数值分析4.2 牛顿插值法.pptVIP

求f(2.8)用牛顿后插公式,且由 2.8=3+0.5t, 得t= -0.4 xi f (xi) 一阶差分 二阶差分 三阶差分 四阶差分 1 1.5 2 2.5 3 2.71828 4.48169 7.28906 12.18249 20.08554 1.76341 2.90347 4.79343 7.90305 1.14396 1.88606 3.10962 0.74210 1.22356 0.48146 上页 下页 将 Ln(x) 改写成 的形式，希望每加一个节点， 只附加一项上去即可。 Lagrange 插值虽然易算，但若要增加一个节点时，全部基函数 li(x) 都需重新计算。 4.3 Newton(牛顿)插值 4.3.1 均差及其基本性质 定义1 称 为 f (x)在x0、x1点的一阶均差.一阶均差的均差(差商) 称为函数 f (x) 在x0、x1 、x2 点的二阶均差. 4.3 Newton(牛顿)插值 一般地，n-1阶均差的均差 称为f (x)在x0 , x1 , …, xn点的 n 阶均差。 差商的计算步骤与结果可列成均差表，如下 一般 f(xi) 称为f(x) 在 xi 点的零阶均差，记作 f[xi]。 xk 函数值 一阶均差 二阶均差 三阶均差 ... x0 x1 x2 x3 ... f (x0) f (x1) f (x2) f (x3) ... f [ x0 , x1] f [ x1 , x2] f [ x2 , x3] ... f [x0, x1, x2] f [x1, x2, x3] ... f [x0, x1, x2 , x3] ... ... 表1（均差表） 这一性质可以用数学归纳法证明，它表明均差与节点的排列次序无关，即 f[x0 , x1 , x2 , ..., xn]= f[x1 , x0 , x2 , ..., xn]=… = f[x1 , x2 , ..., xn , x0 ] 性质1 均差可以表示为函数值的线性组合，即 称之为均差的对称性（也称为对称性质）。 性质2 n次多项式 f(x) 的 k 阶差商,当 k?n 时是一个n-k 次多项式;当 kn 时恒等于0. 性质3 若f(x)在[a,b]上存在n阶导数, 且节点x0 , x1 ,…, xn∈[a,b] ,则至少存在一点 ??[a, b] 满足下式 例1 f (x)=－6x8+7x5－10, 求f [1,2, …,9]及f [1,2, …,10]. 解 f (8)(x)=－6·8 !, f [1,2, …,9]=-6, f (9)(x)=0, f [1,2, …,10]=0. 4.3.2 牛顿插值多项式 设x是[a，b]上一点，由一阶均差定义得 同理，由二阶均差定义 如此继续下去，可得一系列等式 得 得 依次把后式代入前式，最后得 其中 可见, Nn(x)为次数不超过n 的多项式,且易知 Rn(xi)= 0 即 Nn(xi)= yi , (i=0,1, …,n) 满足插值条件, 故其为插值问题的解, Nn(x)称为牛顿插值多项式。 Rn(x)称为牛顿型插值余项。 由插值多项式的唯一性知，它与拉格朗日插值多项式 是等价的,即 Ln(x) ?Nn(x) 且有如下递推形式 和余项公式 xk f(xk) 一阶均差 二阶均差 三阶均差 四阶均差 0.40 0.55 0.65 0.80 0.90 0.41075 0.57815 0.69675 0.88811 1.02652 1.1160 1.1860 1.2757 1.3841 0.2800 0.3588 0.4336 0.1970 0.2137 0.0344 例1 已知 f(x)=shx的数表,求二次牛顿插值多项式,并由 此计算f(0.596)的近似值。 解 由上表可得过前三点的二次牛顿插值多项式为 注：过前四点的三次牛顿插值多项式 故 可得N3(x)的截断误差 设函数y=f(x)在等距节点xi=x0+ih (i=0,1, …,n)上的函数值为fi=f(xi)(h为步长) 定义2 ? fi=fi+1-fi 和 ?fi=fi-fi-1 分别称为函数 f(x)在点 xi 处的一