数值分析——求积公式
目录
求积公式的一般形式
求积公式的代数精度
插值型求积公式
Newton-Cotes求积公式
复化求积公式
复化梯形公式
复化Simpson公式
复化求积公式优缺点
变步长法(区间逐次分半法)
高斯型求积公式
Gauss-Legendre求积公式
Gauss-Laguerre求积公式
Gauss-Hermite求积公式
Gauss-Chebyshev求积公式
高斯型求积公式附表
Newton-Leibniz公式(1)如下,只需要找到f(x)的一个原函数F(x)就可以求得定积分的值,但是解决实际问题时会有一些情况不能直接使用Newton-Leibniz公式。
在以下几种情况不能直接使用Newton-Leibniz公式:
- 被积函数的原函数无法用初等函数表示,如sin(1/x)。
- 被积函数的原函数过于复杂不便于计算。
- 被积函数是由实验测量得到的列表函数,没有具体的表达式。
数值积分的基本思想:对定积分中的被积函数f(x)用简单的函数近似替代。
求积公式的一般形式
左矩形公式:
右矩形公式:
中矩形公式:
梯形公式:
抛物线公式(Simpson公式):
公式(2)到公式(6)本质上是将[a, b]上若干个点xk对应的函数值f(xk)进行加权平均获得,这类求积公式的一般形式为:
其中,xk为求积节点,Ak为求积系数,Ak仅与xk的选取有关,不依赖被积函数f(x)的具体形式。
公式(7)的截断误差(余项):
注:截断误差表示准确解和数值方法求出的近似解之间的误差。
求积公式的代数精度
对于求积公式(7),有
都能精确成立,而对
不能精确成立,则求积公式具有m次代数精度。
插值型求积公式
插值型求积公式使用插值多项式(如Lagrange插值多项式)近似代替被积函数。
插值型求积公式:
选取Lagrange插值多项式近似代替被积函数,则插值求积公式的lk为:
插值型求积公式的截断误差(余项):
n+1个节点的插值型求积公式至少具有n次代数度。反之,n+1个节点的求积公式如果至少具有n次代数度,则它是插值型求积公式。
在区间[a,b]上取两个节点x0=a和x1=b,以及对应的函数值f(a)和f(b),则对应的插值型求积公式为梯形公式。
在区间[a,b]上取三个节点x0=a、x1=(a+b)/2和x2=b,以及对应的函数值f(a)、f((a+b)/2)和f(b),则对应的插值型求积公式为抛物线公式。
Newton-Cotes求积公式
等距节点的插值型求积公式为Newton-Cotes求积公式。将区间[a,b]进行n等分,步长h=(b-a)/n,节点xi=a+ih, (i=0,1,2,…,n),将公式(9)中的x替换为x=a+th,得到Newton-Cotes求积公式为:
其中,ck^n为Cotes系数,仅与k和n有关。Cotes系数具有归一性和对称性,但是它并不永远大于0。
Newton-Cotes求积公式的截断误差(余项):
当n为偶数时,n+1个节点的Newton-Cotes求积公式至少具有n+1次代数精度。
Newton-Cotes求积公式不具有数值稳定性,当n=8时,Cotes系数出现负值。当Cotes系数小于0会导致舍入误差增大难以估计,实际计算中,多节点情况下不宜使用,常用n=1,2,4。
n=1时Newton-Cotes求积公式(梯形公式)和截断误差(1次代数精度)为:
n=2时Newton-Cotes求积公式(Simpson公式)和截断误差(3次代数精度)为:
n=3时Newton-Cotes求积公式为(Simpson3/8公式)和截断误差(3次代数精度)为:
n=4时Newton-Cotes求积公式为(Cotes公式)和截断误差(5次代数精度)为:
复化求积公式
高阶Newton-Cotes公式会出现数值不稳定。而低阶Newton-Cotes公式又不能满足精度要求。为了提高精度可将积分区间分成若干子区间,在每个子区间上用低阶求积公式计算然后相加的求积公式称为复化求积公式。
复化梯形公式
将积分区间[a, b]n等分,步长h=(b-a)/n,节点xi=a+ih(i=0,1,2,…,n)在每个子区间[xi, xi+1](i=0,1,2,…,n-1)使用梯形公式。
若f(x)的2阶导数在[a, b]上连续,则复化梯形公式的截断误差为
复化Simpson公式
将积分区间[a, b]n等分,步长h=(b-a)/n,节点xi=a+ih(i=0,1,2,…,n)在每个子区间[xi, xi+1](i=0,1,2,…,n-1)使用Simpson公式。
若f(x)的4阶导数在[a, b]上连续,则复化Simpson公式的截断误差为
复化求积公式优缺点
- 具有收敛性和数值稳定性。
- 节点越多,截断误差越小,但是计算量越大。
- 为达到某一精度,事先无法选定一个合适的步长,步长太大,精度难以保证;步长太小,计算量增加。
变步长法(区间逐次分半法)
在实际计算中,为了既满足精度又要减少计算量,采用变步长法,将步长逐次二分,反复利用复化求积公式计算,直到二分前后两次近似值之差符合精度要求。
以复化梯形公式的变步长法为例,将积分区间n等分,Tm表示将积分区间n等分后的复化梯形值,公式(24)为变步长梯形求积公式
高斯型求积公式
若n个节点的插值型求积公式具有2n-1次代数精度,则称为Gauss型求积公式,是代数精度最高的求积公式,xk为Guass点,Ak为Gauss求积系数
Gauss型求积公式的关键是确定Gauss点和Gauss求积系数。
当Gauss点较少时,可用待定系数法求解;当Gauss点选取较多时,根据正交多项式特性,选择正交多项式的零点作为Gauss点,然后使用待定系数法求解线性方程组得到Gauss求积系数。
Gauss型求积公式优点是代数精度高和能计算广义积分,缺点是求积节点和求积系数需要查表,当求积节点个数改变时需要重新查表,没有承袭性。
注:实际使用Gauss型求积公式时,一般不需要计算Gauss点和Gauss求积系数,而是通过查表得到,Gauss-Chebyshev求积公式不需要查表。
Gauss-Legendre求积公式
公式(29)为Gauss-Legendre(高斯-勒让德)求积公式,公式(30)为求积节点是区间[-1,1]上的Legendre多项式的n个零点,公式(31)为求积系数,公式(32)为截断误差。当积分区间为[a,b]时,按照公式(33)进行变换将积分区间转换为[-1,1]。
Gauss-Laguerre求积公式
公式(34)为Gauss-Laguerre(高斯-拉盖尔)求积公式,公式(35)为求积节点是区间0到无穷上的Laguerre多项式的n个零点,公式(36)为求积系数,公式(37)为截断误差。
Gauss-Hermite求积公式
公式(38)为Gauss-Hermite(高斯-埃尔米特)求积公式,公式(39)为求积节点是区间负无穷到正无穷上的Hermite多项式的n个零点,公式(40)为求积系数,公式(41)为截断误差。
Gauss-Chebyshev求积公式
公式(42)为Gauss-Chebyshev(高斯-切比雪夫)求积公式,公式(43)为求积节点是区间[-1,1]上的Chebyshev多项式的n个零点,公式(44)为求积系数,公式(45)为截断误差。
高斯型求积公式附表
Gauss-Legendre求积公式的求积节点和求积系数
Gauss-Laguerre求积公式的求积节点和求积系数
Gauss-Hermite求积公式的求积节点和求积系数
参考文献
[1] 颜庆津.数值分析(第四版).
数值分析——求积公式相关推荐
- 辛普森公式 |数值分析 | 求积公式
f(x)f(x)f(x) 在 (a,b)(a,b)(a,b) 上的定积分可用辛普森公式近似表示为 ∫abf(x)dx=b−a6[f(x)+4f(a+b2)+f(b)]\int_a^bf(x){\rm ...
- 辛普森复合求积公式matlab,MATLAB数值分析实验二(复合梯形、辛普森和龙贝格求积,以及二重积分计算等).doc...
[摘要]佛山科学技术学院 实 验 报 告 课程名称 数值分析 实验项目 数值积分 专业班级 机械工程 姓 名 余红杰 学 号 2111505010 指导教师 陈剑 成 绩 日 期 月 日 一.实验目的 ...
- 数值分析(10):数值积分之Gauss型求积公式
Gauss型求积公式 1. 引言 2. Gauss型求积公式 2.1 Gauss型求积公式的定义 2.2 Gauss点的性质 2.3 构造Gauss型求积公式 2.4 Gauss型求积公式的余项 2. ...
- 高斯勒让德求积公式matlab通用程序,数值分析——Gauss-Legendre 求积分(Matlab实现)...
2020 4.4 题目:编写Gauss求积法计算积分的程序(Gauss点数取1,2,3,4,5即可)并用于计算积分 ∫10sinxxdx∫01sinxxdx\int_{0}^{1} \frac{\s ...
- 数值分析龙贝格matlab,龙贝格matlab程序
k>=15 [龙贝格求积算法 Matlab 主程序] function[t]=rbg(f,a,b,c) t=zeros(15,4); %定义龙贝格积分函数,f 为待积函数,a 与 b 为积 分上 ...
- matlab中求积函数,MATLAB软件及高斯勒让德求积公式MATLAB软件及高斯勒让德求积公式.doc...
MATLAB软件及高斯勒让德求积公式MATLAB软件及高斯勒让德求积公式 数 值 分 析 课 程 实 验 报 告 2012-2013学年度 第二学期 系别:数学与计算机科学学院 实验课程数值分析班 级 ...
- 龙贝格数值分析作业c语言,数值分析龙贝格实验报告.doc
数值分析龙贝格实验报告 实验三 龙贝格方法 [实验类型] 验证性 [实验学时] 2学时 [实验内容] 1.理解龙贝格方法的基本思路 2.用龙贝格方法设计算法,编程求解一个数值积分的问题. [实验前的预 ...
- 数值计算与matlab笔试样卷,数值分析试卷及其答案.doc
数值分析期末考试 一. 设,若要确保其近似数的相对误差限为0.1%,则它的近似数至少取几位有效数字?(4分) 解:设有位有效数字. 因为,所以可得的第一位有效数字为8(1分) 又因为,令,可知至少具有 ...
- 数值分析思考题(钟尔杰版)参考解答——第七章
数值分析思考题(钟尔杰版)参考解答--第七章 1. 第一型曲线积分的左矩形公式和右矩形公式有何区别? 2. 简单梯形公式与两点线性插值公式是如何联系的? 3. 插值型求积公式与插值公式是如何联系的? ...
最新文章
- Android 的基本组件之一 Gallery
- 我的Python成长之路---第六天---Python基础(20)---2016年2月20日(晴)
- 【老生谈算法】matlab实现LEACH 算法——LEACH 算法
- 浅谈PMSM电机控制之Clark变换(详细推导及MATLAB仿真)
- sql2000安装sp4补丁包教程_sql2000sp4
- java导出excel水印_springboot为导出的pdf和excel加水印
- IT从业人员面试经典70问答
- java 能实现csgo吗
- android 画图便宜,10个最好用的绘画App,赶紧mark
- Pytorch实战:8层神经网络实现Cifar-10图像分类验证集准确率94.71%
- Django学习日志三:模型层
- JAVA API1.8中文版 谷歌翻译 最准确的翻译版本!
- IDEA代码提示快捷键Ctrl+Space不生效问题
- html字符串自动加回车换行,【HTML】处理br换行符追加到前端换行无效的问题 --- html中渲染的字符串中包含HTML标签无效的处理方法,字符串中包含HTML标签被转义的问题 解决...
- 机器学习之分类、回归、标注问题
- 应用系统数据删除与恢复
- 知识库平台功能结构分析
- 【转】window.scroll 浏览器滚动条的参数总结
- 民生银行牛新庄:大数据及分布式技术在银行系统中实践应用
- YOLOv5NEU-DET钢材表面缺陷任务
热门文章
- 瑞·达利欧:驾驭算法成人工智能时代基础能力
- Azure基础:什么是Azure 订阅和管理组(16)
- 文件恢复+html乱码怎么办,数据恢复的文件乱码,怎么办?
- 如何解决Camtasia下载安装时“2503”报错
- 到底是原画好还是做3d游戏建模好?
- 雷军 1994 年写的代码
- (翻译)购物车模式(Shopping Cart)
- SSM毕设项目基于人脸识别的景区人数统计系统zzr18(java+VUE+Mybatis+Maven+Mysql)
- 深度学习——NLP-1.搜索
- 基于CC2530(ZigBee设计)的温度报警器