数值分析复习：Newton-Cotes求积公式及复合求积公式

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

中矩形公式

定义：中矩形公式（中节点公式）
节点仅为区间中点的数值积分公式，即$$I(f)\approx f(\frac{a+b}{2})(b-a)$$

性质
若$f\in C^2[a,b]$，则上述公式是代数精度为1的插值型数值积分公式

梯形公式

定义：梯形公式
节点为区间端点，且$f$近似为这两点上的一次L插值的数值积分公式
即对节点 $x_0=a,x_1=b$，有
[P_1(x)=\frac{x-b}{a-b}f(a)+\frac{x-a}{b-a}f(b)][I(f)\approx\int_a^bP_1(x)\mathrm{d}x=\frac{f(a)+f(b)}{2}(b-a)]

性质
若 $f\in C^2[a,b]$，则上述公式是代数精度为1的插值型数值积分公式

Simpson公式

定义：Simpson（辛普森）公式
节点为区间端点及中点，且$f$近似为这两点上的二次L插值的数值积分公式
即对节点$x_0=a,x_1=\frac{a+b}{2},x_2=b$，有
$$\begin{array}{rl}{P}_2(x)=& \frac{(x-x_1)(x-x_2)}{(x_0-x_1)(x_0-x_2)}f(a)+\frac{(x-x_0)(x-x_2)}{(x_1-x_0)(x_1-x_2)}f(\frac{a+b}{2})\\ & +\frac{(x-x_0)(x-x_1)}{(x_2-x_0)(x_2-x_1)}f(b)\end{array}$$$$I(f)\approx {\int }_a^b{P}_2(x)\mathrm{d}x=\frac{f(a)+4f(\frac{a+b}{2})+f(b)}{6}(b-a)$$

性质
若 $f\in C^4[a,b]$，则上述公式是代数精度为3的插值型数值积分公式

Newton-Cotes（牛顿-科特斯）求积公式

定义：Newton-Cotes 求积公式
节点为$[a,b]$上的$n+1$个等距节点：$a=x_0<x_1<\cdots <x_n=b$，记相邻节点间距为h，f近似为节点上的n次L插值的数值积分公式
即对节点$a=x_0<x_1<\cdots <x_n=b$，记相邻节点间距为h，作代换 $x=a+th$
$$\begin{array}{rl}{P}_n(x)& =\sum _{k=0}^n\left(\prod _{j=0,j\ne k}^n\frac{x-x_j}{x_k-x_j}\right)f(x_k)\\ & =\sum _{k=0}^n\left(\prod _{j=0,j\ne k}^n\frac{t-j}{k-j}\right)f(x_k)\\ & \triangleq P(t)\end{array}$$

从而
$$\begin{array}{rl}{I}_n(f)& ={\int }_a^b{P}_n(x)\mathrm{d}x=h{\int }_0^{n}P(t)\mathrm{d}t\\ & =\frac{b-a}{n}{\int }_0^n\sum _{k=0}^n\left(\prod _{j=0,j\ne k}^n\frac{t-j}{k-j}\right)f(x_k)\mathrm{d}t\\ & \triangleq \sum _{k=0}^n(b-a)C_k^{(n)}f(x_k)\end{array}$$ 其中 $$C_k^{(n)}=\frac{1}{n}{\int }_0^n\prod _{j=0,j\ne k}^n\frac{t-j}{k-j}\mathrm{d}t$$ 称为Newton-Cotes求积系数

命题：Newton-Cotes求积系数的性质

1. $C_k^{(n)}=C_{n-k}^{(n)}$
2. $\sum _{k=0}^n{C}_k^{(n)}=1$
3. $n\le 7$ 时，$C_k^{(n)}$ 均正；$n>8$ 时，$C_k^{(n)}$ 有正有负

证明思路
（1）易证
（2）只需注意到：当$f=1$时，Newton-Cotes求积公式准确成立，计算即得
（3）逐个计算可得

命题：Newton-Cotes求积公式的代数精度
Newton-Cotes求积公式至少有n阶代数精度，若n为偶数，则有$n+1$阶代数精度

证明思路
容易验证Newton-Cotes求积公式是插值型的，由代数精度的刻画，只需验证
$${\int }_a^b{\omega }_{n+1}(x)\mathrm{d}x=0$$$$\begin{array}{rl}{\int }_a^b{\omega }_{n+1}(x)\mathrm{d}x& ={\int }_0^{n}t(t-1)\cdots (t-n)\mathrm{d}t\cdot h^{n+2}\\ & ={\int }_{-k}^k(u+k)\cdots (u+1)u(u-1)\cdots (u-k)\mathrm{d}u\cdot h^{n+2}\\ & ={\int }_{-k}^{k}u(u^2-1)\cdots (u^2-k^2)\mathrm{d}u\cdot h^{n+2}=0\end{array}$$上述等式进行的操作分别是

1. 令$x=a+th$
2. 令$n=2k,u=t-\frac{n}{2}$
3. 注意到被积函数是奇函数

各种求积公式的性质

命题：误差估计

1. 梯形公式的余项估计：设$f\in C^2[a,b]$，则$$E_1(f)=-\frac{1}{12}{f}^{\prime \prime }(\xi )(b-a{)}^3$$
2. Simpson公式的余项估计：设$f\in C^4[a,b]$，则$$E_3(f)=-\frac{1}{2880}{f}^{(4)}(\xi )(b-a{)}^5$$

证明思路
（1）由Newton插值余项以及积分中值定理$$\begin{array}{rl}{E}_1(f)& ={\int }_a^{b}f(a,b,x)(x-a)(x-b)\mathrm{d}x\\ & =f(a,b,\xi ){\int }_a^b(x-a)(x-b)\mathrm{d}x\\ & =-\frac{1}{12}{f}^{\prime \prime }(\xi )(b-a{)}^3\end{array}$$
（2）类似地使用Hermite插值余项

命题：计算的稳定性
$n\le 7$ 时，计算稳定；$n>7$ 时计算未必稳定

证明思路
设误差 $f(x_k)-\tilde{f}(x_k)={ϵ}_k$，则$$|\sum _{k=0}^n{C}_k^{(n)}f(x_k)-\sum _{k=0}^n{C}_k^{(n)}\tilde{f}(x_k)|\le \underset{k}{\max }|{\epsilon }_k|\sum _{k=0}^n|C_k^{(n)}|$$
当 $n\le 7$ 时，$\sum _{k=0}^n|C_k^{(n)}|=1$；$n>7$ 时 $\sum _{k=0}^n|C_k^{(n)}|>1$

注：关于收敛性，由于Newton-Cotes求积公式是插值型的，故也有不收敛的可能

复合求积公式

为克服Newton-Cotes求积公式高次不稳定的特点，类似多项式插值，用分段低次多项式代替高次多项式；
复合求积公式的基本思想即为在每个小区间上使用低阶Newton-Cotes求积公式；下面以复合梯形公式和复合Simpson公式为例；

定义：复合梯形公式
$$I(f)=\sum _{i=0}^{n-1}{\int }_{x_i}^{x_{i+1}}f(x)\mathrm{d}x\approx \frac{h}{2}\sum _{i=0}^{n-1}[f(x_i)+f(x_{i+1})]$$

命题：余项估计
若 $f\in C^2[a,b]$，则 $$E(f)\le \frac{h^2}{12}M(b-a)$$ 其中 $M=\max |f^{\prime \prime }(x)|$

定义：复合Simpson公式
$$I(f)=\sum _{i=0}^{n-1}{\int }_{x_{2i}}^{x_{2i+2}}f(x)\mathrm{d}x\approx \frac{h}{3}\sum _{i=0}^{n-1}[f(x_{2i})+f(x_{2i+1})+f(x_{2i+2})]$$

命题：余项估计
若 $f\in C^4[a,b]$，则 $$E(f)\le \frac{h^4}{90}M(b-a)$$其中 $M=\max |f^{(4)}(x)|$

参考书籍：《数值分析》李庆扬 王能超 易大义 编