数值积分 （二）| 求积公式的代数精度 + 构造方法

3. 求积公式的代数精度

求积公式的精度可以用余项R来表示，即：
$${\int }_a^{b}f(x)dx=\sum _{k=0}^n{A}_{i}f(x_i)+R$$
一般地，R越小，表明求积公式的精度越高。但是，当被积函数$f(x)$是多项式时，R却表现出某种特性，即某一确定的求积公式，对某些多项式的积分是精确的，而对另外一些多项式的积分是不精确的。

为了更好地刻画求积分精度的这种性质，需要引入下面代数精度的概念：

定义1：如果求积公式（1）对于一切次数小于和等于n的多项式的积分是准确的，而对次数为n+1的多项式的积分至少有一个是不准确的，则称该求积公式具有n次代数精度，或称该公式是n阶的。

在具体考察一个求积公式的代数精度时，用某求积公式计算被积函数$f(x)=x^k$的积分，如果在$k=0,1,2,\cdots ,n$时均是准确的，而在$k=n+1$时不是准确的。那么就可以确定该求积公式的代数精度是n次而不必再继续考察其对所有的n+1次多项式的积分是否精确成立。

在一般情形下，就用代数精度来衡量一个求积公式的精度。

定理1：对于任意给定的n+1个互异的节点：
$$a=x_0<x_1<x_2<\cdots ,x_n=b$$
总存在系数$A_0,A_1,A_2,\cdots ,A_n$，使得求积公式（1）至少具有n次代数精度。

4. 求积公式的构造方法

1. 待定系数法

待定系数法就是以代数精度为标准来构造求积公式（1）。

例如：构造一个形如（1）式的求积公式，使其具有一次代数精度。此求积公式的具体形式为：
$${\int }_a^{b}f(x)dx=A_{0}f(a)+A_1(b)$$
利用代数精度的概念，可得以下两个方程式：

（1）令$f(x)=1$，则有$A_0+A_1=b-a$。

（2）令$f(x)=x$，则有$A_{0}a+A_{1}b=(b^2-a^2)/2$.

解得
$$A_0=A_1=(b-a)/2$$
因此，以区间两端点a、b为节点的两点求积公式为：
$$A_0=A_1=(b-a)/2$$
因此，以区间两端点$a、b$为节点的两点求积公式为：
$$T=\frac{b-a}{2}[f(a)+f(b)]$$
该式即为梯形求积公式。也就是说，梯形求积公式仅具有一次代数精度。

一般地，对于n+1求积节点$x_i(i=0,1,2,\cdots ,n)$，若构造一个求积公式（1），使其具有n次代数精度，则必须使其当
$$f(x)=1,x,x^2,\cdots ,x^n$$
时均能准确成立，即可得到如下的方程组：
$$\{\begin{array}{l}{A}_0+A_1+\cdots +A_n=b-a\\ A_0{x}_0+A_1{x}_1+\cdots +A_n{x}_n=(b^2-a^2)/2\\ \cdots \\ A_0{x}_0^n+A_1{x}_1^n+\cdots +A_n{x}_n^n=(b^{n+1}-a^{n+1})/(n+1)\end{array}\text{\hspace{1em}(2)}$$
对于方程组（2）：

（1）若$x_i(i=0,1,2,\cdots ,n)$已给定，则方程组（2）只有n+1个待定系数$A_0,A_1,\cdots ,A_n$，是一个线性方程组；当$x_i(i=0,1,2,\cdots ,n)$互异时，其系数矩阵行列式——范德蒙行列式不为零，故方程组有惟一解，这样就可以求出全部的系数$A_0,A_1,\cdots ,A_n$，而且构造的求积公式（1）至少具有n次代数精度。

当$x_i(i=0,1,2,\cdots ,n)$为等距节点时，构造的求积公式称为Newton-Cotes（牛顿-柯特斯公式）。

（2）若$A_i$和$x_i(i=0,1,2,\cdots ,n)$均为待定，则方程组（2）具有（2n+2）个待定系数$A_0,A_1,\cdots ,A_n$和$x_0,x_1,\cdots ,x_n$。为求出这些系数，必须使求积公式（1）当$f(x)=x^k(k=0,1,2,\cdots ,2n+1)$时均准确成立，即使之具有$2n+1$次代数精度，从而得到2n+2个方程构造的高阶非线性方程组：
$$\{\begin{array}{l}{A}_0+A_1+\cdots +A_n=b-a\\ A_0{x}_0+A_1{x}_1+\cdots +A_n{x}_n=(b^2-a^2)/2\\ \cdots \\ A_0{x}_0^{2n+1}+A_1{x}_1^{2n+1}+\cdots +A_n{x}_n^{2n+1}=(b^{2n+2}-a^{2n+2})/(2n+2)\end{array}\text{\hspace{1em}(3)}$$
解方程组（3）得到$A_i$和$x_i(i=0,1,2,\cdots ,n)$，这样构造的求积公式称为Guass（高斯）求积公式。

2. 插值公式构造法

在$I={\int }_a^{b}f(x)dx$中，如果采用Lagrange插值多项式
$$p_n(x)=\sum _{k=0}^n{l}_k(x)\cdot f(x_k)$$
其中
$$l_k(x)=\prod _{i=0,i\ne k}^n\frac{x-x_i}{x_k-x_i}$$
来近似地代替$f(x)$，则有：
$${\int }_a^{b}f(x)dx\cong {\int }_a^b{p}_n(x)dx={\int }_a^b\sum _{k=0}^n{l}_k(x)f(x_k)dx=\sum _{k=0}^n{\int }_a^b{l}_k(x)dx\cdot f(x_k)$$
令
$$A_k={\int }_a^b{l}_k(x)dx\text{\hspace{1em}(4)}$$
得
$${\int }_a^{b}f(x)dx\cong {\int }_a^b{p}_n(x)dx=\sum _{k=0}^n{A}_k\cdot f(x_k)\text{\hspace{1em}(5)}$$
在求积公式（1）中，如果求积系数$A_k(k=0,1,2,\cdots ,n)$由（4）式计算得到，则称该求积公式为插值型的。相应地公式（5）称为插值型求积公式。

定理2：由n+1个求积节点构造的求积公式（1）至少有n次代数精度的充要条件是该公式是插值型的。