Numerical Analysis - Quadrature - Newton-Cotes Formulas

Closed Newton-Cotes Formula

Newton-Cotes公式的导出

利用等距节点得到的插值型公式是Newton-Cotes公式。具体的做法是这样的：
Theorem 1:(n阶Newton-Cotes公式)
1. 将区间$[a,b]\ n$等分：$h=(b-a)/n,x_j=a+jh,j=0,1,...,n$,得到插值函数

$$L_n(x)=\sum_{k=0}^nf(x_k)\prod_{x\neq k}\frac{x-x_j}{x_k-x_j}$$
2. 取 $\rho(x)=1$，对 $x\in[a,b]$做坐标变换 $x=a+th$，有 $t\in[0,n]$， $$L_n(x)=L_n(t)=\sum_{k=0}^nf(x_k)\prod_{k\neq j}\frac{t-j}{k-j}$$
3. 得到求积公式： $$I(f)\approx I_n(f)=\int_0^nL_n(t)hdt=\sum_{k=0}^nhf(x_k)\int_0^n\prod_{j\neq k}\frac{t-j}{k-j}dt$$
其中，求积系数 $$A_k^{(n)}=h\int_0^n\prod_{j\neq k}\frac{t-j}{k-j}dt=\frac{b-a}{n}\int_0^n\prod_{j\neq k}\frac{t-j}{k-j}dt=(a-b)c_k^{(n)}$$
$c_k^{(n)}$倍成为n阶Cotes系数。注意到，Cotes系数只与n,k相关。并且有 $$\sum_{k=0}^nc_k^{(n)}=1$$ 所以我们可以事先求出固定节点的Cotes系数，然后加以利用。

The Trapezoidal Rule and the Simpson’s Rule

The Trapezoidal Rule

Set $x_0 = a, x_1 = b$
Use Linear Lagrange polynomial:

$$P_1(x) = \frac{x - x_1}{x_0 - x_1}f(x_0) + \frac{x-x_0}{x_1-x_0}f(x_1)$$
Then
$$\int_a^bf(x)dx=\int _{x_0}^{x_1}[\frac{x - x_1}{x_0 - x_1}f(x_0) + \frac{x-x_0}{x_1-x_0}f(x_1)]dx \\ + \frac{1}{2}\int_{x_0}^{x_1}f''(\xi(x))(x-x_0)(x-x_1)dx$$
$$\int_{x_0}^{x_1}f''(\xi(x))(x-x_0)(x-x_1)dx\\=f''(\xi(x_0,x_1))\int_{x_0}^{x_1}(x-x_0)(x-x_1)dx$$
Set $h=b-a$
$$\int_{x_0}^{x_1}(x-x_0)(x-x_1)dx=\frac{x^3}{3}-\frac{x_1+x_2}{2}x^2+x_0x_1x\vert_{x_0}^{x_1} \\ =\frac{h^3}{6}$$
So that
$$\int_a^bf(x)dx=\int _{x_0}^{x_1}[\frac{x - x_1}{x_0 - x_1}f(x_0) + \frac{x-x_0}{x_1-x_0}f(x_1)]dx + \frac{1}{2}\int_{x_0}^{x_1}f''(\xi(x))(x-x_0)(x-x_1)dx \\ =[\frac{(x - x_1)^2}{2(x_0 - x_1)}f(x_0) + \frac{(x-x_0)^2}{2(x_1-x_0)}f(x_1)\rbrack_{x_0}^{x_1}+\frac{f''(\xi)h^3}{12}$$

Simpson’s Rule:

$$\int_a^bf(x)dx=\frac{h}{3}[f(a)+4f(\frac{a+b}{2})+f(b)]-\frac{h^5}{90}f^{(4)}(\xi)$$

Newton-Cotes公式的误差分析

利用插值余项来估计Newton-Cotes公式的误差。

$$E_n(f)=\int_b^af[x,x_0,...,x_n]\omega_{n+1}(x)dx$$

Theorem 2:(Newton-Cotes公式的误差阶数估计)
当n阶Newton-Cotes型公式至少具有n阶的代数精度。当n为偶数的时候，代数精度为n+1
证明：
因为Newton-Cotes型公式是插值型公式，所以它一定具有n阶的数值精度。对于偶数阶$n=2m$阶的Newton-Cotes公式，下面说明它们有$2m+1$阶精度。
设

$$p_{2m+1}(x)=\sum_{k=0}^{2m+1}a_kx^k$$ 带入误差表达式中得道
$$E_{2m}(f)=\int_b^ap_{2m+1}[x,x_0,...,x_n]\omega_{n+1}(x)dx \\ = \int_b^a\frac{p_{2m+1}^{2m+1}(\xi_x)}{(2m+1)!}\omega_{2m+1}(x)dx=a_{2m+1}\int_a^b\omega_{2m+1}(x)dx$$
令 $c=(a+b)/2m, h = (b-a)/2m$,注意到
$$\omega_{2m+1}(x)=(x-c)\prod_{j=1}^m[(x-c-jh)(x-c+jh)] \\=(x-c)\prod_{j=1}^m[(x-c)^2-j^2h^2]$$
故
$$E_{2m}(p_{2m+1})=a_{2m+1}\int_a^b(x-c)\prod_{j=1}^m[(x-c)^2-j^2h^2]dx \\=a_{2m+1}\int_{a-c}^{b-c}\mu\prod_{j=1}^m[\mu^2-j^2h^2]d\mu=0$$
这说明，一般使用偶数阶的Simpson公式会有高一阶的数值精度。
（偶数阶，奇数节点，奇函数）

Theorem 3：（Newton-Cotes公式的误差估计）
令$h=(b-a)/n, \pi_0(t)=t, \pi_n(t)=t(t-1)\cdots(t-n)$
1. 当n为偶数的时候，设$f\in C^{(n+2)}[a,b]$则有

$$E_n(f)=\frac{M_nh^{n+3}f^{(n+2)}(\xi)}{(n+2)!}, \xi \in (a,b), M_n = \int_0^nt\pi_n(t)dt$$
2. 当n为奇数的时候，设 $f\in C^{(n+1)}[a,b]$则有
$$E_n(f)=\frac{M_nh^{n+2}f^{(n+1)}(\eta)}{(n+1)!}, \eta \in (a,b), M_n = \int_0^n\pi_n(t)dt$$

当$n\ge8$时，Cotes系数已经出现了负值，故不满足稳定性条件。当$n < 8$时，Newton-Cotes公式仍然是稳定的。可是由于Runge现象的出现，分段的低阶Newton-Cotes公式事实上更加可靠。分段低阶数值积分的过程中，由于误差估计式中h减小，可以知道，每一段的误差也随着分段的过程下降。分段的数值积分也成为复化的积分。

Open Newton-Cotes Formulas

By Contrast, open Newton-Cotes Formulas do not include the endpoints of $[a,b]$ as nodes. They use the nodes $x_i = x_0+ih$, for each i = 0,1,…,n, where h=(b-a)/(n+2) and $x_0=a+h$. This implies that $x_n=b-h$, $a = x_{-1}$, $b = x_{n+1}$
The estimation for residue is the same.