当前位置: 首页 > ds >正文

数值积分知识

数值积分

对于增加插值节点序列: { x i } i = 0 n \left\{x_i\right\}_{i=0}^{n} {xi}i=0n,由插值定理给出:

f ( x ) = ∑ i = 0 n y i l i ( x ) + f ( n + 1 ) ( ξ ) ( n + 1 ) ! ∏ i = 0 n ( x − x i ) f(x)=\sum_{i=0}^{n}y_i l_i(x)+\frac{f^{(n+1)}(\xi)}{(n+1)!} \prod_{i=0}^{n}{(x-x_i)} f(x)=i=0nyili(x)+(n+1)!f(n+1)(ξ)i=0n(xxi)

f ( x ) f(x) f(x)在区间 [ a , b ] [a,b] [a,b]上积分得到:

∫ a b f ( x ) = ∫ a b [ ∑ i = 0 n y i l i ( x ) + f ( n + 1 ) ( ξ ) ( n + 1 ) ! ∏ i = 0 n ( x − x i ) ] d x \int_{a}^{b}f(x)=\int_{a}^{b}\left[\sum_{i=0}^{n}y_i l_i(x)+\frac{f^{(n+1)}(\xi)}{(n+1)!} \prod_{i=0}^{n}{(x-x_i)}\right]\text{d}x abf(x)=ab[i=0nyili(x)+(n+1)!f(n+1)(ξ)i=0n(xxi)]dx

得到结论:

对于插值型的求积公式,其截断误差为:

∫ a b ( f ( n + 1 ) ( ξ ) ( n + 1 ) ! ∏ i = 0 n ( x − x i ) ) d x \boxed{\int_{a}^{b}\left(\frac{f^{(n+1)}(\xi)}{(n+1)!} \prod_{i=0}^{n}{(x-x_i)}\right)\text{d}x} ab((n+1)!f(n+1)(ξ)i=0n(xxi))dx

其数值计算公式为:

∫ a b [ ∑ i = 0 n y i l i ( x ) ] d x \int_{a}^{b}\left[\sum_{i=0}^{n}y_i l_i(x)\right]\text{d}x ab[i=0nyili(x)]dx

更特殊地,我们对区间 [ a , b ] [a,b] [a,b]进行等间距插值选取步长 h = b − a n h=\dfrac{b-a}{n} h=nba,得到 n + 1 n+1 n+1个插值节点 x i = a + i h , i = 0 , 1 , 2 , 3 , . . . , n x_i=a+ih,i=0,1,2,3,...,n xi=a+ih,i=0,1,2,3,...,n,这就对著名的柯特斯公式

常用的数值求积公式

梯形公式

  1. 公式推导

    • 对于定积分 ∫ a b f ( x ) d x \int_{a}^{b}f(x)dx abf(x)dx,将区间 [ a , b ] [a,b] [a,b]进行 n n n等分,每个小区间 [ x i , x i + 1 ] [x_{i},x_{i + 1}] [xi,xi+1]的长度 h = b − a n h=\frac{b - a}{n} h=nba,其中 x i = a + i h x_{i}=a+ih xi=a+ih i = 0 , 1 , ⋯ , n i = 0,1,\cdots,n i=0,1,,n
    • 在每个小区间 [ x i , x i + 1 ] [x_{i},x_{i + 1}] [xi,xi+1]上,用梯形面积近似小曲边梯形的面积。梯形面积公式为 = ( 上底 + 下底 ) × 高 2 =\frac{(上底 + 下底)\times高}{2} =2(上底+下底)×,对于小区间 [ x i , x i + 1 ] [x_{i},x_{i + 1}] [xi,xi+1],上底为 f ( x i ) f(x_{i}) f(xi),下底为 f ( x i + 1 ) f(x_{i+1}) f(xi+1),高为 h h h

    ∫ a b f ( x ) d x ≈ ∑ i = 0 n − 1 h 2 [ f ( x i ) + f ( x i + 1 ) ] = h 2 [ f ( x 0 ) + 2 ∑ i = 1 n − 1 f ( x i ) + f ( x n ) ] 。 \int_{a}^{b}f(x)dx\approx\sum_{i = 0}^{n - 1}\frac{h}{2}[f(x_{i})+f(x_{i + 1})]=\frac{h}{2}[f(x_{0}) + 2\sum_{i = 1}^{n - 1}f(x_{i})+f(x_{n})]。 abf(x)dxi=0n12h[f(xi)+f(xi+1)]=2h[f(x0)+2i=1n1f(xi)+f(xn)]

  2. 误差分析

    • f ( x ) f(x) f(x) [ a , b ] [a,b] [a,b]上具有二阶连续导数,则梯形公式的误差 R T = − ( b − a ) 3 12 n 2 f ′ ′ ( ξ ) R_{T}=-\frac{(b - a)^{3}}{12n^{2}}f^{\prime\prime}(\xi) RT=12n2(ba)3f′′(ξ)
      其中 ξ ∈ ( a , b ) \xi\in(a,b) ξ(a,b)

辛普森公式

  1. 公式推导

    • 同样将区间 [ a , b ] [a,b] [a,b]进行 n n n等分( n n n为偶数),在每个子区间 [ x i , x i + 1 ] [x_{i},x_{i + 1}] [xi,xi+1]上,用二次函数 p ( x ) = A x 2 + B x + C p(x)=A x^{2}+Bx + C p(x)=Ax2+Bx+C来近似 f ( x ) f(x) f(x)
    • 辛普森公式为

    ∫ a b f ( x ) d x ≈ h 6 [ f ( x 0 ) + 4 ∑ i = 0 n − 1 f ( x k + 1 2 ) + 2 ∑ i = 1 n − 1 f ( x i ) + f ( x n ) ] \int_{a}^{b} f(x)\text{d}x\approx\frac{h}{6}\left[f(x_{0}) +4\sum\limits_{i = 0}^{n-1}f(x_{k+\frac{1}{2}})+2\sum_{i = 1}^{n - 1}f(x_{i})+f(x_{n})\right] abf(x)dx6h[f(x0)+4i=0n1f(xk+21)+2i=1n1f(xi)+f(xn)]

其中 h = b − a n h = \frac{b - a}{n} h=nba

  1. 误差分析

    • f ( x ) f(x) f(x) [ a , b ] [a,b] [a,b]上具有四阶连续导数,则辛普森公式的误差
      R S = − ( b − a ) 5 180 ( 2 n ) 4 f ( 4 ) ( ξ ) R_{S}=-\frac{(b - a)^{5}}{180(2n)^{4}}f^{(4)}(\xi) RS=180(2n)4(ba)5f(4)(ξ)

其中 ξ ∈ ( a , b ) \xi\in(a,b) ξ(a,b)


习题

对于函数 f ( x ) = sin ⁡ x x f(x)=\frac{\sin x}{x} f(x)=xsinx,给出 n = 8 n = 8 n=8 时的函数表,试用复合梯形公式及复合辛普森公式计算积分
I = ∫ 0 1 sin ⁡ x x d x I=\int_{0}^{1}\frac{\sin x}{x}dx I=01xsinxdx
并估计误差。

n = 8 n=8 n=8时,复合梯形公式得到:

T n = 0.125 2 [ f ( 0 ) + f ( 1 ) + 2 × ( ∑ i = 1 7 f ( x i ) ) ] = 0.9456909 T_n=\frac{0.125}{2}\left[f(0)+f(1)+2\times \left(\sum _{i=1}^{7}f(x_i)\right)\right]=0.9456909 Tn=20.125[f(0)+f(1)+2×(i=17f(xi))]=0.9456909

其中 x i = i 8 x_i=\frac{i}{8} xi=8i

同理,复合辛普森公式得到:

S n = 0.25 6 [ f ( 0 ) + f ( 1 ) + 2 × ( f ( 0.25 ) + f ( 0.5 ) + f ( 0.75 ) ) + 4 × ( f ( 0.125 ) + f ( 0.325 ) + f ( 0.625 ) + f ( 0.875 ) ) ] = 0.9460832 S_n=\frac{0.25}{6}\left[f(0)+f(1)+2\times \left(f(0.25)+f(0.5)+f(0.75)\right)+4\times \left(f(0.125)+f(0.325)+f(0.625)+f(0.875)\right)\right]=0.9460832 Sn=60.25[f(0)+f(1)+2×(f(0.25)+f(0.5)+f(0.75))+4×(f(0.125)+f(0.325)+f(0.625)+f(0.875))]=0.9460832

为了求解 f ( x ) = sin ⁡ x x f(x)=\frac{\sin x}{x} f(x)=xsinx的高阶导数:

sin ⁡ x x = ∫ 0 1 cos ⁡ ( x t ) d t \frac{\sin x}{x}=\int_{0}^{1}\cos(xt)\text{d}t xsinx=01cos(xt)dt

由维尔斯特拉斯定理不难证明,求导与积分可以换序:

f ( k ) ( x ) = ∫ 0 1 t k cos ⁡ ( x t + k π 2 ) d x f^{(k)}(x)=\int_{0}^{1}t^{k}\cos \left( xt+\frac{k\pi}{2}\right)\text{d}x f(k)(x)=01tkcos(xt+2)dx

其上界:
max ⁡ f ( k ) ( x ) = max ⁡ ∫ 0 1 t k cos ⁡ ( x t + k π 2 ) d x ≤ 1 k + 1 \max f^{(k)}(x)=\max \int_{0}^{1}t^{k}\cos \left( xt+\frac{k\pi}{2}\right)\text{d}x\leq \frac{1}{k+1} maxf(k)(x)=max01tkcos(xt+2)dxk+11

得到复合梯形公式误差:

∣ R 8 ( f ) ∣ = 1 12 ( 0.125 ) 2 × 1 3 \left|R_{8}(f)\right|=\frac{1}{12}\left(0.125\right)^2\times \frac{1}{3} R8(f)=121(0.125)2×31

得到复合辛普森公式误差:

∣ R 4 ( f ) ∣ = 1 180 ( 0.25 2 ) 4 × 1 5 \left|R_{4}(f)\right|=\frac{1}{180}\left(\frac{0.25}{2}\right)^4\times \frac{1}{5} R4(f)=1801(20.25)4×51

http://www.xdnf.cn/news/6197.html

相关文章:

  • MK米客方德SD NAND:无人机存储的高效解决方案
  • Qwen-3 模型的应用及实际用例
  • 面向具身智能的视觉-语言-动作模型(VLA)综述
  • 大数据开发 hadoop集群 3.Hadoop运行环境搭建
  • 【Linux】第十六章 分析和存储日志
  • voip--初始化libosip2库
  • 首个专业AI设计Agent发布-Lovart
  • nvrtc环境依赖
  • C++类和对象之相关特性
  • 养猪场巡检机器人的设计与应用研究
  • Python环境管理工具深度指南:pip、Poetry、uv、Conda
  • Vue3学习(组合式API——Watch侦听器详解)
  • Large-Scale Language Models: In-Depth Principles and Pioneering Innovations
  • 输入一个正整数,将其各位数字倒序输出(如输入123,输出321)
  • 基于GPUGEEK 平台进行深度学习
  • 昆士兰科技大学无人机自主导航探索新框架!UAVNav:GNSS拒止与视觉受限环境中的无人机导航与目标检测
  • [学习] RTKLib详解:rtcm2.c、rtcm3.c、rtcm3e与rtcmn.c
  • 阿里云Docker镜像加速配置指南
  • Nginx配置与应用案例详解
  • 深圳无人机展览即将开始,无人机舵机为什么选择伟创动力
  • Single image dehazing论文阅读
  • 鸿蒙OSUniApp 实现的语音输入与语音识别功能#三方框架 #Uniapp
  • Python----神经网络(《Searching for MobileNetV3》论文概括和MobileNetV3网络)
  • Qt原型模式实现与应用
  • auto.js面试题及答案
  • python如何合并excel单元格
  • 在Spark搭建YARN
  • wordcount程序
  • 青少年编程与数学 02-019 Rust 编程基础 12课题、所有权系统
  • 自由学习记录(60)