数値統合 – 数値方法 [初め] マークされた積分の近似計算で構成されています。締め切り 数値的四肢 、多くの場合 Quadratura 、特に1次元積分に関連して、数値積分と同義です。 2次元および多次元の統合と呼ばれることもあります 立方体 、名前ですが Quadratura また、高次元での統合にも適用されます。
単純な数値積分方法は、いくつかのポイントでの積分関数の加重値の適切な合計と積分を近似することに構成されています。より正確な近似を取得するために、統合間の統合は小さなフラグメントに分割されます。最終結果は、個々のサポートの完全な推定値の合計です。ほとんどの場合、コンパートメントは平等なサポートに分割されますが、より洗練されたアルゴリズムは、関数の変動速度にステップを適合させることができます。
Quadraturメソッドの最も単純な方法は、パターンを使用することです
-
そこに
長さの多くのサポートです
この方法には3つのバリエーションがあります。
- 左の長方形
- 中程度の長方形
– このバリアントは最適な近似を与えます、
- 正しい長方形がいつ
もちろん、一般的なバリアントがあります
台形法は、各サポートの積分関数に近似していることです
長さで
これにより、マーキングを入力した後に受け取ります
-
この方法のエラーの推定はです
-
どこ:
-
-
別の記事:Simpsonメソッド。
この方法では、偶数に統合の分割が必要です
サポート、つまり
-
-
2つの隣接するサポートにラグランジュの正方形の補間を使用すると、
-
-
機能でいっぱいの場合
コンパートメント内
メソッドの方法はです
-
-
別の記事:ガウス象限。
Gaussメソッドを使用すると、四角設計の精度の大幅な増加を取得できます [初め] 。その本質は、ノードの位置を最適に選択することにより、正方形エラーを最小化することにあります
および重量値
象限パターン
|
|
-
|
|
(a)
|
そこに
フォーミュラで使用されているデザインのおかげで(a)
任意のコンパートメント
標準コンパートメント用
このパターンは、一意の値のため普遍的です
あなたは完全に安定することができます。
値の計算
シングルのガウス手順の統合を要求することで実行できます
正確な結果を出しました
|
|
-
|
|
(b)
|
つまり、そのためのものです
-
書いた後、私たちは解決するのが難しい、非線形システムを取得します
方程式
|
|
-
-
-
-
-
-
-
-
-
|
|
(c)
|
決定
値
下の表にはコンパイルされています [2] 計算されたパラメーター値
ステップの多項式の場合
|
|
|
|
|
初め |
0 |
|
|
|
2 |
|
|
|
|
3 |
|
0 |
|
|
4 |
|
|
|
|
5 |
|
|
0 |
|
6 |
|
|
|
|
7 |
|
|
|
0 |
8 |
|
|
|
|
|
|
|
|
|
初め |
|
|
|
|
2 |
|
|
|
|
3 |
|
|
|
|
4 |
|
|
|
|
5 |
|
|
|
|
6 |
|
|
|
|
7 |
|
|
|
|
8 |
|
|
|
|
文学で引用 [初め] 方程式のシステムを解く方法(c)は、任意の番号の数値の値についてそれを観察することで構成されています
係数のマトリックス
初め
このシステムの方程式は、Vandermondeマトリックスです。これのおかげで、明確に定義された解決策があることが知られています
ただし、最適な値の決定は未解決の問題のままです
この目的のために、条件(b)は多項式の程度結合の形式に変更します
|
|
-
|
|
(d)
|
どこ
程度多項式です
式(d)の積分は、マルチコアのときに壊れます
彼らはシングルミアンとの直交です
ために
に
まさにそのプロパティ [3] 彼らはlegendre Multi -Multiを持っています。彼らのために(d)の代わりに持っています
|
|
-
|
|
(そうです)
|
この条件は、任意の値に対して識別されます
いつ
それらはLegendRe Polynomialの要素です
– この程度、次に
確率的方法は、マークされた積分の近似計算にも使用できます。ただし、このような統合の結果もランダム変数であることを覚えておく必要があります。
このアイデアは、機能チャートの下にあるフィールドのフィールドに基づいています
-
-
-
コンパートメントからランダムに選択されます
サンプル番号を指定します。
例 – 長方形の方法 [ 編集 | コードを編集します ]
関数をマージしてみましょう
0から1の範囲では、分析的にマージできるため、正確な結果がわかっているため、さまざまな統合方法を近似するエラーを簡単に計算できます。 10小数点の正確さで、正しい結果は次のとおりです。
-
ミドルポイントの原理を使用した数値統合により、結果が得られます。
-
これにより、0.0361115771(相対誤差4.3%)があります – このような単純な方法では小さいですが、もちろん多くのアプリケーションには不十分です。
より良い近似を取得するために、統合コンパートメントを分割できます。
-
絶対誤差0.0088296604または相対1%。
より多くのフラグメント間で統合を分割することにより、より良い近似値を取得できます。
番号 部 |
結果 |
間違い |
絶対 |
相対的 |
初め |
0.8775825619 |
0.0361115771 |
4.29% |
2 |
0.8503006452 |
0.0088296604 |
1.05% |
4 |
0.8436663168 |
0.0021953320 |
0.26% |
8 |
0.8420190672 |
0.0005480824 |
0.07% |
|
0.8414709848 |
0 |
0% |
例2 [ 編集 | コードを編集します ]
時間経過の数値統合。トライアルを統合してみましょう。
0から0から
[s]。サンプリングの頻度をマークしましょう
[Hz]。
計算には長方形の方法を使用します。分割直径
1.
統合後のサンプルを意味します。すべての単語
部分的な合計として計算できます。
-
- ↑ a b c B.P. Demidowicz、I.A。マロン、 数値的方法 、パート2、PWN、ワルシャワ1965。
- ↑ B.オルツァウスキー、 選択された数値方法 、編クラクー工科大学、クラクフ2007年。
- ↑ sh。ミケラゼ、 数学的なアナルの数値的方法 、Gostehizdat、1953、d xiii、xviii。
Recent Comments