牛顿插值

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l_k(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 ,…x_n上的函数值分别为:

                f(x₀ ),f(x₁ ),…,f(x_n ),
或者记为
                    y₀ ,y₁ ,…,y_n 

    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 ,…，x_n 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 ,…,y_n 的线性组合, 即:
      
 例:
      
      
    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,…,x_k-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：
   
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
          x_i      1     3     4     7

        f(x_i )    0     2     15    12

计算三阶均差f[1,3,4,7]。
解：列表计算
        x_i    f(x_i )   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:
        
所以
        
因为:
        
所以
         
因为:
        
所以 
        
一般地,
        
 
将(n式)代入(n-1式), ...,(2式)代入(1式),(1式)代入(0式),得: 
        

最后一项中,均差部分含有x,乃是余项部分,记作R_n(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N_n(x),这就是牛顿插值公式。于是,上式成为

         f(x)=N_n(x)+R_n(x) 。

 例如:当n=1时,
        
其中 
       

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,
       
其中
      
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
     
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:
     
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。
 
     
欲求N₄(x) ,只需在N₃(x)之后再加一项: 
     
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)P_n(x)和N_n(x)均是n次多项式, 且均满足插值条件:

      P(x_k )=N_n(x_k )=f(x_k ),k=0,1,2,…,n 。

由多项式的唯一性,P_n(x)≡N_n(x) ,因而,两个公式的余项是相等的,

即:
     
并由此推得：
     
 (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：
       x_k =x₀ +kh,(k=0,1,…,n)

其中h称为步长, 函数y=f(x)在x_k 的函数值为y_k =f(x_k ) 。

    1. 差分的概念

    一阶差分:Δy_k =y_k+1 -y_k ；

    二阶差分: 

一般地，m阶差分用m-1阶差分来定义： 
      
以上定义的是前差:从x_k 起向前x_k+1 ,x_k+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，

     

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
     
     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，
     
验证：当n=1时,
     
当n=2时,
    
当n=3时，
    
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：
    
 性质2 在等距插值的情况下, 差分和均差有如下关系：
    
验证: 因为
      x_k+1-x_k = h, x_k+2-x_k = 2h 
所以
     

    3. 等距节点的牛顿插值公式
设等距节点x_k =x₀ +kh,记y_k =f(x_k ),(k=0,1,…,n) 。当x∈[x₀ ,x_n ] ，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-x_k =(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: 
      
余项为:
     
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=x_n+th (-n≤t≤0),
这时
      x_n-k =x_n -kh, x-x_n-k =(t+k)h;

     
余项为：
     
例4:设y=f(x)=e^x 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)。
     

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

    

求N₃(2.2)时,在N₂(2.2) 后加一项：
   
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：

   
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 
    

求N₃(2.2)时,在N₂(2.2) 后加一项：

  
所以 
     N₃(2.2)=N₂(2.2)+0.07831=9.01159

    
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l_k(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 ,…x_n 上的函数值分别为:

                f(x₀ ),f(x₁ ),…,f(x_n ),
或者记为
                    y₀ ,y₁ ,…,y_n 

    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 ,…，x_n 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 ,…,y_n 的线性组合, 即:
      
 例:
      
      
    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,…,x_k-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：
   
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
          x_i      1     3     4     7

        f(x_i )    0     2     15    12

计算三阶均差f[1,3,4,7] 。
解：列表计算
        x_i    f(x_i )   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:
        
所以
        
因为:
        
所以
         
因为:
        
所以 
        
一般地,
        
 
将(n式)代入(n-1式), ...,(2式)代入(1式),(1式)代入(0式),得: 
        

最后一项中,均差部分含有x,乃是余项部分,记作R_n(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N_n(x),这就是牛顿插值公式。于是,上式成为

         f(x)=N_n(x)+R_n(x) 。

 例如:当n=1时,
        
其中 
       

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,
       
其中
      
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
     
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:
     
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。
 
     
欲求N₄(x) ,只需在N₃(x)之后再加一项: 
     
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)P_n(x)和N_n(x)均是n次多项式, 且均满足插值条件:

      P(x_k )=N_n(x_k )=f(x_k ),k=0,1,2,…,n 。

由多项式的唯一性,P_n(x)≡N_n(x) ,因而,两个公式的余项是相等的,

即:
     
并由此推得：
     
 (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：
       x_k =x₀ +kh,(k=0,1,…,n)

其中h称为步长, 函数y=f(x)在x_k 的函数值为y_k =f(x_k ) 。

    1. 差分的概念

    一阶差分:Δy_k =y_k+1 -y_k ；

    二阶差分: 

一般地，m阶差分用m-1阶差分来定义： 
      
以上定义的是前差:从x_k 起向前x_k+1 ,x_k+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，

     

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
     
     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，
     
验证：当n=1时,
     
当n=2时,
    
当n=3时，
    
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：
    
 性质2 在等距插值的情况下, 差分和均差有如下关系：
    
验证: 因为
      x_k+1-x_k = h, x_k+2-x_k = 2h 
所以
     

    3. 等距节点的牛顿插值公式
设等距节点x_k =x₀ +kh,记y_k =f(x_k ),(k=0,1,…,n) 。当x∈[x₀ ,x_n ] ，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-x_k =(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: 
      
余项为:
     
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=x_n+th (-n≤t≤0),
这时
      x_n-k =x_n -kh, x-x_n-k =(t+k)h;

     
余项为：
     
例4:设y=f(x)=e^x 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)。
     

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

    

求N₃(2.2)时,在N₂(2.2) 后加一项：
   
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：

   
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 
    

求N₃(2.2)时,在N₂(2.2) 后加一项：

  
所以 
     N₃(2.2)=N₂(2.2)+0.07831=9.01159

    
所以
     N₄(2.2)=N₃(2.2)+0.0107847=9.0223747

     R₂=0.091731 , R₃=0.013421 ,R₄=0.0026363