数值积分方法

数值积分是工程师和科学家经常使用的基本工具，用来计算无法解析求解的定积分的近似解。
如：$\Phi(x)=\int_0^x\frac{t^3}{e^t-1}dt$不存在$\Phi(x)$的解析解，要求$\Phi(5)$。
那么我们就要通过数值积分的方法来计算，数值积分的目的是，通过在有限个采样点上计算$f (x)$的值来逼近 $f (x)$在区间$[a,b]$上的定积分.
设$a=x_0<x_1<…<x_M=b$. 称形如

且具有性质 $\int_a^bf(x)dx=Q[f]+E[f]$的公式为数值积分或 面积公式。项 $E[ f ]$称为积分的截断误差，值 $\{x_k\}^M_{k=0}$称为 面积节点， $\{w_k\}^M_{k=0}$称为 权。

下面介绍几种常用的数值积分方法。

基于多项式差值的面积公式

通过M+1个等距点$\{(x_k,f(x_k))\}^M_{k=0}$存在唯一的次数小于等于M的多项式$P_M(x)$。当用该多项式来近似$[a,b]$上的$f(x)$时，$P_M(x)$的积分就近似等于$f(x)$的积分，这类公式称为牛顿－科特斯公式。当使用采样点$x_0=a和x_M=b$时，称为闭型牛顿－科特斯公式。

左/中/右矩形公式、梯形公式

左/中/右矩形公式

梯形公式

图形如下

---

辛普森公式

推导过程

若$f(x)$在$[a,b]$上有定义，将区间$[a,b]$分割成$n$等分（取$n$为偶数），则有$a=x_0<x_1<…<x_M=b$，其中

$$x_i=a+i\Delta x（\forall i=0,1,\dots,n,\Delta x=\frac{b-a}{n}为步长）$$
这里我们想通过 $(x_0,f(x_0)),(x_1,f(x_1)),(x_2,f(x_2))$三点抛物线 $g(x)=\alpha x^2+\beta x + \gamma$来取代 $f(x)$在 $[x_0,x_2]$的定义，今儿求出它的近似积分值(如图)，最后用累加的方式求得 $f(x)$在 $[a,b]$上的近似积分。

由假设我们有


所以可得 $$\int_a^bf(x)dx=\int_{x_0}^{x_2}+\int_{x_2}^{x_4}+\dots+\int_{x_{n-2}}^{x_n}f(x)dx$$

误差估计

若令$S_n=\frac{\Delta x}{3}[f(x_0)+4f(x_1)+2f(x_2)+4f(x_3)\dots+2f(x_{n-2})+4f(x_{n-1})+f(x_n)]$且$f^{(4)}(x)在[a,b]$上连续，则我们可以估计出辛普森公式的误差值为

例题1

试用辛普森公式估计$\int^1_0e^{-x^2}dx$，取$n=6$
解：
令$f(x)=e^{-x^2},\Delta x={1\over 6}$则

---

拉格朗日插值

分段线性插值

例如：函数$f(x)={1\over 1+x^2}$如果在区间$[-5，5]$上取$11$个等距节点:$x_k=-5+k (k=0,1,2,...,10)$,由Lagrange插值公式可得到$f(x)$的$10$次$L_{10}(x)$。如图所示：

$L_{10}(x)$仅在区间的中部能较好的逼近函数 $f(x)$,在其它部位差异较大，而且越接近端点，逼近效果越差。
可以证明，当节点无限加密时， $L_n(x)$也只能在很小的范围内收敛，这一现象称为 Runge现象。它表明通过增加节点来提高逼近程度是不适宜的，因而不采用高次多项式插值。

推导过程

已知函数$f(x)$在区间$[x_k ,x_{k+1} ]$的端点上的函数值$y_k =f(x_k ), y_{k+1} = f(x_{k+1} )$,求一个一次函数$y=P_1 (x)$使得$y_k =f(x_k ),y_{k+1} =f(x_{k+1} )$, 其几何意义是已知平面上两点$(x_k ,y_k ),(x_{k+1} ,y_{k+1} )$,求一条直线过该已知两点。
由直线的点斜式公式可知：

$$P_1(x)=yk+\frac{y_{k+1}-y_k}{x_{k+1}-x_k}(x-x_k)$$
把此式按照 yk