Метод квадратур гаусса excel интеграл
В этой публикации описаны простейшие методы вычисления интегралов функций от одной переменной на отрезке, также называемые квадратурными формулами. Обычно эти методы реализованы в стандартных математических библиотеках, таких как GNU Scientific Library для C, SciPy для Python и других. Публикация имеет целью продемонстрировать, как эти методы работают "под капотом", и обратить внимание на некоторые вопросы точности и производительности алгоритмов. Также хотелось бы отметить связь квадратурных формул и методов численного интегрирования обыкновенных дифференциальных уравнений, о которых хочу написать ещё одну публикацию.
Определение интеграла
Интегралом (по Риману) от функции на отрезке называется следующий предел:
где — мелкость разбиения, , , — произвольное число на отрезке .
Квадратурные формулы
Определение интеграла (1) можно переписать в виде
где — весовые коэффициенты, сумма которых должна быть равна 1, а сами коэффициенты — стремиться к нулю при увеличении числа точек, в которых вычисляется функция.
Выражение (2) — основа всех квадратурных формул (т.е. формул для приближенного вычисления интеграла). Задача состоит в том, чтобы выбрать точки и веса таким образом, чтобы сумма в правой части приближала требуемый интеграл как можно точнее.
Вычислительная задача
Задана функция , для которой есть алгоритм вычисления значений в любой точке отрезка (имеются в виду точки, представимые числом с плавающей точкой — никаких там функций Дирихле!).
Требуется найти приближённое значение интеграла .
Решения будут реализованы на языке Python 3.6.
Для проверки методов используется интеграл .
Кусочно-постоянная аппроксимация
Идейно простейшие квадратурные формулы возникают из применения выражения (1) "в лоб":
Т.к. от метода разбиения отрезка точками и выбора точек значение предела не зависит, то выберем их так, чтобы они удобно вычислялись — например, разбиение возьмём равномерным, а для точек вычисления функции рассмотрим варианты: 1) ; 2) ; 3) .
Получаем методы левых прямоугольников, правых прямоугольников и прямоугольников со средней точкой, соответственно.
Для анализа производительности квадратурных формул построим график погрешности в координатах "число точек — отличие численного результата от точного".
Что можно заметить:
- Формула со средней точкой гораздо точнее, чем с правой или левой точками
- Погрешность формулы со средней точкой падает быстрее, чем у двух остальных
- При очень мелком разбиении погрешность формулы со средней точкой начинает возрастать
Первые два пункта связаны с тем, что формула прямоугольников со средней точкой имеет второй порядок аппроксимации, т.е. , а формулы правых и левых прямоугольников — первый порядок, т.е. .
Возрастание погрешности при измельчении шага интегрирования связано с нарастанием погрешности округления при суммировании большого числа слагаемых. Эта ошибка растёт как , что не даёт при интегрировании достигнуть машинной точности.
Вывод: методы прямоугольников с правой и левой точками имеют низкую точность, которая к тому же медленно растёт с измельчением разбиения. Поэтому они имеют смысл разве что в демонстрационных целях. Метод прямоугольников со средней точкой имеет более высокий порядок аппроксимации, что даёт ему шансы на использование в реальных приложениях (об этом чуть ниже).
Кусочно-линейная аппроксимация
Следующий логический шаг — аппроксимировать интегрируемую функцию на каждом из подотрезков линейной функцией, что даёт квадратурную формулу трапеций:
Иллюстрация метода трапеций для n=1 и n=2.
В случае равномерной сетки длины всех отрезков разбиения равны, и формула имеет вид
Построив график ошибки от числа точек разбиения, убеждаемся, что метод трапеций тоже имеет второй порядок аппроксимации и вообще даёт результаты, слабо отличающиеся от метода прямоугольников со средней точкой (в дальнейшем — просто метод прямоугольников).
Контроль точности вычисления
Задание в качестве входного параметра числа точек разбиения не слишком практично, поскольку обычно требуется вычислить интеграл не с заданной плотностью разбиения, а с заданной погрешностью. Если подынтегральная функция известна наперёд, то можно оценить погрешность заранее и выбрать такой шаг интегрирования, чтобы заданная точность заведомо достигалась. Но так редко бывает на практике (и вообще, не проще ли при известной наперёд функции и сам интеграл протабулировать наперёд?), поэтому необходима процедура автоматической подстройки шага под заданную погрешность.
Как это реализовать? Один из простых методов оценки погрешности — правило Рунге — разность значений интегралов, рассчитанных по n и 2n точкам, даёт оценку погрешности: . Метод трапеций удобнее для удвоения мелкости разбиения, чем метод прямоугольников с центральной точкой. При расчёте методом трапеций для удвоения числа точек нужны новые значения функции только в серединах отрезков предыдущего разбиения, т.е. предыдущее приближение интеграла можно использовать для вычисления следующего.
Метод прямоугольников не требует вычислять значения функции на концах отрезка. Это означает, что его можно использовать для функций, имеющих на краях отрезка интегрируемые особенности (например, sinx/x или x -1/2 от 0 до 1). Поэтому показанный далее метод экстраполяции будет работать точно так же и для метода прямоугольников. Отличие от метода трапеций лишь в том, что при уменьшении шага вдвое отбрасывается результат предыдущих вычислений, однако можно утроить число точек, и тогда предыдущее значение интеграла также можно использовать для вычисления нового. Формулы для экстраполяции в этом случае необходимо скорректировать на другое соотношение шагов интегрирования.
Отсюда получаем следующий код для метода трапеций с контролем точности:
С таким подходом подынтегральная функция не будет вычисляться по нескольку раз в одной точке, и все вычисленные значения используются для окончательного результата.
Но нельзя ли при том же количестве вычислений функции добиться более высокой точности? Оказывается, что можно, есть формулы, работающие точнее метода трапеций на той же самой сетке.
Кусочно-параболическая аппроксимация
Следующим шагом аппроксимируем функцию элементами парабол. Для этого требуется, чтобы число отрезков разбиения было чётным, тогда параболы могут быть проведены через тройки точек с абсциссами <(x0=a, x1, x2), (x2, x3, x4), . (xn-2, xn-1, xn=b)>.
Иллюстрация кусочно-параболического приближения на 3 и 5 точках (n=2 и n=3).
Приближая интеграл от функции на каждом из отрезков [xk;xk+2] интегралом от параболической аппроксимации на этом отрезке и считая точки равномерно распределенными (xk+1=xk+h), получаем формулу Симпсона:
Из формулы (4) напрямую получается "наивная" реализация метода Симпсона:
Для оценки погрешности можно использовать точно так же вычисление интеграла с шагами h и h/2 — но вот незадача, при вычислении интеграла с более мелким шагом результат предыдущего вычисления придётся отбросить, хотя половина новых вычислений функции будет в тех же точках, что и раньше.
Бесполезной траты машинного времени, к счастью, можно избежать, если реализовать метод Симпсона более хитроумным образом. Присмотревшись повнимательнее, заметим, что интеграл по формуле Симпсона может быть представлен через два интеграла по формуле трапеций с разными шагами. Яснее всего это видно на базовом случае аппроксимации интеграла по трём точкам :
Таким образом, если реализовать процедуру уменьшения шага вдвое и хранить два последних вычисления методом трапеций, метод Симпсона с контролем точности реализуется более эффективно.
Сравним эффективность метода трапеций и парабол:
Как видим, обоими методами ответ можно получть с достаточно высокой точностью, но количество вызовов подынтегральной функции разительно отличается — метод более высокого порядка эффективнее в 32 раза!
Построив график погрешности интегрирования от числа шагов, можно убедиться, что порядок аппроксимации формулы Симпсона равен четырём, т.е. ошибка численного интегрирования (а интегралы от кубических многочленов с помощью этой формулы вычисляются с точностью до ошибок округления при любом чётном n>0!).
Отсюда и возникает такой рост эффективности по сравнению с простой формулой трапеций.
Что дальше?
Дальнейшая логика повышения точности квадратурных формул, в целом, понятна — если функцию продолжать приближать многочленами всё более высокой степени, то и интеграл от этих многочленов будет всё точнее приближать интеграл от исходной функции. Этот подход называется построением квадратурных формул Ньютона-Котеса. Известны формулы вплоть до 8 порядка аппроксимации, но выше среди весовых коэффициентов wi в (2) появляются знакопеременные члены, и формулы при вычислениях теряют устойчивость.
Попробуем пойти другим путём. Ошибка квадратурной формулы представляется в виде ряда по степеням шага интегрирования h. Замечательное свойство метода трапеций (и прямоугольников со средней точкой!) в том, что для неё этот ряд состоит только из чётных степеней:
На нахождении последовательных приближений к этому разложению основана экстраполяция Ричардсона: вместо того, чтобы приближать подынтегральную функцию многочленом, по рассчитанным приближениям интеграла строится полиномиальная аппроксимация, которая при h=0 должна давать наилучшее приближение к истинному значению интеграла.
Разложение ошибки интегрирования по чётным степеням шага разбиения резко ускоряет сходимость экстраполяции, т.к. для аппроксимации порядка 2n нужно всего n значений интеграла методом трапеций.
Если считать, что каждое последующее слагаемое меньше предыдущего, то можно последовательно исключать степени h, имея приближения интеграла, рассчитанные с разными шагами. Поскольку приведённая реализация легко позволяет дробить разбиение вдвое, удобно рассматривать формулы для шагов h и h/2.
Легко показать, что исключение старшего члена погрешности формулы трапеций в точности даст формулу Симпсона:
Повторяя аналогичную процедуру для формулы Симпсона, получаем:
Если продолжить, вырисовывается такая таблица:
2 порядок | 4 порядок | 6 порядок | . |
---|---|---|---|
I0,0 | |||
I1,0 | I1,1 | ||
I2,0 | I2,1 | I2,2 | |
. | . | . |
В первом столбце стоят интегралы, вычисленные методом трапеций. При переходе от верхней строки вниз разбиение отрезка становится вдвое мельче, а при переходе от левого столбца вправо повышается порядок аппроксимации интеграла (т.е. во втором столбце находятся интегралы по методу Симпсона и т.д.).
Элементы таблицы, как можно вывести из разложения (5), связаны рекуррентным соотношением:
Погрешность приближения интеграла можно оценить по разности формул разных порядков в одной строке, т.е.
Применение экстраполяции Ричардсона вместе с интегрированием методом трапеций называется методом Ромберга. Если метод Симпсона учитывает два предыдущих значения по методу трапеций, то метод Ромберга использует все ранее вычисленные методом трапеций значения для получения более точной оценки интеграла.
Дополнительный метод добавляется в класс Quadrature
Проверим, как работает аппроксимация высокого порядка:
Убеждаемся, что, по сравнению с методом парабол, число вызовов подынтегральной функции снизилось ещё в 8 раз. При дальнейшем увеличении требуемой точности преимущества метода Ромберга проявляются ещё заметнее:
Некоторые замечания
Замечание 1. Количество вызовов функции в этих задачах характеризует число суммирований при вычислении интеграла. Уменьшение числа вычислений подынтегрального выражения не только экономит вычислительные ресурсы (хотя при более оптимизированной реализации и это тоже), но и уменьшает влияние погрешностей округления на результат. Так, при попытке вычислить интеграл тестовой функции метод трапеций зависает при попытке достигнуть относительной точности 5×10 -15 , метод парабол — при желаемой точности 2×10 -16 (что является пределом для чисел в двойной точности), а метод Ромберга справляется с вычислением тестового интеграла вплоть до машинной точности (с ошибкой в младшем бите). То есть, повышается не только точность интегрирования при заданном числе вызовов функции, но и предельно достижимая точность вычисления интеграла.
Замечание 2. Если метод сходится при задании некоторой точности, это не означает, что вычисленное значение интеграла имеет ту же самую точность. В первую очередь, это относится к случаям, когда задаваемая погрешность близка к машинной точности.
Замечание 3. Хотя метод Ромберга для ряда функций работает почти магическим образом, он предполагает наличие у подынтегральной функции ограниченных производных высоких порядков. Это значит, что для функций с изломами или разрывами он может оказаться хуже простых методов. Например, проинтегрируем f(x)=|x|:
Замечание 4. Может показаться, что чем выше порядок аппроксимации, тем лучше. На самом деле, лучше ограничить число столбцов таблицы Ромберга на уровне 4-6. Чтобы понять это, посмотрим на формулу (6). Второе слагаемое представляет собой разность двух последовательных элементов j-1-го столбца, поделенную на примерно 4 j . Т.к. в j-1-м столбце находятся аппроксимации интеграла порядка 2j, то сама разность имеет порядок (1/ni) 2j ~ 4 -ij . C учётом деления получается ~4 -(i+1)j ~ 4 -j 2 . Т.е. при j~7 второе слагаемое в (6) теряет точность после приведения порядков при сложении чисел с плавающей точкой, и повышение порядка аппроксимации может вести к накоплению ошибки округления.
Замечание 5. Желающие могут ради интереса применить описанные методы для нахождения интеграла и эквивалентного ему . Как говорится, почувствуйте разницу.
Заключение
Представлено описание и реализация базовых методов численного интегрирования функций на равномерной сетке. Продемонстрировано, как с помощью несложной модификации получить на базе метода трапеций класс квадратурных формул по методу Ромберга, что значительно ускоряет сходимость численного интегрирования. Метод хорошо работает для интегрирования "обычных" функций, т.е. слабо меняющихся на отрезке интегрирования, не имеющих особенностей на краях отрезка (см. Замечание 5), быстрых осцилляций и т.д.
Продвинутые методы численного интегрирования для более сложных случаев можно найти в книгах из списка литературы (в [3] — с примерами реализации на C++).
Давайте разберёмся, как вычислить определённый интеграл таблично заданной функции с помощью программы Excel из состава Microsoft Office.
1 Постановка физической задачина расчёт определённого интеграла
Допустим, у нас есть таблично заданная некоторая величина. Для примера пусть это будет накопленная доза радиации при авиаперелёте. Скажем, был такой эксперимент: человек с дозиметром летел на самолёте из пункта А в пункт Б и периодически измерял дозиметром мощность дозы (единицы измерений – микрозиверт в час, мкЗв/ч). Возможно, Вас это удивит, но при обычном перелёте на самолёте человек попадает под радиоактивное излучение, превышающее фоновый уровень до 10 раз и даже больше. Но воздействие это кратковременное, и поэтому не столь опасное. По результатам измерений у нас есть таблица вот такого формата: Время – Мощность дозы.
Таблично заданная величина для расчёта определённого интеграла
Необходимо посчитать суммарную накопленную за время полёта дозу.
2 Геометрический смыслопределённого интеграла
Как мы помним из курса школьной алгебры, определённый интеграл – это площадь под графиком измеряемой величины. Чтобы определить накопленную дозу радиации в рассматриваемом примере, нужно определить площадь фигуры под графиком таблично заданной мощности дозы. Накопленная доза радиации равна площади фигуры под графиком мощности дозы
График изменения мощности дозы во время полёта
3 Методика вычисленияопределённого интеграла
Вычислять интеграл мы будем самым простым, но довольно точным методом – методом трапеций. Напомню, площадь фигуры под графиком любой кривой можно разделить на прямоугольные трапеции. Сумма площадей этих трапеций и будет искомым значением определённого интеграла.
Площадь трапеции определяется как полусумма оснований, умноженная на высоту: Sтрап = (A + B) / 2 × h Основания в нашем случае – это табличные измеренные значения мощности дозы за 2 последовательных промежутка времени, а высота – это разница времени между двумя измерениями.
Метод трапеций для вычисления значения определённого интеграла
4 Согласованиеединиц измерения
В нашем примере измерения мощности дозы радиации даётся в мкЗв/час, а шкала времени – с точностью до минут. Мы не можем брать интеграл по времени, измеряемому в минутах, для величины, измеряемой в часах. Поэтому необходимо перевести мкЗв/час в мкЗв/мин.
Для перевода просто разделим мощность дозы в мкЗв/час построчно на количество минут в часе, т.е. на 60. Добавим ещё один столбец в нашу таблицу. На иллюстрации это столбец "D". В столбце "D" в строке 2 вписываем =С2/60 А потом с помощью маркера заполнения распространяем эту формулу на все остальные ячейки в столбце "D", (т.е. тянем мышью чёрный прямоугольник в правом нижнем углу ячейки). Таким образом, в столбце "D" у нас появятся значения мощности дозы радиации, измеряемые в микрозивертах в минуту для каждой минуты перелёта.
Согласуем единицы измерения по шкале времени и шкале мощности дозы
5 Вычисление площадей отдельных трапеций
Теперь нужно найти площади трапеций за каждый промежуток времени. В столбце "E" будем вычислять по приведённой выше формуле площади трапеций. Полусумма оснований – это половина суммы двух последовательных мощностей дозы из столбца "D". Так как данные идут с периодом 1 раз в минуту, а мы берём интеграл по времени, выраженному в минутах, то высота каждой трапеции будет равна единице (разница времени между каждыми двумя последовательными измерениями, например, 17ч31мин — 17ч30мин = 0ч1мин = 1мин).
Получаем формулу в ячейке "E3": =1/2*(D3+D2)*1. Понятно, что "×1" в этой формуле можно не писать. И аналогично, с помощью маркера заполнения, распространяем формулу на весь столбец. Теперь в каждой ячейке столбца "Е" посчитана накопленная доза за 1 минуту полёта.
Вычисление площадей прямоугольных трапеций за каждый промежуток времени
Если бы данные шли не через 1 минуту, то нам нужно было бы написать формулу так:
=1/2*(D3+D2)*(МИНУТЫ(A3) – МИНУТЫ(A2)).
Правда при этом, если есть переход на следующий час, то получится отрицательное значение. Чтобы этого не произошло, впишем в формулу часы:
=1/2*(D3+D2)*(ЧАС(A3)*60+МИНУТЫ(A3)) – (ЧАС(A2)*60+МИНУТЫ(A2)).
Если переходим на следующие сутки, то нужно будет уже добавлять даты, и т.д.
5 Определение площадипод графиком функции
Осталось найти сумму вычисленных площадей трапеций. Можно в ячейке "F2" написать формулу: =СУММ(E:E) Это и будет сумма всех значений в столбце "E", т.е. численное значение искомого определённого интеграла. Но давайте сделаем вот что: определим накопленную дозу в разные моменты полёта. Для этого в ячейку "F4" впишем формулу =СУММ(E$3:E4) и маркером заполнения распространим на весь столбец "F".
Обозначение E$3 говорит программе Excel, что увеличивать индекс ячейки "3" в столбце "E" при переносе формулы на следующие строки не нужно. Т.е. в строке 4 формула будет определять сумму в ячейках с "Е3" по "Е4", в строке 5 – сумму с "Е3" по "Е5", в строке 6 – с "Е3" по "Е6" и т.д.
Построим график по столбцам "F" и "A". Это график изменения накопленной дозы радиации во времени. Наглядно видно монотонное увеличение накопленной дозы радиации за время полёта. Это говорит о том, что мы правильно рассчитали интеграл. И окончательное значение накопленной за двухчасовой полёт дозы радиации, которое получается в последней ячейке этого столбца, равно примерно 4,5 микрозиверт.
Вычисление суммарной площади всех трапеций, что численно равно искомому определённому интегралу
Таким образом, мы только что нашли определённый интеграл таблично заданной функции в программе Excel на реальном физическом примере. В качестве приложения к статье – файл Excel с нашим примером.
Функция ГАУСС, подлежащая применению в версиях Excel начиная от 2013 года или новее. Она позволяет вычислить такую вероятность, с которой элемент стандартной нормальной совокупности будет находиться в интервале между средними и стандартными отклонениями от среднего.
Примеры использования функции ГАУСС в Excel
Синтаксис рассматриваемой функции не представляет из себя ничего сложного, ведь функции ГАУСС присущ всего один обязательный аргумент – Z – возвращающий число.
Важно отметить, что существует определенная связь между функцией ГАУСС и такой статистической функцией, как стандартное нормальное распределение, иначе говоря – НОРМ.СТ.РАСП.
Итак, всегда функция НОРМ.СТ.РАСП (0; Истина) делает возврат 0,5, тогда как ГАУСС (z) имеет в результате значение меньше на 0,5, чем результат функции НОРМ.СТ.РАСП. На рисунке, расположенном ниже, приведен пример использования данных статистических функций для возвращения числа 1,5.
Для наглядности продемонстрируем зависимость между значениями функций графическим способом. Для этого – сформируем таблицу с выборкой чисел, например на интервале от -5 до 5 с шагом 0,5, а затем по имеющимся данным построим график:
На графике четко прослеживается пропорциональная корреляция результатов вычислений функций ГАУСС и НОРМ.СТ.РАСП.
Решение системы вероятности методом ГАУССА в Excel
Задача представляет собой вычисление вероятности возможных значений при бросании двух костей.
Пример с игрой в кости является наиболее наглядным, так как мы имеем ограниченный набор данных, которые соответствуют вероятностям. Так, вероятность имеет значение от нуля до единицы, к которому стремится наблюдаемая частота при бесконечно большой выборке или повторении эксперимента.
Существует 36 возможных комбинаций. При этом, вероятность того, что при бросании двух костей выпадет 2 очка равна 1/36, а 7 очков – 1/6. Отобразим перечень возможных значений бросания двух игральных костей в таблице, приведя при этом все вероятности к общему знаменателю.
Однако, такой ряд данных не дает возможности для выявления полного распределения, поэтому следует отобразить данные об отдельных вероятностях в рассчитанную по функции распределения. Так необходимо, все вероятности просуммировать последовательно (1+2+3+4+5+6+5+4+3+2+1).
Теперь определяем коэффициент вероятности разделив по отдельности последовательную сумму вероятностей на максимально возможное количество комбинаций 36.
В первом случае нами были рассмотрены отдельные вероятности, во втором – сумма вероятностей от первого возможного значения до заданного.
Необходимо преобразовать диапазон ячеек D2:D13 в числовой формат данных, иначе при обращении на них функции ГАУСС будет иметь место ошибка.
В созданный рядом с первоначальной таблицей столбец E введем формулу, которая в качестве аргумента делает обращение к ячейке D2.
Далее, протянем формулу вниз по столбцу, и получим ряд вероятностей с использованием функции ГАУСС.
Для более наглядной визуализации, построим график вероятности:
Решение вероятности методом распределения кривой Гаусса в Excel
Теперь в качестве примера нормального распределения с помощью функции ГАУСС решим задачу о вероятностном соотношении результатов стрельбы по мишени.
Для этого построим базовую таблицу, которая отражает результаты стрельбы по мишени в девяти подходах.
Затем, выберем только уникальные результаты, для этого используем хитрую формулу:
Делаем сортировку формулой для результатов по возрастанию и выводим в отдельную табличку:
После чего определим частоту встречающихся только для уникальных результатов:
Далее применим функцию ГАУСС к значениям ячеек с частотой встречаемости. Отразим результаты вычислений на графике:
На графике красной линией определено нормальное распределение кривой Гаусса.
В статье подробно, вплоть до самых мелочей, рассмотрены три способа взятия интеграла Эйлера-Пуассона. В одном из способов выводится вспомогательная формула редукции. Для нахождения некоторых сложных интегралов можно использовать формулы редукции, которые позволяют понизить степень подынтегрального выражения и вычислить соответствующие интегралы за конечное число шагов.
Данный интеграл берется от гауссовой функции:
Здесь есть очень интересный математический способ. Чтобы найти исходный интеграл, сначала ищут квадрат этого интеграла, а потом от результата берут корень. Почему? Да потому что так гораздо проще и безболезненно можно перейти в полярный координаты. Поэтому, рассмотрим квадрат Гауссового интеграла:
Мы видим, что у нас получается двойной интеграл от некоторой функции . В конце этого поверхностного интеграла стоит элемент площади в декартовой системе координат .
Теперь давайте переходить в полярную систему координат:
Тут нужно заметить, что r может изменяться в пределах от 0 до +∞, т.к. x изменялось в таких же пределах. А вот угол φ изменяется от 0 до π/2, что описывают область интегрирования в первой четверти декартовой системы координат. Подставляя в исходный, получим:
В силу симметричности интеграла и положительной области значений подынтегральной функции, можно заключить, что
Давайте поищем ещё какие-нибудь решения? Это ведь интересно! :)
Рассмотрим функцию
А теперь вспомним школьную математику и проведем простейшее исследование функции с помощью производных и пределов. Не то, чтобы мы здесь будем считать сложные пределы (ведь в школе их не проходят), а просто порассуждаем что будет с функцией, если её аргумент стремится к нулю или к бесконечности, таким образом прикинем асимптотическое поведение, что в математике всегда очень важно. Это похоже на качественную оценку того, что происходит.
Она ограничена сверху единицей на интервале (-∞;+∞) и нулем на интервале [-1;+∞).
Cделаем следующую замену переменных
И получим:
Ограничим в первом неравенстве изменение (0,1), а во втором — промежутком (0;+∞), возведём оба неравенства в степень n, так как неравенства с положительными членами можно возводить в любую положительную степень. Получим:
Давайте для наглядного доказательства неравенств построим графики при n = 1
Теперь попробуем проинтегрировать неравенства в пределах, которые указаны в соответствующих системах. И сразу объединим всё в одно неравенство:
Опять таки, если посмотреть на графики, то данное неравенство справедливо.
С учетом небольшой замены, легко увидеть, что:
Т.е. в том большом неравенстве в середине у нас интеграл Эйлера-Пуассона, а вот теперь нам нужно найти интегралы, которые стоят на границах данного неравенства.
Найдем интеграл от левой границы:
Для того, чтобы его посчитать и оценить, давайте сначала найдем интеграл общего вида. Сейчас я покажу вам как можно вывести формулу редукции ( в математике под такими формулами подразумевают понижения степени ) для данного интеграла.
Теперь если с помощью формулы редукции рассмотреть тот же интеграл, но с нашими пределами от 0 до π/2, то можно сделать некоторые упрощения:
Как мы видим, понижать можно до бесконечности (зависит от n). Однако, и тут есть одна тонкость. Формула изменяется в зависимости то того, является ли n четным числом или не является.
Для этого рассмотрим два случая.
Где n!! — двойной факториал. Двойной факториал числа n обозначается n!! и определяется как произведение всех натуральных чисел в отрезке [1, n], имеющих ту же чётность что и n
В силу того, что 2n+1 — нечетное число при любом значении n, получим для левой границы нашего неравенства:
Найдем интеграл от правой границы:
(здесь используем ту же формулу редукции, которую доказали ранее)
После того, как мы оценили левую и правую части неравенства, сделаем некоторые преобразования, чтобы оценить пределы левой и правой частей неравенства при условии, что n стремится к ∞:
Возведем обе части неравенства в квадрат:
Теперь сделаем небольшое лирическое отступление. В 1655 году Джон Валлис (английский математик, один из предшественников математического анализа.) предложил формулу для определения числа π. Дж. Валлис пришёл к ней, вычисляя площадь круга. Это произведение сходится крайне медленно, поэтому для практического вычисления числа π формула Валлиса мало пригодна. Но для оценки нашего выражения она отлично подходит :)
Теперь преобразуем наше неравенство так, чтобы мы могли увидеть где подставить формулу Валлиса:
Из формулы Валлиса следует, что и левое, и правое выражение стремятся к π/4 при n → ∞
В силу того, что функция exp[-x²] является четной, мы смело полагаем, что
Впервые одномерный гауссов интеграл вычислен в 1729 году Эйлером, затем Пуассон нашел простой приём его вычисления. В связи с этим он получил название интеграла Эйлера — Пуассона.
Давайте еще попробуем вычислить Гауссов интеграл. Его можно написать в разных видах. Ведь ничего не меняет изменение название переменной, по которой идет интегрирование.
Можно перейти от трехмерных декартовых к сферическим координатам и рассмотреть куб интеграла Гаусса.
Якобиан этого преобразования можно посчитать следующим образом:
Посчитаем интегралы последовательно, начиная с внутреннего.
Тогда в результате получим:
Интеграл Эйлера-Пуассона часто применяется в теории вероятностей.
Надеюсь, что для кого-нибудь статья будет полезной и поможет разобраться в некоторых математических приемах :)
Вычисления интеграла методом Гаусса можно производить с помощью табличного процессора Excel. В данном случае пользуются той же таблицей, что и при ручном счете. Выгода использования Excel в том, что можно увеличить количество частей, на которые разбивается отрезок интегрирования, тем самым, уменьшив погрешность результата.
Вычисления методом трапеций интеграла с помощью Excel представлено на рис. 6.5., 6.6.
Рисунок 6.5. Вычисление интеграла методом трапеций в Excel
Рисунок 6.6. Вычисление интеграла методом трапеций в режиме проверки формул
Задания для самостоятельного решения
Приближенно вычислить интеграл с использованием метода Гаусса, при этом на всем отрезке интегрирования использовать четыре узла.
Приближенно вычислить интеграл с использованием метода Гаусса, при этом на всем отрезке интегрирования использовать пять узлов. .
Приближенно вычислить интеграл с использованием метода Гаусса, при этом на всем отрезке интегрирования использовать пять узлов. Оценить погрешность результата
Приближенно вычислить интеграл с использованием метода Гаусса, при этом на всем отрезке интегрирования использовать пять узлов. Оценить погрешность результата
Приближенно вычислить интеграл с использованием метода Гаусса, при этом на всем отрезке интегрирования использовать пять узлов. Оценить погрешность результата
Практическая работа №8
Тема: «Вычисление интегралов по формулам Гаусса»
Цели: освоение вычисления интегралов приближенными методами с помощью квадратурных формул Гаусса; сравнение методов трапеций и парабол с методом Гаусса.
Задание 1. Вычислить интеграл от заданной функции f(x) на отрезке [a; b] при делении отрезка на 10 равных частей по формуле Гаусса.
Задание 2. Вычислить интеграл от заданной функции f(x) на отрезке [a; b] при h = 0,01 с помощью математических программных средств
Задание 3. Сравнить полученный в задании 1 результат с результатами, полученными при вычислении интеграла методами трапеций и парабол.
Исходные данные:
Вариант 1. ; Вариант 2.
Вариант 3. ; Вариант 4.
Вариант 5. ; Вариант 6.
Вариант 7. ; Вариант 8.
Вариант 9. ; Вариант 10.
Вариант 11. ; Вариант 12.
Вариант 13. ; Вариант 14.
Вариант 15. ; Вариант 16.
Вариант 17. ; Вариант 18.
Вариант 19. ; Вариант 20.
Примеры выполнения заданий работы
Задание 1. Вычислить интеграл от заданной функции f(x) на отрезке [a; b] при делении отрезка на 10 равных частей по формуле Гаусса.
Читайте также: