高等数学 / 系统课时
梯形法与辛普森法
梯形法与辛普森法
当定积分没有容易求出的原函数,或函数只以采样数据形式给出时,可以用数值积分近似面积。本课将实现复合梯形法和复合辛普森法,并通过同一组采样区间比较两者的误差。
学习目标
- 理解梯形法和辛普森法的几何近似思想。
- 编写可运行的 Python 数值积分函数。
- 根据分段数、函数平滑性和误差要求选择方法。
几何思想与计算公式
把区间 等分成 段,步长为 。梯形法用相邻采样点之间的直线代替曲线;辛普森法每两个小区间使用一条二次曲线拟合,因此能更好地贴合平滑函数。

复合梯形法为:
这里的复合辛普森法要求 为正偶数,且相邻节点等距。其公式为
固定积分区间,且被积函数有连续的二阶导数时,复合梯形法的截断误差为 。若有连续的四阶导数,复合辛普森法的截断误差为 。这描述的是步长减小时的收敛阶,同一分段数下的实际误差还受函数形状影响。
Python 主示例
下面近似计算 。该积分没有初等原函数,适合作为数值积分示例。
python
import math
from collections.abc import Callable
def trapezoid(f: Callable[[float], float], a: float, b: float, n: int) -> float:
if n <= 0:
raise ValueError("n 必须为正整数")
h = (b - a) / n
total = 0.5 * (f(a) + f(b))
# 内部节点权重均为 1
for i in range(1, n):
total += f(a + i * h)
return total * h
def simpson(f: Callable[[float], float], a: float, b: float, n: int) -> float:
if n <= 0 or n % 2 != 0:
raise ValueError("辛普森法要求 n 为正偶数")
h = (b - a) / n
total = f(a) + f(b)
# 奇数节点权重为 4,偶数内部节点权重为 2
for i in range(1, n):
weight = 4 if i % 2 == 1 else 2
total += weight * f(a + i * h)
return total * h / 3
def main() -> None:
f = lambda x: math.exp(-x * x)
a, b, n = 0.0, 1.0, 10
trap = trapezoid(f, a, b, n)
simp = simpson(f, a, b, n)
exact = math.sqrt(math.pi) * math.erf(1) / 2
print(f"trapezoid = {trap:.9f}")
print(f"simpson = {simp:.9f}")
print(f"exact = {exact:.9f}")
print(f"trap error = {abs(trap - exact):.9f}")
print(f"simp error = {abs(simp - exact):.9f}")
trap_fine = trapezoid(f, a, b, 2 * n)
simp_fine = simpson(f, a, b, 2 * n)
print(f"trap fine error estimate = {abs(trap_fine - trap) / 3:.3e}")
print(f"simp fine error estimate = {abs(simp_fine - simp) / 15:.3e}")
if __name__ == "__main__":
main()预期输出:
text
trapezoid = 0.746210796
simpson = 0.746824948
exact = 0.746824133
trap error = 0.000613337
simp error = 0.000000815
trap fine error estimate = 1.533e-04
simp fine error estimate = 5.096e-08实际浮点环境可能使末位数字略有差异。结果显示,在相同的 10 个小区间下,辛普森法的误差明显小于梯形法。
选择方法与控制误差
只有等距采样值时,可以检查分段数是否满足本课的辛普森公式。若采样不等距,仍可逐段用实际宽度计算梯形面积;若想在数据中增加采样点,必须能够取得新的观测或函数值。
如果误差的主项接近 ,将步长减半后,细网格结果的误差可用两次结果之差的绝对值除以 估计。梯形法取 ,辛普森法取 ,所以示例分别除以 和 。这依赖主误差项近似成立,单次小差值无法保证准确。
例如令 ,在 上用 和 个等分区间时,两组网格上的函数值都恰好为 ,积分却是 。对于快速振荡或有局部尖峰的函数,需结合变化尺度或可用的误差界检查网格。
按自己的节奏,确认真正理解。