Pi的计算.docVIP

实验二 Pi的计算 姓名： 刘传仁 学号：SY0809121 说明：正文中蓝色为程序。 推荐： 受辛普森（Simpson）公式法的启发而设计的 HYPERLINK \l 三次曲线法 3次曲线法，由此引出非常好的 HYPERLINK \l 整体近似法 整体近似法，其误差发生在小数点后第54位。 HYPERLINK \l 优秀算法大比拼 优秀算法大比拼 实验目的：学习并应用不同的方法计算Pi，寻找更好的计算方法，好的标准是得到更高精度的圆周率值。 实验原理： 数值积分法：因为，所以只要用数值方法算出积分值，就能得到圆周率的值。 泰勒级数法：利用反正切函数的泰勒级数 来计算?。 蒙特卡罗（Monte Carlo）法：在边长为1的正方形中，做出?单位圆的 = 1 \* Arabic 1 = / \* Arabic / = 4 \* Arabic 4，即一扇形。然后求出扇形面积在正方形面积中所占的比例k即可。方法是在正方形中随机地投入很多点，使所投的每个点落在正方形中每一个位置的机会均等，看其中有多少个点落在扇形内。将落在扇形内的点的个数m与所投点的总数n的比可以作为k的近似值。 实验内容： 数值积分法 梯形公式法： 程序如下： y[x_]:=4/(1+x^2) p[n_]:=N[(Sum[y[i/n],{i,1,n-1}]+(y[0]+y[1])/2)/n,50] 运行p[1000]得 3.1415924869231265717979608435969622546877898925998 运行p[10000]得 3.1415926519231265717959767185969632016574867649956 其中后者与与圆周率确切值相差。 辛普森（Simpson）公式法： 程序如下： q[n_]:=N[(y[0]+y[1]+2Sum[y[i/n],{i,1,n-1}]+4Sum[y[(i-1/2)/n],{i,1,n}])/6/n,50] 运行q[1000]得： 3.1415926535897932384620233435969635160810190557944 运行q[10000]得： 3.1415926535897932384626433826594632016574868911349 两者误差分别为和。 这个结果与梯形法相比非常出色。盖因梯形法把分割得到的曲边梯形上界近似为直线，这虽易于计算但近似程度却很粗糙；而辛普森方法采用与原曲线更接近的抛物线来近似，所得误差自然非常之小。下图可以直观地看到这一点： 图中黑色曲线为被积函数图象，可见红色抛物线与其拟和非常出色，而绿色梯形的近似误差很大。 受辛普森方法的启发，下面试用更高次数的曲线代替曲边梯形的上界。 3次曲线法： 仍取书中辛普森（Simpson）公式法的分点与记号，定义=a+(i-2/3)(b-a)/n, =a+(i-1/3)(b-a)/n。将第i个小曲边梯形的上边界近似地看作经过四点（x,f(x)）(x=,,,)的三次曲线段，则可求得： （+3+3+），其中 =f(),=f()。于是得到 [（+）+2（++…+）+3(++…+)+3(++…+)] 程序如下： r[n_]:=N[(y[0]+y[1]+2Sum[y[i/n],{i,1,n-1}]+3Sum[y[(i-2/3)/n],{i,1,n}]+3Sum[y[(i-1/3)/n],{i,1,n}])/8/n,50] 运行r[1000]得 3.1415926535897932384623984293308453501889838133606 运行r[10000]得 3.1415926535897932384626433830345489355395170498544 两者误差分别为和。 这与我们的期望相差甚远：3次曲线法的误差与辛普森法的误差在同一数量级，精度没有显著提高。这说明仅靠提高近似多项式的次数是不行的。自己尝试类似的4次曲线法（这时（7+32+12+32+7）），取分点为1000个和10000个，两个结果的误差分别为和，进步仍然很小。 不过下面换个思路进行实验： 整体近似法： 原理：在被积函数上取很多点（均匀的），用经过这些点的多项式近似原被积函数。这里完全不是“曲边梯形求面积”的套路，但仍可谓一种数值积分法。 我们仅在被积函数上取100个点，下面将看到这能达到上面诸法中10000个点望尘莫及的效果。程序如下： n=100 t=Table[{i/n,y[i/n]},{i,0,n}] ft=InterpolatingPolynomial[t,x] N[Integrate[ft,{x,0,1}],50] 得到结果： 3.1415926535897932