数值计算之 插值法（2）多项式插值——牛顿插值法

拉格朗日插值法

上篇指出函数$f(x)$的插值可以用一个多阶多项式$P(x)$表示：
$$P(x)=a_0+a_{1}x+a_2{x}^2+\cdots +a_n{x}^n$$

拉格朗日插值法将一个多阶多项式拆分为多个多阶多项式的和，当出现新的节点值时，需要重新计算各多项式，提升了计算量。牛顿插值法解决了重新计算的问题。

牛顿插值的递推

牛顿插值法使用了递推的思想。对于未知表达式的函数$f(x)$，知道其节点$(x_0,f(x_0)),(x_1,f(x_1)),\dots ,(x_n,f(x_n))$。

假设$f_k(x)$是采样完一个节点后的插值结果。第一次插值需要满足节点$(x_0,f(x_0))$：
$$\begin{gathered} f_0(x)=f(x_0) \\ {f}_0(x_0)=f(x_0) \end{gathered}$$
对于第二次插值，需要满足节点$(x_0,f(x_0)),(x_1,f(x_1))$：
$$\begin{gathered} f_1(x)=f_0(x)+b_1(x-x_0) \\ {f}_1(x_0)=f(x_0) \\ find:b_1 \\ s.t.f_1(x_1)=f_0(x_1)+b_1(x_1-x_0)=f(x_1) \\ {b}_1=\frac{f(x_1)-f(x_0)}{x_1-x_0} \end{gathered}$$
对于第三次插值，需要满足节点$(x_0,f(x_0)),(x_1,f(x_1),(x_2,f(x_2)))$：
$$\begin{gathered} f_2(x)=f_1(x)+b_2(x-x_0)(x-x_1) \\ {f}_2(x_0)=f_1(x_0)=f(x_0) \\ {f}_2(x_1)=f_1(x_1)=f(x_1) \\ find:b_2 \\ s.t.f_2(x_2)=f_1(x_2)+b_2(x_2-x_0)(x_2-x_1)=f(x_2) \\ {b}_2=\frac{\frac{f(x_2)-f(x_1)}{x_2-x_1}-\frac{f(x_1)-f(x_0)}{x_1-x_0}}{x_2-x_0} \end{gathered}$$
于是，每次插值的结果都可以看成是上次插值的结果加上本次插值的影响，从而大幅减少了计算量：
$$P(x)=f_{n-1}(x)+b_n(x-x_0)(x-x_1)\dots (x-x_{n-1})$$

我们要做的就是计算系数$b$的表达式。

差商

上面计算出了$b_1,b_2$的表达式。实际上系数$b$符合差商形式。差商的计算如下所示：
$$\begin{gathered} 一阶差商： \\ {b}_1=f[x_0,x_1]=\frac{f(x_1)-f(x_0)}{x_1-x_0} \\ 二阶差商： \\ {b}_2=f[x_0,x_1,x_2]=\frac{f[x_0,x_1]-f[x_1,x_2]}{x_0-x_2}=\frac{\frac{f(x_2)-f(x_1)}{x_2-x_1}-\frac{f(x_1)-f(x_0)}{x_1-x_0}}{x_2-x_0} \\ 三阶差商： \\ {b}_3=f[x_0,x_1,x_2,x_3]=\frac{f[x_0,x_1,x_2]-f[x_1,x_2,x_3]}{x_0-x_3} \\ n阶差商： \\ {b}_n=f[x_0,x_1,\dots ,x_n]=\frac{f[x_0,x_1,\dots ,x_{n-1}]-f[x_1,x_2,\dots ,x_n]}{x_0-x_n} \end{gathered}$$
对于差商$f[x_1,x_2,\dots ,x_n]$而言，序号下标的顺序不影响差商的值。

牛顿插值法

把差商代入牛顿插值递推中，就得出了牛顿插值多项式的一般形式：
$$\begin{gathered} P(x)=f(x_0)+f[x_0,x_1](x-x_0) \\ +f[x_0,x_1,x_2](x-x_0)(x-x_1) \\ +\dots \\ +f[x_0,x_1,\dots ,x_n](x-x_0)(x-x_1)\dots (x-x_{n-1}) \end{gathered}$$
实际插值时，只需要把上一次采样后插值的结果$P_{n-1}$存储下来，下一次采样时直接求$P_{n-1}$与新项的和就行了，节省了计算量和存储空间。