python 积分_数值分析笔记（一维数值积分及Python实现）

由高等数学中的牛顿-莱布尼茨(Newton-Leibniz)公式，若函数

在区间

上连续，则有积分

式中，

为

的原函数，即

，由此可见，只要求出原函数，积分值即可求出。但在许多实际问题中，

的原函数很难求出，甚至根本无法写出表达式，例如

等。另外，有时函数是以在一系列离散点上值的形式出现的，所以我们的思路是构造一系列形式简单的函数

来近似代替

。

中点公式

对函数

，如果用它

上的函数值近似代替，即得中点公式

积分的几何意义为，函数与区间两端以及

轴围成的封闭图形面积，所以中点公式的几何意义即是，用区间两端的原函数平均值作为矩形的宽，区间长度作为矩形的长，用此矩形面积近似代替真实的积分值。

梯形公式

通过节点

和

作线性插值函数

，得梯形公式

同理，梯形公式的几何意义为，用

，

，过点

和

的直线以及

轴所围成的梯形面积，近似代替真实的积分值。

辛普森公式

中点公式是利用区间中点的值进行零次多项式插值，梯形公式是利用区间两端的值进行一次多项式插值，而辛普森公式继续延续这一思想，利用区间两端和区间中点的值，即

，

，

进行二次多项式插值。得到

，以此近似替代

，即

小结

一般地，若已知函数

在区间

内节点

，

，

，

上的值

，

，

，

，我们可以构造

次插值多项式

近似替代

。即所谓的牛顿-科茨(Newton-Cotes)公式，并称形如

的式子为求积公式，其中

称为求积节点，

称为求积系数，求积节点及求积系数不依赖于被积函数

的具体形式。

复合型公式

复合型积分的主要思想在于将求积区间分成若干份，在每一个小区间上分别应用如上一种求积公式，再将所有区间的计算值相加即得原积分的近似值，即

复合中点公式

将中点公式代入复合积分公式得

首先定义

。

import math
def Fx(x):
    return math.sin(x)

复合中点积分公式，

和

为积分区间，

为区间等分数量。

首先得出步长即每一段的区间长度

，第一段区间的上下限为

，第一段区间中点的值为

，

，积分值为

，此时

在第一段区间的中点，每次循环只需要向右移动一个步长即一段区间长度

即到达下一区间的中点，继而可以直接利用

函数算出新一轮的

值。

def rectangle(a, b, n):
    h = (b - a) / n
    s = 0
    x0 = a + h / 2
    for i in range(0, n):
        s += h * Fx(x0)
        x0 += h
    return s

复合梯形公式

将梯形公式代入复合积分公式得

循环求和部分第一项为

，次数为

次，比中点公式少一次，可以在循环结束后再乘上系数

减少计算量，最后加上剩余的常数项。

注：可以理解为，相邻两个梯形公用的边被计算了两次，如果分成

份，那么需要计算

个梯形的面积，这样的边有

条，区间两端外侧的边即

和

只用到一次

def trapezoid(a, b, n):
    h = (b - a) / n
    s = 0
    x0 = a + h
    for i in range(0, n - 1):
        s += Fx(x0)
        x0 += h
    s *= h
    s = s + (Fx(a) * (h / 2))
    s = s + (Fx(b) * (h / 2))
    return s

复合辛普森公式

将辛普森公式代入复合积分公式得

其中两项求和项的第一项分别为

和

，步长为

，次数相差一次，将多出来的一项单独放到循环外，然后乘上相应的系数，最后加上剩余的常数项。

def simpson(a, b, n):
    h = (b - a) / n
    x0 = a + (3 / 2) * h
    x1 = a + h
    s0 = 0
    s1 = 0
    for i in range(0, n - 1):
        s0 += Fx(x0)
        s1 += Fx(x1)
        x0 += h
        x1 += h
    s0 += Fx(a + h / 2)
    s0 *= (2 / 3) * h
    s1 *= (1 / 3) * h
    s = s0 + s1 + ((h / 6) * (Fx(a) + Fx(b)))
    return s