學習路線
設定網格與求積公式。
證明線性插值誤差公式。
推導單元上界 ∣ E i ∣ ≤ M i h i 3 / 12 |E_i| \le M_i h_i^3/12 ∣ E i ∣ ≤ M i h i 3 /12 。
把各單元上界加總,得出整體上界。
證明 f ( x ) = x 2 f(x)=x^2 f ( x ) = x 2 的精確有號誤差。
計算例題,包括節點 0 , 1 4 , 1 0, \tfrac14, 1 0 , 4 1 , 1 。
查看上界不能控制的部分,以及加密網格與零誤差的注意事項。
以 MATLAB 實現此公式。
設定
設 a = x 0 < x 1 < ⋯ < x n = b a = x_0 < x_1 < \dots < x_n = b a = x 0 < x 1 < ⋯ < x n = b 為有限實數節點,n ≥ 1 n \ge 1 n ≥ 1 。把單元寬度寫成
h i = x i − x i − 1 > 0 , i = 1 , … , n , h = max i h i , h_i = x_i - x_{i-1} > 0, \qquad i = 1,\dots,n, \qquad h = \max_i h_i, h i = x i − x i − 1 > 0 , i = 1 , … , n , h = i max h i ,
於是 ∑ i = 1 n h i = b − a \sum\limits_{i=1}^n h_i = b-a i = 1 ∑ n h i = b − a 。設 f f f 為實值函數,且在 [ a , b ] [a,b] [ a , b ] 上為 C 2 C^2 C 2 。
複合梯形法 為
T = ∑ i = 1 n T i , T i = h i 2 ( f ( x i − 1 ) + f ( x i ) ) . T = \sum_{i=1}^n T_i, \qquad T_i = \frac{h_i}{2}\bigl(f(x_{i-1}) + f(x_i)\bigr). T = i = 1 ∑ n T i , T i = 2 h i ( f ( x i − 1 ) + f ( x i ) ) . 有號誤差 定義為精確積分減近似值 :
E = ∫ a b f ( x ) d x − T = ∑ i = 1 n E i , E i = ∫ x i − 1 x i f ( x ) d x − T i . E = \int_a^b f(x)\,dx - T = \sum_{i=1}^n E_i, \qquad E_i = \int_{x_{i-1}}^{x_i} f(x)\,dx - T_i. E = ∫ a b f ( x ) d x − T = i = 1 ∑ n E i , E i = ∫ x i − 1 x i f ( x ) d x − T i .
使用任何資料時,都要核對其符號約定;此處是 E = I − T E=I-T E = I − T 。以下所有陳述都以精確的實數運算為前提。
線性插值誤差
固定一個單元 [ x i − 1 , x i ] [x_{i-1}, x_i] [ x i − 1 , x i ] 。設 p i p_i p i 為線性插值,滿足 p i ( x i − 1 ) = f ( x i − 1 ) p_i(x_{i-1}) = f(x_{i-1}) p i ( x i − 1 ) = f ( x i − 1 ) 及 p i ( x i ) = f ( x i ) p_i(x_i) = f(x_i) p i ( x i ) = f ( x i ) ,並設 w i ( x ) = ( x − x i − 1 ) ( x − x i ) w_i(x) = (x - x_{i-1})(x - x_i) w i ( x ) = ( x − x i − 1 ) ( x − x i ) 。
對每個 x ∈ [ x i − 1 , x i ] x \in [x_{i-1}, x_i] x ∈ [ x i − 1 , x i ] ,存在 ξ x ∈ [ x i − 1 , x i ] \xi_x \in [x_{i-1}, x_i] ξ x ∈ [ x i − 1 , x i ] ,使得
f ( x ) − p i ( x ) = 1 2 f ′ ′ ( ξ x ) w i ( x ) . f(x) - p_i(x) = \tfrac12 f''(\xi_x)\, w_i(x). f ( x ) − p i ( x ) = 2 1 f ′′ ( ξ x ) w i ( x ) .
在端點處兩邊皆為零,所以任何 ξ x \xi_x ξ x 都可以。現取 x x x 在開單元內。此時 w i ( x ) ≠ 0 w_i(x) \ne 0 w i ( x ) = 0 ,故可令 K = ( f ( x ) − p i ( x ) ) / w i ( x ) K = \bigl(f(x) - p_i(x)\bigr)/w_i(x) K = ( f ( x ) − p i ( x ) ) / w i ( x ) ,並定義
g ( t ) = f ( t ) − p i ( t ) − K w i ( t ) . g(t) = f(t) - p_i(t) - K\,w_i(t). g ( t ) = f ( t ) − p i ( t ) − K w i ( t ) . 這個 g g g 是 C 2 C^2 C 2 的,並在三個不同的點 x i − 1 x_{i-1} x i − 1 、x x x 、x i x_i x i 處為零。羅爾(Rolle)定理給出 g ′ g' g ′ 的兩個不同零點,再應用一次羅爾定理,得到 ξ x \xi_x ξ x 使 g ′ ′ ( ξ x ) = 0 g''(\xi_x) = 0 g ′′ ( ξ x ) = 0 。由於 p i ′ ′ = 0 p_i'' = 0 p i ′′ = 0 而 w i ′ ′ = 2 w_i'' = 2 w i ′′ = 2 ,這即是 f ′ ′ ( ξ x ) = 2 K f''(\xi_x) = 2K f ′′ ( ξ x ) = 2 K ,亦即所求。
證明透視
為何輔助函數有三個零點 這個證明造出一個函數,它比插值函數本身多一個零點。常數 K K K 恰好使 g g g 在所選的點為零;插值條件白白給出另外兩個零點。g g g 的三個零點產生 g ′ g' g ′ 的兩個零點和 g ′ ′ g'' g ′′ 的一個零點,這就是誤差涉及二階導數的原因:求導的次數等於插值節點的個數。假設 f ∈ C 2 f\in C^2 f ∈ C 2 是為了使 g ′ ′ g'' g ′′ 存在,令第二次羅爾定理可用;限制在開單元內是因為 w i w_i w i 在端點為零,那裏 K K K 沒有定義(這些點另行處理,而且是平凡的)。點 ξ x \xi_x ξ x 依賴 x x x ,所以下一步是界定 ∣ f ′ ′ ∣ |f''| ∣ f ′′ ∣ ,而不是對 f ′ ′ ( ξ x ) f''(\xi_x) f ′′ ( ξ x ) 積分。
精確積分 p i p_i p i 得到 T i T_i T i ,因為線性函數在區間上的積分等於區間寬度乘以兩端點值的平均。因此
E i = ∫ x i − 1 x i ( f ( x ) − p i ( x ) ) d x . E_i = \int_{x_{i-1}}^{x_i} \bigl(f(x) - p_i(x)\bigr)\,dx. E i = ∫ x i − 1 x i ( f ( x ) − p i ( x ) ) d x .
單元上界
設 M i M_i M i 為任一個我們已證明 的數,使得對所有 t ∈ [ x i − 1 , x i ] t \in [x_{i-1}, x_i] t ∈ [ x i − 1 , x i ] 有 ∣ f ′ ′ ( t ) ∣ ≤ M i |f''(t)| \le M_i ∣ f ′′ ( t ) ∣ ≤ M i 。則
∣ E i ∣ ≤ M i h i 3 12 . |E_i| \le \frac{M_i h_i^3}{12}. ∣ E i ∣ ≤ 12 M i h i 3 .
這樣的數是存在的:f ′ ′ f'' f ′′ 在緊緻區間上連續,所以 max ∣ f ′ ′ ∣ \max |f''| max ∣ f ′′ ∣ 在該處取得。由引理,對單元內每個 x x x 有 ∣ f ( x ) − p i ( x ) ∣ ≤ M i 2 ∣ w i ( x ) ∣ |f(x) - p_i(x)| \le \tfrac{M_i}{2}|w_i(x)| ∣ f ( x ) − p i ( x ) ∣ ≤ 2 M i ∣ w i ( x ) ∣ 。兩邊都是連續函數,所以可直接對不等式積分,而不必擔心 x ↦ f ′ ′ ( ξ x ) x \mapsto f''(\xi_x) x ↦ f ′′ ( ξ x ) 是否可積。在單元上 w i ≤ 0 w_i \le 0 w i ≤ 0 ,令 s = x − x i − 1 s = x - x_{i-1} s = x − x i − 1 ,
∫ x i − 1 x i ∣ w i ( x ) ∣ d x = ∫ 0 h i s ( h i − s ) d s = h i 3 2 − h i 3 3 = h i 3 6 . \int_{x_{i-1}}^{x_i} |w_i(x)|\,dx = \int_0^{h_i} s(h_i - s)\,ds = \frac{h_i^3}{2} - \frac{h_i^3}{3} = \frac{h_i^3}{6}. ∫ x i − 1 x i ∣ w i ( x ) ∣ d x = ∫ 0 h i s ( h i − s ) d s = 2 h i 3 − 3 h i 3 = 6 h i 3 . 因此 ∣ E i ∣ ≤ M i 2 ⋅ h i 3 6 = M i h i 3 12 |E_i| \le \frac{M_i}{2}\cdot\frac{h_i^3}{6} = \frac{M_i h_i^3}{12} ∣ E i ∣ ≤ 2 M i ⋅ 6 h i 3 = 12 M i h i 3 。
概念視角 分析
單元誤差是二階導數的加權積分 由於 e = f − p i e=f-p_i e = f − p i 在單元兩端為零,且 w i ′ ′ = 2 w_i''=2 w i ′′ = 2 ,分部積分兩次後邊界項全部消失,得
E i = 1 2 ∫ x i − 1 x i w i ( x ) f ′ ′ ( x ) d x = − 1 2 ∫ x i − 1 x i ( x − x i − 1 ) ( x i − x ) f ′ ′ ( x ) d x . E_i=\frac12\int_{x_{i-1}}^{x_i}w_i(x)f''(x)\,dx
=-\frac12\int_{x_{i-1}}^{x_i}(x-x_{i-1})(x_i-x)\,f''(x)\,dx. E i = 2 1 ∫ x i − 1 x i w i ( x ) f ′′ ( x ) d x = − 2 1 ∫ x i − 1 x i ( x − x i − 1 ) ( x i − x ) f ′′ ( x ) d x . 權重非負,積分為 h i 3 / 6 h_i^3/6 h i 3 /6 ,所以 E i E_i E i 等於 − h i 3 / 12 -h_i^3/12 − h i 3 /12 乘以 f ′ ′ f'' f ′′ 的加權平均。以 M i M_i M i 界住 f ′ ′ f'' f ′′ 便重得單元上界;若 f ′ ′ f'' f ′′ 符號固定,E i E_i E i 的符號也隨之確定:凸函數 f f f 給出 E i ≤ 0 E_i\le0 E i ≤ 0 ,且只有當 f f f 在該單元上為線性時才取等號。
整體上界
定理 3.2.4
(隨網格調整的整體上界與均勻整體上界)
設各單元的上界為 M i M_i M i ,則
∣ E ∣ ≤ ∑ i = 1 n M i h i 3 12 . |E| \le \sum_{i=1}^n \frac{M_i h_i^3}{12}. ∣ E ∣ ≤ i = 1 ∑ n 12 M i h i 3 . 若 M M M 是 ∣ f ′ ′ ∣ |f''| ∣ f ′′ ∣ 在整個 [ a , b ] [a,b] [ a , b ] 上已證明的上界,則
∣ E ∣ ≤ M ( b − a ) h 2 12 . |E| \le \frac{M(b-a)\,h^2}{12}. ∣ E ∣ ≤ 12 M ( b − a ) h 2 .
證明
(三角不等式,再用 h i h_i h i 的立方不超過 h h h 的平方乘 h i h_i h i )
三角不等式給出 ∣ E ∣ ≤ ∑ ∣ E i ∣ |E|\le\sum|E_i| ∣ E ∣ ≤ ∑ ∣ E i ∣ ,即隨網格調整的上界。把 M M M 用作每個單元上的有效上界;先前選取的、可能較鬆的局部上界不一定本身不超過 M M M 。由於 h i 3 ≤ h 2 h i h_i^3 \le h^2 h_i h i 3 ≤ h 2 h i ,
∣ E ∣ ≤ M 12 ∑ i = 1 n h i 3 ≤ M 12 h 2 ∑ i = 1 n h i = M ( b − a ) h 2 12 . |E| \le \frac{M}{12}\sum_{i=1}^n h_i^3 \le \frac{M}{12}\,h^2 \sum_{i=1}^n h_i = \frac{M(b-a)\,h^2}{12}. ∣ E ∣ ≤ 12 M i = 1 ∑ n h i 3 ≤ 12 M h 2 i = 1 ∑ n h i = 12 M ( b − a ) h 2 .
這條不等式鏈中的每一步都只會損失精確度。當網格只有少數幾個寬單元時,中間的式子 M 12 ∑ h i 3 \tfrac{M}{12}\sum h_i^3 12 M ∑ h i 3 往往遠小於最後一個。
f ( x ) = x 2 f(x) = x^2 f ( x ) = x 2 的精確有號誤差
對 f ( x ) = x 2 f(x)=x^2 f ( x ) = x 2 ,每個單元上 E i = − h i 3 / 6 E_i=-h_i^3/6 E i = − h i 3 /6 ,所以 E = − 1 6 ∑ i = 1 n h i 3 E = -\frac16\sum\limits_{i=1}^n h_i^3 E = − 6 1 i = 1 ∑ n h i 3 。單元上界中的常數 1 / 12 1/12 1/12 不能改進。
在每個單元上,q = f − p i q = f - p_i q = f − p i 是首項係數為 1 1 1 的二次式,並在 x i − 1 x_{i-1} x i − 1 和 x i x_i x i 處為零。二次式由其首項係數和兩個根唯一確定,所以 q = w i q = w_i q = w i 恰好成立。因此 E i = ∫ x i − 1 x i w i ( x ) d x = − h i 3 / 6 E_i = \int_{x_{i-1}}^{x_i} w_i(x)\,dx = -h_i^3/6 E i = ∫ x i − 1 x i w i ( x ) d x = − h i 3 /6 。取 M i = 2 M_i = 2 M i = 2 ,單元上界為 2 h i 3 / 12 = h i 3 / 6 2h_i^3/12 = h_i^3/6 2 h i 3 /12 = h i 3 /6 ,與 ∣ E i ∣ |E_i| ∣ E i ∣ 完全相等,所以 1 / 12 1/12 1/12 不能改進。
誤差嚴格為負,所以公式會高估這種形式的每個凸二次函數。
例題
例題 3.2.6
(節點 0, 1/4, 1 與平方函數)
取 f ( x ) = x 2 f(x) = x^2 f ( x ) = x 2 。寬度為 h 1 = 1 4 h_1 = \tfrac14 h 1 = 4 1 和 h 2 = 3 4 h_2 = \tfrac34 h 2 = 4 3 ,函數值為 f ( 0 ) = 0 f(0) = 0 f ( 0 ) = 0 、f ( 1 4 ) = 1 16 f(\tfrac14) = \tfrac1{16} f ( 4 1 ) = 16 1 、f ( 1 ) = 1 f(1) = 1 f ( 1 ) = 1 。
T 1 = 1 / 4 2 ( 0 + 1 16 ) = 1 128 , T 2 = 3 / 4 2 ( 1 16 + 1 ) = 3 8 ⋅ 17 16 = 51 128 . T_1 = \frac{1/4}{2}\Bigl(0 + \frac1{16}\Bigr) = \frac1{128}, \qquad
T_2 = \frac{3/4}{2}\Bigl(\frac1{16} + 1\Bigr) = \frac38\cdot\frac{17}{16} = \frac{51}{128}. T 1 = 2 1/4 ( 0 + 16 1 ) = 128 1 , T 2 = 2 3/4 ( 16 1 + 1 ) = 8 3 ⋅ 16 17 = 128 51 . T = 52 128 = 13 32 , ∫ 0 1 x 2 d x = 1 3 , E = 1 3 − 13 32 = − 7 96 . T = \frac{52}{128} = \frac{13}{32}, \qquad \int_0^1 x^2\,dx = \frac13, \qquad E = \frac13 - \frac{13}{32} = -\frac{7}{96}. T = 128 52 = 32 13 , ∫ 0 1 x 2 d x = 3 1 , E = 3 1 − 32 13 = − 96 7 . 以精確公式核對:− 1 6 ( 1 64 + 27 64 ) = − 1 6 ⋅ 28 64 = − 7 96 -\frac16\left(\frac1{64} + \frac{27}{64}\right) = -\frac16\cdot\frac{28}{64} = -\frac{7}{96} − 6 1 ( 64 1 + 64 27 ) = − 6 1 ⋅ 64 28 = − 96 7 。上界,取 M i = M = 2 M_i = M = 2 M i = M = 2 :
取 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上的 f ( x ) = e x f(x)=e^x f ( x ) = e x ,節點為 0 , 1 2 , 1 0,\tfrac12,1 0 , 2 1 , 1 ,故 h i = 1 2 h_i=\tfrac12 h i = 2 1 。則 T = 1 4 ( 1 + 2 e 1 / 2 + e ) ≈ 1.75393 T=\tfrac14\bigl(1+2e^{1/2}+e\bigr)\approx1.75393 T = 4 1 ( 1 + 2 e 1/2 + e ) ≈ 1.75393 ,而 ∫ 0 1 e x d x = e − 1 ≈ 1.71828 \int_0^1e^x\,dx=e-1\approx1.71828 ∫ 0 1 e x d x = e − 1 ≈ 1.71828 ,所以 E ≈ − 0.03565 E\approx-0.03565 E ≈ − 0.03565 (與任何凸函數一樣,公式高估)。在兩個單元上分別有 ∣ f ′ ′ ∣ = e x ≤ e 1 / 2 |f''|=e^x\le e^{1/2} ∣ f ′′ ∣ = e x ≤ e 1/2 和 ≤ e \le e ≤ e ,所以單元上界之和為 ( e 1 / 2 + e ) / ( 8 ⋅ 12 ) ≈ 0.0455 (e^{1/2}+e)/(8\cdot12)\approx0.0455 ( e 1/2 + e ) / ( 8 ⋅ 12 ) ≈ 0.0455 ,取 M = e M=e M = e 的整體上界為 e ⋅ 1 4 / 12 ≈ 0.0566 e\cdot\tfrac14/12\approx0.0566 e ⋅ 4 1 /12 ≈ 0.0566 。兩個上界都有效,實際誤差 0.0357 0.0357 0.0357 低於兩者。
取 n = 1 n=1 n = 1 、[ a , b ] = [ 0 , 2 ] [a,b]=[0,2] [ a , b ] = [ 0 , 2 ] 及 f ( x ) = x 3 f(x)=x^3 f ( x ) = x 3 。則 T = 2 2 ( 0 + 8 ) = 8 T=\tfrac22(0+8)=8 T = 2 2 ( 0 + 8 ) = 8 ,∫ 0 2 x 3 d x = 4 \int_0^2x^3\,dx=4 ∫ 0 2 x 3 d x = 4 ,所以 E = − 4 E=-4 E = − 4 。此處 f ′ ′ ( x ) = 6 x f''(x)=6x f ′′ ( x ) = 6 x ,M = max ∣ f ′ ′ ∣ = 12 M=\max|f''|=12 M = max ∣ f ′′ ∣ = 12 ,故上界為 12 ⋅ 8 / 12 = 8 ≥ 4 12\cdot8/12=8\ge4 12 ⋅ 8/12 = 8 ≥ 4 。只有一個單元時沒有東西可加,單元上界與整體上界重合。這個上界有效,但鬆了一倍,因為 f ′ ′ f'' f ′′ 在單元上遠非常數。
上界無法控制的部分
浮點誤差。 定理假設精確運算,並適用於所有嚴格遞增的有限實數節點,包括無法以二進制精確表示的節點。定理並不約束以下情況引入的誤差:把預定節點捨入為儲存的浮點數值,或以浮點運算計算寬度、平均值及總和。若把儲存的節點視為精確的實數,並把數據視為這些節點上的精確函數值,則定理適用於該儲存節點網格。與預定網格及數據的差異,仍須另行分析。
量度誤差。 假設數據為 y k = f ( x k ) + δ k y_k = f(x_k) + \delta_k y k = f ( x k ) + δ k ,例如來自實驗。此時上界只涵蓋誤差中屬於 f f f 的部分,噪聲所造成的影響須另行分析。在精確運算下,若 ∣ δ k ∣ ≤ δ |\delta_k| \le \delta ∣ δ k ∣ ≤ δ ,額外誤差至多為 δ ( b − a ) \delta(b-a) δ ( b − a ) ,但這是額外的論證,並不屬於上述定理。
加密網格的注意事項。 在 M M M 不變的情況下,縮小 h h h 會令上界 大約按 h 2 h^2 h 2 的比例縮小,但並不保證實際誤差 在每一步都會減少。對 x 2 x^2 x 2 而言,分割單元必定有幫助,因為對正數 α , β \alpha, \beta α , β 有 α 3 + β 3 < ( α + β ) 3 \alpha^3 + \beta^3 < (\alpha + \beta)^3 α 3 + β 3 < ( α + β ) 3 。對一般的 f f f ,這可能不成立。
反例模式
增加節點可令誤差變差 斷言:加密網格、增加一個節點,誤差絕不會增加。在 [ − 1 , 1 ] [-1, 1] [ − 1 , 1 ] 上取 f ( x ) = x 3 f(x) = x^3 f ( x ) = x 3 ,精確積分為 0 0 0 。以節點 − 1 , 1 -1, 1 − 1 , 1 計算,得 T = 2 2 ( − 1 + 1 ) = 0 T = \tfrac22(-1+1)=0 T = 2 2 ( − 1 + 1 ) = 0 ,故 E = 0 E = 0 E = 0 。以節點 − 1 , 1 2 , 1 -1, \tfrac12, 1 − 1 , 2 1 , 1 計算:
T = 3 4 ( − 1 + 1 8 ) + 1 4 ( 1 8 + 1 ) = − 21 32 + 9 32 = − 3 8 , T = \tfrac34\bigl(-1 + \tfrac18\bigr) + \tfrac14\bigl(\tfrac18 + 1\bigr) = -\tfrac{21}{32} + \tfrac{9}{32} = -\tfrac38, T = 4 3 ( − 1 + 8 1 ) + 4 1 ( 8 1 + 1 ) = − 32 21 + 32 9 = − 8 3 , 故 E = 3 8 E = \tfrac38 E = 8 3 。增加一個節點反而令誤差變差,因為第一個網格只是由於 f ′ ′ f'' f ′′ 變號的兩半誤差互相抵消才精確。上界在兩個網格上仍然成立;它控制的是 E E E 的大小,而不是它單調下降。特別地,E = 0 E = 0 E = 0 並不能證明準確。
由於 E = ∫ f − T E=\int f-T E = ∫ f − T ,負的 E E E 表示公式給出的值偏大:在節點 0 , 1 4 , 1 0,\tfrac14,1 0 , 4 1 , 1 的例子中,E = − 7 / 96 E=-7/96 E = − 7/96 而 T = 13 / 32 > 1 / 3 T=13/32>1/3 T = 13/32 > 1/3 。在相反的約定 E ′ = T − I E'=T-I E ′ = T − I 之下,同一計算給出 + 7 / 96 +7/96 + 7/96 。在斷定公式高估還是低估之前,先核對定義。
MATLAB 實現
請把以下函數儲存為 trapz_nonuniform.m。此版本只接受雙精度陣列:若接受所有數值類別,便會連整數陣列也一併接受,而整數運算可能會捨入或飽和,無法計算帶小數的梯形平均值。其他輸入類型需要明確轉換,並檢查轉換後的節點和數據仍然表達原本的問題。
function T = trapz_nonuniform(x, y)
%TRAPZ_NONUNIFORM Composite trapezoidal rule on a nonuniform mesh.
% T = TRAPZ_NONUNIFORM(x, y)
% x : 1-by-(n+1) real, finite, strictly increasing DOUBLE ROW vector
% y : 1-by-(n+1) real, finite DOUBLE ROW vector with y(k) = f(x(k))
if ~isa(x, 'double') || ~isa(y, 'double') || ~isrow(x) || ~isrow(y)
error('trapz_nonuniform:orientation', ...
'x and y must be double row vectors.');
end
if numel(x) ~= numel(y)
error('trapz_nonuniform:length', ...
'x and y must have the same number of elements.');
end
if numel(x) < 2
error('trapz_nonuniform:tooFew', 'At least two nodes are required.');
end
if ~isreal(x) || ~isreal(y) || ~all(isfinite(x)) || ~all(isfinite(y))
error('trapz_nonuniform:values', ...
'x and y must be real and finite.');
end
h = diff(x); % 1-by-n cell widths
if any(h <= 0)
error('trapz_nonuniform:order', ...
'Nodes must be strictly increasing (hence distinct).');
end
avg = (y(1:end-1) + y(2:end)) / 2; % 1-by-n endpoint averages
T = dot(h, avg); % sum_i h_i * avg_i
end
配合例題使用:
x = [0, 1/4, 1]; % 1-by-3 row vector
f = @(t) t.^2; % elementwise power keeps the row shape
y = f(x); % 1-by-3 row vector
T = trapz_nonuniform(x, y);
% Exact-arithmetic value: T = 13/32, error = 1/3 - 13/32 = -7/96
測試 h <= 0 是對儲存的雙精度節點之差進行的。通過該測試只確立它們遞增的次序,並不表示它們等於你原本想要的數學數值。有限的輸入也不能防止 diff、端點之和或內積中發生溢位;下溢及一般的捨入亦仍有可能。這個簡單的實現不會偵測或防範這些算術誤差,結果為 Inf 或 NaN 時,不能用作求積的估計值。
小測
快速檢查
(對節點 0 , 1 2 , 1 0,\tfrac12,1 0 , 2 1 , 1 上的 f ( x ) = x 2 f(x)=x^2 f ( x ) = x 2 ,計算 T T T 及 E = ∫ 0 1 f − T E=\int_0^1f-T E = ∫ 0 1 f − T 。)
利用 h 1 = h 2 = 1 2 h_1=h_2=\tfrac12 h 1 = h 2 = 2 1 。
解答 · 答案 T = 1 4 ( 0 + 2 ⋅ 1 4 + 1 ) = 3 8 T=\tfrac14\bigl(0+2\cdot\tfrac14+1\bigr)=\tfrac38 T = 4 1 ( 0 + 2 ⋅ 4 1 + 1 ) = 8 3 ,所以 E = 1 3 − 3 8 = − 1 24 E=\tfrac13-\tfrac38=-\tfrac1{24} E = 3 1 − 8 3 = − 24 1 。這與 − 1 6 ( 1 8 + 1 8 ) = − 1 24 -\tfrac16\bigl(\tfrac18+\tfrac18\bigr)=-\tfrac1{24} − 6 1 ( 8 1 + 8 1 ) = − 24 1 一致。
快速檢查
(對 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上的 f ( x ) = x 2 f(x)=x^2 f ( x ) = x 2 ,取 n n n 個等寬單元,使整體上界 M ( b − a ) h 2 / 12 M(b-a)h^2/12 M ( b − a ) h 2 /12 (M = 2 M=2 M = 2 )不超過 10 − 4 10^{-4} 1 0 − 4 的最小 n n n 是多少?)
此時 h = 1 / n h=1/n h = 1/ n ,上界為 h 2 / 6 h^2/6 h 2 /6 。
解答 · 答案 需要 1 / ( 6 n 2 ) ≤ 10 − 4 1/(6n^2)\le10^{-4} 1/ ( 6 n 2 ) ≤ 1 0 − 4 ,即 n 2 ≥ 10 4 / 6 ≈ 1666.7 n^2\ge10^4/6\approx1666.7 n 2 ≥ 1 0 4 /6 ≈ 1666.7 。因 40 2 = 1600 < 1666.7 ≤ 1681 = 41 2 40^2=1600<1666.7\le1681=41^2 4 0 2 = 1600 < 1666.7 ≤ 1681 = 4 1 2 ,最小的 n n n 是 41 41 41 。
快速檢查
(算得的梯形法誤差恰好為零。這是否說明公式對鄰近的問題也準確?)
回想 [ − 1 , 1 ] [-1,1] [ − 1 , 1 ] 上的 x 3 x^3 x 3 例子。
解答 · 答案 不是。對每個線性 f f f 都有 E = 0 E=0 E = 0 ,但當 f ′ ′ f'' f ′′ 變號時,零誤差也可能因互相抵消而出現,正如節點 − 1 , 1 -1,1 − 1 , 1 之下 [ − 1 , 1 ] [-1,1] [ − 1 , 1 ] 上的 x 3 x^3 x 3 。加入節點 1 2 \tfrac12 2 1 後,誤差變成 3 8 \tfrac38 8 3 。
自我檢查清單
我能陳述設定:嚴格遞增的有限節點、f ∈ C 2 [ a , b ] f \in C^2[a,b] f ∈ C 2 [ a , b ] ,以及 E = ∫ f − T E = \int f - T E = ∫ f − T 。
我能兩次應用羅爾定理,證明插值誤差公式。
我能計算 ∫ 0 h s ( h − s ) d s = h 3 / 6 \int_0^{h} s(h-s)\,ds = h^3/6 ∫ 0 h s ( h − s ) d s = h 3 /6 ,並推導 ∣ E i ∣ ≤ M i h i 3 / 12 |E_i| \le M_i h_i^3/12 ∣ E i ∣ ≤ M i h i 3 /12 。
我能由各單元上界推至 M 12 ∑ h i 3 \tfrac{M}{12}\sum h_i^3 12 M ∑ h i 3 ,再推至 M ( b − a ) h 2 / 12 M(b-a)h^2/12 M ( b − a ) h 2 /12 。
我能證明對 f = x 2 f = x^2 f = x 2 有 E = − 1 6 ∑ h i 3 E = -\tfrac16\sum h_i^3 E = − 6 1 ∑ h i 3 。
我能就節點 0 , 1 4 , 1 0, \tfrac14, 1 0 , 4 1 , 1 重現 T = 13 / 32 T = 13/32 T = 13/32 、E = − 7 / 96 E = -7/96 E = − 7/96 ,以及上界 7 / 96 7/96 7/96 和 9 / 96 9/96 9/96 。
我能解釋為何捨入誤差及量度誤差不在上界涵蓋範圍之內。
我能舉出一個令誤差變差的網格加密例子,並解釋為何零誤差不能證明任何事。
我的 MATLAB 程式碼會檢查雙精度輸入類型、向量方向、長度、有限性及嚴格單調性;這些檢查並不保證浮點精度,亦不能防止中間運算溢位。
相關筆記: Lab 03:插值與梯形求積