首页
高中数学
高中物理
微积分
线性代数
概率论
人工智能
赞助本站
在线教程
函数逼近论
知识点介绍
牛顿插值
日期:
2023-10-12 08:06
查看:
125
次
编辑
导出
牛顿插值
数值分析上的 Newton 插值是一种插值方法,它是基于Lagrange 插值进行的。 ## 一般插值公式 设有点 $\left(x_i, f\left(x_i\right)\right), i=0,1,2, \cdots, n$ ,过这些点的不高于 $n$ 次的多项式通过下式确定: $$ N_n(x)=f\left(x_0\right)+\sum_{k=1}^n f\left[x_0, x_1, \cdots, x_k\right]\left(x-x_0\right)\left(x-x_1\right) \cdots\left(x-x_{k-1}\right) $$ 其中, $f\left[x_0, \cdots, x_k\right]$ 是对于节点 $x_0, \cdots, x_k$ 的 $k$ 阶差商,它可以使用差商的递推公式计算每一项。 ## 等距节点公式 当 $x_i$ 等距排列时,上式会大大简化,设 $x_i=x_0+i h, i=0,1,2, \cdots, n$ 主要有以下两种插值公式: 1. 向前插值公式,主要用于左端点附近的插值 $$ N_n(x)=f\left(x_0\right)+\sum_{k=1}^n \frac{\Delta^k f_0}{k !} t(t-1) \cdots(t-k+1) . $$ 其中, $x=x_0+t h$. 2. 向后插值公式,主要用于右端点附近的插值 $$ N_n(x)=f\left(x_0\right)+\sum_{k=1}^n \frac{\nabla^k f_0}{k !} t(t+1) \cdots(t+k-1) . $$ 其中, $x=x_n+t h$. 上述符号详见差分。
上一篇:
Neville 插值
下一篇:
最佳一致逼近
本文对您是否有用?
有用
(
0
)
无用
(
0
)
赞助我们
0
篇笔记
写笔记
更多笔记
提交笔记