Numerical Analysis - Integration - Basics

最新推荐文章于 2024-07-30 15:40:41 发布

炼金术师博尔特

最新推荐文章于 2024-07-30 15:40:41 发布

阅读量486

点赞数

分类专栏： Numerical Algorithm 文章标签：数值分析

本文链接：https://blog.csdn.net/wzhthu/article/details/50332431

版权

Numerical Algorithm 专栏收录该内容

2 篇文章

订阅专栏

数值积分的代数精度

数值积分的代数精度

定义

我们探讨如下形式的求积公式

Definition 1：
用已知节点的线性组合来代表积分值的形式写出求积公式

\int b a ρ (x) f (x) d x \approx I n (f) = \sum k = 0 n A k f (x k)

$\int_a^b\rho(x)f(x)dx \approx I_n(f)= \sum_{k=0}^nA_kf(x_k)$
其中

Ak $A_k$ 成为求积系数。

数值积分的误差如下表示：

Definition 2：
误差用真值和求积公式的差表示

E n (f) = \int b a ρ (x) f (x) d x - \sum k = 0 n A k f (x k)

$E_n(f) = \int_a^b\rho(x)f(x)dx-\sum_{k=0}^nA_kf(x_k)$
其中，已经知道的信息是区间

[a,b] $[a,b]$ 内的

n+1 $n+1$ 个求积节点。

Definition 3：
1. 我们说一个数值积分格式至少有 $k$ 次代数精度，就是说， $E_n(x^m)=0$ 对于 $m=0,1,2,...,k$ 均成立。
2. 我们说一个数值积分格式恰有 $k$ 次代数精度，就是说，该格式至少有 $k$ 次代数精度且 $E_n(x^{k+1}) \neq 0$ 。

插值型求积公式

对插值节点做n次Lagrange插值，有

$L n (x) = \sum k = 0 n f (x k) \prod j = 0, j \neq k n (x - x j x k - x j) = \sum k = 0 n f (x k) l k (x), k = 0, 1, . . ., n$ $L_n(x) = \sum_{k=0}^nf(x_k)\prod_{j=0,j \neq k}^n(\frac{x - x_j}{x_{k} - x_j})= \sum_{k=0}^nf(x_k)l_k(x), \quad k=0,1,...,n$
于是，有
$f (x) = L n (x) + R n (x)$ $f(x)=L_n(x)+R_n(x)$
则
$\int b a ρ (x) f (x) d x = \int b a ρ (x) L n (x) d x + \int b a ρ (x) R n (x) d x = \sum k = 0 n f (x k) \cdot \int b a ρ (x) l k (x) d x + \int b a ρ (x) R n (x) d x$ $\int_a^b\rho(x)f(x)dx=\int_a^b\rho(x)L_n(x)dx+\int_a^b\rho(x)R_n(x)dx \\ =\sum_{k=0}^nf(x_k)\cdot \int_a^b\rho(x)l_k(x)dx + \int_a^b\rho(x)R_n(x)dx$
Definition 4：
我们称求积系数满足
$A k = \int b a ρ (x) l k (x) d x$ $A_k = \int_a^b\rho(x)l_k(x)dx$
的求积公式为插值型求积公式。

对插值型求积公式而言，误差为：

$E (x) = \int b a ρ (x) R n (x) d x = \int b a ρ (x) \cdot f ( n + 1 ) ( ξ ( x ) ) ω n + 1 ( x ) ( n + 1 ) ! d x$ $E(x)= \int_a^b\rho(x)R_n(x)dx= \int_a^b\rho(x) \cdot \frac{f^{(n+1)}(\xi(x))\omega_{n+1}(x)}{(n+1)!}dx$

显然，该插值公式具有至少n次的代数精度。

事实上，具有n次代数精度的求积公式（已知n+1个节点）都是插值型的求积公式。
这是因为 $l_k(x)$ 显然是n阶多项式。这意味着 $E_n(l_k(x))=0$ 恒成立。
故有

$\int b a ρ (x) l k (x) d x = \sum j = 0 n A j l k (x j) = A k$ $\int_a^b\rho(x)l_k(x)dx=\sum_{j=0}^nA_jl_k(x_j)=A_k$
于是，我们以断言这是一个插值型的积分公式。

收敛性与稳定性

Definition 5：（收敛性）
在求积公式中，设 $a \le x_0 < x_1 < ... < x_n\le b$ ,如果令 $h=\max_{1\le k \le n}$ 如果有

$lim h \to 0 \sum k = 0 n A k f (x k) = \int b a ρ (x) f (x) d x$ $\lim _{h\to0} \sum_{k=0}^nA_kf(x_k)=\int_a^b\rho(x)f(x)dx$

一般来说，计算函数值f(x_l)以及其求和都有可能带来舍入误差，因此计实际计算值为

$f ˜ (x k) = f (x k) + δ k$ $\widetilde{f}(x_k)=f(x_k)+\delta_k$
$I ˜ n (f) = \sum k = 0 n A k f ˜ (x k)$ $\widetilde{I}_n(f)=\sum_{k=0}^nA_k\widetilde{f}(x_k)$
稳定性定义的初衷是希望当 $\lvert \delta_k \rvert < \delta$ 时，有 $\lvert\widetilde{I}_n(f)-I_n(f)\rvert <\epsilon$ 成立

Difinition 6: （稳定性）
$\forall \epsilon > 0, \exists \delta > 0, s. t. \lvert \delta_k \rvert < \delta, (k=0,1,...,n),\lvert\widetilde{I}_n(f)-I_n(f)\rvert <\epsilon$

Definition 7: （相容性）

$\sum k = 0 n A k = \int b a ρ (x) d x$ $\sum_{k=0}^nA_k=\int_a^b\rho(x)dx$

关于稳定性和相容性，有如下定理
Theorem 1：
如果某求积公式是相容的，并且它的每一个求积系数都大于零，则它是稳定的。
证明：

$\forall ϵ > 0, δ = ϵ / (\sum k = 0 n A k)$ $\forall \epsilon > 0, \delta = \epsilon/(\sum_{k=0}^nA_k)$
$∣ I ˜ n (f) - I n (f) ∣ < \sum k = 0 n A k δ k < (\sum k = 0 n A k) δ = ϵ$ $\lvert\widetilde{I}_n(f)-I_n(f)\rvert < \sum_{k=0}^nA_k\delta_k< (\sum_{k=0}^nA_k)\delta=\epsilon$