数值积分--补充知识2.pptVIP

数值微积分 Newton-Cotes 型求积公式 复化求积公式 Gauss 型求积公式 数值微分 引言 §2. Newton-Cotes型求积公式 一、梯形公式(n=1) 二、抛物线(辛普森-Simpson)公式（n=2） 数值微分 小结 二、插值法求微商 两边关于 x 求导数，得到 用函数 y=f(x)的离散数据 先求出n次 Lagrange 插值多项式 将节点 xk 带入，并由： 于是，便可以得到函数在节点处一阶导数的近似值 误差为 得到 由 及 对于 可知 可知当分点越多时，用如下公式求数值微商越精确 对于插值型数值微商公式 根据插值节点的不同，可以给出不同的计算公式： 1. 一阶两点微商公式( n=1 ) 由 及 得到 于是 我们称 为一阶两点微商公式,误差为O(h). 2. 一阶三点微商公式( n=2 ) 由 得到 误差均为 3. 二阶三点微商公式( n=2 ) 由 得到 误差分别为 总结一下，两点、三点数值微商公式： 一阶两点微商公式 一阶三点微商公式 二阶三点微商公式 例4-13 对于函数y=f(x)在如下点的函数值 试分别用两点、三点数值微分公式计算x=2.7 处函数的一、二阶导数值。 解：h=0.2 时 yi xi 18.1741 16.4446 14.8797 13.4637 12.1825 2.9 2.8 2.7 2.6 2.5 或者 或者 h=0.1 时 或者 或者 以上导数值均求的是函数f (x)=ex 在x=2.7处的一、二阶导数近似值，真值为： 一阶两点微商公式 一阶三点微商公式 二阶三点微商公式 * * 求函数在给定区间上的定积分，在高等数学教程中已给出了许多有效的方法。但在实际问题中，往往仅给出函数在一些离散点的值，它的解析表达式没有明显的给出；或者，虽然给出解析表达式，但却很难求得其原函数。 这时，我们就需要利用函数在这些节点上的信息求出函数积分的近似值，由此，导出了数值积分的概念和方法。 关于积分 如果已知 f(x)=F’(x) , 则根据牛顿-莱布尼兹公式可以得到： 但是，在计算中会遇到以下情况： 都不宜直接用Newton-Leibniz公式计算。这时可以考虑近似求解。 1）.原函数无法求出，如： 2）.y=f(x)由离散数据给出 (xi,yi) , i=0,1, …, n 3）.F(x)可以求出，但太复杂，如 采用近似解法或数值解法的思想是先找出被积函数 f(x) 的近似函数 p(x) , 即： 则可以得到： 下面我们将给出两种计算方法： 1）.等距节点的牛顿-柯特斯型求积公式。 2）.非等距节点的高斯型求积公式。 则可以构造出n次Lagrange插值多项式： 相应的函数值为：yk=f(xk), k=0,1,2,…,n 对于定积分 将区间[a,b]n 等分,节点为： 对 f(x)=Ln(x)+Rn(x) 两端在[a,b]上积分,得到: 令： 忽略Rn[f]便可以得到积分的近似表达式： 误差为： 为了给出具体计算公式，令 则由 xi=a+ih, xk=a+kh 得到 从而 误差由： 及x=a+th, xk=a+kh 得到 令： 则得定积分的近似计算公式： 这时: 我们称此公式为 Newton-Cotes 型求积公式。 其误差为： 下面再总结一下Newton-Cotes 型求积公式的推理过程。 针对等距分点处的函数值： 对于积分 得到： 由变换： 得到 对 f(x)=Ln(x)+Rn(x) 两端在[a,b]上积分,得到: 从而得到Newton-Cotes型求积公式： 在具体计算时，可以取定 n=1，2，3，4。此时，还有专用名称称呼，分别为梯形公式、抛物线公式、Cotes公式等，下面给出具体的计算格式。 由系数 得到 于是 即： 关于误差可由 得到 设 f(x)∈C2[a,b],则由积分中值定理得: 于是，得到梯形求积公式及其误差为 为了估计误差限，设 则得到 由系数 得到 得到 即 设 f(x)∈C4[a,b], 则可得抛物型公式的误差为 若记 则有 抛物线 (simpson)求积公式及误差为 抛物线公式 梯形公式 Cotes求积公式 例4.1用梯形公式，Simpson公式和 Cotes 公式求积分 解:利用梯形公式 利用 Simpson 公式 得 利用Cotes公式得 而原积分为 相对而言，Cotes求积公式精度最高，梯形求积公式精度最低。 2. N点等距节点的积分公式及其误差式怎么表示？ 3. 如何由上式给出梯形公式、抛物线公式及其误差？ 4. 练习：分别用梯形、抛物型公式计算下列积分并