数值分析复习:Newton插值

文章目录

本篇文章适合个人复习翻阅,不建议新手入门使用

牛顿(Newton)插值

插值条件

n+1个插值节点 x 0 , x 1 , ... , x n x_0,x_1,\dots,x_n x0,x1,...,xn 处函数值相同

基函数

{ ω i ( x ) } i = 0 n \{\omega_i(x)\}{i=0}^n {ωi(x)}i=0n,其中 ω i ( x ) = ( x − x 0 ) ( x − x 1 ) ⋯ ( x − x i − 1 ) \omega_i(x)=(x-x_0)(x-x_1)\cdots(x-x{i-1}) ωi(x)=(x−x0)(x−x1)⋯(x−xi−1)称之为节点多项式

插值多项式

∏ n f ( x ) = ∑ i = 0 n f x 0 , x 1 , ... , x k ω k ( x ) \prod_nf(x)=\sum\limits_{i=0}^nfx_0,x_1,\\dots,x_k\omega_k(x) n∏f(x)=i=0∑nfx0,x1,...,xkωk(x)其中 f x 0 , x 1 , ... , x k fx_0,x_1,\\dots,x_k fx0,x1,...,xk称为 f f f 关于点 x 0 , x 1 , ... , x k x_0,x_1,\dots,x_k x0,x1,...,xk的k阶牛顿差商

差商

差商的基本性质

  • n阶差商为n次插值多项式的首项系数
  • 差商值与节点排列顺序无关
  • f x 0 , x 1 , ... , x n = f ( x n ) − ∏ n − 1 f ( x n ) ω n ( x n ) = ∏ n f ( x n ) − ∏ n − 1 f ( x n ) ω n ( x n ) = ∑ i = 0 n f ( x i ) ω n + 1 ′ ( x i ) \begin{split} fx_0,x_1,\\dots,x_n&=\frac{f(x_n)-\prod_{n-1}f(x_n)}{\omega_n(x_n)}\\ &=\frac{\prod_nf(x_n)-\prod_{n-1}f(x_n)}{\omega_n(x_n)}\\ &=\sum\limits_{i=0}^n\frac{f(x_i)}{\omega'_{n+1}(x_i)}\\ \end{split} fx0,x1,...,xn=ωn(xn)f(xn)−∏n−1f(xn)=ωn(xn)∏nf(xn)−∏n−1f(xn)=i=0∑nωn+1′(xi)f(xi)
  • f x 0 , x 1 , ... , x n = f x 0 , ... , x n − 1 − f x 1 , ... , x n x 0 − x n fx_0,x_1,\\dots,x_n=\frac{fx_0,\\dots,x_{n-1}-fx_1,\\dots,x_n}{x_0-x_n} fx0,x1,...,xn=x0−xnfx0,...,xn−1−fx1,...,xn

证明思路:

第二条性质:

前两个等号容易得到;第三个等号:只需注意到

  • n阶差商是n次Newton插值的首项系数
  • 等式右端是Lagrange插值多项式的首项系数
  • Newton插值、Lagrange插值是同一插值多项式的不同表达
  • 多项式插值的唯一性(由Vandermonde行列式的性质易证)

第三条性质:归纳法可证

差商估计

f x 0 , x 1 , ... , x n = f ( m ) ( ξ ) m ! fx_0,x_1,\\dots,x_n=\frac{f^{(m)}(\xi)}{m!} fx0,x1,...,xn=m!f(m)(ξ)其中 ξ ∈ ( min ⁡ { x i } , max ⁡ { x i } ) \xi\in(\min\{x_i\},\max\{x_i\}) ξ∈(min{xi},max{xi})

证明思路:构造辅助函数 f ( x ) − ∏ n f ( x ) f(x)-\prod_nf(x) f(x)−∏nf(x),使用 n n n次Rolle中值定理

差商的Leibniz公式

设 f ( x ) = ϕ ( x ) ψ ( x ) f(x)=\phi(x)\psi(x) f(x)=ϕ(x)ψ(x),则
f x 0 , x 1 , ... , x n = ∑ i = 0 n ϕ ( x 0 , ... , x i ) ψ ( x i , ... , x n ) fx_0,x_1,\\dots,x_n=\sum\limits_{i=0}^n\phi(x_0,\dots,x_i)\psi(x_i,\dots,x_n) fx0,x1,...,xn=i=0∑nϕ(x0,...,xi)ψ(xi,...,xn)

证明思路:对 f , ϕ , ψ f,\phi,\psi f,ϕ,ψ 分别进行Newton插值即可

余项估计

R n ( x ) = f ( x ) − ∏ n f ( x ) = f x 0 , x 1 , ... , x n , x ∏ i = 0 n ( x − x i ) = f x 0 , x 1 , ... , x n , x ω n + 1 ( x ) \begin{split} R_n(x)&=f(x)-\prod_nf(x)\\ &=fx_0,x_1,\\dots,x_n,x\prod\limits_{i=0}^n(x-x_i)\\ &=fx_0,x_1,\\dots,x_n,x\omega_{n+1}(x)\\ \end{split} Rn(x)=f(x)−n∏f(x)=fx0,x1,...,xn,xi=0∏n(x−xi)=fx0,x1,...,xn,xωn+1(x)

参考书籍:《数值分析》李庆扬 王能超 易大义 编

相关推荐
John_ToDebug3 小时前
MCP 深度解析:大模型的“万能插头”
人工智能·经验分享·ai
longxiangam3 小时前
esp-idf 中 mipi dsi 使用的笔记
笔记
喜欢踢足球的老罗3 小时前
从移动开发转型 AI Agent 工程师:我做了一个开源学习系统
人工智能·学习
EntyIU4 小时前
JVM内存与GC笔记
java·jvm·笔记
wuxinyan1234 小时前
工业级大模型学习之路030:Streamlit 企业级智能体前端工作台
前端·学习·streamlit·智能体
长安紫薯5 小时前
学习AI日记
学习
星恒随风5 小时前
C语言数据结构排序算法详解(下):冒泡排序、快速排序、归并排序和计数排序
c语言·数据结构·笔记·学习·排序算法
NagatoYukee6 小时前
Spring Security基础部分学习
java·学习·spring
米小葱6 小时前
【学习笔记】cmake
笔记·学习
辰海Coding7 小时前
MiniSpring框架学习-分解 Dispatcher
java·学习·spring·架构