Pole pod krzywą, przybliżone przez prostokąty
Różniczkowe działanie ∫f(x)dx z a do b jest zdefiniowane jako oznaczona powierzchnia pomiędzy krzywą a osią x.
Podchodź Riemanna – ten, który się najpierw uczy, ponieważ jest najbardziej bezpośredni – polega na podzieleniu przedziału [a,b] na n podziałów o szerokości Δx = (b−a)/n, przybliżeniu krzywej w każdym podziale prostokątem i sumowaniu obszarów prostokątów:
Działanie Riemanna = Σ f(xᵢ*) · Δx, i = 1 do n Δx = (b - a) / n xᵢ* = punkt próbny wewnątrz i-tego podprzedziału – który wybierasz definiuje regułę
Wraz ze wzrostem n i skurczającym się Δx do zera, suma zbiega się do dokładnej całki dla dowolnej funkcji, która jest ciągła (lub ma tylko skończoną liczbę dyskontynuacji skokowych) na przedziale [a,b] – ta zbieżność, udoskonalona i zweryfikowana, definiuje integral Riemanna, zanim zostanie powiązana z całkami pierwiastkowymi poprzez podstawowy twierdzenie rachunku różniczkowego.
Riemann sum = Σ f(xᵢ*) · Δx, i = 1 to n Δx = (b - a) / n xᵢ* = a sample point inside the i-th subinterval — which one you pick defines the rule
Lewa, prawa, środek: gdzie próbkujesz ma znaczenie
Cztery powszechne zasady różnią się jedynie wyborem xᵢ* i, dla metody trapezowej, kształtem zastępującym prostokąt. Zasada lewa próbuje z lewej krawędzi każdej wstężki, zasada prawa z prawej, a dla funkcji monotonicznie rosnącej lub malejącej systematycznie niedoszacują lub przeszacowują rzeczywistą powierzchnię, a zatem prawdziwy całka zawsze jest uwięziony pomiędzy nimi. Metoda środkowa próbuje z środka każdej wstężki i jej błędy ze obu stron krzywej w dużej mierze się wyzerują, co czyni ją zauważalnie dokładniejszą przy tym samym n.
Metoda trapezów nie używa prostokąta – łączy f(xᵢ) i f(xᵢ₊₁) linią prostą i sumuje obszary trapezów zamiast tego:
trapezoid sum = Δx · [ f(x₀)/2 + f(x₁) + f(x₂) + ... + f(xₙ₋₁) + f(xₙ)/2 ]
Współczynnik konwergencji: dlaczego metoda środka i trapez wygrywa z metodą lewo-prawo
Analiza błędów poprzez rozwinięcie Taylora pokazuje, że metody lewo-prawe mają błąd malejący w skali O(1/n) – podwojenie szerokości paska tylko połowę razy zmniejsza błąd. Metody środka i trapez mają błąd w skali O(1/n²) – podwojenie szerokości paska cztery razy zmniejsza błąd – ponieważ ich próbkowanie wyzerowuje dominujący człon z gradientem w rozwinięciu Taylora, którego metoda lewo-prawe nie robi. Zauważalnie, błąd metody środka jest zwykle o połowę mniejszy niż błąd metody trapezu, i o przeciwnym znaku, co dokładnie wyjaśnia, dlaczego metoda Simpsona (której tutaj nie omawiamy, ale stanowi naturalny krok kolejny) łączy je w stosunku 2:1, aby całkowicie wyzerować człon O(1/n²), osiągając więc O(1/n⁴).
Gdzie każda reguła zawodzi
Każda reguła zakłada, że f jest w miarę gładkie na każdym pasie. Funkcje takie jak sqrt(x) w pobliżu x = 0, gdzie pochodna ucieka do nieskończoności, lub |x| w pobliżu przerwy, obniżają szybkość zbieżności każdej reguły – metody trapezowe i środkowe tracą swoją przewagę O(1/n²) i wracają w kierunku O(1/n) w pobliżu takich punktów, ponieważ rozszerzenie Taylora, które gwarantuje szybszy stopień, zakłada ograniczoną drugą pochodną. Funkcje oscylacyjne takie jak sin(x) przy wysokich liczbach pasów zbiegają się zgodnie z oczekiwaniami, gdy każdy pasek jest węższy niż własne drganie funkcji, ale przy małym n prostokąt może przeciąć szczyt i dolinę i całkowicie wyzerować rzeczywistą powierzchnię.
Dlaczego to ma znaczenie poza ćwiczeniem z rachunku różniczkowego
Większość całek pojawiających się w fizyce, inżynierii i statystyce nie posiada zamkniętej postaci pierwiastkowej – najsłynniejszym przykładem jest ∫e^(−x²)dx Gaussa – więc numeryczna metoda kwadratury nie jest rozwiązaniem awaryjnym, lecz jedyną opcją. Ta sama rodzina lewostronnych/prawostronnych/środkowych/trapezoidalna, rozszerzona na dwie i trzy wymiary, leży u podstaw analizy elementów skończonych oraz podstawowa zasada przybliżania całki przez ważoną sumę wartości funkcji próbkowanych jest stosowana aż po integrację Monte Carlo w przypadku wielowymiarowych całek występujących w finansach obliczeniowych i renderowaniu.
Frequently asked questions
Dlaczego metoda środkowa przewyższa obie metody lewą i prawą dla tej samej liczby prostokątów?
Metody lewe i prawe mają błąd, który maleje proporcjonalnie do szerokości paska (O(1/n)), ponieważ systematycznie przesuwa się za lub przed krzywą funkcji. Błąd metody środkowej maleje z kwadratem szerokości paska (O(1/n²)) ze względu na próbkowanie w środku, co powoduje pierwsze rzędu anulowanie błędu krzywizny po obu stronach punktu próbkującego.
Czy metoda trapezów jest taka sama jak uśrednianie metod lewej i prawej?
Tak, algebraicznie są identyczne — suma trapezów równa się średniej z sumy metody lewej i metody prawej. Dlatego też dziedziczy ten sam współczynnik zbieżności O(1/n²) jak metoda środkowa: uśrednianie dwóch szacunków O(1/n) z przeciwnie skierowanymi błędami przywódczymi eliminuje ten błąd przywódczy.
Dlaczego sqrt(x) i |x| sprawiają, że każda metoda zbiega się wolniej?
Współczynnik błędu O(1/n²) dla metod środkowej i trapezów zakłada, że funkcja ma ograniczony, ciągły drugi pochodny na każdym pasku. sqrt(x) ma pochodną, która rośnie wykładniczo przy x = 0, a |x| ma przerwę bez drugiego pochodnego w ogóle, więc blisko tych punktów każda metoda wraca do zachowania się bliższego najgorszego przypadku O(1/n).
Wypróbuj na żywo
Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Riemann Integral i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.
▶ Otwórz symulację Riemann Integral