积分逼近-梯形法则
的梯形法则是一种近似函数定积分的方法。它通常比使用左近似或右近似更精确<一个href="//www.parkandroid.com/wiki/riemann-sums/" class="wiki_link" title="黎曼和" target="_blank">黎曼和一个>,对于线性函数是准确的。求二次-的积分时的误差<一个href="//www.parkandroid.com/wiki/differentiable-function/" class="wiki_link" title="可微的" target="_blank">可微的一个>根据梯形法则,函数与函数在区间内某一点的二阶导数成正比。
定义
假设 是在区间上定义的 梯形法则的作用是把区间分成 大小相等的部分, (让 (间隔的大小不需要相等,但如果相等的话会更方便。)
对每个区间进行估计 由四个顶点为 这个区域 自 这些区域的总和是 在哪里 这是对
让 用四区间近似积分得到 哪个更接近于的实际值
用 间隔了 所以近似的误差是精确的 这自然的方法 作为 也就是说,使用的区间越多,近似值就越好。
误差估计
定义中的图像清楚地表明,梯形规则估计中的误差取决于如何凹或凸 是在每个间隔上:如果 是凸(“上凹”)的梯形规则将给出一个高估的区间,如果 如果是凹的(“向下凹”),梯形法则就会给出一个低估值。由于二阶导数度量函数的凹度,因此误差与二阶导数成正比直观上是合理的。
让 是一个二次可微的函数 ,让 在哪里 用梯形法则估计积分吗 大小相等的间隔。然后有一个数字 这样
数量 是通过一个像<一个href="//www.parkandroid.com/wiki/mean-value-theorem/" class="wiki_link" title="中值定理" target="_blank">中值定理一个>,所以没有公式。通常使用这种估计的方法是:如果 一个常数是这样的吗 对所有 在幕间休息的时候
注意,这将恢复上面例子中的错误: 对所有 ,所以