[2018年最新整理]Chap5Sec1数值积分与数值微分1.pptVIP

机电工程学院 * 主要内容 数值积分的意义 插值积分公式的构造 插值积分公式的精度 龙贝格积分公式 * 在微积分里，按Newton-Leibniz公式求定积分 要求被积函数f(x) ?有解析表达式； ? f(x)的原函数F(x)为初等函数． 为什么要数值积分？ F(x)有解析表达式 * 问题 f(x)没有解析表达式，只有数表形式 e.g. x 1 2 3 4 5 f(x) 4 4.5 6 8 8.5 f(x)有表达式，但原函数不是初等函数 e.g.　　　　，　　　　　　　　 它们的原函数都不是初等函数。 * 求定积分就得通过近似计算－数值积分求得 积分近似值。 基本思想: 是对被积函数进行近似，给出数值积分，同 时考虑近似精度。 可采用数据插值方法获得f(x)的近似函数 * 由插值节点决定，与f(x)无关,记为Ak 插值求积公式，Ak为求积系数 (可事先求出) * 数值积分就是将定积分计算简化为计算被积函数在各节点处函数值的线性组合。求积系数的确定以及求积公式的误差分析成为数值积分研究的主要内容。 由插值节点决定，与f(x)无关,记为Ak 插值求积公式，Ak为求积系数 (可事先求出) * 用过点A(a, f(a)) 和B(b, f(b))的线段 近似代替曲线y=f(x), x ?[a, b]. 1. 梯形公式: f(x) a b f(a) f(b) 两节点插值（一次插值） 设x1为a和b的中点，用过点A(a, f(a))， C(x1, f(x1)) 和B(b, f(b))的抛物线近似代替曲线y=f(x), x ?[a, b]. 2. 辛甫生公式: 注： Simpson公式又叫抛物线公式。 三节点插值（抛物线插值、二次插值） * （五节点插值）将[a, b]分成四份，xk=a+(b-a)k/4 (k=0,1,2,3,4)，类似于前面的推导过程，可以得到 3. 柯特斯公式: Cotes公式 通常求积区间[a, b]上的已知节点个数都4，但高次插值公式的精度不见得就好。类似于分段低次插值的概念，我们通常使用复化的求积公式 * 1.复化梯形公式 h称为步长 复化梯形公式，有时也简称为梯形公式 * 2.复化辛甫生公式 复化辛甫生公式 * 3.复化柯特斯公式 复化柯特斯公式 * 问题：当区间[a,b]为多个等分段时，我们该如何选用求积公式？哪一个求积公式的精度更高呢？ 六个子区间分别应用梯形公式构成复化梯形求积公式 三个子区间分别应用辛甫生公式构成复化辛甫生求积公式 结果会一样吗？ * 是增加子区间数，还是使用高次积分？？ …… 例5.1：计算 解： 其中 = 3.138988494 其中 = 3.141592502 结论：相同节点个数时，辛甫生求积公式的精度更高 * 插值积分公式的截断误差分析 插值积分公式的截断误差 * 复化梯形公式的截断误差 * 复化梯形公式的截断误差 * 类似地， 可得到复化辛甫生公式与柯特斯公式的截断误差 复化辛甫生公式 复化柯特斯公式 复化梯形公式 似乎没有可比性 怎么办？ 哪个公式的精度更高呢？ * 代数精度的概念 定义5.1: 若某个求积公式对 f(x)=xk (k=0,1,…,m) 精确成立，但对 f(x)=xm+1不精确成立，则称此求积公式的代数精度为m 。 代入 P0 = 1： = 代入 P1 = x ： = 代入 P2 = x2 ： ? 如梯形公式： ?代数精度 = 1。 * 容易验证: 梯形公式 1 次精度 辛甫生公式 3 次精度 柯特斯公式 5 次精度 * 实际问题： 1、对于f(x)在区间[a, b]上定积分的计算，如何知道该划分出多少个子区间才能得到精确解 常用做法： 判断 |T2N－TN|是否足够小，即 * 实际问题： 2、如果已经计算出划分为N个子区间时的积分值TN，并且发现该计算结果不够精确，在计算T2N时，是否能利用上一次的计算结果TN以避免重复计算（减少计算工作量）呢？ 需要寻求T2N与TN之间的递推关系 * 梯形公式的递推关系 全区间 二等份 四等份 2k等份 只计算新增节点给出的补偿量 前面不是说梯形公式的精度不够高吗？那岂不是要多计算好多节点的函数值吗？ * 龙贝格求积公式 突出贡献：给出了由低精度求积公式到高精度求积公式转换时的组合系数。 梯形公式到辛甫生公式（m=1） T1为[a, b]上的直接求积结果 T2为[a, b]二等份后的求积结果 T4为[a, b]四等份后的求积结果 ………………………………… T2k为[a, b] 2k等份后的求积