【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

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.mzph.cn/news/594661.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

代码随想录刷题笔记(DAY 8)

今日总结:最后一道题解决的比较糟糕,后续会补上新解法,今天还是将中心放在了前端。 Day 8 01. 反转字符串(No. 344) 题目链接 代码随想录题解 1.1 题目 编写一个函数,其作用是将输入的字符串反转过来。…

医院信息系统集成平台—Ensemble集成平台中间件

Ensemble HIE(健康信息交换)是InterSystems公司一个新的产品,它采用了一种全新的解决方案,是一个强大的应用软件整合平台,它包括了为医疗信息交换预先开发好的组件,使用Ensemble可以快速地整合和开发复合应用程序。Ensemble在增强现有软件功能、协调新的商业过程和集中企…

力扣hot100 二叉树的层序遍历 BFS 队列

👨‍🏫 题目地址 时间复杂度: O ( n ) O(n) O(n)空间复杂度: O ( n ) O(n) O(n) 😋 队列写法 /*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode…

Java 第19章 IO流 课堂练习+本章作业

文章目录 Buffered流拷贝二进制文件创建文件写入文本读取文本文件存读Properties文件 Buffered流拷贝二进制文件 package com.hspedu.chapter19.outputStream;import java.io.*;public class BufferedCopy02 {public static void main(String[] args) {String srcFilePath &q…

RC4算法解析

RC4是由RSA Security的罗纳德李维斯特在1987年开发出来的,虽然它的官方名是“Rivest Cipher 4”,但是首字母缩写RC也可以理解为"Ron’s Code"。 RC4加解密原理 加解密分为两个步骤:密钥的初始化和加解密。 初始化: …

【面试高频算法解析】算法练习2 回溯

目录 前言算法解析练习题组合总和全排列II单词搜索 前言 本篇章开放目的是按算法类型学习算法,学习对应算法理论,并通过练习一些经典算法题深入理解这类算法,避免出现刷了很多算法题,还是一知半解的状态 算法解析 回溯&#xff…

es 简单集群搭建,版本8.6.2

Node-1 配置: # elasticsearch.yml for Node-1cluster.name: my-test-cluster node.name: node-1 path.data: /path/to/data/node-1 path.logs: /path/to/logs/node-1 network.host: 127.0.0.1 http.port: 9200 transport.port: 9300 discovery.seed_hosts: ["…

Canal+RabbitMQ实现MySQL数据同步至ClickHouse

ClickHouse作为一个被广泛使用OLAP分析引擎,在执行分析查询时的速度优势很好的弥补了MySQL的不足,但是如何将MySQL数据同步到ClickHouse就成了用户面临的第一个问题。本文利用Canal来实现ClickHouse实时同步MySQL数据,使用RabbitMQ来做消息队…

FreeRTOS——计数型信号量知识总结及实战

1计数型信号量概念 1)计数型信号量相当于队列长度大于1 的队列,因此计数型信号量能够容纳多个资源 2)适用场景: 事件计数: 当每次事件发生后,在事件处理函数中释放计数型信号量(计数值1&#x…

【C语言】汉诺塔问题/数据结构经典问题/详细总结讲解

1. 前言 汉诺塔问题是一个经典的递归问题,源于印度的一个古老传说。这个问题的特点是其独特的解决方式,需要将一堆盘子从一个柱子移动到另一个柱子,每次只能移动一个盘子,并且不能将一个较大的盘子放在较小的盘子上面。这个问题的…

MySQL存储引擎InnoDB和MyISAM的区别?

MySQL存储引擎InnoDB和MyISAM的区别? InnoDB和MyISAM是MySQL数据库两种常见的存储引擎,它们在性能、事务支持等方面有一些重要的区别。以下是它们的一些主要区别: 事务支持: InnoDB: 支持事务,具有ACID(原…

Go语言开发IDE全面分析

Go语言开发IDE全面分析 Go语言,又称为Golang,是Google开发的一种静态类型、编译型语言,它具有简洁、快速、安全、并发等特点。作为一名高效的Go语言程序员,选择一个功能强大的集成开发环境(IDE)是至关重要…

在Docker中安装Tomact

目录 前言: 一.安装Tomact 查找指定的tomact版本 下载tomact9.0 查看该镜像是否安装成功 安装成功之后就开始运行镜像了 ps(用于列出正在运行的Docker容器) ​编辑 测试(虚拟机ip:8080) ​编辑 解决措施 ​编辑 完成以上步骤&…

如何将本文中的表情符号,使用正则表达式pattern,匹配并替换

如下面的文本: xxxxx \uD83E\uDD1F xxxxx 🤟 xxxxx \uD83E\uDD1Fxxxxx 🤟如何替换这些特殊的unicode呢? 我们先学习下常见的正则: 基本的 Unicode 属性分类 \p{L}|\p{Letter} 字母 \p{M}|\p{Mark

技术学习|CDA level I 描述性统计分析(统计学概述)

统计学是一门收集、处理、分析、解释数据,并从中得出结论的科学。 研究思路:收集数据——>处理数据——>分析数据——>解释数据 收集数据是数据分析的前提,传统的数据收集方法包括两个来源:直接来源和间接来源&#xff…

LabVIEW在高精度机器人视觉定位系统中的应用

在现代工业自动化中,精确的机器人视觉定位系统对于提高生产效率和产品质量至关重要。LabVIEW软件,以其卓越的图像处理和自动化控制功能,在这一领域发挥着重要作用。本案例将展示LabVIEW如何帮助开发和实现一个高精度的机器人视觉定位系统&…

有什么安全处理方案可以有效防护恶意爬虫

常见的爬虫 有百度爬虫、谷歌爬虫、必应爬虫等搜索引擎类爬虫,此类爬虫经常被企业用于提高站点在搜索引擎内的自然排名,使得站点在各大搜索引擎中的排名能够提高,进一步通过搜索引擎来进行引流为企业增加业务流量。 恶意爬虫与合法、合规的搜…

Web自动化测试框架总结

实施过了web系统的UI自动化,回顾梳理下,想到什么写什么,随时补充。 首先,自动化测试不是手动测试的替代品,是比较好的补充,而且不是占大比重的补充。 70%的测试工作集中在底层接口测试和单元测试&#xff0…

多元统计分析(4):判别分析

4.1 判别分析的目标 主要目的:判别一个个体所属类别 4.2 距离判别 都选用用马氏距离 4.2.1 判别准则 化简的证明: 称为判别函数,为判别系数。 4.2.2 误判概率 【1】当两个正态总体的协方差相同 证明: 当两个正态总体重合的时…

uniapp中组件库丰富的Switch 开关选择器使用方法

目录 #平台差异说明 #基础使用 #加载中 #禁用switch #自定义尺寸 #自定义颜色 #自定义样式 #异步控制 API #Switch Props #Switch Event 选择开关用于在打开和关闭状态之间进行切换。 #平台差异说明 App(vue)App(nvue&#xff0…