n阶Newton-Cotes公式及其代数精确度

零阶Newton-Cotes公式（矩形法）

$${\int }_a^{b}f(x)dx\approx (b-a)f\left(\frac{a+b}{2}\right)$$

一阶Newton-Cotes公式（梯形法）

$${\int }_a^{b}f(x)dx\approx \frac{b-a}{2}[f(a)+f(b)]$$

二阶Newton-Cotes公式（Simpson公式）

$${\int }_a^{b}f(x)dx\approx \frac{b-a}{6}[f(a)+4f\left(\frac{a+b}{2}\right)+f(b)]$$

三阶Newton-Cotes公式（Simpson 3/8公式）

$${\int }_a^{b}f(x)dx\approx \frac{3h}{8}[f(a)+3f(a+h)+3f(a+2h)+f(b)]$$
其中 $$h=\frac{b-a}{3}$$。

四阶Newton-Cotes公式（Boole’s Rule）

$${\int }_a^{b}f(x)dx\approx \frac{2h}{45}[7f(a)+32f(a+h)+12f(a+2h)+32f(a+3h)+7f(b)]$$
其中 $$h=\frac{b-a}{4}$$。

一般的 ( n ) 阶Newton-Cotes公式

对于一般的 ( n )，其公式可以表示为：

$${\int }_a^{b}f(x)dx\approx h\sum _{i=0}^n{w}_{i}f(x_i)$$

这里，权重 ( w_i ) 需要通过对拉格朗日插值多项式进行积分得到。通常，可以通过公式或查阅表格获取这些权重。以下是一些常见的Newton-Cotes权重：

( n )	插值点数 ( n+1 )	权重 ( w_i )
0	1	1
1	2	$$\frac{1}{2},\frac{1}{2}$$
2	3	$$\frac{1}{6},\frac{2}{3},\frac{1}{6}$$
3	4	$$\frac{1}{8},\frac{3}{8},\frac{3}{8},\frac{1}{8}$$
4	5	$$\frac{7}{90},\frac{32}{90},\frac{12}{90},\frac{32}{90},\frac{7}{90}$$

权重计算方法

对于更高阶的Newton-Cotes公式，计算权重 ( w_i ) 的方法通常如下：

1. 使用拉格朗日多项式进行插值。
2. 对插值多项式积分，得到积分值。
3. 将积分值分解为权重的形式。

例如，拉格朗日插值多项式的一般形式为：

$$P_n(x)=\sum _{i=0}^{n}f(x_i){\ell }_i(x)$$

其中，$${\ell }_i(x)$$ 是拉格朗日基函数：

$${\ell }_i(x)=\prod _{\begin{array}{c}0\le j\le n\\ j\ne i\end{array}}\frac{x-x_j}{x_i-x_j}$$

对插值多项式 $$P_n(x)$$ 在 $$[a,b]$$ 上进行积分：

$${\int }_a^b{P}_n(x)dx=\sum _{i=0}^{n}f(x_i){\int }_a^b{\ell }_i(x)dx$$

从而得到权重 ( w_i ) 为：

$$w_i={\int }_a^b{\ell }_i(x)dx$$

这些积分可以通过符号计算或数值方法进行求解。

---

---

---

---

为了证明一般的 ( n ) 阶Newton-Cotes公式具有 ( n ) 次代数精确度，我们需要证明这种公式能够精确地积分所有 ( n ) 次及以下的多项式。

一般的 ( n ) 阶Newton-Cotes公式

一般的 ( n ) 阶Newton-Cotes公式的形式为：

$${\int }_a^{b}f(x)dx\approx h\sum _{i=0}^n{w}_{i}f(x_i)$$

其中 ( h = \frac{b - a}{n} ) 且 ( x_i = a + i h )（等距节点）。

证明 ( n ) 次代数精确度

要证明这一公式对所有 ( n ) 次及以下的多项式是精确的，即我们要证明对于任何多项式 ( p(x) )（其中 (\deg§ \leq n)），公式是精确的：

$${\int }_a^{b}p(x)dx=h\sum _{i=0}^n{w}_{i}p(x_i)$$

我们将对任意 ( k ) 次多项式 ( p(x) = x^k ) （( k \leq n )）来进行验证。

步骤1：计算积分

首先计算 ( p(x) = x^k ) 在区间 ([a, b]) 上的积分：

$${\int }_a^b{x}^{k}dx=\frac{b^{k+1}-a^{k+1}}{k+1}$$

步骤2：离散求和

然后，计算 Newton-Cotes 公式的离散求和部分：

$$h\sum _{i=0}^n{w}_i{x}_i^k$$

在这种情况下，( x_i = a + ih )，并且 ( h = \frac{b - a}{n} )，因此 ( x_i ) 可以表示为：

$$x_i=a+i\frac{b-a}{n}$$

因此，求和部分变为：

$$h\sum _{i=0}^n{w}_i{\left(a+i\frac{b-a}{n}\right)}^k$$

步骤3：拉格朗日插值多项式

Newton-Cotes公式是基于对被积函数进行多项式插值而得来的。我们需要证明对于 ( x^k ) 多项式，插值多项式在每一个节点 ( x_i ) 上的值都正确。

考虑拉格朗日插值多项式 ( L(x) )，它是唯一的经过 ( n+1 ) 个节点 ( (x_i, f(x_i)) ) 的 ( n ) 次多项式。对于 ( x^k )，插值多项式 ( L(x) ) 实际上就是 ( x^k ) 自身，因为 ( x^k ) 本身已经是一个 ( n ) 次多项式。

步骤4：权重的构造

权重 ( w_i ) 是通过对拉格朗日基函数 ( \ell_i(x) ) 在区间 ([a, b]) 上积分得到的，即：

$$w_i={\int }_a^b{\ell }_i(x)dx$$

将这些权重应用到 Newton-Cotes 公式中，我们得到：

$$h\sum _{i=0}^n{w}_i{\ell }_i(x)={\int }_a^b{x}^{k}dx$$

这里 (\ell_i(x)) 是拉格朗日基函数，满足在插值点处的插值条件。因为 (\ell_i(x)) 构成的插值多项式能够精确表示 ( x^k )（对于 ( k \leq n )），所以 Newton-Cotes 公式对 ( x^k ) 是精确的。

结论

通过以上步骤，我们证明了一般的 ( n ) 阶 Newton-Cotes 公式对 ( n ) 次及以下的多项式是精确的，即具有 ( n ) 次代数精确度。