自适应simpson公式解定积分


来自白书

反正基础就是极限思想嘛,simpson原理没深究了,当做模板用吧

求定积分:



#include<stdio.h>
#include<string.h>
#include<math.h>
double f(double x)
{
    return x;//自定义函数
}
double simpson(double a,double b)
{
    double c=a+(b-a)/2;
    return (f(a)+4*f(c)+f(b))*(b-a)/6;
}
//递归过程,可以保存la,rb,和simpson的值,若la,rb未变
//则直接使用保存的simpson值不用再调用simpson函数,
//若改变则调用函数并保存修改后的值
//eps为自定义精度
double asr(double a,double b,double eps,double A)
{
    double c=a+(b-a)/2;
    double L=simpson(a,c),R=simpson(c,b);
    if(fabs(L+R-A)<=15*eps) return L+R+(L+R-A)/15.0;
    return asr(a,c,eps/2,L)+asr(c,b,eps/2,R);
}
double asr_main(double a,double b,double eps)
{
    return asr(a,b,eps,simpson(a,b));
}
int main()
{
    printf("%lf\n",asr_main(0,100,1e-5));
    return 0;
}



la 3485 Bridge

#include<stdio.h>
#include<string.h>
#include<math.h>
double a;
double f(double x)
{
    return sqrt(1+4*a*a*x*x);
}
double simpson(double a,double b)
{
    double c=a+(b-a)/2;
    return (f(a)+4*f(c)+f(b))*(b-a)/6;
}
double asr(double a,double b,double eps,double A)
{
    double c=a+(b-a)/2;
    double L=simpson(a,c),R=simpson(c,b);
    if(fabs(L+R-A)<=15*eps) return L+R+(L+R-A)/15.0;
    return asr(a,c,eps/2,L)+asr(c,b,eps/2,R);
}
double asr_main(double a,double b,double eps)
{
    return asr(a,b,eps,simpson(a,b));
}
double solve(double w,double h)
{
    a=4*h/(w*w);
    return asr_main(0,w/2,1e-5)*2;
}
int main()
{
    double h,d,b,l;
    int n,cas;
    scanf("%d",&cas);
    for(int i=1;i<=cas;i++)
    {
        scanf("%lf%lf%lf%lf",&d,&h,&b,&l);
        n=(b+d-1)/d;
        double dd=b/n;
        double ll=l/n;
        double x=0,y=h;
        while(x+1e-9<y)
        {
            double m=x+(y-x)/2;
            if(solve(dd,m)<ll) x=m;
            else y=m;
        }
        if(i!=1) printf("\n");
        printf("Case %d:\n%.2lf\n",i,h-x);
    }
    return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 自适应Simpson积分是一种数值积分方法,可以用于计算函数在给定区间上的积分值。在Matlab中,可以使用内置函数“quad”来实现自适应Simpson积分。具体步骤如下: 1. 定义被积函数f(x)。 2. 使用“quad”函数进行积分计算,语法为: quad(f,a,b) 其中,f为被积函数,a和b为积分区间的上下限。 3. 如果需要更高的精度,可以使用“quadl”函数进行积分计算,语法为: quadl(f,a,b,tol) 其中,tol为误差容限,即当积分误差小于tol时,积分计算停止。 需要注意的是,自适应Simpson积分方法适用于连续函数,如果被积函数在积分区间上不连续或有间断点,需要进行分段积分。 ### 回答2: 自适应Simpson积分是一种常用的数值积分方法,它基于辛普森公式,能够在不同精度要求下,自适应地选取合适的分割数,从而达到更高的精度。在Matlab中实现自适应Simpson积分需要以下步骤: 1. 编写Simpson积分的函数subSimpson,该函数接受一个函数句柄和积分上下限为参数,返回积分值。 2. 设置初始的精度要求tol和分割数N0。将整个积分区间[a,b]均匀地分割成N0个子区间,计算每个子区间的积分值,求和得到这一级别的积分结果S1。 3. 将整个积分区间再次均匀地分割,得到2N0个子区间。根据辛普森公式计算每个子区间的积分值,并利用这些结果得到更加精细的积分值S2。 4. 计算收敛因子Q=(S2-S1)/15,如果Q小于指定的精度要求tol,则返回S2作为积分结果;否则,将积分区间再次分割,进入第三步。 5. 在分割过程中,可以记录下每一级别的积分值和分割数,以便于后续的分析和统计。 Matlab代码示例: ```matlab function [I,n] = adaptSimpson(f,a,b,tol,N0) % f: 被积函数 % a,b: 积分区间 % tol: 精度要求 % N0: 初始分割数 x = linspace(a,b,2*N0+1); h = (b-a)/N0/2; y = f(x); S1 = sum(y(1:2:end-2)+4*y(2:2:end-1)+y(3:2:end)); S2 = sum(y(1:2:end-2)+4*y(2:2:end-1)+2*y(3:2:end-1)+4*y(4:2:end)+y(5:2:end)); I = S2/15*h; n = N0; Q = (S2-S1)/15; while abs(Q) > tol N = 2*n; x = linspace(a,b,2*N+1); y = f(x); S1 = S2; S2 = sum(y(1:2:end-2)+4*y(2:2:end-1)+2*y(3:2:end-1)+4*y(4:2:end)+y(5:2:end)); I = S2/15*h; n = N; Q = (S2-S1)/15; end end ``` 代码中,我们先根据初始的分割数N0,计算积分区间的所有节点x,并根据辛普森公式计算出这一级别的积分结果S1和下一级别的积分结果S2。如果S2满足精度要求,则直接返回;否则,我们将分割数翻倍,重新计算节点和积分结果,进入下一级别的计算。当S2满足精度要求后,我们返回积分结果I和分割数n。 总之,自适应Simpson积分是一种高效的数值积分方法,通过递归的方式自适应地调整分割数,从而实现更高的精度。在Matlab中实现自适应Simpson积分,需要熟悉辛普森公式和递归算法的基本原理。 ### 回答3: 自适应Simpson积分是一种数值积分方法,可用于计算函数的定积分。该方法是通过将定积分区间分割成若干个子区间,每个子区间采用Simpson公式计算积分值,从而得到整个区间的积分值。与传统的Simpson积分相比,自适应Simpson积分可以更准确地估计积分值,且能够自动适应积分函数的变化以提高计算效率。 在Matlab中,实现自适应Simpson积分的基本思路如下: 1. 将积分区间[a,b]分割成若干个子区间,每个子区间采用Simpson公式计算积分值I1。 2. 将整个区间[a,b]再分割成若干个子区间,每个子区间采用两个子区间的Simpson积分值之和减去一个子区间的Simpson积分值来计算积分值I2。 3. 计算误差E=abs(I2-I1)/15,如果E大于预设的误差精度tolerance,则将整个区间继续分割,否则返回I2作为最终的积分值。 该方法的优点在于能够自动适应积分函数的变化,从而提高计算精度和效率。具体实现时,需要使用递归方法来实现自动区间分割,同时需要设置适当的最大分割次数以避免程序陷入死循环。 Matlab中自适应Simpson积分的函数形式如下: function[result, err] = adaptive_simpson(f, a, b, tolerance, max_depth) % f为要积分的函数,a和b为积分区间的下限和上限,tolerance为误差精度,max_depth为最大分割次数 depth = 1; % 初始化分割次数为1 [result, err] = simpson_rule(f, a, b); % 计算初始的积分值和误差 while (depth < max_depth) && (err > tolerance) % 如果分割次数未达到最大值且误差仍然大于误差精度 depth = depth + 1; % 分割次数加1 [result_left, err_left] = simpson_rule(f, a, (a+b)/2); % 计算左半区间的积分值和误差 [result_right, err_right] = simpson_rule(f, (a+b)/2, b); % 计算右半区间的积分值和误差 result = result_left + result_right; % 计算整个区间的积分值 err = err_left + err_right; % 计算整个区间的误差 end 其中simpson_rule函数为Simpson积分公式的实现,具体如下: function[result, err] = simpson_rule(f, a, b) % f为要积分的函数,a和b为积分区间的下限和上限 result = (b-a)/6 * (f(a) + 4*f((a+b)/2) + f(b)); % 计算Simpson积分值 err = (b-a)^5 / 2880 * max(abs(diff(f([a,b,(a+b)/2])))); % 计算误差 end 需要注意的是,在实现自适应Simpson积分时,需要确保积分函数在积分区间内具有充分的平滑性和连续性,否则可能导致计算误差过大或发生计算异常。因此在应用该方法时,需要首先对积分函数进行充分的分析和预处理,以保证计算结果的准确性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值