Numerisk integrasjon – algoritmer, Python, feilanalyse og konvergens

Hopp til hovedinnholdMatematikk › R2 › Kapittel 13 Matematikk R2 · Kapittel 13

Bygg integralalgoritmer fra grunnen av. Sammenlign rektangel-, midtpunkt- og trapesmetoden, programmer dem i Python, integrer måledata og vurder feil, konvergens, enheter og gyldighet.

156 dybdespor 20 SVG-visualiseringer 960 originale oppgaver 960 modelløsninger Fra geometrisk tilnærming til programmerbar algoritme. Læringsmål og plass i R2

Hva skal du kunne?

Matematisk

Forklare hvordan et bestemt integral kan tilnærmes med summer, og skille mellom metode, anslag og eksakt integral.

Algoritmisk

Utvikle, programmere og dokumentere algoritmer for flere numeriske integrasjonsmetoder.

Kritisk

Vurdere feilretning, konvergens, toleranse, datakvalitet, enheter og rimelig avrunding.

LK20-kjerne: Kapitlet er bygd rundt kompetansen å utvikle algoritmer for å beregne integraler numerisk og bruke programmering til å utføre algoritmene.

Innhold

1. Fra integral til algoritme
2. Partisjon, delintervall og Riemannsum
3. Venstresum
4. Høyresum
5. Midtpunktsmetoden
6. Trapesmetoden
7. Hvordan velge metode
8. Monotoni og sikre grenser
9. Krumning og feilretning
10. Fra formel til program
11. Feilsøking og teststrategi
12. Konvergens og forbedring
13. Toleranse og stoppkriterium
14. Integrasjon fra tabellverdier
15. Enheter og praktisk tolkning
16. Fortegn og nettoendring
17. Flyttall, avrunding og stabilitet
18. GeoGebra, CAS og Python
19. Adaptiv forbedring
20. Simpsons metode som fordypning
21. Datakvalitet og forbehandling
22. Ytelse og beregningskostnad
23. Absolutt og relativ feil
24. Robust inputvalidering
25. Eksamensstrategi
26. Fullstendig arbeidsflyt

Del 1 av 26

Fra integral til algoritme

Et bestemt integral er en eksakt matematisk størrelse, mens en numerisk metode produserer et beregnet anslag. Det sentrale skiftet er å erstatte en kontinuerlig prosess med et endelig antall bidrag som en datamaskin kan summere. Hvert bidrag har en høyde, en bredde og en tydelig plassering i intervallet.

Når funksjonen ikke har en enkel stamfunksjon, når dataene bare finnes i en tabell, eller når vi ønsker å undersøke en modell numerisk, er algoritmen selve løsningsverktøyet. En god løsning beskriver derfor både matematikken, koden og hvordan svaret kontrolleres.

En eksplisitt algoritme gjør matematikken testbar, forklarbar og programmerbar. Del 2 av 26

Partisjon, delintervall og Riemannsum

Intervallet [a,b] deles i n delintervaller. Ved lik inndeling er bredden Δx=(b−a)/n. I hvert delintervall velger vi et prøvepunkt cᵢ og danner bidraget f(cᵢ)Δx. Summen av bidragene er en Riemannsum.

Det er prøvepunktet som skiller venstre-, høyre- og midtpunktsmetoden. Trapesmetoden bruker i stedet gjennomsnittet av høydene i hvert delintervall. Når n øker og breddene går mot null, kan summene nærme seg integralet.

Sₙ = Σᵢ₌₁ⁿ f(cᵢ)·Δx, Δx=(b−a)/n Riemannsummen bestemmes av delintervallene og valget av prøvepunkt i hvert delintervall. Del 3 av 26

Venstresum

I venstresummen brukes venstre endepunkt i hvert delintervall. For n delintervaller er indeksene 0,1,…,n−1. Dette er viktig: høyre endepunkt b skal ikke tas med som prøvehøyde.

Metoden er enkel å programmere og nyttig for å forstå sammenhengen mellom løkkeindekser og geometri. For en voksende positiv funksjon vil venstresummen ligge under integralet; for en avtakende funksjon vil den ligge over.

Lₙ = Δx·Σᵢ₌₀ⁿ⁻¹ f(a+iΔx) Metoden bestemmer hvilken funksjonsverdi som representerer hvert delintervall. Del 4 av 26

Høyresum

I høyresummen brukes høyre endepunkt i hvert delintervall. Indeksene er 1,2,…,n. Den eneste kodemessige forskjellen fra venstresummen er start- og sluttverdien i løkken, men den geometriske virkningen kan være tydelig.

Ved å beregne både venstre- og høyresum kan eleven ofte lage et intervall som integralet må ligge i. Avstanden mellom summene gir også et første mål på usikkerheten.

Rₙ = Δx·Σᵢ₌₁ⁿ f(a+iΔx) Metoden bestemmer hvilken funksjonsverdi som representerer hvert delintervall. Del 5 av 26

Midtpunktsmetoden

Midtpunktsmetoden evaluerer funksjonen midt i hvert delintervall, mᵢ=a+(i+1/2)Δx. Midtpunktet balanserer ofte lokale over- og undervurderinger bedre enn endepunktene.

For glatte funksjoner avtar feilen vanligvis omtrent fire ganger når n dobles. Dette gjør metoden effektiv uten at algoritmen blir komplisert. Samtidig må midtpunktene beregnes korrekt; de er ikke de samme som endepunktene.

Mₙ = Δx·Σᵢ₌₀ⁿ⁻¹ f(a+(i+1/2)Δx) Metoden bestemmer hvilken funksjonsverdi som representerer hvert delintervall. Del 6 av 26

Trapesmetoden

Trapesmetoden erstatter grafen med en rett linje mellom nabopunkter. Arealet i ett delintervall blir Δx(f(xᵢ)+f(xᵢ₊₁))/2. I den sammensatte formelen får endepunktene vekt 1/2, mens indre punkter får vekt 1.

Metoden kan også forstås som gjennomsnittet av venstre- og høyresummen ved lik inndeling. Det gjør formelen lettere å huske og gir en naturlig kontroll av implementasjonen.

Tₙ = Δx·[f(a)/2 + Σᵢ₌₁ⁿ⁻¹ f(a+iΔx) + f(b)/2] Metoden bestemmer hvilken funksjonsverdi som representerer hvert delintervall. Gjennomarbeidet eksempel

Trapesmetoden steg for steg

Oppgave: Tilnærm ∫₀² (x²+1) dx med n=4.

1. Beregn h=(2−0)/4=0,5.
2. Finn høydene f(0)=1, f(0,5)=1,25, f(1)=2, f(1,5)=3,25 og f(2)=5.
3. Gi endepunktene halv vekt og de indre punktene full vekt.
4. T₄=0,5·(0,5·1+1,25+2+3,25+0,5·5)=4,75.

Svar: T₄=4,75. Den eksakte verdien er 14/3≈4,6667, så anslaget er 0,0833 for stort.

Kontroll: Grafen er konveks fordi f″(x)=2>0; overestimeringen stemmer med krumningsregelen.

Del 7 av 26

Hvordan velge metode

Metodevalget avhenger av hva slags informasjon som finnes, hvor presist svaret må være, og hva eleven skal vise. Venstre- og høyresum er best for grenser og grunnforståelse. Midtpunkt og trapes gir ofte bedre presisjon med samme n.

Når dataene kommer som målepunkter, er trapesmetoden et naturlig standardvalg fordi den bare krever naboverdier. Når oppgaven krever at du utvikler en algoritme, må du forklare hvorfor løkken svarer til den matematiske summen.

Metodevalget påvirker både feilens størrelse og retning. Del 8 av 26

Monotoni og sikre grenser

For en voksende funksjon er venstresummen en nedre sum og høyresummen en øvre sum. For en avtakende funksjon byttes rollene. Denne kunnskapen gjør det mulig å kontrollere retningen på feilen uten å kjenne en stamfunksjon.

Et godt eksamenssvar sier ikke bare at ett anslag er større enn et annet. Det knytter forskjellen til funksjonens monotoni på hele intervallet.

f voksende ⇒ Lₙ ≤ ∫ₐᵇf(x)dx ≤ Rₙ Monotoni gjør det mulig å bestemme feilretningen uten å kjenne integralets eksakte verdi. Del 9 av 26

Krumning og feilretning

Krumningen beskrives av den andrederiverte. Når f″>0 er grafen konveks, og sekantlinjene ligger over grafen. Derfor vil trapesmetoden normalt overvurdere integralet, mens midtpunktsmetoden normalt undervurderer. Ved f″<0 blir mønsteret motsatt.

Dette er en kvalitativ feilanalyse. Den forteller retningen, men ikke nødvendigvis størrelsen. For å anslå størrelsen kan vi sammenligne flere n-verdier eller bruke feilgrenser i fordypningsdelen.

Fortegnet til den andrederiverte gir informasjon om hvordan midtpunkt- og trapesfeilen peker. Del 10 av 26

Fra formel til program

En robust implementasjon følger en fast struktur: valider input, beregn h, initialiser sum, gå gjennom riktige indeksverdier, legg til bidrag og multipliser med h. Variabelnavnene bør speile matematikken.

Koden er ikke en svart boks. Eleven skal kunne forklare hva hvert uttrykk representerer geometrisk. En sporingstabell med i, xᵢ, f(xᵢ), vekt og bidrag er en effektiv måte å dokumentere algoritmen på. …