跳至内容
Topos Uranos

摘要

许多积分不能用巴罗法则(牛顿–莱布尼茨公式)计算,因为被积函数没有初等原函数;这一事实对于像 e−x2e^{-x^2} 这样的函数要在后续课程中证明,正如关于原函数的一课所提醒的,而本课的任何证明都不使用它;积分存在,但它的值必须近似求得。等分分割的黎曼和对每个可积函数都趋于积分,只是很慢:对于利普希茨连续函数,其误差像 1n\frac{1}{n} 那样减小。本课用三个公式来改进它们,这些公式在等分分割的每个小区间上把函数换成一个简单的多项式,并精确地积分这个多项式:中点公式用常数,梯形公式用直线,辛普森公式用抛物线。借助一个反复运用柯西中值定理的引理,除微积分 I 和定积分单元的工具外不用其他工具,就能证明它们的误差至多为 (b−a)h224\frac{(b - a) h^2}{24}、(b−a)h212\frac{(b - a) h^2}{12} 和 (b−a)h4180\frac{(b - a) h^4}{180} 乘以二阶或四阶导数的一个界,其中 hh 是每个小区间的长度。由此得出多少个小区间能保证给定的误差、小区间个数加倍时误差如何减小,以及当该导数符号不变时每个公式落在积分的哪一侧。借助这些工具,可以在误差有界的情况下算出在关于微积分基本定理的一课中悬而未决的值 0.9225…0.9225\ldots。

学习目标

  1. 定义使用 nn 个相等小区间的中点公式、梯形公式和辛普森公式,并认识到每一个都是某个插值多项式的精确积分。
  2. 在可导性的确切条件下证明三个公式的误差界,并认识到这些界何时不能改进,以及缺少条件时会发生什么。
  3. 计算多少个小区间能保证给定的误差,并解释小区间个数加倍时误差如何减小。
  4. 把一个没有初等原函数的积分的值夹在两个可计算的数之间,并给出误差的符号及其界。

三个公式及其多项式

关于面积问题的一课曾预告,矩形的和将被改进,用来近似那些原函数未知的积分。由关于黎曼积分的一课中等分分割的黎曼和这一推论,这些和对每个可积函数都趋于积分,但该推论没有说明趋近的速度。同一课的练习题“利普希茨连续函数的误差界”给出了速度的界:对于 sin⁡(x2)\sin\left(x^2\right)(在 [0,1]\icc{0}{1} 上),要用这个界保证误差小于 11000\frac{1}{1000},需要 20012001 个小区间。原因在于高度不变的矩形很难贴合倾斜的曲线。如果在每个小区间上把函数换成一个更贴合它的多项式(一条直线或一条抛物线),再积分这个多项式,误差就会减小得快得多。

定义中点公式、梯形公式与辛普森公式

设 ff 是定义在 [a,b]\icc{a}{b} 上的函数,其中 a<ba < b,又设 nn 是自然数。步长为 h=b−anh = \frac{b - a}{n};节点为 xk=a+khx_k = a + kh,其中 k=0,1,…,nk = 0, 1, \ldots, n;中点为 ck=xk−1+xk2c_k = \frac{x_{k - 1} + x_k}{2},其中 k=1,…,nk = 1, \ldots, n。中点公式 Rn(f)R_n(f) 与梯形公式 Tn(f)T_n(f) 是下列两个数:

Rn(f)=h∑k=1nf(ck),Tn(f)=h2∑k=1n(f(xk−1)+f(xk))R_n(f) = h \sum_{k=1}^{n} f(c_k), \qquad T_n(f) = \frac{h}{2} \sum_{k=1}^{n} \left(f(x_{k - 1}) + f(x_k)\right)

若 nn 为偶数,辛普森公式把小区间两两分组:

Sn(f)=h3∑j=1n/2(f(x2j−2)+4f(x2j−1)+f(x2j))S_n(f) = \frac{h}{3} \sum_{j=1}^{n/2} \left(f(x_{2j - 2}) + 4 f(x_{2j - 1}) + f(x_{2j})\right)

若 ff 在 [a,b]\icc{a}{b} 上可积,则各公式的误差为 ER=∫abf−Rn(f)E_R = \int_a^b f - R_n(f)、ET=∫abf−Tn(f)E_T = \int_a^b f - T_n(f) 和 ES=∫abf−Sn(f)E_S = \int_a^b f - S_n(f);比较 nn 的多个值时,记作 ER(n)E_R(n)、ET(n)E_T(n) 和 ES(n)E_S(n)。

中点公式是取中点的等分分割的黎曼和,梯形公式是取左端点的黎曼和与取右端点的黎曼和的平均:Tn(f)=h2(f(x0)+2f(x1)+⋯+2f(xn−1)+f(xn))T_n(f) = \frac{h}{2} \left(f(x_0) + 2f(x_1) + \cdots + 2f(x_{n - 1}) + f(x_n)\right)。在辛普森公式中,各节点的权是 h3\frac{h}{3} 乘以 1,4,2,4,…,2,4,11, 4, 2, 4, \ldots, 2, 4, 1。前两个公式的名称来自它们所积分的多项式;第三个以托马斯·辛普森命名,他的故事已在单元导言中讲过。

命题每个公式都积分一个插值多项式

设 ff 是定义在 [a,b]\icc{a}{b} 上的函数,其中 a<ba < b,并设 nn、hh、xkx_k 和 ckc_k 如定义所述。则对每个 kk,项 h f(ck)h \, f(c_k) 是在 [xk−1,xk]\icc{x_{k - 1}}{x_k} 上对常数 f(ck)f(c_k) 的积分,而项 h2(f(xk−1)+f(xk))\frac{h}{2} \left(f(x_{k - 1}) + f(x_k)\right) 是一个次数至多为一的多项式的积分,其图像经过曲线在两个端点处的点。若 nn 为偶数,则对每个 jj,辛普森项是在 [x2j−2,x2j]\icc{x_{2j - 2}}{x_{2j}} 上对一个次数至多为二的多项式的积分,其图像经过曲线在 x2j−2x_{2j - 2}、x2j−1x_{2j - 1} 和 x2jx_{2j} 处的点。 图中展示了 n=4n = 4 时以中点高度为高的矩形、弦下方的梯形以及辛普森的两条抛物线。

证明

  1. ∫xk−1xkf(ck) dx=[f(ck) x]xk−1xk=h f(ck)\int_{x_{k - 1}}^{x_k} f(c_k) \, \mathrm{d}x = \left[ f(c_k) \, x \right]_{x_{k - 1}}^{x_k} = \resaltar{h \, f(c_k)}

    由关于微积分基本定理的一课中连续函数的巴罗法则,取常数的原函数 f(ck) xf(c_k) \, x,常数在长度为 hh 的小区间上的积分,当 f(ck)>0f(c_k) > 0 时,就是一个矩形的面积。

  2. Lk(x)=f(xk−1)+f(xk)−f(xk−1)h (x−xk−1)→∫xk−1xkLk=h f(xk−1)+h2(f(xk)−f(xk−1))=h2(f(xk−1)+f(xk))L_k(x) = f(x_{k - 1}) + \frac{f(x_k) - f(x_{k - 1})}{h} \, (x - x_{k - 1}) \rightarrow \int_{x_{k - 1}}^{x_k} L_k = h \, f(x_{k - 1}) + \frac{h}{2} \left(f(x_k) - f(x_{k - 1})\right) = \resaltar{\frac{h}{2} \left(f(x_{k - 1}) + f(x_k)\right)}

    下面的多项式 LkL_k 取值 f(xk−1)f(x_{k - 1})(在 xk−1x_{k - 1} 处)和 f(xk)f(x_k)(在 xkx_k 处)。由关于求导法则的一课中多项式与有理函数的导数这一推论,它的一个原函数是 f(xk−1) (x−xk−1)+f(xk)−f(xk−1)2h (x−xk−1)2f(x_{k - 1}) \, (x - x_{k - 1}) + \frac{f(x_k) - f(x_{k - 1})}{2h} \, (x - x_{k - 1})^2,再由连续函数的巴罗法则得到积分;若两个值都为正,这个积分就是梯形的面积。

  3. Qj(x)=f(c)+f(c+h)−f(c−h)2h (x−c)+f(c+h)−2f(c)+f(c−h)2h2 (x−c)2→∫c−hc+hQj=2h f(c)+h3(f(c+h)−2f(c)+f(c−h))=h3(f(c−h)+4f(c)+f(c+h))Q_j(x) = f(c) + \frac{f(c + h) - f(c - h)}{2h} \, (x - c) + \frac{f(c + h) - 2f(c) + f(c - h)}{2h^2} \, (x - c)^2 \rightarrow \int_{c - h}^{c + h} Q_j = 2h \, f(c) + \frac{h}{3} \left(f(c + h) - 2f(c) + f(c - h)\right) = \resaltar{\frac{h}{3} \left(f(c - h) + 4 f(c) + f(c + h)\right)}

    设 c=x2j−1c = x_{2j - 1},于是 x2j−2=c−hx_{2j - 2} = c - h 且 x2j=c+hx_{2j} = c + h。下面的多项式 QjQ_j 取值 f(c)f(c)(在 cc 处),而在 c+hc + h 和 c−hc - h 处取值 f(c)±f(c+h)−f(c−h)2+f(c+h)−2f(c)+f(c−h)2f(c) \pm \frac{f(c + h) - f(c - h)}{2} + \frac{f(c + h) - 2f(c) + f(c - h)}{2},即 f(c+h)f(c + h) 和 f(c−h)f(c - h)。由连续函数的巴罗法则,(x−c)(x - c) 在 [c−h,c+h]\icc{c - h}{c + h} 上的积分为 00,(x−c)2(x - c)^2 的积分为 2h33\frac{2h^3}{3},所用原函数为 (x−c)22\frac{(x - c)^2}{2} 和 (x−c)33\frac{(x - c)^3}{3}。

三个公式彼此相关:分成 2n2n 个小区间的分割的节点,正是分成 nn 个小区间的分割的节点与中点。

命题三个公式之间的关系

设 ff 是定义在 [a,b]\icc{a}{b} 上的函数,其中 a<ba < b,又设 nn 是自然数。则:

T2n(f)=Tn(f)+Rn(f)2,S2n(f)=Tn(f)+2Rn(f)3=4T2n(f)−Tn(f)3T_{2n}(f) = \frac{T_n(f) + R_n(f)}{2}, \qquad S_{2n}(f) = \frac{T_n(f) + 2 R_n(f)}{3} = \frac{4 T_{2n}(f) - T_n(f)}{3}

若此外 ff 在 [a,b]\icc{a}{b} 上可积,则 Rn(f)R_n(f)、Tn(f)T_n(f) 和 S2n(f)S_{2n}(f) 都趋于 ∫abf\int_a^b f。

证明

  1. h4(f(xk−1)+2f(ck)+f(xk)),h6(f(xk−1)+4f(ck)+f(xk))\frac{h}{4} \left(f(x_{k - 1}) + 2 f(c_k) + f(x_k)\right), \qquad \frac{h}{6} \left(f(x_{k - 1}) + 4 f(c_k) + f(x_k)\right)

    设 hh、xkx_k 和 ckc_k 属于分成 nn 个小区间的分割。分成 2n2n 个小区间的分割的步长为 h2\frac{h}{2},其节点依次为 x0,c1,x1,c2,…,cn,xnx_0, c_1, x_1, c_2, \ldots, c_n, x_n。在第 kk 个小区间上(属于分成 nn 个小区间的分割),两个宽为 h2\frac{h}{2} 的梯形和步长为 h2\frac{h}{2} 的辛普森项如下:

  2. T2n(f)=12Tn(f)+12Rn(f),S2n(f)=13Tn(f)+23Rn(f)=4T2n(f)−Tn(f)3T_{2n}(f) = \frac{1}{2} T_n(f) + \frac{1}{2} R_n(f), \qquad S_{2n}(f) = \frac{1}{3} T_n(f) + \frac{2}{3} R_n(f) = \resaltar{\frac{4 T_{2n}(f) - T_n(f)}{3}}

    对 kk 求和,第一个给出 Tn(f)T_n(f) 的一半加 Rn(f)R_n(f) 的一半,第二个给出 Tn(f)T_n(f) 的三分之一加 Rn(f)R_n(f) 的三分之二;由第一个等式解出 Rn(f)=2T2n(f)−Tn(f)R_n(f) = 2 T_{2n}(f) - T_n(f),便得到最后一个等式。

  3. Rn(f)→∫abf,Tn(f)→∫abf,S2n(f)→13∫abf+23∫abf=∫abfR_n(f) \to \int_a^b f, \qquad T_n(f) \to \int_a^b f, \qquad S_{2n}(f) \to \frac{1}{3} \int_a^b f + \frac{2}{3} \int_a^b f = \resaltar{\int_a^b f}

    若 ff 可积,则等分分割的黎曼和这一推论(每个小区间取任意一点)表明,取中点、取左端点和取右端点的和都趋于积分。由关于数列及其极限的一课中“极限定理对数列成立”这一定理,后两者的平均 Tn(f)T_n(f) 以及组合 S2n(f)S_{2n}(f) 也都趋于积分。

因此,三个公式对每个可积函数都收敛。问题在于收敛的速度,而这取决于函数的导数。