数值分析课程课件内容自己看.ppt

* * 第六章 数值积分 计算定积分 在工程、物理等领域应用广泛。几何意义表示面积、体积等。 若f(x)在[a,b]上连续，f(x)的原函数为F(x)，可利用牛顿- 莱布尼兹公式： 换元法、分部积分法、多重积分中极坐标法等。 实际情况中，更多使用数值计算求近似解，因为 (1) 有时寻找原函数困难。如超越函数： (2) 能找到原函数，但原函数可能过于复杂，不便计算。 (3) f(x)本身是通过测量或计算得到的列表函数，以数据表 形式给出。 6.1问题提出： 精解解： 另一些方法： 1. 通过积分中值定理：(当f(x)在闭区间[a,b]上连续时) §∈[a,b] 近似解精度取决于§， 当§=a时 左矩形公式 当§=(a+b)/2 时 中矩形公式 当§=b时 右矩形公式 2. 通过积分定义方法求近似解 对区间[a,b] 作分割 a=x0x1……xn=b, 记Δxk=xk+1 – xk , 则 常用数值方法： 所以近似解可写成： 一般地，求积公式可写成： 其中xk为求积节点，Ak为求积系数。 若节点处f(xk)已知，只要求出Ak, 便可得到 该方法称为机械求积法。 6.2 插值型求积公式： (对f(x)使用拉格朗日插值构造多项式近似） 给定一组节点a=x0x1……xn=b, 已知f(x)在节点的值为f(xk), 对f(x)作拉格朗日插值多项式 其中 (k=0、1、......n) (lk(x)为代数多项式，求原函数方便） 所以 记 , 只要计算出Ak就可得到求积公式 ,该方法称为插值求积公式. 当n=1时, x0=a, x1=b, 此时 称为梯形公式 当n=2时,x0=a, x1= ,x2=b (可使用换元法或直接法求原函数) （即利用 这里令　　　　　　　　　　 ) ∴ 称为辛普生公式（Simpson）. 当n=4时,取5个等矩节点， 可类似求得 称为柯特斯公式(Cotes). 6.2.2 插值型求积公式误差和代数精度 由拉格朗日插值余项知： 与x有关。 当f(x)为n次多项式，且已知n+1个节点的函数值时, 总能构造Ln(x), 使得 即 此时称该求积公式精度成立。 另外, 给出代数精度定义： 设 为数值求积公式, 对于任意不高于m次的多项式 f(x)都能精度成立,但至少对1个m+1次的多项式不能保证精确成立， 则该求积公式有m次代数精度. 其中 代数精度可反映数值积分公式的精确度。 对代数精度, 有下列一些性质： 1. 由n+1个求积节点得到的插值型求积公式，其代数精度至少为n。 2. 反过来，如果 的代数精度至少为n，则它对 是精确成立的. 这是因为li (x)是n次多项式, 且已知n+1个节点的函数值, 此时有: (∵代数精度至少为n, ) 又由于 (这是因为当 ) 这说明 即 是插值型求积公式。 定理1. 求积公式 充要条件是该公式是插值型的，即 (k=0,1,2…n) 判断求积公式的代数精度, 可使用下面定理2： 定理2.求积公式 具有m次代数精度的充要条件是 精确成立，而对 不能精确成立。 对代数多项式f(x),求 的代数精度主要考虑 形式。 例：求梯形公式 的代数精度. 由性质①和②得定理1： 至少具有n次代数精度的 对 证明略。 ∴左=右 ∴左=右 ∴左≠右 所以该式的代数精度为1。 例(作业)：求辛普生公式 的代数精度。 首先知: 辛普生公式为插值型公式，已知3个节点， ∴代数精度至少为2。（可自行验证） 当 时，左 右 当 时，通过计算知，左≠右,∴代数精度为3. 同理可知，柯特斯公式的代数精度为5. 6.2.3 梯形公式,辛普生公式,柯特斯公式的截断误差 (1)梯形公式 与x有关. 这里利用积分第一中值定理, 即 若f(x)在[a,b]上连续, g(x)在[a,b]上不变号, 且在[a,b]上可积, 则[a,b]中存在点 有: 当 时， 不变号，此时有： 此时左=右, 精确成立. (2)辛普生公式 首先知：对次数 的多项式，∵精确成立，∴误差为0. 注意：若使用原来公式 此时无法使用积分中值定理(∵ 在[a,b]内变号) 通常对f(x)构造满足下列插值条件的三次插值多项式 利用前面介绍的带导数条件插值知H3(x)存在，且有： 且与x有关 (一般情况下，x可能不在[a,b]内) 对高于3次的多项式求误差： ∵ 通过 三点，所以 又∵ 为三次多项式，此时使用辛普生求积公式精确成立，即 即可表示为原来函数的辛普生公式. ∴ 可