数值分析复习:Newton插值
文章目录
- 牛顿(Newton)插值
- 引入背景
- 插值条件
- 基函数
- 插值多项式
- 差商
- 差商的基本性质
- 差商估计
- 差商的Leibniz公式
- 余项估计
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
引入背景
Lagrange插值每引入一个新节点,就要重新计算所有基函数,计算代价大
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}^nf[x_0,x_1,\dots,x_k]\omega_k(x) n∏f(x)=i=0∑nf[x0,x1,…,xk]ωk(x)其中 f [ x 0 , x 1 , … , x k ] f[x_0,x_1,\dots,x_k] f[x0,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} f[x_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} f[x0,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 f[x_0,x_1,\dots,x_n]=\frac{f[x_0,\dots,x_{n-1}]-f[x_1,\dots,x_n]}{x_0-x_n} f[x0,x1,…,xn]=x0−xnf[x0,…,xn−1]−f[x1,…,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 ! f[x_0,x_1,\dots,x_n]=\frac{f^{(m)}(\xi)}{m!} f[x0,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 ) f[x_0,x_1,\dots,x_n]=\sum\limits_{i=0}^n\phi(x_0,\dots,x_i)\psi(x_i,\dots,x_n) f[x0,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)\\ &=f[x_0,x_1,\dots,x_n,x]\prod\limits_{i=0}^n(x-x_i)\\ &=f[x_0,x_1,\dots,x_n,x]\omega_{n+1}(x)\\ \end{split} Rn(x)=f(x)−n∏f(x)=f[x0,x1,…,xn,x]i=0∏n(x−xi)=f[x0,x1,…,xn,x]ωn+1(x)
参考书籍:《数值分析》李庆扬 王能超 易大义 编
相关文章:
数值分析复习:Newton插值
文章目录 牛顿(Newton)插值引入背景插值条件基函数插值多项式差商差商的基本性质差商估计差商的Leibniz公式 余项估计 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 引入背景 Lagrange插值每引入一…...

金融知识分享系列之:出场信号RSI指标
金融知识分享系列之:出场信号RSI指标 一、出场信号RSI指标二、RSI指标原理三、 指标用法四、RSI指标总结 一、出场信号RSI指标 名称:相对强弱指标参数:(默认14)组成:RSI线以及30轴、50轴、70轴构成 0-30是极弱:0-30的…...

基于Spring Boot的宿舍管理系统
摘 要 随着信息时代的来临,过去的传统管理方式缺点逐渐暴露,对过去的传统管理方式的缺点进行分析,采取计算机方式构建宿舍管理系统。本文通过课题背景、课题目的及意义相关技术,提出了一种楼宇信息、宿舍信息、宿舍安排、缺勤信息…...
全量知识系统“全基因序列”程序构想及SmartChat的回复
感觉上,全量知识系统的程序起点基本确定。下一步就是程序了。程序的整个设计过程都准备同时使用两个AI工具。以下是和“百度AI”同步进行的Q&A。 Q1. 基本假设:“全基因序列”中“基因”的本质是联结collection。 做法是: 对给出的一个…...

315晚会曝光主板机产业链,如何应对工作室技术更迭
近日,央视315晚会开播,曝光了一批最新案例,聚焦消防、食品、金融、数据等多个领域。其中 “网络黑灰产”硬件设备「手机主板机」及其产业链暴露在大众视野。 手机主板机实物丨图源:央视财经 据报道,主板机的构造是将数…...
Copilot with GPT-4与文心一言4.0:AI技术的未来
Copilot with GPT-4的深度分析 Copilot with GPT-4是基于OpenAI的GPT-4模型,它是一个多功能的AI助手,能够在多种语言中进行交流和创作。GPT-4模型的强大之处在于其庞大的数据训练基础,这使得它在理解语境、生成文本以及执行复杂任务方面表现…...

注册-前端部分
前提:后端jar环境、Vue3环境、Redis环境 搭建页面(html标签、css样式) → 绑定数据与事件(表单校验) → 调用后台接口(接口文档、src/api/xx.js封装、页面函数中调用) Login.vue文件ÿ…...

SpringBoot ApplicationListener实现发布订阅模式
文章目录 前言一、Spring对JDK的扩展二、快速实现发布订阅模式 前言 发布订阅模式(Publish-Subscribe Pattern)通常又称观察者模式,它被广泛应用于事件驱动架构中。即一个事件的发布,该行为会通过同步或者异步的方式告知给订阅该事件的订阅者。JDK中提供…...

嵌入式学习40-数据结构
数据结构 1.定义 一组用来保存一种或者多种特定关系的 数据的集合(组织和存储数据) 程序的设计: …...

k8s集群部署elk
一、前言 本次部署elk所有的服务都部署在k8s集群中,服务包含filebeat、logstash、elasticsearch、kibana,其中elasticsearch使用集群的方式部署,所有服务都是用7.17.10版本 二、部署 部署elasticsearch集群 部署elasticsearch集群需要先优化…...

【Python】清理conda缓存的常用命令
最近发现磁盘空间不足,很大一部分都被anaconda占据了,下面是一些清除conda缓存的命令 清理所有环境的Anaconda包缓存 删除所有未使用的包以及缓存的索引和临时文件 conda clean --all清理某一特定环境的Anaconda包缓存 conda clean --all -n 环境名清…...

代码随想录算法训练营第46天 | 完全背包,139.单词拆分
动态规划章节理论基础: https://programmercarl.com/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html 完全背包理论基础: https://programmercarl.com/%E8%83%8C%E5%8C%85%E9%97%AE%E9%A2%98%E7%90%86%E8%AE%BA%E5%9…...
rust - 将windows剪贴板的截图保存为png
本文提供了将windows系统的截图另存为png格式图片的方法。 添加依赖 cargo add clipboard-win cargo add image cargo add windows配置修改windows依赖特性 [dependencies] image "0.25.0"[target.cfg(windows).dependencies] windows "0.51.1" clipb…...
pyflink1.18.0 报错 TypeError: cannot pickle ‘_thread.lock‘ object
完整报错 Traceback (most recent call last):File "/Users//1.py", line 851, in <module>ds1 = my_datastream.key_by(lambda x: x[0]).process(MyProcessFunction()) # 返回元组即: f0 f1 f2 三列File "/Users/thomas990p/bigdataSoft/minicondaarm/…...
算法学习系列(四十一):Flood Fill算法
目录 引言一、池塘计数二、城堡问题三、山峰和山谷 引言 关于这个 F l o o d F i l l Flood\ Fill Flood Fill 算法,其实我觉得就是一个 B F S BFS BFS 算法,模板其实都是非常相似的,只不过有些变形而已,然后又叫这个名字。关于…...

Re62:读论文 GPT-2 Language Models are Unsupervised Multitask Learners
诸神缄默不语-个人CSDN博文目录 诸神缄默不语的论文阅读笔记和分类 论文全名:Language Models are Unsupervised Multitask Learners 论文下载地址:https://cdn.openai.com/better-language-models/language_models_are_unsupervised_multitask_learner…...

stm32-编码器测速
一、编码器简介 编码电机 旋转编码器 A,B相分别接通道一和二的引脚,VCC,GND接单片机VCC,GND 二、正交编码器工作原理 以前的代码是通过触发外部中断,然后在中断函数里手动进行计次。使用编码器接口的好处就是节约软件资源。对于频…...

全国各省市县统计年鉴/中国环境统计年鉴/中国工业企业数据库/中国专利数据库/污染排放数据库
统计年鉴是指以统计图表和分析说明为主,通过高度密集的统计数据来全面、系统、连续地记录年度经济、社会等各方面发展情况的大型工具书来获取统计数据资料。 统计年鉴是进行各项经济、社会研究的必要前提。而借助于统计年鉴,则是研究者常用的途径。目前国…...
【LAMMPS学习】二、LAMMPS安装(2)MacOS和Win安装
2. LAMMPS安装 您可以将LAMMPS下载为可执行文件或源代码。 在下载LAMMPS源代码时,还必须构建LAMMPS。但是对于在构建中包含或排除哪些特性,您有更大的灵活性。当您下载并安装预编译的LAMMPS可执行文件时,您只能安装可用的LAMMPS版本以及这些…...

如何解决网络中IP地址发生冲突故障?
0、前言 本专栏为个人备考软考嵌入式系统设计师的复习笔记,未经本人许可,请勿转载,如发现本笔记内容的错误还望各位不吝赐教(笔记内容可能有误怕产生错误引导)。 1、个人IP地址冲突解决方案 首先winR,调出…...

wordpress后台更新后 前端没变化的解决方法
使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…...

Lombok 的 @Data 注解失效,未生成 getter/setter 方法引发的HTTP 406 错误
HTTP 状态码 406 (Not Acceptable) 和 500 (Internal Server Error) 是两类完全不同的错误,它们的含义、原因和解决方法都有显著区别。以下是详细对比: 1. HTTP 406 (Not Acceptable) 含义: 客户端请求的内容类型与服务器支持的内容类型不匹…...

基于距离变化能量开销动态调整的WSN低功耗拓扑控制开销算法matlab仿真
目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.算法仿真参数 5.算法理论概述 6.参考文献 7.完整程序 1.程序功能描述 通过动态调整节点通信的能量开销,平衡网络负载,延长WSN生命周期。具体通过建立基于距离的能量消耗模型&am…...

(二)TensorRT-LLM | 模型导出(v0.20.0rc3)
0. 概述 上一节 对安装和使用有个基本介绍。根据这个 issue 的描述,后续 TensorRT-LLM 团队可能更专注于更新和维护 pytorch backend。但 tensorrt backend 作为先前一直开发的工作,其中包含了大量可以学习的地方。本文主要看看它导出模型的部分&#x…...

【2025年】解决Burpsuite抓不到https包的问题
环境:windows11 burpsuite:2025.5 在抓取https网站时,burpsuite抓取不到https数据包,只显示: 解决该问题只需如下三个步骤: 1、浏览器中访问 http://burp 2、下载 CA certificate 证书 3、在设置--隐私与安全--…...

高危文件识别的常用算法:原理、应用与企业场景
高危文件识别的常用算法:原理、应用与企业场景 高危文件识别旨在检测可能导致安全威胁的文件,如包含恶意代码、敏感数据或欺诈内容的文档,在企业协同办公环境中(如Teams、Google Workspace)尤为重要。结合大模型技术&…...

Unsafe Fileupload篇补充-木马的详细教程与木马分享(中国蚁剑方式)
在之前的皮卡丘靶场第九期Unsafe Fileupload篇中我们学习了木马的原理并且学了一个简单的木马文件 本期内容是为了更好的为大家解释木马(服务器方面的)的原理,连接,以及各种木马及连接工具的分享 文件木马:https://w…...

【笔记】WSL 中 Rust 安装与测试完整记录
#工作记录 WSL 中 Rust 安装与测试完整记录 1. 运行环境 系统:Ubuntu 24.04 LTS (WSL2)架构:x86_64 (GNU/Linux)Rust 版本:rustc 1.87.0 (2025-05-09)Cargo 版本:cargo 1.87.0 (2025-05-06) 2. 安装 Rust 2.1 使用 Rust 官方安…...

基于Java+VUE+MariaDB实现(Web)仿小米商城
仿小米商城 环境安装 nodejs maven JDK11 运行 mvn clean install -DskipTestscd adminmvn spring-boot:runcd ../webmvn spring-boot:runcd ../xiaomi-store-admin-vuenpm installnpm run servecd ../xiaomi-store-vuenpm installnpm run serve 注意:运行前…...

Qemu arm操作系统开发环境
使用qemu虚拟arm硬件比较合适。 步骤如下: 安装qemu apt install qemu-system安装aarch64-none-elf-gcc 需要手动下载,下载地址:https://developer.arm.com/-/media/Files/downloads/gnu/13.2.rel1/binrel/arm-gnu-toolchain-13.2.rel1-x…...