插值法
张晓平
2019 年 11 月 4 日
武汉大学数学与统计学院
Table of contents
1. 简介
2. 拉格朗日插值
3. 分段低次插值
4. 差商与牛顿插值多项式
5. 差分与等距节点插值
1
简介
• 在离散数据的基础上补插连续函数,使得这条连续曲线通过全部 给定的离散数据点。
• 插值是离散函数逼近的重要方法,利用它可通过函数在有限个点 处的取值状况,估算出函数在其他点处的近似值。
• 插值:用来填充图像变换时像素之间的空隙。
2
• 早在 6 世纪,中国的刘焯已将等距二次插值用于天文计算。
• 17 世纪之后,I. 牛顿,J.-L. 拉格朗日分别讨论了等距和非等距的 一般插值公式。
• 在近代,插值法仍然是数据处理和编制函数表的常用工具,又是 数值积分、数值微分、非线性方程求根和微分方程数值解法的重 要基础,许多求解计算公式都是以插值为基础导出的。
3
简介
定义 : 插值问题
通过 y= f (x) 在 [a, b] 中互异的 n+ 1 个点 x0, x1,··· ,xn 处的值 y0, y1,··· ,yn,构造一个简单函数 P(x)作为y= f (x)的近似表达式
y= f (x) ≈P(x)
→插值函数
使得
P(xi)= f (xi)= yi (i= 0,1,··· ,n)
简介
定义 : 插值问题
通过 y= f (x) 在 [a, b] 中互异的 n+ 1 个点 x0, x1,··· ,xn 处的值 y0, y1,··· ,yn,构造一个简单函数 P(x)作为y= f (x)的近似表达式
y= f (x) ≈P(x)→插值函数
P(xi)= f (xi)= yi (i= 0,1,··· ,n)
简介
定义 : 插值问题
通过 y= f (x) 在 [a, b] 中互异的 n+ 1 个点 x0, x1,··· ,xn 处的值 y0, y1,··· ,yn,构造一个简单函数 P(x)作为y= f (x)的近似表达式
y= f (x) ≈P(x)→插值函数
使得
P(xi)= f (xi)= yi (i= 0,1,··· ,n)
4
1 代数插值
插值函数为代数多项式 2 三角插值
插值函数为三角多项式
5
简介
• 插值几乎应用于所有需要进行图像缩放功能的领域内,如数码相 机、图像处理软件(如 Photoshop)。
• 图像插值就是利用已知邻近像素点的灰度值来产生未知像素点的 灰度值,以便由原始图像再生出具有更高分辨率的图像。
6
拉格朗日插值
约瑟夫・拉格朗日(Joseph-Louis Lagrange 1736-1813),法国著名 数学家、物理学家。1736 年 1 月 25 日生于意大利都灵,1813 年 4 月 10 日卒于巴黎。他在数学、力 学和天文学三个学科领域中都有 历史性的贡献,其中尤以数学方面 的成就最为突出,拿破仑曾称赞他 是“一座高耸在数学界的金字塔”。
7
代数插值问题
代数插值问题
定义 : 代数插值问题
设y= f (x)在[a, b]上n+1个不同点a= x0< x1< ··· < xn= b的函 数值为y0, y1,··· ,yn,若存在一个多项式
Pn(x)= a0+ a1x+ a2x2+ ··· + anxn
使得
Pn(xi)= yi (i= 0,1,2,··· ,n) (1) 称
• Pn(x)为y= f (x) 的插值多项式
• x0, x1,··· ,xn 为插值节点
• [a, b]为插值区间
• (1) 为插值条件
8
代数插值问题
x y
x0 x1 xn
y= f (x)
图 1: 代数插值
几何意义:通过n+ 1个点(xi, yi)(i= 0,1,2,··· ,n)做一条代数曲线 y= Pn(x),使其近似于y= f (x)
代数插值问题
x y
x0 x1 xn
y= f (x) y= Pn(x)
图 1: 代数插值
几何意义:通过n+ 1个点(xi, yi)(i= 0,1,2,··· ,n)做一条代数曲线 y= Pn(x),使其近似于y= f (x)
9
代数插值问题
在[a, b]上用Pn(x)近似f (x),除了在插值节点xi 处Pn(xi)= f (xi)外,
在其余点处有误差
称
Rn(x)= f (x) − Pn(x)
为插值多项式的余项,表示用Pn(x)去近似f (x)的截断误差。
一般地,max
a≤x≤b|Rn(x)|越小,其近似程度越好。
10
代数插值问题
在[a, b]上用Pn(x)近似f (x),除了在插值节点xi 处Pn(xi)= f (xi)外,
在其余点处有误差
定义 : 插值余项 称
Rn(x)= f (x) − Pn(x)
为插值多项式的余项,表示用Pn(x)去近似f (x)的截断误差。
一般地,max
a≤x≤b|Rn(x)|越小,其近似程度越好。
10
在[a, b]上用Pn(x)近似f (x),除了在插值节点xi 处Pn(xi)= f (xi)外,
在其余点处有误差
定义 : 插值余项 称
Rn(x)= f (x) − Pn(x)
为插值多项式的余项,表示用Pn(x)去近似f (x)的截断误差。
一般地,max
a≤x≤b|Rn(x)|越小,其近似程度越好。
10
拉格朗日插值
插值多项式的存在性与惟一性
定理
在n+ 1个互异节点xi 上满足插值条件 Pn(xi)= yi (i= 0,1,2,··· ,n) 的次数不高于n 次插值多项式Pn(x)存在且惟一。
11
插值多项式的存在性与惟一性
证明
设 Pn(x)= a0+ a1x+ a2x2+ ··· + anxn,
根据插值条件,系数a0, a1,··· ,an
应满足
a0+ a1x0+ a2x20+ ··· + anxn0 = y0 a0+ a1x1+ a2x21+ ··· + anxn1 = y1
...
a0+ a1xn+ a2x2n+ ··· + anxnn = yn
(2)
其中系数行列式为范德蒙行列式
V=
¯¯¯¯
¯¯¯¯
¯¯
1 x0 x20 ··· xn0 1 x1 x21 ··· xn1 ... ... ... ... 1 xn x2n ··· xnn
¯¯¯¯
¯¯¯¯
¯¯
= ∏
n≥i>j≥0 (xi− xj)
由于节点互异,即xi̸= xj(i̸= j),故V̸= 0。由克莱姆法则知(2)存在惟一 解,亦即插值多项式存在惟一。
插值多项式的存在性与惟一性
证明
设 Pn(x)= a0+ a1x+ a2x2+ ··· + anxn,根据插值条件,系数a0, a1,··· ,an
应满足
a0+ a1x0+ a2x20+ ··· + anxn0 = y0 a0+ a1x1+ a2x21+ ··· + anxn1 = y1
...
a0+ a1xn+ a2x2n+ ··· + anxnn = yn
(2)
V=
¯¯¯¯
¯¯¯¯
¯¯
1 x0 x20 ··· xn0 1 x1 x21 ··· xn1 ... ... ... ... 1 xn x2n ··· xnn
¯¯¯¯
¯¯¯¯
¯¯
= ∏
n≥i>j≥0 (xi− xj)
由于节点互异,即xi̸= xj(i̸= j),故V̸= 0。由克莱姆法则知(2)存在惟一 解,亦即插值多项式存在惟一。
插值多项式的存在性与惟一性
证明
设 Pn(x)= a0+ a1x+ a2x2+ ··· + anxn,根据插值条件,系数a0, a1,··· ,an
应满足
a0+ a1x0+ a2x20+ ··· + anxn0 = y0 a0+ a1x1+ a2x21+ ··· + anxn1 = y1
...
a0+ a1xn+ a2x2n+ ··· + anxnn = yn
(2)
其中系数行列式为范德蒙行列式
V=
¯¯¯¯
¯¯¯¯
¯¯
1 x0 x20 ··· xn0 1 x1 x21 ··· xn1 ... ... ... ... 1 xn x2n ··· xnn
¯¯¯¯
¯¯¯¯
¯¯
= ∏
n≥i>j≥0 (xi− xj)
由于节点互异,即xi̸= xj(i̸= j),故V̸= 0。由克莱姆法则知(2)存在惟一 解,亦即插值多项式存在惟一。
证明
设 Pn(x)= a0+ a1x+ a2x2+ ··· + anxn,根据插值条件,系数a0, a1,··· ,an
应满足
a0+ a1x0+ a2x20+ ··· + anxn0 = y0 a0+ a1x1+ a2x21+ ··· + anxn1 = y1
...
a0+ a1xn+ a2x2n+ ··· + anxnn = yn
(2)
其中系数行列式为范德蒙行列式
V=
¯¯¯¯
¯¯¯¯
¯¯
1 x0 x20 ··· xn0 1 x1 x21 ··· xn1 ... ... ... ... 1 xn x2n ··· xnn
¯¯¯¯
¯¯¯¯
¯¯
= ∏
n≥i>j≥0 (xi− xj)
由于节点互异,即xi̸= xj(i̸= j),故V̸= 0。由克莱姆法则知(2)存在惟一 解,亦即插值多项式存在惟一。
12
拉格朗日插值
线性插值
定义 : 线性插值
设 y= f (x) 在 [x0, x1] 两端点的值为 y0= f (x0), y1= f (x1),要求 用线性函数y= L1(x)= ax + b近似代替f (x),使得
L1(x0)= f (x0), L1(x1)= f (x1) 称L1(x)为f (x)的线性插值函数。
13
线性插值
x y
A
B y= f (x)
x0 x1
图 2: 线性插值
线性插值的几何意义:通过两点A(x0, y0)和B(x1, y1)的直线近似代替 曲线y= f (x)
x y
A
B y= f (x)
x0 x1
图 2: 线性插值
线性插值的几何意义:通过两点A(x0, y0)和B(x1, y1)的直线近似代替 曲线y= f (x)
14
线性插值
由直线方程的两点式可求得L1(x)的表达式为 L1(x)= x− x1
x0− x1
y0+ x− x0
x1− x0
y1
15
设
l0(x)= x− x1
x0− x1
, l1(x)= x− x0
x1− x0
则它们均为x 的一次函数,且具有如下性质
lk(xi)=
1, i= k 0, i̸= k.
具有这种性质的函数l0(x), l1(x)称为线性插值基函数,则 L1(x)= y0l0(x)+ y1l1(x)
16
线性插值
定理 条件:
1 f′(x)在[x0, x1]上连续 2 f′′(x)在(x0, x1)内存在
3 L1是满足线性插值条件的插值多项式 结论
• ∀x ∈ [x0, x1],则
R1(x)= f (x) − L1(x)=f′′(ξ)
2! (x− x0)(x− x1) 其中ξ ∈ (x0, x1),且依赖于x
17
证明
1 x= x0或x= x1:结论显然成立 2 x̸= x0且x̸= x1:构造辅助函数
φ(t) = f (t) − L1(t)− f (x)− L1(x)
(x− x0)(x− x1)(t− x0)(t− x1) 易证φ(x) = φ(x0)= φ(x1)= 0,即φ(t)在[x0, x1]上有三个零 点。由罗尔定理,φ′(t)在(x0, x1)内至少有两个零点。对 φ′(t)再应用罗尔定理,则 φ′′(t) 在(x0, x1)内至少有一个零 点ξ,使得
φ′′(ξ) = f′′(ξ) − 2! f (x)− L1(x) (x− x0)(x− x1)= 0
⇒ R1(x)= f (x) − L1(x)=f′′(ξ)
2! (x− x0)(x− x1), ξ0∈ (x0, x1)
18
线性插值
1 若f (x)的表达式未知,或f′′(x)在(x0, x1)内不存在,就不能用该 余项表达式去估计截断误差
2 即使f′′(x)存在,由于ξ的确切位置未知,此时若能求出
amax≤x≤b|f′′(x)| = M1,则截断误差为
|R1| ≤M1
2! |(x − x0)(x− x1)|.
19
抛物线插值
抛物线插值
对于f (x),设
f (x0)= y0, f (x1)= y1, f (x2)= y2, 要求作一个二次插值多项式,使其满足插值条件
L2(xi)= yi (i= 0,1,2).
由于过不同在一条直线的三点可作一条抛物线,故称二次插值多项式 L2(x)为f (x)的抛物线插值函数。
20
抛物线插值
O x
y y= L1(x)
A B
C y= f (x)
图 3: 抛物线插值
抛物线插值
O x
y y= L1(x)
A B
C y= f (x)
x0 x1 x2
图 3: 抛物线插值
21
设二次插值多项式为
L2(x)= y0l0(x)+ y1l1(x)+ y2l2(x), x0≤ x ≤ x2,
其中lk(x) (k= 0,1,2) 均为二次多项式,且满足
lk(xi)= δk,i=
{ 1, i= k
0, i̸= k (i, k= 0,1,2)
22
抛物线插值
求l0(x)
由l0(x1)= l0(x2)= 0知x1, x2为l0(x)的两个零点,故可设 l0(x)= k(x − x1)(x− x2)
再由
l0(x0)= 1
知
k(x0− x1)(x0− x2)= 1 ⇒ k = 1 (x0− x1)(x0− x2) 故
l0(x)= (x− x0)(x− x1) (x0− x1)(x0− x2)
23
求l1(x)
由l1(x0)= l1(x2)= 0知x0, x2为l1(x)的两个零点,故可设 l1(x)= k(x − x0)(x− x2)
再由
l1(x1)= 1
知
k(x1− x0)(x1− x2)= 1 ⇒ k = 1 (x1− x0)(x1− x2) 故
l1(x)= (x− x0)(x− x2) (x1− x0)(x1− x2)
24
抛物线插值
求l2(x)
由l2(x0)= l2(x1)= 0知x0, x1为l2(x)的两个零点,故可设 l2(x)= k(x − x0)(x− x1)
再由
l2(x2)= 1
知
k(x2− x0)(x2− x1)= 1 ⇒ k = 1 (x2− x0)(x2− x1) 故
l2(x)= (x− x0)(x− x1) (x2− x0)(x2− x1)
25
f (x)的二次 Lagrange 插值多项式
L2(x)= y0 (x− x0)(x− x1)
(x0− x1)(x0− x2)+ y1 (x− x0)(x− x2)
(x1− x0)(x1− x2)+ y2 (x− x0)(x− x1) (x2− x0)(x2− x1)
26
抛物线插值
定理 条件:
1 f′′(x)在[x0, x2]上连续 2 f′′′(x)在(x0, x2)内存在
3 L2是满足线性插值条件的插值多项式 结论
• R2(x)= f (x) − L2(x)=f′′′(ξ)
3! (x− x0)(x− x1)(x− x2), ∀x ∈ [x0, x2] 其中ξ ∈ (x0, x2),且依赖于x
若 max
a≤x≤b|f′′′(x)| = M2,则截断误差限为
|R2(x)| ≤M2
3!|(x − x0)(x− x1)(x− x2)|
27
定理 条件:
1 f′′(x)在[x0, x2]上连续 2 f′′′(x)在(x0, x2)内存在
3 L2是满足线性插值条件的插值多项式 结论
• R2(x)= f (x) − L2(x)=f′′′(ξ)
3! (x− x0)(x− x1)(x− x2), ∀x ∈ [x0, x2] 其中ξ ∈ (x0, x2),且依赖于x
若 max
a≤x≤b|f′′′(x)| = M2,则截断误差限为
|R2(x)| ≤M2
3!|(x − x0)(x− x1)(x− x2)|
27
拉格朗日插值
拉格朗日插值多项式
设y= f (x)在n+ 1个节点x0< x1< ··· < xn 处的函数值 f (xk)= yk (k= 0,··· ,n)。
现要作一个n 次插值多项式Ln(x),使其满足插值条件 Ln(xi)= yi (i= 0,1,2,··· ,n).
28
拉格朗日插值多项式
设n 次插值多项式为
Ln(x)= y0l0(x)+ y1l1(x)+ ··· + ynln(x), x0≤ x ≤ xn, 其中lk(x) (k= 0,1,,··· ,n)均为n 次多项式,且满足
lk(xi)= δk,i=
{ 1, i= k
0, i̸= k (i, k= 0,1,··· ,n)
29
求li(x) 由
li(x0)= ··· = li(xi−1)= li(xi+1)= ··· = li(xn)= 0 知x0,··· ,xi−1, xi+1,··· ,xn 为li(x)的n 个零点,故可设 li(x)= k(x − x0)···(x − xi−1)· (x − xi−1)···(x − xn) 再由li(xi)= 1知
k(xi− x0)···(xi− xi−1)· (xi− xi−1)···(xi− xn)= 1
⇒ k = 1
(xi− x0)···(xi− xi−1)· (xi− xi−1)···(xi− xn)
故
li(x)= (x− x0)···(x − xi−1)· (x − xi−1)···(x − xn) (xi− x0)···(xi− xi−1)· (xi− xi−1)···(xi− xn)
30
拉格朗日插值多项式
f (x)的 n 次 Lagrange 插值多项式
Ln(x)=∑n
k=0
yklk(x)
其中
lk(x)=∏n
i=0i̸=k
(x− xi) (xk− xi)
31
记
ωn+1(x)= (x − x0)(x− x1)···(x − xn), 则
ω′n+1(xk)= (xk− x0)···(xk− xk−1)(xk− xk+1)···(xk− xn) 于是
Ln(x)=∑n
k=0
yk ωn+1(x) (x− xk)ω′n+1(x)
32
拉格朗日插值多项式
n次插值多项式Ln(x)通常是次数为n 的多项式,特殊情况下次数可 能小于n。
如,通过三点(x0, y0), (x1, y1), (x2, y2)的二次插值多项式L2(x),若三点 共线,则y= L2(x)就是一条直线,而非抛物线。
33
n次插值多项式Ln(x)通常是次数为n 的多项式,特殊情况下次数可 能小于n。
如,通过三点(x0, y0), (x1, y1), (x2, y2)的二次插值多项式L2(x),若三点 共线,则y= L2(x)就是一条直线,而非抛物线。
33
拉格朗日插值多项式
定理 条件:
1 f(n)(x)在[x0, xn]上连续 2 f(n+1)(x)在(x0, xn)内存在
3 Ln 是满足线性插值条件的插值多项式 结论
Rn(x)= f (x) − Ln(x)=f(n+1)(ξ)
(n+ 1)! ωn+1(x),其中ξ ∈ (x0, xn),且依 赖于x
34
拉格朗日插值多项式
定理
通过 n+ 1个互异节点x0, x1,··· ,xn 且满足插值条件的插值多项式 是唯一的。
若还有一个插值多项式 Pn(x),则 Ln(x)−Pn(x)是一个次数不超过 n 的多项式,且在节点xi 处的值为 0,即Ln(x)−Pn(x)有n+1个 零点。但次数不超过 n 的多项式的零点个数不能超过n,故只有 Ln(x)− Pn(x)≡ 0,即Ln(x)≡ Pn(x)。
35
拉格朗日插值多项式
定理
通过 n+ 1个互异节点x0, x1,··· ,xn 且满足插值条件的插值多项式 是唯一的。
证明
若还有一个插值多项式 Pn(x),则 Ln(x)−Pn(x)是一个次数不超过 n 的多项式,且在节点xi 处的值为 0,即Ln(x)−Pn(x)有n+1个 零点。但次数不超过 n 的多项式的零点个数不能超过n,故只有 Ln(x)− Pn(x)≡ 0,即Ln(x)≡ Pn(x)。
35
关于编程,通常采用紧凑表达式
Ln(x)=∑n
k=0
∏n
i=0i̸=k
(x− xi) (xk− xi)
yk
涉及二重循环,先固定k,令i从0到n(i̸= k)做乘积,再对k 求和。
36
拉格朗日插值多项式
例
已知e−x 在x= 1,2,3点的值由下表给出。试分别用线性插值与二
次插值计算e−2.1 的近似值,并进行误差估计。
x 1 2 3
e−x 0.367879441 0.135335283 0.049787068
37
解
线性插值:取x0= 2, x1= 3, x = 2.1,代入一次插值公式 L1(2.1)= 0.135335283 ×2.1− 3
2− 3 + 0.049787068 ×2.1− 2
3− 2 = 0.12678046
二次插值:取x0= 1, x1= 2, x2= 3, x = 2.1,代入二次插值公式
L2(2.1) = 0.367879441×(2.1− 2)(2.1 − 3)
(1− 2)(1 − 3) + 0.135335283 ×(2.1− 1)(2.1 − 3) (2− 1)(2 − 3) +0.049787068 ×(2.1− 1)(2.1 − 2)
(3− 1)(3 − 2) = 0.120165644
38
拉格朗日插值多项式
解 (续) :
注意到e−x 的递减性,有
|R1(2.1)| ≤ e−2
2! |(2.1 − 2)(2.1 − 3)| ≈ 0.00609009
|R2(2.1)| ≤ e−1
3! |(2.1 − 1)(2.1 − 2)(2.1 − 3)| ≈ 0.006070091
39
分段低次插值
对于函数f (x),并非插值多项式的次数越高,精度就越好。这是因为高
次插值多项式往往有数值不稳定的缺点,即对任意的插值节点,
Pn(x)↛f (x), n→ ∞
40
给定f (x)= 1
1+x2,在[−5,5]上的各阶导数均存在,在n+ 1个均匀节点
xi= −5 + i10n (i= 0,1,··· ,n)上所构造的拉格朗日插值多项式
Ln(x)=∑n
k=0
1 1+ xk2
ωn+1(x) (x− xk)ω′n+1(xk)
41
分段低次插值
x y
-5 O 5
y=1+x12
y= L10(x)
图 4: 龙格现象
42
为了避免高次插值的不稳定性,常采用分段插值的方法,即将插值区 间分为若干个小区间,在每个小区间上运用前面介绍的插值方法构造 低次插值多项式,以达到适当缩小插值区间长度,同样可以提高插值 精度的目的。
43
分段低次插值
x y
-5 O 5
y=1+x12
y= L10(x)
图 5: 将f=1+x12 在节点x= 0,±1,±2,±3,±4,±5处用折线连起来
44
分段低次插值的优点:
• 公式简单,计算量小
• 有较好的收敛速度
• 可避免计算机上做高次乘幂时常遇到的上溢和下溢的困难
45
分段低次插值
分段低次插值
设
a= x0< x1< ··· < xn−1< xn= b, 且
yi= f (xi) (i= 0,1,··· ,n), 于是得到n+ 1个点
(x0, y0), (x1, y1), ··· ,(xn, yn).
连接相邻两点(xi, yi)和(xi+1, yi+1),得一折线函数φ(x),满足 1 φ(x)在[a, b]上连续
2 φ(xi)= yi (i= 0,1,··· ,n)
3 φ(x)在每个小区间[xi, xi+1]上是线性函数 则称φ(x)为分段线性插值函数。
46
分段低次插值
φ(x)在每个小区间[xi, xi+1]上可表示为 φ(x) = x− xi+1
xi− xi+1yi+ x− xi
xi+1− xiyi+1, x∈ [xi, xi+1], (i= 0,1,2,··· ,n − 1).
47
分段低次插值
φ(x)的基函数表示
φ(x) =∑n
i=0
yili(x), a≤ x ≤ b, 其中li(x)是分段的线性连续函数,且满足
li(xk)=
{ 1, i= k 0, i̸= k
li(x)=
xi− xi−1
x− xi+1
xi− xi+1, xi≤ x ≤ xi+1(i= n略去)
0, 其他
48
分段低次插值
φ(x)的基函数表示
φ(x) =∑n
i=0
yili(x), a≤ x ≤ b, 其中li(x)是分段的线性连续函数,且满足
li(xk)=
{ 1, i= k 0, i̸= k
li(x)=
x− xi−1
xi− xi−1, xi−1≤ x ≤ xi(i= 0略去) x− xi+1
xi− xi+1, xi≤ x ≤ xi+1(i= n略去)
0, 其他
48
x0 xn
l0 (x)
li(x)
xi
ln(x)
图 6: 分段线性插值基函数
49
分段低次插值
分段抛物线插值
50
分段抛物线插值
分段抛物线插值是把区间[a, b]分成若干个子区间,在每个子区间 [xi−1, xi+1] (i= 1,2,··· ,n − 1)
上用抛物线去近似曲线y= f (x)。
50
φ(x)在每个小区间[xi−1, xi+1]上可表示为 φ(x) = (x− xi)(x− xi+1)
(xi−1− xi)(xi−1− xi+1)yi−1+ (x− xi−1)(x− xi+1) (xi− xi−1)(xi− xi+1)yi
+ (x− xi−1)(x− xi)
(xi+1− xi−1)(xi+1− xi)yi+1, x∈ [xi−1, xi+1], (i= 1,2,··· ,n − 1).
51
分段抛物线插值
称φ(x)为f (x)在区间[a, b]上的分段二次插值函数,有如下性质
1 φ(x)在[a, b]上连续 2 φ(xi)= yi (i= 0,1,··· ,n)
3 φ(x)在每个小区间[xi, xi+1]上是次数不超过二次的多项式
52
差商与牛顿插值多项式
拉格朗日插值的优缺点 优点
• 含义直观,形式对称,结构紧凑,便于记忆和编程 缺点
• 当精度不高而需要增加插值节点时,插值多项式须重新构造
53
为了克服这一缺点,将介绍牛顿插值多项式:
其使用比较灵活,当增加插值节点时,只要在原来的基础上增加部分 计算而使原来的结果仍可利用。
54
差商与牛顿插值多项式
差商的定义及性质
定义
已知f (x)在互异节点x0< x1< ··· < xn处的函数值分别为f (x0), f (x1),··· ,f (xn)。
1 称f [xi, xi+1]=f (xi+1)− f (xi) xi+1− xi
为f (x)关于节点xi, xi+1 的一阶 差商。
2 称f [xi, xi+1, xi+2]=f [xi+1, xi+2]− f [xi, xi+1] xi+2− xi
为f (x)关于节点 xi, xi+1, xi+2的二阶差商。
3 称
f [xi, xi+1,··· ,xi+k]=f [xi+1, xi+2,··· ,xi+k]− f [xi, xi+1,··· ,xi+k−1] xi+k− xi
为f (x)关于节点xi, xi+1, xi+2,··· ,xi+k 的k 阶差商。
4 当k= 0时,f (xi)为f (x)关于节点xi 的零阶差商,记为 f [xi]。
55
差商的定义及性质
f′(xi)= limx
i+1→xi
f (xi+1)− f (xi) xi+1− xi = limx
i+1→xif [xi, xi+1] 故差商是微商的离散形式。
以下介绍差商的性质。
56
f′(xi)= limx
i+1→xi
f (xi+1)− f (xi) xi+1− xi = limx
i+1→xif [xi, xi+1] 故差商是微商的离散形式。
以下介绍差商的性质。
56
差商的定义及性质
性质 : 1
f [x0, x1,··· ,xk]=∑k
j=0
f (xj) ω′k+1(xj)
57
性质 : 2
商与其所含节点的排列次序无关,即
f [xi, xi+1]= f [xi+1, xi]
f [xi, xi+1, xi+2]= f [xi+1, xi, xi+2]= f [xi+2, xi+1, xi]
58
差商的定义及性质
性质 : 3
f (x) 在包含互异节点 x0, x1,··· ,xn 的闭区间[a, b] 上有 n 阶导数,
则
f [x0, x1,··· ,xn]=f(n)(ξ)
n! , ξ ∈ (a,b).
59
表 1: 差商表
xi f (xi) 一阶差商 二阶差商 三阶差商 四阶差商
x0 f (x0)
x1 f (x1) f [x0, x1]
x2 f (x2) f [x1, x2] f [x0, x1, x2]
x3 f (x3) f [x2, x3] f [x1, x2, x3] f [x0, x1, x2, x3]
x4 f (x4) f [x3, x4] f [x2, x3, x4] f [x1, x2, x3, x4] f [x0, x1, x2, x3, x4]
... ... ... ... ... ...
60
差商与牛顿插值多项式
牛顿插值多项式及其余项
f (x)= f (x0)+ f [x,x0](x− x0)
f [x, x0]= f [x0, x1]+ f [x,x0, x1](x− x1)
⇒ f (x) =f (x0)+ f [x0, x1](x− x0)
| {z }
N1(x)
+f [x, x0, x1](x− x0)(x− x1)
| {z }
R∗1(x)
易验证N1(x)为满足插值条件
N1(x0)= y0, N1(x1)= y1
的一次插值多项式。
61