计算方法Newton插值法chbr.pptVIP

第二章插值法 Newton 插值 新的基函数 Newton 插值 差商 差商的性质 差商的性质 差商的计算 差商举例 Newton 插值公式 Newton 插值公式 Newton / Lagrange 插值举例 插值举例 向前差分 向前差分 差分与函数值 差分与函数值 向后差分 中心差分 差分与差商 差分的计算 等距牛顿插值 插值举例 作业 * * 计算方法 —— Newton 插值法 为什么 Newton 插值 Lagrange 插值简单易用，但若要增加一个节点时，全部基函数 lk(x) 都需重新计算，不太方便。 设计一个可以逐次生成插值多项式的算法，即 pn(x) = pn-1(x) + un(x) 其中 pn(x) 和 pn-1(x) 分别为 n 次和 n-1 次插值多项式 解决办法 —— Newton 插值法 设插值节点为 x0 , … , xn ，考虑插值基函数组 当增加一个节点 xn+1 时，只需加上基函数 此时 f(x) 的 n 次插值多项式为 问题 如何从 pn-1(x) 得到 pn(x) ? 怎样确定参数 a0 , … , an ? 利用 差商（均差） 什么是差商 设函数 f(x)，节点 x0 , … , xn f(x) 关于点 xi , xj 的 一阶差商 f(x) 关于点 xi , xj , xk 的 二阶差商 k 阶差商 差商的一般定义 差商可以表示为函数值的线性组合：用归纳法可以证明 差商与节点的排序无关，即差商具有对称性 其中 i0 , i1 , … , ik 是 0 , 1, … , k 的任一排列 k 阶差商与 k 阶导数之间的关系：若 f(x) 在 [a,b] 上 具有 k 阶导数，则至少存在一点 ? ?(a, b)，使得 差商的等价定义：(教材上的所采用的定义) 若 h(x) = c f(x)，则 若 h(x) = f(x) + g(x)，则 如何巧妙地计算差商 差商表 ?[x0, x1,…, xn] … … ?[x0, x1, x2, x3] ? ?[xn-3, xn-2, xn-1, xn] ?[x0, x1, x2] ?[x1, x2, x3] ? ?[xn-2, xn-1, xn] ?[x0, x1] ?[x1, x2] ?[x2, x3] ? ?[xn-1, xn] ?(x0) ?(x1) ?(x2) ?(x3) ? ?(xn) x0 x1 x2 x3 ? xn n 阶差商 … 三阶差商 二阶差商 一阶 差商 ?(xi) xi 例：已知 y = ?(x) 的函数值表，试计算其各阶差商 3 2 1 0 i 21 17 3 5 f(xi) 2 1 -1 -2 xi 解：差商表如下 -2 -1 1 2 xi -1 3 -1 -2 7 4 5 3 17 21 三阶差商 二阶差商 一阶差商 ?(xi) ex24.m ex23.m Newton 插值公式 由差商的定义可得 1 2 … … n?1 1 + (x ? x0) ? 2 + … … + (x ? x0)…(x ? xn?1) ? n?1 Nn(x) Rn(x) f (x) = Nn(x) + Rn(x) Nn(xi) = f (xi)，i = 0, 1, 2, …, n 重要性质 Nn(x) 是 f (x) 的 n 次插值多项式 其中 Nn(x) 是 n 次多项式 Newton 插值与 Lagrange 插值 f (x) 在 x0 , x1 , … , xn 上的 n 次插值多项式是唯一的！ Nn(x) ? Ln(x) 且余项相同 例：已知函数 y = lnx 的函数值如下 解：取节点 0.5, 0.6, 0.4 作差商表 试分别用牛顿线性插值和抛物线插值计算 ln 0.54 的近似值 -0.2231 -0.3567 -0.5108 -0.6931 -0.9163 lnx 0.8 0.7 0.6 0.5 0.4 x 0.5 0.6 0.4 xi -2.0450 1.8230 2.0275 -0.6931 -0.5108 -0.9163 二阶差商 一阶差商 ?(xi) N1(x) = -0.6931 + 1.8230(x-0.5) N1(0.54) = -0.6202 N2(x) = -0.6931 + 1.8230(x-0.5) - 2.0450(x-0.5)(x-0.6) N2(0.54) = -0.6153 ex25.m 插值节点无需递增排列，但必须确保互不相同！ 可以看出，当增加一个节点时，牛顿插值公式只需在原来的基础上增加一项，前面的计算结果仍然可以使用。与拉格朗日插值相比，牛顿插值具有灵活增加节点的优点！ 注：增加