Bài giảng tóm tắt Phương pháp tính

Buổi 5: Đa thức nội suy

ThS. Trần Quang Khải
Bộ môn Cơ điện tử, Khoa Cơ khí, UD-DUT
Tháng 4, 2022

1 Đặt vấn đề
Rất nhiều vấn đề của Toán học đều xuất phát từ các nhu cầu thực tế. Hãy thử xét một số
ví dụ sau:
(i) Khi tiến hành đo đạc nhiệt độ và áp suất cho một lò hơi không chứa khí lý tưởng. Sử
dụng các cảm biến nhiệt độ và áp suất rất chính xác, ta đo được 𝑛 + 1 cặp giá trị (nhiệt
độ, áp suất) = (𝑡𝑘 , 𝑝𝑘 ), 𝑘 = 1, … , 𝑛 + 1. Làm thế nào để biết các giá trị (𝑡𝑖 , 𝑝𝑖 ) nằm giữa
các điểm mà ta đã đo được mà không cần phải tiến hành đo đạc lại (vì số điểm nằm giữa
hai điểm phân biệt là vô số điểm)?
(ii) Khi thiết kế một font chữ mới trên máy tính. Có một số ký tự được viết bằng những
đường cong. Ví dụ như chữ 𝒟. Ta chưa viết hoàn chỉnh chữ 𝒟 này nhưng ta cần đường
cong của chữ đi qua một số điểm nào đó. Làm thế nào để tìm ra đường cong này?

𝑦 𝑝

(a) Đường cong đi qua một số điểm cho trước (b) Quan hệ giữa nhiệt độ và áp suất trong
trong chữ 𝒟 một lò hơi

Nội suy (interpolation) là bài toán dựa trên một số điểm dữ liệu rời rạc cho trước, ta xác
định một hàm số sao cho ta có thể tìm được các điểm dữ liệu nằm giữa các điểm giữ
liệu rời rạc này. Về mặt hình học, nội suy là tìm một hàm số sao cho đồ thị của hàm số
này đi qua một số điểm dữ liệu cho trước. Chúng ta có thể nội suy trong không gian hai
chiều (mặt phẳng) hoặc không gian 𝑛-chiều.

Có nhiều phương pháp nội suy:

1
Bài giảng Phương pháp tính ThS. Trần Quang Khải

(i) Nội suy tuyến tính (linear interpolation): nối các điểm dữ liệu liền kề nhau bằng các
đường thẳng. Đây là dạng nội suy đơn giản nhất.
(ii) Nội suy đa thức (polynomial interpolation): tìm một hàm đa thức có đồ thị đi qua tất cả
các điểm dữ liệu cho trước.
(iii) Nội suy spline (spline interpolation): thay vì nối giữa hai điểm dữ liệu là một đường thẳng
như nội suy tuyến tính, ta tìm một đường cong bậc ba để nối giữa hai điểm này. Tiến
hành nối liên tiếp các điểm dữ liệu cho đến hết.
Trong nội dung chương trình học, ta chỉ xét qua nội suy đa thức trong không gian hai
chiều.

2 Đa thức nội suy Lagrange

Giả sử ta có 𝑛 + 1 cặp giá trị (𝑥𝑘 , 𝑦𝑘 ), 𝑘 = 1, … , 𝑛 + 1. Ta cần tìm một hàm đa thức có đồ
thị đi qua 𝑛 + 1 điểm giá trị rời rạc này. Nếu gọi hàm đa thức thỏa mãn điều kiện trên là 𝒫(𝑥)
thì ta có 𝒫(𝑥𝑘 ) = 𝑦𝑘 . Vấn đề đặt ra sẽ là làm thế nào để tìm ra hàm đa thức 𝒫(𝑥) này. Để giải
quyết vấn đề này thì trước tiên chúng ta cần xét qua một định lý sau.

Định lý 1 (Bậc của đa thức nội suy). Cho 𝑛 + 1 điểm dữ liệu (𝑥𝑘 , 𝑦𝑘 ), 𝑘 = 1, … , 𝑛 + 1
trong đó không có điểm dữ liệu nào trùng nhau. Khi đó tồn tại duy nhất một hàm đa thức có
bậc nhỏ hơn hoặc bằng 𝑛 có đồ thị đi qua tất cả các điểm dữ liệu cho trước này. Hàm đa thức
này được gọi là hàm nội suy hoặc đa thức nội suy.

Ghi chú về mặt thuật ngữ: Thông thường khi nói đến đa thức và hàm đa thức, ta hiểu
như sau
• Khi ta nói đến hàm đa thức là ta đang nói đến hàm số ở dạng đa thức. Ví dụ
𝑓(𝑥) = 𝒫(𝑥) = 𝑥3 + 4𝑥2 + 3𝑥 − 2. Ta thường ký hiệu bằng chữ cái in hoa kèm theo
(𝑥) để chỉ hàm đa thức: 𝒫(𝑥), ℒ(𝑥), ℱ(𝑥).
• Khi ta nói đến đa thức (không có từ hàm ở trước) thì ta đang nhắc đến biểu thức.
Ví dụ 𝒫 = 𝑥3 + 4𝑥2 + 3𝑥 − 2 chỉ là một biểu thức, không phải hàm. Ta ký hiệu đa
thức bằng các chữ cái in hoa 𝒫, ℒ, ℱ.
Tuy nhiên trong phần đa thức nội suy, ta sử dụng hai khái niệm đa thức và hàm đa thức
thay thế lẫn nhau. Ví dụ khi ta nói đa thức nội suy thì ta ngầm hiểu đang nói đến hàm
đa thức nội suy.

Thông thường, ta sẽ cố gắng tìm hàm đa thức với bậc càng nhỏ càng tốt (đa thức bậc nhỏ
sẽ dễ khảo sát, dễ vẽ đồ thị hơn). Định lý 1 chỉ ra rằng tổng quát với 𝑛 + 1 điểm dữ liệu cho
trước ta chỉ tìm được duy nhất một đa thức có bậc nhỏ hơn hoặc bằng 𝑛 đi qua tất cả các
điểm dữ liệu này. Ví dụ, ta có bốn điểm dữ liệu, giả sử ta tìm được một hàm đa thức bậc ba
đi qua cả bốn điểm dữ liệu này thì ta không thể tìm thêm được một đa thức bậc nhỏ hơn ba
đi qua cả bốn điểm đó.
Vậy theo định lý 1, ta sẽ cố gắng đi tìm một đa thức nội suy bậc 𝑛 cho 𝑛 + 1 điểm dữ liệu
không trùng nhau. Nếu đa thức nội suy bậc 𝑛 này tồn tại thì nó là duy nhất trong số các đa
thức nội suy bậc nhỏ hơn hoặc bằng 𝑛.
Ý tưởng để xây dựng đa thức bậc 𝑛 này như sau:
(i) Xét 𝑛 + 1 điểm dữ liệu không trùng nhau. Ta thường sắp xếp các điểm này theo chiều
tăng dần của 𝑥𝑘 .

Trang 2
Bài giảng Phương pháp tính ThS. Trần Quang Khải

(ii) Nếu ta tìm được 𝑛 + 1 đa thức nhỏ (gọi là đa thức cơ sở) bậc 𝑛 thỏa mãn:

(𝑘) 1, 𝑗 = 𝑘
𝑝𝑛 (𝑥𝑗 ) = { , 𝑗 = 1, … , 𝑛 + 1 (1)
0, 𝑗 ≠ 𝑘

thì khi đó đa thức nội suy sẽ là

𝑛+1
(𝑘)
ℒ𝑛 (𝑥) = ∑ 𝑝𝑛 𝑦𝑘 (2)
𝑘=1

(𝑘)
(iii) Bài toán bây giờ trở thành làm thế nào để tìm ra các đa thức cơ sở 𝑝𝑛 . Ta nhận thấy là
(𝑘) (𝑘)
đa thức 𝑝𝑛 là một đa thức bậc 𝑛 nên nó có tối đa 𝑛 nghiệm. Từ (1) ta thấy 𝑝𝑛 đã có
𝑛 nghiệm nên nó có thể được viết dưới dạng:
(𝑘)
𝑝𝑛 = 𝐶𝑘 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝑥𝑘−1 )(𝑥 − 𝑥𝑘+1 ) … (𝑥 − 𝑥𝑛+1 ) (3)
(𝑘)
với 𝐶𝑘 là một hằng số nào đó. Vì 𝑝𝑛 (𝑥𝑘 ) = 1 theo (1) nên

1 = 𝐶𝑘 (𝑥𝑘 − 𝑥1 )(𝑥𝑘 − 𝑥2 ) … (𝑥𝑘 − 𝑥𝑘−1 )(𝑥𝑘 − 𝑥𝑘+1 ) … (𝑥𝑘 − 𝑥𝑛+1 ) (4)

Vậy
1
𝐶𝑘 = (5)
(𝑥𝑘 − 𝑥1 )(𝑥𝑘 − 𝑥2 ) … (𝑥𝑘 − 𝑥𝑘−1 )(𝑥𝑘 − 𝑥𝑘+1 ) … (𝑥𝑘 − 𝑥𝑛+1 )
(𝑘)
(iv) Vậy đa thức cơ sở 𝑝𝑛 có dạng

(𝑘) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝑥𝑘−1 )(𝑥 − 𝑥𝑘+1 ) … (𝑥 − 𝑥𝑛+1 )

𝑝𝑛 = (6)
(𝑥𝑘 − 𝑥1 )(𝑥𝑘 − 𝑥2 ) … (𝑥𝑘 − 𝑥𝑘−1 )(𝑥𝑘 − 𝑥𝑘+1 ) … (𝑥𝑘 − 𝑥𝑛+1 )

𝑛+1
(𝑘)
Đa thức ℒ𝑛 (𝑥) = ∑ 𝑝𝑛 𝑦𝑘 với các đa thức cơ sở
𝑘=1

(𝑘) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝑥𝑘−1 )(𝑥 − 𝑥𝑘+1 ) … (𝑥 − 𝑥𝑛+1 )

𝑝𝑛 =
(𝑥𝑘 − 𝑥1 )(𝑥𝑘 − 𝑥2 ) … (𝑥𝑘 − 𝑥𝑘−1 )(𝑥𝑘 − 𝑥𝑘+1 ) … (𝑥𝑘 − 𝑥𝑛+1 )

được gọi là đa thức nội suy Lagrange.

Ví dụ: tìm đa thức nội suy Lagrange đi qua ba điểm sau:

𝑘 1 2 3
𝑥𝑘 0 1 3
𝑦𝑘 1 -1 2

Bảng 1: Bảng số liệu nội suy

Ta thấy có tổng cộng ba điểm dữ liệu nên ta sẽ đi tìm một đa thức nội suy bậc hai cho
bảng số liệu này. Để tìm đa thức nội suy Lagrange thì ta phải đi tìm các đa thức cơ sở.

Trang 3
Bài giảng Phương pháp tính ThS. Trần Quang Khải

(1) (𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 1)(𝑥 − 3) 𝑥2 − 4𝑥 + 3

𝑝2 = = =
(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 ) (0 − 1)(0 − 3) 3
2
(2) (𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥 − 0)(𝑥 − 3) −𝑥 + 3𝑥
𝑝2 = = =
(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) (1 − 0)(1 − 3) 2
2
(3) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 0)(𝑥 − 1) 𝑥 −𝑥
𝑝2 = = =
(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 ) (3 − 0)(3 − 1) 6

Đa thức nội suy Lagrange lúc này sẽ là

3
(𝑘) 𝑥2 − 4𝑥 + 3 −𝑥2 + 3𝑥 𝑥2 − 𝑥 7 19
∑ 𝑝2 𝑦𝑘 = ⋅1+ ⋅ (−1) + ⋅ 2 = 𝑥2 − 𝑥 + 1
𝑘=1
3 2 6 6 6

3 𝑦

𝑥
−1 1 2 3 4
−1

−2

Hình 2: Đa thức nội suy cho bảng số liệu 1

Ngoài cách sử dụng công thức lý thuyết, ta có thể tìm đa thức nội suy Lagrange bằng cách
sử dụng bảng tính như sau:

𝑥 𝑥1 𝑥2 … 𝑥𝑛+1
𝑥1 𝑥 − 𝑥1 𝑥1 − 𝑥 2 ⋮ 𝑥1 − 𝑥𝑛+1 𝐷1
𝑥2 𝑥2 − 𝑥1 𝑥 − 𝑥2 ⋮ 𝑥2 − 𝑥𝑛+1 𝐷2
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
𝑥𝑛+1 𝑥𝑛+1 − 𝑥1 𝑥𝑛+1 − 𝑥2 … 𝑥 − 𝑥𝑛+1 𝐷𝑛+1
𝑛+1
𝑦𝑘
ℒ𝑛 (𝑥) = 𝑊 ∑ 𝑊
𝑘=1
𝐷𝑘

Bảng 2: Bảng tính đa thức nội suy Lagrange

Để tính đa thức nội suy Lagrange sử dụng bảng tính.

• Các đa thức 𝐷𝑘 là tích các ô trên hàng 𝑘.
• Đa thức 𝑊 là tích các phần tử trên đường chéo chính.
𝑛+1
𝑦𝑘
• Khi đó đa thức nội suy Lagrange được tính ℒ𝑛 (𝑥) = 𝑊 ∑ .
𝑘=1
𝐷𝑘

Trang 4
Bài giảng Phương pháp tính ThS. Trần Quang Khải

Ví dụ: tìm đa thức nội suy Lagrange đi qua ba điểm sau bằng cách sử dụng bảng tính

𝑘 1 2 3
𝑥𝑘 0 1 3
𝑦𝑘 1 -1 2

Bảng 3: Bảng số liệu nội suy

Ta lập bảng tính đa thức nội suy Lagrange

𝑥 𝑥1 = 0 𝑥2 = 1 𝑥3 = 3
𝑥1 = 0 𝑥−0 0−1 0−3 𝐷1 = 3𝑥
𝑥2 = 1 1 𝑥−1 −2 𝐷2 = −2(𝑥 − 1)
𝑥3 = 3 3 2 𝑥−3 𝐷3 = 6(𝑥 − 3)
𝑊 = 𝑥(𝑥 − 1)(𝑥 − 3)

Bảng 4

Khi đó đa thức nội suy Lagrange sẽ là

1 1 2
ℒ2 (𝑥) =𝑥(𝑥 − 1)(𝑥 − 3) [ + + ]
3𝑥 2(𝑥 − 1) 6(𝑥 − 3)
𝑥2 − 4𝑥 + 3 𝑥2 − 3𝑥 𝑥2 − 𝑥
= + +
3 2 3
2𝑥2 − 8𝑥 + 6 + 3𝑥2 − 9𝑥 + 2𝑥2 − 2𝑥
=
6
2
7𝑥 − 19𝑥 + 6
=
6
7 2 19
= 𝑥 − 𝑥+1
6 6

Việc thiết lập đa thức nội suy Lagrange cho một bảng số liệu cho trước là tương đối đơn
giản. Ta không cần phải sắp xếp các điểm dữ liệu theo thứ tự tăng dần của 𝑥𝑘 cũng có thể
tính toán ra được kết quả cuối cùng (nhưng trong thực tế thì nên sắp xếp trước rồi mới bắt
đầu tính toán). Nếu không có điểm dữ liệu nào trùng nhau thì đa thức nội suy Lagrange cho
mỗi bảng dữ liệu là duy nhất.
Đa thức nội suy Lagrange không hiệu quả khi dùng trong trường hợp ta cần cập nhật bảng
số liệu. Vì khi ta thêm vào một điểm dữ liệu mới vào ngay sau điểm dữ liệu cuối cùng, ví dụ
như ta thêm một điểm (𝑥𝑛+2 , 𝑦𝑛+2 ) thì ta bắt buộc phải tính lại toàn bộ các đa thức cơ sở
hoặc bảng tính.

3 Đa thức nội suy Newton

Đa thức nội suy Newton được xây dựng dựa trên khái niệm sai phân.

Định nghĩa 1 (Sai phân và tỷ sai phân). Cho hàm số 𝑦 = 𝑓(𝑥), sai phân (difference) hữu
hạn cấp một của đối số 𝑥 và hàm số 𝑦 tại hai điểm phân biệt 𝑥𝑘 và 𝑥𝑘+1 được tính bằng công

Trang 5
Bài giảng Phương pháp tính ThS. Trần Quang Khải

thức:
Δ𝑥𝑘 = 𝑥𝑘+1 − 𝑥𝑘
(7)
Δ𝑦𝑘 = 𝑓(𝑥𝑘+1 ) − 𝑓(𝑥𝑘 )
Δ𝑦𝑘
Tỷ số được gọi là tỷ sai phân (difference quotient) cấp một và được ký hiệu là 𝑓[𝑥𝑘 , 𝑥𝑘+1 ].
Δ𝑥𝑘
Khi đó, ta có tỷ sai phân cấp 𝑝 được định nghĩa bằng công thức:

𝑓[𝑥𝑘+1 , … , 𝑥𝑘+𝑝 ] − 𝑓[𝑥𝑘 , … , 𝑥𝑘+𝑝−1 ]

𝑓[𝑥𝑘 , … , 𝑥𝑘+𝑝 ] = (8)
𝑥𝑘+𝑝 − 𝑥𝑘

Sai phân hữu hạn cấp một và tỷ sai phân cấp một tương đối đơn giản. Ta thử xét một ví
dụ để hiểu tỷ sai phân cấp 𝑝. Lấy 𝑘 = 1 và 𝑝 = 3, ta có

𝑓[𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥1 , 𝑥2 , 𝑥3 ]
𝑓[𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] =
𝑥4 − 𝑥1

Ta cần tính hai tỷ sai phân khác là 𝑓[𝑥1 , 𝑥2 , 𝑥3 ], 𝑓[𝑥2 , 𝑥3 , 𝑥4 ]:

𝑓[𝑥2 , 𝑥3 ] − 𝑓[𝑥1 , 𝑥2 ]
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] =
𝑥3 − 𝑥1
𝑓[𝑥3 , 𝑥4 ] − 𝑓[𝑥2 , 𝑥3 ]
𝑓[𝑥2 , 𝑥3 , 𝑥4 ] =
𝑥4 − 𝑥2

Với 𝑓[𝑥1 , 𝑥2 ], 𝑓[𝑥2 , 𝑥3 ], 𝑓[𝑥3 , 𝑥4 ] thì ta dễ dàng tính được sử dụng định nghĩa 1.

Công thức của Đa thức nội suy Newton

Cho 𝑛 + 1 điểm dữ liệu (𝑥𝑘 , 𝑦𝑘 ) không trùng nhau và đã được sắp xếp theo chiều tăng
dần của 𝑥𝑘 . Ta thừa nhận công thức của đa thức nội suy Newton như sau

𝒩𝑓𝑛 (𝑥) = 𝑦1 + 𝑓[𝑥1 , 𝑥2 ](𝑥 − 𝑥1 ) + 𝑓[𝑥1 , 𝑥2 , 𝑥3 ](𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + ⋯ +

𝑓[𝑥1 , … , 𝑥𝑛+1 ](𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 ) (9)

Ví dụ: Tìm đa thức nội suy Newton cho bảng số liệu sau

𝑘 1 2 3
𝑥𝑘 0 1 3
𝑦𝑘 1 -1 2

Bảng 5: Bảng số liệu nội suy

Với đa thức nội suy Newton thì ta nên lập bảng để tính toán như sau (ta ký hiệu các tỷ
sai phân cấp 𝑝 là Δ𝑝𝑓 )

Trang 6
Bài giảng Phương pháp tính ThS. Trần Quang Khải

𝑘 𝑥𝑘 𝑦𝑘 Δ1𝑓 Δ2𝑓
1 0 1
2 1 −1 -2
3 7
3 3 2
2 6

Bảng 6: Bảng tính các tỷ sai phân

Vậy đa thức nội suy Newton cho bảng số liệu trên sẽ là

7
𝒩𝑓2 (𝑥) = 1 + (−2)(𝑥 − 0) + (𝑥 − 0)(𝑥 − 1)
6
7 2
= 1 − 2𝑥 + (𝑥 − 𝑥)
6
7 2 19
= 𝑥 − 𝑥+1
6 6

Việc tính các tỷ sai phân cấp 𝑝 của đa thức nội suy Newton có thể gặp khó khăn. Nhưng
đa thức nội suy Newton rất hiệu quả trong trường hợp ta cần cập nhật thêm điểm dữ liệu. Vì
khi đó ta không cần tính lại từ đầu mà chỉ cần thêm vào thành phần tỷ sai phân từ 𝑥1 đến
điểm dữ liệu mới.
Vì đa thức nội suy có bậc nhỏ hơn hoặc bằng 𝑛 là duy nhất với 𝑛 + 1 điểm dữ liệu cho
trước nên đa thức nội suy Newton và đa thức nội suy Lagrange là giống nhau cho cùng một
bảng tính.

4 Nội suy spline

Như đã đề cập ở đầu bài học thì nội suy spline là một dạng nội suy đặc biệt. Ta nối giữa
hai điểm dữ liệu (𝑥𝑘 , 𝑦𝑘 ) và (𝑥𝑘+1 , 𝑦𝑘+1 ) bằng một hàm bậc ba. Như vậy trên mỗi đoạn hoặc
nửa khoảng 𝑥𝑘 , 𝑥𝑘+1 ta có một hàm spline khác nhau. Trong phạm vi chương trình ta không
đi sâu vào việc thiết lập hàm spline cho các điểm dữ liệu mà chỉ hiểu khác niệm.
Ví dụ: ta có bốn điểm dữ liệu

𝑘 1 2 3 4
𝑥𝑘 0 1 2 3
𝑦𝑘 0 0,5 2 1,5

Bảng 7: Bảng số liệu nội suy

Khi đó ta có thể lập hàm spline 𝑆(𝑥) đi qua bốn điểm trên như sau

⎧ 0,5𝑥3 − 0,15𝑥2 + 0,15𝑥, 𝑥 ∈ [0, 1]

{
𝑆(𝑥) = ⎨−1,2(𝑥 − 1)3 + 1,35(𝑥 − 1)2 + 1,35(𝑥 − 1) + 0,5, 𝑥 ∈ (1, 2] (10)
{ 1,3(𝑥 − 2)3 − 2,25(𝑥 − 2)2 + 0,45(𝑥 − 2) + 2, 𝑥 ∈ (2, 3]
⎩

Trang 7
Bài giảng Phương pháp tính ThS. Trần Quang Khải

3 𝑦

𝑥
−1 1 2 3 4

−1

Hình 3: Đa thức nội suy spline cho bảng số liệu

5 Bài tập ví dụ
Cho bảng số liệu

𝑘 1 2 3 4
𝑥𝑘 0 1 3 4
𝑦𝑘 1 1 2 -1

Bảng 8: Bảng số liệu nội suy

Hãy tìm đa thức nội suy cho bảng số liệu trên. Sử dụng
1. Đa thức nội suy Lagrange (công thức lý thuyết);
2. Đa thức nội suy Lagrange (bảng tính);
3. Đa thức nội suy Newton.
Số điểm dữ liệu là bốn nên ta sẽ tìm đa thức nội suy bậc ba.

Sử dụng định nghĩa đa thức nội suy Lagrange

Ta tính các đa thức cơ sở trước
(1) (𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 ) (𝑥 − 1)(𝑥 − 3)(𝑥 − 4) 1 3 2 2 19
𝑝3 = = =− 𝑥 + 𝑥 − 𝑥+1
(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )(𝑥1 − 𝑥4 ) (0 − 1)(0 − 3)(0 − 4) 12 3 12
(2) (𝑥 − 𝑥1 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 ) (𝑥 − 0)(𝑥 − 3)(𝑥 − 4) 1 7
𝑝3 = = = 𝑥3 − 𝑥2 + 2𝑥
(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 )(𝑥2 − 𝑥4 ) (1 − 0)(1 − 3)(1 − 4) 6 6
(3) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥4 ) (𝑥 − 0)(𝑥 − 1)(𝑥 − 4) 1 5 2
𝑝3 = = = − 𝑥3 + 𝑥2 − 𝑥
(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )(𝑥3 − 𝑥4 ) (3 − 0)(3 − 1)(3 − 4) 6 6 3
(4) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥 − 0)(𝑥 − 1)(𝑥 − 3) 1 1 1
𝑝3 = = = 𝑥3 − 𝑥2 + 𝑥
(𝑥4 − 𝑥1 )(𝑥4 − 𝑥2 )(𝑥4 − 𝑥3 ) (4 − 0)(4 − 1)(4 − 3) 12 3 4
(𝑘)
Với các đa thức cơ sở 𝑝3 trên thì ta có đa thức nội suy Lagrange sẽ là:
1 3 2 2 19 1 7 1 5 2
ℒ3 (𝑥) = (− 𝑥 + 𝑥 − 𝑥 + 1) ⋅ 1 + ( 𝑥3 − 𝑥2 + 2𝑥) ⋅ 1 + (− 𝑥3 + 𝑥2 − 𝑥) ⋅ 2−
12 3 12 6 6 6 6 3
1 3 1 2 1
( 𝑥 + 𝑥 + 𝑥) ⋅ (−1)
12 3 4

Trang 8
Bài giảng Phương pháp tính ThS. Trần Quang Khải

Rút gọn ta được

1 3 7
ℒ3 (𝑥) = − 𝑥3 + 𝑥2 − 𝑥 + 1
3 2 6

Sử dụng bảng tính đa thức nội suy Lagrange

𝑥 𝑥1 = 0 𝑥2 = 1 𝑥3 = 3 𝑥4 = 4
𝑥1 = 0 𝑥 −1 −3 −4 𝐷1 = −12𝑥
𝑥2 = 1 1 𝑥−1 −2 −3 𝐷2 = 6(𝑥 − 1)
𝑥3 = 3 3 2 𝑥−3 −1 𝐷3 = −6(𝑥 − 3)
𝑥4 = 4 4 3 1 𝑥−4 𝐷4 = 12(𝑥 − 4)
𝑊 = 𝑥(𝑥 − 1)(𝑥 − 3)(𝑥 − 4)

Bảng 9: Bảng tính đa thức nội suy Lagrange

Khi đó đa thức nội suy Lagrange sẽ là

1 1 2 1
ℒ3 (𝑥) = 𝑥(𝑥 − 1)(𝑥 − 3)(𝑥 − 4) [− + − − ]
12𝑥 6(𝑥 − 1) 6(𝑥 − 3) 12(𝑥 − 4)
−𝑥3 + 8𝑥2 − 19𝑥 + 12 𝑥3 − 7𝑥2 + 12𝑥 𝑥3 − 5𝑥2 + 4𝑥 𝑥3 − 4𝑥2 + 3𝑥
= + − −
12 6 3 12
−2𝑥3 + 12𝑥2 − 22𝑥 + 12 2𝑥3 − 14𝑥2 + 24𝑥 4𝑥3 − 20𝑥2 + 16𝑥
= + −
12 12 12
1 3 3 2 7
=− 𝑥 + 𝑥 − 𝑥+1
3 2 6

Sử dụng đa thức nội suy Newton

Có tổng cộng bốn điểm dữ liệu nên ta dùng đến tỷ sai phân cấp 3.

𝒩𝑓𝑛 (𝑥) = 𝑦1 + 𝑓[𝑥1 , 𝑥2 ](𝑥 − 𝑥1 ) + 𝑓[𝑥1 , 𝑥2 , 𝑥3 ](𝑥 − 𝑥1 )(𝑥 − 𝑥2 )+

𝑓[𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ](𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )

Lập bảng tính các tỷ sai phân

𝑘 𝑥𝑘 𝑦𝑘 1
𝑓Δ 2
𝑓Δ 3
𝑓Δ
1 0 1
2 1 1 0
1 1
3 3 2    
2 6
7 1
4 4 −1 −3  −  −
6 3

Bảng 10: Tính các tỷ sai phân

Trang 9
Bài giảng Phương pháp tính ThS. Trần Quang Khải

Thế các tỷ sai phân vào công thức tổng quát, ta có

1 1
𝒩𝑓𝑛 (𝑥) = 1 + 0𝑥 + 𝑥(𝑥 − 1) − 𝑥(𝑥 − 1)(𝑥 − 3)
6 3
𝑓 1 3 3 2 7
𝒩𝑛 (𝑥) = − 𝑥 + 𝑥 − 𝑥 + 1
3 2 6

3 𝑦

𝑥
−1 1 2 3 4

−1

Hình 4: Đa thức nội suy cho bảng số liệu

Trang 10