【NA】Newton-Cotes

• 计算数值积分时，通常将积分节点取为积分区间的等分点，此时的积分公式称为Newton-Cotes公式。

牛顿-柯特斯公式.

• 将积分区间 $[a,b]$ 进行 $n$ 等分，步长 $h=\frac{b-a}{n}$，选取等距节点 { x k = a + k h ∣ k = 0 , 1 , . . . , n } \{x_k=a+kh|k=0,1,...,n\} {xk​=a+kh∣k=0,1,...,n}，令 $x=a+th|t\in [0,n]$，那么对应的求积系数推导如下：$$\begin{array}{rl}{A}_k& ={\int }_a^b{l}_k(x)dx\\ & ={\int }_a^b\frac{(x-x_0)\cdot \cdot \cdot (x-x_{k-1})(x-x_{k+1})\cdot \cdot \cdot (x-x_n)}{(x_k-x_0)\cdot \cdot \cdot (x_k-x_{k-1})(x_k-x_{k+1})\cdot \cdot \cdot (x_k-x_n)}dx\\ & ={\int }_0^n\prod _{j=0,j\ne k}^n\frac{(t-j)h}{(k-j)h}h\cdot dt\\ & =h{\int }_0^n\frac{(t-0)(t-1)\cdot \cdot \cdot [t-(k-1)][t-(k+1)]\cdot \cdot \cdot (t-n)}{(k-0)(k-1)\cdot \cdot \cdot [k-(k-1)][k-(k+1)]\cdot \cdot \cdot (k-n)}dt\\ & =h\cdot \frac{(-1{)}^{n-k}}{k!(n-k)!}{\int }_0^{n}t(t-1)\cdot \cdot \cdot [t-(k-1)][t-(k+1)]\cdot \cdot \cdot (t-n)dt\\ & =(b-a)\cdot \frac{(-1{)}^{n-k}}{n\cdot k!(n-k)!}{\int }_0^n\left[\prod _{j=0,j\ne k}^n(t-j)\right]dt\end{array}$$
• 若令 $$C_k^{(n)}=\frac{(-1{)}^{n-k}}{n\cdot k!(n-k)!}{\int }_0^n\left[\prod _{j=0,j\ne k}^n(t-j)\right]dt$$称为柯特斯系数，可以发现该项只与积分节点数有关，可以事先算出组织成表。

柯特斯系数表.

• 柯特斯系数每一行求和是等于1的，即 $\forall n\in N,{\sum }_{k=0}^n{C}_k^{(n)}=1.$
• 并且柯特斯系数是关于中心对称的，奇数个节点关于中间值对称，偶数个节点关于中间位置对称。

梯形公式.

• 当 $n=1$ 时，等距节点选择为 $x_0=a,x_1=b$，因此积分公式为 $$I_1(f)=(b-a)\sum _{k=0}^1{C}_k^{(1)}f(x_k)=(b-a)[\frac{1}{2}f(a)+\frac{1}{2}f(b)]=\frac{b-a}{2}[f(a)+f(b)]$$

Simpson公式.

• 当 $n=2$ 时，等距节点选择为 $x_0=a,x_1=\frac{a+b}{2},x_2=b$，因此积分公式为$$I_2(x)=(b-a)\sum _{k=0}^2{C}_k^{(2)}f(x_k)=\frac{b-a}{6}[f(a)+4f(\frac{a+b}{2})+f(b)]=S(f)$$
• 可以看出辛普森公示的几何意义即经过了点 $(a,f(a)),(\frac{a+b}{2},f(\frac{a+b}{2})),(b,f(b))$ 的抛物线所围成的曲边梯形的面积。

代数精度.

• 我们知道，形如$$\sum _{k=0f}^{n}f(x_k){\int }_a^b{l}_k(x)dx$$ 积分公式有 $n$ 次积分精度。
• 考察 $n=2$ 时的辛普森公式，尝试对 $f(x)=x^3$ 使用辛普森公式积分，我们有 $$S(f)=\frac{b-a}{6}[a^3+4\frac{(a+b{)}^3}{8}+b^3]=\frac{1}{4}(b^4-a^4)$$直接进行积分有 $${\int }_a^b{x}^{3}dx=\frac{1}{4}{x}^4{|}_a^b=\frac{1}{4}(b^4-a^4)$$因此，实际上辛普森公式可以对 $3$ 次多项式准确积分。
• 容易验证，辛普森公式对于 $f(x)=x^4$ 积分是不准确的，因此辛普森公式具有 $3$ 次代数精度。
• 【定理】当 $n=2k,k\in N$ 时，牛顿柯特斯公式具有 $n+1$ 阶代数精度。
• 【证明】要证明牛顿柯特斯公式在偶数阶时具有 $n+1$ 阶代数精度，只需要证明它对 $f(x)=x^{n+1}$ 的积分余项为0即可。进行拉格朗日插值得到的余项为 $$R_n(x)=\frac{f^{(n+1)(\xi )}}{(n+1)!}{\omega }_{n+1}(x)$$，此时 $f^{(n+1)}(x)=(n+1)!$，因此积分余项为 $${\int }_a^b{\omega }_{n+1}(x)dx={\int }_a^b\prod _{j=0}^n(x-x_j)dx$$在最开始我们有如下表示：$x=a+th|t\in [0,n];x_j=a+jh|j=0,1,...,n$，因此上述积分余项可以写为 $${\int }_0^n\prod _{j=0}^n(t-j)h\cdot d(a+th)=h^{(n+2)}{\int }_0^n\prod _{j=0}^n(t-j)dt$$进行代换 $t=u+\frac{n}{2}|u\in [-\frac{n}{2},\frac{n}{2}]$，因此上述积分可以写为$$h^{(n+2)}{\int }_{-\frac{n}{2}}^{\frac{n}{2}}\prod _{j=0}^n(u+\frac{n}{2}-j)du$$考察被积函数$$H(u)=\prod _{j=0}^n(u+\frac{n}{2}-j)=\prod _{j=-\frac{n}{2}}^{\frac{n}{2}}(u-j)$$可以发现 $H(u)=-H(-u)$，被积是奇函数。因为奇函数在对称区间积分为0，所以上述代表积分余项的积分值为0，所以偶数阶的 $n$ 次牛顿柯特斯公式具有 $n+1$ 次代数精度。
• 如此一来，$n$ 次牛顿柯特斯公式计算简单，还拥有和 $n+1$ 次公式相同的代数精度，因此实际使用时大多选择偶数阶的牛顿柯特斯公式。考虑到数值稳定性，通常 $n<8.$

积分余项.

• 从低阶NC公式，梯形公式、辛普森公式开始，最后给出一般形式的NC公式积分余项。

梯形.

• 插值余项：$$R_1(x)=\frac{f^{(1+1)(\xi )}}{(1+1)!}{\omega }_{1+1}(x)=\frac{f^{\prime \prime }(\xi )}{2}(x-a)(x-b)$$
• 积分余项：$${\int }_a^b\frac{f^{\prime \prime }(\xi )}{2}(x-a)(x-b)dx={\int }_b^{a}F(\xi )G(x)dx$$
• 由于$\forall x\in [a,b],G(x)=(x-a)(x-b)<0$，假设原函数 $f(x)$ 有连续的二阶导数，即 $F(\xi ),\xi \in (a,b)$ 是连续的，那么根据积分第一中值定理：$$\exists \eta \in [a,b]，{\int }_b^{a}F(\xi )G(x)dx=F(\eta ){\int }_b^{a}G(x)dx=\frac{f^{\prime \prime }(\eta )}{2}{\int }_b^a(x-a)(x-b)dx=-\frac{f^{\prime \prime }(\eta )}{12}(b-a{)}^3=-\frac{h^3}{12}{f}^{\prime \prime }(\eta )$$其中 $h=b-a$，是梯形公式的步长

---

• 【积分第一中值定理】若函数 $f(x)$ 在区间 $[a,b]$ 连续，$g(x)$ 在 $[a,b]$ 不变号且可积，那么至少存在一个点 $\eta \in [a,b]$，使得$${\int }_a^{b}f(x)g(x)dx=f(\eta ){\int }_a^{b}g(x)dx$$

辛普森.

• 辛普森公式是二阶NC公式，但具有三次代数精度。
• 插值余项：$$R_3(x)=\frac{f^{(3+1)(\xi )}}{(3+1)!}{\omega }_{3+1}(x)=\frac{f^{(4)}(\xi )}{24}(x-a)(x-b)(x-\frac{a+b}{2}{)}^2$$
• 积分余项：$${\int }_a^b\frac{f^{(4)}(\xi )}{24}(x-a)(x-b)(x-\frac{a+b}{2}{)}^{2}dx=-\frac{h^5}{90}{f}^{(4)}(\eta )$$其中 $\eta \in [a,b].$

牛顿柯特斯.

• 【偶数阶】$$R_n(f)=\frac{h^{n+3}{f}^{(n+2)(\eta )}}{(n+2)!}{\int }_0^n{t}^2(t-1)\cdot \cdot \cdot (t-n)dt$$
• 【奇数阶】$$R_n(f)=\frac{h^{n+2}{f}^{(n+1)(\eta )}}{(n+1)!}{\int }_0^{n}t(t-1)\cdot \cdot \cdot (t-n)dt$$

数值稳定性.

• 在《数值积分》中证明过对于积分公式 $${\int }_b^{a}f(x)dx=\sum _{k=0}^n{A}_{k}f(x_k)$$若 $A_k>0$ 那么该积分公式是数值稳定的，即只要原始数据测量足够准确，积分结果就足够准确。
• Newton-Cotes公式在 $n\ge 8$ 时柯特斯系数出现负数，因此我们一般使用 $n<8$ 的牛顿柯特斯公式。