本篇文章适合个人复习翻阅，不建议新手入门使用
本专栏：数值分析复习 的前置知识主要有：数学分析、高等代数、泛函分析
数值积分法
基本概念
定义：数值积分公式
数值积分法是指逼近
I
(
f
)
=
∫
a
b
f
(
x
)
d
x
I(f)=\int_a^bf(x)\mathrm{d}x
I(f)=∫abf(x)dx的任意数值方法；主要方法是根据函数值
f
(
x
0
)
,
…
,
f
(
x
n
)
f(x_0),\dots,f(x_n)
f(x0),…,f(xn) 构造
I
n
(
f
)
=
∑
i
=
0
n
A
i
f
(
x
i
)
I_n(f)=\sum\limits_{i=0}^nA_if(x_i)
In(f)=i=0∑nAif(xi)使得
I
(
f
)
≈
I
n
(
f
)
I(f)\approx I_n(f)
I(f)≈In(f)；称其为数值积分公式，其截断误差为
E
n
(
f
)
=
I
(
f
)
−
I
n
(
f
)
E_n(f)=I(f)-I_n(f)
En(f)=I(f)−In(f)
定义：代数精度
设
m
∈
N
+
m\in\mathbb{N}^+
m∈N+，若
E
n
(
f
)
E_n(f)
En(f) 对
f
(
x
)
=
1
,
x
,
x
2
,
…
,
x
m
f(x)=1,x,x^2,\dots,x^m
f(x)=1,x,x2,…,xm 都为 0，但对
f
(
x
)
=
x
m
+
1
f(x)=x^{m+1}
f(x)=xm+1 不为0，则称数值积分公式的代数精度为m
注：代数精度是衡量数值积分公式优劣的指标，节点相同的数值积分公式，代数精度越高越优。
注：若节点个数限制为 n + 1 n+1 n+1 个，则数值积分公式的代数精度一般不超过 2 n + 1 2n+1 2n+1，这是因为一般最多列 2 n + 2 2n+2 2n+2 个方程才能解出 A i A_i Ai 和 f ( x i ) f(x_i) f(xi) 共 2 n + 2 2n+2 2n+2 个未知数
插值型数值积分
定义：插值型数值积分
若数值积分公式
I
n
(
f
)
=
I
(
f
)
I_n(f)=I(f)
In(f)=I(f) 对次数不大于
n
n
n 的多项式精确成立，即对
∀
f
∈
P
n
,
E
n
(
f
)
=
0
\forall f\in\mathbb{P}_n,E_n(f)=0
∀f∈Pn,En(f)=0，则称数值积分
I
n
(
f
)
I_n(f)
In(f) 为插值型的
命题：下列等价
（1） I n ( f ) I_n(f) In(f) 为插值型的
（2） I n ( f ) I_n(f) In(f) 可由 f ( x ) f(x) f(x) 基于节点 x 0 , … , x n x_0,\dots,x_n x0,…,xn 的 n n n 次插值多项式 L n ( f ) L_n(f) Ln(f) 进行积分得到
注：由于
n
n
n 次插值多项式的唯一性，视
L
n
(
f
)
L_n(f)
Ln(f) 即为 Lagrange 插值多项式，则有
I
(
L
n
(
f
)
)
=
I
(
∑
k
=
0
n
f
(
x
k
)
l
k
(
x
)
)
=
∫
a
b
∑
k
=
0
n
f
(
x
k
)
l
k
(
x
)
d
x
=
∑
k
=
0
n
(
∫
a
b
l
k
(
x
)
d
x
)
f
(
x
k
)
\begin{split} I(L_n(f))&=I(\sum\limits_{k=0}^nf(x_k)l_k(x))\\ &=\int_a^b\sum\limits_{k=0}^nf(x_k)l_k(x)\mathrm{d}x\\ &=\sum\limits_{k=0}^n(\int_a^bl_k(x)\mathrm{d}x)f(x_k) \end{split}
I(Ln(f))=I(k=0∑nf(xk)lk(x))=∫abk=0∑nf(xk)lk(x)dx=k=0∑n(∫ablk(x)dx)f(xk)
所以（2）的意思就是将数值积分 I n ( f ) = ∑ k = 0 n A k f ( x k ) I_n(f)=\sum\limits_{k=0}^nA_kf(x_k) In(f)=k=0∑nAkf(xk) 中的 A k A_k Ak 取为 ∫ a b l k ( x ) d x \int_a^bl_k(x)\mathrm{d}x ∫ablk(x)dx
证明思路
必要性：
由
I
n
(
f
)
I_n(f)
In(f) 为插值型积分可以得到
E
n
(
L
n
(
f
)
)
=
0
E_n(L_n(f))=0
En(Ln(f))=0，即
I
(
L
n
(
f
)
)
−
I
n
(
L
n
(
f
)
)
=
∑
k
=
0
n
(
∫
a
b
l
k
(
x
)
d
x
)
f
(
x
k
)
−
∑
k
=
0
n
A
k
(
L
n
(
f
)
)
(
x
k
)
=
∑
k
=
0
n
(
∫
a
b
l
k
(
x
)
d
x
−
A
k
)
f
(
x
k
)
=
0
\begin{split} I(L_n(f))-I_n(L_n(f))&=\sum\limits_{k=0}^n(\int_a^bl_k(x)\mathrm{d}x)f(x_k)-\sum\limits_{k=0}^nA_k(L_n(f))(x_k)\\ &=\sum\limits_{k=0}^n(\int_a^bl_k(x)\mathrm{d}x-A_k)f(x_k)=0\\ \end{split}
I(Ln(f))−In(Ln(f))=k=0∑n(∫ablk(x)dx)f(xk)−k=0∑nAk(Ln(f))(xk)=k=0∑n(∫ablk(x)dx−Ak)f(xk)=0
由 f f f 的任意性，可得 A k = ∫ a b l k ( x ) d x A_k=\int_a^bl_k(x)\mathrm{d}x Ak=∫ablk(x)dx
充分性：由Lagrange插值余项
f
−
L
n
(
f
)
=
f
(
n
+
1
)
(
ξ
)
(
n
+
1
)
!
∣
ω
n
+
1
(
x
)
∣
f-L_n(f)=\frac{f^{(n+1)}(\xi)}{(n+1)!}|\omega_{n+1}(x)|
f−Ln(f)=(n+1)!f(n+1)(ξ)∣ωn+1(x)∣
故对任意 f ∈ P n f\in\mathbb{P}_n f∈Pn，有 f = L n ( f ) f=L_n(f) f=Ln(f)
从而
I
(
f
)
=
I
(
L
n
(
f
)
)
=
∑
k
=
0
n
(
∫
a
b
l
k
(
x
)
d
x
)
f
(
x
k
)
=
∑
k
=
0
n
A
k
f
(
x
k
)
=
I
n
(
f
)
\begin{split} I(f)&=I(L_n(f))=\sum\limits_{k=0}^n(\int_a^bl_k(x)\mathrm{d}x)f(x_k)\\ &=\sum\limits_{k=0}^nA_kf(x_k)=I_n(f)\\ \end{split}
I(f)=I(Ln(f))=k=0∑n(∫ablk(x)dx)f(xk)=k=0∑nAkf(xk)=In(f)
注：有的书上也将本命题中的（2）作为插值型数值积分的定义，从而该命题改述为 I n ( f ) I_n(f) In(f) 是插值型数值积分当且仅当它有 n n n 次代数精度
命题
∀
k
=
1
,
2
,
…
,
n
+
1
\forall k=1,2,\dots,n+1
∀k=1,2,…,n+1，
I
n
(
f
)
I_n(f)
In(f) 的代数精度为
n
+
k
n+k
n+k 等价于
- I n ( f ) I_n(f) In(f) 为插值型的
-
ω
n
+
1
(
x
)
=
∏
i
=
0
n
(
x
−
x
i
)
\omega_{n+1}(x)=\prod\limits_{i=0}^n(x-x_i)
ωn+1(x)=i=0∏n(x−xi) 与
P
k
−
1
\mathbb{P}_{k-1}
Pk−1 正交：即
∀ P ( x ) ∈ P k − 1 , ∫ a b ω n + 1 ( x ) P ( x ) d x = 0 \forall P(x)\in\mathbb{P}_{k-1},\int_a^b\omega_{n+1}(x)P(x)\mathrm{d}x=0 ∀P(x)∈Pk−1,∫abωn+1(x)P(x)dx=0
注：换句话说，对插值型数值积分，若想提高代数精度，就只需合理选择节点的分布，这是因为一组更好的节点可以使 ω n + 1 ( x ) \omega_{n+1}(x) ωn+1(x) 与更高次数的 P k − 1 \mathbb{P}_{k-1} Pk−1 正交
证明思路
必要性：（1）容易得到，（2）只需注意到
ω
n
+
1
(
x
)
P
(
x
)
∈
P
n
+
k
\omega_{n+1}(x)P(x)\in\mathbb{P}_{n+k}
ωn+1(x)P(x)∈Pn+k
充分性：只需注意到 P n + k = ω n + 1 ( x ) P k − 1 + P n \mathbb{P}_{n+k}=\omega_{n+1}(x)\mathbb{P}_{k-1}+\mathbb{P}_n Pn+k=ωn+1(x)Pk−1+Pn
参考书籍：《数值分析》李庆扬 王能超 易大义 编
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
