牛顿插值公式
一、均差
问题的背景: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lk(x)(k=0,1,…,n)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。
先引进均差的概念。
设函数f(x)在n+1个相异的点x0 ,x1 ,…xn上的函数值分别为:
f(x0 ),f(x1 ),…,f(xn ),
或者记为
y0 ,y1 ,…,yn
1. 一阶均差:称
为f(x)关于节点x0 ,x1的一阶均差, 记为f[x0 ,x1 ]。
2. 二阶均差:一阶均差f[x0 ,x1 ],f[x1 ,x2 ]的均差
称为f(x)关于节点x0 ,x1 ,x2的二阶均差,记为:f[x0 ,x1 ,x2 ]。
3. n阶均差:递归地用n-1阶均差来定义n阶均差,
称为f(x)关于n+1个节点x0 ,x1 ,…,xn 的均差。
二、均差的性质
1. 性质1:n阶均差可以表示成n+1个函数值y0 ,y1 ,…,yn 的线性组合, 即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_204.gif)
例:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_205.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_206.gif)
2. 性质2(对称性) 均差与节点的顺序无关:
f[x0 ,x1 ] =f[x1 ,x0 ] ,
f[x0 ,x1 ,x2 ]=f[x1 ,x0,x2 ]=f[x0 ,x2 ,x1 ]
这一点可以从性质1看出。
3. 性质3 若f(x)是x的n次多项式, 则一阶均差f[x,x0]是x的n-1次多项式,二阶均差f[x,x0,x1]是x的n-2次多项式;一般地,函数f(x)的k阶均差f[x,x0,…,xk-1 ]是x的n-k次多项式(k≤n), 而k>n时, k阶均差为零。
三、利用均差表计算均差
利用均差的递推定义,可以用递推来计算均差。如下表:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_207.gif)
如要计算四阶均差,应再增加一个节点,表中还要增加一行。
例1:已知
xi 1 3 4 7
f(xi ) 0 2 15 12
计算三阶均差f[1,3,4,7]。
解:列表计算
xi f(xi ) 一阶均差 二阶均差 三阶均差
1 0
3 2 1
4 15 13 4
7 12 -1 -3.5 -1.25
四、牛顿插值公式
1. 牛顿插值公式的构造
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_208.gif)
所以
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_210.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_211.gif)
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_212.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_213.gif)
一般地,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_214.gif)
将(n式)代入(n-1式), ...,(2式)代入(1式),(1式)代入(0式),得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_215.gif)
最后一项中,均差部分含有x,乃是余项部分,记作Rn(x);而前面n+1项中,均差部分都不含有x,因而前面n+1项是关于x的n次多项式,记作Nn(x),这就是牛顿插值公式。于是,上式成为
f(x)=Nn(x)+Rn(x) 。
例如:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_216.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_217.gif)
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,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_218.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_219.gif)
这就是牛顿二次插值多项式。显然,N2(x0 )=f(x0 ),
即N2(x)满足二次插值条件。
例2 已知
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_221.gif)
求满足以上插值条件的牛顿型插值多项式。
解 在例1中, 我们已计算出:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_222.gif)
则牛顿三次插值多项式为:
例3 已知f(x)在六个点的函数值如下表,运用牛顿型插值多项式
求f(0.596)的近似值。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_224.gif)
欲求N4(x) ,只需在N3(x)之后再加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_228.gif)
故
N4(0.596)=0.6319145+0.0000034=0.6319179 。
2.拉格朗日插值与牛顿插值的比较
(1)Pn(x)和Nn(x)均是n次多项式, 且均满足插值条件:
P(xk )=Nn(xk )=f(xk ),k=0,1,2,…,n 。
由多项式的唯一性,Pn(x)≡Nn(x) ,因而,两个公式的余项是相等的,
即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_229.gif)
并由此推得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_230.gif)
(2)当插值多项式从n-1次增加到n次时,拉格朗日型插值必须重新计算所有的基本插值多项式;而对于牛顿型插值,只需用表格再计算一个n阶均差,然后加上一项即可。
五、差分与等距节点插值
插值节点为等距节点:
xk =x0 +kh,(k=0,1,…,n)
其中h称为步长, 函数y=f(x)在xk 的函数值为yk =f(xk ) 。
1. 差分的概念
一阶差分:Δyk =yk+1 -yk ;
二阶差分:![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_231.gif)
一般地,m阶差分用m-1阶差分来定义:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_232.gif)
以上定义的是前差:从xk 起向前xk+1 ,xk+2 ,… 的函数值的差,Δ称为
向前差分算子。而下面定义向后差分, ▽表示向后差分算子,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_233.gif)
分别称为一阶,二阶,…,m阶向后差分。
类似地也可定义中心差分如下
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_234.gif)
2. 差分的性质
性质1: n阶差分是n+1个函数值的线性组合,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_235.gif)
验证:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_236.gif)
当n=2时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_237.gif)
当n=3时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_238.gif)
一般地,可用数学归纳法证明此公式。对于后差,也有类似的公式,
例如:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_239.gif)
性质2 在等距插值的情况下, 差分和均差有如下关系:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_240.gif)
验证: 因为
xk+1-xk = h, xk+2-xk = 2h
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_241.gif)
3. 等距节点的牛顿插值公式
设等距节点xk =x0 +kh,记yk =f(xk ),(k=0,1,…,n) 。当x∈[x0 ,xn ] ,令x=x0 +th ,0≤t≤n. 例如x在x2 ,x3 的中点时, x=x0 +2.5h. 将牛顿插值公式中的均差用差分(性质2的公式)代替,而
x-xk =(x0 +th)-(x0 +kh)=(t-k)h,
从而, 牛顿插值公式在等距插值节点下的形式为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_243.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_244.gif)
这是等距牛顿向前插值公式。
下面来推导等距牛顿向后插值公式:令等距牛顿向后插值公式
x=xn+th (-n≤t≤0),
这时
xn-k =xn -kh, x-xn-k =(t+k)h;
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_245.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_246.gif)
例4:设y=f(x)=ex 插值节点为 x=1,1.5,2,2.5,3相应的函数值如下
1表, 求f(2.2)。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_247.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_249.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_250.gif)
所以
N3(2.2) = N2(2.2)+0.16623=9.03855
求N4(2.2)时,在N3(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_251.gif)
所以
N4(2.2)=N3(2.2)-0.01618=9.02237
R2=0.15269 , R3=-0.01354 ,R4=0.00264
下面我们用等距牛顿向后插值公式求f(2.2). 此时,x=2.2=3-1.6h
故t=-1.6,于是
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_252.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_253.gif)
所以
N3(2.2)=N2(2.2)+0.07831=9.01159
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_254.gif)
所以
N4(2.2)=N3(2.2)+0.0107847=9.0223747
R2=0.091731 , R3=0.013421 ,R4=0.0026363
一、均差
问题的背景: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lk(x)(k=0,1,…,n)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。
先引进均差的概念。
设函数f(x)在n+1个相异的点x0 ,x1 ,…xn 上的函数值分别为:
f(x0 ),f(x1 ),…,f(xn ),
或者记为
y0 ,y1 ,…,yn
1. 一阶均差:称
为f(x)关于节点x0 ,x1 的一阶均差, 记为f[x0 ,x1 ] 。
2. 二阶均差:一阶均差f[x0 ,x1 ],f[x1 ,x2 ]的均差
称为f(x)关于节点x0 ,x1 ,x2 的二阶均差,记为:f[x0 ,x1 ,x2 ] 。
3. n阶均差:递归地用n-1阶均差来定义n阶均差,
称为f(x)关于n+1个节点x0 ,x1 ,…,xn 的均差。
二、均差的性质
1. 性质1:n阶均差可以表示成n+1个函数值y0 ,y1 ,…,yn 的线性组合, 即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_204.gif)
例:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_205.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_206.gif)
2. 性质2(对称性) 均差与节点的顺序无关:
f[x0 ,x1 ] =f[x1 ,x0 ] ,
f[x0 ,x1 ,x2 ]=f[x1 ,x0,x2 ]=f[x0 ,x2 ,x1 ]
这一点可以从性质1看出。
3. 性质3 若f(x)是x的n次多项式, 则一阶均差f[x,x0]是x的n-1次多项式,二阶均差f[x,x0,x1]是x的n-2次多项式;一般地,函数f(x)的k阶均差f[x,x0,…,xk-1 ]是x的n-k次多项式(k≤n), 而k>n时, k阶均差为零。
三、利用均差表计算均差
利用均差的递推定义,可以用递推来计算均差。如下表:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_207.gif)
如要计算四阶均差,应再增加一个节点,表中还要增加一行。
例1:已知
xi 1 3 4 7
f(xi ) 0 2 15 12
计算三阶均差f[1,3,4,7] 。
解:列表计算
xi f(xi ) 一阶均差 二阶均差 三阶均差
1 0
3 2 1
4 15 13 4
7 12 -1 -3.5 -1.25
四、牛顿插值公式
1. 牛顿插值公式的构造
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_208.gif)
所以
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_210.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_211.gif)
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_212.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_213.gif)
一般地,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_214.gif)
将(n式)代入(n-1式), ...,(2式)代入(1式),(1式)代入(0式),得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_215.gif)
最后一项中,均差部分含有x,乃是余项部分,记作Rn(x);而前面n+1项中,均差部分都不含有x,因而前面n+1项是关于x的n次多项式,记作Nn(x),这就是牛顿插值公式。于是,上式成为
f(x)=Nn(x)+Rn(x) 。
例如:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_216.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_217.gif)
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,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_218.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_219.gif)
这就是牛顿二次插值多项式。显然,N2(x0 )=f(x0 ) ,
即N2(x)满足二次插值条件。
例2 已知
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_221.gif)
求满足以上插值条件的牛顿型插值多项式。
解 在例1中, 我们已计算出:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_222.gif)
则牛顿三次插值多项式为:
例3 已知f(x)在六个点的函数值如下表,运用牛顿型插值多项式
求f(0.596)的近似值。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_224.gif)
欲求N4(x) ,只需在N3(x)之后再加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_228.gif)
故
N4(0.596)=0.6319145+0.0000034=0.6319179 。
2.拉格朗日插值与牛顿插值的比较
(1)Pn(x)和Nn(x)均是n次多项式, 且均满足插值条件:
P(xk )=Nn(xk )=f(xk ),k=0,1,2,…,n 。
由多项式的唯一性,Pn(x)≡Nn(x) ,因而,两个公式的余项是相等的,
即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_229.gif)
并由此推得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_230.gif)
(2)当插值多项式从n-1次增加到n次时,拉格朗日型插值必须重新计算所有的基本插值多项式;而对于牛顿型插值,只需用表格再计算一个n阶均差,然后加上一项即可。
五、差分与等距节点插值
插值节点为等距节点:
xk =x0 +kh,(k=0,1,…,n)
其中h称为步长, 函数y=f(x)在xk 的函数值为yk =f(xk ) 。
1. 差分的概念
一阶差分:Δyk =yk+1 -yk ;
二阶差分:![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_231.gif)
一般地,m阶差分用m-1阶差分来定义:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_232.gif)
以上定义的是前差:从xk 起向前xk+1 ,xk+2 ,… 的函数值的差,Δ称为
向前差分算子。而下面定义向后差分, ▽表示向后差分算子,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_233.gif)
分别称为一阶,二阶,…,m阶向后差分。
类似地也可定义中心差分如下
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_234.gif)
2. 差分的性质
性质1: n阶差分是n+1个函数值的线性组合,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_235.gif)
验证:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_236.gif)
当n=2时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_237.gif)
当n=3时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_238.gif)
一般地,可用数学归纳法证明此公式。对于后差,也有类似的公式,
例如:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_239.gif)
性质2 在等距插值的情况下, 差分和均差有如下关系:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_240.gif)
验证: 因为
xk+1-xk = h, xk+2-xk = 2h
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_241.gif)
3. 等距节点的牛顿插值公式
设等距节点xk =x0 +kh,记yk =f(xk ),(k=0,1,…,n) 。当x∈[x0 ,xn ] ,令x=x0 +th ,0≤t≤n. 例如x在x2 ,x3 的中点时, x=x0 +2.5h. 将牛顿插值公式中的均差用差分(性质2的公式)代替,而
x-xk =(x0 +th)-(x0 +kh)=(t-k)h,
从而, 牛顿插值公式在等距插值节点下的形式为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_243.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_244.gif)
这是等距牛顿向前插值公式。
下面来推导等距牛顿向后插值公式:令等距牛顿向后插值公式
x=xn+th (-n≤t≤0),
这时
xn-k =xn -kh, x-xn-k =(t+k)h;
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_245.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_246.gif)
例4:设y=f(x)=ex 插值节点为 x=1,1.5,2,2.5,3相应的函数值如下
1表, 求f(2.2)。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_247.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_249.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_250.gif)
所以
N3(2.2) = N2(2.2)+0.16623=9.03855
求N4(2.2)时,在N3(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_251.gif)
所以
N4(2.2)=N3(2.2)-0.01618=9.02237
R2=0.15269 , R3=-0.01354 ,R4=0.00264
下面我们用等距牛顿向后插值公式求f(2.2). 此时,x=2.2=3-1.6h
故t=-1.6,于是
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_252.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_253.gif)
所以
N3(2.2)=N2(2.2)+0.07831=9.01159
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_254.gif)
所以
N4(2.2)=N3(2.2)+0.0107847=9.0223747
R2=0.091731 , R3=0.013421 ,R4=0.0026363
一、均差
问题的背景: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lk(x)(k=0,1,…,n)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。
先引进均差的概念。
设函数f(x)在n+1个相异的点x0 ,x1 ,…xn上的函数值分别为:
f(x0 ),f(x1 ),…,f(xn ),
或者记为
y0 ,y1 ,…,yn
1. 一阶均差:称
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_201.gif)
2. 二阶均差:一阶均差f[x0 ,x1 ],f[x1 ,x2 ]的均差
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_202.gif)
称为f(x)关于节点x0 ,x1 ,x2的二阶均差,记为:f[x0 ,x1 ,x2 ]。
3. n阶均差:递归地用n-1阶均差来定义n阶均差,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_203.gif)
称为f(x)关于n+1个节点x0 ,x1 ,…,xn 的均差。
二、均差的性质
1. 性质1:n阶均差可以表示成n+1个函数值y0 ,y1 ,…,yn 的线性组合, 即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_204.gif)
例:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_205.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_206.gif)
2. 性质2(对称性) 均差与节点的顺序无关:
f[x0 ,x1 ] =f[x1 ,x0 ] ,
f[x0 ,x1 ,x2 ]=f[x1 ,x0,x2 ]=f[x0 ,x2 ,x1 ]
这一点可以从性质1看出。
3. 性质3 若f(x)是x的n次多项式, 则一阶均差f[x,x0]是x的n-1次多项式,二阶均差f[x,x0,x1]是x的n-2次多项式;一般地,函数f(x)的k阶均差f[x,x0,…,xk-1 ]是x的n-k次多项式(k≤n), 而k>n时, k阶均差为零。
三、利用均差表计算均差
利用均差的递推定义,可以用递推来计算均差。如下表:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_207.gif)
如要计算四阶均差,应再增加一个节点,表中还要增加一行。
例1:已知
xi 1 3 4 7
f(xi ) 0 2 15 12
计算三阶均差f[1,3,4,7]。
解:列表计算
xi f(xi ) 一阶均差 二阶均差 三阶均差
1 0
3 2 1
4 15 13 4
7 12 -1 -3.5 -1.25
四、牛顿插值公式
1. 牛顿插值公式的构造
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_208.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_209.gif)
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_210.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_211.gif)
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_212.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_213.gif)
一般地,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_214.gif)
将(n式)代入(n-1式), ...,(2式)代入(1式),(1式)代入(0式),得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_215.gif)
最后一项中,均差部分含有x,乃是余项部分,记作Rn(x);而前面n+1项中,均差部分都不含有x,因而前面n+1项是关于x的n次多项式,记作Nn(x),这就是牛顿插值公式。于是,上式成为
f(x)=Nn(x)+Rn(x) 。
例如:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_216.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_217.gif)
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,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_218.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_219.gif)
这就是牛顿二次插值多项式。显然,N2(x0 )=f(x0 ),
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_220.gif)
即N2(x)满足二次插值条件。
例2 已知
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_221.gif)
求满足以上插值条件的牛顿型插值多项式。
解 在例1中, 我们已计算出:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_222.gif)
则牛顿三次插值多项式为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_223.gif)
例3 已知f(x)在六个点的函数值如下表,运用牛顿型插值多项式
求f(0.596)的近似值。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_224.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_225.gif)
![]() | ![]() |
欲求N4(x) ,只需在N3(x)之后再加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_228.gif)
故
N4(0.596)=0.6319145+0.0000034=0.6319179 。
2.拉格朗日插值与牛顿插值的比较
(1)Pn(x)和Nn(x)均是n次多项式, 且均满足插值条件:
P(xk )=Nn(xk )=f(xk ),k=0,1,2,…,n 。
由多项式的唯一性,Pn(x)≡Nn(x) ,因而,两个公式的余项是相等的,
即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_229.gif)
并由此推得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_230.gif)
(2)当插值多项式从n-1次增加到n次时,拉格朗日型插值必须重新计算所有的基本插值多项式;而对于牛顿型插值,只需用表格再计算一个n阶均差,然后加上一项即可。
五、差分与等距节点插值
插值节点为等距节点:
xk =x0 +kh,(k=0,1,…,n)
其中h称为步长, 函数y=f(x)在xk 的函数值为yk =f(xk ) 。
1. 差分的概念
一阶差分:Δyk =yk+1 -yk ;
二阶差分:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_231.gif)
一般地,m阶差分用m-1阶差分来定义:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_232.gif)
以上定义的是前差:从xk 起向前xk+1 ,xk+2 ,… 的函数值的差,Δ称为
向前差分算子。而下面定义向后差分, ▽表示向后差分算子,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_233.gif)
分别称为一阶,二阶,…,m阶向后差分。
类似地也可定义中心差分如下
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_234.gif)
2. 差分的性质
性质1: n阶差分是n+1个函数值的线性组合,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_235.gif)
验证:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_236.gif)
当n=2时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_237.gif)
当n=3时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_238.gif)
一般地,可用数学归纳法证明此公式。对于后差,也有类似的公式,
例如:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_239.gif)
性质2 在等距插值的情况下, 差分和均差有如下关系:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_240.gif)
验证: 因为
xk+1-xk = h, xk+2-xk = 2h
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_241.gif)
3. 等距节点的牛顿插值公式
设等距节点xk =x0 +kh,记yk =f(xk ),(k=0,1,…,n) 。当x∈[x0 ,xn ] ,令x=x0 +th ,0≤t≤n. 例如x在x2 ,x3 的中点时, x=x0 +2.5h. 将牛顿插值公式中的均差用差分(性质2的公式)代替,而
x-xk =(x0 +th)-(x0 +kh)=(t-k)h,
从而, 牛顿插值公式在等距插值节点下的形式为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_243.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_244.gif)
这是等距牛顿向前插值公式。
下面来推导等距牛顿向后插值公式:令等距牛顿向后插值公式
x=xn+th (-n≤t≤0),
这时
xn-k =xn -kh, x-xn-k =(t+k)h;
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_245.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_246.gif)
例4:设y=f(x)=ex 插值节点为 x=1,1.5,2,2.5,3相应的函数值如下
1表, 求f(2.2)。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_247.gif)
解:精确值 f(2.2)=e2.2 =9.025011。 我们先用等距牛顿向前插 值公式求f(2.2)。此时, h=0.5,x=2.2=1+2.4h 故t=2.4,于是 | ![]() |
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_249.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_250.gif)
所以
N3(2.2) = N2(2.2)+0.16623=9.03855
求N4(2.2)时,在N3(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_251.gif)
所以
N4(2.2)=N3(2.2)-0.01618=9.02237
R2=0.15269 , R3=-0.01354 ,R4=0.00264
下面我们用等距牛顿向后插值公式求f(2.2). 此时,x=2.2=3-1.6h
故t=-1.6,于是
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_252.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_253.gif)
所以
N3(2.2)=N2(2.2)+0.07831=9.01159
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_254.gif)
所以
N4(2.2)=N3(2.2)+0.0107847=9.0223747
R2=0.091731 , R3=0.013421 ,R4=0.0026363
一、均差
问题的背景: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lk(x)(k=0,1,…,n)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。
先引进均差的概念。
设函数f(x)在n+1个相异的点x0 ,x1 ,…xn 上的函数值分别为:
f(x0 ),f(x1 ),…,f(xn ),
或者记为
y0 ,y1 ,…,yn
1. 一阶均差:称
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_201.gif)
2. 二阶均差:一阶均差f[x0 ,x1 ],f[x1 ,x2 ]的均差
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_202.gif)
称为f(x)关于节点x0 ,x1 ,x2 的二阶均差,记为:f[x0 ,x1 ,x2 ] 。
3. n阶均差:递归地用n-1阶均差来定义n阶均差,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_203.gif)
称为f(x)关于n+1个节点x0 ,x1 ,…,xn 的均差。
二、均差的性质
1. 性质1:n阶均差可以表示成n+1个函数值y0 ,y1 ,…,yn 的线性组合, 即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_204.gif)
例:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_205.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_206.gif)
2. 性质2(对称性) 均差与节点的顺序无关:
f[x0 ,x1 ] =f[x1 ,x0 ] ,
f[x0 ,x1 ,x2 ]=f[x1 ,x0,x2 ]=f[x0 ,x2 ,x1 ]
这一点可以从性质1看出。
3. 性质3 若f(x)是x的n次多项式, 则一阶均差f[x,x0]是x的n-1次多项式,二阶均差f[x,x0,x1]是x的n-2次多项式;一般地,函数f(x)的k阶均差f[x,x0,…,xk-1 ]是x的n-k次多项式(k≤n), 而k>n时, k阶均差为零。
三、利用均差表计算均差
利用均差的递推定义,可以用递推来计算均差。如下表:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_207.gif)
如要计算四阶均差,应再增加一个节点,表中还要增加一行。
例1:已知
xi 1 3 4 7
f(xi ) 0 2 15 12
计算三阶均差f[1,3,4,7] 。
解:列表计算
xi f(xi ) 一阶均差 二阶均差 三阶均差
1 0
3 2 1
4 15 13 4
7 12 -1 -3.5 -1.25
四、牛顿插值公式
1. 牛顿插值公式的构造
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_208.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_209.gif)
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_210.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_211.gif)
因为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_212.gif)
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_213.gif)
一般地,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_214.gif)
将(n式)代入(n-1式), ...,(2式)代入(1式),(1式)代入(0式),得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_215.gif)
最后一项中,均差部分含有x,乃是余项部分,记作Rn(x);而前面n+1项中,均差部分都不含有x,因而前面n+1项是关于x的n次多项式,记作Nn(x),这就是牛顿插值公式。于是,上式成为
f(x)=Nn(x)+Rn(x) 。
例如:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_216.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_217.gif)
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,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_218.gif)
其中
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_219.gif)
这就是牛顿二次插值多项式。显然,N2(x0 )=f(x0 ) ,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_220.gif)
即N2(x)满足二次插值条件。
例2 已知
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_221.gif)
求满足以上插值条件的牛顿型插值多项式。
解 在例1中, 我们已计算出:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_222.gif)
则牛顿三次插值多项式为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_223.gif)
例3 已知f(x)在六个点的函数值如下表,运用牛顿型插值多项式
求f(0.596)的近似值。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_224.gif)
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_225.gif)
![]() | ![]() |
欲求N4(x) ,只需在N3(x)之后再加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_228.gif)
故
N4(0.596)=0.6319145+0.0000034=0.6319179 。
2.拉格朗日插值与牛顿插值的比较
(1)Pn(x)和Nn(x)均是n次多项式, 且均满足插值条件:
P(xk )=Nn(xk )=f(xk ),k=0,1,2,…,n 。
由多项式的唯一性,Pn(x)≡Nn(x) ,因而,两个公式的余项是相等的,
即:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_229.gif)
并由此推得:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_230.gif)
(2)当插值多项式从n-1次增加到n次时,拉格朗日型插值必须重新计算所有的基本插值多项式;而对于牛顿型插值,只需用表格再计算一个n阶均差,然后加上一项即可。
五、差分与等距节点插值
插值节点为等距节点:
xk =x0 +kh,(k=0,1,…,n)
其中h称为步长, 函数y=f(x)在xk 的函数值为yk =f(xk ) 。
1. 差分的概念
一阶差分:Δyk =yk+1 -yk ;
二阶差分:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_231.gif)
一般地,m阶差分用m-1阶差分来定义:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_232.gif)
以上定义的是前差:从xk 起向前xk+1 ,xk+2 ,… 的函数值的差,Δ称为
向前差分算子。而下面定义向后差分, ▽表示向后差分算子,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_233.gif)
分别称为一阶,二阶,…,m阶向后差分。
类似地也可定义中心差分如下
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_234.gif)
2. 差分的性质
性质1: n阶差分是n+1个函数值的线性组合,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_235.gif)
验证:当n=1时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_236.gif)
当n=2时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_237.gif)
当n=3时,
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_238.gif)
一般地,可用数学归纳法证明此公式。对于后差,也有类似的公式,
例如:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_239.gif)
性质2 在等距插值的情况下, 差分和均差有如下关系:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_240.gif)
验证: 因为
xk+1-xk = h, xk+2-xk = 2h
所以
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_241.gif)
3. 等距节点的牛顿插值公式
设等距节点xk =x0 +kh,记yk =f(xk ),(k=0,1,…,n) 。当x∈[x0 ,xn ] ,令x=x0 +th ,0≤t≤n. 例如x在x2 ,x3 的中点时, x=x0 +2.5h. 将牛顿插值公式中的均差用差分(性质2的公式)代替,而
x-xk =(x0 +th)-(x0 +kh)=(t-k)h,
从而, 牛顿插值公式在等距插值节点下的形式为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_243.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_244.gif)
这是等距牛顿向前插值公式。
下面来推导等距牛顿向后插值公式:令等距牛顿向后插值公式
x=xn+th (-n≤t≤0),
这时
xn-k =xn -kh, x-xn-k =(t+k)h;
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_245.gif)
余项为:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_246.gif)
例4:设y=f(x)=ex 插值节点为 x=1,1.5,2,2.5,3相应的函数值如下
1表, 求f(2.2)。
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_247.gif)
解:精确值 f(2.2)=e2.2 =9.025011。 我们先用等距牛顿向前插 值公式求f(2.2)。此时, h=0.5,x=2.2=1+2.4h 故t=2.4,于是 | ![]() |
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_249.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_250.gif)
所以
N3(2.2) = N2(2.2)+0.16623=9.03855
求N4(2.2)时,在N3(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_251.gif)
所以
N4(2.2)=N3(2.2)-0.01618=9.02237
R2=0.15269 , R3=-0.01354 ,R4=0.00264
下面我们用等距牛顿向后插值公式求f(2.2). 此时,x=2.2=3-1.6h
故t=-1.6,于是
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_252.gif)
求N3(2.2)时,在N2(2.2) 后加一项:
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_253.gif)
所以
N3(2.2)=N2(2.2)+0.07831=9.01159
![](http://sxyd.sdut.edu.cn/zhanshi/shuzhifenxi/shuzhifenxi/images/pic5.2/5_254.gif)
所以
N4(2.2)=N3(2.2)+0.0107847=9.0223747
R2=0.091731 , R3=0.013421 ,R4=0.0026363