Adaptivní numerický určitý integrál

Integrujte reálný výraz na konečném intervalu adaptivní Simpsonovou metodou nebo pevným lichoběžníkovým či Simpsonovým pravidlem.

Odhad určitého integrálu
1
Odhad numerické chyby
0
Vyhodnocení funkce
5

Výpočet a předpoklady

S=(b−a)(f(a)+4f((a+b)/2)+f(b))/6; error≈abs(S_left+S_right−S)/15.

Použijte x, pi, e, explicitní + − * / ^, závorky, sin, cos, tan, exp, ln, log, sqrt, abs; radiány. Pouze hladké konečné funkce do 512 znaků. Obrácené meze mění znaménko. Do 20 úrovní a 60000 vyhodnocení. Chyba je heuristická; póly, nespojitosti a oscilace mohou uniknout. Bez nevlastních integrálů a symbolických primitivních funkcí.

Pevná pravidla: lichoběžníkové T = h(f(x₀)/2 + f(x₁) + … + f(xₙ₋₁) + f(xₙ)/2); Simpsonovo S = h/3(f(x₀) + 4f(x₁) + 2f(x₂) + … + f(xₙ)), liché n se zvýší o jedna. Chyba se odhaduje porovnáním pravidla s n a 2n kroky (Richardson), proto se počítá 2n + 1 hodnot. log je dekadický logaritmus, ln přirozený; PI a E lze psát i velkými písmeny.

Hodnoty musí patřit do definičního oboru vzorce. Nenulové výsledky příliš malé nebo příliš velké pro spolehlivé zobrazení jsou odmítnuty.

Často kladené otázky

Jak se výsledek počítá?

S=(b−a)(f(a)+4f((a+b)/2)+f(b))/6; error≈abs(S_left+S_right−S)/15.

Jaké předpoklady platí?

Použijte x, pi, e, explicitní + − * / ^, závorky, sin, cos, tan, exp, ln, log, sqrt, abs; radiány. Pouze hladké konečné funkce do 512 znaků. Obrácené meze mění znaménko. Do 20 úrovní a 60000 vyhodnocení. Chyba je heuristická; póly, nespojitosti a oscilace mohou uniknout. Bez nevlastních integrálů a symbolických primitivních funkcí.

Jaký je rozdíl mezi lichoběžníkovým a Simpsonovým pravidlem?

Lichoběžníkové pravidlo spojuje sousední body úsečkami; jeho chyba klesá přibližně jako 1/n². Simpsonovo pravidlo prokládá paraboly dvojicemi kroků a vyžaduje sudé n; u hladkých funkcí chyba klesá přibližně jako 1/n⁴. Adaptivní Simpson zjemňuje dělení jen tam, kde je odhadnutá chyba příliš velká.

Jak přesné jsou výsledky?

Výsledky mají až deset platných číslic. Přesnost zobrazení nezvyšuje přesnost měření ani modelu. Hodnoty musí patřit do definičního oboru vzorce. Nenulové výsledky příliš malé nebo příliš velké pro spolehlivé zobrazení jsou odmítnuty.

Vyzkoušejte také:

Zpět na kategorii →