【数值分析不挂科】第三章 | 数值积分

这篇具有很好参考价值的文章主要介绍了【数值分析不挂科】第三章 | 数值积分。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


【第三章:数值积分】

1. 数值积分概述

  • 为什么要学习数值积分?

    数值积分,把积分求值问题归结于被积函数值的计算,从而避开了 牛顿-莱布尼兹 公式需要寻找原函数的困难。

  • 需要特别注意:① 区别于第二章中 n代表点的个数。**本章中的 n 指的是【区间数】**而不是点的个数!【区间数 = 点的个数 - 1】 ②所有点的索引值从0开始

    搞清楚上面这两点才能套公式做题。

  • 求积的系数 A 有对称性


2. 代数精度

  • 代数精度的定义与求解

    代数精度:若某个求积公式对于次数不超过 m 的多项式均能准确成立,但对于 m+1 次多项式不准确成立,则称该求积公式具有 m 次代数精度

    代数精度的求解:对于 m 次精度多项式 f(x),有 f(x) = x^0 、 f(x) = x^1 、 f(x) = x^2 、 f(x) = x^3 、……、f(x)^m 成立,而f(x)^(m+1)不成立

  • 常见的代数精度:

    梯形公式 精度:1

    中矩公式 精度:1

    左矩公式 & 右矩公式 精度:0


3.1 机械求积公式

  • 机械求积的一般公式

    f(x) 在 [a,b]上的积分,可以写作 Ai*f(xi) 的求和

  • 机械求积的步骤:待定系数,求解一个 n元一次方程

  • 求积公式的收敛性
    代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数

  • 求积公式的稳定性
    代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


3.2 插值求积公式

插值求积的基本性质

  • 性质:插值型求积公式具有至少n次代数精度

  • 定理:下面的求积公式具有至少n次代数精度的充要条件是该公式是插值型的
    代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数

  • 机械求积公式具有尽可能高的代数精度时,它总是插值型的

  • 插值型求积公式是机械求积公式中最好的求积公式


插值求积的基本步骤

代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


3.3 Newton-Cotes 求积公式

Newton-Cotes 求积步骤

  • 需要特别注意:① n 指的是【区间数】而不是点的个数!【区间数 = 点的个数 - 1】 ②所有点的索引值从0开始
    代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数

Newton-Cotes 性质

  • Newton-Cotes公式仅适用于等分区间

  • Cotes系数与被积函数f(x)及积分区间[a, b]无关

  • Cotes系数的性质: ΣCi = 1

  • Ci = Cn-i

  • 一般不采用高阶的牛顿-科特斯求积公式

  • 定理:n阶Newton-Cotes 公式至少有n次代数精度

  • 定理:当n为偶数时,Newton-Cotes 公式至少有n+1次代数精度


3.4 复化求积公式

  • n为区间数 = 点的个数 -1 ,x的下标从0开始
  • 对于 x(i + 1/2) 可以当作 x(i + 1) 进行计算
  • 需要特别注意:① n 指的是【区间数】而不是点的个数!【区间数 = 点的个数 - 1】 ②所有点的索引值从0开始

在这里插入图片描述
代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


3.5 龙贝格求积公式

龙贝格求积的步骤(主要是记公式)
代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数

当满足下列式子的时候,则Tk(k) 即为数值积分结果
代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


4.1 数值积分总结

代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


4.2 本章重点习题

(例题1)确定使代数精度尽可能高的系数Ai

x的下标从 0 开始
代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


(例题2)插值求积公式及精度计算

代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


(例题3)机械求积公式及精度计算

代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数


(例题4)复化梯形法、Simpson法、Cotes法求积

代数精度怎么计算例题,【计算机科班基础】数值分析,算法,线性代数文章来源地址https://www.toymoban.com/news/detail-548102.html

到了这里,关于【数值分析不挂科】第三章 | 数值积分的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 高等数学:线性代数-第三章

    矩阵的初等变换 下面三种变换称为矩阵的初等变换 对换两行(列),记作 r i ↔ r j ( c i ↔ c j ) r_{i} leftrightarrow r_{j} (c_{i} leftrightarrow c_{j}) r i ​ ↔ r j ​ ( c i ​ ↔ c j ​ ) 以数 k ≠ 0 k ne 0 k  = 0 乘某一行(列)中的所有元,记作 r i × k ( c i × k ) r_{i} times k ( c_{i}

    2024年02月11日
    浏览(34)
  • 线性代数(主题篇):第三章:向量组 、第四章:方程组

    1.概念 § 3 §3 §3 向量组 { ①部分相关,整体相关 ②整体无关,部分无关 ③低维无关,高维无关 ④高维相关,低维相关 begin{cases} ①部分相关,整体相关\\\\ ②整体无关,部分无关\\\\ ③低维无关,高维无关\\\\ ④高维相关,低维相关 end{cases} ⎩ ⎨ ⎧ ​ ① 部分相关,整体相关

    2024年02月15日
    浏览(33)
  • 【考研数学】线形代数第三章——向量 | 3)向量秩的性质、向量空间、过渡矩阵

    紧接前文学习完向量组秩的基本概念后,继续往后学习向量的内容。 性质 1(三秩相等) —— 设 A = ( β 1 , β 2 , … , β n ) = ( α 1 , α 2 , … , α n ) T pmb{A=(beta_1,beta_2,dots,beta_n)=(alpha_1,alpha_2,dots,alpha_n)^T} A = ( β 1 ​ , β 2 ​ , … , β n ​ ) = ( α 1 ​ , α 2 ​ , … , α n ​ )

    2024年02月11日
    浏览(27)
  • 【考研数学】线形代数第三章——向量 | 3)向量组秩的性质、向量空间、过渡矩阵

    紧接前文学习完向量组秩的基本概念后,继续往后学习向量的内容。 性质 1(三秩相等) —— 设 A = ( β 1 , β 2 , … , β n ) = ( α 1 , α 2 , … , α n ) T pmb{A=(beta_1,beta_2,dots,beta_n)=(alpha_1,alpha_2,dots,alpha_n)^T} A = ( β 1 ​ , β 2 ​ , … , β n ​ ) = ( α 1 ​ , α 2 ​ , … , α n ​ )

    2024年02月09日
    浏览(31)
  • (数字图像处理MATLAB+Python)第三章图像基本运算-第二节:图像代数运算

    A:概述 加法运算 :指将两幅同大小的图像进行像素级别的加法操作,得到一幅新的图像。设两幅图像对应的像素值分别为 f 1 ( x , y ) f_{1}(x,y) f 1 ​ ( x , y ) 和 f 2 ( x , y ) f_{2}(x,y) f 2 ​ ( x , y ) ,则它们的加法运算可表示为 g ( x , y ) = f 1 ( x , y ) + f 2 ( x , y ) g(x,y)=f_{1}(x,y) + f_{

    2023年04月12日
    浏览(31)
  • 线性代数中涉及到的matlab命令-第三章:矩阵的初等变换及线性方程组

    目录 1,矩阵的初等变换 1.1,初等变换 1.2,增广矩阵  ​1.3,定义和性质 1.4,行阶梯型矩阵、行最简型矩阵 1.5,标准形矩阵  1.6,矩阵初等变换的性质  2,矩阵的秩  3,线性方程组的解  初等变换包括三种:交换行或列、某行或列乘以一个非零系数、某行或列加上零一行

    2024年02月04日
    浏览(42)
  • OpenCV迭代去畸变undistortPoints 与vins的迭代不同 第二章vins前端 第三章imu预积分 第四章vio初始化

    OpenCV去畸变undistortPoints原理解析 不动点迭代法—单变量非线性方程近似根matlab求解 淦VINS-MONO源码 03–openCV与VINS中去畸变方法的不同 这里用的方法和openCV不同,假设现在求A点的去畸变坐标,那么我们将A的坐标直接代入畸变模型中,求得再次畸变的坐标,并求得这个坐标和

    2024年02月09日
    浏览(39)
  • 静态时序分析 第三章 标准单元库

       本章将介绍时序信息在 单元库(library cell) 中是如何描述的。这个单元可以是1个 标准单元(standard cell) 、1个 IO缓存器( IO buffer) ,或者 复杂的IP(ItellectualProperty,知识产权)核 ,比如 USB核( USB core) 。    除了时序信息,单元库还包括了其他一些属性 attributes ,比如 单元

    2024年01月16日
    浏览(31)
  • 大数据分析-第三章 大数据存储和处理

    关系型数据库 NoSQL:泛指非关系型数据库,比如MongoDB 全文检索框架:Elasticsearch 行式存储:大数据量查询,如果没有索引,则会遍历 列式存储:可以大量的压缩空间 位图索引 位图索引的例子,如下图所示,我们可以存储为 “男”:100101 “女”:011010 行号 姓名 1 男 2 女 3 女 4 男

    2024年02月09日
    浏览(32)
  • 数据分析Pandas专栏---第三章<Pandas合并list和字典>

    在处理数据时,经常会遇到需要操作和转换DataFrame的场景。特别是当涉及到从单个或多个字典合成DataFrame,以及合并多个DataFrame时,适当的方法和技巧可以极大地简化程序逻辑并提高代码的可读性与效率。此外,数据操作过程中,索引的正确管理是保持数据完整性的关键。本

    2024年02月21日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包