函数值近似替代被计算函数的函数值。
这种方法就叫插值逼近或者插值法。
逐次线性插值法优点是能够最有效地计算任何给定点的函数值，而不需要写出各步用到的插值多项式的表达式。
牛顿插值法
牛顿插值法(1)牛顿真是牛，拉格朗日插值法只能算是数学意义上的插值，从插值基函数的巧妙选取，已经构造性的证明了插值法的存在性和惟一性，但是从实现的角度看并不很好，而牛顿很好的解决了这个问题。
牛顿插值是基于下面这些的公式：f[x0,x1,...xk]=(f[x1,...xk]-f[x0,...xk-1])/(xk-x0)f[x]=f(x)f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0)...(x-xn-1)+Rn(x)前两个是均差的递推关系式，而后一个就是牛顿插值公式，其中N(x)=f(x)-Rn(x)，即目标多项式，Rn(x)是n阶插值余项，我们就是用N(x)去近似f(x)。
可以构造这样一个均方差表：xk f(xk) 一阶均差二阶均差 ...x0 f(x0)x1 f(x1) f[x0,x1]x2 f(x2) f[x1,x2] f[x0,x1,x2]...如果有n个点插值，表会有(n*n)/2+n个表项，如果直接编程会有O(n*n)的空间复杂度，编程时做个简单的改进，不难发现在这个表中只有部分数据有用，对角线（斜行）它们是目标值，用来表示多项式的，左边的两纵行（实际上只需要x一行）以及最底下的一行，表示当前插值的状态。
经过改进后只需要O(n)的空间复杂度。
两个过程：1，新增加一个点时的更新。
只须更新最底下一行数据，其递推关系由均差公式给出，最后算出高一队的均差值，需时O(n)2，插入点完成后如何计算多项式在另外给定点的值N(x)。
由牛顿插值公式，最终的表达式为：N(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0)...(x-xn-1)如果直接将它展开，再算实在麻烦，实际上大可不必这样做，还记得多项式求值的秦九韶算法吗？将多项式‘叠’起来，从内层括号往外一层层拨开，n次多项多的计算，只需要做n次乘法，同样的思想，将上式改写成：N(x)=f[x0]+(x-x0){f[x0,x1]+(x-x1){f[x0,x1,x2]+(x-x2){...{f[x0,...xn-1]+(x-xn-1)f[x0, (x)n]}...}就可以同样简单的计算了，时间复杂度O(n)综合起来的性能：对于n个点的插值，产生多项式的时间复杂度是O(n*n)，最终进行一个点的计算的时间复杂度是O(n)。
牛顿插值法
x2-x1
依次递推可得到a3, …, an. 为写出系数 ak的一般表达式,
➢差商(均差)定义
2.3.2 均差及其性质
1、差商（均差）的定义
称
f [x0 , xk ] =
f ( xk ) - f ( x0 ) xk - x0
为 f ( x关) 于点 x的0 ,一xk阶差商。
称
f [ x0 , x1, xk ] =
-
f ( x1)
-பைடு நூலகம்
f ( x0 )
( x1 - x0 )( xk - x1) ( x0 - x1)( xk - x1)
=
f (x0 )
+
f (x1)
+
f (xk )
(x0 - x1)( x0 - xk ) (x1 - x0 )( x1 - xk ) (xk - x0 )( xk - x1)
一般有
f [ x0 , x1,, xk ] =
注：差商与节点的排列次序无关——差商 的对称性
f[x0,x1,…,xn]= f[x1,x0,x2,…,xn]=… = f[x1, …, xn ,x0]
因此 f [ x0 , x1,, xk ] = f [ x1, xk-1, x0 , xk ] = f [ x1, x2 ,, xk-1, xk ] - f [ x1, x2 ,, xk-1, x0 ] xk - x0 = f [ x1, x2 ,, xk-1, xk ] - f [ x0 , x1, x2 ,, xk-1] xk - x0
=
f[x0,x2] - f[x0,x1]
x2 - x1
= f[x0,x1,x2] ;
P2(x)=f(x0) + f[x0,x1](x-x0) + f[x0,x1,x2](x-x0)(x-x1)