ch3_数值积分及数值微分.pptVIP

Ch4 数值积分与数值微分 Numerical Integration 龙贝格求积公式 Romberg Integration 高斯求积公式 数值微分 * 近似计算 解：逐次检查公式是否精确成立 代入 P0 = 1： = 代入 P1 = x ： = 代入 P2 = x2 ： ? 代数精度 = 1 例 求梯形公式的代数精确度 插值型求积公式 思路 利用插值多项式 则积分易算。 ? 在[a, b]上取 a ? x0 x1 … xn ? b，做 f 的 n 次插值多项式 ，即得到 Ak 由 决定， 与 无关。 节点 f (x) 插值型积分公式 /*interpolatory quadrature*/ 误差 注：形如 的求积公式至少有 n 次代数精度 ? 该公式为插值型（即： ） ? 当节点等距分布时： 令 Cotes系数 注：Cotes 系数仅取决于 n 和 i，可查表得到。与 f (x) 及区间[a, b]均无关。 Newton-Cotes 公式 n = 1: n = 2: Simpson’s formula 可以验证代数精度 = 3 定理3 当阶n为偶数时，netow-cotes公式至少 具有n+1次代数精确度. n = 4: 柯特斯公式 求积公式的余项 复化求积公式 高次插值不稳定，故采用分段低次插值 ? 分段低次合成的 Newton-Cotes 复合求积公式。 ? 复合梯形公式： 在每个 上用梯形公式： ? 复化 Simpson 公式： = Sn 考察复合梯形公式，区间二分前后： 理查森（Richardson）外推法 理查森外推加速方法 构造具有2n+1次代数精度的求积公式 将节点 x0 … xn 以及系数 A0 … An 都作为待定系数。令 f (x) = 1, x, x2, …, x2n+1 代入可求解，得到的公式具有2n+1 次代数精度。这样的节点称为Gauss 点，公式称为Gauss 型求积公式。 例：求 的 2 点 Gauss 公式。 解：设 ，应有 3 次代数精度。 ? + ? 1 0 1 1 0 0 ) ( ) ( ) ( x f A x f A dx x f x 代入 f (x) = 1, x, x2, x3 不是线性方程组，不易求解。 §4 Gaussian Quadrature 证明： “?” x0 … xn 为 Gauss 点, 则公式 至少有 2n+1 次代数精度。 对任意次数不大于n 的多项式 Pm(x)， Pm(x) w(x)的次数不大于2n+1，则代入公式应精确成立： 0 = 0 ? “?” 要证明 x0 … xn 为 Gauss 点，即要证公式对任意次数不大于2n+1 的多项式 Pm(x) 精确成立，即证明： 设 0 ? 　　　 x0 … xn 为 Gauss 点 ? 与任意次数不大于n 的多项式 P(x) （带权）正交。 定理 求 Gauss 点 ? 求w(x) 再解上例： ? + ? 1 0 1 1 0 0 ) ( ) ( ) ( x f A x f A dx x f x Step 1：构造正交多项式?2 设 c bx x x a x x x + + = + = = 2 2 1 0 ) ( , ) ( , 1 ) ( j j j ? ? 5 3 - = a 0 ) ( 1 0 = + ? dx a x x 0 ) , ( 1 0 = j j ? ? = + + - ? = = + + ? = 1 0 2 1 1 0 2 1 0 0 ) )( 5 3 ( 0 ) , ( 0 ) ( 0 ) , ( dx c bx x x x dx c bx x x j j j j 21 5 9 10 = - = c b 即： §4 Gaussian Quadrature Step 2：求?2 = 0 的 2 个根，即为 Gauss 点 x0 ，x1 Step 3：代入 f (x) = 1, x 以求解 A0 ，A1 解线性方程组，简单。 结果与前一方法相同： ? 利用此公式计算