数学 > 数值分析
[提交于 2012年2月1日
]
标题: 牛顿-柯特斯公式的简单推导及现实误差
标题: A Simple Derivation of Newton-Cotes Formulas with Realistic Errors
摘要: 为了近似积分$I(f)=\int_a^b f(x) dx$,其中$f$是一个足够光滑的函数,使用给定的{\it 面板}个$n (n\geq 2)$等距点来开发求积规则的模型。 这些模型来源于不定系数法,使用牛顿多项式基。 尽管最终产品的一部分在代数上等价于众所周知的闭型牛顿-柯特斯公式,但得到的算法并不是经典的。 在基本模型中采用最简单的求积规则$Q_n$(所谓的左矩形法则)并构造一个修正项$\tilde E_n$,使得最终规则$S_n=Q_n+\tilde E_n$是插值性的。 修正 $\tilde E_n$,根据数据的差商,可以视为 {\em 现实校正}对于 $Q_n$的一种,从意义上说 $\tilde E_n$应该接近 $Q_n$的真实误差的大小,并且符号也正确。 规则 $S_n$的理论误差分析以及差商的一些经典性质建议在给定的面板中加入一个或两个新点。 当 $n$为偶数时加入一个点,否则加入两个点。 在两种情况下,这种方法能够计算 {\em 实际误差} $\bar E_{S_n}$ 对于 {\it 扩展或修正} 规则 $S_n$。 各自输出$(Q_n,\tilde E_n, S_n, \bar E_{S_n})$包含关于近似值质量的可靠信息$Q_n$和$S_n$,前提是满足涉及函数$f$导数比值的某些条件。 这些简单规则很容易转换为{\it 复合}的规则。 给出了数值例子,表明这些求积规则作为经典牛顿-科特斯公式的计算替代方法是有用的。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.