牛顿科特斯公式资料
牛顿—柯特斯(Newton-Cotes)求积公式
1/8 16/45 25/144 34/105
2989/ 17280 10496/ 28350
7/90 25/96 9/280
2989/ 17280 -4540/ 28350
19/288 9/35
1323/ 17280 10496/ 28350
41/840
3577/ 17280 -928/ 28350 751/ 17280 5888/ 28350 989/ 28350
k
xj
dx
在[a, b]作等距的插值基点 a=x0<x1<……<xn=b , 作等距的插值基点
A =∫ ∏ dx k a j=0 x x j k
j≠k
b n
xxj
ba , x k = a + kh , k = 0,1 , n 设节点步长 h = n
积分作变量替换x= 积分作变量替换 a+th
步长
当x=a时 当x=b时
t=0, t=n,
t (t 1)(t k + 1)(t k 1)(t n) Ak = ∫ lk ( x)dx = h∫ dt nk 0 a k !(n k )!(1) (1)nk n = h ∫0 t (t 1)(t k + 1)(t k 1)(t n)dt k !(n k )! nk n (1) =nh ∫0 t (t 1)(t k + 1)(t k 1)(t n)dt k !(n k )!n
Newton-Cotes公式 公式
牛顿—柯特斯 牛顿 柯特斯(Newton-Cotes)求积公式 柯特斯 求积公式
Newton—Cotes公式是插值型求积公式的特殊形式: 公式是插值型求积公式的特殊形式: 公式是插值型求积公式的特殊形式
数值分析7-牛顿-科特斯公式
0
n
(n − s − i) (−ds)
∫ ∏ ( ) n
= (−1)n+1 hn+2
i=0 n
n
s − (n − i) ds
n
n
∏ ∏ 又 (s − (n − i)) = (s − i)
0 i=0
R[ f ]= −R[ f ]
R[ f ]= 0
i=0
i=0
n 偶数
余项
梯形公式的余项
∫ ∫ RT =
0
(2) 若 n 为奇数, f (x) ∈Cn+1[a, b] ,则存在 η ∈(a, b) 使得
∫ ∫ b a
f
(x)
dx
=
Q[
f
]+
(b
− a)n+2 f (n+1) (η )
nn+2(n + 1)!
n t2(t − 1)"(t − n) dt
0
举例(一)
例:分别用梯形公式和simpson公式计算积分
∑ 解: T8
=
1 16
⎡ ⎢⎣
f
(
x0)
+
2
7 i=1
f (xi) +
⎤ f (x8)⎥⎦
=
0.9456909
S4
=
1 24
[
f
(x0) + 4( f (x1) + f (x3) + f (x5) + f (x7)) + 2( f (x2) + f (x4) + f (x6)) + f (x8)] = 0.9460832
故一般不采用高阶的牛顿-科特斯求积公 式。
牛顿—柯特斯(Newton-Cotes)求积公式
n
n)
f ( xk )
( ckn)
称为柯特斯求积系数 称为柯特斯求积系数
∫ f ( x ) dx ≈ ( b a ) ∑ c
b a k =0
n
(n)
k
f ( xk )
c
(n) k
n=1时
C
(1) 0
n n (1)nk = ∫0 ∏(t j) dt k ! (n k )!n j =0 j ≠k
3 b
2 b
∫
b
a
a
( x b)2 dx ] 2
a
(b a ) 3 f ′′(η ) = 12
定理的其它证明从略。 定理的其它证明从略。
复合求积公式
Newton—Cotes求积方法的缺陷: 求积方法的缺陷 求积方法的缺陷: 从余项公式可以看出, 从余项公式可以看出,要提高求积公式的代数精 增加节点个数 必须增加节点个数,而节点个数的增加, 度,必须增加节点个数,而节点个数的增加,会导致 现象; (1)插值多项式出现 )插值多项式出现Runge现象; 现象 数值稳定性不能保证。( (2)Newton—Cotes数值稳定性不能保证。( ) 数值稳定性不能保证。(n>7) )
I4 ( f ) =
(b a ) [7 f ( x0) + 32 f ( x1) + 12 f ( x 2) + 32 f ( x3) + 7 f ( x 4)] 90
柯特斯公式
n=1时的求积公式 时的求积公式
1
梯形公式/*Trapezoidal Formula */ 梯形公式/*
I1 ( f ) = ∑ Ak f ( xk ) = A0 f ( x0 ) + A1 f ( x1 )
牛顿-柯特斯求积公式
wn1( x) ( x x0 )( x x1 )L ( x xn ), a ( x) b
b
f ( x)dx
a
b
a pn ( x)dx
b f (n1) ( ( x))
a (n 1)! wn1( x)dx
bn
1
a i0 f ( xi )li ( x)dx (n 1)!
工程数学
辛卜生公式的几何意义是用抛物线y=P2(x)围成 的曲边梯形面积代替由y=f(x)围成的曲边梯形面积图
2。
y
y=P2(x)
y=f(x)
0 x0
x1
图2
b
f
x2
(x)dx
b
a
x
(f
(a)
4
f
(a
b)
f
(b))
a
6
2
工程数学
工程数学
例 : 用梯形公式与辛卜生公式
求
3 x
I e 2 dx
1
b
b
f ( x)g( x)dx f () g( x)dx
a
a
定理3:设f ( x)在[a, b]上有二阶连续导数,则梯形求积
公式的截断误差为
b
ba
RT ( f ) a f ( x)dx 2 ( f (a) f (b))
(b a)3
f ''()
12
工程数学
工程数学
证明: n 1,由截断误差公式(3)有
工程数学
第七章 数值积分与数值微分
第一节 等距节点的Newton-Cotes求积公式 第二节 复化求积公式 第三节(*) 外推算法 第四节 Gauss型求积公式
数值分析6.2牛顿-柯特斯公式
选择适合数值计算的编程语言,如Python、C或Matlab等。
算法实现
根据牛顿-柯特斯公式,编写相应的算法代码,包括迭代过程和 计算步骤。
测试和验证
对算法进行测试和验证,确保其正确性和稳定性。
牛顿-柯特斯公式的数值稳定性分析
数值稳定性定义
01
数值稳定性是指算法在计算过程中对微小误差的抵抗
04
对于非连续的非线性方程,该方法可能失效,因为泰勒级数展开的前 提假设被破坏。
对牛顿-柯特斯公式的未来展望和研究方向
未来展望
随着计算机技术的不断发展,牛顿-柯特 斯公式在数值计算领域的应用将更加广 泛。未来可以研究如何改进算法的稳定 性和收敛性,提高求解非线性方程的精 度和效率。
VS
研究方向
针对牛顿-柯特斯公式的应用领域,可以 进一步研究其在科学计算、工程技术和金 融等领域的应用,以及与其他数值计算方 法的结合与优化。同时,可以探索该方法 在并行计算和云计算环境下的实现和应用 。
详细描述
非线性方程的求解是一个常见的问题,而牛顿-柯特斯公式提 供了一种有效的迭代方法。通过不断迭代和修正方程的解, 该方法能够快速收敛到方程的真实解,尤其在处理复杂或高 维非线性方程时表现出色。
牛顿-柯特斯公式在求解常微分方程中的应用
总结词
牛顿-柯特斯公式在求解常微分方程时能够提供高精度的解,尤其适用于初值问题和边界问题。
详细描述
在数值积分中,牛顿-柯特斯公式能够通过迭代的方式,逐步逼近积分的真实值。相比于其他数值积分方法,如 梯形法则和辛普森法则,牛顿-柯特斯公式在处理复杂函数或高维积分时具有更高的精度和效率。
牛顿-柯特斯公式在求解非线性方程中的应用
总结词
牛顿科特斯求积公式
b
n
a Ln( x)dx (b a)
Ck(n) f ( xk )
k0
Newton-Cotes求积公式
Cotes系数性质
计算方法
(1)
Ck( n)
C (n) nk
(对
称
性)
n
(2)
C (n) k
1
k0
几种常用的Newton-Cotes求积公式
梯形公式,辛普生公式,Cotes公式
B 3C 8
B 9C 64 3
解得:
A 4, B 4,
9
3
所求公式为:
C 20 9
计算方法
4
0
f
( x)dx
14
9
f
(0)
12
f
(1)
20
f
(3)
计算方法
例3:试确定一个具有三次代数精度的求积公式
3
0 f ( x)dx A0 f (0) A1 f (1) A2 f (2) A3 f (3)
二 插值型求积公式
计算方法
基本思想:用插值函数的积分,作为数值积分 (取拉格朗日插值函数)
b
f ( x)dx
a
b
a LN ( x)dx
bN a
li (x) f ( xi )dx
i0
N i0
b a
li
(
x
)dx
f
(
xi
)
即:求积系数
Ai
b
Ai a li ( x)dx
能完全解决定积分的计算问题,因为积分学涉及的
等距节点的牛顿柯特斯公式.
一、公式推导
Newton-Cotes公式是指等距节点下使用Lagrange插值 多项式建立的数值求积公式 设函数f (x) C[a,b] 将积分区间[a,b]分割为n等份
各节点为 xi a ih , i 0,1,, n 其中h b a 为步长 n
n
In In (b a) Ck(n) k k 0
n
(b a) Ck(n) k 0
max{| k|}
若 k n , Ck(n) 0,有
n
n
In In (b a)
C(n) k
(b a)
C(n) k
1
k 0
k 0
a
,
x1
b
2
a
, x2
b
,h
b
2
a
Cotes系数为
C0( 2 )
1 4
2
(t 1)(t 2)dt
0
1 6
C1( 2 )
1 2
2
t(t 2)dt
0
4 6
于是
C2(2)
1 4
2
(t 1)tdt
0
1 6
b a
f (x)dx (b a)
[
a
,
b]的节点
x
的划分有关
j
,与函数
f
(
x
)无关
其值可以精确给定
因此用Newton-Cotes公式计算积分的舍入误差主要由 函数值f (xk )的计算引起
只需讨论 f (xk )的舍入误差对公式的影 响 假设f (xk )为精确值,而以f (xk )作为f (xk )的近似 值(计算值)
72第二节 牛顿—柯特斯公式
(u j )
j k
k
是奇函数,故在对称区间上的积分为0,即Rn(f)=0. 这就证明了n阶牛顿-柯特斯公式在n为偶数的时 候代数精度至少为n +1,从而定理得证.
数学学院 信息与计算科学系
抛物线公式(Simpson 公式)是n=2 时的牛顿-柯 特斯公式,故其代数精度至少为3,但由于
(b a )7 (6) f ( ) 1935360
[ a , b]
数学学院 信息与计算科学系
例1 分别用梯形公式、辛卜生公式和柯特斯公 式计算积分 1 1 I dx 2 0.6 1 x 解 由梯形公式得
1 0.6 1 1 I T 0.2470588 2 2 2 1 0.6 11
n
n
( n) 当C k 有正有负时 , 因为
n
而 | C
k 0
n
( n) C k 1 k 0
( n) k
| 可能会很大, f (xk) 可以取得足够精确,
但初始数据的误差对计算结果影响会很大, 方法
可能是不稳定的.
(k=0,1,…,n) 记 则有
( n) Ck n n ( 1) ( t j )dt (k=0,1,…,n) 0 nk !( n k )! j k n k
( n) Ak ( b a )C k ,
数学学院 信息与计算科学系
于是得求积公式
n k 0 ( n) I n Ak f ( xk ) (b a ) C k f ( xk ) k 0 n
由辛卜生公式得 1 0.6 1 1 1 IS 4 0.2449546 2 2 2 6 1 0.6 1 0.8 1 1
牛顿-柯特斯公式
牛顿-柯特斯公式牛顿-柯特斯公式是一种用于数值积分的方法,是通过将积分区间分割成若干个子区间,在每个子区间上用一个多项式来逼近被积函数,然后通过对这些多项式进行求和来得到整个积分的近似值的方法。
牛顿-柯特斯公式的基本思想是将被积函数在每个子区间上进行插值近似。
首先,我们将积分区间[a, b]等分成n个相等的子区间,即h=(b-a)/n,其中n为等分的个数。
对于每个子区间,我们使用一个多项式来逼近被积函数。
对于每个子区间[xi, xi+1],我们可以通过使用牛顿插值公式将被积函数在这个子区间上用一个多项式f(xi,x)=f(xi)+f[xi,xi-1]·(x-xi)+f[xi,xi-1,xi-2]·(x-xi)·(x-xi-1)+...来近似。
其中f(xi)代表被积函数在xi处的函数值,f[...]代表被积函数在对应节点处的高阶差商。
然后,我们将这个多项式进行积分。
根据牛顿插值多项式的性质,多项式的积分可以用其在区间上的若干个节点处的函数值和差商来表示。
因此,我们可以对多项式进行积分,得到在每个子区间上的近似积分值。
最后,我们将这些近似积分值求和,得到整个积分的近似值。
具体而言,牛顿-柯特斯公式的一种常见形式是梯形公式。
梯形公式的基本思想是将积分区间[a, b]等分成n个子区间,并在每个子区间上使用一个线性函数来近似被积函数。
这个线性函数由被积函数在两个节点上的函数值和斜率确定,因此得名“梯形”。
对于一个子区间[xi, xi+1],梯形公式的积分近似值可以通过积分公式∫(xi,xi+1) f(x) dx ≈ (f(xi) + f(xi+1))·h/2来计算。
其中,f(xi)和f(xi+1)分别为被积函数在两个节点处的函数值,h=xi+1-xi为子区间的宽度。
最后,将所有子区间上的积分近似值求和,我们可以得到整个区间[a, b]上的积分值的近似值。
牛顿-柯特斯公式不仅仅包括梯形公式,还包括其他形式的多项式插值,如Simpson公式和Boole公式等。
4-2牛顿—柯特斯公式
而 n= 4时的牛顿—柯特斯公式为
ba C [7 f ( x0 ) 32 f ( x1 ) 12 f ( x2 ) 32 f ( x3 ) 7 f ( x4 )] 90 ba x k a kh, h 这里 4
特别称为 柯特斯(Cotes)公式*
注:其余柯特斯系数详见书上p104表4-1.
二、偶阶牛顿-柯特斯求积公式的代数精度
作为插值求积公式,n阶牛 顿 — 柯特斯公式至少具有 n 次 代数精度,那么
是否有更进一步的结果?
两个简单偶阶求积公式的代数精度
辛甫生(Simpson)公式
ba ab S [ f (a ) 4 f ( ) f (b)] 6 2
首先它是二阶公式,因此至少具有二次代数 精度,进一步考察当 f(x)=x3时,
n
0
t j dt j 0 k j jk
n
1 n 1 n j 0 k j
jk
0
n
( t j )dt ( h b a ) j 0
jk
n
n
n n 1 1 1 ( t j )dt n k ( k 1)...1 ( 1)( 2)...( k n) 0 j 0 jk
所以 余项为
max | f ( x ) | f (1) 8.1548
1 x 2
f ( ) | RT | (b a ) 3 12
( 2 1) max | f ( x ) | 0.6796 12 1 x 2
3
用辛甫生公式计算
1 1 21 1.5 2 e dx ( e 4 e e ) 2.0263 1 6
解
2
dx 的近似值,并估计余项。
牛顿-柯特斯公式 15页PPT文档
一、Newton-Cotes公式的导出
abf(x)dx n Akfk k0 Akablk(x)dx
将
求
积 [a,b]区 做 n等 间分
, hb步 a,长 在 n
等
距 xk节 ak点 h
上的插值型 abf(求 x)dx 积 (b公 a) nC 式 (kn)fk, (2.1) k0
称N为 ew-tCoontes , C 公 (n)称 式 C为 ote. s系数 k
作变 xa 换 th ,则有
C(kn)b ha0 n j n0k t jjdtn(! (k 1 n ) nk k)!0 n j n0(tj)dt. (2.2
jk
jk
当 n 1 时 ,得到梯形公式
由(于 xa)(xab)2(xb)在 [a,b]内不(非 变)正 号 , 2
由广义积分中值定理有
R S f ( 4 4 ) ! () a b ( x a ) x ( a 2 b ) 2 ( x b ) d x b 1 a ( b 2 8 a ) f ( 4 ) 0 () ( a ,b )
a2nx2n
Байду номын сангаас
a1x
a0,为2n1次
多项式 ,
R2n(
f
)
b a
f ( ) (2n1) 2n1
(2n1)!
2n
(x
j0
xj
)dx
a2n1
abj2n0(x
xj
)dx
令x anhth(n t n)代入上式:得
R2n(
f
)
a2n1h2n2h
4.2牛顿-柯特斯公式
函数值f ( xk )的计算引起
只需讨论f ( xk )的舍入误差对公式的影 响
假设f ( xk )为精确值, 而以f ( xk )作为f ( xk )的近似值 (计算值)
k f ( xk ) f ( xk ) 为误差
记
(n) ( b a ) C In k f ( xk ) k 0 n n
梯形(trapezia)公式具有1次代数精度
2.Simpson公式及其余项
ba ba 取n 2 , 则x0 a , x1 , x2 b , h 2 2
Cotes系数为
C
(2) 0
1 2 1 (t 1)( t 2 )dt 4 0 6 1 2 4 t (t 2 )dt 0 2 6 1 2 1 (t 1)tdt 4 0 6
n
n
n 2
n
n 2
2
被积函数 ( j )是奇函数
n 2
n 2
n n n n g ( ) ( j ) ( )( 1) ( 1)( ) 2 2 2 2 n 2 n n n n g ( ) ( )( 1) ( ) ( 1)( ) 2 2 2 2 g ( ) (1) n1 g ( ) g ( )
上式称为Simpson求积公式,也称三点公式或抛物线公式 记为
S I2 ( f )
4.5 4 3.5
Simpson公式的余项为
3 2.5
R( S ) R( I 2 ) a R2 ( x)dx
b a b a 4 (4) ( ) f ( ) 180 2
b
2 1.5 1 0.5 0 -0.5
牛顿-柯特斯公式
(a, b )
3 . 柯特斯公式的余项
若f
( x ) 在 [ a , b ]上连续 , 则柯特斯公式的余项为
6 (6)
2 (b a ) b a R4 [ f ] I C f 945 4
( ), [ a , b ]. (2.8)
四 复化求积公式
所以I = S,表明辛卜生公式对于次数不超过三次的多 项式准确成立,用同样的方法可以验证对于f (x)=x4,辛 卜生公式不成立,因此辛卜生公式的代数精度可以达到三 次。
定理3
2 n 阶 N C 公式至少具有 2 n 1次代数精度 .
2 n1
证明 : 设 f ( x ) a 2 n 1 x R2 n ( f )
b a
H ( x ) dx
ba 6
( H (a ) H (
a b 2
) H ( b ))
因此,辛卜生公式的误差就是对上述误差公式的积分: (4) f ( ) ab 2 b
RS I S
a
2
由于 ( x a )( x
ab
4!
( x a )( x
2
0 t ( t 2 ) dt
2
4 6
( 1)
1
2 1! 1!
0 t ( t 2 ) dt
2
1 6
当 n 2 时 , 得到 辛普森(Simpso n)公式 6 当 n 4 时 ,得到 柯特斯(cotes) 公式
C ba 90
a f ( x )d x S
此时复化梯形公式为
12
( b a ) k 1
f ( k ) n
牛顿-柯特斯求积公式
b
n
n
f ( x)dx
a
Ai f ( xi ) R( f )
Ai f ( xi ) (1)
i0
i0
其中
b
Ai a li ( x)dx i 0,1,L , n
(2)
li(x)为Lagrange插值基函数。
截断误差或余项为
R( f ) 1
(n 1)!
b a
f
(n1) ( ( x))wn1( x)dx
工程数学
辛卜生公式的几何意义是用抛物线y=P2(x)围成 的曲边梯形面积代替由y=f(x)围成的曲边梯形面积图
2。
y
y=P2(x)
y=f(x)
0 x0
x1
图2
b
f
x2
(x)dx
b
a
x
(f
(a)
4
f
(a
b)
f
(b))
a
6
2
工程数学
工程数学
例 : 用梯形公式与辛卜生公式
求
3 x
I e 2 dx
1
(3)
工程数学
工程数学
数值求积公式的一般形式
b
n
f ( x)dx
a
Ai f ( xi )
i0
Ai (i=0,1,…,n)称为求积系数, xi (i=0,1,…,n)称为求积节点。
工程数学
工程数学
第一节 等距节点的牛顿—柯特斯求积公式
当求积节点等距分布时,插值型求积公式称为
牛顿—柯特斯(Newton-Cotes) 求积公式。
例如,对概率积分 2 t e x2 dx
0
t [0, )
由于被积函数的原函数F(x)不可能找到,牛顿莱布尼兹公式也就无能为力了。
数值分析Newton-Cotes公式
常用复化求积公式 1. 复化梯形公式 2. 复化辛普生公式
3. 复化柯特斯公式
© 2009, Henan Polytechnic University §2 Newton-Cotes公式
2222
第四章 数值积分与数值微分
1.复化梯形公式
在每个小区间 [ xk 1 , xk ]上应用梯形公式得:
1111
第四章 数值积分与数值微分 a b
3. n=4时的Cotes求积公式
x0 x1 x2 x3 x4
按Newton-Cotes系数公式可以计算出
C
(4) 0
7 16 ( 4 ) 2 16 ( 4 ) 7 (4) (4) , C1 , C2 , C3 , C4 , 90 45 15 45 90
上述公式称为Simpson求积公式。 容易验证Simpson求积公式具有3次的代数精确度. 余项公式为:
(b a) ( 4 ) R2[ f ] f ( ) [ ( a, b)] 2880
5
© 2009, Henan Polytechnic University §2 Newton-Cotes公式
Cotes系数性质
(1) C
n
( n) k
C
( n) n k
(对称性)
( 2)
( n) C k 1 k 0
几种常用的Newton-Cotes求积公式
梯形公式,辛普生公式,Cotes公式
© 2009, Henan Polytechnic University §2 Newton-Cotes公式
k 0
求积系数
© 2009, Henan Polytechnic University §2 Newton-Cotes公式
数值分析4-2(牛顿-柯特斯公式)
第四章 数值积分与数值微分 牛顿—柯特斯公式 §2 牛顿 柯特斯公式
1−0
故一阶的牛顿—柯特斯公式为 故一阶的牛顿 柯特斯公式为
梯形公式
当n=2时, 时
2 (−1)2−0 1 (2) C0 = ∫0 (t −1)(t − 2)dt = 6 2⋅ 0!(2 − 0)!
(2) C1
1 2 4 = − ∫ (t − 0)(t − 2)dt = 20 6 1 2 1 (2) C2 = ∫ (t − 0)(t − 1)dt = 40 6 b−a a+b S= [ f (a) + 4 f ( ) + f (b)] 6 2
n n 1 n 1 b−a = Π ∫0 jΠ (t − j)dt ( h = n ) =0 n j=0 k − j j≠k j≠k n n 1 1 1 = ∫0 jΠ(t − j)dt n k ⋅ (k − 1)...1(−1)(−2)...(k − n) =0 j≠k
n n (−1)n−k = ∫0 jΠ (t − j)dt =0 nk!(n − k)! j≠k
所以
max | f
1≤x≤2
(4)
( x) |= f
(4)
(1) = 198.43
b − a b − a (4) 余项为 RS = − f (η) 180 2
4
(2 − 1) ≤ max | f (4) ( x) |= 0.06890 2880 1≤x≤2
数值分析6.2 牛顿—柯特斯公式
6 41/840 216/840 27/840 272/840 27/840 216/840 41/840
当n=1时,柯特斯系数为
C (1) 0
1
(t
0
1)dt
1 (t 2
1)2
1 0
1, 2
C (1) 1
1
tdt
1
t2
1
1
,
0
202
这时的牛顿-柯特斯公式为一阶求积公式,就是我们 所熟悉的梯形公式,即
显然, 柯特斯系数与被积函数 f (x) 和积分区间
[a,b]无关, 且为容易计算的多项式积分.
常用的) k
2
1/6
4/6
1/6
3
1/8
3/8
3/8
1/8
4
7/90 32/90 12/90 32/90 7/90
5 19/288 75/288 50/288 50/288 75/288 19/288
I b x3dx b4 a4 .
a
4
这时有S=I,即辛普森公式对不超过三次的多项式均 能精确成立,又容易验证它对f(x)=x4通常是不精确 的(如取a=0,b=1进行验证有,S=3/8≠I=1/5),因此, 辛普森公式实际上具有三次代数精度.
一般地,我们可以证明下述论断:
*定理3: n 阶牛顿-柯特斯公式的代数精度至少为
[ 1
1 0.62
1
1 12
]
0.2470588
由辛普森公式得
1 0.6 1
1
1
IS
6
[ 1
牛顿-柯特斯公式
牛顿-柯特斯公式牛顿-柯特斯公式是数值分析中重要的求积公式之一,它可以用于近似计算定积分的值。
牛顿-柯特斯公式是利用插值多项式的积分公式,在积分节点选取相同的情况下,通过不同的插值多项式形式,可以达到不同的精度要求。
牛顿-柯特斯公式的一般形式可以表示为:∫[a,b]f(x)dx = w_0f(x_0)+w_1f(x_1)+...+w_nf(x_n)+R_n其中,x_0, x_1,...,x_n 是n+1个等距节点,a = x_0 < x_1< ... < x_n = b,f(x)是要求积分的函数,w_i是相应的权重系数,R_n是余项,用于表示估计误差。
牛顿-柯特斯公式的权重系数w_i和余项R_n与插值多项式的形式有关。
下面将介绍牛顿-柯特斯公式的一些常见形式。
1. 矩形公式当n = 0时,牛顿-柯特斯公式的形式为:∫[a,b]f(x)dx ≈ (b-a)f(a)这个公式称为矩形公式或矩形法则。
它的准确度为一阶,即误差为O((b-a)^2)。
2. 梯形公式当n = 1时,牛顿-柯特斯公式的形式为:∫[a,b]f(x)dx ≈ (b-a)[(f(a)+f(b))/2]这个公式称为梯形公式或梯形法则。
它的准确度为一阶,即误差为O((b-a)^2)。
3. 辛普森公式当n = 2时,牛顿-柯特斯公式的形式为:∫[a,b]f(x)dx ≈ (b-a)[(f(a)+4f((a+b)/2)+f(b))/6]这个公式称为辛普森公式或辛普森法则。
它的准确度为二阶,即误差为O((b-a)^3)。
4. 三点闭合公式当n = 3时,牛顿-柯特斯公式的形式为:∫[a,b]f(x)dx ≈ (b-a)[(f(a)+3f(a+h)+3f(b-h)+f(b))/8]其中,h = (b-a)/3。
这个公式的准确度为三阶,即误差为O((b-a)^4)。
通过不断增加插值节点的数量n,可以得到更高阶的牛顿-柯特斯公式。
牛顿科特斯公式资料
7 9
20
2 3
知其误差为 R( f ) 0
该定积分的准确值 I 20 2 ,这个例子告诉我
3
们,对于同一个积分,当n≥2时,公式却是精确的,
这是由于辛普森公式具有三次代数精度,柯特斯公
式具有五次代数精度,它们对被积函数为三次多项
式当然是精确成立的。
二、复化求积公式
由梯形、辛普森和柯特斯求积公式余项可知, 随着求积节点数的增多,对应公式的精度也会相应 提高。但由于n≥8时的牛顿—柯特斯求积公式开始 出现负值的柯特斯系数。根据误差理论的分析研究, 当积分公式出现负系数时,可能导致舍入误差增大, 并且往往难以估计。因此不能用增加求积节点数的 方法来提高计算精度。在实际应用中,通常将积分 区间分成若干个小区间,在每个小区间上采用低阶 求积公式,然后把所有小区间上的计算结果加起来 得到整个区间上的求积公式,这就是复化求积公式 的基本思想。常用的复化求积公式有复化梯形公式 和复化辛普森公式。
f
(b)
(b a)5 f (4) () [a,b]
2880
证明:1)确定代数精度为3.
2)令 R[ f ] kf (4) ()
3)
k 1 (1 (b5 a5 ) b a (a4 4( a b)4 b4 )) b a (b a )4
4! 5
6
2
180 2
几何意义
辛普森公式的几何意义:
jk
b n a th a jh d (a th) n n t j hdt h n
1
nn
(t j)dt
a j0 a kh a jh
0 j0 k j
j0 k j 0 j0
jk
jk
jk
jk
- 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、"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、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)。
k0
3)插值型求积公式:
Ak
b a
l
k
x
d
x
其 中 : lk ( x )
n j0
x xj xk x j
jk
此求积公式的截断误差为:
Rn ( f )
b a
b
f ( x)dx Ln ( x)dx
a
b a
f (
(n
n
1
) (
1)!
)
n
1
(
x
)d
x
4)代数精度:
对求积公式 :
b
f (x)dx
:C
(n k
)
( 1) n k k!(n k )! n
nn
(t j)dt
0 j0
jk
Ak
(b
a
)C
(n) k
b a
f ( x)dx
b a
n
C
n
k
f
(
x
k
)
k0
称为牛顿-柯特斯公式.
式
中
C
k
n
称
为
柯
特
斯
系
数.
求积公式
当n 1时,
C
1
0
C
1
1
1 2
,这时的求积公式为:
b f ( x)dx b a [ f (a) f (b)]
6
C
2
2
1 4
2 tt 1dt 1 .
0
6
这时的求积公式为:
S
b 6
a
f
a 4
f
a
2
b
f
b
辛普森公式
误差估计
Rs[ f ]
b a
f
(x)dx
b 6
a
f
(a)
4
f
(a
b) 2
f
(b)
(b a)5 f (4) () [a,b]
x
)d
x
R1( f )
b a
b
f ( x )dx L1 ( x )dx
a
b a
f
(2) (
2!
)
2
(
x
)dx
b f ( )
a
2!
( x a)( x b)dx
f
''( ) [
2
x3 3
(a
b)
x2 2
abx ]ba
f '' ( ) (b a )3
12
6) 积分公式的收敛性和稳定性
n
b
定义:
在求积公式中,若
lim
n h0
k
0
Ak
f (xk )
a
f (x)dx,
其中h= m1iaxn {xi xi1},则称求积公式是收敛的。
定义: 对任给 0,若 0,只要 f (xk ) fk (k 0,1,..., n)就
n
n
有求积公式 Ak f (xk ) Ak fk 成立,则称积分公式是稳定的.
k 0
k 0
定理:若求积公式中系数 Ak 0(k 0,1,..,., n则) 此求积公式是稳定的。
证明:对于任给定的 0,
n
记:In(f)= Ak f (xk ) k 0
n
n
In(f)In(f) Ak ( f (xk ) fk ) Ak f (xk ) fk
k 0
k 0
n
Ak (b a) k 0
2
当 f (x) x,
b f (x)dx b xdx b2 a2 b a (a b )
但当 f (x) x2 时,a
a
2
2
b f (x)dx b x2dx b3 a3 b a (a2 b2 )
a
a
3
2
因此代数精确度是 1
b
R1( f )= a f (x)dx T kf ''()
取 f (x) x2 代入,得:
b x2 dx (b a) (b2 a2 ) k 2!
a
2
得:
1
b3 (
a3
(b
a)
(b2
a2 ))
k
2! 3
2
k (b a)3 12
Rn ( f )
b a
b
f ( x)dx Ln ( x)dx
a
b a
f (
(n
n1) ( Nhomakorabea1)!)
n
1
(
nb
n
定 理 形 如 f (x)dx a
a lk (x)dx f (xk ) Ak f (xk )
的 求 积 公 式 至k少0 有n次 代 数 精 k度0
的 充 分 必 要 条 件 是 它 是插 值 型 的.
证明……
5) 求积公式的余项:
1) 基于代数精度证明 2) 基于插值余项证明
T b a f a f b
2!
)
2
(
x
)dx
b f ( )
a
2!
( x a)( x b)dx
f
''( ) [
2
x3 3
(a
b)
x2 2
abx ]ba
f ''( ) (b a )3
12
求积公式
当n 2时, 这时柯特斯系数为
C
2
0
1 4
2 t 1t 2dt 1 ,
0
6
C
2
1
1 2
2 tt 2dt 4 ,
0
a
kh, h
b
n
a
,
x
a
th代 入 求 积 公 式 得 :
b
b
nb
a f ( x)dx a Ln ( x)dx a lk ( x)dx f ( x k )
k0
注 意 到 :Ak
b
a lk ( x)dx
b n x x j dx a j0 xk x j
jk
b n a th a jh d (a th) n n t j hdt h n
则存在 / (b a),使得 In(f)In(f) 恒成立.
所以,求积公式稳定.
主要内容
一、 牛顿-科特斯公式 二、 复化梯形公式 三、 复化辛普森求积公式
一、 牛顿-柯特斯求积公式
设将积分区间a, b,n等分, 记步长h b a ,
n
选 取 等 距 节 点x k a kh
将xk
1
nn
(t j)dt
a j0 a kh a jh
0 j0 k j
j0 k j 0 j0
jk
jk
jk
jk
求积公式
(1)nk h
n n (t j)dt (1)nk (b a) n n (t j)dt
k!(n k )! 0 j0
k!(n k )! n
0 j0
jk
jk
令
a
n
Ak f (xk )
k 0
只要当 f ( x ) 分别为 {1, x , x 2 ,... x m } 时,求积公式精确成
立,而当 f ( x )为 x m 1时 , 不能成立.
n
插值求n积+1公个式节的点求的积插系值数求A积k ,公总式有至: k少0 具Ak 有 bn次 a代数精度。
b
§4.2 牛顿-科特斯公式
复习回顾
一、 数值求积的基本思想 二、 数值求积分的一般形式 三、插值型的求积公式 四、代数精度问题 五、求积公式的余项 六、求积公式的收敛性和稳定性
1)基本思想:
利用函数在有限个结点处的函数值去计算的积分!
2)数值积分的一般形式:
b
n
f ( x)dx
a
Ak f ( xk ),
a
2
梯形公式
称梯形公式 y y=f()
y=P1()
直边梯形代替曲边梯形
0
误差估计
Rn ( f )
b a
b
f ( x)dx Ln ( x)dx
a
b a
f (
(n
n
1
) ( )
1)!
n
1
(
x
)d
x
R1( f )
b a
b
f ( x )dx L1 ( x )dx
a
b a
f
(2) (