Chapt5数值微积分的数值解法

Chapt-5数值微积分的数值解法数值分析·计算方法课程Contents本章内容框架数值微积分的核心方法与理论体系，涵盖求积公式、积分外推与数值微分。01数值积分概述与基本思想02牛顿-柯茨求积公式03龙贝格积分方法04高斯型求积公式05数值微分方法CHAPTER01数值积分概述与基本思想从牛顿-莱布尼兹公式的局限到数值逼近的必要性Chapt-5·数值微积分的数值解法为什么需要数值积分牛顿-莱布尼兹公式在实际应用中存在两大根本局限：一是大量被积函数的原函数无法用初等函数表达，二是工程实践中的被积函数往往以离散数据或列表形式给出，这两种情形都迫使我们需要发展不依赖解析原函数的数值近似方法。正态分布概率密度函数e^(-x²)，原函数不存在初等表达工程实验传感器采集离散数据，无解析表达式牛顿-莱布尼兹公式要求找到被积函数的解析原函数，但实际应用中这一前提往往无法满足，催生了数值积分方法的发展。01解析不可积许多重要被积函数如e-x²、sin(x)/x等，原函数无法用初等函数表达02正态分布困境∫e-x²dx是统计学核心需求，但被积函数不存在初等原函数03离散数据挑战工程实验中函数以传感器离散采样点给出，无解析表达式，无法符号积分04数值积分框架通过有限个抽样值的加权平均近似代替定积分值，是通用数值框架Chapter5·数值积分数值积分的基本思想与求积公式数值积分的本质是用被积函数在有限个节点处的函数值的加权线性组合来近似代替定积分，其核心要素包括求积节点（采样位置）、求积系数（权重）和求积余项（近似误差），构造优良求积公式的关键在于合理选取节点与系数以使余项最小化。01求积公式一般形式：∫[a,b]f(x)dx≈ΣAⱼf(xⱼ)，其中xⱼ为求积节点、Aⱼ为求积系数，右端称为求积和。02求积余项E(f)=∫f(x)dx−ΣAⱼf(xⱼ)衡量近似精度，构造求积公式的核心目标是使E(f)在某种意义下尽可能小。03区间[a,b]可以是有限区间或无限区间，后者对应广义积分（无穷积分）的数值计算。04历史上阿基米德、牛顿、欧拉、高斯、切比雪夫等数学大师均对数值积分理论与方法作出了奠基性贡献。NUMERICALINTEGRATION·代数精度代数精度：评判求积公式的核心标准代数精度是衡量求积公式优劣的核心指标，定义为求积公式能精确积分的最高多项式次数。精度越高则逼近误差越小。01精度定义若求积公式对f(x)=xk（k=0,1,…,m）均精确成立（E(f)=0），但对k=m+1时不再精确，则代数精度为m。02逼近能力代数精度越高意味着对更广泛函数类的逼近能力越强，是评判不同求积公式优劣的统一标尺。03经典对比梯形公式代数精度为1，辛普森公式代数精度为3，体现了节点数增加带来的精度提升。04验证方法通过逐次验证f(x)=1,x,x²,x³,…是否精确成立，可系统性地确定任意求积公式的代数精度。第五章·数值积分插值型求积公式的构造方法插值型求积公式通过用被积函数的插值多项式近似替代原函数来构造，将复杂的积分问题转化为可精确求解的多项式积分。m+1个节点的插值型求积公式至少具有m次代数精度。01·构造策略在[a,b]上取节点x₀,x₁,…,xₘ，构造f(x)的m次插值多项式Pₘ(x)，用∫Pₘ(x)dx近似∫f(x)dx。PolynomialInterpolation02·系数推导对插值多项式积分后得到求积公式ΣAⱼf(xⱼ)，其中求积系数Aⱼ=∫lⱼ(x)dx，lⱼ为拉格朗日基函数。LagrangeBasis03·内插条件若所有节点xⱼ均属于[a,b]，称为内插型求积公式，这是最基本、应用最广泛的一类求积公式。InteriorNodes04·精度保证m+1个节点的插值型求积公式的代数精度至少为m，保证了对m次及以下多项式的精确积分能力。≥mAccuracyChapt-5·数值微积分的数值解法数值积分的几何直觉数值积分的几何本质是用简单几何图形的面积来逼近曲线下的真实面积，区间细分越密，逼近越精确。梯形法则：以直线段连接相邻节点，用梯形面积逼近曲线下面积01几何意义：定积分即曲边梯形的面积，数值积分用简单多边形或抛物线段的面积来近似替代。02梯形公式：以直线段连接相邻节点，用梯形面积逼近曲边梯形面积，几何直观清晰。03辛普森公式：用抛物线段拟合相邻三个节点间的曲线，逼近效果显著优于直线段拟合。04达布和理论：随着区间不断细分，上和与下和逐渐收敛于定积分真值，为数值方法的收敛性提供理论基础。CHAPTER02牛顿-柯茨求积公式等距节点下的经典插值型求积公式族NUMERICALINTEGRATION梯形公式（TrapezoidalRule）梯形公式是最基本的牛顿-柯茨公式，用连接区间端点的直线段近似代替被积函数曲线，以梯形面积逼近定积分。其代数精度为1，截断误差与区间长度的三次方及函数二阶导数成正比，适用于变化平缓函数的粗略近似。公式形式∫abf(x)dx≈(b−a)/2·[f(a)+f(b)]用区间端点函数值的算术平均乘以区间长度，几何意义为以两端函数值为上下底的梯形面积代数精度1对零次多项式和一次多项式（f(x)=1和f(x)=x）精确成立，但对二次多项式f(x)=x²不再精确，精度较低截断误差R=−(b−a)³/12·f″(ξ)，ξ∈(a,b)误差与区间长度三次方及函数二阶导数成正比，区间越宽或曲线越弯曲，误差越大适用边界当被积函数二阶导数较大（曲线弯曲剧烈）或积分区间较长时，梯形公式误差显著增大，此时需改用辛普森公式等高阶方法或细分区间进行复合计算Chapter5·数值积分辛普森公式（Simpson'sRule）辛普森公式用抛物线拟合三个等距节点处的函数值，以代数精度3显著超越梯形公式的精度1。其截断误差与区间长度五次方及函数四阶导数成正比，仅用3个节点就实现了与四阶方法相当的精度，是实际应用中最常用的求积公式之一。01公式形式∫abf(x)dx≈(b−a)/6·[f(a)+4f((a+b)/2)+f(b)]，中间节点权重为端点的4倍权重比1∶4∶102超收敛特性虽然只用3个节点（理论上精度至少为2），但实际达到代数精度3，体现了辛普森公式的超收敛特性精度=303截断误差R=−(b−a)⁵/2880·f⁽⁴⁾(ξ)，误差与区间长度五次方成正比，精度远优于梯形公式的三次方O(h⁵)04工程应用在工程和科学计算中，辛普森公式因其精度高、计算简便而被广泛采用，是实用数值积分的首选方法首选方法数值积分方法复合求积公式复合求积公式通过将积分区间等分为多个子区间并在每个子区间上应用基本公式来显著提升精度。复合梯形公式的误差阶为O(h²)，复合辛普森公式的误差阶为O(h⁴)，其中h为步长，这使得通过减小步长来系统控制精度成为可能。01复合梯形公式：将[a,b]等分为n个子区间，步长h=(b-a)/n，总公式为h/2·[f(a)+2Σf(xₖ)+f(b)]，误差O(h²)O(h²)02复合辛普森公式：将[a,b]等分为2n个子区间，步长h=(b-a)/(2n)，误差O(h⁴)，收敛速度远快于复合梯形O(h⁴)03精度与效率平衡：减小步长h可系统性地降低误差，但计算量随之增大，需要在精度与效率之间寻求平衡h→004收敛性保证：复合求积公式的收敛性有严格理论保证：当h→0时，求积和收敛于定积分真值收敛第五章·数值积分算例对比：梯形公式vs辛普森公式通过计算∫₀¹e^(-x²)dx的数值实验，辛普森公式在相同节点数下精度比梯形公式高出约两个数量级。TRAPEZOIDAL梯形公式T=½·[f(0)+f(1)]≈0.6839绝对误差≈0.063相对误差≈8.4%SIMPSON辛普森公式S=⅙·[f(0)+4f(½)+f(1)]≈0.7472绝对误差≈0.0004精度提升≈100×01目标积分∫₀¹e−x²dx精确值≈0.7468，被积函数无初等原函数，是数值积分的典型场景02梯形公式仅用端点，将非线性曲线近似为直线，误差随区间长度线性增长03辛普森引入中点权重4f(½)，代数精度从1阶提升至3阶04相同3节点条件下，精度差距达两个数量级，充分验证了代数精度的效果数值积分·高阶公式高阶牛顿-柯茨公式与稳定性问题牛顿-柯茨公式族随阶数增加代数精度提升，但当n≥8时求积系数出现负值且绝对值增大，导致数值不稳定性。这一固有缺陷使得高阶公式在实际中很少直接使用，工程上更倾向于复合低阶公式或龙贝格、高斯方法。n=3辛普森3/8公式∫≈3h/8·[f₀+3f₁+3f₂+f₃]，需要4个等距节点计算定积分近似值。代数精度3n=4柯特斯公式∫≈2h/45·[7f₀+32f₁+12f₂+32f₃+7f₄]，需5个等距节点。代数精度5n≥8数值不稳定求积系数出现负值且绝对值增大，舍入误差被严重放大，公式失去数值稳定性。风险来源负系数实际应用替代方案避免直接使用高阶公式，转而采用复合低阶公式或龙贝格、高斯求积方法。推荐方法复合求积CHAPTER03龙贝格积分方法基于理查德森外推加速的自适应高精度求积策略RICHARDSONEXTRAPOLATION理查德森外推与龙贝格方法核心思想龙贝格方法通过理查德森外推法，利用复合梯形公式误差的偶次幂展开特性，对不同步长的梯形近似值进行加权组合以逐层消去低阶误差项，从而在不增加函数求值次数的前提下系统提升精度阶数。误差偶次幂展开复合梯形公式的截断误差可展开为步长h的偶次幂级数，这是外推法的理论基础。该展开式表明误差具有可预测的结构化特征。T(h)=I+c₂h²+c₄h⁴+c₆h⁶+⋯精度阶数O(h²)第一层外推·辛普森将步长h和h/2的两个梯形近似值进行线性组合，通过系数4/3与−1/3的精确配比，恰好消去主导误差项h²，实现精度跃升。Sₙ=4/3·T₂ₙ−1/3·Tₙ精度阶数O(h⁴)第二层外推·柯特斯对辛普森值继续外推，采用16/15与−1/15的权重组合，消去h⁴误差项。每次外推均利用已有计算结果，不增加函数求值开销。Cₙ=16/15·S₂ₙ−1/15·Sₙ精度阶数O(h⁶)第三层外推·龙贝格最终龙贝格公式以64/63与−1/63加权消去h⁶项，获得O(h⁸)超高精度。三层外推构成递推计算的三角阵列，算法稳定高效。Rₙ=64/63·C₂ₙ−1/63·Cₙ精度阶数O(h⁸)数值积分·龙贝格方法龙贝格T-表的构造与计算流程T-表以逐次分半梯形值为第一列，经Richardson外推逐列生成；对角线收敛最快，邻差小于容差即终止。01逐次分半梯形序列T-表第一列为T₁⁽⁰⁾→T₂⁽⁰⁾→T₄⁽⁰⁾→…，每次将积分区间数翻倍、步长减半，逐步细化梯形近似的精度。步长减半02外推公式逐列生成Tₙ⁽ᵏ⁾=(4ᵏ·T₂ₙ⁽ᵏ⁻¹⁾−Tₙ⁽ᵏ⁻¹⁾)/(4ᵏ−1)，后续各列依次为辛普森、柯特斯和龙贝格序列，每列精度阶数提高2。精度阶+203对角线收敛最快对角线元素T₁⁽⁰⁾、T₂⁽¹⁾、T₄⁽²⁾、T₈⁽³⁾…的收敛速度最快，通常作为最终积分近似值的选取依据。最优选取04自适应终止判据当|T₂ₙ⁽ᵏ⁾−Tₙ⁽ᵏ⁾|<ε（给定容差）时停止计算，无需预设迭代次数，实现自适应精度控制。容差ε控制NUMERICALINTEGRATION算例：龙贝格方法计算∫₀¹sin(x)/xdx通过计算sinc函数的积分实例，龙贝格方法仅用少量函数求值即可通过逐层外推达到高精度，验证了该方法公式简练、计算结果准确、稳定性好的优点，是等距节点情形下最实用的数值积分方法。被积函数sin(x)/x在x=0处取极限值1，精确积分值约0.94608，无初等原函数梯形序列T₁≈0.9207,T₂≈0.9389,T₄≈0.9440，单独看精度不高，但蕴含了高精度信息辛普森序列S₁≈0.9450,S₂≈0.9457，经一次外推精度显著提升柯特斯序列C₁≈0.9461，经二次外推已精确到4位有效数字，仅需5个函数求值点Chapter5·数值积分龙贝格方法的特点总结龙贝格方法兼具公式简练、计算效率高、自适应精度控制方便等优点，是等距节点数值积分的首选方案。但其有效性依赖于被积函数的光滑性，对含奇点或不连续的函数可能失效，且仅适用于等距节点情形。核心优势高效复用—梯形序列分半时可复用前一步的函数值，新增节点仅为原来的一半，计算效率高，大幅减少重复计算开销公式统一—外推公式Tₙ⁽ᵏ⁾=(4ᵏ·T₂ₙ⁽ᵏ⁻¹⁾−Tₙ⁽ᵏ⁻¹⁾)⁄(4ᵏ−1)统一简洁，编程实现方便，易于在各类计算环境中部署自适应精度—对角线元素自动提供收敛判据，可根据容差要求自适应决定分半次数，无需预先设定步长适用限制光滑性要求—要求被积函数充分光滑（高阶导数存在且有界），否则外推加速效果减弱甚至失效，精度无法保证等距约束—仅适用于等距节点情形，不等距离散数据需改用高斯型求积公式，灵活性受到一定限制奇点敏感—被积函数含奇点时外推可能发散，需先做变量替换或奇点处理后再应用，增加了预处理步骤CHAPTER04高斯型求积公式通过优化节点位置实现最高代数精度的求积策略NUMERICALINTEGRATION高斯求积的核心思想与理论上限高斯求积的突破在于将节点位置也作为可调参数：n个节点提供2n个自由度（n个位置+n个系数），理论上可达2n-1次代数精度。高斯证明了选取节点为对应正交多项式零点时，这一理论上限可以精确达到。01牛顿-柯茨公式固定等距节点只优化系数，n个节点最多达到n次代数精度（偶数时可多1次）n次02高斯求积同时优化节点位置和求积系数，n个节点提供2n个自由度，理论上可达2n-1次代数精度2n−103高斯证明：当节点取为[a,b]上对应正交多项式的零点时，2n-1次代数精度可以精确达到零点定理04标准高斯-勒让德求积在[-1,1]区间上，节点为n次勒让德多项式Pₙ(x)的n个零点Pₙ(x)高斯-勒让德求积低阶高斯-勒让德公式的具体形式两节点高斯公式在±1/√3处取函数值并以等权1求和，仅用2个节点即达到3次代数精度，与3个节点的辛普森公式精度相当，充分体现了高斯求积在节点利用效率上的显著优势。01n=1中点公式∫₋₁¹f(x)dx≈2f(0)，节点x₁=0，系数A₁=2代数精度1=2×1−102n=2高斯公式∫₋₁¹f(x)dx≈f(−1/√3)+f(1/√3)节点来源P₂(x)=(3x²−1)/2的零点03n=2精度优势仅用2个节点即达到辛普森公式3个节点的精度水平代数精度3=2×2−104n=3高斯公式节点0,±√(3/5)，系数8/9,5/9,5/9代数精度5=2×3−1高斯求积·实用技术高斯公式的实用技术要点高斯公式的标准区间为[-1,1]，计算一般区间积分需做线性变量替换。由于高斯节点不等距，增加节点数时旧函数值无法复用，因此实际应用中常采用复合高斯方法——将区间分段并在各段上应用低阶高斯公式。区间变换对[a,b]上的积分，令x=(b−a)t/2+(a+b)/2将区间映射到[−1,1]，积分变为(b−a)/2·∫f(x(t))dt[−1,1]节点不等距增加节点数时所有节点位置和系数都改变，之前的函数值无法复用，计算成本需重新评估不可复用复合高斯方法将[a,b]等分为若干子区间，每段上应用2–3节点高斯公式，兼顾精度与灵活性2–3节点无穷区间积分高斯-埃尔米特、高斯-拉盖尔公式可处理无穷区间积分，牛顿-柯茨公式无法做到超越N-C数值积分方法三种数值积分方法对比总结牛顿-柯茨、龙贝格和高斯求积三类方法各有优劣：牛顿-柯茨公式直观简便但精度有限，龙贝格方法自适应精度高且可复用计算，高斯求积节点效率最高但节点不等距。三种数值积分方法核心特性对比方法节点特征n节点代数精度加节点复用旧值典型适用场景牛顿-柯茨等距n次（偶数n+1次）否（需重算）简单计算、教学演示龙贝格等距分半逐层提升O(h²ᵏ)是（复用旧值）光滑函数、自适应高精度高斯求积不等距（正交零点）2n-1次否（全部重算）高精度需求、无穷积分三种方法在节点特征、精度阶数和计算效率上各有取舍，需根据被积函数特性和精度需求选择CHAPTER5·数值积分高斯型求积公式的变体与扩展高斯求积框架可通过选择不同的正交多项式和权函数，衍生出适用于各种特殊积分场景的变体，包括无穷区间积分和带权积分，这使得高斯方法成为数值积分领域最灵活、应用最广泛的理论框架。高斯–切比雪夫公式适用于∫-11f(x)/√(1−x²)dx，节点为切比雪夫多项式零点，系数均为π/n。该公式在数值分析中具有重要地位，是处理含奇异性积分的高效工具。带权·有界区间[−1,1]高斯–拉盖尔公式适用于∫0+∞e−xf(x)dx，节点为拉盖尔多项式零点，可处理半无穷区间积分。广泛应用于量子力学和统计物理中的期望值计算。指数权函数·[0,+∞)高斯–埃尔米特公式适用于∫−∞+∞e−x²f(x)dx，节点为埃尔米特多项式零点，在概率论中应用广泛。特别适用于计算正态分布的各阶矩和相关统计量。高斯权函数·(−∞,+∞)共同特征节点均为对应正交多项式的零点，求积系数由正交性唯一确定，均达到2n−1次代数精度。这一精度是高斯型求积公式的理论上限，体现了最优节点选择的核心优势。代数精度：2n−1次CHAPTER05数值微分方法基于离散数据的导数近似计算与误差控制第五章·数值微积分基本差商公式及其精度分析数值微分用差商近似导数：前向和后向差商为一阶精度O(h)，中心差商通过消除一次项达到二阶精度O(h²)。但数值微分存在截断误差与舍入误差的矛盾。FORWARD前向差商f'(x)≈[f(x+h)−f(x)]/h由泰勒展开f(x+h)导出，截断误差O(h)O(h)BACKWARD后向差商f'(x)≈[f(x)−f(x−h)]/h截断误差同为O(h)，精度与前向差商相当O(h)CENTRAL中心差商f'(x)≈[f(x+h)−f(x−h)]/2h消去一次项，精度O(h²)，最常用差分格式O(h²)ROUND-OFF舍入误差矛盾h过小导致相近数相减，有效数字严重损失，存在最优步长h*∝ε^(1/3)第五章·数值微积分数值微分的误差困境与最优步长数值微分的总误差是截断误差（随h减小）与舍入误差（随h增大）的叠加，存在使总误差最小的最优步长h*。这种截断-舍入误差的矛盾使数值微分本质上比数值积分更困难，是数值计算中病态问题的典型代表。截断误差中心差商截断误差≈h²f'''(x)/6，随h减小而减小∝h²f'''(x)/6舍入误差两函数值相减的舍入误差≈2εf/h（ε为机器精度），随h减小而急剧增大∝2εf/h最优步长总误差E(h)令dE/dh=0得h*∝(ε/M)^(1/3)，双精度下约10⁻⁵量级h*≈10⁻⁵病态本质数值积分是求和过程对舍入误差不敏感，数值微分是求差过程会放大舍入误差Ill-conditioned数值微分基于插值与外推的高阶数值微分高阶数值微分可通过两条路径实现：一是对离散数据构造插值多项式再求导，二是对中心差商序列做理查德森外推以逐层消去低阶误差项。插值求导法01在节点x₀,x₁,…,xₙ上构造n次插值多项式Pₙ(x)，用Pₙ'(x)近似f'(x)，适用于已知离散数据的情形02对等距节点可导出实用的差分公式族，如三点公式f'(x₀)≈[-3f₀+4f₁-f₂]/(2h)，精度O(h²)03端点处导数精度通常低于内部节点，需要额外处理或使用非对称差分公式理查德森外推法01对中心差商做外推：D₁(h)