ĐA THỨC NỘI SUY

Thông thường, một hàm số có hai cách biểu diễn. Dạng thứ nhất bằng biểu
thức giải tích với các kết hợp khác nhau của hàm sơ cấp. Dạng thứ hai thì
hàm số được cho như một bảng số. Ta chú ý đến dạng thứ hai. Giả sử ta
có hàm một biến y = f (x) mà f (x) không thể cho dưới dạng biểu thức giải
tích, nhưng bằng cách nào khác ta có thể nhận được các giá trị của y tại các
giá trị khác nhau của x (chẳng hạn bằng đo đạc hay quan trắc hoặc ghi chép
thống kê) và ta lập được bảng số dạng
x
y

x1
y1

x2
y2

...
...

xn
yn

Ta luôn có thể đánh số lại cho thích hợp nên có thể viết x0 < x1 < · · · <
xn . Các điểm x0 , x1 , ..., xn được gọi là các mốc.
Một vấn đề thực tiễn thường nảy sinh là nếu có ta có hàm số ở dạng bảng
thì bằng cách nào ta có thể xác định giá trị của y tại một giá trị x nào đó
không trùng với một giá trị nào trong các giá trị x0 , x1 , ..., xn . Thuật toán
tìm giá trị y như vậy được gọi là phép nội suy (nếu x ∈ (x0 ; xn ) ) hoặc ngoại
suy (nếu x ∈
/ [x0 ; xn ]). Vì vậy có thể gọi phép nội suy là phép “chèn” hay
phép liên tục hóa các giá trị của hàm số cho dưới dạng bảng tại các giá trị
của biến số không trùng với các mốc.
Trên đây chúng ta nói về phép nội suy và ngoại suy cho hàm một biến
số. Một cách hoàn toàn tương tự, ta có thể mở rộng cho hàm số nhiều biến,
nghĩa là ta có thể nội suy hoặc ngoại suy đối với bảng nhiều chiều, chẳng
hạn với độ nhớt của chất lỏng theo hai biến áp suất và nhiệt độ.
Chúng ta không chỉ tính giá trị của hàm số y = f (x) tại các giá trị trung
gian của biến số mà đôi khi cần phải tính đạo hàm của hàm số y = f (x)
ở bậc bất kì nào đó hoặc tính tích phân của nó trên một khoảng xác định.
Những phép phân tích như vậy giúp chúng ta phát hiện ra các qui luật tổng
quát chi phối mối quan hệ của các yếu tố tham gia xác định một quá trình
hay hiện tượng vật lý.
Một ứng dụng khác của phép nội suy là xấp xỉ một hàm cho trước bằng
một hàm số khác nhằm mục đích đơn giản hóa cách tính giá trị của hàm đã
cho. Ta hình dung trường hợp sau: trong một thuật toán nào đó ta phải tính
nhiều lần giá trị của một hàm số với một biểu thức rất phức tạp ở nhiều giá
trị khác nhau của biến số. Để tiết kiệm thời gian tính toán nhưng vẫn đảm
bảo độ chính xác đã đặt ra, ta sẽ chủ động chia miền biến đổi của biến số
1

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

bằng mốc kể cả các điểm biên và tiến hành tính các giá trị của hàm số tại
các mốc đó để có được một bảng số. Khi đó để tính giá trị của hàm đã cho
tại các giá trị khác nhau của biến số ta sẽ sử dụng phép nội suy với số phép
tính ít hơn nhiều lần so với cách tính trực tiếp mà độ chính xác vẫn đảm
bảo.
Trên đây chúng ta nói đến hai ứng dụng chủ yếu của phép nội suy và
ngoại suy. Trong trường hợp thứ nhất thì hàm số được cho ở dạng rời rạc
hóa vì không biết biểu thức giải tích của nó, còn trong trường hợp thứ hai
thì hàm được cho ở dạng giải tích nhưng rất phức tạp cho việc tính toán nên
ta phải rời rạc hóa nó trước khi dung phép nội suy. Sau đây chúng ta sẽ đi
vào một số phép nội suy thông dụng.

0.1

Đa thức nội suy dạng Lagrange

Đa thức là một lớp hàm “đẹp”, có đạo hàm ở mọi bậc, cách tính giá trị của
nó cũng như tính đạo hàm, tích phân rất đơn giản. Ngoài ra, các công trình
của nhà toán học Weirstrass cho thấy, nếu hàm số f (x) liên tục trên đoạn
[a; b] thì với mọi số ϵ dương tùy ý có thể tìm được một đa thức P (x) bậc n
(phụ thuộc vào ϵ) sao cho |f (x) − P (x)| < ϵ, ∀x ∈ [a; b].
Những lí do trên là cơ sở tốt để người ta chọn đa thức làm hàm xấp xỉ
của phép nội suy. Định lý Weirstrass cũng cho thấy, bậc đa thức càng cao
thì độ chính xác của xấp xỉ càng tăng. Tuy nhiên, với ý nghĩa ứng dụng thực
tế thì điều đó không phải là như vậy, vì đa thức bậc cao cũng mất rất nhiều
thời gian tính toán.

0.1.1

Đa thức nội suy dạng Lagrange với mốc bất kì

Xét hàm số y = f (x) với x ∈ [a; b]. Cho dãy xi ∈ [a; b] , i = 0, n thỏa xi < xj
nếu i < j và x0 = a; xn = b. Đặt yi = f (xi ) , i = 0, n, ta sẽ tiến hành xây
dựng một đa thức Ln (x) thỏa mãn các điều kiện sau:
{
deg Ln (x) ≤ n
(1)
Ln (xi ) = f (xi ) = yi , ∀i = 0, n
Trước tiên ta xét các đa thức
(x − x0 ) ... (x − xi−1 ) (x − xi+1 ) ... (x − xn )
, ∀i = 0, n
(xi − x0 ) ... (xi − xi−1 ) (xi − xi+1 ) ... (xi − xn )
{
0 khi i ̸= j
Ta thấy deg ωi (x) = n và ωi (xj ) = δij =
.
1 khi i = j
n

Đặt Ln (x) =
yi ωi (x). Ta thấy Ln (x) thỏa cả hai điều kiện trong 1.
ωi (x) =

i=0

Đa thức Ln (x) xây dựng như trên được gọi là đa thức nội suy dạng
Lagrange.
2

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

y

Ln (x)
f (x)

O

x0 = a x1

x
xn−2 xn−1 xn = b

x2

Hình 1: Mô phỏng đường đi của Ln (x) so với f (x)

Tiếp theo, ta chứng tỏ rằng sự tồn tại của đa thức Ln (x) là duy nhất. Giả
sử còn có đa thức Q(x) thỏa mãn các điều kiện của bài toán. Đặt φ (x) =
Ln (x) − Q (x), ta suy ra deg φ(x) ≤ n và φ (xi ) = 0, i = 0, n. Điều này chứng
tỏ φ(x) là một đa thức có bậc nhỏ hơn n đồng thời có ít nhất n + 1 nghiệm,
ta suy ra φ (x) ≡ 0 hay Ln (x) ≡ Q (x).

Hình 2: Đồ thị của các đa thức ωi (x) (trường hợp n = 4 và xi = i, i = 0, 4)

Ví dụ 0.1. Cho hàm số y = f (x) có bảng giá trị
x
y

0
1

1
0

2
2

4
1

1) Xây dựng đa thức nội suy dạng Lagrange của hàm số f (x).
2) Tính gần đúng f (3).
Giải. 1) Trước hết ta xây dựng các đa thức ωi (x), i = 0, 3
• ω0 (x) =

(x − 1) (x − 2) (x − 4)
(0 − 1) (0 − 2) (0 − 4)

• ω1 (x) =

(x − 0) (x − 2) (x − 4)
(1 − 0) (1 − 2) (1 − 4)
3

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

• ω2 (x) =

(x − 0) (x − 1) (x − 4)
(2 − 0) (2 − 1) (2 − 4)

• ω3 (x) =

(x − 0) (x − 1) (x − 2)
(4 − 0) (4 − 1) (4 − 2)

Từ đây ta suy ra đa thức nội suy dạng Lagrange của hàm số y = f (x) là
L3 (x) = y0 ω0 (x) + y1 ω1 (x) + y2 ω2 (x) + y3 ω3 (x)
1
=
(−7x3 + 39x2 − 44x + 12)
12
2) Áp dụng kết quả câu 1) ta có f (3) ≈ L3 (3) =

7
2 

∫x sin t
dt. Bảng số sau đây cho ta biết được
t
1
giá trị của hàm số y = f (x) tại những điểm đặc biệt
Ví dụ 0.2. Xét hàm số f (x) =

x
y

1
0

1, 2
0, 161964

1, 4
0, 310144

1, 6
0, 443097

1) Xây dựng đa thức nội suy dạng Lagrange của hàm số f (x).
2) Tính gần đúng f (1, 3); f (1, 5).
Giải. 1) Trước hết ta xây dựng các đa thức ωi (x), i = 0, 3
• ω0 (x) =

(x − 1, 2) (x − 1, 4) (x − 1, 6)
(1 − 1, 2) (1 − 1, 4) (1 − 1, 6)

• ω1 (x) =

(x − 1) (x − 1, 4) (x − 1, 6)
(1, 2 − 1) (1, 2 − 1, 4) (1, 2 − 1, 6)

• ω2 (x) =

(x − 1) (x − 1, 2) (x − 1, 6)
(1, 4 − 1) (1, 4 − 1, 2) (1, 4 − 1, 6)

• ω3 (x) =

(x − 1) (x − 1, 2) (x − 1, 4)
(1, 6 − 1) (1, 6 − 1, 2) (1, 6 − 1, 4)

Từ đây ta suy ra đa thức nội suy dạng Lagrange của hàm số y = f (x) là
L3 (x) = y0 ω0 (x) + y1 ω1 (x) + y2 ω2 (x) + y3 ω3 (x)
= 0ω0 (x) + 0, 161964ω1 (x) + 0, 310144ω2 (x) + 0, 443097ω3 (x)
2) Từ kết quả câu 1) ta suy ra
• f (1, 3) = 0,237867
• f (1, 5) = 0,378614 

4

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Ước lượng sai số của phép nội suy
Bây giờ ta tiến hành đánh giá sai số của phép nội suy dạng Lagrange ở giá
trị x bất kì khác các mốc x0 , x1 , . . . , xn , tức ta đánh giá |f (x) − Ln (x)|. Để
(n+1)
(n+1)
cho đơn giản ta giả sử f ∈ C[a;b] (ở đây C[a;b] là tập hợp các hàm số khả
vi liên tục cấp n + 1). Đặt
• ψ (x) = (x − x0 ) (x − x1 ) ... (x − xn )
• ϵ (x) = f (x) − Ln (x) − kψ (x) với k =

f (x) − Ln (x)
ψ (x)

Từ cách xây dựng hàm số ϵ(x) ta được ϵ (x0 ) = ϵ (x1 ) = ... = ϵ (xn ) =
ϵ(x) = 0, tức ϵ(x) có ít nhất n + 2 nghiệm trên đoạn [a; b]. Áp dụng định
lý Roll cho hàm số ϵ(x) trên các đoạn [x0 ; x1 ], [x1 ; x2 ], . . . , [xi−1 ; x], [x; xi ],
. . . , [xn−1 ; xn ] ta nhận được hàm số ϵ′ (x) có ít nhất n + 1 nghiệm trên khoảng
(a; b). Tiếp tục quá trình này ta suy ra hàm số ϵ(n+1) (x) có ít nhất một
nghiệm trên khoảng (a; b), tức tồn tại α ∈ (a; b) sao cho ϵ(n+1) (α) = 0. Hơn
nữa
(n+1)
(x) − kψ (n+1) (x)
ϵ(n+1) (x) = f (n+1) (x) − Ln
(2)
(n+1)
=f
(x) − k(n + 1)!
Từ đẳng thức 2 ta suy ra k =

|f (x) − Ln (x) | = |

với M = max f (n+1) (x) .

f (n+1) (α)
. Khi đó
(n + 1)!

f (n+1) (α)
M
ψ (x) | ≤
|ψ (x)|
(n + 1)!
(n + 1)!

(3)

x∈[a;b]

Ví dụ 0.3. Cho hàm số y = sin(2x) có bảng giá trị
x
y

1
8
0, 247404

1
6
0, 327195

1
4
0, 479426

1
2
0, 841471

1) Xây dựng đa thức nội suy Lagrange của hàm số f (x).
2
2) Tính gần đúng sin( ), đánh giá sai số kết quả vừa tìm được.
7
Giải. 1) Bằng cách làm tương tự như các ví dụ trên, đa thức nội suy dạng
Lagrange của hàm số f (x) là
L3 (x) = y0 ω0 (x) + y1 ω1 (x) + y2 ω2 (x) + y3 ω3 (x)
trong đó các hàm số ωi (x), i = 0, 3 được xác định như sau:
5

Huỳnh Hữu Dinh

• ω0 (x) =

• ω1 (x) =

• ω2 (x) =

• ω3 (x) =

Trường Đại Học Công Nghiệp TPHCM

(
)(
)(
)
1
1
1
x−
x−
x−
6
4
2
(
)(
)(
)
1 1
1 1
1 1



8 6
8 4
8 2
(
)(
)(
)
1
1
1
x−
x−
x−
8
4
2
(
)(
)(
)
1 1
1 1
1 1



6 8
6 4
6 2
(
)(
)(
)
1
1
1
x−
x−
x−
8
6
2
(
)(
)(
)
1 1
1 1
1 1



4 8
4 6
4 2
(
)(
)(
)
1
1
1
x−
x−
x−
8
6
4
(
)(
)(
)
1 1
1 1
1 1



2 8
2 6
2 4

2) Áp dụng kết quả câu 1) ta được
( )
( )
( )
2
1
1
sin
=f
≈ L3
= 0.281848
7
7
7
Tiếp theo ta ước lượng sai số kết quả trên
(
( )
)(
)(
)(
)
( )

1 1
1 1
1 1
f 1 − L3 1 ≤ M 1 − 1


7
7
4! 7 8
7 6
7 4
7 2

với M = max f (4) (x) = max |16 sin (2x)| = 13, 841471
x∈[ 18 ; 21 ]
x∈[ 18 ; 12 ]
Khi đó
( )
( )

f 1 − L3 1 ≤ 9.10−6

7
7
Bài toán đã được giải quyết nhưng để thấy được độ “tốt” của đa thức nội
suy trên ta xem hình vẽ sau đây 

Nhận xét 0.1. Công thức 3 chỉ giúp ta đánh giá sai số của phép nội suy tại
một điểm mà không cho ta cái nhìn toàn thể nên đôi khi những kết quả đó
khiến chúng ta nhận định sai lầm (chẳng hạn khi đánh giá sai số tại điểm
nội suy đang xét thì thấy kết quả thu được là rất tốt, từ đó rút ra kết luận là
đa thức nội suy đó là một xấp xỉ tốt, nhưng thực ra kết quả đó chưa đủ độ
tin cậy để ta kết luận như thế). Để khắc phục điều đó, đồng thời giúp chúng
ta có cái nhín tổng quan về sự phân bố các điểm “tốt” và “xấu” của phép nội
suy, ta sẽ khảo sát hàm số y = log |f (x) − Ln (x)| với x ∈ [a; b]. Tại sao lại
6

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Hình 3:
là hàm y = log |f (x) − Ln (x)| mà không phải là hàm y = |f (x) − Ln (x)|?
Nếu chúng ta dùng hàm y = |f (x) − Ln (x)| thì rất khó khăn khi biểu diễn
bằng đồ thị vì sự khác biệt của Ln (x) và f (x) là khá nhỏ nên đồ thị của hàm
số y = |f (x) − Ln (x)| gần như trùng với trục Ox, vì thế chúng ta cần phải
“khuếch đại” đồ thị này bằng cách khảo sát hàm số y = log |f (x) − Ln (x)|.
Trở lại ví dụ 0.3, với bảng số liệu đã cho ta đã tìm được đa thức nội suy
L3 (x). Bây giờ ta sẽ biểu diễn đồ thị của hai hàm số y = |f (x) − L3 (x)| và
y = log |f (x) − L3 (x)| để tìm phân bố các điểm “tốt” và “xấu” của phép nội
suy và cũng trả lời cho câu hỏi tại sao lại chọn hàm y = log |f (x) − L3 (x)|
để phân loại các điểm của phép nội suy.

Hình 4:
Dựa vào đồ thị của hàm y = log |f (x) − L3 (x)| trong hình 4, chúng ta có
thể khẳng định là sai số tại mỗi điểm nội suy không vượt quá 10−7 , điều này
chứng tỏ L3 (x) là một xấp xỉ rất tốt của hàm số y = sin(2x). Trong khi đó
đồ thị hàm y = |f (x) − L3 (x)| chẳng cho ta được thông tin gì đáng kể.
Nhận xét 0.2. Trong công thức ước lượng sai số chỉ có đại lượng ψ(x) là
phụ thuộc vào cách chọn n + 1 mốc nội suy nên có thể đặt ra câu hỏi: tồn tại
7

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

hay không cách bố trí các mốc nội suy (khi n cố định) để max |ψ(x)| nhỏ
x∈[a;b]

nhất, nói cách khác tồn tại hay không các mốc nội suy tối ưu ở mọi giá trị n
2x − a − b
thì đoạn [a; b] chuyển thành
(nhận xét rằng với phép biến đổi t =
b−a
[−1; 1], do đó luôn có thể xét bài toán nội suy trên đoạn [−1; 1] với các mốc
nội suy trên đoạn [−1; 1]). Câu trả lời là có. Các mốc nội suy tối ưu là các
điểm biểu diễn nghiệm của đa thức Chebysev Tn+1 (x) bậc n + 1. Ta sẽ tìm
hiểu một vài vấn đề cơ bản của đa thức Chebysev ngay sau đây
Đa thức Chebysev
Xét hàm số Tn (x) = cos (n arccos x) với |x| ≤ 1. Ứng với n = 1, 2, 3, 4 ta tính
được
T1 (x) = x
T2 (x) = 2x2 − 1
T3 (x) = 4x3 − 3x
T4 (x) = 8x4 − 8x2 + 1

Hình 5: Đồ thị các hàm số Ti (x), i = 1, 4

Từ biểu thức của hàm số Tn (x) ta xác định được hệ thức truy hồi sau
Tn+1 (x) = 2xTn (x) − Tn−1 (x) , ∀n ≥ 1
Vậy Tn (x) là một đa thức đại số có deg Tn (x) = n và hệ số bậc cao nhất
là 2n−1 . Đa thức Tn (x) được gọi là đa thức Chebysev.
Tính chất 0.1. Đa thức Chebysev có một số tính chất quan trọng sau:
[(
) ]
2i + 1
1. Tn (x) có n nghiệm thực phân biệt trong [−1; 1] là xi = cos
π ,i =
2n
0, n − 1.
( )

2. max |Tn (x)| = 1 khi x = xi = cos
, i = 0, n.
x∈[−1;1]
n
8

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

1

3. max n−1 Tn (x) ≤ max |P (x)| với P (x) là một đa thức bậc n và
x∈[−1;1] 2
x∈[−1;1]
hệ số bậc cao nhất là 1.
Chứng minh. 1) Xét phương trình Tn (x) = 0 trong đoạn [−1; 1]. Ta có
cos (n arccos x) = 0
π
⇔ n arccos x = + iπ, i ∈ Z
2
(2i + 1) π
,i ∈ Z
⇔ arccos x =
2n
Vì arccos x ∈ [0; π] nên ta suy ra i = 0, n − 1 và
[(
) ]
2i + 1
x = cos
π , i = 0, n − 1
2n
[(
Vậy Tn (x) có n nghiệm thực phân biệt trong [−1; 1] là xi = cos

2i + 1
2n

) ]
π ,i =

0, n − 1.
2) Với x ∈ [−1; 1] ta có |Tn (x)| = |cos (n arccos x)| ≤ 1. Đẳng thức xảy
ra khi

|cos (n arccos x)| = 1 ⇔ arccos x = , i ∈ Z
n
( )

, i = 0, n.
Vì arccos x ∈ [0; π] nên ta suy ra i = 0, n và x = cos
n

1

1
1
3) Theo 2) ta có max n−1 Tn (x) = n−1 max |Tn (x)| = n−1 .
x∈[−1;1] 2
x∈[−1;1]
2
2
1
1
Giả sử max |P (x)| < n−1 . Xét đa thức Q (x) = n−1 Tn (x) − P (x).
x∈[−1;1]
2
2
Ta thấy Q(x) là một đa thức có deg Q(x) ≤ n − 1 và khác đa thức không.
Hơn nữa
( ( ))
( ( ))
( ( ))



1
Q cos
= n−1 Tn cos
− P cos
n
2
n
( n( ))

(−1)i
= n−1 − P cos
, i = 0, n
2
n
( ( ))
( ( ))


Nhận thấy rằng Q cos
> 0 nếu i chẵn và Q cos
<0
n
n
nếu i lẻ nên phương trình Q(x) = 0 có n nghiệm phân biệt trong [−1; 1], từ
đó suy ra Q (x) ≡ 0 (vô lý).
1
Vậy max |P (x)| ≥ n−1 (đpcm)
x∈[−1;1]
2
Từ định lí trên rút ra rằng: nếu chọn các mốc nội suy chính là các nghiệm
của đa thức Chebysev Tn+1 (x) thì ta sẽ có
• ψ (x) =

1
Tn+1 (x)
2n
9

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

1

M
M
M
Tn+1 (x) ≤
• |f (x) − Ln (x)| ≤
|ψ (x)| =

n
n
(n + 1)!
(n + 1)! 2
2 (n + 1)! 

ex
) với x ∈ [−1; 1]. Với hàm số
2
này ta lập hai bảng giá trị, một bảng có mốc được chọn tùy ý, một bảng lấy
mốc là nghiệm của đa thức Chebysev T4 (x) (số lượng mốc của hai bảng này
là như nhau). Cụ thể hơn, ta có hai bảng số sau
Ví dụ 0.4. Cho hàm số y = f (x) = sin(1 +

x
y

−1
0, 926100

−0, 5
0, 964427

0, 5
0, 968024

1
0, 705020

x


8
0, 931490


8
0, 973716


8
0, 986857

π
8
0, 772056

y

cos

cos

cos

cos

Với bảng số thứ nhất ta xây dựng được đa thức nội suy L3 (x) cho hàm
số f (x), với bảng số thứ hai ta xây dựng được đa thức nội suy M3 (x) (biểu
thức tường minh của hai đa thức này bạn đọc xây dựng như các ví dụ trên).
Tiếp theo, ta đánh giá độ tốt của hai đa thức này thông qua đồ thị sau

Hình 6: Đồ thị các hàm số f (x), L3 (x) và M3 (x)

Một cách trực quan ta thấy đa thức M3 (x) xấp xỉ hàm số f (x) tốt hơn
L3 (x), nhất là những điểm xa mốc nội suy. Tuy nhiên, để có cái nhìn chính xác
hơn về mức độ sai số, ta sẽ biểu diễn đồ thị hai hàm số y = log |f (x) − L3 (x)|
và y = log |f (x) − M3 (x)| trên hệ trục tọa độ.
Hình 7 cho ta thấy đa thức M3 (x) xấp xỉ hàm số f (x) tốt hơn hẳn so với
L3 (x) và sai số tại mỗi điểm không quá nội suy không quá 10−4 .
10

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Hình 7: Đồ thị hai hàm số y = log |f (x) − L3 (x)| và y = log |f (x) − M3 (x)|

0.1.2

Đa thức nội suy dạng Lagrange với mốc cách đều

Bây giờ ta thêm giả thiết các mốc x0 , x1 , . . . , xn cách đều trong [a; b], tức là


 x0 = a; xn = b
b−a
x1 − x0 = x2 − x1 = ... = xn − xn−1 =
=h

n

xi = x0 + hi, ∀i = 0, n
Thực hiện phép đổi biến x = x0 + ht, ta được
ψi (t) = ωi (x0 + th)
(−1)n−i
i! (n − i)!
n−i
t (t − 1) ... (t − n) (−1)
t (t − 1) ... (t − n) (−1)n−i Cni
=
=
(t − i)
i! (n − i)!
n!
(t − i)
= t (t − 1) ... (t − i + 1) (t − i − 1) ... (t − n) .

Từ đó ta thu được
Ln (x) =

n

i=0

t (t − 1) ... (t − n) ∑
Ci
yi ψi (t) =
(−1)n−i n yi = Nn (t)
n!
t−i
i=0
n

(4)

Ví dụ 0.5. Cho hàm số y = f (x) có bảng giá trị
x
y

1
1

2
5

3
21

4
55

1) Xây dựng đa thức nội suy dạng Lagrange với mốc cách đều của hàm
số f (x).
2) Tính f (3, 5).
11

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Giải. 1) Theo công thức 4, bằng cách đổi biến x = x0 + ht = 1 + t ta được
3
t (t − 1) (t − 2) (t − 3) ∑
Ci
(−1)3−i 3 yi
6
t−i
i=0
(t − 1) (t − 2) (t − 3) 5t (t − 2) (t − 3)
= −
+
+
6
2
−21t (t − 1) (t − 3) 55t (t − 1) (t − 2)
+
2
6

L3 (x) = N3 (t) =

2) Áp dụng kết quả phần 1) ta được
f (3, 5) ≈ L3 (3, 5) = N (2, 5) = 35, 375 

Ước lượng sai số
Theo phần ước lượng sai số của đa thức nội suy dạng Lagrange ta có

M
|ψ (x)| với M = max f (n+1) (x)
|f (x) − Ln (x)| ≤
x∈[a;b]
(n + 1)!
Đặt x = x0 + ht, khi đó
ψ (x) = (x − x0 ) (x − x1 ) ... (x − xn ) = hn+1 t (t − 1) ... (t − n)
Từ đây ta được hệ thức
|f (x) − Nn (t)| ≤

với M = max f (n+1) (x)

M hn+1
|t (t − 1) ... (t − n)|
(n + 1)!

(5)

x∈[a;b]

Ví dụ 0.6. Xét hàm số y = f (x) =

∫x

2

et dt. Bảng sau đây cho ta biết giá trị

0

của hàm số tại một số mốc
x
y

0, 25
0, 255307

0, 50
0, 544987

0, 75
0, 917916

1, 00
1, 462652

1) Xây dựng đa thức nội suy dạng Lagrange với mốc cách đều của hàm
số f (x) cho bởi bảng trên.
2) Tính f (0, 7), đánh giá sai số kết quả trên.
Giải. Đổi biến x = 0, 25 + 0, 25t, khi đó
3
t (t − 1) (t − 2) (t − 3) ∑
Ci
(−1)3−i 3 yi
6
t−i
i=0
(t − 1) (t − 2) (t − 3) 0, 255307 t (t − 2) (t − 3) 0, 544987
= −
+
+
6
2
t (t − 1) (t − 3) 0, 917916 t (t − 1) (t − 2) 1, 462652
+

2
6

L3 (x) = N3 (t) =

12

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

2) Áp dụng kết quả câu 1) ta được
f (0, 7) ≈ L3 (0, 7) = N3 (1, 8) = 0, 832419
Ta tiến hành đánh giá sai số kết quả trên
M (0, 25)4
|1, 8 (1, 8 − 1) (1, 8 − 2) (1, 8 − 3)|
4!

2

với M = max f (4) (x) = max ex (16x4 + 48x2 + 12) = 206, 589419
|f (0, 7) − L3 (0, 7)| ≤

x∈[0,25;1]

x∈[0,25;1]

Ta tính được
M (0, 25)4
|f (0, 7) − N3 (1, 8)| ≤
|1, 8 (1, 8 − 1) (1, 8 − 2) (1, 8 − 3)|
4!
= 0, 011621 

0.2
0.2.1

Đa thức nội suy dạng Newton
Đa thức nội suy dạng Newton với mốc bất kì

Tỷ sai phân
Định nghĩa 0.1. Xét hàm số y = f (x) với x ∈ [a; b]. Cho dãy xi ∈ [a; b] , i =
0, n thỏa xi < xj nếu i < j và x0 = a; xn = b. Đặt yi = f (xi ) , i = 0, n.
yi+1 − yi
Tỷ số
được gọi là tỷ sai phân cấp 1 (TSP1) của hàm số
xi+1 − xi
y = f (x) tại các mốc xi ; xi+1 với i = 0, n − 1, ký hiệu f [xi ; xi+1 ].
f [xi+1 ; xi+2 ] − f [xi ; xi+1 ]
Tỷ số
được gọi là tỷ sai phân cấp 2 (TSP2)
xi+2 − xi
của hàm số y = f (x) tại các mốc xi ; xi+1 ; xi+2 với i = 0, n − 2, ký hiệu
f [xi ; xi+1 ; xi+2 ].
f [xi+1 ; xi+2 ; ...; xi+k ] − f [xi ; xi+1 ; ...; xi+k−1 ]
được gọi là tỷ sai phân
Tỷ số
xi+k − xi
cấp k (TSPk) của hàm số y = f (x) tại các mốc xi ; xi+1 ; . . . ; xi+k với
i = 0, n − k, ký hiệu f [xi ; xi+1 ; . . . ; xi+k ].
Ta qui ước các giá trị yi , i = 0, n là các tỷ sai phân cấp 0.
Để tính tỷ sai phân các cấp của hàm số một cách thuận tiện, ta thường
dùng sơ đồ tỷ sai phân. Sau đây là một minh họa cho sơ đồ này (áp dụng
trong trường hợp bảng giá trị của f (x) có bốn mốc)
Sơ đồ tỷ sai phân đôi khi được trình bày ở dạng bảng (còn gọi là bảng
tỷ sai phân)
13

Huỳnh Hữu Dinh
x
x0

y
f (x0 )

Trường Đại Học Công Nghiệp TPHCM
TSP1

TSP2

TSP3

f [x0 ; x1 ]
x1

f [x0 ; x1 ; x2 ]

f (x1 )

f [x0 ; x1 ; x2 ; x3 ]

f [x1 ; x2 ]
x2

f (x2 )

x3

f (x3 )

f [x1 ; x2 ; x3 ]
f [x2 ; x3 ]
Hình 8: Sơ đồ tỷ sai phân

x
x0

y
f (x0 )

TSP1

TSP2

TSP3

f [x0 ; x1 ]
x1

f (x1 )

x2

f (x2 )

f [x0 ; x1 ; x2 ]
f [x1 ; x2 ]

f [x0 ; x1 ; x2 ; x3 ]
f [x1 ; x2 ; x3 ]

f [x2 ; x3 ]
x3

f (x3 )

Ví dụ 0.7. Cho hàm số f (x) có bảng giá trị
x
y

1
0

2
5

3
22

4
57

Lập bảng tỷ sai phân của hàm số f (x). Từ đó suy ra giá trị các tỷ sai
phân f [x1 ; x2 ], f [x1 ; x2 ; x3 ].
Giải. Ta lập bảng tỷ sai phân
x
1

y
0

TSP1

TSP2

TSP3

5
2

5

6
17

3

22

4

57

1
9

35
Từ bảng tỷ sai phân ta tính được f [x1 ; x2 ] = 17 và f [x1 ; x2 ; x3 ] = 9. 

Định lý 0.1. Cho n + 1 số thực x0 ; x1 ; . . . ; xn đôi một khác nhau. Khi đó
P [x; x0 ; x1 . . . ; xn ] = 0 với x ∈ R\{xi }i=0,n , ở đây P (x) là đa thức có bậc
không lớn hơn n.
Chứng minh. Giả sử deg P (x) = m. Từ giả thiết suy ra m ≤ n.
P (x) − P (x0 )
Khi đó P [x; x0 ] =
là một đa thức có bậc m − 1.
x − x0
14

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Từ đó ta có P [x; x0 ; x1 ] =

P [x; x0 ] − P [x0 ; x1 ]
là một đa thức có bậc
x − x1

m − 2.
Bằng phép qui nạp ta chứng tỏ được
P [x; x0 ; x1 ; ...; xk ] =

P [x; x0 ; ...; xk−1 ] − P [x0 ; x1 ; ...; xk ]
x − xk

là một đa thức có bậc m − k − 1 với k = 0, m − 1.
Cho k = m − 1 ta suy ra P [x; x0 ; x1 ; ...; xm−1 ] là một đa thức bậc 0, tức
P [x; x0 ; x1 ; ...; xm−1 ] ≡ const.
P [x; x0 ; ...; xm−1 ] − P [x0 ; x1 ; ...; xm ]
Khi đó P [x; x0 ; x1 ; ...; xm ] =
= 0 với
x − xm
mọi x ∈ R\{xi }i=0,m . Từ đây ta suy ra P [x; x0 ; x1 ; ...; xn ] = 0 với x ∈
R\{xi }i=0,n . (đpcm) 

Biểu thức tường minh của đa thức nội suy dạng Newton
Xét hàm số y = f (x) với x ∈ [a; b]. Cho dãy xi ∈ [a; b] , i = 0, n thỏa xi < xj
nếu i < j và x0 = a; xn = b. Đặt yi = f (xi ) , i = 0, n, ta xét lại bài toán tìm
một đa thức Ln (x) thỏa mãn các điều kiện trong 1. Trong phần trước ta đã
tìm ra biểu thức Ln (x) ở dạng Lagrange, bây giờ ta sẽ biểu diễn Ln (x) theo
một dạng khác có dùng khái niệm tỷ sai phân.
Áp dụng định nghĩa tỷ sai phân cấp 1 ta có
Ln [x; x0 ] =

Ln (x) − Ln (x0 )
Ln (x) − y0
=
x − x0
x − x0

Từ đây suy ra
Ln (x) = y0 + L [x; x0 ] (x − x0 )
Mặt khác, theo định nghĩa tỷ sai phân cấp 2 ta có
Ln [x; x0 ; x1 ] =

Ln [x; x0 ] − Ln [x0 ; x1 ]
x − x1

Từ đây rút ra
Ln [x; x0 ] = Ln [x0 ; x1 ] + Ln [x; x0 ; x1 ] (x − x1 )
Do đó
Ln (x) = y0 + Ln [x0 ; x1 ] (x − x0 ) + Ln [x; x0 ; x1 ] (x − x0 ) (x − x1 )
Lập luận tương tự ta được
Ln (x) = y0 + Ln [x0 ; x1 ] (x − x0 ) + Ln [x0 ; x1 ; x2 ] (x − x0 ) (x − x1 ) + ...
+Ln [x; x0 ; x1 ; ...; xn−1 ] (x − x0 ) (x − x1 ) ... (x − xn−1 )
15

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Vì deg Ln (x) ≤ n nên theo định lý 0.1 ta có Ln [x; x0 ; x1 ; x2 ; ...; xn ] = 0.
Mặt khác
Ln [x; x0 ; x1 ; ...; xn−1 ] − Ln [x0 ; x1 ; ...; xn−1 ; xn ]
x − xn

Ln [x; x0 ; x1 ; ...; xn ] =

Ta suy ra Ln [x; x0 ; x1 ; ...; xn−1 ] = Ln [x0 ; x1 ; ...; xn−1 ; xn ]
Do đó
Ln (x) = y0 + Ln [x0 ; x1 ] (x − x0 ) + Ln [x0 ; x1 ; x2 ] (x − x0 ) (x − x1 ) + ...
+Ln [x0 ; x1 ; ...; xn−1 ; xn ] (x − x0 ) (x − x1 ) ... (x − xn−1 )
Ta đã biết Ln (xi ) = f (xi ) = yi , i = 0, n nên
Ln [x0 ; x1 ; x2 ; ...; xk ] = f [x0 ; x1 ; x2 ; ...; xk ] , k = 1, n
Vì thế ta có thể viết lại đa thức Ln (x) như sau:

Ln (x) = y0 + f [x0 ; x1 ] (x − x0 ) + f [x0 ; x1 ; x2 ] (x − x0 ) (x − x1 ) + ...
+f [x0 ; x1 ; ...; xn−1 ; xn ] (x − x0 ) (x − x1 ) ... (x − xn−1 )

Đa thức Ln (x) xác định như trên được gọi là đa thức nội suy có dạng
Newton.
Ví dụ 0.8. Cho hàm số f (x) có bảng giá trị
x
y

0
0

1
1

2
8

4
64

Hãy xây dựng đa thức nội suy dạng Newton của hàm số f (x) cho bởi
bảng trên.
Giải. Ta lập bảng tỷ sai phân
x
0

y
0

1

1

TSP1

TSP2

TSP3

1
3
7
2

1

8

7
28

4

64
16

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Đa thức nội suy dạng Newton của hàm số f (x) có dạng
L3 (x) = y0 + f [x0 ; x1 ] (x − x0 ) + f [x0 ; x1 ; x2 ] (x − x0 ) (x − x1 )
+f [x0 ; x1 ; x2 ; x3 ] (x − x0 ) (x − x1 ) (x − x2 )
= 0 + (x − 0) + 3 (x − 0) (x − 1) + (x − 0) (x − 1) (x − 2)
= x3 

Ví dụ 0.9. Xét hàm số f (x) cho bởi bảng
x
y

0
−5

1
2

2
5

3
10

4
30

1) Xây dựng đa thức nội suy dạng Newton của hàm số f (x).
2) Tính gần đúng f (2, 5).
Giải. 1) Ta lập bảng tỷ sai phân
x
0

y
−5

TSP1

TSP2

TSP3

TSP4

7
1

−2

2
3

2

5

1
1

0, 2917

5
3

10

2, 16667
7, 5

20
4

30

Đa thức nội suy dạng Newton của hàm số f (x) có dạng
L4 (x) = −5 + 7x − 2x (x − 1) + x (x − 1) (x − 2) +
+0, 2917x (x − 1) (x − 2) (x − 3)
2) Ta có f (2, 5) ≈ L4 (2, 5) = 6, 601531 

Ước lượng sai số của phép nội suy
Ta thấy đa thức nội suy dạng Lagrange và đa thức nội suy dạng Newton chỉ
khác nhau về cách thức xây dựng, còn biểu thức cuối cùng thì như nhau nên
ta có thể lấy phần ước lượng sai số của đa thức nội suy dạng Lagrange cho
đa thức nội suy dạng Newton. Tức ở đây ta có
|f (x) − Ln (x)| ≤

với M = max f (n+1) (x) .
x∈[a;b]

17

M
|ψ (x)|
(n + 1)!

Huỳnh Hữu Dinh

0.2.2

Trường Đại Học Công Nghiệp TPHCM

Đa thức nội suy dạng Newton với mốc cách đều

Bây giờ ta thêm giả thiết là các mốc x0 , x1 , ..., xn cách đều trong [a; b], tức là


 x0 = a; xn = b
b−a
x1 − x0 = x2 − x1 = ... = xn − xn−1 =
=h

n

xi = x0 + hi, ∀i = 0, n
Trước hết ta tìm hiểu khái niệm sau
Sai phân
Định nghĩa 0.2. Xét hàm số y = f (x) với x ∈ [a; b], các mốc x0 , x1 , ..., xn
là cách đều trong [a; b]. Đặt yi = f (xi ) , i = 0, n.
Hiệu số yi+1 − yi được gọi là sai phân cấp 1 của hàm số f (x) tại mốc
xi với i = 0, n − 1, ký hiệu ∆yi .
Hiệu số ∆yi+1 − ∆yi được gọi là sai phân cấp 2 của hàm số f (x) tại
mốc xi với i = 0, n − 2, ký hiệu ∆2 yi .
Tổng quát, hiệu số ∆k yi+1 − ∆k yi được gọi là sai phân cấp k+1 của
hàm số f (x) tại mốc xi với i = 0, n − k − 1, ký hiệu ∆k+1 yi .
Để tính sai phân các cấp của hàm số một cách thuận tiện, ta thường dùng
sơ đồ sai phân. Sau đây là một minh họa cho sơ đồ này (áp dụng trong
trường hợp bảng giá trị của f (x) có bốn mốc cách đều)
y
f (x0 )

SP1

SP2

SP3

∆y0
∆2 y0

f (x1 )

∆ 3 y0

∆y1
∆2 y1

f (x2 )
∆y2
f (x3 )

Hình 9: Sơ đồ sai phân
Đôi khi ta dùng bảng sai phân
x
x0

SP1

SP2

SP3

∆y0
∆ 2 y0

x1

∆3 y0

∆y1
∆ 2 y1

x2
∆y2
x3

18

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Ví dụ 0.10. Xét hàm số f (x) có bảng giá trị
x
y

0
1

1
−2

2
9

3
70

4
241

Lập bảng sai phân của hàm số trên.
Giải. Ta lập bảng sai phân
y
1
−2

SP1

SP2

SP3

SP4

−3
14
11

36

9

50

24

61

60

70

110
171

241 

Định lý 0.2. Giả sử các mốc x0 , x1 , ..., xn cách đều trong [a; b]. Khi đó ta có
∆k y0
f [x0 ; x1 ; ...; xk ] =
, k = 1, n
k!hk

(6)

Chứng minh. Ta chứng minh đẳng thức 6 bằng phương pháp qui nạp.
Với k = 1 ta được
f [x0 ; x1 ] =

y1 − y0
∆ 1 y0
=
x1 − x0
1!h1

Vậy 6 đúng với k = 1.
Giả sử 6 đúng với k = m với 1 ≤ m < n, tức là
∆m y0
f [x0 ; x1 ; ...; xm ] =
m!hm
Khi đó ta có
f [x1 ; x2 ; ...; xm+1 ] − f [x0 ; x1 ; ...; xm ]
m+1 − x0
)
( xm
1
∆ y1 ∆m y0

=
(m + 1) h m!hm m!hm
∆m y1 − ∆m y0
=
(m + 1)!hm+1
∆m+1 y0
=
(m + 1)!hm+1

f [x0 ; x1 ; ...; xm+1 ] =

Điều này chứng tỏ 6 cũng đúng với k = m + 1. Theo giả thiết qui nạp,
ta chứng tỏ được sự đúng đắn của công thức 6. 

19

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Biểu thức tường minh của đa thức nội suy dạng Newton với mốc
cách đều
Xét hàm số y = f (x), x ∈ [a; b] có bảng giá trị
x
y

x0
y0

x1
y1

...
...

xn
yn

Như ta đã biết, đa thức nội suy dạng Newton của hàm số f (x) có dạng
Ln (x) = y0 + f [x0 ; x1 ] (x − x0 ) + f [x0 ; x1 ; x2 ] (x − x0 ) (x − x1 ) + ...
+f [x0 ; x1 ; ...; xn−1 ; xn ] (x − x0 ) (x − x1 ) ... (x − xn−1 )
Bây giờ ta giả thiết các mốc x0 , x1 , ..., xn cách đều trong [a; b]. Khi đó,
theo định lý 0.2, ta có
f [x0 ; x1 ; ...; xk ] =

∆k y0
, k = 1, n
k!hk

Từ đây ta suy ra được

∆ 1 y0
∆ 2 y0
Ln (x) = y0 +
(x

x
)
+
(x − x0 ) (x − x1 ) + ...
0
1
2!h2
n 1!h
∆ y0
+
(x − x0 ) (x − x1 ) ... (x − xn−1 )
n!hn

Biểu thức tường minh trên được gọi là đa thức nội suy dạng Newton
với mốc cách đều.
Nếu biến đổi x = x0 + ht thì ta có

∆ 2 y0
∆y0
t+
t (t − 1) + ...
Nn (t) = Ln (x0 + th) = y0 +
2!
n 1!
∆ y0
+
t (t − 1) ... (t − n + 1)
n!

Ví dụ 0.11. Xét hàm số f (x) có bảng giá trị
x
y

0
4

1
8

2
13

3
16

4
20

1) Xây dựng đa thức nội suy dạng Newton với mốc cách đều của hàm số
f (x).
2) Tính f (3, 5).
20

Huỳnh Hữu Dinh

Trường Đại Học Công Nghiệp TPHCM

Giải. 1) Ta lập bảng sai phân
y
4

SP1

SP2

SP3

SP4

4
8

1
−3

5
−2

13

6

3
16

3
1

4
20
Đa thức nội suy dạng Newton với mốc cách đều của hàm số cho bởi bảng
trên có dạng
∆y0
∆ 2 y0
∆ 3 y0
N4 (t) = y0 +
t+
t (t − 1) +
t (t − 1) (t − 2)
1!
2!
3!
∆4 y0
t (t − 1) (t − 2) (t − 3)
+
4!
1
1
= 4 + 4t + t (t − 1) − t (t − 1) (t − 2)
2
2
1
+ t (t − 1) (t − 2) (t − 3)
4
2) Ta có f (3, 5) ≈ L4 (3, 5) = N4 (

3, 5 − 0
) = N4 (3, 5) = 17, 453125
1

21