数值积分与数值微分

合集下载

数值微分与数值积分

数值微分与数值积分

数值微分与数值积分数值微分与数值积分是现代计算机科学中非常重要的数学工具。

它们可以用来处理各种研究。

在本文中,我们将讨论这两种方法的基础原理,以及它们在不同领域中的应用。

什么是数值微分?数值微分是指对给定函数进行求导的一种数值方法。

在实际应用中,函数的导数通常很难求得解析解,这时需要使用数值微分的方法来进行近似计算。

数值微分通常是通过在函数的某个点进行差分计算来完成的。

考虑一个函数$f(x)$在某个点$x_0$进行微分的情况。

我们可以计算$f(x_0+h)$和$f(x_0-h)$,其中$h$是一个小的正数。

然后,我们可以计算$[f(x_0+h) - f(x_0-h)]/2h$来得到$f'(x_0)$的近似值。

数值微分的应用非常广泛。

在科学和工程领域中,它通常用于计算物理量相关的导数。

例如,流体力学中的速度梯度、量子力学中的波函数导数,都可以使用数值微分进行近似计算。

此外,在金融领域中,数值微分也可用于计算期权价格等任意变量导数的近似解。

什么是数值积分?数值积分是指对给定函数进行积分的一种数值方法。

与数值微分类似,函数的积分通常很难求得解析解,而不得不使用数值积分的方法来近似计算。

在数值积分中,我们通常使用数值积分公式来计算定义在一个区间$[a,b]$上的函数(如果积分问题是无限积分,我们需要进行变形,将其转化为有限积分问题)。

数值积分公式通常基于插值方法,即将函数转化为一个多项式,并对多项式进行积分。

数值积分也应用广泛。

在科学和工程领域中,它通常用于计算面积、物质质量,以及探测信号的峰值等。

在金融领域中,数值积分也可用于计算期权定价公式的近似解。

数值微分和数值积分的误差分析在应用数值微分和数值积分时,误差是一个重要的考虑因素。

误差源可以来自于采样、采样噪声、近似方法等。

通常,我们使用误差分析来评估误差大小。

数值微分的误差通常归因于选取的$h$值。

当$h$太大时,我们会失去一些重要的信息,如函数的局部斜率。

数值分析-第4章 数值积分和数值微分

数值分析-第4章  数值积分和数值微分

A0+A1=2 A0x0+A1x1=0 A0x02+A1x12=2/3 A0x03+A1x13=0
A0 A1 1 解得: 1 x 0 x1 3
求积公式为
1 1 1 f ( x)dx f ( ) f ( ) 3 3
x f(x)
数值分析
1 4
2 4.5
3 6
4 8
5 8.5
1
一、数值积分的基本概念 求积节点 数值积分定义如下:是离散点上的函数值的线性组合
I [ f ] f ( x)dx I n [ f ] Ai f ( xi )
b a i 0 n
称为数值积分公式
称为求积系数,与f (x)无关,与积分区间和求积节点有关
b a
Rn ( x) dx
定理:形如 Ak f ( xk ) 的求积公式至少有 n 次代数精度
A 该公式为插值型(即: k a l k ( x)dx )
数值分析
b
5
例1 试确定参数A0,A1,A2,使求积公式
1 f ( x)dx A0 f (1) A1 f (0) A2 f (1)
证明 因为Simpson公式对不高于三次的多项式精确成立。即

b
a
p 2 ( x)dx
ba ab [ p 2 (a) 4 p 2 ( ) p 2 (b)] 6 2
构造三次多项式H3(x),使满足 H3(a)=(a) ,H3(b)=(b),
H 3 (( a b) / 2) f (( a b) / 2), H 3 (( a b) / 2) f (( a b) / 2), 这时插值误差为
1

数值计算_第7章数值微分和数值积分

数值计算_第7章数值微分和数值积分

数值计算_第7章数值微分和数值积分数值微分和数值积分是数值计算中的两个重要内容,它们在科学、工程和经济等领域有着广泛的应用。

本文将详细介绍数值微分和数值积分的概念、方法和应用,并分析其优缺点。

数值微分是通过数值方法来近似计算函数的导数。

在实际问题中,往往很难直接计算函数的导数,因此需要使用数值方法来进行近似计算。

常用的数值微分方法有中心差分法、向前差分法和向后差分法。

中心差分法是一种通过利用函数在特定点两侧的数据点来计算函数的导数的方法。

具体方法是用函数在该点两侧的差值来估计导数。

中心差分法具有较高的精度和稳定性,适用于函数光滑的情况。

向前差分法和向后差分法是一种通过利用函数在该点的数据点来计算函数的导数的方法。

向前差分法用函数在该点的后一点数据来估计导数,向后差分法用函数在该点的前一点数据来估计导数。

这两种方法的精度相对较低,但计算简单,适用于函数不太光滑的情况。

数值微分方法的优点是计算简单、直观易懂、易于实现。

缺点是对函数的平滑性和间隔大小要求较高,误差较大。

数值积分是通过数值方法来近似计算函数的积分。

在实际问题中,往往很难直接计算函数的积分,因此需要使用数值方法来进行近似计算。

常用的数值积分方法有梯形法则、辛普森法则和数值积分公式。

梯形法则是一种通过将区间划分为多个小区间,在每个小区间上用梯形面积来近似计算积分的方法。

辛普森法则是一种通过将区间划分为多个小区间,在每个小区间上用抛物线面积来近似计算积分的方法。

这两种方法的精度较高,适用于函数较光滑的情况。

数值积分公式是通过选取节点和权重,将积分转化为对节点函数值的加权求和。

常用的数值积分公式有高斯求积公式和牛顿-寇茨公式。

这些公式具有较高的精度和稳定性,适用于计算复杂函数的积分。

数值积分方法的优点是适用范围广、精度较高、计算稳定。

缺点是计算量较大、计算复杂、需要选取合适的节点和权重。

数值微分和数值积分在科学、工程和经济等领域有着广泛的应用。

数值积分与数值微分ppt课件

数值积分与数值微分ppt课件

a
,
x1

b
2
a
,
x2

b
,h

b
2
a
Cotes系数:
C0( 2 )

1 4
2
1
(t 1)(t 2)dt
0
6
4.5 4
C1(2)

1 2
2
t(t 2)dt
0
4 6
3.5 3
2.5
C2(2)

1 4
2
1
(t 1)tdt
0
6
2 1.5
1
求积公式:
2
Q2( f ) (b a)
n (t j)h
0

0
jn
(k

j)h


h
dt
jk
jk

h (1)nk n

(t j)dt
k!(n k)! 0 0 jn
jk
Ak
ˆ
(b

a
)

C (n) k
C
(n)称
k
为Cotes系

(1)nk
n
Ak
(b a)
3
I3(
f
)

b
6
a
(a2

(a

b)2

b2
)

b3
3
a3
R( , x2 ) 0
(3)当 f (x) x3时,I ( f ) b4 a4
4
I3(
f
)

b

6.数值积分与数值微分

6.数值积分与数值微分

b Ak =∫a lk( x)dx
2、n=2时 有(x0,f(x0)), (x1,f(x1)) , (x2,f(x2)) b ∫a f( x)dx ≈ A0 f(x0)+ A1f(x1)+ A2f(x2) = A0 f(a)+ A1f(x1)+ A2f(b) b b A0 =∫a l0 ( x)dx =∫a [(x- x1)( x- x2)/[(x0-x1)(x0-x2)]] dx b =∫a [(x-x1)( x-b)/[(a-x1)(a-b)]]dx =[(b-a)(2a+b-3x1)]/[6(a-x1)]
b b
3. n=4时,有5个节点 4 ( 4 ) 4 C0 =(-1) /[4(0!)(4!)] ∫0 (t-1)(t-2)(t-3)(t-4)dt=7/90 4 C1(4) =(-1) 3 /[4(1!)(3!)] ∫0 t(t-2)(t-3)(t-4)dt=32/90 4 C2(4) =(-1) 2 /[4(2!)(2!)] ∫0 t(t-1)(t-3)(t-4)dt=12/90 4 ( 4 ) 1 C3 =(-1) /[4(3!)(1!)] ∫0 t(t-1)(t-2)(t-4)dt=32/90 4 C4(4) =(-1) 0 /[4(4!)(0!)] ∫0 t(t-1)(t-2)(t-3)dt=7/90 可以看出 C0(4) =C4(4) , C1(4) = C3(4) ∴ I4 =(b-a)∑ C k (4) f(x0 +kh) =[(b-a)/90][7f(x0)+32 f(x1)+12f(x2)+32f(x3)+7(x4)] 这是Cotes求积公式。 Cotes系数性质: b (1)与[a,b]无关,f(x)=1时, (b-a)∑Ck(n)1=∫a 1 dx=b-a 所以 ∑Ck(n) = 1 (2)对称性Ck(n) =Cn-k(n)

数值方法中的数值微分和数值积分

数值方法中的数值微分和数值积分

泰勒展开法:将函数 在某点处展开成泰勒 级数,然后利用级数 的各项系数计算数值 微分
牛顿插值法:利用牛 顿插值多项式计算数 值微分,其思想是通 过构造插值多项式ห้องสมุดไป่ตู้ 逼近导数函数
数值微分的误差分析
数值微分的基本概念
数值微分误差的来源
数值微分误差的估计
减小误差的方法
数值微分的应用
计算物理量的变化 率
应用领域的比较
数值微分的应用领域:主要应用于求解微分方程的近似解,例如在物理学、 工程学和经济学等领域。
数值积分的应用领域:主要应用于求解定积分、不定积分等积分问题,例 如在计算面积、体积、物理实验数据处理等领域。
比较:数值微分和数值积分在应用领域上存在差异,但两者都是数值计算 中的重要工具,可以相互补充。
矩形法:将积分区 间划分为若干个小 的矩形,用矩形面 积的和近似积分
梯形法:将积分区 间划分为若干个小 的梯形,用梯形面 积的和近似积分
辛普森法:将积分 区间划分为若干个 等分的子区间,用 抛物线面积的和近 似积分
牛顿-莱布尼茨法 :利用定积分的定 义和牛顿-莱布尼 茨公式,通过求和 的方式计算定积分
预测函数的变化趋 势
优化问题中的梯度 计算
机器学习中的梯度 下降算法
Part Three
数值积分
数值积分的概念
数值积分定义:用数值方法近似计算定积分的值 常用方法:矩形法、梯形法、辛普森法等 近似误差:与使用的数值方法有关,通常误差随迭代次数增加而减小 应用领域:科学计算、工程、数学建模等
数值积分的计算方法
数值积分的误差分析
算法稳定性:数值积分方法的稳定性和误差控制 步长选择:步长对误差的影响和最佳步长选择 收敛性:数值积分方法的收敛速度和误差收敛性 误差来源:数值积分中误差的来源和减小误差的方法

数值分析-第八章数值微分与数值积分

数值分析-第八章数值微分与数值积分
在每个小区间上用梯形求积公式得到:
ab
f
x dx

n

i1
xxii1
f
x dx

n

i1
xi
xi1 2

f
xi1
f
xi


h 2
n

i1
f
xi1
f
xi


h 2

f
a

n1
2
i1
f
a ih

f
b
Tn
11
复合梯形公式的误差:
RTn

f

n h3 f i1 12
i

h3 nf 12

ba3
12
1 n2
f
二 复合Simpson公式
ab f x dxin1xxii1 f xdx
n

i1
xi
xi1 6
我们的目的是导出一组与函数无关的求导系数和求积系数.
从而得到能够对任意函数都通用的公式.
2
§2 数值微分 一 二点公式 给出两个点及其函数值,做一个一次插值多项式,对这个插 值多项式求导,得到:
fx0fx0,x 1 fx 1fx0,x 1
其几何意义就是用割线的斜率近似代替切线的斜率. 当然也可以用泰勒展开来导出上述公式.
a b公式
7
三 N-C公式的截断误差
Rnfa bfxdxba n Ck nfxk k0 ab f x dx ab Ln x dx

ab
f
n1 n 1!
第八章 数值微分和数值积分

第2章数值微分和数值积分

第2章数值微分和数值积分

f '( x) D(h) O ( h) 2 f '( x) D(h / 2) O(h / 2)
f '( x) D(h) 2 f '( x) 2D(h / 2) f '( x) D(h / 2) D(h) D(h / 2)
例:
f(x)=exp(x)
h 0.10 0.09 f’(1.15) 3.1630 3.1622 R(x) -0.0048 -0.0040 h 0.05 0.04 f’(1.15) R(x) 3.1590 3.1588 -0.0008 -0.0006
f
误差
(k )
( x) Ln ( x)
(k )
f ( n1) ( ) Rn ( x) n ( x) f ( x) Ln ( x) (n 1)! k ( n 1) d f ( ) (k ) Rn ( x) k n ( x) dx (n 1)!
1 h2 f '( x0 ) L '2 ( x0 ) 3 f ( x0 ) 4 f ( x1 ) f ( x2 ) f '''( ) 2h 3 1 h2 f '( x1 ) L '2 ( x1 ) f ( x0 ) f ( x2 ) f '''( ) 2h 6 1 h2 f '( x2 ) L '2 ( x2 ) f ( x0 ) 4 f ( x1 ) 3 f ( x2 ) f '''( ) 2h 3 1 h2 (4) f ''( x0 ) L ''2 ( x0 ) 2 f ( x0 ) 2 f ( x1 ) f ( x2 ) [ hf '''(1) f (2 )] h 6 1 h2 (4) f ''( x1 ) L ''1 ( x2 ) 2 f ( x0 ) 2 f ( x1 ) f ( x2 ) f ( ) h 12 1 h2 (4) f ''( x2 ) L ''2 ( x2 ) 2 f ( x0 ) 2 f ( x1 ) f ( x2 ) [hf '''(1 ) f (2 )] h 6 2 Taylor展开分析,可以知道,它们都是 O(h )
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
a
Gauss 型公式是收敛的
令 f ( x) = li2( x)
∫ ∑ b a
ρ
(
x= )li2( x) dx
n
= Ajli2 ( x j )
Ai
j=0
Ai > 0
Gauss 型公式是稳定的
11
Gauss 公式与正交多项式
利用正交多项式构造 Gauss 求积公式
积分区间: [-1, 1],权函数: ρ(x) = 1
a
Ai f ( xi )
i=0
含 2n+2 个参数 (节点与系数),为了使该公式具有 尽可能高的代数精度,可将 f (x) = 1, x, x2, …, x2n+1 代入公式,使其精确成立,则可构造出代数精度至 少为 2n+1 的求积公式!
自由选取求积节点!等分点不一定最佳!
3
举例
例:试确定节点 xi 和系数 Ai ,使得下面的求积公式具有尽
设 p2n+1(x) 是 f(x) 在节点 x0, x1, …, xn 上的 2n+1 次 Hermite
插值多项式, 即 p2n+1( xi ) = f ( xi ), p2'n+1 ( xi ) = f '( xi )
= f (x)
p2n+1( x) +
f (2n+2) (2n +
(ξx ) 2)!
n
(将 ∏ f ( x) = ( x − xi )2 代入验证即可) i=0
Gauss 求积公式在所有机械求积公式中代数精度最高
5
Gauss 点
问题:如何计算 Gauss 点 xi 和 高斯系数 Ai
法一:解非线性方程组 法二:分开计算
太困难!
先确定 Gauss 点 再通过解线性方程组计算 Gauss 系数
可能高的代数精度,并求出此求积公式的代数精度。
1
∫−1 f ( x) dx ≈ A0 f ( x0 ) + A1 f ( x1 )
解:将 f (x)=1, x, x2, x3 代入求积公式,使其精确成立,可得
A0 + A1 = 2
A0
x0
+
A1 x1
= 0
A0
x02
+
A1 x12
= 2 / 3
ω2 n+1
(
x
)
dx
∫ R[ f ] = f (2n+2) (η )
(2n + 2)!
b a
ρ(
x)ωn2+1( x)
dx
η ∈ (a, b)
10
收敛性与稳定性
可以证明:当 a, b 为有限数,且 f (x) ∈C[a, b] 时
∑ ∫ n
b
lim
n→∞
i=0
Ai
f
( xi )
=
ρ ( x) f ( x) dx
b
∫a ρ ( x) p( x)ωn+1( x) dx = 0
证明: 板书
推论:设 p0(x), p1(x), …, pn(x) , … 是 [a, b] 上带权 ρ(x) 正交的
多项式族,则 Gauss 点即为 pn+1(x) 的零点!
7
计算 Gauss 点的一般方法
求出 ωn+1(x) 的表达式 计算其零点
6
Gauss 点
∫ ∑ b
n
ρ ( x) f ( x)dx ≈
a
Ai f ( xi )
i=0
定理:上面的插值型求积公式中的节点 xi (i = 0, 1, … , n) 是
n
Gauss点的充要条件是:多项式 ωn+= 1( x) ∏ ( x − xi ) 与任意次 i=0
数不超过 n 的多项式 p(x) 都关于权函数 ρ(x) 正交,即
A0 x03 + A1x13 = 0
= A0 1= , A1 1
x0
= − 33 , x1
= 3 3
∫1
−1 f ( x)dx ≈ f −
3 3
+
f
3 3
该公式对 f (x)=x4 不精确成立,故有 3 次代数精度!
缺点:非线性方程组求解较困难! 4
Gauss 型求积公式
一般情形:考虑机械带权求积公式
8
Gauss 系数的计算
将 f (x) = 1, x, x2, …, xn 代入,解方程 或利用 Lagrange 基函数
例:试确定节点 xi 和系数 Ai ,使得下面的求积公式具有尽
可能高的代数精度。
1
∫0 x f ( x) dx ≈ A0 f ( x0 ) + A1 f ( x1 )
9
余项公式
与 1, x, x2, ..., xn 带权正交
特殊情形:
(1) [a, b]=[-1, 1], ρ(x)=1,
则 Gauss 点即为 Legendre 多项式的零点
( )−1
(2) [a, b]=[-1, 1], ρ (= x) 1 − x2
则 Gauss 点即为 Chebyshev 多项式的零点
Gauss-Legendre 求积公式
积分区间: [-1, 1],权函数: ρ ( x) =
1 1− x2
Gauss-Chebyshev 求积公式
12
Gauss-Legendre 求积公式
积分区间: [-1, 1], 权函数: ρ(x) = 1
Gauss 点 = Legendre 多项式 pn+1(x) 的零点
∫ ∑ b
Байду номын сангаас
n
ρ ( x) f ( x) dx ≈
a
Ai f ( xi )
i=0
定义:若存节点在 xi ∈[a, b] 及系数 Ai ,使得上面的求积
公式具有 2n+1 次代数精度,则称节点 xi 为高斯点,Ai 为 高斯系数,求积公式为 高斯型求积公式
性质:上面的求积公式至多具有 2n+1 次代数精度
G-L 求积公式:
∫ ∑ 1
n
f ( x) dx ≈
−1
Ai f ( xi )
i=0
13
低阶 G-L 公式
n =0 时, Pn+1( x) = x
Gauss 点: x0 = 0
G-L 求积公式:
将 f (x)=1 代入求出 A0
1
∫ f ( x) dx ≈ 2 f (0) −1
第四章
数值积分与数值微分 — Gauss 求积公式
1
本讲内容
Gauss 求积公式
一般理论:公式,余项,收敛性,稳定性 Gauss-Legendre 求积公式 Gauss-Chebyshev 求积公式 无限区间的 Gauss 求积公式
2
怎样构造更高精度的求积方法
考虑求积公式
∫ ∑ b
n
f ( x)dx ≈
ω2 n+1
(
x
)
∫ ∫ ∫ b
= ρ( x) f ( x) dx a
b
a ρ ( x) p2n+1( x) dx +
b a
f (2n+2) (2n +
(ξx ) 2)!
ρ
(
x
)ωn2+1
(
x
)
dx
∑ ∫ =
n
Ai p2n+1( xi )
i=0
+
b
ρ(x)
a
f (2n+2) (2n +
(ξ x )
2)!
相关文档
最新文档