当前课程知识点:计算方法 > 第9章 数值积分与数值微分 > 9.5 高斯型求积公式 > 9.5 高斯型求积公式(下)
我们后面看看
常用到的有哪些的高斯的
这个求积公式
我们一般的手里有四大类
四大类的第一大类的地方成为叫了
高斯@求基公式
它所做的时候的区间负1到正1
全函数@X等于1
然后这个高斯时候
对应时候的这个对应的多项式呢
正交多项式@就称为叫高斯
@
这个它是高斯@
这个@的时候
我们常用到的时候是点比较少的
后面我们有一个单独的一个表
一个表
如果说区间出现变化的话
比如说我现在是负一到正一
我直接有一个这个查表
能查到这些点
到时候如果换成一般的区间呢
我就想办法做什么方式
比如说A到B区间做的这么一个积分
我想办法做一个变换
把它变到了X的积分
是负一到正一就行
这样就直接可以继续带它的公式
但注意到这个只是权函数等于一的
高斯型的求解公式
高斯型求解公式
这样带进来以后实际上
权函数等于1如A到B上的积分
它是现代新的这么一个公式
二分之b减a
原来的那些@
系数没变
积分的节点的就做
原来的这个@零点
做了一个这个线性变换
就是照到终点
加上那个二@B减A
再看一下
我们后面时候看一下我们常用到的
它的高斯求积的
这些积分节点和积分的系数
这是我们给出N等于八
以下的积分节点
注意到有一个特征定义
我所有的点
就积分节点是关于零点对称的
有一正的就一个负的
而且正负的时候
对应的系数是一模一样的
所以我们写出来时候
直接写着这么一个简单的表格
那么这个表格的时候
你们回去可以看计算一个事情
我们前面讲的一些例子中间时候
比如说用@公式
@三个点
三个点的话
当这边高斯求积公式中间
@做的时候
它N等于三的时候也是三个点
用这三个点的话
一个九分之五
一个九分之八
两个系数
然后呢九分之八对应的时候
那个终点零
然后另外的时候正负零点
774593
这个号就是根号五分之三
根号五分之三
然后这样带进去以后你们会发现
在相同的计算量的时候
高斯型的这个求积的误差呢
要小得多
就是我这三个点的误差
实验配比@的误差
点是三个点的时候
误差要小
第二大类这是用来处理的地方
的时候
中间的时候会出现无穷大的一些点
@做的时候有点可能是@积分
我们这里和权函数呢
给@比较奇怪
是一个根号一减X平方
整个分之一
这个权函数
在1和负1的地方
这两个点就两区间的两个两端时候
它是无穷大的
或者说趋向无穷大
但好在的时候
我们说过权函数是有个要求的
它要求时候
只要算出它是可积的
可积的时候
这个积分所以相对来说
它的那个
多项式的表达式比较简单
那我们就直接给它写出来
这种多项式写出来时候N次多项式的
@括号N倍的
@x
T零就是1了
T1的地方@
这个方式写出来
应该是二x平方减一
它的首项系数呢
不是1
但是因为有
这个非常简单的表达式的时候
它的多项式的解呢
是非常简单的
所有的这些积分节点
非常简单的就是@
某个2N分之
π的一个倍数这个倍数
只能是奇数倍
只能是奇数倍
按照这种方法写的时候呢
也是说前面那些爱AK呢
就是我们去的这个积分的系数了
而且很简单
都是@
每个都是一样
每个都是一样
这样做的话就是
负一道正1之间的根号1减
X平方
分之FX这么一个积分
当你达到n分之π
乘上刚才所说的这些
x0到XN减一
这些所有的这些
点上的函数值加起来就可以
而这个误差呢
给出误差时候
我们的2N阶导数有关系
这样在有些特殊的地方的时候
比如说我们可以看看下面一个例子
fx等于x六次方
这么一个积分
根号a减H平方分之6次方的积分
这个积分呢
如果用
转成@中间的
积分的公式的时候
可以直接转成是@
@的六次方
直接在零到二π之间做了一个积分
可以算出来
没有可以用@公式直接给求出来
但现在的地方
我们可以看看
在我们这个计算的过程中间的时候
我们可以直接用
这个表达是因为FX是六次方
刚刚说的导数呢
就是误差时候
中间有个导数
是二N阶的导数
二N阶的导数
也是说
如果选择了N等于4
它的误差项和它的八阶导数有关
但六次方的说一八阶导数一定是零
所以这个高斯积分
在这种@x六次方的时候
这么做一个积分积出来以后呢
@区间还是负1到正1
然后计算以后
我们就到四个点
@8分之π@8分之3π
@8分之5π
@8分之7π这是
S零S一S二S三
四个点
四个点时候前面都是四分之π
四分之π所有值的时候了六次方
全带进去
带进去以后
我们非常简单的地方都熟了
稍微整理一下
以8分之7和8分之π
8分之π两个是互补的
它们@以六次方都是一样的
我们稍微核对一下
然后把两个六次方的@
利用立方差公式
我们展开以后
很容易给算出来
它是一减掉
四分之三倍的@
平方4分之π
@化简过程都用到了倍角公式
这样直接求出来以后
是16分之5π
比如说这种方式提供我
一个在比较小的数值的时候
提供了一个我们算准确值的方式
我不需要用其它的公式
当然
你如果熟悉@到底什么数值
那更好
直接往里头一代就行了
这是一个另外的时候
同样的一个例子
把FX改成E的X法
照同样的方式
我们给它进行带进去
带进去以后
前面是还是四分之π
然后里头的时候是
还是八分之cos八分之π
cos8分之3πcos8分之5π
cos8分之7π
这四个点上的
它的函数值
@现在函数函数FX是1的x方
E的cos
8分之πE的cos8分之3π
这四个东西
稍微算出来以后
大概这个数字带进去计算出来
大概是3.977462653
这个数值的时候能到这个程度以后
我们可以看看它误差大概有多少呢
就是我这个数值
大概能精确到多少位呢
我看把刚才的误差项带过来
有一个二的八次方
八的阶层
上面有个2π@
这个@在负一正1之间
负1到正1
之间的@
最多最多就是@
有时候谁知道这个误差的项目最多
最多的时候
二的八次方乘8的阶层分子呢
@这个数值大概只有
十的负六次方左右
第三种呢
高斯的求积公式这是
一个无穷区间上的积分公式
区间的是零到正无穷大
它的权函数呢
是E的负H次方
而这一@的
我们称为@
那个求积公式对应的
多项式@
也叫@多项式
它也是一对重要正交多项式@
而它的高斯点
和这个求积公式也有一个表
我们书上存在着
那如果是一般的零到正无穷大
这个FX做的积分
这样就会转化成零到正无穷大
我们把权函数先给@
1的负H次方
能真正的要计算的东西
是E的X次方乘上fxi
然后呢
下面这个积分的近似公式
在@的积分公式中间就变成
积分系数
乘上E的Xi次方
乘上FXI
XI@积分节点
就@中间的积分节点
这是我们给@一些简单的
这个系数这头的时候也有个规律
好前面那个
负一到正1之间的它的规律
中间@有点不一样的地方
因为@责任重大
所以的这个积分呢
给@气数的时候
大家注意一下这些数值的是
谁的数值越大越大
最大的XI的是越来越大
但是也要注意另外一个情况
虽然有这种情况
但是我们连
离零点更近的点
也越来越接近零点了
而且还注意一下这个系数的变化
系数变化
中间的话越接近零点的
那个系数越大越大
就那个积分系数
别@的时候
这个第一个点是零点415
它的积分系数基本是零点71
后面地方
给@二点几的地方
那个是零点二七了
一下子少了将近三分之一
然后呢
后面的更多的时候
六点多的地方的话
只有1%
@的这个数值
注意一下这个系数的和我们
不管是哪种系数
这个系数做的时候
和前面都有一个特殊的关系
所有的系数全加起来刚好是1
然后最后一种的时候的
我们称为叫做
hermite求积公式
它使用的这个权函数呢
是E的负X平方次方
平方次方的话
能做的时候区间又变了
变成负无穷大到正无穷大了
这样做了叫
叫hermite求积公式
这个hermite也是
对应的时候
是我们原来学过的
hermite正交多项式@
这样@
它的表达形式我就不再重新介绍了
这张表的下面给出了一些我们最常
用到的这些数字就是N
小与等于7之类的这些数字
至于因为它是
负无穷到正无穷大是一个对称区间
所以这些xi
给出来也是对称的
有一个正的就有一个负的
和那个第一个@方法一样
一正一负
正负的对应的系数也是相同的
但这个地方得注意一下
这个时候
它的积分的系数的和不再是一
已经有点变化
像第一个地方的时候
两个应该都是零点八八加起来的话
它@1点六几
这个不是一
这是我们做的时候
高斯型的积分公式
至于高斯型的积分公式的时候
使用的过程呢
相对来说的时候
可能不如前面所说的
@积分的公式用的多
因为比较麻烦时候就是
在于如果权函数出现变化以后呢
我们需要能为的
自己的去重新找出积分节点
找出积分系数
这个计算本身就是一个很麻烦的事情
这个计算本身就是一个很麻烦的事情
还不如多运算一些
@多给外推几次
多算一些可能更快
但是@计算公式就是一个好处
它的积分的代数精度比较高
在比较平稳的一些函数时候
它可以用比较少的点了
得到比较高的精度
-1.1 引言
--1.1 引言
-1.2 算法与效率
-1.3 计算机数系与浮点运算
-1.4 误差与有效数字
-1.5 四则运算与函数求值的误差
-1.6 问题的性态与条件数
-1.7 算法数值稳定性
-第1章 作业
--第一章 作业
-2.1 引言 2.2 线性空间
-2.3 内积空间与元素的夹角
-2.4 赋范线性空间
-2.5 向量范数与向量序列极限
-2.6 矩阵范数
--2.6 矩阵范数
-第二章 作业
--第二章 作业
-3.1 引言
--3.1 引言
-3.3 不动点迭代法
--3.2 二分法
-3.4 不动点迭代法的收敛条件
-3.5 牛顿迭代法及其变形
-3.6 迭代法收敛阶
-3.7 重根的计算与加速收敛
-3.8 数值实验
--3.8 数值实验
-第3章 作业
--第3章 作业
-4.1 引言
--4.1 引言
-4.2 Lagrange插值
-4.3 Lagrange插值余项
-4.4 Newton差商插值
-4.5 Hermite插值
-4.6 分段多项式插值
-4.7 三次样条插值
-4.8 数值实验
--4.8 数值实验
-第4章 作业
--第4章 作业
-5.1 函数逼近与曲线拟合基本概念
-5.2 连续函数的最佳平方逼近
-5.3 曲线拟合的最小二乘法
-第5章 作业
--第5章 作业
-6.1 引言 6.2 高斯消元法
-6.3 矩阵分解与应用
-6.4 误差分析 6.5 数值实验
-第6章 作业
--第6章 作业
-7.1 引言 7.2 线性方程组的迭代法(上)
-7.2 线性方程组的迭代法
-7.3 非线性方程组的迭代法
-7.4 数值实验
--7.4 数值实验
-第7章 作业
--第7章 作业
-8.1 引言
--8.1 引言
-8.2 幂法与反幂法
-8.3 矩阵的正交分解
-8.4 QR方法
--8.4 QR方法
-8.5 Jacobi方法
-第8章 作业
--第8章 作业
-9.1 引言
-9.2 牛顿-柯特斯公式
-9.3 复合牛顿-柯特斯公式
-9.4 龙贝格算法
-9.5 高斯型求积公式
-9.6 数值微分
--9.6 数值微分
-10.1 引言
--10.1 引言
-10.2 梯形公式和改进的欧拉方法
-10.3 单步法的误差与稳定性收敛性
-10.4 高阶单步方法
-10.5 线性多步法
-10.6 多步法的误差与稳定性
-10.7 一阶微分方程组与高阶微分方程
-第10章 作业
--第10章 作业