文章目录
本篇文章适合个人复习翻阅,不建议新手入门使用
本专栏:数值分析复习 的前置知识主要有:数学分析、高等代数、泛函分析
1. 中矩形公式
定义:中矩形公式
节点仅为区间中点的数值积分公式,即
I
(
f
)
≈
f
(
a
+
b
2
)
(
b
−
a
)
I(f)\approx f(\frac{a+b}{2})(b-a)
I(f)≈f(2a+b)(b−a)
性质
若
f
∈
C
2
[
a
,
b
]
f\in C^2[a,b]
f∈C2[a,b],则上述公式是代数精度为1的插值型数值积分公式
2. 梯形公式
定义:梯形公式
节点为区间端点,且
f
f
f近似为这两点上的一次L插值的数值积分公式
即对节点
x
0
=
a
,
x
1
=
b
x_0=a,x_1=b
x0=a,x1=b,有
[P_1(x)=\frac{x-b}{a-b}f(a)+\frac{x-a}{b-a}f(b)][I(f)\approx\int_a^bP_1(x)\mathrm{d}x=\frac{f(a)+f(b)}{2}(b-a)]
性质
若
f
∈
C
2
[
a
,
b
]
f\in C^2[a,b]
f∈C2[a,b],则上述公式是代数精度为1的插值型数值积分公式
3. Simpson(辛普森)公式
定义:Simpson公式
节点为区间端点及中点,且
f
f
f近似为这两点上的二次L插值的数值积分公式
即对节点
x
0
=
a
,
x
1
=
a
+
b
2
,
x
2
=
b
x_0=a,x_1=\frac{a+b}{2},x_2=b
x0=a,x1=2a+b,x2=b,有
P
2
(
x
)
=
(
x
−
x
1
)
(
x
−
x
2
)
(
x
0
−
x
1
)
(
x
0
−
x
2
)
f
(
a
)
+
(
x
−
x
0
)
(
x
−
x
2
)
(
x
1
−
x
0
)
(
x
1
−
x
2
)
f
(
a
+
b
2
)
+
(
x
−
x
0
)
(
x
−
x
1
)
(
x
2
−
x
0
)
(
x
2
−
x
1
)
f
(
b
)
\begin{split} P_2(x)=&\frac{(x-x_1)(x-x_2)}{(x_0-x_1)(x_0-x_2)}f(a) +\frac{(x-x_0)(x-x_2)}{(x_1-x_0)(x_1-x_2)}f(\frac{a+b}{2})\\ &+\frac{(x-x_0)(x-x_1)}{(x_2-x_0)(x_2-x_1)}f(b) \end{split}
P2(x)=(x0−x1)(x0−x2)(x−x1)(x−x2)f(a)+(x1−x0)(x1−x2)(x−x0)(x−x2)f(2a+b)+(x2−x0)(x2−x1)(x−x0)(x−x1)f(b)
I
(
f
)
≈
∫
a
b
P
2
(
x
)
d
x
=
f
(
a
)
+
4
f
(
a
+
b
2
)
+
f
(
b
)
6
(
b
−
a
)
I(f)\approx\int_a^bP_2(x)\mathrm{d}x=\frac{f(a)+4f(\frac{a+b}{2})+f(b)}{6}(b-a)
I(f)≈∫abP2(x)dx=6f(a)+4f(2a+b)+f(b)(b−a)
性质
若
f
∈
C
4
[
a
,
b
]
f\in C^4[a,b]
f∈C4[a,b],则上述公式是代数精度为3的插值型数值积分公式
4. Newton-Cotes(牛顿-科特斯)求积公式
定义:Newton-Cotes 求积公式
节点为
[
a
,
b
]
[a,b]
[a,b]上的
n
+
1
n+1
n+1个等距节点:
a
=
x
0
<
x
1
<
⋯
<
x
n
=
b
a=x_0<x_1<\dots<x_n=b
a=x0<x1<⋯<xn=b,记相邻节点间距为h,f近似为节点上的n次L插值的数值积分公式
即对节点
a
=
x
0
<
x
1
<
⋯
<
x
n
=
b
a=x_0<x_1<\dots<x_n=b
a=x0<x1<⋯<xn=b,记相邻节点间距为h,
x
=
a
+
t
h
x=a+th
x=a+th
P
n
(
x
)
=
∑
k
=
0
n
(
∏
j
=
0
,
j
≠
k
n
x
−
x
j
x
k
−
x
j
)
f
(
x
k
)
=
∑
k
=
0
n
(
∏
j
=
0
,
j
≠
k
n
t
−
j
k
−
j
)
f
(
x
k
)
=
∑
k
=
0
n
(
−
1
)
n
−
k
k
!
(
n
−
k
)
!
(
∏
j
=
0
,
j
≠
k
n
(
t
−
j
)
)
f
(
x
k
)
\begin{split} P_n(x)&=\sum\limits_{k=0}^n\left(\prod\limits_{j=0,j\neq k}^{n}\frac{x-x_j}{x_k-x_j}\right)f(x_k)\\ &=\sum\limits_{k=0}^n\left(\prod\limits_{j=0,j\neq k}^{n}\frac{t-j}{k-j}\right)f(x_k)\\ &=\sum\limits_{k=0}^n\frac{(-1)^{n-k}}{k!(n-k)!}\left(\prod\limits_{j=0,j\neq k}^{n}(t-j)\right)f(x_k)\\ \end{split}
Pn(x)=k=0∑n
j=0,j=k∏nxk−xjx−xj
f(xk)=k=0∑n
j=0,j=k∏nk−jt−j
f(xk)=k=0∑nk!(n−k)!(−1)n−k
j=0,j=k∏n(t−j)
f(xk)
I
(
f
)
≈
∫
a
b
P
n
(
x
)
d
x
=
b
−
a
n
∫
0
n
∑
k
=
0
n
(
∏
j
=
0
,
j
≠
k
n
t
−
j
k
−
j
)
f
(
x
k
)
d
t
=
∑
k
=
0
n
(
b
−
a
)
C
k
(
n
)
f
(
x
k
)
\begin{split} I(f)&\approx \int_a^bP_n(x)\mathrm{d}x\\ &=\frac{b-a}{n}\int_0^n\sum\limits_{k=0}^n\left(\prod\limits_{j=0,j\neq k}^{n}\frac{t-j}{k-j}\right)f(x_k)\mathrm{d}t\\ &=\sum\limits_{k=0}^n(b-a)C_k^{(n)}f(x_k) \end{split}
I(f)≈∫abPn(x)dx=nb−a∫0nk=0∑n
j=0,j=k∏nk−jt−j
f(xk)dt=k=0∑n(b−a)Ck(n)f(xk) 其中
C
k
(
n
)
=
1
n
∫
0
n
∏
j
=
0
,
j
≠
k
n
t
−
j
k
−
j
d
t
C_k^{(n)}=\frac{1}{n}\int_0^n\prod\limits_{j=0,j\neq k}^{n}\frac{t-j}{k-j}\mathrm{d}t
Ck(n)=n1∫0nj=0,j=k∏nk−jt−jdt 称为Newton-Cotes求积系数
命题:Newton-Cotes求积系数的性质
- C k ( n ) = C n − k ( n ) C_k^{(n)}=C_{n-k}^{(n)} Ck(n)=Cn−k(n)
- ∑ k = 0 n C k ( n ) = 1 \sum\limits_{k=0}^nC_k^{(n)}=1 k=0∑nCk(n)=1
- n ≤ 7 n\leq 7 n≤7 时, C k ( n ) C_k^{(n)} Ck(n) 均正; n > 8 n>8 n>8 时, C k ( n ) C_k^{(n)} Ck(n) 有正有负
证明思路
(1)易证
(2)只需注意到:当
f
=
1
f=1
f=1时,Newton-Cotes求积公式准确成立,计算即得
(3)逐个计算可得
命题:Newton-Cotes求积公式的代数精度
Newton-Cotes求积公式至少有n阶代数精度,若n为偶数,则有
n
+
1
n+1
n+1阶代数精度
证明思路
容易验证Newton-Cotes求积公式是插值型的,由代数精度的刻画,只需验证
∫
a
b
ω
n
+
1
(
x
)
d
x
=
0
\int_a^b\omega_{n+1}(x)\mathrm{d}x=0
∫abωn+1(x)dx=0
∫
a
b
ω
n
+
1
(
x
)
d
x
=
∫
0
n
t
(
t
−
1
)
⋯
(
t
−
n
)
d
t
⋅
h
n
+
2
=
∫
−
k
k
(
u
+
k
)
⋯
(
u
+
1
)
u
(
u
−
1
)
⋯
(
u
−
k
)
d
u
⋅
h
n
+
2
=
∫
−
k
k
u
(
u
2
−
1
)
⋯
(
u
2
−
k
2
)
d
u
⋅
h
n
+
2
=
0
\begin{split} \int_a^b\omega_{n+1}(x)\mathrm{d}x &=\int_0^nt(t-1)\cdots(t-n)\mathrm{d}t\cdot h^{n+2}\\ &=\int_{-k}^{k}(u+k)\cdots(u+1)u(u-1)\cdots(u-k)\mathrm{d}u\cdot h^{n+2}\\ &=\int_{-k}^{k}u(u^2-1)\cdots(u^2-k^2)\mathrm{d}u\cdot h^{n+2}=0\\ \end{split}
∫abωn+1(x)dx=∫0nt(t−1)⋯(t−n)dt⋅hn+2=∫−kk(u+k)⋯(u+1)u(u−1)⋯(u−k)du⋅hn+2=∫−kku(u2−1)⋯(u2−k2)du⋅hn+2=0上述等式进行的操作分别是
- 令 x = a + t h x=a+th x=a+th
- 令 n = 2 k n=2k n=2k
- 注意到被积函数是奇函数
5. 各种求积公式的性质
命题:误差估计
- 梯形公式的余项估计:设 f ∈ C 2 [ a , b ] f\in C^2[a,b] f∈C2[a,b],则 E 1 ( f ) = − 1 12 f ′ ′ ( ξ ) ( b − a ) 3 E_1(f)=-\frac{1}{12}f''(\xi)(b-a)^3 E1(f)=−121f′′(ξ)(b−a)3
- Simpson公式的余项估计:设 f ∈ C 4 [ a , b ] f\in C^4[a,b] f∈C4[a,b],则 E 3 ( f ) = − 1 2880 f ( 4 ) ( ξ ) ( b − a ) 5 E_3(f)=-\frac{1}{2880}f^{(4)}(\xi)(b-a)^5 E3(f)=−28801f(4)(ξ)(b−a)5
证明思路
(1)由Newton插值余项以及积分中值定理
E
1
(
f
)
=
∫
a
b
f
(
a
,
b
,
x
)
(
x
−
a
)
(
x
−
b
)
d
x
=
f
(
a
,
b
,
ξ
)
∫
a
b
(
x
−
a
)
(
x
−
b
)
d
x
=
−
1
12
f
′
′
(
ξ
)
(
b
−
a
)
3
\begin{split} E_1(f)&=\int_a^bf(a,b,x)(x-a)(x-b)\mathrm{d}x\\ &=f(a,b,\xi)\int_a^b(x-a)(x-b)\mathrm{d}x\\ &=-\frac{1}{12}f''(\xi)(b-a)^3\\ \end{split}
E1(f)=∫abf(a,b,x)(x−a)(x−b)dx=f(a,b,ξ)∫ab(x−a)(x−b)dx=−121f′′(ξ)(b−a)3
(2)类似地使用Hermite插值余项
命题:计算的稳定性
n
≤
7
n\leq 7
n≤7时,计算稳定;
n
>
7
n>7
n>7时计算不稳定
证明思路
设误差
f
(
x
k
)
−
f
~
(
x
k
)
=
ϵ
k
f(x_k)-\tilde{f}(x_k)=\epsilon_k
f(xk)−f~(xk)=ϵk,则
∣
∑
k
=
0
n
C
k
(
n
)
f
(
x
k
)
−
∑
k
=
0
n
C
k
(
n
)
f
~
(
x
k
)
∣
≤
max
k
∣
ε
k
∣
∑
k
=
0
n
∣
C
k
(
n
)
∣
|\sum\limits_{k=0}^nC_k^{(n)}f(x_k)-\sum\limits_{k=0}^nC_k^{(n)}\tilde{f}(x_k)|\leq\max\limits_k|\varepsilon_k|\sum\limits_{k=0}^n|C_k^{(n)}|
∣k=0∑nCk(n)f(xk)−k=0∑nCk(n)f~(xk)∣≤kmax∣εk∣k=0∑n∣Ck(n)∣
当
n
≤
7
n\leq 7
n≤7 时,
∑
k
=
0
n
∣
C
k
(
n
)
∣
=
1
\sum\limits_{k=0}^n|C_k^{(n)}|=1
k=0∑n∣Ck(n)∣=1;
n
>
7
n>7
n>7 时
∑
k
=
0
n
∣
C
k
(
n
)
∣
>
1
\sum\limits_{k=0}^n|C_k^{(n)}|>1
k=0∑n∣Ck(n)∣>1
注:关于收敛性,由于Newton-Cotes求积公式是插值型的,故也有不收敛的可能
6. 复合求积公式
为克服Newton-Cotes求积公式高次不稳定的特点,类似多项式插值,用分段低次多项式代替高次多项式;
复合求积公式的基本思想即为在每个小区间上使用低阶Newton-Cotes求积公式;下面以复合梯形公式和复合Simpson公式为例;
定义:复合梯形公式
I
(
f
)
=
∑
i
=
0
n
−
1
∫
x
i
x
i
+
1
f
(
x
)
d
x
≈
h
2
∑
i
=
0
n
−
1
[
f
(
x
i
)
+
f
(
x
i
+
1
)
]
I(f)=\sum\limits_{i=0}^{n-1}\int_{x_i}^{x_{i+1}}f(x)\mathrm{d}x\approx \frac{h}{2}\sum\limits_{i=0}^{n-1}[f(x_i)+f(x_{i+1})]
I(f)=i=0∑n−1∫xixi+1f(x)dx≈2hi=0∑n−1[f(xi)+f(xi+1)]
命题:余项估计
若
f
∈
C
2
[
a
,
b
]
f\in C^2[a,b]
f∈C2[a,b],则
E
(
f
)
≤
h
2
12
M
(
b
−
a
)
E(f)\leq\frac{h^2}{12}M(b-a)
E(f)≤12h2M(b−a) 其中
M
=
max
∣
f
′
′
(
x
)
∣
M=\max|f''(x)|
M=max∣f′′(x)∣
定义:复合Simpson公式
I
(
f
)
=
∑
i
=
0
n
−
1
∫
x
2
i
x
2
i
+
2
f
(
x
)
d
x
≈
h
3
∑
i
=
0
n
−
1
[
f
(
x
2
i
)
+
f
(
x
2
i
+
1
)
+
f
(
x
2
i
+
2
)
]
I(f)=\sum\limits_{i=0}^{n-1}\int_{x_{2i}}^{x_{2i+2}}f(x)\mathrm{d}x\approx \frac{h}{3}\sum\limits_{i=0}^{n-1}[f(x_{2i})+f(x_{2i+1})+f(x_{2i+2})]
I(f)=i=0∑n−1∫x2ix2i+2f(x)dx≈3hi=0∑n−1[f(x2i)+f(x2i+1)+f(x2i+2)]
命题:余项估计
若
f
∈
C
4
[
a
,
b
]
f\in C^4[a,b]
f∈C4[a,b],则
E
(
f
)
≤
h
4
90
M
(
b
−
a
)
E(f)\leq\frac{h^4}{90}M(b-a)
E(f)≤90h4M(b−a)其中
M
=
max
∣
f
(
4
)
(
x
)
∣
M=\max|f^{(4)}(x)|
M=max∣f(4)(x)∣
标签:Newton,frac,limits,公式,sum,求积 From: https://blog.csdn.net/2301_76884115/article/details/137163526参考书籍:《数值分析》李庆扬 王能超 易大义 编