当前位置: 首页 > article >正文

等距节点插值公式

目录

  • 等距节点插值公式
    • Newton 前插公式
    • Newton 后插公式

等距节点插值公式

将 Newton 差商插值多项式中各阶差商用相应差分代替,就可得到各种形式的等距节点插值公式,例如常用的前插公式与后插公式。



Newton 前插公式

如果节点 x k = x 0 + k h ( k = 0 , 1 , ⋅ ⋅ ⋅ , n ) x_k=x_0+kh (k=0,1,\cdotp\cdotp\cdotp,n) xk=x0+kh(k=0,1,⋅⋅⋅,n),要计算 x 0 x_0 x0附近点 x x x的函数 f ( x ) f(x) f(x)的值,可令 x = x 0 + t h x=x_0+th x=x0+th 0 ⩽ t ⩽ 1 0\leqslant t\leqslant1 0t1,于是

ω k + 1 ( x ) = ∏ j = 0 k ( x − x j ) = t ( t − 1 ) ⋅ ⋅ ⋅ ( t − k ) h k + 1 . \omega_{k+1}(x)=\prod_{j=0}^k(x-x_j)=t(t-1)\cdotp\cdotp\cdotp(t-k)h^{k+1}. ωk+1(x)=j=0k(xxj)=t(t1)⋅⋅⋅(tk)hk+1.

代入Newton插值公式,则有
N n ( x 0 + t h ) = f 0 + t Δ f 0 + t ( t − 1 ) 2 ! Δ 2 f 0 + ⋯ + t ( t − 1 ) ⋯ ( t − n + 1 ) n ! Δ n f 0 . N_n(x_0+th)=f_0+t\Delta f_0+\frac{t(t-1)}{2!}\Delta^2f_0+\cdots+\frac{t(t-1)\cdots(t-n+1)}{n!}\Delta^nf_0. Nn(x0+th)=f0+tΔf0+2!t(t1)Δ2f0++n!t(t1)(tn+1)Δnf0.

上式称为 Newton 前插公式,其余项为

R n ( x ) = t ( t − 1 ) ⋯ ( t − n ) ( n + 1 ) ! h n + 1 f ( n + 1 ) ( ξ ) , ξ ∈ ( x 0 , x n ) . R_n(x)=\frac{t(t-1)\cdots(t-n)}{(n+1)!}h^{n+1}f^{(n+1)}(\xi),\quad\xi\in(x_0,x_n). Rn(x)=(n+1)!t(t1)(tn)hn+1f(n+1)(ξ),ξ(x0,xn).



Newton 后插公式

如果要求表示函数在 x n x_n xn附近的值 f ( x ) f(x) f(x),应用 Newton 插值公式,插值点应按 x n , x n − 1 , ⋅ ⋅ ⋅ , x 0 x_n,x_{n-1},\cdotp\cdotp\cdotp,x_0 xn,xn1,⋅⋅⋅,x0的次序排列,有

N n ( x ) = f ( x n ) + f [ x n , x n − 1 ] ( x − x n ) + f [ x n , x n − 1 , x n − 2 ] ( x − x n ) ( x − x n − 1 ) + ⋯ + f [ x n , x n − 1 , ⋅ ⋅ ⋅ , x 0 ] ( x − x n ) • ⋅ ⋅ ( x − x 1 ) . N_n(x)=f(x_n)+f[x_n,x_{n-1}](x-x_n)+f[x_n,x_{n-1},x_{n-2}](x-x_n)(x-x_{n-1})+\cdots+f[x_n,x_{n-1},\cdotp\cdotp\cdotp,x_0](x-x_n)•\cdotp\cdotp(x-x_1). Nn(x)=f(xn)+f[xn,xn1](xxn)+f[xn,xn1,xn2](xxn)(xxn1)++f[xn,xn1,⋅⋅⋅,x0](xxn)⋅⋅(xx1).

作变换 x = x n + t h x= x_n+ th x=xn+th ( − 1 ⩽ t ⩽ 0 ) ( - 1\leqslant t\leqslant 0) (1t0),代入上式得

N n ( x n + t h ) = f n + t   ∇   f n + t ( t + 1 ) 2 !   ∇ 2   f n + ⋯ + t ( t + 1 ) ⋯ ( t + n − 1 ) n !   ∇ n f n . \begin{aligned}N_n(x_n+th)&=f_n+t\:\nabla\:f_n+\frac{t(t+1)}{2!}\:\nabla^2\:f_n+\cdots+\frac{t(t+1)\cdots(t+n-1)}{n!}\:\nabla^nf_n.\end{aligned} Nn(xn+th)=fn+tfn+2!t(t+1)2fn++n!t(t+1)(t+n1)nfn.

上式称为 Newton 后插公式,其余项为

R n ( x ) = f ( x ) − N n ( x n + t h ) = t ( t + 1 ) ⋯ ( t + n ) h n + 1 f ( n + 1 ) ( ξ ) ( n + 1 ) ! , ξ ∈ ( x 0 , x n ) . R_n(x)=f(x)-N_n(x_n+th)=\frac{t(t+1)\cdots(t+n)h^{n+1}f^{(n+1)}(\xi)}{(n+1)!},\quad\xi\in(x_0,x_n). Rn(x)=f(x)Nn(xn+th)=(n+1)!t(t+1)(t+n)hn+1f(n+1)(ξ),ξ(x0,xn).




http://www.kler.cn/a/552350.html

相关文章:

  • 统信服务器操作系统V20 1070A 安装docker新版本26.1.4
  • MySQL Workbench 8.0不支持非SSL连接
  • Low code web framework for real world applications, in Python and Javascript
  • Linux中进程的状态3 进程的优先级1
  • Unity 获取独立显卡数量
  • LSTM-SVM故障诊断 | 基于长短期记忆神经网络-支持向量机多特征分类预测/故障诊断Matlab代码实现
  • nginx反向代理jupyter
  • C++中std::condition_variable_any、std::lock_guard 和 std::unique_
  • 【响应式驾考培训网站模板】H5自适应源码下载|含教学管理系统+在线预约功能|多终端适配|可商用授权
  • Spring的BeanFactory和FactoryBean有 什么不同
  • 电动汽车电池监测平台系统设计(论文+源码+图纸)
  • spring分层解耦(springboot)
  • c/c++蓝桥杯经典编程题100道(22)最短路径问题
  • LeetCode-76.最小覆盖子串
  • 蓝桥杯 Java B 组之哈希表应用(两数之和、重复元素判断)
  • 新型基于Go语言的恶意软件利用Telegram作为C2通信渠道
  • 深入解析DeepSeek推理模型:混合专家架构与稀疏注意力机制的融合
  • qt QOpenGLTexture详解
  • AI: Unsloth + Llama 3 微调实践,基于Colab
  • 格瑞普推出革命性半固态电池,为行业无人机续航注入未来动力