复合梯形公式、复合辛普森公式 matlab
1. 用1阶至4阶Newton-Cotes公式计算积分
程序：
function I = NewtonCotes(f,a,b,type)
%
syms t;
t=findsym(sym(f));
I=0;
switch type
case 1,
I=((b-a)/2)*(subs(sym(f),t,a)+subs(sym(f),t,b));
case 2,
I=((b-a)/6)*(subs(sym(f),t,a)+4*subs(sym(f),t,(a+b)/2)+...
subs(sym(f),t,b));
case 3,
I=((b-a)/8)*(subs(sym(f),t,a)+3*subs(sym(f),t,(2*a+b)/3)+...
3*subs(sym(f),t,(a+2*b)/3)+subs(sym(f),t,b));
case 4,
I=((b-a)/90)*(7*subs(sym(f),t,a)+...
32*subs(sym(f),t,(3*a+b)/4)+...
12*subs(sym(f),t,(a+b)/2)+...
32*subs(sym(f),t,(a+3*b)/4)+7*subs(sym(f),t,b));
case 5,
I=((b-a)/288)*(19*subs(sym(f),t,a)+...
75*subs(sym(f),t,(4*a+b)/5)+...
50*subs(sym(f),t,(3*a+2*b)/5)+...
50*subs(sym(f),t,(2*a+3*b)/5)+...
75*subs(sym(f),t,(a+4*b)/5)+19*subs(sym(f),t,b));
case 6,
I=((b-a)/840)*(41*subs(sym(f),t,a)+...
216*subs(sym(f),t,(5*a+b)/6)+...
27*subs(sym(f),t,(2*a+b)/3)+...
272*subs(sym(f),t,(a+b)/2)+...
27*subs(sym(f),t,(a+2*b)/3)+...
216*subs(sym(f),t,(a+5*b)/6)+...
41*subs(sym(f),t,b));
case 7,
I=((b-a)/17280)*(751*subs(sym(f),t,a)+...
3577*subs(sym(f),t,(6*a+b)/7)+...
1323*subs(sym(f),t,(5*a+2*b)/7)+...
2989*subs(sym(f),t,(4*a+3*b)/7)+...
2989*subs(sym(f),t,(3*a+4*b)/7)+...
1323*subs(sym(f),t,(2*a+5*b)/7)+...
3577*subs(sym(f),t,(a+6*b)/7)+751*subs(sym(f),t,b));
end
syms x
f=exp(-x).*sin(x);
a=0;b=2*pi;
I = NewtonCotes(f,a,b,1)
N=1:
I =
0
N=2:
I =
0
N=3:
I =
(pi*((3*3^(1/2)*exp(-(2*pi)/3))/2 - (3*3^(1/2)*exp(-(4*pi)/3))/2))/4
N=4:
I =
(pi*(32*exp(-pi/2) - 32*exp(-(3*pi)/2)))/45
2. 已知，因此可以通过数值积分计算的近似值。
（1）分别取和，利用复合梯形公式和复合Simpson公式计算的近似值；
程序：
function Y= CombineTraprl(f,a,b,h)
%用复合梯形公式计算积分
syms t;
t= findsym(sym(f));
n=(b-a)/h;
I1= subs(sym(f),t,a);
l=0;
for k=1:n-1
xk=a+h*k;
l=l+2*subs(sym(f),t,xk);
end
Y=(h/2)*(I1+l+subs(sym(f),t,b));
syms x
f=4/(1+x^2);
a=0;b=1;
y= CombineTraprl(f,a,b,0.1);
vpa(y,6)
h=0.1:
ans =
3.13993
H=0.2:
ans =
1.04498
复合辛普森：
function Y= CombineSimpson(f,a,b,h)
%用复合辛普森公式计算积分
syms t;
t= findsym(sym(f));
n=(b-a)/h;
I1= subs(sym(f),t,a);
l=0;
for k=1:n-1
xk=a+h*k;
l=l+2*subs(sym(f),t,xk);
end
l2=0;
for k=1:n-1
xk2=a+h*(k+1)/2;
l2=l2+4*subs(sym(f),t,xk2);
end
Y=(h/6)*(I1+l+l2+subs(sym(f),t,b));
H=0.1:
ans =
3.22605
H=0.2:
ans =
2.93353
（2）把区间[0,1] 等分，利用复合梯形公式和复合Simpson公式计算的近似值，若要求误差不超过，问需要把区间[0,1]划分成多少等份；
function n=trap(f,a,b)
syms t;
t= findsym(sym(f));
I=zeros(1,500);
I(1)=((b-a)/2)*(subs(sym(f),t,a)+subs(sym(f),t,b));
I(2)=((b-a)/4)*(subs(sym(f),t,a)+2*subs(sym(f),t,(b-a)/2)+subs(sym(f),t,b));
k=3;
while((I(k-1)-I(k-2))>1/2*10^(-6))
l=0;
for i=1:k-1
xi=a+(b-a)/k*i;
l=l+2*subs(sym(f),t,xi);
end
I(k)=((b-a)/(2*k))*(subs(sym(f),t,a)+l+subs(sym(f),t,b));
k=k+1;
end
n=k-1;
syms x;
f=4./(1+x.^2);
a=0;b=1;
n=trap(f,a,b)
n =
88
复合辛普森公式：
function n=Simpson(f,a,b)
syms t;
t= findsym(sym(f));
I=zeros(1,500);
I(1)=((b-a)/6)*(subs(sym(f),t,a)+4*subs(sym(f),t,(b-a)/2)+subs(sym(f),t,b));
I(2)=((b-a)/12)*(subs(sym(f),t,a)+4*subs(sym(f),t,(b-a)/4)+4*subs(sym(f),t,3*(b-a)/4)+2*subs(sym(f),t,(b-a)/2)+subs(sym(f),t,b));
k=3;
while((I(k-1)-I(k-2))>1/2*10^(-6))
l=0;
m=4*subs(sum(f),t,(a+((a+b)/(2*k))));
for i=1:k-1
xi=a+(b-a)/k*i;
l=l+2*subs(sym(f),t,xi);
end
for j=1:k-1
xj=a+(b-a)/(k*2)+(b-a)/k*j;
m=m+4*subs(sym(f),t,xj);
end
I(k)=((b-a)/(2*k))*(subs(sym(f),t,a)+l+m+subs(sym(f),t,b));
k=k+1;
end
n=k-1;
n =
5
（3）选择不同的，对两种复合求积公式，试将误差描述为的函数，并比较两种方法的精度。
复合求积公式：
function y=traprls(f,a,b,h)
syms t;
t= findsym(sym(f));
n=(b-a)/h;
l=0;
for k=1:n-1
xk=a+h*k;
l=l+2*subs(sym(f),t,xk);
end
I1=(h/2)*(subs(sym(f),t,a)+l+subs(sym(f),t,b));
h=(b-a)/(n-1);
n=(b-a)/h;
l=0;
for k=1:n-1
xk=a+h*k;
l=l+2*subs(sym(f),t,xk);
end
I2=(h/2)*(subs(sym(f),t,a)+l+subs(sym(f),t,b));
y=I2-I1;
y=abs(y);
y=vpa(y,8);
syms x;
f=4./(1+x.^2);
a=0;b=1;
h=0.01:0.05:0.5;
v=zeros(1,10);
for i=1:10
v(i)=traprls(f,a,b,h(i))
end
v
plot(h,v,'r-')
复合辛普森公式：
function y=Simpsons(f,a,b,h)
syms t;
t= findsym(sym(f));
n=(b-a)/h;
l=0;
m=4*subs(sum(f),t,(a+h/2));
for k=1:n-1
xk=a++h*k;
l=l+2*subs(sym(f),t,xk);
end
for i=1:n-1
xi=a+h/2+h*i;
m=m+4*subs(sym(f),t,xi);
end
I1=(h/6)*(subs(sym(f),t,a)+l+m+subs(sym(f),t,b));
h=(b-a)/(n-1);
n=(b-a)/h;
l=0;
m=4*subs(sum(f),t,(a+h/2));
for k=1:n-1
xk=a++h*k;
l=l+2*subs(sym(f),t,xk);
end
for i=1:n-1
xi=a+h/2+h*i;
m=m+4*subs(sym(f),t,xi);
end
I2=(h/6)*(subs(sym(f),t,a)+l+m+subs(sym(f),t,b));
y=abs(I2-I1);
y=vpa(y,10);
通过图像对比可知，复合辛普森公式精度更高。
（4）是否存在某个值，当小于这个值之后，再继续减小，计算结果不再有改进？为什么？
是
复合求积公式：
syms x;
f=4./(1+x.^2);
a=0;b=1;
h=0.001:0.004:0.2;
v=zeros(1,10);
for i=1:50
v(i)=traprls(f,a,b,h(i));
end
plot(h,v,'r-')
复合辛普森公式：
通过图像可以发现，当h<0.025后，精度不再有显著改变。
3. 分别用三点和五点Gauss-Legendre公式计算积分
程序：
function I = IntGaussLegen(f,a,b,n)
syms t;
t= findsym(sym(f));
ta = (b-a)/2;
tb = (a+b)/2;
switch n
case 0,
I=2*ta*subs(sym(f),t,tb);
case 1,
I=ta*(subs(sym(f),t,ta*0.5773503+tb)+...
subs(sym(f),t,-ta*0.5773503+tb));
case 2,
I=ta*(0.55555556*subs(sym(f),t,ta*0.7745967+tb)+...
0.55555556*subs(sym(f),t,-ta*0.7745967+tb)+...
0.88888889*subs(sym(f),t,tb));
case 3,
I=ta*(0.3478548*subs(sym(f),t,ta*0.8611363+tb)+...
0.3478548*subs(sym(f),t,-ta*0.8611363+tb)+...
0.6521452*subs(sym(f),t,ta*0.3398810+tb) +...
0.6521452*subs(sym(f),t,-ta*0.3398810+tb));
case 4,
I=ta*(0.2369269*subs(sym(f),t,ta*0.9061793+tb)+...
0.2369269*subs(sym(f),t,-ta*0.9061793+tb)+...
0.4786287*subs(sym(f),t,ta*0.5384693+tb) +...
0.4786287*subs(sym(f),t,-ta*0.5384693+tb)+...
0.5688889*subs(sym(f),t,tb));
case 5,
I=ta*(0.1713245*subs(sym(f),t,ta*0.9324695+tb)+...
0.1713245*subs(sym(f),t,-ta*0.9324695+tb)+...
0.3607616*subs(sym(f),t,ta*0.6612094+tb)+...
0.3607616*subs(sym(f),t,-ta*0.6612094+tb)+...
0.4679139*subs(sym(f),t,ta*0.2386292+tb)+...
0.4679139*subs(sym(f),t,-ta*0.2386292+tb));
end
I=simplify(I);
I=vpa(I,6);
三点：
syms x
f=x.*exp(x)./((1+x)^2);
a=0;b=1;
a=IntGaussLegen(f,a,b,2)
a =
0.359187
五点：
a =
0.359141
复合梯形公式、复合辛普森公式 matlab的更多相关文章
- C语言复合梯形公式实现定积分
假设被积函数为 f x ,积分区间为 , a b ,把区间 , a b 等分成 n 个小区间, 各个区间的长度为 h ,即 / h b a n ,称之为“步长” ...
- 复合梯形公式与Simpson公式的数值积分
#include <iostream>#include<math.h>#include<stdio.h>using namespace std; float f(f ...
- MATLAB数学实验总结
L1 MATLAB 基础知识 P6 表1-3 数据显示格式 format rat format long P20 表2-5 常用的矩阵函数 zeros(m,n) %零阵 eye(n) %单位阵 one ...
- [Beautifulzzzz的博客目录] 快速索引点这儿O(∩_∩)O~~，红色标记的是不错的(⊙o⊙)哦~
3D相关开发 [direct-X] 1.direct-X最小框架 [OpenGL] 1.环境搭建及最小系统 [OpenGL] 2.企业版VC6.0自带的Win32-OpenGL工程浅析 51单片机 [ ...
- C语言实现定积分求解方法
求定积分的方法有很多种,下面是我总结的几种比较常用的方法. #include <stdio.h> #include <stdlib.h> #include <math.h ...
- deep learning （六）logistic（逻辑斯蒂）回归中L2范数的应用
zaish上一节讲了线性回归中L2范数的应用,这里继续logistic回归L2范数的应用. 先说一下问题:有一堆二维数据点,这些点的标记有的是1,有的是0.我们的任务就是制作一个分界面区分出来这些点. ...
- 数值积分之Simpson公式与梯形公式
Simpson(辛普森)公式和梯形公式是求数值积分中很重要的两个公式,可以帮助我们使用计算机求解数值积分,而在使用过程中也有多种方式,比如复合公式和变步长公式.这里分别给出其简单实现(C++版): 1 ...
- 数值积分：基于牛顿-柯茨公式的定步长和自适应积分方法 [MATLAB]
#先上代码后补笔记# #可以直接复制粘贴使用的MATLAB函数!# 1. 定步长牛顿-柯茨积分公式 function [ integration ] = CompoInt( func, left, r ...
- 卷积相关公式的matlab代码
取半径=3 用matlab代码实现上式公式: length=3;for Ki = 1:length for Kj = 1:length for Kk = 1:length Ksigma(Ki,Kj,K ...
随机推荐
- Golang 函数function
函数function Go函数不支持嵌套.重载和默认参数 但支持以下特性: 无需声明原型 不定长度变参 多返回值 命名返回值参数 匿名函数 闭包 定义函数使用关键字func,且左大括号不能另起一行 函 ...
- 对Java虚拟机理解
深入理解Java虚拟机 Java技术体系 Java体系分为四个平台 Java card 运行在小内存上的 Java ME 运行在手机上 Java SE 完整Java 核心api JavaEE 支持使用 ...
- 创建自己的OAuth2.0服务端（一）
如果对OAuth2.0有任何的疑问,请先熟悉OAuth2.0基础的文章:http://www.cnblogs.com/alunchen/p/6956016.html 1. 前言 本篇文章时对 客户端的 ...
- 使用Visual Studio 调试断点不起作用的问题解决办法 调试Revit CAD 不能进入断点
随着Visual Studio 2010正式版的发布,相信不少人都像我一样升级到了Visual Studio 2010.那么您在使用VS2010在AutoCAD,Map 3D或Revit的.net应用 ...
- JS DOM操作（四） Window.docunment对象——操作内容
操作内容:即对标签所夹内容的操作 一 非表单元素内容操作 定位 var a = document.ElementById( "id" ) 1.获取内容 var s = a.inne ...
- 解决访问 jar 包里面的字体报错：OTS parsing error: incorrect file size in WOFF header
前言:jar 包里面的字体加载,浏览器 console 中报警告信息,这里记录一下解决方案. 附:自己的一个 jar 包源码 https://github.com/yuleGH/querydb 错误问 ...
- EF数据库优先模式(一)
C#中EF模式,讲述个人在做项目时用到的一些思路以及方法 EF数据模型有三种方式,database优先,model优先,Code优先,个人在做项目时用到的是database优先,以后再说其他的方式 d ...
- 编写hadoop程序，并打包jar到hadoop集群运行
windows环境下编写hadoop程序 新建:File->new->Project->Maven->next GroupId 和ArtifactId 随便写(还是建议规范点) ...
- vue 子组件和父组件
作者QQ:1095737364 QQ群:123300273 欢迎加入! 1.添加子组件 1.父组件修改 <template> <!-- v-for 表情表示循环输出数据 ...
- 【读书笔记】iOS-网络-HTTP-请求内容
一,GET方法. 从服务器获取一段内容,用HTTP术语来说就是实体.GET请求通常不包含请求体,不过也是可以包含的.有些网络缓存设施只会缓存GET响应.GET请求通常不会导致服务器端的数据变化. 二, ...