01先把问题说具体
只有函数采样能力时,如何近似计算 ∫₀¹x² dx?
02一步步得到方法
先用一段直线替代曲线
在小区间 [x_i,x_{i+1}] 上连接两个函数值,形成梯形,面积近似为 h(f_i+f_{i+1})/2。把区间分成 n 个等宽子区间,所有小梯形面积相加就是复合梯形法。
内部采样点同时属于左右两个梯形,各贡献半份,合起来权重 1;两个端点只出现一次,权重 1/2。因此总式为 h[½f(a)+Σ内部f+½f(b)]。
误差不只由采样点数量决定
对二阶导数有界的光滑函数,整体误差为 O(h²)。固定区间上把步长减半,进入渐近区后误差大约缩小到四分之一。函数有尖点、不连续或剧烈震荡时不能直接套这个速率。
积分近似、浮点舍入与输入采样误差是不同来源。不断缩小 h 会增加函数评估和累加舍入,不意味着任何情况下都无限提高准确度。
每个内部采样点为何出现两次
把区间分成许多小段,每段用两端点构成梯形。相邻两段共享内部采样点,它同时作为前段右端和后段左端,因此合并公式中内部点权重为2,整体再乘 h/2。
加密网格能降低光滑函数的离散误差,但尖点、奇异性或高频振荡会改变表现。先查看被积函数结构,比盲目增加采样数更有意义;数值积分也无法凭有限采样发现所有未解析振荡。
03把一个小例子完全算清楚
f=x²,[0,1],n=2,h=0.5。
| 步骤 | 计算与状态 | 为什么这样做 |
|---|---|---|
| 采样 | f(0)=0,f(0.5)=0.25,f(1)=1 | 三个点 |
| 第一梯形 | 0.5×(0+0.25)/2=0.0625 | 左半 |
| 第二梯形 | 0.5×(0.25+1)/2=0.3125 | 右半 |
| 求和 | 0.375;精确值 1/3 | 凸曲线连线在上方,产生高估 |
窄屏可左右滑动表格,阅读完整计算与理由。
n=4 时近似 0.34375,误差从 1/24 降为 1/96,正好缩小四倍。
04为什么这个方法成立
- 每个子区间积分替换为其线性插值的精确积分。
- 把局部面积相加得到端点半权重公式。
- 二阶导数有界时局部误差 O(h³),约 1/h 个区间相加得到全局 O(h²)。
05把推导翻译成代码
Python · 可独立运行的教学实现
def trapezoid(f,a,b,n):
assert n > 0
h = (b-a)/n
total = (f(a)+f(b))/2
for i in range(1,n):
total += f(a+i*h)
return h*total逐个理解关键决定
range(1,n)- 只遍历内部采样点,端点已经用半权重加入。
h*total- 函数值求和不等于面积,还要乘横向步长。
06时间、空间与实现范围
n+1 次函数评估,时间 O(n·C_f),额外标量空间 O(1)。
本版本等距采样;不等距数据应逐段用各自宽度计算,不能共用单个 h。
07改变条件,检查哪里会出错
增加采样点就保证任何函数按二阶收敛
误差阶依赖光滑性,需检查函数特征与数值尺度。
用不等距点仍套等距 h 公式
不等距时应对每段分别使用自己的宽度,或采用适合该网格的积分规则。
08从手算到独立迁移
先写出自己的结果和理由,再展开提示或解析。三题依次检查具体执行、边界条件和方法迁移。
积分 f(x)=2x,n=1 会有误差吗?
需要一点提示
插值直线就是函数本身。
查看解析与答案
没有,任意线性函数的梯形公式精确(忽略浮点舍入)。
n=2 时为何高估 x² 面积?
需要一点提示
曲线凸性。
查看解析与答案
连接端点的弦位于凸函数图像上方。
若函数调用很昂贵,细化 n 时能复用什么?
需要一点提示
旧网格点仍在新网格里。
查看解析与答案
步长减半后旧采样点全部保留,只需新增各旧区间中点,再更新求和。
继续深入这个专题
本站例子、推导与教学代码独立编写。以下是相关教材、作者论文或官方文档,可继续核对定义、证明与更完整的工程实现。
Driscoll 与 Braun · Fundamentals of Numerical Computation