• 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

——

代数精度

—— Gauss

求积公式

(2)

数值积分的一般形式

求积节点 求积系数

机械求积公式

将定积分计算转化成被积函数的函数值的计算

无需求原函数,易于计算机实现

一般地,用 f(x) 在 [a, b] 上的一些离散点

a  x

0

< x

1

< ··· < x

n

 b

上的函数值的加权平均作为 f (

)

的近似值,可得

基本思想

0

( )d ( )

b n

i i

a i

f x x A f x

 

( )d ( ) ( )

b

a

f x xb a f  

( , )a b

(3)

代数精度

定义:如果对于所有次数不超过 m 的多项式 f (x) ,求积公

都精确成立,但对次数为 m +1 的多项式不精确成立,则称 该求积公式具有

m

次代数精度

f (x) = 1, x, x

2

, … , x

m 依次代入,公式精确成立 ;

但对

f (x) = x

m+1 不精确成立。

代数精度的验证方法

注:求积公式并不局限于机械求积公式

(4)

举例

例:梯形公式

具有一次代数精度。

例:抛物线公式

具有三次代数精度。

课后练习:复合梯形公式和复合抛物线公式具有几次代数精

 

( ) ( ) ( )

2

b a

f x dx b af a f b

 

( ) ( ) 4 ( )

6 2

b a

b a a b

f x dx      f af         f b   

(5)

怎样构造高精度的求积方法

考虑求积公式

2n+2

个参数 ( 节点与系数 ) ,为了使该公式

具有尽可能高的代数精度,可将

f (x) = 1, x, x

2

, …,

x

2n+1 代入公式,使其精确成立,则可构造出代数

精度至少为

2n+1

的求积公式 !

等分点不一定最佳!自由选取求积节点!

等分点不一定最佳!自由选取求积节点!

0

( )d ( )

b n

i i

a i

f x x A f x

 

(6)

举例

例:试确定节点 xi 和系数 Ai ,使得下面的求积公式具有 尽可能高的代数精度,并求出此求积公式的代数精度。

解:

f (x)

= 1, x, x2

, x

3 代入求积公式,使其精确成立,可

该公式对 f (x) = x4 不精确成立,故有 3 次代数精 度!

1

0 0 1 1

1 f x( ) dx A f x( ) A f x( )

 

0 1

0 0 1 1

2 2

0 0 1 1

3 3

0 0 1 1

2

0 2 / 3 0

A A

A x A x A x A x A x A x

1

1

3 3

( )d 3 3

f x x f f

   

     

0 1

0 1

1, 1

3 3

3 , 3

A A

x x

 



(7)

Gauss

型求积公式

一般情形:考虑机械求积公式

定义若存节点在 xi [a, b] 及系数 Ai ,使得上面的求 积公式具有 2n+1 次代数精度,则称节点 xi 为高斯点,

A

i 为高斯系数,求积公式为 高斯型求积公式

性质:上面的求积公式至多具有 2n+1 次代数精度

将 代入验证即可

Gauss

求积公式在所有机械求积公式中代数精度最高

0

( ) d ( )

b n

i i

a i

f x x A f x

 

n

i

xi

x x

f

0

)2

( )

(

(8)

Gauss

问题:如何计算 Gauss 点

x

i 和 高斯系数

A

i 法一:解非线性方程组

太困难 !  法二:分开计算

先确定 Gauss 点

再通过解线性方程组计算 Gauss 系数

(9)

Legendre

正交多项式:

P

0

(x) = 1, P

1

(x) = x

Gauss-Legendre

求积公式

特殊情形:

[a, b]=[-1, 1]

Gauss

点就是 Legendre 多项式

p

n+1

(x)

的零点

n = 1, 2, …

1 1

( n1) P ( )

n

x(2 n1 ) x P (

n

x )n P ( )

n

x

(10)

Legendre

多项式

Legendre

多项式:

1 )

0

( x

P

x x

P

1

( )

2 / ) 1 3

( )

(

2

2

x

 x

P

2 / ) 3 5

( )

(

3

3

x x x

P  

8 / ) 3 30

35 ( )

(

4 2

4

x

x

x

P

8 / ) 15 70

63 ( )

(

5 3

5

x x x x

P   

(11)

低阶 G-L 公式

n =0

时 ,

G-L

求积公式 :

Gauss

点 :

f (x)

= 1 代入求出

A

0

n =1

时 ,

两点 G-L 求积公式 :

Gauss

点 :

f (x)

= 1, x

求出

A

0

, A

1

0 0

x

1

1

f x ( ) d x 2 (0) f

0 1

3 3

3 , 3

x   x

1 1

3 3

( ) d

3 3

f x x f f

2 1

P ( ) 1 (3 1)

n

x2 x

P ( )

n1

x

x

(12)

低阶 G-L 公式

n =2

时 ,

三点 G-L 求积公式 :

Gauss

点 : 0 15 , 1 0, 2 15 ,

5 5

x   xx

1 1

5 15 8 5 15

( ) d (0)

9 5 9 9 5

f x x f f f

3 1

P ( ) 1 (5 3 )

n

x

2 x

x

(13)

更多 G-L 公式

n > 3

时,可用数值方法计算

P

n+1

(x)

的零点

n

节点个数

Gauss

Gauss

系数

0 1 0.0000000 2.0000000 1 2

0.5773503

1.0000000 2 3

0.7745967

0.0000000 0.5555556 0.8888889 3 4

0.8611363

0.3399810

0.3478548 0.6521452 4 5

0.9061798

0.5384693

0.0000000

0.2369269 0.4786287 0.5688889 5 6 0.93246951

0.66120939 0.23861919

0.17132449

0.36076157

0.46791393

(14)

一般区间上的 G-L 公式

做变量代换

积分区间 :

[a, b]

, 权函数 :

(x) = 1

2 2

b a b a x

t

1

1 0

( ) d ( ) d ( )

2

b n

i i

a i

f x x b a g t t A g t

   

 

( ) 2 2

b a b a

g t

f

t

(15)

G-L

公式举例

例:用四点 G-L 公式 (n=3) 计算定积分

解:

2 2

0

x cos( ) d x x

4 4

x t

 

2 2

( ) 1 cos ( 1)

16 4

g t t t

 

1 2 2

2 2

0

cos( ) d

1

1 cos ( 1) d

4 16 4

x x x t t t

  

 

[0.3479 ( 0.8611) 0.6521 ( 0.3400) 4

0.6521 (0.3400) 0.3479 (0.8611)]

g g

g g

0.4674

[ ]=0.46740110027234

I f

(16)

几点注记

其它 Gauss 型求积公式

Gauss-Chebyshev

求积公式:

[a, b]=[-1,1]

Gauss-Laguerre

求积公式:

[a, b]=[0,+]

Gauss-Hermite

求积公式:

[a, b]=[-,+]

实际应用中可以使用复合 Gauss 求积公式

将积分区间分隔成若干小区间

在每个小区间上使用 Gauss 求积公式

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)