数值分析 第六章 数值积分

求积公式

一般形式

$$\int_a^bf(x)dx=\sum_{k=0}^n A_k+R[f] \approx \sum_{k=0}^n A_k$$

插值型求积公式

$$A_k=\int _a^b l_k(x)dx$$

$$R[f]=\frac{1}{(n+1)!}\int_a^bf^{(n+1)}(\xi_x)\omega_{n+1}(x)dx,\xi_x \in(a,b)且与x有关$$

Newton-Cotes公式

形式

$$\int_a^bf(x)dx\approx(b-a)\sum_{k=0}^nC_k^{(n)}y_k$$

$$C_k^{(n)}=\frac{A_k}{b-a}=\frac{(-1)^{n-k}}{n!(n-k)!}\int_0^n \prod_{\substack{i=0 \\ i \neq k}}^{n}(t-i)dt$$

$$R[f]=\left\{\begin{matrix} \frac{f^{(n+1)}(\eta)}{(n+1)!}\int_a^b\omega_{n+1}(x)dx,& n为奇数\\ \frac{f^{(n+2)}(\eta)}{(n+2)!}\int_a^bx\omega_{n+1}(x)dx,& n为偶数 \end{matrix}\right.$$

$Cotes$系数表

n \ k	0	1	2	3	4
1	$\frac{1}{2}$	$\frac{1}{2}$
2	$\frac{1}{6}$	$\frac{4}{6}$	$\frac{1}{6}$
3	$\frac{1}{8}$	$\frac{3}{8}$	$\frac{3}{8}$	$\frac{1}{8}$
4	$\frac{7}{90}$	$\frac{16}{45}$	$\frac{2}{15}$	$\frac{16}{45}$	$\frac{7}{90}$

梯形求积公式

当$n=1$时，Newton-Cotes公式就成了梯形求积公式，如下：

$$T:\int_a^bf(x)dx\approx\frac{b-a}{2}\left [ f(a)+f(b) \right ],\left |R[f] \right | \leqslant \frac{(b-a)^3}{12}M_2$$
说明： $M_2$代表 $f(x)$的二阶导数的最大值。

$Simpson$求积公式

当$n=2$时，Newton-Cotes公式就成了$Simpson$求积公式，如下：

$$S:\int_a^bf(x)dx\approx\frac{b-a}{6}\left [ f(a)+4f\left ( \frac{a+b}{2} \right )+f(b) \right ]$$

$$\left |R[f] \right | \leqslant \frac{(b-a)^5}{2880}M_4$$
说明： $M_4$代表 $f(x)$的四阶导数的最大值。

$Cotes$求积公式

当$n=4$时，Newton-Cotes公式就成了$Cotes$求积公式，如下：

$$C:\int_a^bf(x)dx\approx\frac{b-a}{90}\left [ 7f(x_0)+32f(x_1) + 12f(x_2) + 32f(x_3) +7f(x_4) \right ]$$

$$\left |R[f] \right | \leqslant \frac{(b-a)^7}{1935360}M_6$$
说明： $M_6$代表 $f(x)$的六阶导数的最大值。

复化求积公式

把积分区间划分为$n$个小区间，则每小段区间长度$h=\frac{b-a}{n}$，$I=\int_a^bf(x)dx$.

复化梯形求积公式

对梯形求积公式进行复化，可以得到：

$$T_n=\frac{h}{2}\left [ f(a) + 2\sum_{k=1}^{n-1} f(x_k) + f(b)\right ]$$

$$\left | I-T_n \right | \leqslant \frac{(b-a)^3}{12n^2}M_2$$
其中， $x_k=a+kh$， $M_2$代表 $f(x)$的二阶导数的最大值。

复化$Simpson$求积公式

对$Simpson$求积公式进行复化，可以得到：

$$S_n=\frac{h}{6}\left [ f(a) + 4\sum_{k=1}^{n} f(x_{k-\frac{1}{2}}) + 2\sum_{k=1}^{n-1} f(x_k) + f(b)\right ]$$

$$\left | I-S_n \right | \leqslant \frac{(b-a)^5}{2880n^4}M_4$$
其中， $x_k=a+kh$， $x_{k-\frac{1}{2}}=a+\left ( k-\frac{1}{2}\right )h$， $M_4$代表 $f(x)$的四阶导数的最大值。

复化$Cotes$求积公式

对$Cotes$求积公式进行复化，可以得到：

$$C_n=\frac{h}{90}\left [ 7f(a) + 32\sum_{k=1}^{n} \left ( f(x_{k-\frac{3}{4}}) + f(x_{k-\frac{1}{4}})\right ) + 12\sum_{k=1}^{n} f(x_{k-\frac{1}{2}}) + 14\sum_{k=1}^{n-1} f(x_k) + 7f(b)\right ]$$

$$\left | I-C_n \right | \leqslant \frac{(b-a)^7}{1935360n^6}M_6$$
其中， $x_k=a+kh$， $x_{k-\frac{3}{4}}=a+\left ( k-\frac{3}{4}\right )h$， $x_{k-\frac{1}{2}}=a+\left ( k-\frac{1}{2}\right )h$， $x_{k-\frac{1}{4}}=a+\left ( k-\frac{1}{4}\right )h$， $M_6$代表 $f(x)$的六阶导数的最大值。

$Gauss$型求积公式

定义6.1 代数精度

若求积公式

$$\int_a^bf(x)dx \approx \sum_{k=0}^nA_kf(x_k)$$ 对 $f(x)=x^j$都精确成立， $(j=0,1,2,...,m)$，但是对 $f(x)=x^{m+1}$不精确成立，即 $$\int_a^bx^jdx=\sum_{k=0}^nA_kx_k^j,j=0,1,2,...,m$$

$$\int_a^bx^{m+1}dx \neq \sum_{k=0}^nA_kx_k^{m+1}$$
则称此公式 具有$m$次代数精度.
可见, 若公式具有$m$次代数精度,则公式对所有次数不超过$m$的多项式都精确成立.
$n+1$个节点的 插值型求积公式至少具有 $n$次代数精度,$n$是偶数时$Newton-Cotes$公式具有$n+1$次代数精度.

定理6.1 Gauss型求积公式的一般理论

区间$[a,b]$上权函数为$\rho(x)$的具有$n$个节点的数值积分公式代数精度不超过$2n-1$次.

证明

若记$x_1,x_2,…x_n$为求积节点,则积分公式为

$$\int_a^bf(x)\rho(x)dx \approx \sum_{k=1}^nA_kf(x_k)$$ 取$2n$次多项式$p(x)=(x-x_1)^2(x-x_2)^2...(x-x_n)^2$,则有 $$0 <\int_a^bp(x)\rho(x)dx \neq \sum_{k=1}^nA_kp(x_k)=0$$ 所以，求积公式的代数精度不超过$2n-1$.

定义6.2 $Gauss$型求积公式

使求积公式具有$2n-1$次代数精度的节点$x_1,x_2,…x_n$称为$Gauss$点,此时的插值型求积公式称为$Gauss$型求积公式.

定理6.2 $Gauss$点定理

对区间$[a,b]$上权函数为$\rho(x)$的积分

$$I=\int_a^bf(x)\rho(x)dx$$
区间$[a,b]$上权函数为$\rho(x)$的正交多项式$p_n(x)$的$n$个零点$x_1,x_2,…x_n$恰为$Gauss$点.

构造方法

1.求$\left [ a,b\right ]$上权函数为$\rho (x)$的$n$次正交多项式$\p_n(x)$;
2.求$\p_n(x)=0$的$n$个零点，作为$Gauss$点;$x_1,x_2,...,x_n$;
3.计算系数$A_i=\int_a^b \rho (x)l_i(x)dx,i=1,2,...,n.$;
4.给出结果

$$\int_a^bf(x)\rho(x)dx \approx \sum_{i=1}^nA_if(x_i)$$
5.计算余项步骤
1>构造$2n-1$次$Hermite$插值多项式$H_{2n-1}(x)$使$H_{2n-1}(x_i)=f(x_i)$,$H'_{2n-1}(x_i)=f'(x_i)$.则$R_{2n-1}(x)=\frac{f^{(2n)}(\xi_x)}{(2n)!}\omega_n^2(x)$.
因为$Gauss$型求积公式具有$2n-1$次代数精度，所以有 $$\int_a^bH_{2n-1}(x)\rho(x)dx=\sum_{i=1}^nA_iH_{2n-1}(x_i)$$
2>
$$\begin{align*} R[f]&= \int_a^bf(x)\rho(x)dx-\sum_{i=1}^nA_if(x_i) \\ &=\int_a^bf(x)\rho(x)dx-\sum_{i=1}^nA_iH_{2n-1}(x_i) \\ &=\int_a^bf(x)\rho(x)dx-\int_a^bH_{2n-1}(x)\rho(x)dx \\ &= \int_a^bf(x)\rho(x)\frac{f^{(2n)}(\xi_x)}{(2n)!}\omega_n^2(x) dx \\ &= \frac{f^{(2n)}(\eta_x)}{(2n)!}\int_a^b\omega_n^2(x)\rho(x)dx \end{align*}$$