复化求积方法 | 复化梯形公式、复化Simpson公式、复化Cotes公式

从Newton-Cotes的截断误差公式可以看出，当积分区间$[a,b]$较大时，低阶的Newton-Cotes求积公式截断误差都比较大。由于高阶Newton-Cotes求积公式是数值不稳定的，因此通过不断增加阶数来提高求积公式的精度是不可行的。但是，如果将积分区间$[a,b]$分成几个小区间（任意的），在每个小区间上应用Newton-Cotes求积公式，其截断误差必然会减小，然后再把每个小区间上的积分值累加起来，这样却能大大提高整个积分的精度。这种方法称为复化求积方法。

常用的复化求积方法采用等分区间的做法，具体如下：

将区间$[a,b]$划分为n等分，步长为$H=\frac{(b-a)}{n}$，分点为$x_k=a+kH,k=0,1,2,\cdots ,n$。先用低阶Newton-Cotes求积公式求得每个子区间$[x_k,x_{k+1}]$上的积分值$I_k$，然后将它们累加起来求和，用${\sum }_{k=0}^{n-1}{I}_k$作为所求积分$I={\int }_a^{b}f(x)dx$的近似值。

1. 复化梯形公式

在区间$[a,b]$上采用复化求积方法，具体使用梯形求积公式进行计算，就得到复化梯形求积公式。用$T_k$表示$f(x)$在子区间$[x_k,x_{k+1}]$上的积分值，$T_n$表示$f(x)$在区间$[a,b]$上的积分值，有：
$$T_k=\frac{1}{2}H[f(x_k)+f(x_{k+1})]$$
其中
$$H=(b-a)/n,x_k=a+kH(k=0,1,2,\cdots ,n)$$
故
$$T_n=\sum _{k=0}^{n-1}{T}_k=$$