整理一下数值分析的笔记~
目录:1. 误差
2. 多项式插值与样条插值
3. 函数逼近
4. 数值积分与数值微分(THIS)
5. 线性方程组的直接解法
6. 线性方程组的迭代解法
7. 非线性方程求根
8. 特征值和特征向量的计算
9. 常微分方程初值问题的数值解
1. 基本概念
定义1:若求积公式: ∫ a b f ( x ) d x ≈ ∑ k = 0 n A k f ( x k ) \int_a^bf(x)dx \approx \sum_{k=0}^nA_kf(x_k) ∫abf(x)dx≈∑k=0nAkf(xk)对于 f ( x ) = x j ( j = 0 , 1 , 2... , m ) f(x)=x^j(j=0,1,2...,m) f(x)=xj(j=0,1,2...,m)都精确成立,但对 f ( x ) = − x m + 1 f(x)=-x^{m+1} f(x)=−xm+1不精确成立,则称该求积公式具有m次代数精度。
例:确定形如 ∫ 0 3 f ( x ) d x ≈ A 0 f ( 0 ) + A 1 f ( 1 ) + A 2 f ( 2 ) \int _0^3f(x)dx \approx A_0f(0)+A_1f(1)+A_2f(2) ∫03f(x)dx≈A0f(0)+A1f(1)+A2f(2)的求积公式。
解:令公式对 f ( x ) = 1 , x , x 2 f(x)=1,x,x^2 f(x)=1,x,x2都精确成立,则:
{ A 0 + A 1 + A 2 = 3 A 1 + 3 A 2 = 9 2 A 1 + 9 A 2 = 9 解 方 程 得 求 积 公 式 , 该 公 式 对 f ( x ) = x 2 成 立 但 对 f ( x ) = x 3 不 成 立 , 代 数 精 度 为 2. \begin{cases} A_0+A_1+A_2=3\\ A_1+3A_2=\frac{9}{2}\\ A_1+9A_2=9 \end{cases}\\ 解方程得求积公式,该公式对f(x)=x^2成立\\但对f(x)=x^3不成立,代数精度为2. ⎩⎪⎨⎪⎧A0+A1+A2=3A1+3A2=29A1+9A2=9解方程得求积公式,该公式对f(x)=x2成立但对f(x)=x3不成立,代数精度为2.
插值型求积公式:在积分区间 [ a , b ] [a,b] [a,b]上取 n + 1 n+1 n+1个节点 x i , i = 0 , 1 , 2 , . . . , n x_i,i=0,1,2,...,n xi,i=0,1,2,...,n作 f ( x ) f(x) f(x)的 n n n次代数插值多项式(拉格朗日插值公式): I n ( x ) = ∑ j = 0 n l j ( x ) f ( x j ) , 有 f ( x ) = L n ( x ) + R n ( x ) I_n(x)=\sum^n_{j=0}l_j(x)f(x_j),有f(x)=L_n(x)+R_n(x) In(x)=∑j=0nlj(x)f(xj),有f(x)=Ln(x)+Rn(x),其中 R n ( x ) = f ( n + 1 ) ( ξ ) ( n + 1 ) ! ω n + 1 ( x ) R_n(x)=\frac{f^(n+1)(\xi)}{(n+1)!}\omega_{n+1}(x) Rn(x)=(n+1)!f(n+1)(ξ)ωn+1(x)为插值余项, ω n + 1 ( x ) = ∏ k = 0 n ( x − x k ) \omega_{n+1}(x)=\prod^n_{k=0}(x-x_k) ωn+1(x)=∏k=0n(x−xk),于是有:
∫ a b f ( x ) d x = ∫ 1 b L n ( x ) d x + ∫ a b R n ( x ) d x = ∑ j = 0 n [ ∫ a b l j ( x ) d x ] f ( x j ) + ∫ a b R ( x ) d x \int_a^bf(x)dx=\int_1^bL_n(x)dx+\int_a^bR_n(x)dx\\ =\sum_{j=0}^n\left[\int_a^bl_j(x)dx\right]f(x_j)+\int_a^bR(x)dx ∫abf(x)dx=∫1bLn(x)dx+∫abRn(x)dx=j=0∑n[∫ablj(x)dx]f(xj)+∫abR(x)dx
取 ∫ a b f ( x ) d x ≈ ∑ k = 0 n f ( x k ) A k = ∑ k = 0 n f ( x k ) ∫ a b l k ( x ) d x \int_a^bf(x)dx \approx \sum_{k=0}^n f(x_k)A_k=\sum_{k=0}^n f(x_k)\int_a^bl_k(x)dx ∫abf(x)dx≈∑k=0nf(xk)Ak=∑k=0nf(xk)∫ablk(x)dx
A k = ∫ a b ∏ i = 0 , i ! = k n x − x i x k − x i d x A_k=\int_a^b \prod_{i=0,i!=k}^n\frac{x-x_i}{x_k-x_i}dx Ak=∫ab∏i=0,i!=knxk−xix−xidx取决于节点,与 f ( x ) f(x) f(x)无关,称为插值型求积公式。
截断误差:
R [ f ] = ∫ a b f ( x ) d x − ∑ k = 0 n A k f ( x k ) = ∫ a b [ f ( x ) − L n ( x ) ] d x = ∫ a b f n + 1 ( ξ x ) ( n + 1 ) ! ∏ k = 0 n ( x − x k ) d x R[f]=\int_a^bf(x)dx-\sum_{k=0}^nA_kf(x_k)\\=\int_a^b[f(x)-L_n(x)]dx\\ =\int_a^b\frac{f^{n+1}(\xi_x)}{(n+1)!}\prod_{k=0}^n(x-x_k)dx R[f]=∫abf(x)dx−k=0∑nAkf(xk)=∫ab[f(x)−Ln(x)]dx=∫ab(n+1)!fn+1(ξx)k=0∏n(x−xk)dx
2. Newton-Cotes公式
牛顿-科特茨公式指等距节点下使用Lagrange插值多项式建立的数值求积公式。
I n ( f ) = ∑ k = 0 n A k f ( x k ) = ( b − a ) ∑ k = 0 n f ( x k ) 其 中 C k ( n ) = ( − 1 ) n − k n ⋅ k ! ⋅ ( n − k ) ! ∫ 0 n ∏ 0 ≤ j ≤ n , j ! = k ( t − j ) d t 称 为 C o t e s 系 数 只 与 k 和 n 有 关 , 且 满 足 C k ( n ) = C n − k ( n ) , ∑ j = 0 n C j ( n ) = 1 I_n(f)=\sum_{k=0}^nA_kf(x_k)=(b-a)\sum_{k=0}^nf(x_k)\\ 其中 C_k^{(n)}\\=\frac{(-1)^{n-k}}{n \cdot k! \cdot(n-k)!}\int_0^n \prod_{0 \leq j \leq n,j!=k}(t-j)dt\\ 称为Cotes系数只与k和n有关,且满足\\ C_k^{(n)}=C_{n-k}^{(n)},\sum_{j=0}^nC_j^{(n)}=1 In(f)=k=0∑nAkf(xk)=(b−a)k=0∑nf(xk)其中Ck(n)=n⋅k!⋅(n−k)!(−1)n−k∫0n0≤j≤n,j!=k∏(t−j)dt称为Cotes系数只与k和n有关,且满足Ck(n)=Cn−k(n),j=0∑nCj(n)=1
低阶牛顿-科特茨公式及其余项
n=1,2,4时公式最常用,称为低阶公式
- n=1,梯形公式
Cotes系数:
C 0 ( 1 ) = − ∫ 0 1 ( t − 1 ) d t = 0.5 C 1 ( 1 ) = ∫ 0 1 t d t = 0.5 C_0^{(1)}=-\int_0^1(t-1)dt=0.5\\ C_1^{(1)}=\int_0^1tdt=0.5 C0(1)=−∫01(t−1)dt=0.5C1(1)=∫01tdt=0.5
求积公式:
I 1 ( f ) = ( b − 1 ) ∑ k = 0 1 C k ( 1 ) f ( x k ) = ( b − a ) 2 [ f ( x 0 ) + f ( x 1 ) ] n = 1 时 取 x 0 = a , x 1 = b , h = b − a 记 为 T = I 1 ( f ) I_1(f)=(b-1)\sum_{k=0}^1C_k^{(1)}f(x_k)\\ =\frac{(b-a)}{2}[f(x_0)+f(x_1)]\\ n=1时取x_0=a,x_1=b,h=b-a\\ 记为T=I_1(f) I1(f)=(b−1)k=0∑1Ck(1)f(xk)=2(b−a)[f(x0)+f(x1)]n=1时取x0=a,x1=b,h=b−a记为T=I1(f)
余项为:
R ( T ) = R ( I 1 ) = ∫ a b R 1 ( x ) d x , R n ( x ) = f ( n + 1 ) ( ξ ) ( n + 1 ) ! ω n + 1 ( x ) R ( T ) = ∫ a b f ′ ′ ( ξ ) 2 ( x − a ) ( x − b ) d x = f ′ ′ ( η ) 2 ∫ a b ( x − a ) ( x − b ) d x , η ∈ [ a , b ] = − ( b − a ) 3 12 f ′ ′ ( η ) , 有 ∣ R ( T ) ∣ ≤ ( b − a ) 3 2 M 2 , M 2 = m a x x ∈ [ a , b ] ∣ f ′ ′ ( x ) ∣ , 梯 形 公 式 具 有 一 阶 代 数 精 度 。 R(T)=R(I_1)=\int_a^bR_1(x)dx,\\ R_n(x)=\frac{f^{(n+1)(\xi)}}{(n+1)!}\omega_{n+1}(x)\\ R(T)=\int_a^b\frac{f''(\xi)}{2}(x-a)(x-b)dx\\ =\frac{f''(\eta)}{2}\int_a^b(x-a)(x-b)dx,\eta \in [a,b]\\ =-\frac{(b-a)^3}{12}f''(\eta),\\ 有|R(T)|\leq \frac{(b-a)^3}{2}M_2,\\ M_2=max_{x \in[a,b]}|f''(x)|,\\ 梯形公式具有一阶代数精度。 R(T)=R(I1)=∫abR1(x)dx,Rn(x)=(n+1)!f(n+1)(ξ)ωn+1(x)R(T)=∫ab2f′′(ξ)(x−a)(x−b)dx=2f′′(η)∫ab(x−a)(x−b)dx,η∈[a,b]=−12(b−a)3f′′(η),有∣R(T)∣≤2(b−a)3M2,M2=maxx∈[a,b]∣f′′(x)∣,梯形公式具有一阶代数精度。
- n=2,Simpson公式/三点公式/抛物线公式
Cotes系数
C 0 ( 2 ) = 1 4 ∫ 0 2 ( t − 1 ) ( t − 2 ) d t = 1 6 C 1 ( 2 ) = − 1 2 ∫ 0 2 t ( t − 2 ) d t = 4 6 C 2 ( 2 ) = 1 4 ∫ 0 2 ( t − 1 ) t d t = 1 6 C_0^{(2)}=\frac{1}{4}\int_0^2(t-1)(t-2)dt=\frac{1}{6}\\ C_1^{(2)}=\frac{-1}{2}\int_0^2t(t-2)dt=\frac{4}{6}\\ C_2^{(2)}=\frac{1}{4}\int_0^2(t-1)tdt=\frac{1}{6} C0(2)=41∫02(t−1)(t−2)dt=61C1(2)=2−1∫02t(t−2)dt=64C2(2)=41∫02(t−1)tdt=61
求积公式:
I 2 ( f ) = ( b − a ) ∑ k = 0 2 C k ( 2 ) f ( x k ) = ( b − a ) [ 1 6 f ( x 0 ) + 4 6 f ( x 1 ) + 1 6 f ( x 2 ) ] , n = 2 时 取 x 0 = a , x 1 = b + a 2 , x 2 = b , h = b − a 2 记 为 S = I 2 ( f ) I_2(f)=(b-a)\sum_{k=0}^2C_k^{(2)}f(x_k)\\ =(b-a)[\frac{1}{6}f(x_0)+\frac{4}{6}f(x_1)+\frac{1}{6}f(x_2)],\\ n=2时取\\x_0=a,x_1=\frac{b+a}{2},x_2=b,h=\frac{b-a}{2}\\ 记为S=I_2(f) I2(f)=(b−a)k=0∑2Ck(2)f(xk)=(b−a)[61f(x0)+64f(x1)+61f(x2)],n=2时取x0=a,x1=2b+a,x2=b,h=2b−a记为S=I2(f)
余项:
R ( S ) = R ( I 2 ) = ∫ a b R 2 ( x ) d x = − b − a 180 ( b − a 2 ) 4 f ( 4 ) ( η ) ≤ ( b − a ) 5 2880 M 4 其 中 M 4 = m a x x ∈ [ a , b ] ∣ f ( 4 ) ( x ) ∣ S i m p s o n 公 式 具 有 3 阶 代 数 精 度 。 R(S)=R(I_2)=\int_a^bR_2(x)dx\\= -\frac{b-a}{180}\left(\frac{b-a}{2}\right)^4f^{(4)}(\eta)\leq \frac{(b-a)^5}{2880}M_4\\ 其中M_4=max_{x\in[a,b]}|f^{(4)}(x)|\\ Simpson公式具有3阶代数精度。 R(S)=R(I2)=∫abR2(x)dx=−180b−a(2b−a)4f(4)(η)≤2880(b−a)5M4其中M4=maxx∈[a,b]∣f(4)(x)∣Simpson公式具有3阶代数精度。
- n=4,Cotes公式/五点公式
Cotes系数
C 0 ( 4 ) = 1 4 ⋅ 4 ! ∫ 0 4 ( t − 1 ) ( t − 2 ) ( t − 3 ) ( t − 4 ) d t = 7 / 90 C 1 ( 4 ) = 1 4 ⋅ 3 ! ∫ 0 4 t ( t − 2 ) ( t − 3 ) ( t − 4 ) d t = 16 / 45 C 2 ( 4 ) = 1 4 ⋅ 2 ! ⋅ 2 ! ∫ 0 4 t ( t − 1 ) ( t − 3 ) ( t − 4 ) d t = 2 / 15 C 3 ( 4 ) = 1 4 ⋅ 3 ! ∫ 0 4 t ( t − 1 ) ( t − 2 ) ( t − 4 ) d t = 16 / 45 C 4 ( 4 ) = 1 4 ⋅ 4 ! ∫ 0 4 t ( t − 1 ) ( t − 2 ) ( t − 3 ) d t = 7 / 90 C_0^{(4)}\\=\frac{1}{4 \cdot 4!}\int_0^4(t-1)(t-2)(t-3)(t-4)dt=7/90\\ C_1^{(4)}\\=\frac{1}{4 \cdot 3!}\int_0^4t(t-2)(t-3)(t-4)dt=16/45\\ C_2^{(4)}\\=\frac{1}{4 \cdot 2! \cdot 2!}\int_0^4t(t-1)(t-3)(t-4)dt=2/15\\ C_3^{(4)}\\=\frac{1}{4 \cdot 3!}\int_0^4t(t-1)(t-2)(t-4)dt=16/45\\ C_4^{(4)}\\=\frac{1}{4 \cdot 4!}\int_0^4t(t-1)(t-2)(t-3)dt=7/90 C0(4)=4⋅4!1∫04(t−1)(t−2)(t−3)(t−4)dt=7/90C1(4)=4⋅3!1∫04t(t−2)(t−3)(t−4)dt=16/45C2(4)=4⋅2!⋅2!1∫04t(t−1)(t−3)(t−4)dt=2/15C3(4)=4⋅3!1∫04t(t−1)(t−2)(t−4)dt=16/45C4(4)=4⋅4!1∫04t(t−1)(t−2)(t−3)dt=7/90
求积公式:
I 4 ( f ) = ( b − a ) ∑ k = 0 4 C k ( 4 ) f ( x k ) = ( b − a ) [ 7 90 f ( x 0 ) + 32 90 f ( x 1 ) + 12 90 f ( x 2 ) + 32 90 f ( x 3 ) + 7 90 f ( x 4 ) ] I_4(f)=(b-a)\sum_{k=0}^4C_k^{(4)}f(x_k)\\ =(b-a)[\frac{7}{90}f(x_0)+\frac{32}{90}f(x_1)+\\ \frac{12}{90}f(x_2)\\+\frac{32}{90}f(x_3)+\frac{7}{90}f(x_4)] I4(f)=(b−a)k=0∑4Ck(4)f(xk)=(b−a)[907f(x0)+9032f(x1)+9012f(x2)+9032f(x3)+907f(x4)]
余项:
R ( C ) = R ( I 4 ) C I 4 ( f ) = ∫ a b R 4 ( x ) d x = − 2 ( b − 1 ) 945 ( b − a 4 ) 6 f ( 6 ) ( η ) C o t e s 公 式 具 有 五 次 代 数 精 度 R(C)=R(I_4)\\ CI_4(f)=\int_a^bR_4(x)dx\\ =-\frac{2(b-1)}{945}(\frac{b-a}{4})^6f^{(6)}(\eta)\\ Cotes公式具有五次代数精度 R(C)=R(I4)CI4(f)=∫abR4(x)dx=−9452(b−1)(4b−a)6f(6)(η)Cotes公式具有五次代数精度
Cotes系数:
例:用梯形公式、Simpson公式和Cotes公式求积分 I = ∫ 0 1 4 1 + x 2 I=\int_0^1\frac{4}{1+x^2} I=∫011+x24的近似值。
解
f
(
x
)
=
4
1
+
x
2
,
a
=
0
,
b
=
1
;
精
确
值
∫
0
1
4
1
+
x
2
d
x
=
4
a
r
c
t
a
n
x
∣
0
1
=
π
f(x)=\frac{4}{1+x^2},a=0,b=1;\\ 精确值\int_0^1\frac{4}{1+x^2}dx=4arctanx|_0^1=\pi
f(x)=1+x24,a=0,b=1;精确值∫011+x24dx=4arctanx∣01=π
- 梯形公式:
I ≈ T = I 1 ( f ) = b − a 2 [ f ( a ) + f ( b ) ] = 1 2 [ 4 + 2 ] = 3 I \approx T=I_1(f)=\frac{b-a}{2}[f(a)+f(b)]=\frac{1}{2}[4+2]=3 I≈T=I1(f)=2b−a[f(a)+f(b)]=21[4+2]=3 - Simpson公式:
I ≈ S = I 2 ( f ) = b − a [ f ( a ) + 4 f ( b + 1 2 ) + f ( b ) ] = 1 6 [ 4 + 64 5 + 2 ] ≈ 3.13333 I \approx S=I_2(f)=\frac{b-a}[f(a)+4f(\frac{b+1}{2})+f(b)]\\ =\frac{1}{6}[4+\frac{64}{5}+2]\approx3.13333 I≈S=I2(f)=[b−af(a)+4f(2b+1)+f(b)]=61[4+564+2]≈3.13333 - Cotes 公式:
I ≈ S = I 4 ( f ) = b − 1 90 [ 7 f ( x 0 ) + 32 f ( x 1 ) + 12 f ( x 2 ) + 32 f ( x 3 ) + 7 f ( x 4 ) ] = 1 90 [ 28 ] + 32 64 17 + 12 16 5 + 32 64 25 + 14 ] ≈ 3.1421176 I \approx S=I_4(f)\\ =\frac{b-1}{90}[7f(x_0)+32f(x_1)+12f(x_2)\\+32f(x_3)+7f(x_4)]\\ =\frac{1}{90}[28]+32\frac{64}{17}+12\frac{16}{5}+32\frac{64}{25}+14]\\\approx 3.1421176 I≈S=I4(f)=90b−1[7f(x0)+32f(x1)+12f(x2)+32f(x3)+7f(x4)]=901[28]+321764+12516+322564+14]≈3.1421176
3. 复合求积公式
问题1.高次插值有Runge现象 → \rarr →分段低次插值
问题2.高阶牛顿-舒尔茨数值不稳定,低阶不满足精度要求 → \rarr →积分区间[a,b]分成若干区间,在每个小区间上用低阶求积公式计算,然后求和。
3.1复合求积公式:
∫ a b f ( x ) d x = ∑ k = 0 n − 1 ∫ x k x k + 1 f ( x ) d x ≈ ∑ k = 0 n − 1 I l ( k ) = h ∑ k = 0 ( n − 1 ) ∑ i = 0 l C i ( l ) f ( x x + i j ) = I n \int_a^bf(x)dx=\sum_{k=0}^{n-1}\int_{x_k}^{x_{k+1}}f(x)dx\\ \approx \sum_{k=0}^{n-1}I_l^{(k)}=h\sum_{k=0}^{(n-1)}\sum_{i=0}^lC_i^{(l)}f(x_{x+\frac{i}j})=I_n ∫abf(x)dx=k=0∑n−1∫xkxk+1f(x)dx≈k=0∑n−1Il(k)=hk=0∑(n−1)i=0∑lCi(l)f(xx+ji)=In
可得:
l = 1 , 符 合 梯 形 求 积 公 式 ∫ a b f ( x ) d x ≈ b − a 2 n [ f ( a ) + 2 ∑ k = 1 n − 1 f ( x k ) + f ( b ) ] l = 2 , 符 合 S i m p s o n 求 积 公 式 ∫ a b f ( x ) d x ≈ S n = b − a 6 n [ f ( a ) + 4 ∑ k = 0 n − 1 f ( x k + 1 2 ) + 2 ∑ k = 1 n − 1 f ( x k ) + f ( b ) ] l = 4 , 复 合 C o t e s 求 积 公 式 ∫ a b f ( x ) d x ≈ C n = b − a 90 [ 7 f ( a ) + ∑ k = 0 n − 1 [ 32 f ( x k + 1 4 ) + 12 f ( x k + 2 4 ) + 32 f ( x k + 3 4 ) ] + 14 ∑ k = 1 n − 1 f ( x k ) + 7 f ( b ) ] l=1,符合梯形求积公式\\ \int_a^bf(x)dx \approx \frac{b-a}{2n}[f(a)+2\sum_{k=1}^{n-1}f(x_k)+f(b)]\\ l=2,符合Simpson求积公式\\ \int_a^bf(x)dx \approx S_n \\ =\frac{b-a}{6n}[f(a)+4\sum_{k=0}^{n-1}f(x_{k+\frac{1}2})\\+2\sum_{k=1}^{n-1}f(x_k)+f(b)]\\ l=4,复合Cotes求积公式\\ \int_a^bf(x)dx\approx C_n\\ =\frac{b-a}{90}[7f(a)+\sum_{k=0}^{n-1}[32f(x_{k+\frac1{4}})+\\ 12f(x_{k+\frac{2}{4}})\\+32f(x_{k+\frac3{4}})]+ 14\sum_{k=1}^{n-1}f(x_k)+7f(b)] l=1,符合梯形求积公式∫abf(x)dx≈2nb−a[f(a)+2k=1∑n−1f(xk)+f(b)]l=2,符合Simpson求积公式∫abf(x)dx≈Sn=6nb−a[f(a)+4k=0∑n−1f(xk+21)+2k=1∑n−1f(xk)+f(b)]l=4,复合Cotes求积公式∫abf(x)dx≈Cn=90b−a[7f(a)+k=0∑n−1[32f(xk+41)+12f(xk+42)+32f(xk+43)]+14k=1∑n−1f(xk)+7f(b)]
3.2 复合求积公式得余项和收敛的阶
三个求积公式的余项
R ( T ) = − ( b − 1 ) 3 12 f ′ ′ ( η ) 单 纯 的 求 积 公 式 = − h 12 ⋅ h 2 ⋅ f ′ ′ ( η ) 复 合 求 积 公 式 的 每 个 小 区 间 当 n 足 够 大 , 复 合 梯 形 公 式 的 余 项 : I − T n ≈ − h 2 12 [ f ′ ( b ) − f ′ ( a ) ] R ( S ) = − b − a 180 ( b − a 2 ) 4 f ( 4 ) ( η ) = − h 1 80 ( h 2 ) 4 f ( 4 ) ( η k ) 当 n 足 够 大 , 复 合 S i m p s o n 公 式 的 余 项 为 : I − S n = − h 4 180 ⋅ 2 4 [ f ′ ′ ′ ( b ) − f ′ ′ ′ ( a ) ] R ( C ) = − 2 ( b − a ) 945 ( b − a 4 ) 6 f ( 6 ) ( η ) = − 2 h 945 ( h 4 ) 6 f ( 6 ) ( η k ) 当 n 足 够 大 , 复 合 C o t e s 公 式 的 余 项 为 : I − C n ≈ 2 h 6 945 ⋅ 4 6 [ f ( 5 ) ( b ) − f ( 5 ) ( a ) ] R(T)=-\frac{(b-1)^3}{12}f''(\eta){单纯的求积公式}\\ =-\frac{h}{12} \cdot h^2 \cdot f''(\eta){复合求积公式的每个小区间}\\ 当n足够大,复合梯形公式的余项:\\ I-T_n \approx -\frac{h^2}{12}[f'(b)-f'(a)]\\ R(S)=-\frac{b-a}{180}(\frac{b-a}2)^4f^{(4)}(\eta)\\ =-\frac{h}180(\frac{h}{2})^4f^{(4)}(\eta_k)\\ 当n足够大,复合Simpson公式的余项为:\\ I-S_n=-\frac{h^4}{180 \cdot 2^4}[f'''(b)-f'''(a)]\\ R(C)=-\frac{2(b-a)}{945}(\frac{b-a}{4})^6f^{(6)}(\eta)\\ =-\frac{2h}{945}(\frac{h}{4})^6f^{(6)}(\eta_k) 当n足够大,复合Cotes公式的余项为:\\ I-C_n \approx \frac{2h^6}{945 \cdot 4^6}[f^{(5)}(b)-f^{(5)}(a)] R(T)=−12(b−1)3f′′(η)单纯的求积公式=−12h⋅h2⋅f′′(η)复合求积公式的每个小区间当n足够大,复合梯形公式的余项:I−Tn≈−12h2[f′(b)−f′(a)]R(S)=−180b−a(2b−a)4f(4)(η)=−1h80(2h)4f(4)(ηk)当n足够大,复合Simpson公式的余项为:I−Sn=−180⋅24h4[f′′′(b)−f′′′(a)]R(C)=−9452(b−a)(4b−a)6f(6)(η)=−9452h(4h)6f(6)(ηk)当n足够大,复合Cotes公式的余项为:I−Cn≈945⋅462h6[f(5)(b)−f(5)(a)]
4. 龙贝格求积公式/逐次分半加速法
计算步骤
-
初值: T 1 = b − 1 2 [ f ( a ) + f ( b ) ] T_1=\frac{b-1}{2}[f(a)+f(b)] T1=2b−1[f(a)+f(b)]
-
令 h = b − a 2 i ( i = 0 , 1 , 2 , . . . ) , 计 算 T 2 n = 1 2 T n + h 2 ∑ i = 0 n − 1 f ( x i + 1 2 ) h=\frac{b-a}{2^i}(i=0,1,2,...),计算T_{2n}=\frac{1}{2}T_n+\frac{h}2\sum_{i=0}^{n-1}f(x_{i+\frac{1}2}) h=2ib−a(i=0,1,2,...),计算T2n=21Tn+2h∑i=0n−1f(xi+21)
-
外推:
S n = T 2 n + ( T 2 n − T n ) / 3 C N = S 2 n + ( S 2 n − S n ) / 15 R n = C 2 n + ( C 2 n − C n ) / 63 S_n=T_{2n}+(T_{2n}-T_n)/3\\ C_N=S_{2n}+(S_{2n}-S_n)/15\\ R_n=C_{2n}+(C_2n-C_n)/63 Sn=T2n+(T2n−Tn)/3CN=S2n+(S2n−Sn)/15Rn=C2n+(C2n−Cn)/63
-
满足精度要求则停,否则第二步。
5. 高斯求积公式
∫ a b f ( x ) d x ≈ ∑ k = 0 n A k f ( x k ) \int_a^b f(x)dx \approx \sum_{k=0}^nA_kf(x_k) ∫abf(x)dx≈∑k=0nAkf(xk)含有 2 n + 2 2n+2 2n+2个待定参数 x k , A k ( k = 0 , 1 , . . . , n ) x_k,A_k(k=0,1,...,n) xk,Ak(k=0,1,...,n),当 x k x_k xk为等距节点时得到的插值求积公式代数精度至少为n次,若选取恰当的节点 x k x_k xk,有可能使求积公式具有 2 n + 1 2n+1 2n+1次代数精度,这类求积公式称为高斯求积公式, x k x_k xk称为高斯点。
为具有一般性研究带权积分,对应的求积公式为 ∫ a b f ( x ) ρ ( x ) d x ≈ ∑ k = 0 n A k f ( x k ) \int_a^bf(x) \rho(x)dx \approx \sum_{k=0}^nA_kf(x_k) ∫abf(x)ρ(x)dx≈∑k=0nAkf(xk),为了使其具有 2 n + 1 2n+1 2n+1次代数精度,只要对 f ( x ) = x m ( m = 0 , 1 , . . . , 2 n + 1 ) f(x)=x^m(m=0,1,...,2n+1) f(x)=xm(m=0,1,...,2n+1)公式都精确成立即可。
例子:构造下列积分的高斯求积公式。
∫ 0 1 x f ( x ) d x ≈ A 0 f ( x 0 ) + A 1 f ( x 1 ) \int_0^1\sqrt x f(x)dx \approx A_0f(x_0)+A_1f(x_1) ∫01xf(x)dx≈A0f(x0)+A1f(x1)
解:令式子对 f ( x ) = 1 , x , x 2 , x 3 f(x)=1,x,x^2,x^3 f(x)=1,x,x2,x3准确成立,得到方程组:
{ A 0 + A 1 = 2 3 x 0 A 0 + x 0 A 0 = 2 5 x 0 2 A 0 + X 1 2 A 1 = 2 7 x 0 3 A 0 + X 1 3 A 1 = 2 9 一 式 化 二 式 , 二 式 化 三 式 , 三 式 化 四 式 , 解 得 x 0 = 0.821162 , x 1 = 0.289949 , A 0 = 0.389111 , A 1 = 0.277556 \begin{cases} A_0+A_1=\frac2{3}\\ x_0A_0+x_0A_0=\frac2{5}\\ x_0^2A_0+X_1^2A_1=\frac{2}7\\ x_0^3A_0+X_1^3A_1=\frac{2}9 \end{cases}\\ 一式化二式,二式化三式,三式化四式,解得\\x_0=0.821162,x_1=0.289949,\\A_0=0.389111,A_1=0.277556 ⎩⎪⎪⎪⎨⎪⎪⎪⎧A0+A1=32x0A0+x0A0=52x02A0+X12A1=72x03A0+X13A1=92一式化二式,二式化三式,三式化四式,解得x0=0.821162,x1=0.289949,A0=0.389111,A1=0.277556
定理:高斯求积公式的求积系数 A k ( k = 0 , 1 , . . . , n ) A_k(k=0,1,...,n) Ak(k=0,1,...,n)全为正。
高斯-勒让德求积公式
∫ a b f ( x ) ρ ( x ) d x ≈ ∑ k = 0 n A k f ( x k ) 中 取 权 函 数 ρ ( x ) = 1 , 区 间 为 [ − 1 , 1 ] . 由 于 勒 让 德 多 项 式 是 该 区 间 上 的 正 交 多 项 式 , 因 此 勒 让 德 多 项 式 P n + 1 ( x ) 的 零 点 就 是 求 积 公 式 的 高 斯 点 。 \int _a^bf(x)\rho(x)dx \approx \sum_{k=0}^nA_kf(x_k)中\\ 取权函数\rho(x)=1,区间为[-1,1].由于勒让德\\多项式是该区间上的正交多项式,因此勒让德\\多项式P_{n+1}(x)的零点就是求积公式的高斯点。 ∫abf(x)ρ(x)dx≈k=0∑nAkf(xk)中取权函数ρ(x)=1,区间为[−1,1].由于勒让德多项式是该区间上的正交多项式,因此勒让德多项式Pn+1(x)的零点就是求积公式的高斯点。
若取 P 1 ( x ) = x 的 零 点 x 0 = 0 P_1(x)=x的零点x_0=0 P1(x)=x的零点x0=0作为节点构造求积公式令f(x)=1准确成立,得 A 0 = 2 A_0=2 A0=2,构造出的高斯-勒让德求积公式 ∫ − 1 1 f ( x ) d x ≈ 2 f ( 0 ) \int_{-1}^1f(x)dx \approx 2f(0) ∫−11f(x)dx≈2f(0)是中矩形公式。
若取 P 2 ( x ) = 1 2 ( 3 x 2 − 1 ) P_2(x)=\frac{1}{2}(3x^2-1) P2(x)=21(3x2−1)的两个零点 ± 1 3 \pm \frac{1}{\sqrt3} ±31构造求积公式,令其对f(x)=1,x准确成立,解得 A 0 = A 1 = 1 A_0=A_1=1 A0=A1=1,此时得到两点高斯-勒让德求积公式 ∫ − 1 1 f ( x ) d x ≈ f ( − 1 3 ) + f ( − 1 3 ) \int_{-1}^1f(x)dx \approx f(-\frac{1}{\sqrt3})+f(-\frac{1}{\sqrt3}) ∫−11f(x)dx≈f(−31)+f(−31),同样可以求三点高斯-勒让德公式。
高斯勒让德求积公式的节点和系数如下图所示:
若a=-1,b=1,权函数 ρ ( x ) = 1 1 − x 2 \rho(x)=\frac{1}{\sqrt{1-x^2}} ρ(x)=1−x21,由此建立的高斯公式为:
∫ − 1 1 f ( x ) 1 − x 2 d x ≈ ∑ k = 0 n A k f ( x k ) \int_{-1}^1\frac{f(x)}{\sqrt{1-x^2}}dx\approx \sum_{k=0}^n A_k f(x_k) ∫−111−x2f(x)dx≈k=0∑nAkf(xk)
称为高斯-切比雪夫求积公式,与高斯-勒让德求积公式计算相仿。
{持续更新}
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]