• 沒有找到結果。

第一讲 数值积分及其应用

N/A
N/A
Protected

Academic year: 2021

Share "第一讲 数值积分及其应用"

Copied!
16
0
0

加載中.... (立即查看全文)

全文

(1)

第一讲

数值积分及其应用

—— 二重积分

—— Matlab 积分函数

(2)

矩形区域二重积分

 矩形区域二重积分:累次积分

复合梯形法

 

( , ) d d ( , ) d d

b d b d

a c

f x y y x

a c

f x y y x

   

1 0

1

( , ) ( , )

( , ) d ( , )

2 2

d n

n

y j

c j

f x y f x y

f x y y h

f x y

 

    

  

0 1

1

( , ) ( , )

( , ) d ( , )

2 2

b j m m j

j x i j

a i

f x y f x y

f x y x h f x y

 

    

  

x

,

y

b a d c

h h

m n

 

 

(3)

矩形区域二重积分

在积分区域的四个角点系数为 1/4 ,边界为 1/2 ,内部节点为 1

( , ) d d

b d

a c

f x y y x

 

0 0 0 0

1 ( , ) ( , ) ( , ) ( , )

4 h h f x y

x y

f x y

n

f x y

m

f x y

m n

   

1 1 1 1

0 0

1 1 1 1

1 ( , ) ( , ) ( , ) ( , )

2

m m n n

x y i i n j m j

i i j j

h h

f x y

f x y

f x y

f x y

   

1 1

1 1

( , )

m n

x y k i

k i

h h f x y

 

   

2 2

2 2

( )( )

( ) d c b a , ,

R f       hf    hf      

(4)

矩形区域二重积分

复合抛物线法

,

2 2

x y

b a d c

h h

m n

 

 

( , ) d

d

c

f x y y

( , ) d

b

a

f x y

j

x

1

0 2 2 2 1

1 1

( , ) ( , ) 2 ( , ) 4 ( , )

3

n n

y

n j j

j j

h f x y f x y

f x y f x y

 

     

   

1

0 2 2 2 1

1 1

( , ) ( , ) 2 ( , ) 4 ( , )

3

n n

x

j m j i j i j

i i

h f x y f x y f x y f x y

 

     

   

(5)

矩形区域二重积分

其中

误差:

2 2

,

0 0

( , ) ( , )

m n

b d

x y i j i j

a c

i j

f x y dydx h h f x y

  

 

,

i j

u v

i j

  

 

 

0 1 2

0 1 2

1 4 2 4 2 4 1 , , , , , , , , , ,

3 3 3 3 3 3 3 1 4 2 4 2 4 1 , , , , , , , , , ,

3 3 3 3 3 3 3

T m

T n

U u u u

V v v v

 

   

 

 

   

 

 

 

4 4

4 4

( )( )

( ) d c b a ( , ) ( , )

R f       hf    hf      

(6)

Matlab 积分函数

Matlab

计算积分的相关函数

数值积分函数

trapz 、 quad 、 integral 、 integral2

符号积分函数:

int

(7)

trapz(x, y)

x

为分割点(节点)组成的向量,

y

为被积函数在节点上的函数值组成的向量。

 复合梯形法

trapz

  

      

ab

( ) 2

0 1 n 1

2

n

y y

f x dx b a y y

n

[ , , , x ]

xxx y[ ( ), ( ), , ( )] f x f xf x

(8)

例:用梯形法计算下面定积分 ( 取 n=100 )

解:

a=0, b=1, n=100, y

i

= f (x

i

) = 1/( 1+x

i2

)

x=0:1/100:1;

y=1./(1+x.^2);

inum=trapz(x, y)

trapz 举例

1 0

1

2

I dx

x

 

(9)

quad(f,a,b,tol)

f = f(x)

为被积函数, [a,b] 为积分区间, tol 为计算精

将自变量看成是向量!

不用自己分割积分区间

可以指定计算精度,若不指定,缺省精度是

10

-6

精度越高,函数运行的时间越长

f

是函数句柄,也可用字符串表示(不推荐),

其中涉及的运算必须采用数组运算

quad

 自适应抛物线法

b ( )

a f x dx

(10)

解:

f=@(x) 1./(1+x.^2);

inum=quad(f, 0, 1) % 采用缺省精度

inum=quad(@(x) 1./(1+x.^2), 0, 1, 1e- 10)

例:

quad

计算定积分:

quad 举例

1 0

1

2

I dx

x

 

(11)

integral(f,a,b)

integral(f,a,b,'RelTol',tol)

该函数比

quad

效率更高,且可以处理一些非正常积分

可以指定计算精度,若不指定,缺省精度是

10

-6

f

必须是函数句柄,且涉及的运算必须采用数组运算

integral

 全局自适应积分法

( R2012a 以后版本)

f=@(x) 1./(1+x.^2);

inum=integral(f,0,1)

inum=integral(f,0,1,'RelTol',1e- 10) f=@(x) exp(-x);

b ( )

a f x dx

(12)

integral2(f,a,b,c,d,tol)

integral2(f,a,b,c,d,'RelTol',tol)

可以指定计算精度,若不指定,缺省精度是

10

-6

f

必须是函数句柄,且涉及的运算必须采用数组运算

integral2

 计算二重积分的全局自适应积分法

( , )

d b

c a

f x y dxdy

 

(13)

integral2

f=@(x,y) 4*x.*y+3*y.^2;

inum=integral2(f,-1,1,0,2)

例:计算二重积分

注意积分变量与积分区间的对应关系

在前面的是第一积分变量,在后面的是第二积分变量

2 1 2

0 1

(4 3 )

I xy y dxdy

  

(14)

int

 符号积分

int(f,v,a,b) %

计算定积分

int(f,a,b) %

计算关于默认变量的定积分

int(f,v) %

计算不定积分

int(f) %

计算关于默认变量的不定积 例:分

int

函数计算定积分:

syms x;

f=1/(1+x^2);

b

( )

a

f v dv

( ) f v dv

1 0

1

2

I dx

x

 

(15)

x=1:0.001:2;

y=exp(x.^(-2));

inum=trapz(x,y)

梯形法:

抛物线法:

f=@(x) exp(x.^(-2));

inum=quad(f, 1, 2, 1e-10)

符号积分法:

syms x;

例:用 Matlab 函数近似计算定积分

数值实验

2 2

1 x

d

I   e

x

(16)

数值积分法:

f=@(x,y) x+y.^2;

inum=integral2(f, 0, 2, -1, 1)

符号积分法:

syms x y;

f=int(x+y^2,y,-1,1);

inum=int(f,x,0,2)

数值实验

例:用 Matlab 函数近似计算二重积分

2 1 2

0 1

( )

I dx x y dy

  

參考文獻

相關文件

线性拟合与二次拟合 数据拟合的线性模型 一次多项式拟合公式..

超定方程组QR分解算法 数据拟合确定常微分方程..

一、 重积分计算的基本方法 二、重积分计算的基本技巧 三、重积分的应用.. 重积分的

一、 曲线积分的计算法

請利用十分逼近法計算出 √14 的近似值到小數點底下第

第一課節:介紹成本會計和解釋成本概念及詞彙 第二課節:了解用於編製財務報表的不同成本分類

假如基金所持有投資的價格上升,但基金經理並無賣出有關 投資,則在基金的股份價格上升的情況下,投資者可以賣出

MASS::lda(Y~.,data) Linear discriminant analysis MASS::qda(Y~.,data) Quadratic Discriminant Analysis class::knn(X,X,Y,k,prob) k-Nearest Neighbour(X 為變數資料;Y 為分類)