专题进阶 · 数值算法推荐总顺序 · 第 102 / 148 课

把积分理解为累积面积,推导端点半权重与复合梯形误差。

先学会这些,再进入本课 数组
还有 1 节先修课未标记掌握;已具备基础时可以直接学习,遇到障碍再沿链接补课。
专题详解 · 数值算法

梯形积分Trapezoidal Rule

以分段直线近似函数,积分误差取决于步长与函数光滑性。

建议 40 分钟 · 含手算、代码与三层练习

本课要建立的能力

把积分理解为累积面积,推导端点半权重与复合梯形误差。

先手算,再对照代码;理解为什么成立,最后用改变条件的练习检查迁移能力。

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

  1. 每个子区间积分替换为其线性插值的精确积分。
  2. 把局部面积相加得到端点半权重公式。
  3. 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。

练习 1 · 复现与理解

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)。

练习 2 · 边界与辨析

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。

练习 3 · 变式与迁移

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

理解之后,继续递进

能解释手算中的每一步,并独立完成迁移题后,再标记掌握。