【0326】数值积分笔记

1.梯形近似——适用于定积分，适用于含参上下积分极限的积分

(31条消息) 数值积分的梯形逼近及误差分析_njit_peiyuan 的博客-CSDN博客https://blog.csdn.net/weixin_34161064/article/details/89696313?utm_term=%E6%95%B0%E5%80%BC%E7%A7%AF%E5%88%86%E7%9A%84%E8%AF%AF%E5%B7%AE&utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~sobaiduweb~default-0-89696313&spm=3001.4430这里要着重注意一句：除了梯形逼近外，在数值积分的逼近方法中还有抛物线逼近。这两种方法可能会给使用者一个错觉，认为步进值取的越小，越精确，事实上完全相反，当取的步进值过于小时候，反而逼近的结果令人失望，原因是步进值很小，划分的块太小，导致每一块的误差累积起来，产生了更大的误差。

数值积分的误差是累积的！！这一点在程序中也有所体现。在讲范围取成[0.1，2000]时，积分区间数取1000反而误差更大。而降低区间数后反而积分误差减小。

2.高斯勒让德积分——适用于定积分，积分上下限都要有具体的数值，不可以有变量

①一重积分

(31条消息) 重复高斯勒让德法则(gauss-legendre)求积分(python,数值积分)_深渊潜航的博客-CSDN博客_勒让德积分https://blog.csdn.net/seventonight/article/details/116853772?spm=1001.2014.3001.5501②二重积分

(31条消息) 高斯勒让德(Gauss-legendre)求解多重积分(python,数值积分)_深渊潜航的博客-CSDN博客_高斯勒让德积分https://blog.csdn.net/seventonight/article/details/117030999这种方法非常之快，可以在之后采用。

3.几种数值积分的误差比较

几种数值积分算法的误差分析 - 百度文库 (baidu.com)https://wenku.baidu.com/view/1d7d762b0066f5335a8121ac.html