Python05 梯形公式 Simpson公式 Cotes公式 Romber公式(附代码)

1. 实验结果

（1）计算如下积分的近似值及误差：

（真实值约0.693147118）
（2）分别使用梯形公式、Simpson 公式、Cotes 公式以及 Romber 公式计算积分的近似值，并估计误差，结果如下：

由结果可以发现，梯形公式、Simpson 公式以及 Cotes 公式计算结果的误差越来越小。 因为定义的 Romberg 公式的输入参数包括精度要求，本次运行设置精度要求为 0.001，由结 果可见求得的值满足误差要求。

改变输入的参数，设置 Romberg 求积法的精度要求为 0.000001 后，输出表格里的计算 值相应增加，由结果可见求得的值满足精度要求。

2. 代码

test.py

from class5 import integration

new = integration()

print('梯形公式：Newton_Cotes(n=1)：')
new.newton_cotes(0, 1, 'trapezoid')
print('\nSimpson公式：Newton_Cotes(n=2)：')
new.newton_cotes(0, 1, 'simpson')
print('\nCotes公式：Newton_Cotes(n=4)：')
new.newton_cotes(0, 1, 'cotes')
print('\nRomberg公式：')
new.Romberg(0, 1, 0.001)

class5.py

import numpy as np
import sympy

class integration(object):
    """包括: 1. Newton_Cotes(n=1,2,4); 2. Romberge求积法"""

    # 被积函数
    def f(self, x):
        y = 1 / (1 + x)
        return y

    # 对函数求n阶导，用于计算误差
    def dc_f(self, x_, n):
        x = sympy.Symbol('x')
        f = 1 / (1 + x)
        return sympy.diff(f, x, n).evalf(subs={
   x: x_})  

    # 1. Newton_Cotes(n=1,2,4)
    def newton_cotes(self, a, b, mode):
        if mode == 'trapezoid':  # 梯形求积公式
            I = (b - a) * (self.f(b