《数值积分习题课》课件.pptVIP

数值积分习题课

课程概述数值积分的重要性数值积分是求解复杂定积分的有效方法，对于无法通过解析方法求解的积分问题尤为重要。它在科学计算、物理模拟、工程设计和金融分析等领域都有广泛应用。本课程的学习目标通过本课程，学生将掌握常用数值积分方法的原理和应用，能够分析各种方法的误差特性，并能根据实际问题选择合适的数值积分技术。同时培养实际编程实现这些方法的能力。课程内容安排

第一部分：数值积分基础知识回顾1基本概念理解定积分的数学含义及几何解释，掌握黎曼和的概念，了解为什么需要数值积分方法。2误差分析学习数值积分中的截断误差、舍入误差及总误差，理解影响数值积分精度的因素。3基本方法掌握矩形法、梯形法和辛普森法等基本数值积分方法，理解它们的原理和特点。

数值积分的基本概念定积分的定义定积分$\int_a^bf(x)dx$在几何上表示函数$f(x)$在区间$[a,b]$上与$x$轴所围成的面积。从数学上看，它是函数在给定区间上的黎曼和的极限。当被积函数或积分区间复杂时，解析求解往往变得困难或不可能，这时我们需要借助数值方法进行近似计算。为什么需要数值积分在实际应用中，很多情况下我们遇到的被积函数没有解析原函数，如$\int_0^1e^{-x^2}dx$；或者函数表达式非常复杂，使得解析求解过程繁琐。

误差分析总误差数值积分最终的精度表现舍入误差计算机有限精度表示引起截断误差数学模型近似产生截断误差源于使用多项式近似代替原函数，它与所选积分公式的阶数和被积函数的光滑性质有关。高阶方法通常具有较小的截断误差，但计算复杂度也会增加。舍入误差是由计算机浮点数表示和运算引起的，这种误差随着计算步骤的增加而累积。在某些情况下，过度减小步长可能会导致舍入误差超过截断误差的减小量，反而降低总体精度。

数值积分的基本方法矩形法用矩形近似曲线下面积，根据取点位置分为左矩形法、右矩形法和中点矩形法。中点矩形法通常具有更高精度，其误差阶为O(h2)。梯形法用连接相邻点的线性函数近似原函数，形成梯形面积之和。梯形法考虑了区间两端点的函数值，误差阶为O(h2)，在某些情况下优于矩形法。辛普森法用二次多项式近似原函数，利用抛物线逼近曲线。辛普森法结合了函数在区间两端点和中点的值，误差阶为O(h?)，通常精度更高。

第二部分：常用数值积分公式牛顿-科特斯公式基于拉格朗日插值多项式的高精度积分公式，适用于函数较为光滑的情况复合求积公式将积分区间分成若干小区间，在每个小区间应用低阶求积公式，提高整体精度龙贝格积分利用外推技术加速梯形法收敛的高效方法，能够实现高精度积分计算高斯求积公式通过优化选取积分点和权重，使得在相同计算量下达到更高精度的方法

牛顿-科特斯公式公式的推导牛顿-科特斯公式基于拉格朗日插值多项式进行积分。首先在积分区间$[a,b]$上取$n+1$个等距点$x_0,x_1,...,x_n$，然后构造通过这些点的拉格朗日插值多项式$P_n(x)$近似原函数$f(x)$。积分的近似值通过计算$\int_a^bP_n(x)dx$获得，最终可以表示为函数值的线性组合：$\int_a^bf(x)dx\approx\frac{b-a}{n}\sum_{i=0}^{n}A_if(x_i)$，其中$A_i$为权系数。适用范围牛顿-科特斯公式根据取点数的不同可以分为不同阶数的公式。当$n=1$时为梯形公式，$n=2$时为辛普森公式，$n=3$时为辛普森$\frac{3}{8}$公式等。该公式适用于被积函数较为光滑的情况。对于高阶牛顿-科特斯公式，当$n$较大时可能出现龙格现象，导致精度下降。因此实际应用中通常使用低阶公式（如梯形法或辛普森法）结合复合方法，而不是直接使用高阶公式。

复合求积公式区间划分将积分区间$[a,b]$等分为$n$个小区间，每个小区间长度为$h=\frac{b-a}{n}$小区间应用在每个小区间上应用基本求积公式（如梯形法或辛普森法）结果累加将各小区间上的积分近似值累加，得到整个区间的积分近似值复合梯形公式的表达式为：$\int_a^bf(x)dx\approx\frac{h}{2}[f(a)+2\sum_{i=1}^{n-1}f(x_i)+f(b)]$，其误差阶为$O(h^2)$。复合辛普森公式的表达式为：$\int_a^bf(x)dx\approx\frac{h}{3}[f(a)+4\sum_{i=0}^{n/2-1}f(x_{2i+1})+2\sum_{i=1}^{n/2-1}f(x_{2i})+f(b)]$，其误差阶为$O(h^4)$，通常能提供更高的精度。复合求积公式是实际计算中最常用的方法，它通过增加区间分割数来提高精