数值分析

Copyright © 2018 By Hu Bao Qing

Wuhan University
All rights reserved
5.3 Newton 插值
插值问题讨论
x x0 x1 …….. xn-1 xn
y y0 y1 …….. yn-1 yn
增加一个点后

x x0 x1 …….. xn-1 xn xn+1

y y0 y1 …….. yn-1 yn yn+1
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。
 比较：
5.3.1 差商及性质

1 定义

将插值条件代入
解之得 ( 回代 )
定义 设有函数 f (x) 以及自变量的一系列互不
相等的 x0, x1,…, xn （即在 i  j 时， xi  xj ）
的值 f(xi) , 称

f(
x
i)(
fx)
j
f
[x
i,]
x
j (
ij
,x
i x
)
j
xix
j

为 f (x) 在点 xi , xj 处的一阶差商，并记作 f [xi ,

xj]
又称

为 f (x) 在点 xi, xj, xk 处的二阶差商

称

为 f (x) 在点 x0, x1,…, xn 处的 n 阶差商。

 2 差商可列表计算：

xi yi 一阶差商 二阶差商 … … n 阶差商

x0 f (x0)
x1 f (x1) f [x0, x1]
x2 f (x2) f [x1, x2] f [x0, x1 , x2]
… …… ……
xn-1
f …… ……
xn f [xn2, xn1, xn] f [x0, …, xn]
(xn1) f [xn1,
f (xn) xn ]
由差商定义可知：高阶差商是两个低一阶差商的差商。
 3 差商的重要性质： n y
性质 1 fx [,01 x , ,x n ]
 j0w 
j

()
x
n
1 j
其中 w(x) = (x - x0)(x - x1) …… (x - xn)
证明 : 由差商定义 , 有
f (x1)  f (x0 ) f ( x0 ) f ( x1 )
f [x0 , x1]   
x1  x0 x0  x1 x1  x0
f [ x1, x2 ]  f [ x0 , x1 ]
f [ x0 , x1, x2 ] 
x2  x0
f ( x0 ) f ( x1 ) f ( x2 )
  
( x0  x1 )( x0  x2 ) ( x1  x0 )( x1  x 2 ) ( x 2  x0 )( x 2  x1 )
如此类推 , 可以证明
n f (xj )
f [ x0 , x1,, xn ]  
j 0 ( x j  x0 )( x j  x j 1 )( x j  x j 1 )( x j  xn )
性质 2 设i 0 , i 1 ,  , i n 是 0,1,……,n 的任意
一种排列 , 则
f [ x0 , x1 ,  , xn ]  f [ xi0 , xi1 ,  , xin ] ( 对称

证明 性)
f ( x1 )  f ( x0 ) f ( x0 )  f ( x1 )
f [ x0 , x1 ]    f [ x1 , x0 ]
x1  x0 x0  x1
f [ x0 , x1 , x2 ]

f ( x0 ) f ( x1 ) f ( x2 )
  
( x 0  x 1 )( x 0  x 2 ) ( x 1  x 0 )( x 1  x 2 ) ( x 2  x 0 )( x 2  x 1 )
如此类推 , n f (x j )
f [ x0 , x1 , , xn ]  
j 0 ( x j  x0 )  ( x j  x j 1 )( x j  x j 1 )  ( x j  xn )
性质 3 设 f(x) 在包含点 x0, x1,…, xn 的区间 I 上有 n
阶导数 , 则在这一区间内至少存在一点 ξ 使得
(n)
f ( )
f [ x0 , x1 , , xn ]  , I
n!
差分及其性质
 1 ．微商的离散化
f ( xi  h)  f ( xi )
f ( xi )  lim
h0 h
f ( x i )  f ( x i  h)
 lim
h 0 h
 h  h
f  xi    f  xi  
2 2
 lim  
h 0 h

f x i   f x j 
 lim
x j  xi xi  x j
引入符号

△f(xi) = f(xi + h) – f(xi) 向前差分

▽f(xi) = f(xi) – f(xi – h) 向后差分

中心差分

一阶差商
当 h 充分小或当 xj 充分靠近 xi 时，
有
在几何图形上，这三种差商分别表示弦 AB 、
AC 和 BC 的斜率。将这三条弦线与过点 A
的切线相比较，从图形上可以看出，一般地
说，弦 BC 的斜率更接近于切线斜率 f’ (a) 。

A
C
a
 等距节点公式
当节点等距分布时 : xi = xi + ih (i = 0,…,n)
向前差分 ∆ fi = fi+1 - fi

∆kfi = ∆k-1(∆fi) = ∆k-1fi+1 - ∆k-1fi

向后差分  fi = fi – fi-1
 k f i   k 1 (  f i )   k 1 f i   k 1 f i -1
中心差分  f i  f ( x i  h / 2 )  f ( x i  h / 2 )  f i 1  f i 1
2 2

 k fi   k 1
f i 1   k1
f i 1
2 2

其中 f
i1fx
( )
h
i 2
2
 差分的重要性质：
性质 1 ：常数的差分等于零
性质 2 ：差分算子为线性算子
∆(a f(x) + b g(x)) = a ∆f + b ∆g
性质 3 ：∆ ( fk gk) = fk ∆gk + gk ∆fk
fk = f(xk) = f(x0 + kh)

gk = g(xk) = g(x0 +
kh)
这个性质类比于 d(f ∙ g) = fdg + gdf
性质 4 ：

（类比于分部积分法则 ）
性质 5 ：当节点 xk 是等距时，差分差商存在着关系：


差分值可由函数值算出：

其中
 5.3.2 牛顿插值多项式
f (x)  f (x0)  (x  x0) f [x, x0] 1
f [ x , x 0 ]  f [ x 0 , x1 ]  ( x  x1) f [ x , x 0 , x1] 2
…………
f [ x , x 0 , ... , x n 1 ]  f [ x 0 , ... , x n ]  ( x  x n ) f [ x , x 0 , ... , x n ] n1
(x  x0)  2 , … … (x  x0)…(x  xn1)  n1

f ( x )  f ( x 0 )  f [ x 0 , x 1 ]( x  x 0 )  f [ x 0 , x 1 , x 2 ] ( x  x 0 ) ( x  x 1 )  ...
 f [ x 0 , ... , x n ] ( x  x 0 ) ...( x  x n 1 ) Rn(x)
ai = f [ x0, …, xi ]
 f [ x , x 0 , ... , x n ] ( x  x 0 ) ...( x  x n 1 ) ( x  x n )
Nn(x)
例 假设 i 0 1 2
xi 10 50 80
yi 30 60 100
解 xi yi 一阶
二阶
10 30
50 60 0.75
80 100 1.33 0.0083
N2(x) = 30 + 0.75(x – 10) + 0.0083(x – 10)(x – 50)
e.g. N2(60)=71.65
L2(x) = 0.0083x2 + 0.25x + 26.6667
例 假设 i 0 1 2 3
xi 1 2 3 4
yi 0 -5 -6 3
解 xi yi 一阶 二阶 三
阶
1 0
2 -5 -5
3 -6 -1 2
4 3 9 5 1
N2(x) = 0 – 5(x – 1) + 2(x – 1)(x – 2) + (x – 1)(x – 2)(x – 3)

 x3  4 x2  3
牛顿插值公式的优点是：当增加一个节点时，只要
再增加一项就行了，即有递推式 :

由插值的唯一性可知 Nn(x)  Ln(x) ， 故其余项也

相同，即

差商与导数的关系公式
牛顿公式
N n ( x )  f ( x 0 )  f [ x 0 , x 1 ]( x  x 0 )  ...  f [ x 0 , ... , x n ]( x  x 0 )...( x  x n  1 )
 牛顿前差公式
t n
 k
设 x  x 0  t h ，则 N n ( x )  N n ( x 0  th )      y0
k0  k 
f ( n  1 ) ( )
Rn(x)  t ( t  1 )...( t  n ) h n  1 ,   ( x 0 , x n )
( n  1 )!
 牛顿后差公式
将节点顺序倒置：
N n ( x )  f ( x n )  f [ x n , x n  1 ]( x  x n )  ...  f [ x n , ... , x 0 ]( x  x n )...( x  x 1 )
n
 t  k
设 x  x n  t h ，则 N n ( x )  N n ( x n  th )     y n
k0  k 

注：一般当 x 靠近 x0 时用前插，靠近 xn 时用
后插，故两种公式亦称为表初公式和表末公式。
 二元函数插值

设 f(x,y) 是定义在矩形域 D  {a  x  b, c  y  d }
上的实值函数。
设 a  x0  x1    xn  b, c  y0  y1    ym  d ;
取 {( xi , yi ), i  0,1,, n; j  0,1,, m}
为插值节点，构造一个二元多项
式 p(x,y) ，满足插值条件：
p ( xi , y i )  f ( xi , y i )

有多少个条件可以确定多少个未知数。可知，建立
(n+1)(m+1) 个方程，求解未知数。
  a00 a01  a0 m  1 
†
a a  a  y 
n  11 12 1m  
pnm ( x, y )  (1, x,..., x )
       
  m 
a
 n0 an1  a nm   y 
设 N 为 x 次数不高于 n ， y 的次数不高于 m 的多项式
集合。
我们的任务变成了在 N 内，寻找一个满足 pnm ( x, y )
插值条件。
受益于一维 Lagrange 插值基函数，我们按如下方式选取
(n+1)(m+1) 个基函数：
 kr ( x, y )  lk ( x )lr ( y ), k  0,1,, n; r  0,1,, m.
其中， lk ( x) 和 lr ( y ) 分别是 x 在 xk 点， y 在 yr 点的一元
Lagrange 基函数；
  a00 a01  a0 m   1 
a a12  a1m   y 
pnm ( x, y )  (1, x,..., x n )  11  
       
  m 
 an 0 an1  anm   y 

 kr ( x, y )  lk ( x )lr ( y ), k  0,1,, n; r  0,1,, m.

n
x  x l ( y ) 
m
y  y
lk ( x )  
 0 xk  x
r 
  0 yr  y
 k  r
kr ( x, y ) 为二元多项式，并满足
1 (i, j )  (k , r )
kr ( x, y )  
0 (i, j )  ( k , r )
n m
这时，我们便得到 pnm ( x, y )   lk ( x)lr ( y ) f ( xk , yr )
k 0 r 0

显然，该式满足插值条件 pnm ( xi , y j )  f ( xi , y j )

误差估计：设 Rnm ( x, y )  f ( x, y )  pnm ( x, y )

假设 f(x,y) 在区域 D 上对 x 有 n+1 阶偏导数 , 对 y 有

m+1 阶偏导数，并设 (x,y)∈D ，则同样可得截断误差
Rnm(x,y)
例 2 试利用 f(x, y) 的函数表建立 x 为二次、 y 为一次
n
x  x
的二元插值多项式 lk ( x )  
 0 xk  x
x0 =-1 x1 =0 x2=1  k
f
l ( y ) 
m
y  y
y0=0.5 0.25 0.5 1 r 
  0 yr  y
y1=1 0.43 0.87 1.73  r

2 1
p21 ( x, y )   lk ( x)lr ( y ) f ( xk , yr )
k 0 r 0

 l 0 ( x )  l0 ( y ) f ( x 0 , y 0 )  l1 ( y ) f ( x 0 , y 1 )   ......

x ( x  1)  y 1 y  0.5 
  0.25  0.43   ......
(  1  0)(  1  1)  0.5  1 1  0.5 