牛顿插值法原理及应用
牛顿插值法介绍
牛顿插值法介绍本文将介绍牛顿插值法的基本原理、计算过程、优缺点以及在实际问题中的应用。
首先，我们将简要介绍插值法的基本概念和牛顿插值法的由来，然后详细讨论牛顿插值法的计算步骤和算法，接着分析其优缺点以及适用范围，最后通过几个实际问题的例子展示牛顿插值法的应用场景。
一、插值法基本概念在数学和计算机领域，插值是指根据已知的离散数据点构造满足这些数据点的曲线或函数的过程。
假设我们有一组数据点{(x1, y1), (x2, y2), ..., (xn, yn)}，我们想要通过这些数据点构建一个函数f(x)，使得f(xi) = yi，其中i = 1, 2, ..., n。
这样的函数就是经过插值的函数，它代表了这些数据点的趋势和变化规律。
插值法通常用于寻找这样的函数，它能够通过已知的数据点来估计函数在其他位置的值。
常见的插值方法包括拉格朗日插值法、牛顿插值法和埃尔米特插值法等。
在这些方法中，牛顿插值法是最为广泛使用的一种，因为它的计算效率高、精度较高，并且易于编程实现。
二、牛顿插值法的由来牛顿插值法由艾萨克·牛顿在17世纪提出，他是一位英国著名的数学家、物理学家和天文学家，在微积分、物理学和光学等领域都做出了重大贡献。
牛顿发展了牛顿插值法的理论基础和计算方法，并将其应用于数据分析和天体运动等问题中。
牛顿插值法基于牛顿插值多项式的概念，该多项式利用差商（divided differences）来表示，并具有易于计算和分析的优势。
牛顿插值多项式能够在已知的数据点上进行插值，并且还可以通过添加新的数据点来动态地更新插值结果。
因此，牛顿插值法成为了一种非常有用的数值计算工具，被广泛应用于工程、科学和金融等领域。
三、牛顿插值法的计算步骤1. 确定数据点首先，我们需要确定一组离散的数据点{(x1, y1), (x2, y2), ..., (xn, yn)}，这些数据点是我们已知的数据，我们要通过它们来构建插值函数。
导数与函数的牛顿插值
导数与函数的牛顿插值导数和函数的牛顿插值是数学中常用的两个概念，它们在揭示函数性质和进行函数近似拟合时起到了重要的作用。
本文将介绍导数和函数的牛顿插值的概念、原理以及应用。
一、导数的基本概念导数是函数在某一点上的变化率，表示函数在该点附近的斜率。
一般用f'(x)表示函数f(x)的导数。
导数可以用极限的概念来定义，即函数的导数等于函数在该点的极限值。
导数具有重要的几何和物理意义，在曲线上表示切线斜率，在物理中表示速度和加速度等。
在微积分中，导数有一系列的求导法则，包括常数法则、幂法则、求和法则、差法则、积法则和商法则等。
这些法则为我们计算导数提供了便利，使得我们能够更好地理解函数的性质和变化规律。
二、函数的牛顿插值牛顿插值是一种通过已知数据点来求解函数近似值的方法。
其基本思想是在给定的数据点上构造一个多项式，利用这个多项式来逼近函数的取值。
牛顿插值的多项式形式为：P(x) = f(x0) + f[x0,x1](x-x0) + f[x0,x1,x2](x-x0)(x-x1) + ... +f[x0,x1,...xn](x-x0)(x-x1)...(x-xn-1)其中f(x0), f[x0,x1], f[x0,x1,x2], ..., f[x0,x1,...,xn]分别表示函数f在不同点上的函数值、一阶差商、二阶差商、...、n阶差商。
牛顿插值的优点是可以逐步添加新的数据点，而无需重新计算整个插值多项式。
这种递推的方式在实际计算中非常方便。
三、导数与牛顿插值的联系导数和牛顿插值有着密切的联系。
在牛顿插值中，差商的计算和求导数的过程是相似的。
实际上，当数据点足够密集时，差商逐渐趋近于导数值。
通过牛顿插值可以得到某一函数在离散数据点上的近似值，并且这个近似值的导数与原函数的导数非常接近。
因此，我们可以利用牛顿插值来估计函数在其他点上的导数值。
四、导数与牛顿插值的应用导数和牛顿插值在科学和工程领域有广泛的应用。
牛顿插值法
牛顿插值法一、实验目的及要求1、掌握牛顿插值法的思想和解题方法；2、编程实现牛顿插值公式求函数值；3、会进行误差分析。
二、实验原理牛顿差商形式的多项式：+--+-+=))(](,,[)](,[)()(102100100x x x x x x x f x x x x f x f x P)()](,,,[1010---+n n x x x x x x x f牛顿插值多项式的余项：)(],,,[)(10x x x x f x R n n n +=ω三、研究、解答以下问题问题：1、已知27)4(=-f ，1)0(=f ，2)1(=f ，17)2(=f 作三次牛顿插值多项式，计算)345.2(-f 的近似值，并估计其误差。
2、给出节点03.37)15.3(=-f ，24.7)00.1(=-f ，05.1)01.0(=f ，03.2)02.1(=f ，06.17)03.2(=f ，05.23)25.3(=f ，分别构造一次、二次和四次牛顿插值多项式计算)09.1(f 的近似值。
3、求函数5/7)(x e x f --=在]6,2[上的五次牛顿插值多项式，计算)156.3(f ，并估计误差。
实验答案：1． 程序：a.function [A,C,L]=newtoncz(X,Y)n=length(X);A=zeros(n,n);A(:,1)=Y';for j=2:nfor i=j:nA(i,j)=(A(i,j-1)-A(i-1,j-1))/(X(i)-X(i-j+1)); endendC=A(n,n);for k=(n-1):-1:1C=conv(C,poly(X(k)));d=length(C);C(d)=C(d)+A(k,k);endL=poly2sym(C);b.X=[-4 0 1 2]Y=[27 1 2 17][A,C,L]=newtoncz(X,Y)M=polyval(C,-2.345)结果：X =-4 0 1 2Y =27 1 2 17A =27.0000 0 0 01.0000 -6.5000 0 02.0000 1.0000 1.5000 017.0000 15.0000 7.0000 0.9167C =0.9167 4.2500 -4.1667 1.0000L =11/12*x^3+17/4*x^2-25/6*x+1M =22.3211误差：function [R]=wucha(M,x,X)n=length(X);r=1;q=1;for i=1:n;r=i*r;q=(x-X(i))*q;endR=M*abs(q)/rb.syms Mx=-2.345X=[-4,0,1,2][R]=wucha(M,x,X)结果：x = -2.3450X =-4 0 1 2R =1323077530165133/562949953421312*MR =1323077530165133/562949953421312*M2．程序：a.function [A,C,L]=newtoncz(X,Y)n=length(X);A=zeros(n,n);A(:,1)=Y';for j=2:nfor i=j:nA(i,j)=(A(i,j-1)-A(i-1,j-1))/(X(i)-X(i-j+1));endendC=A(n,n);for k=(n-1):-1:1C=conv(C,poly(X(k)));d=length(C);C(d)=C(d)+A(k,k);endL=poly2sym(C);b. 一次牛顿插值多项式X=[1.02 2.03]Y=[2.03 17.06][A,C,L]=newtoncz(X,Y)M=polyval(C,1.09)结果：X =1.02002.0300Y =2.0300 17.0600A =2.0300 017.0600 14.8812C =14.8812 -13.1488L =1503/101*x-7402123036060447/562949953421312M = 3.0717c. 二次牛顿插值多项式X=[0.01 1.02 2.03]Y=[1.05 2.03 17.06][A,C,L]=newtoncz(X,Y)M=polyval(C,1.09)结果：X =0.0100 1.0200 2.0300Y =1.05002.0300 17.0600A =1.0500 0 02.0300 0.9703 017.0600 14.8812 6.8866C =6.8866 -6.1229 1.1105L =70250/10201*x^2-215429692038271/35184372088832*x+2500714087374863/2251799813685 248M =2.6185d. 四次牛顿插值多项式X=[-1.00 0.01 1.02 2.03 3.25]Y=[7.24 1.05 2.03 17.06 23.05][A,C,L]=newtoncz(X,Y)M=polyval(C,1.09)结果：X = -1.0000 0.0100 1.0200 2.0300 3.2500Y =7.2400 1.0500 2.0300 17.0600 23.0500A =7.2400 0 0 0 01.0500 -6.1287 0 0 02.0300 0.97033.5144 0 017.0600 14.8812 6.8866 1.1129 023.0500 4.9098 -4.4715 -3.5056 -1.0867C =-1.0867 3.3516 4.5230 -6.0453 1.1100L =-611762439748959/562949953421312*x^4+1886762043973075/562949953421312*x^3+50924 65223944159/1125899906842624*x^2-425397102392759/70368744177664*x+1249745430756 363/1125899906842624M = 2.70093．程序：a.function [A,C,L]=newtoncz(X,Y)n=length(X);A=zeros(n,n);A(:,1)=Y';for j=2:nfor i=j:nA(i,j)=(A(i,j-1)-A(i-1,j-1))/(X(i)-X(i-j+1));endendC=A(n,n);for k=(n-1):-1:1C=conv(C,poly(X(k)));d=length(C);C(d)=C(d)+A(k,k);endL=poly2sym(C);b.X=2:0.8:6Y=-7*exp(-X/5)[A,C,L]=newtoncz(X,Y)M=polyval(C,3.156)结果：X = 2.0000 2.8000 3.6000 4.4000 5.2000 6.0000Y =-4.6922 -3.9985 -3.4073 -2.9035 -2.4742 -2.1084A =-4.6922 0 0 0 0 0-3.9985 0.8672 0 0 0 0-3.4073 0.7390 -0.0801 0 0 0-2.9035 0.6297 -0.0683 0.0049 0 0-2.4742 0.5366 -0.0582 0.0042 -0.0002 0-2.1084 0.4573 -0.0496 0.0036 -0.0002 0.000C =0.0000 -0.0004 0.0089 -0.1389 1.3985 -6.9991L =9721799720875/1152921504606846976*x^5-3503994098647815/9223372036854775808*x^4+1607 42008798419/18014398509481984*x^3-1251152213853501/9007199254740992*x^2+62981319043 28647/4503599627370496*x-3940156929554013/562949953421312M = -3.7237误差：function [R]=wucha(M,x,X)n=length(X);r=1;q=1;for i=1:n;r=i*r;q=(x-X(i))*q;endR=M*abs(q)/rb.syms Mx=3.156X=2:0.8:6[R]=wucha(M,x,X)结果：x = 3.1560X = 2.0000 2.8000 3.6000 4.4000 5.2000 6.0000R = 5950883395542623/3242591731706757120*M。
牛顿插值法的原理和推导过程
牛顿插值法的原理和推导过程一、引言在科学计算和数值分析中，插值法是一种重要的数学工具，它可以通过已知的离散数据点来估计未知点的值。
在众多插值法中，牛顿插值法以其形式简洁、计算方便而广受欢迎。
本文将对牛顿插值法的原理和推导过程进行详细阐述。
二、牛顿插值法的基本原理牛顿插值法是一种多项式插值方法，它的基本思想是通过构造一个n次多项式Pn(x)，使得该多项式在给定的n+1个插值节点上与被插值函数f(x)具有相同的函数值。
这样，在插值节点之间，我们可以用Pn(x)来近似代替f(x)。
三、牛顿插值法的推导过程差商与差分为了构造插值多项式，首先需要引入差商的概念。
设f[xi,xj]表示函数f(x)在点xi 和xj上的一阶差商，其计算公式为：f[xi,xj] = (f(xj) - f(xi)) / (xj - xi)类似地，可以定义二阶、三阶乃至n阶差商。
n阶差商f[x0,x1,...,xn]表示函数f(x)在点x0,x1,...,xn上的差商，可以通过低一阶的差商递归计算得到。
差分是差商的另一种表现形式，它与差商之间有一一对应的关系。
在实际计算中，差分往往比差商更方便。
牛顿插值多项式的构造有了差商的概念，我们就可以构造牛顿插值多项式了。
设n次牛顿插值多项式为：Pn(x) = f(x0) + fx0,x1 + fx0,x1,x2(x-x1) + ... + fx0,x1,...,xn(x-x1)...(x-xn-1)其中，f[x0,x1,...,xk]表示k阶差商。
可以看出，Pn(x)是一个形式简洁的多项式，其各项系数即为各阶差商。
为了证明Pn(x)满足插值条件，即Pn(xi) = f(xi) (i=0,1,...,n)，我们可以将xi代入Pn(x)中，逐项验证。
由于差商的性质，当x取xi时，高于i阶的差商项都将为0，因此Pn(xi) = f(xi)。
牛顿插值法的计算步骤（1）根据给定的插值节点，计算各阶差商；（2）根据牛顿插值多项式的公式，构造插值多项式Pn(x)；（3）将需要插值的点代入Pn(x)，得到插值结果。
python 牛顿插值法
python 牛顿插值法摘要：1.牛顿插值法概述2.牛顿插值法的基本原理3.牛顿插值法的应用实例4.Python 中实现牛顿插值法的方法5.总结正文：一、牛顿插值法概述牛顿插值法是一种常用的代数插值方法，它引入了差商的概念，使其在插值节点增加时便于计算。
牛顿插值法广泛应用于数值分析、工程计算等领域，是求解函数值和导数值的一种有效手段。
二、牛顿插值法的基本原理牛顿插值法的基本原理是利用差商的性质来逼近函数值。
差商是指函数在某一点的导数值，可以用以下公式表示：f[x] = f[x0] + f[x1] * (x - x0) / (x1 - x0)其中，f[x0] 和f[x1] 分别是函数在x0 和x1 两点的值，x 是待求的点。
通过不断增加插值节点，可以逐渐提高插值精度。
三、牛顿插值法的应用实例牛顿插值法在实际应用中有很多实例，例如在计算机图形学中，可以用牛顿插值法求解光线与物体的交点，从而实现光线追踪；在数值计算中，可以用牛顿插值法求解微分方程的数值解等。
四、Python 中实现牛顿插值法的方法Python 中可以使用SciPy 库实现牛顿插值法。
以下是一个简单的示例：```pythonimport numpy as npfrom scipy.interpolate import newton# 设置插值点x = np.array([1, 3, 2])y = np.array([1, 2, -1])# 使用牛顿插值法求解y 值的导数y_derivative = newton(x, y)print(y_derivative)```五、总结牛顿插值法是一种常用的插值方法，它具有较高的插值精度和较好的稳定性。
在Python 中，可以使用SciPy 库方便地实现牛顿插值法。
拉格朗日插值法 牛顿插值法
拉格朗日插值法牛顿插值法
摘要：
1.插值法的概念和作用
2.拉格朗日插值法原理和应用
3.牛顿插值法原理和应用
4.两种插值法的优缺点比较
正文：
一、插值法的概念和作用
插值法是一种数学方法，通过已知的数据点来预测未知数据点的一种技术。
在科学计算和工程应用中，常常需要根据有限个已知数据点，来估计某个函数在其他点上的值。
插值法正是为了解决这个问题而诞生的。
二、拉格朗日插值法原理和应用
拉格朗日插值法是一种基于拉格朗日基函数的插值方法。
它的基本原理是：在给定的区间[a, b] 上，选取一个基函数，然后通过求解一组线性方程，得到基函数在各数据点上的值，最后用这些值来近似函数在待求点上的值。
拉格朗日插值法广泛应用于数值分析、工程计算等领域。
三、牛顿插值法原理和应用
牛顿插值法，又称为牛顿前向差分法，是一种基于差分的插值方法。
它的基本原理是：通过对已知数据点的函数值进行差分，然后使用牛顿迭代公式来求解差分后的函数在待求点上的值。
牛顿插值法具有较高的精度，适用于各种函数，特别是对于单调函数和多项式函数，效果尤为显著。
四、两种插值法的优缺点比较
拉格朗日插值法和牛顿插值法各有优缺点。
拉格朗日插值法的优点是适用范围广，可以插值任意类型的函数，但计算过程较为复杂；牛顿插值法的优点是计算简便，精度高，但对于非线性函数或多峰函数，效果可能不佳。
因此，在实际应用中，需要根据具体情况选择合适的插值方法。
牛顿插值法的应用
牛顿插值法的应用
牛顿插值法是一种插值多项式的方法，它可以在给定一些数据点的情况下，通过插值多项式来估算不存在的数据点的值。
这种方法的应用非常广泛，例如在数值分析、统计学、工程学、金融学、计算机科学等领域都有广泛的应用。
在数值分析中，牛顿插值法可以用来近似函数的值或者导数值，进而用来解决一些数值计算问题。
例如在数值微积分中，可以利用牛顿插值法来计算积分的近似值。
在函数拟合中，牛顿插值法可以用来拟合数据点，进而得到一个合适的函数模型。
在金融学中，牛顿插值法可以用来计算证券价格或者利率的近似值。
在计算机科学中，牛顿插值法可以用来优化图像处理算法或者计算机图形学应用。
总的来说，牛顿插值法是一种非常重要的数值计算方法，它可以用来解决许多实际问题。
无论是在学术研究还是实际工程应用中，牛顿插值法都有着广泛的应用前景。
- 1 -。
用拉格朗日插值法和牛顿插值法求的三次多项式
用拉格朗日插值法和牛顿插值法求的三次
多项式
拉格朗日插值法和牛顿插值法是两种用于求三次多项式的经典插值方法，在科学研究和工程应用中都有广泛的应用。
拉格朗日插值法是一种基于拉格朗日插值多项式的求解方法，它可以根据已知的函数值求出未知函数的拉格朗日多项式。
该方法的原理是将未知函数f(x)用n+1个不同的插值点x₀,
x₁, ..., xₙ所确定的拉格朗日插值多项式近似地表示，并以此
求解函数f(x)。
牛顿插值法是一种基于牛顿系数的求解方法，它可以根据已知的函数值求出未知函数的牛顿插值多项式。
这种方法的原理是将未知函数f(x)用n+1个不同的插值点x₀, x₁, ..., xₙ所
确定的牛顿插值多项式近似地表示，并以此求解函数f(x)。
拉格朗日插值法和牛顿插值法的算法都非常简单，但是它们的精度有待进一步改进。
拉格朗日插值法的精度受到插值点的选择和拉格朗日插值多项式的阶数的影响，而牛顿插值法的精度受到插值点的选择和牛顿插值多项式的阶数的影响。
总之，拉格朗日插值法和牛顿插值法都是求三次多项式的经典插值方法，其算法简单，但精度受插值点的选择和插值多项式的阶数的影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
牛顿插值法插值法是利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
如果这特定函数是多项式，就称它为插值多项式。
当插值节点增减时全部插值基函数均要随之变化，这在实际计算中很不方便。
为了克服这一缺点，提出了牛顿插值。
牛顿插值通过求各阶差商，递推得到的一个公式：f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0 )...(x-xn-1)+Rn(x)。
插值函数插值函数的概念及相关性质[1]定义：设连续函数y-f(x) 在区间[a,b]上有定义，已知在n+1个互异的点x0,x1,…xn上取值分别为y0,y1,…yn （设a≤ x1≤x2……≤xn≤b)。
若在函数类中存在以简单函数P(x) ，使得P(xi)=yi,则称P(x) 为f(x)的插值函数.称x1,x2,…xn 为插值节点，称[a,b]为插值区间。
定理：n次代数插值问题的解存在且唯一。
牛顿插值法C程序程序框图#include<stdio.h>void main(){float x[11],y[11][11],xx,temp,newton;int i,j,n;printf("Newton插值:\n请输入要运算的值:x=");scanf("%f",&xx);printf("请输入插值的次数(n<11):n=");scanf("%d",&n);printf("请输入%d组值:\n",n+1);for(i=0;i<n+1;i++){ printf("x%d=",i);scanf("%f",&x[i]);printf("y%d=",i);scanf("%f",&y[0][i]);}for(i=1;i<n+1;i++)for(j=i;j<n+1;j++){ if(i>1)y[i][j]=(y[i-1][j]-y[i-1][j-1])/(x[j]-x[j-i]);elsey[i][j]=(y[i-1][j]-y[i-1][j-1])/(x[j]-x[j-1]);printf("%f\n",y[i][i]);}temp=1;newton=y[0][0];for(i=1;i<n+1;i++){ temp=temp*(xx-x[i-1]);newton=newton+y[i][i]*temp;}printf("求得的结果为:N(%.4f)=%9f\n",xx,newton);牛顿插值法Matlab程序function f = Newton(x,y,x0)syms t;if(length(x) == length(y))n = length(x);c(1:n) = 0.0;elsedisp('x和y的维数不相等！');return;endf = y(1);y1 = 0;l = 1;for(i=1:n-1)for(j=i+1:n)y1(j) = (y(j)-y(i))/(x(j)-x(i));endc(i) = y1(i+1);l = l*(t-x(i));f = f + c(i)*l;simplify(f);y = y1;if(i==n-1)if(nargin == 3)f = subs(f,'t',x0);elsef = collect(f); %将插值多项式展开f = vpa(f, 6);endend牛顿插值法摘要：值法利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
如果这特定函数是多项式，就称它为插值多项式。
利用插值基函数很容易得到拉格朗日插值多项式，公式结构紧凑，在理论分析中甚为方便，但当插值节点增减时全部插值基函数均要随之变化，整个公式也将发生变化，这在实际计算中是很不方便的，为了克服这一缺点，提出了牛顿插值。
牛顿插值通过求各阶差商，递推得到的一个公式：f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x 0)...(x-xn-1)+Rn(x)关键词：牛顿插值法流程图程序实现一、插值法的由来在许多实际问题及科学研究中，因素之间往往存在着函数关系，然而，这种关系经常很难有明显的解析表达，通常只是由观察与测试得到一些离散数值。
有时，即使给出了解析表达式，却由于表达式过于复杂，不仅使用不便，而且不易于进行计算与理论分析。
解决这类问题的方法有两种：一种是插值法,另一种是拟合法。
插值法是一种古老的数学方法，它来自生产实践，早在一千多年前，我国科学家在研究历法上就应用了线性插值与二次插值，但它的基本理论却是在微积分产生之后才逐渐完善的，其应用也日益增多，特别是在计算机软件中，许多库函数，如等的计算实际上归结于它的逼近函数的计算。
逼近函数一般为只含有算术运算的简单函数，如多项式、有理分式（即多项式的商）。
在工程实际问题当中，我们也经常会碰到诸如此类的函数值计算问题。
被计算的函数有时不容易直接计算，如表达式过于复杂或者只能通过某种手段获取该函数在某些点处的函数值信息或者导数值信息等。
因此，我们希望能用一个“简单函数”逼近被计算函数，然后用该简单函数的函数值近似替代被计算函数的函数值。
这种方法就叫插值逼近或者插值法。
逐次线性插值法优点是能够最有效地计算任何给定点的函数值，而不需要写出各步用到的插值多项式的表达式。
但如果解决某个问题时需要插值多项式的表达式，那么，它的这个优点就成了它的缺点了。
能不能根据插值条件构造一个插值多项式，它既有具体的表达式，又很容易用它计算任何点的函数值呢？牛顿插值法能作到这一点。
二、牛顿插值法的概念牛顿插值多项式的表达式设)())(())(()(11121xx x x x x c x x x x c x x c c N n nn--⋅⋅⋅--⋅⋅⋅+--+-+=问题是如何根据插值条件()y x N iin=,i=0,1,2⋅⋅⋅n来计算待定系数c c c c n ⋅⋅⋅210,,？由)()(00x yx N f n==知， )(000x yc f ==。
由 )()(111x y x N f n== 知y x x c c 111)(=-+因而[]x x x x x x x x y y c ff f 11010111,)()(◊--=--=，其中 []x x f 10, 称为函数f(x)在x x 10,点的一阶商。
由)()(222x yx N f n==知y x x x x c x x c c 2122211))(()(=--+-+因而()()()],,[)(],[],[)(],[))(()](,[)](,[))(()](,[))(()](,[212121211212122211112122211121222122x x x x x x x x x x x x x x x y y x x x x x x x x x x x x y y x x x x x x x x y y y y x x x x x x x x y y c f f f f f f f f ◊--=----=-----+-=-----+-=-----=其中],,[210x x x f 称为函数f (x)在x x x 210,,点的二阶差商。
实际上，它是一阶差商的差商。
一般地，如果已知一阶差商],[],,[11x x x x i i i i f f +-， 那么就可以计算二阶差商 x xx x x x x x x i i i i i i i i i f f f 111111_],[],[],,[-+-++--=类似于上述过程不断地推导下去，可得],,,[)(],,[],[],,,,,[)(],,,[],,,[],,,,[)(],,[],,[2100121021443210043210432143210032103213x x x x x x x x x x x x x c x x x x x x x x x x x x x x x cx x x x x x x x x x x x c n n n n f f f f f f f f f ⋅⋅⋅◊-⋅⋅⋅-⋅⋅⋅=⋅⋅⋅⋅◊--=◊--=-其中，],,,,[3210x x x x f ],,,,,[43210x x x x x f ],,,,,,[543210x x x x x x f 分别称为函数f (x)在相应点处的三阶差商，四阶差商和n 阶差商。
实际上，cc c c n⋅⋅⋅21,, 的计算可通过以下简易地构造函数的差商来完成。
xc x f 00)(=x1)(1x fc x x f 110],[=x2)(2x f],[21x x fc x x x f 2210],,[=x3)(3x f],[32x x f],1[32,x x x fc x x x x f 33210],,,[=x4)(4x f],[43x x f],,[432x x x f],,1[432,x x x x fc x x x x x f 443210],,,,[=. . .. . .. . .. . .. . .. . .按上述方式构造插值多项式的方法叫做牛顿插值法。
根据插值多项式的惟一性知，其截断误差与拉格朗日插值法相同， 即：)()()!1(1π1)1(x n n n n fR +++=ξ但也可以表示成差商形式。
这是因为以x x x x n ⋅⋅⋅210,,为节点的多项式)(],[)()(11101x x x x N Nn n n n f x x ∏⋅⋅⋅+=+++从而 )(],[)()()(111101111x x x x x N x N x n n n n n n n n f f +++++++∏⋅⋅⋅+==于是)(x N n 的截断误差可表为)(],,,[)(111x f x n n nx x x x R ∏++⋅⋅⋅=顺便指出，因为牛顿插值多项式具有性质：)())(](,[)()(121101x x x x x x x x x N Nn n n nf x x ---⋅⋅⋅--⋅⋅⋅+=所以，类似于逐次线性插值法，也可以把上述和式中的第二项)())(](,[12110x x x x x x x x x n n f --⋅⋅⋅--⋅⋅⋅看成是估计)(1x Nn - 的一种实用误差估计式。