计算方法与NA02b .ppt

* §2 牛顿插值 /* Newton’s Interpolation */ Lagrange 插值虽然易算，但若要增加一个节点时，全部基函数 li(x) 都需重新算过。 将 Ln(x) 改写成 的形式，希望每加一个节点时， 只附加一项上去即可。 ? ? ? ? ? 差商(亦称均差) /* divided difference */ 1阶差商 /* the 1st divided difference of f w.r.t. xi and xj */ 2阶差商 §2 Newton’s Interpolation 1 1 1 0 1 0 1 0 1 1 1 0 1 0 ] , , ... , [ ] , , ... , [ ] , , ... , [ ] , ... , , [ ] , ... , [ + + - - + + + - - = - - = k k k k k k k k k k k x x x x x f x x x f x x x x x f x x x f x x f (k+1)阶差商： 事实上 其中 Warning: my head is exploding… What is the point of this formula? 差商的值与 xi 的顺序无关！ （证明见P21－23） §2 Newton’s Interpolation ? 牛顿插值 /* Newton’s Interpolation */ 1 2 … … … … n?1 1 + (x ? x0) ? 2 + … … + (x ? x0)…(x ? xn?1) ? n?1 Nn(x) Rn(x) ai = f [ x0, …, xi ] §2 Newton’s Interpolation 注：? 由唯一性可知 Nn(x) ? Ln(x)， 只是算法不同，故其余项也相同，即 ? 实际计算过程为 f (x0) f (x1) f (x2) … f (xn?1) f (xn) f [x0, x1] f [x1, x2] … … … … f [xn?1, xn] f [x0, x1 , x2] … … … … f [xn?2, xn?1, xn] f [x0, …, xn] f (xn+1) f [xn, xn+1] f [xn?1, xn, xn+1] f [x1, …, xn+1] f [x0, …, xn+1] HW: p.50-60 #13,＃14 §2 Newton’s Interpolation ? 等距节点公式 /* Formulae with Equal Spacing */ 向前差分 /* forward difference */ i i i f f f - = ? + 1 i k i k i k i k f f f f 1 1 1 1 ) ( - + - - ? - ? = ? ? = ? 向后差分 /* backward difference */ 1 1 1 - - - ? - ? = ? i k i k i k f f f i?1 i i f f f - = ? 中心差分 /* centered difference */ 其中 当节点等距分布时: §2 Newton’s Interpolation ? 差分的重要性质： ? 线性：例如 ? 若 f (x)是 m 次多项式，则 是 次多项式，而 ? 差分值可由函数值算出： ? = - + - = D n j j k n j k n f j n f 0 ) 1 ( ? = - + - - = ? n j n j k j n k n f j n f 0 ) 1 ( 其中 /* binomial coefficients */ ? 函数值可由差分值算出： k j n j k n f j n f D ? = + = 0 ? k k k h k f x x f ! ] , ... , [ 0 0 D = k n k k n n n h k f x x x f ! ] , ... , , [ 1 ? = - - k k k h f f 0 ) ( ) ( D = x 由 Rn 表达式 §2 Newton’s Interpolation 牛顿公式 ? 牛顿前差公式 /* Newton’s forward-difference formula */ ? 牛顿后差公式 /* Newton’s backward-difference formula */ 将节点顺序倒置： 设 ，则 ) ( ) ( ) ( 0