数值积分的梯形逼近及误差分析

数值积分的梯形逼近及误差分析


引入梯形逼近的原因是,在求解一些函数的反导数时候,过程极为复杂甚至可能就不可能有简单的数学表达式,那么就需要把函数f的积分切成n个连续的小梯形,计算这n个连续的小梯形的黎曼和,从而得到积分。
如图:
数值积分的梯形逼近及误差分析_第1张图片
在区间[a,b],把这段区间切分成等长为h的若干个小梯形,那么可以把[a,b]的积分:
  数值积分的梯形逼近及误差分析_第2张图片
转换为求解这些梯形面积和的问题。梯形的面积计算无疑非常简单:

数值积分的梯形逼近及误差分析_第3张图片

h=(b-a)/n
显然梯形逼近是一种大致数值逼近,必然存在误差T:
数值积分的梯形逼近及误差分析_第4张图片
给出一个评估误差的公式,若f’’连续并且M是|f’’|的值在[a,b]上的一个上界,那么
数值积分的梯形逼近及误差分析_第5张图片
其中h=(b-a)/n
假设f(x)=x^3,那么在区间[1,2],则M=6*x=6 * 2=12,h=(2-1)/n=1/n

除了梯形逼近外,在数值积分的逼近方法中还有抛物线逼近。这两种方法可能会给使用者一个错觉,认为步进值取的越小,越精确,事实上完全相反,当取的步进值过于小时候,反而逼近的结果令人失望,原因是步进值很小,划分的块太小,导致每一块的误差累积起来,产生了更大的误差。

你可能感兴趣的:(人工智能,Artificial,Intelligence,卷积神经网络,机器学习,AI,深度学习,Deep,Learning,matlab,数学,数值分析,Machine,Learning,人工智能,深度学习,机器学习)