【数值分析】高斯型求积公式,任意区间三点gauss求积公式,matlab实现

news2025/10/30 3:38:49

Gauss型求积公式

Gauss型求积公式定义
∫ a b ρ ( x ) f ( x ) d x ≈ ∑ i = 1 n A i f ( x i ) \int_{ a }^{b} \rho(x)f(x) \mathrm dx \approx \sum_{i=1}^{ n}A_if(x_i) abρ(x)f(x)dxi=1nAif(xi)
如果求积公式具有 2 n − 1 {2n-1} 2n1 次代数精度,则称对应的节点 x 1 , x 2 , ⋯   , x n {x_1,x_2,\cdots ,x_n} x1,x2,,xn 为Gauss点,此时求积公式称为Gauss型求积公式。
为了讨论方便,本节取 n {n} n 个节点,并记节点为 x 1 , x 2 , ⋯ x n {x_1,x_2,\cdots x_n} x1,x2,xn ,从 1 {1} 1 开始取!同时,所讨论的积分均为带有权函数 ρ ( x ) {\rho(x)} ρ(x) 的积分。
插值型求积公式
∫ a b ρ ( x ) f ( x ) d x ≈ ∑ i = 1 n A i f ( x i ) \int_{ a }^{b} \rho(x)f(x) \mathrm dx \approx \sum_{i=1}^{ n}A_if(x_i) abρ(x)f(x)dxi=1nAif(xi)
的代数精度最高不超过 2 n − 1 {2n-1} 2n1 ,且达到 2 n − 1 {2n-1} 2n1 时,所有求积系数为正。所以高斯公式是给定节点数下代数精度最高的求积公式。

构造Gauss型求积公式的步骤

  1. 对给定区间 [ a , b ] {[a,b]} [a,b] 及权函数 ρ ( x ) {\rho(x)} ρ(x) ,由Schmidt正交化过程构造正交多项式 P 0 ( x ) , P 1 ( x ) , ⋯   , P n ( x ) {P_0(x),P_1(x), \cdots ,P_n(x)} P0(x),P1(x),,Pn(x)
  2. 求出 P n ( x ) {P_n(x)} Pn(x) n {n} n 个零点 x 1 , x 2 , ⋯   , x n { x_1,x_2, \cdots, x_n} x1,x2,,xn 即为Gauss点
  3. 计算求积系数 A i = ∫ a b ρ ( x ) l i ( x ) d x {A_i= \int_{ a }^{b} \rho(x)l_i(x) \mathrm dx } Ai=abρ(x)li(x)dx i = 1 , 2 , ⋯   , n { i=1,2,\cdots,n } i=1,2,,n l i {l_i} li 为拉格朗日基函数

[!example]-
求计算积分 ∫ − 1 1 x 2 f ( x ) d x { \int_{ -1 }^{1} x^2f(x) \mathrm dx} 11x2f(x)dx 的两点Gauss公式。
解:
ρ ( x ) = x 2 , n = 2 \rho(x)=x^2, n=2 ρ(x)=x2,n=2
首先按Schmidt正交化求出正交多项式:
P 0 ( x ) = 1 P 1 ( x ) = x − ( x , P 0 ( x ) ) ( P 0 ( x ) , P 0 ( x ) ) P 0 ( x ) = x − ∫ − 1 1 x 3 d x ∫ − 1 1 x 2 d x = x P 2 ( x ) = x 2 − ( x 2 , P 0 ( x ) ) ( P 0 ( x ) , P 0 ( x ) ) P 0 ( x ) − ( x 2 , P 1 ( x ) ) ( P 1 ( x ) , P 1 ( x ) ) P 1 ( x ) = x 2 − ∫ − 1 1 x 4 d x ∫ − 1 1 x 2 d x − ∫ − 1 1 x 5 d x ∫ − 1 1 x 4 d x x = x 2 − 3 5 \begin{align*} P_0(x)=&1 \\ \\ P_1(x)=&x- \frac{(x,P_0(x))}{(P_0(x),P_0(x))}P_0(x)=x- \frac{\int_{ -1 }^{1} x^3 \mathrm dx}{\int_{ -1 }^{1} x^2 \mathrm dx}=x \\ \\ P_2(x)=&x^2- \frac{(x^2,P_0(x))}{(P_0(x),P_0(x))}P_0(x)-\frac{(x^2,P_1(x))}{(P_1(x),P_1(x))}P_1(x) \\ \\ =&x^2- \frac{\int_{ -1 }^{1} x^4 \mathrm dx}{\int_{ -1 }^{1} x^2 \mathrm dx}- \frac{\int_{ -1 }^{1} x^5 \mathrm dx}{\int_{ -1 }^{1} x^4 \mathrm dx}x=x^2- \frac{3}{5} \end{align*} P0(x)=P1(x)=P2(x)==1x(P0(x),P0(x))(x,P0(x))P0(x)=x11x2dx11x3dx=xx2(P0(x),P0(x))(x2,P0(x))P0(x)(P1(x),P1(x))(x2,P1(x))P1(x)x211x2dx11x4dx11x4dx11x5dxx=x253
再令 P 2 ( x ) = 0 {P_2(x)=0} P2(x)=0 求出Gauss点:
x 1 = − 3 5    ,    x 2 = 3 5 x_1=-\sqrt{\frac{3}{5}} \,\,,\,\, x_2=\sqrt{\frac{3}{5}} x1=53 ,x2=53
最后计算求积系数:
A 1 = ∫ − 1 1 x 2 l 1 ( x ) d x = ∫ − 1 1 x 2 x − x 2 x 1 − x 2 d x = 1 3 A 2 = ∫ − 1 1 x 2 l 2 ( X ) d x = ∫ − 1 1 x 2 x − x 1 x 1 − x 2 d x = 1 3 \begin{align*} A_1=& \int_{ -1 }^{1} x^2l_1(x) \mathrm dx= \int_{ -1 }^{1} x^2 \frac{x-x_2}{x_1-x_2} \mathrm dx= \frac{1}{3}\\ \\ A_2=& \int_{ -1 }^{1} x^2l_2(X) \mathrm dx= \int_{ -1 }^{1} x^2 \frac{x-x_1}{x_1-x_2} \mathrm dx= \frac{1}{3} \end{align*} A1=A2=11x2l1(x)dx=11x2x1x2xx2dx=3111x2l2(X)dx=11x2x1x2xx1dx=31
所以两点Gauss公式为
∫ − 1 1 x 2 f ( x ) d x ≈ 1 3 [ f ( − 3 5 ) + f ( 3 5 ) ] \int_{ -1 }^{1} x^2f(x) \mathrm dx \approx \frac{1}{3}[f(- \sqrt{\frac{3}{5}})+f(\sqrt{\frac{3}{5}})] 11x2f(x)dx31[f(53 )+f(53 )]

4.1 Gauss-legendre勒让德求积公式

区间 [ − 1 , 1 ] {[-1,1]} [1,1] ,权函数 ρ ( x ) = 1 {\rho(x)=1} ρ(x)=1
Gauss求积公式中在区间 [ − 1 , 1 ] {[-1,1]} [1,1] 上权函数为 1 {1} 1 的Gauss点其实是确定的,所以可以通过把待求区间伸缩变换到 [ − 1 , 1 ] {[-1,1]} [1,1] 间,再通过Gauss求积公式求解。
一点Gauss求积公式
∫ − 1 1 f ( x ) d x ≈ 2 f ( 0 ) \int_{ -1 }^{1} f(x) \mathrm dx \approx 2f(0) 11f(x)dx2f(0)
两点Gauss求积公式
∫ − 1 1 f ( x ) d x ≈ f ( − 1 3 ) + f ( 1 3 ) \int_{ -1 }^{1} f(x) \mathrm dx \approx f(- \frac{1}{\sqrt{3}})+f(\frac{1}{\sqrt{3}}) 11f(x)dxf(3 1)+f(3 1)
三点Gauss求积公式
∫ − 1 1 f ( x ) d x ≈ 5 9 f ( − 3 5 ) + 8 9 f ( 0 ) + 5 9 f ( 3 5 ) \int_{ -1 }^{1} f(x) \mathrm dx \approx \frac{5}{9} f(- \sqrt{\frac{3}{5}})+ \frac{8}{9}f(0) +\frac{5}{9}f(\sqrt{\frac{3}{5}}) 11f(x)dx95f(53 )+98f(0)+95f(53 )
任意区间的三点高斯求积公式:
∫ a b f ( x ) d x ≈ ( b − a ) 2 ( 5 9 f ( ( a + b ) 2 − 3 5 ( b − a ) 2 ) + 8 9 f ( ( a + b ) 2 ) + 5 9 f ( ( a + b ) 2 + 3 5 ( b − a ) 2 ) ) \int_{ a }^{b} f(x) \mathrm dx \approx \frac{(b-a)}{2} \bigg( \frac{5}{9} f(\frac{(a+b)}{2} - \sqrt{\frac{3}{5}}\frac{(b-a)}{2})+ \frac{8}{9}f(\frac{(a+b)}{2}) +\frac{5}{9}f(\frac{(a+b)}{2} + \sqrt{\frac{3}{5}}\frac{(b-a)}{2}) \bigg) abf(x)dx2(ba)(95f(2(a+b)53 2(ba))+98f(2(a+b))+95f(2(a+b)+53 2(ba)))
matlab实现

%% 三点高斯勒让德求积公式
% 输入函数,积分上界,积分下界
function I = gaussL3P(f,a,b)
    x = (a+b)/2+(b-a)/2*[-sqrt(0.6) 0 sqrt(0.6)];
    I = (b-a)/2*f(x)*[5 8 5]'/9;
end

四点Gauss求积公式
高斯点 : ± 0.8611363    ,    高斯系数 : 0.3478548 高斯点:\pm0.8611363 \,\,,\,\, 高斯系数:0.3478548 高斯点:±0.8611363,高斯系数:0.3478548
高斯点 : ± 0.3399810    ,    高斯系数 : 0.6521452 高斯点:\pm0.3399810 \,\,,\,\, 高斯系数:0.6521452 高斯点:±0.3399810,高斯系数:0.6521452

[!example]-
已知三点Gauss公式
∫ − 1 1 f ( x ) d x ≈ 5 9 f ( 0.6 ) + 8 9 f ( 0 ) + 5 9 f ( − 0.6 ) \int_{ -1 }^{1} f(x) \mathrm dx \approx \frac{5}{9}f(\sqrt{0.6})+ \frac{8}{9}f(0)+ \frac{5}{9}f(- \sqrt{0.6}) 11f(x)dx95f(0.6 )+98f(0)+95f(0.6 )
试用如上公式计算 ∫ 0.5 1 x d x { \int_{ 0.5 }^{1} \sqrt{x} \mathrm dx} 0.51x dx 的值。
解:换限,设
t = a x + b t=ax+b t=ax+b
{ 0.5 a + b = − 1 a + b = 1 ⇒ { a = 4 b = − 3 \begin{cases} 0.5a+b=-1 \\ \\ a+b=1 \end{cases} \Rightarrow \begin{cases} a=4 \\ \\ b=-3 \end{cases} 0.5a+b=1a+b=1 a=4b=3
∫ 0.5 1 f ( x ) d x = 1 4 ∫ − 1 1 f ( t + 3 4 ) d t ≈ 1 4 [ 5 9 f ( 0.6 + 3 4 ) + 8 9 f ( 0 + 3 4 ) + 5 9 f ( − 0.6 + 3 4 ) ] = 1 4 [ 5 9 0.6 + 3 4 + 8 9 0 + 3 4 + 5 9 − 0.6 + 3 4 ] = 0.4310 \begin{align*} \int_{ 0.5 }^{1} f(x) \mathrm dx=& \frac{1}{4} \int_{ -1 }^{1} f(\frac{t+3}{4}) \mathrm dt \\ \\ \approx& \frac{1}{4}[\frac{5}{9} f(\frac{\sqrt{0.6}+3}{4})+ \frac{8}{9}f(\frac{0+3}{4}) + \frac{5}{9}f(\frac{- \sqrt{0.6}+3}{4}) ] \\ \\ =&\frac{1}{4}[\frac{5}{9} \sqrt{\frac{\sqrt{0.6}+3}{4}}+ \frac{8}{9}\sqrt{\frac{0+3}{4}} + \frac{5}{9}\sqrt{\frac{- \sqrt{0.6}+3}{4}} ] \\ \\ =&0.4310 \end{align*} 0.51f(x)dx===4111f(4t+3)dt41[95f(40.6 +3)+98f(40+3)+95f(40.6 +3)]41[9540.6 +3 +9840+3 +9540.6 +3 ]0.4310

4.2 变形的Gauss型求积公式

Gauss-Laguerre拉盖尔求积公式
区间 [ 0 , + ∞ ) {[0,+\infty)} [0,+) ,权函数 ρ ( x ) = e − x {\rho(x)=e^{-x}} ρ(x)=ex
Gauss-Hermite求积公式
两点Gauss-Hermite求积公式
∫ − ∞ + ∞ e − x 2 f ( x ) d x ≈ π 2 f ( − 2 2 ) + π 2 f ( 2 2 ) \int_{ -\infty }^{+\infty} e^{-x^2}f(x) \mathrm dx \approx \frac{\sqrt{\pi}}{2} f(-\frac{\sqrt{2}}{2})+\frac{\sqrt{\pi}}{2} f(\frac{\sqrt{2}}{2}) +ex2f(x)dx2π f(22 )+2π f(22 )
三点Gauss-Hermite求积公式
∫ − ∞ + ∞ e − x 2 f ( x ) d x ≈ π 6 f ( − 6 2 ) + 2 π 3 f ( 0 ) + π 6 f ( 6 2 ) \int_{ -\infty }^{+\infty} e^{-x^2}f(x) \mathrm dx \approx \frac{\sqrt{\pi}}{6} f(-\frac{\sqrt{6}}{2})+ \frac{2 \sqrt{\pi}}{3} f(0)+\frac{\sqrt{\pi}}{6} f(\frac{\sqrt{6}}{2}) +ex2f(x)dx6π f(26 )+32π f(0)+6π f(26 )

区间 ( − ∞ , + ∞ ) {(-\infty,+\infty)} (,+) ,权函数 ρ ( x ) = e − x 2 {\rho(x)=e^{-x^2}} ρ(x)=ex2

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:http://www.coloradmin.cn/o/1351337.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

ES6 class详解

✨ 专栏介绍 在现代Web开发中,JavaScript已经成为了不可或缺的一部分。它不仅可以为网页增加交互性和动态性,还可以在后端开发中使用Node.js构建高效的服务器端应用程序。作为一种灵活且易学的脚本语言,JavaScript具有广泛的应用场景&#x…

【Java】SpringBoot整合xxl-job学习使用详解

文章目录 介绍作用如何使用下载项目中央仓库地址环境调度中心初始化“调度数据库”配置部署“调度中心”部署项目调度中心集群(可选)其他:Docker 镜像方式搭建调度中心配置部署“执行器项目” 执行器maven依赖执行器配置执行器组件配置执行器…

Qt:自定义一个好看的等待提示Ui控件

一、2024 永不卡顿 爱的魔力它转圈圈~ 等待样式控件是我们在做UI时出场率还挺高的控件之一,通常情况下有如下的几种实现方式: 1> 获取一张gif的资源图,然后使用QMovie 在一个QLabel 控件上加载显示gif的waiting等待动态。 2> 自定义绘图…

electron自定义菜单

创建menu.js const { app, Menu } require("electron"); const createMenu () > {const menu [{label: "菜单",submenu: [{label: "新增",click: () > {},}, ],},{label: "关于",submenu: [{label: "新增",click:…

系统编程--VIM特辑

这里写目录标题 vim三种工作模式进入文本模式的快捷键在命令模式下进行文本编辑删除快捷键复制粘贴查找替换查找替换 vim其他操作 vim打造简易IDE vim 三种工作模式 具体可见第二章对vim的详细介绍 需要注意的是,在末行模式下执行完一次命令,就可以直接…

深度生成模型之GAN优化目标设计与改进 ->(个人学习记录笔记)

文章目录 深度生成模型之GAN优化目标设计与改进原始GAN优化目标的问题1. JS散度度量问题2. 梯度问题 优化目标的设计与改进1. 最小二乘损失GAN2. Energy-based GAN(EBGAN)3. Wasserstein GAN4. WGAN-GP5. Boundary Equilibrium GAN(BEGAN)6. Loss Sensitive GAN7. Relativeisti…

【安卓的签名和权限】

Android 编译使用哪个key签名? 一看Android.mk 在我们内置某个apk的时候都会带有Android.mk,这里面就写明了该APK使用的是什么签名,如: LOCAL_CERTIFICATE : platform表明使用的是platform签名 LOCAL_CERTIFICATE : PRESIGNED…

运算符的优先级(规矩是人定的)

运算符的优先级(规矩是人定的) 什么是经典?经典就是理论不随时间变迁而变化。《东方不败》中的很多台词让人时不时想起来振聋发聩。比如 很多事情不是自己想的那样,规矩是人定的。 舔狗和有思想 从小到大,我们都学过…

docker安装postgresql15或者PG15

1. 查询版本 docker search postgresql docker pull postgres:15.3 # 也可以拉取其他版本2.运行容器并挂载数据卷 mkdir -p /data/postgresql docker run --name postgres \--restartalways \-e POSTGRES_PASSWORDpostgresql \-p 5433:5432 \-v /data/postgresql:/var/lib/p…

记一个CSS样式实现思路(鼠标聚焦时完整内容,失焦时只显示部分)

效果图 默认状态 鼠标悬浮时 缓慢展示完整内容 实现方法 方法一 使用max-width,当鼠标悬浮时&#xff0c;设置max-width为一个足够大的数值 <div class"flex justify-center align-center mt-20px"><div v-for"(item, key) in ssoList" :key&q…

spi_2024.1.2

spi.h #ifndef __SPI_H__ #define __SPI_H__#include "stm32mp1xx_gpio.h" #include "stm32mp1xx_rcc.h"#include"uart4.h" #include"key_it.h" // MOSI对应的引脚输出高低电平的信号PE14 #define MOSI_OUTPUT_H() do{GPIOE->O…

爬虫与反爬-localStorage指纹(某易某盾滑块指纹检测)(Hook案例)

概述&#xff1a;本文将用于了解爬虫中localStorage的检测原理以及讲述一个用于检测localStorage的反爬虫案例&#xff0c;最后对该参数进行Hook断点定位 目录&#xff1a; 一、LocalStorage 二、爬虫中localStorage的案例&#xff08;以某盾滑块为例&#xff09; 三、如何…

机器学习基本概念及模型简单代码(自用)

监督学习 监督学习是机器学习的一种方法&#xff0c;其中我们教导模型如何做出预测或决策&#xff0c;通过使用包含输入和对应输出的已标注数据集进行训练。这种方法的关键特点是利用这些标注数据**&#xff08;即带有正确答案的数据&#xff09;**来指导模型的学习过程。 一言…

openssl 命令详解

openssl genrsa 命令产生私钥 openssl genrsa 命令是会用来生成 RSA 私有秘钥&#xff0c;不会生成公钥&#xff0c;因为公钥提取自私钥。生成时是可以指定私钥长度和密码保护。 如果需要查看公钥或生成公钥&#xff0c;可以使用 openssl rsa 命令。 命令语法&#xff1a; ope…

MVCC 并发控制原理-源码解析(非常详细)

基础概念 并发事务带来的问题 1&#xff09;脏读&#xff1a;一个事务读取到另一个事务更新但还未提交的数据&#xff0c;如果另一个事务出现回滚或者进一步更新&#xff0c;则会出现问题。 2&#xff09;不可重复读&#xff1a;在一个事务中两次次读取同一个数据时&#xff0c…

微信小程序使用echarts报错 ReferenceError: Image is not defined 解决

报错 ReferenceError: Image is not defined 在用uni-app开发微信小程序时&#xff0c;使用到了echarts&#xff08;V4.6.0&#xff09;配置项中的icon属性&#xff0c;微信开发者工具报错如下&#xff1a; 定位问题 定位问题到了压缩echarts文件中的new Image 使用非压缩…

白话机器学习的数学-3-评估

1、 模型评估 那我们如何测量预测函数 fθ(x)的正确性&#xff0c;也就是精度呢&#xff1f; 观察函数的图形&#xff0c;看它能否很好地拟合训练数据&#xff1a; 这是只有一个变量的简单问题&#xff0c;所以才能在图上展 示出来。 过像多重回归这样的问题&#xff0c;变量增…

C# 语法进阶 委托

1.委托 委托是一个引用类型&#xff0c;其实他是一个类&#xff0c;保存方法的指针 &#xff08;指针&#xff1a;保存一个变量的地址&#xff09;他指向一个方法&#xff0c;当我们调用委托的时候这个方法就立即被执行 关键字&#xff1a;delegate 运行结果&#xff1a; 思…

canvas绘制圆点示例

查看专栏目录 canvas示例教程100专栏&#xff0c;提供canvas的基础知识&#xff0c;高级动画&#xff0c;相关应用扩展等信息。canvas作为html的一部分&#xff0c;是图像图标地图可视化的一个重要的基础&#xff0c;学好了canvas&#xff0c;在其他的一些应用上将会起到非常重…

计算机网络复习1

概论 文章目录 概论计算机网络的组成功能分类性能指标&#xff08;搞清楚每个时延的具体定义&#xff09;分层结构协议、接口和服务服务的分类ISO/OSITCP/IP两者的不同 计算机网络的组成 组成部分&#xff1a;硬件&#xff0c;软件和协议&#xff08;协议&#xff1a;传输数据…