计算方法第5章-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。
数值积分与微分方程数值解法

数值积分与微分方程数值解法数值积分和微分方程数值解法是数值计算中的重要组成部分,在科学计算、工程分析和实际问题求解中起着不可或缺的作用。
本文将介绍数值积分的基本概念和常用方法,以及微分方程数值解法的应用和实现过程。
一、数值积分的基本概念和常用方法数值积分是求解定积分近似值的方法,通过将连续函数的积分转化为离散形式的求和,以达到近似计算的目的。
常用的数值积分方法包括矩形法、梯形法、辛普森法等。
(1)矩形法:将积分区间等分为若干子区间,然后在每个子区间内取点,用函数在相应点处的取值近似代替该子区间内的函数值,最后将所有子区间的函数值相加得到近似积分值。
(2)梯形法:与矩形法类似,但是将每个子区间近似为一个梯形,通过计算梯形的面积来近似计算积分值。
(3)辛普森法:将积分区间等分为若干子区间,然后在每个子区间内取三个点,根据这三个点构造出一个二次函数,并用该二次函数的积分来近似计算积分值。
二、微分方程数值解法的应用和实现过程微分方程数值解法是对微分方程进行近似求解的方法,通过离散化微分方程来构造数值格式,然后通过数值计算来求解。
常用的微分方程数值解法包括常微分方程的欧拉法、改进欧拉法和龙格-库塔法,以及偏微分方程的有限差分法、有限元法等。
(1)常微分方程数值解法:- 欧拉法:根据微分方程的定义,将微分项近似为差分项,通过迭代逼近真实解。
- 改进欧拉法:在欧拉法的基础上,通过利用两个点的斜率来逼近解的变化率,提高精度。
- 龙格-库塔法:通过多次迭代,根据不同的权重系数计算不同阶数的近似解,提高精度。
(2)偏微分方程数值解法:- 有限差分法:将偏微分方程中的一阶和二阶导数近似为差分项,通过离散化区域和时间来构造矩阵方程组,然后通过求解线性方程组来获得数值解。
- 有限元法:将区域进行剖分,将偏微分方程转化为变分问题,通过选取适当的试函数和加权残差法来逼近真实解。
总结:数值积分和微分方程数值解法是数值计算中重要的工具,能够帮助我们处理实际问题和解决科学工程中的复杂计算。
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
数值微分与数值积分练习题

第五章 数值微分与数值积分一.分别用向前差商,向后差商和中心差商公式计算()f x =2x =的导数的近似值。
其中,步长0.1h =。
【详解】00()()(20.1)(2)=0.349 2410.10.1f x h f x f f h +−+−===向前差商00()()(2)(20.1)=0.358 0870.10.1f x f x h f f h −−−−===向后差商00()()(20.1)(20.1)=0.353 664220.10.2f x h f x h f f h +−−+−−===×中心差商 二.已知数据 x 2.52.55 2.60 2.65 2.70 ()f x1.58114 1.59687 2 1.62788 1.64317 求(2.50),(2.60),(2.70)f f f ′′′的近似值。
【详解】0.05h =,按照三点公式3(2.50)4(2.55)(2.60)3 1.581144 1.59687 1.61245(2.50)0.316 10020.050.1f f f f −+−−×+×−′≈==×(2.65)(2.55)1.627881.59687(2.60)0.310 10020.050.1f f f −−′≈==× (2.60)4(2.65)3(2.70)241.6278831.64317(2.70) 4.179 90020.050.1f f f f −+−×+×′≈==× 三.已知如下数据 x 3 4 5 6 7 8()f x 2.937 6 6.963 213.600 0 23.500 8 37.318 4 55.7056用三点公式计算(5)f ′和(5)f ′′的近似值。
【详解】1h =,(6)(4)23.500 8 6.963 2(5) 8.268 422f f f −−′≈== 2(4)2(5)(6) 6.9632213.600023.5008(5) 1.6320212f f f f −+−×+′′≈==× 四.求4n =时的所有Cotes 系数。
数值积分与数值微分21599

b
a
f ( x)dx I n Ak f ( xk ) 至少具有n次代数精度,
k 0
n
所以用插值基函数lk(x)当作f(x)代入,上式精确成立,即:
b
a
lk ( x)dx I n Aj lk ( x j ) Ak
n
j 0
n
所以 I n Ak f ( xk ) 为插值型的求积.
b a 1i n
则称求积公式是收敛的. 中,由于计算 f(xk) 定义 在求积公式a f ( x)dx Ak f ( xk )
b n
可能产生误差,实际得到 fk 即: f ( xk ) fk k n n 记 I n ( f ) Ak f ( xk ),I n ( f ) Ak f k 如果对任
由书中表知,当 n 8 时柯特斯系数出了负值,所以
(n) (n) C C k k 1 k 0 k 0 n n
故 n 8 时Newton-Cotes 公式不适用。
2019/4/23
数计学院《数值计算》课程建设组QAB
二、偶数阶求积公式的代数精度
n 为偶数阶的Newton-Cotes 公式至少有 n+1 次代数精度。 证明: 当n 为偶数时,由于有 f ( n1) ( x) ( xn1 )( n1) (n 1)!
余项
b
余项 R[ f ]
b a 4 (4) h f ( ) , 180
( a, b) , h
ba 2
2019/4/23
数计学院《数值计算》课程建设组QAB
n = 4: C
(4) 0
7 (4) 16 (4) 2 (4) 16 (4) 7 , C1 , C2 , C3 , C4 柯特斯公式 90 45 15 45 90
数值微分与数值积分

数值微分与数值积分数值微分和数值积分是数值分析中两个重要的概念和技术。
它们在数学与工程领域中都有着广泛的应用。
本文将介绍数值微分和数值积分的概念、原理和应用。
1. 数值微分数值微分是指通过数值计算方法来逼近函数的导数。
在实际计算中,我们常常需要求解某一函数在特定点的导数值,这时数值微分就能派上用场了。
一种常用的数值微分方法是有限差分法。
它基于函数在离给定点很近的两个点上的函数值来逼近导数。
我们可以通过选取合适的差分间距h来求得函数在该点的导数值。
有限差分法的一般形式可以表示为:f'(x) ≈ (f(x+h) - f(x))/h其中,f'(x)是函数f(x)在点x处的导数值,h是差分间距。
数值微分方法有很多种,比如前向差分、后向差分和中心差分等。
根据实际需求和计算精度的要求,我们可以选择合适的数值微分方法来进行计算。
2. 数值积分数值积分是指通过数值计算方法来近似计算函数的定积分。
在实际问题中,我们经常需要求解函数在某一区间上的积分值,而数值积分可以提供一个快速而准确的近似。
一种常见的数值积分方法是复合梯形法。
它将积分区间分割成若干个小区间,然后在每个小区间上应用梯形面积的计算公式。
最后将所有小区间上的梯形面积相加,即可得到整个积分区间上的积分值。
复合梯形法的一般形式可以表示为:∫[a, b] f(x)dx ≈ h/2 * [f(a) + 2∑(i=1 to n-1)f(x_i) + f(b)]其中,[a, b]是积分区间,h是分割的小区间宽度,n是划分的小区间个数,x_i表示第i个小区间的起始点。
除了复合梯形法,还有其他常用的数值积分方法,比如复合辛普森法、龙贝格积分法等。
根据被积函数的性质和计算精度要求,我们可以选择合适的数值积分方法来进行计算。
3. 数值微分和数值积分的应用数值微分和数值积分在科学研究和工程实践中具有广泛的应用。
以下是一些常见的应用领域:3.1 物理学在物理学中,我们经常需要对物体的位置、速度和加速度进行计算。
数值微分计算方法

数值微分计算方法数值微分是微积分中的一个重要概念,用于近似计算函数的导数。
它在实际问题中具有广泛的应用,特别是在数值求解微分方程、优化问题以及实时数据处理等领域。
数值微分最基本的思想是通过两个离得很近的点,利用函数值的变化情况来估计导数的变化情况。
常见的数值微分方法包括有限差分法和插值法。
有限差分法是一种简单且直接的数值微分方法,常用的有前向差分法、后向差分法和中心差分法。
前向差分法用于近似计算函数的导数,通过函数在特定点上和该点之后的一点的差值来估计导数的值。
设函数在点x处的导数为f'(x),则前向差分法的计算公式为:f'(x)≈(f(x+h)-f(x))/h其中,h为一个小常数,表示两个点之间的距离。
后向差分法与前向差分法的思想类似,只是对应的计算公式稍有不同。
后向差分法通过函数在特定点上和该点之前的一点的差值来估计导数的值。
计算公式为:f'(x)≈(f(x)-f(x-h))/h中心差分法是一种更加精确的数值微分方法,通过函数在特定点的前后两点的差值来估计导数的值。
计算公式为:f'(x)≈(f(x+h)-f(x-h))/(2h)中心差分法相对于前向差分法和后向差分法来说,误差更小,计算结果更稳定。
除了有限差分法,插值法也是一种常用的数值微分方法。
它通过利用已知点的函数值来估计未知点上的函数值,从而近似计算函数的导数。
常见的插值法包括拉格朗日插值法和牛顿插值法。
拉格朗日插值法通过构造一个次数为n的多项式来逼近给定的函数,然后求该多项式的导数。
牛顿插值法则是通过利用已知点的函数值来构造一个插值多项式,然后求该多项式的导数。
插值法在实践中广泛应用,能够提供更精确的数值微分结果。
总的来说,数值微分是一种基于离散点求导数的近似计算方法,可以通过有限差分法和插值法来进行计算。
不同的方法在精度和稳定性上有所差异,具体的选择需根据实际情况进行考虑。
数值微分在科学计算和工程应用中具有重要的地位和作用,是了解和掌握的必备技巧之一。
第五章 数值积分与微分1

b−a T( f ) = [ f ( a ) + f ( b )] 2
b−a a+b S( f ) = f (a ) + 4 f ( 2 ) + f (b) 6
b−a C( f ) = [ 7 f (a ) + 32 f (a + h) + 12 f (a + 2h) 90
+32 f (a + 3h) + 7 f (b )]
( f ( x)dx ≈ (b − a)∑Ckn) f (a + kh) = In ( f ) k=0
n
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 )
a k =0
n
求积公式的代数精度(/*Algebraic Precision */) 求积公式的代数精度(/* 代数精度
Def 1如果求积公式 I n ( f ) = ∑ Ak f ( xk )
k =0
n
次的多项式都恒成立 对一切不高于m次的多项式都恒成立, 对一切不高于 次的多项式都恒成立,而对于某个 m+1次多项式不能精确成立,则称该求积公式具有 次多项式不能精确成立 次多项式不能精确成立, m次代数精度。 次代数精度。 次代数精度
分别利用梯形公式、 梯形公式 公式、 例1:分别利用梯形公式、 Simpson公式、 Cotes公式 公式 公式
1 解: a = 0, b = 1, f ( x ) = 1+ x 1− 0 1 T( f ) = [ f (0) + f (1)] = [1 + 0.5] = 0.75 2 2 1− 0 1 S( f ) = f (0) + 4 f ( 2 ) + f (1) ≈ 0.69444444 6 1 1 1 3 C( f ) = 7 f (0) + 32 f ( ) +12 f ( ) + 32 f ( ) + 7 f (1) 90 4 2 4
数值微分与数值积分的计算方法

数值微分与数值积分的计算方法数值微分和数值积分是数学中一种非常重要的方法。
在实际生活和科学研究中,很多情况下,需要对函数进行微分或积分的计算。
然而,由于很多函数的解析式很难或者根本不能求出,因此需要采用一些数值方法来近似计算。
本文将讨论数值微分和数值积分的计算方法。
一、数值微分在数值计算中,常常会遇到需要求函数在某个点处的导数的问题。
这时候,我们就需要用到数值微分。
数值微分主要有三种方法:前向差分、后向差分和中心差分。
(一)前向差分前向差分是一种用来计算函数在某个点处导数的方法。
其基本思想是求函数在当前点和向前一点的斜率,即:$$f'(x_i)=\frac{f(x_{i+1})-f(x_i)}{h}$$其中,$h$表示步长。
(二)后向差分后向差分是一种用来计算函数在某个点处导数的方法。
其基本思想是求函数在当前点和向后一点的斜率,即:$$f'(x_i)=\frac{f(x_i)-f(x_{i-1})}{h}$$(三)中心差分中心差分是一种用来计算函数在某个点处导数的方法。
其基本思想是求函数在当前点左右两个点的平均斜率,即:$$f'(x_i)=\frac{f(x_{i+1})-f(x_{i-1})}{2h}$$对于三种方法,其截断误差的阶分别为 $\mathcal{O}(h)$、$\mathcal{O}(h)$ 和 $\mathcal{O}(h^2)$。
二、数值积分数值积分是指用数值方法对某个函数在某一区间上的定积分进行近似计算的过程。
常见的数值积分方法有梯形法、辛普森法和龙贝格法。
下面将分别介绍这三种方法。
(一)梯形法梯形法是一种比较简单的数值积分方法。
其基本思想是将积分区间分成若干个小梯形,然后求出这些小梯形面积的和。
具体地,假设我们要对函数 $f(x)$ 在区间 $[a,b]$ 上进行积分,将该区间分成 $n$ 个小区间,步长为 $h=(b-a)/n$,则梯形法的计算公式为:$$\int_{a}^{b}f(x)dx\approx\frac{h}{2}\left[f(a)+2\sum_{i=1}^{n-1}f(a+ih)+f(b)\right]$$梯形法的截断误差的阶为 $\mathcal{O}(h^2)$。
数值微分 计算方法讲解

(1)称为x0点的向前差商公式, (2) 称为x1点的向后差商公式。
i 0,1
(1) (2)
数值分析
数值分析
例1 设f(x)=lnx,x0=1.8,用2点公式计算f’(x0)。
解:计算f '( x0 )的误差为
hf "( ) h 2 2 2 ,
这里 1.8 1.8 h 或 1.8 h 1.8
k0
lk
(x)
(x x0 ) ( xk x0 )
( x xk1 )( x xk1 ) ( xk xk1 )( xk xk1 )
(x xn ) (xk xn )
称为n+1点求导公式。
数值分析
数值分析
常用的数值微分公式是 n = 1 ,2 的插值型微分公式.
当n=1时,有
f R1 ( xi ) f ( xi ) L'1( xi )
f (n1)
注意到在插值节点处
n1
(
xi
)
d dx
( x ) 0,此时的余项为
(n 1)!
(n1)
(n1)
f f Rn( xi ) f ( xi ) L'n( xi )
(
n
(i
1)!
)
n 1
(
xi
)
(n
(i
1)!
)
n k0
( xi
xk
)
ki
因此插值型求导公式常用于求节点处的导数值
n
f ( xi ) L'n( xi ) f ( xk )l 'k ( xi ) i 0,1, ..., n
f
'( xi )h
1 2
f
数值计算第5章N-C公式

~ 定义2 在机械求积公式中,若 定义3 对任给 0若 0 只要 f ( xk ) f k n b lim Ak f (~k ) nf ( x)dx 其中 h max( xi xi 1 ) x ~ 1i n n a n f k 0 就有 I nh( 0 ) I n ( f ) Ak [ f ( x k ) f k ] Ak k k 0 k 0 则称机械求积公式是收敛的。 成立,就称机械求积公式是稳定的。 使用机械求积公式计算 f ( xk ) 得到的近似值记为
ba 取n 4 , 则 xk a kh , k 0 ,1, , 4 , h 4 1 4 7 (4) Cotes系数为 C0 0 (t 1)( t 2)(t 3)( t 4)dt 90 4 4!
C
(4) 1
( C2 4 )
1 4 32 0 t(t 2)(t 3)( t 4)dt 90 4 3! 4 1 12 0 t(t 1)(t 3)( t 4)dt 90 4 2!2! 1 4 32 0 t(t 1)(t 2 )( t 4)dt 90 4 3! 1 4 7 0 t(t 1)(t 2 )( t 3)dt 90 4 4!
1 a 12
令I I 2
对于 f ( x) x3
I
h 0
h4 x 3 dx 4
h4 h4 I2 ah2 [0 3h 2 ] 2 4
对于 f ( x) x4
I
h 0
h5 x 4 dx 5
h5 h5 I2 ah2 [0 4h 3 ] 2 6
P98-99
A1 A2
ba 2
数值分析中的数值微分与数值积分

数值分析中的数值微分与数值积分数值微分和数值积分是数值分析领域中两个重要的概念。
它们在计算机科学、工程学和物理学等领域中有广泛的应用。
本文将介绍数值微分和数值积分的概念、原理以及一些常用的方法和技巧。
一、数值微分数值微分是通过数值方法来计算函数的导数。
导数是描述函数变化率的工具,它在物理学、经济学和生物学等领域中具有重要的作用。
1. 前向差分法(Forward Difference)前向差分法是一种简单而常用的计算导数的方法。
它利用函数在某一点上的值与函数在该点附近的一个点上的值之间的差异来估计导数。
具体公式如下:f'(x) ≈ (f(x+h) - f(x))/h其中,h为步长,为了提高精度,需要选择足够小的步长。
2. 后向差分法(Backward Difference)后向差分法与前向差分法类似,不同之处在于它利用函数在某一点上的值与函数在该点附近的一个点上的值之间的差异来估计导数。
具体公式如下:f'(x) ≈ (f(x) - f(x-h))/h同样地,步长h需要选择足够小。
3. 中心差分法(Central Difference)中心差分法是一种更加准确的数值微分方法,它利用函数在某一点上的前后两个点的值来估计导数。
具体公式如下:f'(x) ≈ (f(x+h) - f(x-h))/(2h)中心差分法相对于前向差分法和后向差分法而言,具有更高的精度。
二、数值积分数值积分是通过数值方法来计算函数的积分。
积分在物理学、经济学和统计学等领域中起着重要的作用,它可以用来计算面积、体积以及概率等。
1. 矩形法(Rectangle Method)矩形法是一种简单的数值积分方法,它利用多个矩形来逼近曲线下的面积。
具体来说,将积分区间等分为若干子区间,然后在每个子区间上选择一个点作为高度,从而构造出多个矩形。
最后,将各个矩形的面积相加,即可得到近似的积分值。
2. 梯形法(Trapezoidal Method)梯形法是一种更加准确的数值积分方法,它利用多个梯形来逼近曲线下的面积。
数值分析(20)数值微分

k0
lk
(x)
(x x0 ) ( xk x0 )
( x xk1 )( x xk1 ) ( xk xk1 )( xk xk1 )
(x xn ) (xk xn )
称为n+1点求导公式。
数值分析
数值分析
常用的数值微分公式是 n = 1 ,2 的插值型微分公式.
当n=4时,可得到5点公式:
中点求导公式:
f ( x0 )
f ( x0 2h) 8 f ( x0 h) 8 f ( x0 h) 12h
f ( x0 2h)
h4
f (5) (
)
30
(6),
x0 2h x0 2h,
h0
数值分析
数值分析
端点求导公式:
(4)
设
f ( x0 h) f ( x0 h) e( x0 h)
f ( x0 h) f ( x0 h) e( x0 h)
则(4)式为
f ( x0 )
f ( x0
h)
f ( x0
h)
e( x0
h) e( x0
h)
2h
2h
h2 6
(2)对f ( x)在点xi以h为增量作Taylor展开有
f ( xi
h)
f (xi )
f
'( xi )h
1 2
f
''( xi )h2
1 3!
f(3)( xi )h3
O(h4 )
f ( xi
h)
f (xi )
f
1 '( xi )h 2
(完整版)数值计算方法教案

《计算方法》教案课程名称:计算方法适用专业:医学信息技术适用年级:二年级任课教师:***编写时间:2011年 8月新疆医科大学工程学院张利萍教案目录《计算方法》教学大纲 (4)一、课程的性质与任务 (4)二、课程的教学内容、基本要求及学时分配 (4)三、课程改革与特色 (5)四、推荐教材及参考书 (5)《计算方法》教学日历..................................... 错误!未定义书签。
第一章绪论 .. (6)第1讲绪论有效数字 (6)第2讲误差………………………………………………………………………………第二章线性方程组的直接法 (14)第3讲直接法、高斯消去法 (14)第4讲高斯列主元消去法 (22)第5讲平方根法、追赶法 (29)第三章插值法与最小二乘法 (31)第6讲机械求积、插值型求积公式 (32)第7讲牛顿柯特斯公式、复化求积公式 (37)第8讲高斯公式、数值微分 (42)第9讲第10讲第12讲第四章数值积分与数值微分 (48)第11讲欧拉公式、改进的欧拉公式 (48)第12讲龙格库塔方法、亚当姆斯方法 (52)第13讲收敛性与稳定性、方程组与高阶方程 (56)第14讲第15讲第五章微分常微分方程的差分方法 (59)第16讲迭代收敛性与迭代加速 (60)第17讲牛顿法、弦截法 (64)第18讲第19讲第20讲第六章线性方程组的迭代法 (67)第21讲迭代公式的建立 (68)第22讲第23讲第24讲向量范数、迭代收敛性 (71)第25讲《计算方法》教学大纲课程名称:计算方法/Computer Numerical Analysis B学时/学分:54/4先修课程:高等数学、线性代数、高级语言程序设计(如:Matlab语言)适用专业:计算机科学与技术、信息管理与信息系统开课学院(部)、系(教研室):医学工程技术学院、医学信息技术专业一、课程的性质与任务计算方法是一门专业必修课。
计算方法引论-第五章

• 称Ak为求积公式系数,R(f)为其截断断误差 • 易见对次数不超过n的多项式R(f)=0
计算方法引论( 第三版)
5.3
徐萃薇、孙绳武 高教2007
Newton-Cotes公式
• 梯形公式
– 用一次插值构造的插值求积公式称梯形 公式.几何上就是用梯形面积逼近曲边 梯形的面积
– 公式: 令 h=b-a
– 误差
R(
f
)
h5 90
(
f
(4) (1 )
f
(4) (2 )
f
(4) (n
))
ba 180
h4
f
(4) ()
计算方法引论( 第三版)
5.10
徐萃薇、孙绳武 高教2007
逐次分半梯形法
• 复化梯形公式Tn与T2n的关系
令xk=a+kh,k=0,1, …,2n,h=(b-a)/(2n)可得
T2n
1 2 Tn
– 公式:令xk=a+kh,k=0,1,2, …,n,h=(b-a)/n
b a
f
(x)dx
h 2
(
f
(x0 )
2
f
( x1 )
2
f
(xn1 )
f
(xn ))
– 误差
R(
f
)
h3 12
(
f
(1 )
f
(2 )
f
(n ))
b a h2 f ()
12
计算方法引论( 第三版)
5.9
徐萃薇、孙绳武 高教2007
128 256 512 1024 2048 4096
0.94608153854315 0.94608268741135 0.94608297462823 0.94608304643245 0.94608306438350 0.94608306887126
5.2 数值积分和数值微分

8000 6000 4000 2000 0 -2000 -4000 -6000 -8000 -8000 -6000 -4000 -2000
0
2000
4000
6000
8000
图5.10 卫星轨道和地球表面示意图
5.2.1 数值积分
例 5.2.1 卫星轨道长度 分析 椭圆参数方程为 x = a cos t , y = b sin t , t ∈ [0, 2π ] , 所以椭圆长度 s 等于定积分
x∈[ a ,b ]
仍然分三种情况讨论: 仍然分三种情况讨论:
5.2.2 数值微分
( 1 ) 中 间 点 x j ( j = 1, , n 1) : 记 L2 ( x) 为 由
( x j 1 , y j 1 ) 、 ( x j , y j ) 和 ( x j +1 , y j +1 ) 这三个结点确定的至
式,则 {c1h 2 c2 h + c3 = y0 , c3 = y1 , c1h 2 + c2 h + c3 = y2 } ,
y2 2 y1 + y0 y2 y0 所以 c1 = , c2 = , c3 = y1 . 2 2h 2h
是由结点 ( x j , y j ) (j=0,1,2)确定的至多 2 次插值多项 确定的至多
a b
h2 I Tn ≤ (b a ) M 2 12 其中 h = (b a) n , M 2 = max f ′′( x) .
a ≤ x ≤b
5.2.1 数值积分
证明 根据定理 5.2.1,有 ,
I Tn ≤ ∑
j =1 n n
∫
xj
x j 1
h f ( x)dx ( y j 1 + y j ) 2
《数值计算方法》复习资料

实用文档《数值计算方法》复习资料第一章数值计算方法与误差分析第二章非线性方程的数值解法第三章线性方程组的数值解法第四章插值与曲线拟合第五章数值积分与数值微分第六章常微分方程的数值解法自测题课程的性质与任务数值计算方法是一门应用性很强的基础课,在学习高等数学,线性代数和算法语言的基础上,通过本课程的学习及上机实习、使学生正确理解有关的基本概念和理论,掌握常用的基本数值方法,培养应用计算机从事科学与工程计算的能力,为以后的学习及应用打下良好基础。
第一章数值计算方法与误差分析一考核知识点误差的来源类型;绝对误差和绝对误差限,相对误差和相对误差限,有效数字;绝对误差的传播。
二复习要求1.知道产生误差的主要来源。
2.了解绝对误差和绝对误差限、相对误差和相对误差限和有效数字等概念以及它们之间的关系。
3.知道四则运算中的误差传播公式。
实用文档三例题例 1 设x*= =3.1415926⋯近似值 x=3.14 = 0.314× 101,即 m=1,它的绝对误差是- 0.001 592 6 ,⋯有即 n=3,故 x=3.14 有 3 位有效数字 .x=3.14准确到小数点后第 2 位 .又近似值 x=3.1416,它的绝对误差是0.0000074 ⋯,有即 m=1,n= 5, x=3.1416 有 5 位有效数字 .而近似值x=3.1415,它的绝对误差是0.0000926 ⋯,有即 m=1,n= 4, x=3.1415 有 4 位有效数字 .这就是说某数有s 位数,若末位数字是四舍五入得到的,那么该数有s 位有效数字;例 2指出下列各数具有几位有效数字,及其绝对误差限和相对误差限:2.000 4-0.002 009 0009 000.00解因为 x1=2.000 4= 0.200 04× 101, 它的绝对误差限 0.000 05=0.5 × 10 1―5,即m=1,n=5, 故 x=2.000 4 有 5 位有效数字 . a1=2,相对误差限x2=- 0.002 00,绝对误差限0.000 005,因为 m=-2,n=3 ,x2=- 0.002 00 有 3 位有效数字 . a1=2 ,相对误差限r ==0.002 5实用文档x3=9 000 ,绝对误差限为0.5× 100,因为 m=4, n=4, x3=9 000 有 4 位有效数字, a=9 ,相对误差限r== 0.000 056x4=9 000.00 ,绝对误差限0.005,因为 m=4, n=6, x4=9 000.00 有 6 位有效数字,相对误差限为r== 0.000 000 56由 x3与 x4可以看到小数点之后的0,不是可有可无的,它是有实际意义的.例 3 ln2=0.69314718⋯,精确到10-3的近似值是多少?解精确到 10-3= 0.001,意旨两个近似值x1,x2满足,由于近似值都是四舍五入得到的,要求满足,近似值的绝对误差限应是=0.0005,故至少要保留小数点后三位才可以。
数值微分 计算方法

最简单直接的数值微分方法就是用差商代替微商.
根 据 导 数 定 义, 在 点xi处
f '(xi )
lim
h0
f ( xi
h) h
f ( xi )
lim f ( xi ) f ( xi h)
h0
h
lim
f ( xi
h) 2
f ( xi
h) 2
h0
h
当h充分小时, 可用差商来逼近导数
数值分析
误差 0.00339 0.00089 0.00039 0.00011 0.00011 0.00021 0.00106
数值分析
数值分析
三. 运用样条插值函数求数值微分
用三转角方程和三弯矩方程可以分别求出在节 点处函数f(x)的一阶导数和二阶导数的近似值.
fi' mi
(i 0,1,L ,n)
fi" Mi
h 2(1.8 h)2 0.0173010 0.0015605 0.0001545
数值分析
数值分析
当n=2时,有
f
( xi )
2 k0
f
( xk )l'k
(xi )
1 6
f
(3) (i
2
) (xi
k0
xk )
ki
f
(
x0
)
(
2xi x0
x1
x1 )(x0
x2 x2
)
f
(
x1
)
(
2xi x1 x0
a b
若取数值微分公式
f (x) L' (x) n
误差为:
f f (n1)
(n1)
Rn( x)
- 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)。
h2 h3 f ( x0 h) f ( x0 ) hf '( x0 ) f ''( x0 ) f '''(1 ), x0 1 x0 h 2! 3! h2 h3 f ( x0 h) f ( x0 ) hf '( x0 ) f ''( x0 ) f '''( 2 ), x0 h 2 x0 2! 3!
构造出的求积公式具有下列形式:
b
a
xk 的权.
f ( x )dx
k 0
Ak
n
f ( xk )
式中 xk 称为求积节点;Ak 称为求积系数,亦称伴随节点
而不依赖于被积函数 权 Ak仅仅与节点 xk的选取有关,
f ( x ) 的具体形式.
19
(1)插值型求积公式
对于
b a
f ( x )dx进行插值型数值积分的 思想是:
这称为三点公式,其中(5.1.9)又称为中点公式。
11
h2 R2 ( x0 ) f ( 1 )—左端 3 h2 R2 ( x1 ) f ( 2 ) —中 6 h2 R2 ( x2 ) f ( 3 ) —右端 3
X 2.5 Y 1.58114
例1:已知列表
2.55 1.59687
a
b
f ( x )dx (b a ) f (a ).
17
(2)右矩形公式
a
b
f ( x )dx (b a ) f (b).
ab 2
(3)用区间中点c 均
f ( )
的“高度” f ( c ) 近似地取代平
高度
a
ab b ,则又可导出所谓中矩形公式 f ( x )dx (b a ) f ( ). 2
(4)用两端点“高度” f (a)
与 f (b)
的算术平均作为平均高
度 f ( )的近似值,这样导出的求积公式
a
b
ba f ( x )dx [ f (a ) f (b)] 2
18
是梯形公式.
ቤተ መጻሕፍቲ ባይዱ
将这种思想一般化:
一般地,可以在区间 [a, b] 上适当选取某些节点 xk ,
然后用 f ( xk )加权平均得到平均高度 f ( ) 的近似值,这样
对其求二阶导数得
f ''( xi ) L'' 2 ( xi ) f ( x0 ) 2 f ( x1 ) f ( x2 ) , i 0,1, 2 2 h (5.1.12)
由Taylar展开可得误差估计式
h2 4 f ( xi ) P "( xi ) f , i 0,1, 2 12
6
例:
h 0.10 0.09 0.08 0.07 0.06
f(x)=exp(x)
f’(1.15) 3.1630 3.1622 3.1613 3.1607 3.1600 R(x) -0.0048 -0.0040 -0.0031 -0.0025 -0.0018 h 0.05 0.04 0.03 0.02 0.01 f’(1.15) 3.1590 3.1588 3.1583 3.1575 3.1550 R(x) -0.0008 -0.0006 -0.0001 -0.0007 -0.0032
注意:为了便于估计误差,限定只能对节点上的导数值采用插值 多项式的相应导数进行近似。 8
5.1 数值微分
5.1.2 插值型求导公式
1、两点公式
给定两点上的函数值 f ( x0 ), f ( x1 ),
x x1 x x0 f ( x1 ) f ( x0 ) L1 ( x ) f ( x0 ) f ( x1 ) x1 x0 x1 x0 x0 x1 f ( x1 ) f ( x0 ) f ( x0 ) x1 x0 f ( x ) f ( x1 ) f ( x0 ) 1 x1 x0
自然,而又简单的方法就是, 取极限的近似值,即差商.
2
5.1 数值微分
5.1.1 差商型求导公式 向前差商
f ( x 0 h) f ( x 0 ) f '( x0 ) h
由Taylor展开
h2 f ( x0 h) f ( x0 ) hf '( x0 ) f ''( ), x0 x0 h 2! 因此,有误差
这称为两点公式。
9
截断误差:
f ( 0 ) R1 ( x0 ) [( x x0 )( x x1 )] | x x0 2! f ( 0 ) [ x x1 x x0 ]|x x0 2! h f ( 0 )—左端 2
f ( 1 ) R1 ( x1 ) [( x x0 )( x x1 )] | x x1 2! f ( 1 ) [ x x1 x x0 ]|x x1 2! h f ( 1 )—右端 2
1 f (2.60) ( 1.59687 1.62788) 2 0.05 0.3101
1 f (2.70) (1.61245 4 1.62788 3 1.64317) 2 0.05 0.3044
13
二阶导数公式及误差
( x x0 )( x x2 ) ( x x1 )( x x2 ) L2 ( x ) y0 y1 ( x0 x1 )( xi 1 x2 ) ( x1 x0 )( x1 x2 ) ( x x0 )( x x1 ) y2 ( x2 x0 )( x2 x1 )
(2)Romberg积分法
15
问题:如何求积分
I
a
b
f ( x )dx ,
数学分析:牛顿-莱布尼茨(Newton-Leibniz)公式:
a
b
f ( x )dx F (b) F (a ).
N-L公式失效的情形: (1)被积函数,诸如 sin x , sin x 2 等等,找不到用 初等函数表示的原函数;
因此,有误差
f ( x 0 h) f ( x 0 h ) R( x ) f '( x0 ) 2h h2 h2 [ f '''(1 ) f '''( 2 )] f '''( ) O( h2 ) 12 6
5
由误差表达式,h越小,误差越小,但同时舍入误差增大, 所以,有个最佳步长 我们可以用事后误差估计的方法来确定 设D(h),D(h/2)分别为步长为h,h/2的差商公式。则
(5.1.13)
14
5.2 数值积分
5.2.1 插值型求积公式
(1)插值型求积公式 (2)Newton-Cotes型求积公式 (3)梯形公式、Simpson公式和Cotes公式
5.2.2
复化求积公式
(1)复化梯形公式 (2)复化Simpson公式
5.2.3
Romberg积分法
(1)梯形逐步减半算法
第五章 数值微分与数值积分
• 5.1 数值微分 • 5.2 数值积分
1
5.1 数值微分
5.1.1 差商型求导公式
微积分中,关于导数的定义如下:
f ( x h) f ( x ) f ( x ) f ( x h) f '( x ) lim lim h 0 h 0 h h f ( x h) f ( x h) lim h 0 2h
7
5.1 数值微分
5.1.2 插值型求导公式
插值是建立逼近函数的手段,用以研究原函数的性质。 因此,可以用插值函数的导数近似为原函数的导数。
f ( k ) ( x) Ln( k ) ( x)
误差
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.将[a, b]插入(n 1)个分点 x i: a x 0 x1 x n b , 算出f ( x i )(i 0,1,, n)
2.由下列列表函数求L-插值多项式
Ln ( x ) f ( x i )l i ( x )
i 0
n
x0 f ( x0 )
x1 f(x1)
-----
xi-1 f(xi-1)
x
(2)当 f ( x ) 是由测量或数值计算给出的一张数据表. 这时,牛顿-莱布尼茨公式也不能直接运用;
16
构造数值积分公式的基本思想: 由积分中值定理知,在积分区间[a, b]内存在一点ξ, 成立
a
b
f ( x )dx (b a ) f ( )
问题:点ξ的具体位置一般是不知道的,因而难以 准确算出 f ( ) 的值,怎么办? 只要对平均高度 f ( ) 提供一种算法,相应地便可获得 一种数值求积方法. (1)左矩形公式
10
2、三点公式
若给定三点上的函数值 yi f (xi ), xi x 0 ih , i 0,1,2, 则由
x x1 x x2 x x0 x x2 x x0 x x1 L2 x y0 y1 y2 x1 x0 x1 x2 x2 x0 x2 x1 x0 x1 x0 x2 x x0 x x 2 x x0 x x1 x x1 x x2 y0 y1 y2 x0 x1 x0 x2 x1 x0 x1 x2 x2 x0 x2 x1