生活随笔
收集整理的這篇文章主要介紹了
微分求积：复化梯形、复化辛浦生
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
復化梯形
將積分區間[a,b]劃分n等分，步長，求積節點，在每個小區間上應用梯形公式
然后將它們累加求和，作為所求積分I的近似值.
記 ? ??
式為復化梯形求積公式，下標n表示將區間n等分。
算法流程?
算法代碼
[cpp]?view plaincopy
double?f(double?x){?? ??if(x==0)?return?1;?? ??else?return?(sin(x)/x);?? }?? ?? double?FuhuaTixing(int?n,double?a,double?b){?? ??double?h?=?(b-a)/n;?? ??double?x?=?a;?? ??double?s?=?0;?? ??for(int?k=0;?k<?n-1;?k++){?? ????x?+=?h;?? ????s?+=?f(x);?? ??}?? ??double?T?=?(f(a)+s*2+f(b))*h/2;?? ??return?T;?? }?? ?? int?main(){?? ??char?ans='n';?? ??do{?? ????cout<<"請輸入積分區間(a,b)："<<endl;?? ????double?a;?? ????double?b;?? ????cin>>a>>b;?? ????cout<<"請輸入等分份數n：?"<<endl;?? ????int?n;?cin>>n;?? ????cout<<"由復化梯形公式球的結果："<<FuhuaTixing(n,a,b)<<endl;?? ????cout<<"是否要繼續？(y/n)";?? ????cin>>ans;?? ??}while(ans?==?'y');?? ??return?0;?? }????????????
復化辛復生
將積分區間[a,b]劃分n等分，記子區間的中點為在每個小區間上應用辛普森公式，則有
其中
記 ? ? ? ? ? ? ? ? ? ? ? ? ??
式為復化辛普森求積公式。
算法流程
算法代碼
[cpp]?view plaincopy
double?f(double?x){?? ??if?(x==0)?? ?????return?1;?? ??else?return?(sin(x)/x);?? }?? ?? double?Xinfusheng(double?a,double?b,int?n){?? ??double?h?=?(b-a)/n;?? ??double?x?=?a+1/2*h;?? ??double?s?=?4*f(x);?? ??for(int?k=1;k<n;k++){?? ????x?+=?1/2*h;?? ????s?+=?4*f(x);?? ????x?+=?1/2*h;?? ????s?+=?2*f(x);?? ??}?? ??double?T=(f(a)+s+f(b))*h/6;?? ??return?T;?? }?? ?? int?main(){?? ??char?ans='n';?? ??do{?? ????cout<<"請輸入積分區間(a,b)："<<endl;?? ????double?a;?? ????double?b;?? ????cin>>a>>b;?? ????cout<<"請輸入等分份數n：?"<<endl;?? ????int?n;?? ????cin>>n;?? ????cout<<"由復化梯形公式球的結果："<<Xinfusheng(a,b,n)<<endl;?? ????cout<<"是否要繼續？(y/n)";?? ????cin>>ans;?? ??}while(ans?==?'y');?? ??return?0;?? }????? 實驗過程原始記錄
分別用復化梯形公式和復化辛浦生公式計算定積分
取n=2，4，8，16，精確解為0.9460831
實驗結果及分析
1、用復化梯形公式和復化辛甫生公式都能得到較為準確的結果，且等分份數越多，結果的精度越高，梯形公式雖然在等分16份時得到精度與等分4份時相同，但已經越來越接近精確解。辛甫生公式由于C++運算中雙精度數值（double）只有7位有效數字的限制，增加等分份數時不容易看出其精度的增加。
2、比較兩種方法運算的結果，復化辛甫生公式等分2份時實際要計算5個點的函數值，與復化梯形公式等分4份時計算量基本相同，但得到精度明顯復化辛甫生公式要精確很多。
3、復化梯形公式和復化辛甫生公式對于光滑性較差的被積函數都能得到較為精確的結果，而且公式簡單，十分利于編譯簡單的程序由計算機運算，因而得到廣泛的應用。
4、實驗中的主要誤差來自于計算機浮點運算中的截余。
（轉載請注明作者和出處：http://blog.csdn.net/xiaowei_cqu?未經允許請勿用于商業用途）
總結
以上是生活随笔為你收集整理的微分求积：复化梯形、复化辛浦生的全部內容，希望文章能夠幫你解決所遇到的問題。
如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。
