Numerička integracija
U numerici, numerička integracija se sastoji od velike porodice algoritama za računanje numeričke vrijednosti određenog integrala, a termin je također korišten da opiše numeričko rješenje diferencijalne jednačine. Termin numerička kvadratura je manje-više sinonim za numeričku integraciju, pogotovo za jednodimenzionalne integrale. Numerička integracija u više dimenzija se opisuje kao kubatura,[1] iako se izrazom kvadratura podrazumijeva i višedimenziona integracija.
Osnovni problem u numeričkoj integraciji je izračunati približnu vrijednost određenog integrala:
sa zadatim stepenom tačnosti. Ako je f(x) glatka funkcija integrisana preko malog broja dimenzija i ako je domen integracije zatvoren, tada postoji više metoda za aproksimaciju integrala na željenu preciznost.
Historija
urediKvadratura je matematički historijski pojam, a znači računanje površine. Kvadraturni problemi su bili glavni zadaci koji su zadavani kao izvor za matematičku analizu. Matematičari Stare Grčke, prema Pitagorinoj doktrini, shvatili su računanje površine kao proces konstrukcije geometrijskog kvadrata koji ima jednaku površinu (kvadriranje). To je razlog zašto je proces nazvan kvadratura. Naprimjer: kvadratura kruga, hipokratov mjesec i kvadratura parabole. Ova konstrukcija mora biti izvedena jedino upotrebom šestara i lenjira.
Za kvadraturu pravougaonika sa stranicama a i b potrebno je konstruisati kvadrat sa stranicom:
U ovu svrhu, moguće je koristiti sljedeću činjenicu: ako se nacrta krug sa zbirom stranica a i b kao prečnik, onda je visina BH (sa tačke njihovog dodira do presjecanja sa krugom) jednaka njihovoj geometrijskoj sredini. Jednaka geometrijska konstrukcija rješava problem kvadrature paralelograma i trougla.
Problemi kvadrature za krivolinijske figure su mnogo komplikovaniji. Kvadratura jednog kruga sa šestarom i lenjirom je bila dokazana u 19. vijeku kao nemoguća. Ipak, za neke oblike (naprimjer hipokratov mjesec) kvadratura se može obaviti. Kvadrature sferične površine i dijela parabole urađena od strane Arhimeda je postao najveći uspjeh u antičkoj analizi.
- Površina lopte je jednaka četverostrukoj površini velikog kruga ove lopte.
- Površina dijela parabole odsječena pravcem je 4/3 površine od trougla koji je upisan u ovaj segment.
Za dokaz rezultata, Arhimed je koristio metodu Eudoksa.
U srednjovjekovnoj Evropi, kvadratura je značila proračun površine koristeći bilo koju metodu. Češće je metoda nedjeljivosti korištena; manje je rigorozna, a jednostavnija i dobra. Pomoću nje, Galileo Galilei i Gilles de Roberval su našli površinu svoda cikloide, Grégoire de Saint-Vincent je istražio površinu ispod hiperbole (Opus Geometricum, 1647.), a Alphonse Antonio de Sarasa, de Saint-Vincentov učenik i komentator, je uspostavio relaciju ove površine sa logaritmima.
John Wallis je "algebrizirao" ovaj metod: napisao je u svojim Arithmetica Infinitorum (1656.) serijama ono što se danas zove određenim integralom, te izračunao njihove vrijednosti. Isaac Barrow i James Gregory su napravili dalji napredak: kvadrature za neke algebarske krivulje i spirale. Christiaan Huygens je uspješno izveo kvadrature nekih "materijala revolucije".
Kvadratura hiperbole od strane Saint-Vincent i de Sarasa-e je ustupila novu funkciju, prirodni logaritam, od kritičnog značaja.
Sa otkrićem integralnog računa došla je univerzalna metoda za računanje površine. Kao odgovor, termin kvadratura je postao tradicionalan, a umjesto toga moderna fraza "računanje određenog integrala" je češće upotrebljavana.
Razlozi za numeričku integraciju
urediPostoji više razloga zašto se koristi numerička integracija. Funkcija koja se integriše f(x) može biti poznata samo na pojedinim mjestima, što se radi uzimanjem uzorka. Neki super računari i ostale računarske aplikacije nekad trebaju numeričku integraciju baš radi ovog razloga.
Formula za funkciju koja se integriše može biti poznata, ali može biti teško ili nemoguće naći antiderivaciju koja je elementarna funkcija. Jedan primjer je funkcija f(x) = exp(−x2), antiderivacija koja se ne može napisati u elementarnoj formi.
Moguće je naći antiderivaciju simbolično, ali je mnogo jednostavnije naći numeričku aproskimaciju nego računati antiderivaciju (anti-izvod). Ovo može biti korišteno ako je antiderivacija data kao neograničeni niz proizvoda, ili ako bi proračun zahtjevao specijalne funkcije koje nisu dostupne računarima.
Metode za jednodimenzione integrale
urediMetode numeričke integracije se mogu generalno opisati kao kombinacije procjena integranda (funkcije) da se dobije aproksimacija integrala. Integrand je definisan kao konačan skup tačaka nazivanih integracione tačke i zbir ovih vrijednosti se koristi za aproksimaciju integrala. Integracione tačke i zbir zavise od posebnih metoda koje se koriste i preciznosti koja se traži aproksimacijom.
Važan dio analize bilo koje numeričke integracione metode je proučavanje ponašanja greške aproksimacije kao funkcija broja procjene integranda. Metoda koja ima malu grešku za mali broj procjena je često smatrana superiornom. Smanjenjem broja procjena integranda, smanjuje se i broj korištenih aritmetičkih operacija, te se smanjuje ukupna greška proračuna. Takođe, svaka procjena uzima vrijeme, a integrand može biti svojevoljno komplikovan.
Brute force metoda ("nasilna metoda" koja koristi sve kombinacije) numeričkog integrisanja može biti obavljena ako integrand ima "dobro ponašanje" (tj. ako je funkcija kontinualna i iz ograničene varijacije), sa procjenom integranda sa veoma malim korakom - inkrementom.
Kvadraturna pravila bazirana na interpolaciji funkcija
urediVeliki broj kvadraturnih pravila se može naći izvođenjem funkcija koje su jednostavne za integriranje. Najčešće funkcije koje se interpoliraju su polinomi.
Najjednostavnija metoda ovog tipa je dopuštanje da interpolirana funkcija bude konstantna (polinom nultog stepena) funkcija koja prolazi kroz tačku sa koordinatama ((a+b)/2, f((a+b)/2)). Ovo se zove pravilo sredine (srednje tačke) ili kvadratno pravilo.
Interpolacijska funkcija može biti polinom prvog stepena koja prolazi kroz tačke: (a, f(a)) i (b, f(b)). Ovo se zove trapezno pravilo.
Za bilo koje od ovih pravila se može napraviti preciznija aproksimacija prekidanjem intervala [a, b] na veći broj podintervala, računajući aproksimaciju za svaki podinterval, te sabirajući sve u jedan rezultat. Ovo se zove kompozitno pravilo, prošireno pravilo ili iterativno pravilo. Naprimjer, kompozitno trapezno pravilo ima slijedeći oblik:
gdje podintervali imaju oblik [k h, (k+1) h], sa h = (b−a)/n i k = 0, 1, 2, ..., n−1.
Interpolacija sa polinomima procijenjena sa tačkama sa jednakim rastojanjima u zatvorenom sektoru [a, b] se radi Newton-Cotesovim formulama (njutn-kotes), od koje su primjeri trapezno i kvadratno pravilo. Simpsonovo pravilo, koje se bazira na polinomima drugog reda, je također Newton-Cotesova formula.
Kvadraturna pravila sa jednako razmaknutim tačkama imaju veoma pogodnu osobinu gniježđenja. Odgovarajuće pravilo sa svakim podpodijeljenim intervalom sadrži sve trenutne tačke, pa ove vrijednosti integranda mogu biti ponovo iskorištene.
Ako se dopusti da intervali između interpolacionih tačaka variraju, onda se nalazi nova grupa kvadraturnih formula, kao što je Gausova kvadraturna formula. Gausovo kvadraturno pravilo je još preciznije od Newton-Cotesovog pravila koje zahtjeva jednak broj iteracija ako je funkcija koja se integriše (integrand) glatka krivulja (npr, ako je dovoljno diferencijabilna). Ostale kvadraturne metode sa varijacijom intervala uključuju Clenshaw–Curtis kvadraturne metode (također zvane Fejér kvarature), koje se gnijezde.
Gausova kvadraturna pravila nemaju osobinu gniježđenja, ali Gauss–Kronrod kvadraturne formule imaju.
Prilagodljivi algoritmi
urediAko f(x) nema puno izvoda na svim tačkama, ili ako izvodi postanu ogromni, onda Gausova kvadratura je često nedovoljna. U tom slučaju, algoritam ispod će bolje uraditi zadatak:
def racunanje_odredjenog_integrala(f, initial_step_size):
'''
Ovaj algoritam računa određeni integral (onaj koji ima granice)
funkcije od 0 do 1, birajući manje korake kod problematičnih
tačaka.
'''
x = 0.0
h = initial_step_size
akumulator= 0.0
while x < 1.0:
if x + h > 1.0:
h = 1.0 - x
quad_this_step =
if error_too_big_in_quadrature_of_over_range(f, [x,x+h]):
h = make_h_smaller(h)
else:
akumulator+= quadrature_of_f_over_range(f, [x,x+h])
x += h
if error_too_small_in_quadrature_of_over_range(f, [x,x+h]):
h = make_h_larger(h) # Izbjegavanje dangubljenja na malim koracima.
return akumulator
Neki detalji algoritma zahtjevaju pažljiv pristup. Za više slučajeva, pronalazak greške kvadrature na intervalu za funkciju f(x) nije očita. Jedna poznata solucija je da se koriste dva pravila kvadratura i korištenjem razlike se može procijeniti greška kvadrature. Čest problem je odlučiti šta označava "premalo" ili "preveliko". Lokalni kriterij za "preveliko" je da kvadraturna greška ne smije biti veća od t · h, gdje je t, realni broj, tolerancija koja se želi podesiti za globalnu grešku. Opet, ako je h već malo, onda može biti bespotrebno praviti ga čak manjim iako je kvadraturna greška velika. Globalni kriterij je da zbir grešaka na svim intervalima bude manji od t. Ovaj tip analize greške se često naziva "posteriori" zato što se nakon svake procjene računa i greška.
Metoda ekstrapolacije
urediPreciznost kvadraturnog pravila kod Newton-Cotes tipa je uglavnom funkcija broja na tačkama procene. Rezultat je često više pouzdan kad se broj tačaka poveća, ili, ekvivalentno, kad se razmaci između tačaka smanje. Nameće se pitanje kakav bi rezultat bio kada bi razmaci među tačkama bili jednaki nula. Ovo se može odgovoriti ekstrapolacijom rezultata od dva do n razmaka koristeći ubrzavajuće metode kao npr. Richardsonove ekstrapolacije. Ekstrapolaciona funkcija može biti polinom ili racionalna funkcija. Ekstrapolacione metode su opisanje detaljnije u od strane Stoera i Bulirscha (Sekcija 3.4) i implementirane su u više metoda u QUADPACK biblioteci.
Konzervativna (a priori) procjena greške
urediAko se pusti da f ima ograničen prvi izvod na zatvorenom intervalu [a,b]. Teorema srednje vrijednosti za f, gdje je x < b, daje:
za neke vx iz intervala [a,x] zavisne od x. Ako se integriše po x od a do b na obje strane i uzmu apsolutne vrijednosti, dobije se:
- (*)
Može se dalje aproksimirati integral na desnoj strani nejednakosti ubacujući apsolutnu vrijednost u integrand i smjenom slova u f' prema gornjoj granici:
- (**)
Ako aproksimiramo integral ∫ab f(x) dx sa kvadraturnim pravilom (b − a)f(a), naša greška nije veća od one na desnoj strani kod (**). Ovo se može pretvoriti u analizu greške za Riemannovu sumu (*), davajući gornju granicu od
za izražavanje greške od određene aproksimacije. (Komentar: U ovom primjeru je ovo greška koja je izračunata za primjer .) Koristeći više izvoda i popravljanja kvadrature može se dobiti ista greška analize koristeći se Taylorovim redovima (koristeći parcijalnu sumu sa ostatkom) za f. Ova analiza greške daje striktnu gornju granicu greške ako postoje izvodi za f.
Ova metoda integracije može biti kombinovana sa aritmetikom intervala da kreira računarski dokaz i verificirane proračune.
Integrali sa beskonačnim intervalima
urediPostoji nekoliko metoda za aproksimaciju integracije kod neograničenih intervala. Uobičajena tehnika uključuje posebno izvedena kvadraturna pravila, poput Gauss-Hermite kvadratura za integrale na čitavoj liniji realnih brojeva i Gauss-Laguerre kvadrature za integrale na pozitivnim realnim brojevima.[2] Monte Carlo metode mogu također biti korištene, ili mijenjanjem promjenljivih na konačan interval. To se može predstaviti ovako za neograničene intervale s obje strane:
ili polu-beskonačne intervale:
kao moguće transformacije.
Višedimenzioni integrali
urediKvadraturna pravila su koja su razmatrana dosad su pravljena s ciljem da računaju jednodimenzione integrale. Za računanje istih u više dimenzija, jedan pristup je izraziti višestruki integral kao ponovljeni jednodimenzioni integral koristeći se Fubinijevom teoremom. Ovaj pristup traži funkcijske proračune da rastu eksponencijalno kako se povećava broj dimenzija. Dvije metode su poznate za postizanje ovoga tzv. prokletstva dimenzionalnosti.
Monte Carlo
urediMetode Monte Carla i kvazi metode istog su jednostavne za koristiti na višedimenzionim integralima i mogu dobivati veću preciznost za isti broj od proračuna funkcija nego metodom ponovljenih integracija koristeći se jednodimenzionim metodama.
Veliki broj korisnih Monte Carlo metoda su tzv. Markov lanac za Monte Carlo algoritme, koji sadrže Metropolis-Hastings algoritam i Gibbsovo uzimanje uzorka.
Sparsova rešetka
urediSparsove rešetke su originalno razvijene od strane Smolyaka za kvadrature višedimenzionih funkcija. Ova metoda je uvijek bazirana na jednodimenzionom pravilu kvadrature, ali obavlja više sofisticiranu kombinaciju jednovarijantnih rezultata.
Veza sa diferencijalnim jednačinama
urediProblem traženja integrala:
može biti reduciran na problem početne vrijednost za uobičajenu diferencijalnu jednačinu. Ako je gornji integral obilježen sa F(x), onda funkcija F zadovoljava:
Metode razvijene za uobičajene diferencijalne jednačine, kao Runge-Kutta, može biti iskorišteno na ponovljeni problem i za proračun integrala. Naprimjer, standardna Runge-Kutta metoda iskorištena na diferencijalnu jednačinu kreira Simpsonovo pravilo odozgo.
Diferencijalna jednačina F ' (x) = ƒ(x) ima specifičan oblik: desna strana sadrži samo zavisnu varijablu (ovdje x) i nezavisnu (ovdje F). Ovo pojednostavljuje teoriju i algoritme znatno.
Povezano
urediReference
uredi- ↑ Weisstein, Eric W., "Cubature", MathWorld.
- ↑ Leader, Jeffery J. (2004). Numerical Analysis and Scientific Computation. Addison Wesley. ISBN 0-201-73499-0.
- Philip J. Davis and Philip Rabinowitz, Methods of Numerical Integration. - (bos. Metode numeričke integracije)
- George E. Forsythe, Michael A. Malcolm, and Cleve B. Moler, Computer Methods for Mathematical Computations. Englewood Cliffs, NJ: Prentice-Hall, 1977. (Pogledati Poglavlje 5.)
- Press, W.H.; Teukolsky, S.A.; Vetterling, W.T.; Flannery, B.P. (2007), „Chapter 4. Integration of Functions”, Numerical Recipes: The Art of Scientific Computing (3rd izd.), New York: Cambridge University Press, ISBN 978-0-521-88068-8, arhivirano iz originala na datum 2016-03-04, pristupljeno 2015-05-17
- Josef Stoer and Roland Bulirsch, Introduction to Numerical Analysis. New York: Springer-Verlag, 1980. (Pogledati Poglavlje 3.)
- Boyer, C. B., A History of Mathematics, 2nd ed. rev. by Uta C. Merzbach, New York: Wiley, 1989 ISBN 0-471-09763-2 (1991 pbk ed. ISBN 0-471-54397-7).
- Eves, Howard, An Introduction to the History of Mathematics, Saunders, 1990, ISBN 0-03-029558-0,
Vanjske veze
uredi- Integracija: Pozadina, simulacije, itd. (en) na Holistic Numerical Methods Institute
- Besplatan softver za numeričku integraciju
Numerička integracija je jedan od najviše istraživanih problema u numerici. Od velikog broja softverskih rješenja, izdvojeno je nekoliko besplatnih paketa otvorenog koda:
- QUADPACK (dio SLATEC-a): opis [1], izvorni kod [2]. QUADPACK je kolekcija algoritama, u Fortranu, za numeričku integraciju baziranu na Gausovim kvadraturama.
- interalg Arhivirano 2012-03-13 na Wayback Machine-u: softver od OpenOpt/FuncDesigner frameworksa, baziran na analizi intervala, garantovanoj preciznosti, licenci: BSD (besplatan za svaku svrhu)
- GSL: The GNU Scientific Library (GSL) jeste numerička biblioteka napisana u programskom jeziku C koja pruža veliki obim matematičkih rutina, kao Monte Carlo integracija.
- Algoritmi numeričke integracije se mogu naći u GAMS razredu H2.
- ALGLIB je kolekcija algoritama napisanih u C# / C++ / Delphi / Visual Basic / itd. za numeričku integraciju (uključuje Bulirsch-Stoer i Runge-Kutta integratore).
- Cuba Arhivirano 2014-04-07 na Wayback Machine-u je biblioteka besplatnog softvera od nekoliko višedimenzionih integracionih algoritama.
- Cubature kod za višedimenzionu integraciju.
- Scilab softver otvorenog koda pod CeCILL licencom (kompatibilna sa GPL licencom), pruža moćne mogućnosti uključujući numeričku integraciju.