Python龍貝格法求積分實例
我就廢話不多說了,直接上代碼吧!
# 龍貝格法求積分
import math
a=0 # 積分下限
b=1 # 積分上限
eps=10**-5 # 精度
T=[] # 復(fù)化梯形序列
S=[] # Simpson序列
C=[] # Cotes序列
R=[] # Romberg序列
def func(x): # 被積函數(shù)
y=math.exp(-x)
return y
def Romberg(a,b,eps,func):
h = b - a
T.append(h * (func(a) + func(b)) / 2)
ep=eps+1
m=0
while(ep>=eps):
m=m+1
t=0
for i in range(2**(m-1)-1):
t=t+func(a+(2*(i+1)-1)*h/2**m)*h/2**m
t=t+T[-1]/2
T.append(t)
if m>=1:
S.append((4**m*T[-1]-T[-2])/(4**m-1))
if m>=2:
C.append((4**m*S[-1]-S[-2])/(4**m-1))
if m>=3:
R.append((4**m*C[-1]-C[-2])/(4**m-1))
if m>4:
ep=abs(10*(R[-1]-R[-2]))
Romberg(a,b,eps,func)
# print(T)
# print(S)
# print(C)
# print(R)
# 計算機參考值0.6321205588
print("積分結(jié)果為:{:.5f}".format(R[-1]))
補充拓展:python實現(xiàn)數(shù)值分析之龍貝格求積公式
復(fù)合梯形公式的提出:
1.首先,什么是梯形公式:

梯形公式表明:f(x)在[a,b]兩點之間的積分(面積),近似地可以用一個梯形的面積表示。
2.顯然,這個梯形公式對于不同的f(x)而言,其代數(shù)精度不同。為了能適合更多的f(x),我們一般使用牛頓-科特斯公式其中比較高次的公式來進行數(shù)值求積。但高次的缺陷是當(dāng)次數(shù)大于8次,求積公式就會不穩(wěn)定。因此,我們用于數(shù)值積分的牛頓-科特斯公式通常是一次的梯形公式、二次的辛普森公式和4此的科特斯公式。
辛普森公式:

科特斯公式:

3.牛頓-科特斯公式次數(shù)高于8次不能用,但是低次公式又精度不夠。解決辦法就是使用:復(fù)合梯形求積公式。復(fù)合求積公式就是在區(qū)間[a,b]上劃分n格小區(qū)間。一個大區(qū)間[a,b]上用一次梯形公式精度不夠,那么在n個小區(qū)間都使用梯形公式,最后將小區(qū)間的和累加起來,就可以得到整個大區(qū)間[a,b]的積分近似值。
a = x0 < x1 <x2 …<xn-1 < xn =b

令Tn為將[a,b]劃分n等分的復(fù)合梯形求積公式,h =(b-a)/n為小區(qū)間的長度。h/2類似于梯形公式中的(b-a)/2
注意:這里的k+1是下標(biāo)

通過研究我們發(fā)現(xiàn):T2n與Tn之間存在一些遞推關(guān)系。
注意:這里的k+1/2是下標(biāo)。并且其中的h/2是中的h是Tn(n等分中的h = (b-a)/n))

于是乎,我們可以一次推出T1,T2,T4,T8…T2n序列
引出這些之后,才是我們的主題:龍貝格求積公式
龍貝格求積公式的實質(zhì)是用T2n序列構(gòu)造,S2n序列,
再用S2n序列構(gòu)造C2n序列
最后用C2n序列構(gòu)造R2n序列。
編程實現(xiàn),理解下面的幾個公式即可。

python編程代碼如下:
# coding=UTF-8
# Author:winyn
'''
給定一個函數(shù),如:f(x)= x^(3/2),和積分上下限a,b,用機械求積Romberg公式求積分。
'''
import numpy as np
def func(x):
return x**(3/2)
class Romberg:
def __init__(self, integ_dowlimit, integ_uplimit):
'''
初始化積分上限integ_uplimit和積分下限integ_dowlimit
輸入一個函數(shù),輸出函數(shù)在積分上下限的積分
'''
self.integ_uplimit = integ_uplimit
self.integ_dowlimit = integ_dowlimit
def calc(self):
'''
計算Richardson外推算法的四個序列
'''
t_seq1 = np.zeros(5, 'f')
s_seq2 = np.zeros(4, 'f')
c_seq3 = np.zeros(3, 'f')
r_seq4 = np.zeros(2, 'f')
# 循環(huán)生成hm間距序列
hm = [(self.integ_uplimit - self.integ_dowlimit) / (2 ** i) for i in range(0,5)]
print(hm)
# 循環(huán)生成t_seq1
fa = func(self.integ_dowlimit)
fb = func(self.integ_uplimit)
t0 = (1 / 2) * (self.integ_uplimit - self.integ_dowlimit) * (fa+fb)
t_seq1[0] = t0
for i in range(1, 5):
sum = 0
# 多出來的點的累加和
for each in range(1, 2**i,2):
sum =sum + hm[i]*func( self.integ_dowlimit+each * hm[i])#計算兩項值
temp1 = 1 / 2 * t_seq1[i - 1]
temp2 =sum
temp = temp1 + temp2
# 求t_seql的1-4位
t_seq1[i] = temp
print('T序列:'+ str(list(t_seq1)))
# 循環(huán)生成s_seq2
s_seq2 = [round((4 * t_seq1[i + 1] - t_seq1[i]) / 3,6) for i in range(0, 4)]
print('S序列:' + str(list(s_seq2)))
# 循環(huán)生成c_seq3
c_seq3 = [round((4 ** 2 * s_seq2[i + 1] - s_seq2[i]) / (4 ** 2 - 1),6) for i in range(0, 3)]
print('C序列:' + str(list(c_seq3)))
# 循環(huán)生成r_seq4
r_seq4 = [round((4 ** 3 * c_seq3[i + 1] - c_seq3[i]) / (4 ** 3 - 1),6) for i in range(0, 2)]
print('R序列:' + str(list(r_seq4)))
return 'end'
rom = Romberg(0, 1)
print(rom.calc())
以上這篇Python龍貝格法求積分實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
python 通過字符串調(diào)用對象屬性或方法的實例講解
下面小編就為大家分享一篇python 通過字符串調(diào)用對象屬性或方法的實例講解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
基于MSELoss()與CrossEntropyLoss()的區(qū)別詳解
今天小編就為大家分享一篇基于MSELoss()與CrossEntropyLoss()的區(qū)別詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
python ForMaiR實現(xiàn)自定義規(guī)則的郵件自動轉(zhuǎn)發(fā)工具
這篇文章主要為大家介紹了python ForMaiR實現(xiàn)自定義規(guī)則的郵件自動轉(zhuǎn)發(fā)工具示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-12-12
關(guān)于Python3 lambda函數(shù)的深入淺出
今天小編就為大家分享一篇關(guān)于Python3 lambda函數(shù)的深入淺出,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
Anaconda+pycharm安裝及環(huán)境配置全過程
在使用pyCharm進行開發(fā)時,需要用到Anaconda創(chuàng)建的環(huán)境,下面這篇文章主要給大家介紹了關(guān)于Anaconda+pycharm安裝及環(huán)境配置的相關(guān)資料,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-09-09

