数值分计算方法插值b.pptVIP

3.2 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 3.2 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 差商的值与 xi 的顺序无关！ ?差商性质 /* Property of divided difference */ 性质1 即 其中 证明： 数学归纳法 n=1 n=2 同理归纳，结论成立 性质2 差商具有对称性，即 的值与节点 的顺序无关。 由性质1易知 性质3 如果 的k阶差商 是 的m次多项式，则 的k+1阶差商 是 的m-1次多项式。 证明： 上式右端的分子是 的m次多项式 ，记为 则 为m-1次多项式 性质4 3 ? 牛顿插值 /* Newton’s Interpolation */ 1 2 … … … … n?1 1 ← 2 Nn(x) Rn(x) ai = f [ x0, …, xi ] ← n?1 ← … … 3.2 Newton’s Interpolation 3 ← =Nn(x)+Rn(x) ? Nn(x) ＝ Ln(x) 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 [x0, …, xn+1] f [xn, xn+1] f [xn?1, xn, xn+1] f [x1, …, xn+1] x0 x1 x2 … xn?1 xn xn+1 3.2 Newton’s Interpolation 例：已知 分别利用 1次、2次 Newton 插值公式计算 sin 50?。 ?sin 50? = 0.7660444… 1/2 1/√2 √3/2 … 0.79110 0.60703 … -0.35155 … xi f (xi) f [xi, xj] f [xi, xj , xk] π/6 π/ 4 π/ 3 … 解一：取 　构造差商表 1/√2 √3/2 1/2 0.60703 0.69906 -0.024094 xi f (xi) f [xi, xj] f [xi, xj , xk] π/ 4 π/ 3 π/6 解二：取 　构造差商表 注：构造差商表时，插值节点要以距计算点ｘ由近到远的次序排列。 3.2 Newton’s Interpolation 3.3 埃尔米特插值 /* Hermite Interpolation */带导数的插值 不仅要求函数值重合，而且要求若干阶导数也重合。 即：要求插值函数 ? (x) 满足? (xi) = f (xi), ?’ (xi) = f ’ (xi), …, ?(m) (xi) = f (