计算方法插值法(均差与牛顿插值公式)
计算方法-插值b
…………
2
f [ x , x 0 , x1 ]
x x1
f [ x , x 0 , ... , x n 1 ] f [ x 0 , ... , x n ] ( x x n ) f [ x , x 0 , ... , x n ]
n1
1
←
←
3
←……
←
n1
f ( x ) f ( x 0 ) f [ x 0 , x 1 ]( x x 0 ) f [ x 0 , x 1 , x 2 ]( x x 0 )( x x 1 ) ...
(k+1)阶差商：
f [ x0 , x1 , ... , xk ] f [ x1 , ... , xk , xk 1 ] f [ x0 , ... , xk 1 ] x 0 x k 1 f [ x0 , ... , xk 1 , xk ] f [ x0 , ... , xk 1 , xk 1 ] x k x k 1
( )
实际计算过程为
x0 x1 x2 …
xn1 xn
k !
, ( x min , x max )
f (x0) f (x1) f (x2) … f (xn1) f (xn)
xn+1 f (xn+1)
f [x0, x1] f [x1, x2] …… …… f [xn1, xn] f [xn, xn+1]
f [x0, x1 , x2] …… …… f [xn2, xn1, xn] f [xn1, xn, xn+1]
f [x0, …, xn] f [x1, …, xn+1]
f [x0, …, xn+1]
6.2 牛顿插值多项式
x1 f [ x1 ] f [ x0 , x1 ]
x2 f [ x2 ] f [ x1 , x2 ] f [ x0 , x1 , x2 ]
x3 f [ x 3 ]
… …… x f [ xn ]
n
f [ x2 , x3 ]
f [ x1 , x2 , x3 ]
N n ( x ) = a0 + a1 ( x − x0 ) + a2 ( x − x0 )( x − x1 ) + L + an ( x − x0 )( x − x1 )L ( x − xn−1 )
ak ( k = 0,1,L , n) 为待定系数 形如上式的插值 待定系数.
多项式称为牛顿 插值多项式. 多项式称为牛顿(Newton)插值多项式 牛顿 插值多项式 由插值条件 N n ( x j ) = f ( x j ) ( j = 0,1,L , n),
证毕. 证毕.
的离散数据如下表： 例 1 已知 f ( x ) = shx 的离散数据如下表：
xi
0.00
0.20 0.20134
0.30 0.30452
0.50 0.52110
f ( xi ) 0.00000
用 Newton插值多项式 计算 f (0.23) 的近似值并 插值多项式, 插值多项式 估计误差. 估计误差
解 均差计算的结果如下表
xi
0.00 0.20 0.30 0.50
f [ xi ]
0.00000 0.20134 0.30452 0.52110
一阶均差
二阶均差
三阶均差
1.0067 1.0318 1.0829
0.08367 0.17033
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。
数值计算方法插值法讲解
又因为lk1(xk1) 1，故a(xk1 xk )(xk1 xk1) 1，得：
a
(xk 1
xk
1 )( xk 1
xk1) ，从而lk1(x)
(x (xk 1
xk xk
)(x xk1) ， )(xk1 xk1)
lk
(x)
(x ( xk
问题的提出
插值问题的数学提法：已知函数y f (x)在n 1个 点x0 , x1, , xn上的函数值yi f (xi ), (i 0,1, , n), 求一 个多项式y P(x)，使其满足P(xi ) yi , (i 0,1, , n). 即要求该多项式的函数曲线要经过y f (x)上已知的
平面上两点 xk , yk , xk1, yk1 ，求一条直线过该已
知两点。
线性插值
插值函数和插值基函数
由直线的点斜式公式可知：
P1(x)
yk
yk 1 xk 1
yk xk
(x
xk )，把此式按照
yk和yk1写成两项:P 1(x)
x xk1 xk xk 1
由于li (xk ) 0,k i，故li (x)有因子：
(x x0 ) (x xi1)(x xi1) (x xn )，因其已经是n 次多项式，故而仅相差一个常数因子。令：
li (x) a(x x0 ) (x xi1)(x xi1) (x xn )
插值法的概念
已知函数在n+1个点x0 ,x1 ,…,xn 上的函数值 yi=f(xi ), (i=0,1,…,n) ，求一个简单函数y=P(x),使其满 足: P(xi )=yi ,(i=0,1,…,n) 。即要求该简单函数的 曲线要经过y=f(x)上已知的这个n+1个 点： (x0 ,y0 ),(x1 ,y1 ),…,(xn ,yn ),同时在其它 x∈[a,b]上要估计误差: R(x) = f(x) - P(x)
2.3均差与牛顿插值公式
为了得到等距节点的插值公式，先介绍差分的概念.
设函数 y f ( x) 在等距节点 xk x0 kh (k 0,1,, n) 上
的值 f k f ( xk ) 为已知，这里 h 为常数，称为步长.
13
定义
记号 f k f k 1 f k ,
n j
（2）函数值可用差分表示，如 轾 n 骣 n j n n 犏 琪 f n+k = E f k = ( I +D ) fk = 邋 D fk = 琪 犏 j j =0 桫 臌
骣 n j 琪 D fk . 琪 j j =0 桫
n
15
f k 1 f k f k (3) 差商与差分关系，如： f [ xk , x k 1] , xk 1 xk h f [ xk 1, x k 2 ] f [ xk , x k 1] 2 f k f [ xk , x k 1, x k 2 ] , 2 xk 2 xk 2h
称为 f ( x) 在 x k处以 h 为步长的一阶（向前）差分. 利用一阶差分可定义二阶差分为
2 f k f k 1 f k f k 2 2 f k 1 f k .
一般地可定义 m 阶差分为
m f k m1 f k 1 m1 f k .
14
引进不变算子I：Ifk f k , 移位算子E : Ef k f k 1.
1 1 1 1 4 1 1 1 3 N 3 ( ) 1 2 2 ( 1) ( 1) ( 2) 2 2 2 2 2 3 2 2 2
4 x( x 1)( x 2) 3
12
2.3.3 差分与等距节点插值
计算方法 3 牛顿插值
2
分析
显然， L2 ( x0 ) y0，L2 ( x1 ) y1；利用插值 条件， L2 ( x2 ) y2 y1 y0 y 2 y0 ( x2 x0 ) a ( x2 x0 )( x2 x1 ) x1 x0 y2 y0 y1 y0 x2 x0 x1 x0 y1 y0 a L2 y0 ( x x0 ) x2 x1 x1 x0 y2 y0 y1 y0 x2 x0 x1 x0 ( x x0 )( x x1 ) x2 x1
计算方法（2016/2017 第一学期） 贾飞 西南科技大学 制造科学与工程学院
9
牛顿基本插值公式
其中，线性部分 N 1 ( x ) f ( x0 ) f [ x0 , x1 ]( x x0 ) 满足 N 1 ( x0 ) f ( x 0 ) f ( x1 ) f ( x0 ) N 1 ( x1 ) f ( x0 ) ( x1 x0 ) f ( x1 ) x1 x0 N 1 ( x ) 为 f ( x ) 以 x0，x1 为插值结点的 线性插值函数，即： N （ 1 x ) L1 ( x )
西南科技大学
制造科学与工程学院
16
解：构造差商表如下，
xi -2 0 f(xi ) 1阶 17 1 -8 1 17 3 8 1.25 2阶 3阶
1
2
2
19
N 3 ( x ) 17 8( x 2) 3( x 2) x 1.25( x 2) x ( x 1) f 0.9 N 3 (0.9) 1.30375, R3 0.9 1.25 0.9 2 0.9 0.9 1 0.9 2 0.358875
计算方法与误差理论-4
插值法
n+1元线性方程组
根据插值多项式的定义，可得n+1个方程 组成的方程组
a 0 a1 x0 a n x y 0
n 0
a 0 a1 x1 a x y1
n n 1
a 0 a1 x n a n x y n
n n
插值法
定理1：满足条件Pn(xj)=yj(j=0,1,…,n)的 n次多项式Pn(x)=a0+a1x+a2x2+…+anxn 是存在而且唯一的 即：n+1个插值条件唯一确定一个n次多 项式 注意：如果不限制多项式的次数，插值 多项式并不唯一
L2 ( x)
( x x0 )(x x2 ) ( x x0 )(x x1 ) ( x x1 )(x x2 ) y0 y1 y2 ( x0 x1 )(x0 x2 ) ( x1 x0 )(x1 x2 ) ( x2 x0 )(x2 x1 )
零阶差商：f(xi)为f(x)关于节点xi的零阶差 商f[xi]
插值法—牛顿插值多项式
差商性质
k阶差商f[x0,x1,…xk]是由函数值f(x0),f(x1), f(x2),…f(xk)线性组合而成的，即：
f [ x0 , x1 ,, x k ]
k
f ( xm )
m 0
(x
i 0 im
k
m
xi )
插值法—牛顿插值多项式
差商性质
差商具有对称性，即在k阶差商f[x0,x1,…xk] 中任意调换2个节点xl和xm的顺序，其值不 变。（只改变求和次序） k阶差商和k阶导数之间有如下重要关系： (k ) f ( ) f [ x0 , x1 ,, xk ] k! (min{x0 , x1 ,, xk }, max{x0 , x1 ,, xk })
计算方法—插值法
2018/10/20
lk ( x) lk 1 ( x) 1
13
2.2 拉格朗日插值
Chapter2 插值法
L1(X)
L1(X)
∴ lg2.718 ≈L1 (2.718)=0.43428
2018/10/20 14
2.2 拉格朗日插值
2-2 线性插值与抛物插值
利用线性插值法对函数y=f(x) 进行逼近时，即用直线y=L1(x)代替 曲线y=f(x)。
Chapter2 插值法
显然当插值区间较大或曲线[x0,x1]凸凹变化大时，线 性插值的误差很大。 为了减小这种误差，我们用简单的曲线(抛物线)去近似
代替复杂曲线y=f(x) 。二次多项式函数的曲线为抛物线， 所以我们构造插值函数L2(x) ，即n=2。
2018/10/20 15
2.2 拉格朗日插值
5
2018/10/20
2.1 引言
多项式插值
Chapter2 插值法
对于n+1个基点的插值问题，如果要求插值函数是次 数不超过n的多项式，记为Pn(x)，则相应的问题就是多项 式插值，并且把Pn(x)称为插值多项式。 实际上，我们所考虑的插值函数通常都是多项式函数
或分段多项式函数。由于次数不超过n的多项式的一般形 式为： Pn(x)=a0+a1x+a2x2+…+anxn
当n=20,在109次/秒的计算机上计算需几万年！
2018/10/20 12
2.2 拉格朗日插值
2-2 线性插值与抛物插值 已知函数y=f(x)的函数 插值法
y yk
yk+1
求次数不超过1的多项式L1(x)=a0+a1x 满足插值条件L1(xk)=yk, L1(xk+1)=yk+1。
2.2 牛顿插值法
f ( x ) = f ( x 0 ) + f [ x 0 , x 1 ]( x - x 0 ) + f [ x , x 0 , x 1 ]( x - x 0 )( x - x 1 )
又
f [ x , x 0 , x1 , x 2 ] =
f [ x 0 , x1 , x 2 ] - f [ x , x 0 , x1 ] x2 - x
a2=
依次递推可得到a3, …, an. 为写出系数 ak的一般表达式, 均差定义
2.3.2 均差及其性质
1、均差的定义 称 f [ x0 , xk ] =
f ( xk ) - f ( x0 ) xk - x0
为 f ( x ) 关于点 x 0 , x k 的一阶差商。 称 f [ x 0 , x1 , x k ] =
注：均差与节点的排列次序无关——均差 的对称性
f[x0,x1,…,xn]= f[x1,x0,x2,…,xn]=… = f[x1, …, xn ,x0]
因此 f [ x 0 , x 1 , , x k ] = f [ x 1 , x k - 1 , x 0 , x k ]
= f [ x 1 , x 2 , , x k -1 , x k ] - f [ x 1 , x 2 , , x k -1 , x 0 ] xk - x0 f [ x 1 , x 2 , , x k -1 , x k ] - f [ x 0 , x 1 , x 2 , , x k -1 ] xk - x0
f (xj)
k
j=0
j=0
( x j - xi )
i=0 j i
1ºn 阶均差可表示为函数值f(x0), f(x1),…, f(xn) 的线性组合
数值计算方法插值法
f[x1,x2,x3] …
f[x0,x1,x2 ,x3]
例阶2.1差1商求值f(xi)= x3在节点 x=0, 2, 3, 5, 6上的各
解xi :
计算得如下表 f[xi] f[xi,xi+1]
f[xi,xi+1,xi+2 ]
f[xi,xi+1,xi+2 ,xi+2]
00
28
80 4 20
27 8 19 19 4 5
an x0 n an1x0 n1 a1x0 a0 f (x0 )
an x1n
an1
x n1 1
a1x1 a0
f (x1 )
an xn n an1xn n1 a1xn a0 f (xn )
这是惟一一个性关说于明待，定不参论数用何种方法来构a造的0，,n+也a11阶不, 线论性用, 方何an种形式来表示插值多项式,
由线性代数知,任何一个不高于n次的多项式, 都可以表示成函数
1, x x0 , (x x0 )(x x1 ),, (x x0 )(x x1 )(x xn1 )
的线性组合, 也就是说, 可以把满足插值条件 p(xi)=yi (i=0,1,…,n)的n次插值多项式, 写成如下形式
a0 a1(x x0) a2(x x0)(x x1) an (x x0)(x x1)(x xn1)
f[x0 , x1]=
f(x1)- f(x0) x1 – x0
f[x1 , x0]
f(x0)- f(x1) =
x0 – x1
f x0 , x1, x2 f x1, x2 , x0 f x0 , x2 , x1
性质3 若f[x, x0, x1 , …, xk ]是 x 的 m 次多项式, 则 f[x, x0, x1 ,…, xk , xk+1]是 x 的 m-1 次多项式
计算方法插值法(均差与牛顿插值公式)
为f ( x)关于节点 x0 , xk 一阶均差 (差商)
2018/11/7
5
2018/11/7
6
二、均差具有如下性质：
f [ x0 , x1 ,, xk 1 , xk ]
j 0
k
f (x j ) ( x j x0 )( x j x j 1 )(x j x j 1 )( x j xk )
2018/11/7
27
fk fk 1 fk 为f ( x)在 xk 处的二阶向前差分
2
依此类推
m f k m1 f k 1 m1 f k
为f ( x)在 xk 处的m阶向前差分
2018/11/7
28
差分表
xk f k 一阶差分 x0 f 0 x1 f 1 二阶差分 三阶差分 四阶差分
2018/11/7
31
等距节点插值公式
一、牛顿前插公式
2018/11/7
32
2018/11/7
33
二、牛顿插值公式与拉格朗日插值相比
牛顿插值法的优点是计算较简单,尤其是增加 节点时,计算只要增加一项,这是拉格朗日插值 无法比的. 但是牛顿插值仍然没有改变拉格朗日插值的 插值曲线在节点处有尖点，不光滑，插值多 项式在节点处不可导等缺点.
2018/11/7
25
2018/11/7
26
§
2.3.4 差分及其性质
一、差分
fk , 定义3. 设f ( x)在等距节点xk x0 kh 处的函数值为 k 0 ,1, , n , 称
f k f k 1 f k
k 0,1,, n 1
为f ( x)在 xk 处的一阶向前差分
Ch2(2)牛顿插值法
于是
f (0.596) N 4 (0.596) 0.63192,
17
截断误差
R4 ( x ) f [ x0 , , x5 ] 5 (0.596) 3.63 10 9.
差商具有如下性质(请同学们自证)：
(1) f ( x )的k阶差商f [ x0 , x1 , , xk 1 , xk ]可由函数值 f ( x0 ), f ( x1 ), , f ( xk )的线性组合表示, 且
6
f [ x0 Hale Waihona Puke x1 ,, xk 1 , xk ]
f ( xi ) i 0 ( xi x0 )( xi xi 1 )( xi xi 1 )( xi xk )
形式上太复杂,计算量很大,并且重复计算也很多 由线性代数的知识可知,任何一个n次多项式都可以表示成
1, x x0 , ( x x0 )( x x1 ), , ( x x0 )( x x1 )( x xn 1 )
共n+1个多项式的线性组合 那么，是否可以将这n+1个多项式作为插值基函数呢？
f [ x0 , x1 ,, xk ]
f
(k )
( ) k!
用余项的 相等证明
7
差商的计算方法(表格法):
xk x0 x1 x2 x3 x4
f ( xk ) 一阶均差 f ( x0 ) f ( x1 ) f ( x2 ) f ( x3 ) f ( x4 ) f [ x0 , x1 ] f [ x1 , x2 ] f [ x2 , x3 ] f [ x3 , x4 ]
二阶均差
三阶均差
四阶均差
f [ x0 , x1 , x2 ] f [ x1 , x2 , x3 ] f [ x 2 , x3 , x 4 ] f [ x0 , x1 , x2 , x3 ] f [ x1 , x2 , x3 , x4 ] f [ x0 , x1 , x2 , x3 , x4 ]
均差与牛顿插值jg3
,
N1 ( x) = f ( x0 ) + f [ x0 , x1 ]( x − x0 ) = y0 + y0 − y1 ( x − x0 ) x0 − x1
。
这就是牛顿一次插值多项式，也就是点斜式直线方程。 当 n=2 时,
f ( x) = f ( x0 ) + f [ x0 , x1 ]( x − x0 ) + f [ x 0 , x 1 , x 2 ]( x − x 0 )( x − x 1 ) + f [ x , x 0 , x 1 , x 2 ]( x − x 0 )( x − x 1 )( x − x 2 ) N2 ( x) = f ( x0 ) + f [ x0 , x1 ]( x − x0 ) + f [ x 0 , x 1 , x 2 ]( x − x 0 )( x − x 1 )
;
f [ x0 , x 1 , x 2 ] = = = =
y y y y 1 1 ( 0 + 1 )− ( 1 + 2 ) x0 − x2 x0 − x1 x1 − x0 x0 − x2 x1 − x2 x2 − x1
y0 y y2 1 1 + 1 ( − )+ (x0 −x1)(x0 −x2) x0 −x2 x1 −x0 x1 −x2 (x2 −x0)(x2 −x1) y0 y1 y2 + + (x0 − x1)(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1)
这就是牛顿二次插值多项式。 显然,
N2 ( x0 ) = f ( x0 )
,
N2 ( x1 ) = f ( x0 ) + N2 ( x2 ) = f ( x0 ) +
计算方法插值法
Rn ( x ) K ( x) ( x - xi )
i 0
n
考察 j ( t ) Rn ( t ) - K ( x ) ( t - x i )
i0
n
j(t)有 n+2 个不同的根 x0 …
f (n ( x ) - L(nn
1)
xn x， j ( n1) ( x ) 0, x (a, b)
x - x0 y x1 - x 0 1
l ( x) y
i 0 i
1
i
l0(x)
l1(x)
n1
希望找到li(x)，i = 0, …, n 使得 li(xj)=ij ；然后令
Pn ( x )
l (x) y
i0 i
n
i
，则显然有Pn(xi) = yi 。
每个 li 有 n 个根 x0 … xi-1， xi+1 … xn li ( x) Ci ( x - x j )
插值法 比较古老, 常用的方法。 当未知函数 y = f(x) 非常复杂时，在一系列节 点 x0 … xn 处测得函数值： y0 = f(x0) … yn = f(xn) 由此构造一个简单易算的近似函数 P(x) f(x)， 满足条件P(xi) = f(xi) (i = 0, … n)，称P(x) 为f(x) 的插值函数。 最常用的插值函数是多项式
项式是唯一存在的。 证明：
i 0, ... , n 的 n 阶插值多
若除了Ln(x) 外还有另一 n 阶多项式 Pn(x) 满足 Pn(xi) = yi 。 考察 Qn ( x) Pn ( x) - Ln ( x) , 则 Qn 的阶数 n 而 Qn 有 n + 1 个不同的根 x0 … xn
Ch2_3均差与牛顿插值
f [ x0 , x1 ,, xk 1 , xk ]
f ( xi ) i 0 ( xi x0 )( xi xi 1 )( xi xi 1 )( xi xk )
k
(2) 差商具有对称性,即任意调换节点的次序,差商的值不变
如
f [ x0 , x1 , x2 ] f [ x0 , x2 , x1 ] f [ x2 , x1 , x0 ]
kn
f ( n 1) ( ) 另外 f [ x , x0 , x1 ,, xn ] ( n 1)!
f ( k ) ( ) f [ x0 , x1 ,, xk ] k!
Newton插值 估计误差的 重要公式
15
例2
给出 f (x)的函数表（见表2-2），求4次牛顿插
值多项式，并由此计算 f (0.596) 的近似值.
x2的二次插值和x0,x1,x2,x3的三次插值多项式.
解
[x0,x1,x2,x3]=-1,于是有
N1(x)=5-2(x+2)=1-2x N2(x)=1-2x+3(x+2)(x+1)=3x2+7x+7 N3(x)=3x2+7x+7-(x+2)(x+1)(x-1)=-x3+x2+8x+9 i xi (xi) 0 -2 5 1 -1 3 2 1 17 3 2 21
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 1 ] f [ xi0 , xi1 ,, xik 2 , xik ] xik 1 xik
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。
第5章 3.牛顿插值公式
∴ N 1 ( x )为f ( x )以x0 , x1为插值结点的线性插值 函数
即N（x ) = L1 ( x ) 1
一般地构造以下基函数 求作n 问题 求作n次多项式 N n ( x )
N n ( x ) = c0 ⋅ 1 + c1 ( x − x0 ) + c2 ( x − x0 )( x − x1 ) + L + cn ( x − x0 )( x − x1 )( x − x2 )L ( x − xn −1 )
将f [ x0 , x1 ]代入得
f ( x ) = f ( x0 ) + f [ x0 , x1 ]( x − x0 ) + f [ x0 , x1 , x ]( x − x0 )( x − x1 )
其中线性部分 N 1 ( x ) = f ( x0 ) + f [ x0 , x1 ]( x − x0 )
注意：均差表中，对角线上的均差是构造牛顿型插值公式的重要数据。 注意：均差表中，对角线上的均差是构造牛顿型插值公式的重要数据。
已知函数y=f(x)的观测数据如表， y=f(x)的观测数据如表 例 已知函数y=f(x)的观测数据如表，试构造差商 并求f[2,4,5] f[2,4,5,6]的值 f[2,4,5]及 的值。 表，并求f[2,4,5]及f[2,4,5,6]的值。x 0 2 4 5 解
1 2
n−1 −
…………
f [ x, x0 , ... , xn−1 ] = f [ x0 , ... , xn ] + ( x − xn ) f [ x, x0 , ... , xn ] n−
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。
数值分析14差商(均差)的概念
定义误差余项: R(x) = f(x) – L(x) 由插值条件,知 R(x)=C(x) (x – x0)(x – x1)
即 f(x) –L(x) = C(x) (x – x0)(x – x1)
C(x) = ???
2/18
定理5.2 设 f(x)∈C[a, b], 且 f (x) 在(a, b)内具有 n+1阶导数, 取插值结点 a≤x0＜x1＜··＜xn≤b ·· ··
( j = 0,1,…,n-1 )
二阶均差 f [ x j , x j 1 , x j 2 ]
f [ x j1 , x j 2 ] f [ x j , x j1 ] x j 2 x j
( j = 0,1,…,n-2 ) n阶均差
f [ x 0 , x1 , , x n ] f [ x1 , , x n ] f [ x 0 , x n1 ] xn x0
f [ x , x 0 , x k 1 ] f [ x 0 , x 1 , x k ] f [ x , x 0 , x k ]( x x k )
( x x k ) k ( x ) k 1 ( x )
f ( x ) f ( x 0 ) f [ x 0 , x 1 ] 1 ( x ) f [ x 0 , x 1 , , x k ] k ( x ) f [ x , x 0 , , x k ] k 1 ( x )
( n 1 )( n 2 )( n 3 )( n 4 )
17/18
P(n)=1+(n-1)(8+(n-2)(19/2+(n-3)(3+(n-4)/4)))
= 1 + (n – 1)(8+(n – 2)(19/2+(n – 3 )(n/4+2)))
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
x3
5 4
x2
x
l3 (x)
(x (4
0)(x 0)(4
1)( x 1)(4
2) 2)
1 24
x3
1 8
x2
1 12
x
Lagrange插值多项式为
L3(x) f (xi )li (x) l0 (x) 9l1(x) 23l2 (x) 3l3(x)
2020/8/18
11 x3 45 x2 1 x]上存在n阶导数，且节点
x0 , xn [a,b], 则n阶均差与导数关系如下：
2020/8/18
10
三、均差的计算方法(表格法): 均差表
xk f (xk ) 一阶差商 x0 f ( x0 )
f [ x0 , x1 ]
x1 f ( x1 )
f [x1 , x2 ]
l0 (x)
(x (0
1)( x 1)(0
2)(x 4) 2)(0 4)
1 8
x3
7 8
x2
7 4
x
1
l1 ( x)
(x 0)(x 2)(x 4) (1 0)(1 2)(1 4)
1 3
x3
2x2
8 3
x
l2 (x)
(x 0)(x (2 0)(2
1)(x 4) 1)(0 4)
1 4
4 42
21
（2）Newton插值多项式：建立差商表为
一阶差商 二阶差商 三阶差商
01
19
8
2 23
14
3
43
-10
-8
11
4
2020/8/18
22
Newton插值多项式为
N3
(
x)
1
8(
x
0)
3(
x
0)(
x
1)
11 4
(
x
0)(
x
1)(
x
2)
（3）唯一性验证：将Newton插值多项式按x幂次排列， 便得到
2020/8/18
3
Pn (x0 ) a0 f0
当
Pn
(
x2
)
a0
a1(x2
Pn (x1) a0 a1(x1 x0 ) x0 ) a2 (x2 x0 )(x2 x1)
f1 f2
a2
a0 f0
a1
f1 f0 x1 x0
f2 f0 f1 f0
x2 x0
x1 x0
P1 ( x)
f0
f1 x1
f0 x0
(x
x0 )
( fi f (xi ) yi )
出发，将它推广到具有n+1个插值点的情况，可把插值 多项式表示为
Pn (x) a0 a1(x x0 ) a2 (x x0 )(x x1) an (x x0 )(x x1)(x xn1)
2.3.2 牛顿插值公式
2020/8/18
13
2020/8/18
14
Rn(x)
f (x) Nn (x)
f (n1) ( )
(n 1)!
n1
(
x)
f [x, x0 , x1 ,, xn ]n1(x)
我们称 Nn(x) 为牛顿(Newton)均差插值多项式。
2020/8/18 称 Rn (x) 为牛顿均差插值多项式的截断误差。
x2 x1
依次可得到 a3, a4 , , an 。为写出系数的一般表达式，
2020/8/18
4
现引入差商（均差）定义。
一、差商(均差)
定义2. 设f (x)在互异的节点 xi 处的函数值为 fi ,i 0,1,, n 称
f [x0 , xk ]
f (xk ) f (x0 ) xk x0
N3
(x)
11 4
x3
45 4
x2
1 2
x
1
L3
(x)
2020/8/18
23
❖ 练习： 已知由数据(0，0)，(0.5，y)，(1，3)，(2，2) 构造出的三次插值多项式P3(x)的x3的系数是6， 试确定数据y。
f0
f1
f2
(x0 x1)(x0 x2 ) (x1 x0 )(x1 x2 ) (x2 x0 )(x2 x1)
2020/8/18
8
这个性质也表明差商与节点的排列顺序无关 (差商的对称性)。即
f [x0 , x1, , xk ] f [x1, x0 , x2 , , xk ] f [x1, x2 , , xk , x0 ]
例
f [x0 , x1]
f (x0 ) f (x1) x0 x1
f0 f1 x0 x1 x1 x0
f [x0 , x1 , x2 ]
f [x0 , x1 ] f [x0 , x2 ] x1 x2
1 ( f0 f1 ) 1 ( f0 f2 ) x1 x2 x0 x1 x1 x0 x1 x2 x0 x2 x2 x0
第二章 插值法
§ 2.3 均差与牛顿插值公式
2020/8/18
1
§ 2.3.1 均差及其性质
我们知道,拉格朗日插值多项式的插值基函数为
l j(x)
n i0
(x xi ) (x j xi )
i j
j 0,1,2,,n
形式上太复杂,计算量很大,并且重复计算也很多
2020/8/18
2
拉格朗日插值公式可看作直线方程两点式的推广，若从 直线方程点斜式
2020/8/18
规定函数值为零阶均差
四阶差商
f [x0 , x1 ,, x4 ]
11
例1:已知下表，计算三阶差商
xi 1 f (xi ) 0
347 2 15 12
解：列表计算
2020/8/18
xi
f (xi )
一阶差 商
二阶差商
三阶差 商
10
32 1
4 15 13
4
7 12 -1
-3.5
-1.25 12
二阶差商
f [x0 , x1 , x2 ]
三阶差商
f [x0 , x1 , x2 , x3 ]
x2 f ( x2 )
f [ x2 , x3 ]
x3 f ( x3 )
f [ x3 , x4 ]
x4 f (x4 )
f [x1 , x2 , x3 ] f [x2 , x3 , x4 ]
f [x1 , x2 , x3 , x4 ]
(k 0)
为f (x)关于节点 x0 , xk 一阶均差(差商)
2020/8/18
5
2020/8/18
6
二、均差具有如下性质：
f [x0 , x1 ,, xk 1 , xk ]
k j0
(xj
x0 )(x j
f (xj) x j1)(x j
x j1)(x j
xk )
2020/8/18
7
15
2020/8/18
16
2020/8/18
17
2020/8/18
18
显然：
2020/8/18
19
例2：依据如下函数值表建立不超过三次的Lagrange插值 多项式及Newton插值多项式，并验证插值多项式的唯一性。
x
0
f(x)
1
1
2
4
9
23
3
2020/8/18
20
解：(1)建立Lagrange插值多项式：基函数为