数值计算(七)——数值积分与数值积分（一）

最新推荐文章于 2023-03-23 23:25:34 发布

原创最新推荐文章于 2023-03-23 23:25:34 发布 · 1.4k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#数值计算 #数值积分 #牛顿-柯特斯公式 #辛普森公式 #梯形公式

数值计算专栏收录该内容

10 篇文章

订阅专栏

本文介绍了数值积分的基本概念，包括Newton-Leibniz公式的作用限制及数值近似方法的重要性。详细探讨了代数精度的概念，并通过梯形公式和Simpson公式等实例展示了数值积分的具体应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在高数中我们知道 $N e w t o n - L e i b n i z 公式$ $∫axf(t)dt=F(x)−F(a)\mathop{ \int }\nolimits_{{a}}^{{x}}f{ \left( {t} \right) } \text{d} t=F(x)-F(a)$ ，表面上感觉所有的积分任务都可以被解决了，但实际应用中却是令人失望的，往往原函数没法直接求出，甚至是没有简单的原函数表达。由于这种情况的存在，因此必须考虑一种定积分计算的近似方法，数值方法是一种重要的近似求定积分的方法。一般来说，找出 $f$ 的一个近似函数 $φ\varphi$ ,而且 $φ\varphi$ 的定积分比较容易求得，比如 $φ\varphi$ 是多项式，由此有 $∫abf(x)dx≈∫abφ(x)dx\int \nolimits_{a}^bf(x)dx\approx\int\nolimits_{a}^b\varphi(x)dx$ ，便可以简单求出对应的原函数。

代数精度

讨论定积分 $∫abρ(x)f(x)dx\int\nolimits_{a}^b\rho(x)f(x)dx$ 数值计算，其中 $[a, b]$ 为求积区间，它可以是有限的，也可以是无限的， $ρ\rho$ 为定义在 $[a, b]$ 上的权函数， $f$ 为给定的函数（被积函数）。一般求积公式具有如下形式：
$∫abρ(x)f(x)dx≈∑k=0nAkf(xk)\qquad\qquad\qquad\qquad\qquad\int\nolimits_{a}^b\rho(x)f(x)dx\approx\sum\limits_{k=0}^nA_kf(x_k)$
其中 $x_k$ 称为求积公式的节点(或称求积节点), $A_k$ 称为求积系数，一般要求 $x_k,k=0,1,2,...,n$ 均属于 $[a, b]$ .其中 $En(f)=∫abρ(x)f(x)dx−∑k=0nAkf(xk)E_n(f)=\int\nolimits_{a}^b\rho(x)f(x)dx-\sum\limits_{k=0}^nA_kf(x_k)$ 求求积公式的误差。
代数精度定义：

如果 $E_n(x^m)=0,m=0,1,2...k$ 则称求积公式至少具有 $k$ 次代数精度，如果还有 $En(xk+1)≠0E_n(x^{k+1})\neq0$ 则称求积公式的代数精度恰好为k。

来上题目搞一下子：
在这里插入图片描述

插值型求积公式

在这里插入图片描述

定理2：积分系数全为正的插值型求积公式 $∫abf(x)dx≈∑i=0nAif(xi)\int\nolimits_{a}^bf(x)dx\approx\sum\limits_{i=0}^nA_if(x_i)$ 必然是稳定的。

Newton-Cotes公式

梯形公式和 $S i m p s o n$ 公式

计算定积分 $I(f)=∫abf(x)dxI(f)=\int\nolimits_{a}^bf(x)dx$ 最简单的方法就是在 $[a, b]$ 上用线性插值多项式L1来代替被积函数 $f$ ，设插值节点 $x_0=a,x_1=b$ 那么 $L1(x)=x−ba−bf(a)+x−ab−af(b)L_1(x)=\frac{x-b}{a-b}f(a)+\frac{x-a}{b-a}f(b)$ , $I(f)≈I1(f)=∫abL1(x)dx=b−a2[f(a)+f(b)]I(f)\approx I_1(f)=\int\nolimits_a^bL_1(x)dx=\frac{b-a}{2}[f(a)+f(b)]$ 这个被称为梯形求积公式。

积分第一中值定理： $设函数f,g在[a,b]上连续，且g(x)在[a,b]上不变号，则有存在ξ∈[a,b]使得:设函数f,g在[a,b]上连续，且g(x)在[a,b]上不变号，则有存在\xi\in[a,b]使得:$ $∫abf(x)g(x)dx=f(ξ)∫abg(x)dx\qquad\qquad\qquad\qquad\qquad\qquad\qquad\qquad\int\nolimits_a^bf(x)g(x)dx=f(\xi)\int\nolimits_{a}^bg(x)dx$

梯形求积公式误差：设 $f∈C2[a,b]f\in C^2[a,b]$ ,那么梯形求积公式的误差：
$E1(f)=∫abf(x)dx−b−a2[f(a)+f(b)]=−(b−a)312f′′(η),η∈[a,b]\qquad\qquad\qquad\qquad E_1(f)=\int\nolimits_a^bf(x)dx-\frac{b-a}{2}[f(a)+f(b)]=-\large\frac{(b-a)^3}{12}f''(\eta) ,\eta\in[a,b]$