拟Gauss求积公式

讨论了ｒ拟Ｇａｕｓｓ求积公式的存在性以及在一定条件下对干预先指定的ｎ－ｒ个结点的ｒ拟Ｇａｕｓｓ求积公式和正的ｒ拟Ｇａｕｓｓ求积公式的存在性与构造。     

高斯──勒让德加速求积公式

在复化的ｍ＋１点高斯──勒让德求积公式的基础上，给出了数值积分的一种新的计算法。它比复化的高斯──勒让德求积法收敛的更快。     

关于Romberg求积公式注记

对Romberg求积公式进行了详细分析.讨论了其显式公式,给出了其误差公式.与Newton-Cotes和Gauss求积公式进行了比较分析,得出Romberg求积并不是一个理想的求积公式.     

一类有限元型的Gauss型求积公式的构造

本文利用了Padon七点五次求积公式，构造了一类特殊有限元空间上的有限元型求积公式，并给出了相应的误差估计。     

Gauss-Legendre求积公式的收敛性

1问题现阶段∫abf(x)dx两点、三点Gauss-Legendre求积公式只给出了其求积公式而并没有求积余项,其复化公式也同样如此.但有时在计算过程中往往要用到它们的求积余项及其复化公式高阶收敛的性质,因此有必要计算出它们的求积公式余项,并证明较其他形式复化公式而言复化Gauss-Lege     

关于复合求积公式余项的研究

借助积分相关理论,给出了数值积分中复合梯形公式和复合Simpson求积公式余项误差事后估计式的严格证明及其余项表达式中的导数因子f″(ηn),f″(η2n),f(4)(ηn)和f(4)(η2n)在n充分大时的变化情况.为处理求积公式余项关系式提供了新的方法.     

球面三角形上的数值积分公式的构造

研究定义在球面三角形上函数的数值积分,通过积分的插值多项式函数构造具有多项式精度的插值型求积公式,以及给出精确计算球面三角形上多项式函数的方法.通过把其定义域上的积分化为平面单纯形{u=(u1,u2,u3):u1 u2 u3=1,u1,u2,u3≥0}上的积分,然后利用平面单纯形上数值积分公式给出其在球面三角形上的对d次齐次多项式精确成立Gauss求积分式的构造方法,给出了基于平面单纯形上Gauss型求积公式的一种近似求积公式,这种方法确定求积结点与求积系数比较简单,从而更具有应用前景.     

关于Romberg求积法的数学实验

在MATLAB软件环境下对Romberg求积法做了一个数学实验，通过对复化梯形求积法的计算及误差比率的分析，导出了精度更高的复化Simpson求积公式，对其进一步分析，又导出了复化Cotes求积公式，这一系列公式正是Romberg求积法。这一实验有助于学生理解Richardson外推法的精髓。     

振荡函数积分的一种Gauss型求积公式

本文讨论形如integral from n=-1 to 1 (f(x)e~(iθx))dx(θ为大的正数)的积分的计算方法。构造了计算上述积分的一种Gauss型求积公式。并把所得的公式与已有的一些结果作了比较。     

一种构建高精度求积公式的新策略

以低阶求积公式为基本模块,基于它的余项表达式及代数精度概念,提出了一种改进和构造高精度求积公式的普适性新策略。该方法可实现求积公式的有限次改进。最后,应用于几个常用低阶求积公式,以验证本文方法的有效性。     

关于Dirichlet L-函数的一个二次均值分布

利用Gauss和的定义、特征和的性质及其解析方法研究了Dirichlet L-函数的二次加权均值分布问题,得 到一个有趣的加权均值分布公式。     

Gauss分布的极大迫近式

本文应用“面积替代原理”给出一般的Gauss分布的极大迫近式作为特例,同时给出Williams的极大迫近式,并指出其特例的精度也明显优于Williams的极大迫近式和Hart的极大迫近式.     

曲面正交网下测地曲率和高斯曲率的计算公式的推导方法

考虑曲面正交网下曲线的测地曲率的计算公式的推导问题,运用向量的表示,给出了直接推导过程.简化了高斯曲率是内蕴量的Brioschi公式的推导方法;在正交曲线坐标网下,指明了高斯曲率简化公式的推导来源与测地曲率的关系.     

Gauss分布函数及其分位数的精确度

文[1]得到一般的 Gauss 分布的极大迫近式.本文在面积替代原理的基础上分析其产生误差的原因和改进的方法.从而得到精度很高的 Gauss 分布函数极大迫近式和分位数公式,并指出精确度明显优于 Hastings 和 Shannelerlan 公式.     

关于Gauss-Per Kai型数值积分方法

该文利用带权Gauss型数值积分的构造方法和Per Kai多项式推导出了Gauss-Per Kai求积公式,估计了截断误差,并做了一些推广。由实例说明该方法具有节点简单及精度高等优点。     

递归方法在窗宽选择上的应用

在未知总体分布的情形下,给出密度核估计中选择窗宽的一个新方法,并在选取高斯核的情形下,推导出计算窗宽的递归公式。最后通过与理论窗宽值比较,说明使用该递归方法选择最优窗宽是非常有效的一个途径。