中点法是一种数值积分方法:在区间中点处计算被积函数的值,再乘以区间宽度,以此近似计算定积分。其复合形式将积分区间划分为较小的子区间,再将各子区间上的中点近似值相加。对于足够光滑的函数,复合中点法具有二阶精度:子区间宽度减半时,误差的主项缩小至原来的四分之一。“中点法”这一名称也用于求解微分方程的相关方法,但这些方法与求积方法有所区别。
定义
对于定义在区间 [a,b] 上的实值函数 f,其中 a<b,单区间中点公式为
∫abf(x)dx≈(b−a)f(2a+b).
从几何上看,这一公式用一个矩形的有向面积来代替函数图像下的面积。矩形的宽为 b−a,高为函数在区间中点处的值。函数值位于横轴下方时,对应的有向面积为负。
对于复合中点法,将区间等分为 n 个子区间,每个子区间的宽度为
h=nb−a.
各子区间的中点为
mi=a+(i−21)h,i=1,…,n.
于是近似值为
Mn=hi=1∑nf(mi).
这是以中点为取样点的黎曼和。若 f 是黎曼可积的,则当 n→∞ 时,Mn 收敛于其积分值。但仅凭这种收敛性,并不能得出光滑函数所具有的二阶误差收敛速度。
不等宽子区间
子区间不一定要等宽。给定划分
a=x0<x1<⋯<xn=b,
记
hi=xi−xi−1,mi=2xi−1+xi.
非均匀复合中点公式为
M=i=1∑nhif(mi).
采用不等宽子区间,可以在被积函数变化迅速的区域加密划分,在较平滑的区域使用较粗的划分。
精确性与对称性的作用
中点法能够精确计算所有次数不超过一的多项式的积分。对于
f(x)=αx+β,
f 在区间上的平均值等于其中点处的函数值。因此,该方法的代数精度为一:它对所有常数多项式和一次多项式都精确成立,但并非对所有二次多项式都精确成立。
相较于左端点或右端点矩形法,中点法精度更高,这源于其对称性。设
m=2a+b,h=b−a.
在 m 处作泰勒展开,得到
f(m+t)=f(m)+f′(m)t+2f′′(m)t2+⋯.
在对称区间 [−h/2,h/2] 上积分时,t 的奇次幂项均被消去。因此,对于足够光滑的函数,
∫abf(x)dx=hf(m)+24h3f′′(m)+O(h5).
一阶导数项的消去解释了为什么在子区间宽度相同的情况下,中点取样比单侧端点取样更精确。这里的 O(h5) 使用大O记号描述被省略项的大小。
误差界与收敛阶
将误差定义为精确积分值减去近似值:
En=∫abf(x)dx−Mn.
若二阶导数 f′′ 在 [a,b] 上连续,则存在某个 ξ∈(a,b),使得
En=24n2(b−a)3f′′(ξ)=24(b−a)h2f′′(ξ).
因此,若
K=x∈[a,b]max∣f′′(x)∣,
则
∣En∣≤24n2K(b−a)3.
单个子区间上的误差为 O(h3)。在 n=(b−a)/h 个等宽子区间上求和后,总误差为 O(h2),因此复合中点法是一种二阶方法。
对于非均匀划分,相应的误差界为
∫abf(x)dx−M≤241i=1∑nhi3x∈[xi−1,xi]max∣f′′(x)∣.
误差的方向
对于凸函数,中点处的函数值不大于函数在整个区间上的平均值。因此,中点法会低估积分值。对于凹函数,中点法则会高估积分值。
若 f′′ 发生变号,不同子区间上的误差可能相互抵消。因此,实际近似结果可能比一般误差界所预示的精确得多。
对于足够光滑的 f,复合中点法的误差主项也可写为
En=24h2(f′(b)−f′(a))+O(h4).
若 f′(a)=f′(b),二阶主项便会消失,从而可能获得更快的收敛速度。
示例
考虑
I=∫01x2dx=31.
只使用一个区间时,
M1=f(21)=41.
使用两个等宽子区间时,
M2=21[f(41)+f(43)]=165.
误差分别为
I−M1=121,I−M2=481.
子区间数加倍后,误差恰好缩小为原来的四分之一。更一般地,由于 f′′(x)=2,有
I−Mn=12n21.
与其他求积方法的关系
端点矩形法
左端点法和右端点法使用每个子区间的一个端点,而非中点。对于一般的光滑函数,其复合公式的误差为一阶,即 O(h)。中点法使用相同次数的函数求值,通常却能达到二阶精度。
梯形法
梯形法用连接端点函数值的直线来近似被积函数。在均匀网格上,
Tn=h[2f(a)+f(b)+i=1∑n−1f(a+ih)].
它同样是二阶方法。当子区间宽度相同且函数足够光滑时,其误差主项为
∫abf(x)dx−Tn=−12h2(f′(b)−f′(a))+O(h4).
因此,当上式中的端点导数之差非零时,梯形法的误差主项与中点法符号相反,大小为其两倍。这是一种渐近比较,并不意味着对于任意函数或网格,两种方法的优劣都有固定排序。
辛普森法
结合端点和中点的信息,可得到辛普森法:
∫abf(x)dx≈6b−a[f(a)+4f(2a+b)+f(b)].
若 M 和 T 分别表示单区间中点近似值和梯形近似值,则这一表达式为
32M+T.
这种组合消去了两者的误差主项。辛普森法对次数不超过三的多项式精确成立,并且在适当的光滑性假设下,其复合形式具有四阶精度。
高斯求积
中点法就是单节点高斯–勒让德求积公式,是高斯求积的一种特例。在 [−1,1] 上,该公式为
∫−11f(x)dx≈2f(0).
在这个区间上,它是唯一能够精确计算所有一次多项式积分的单节点求积公式。
误差估计与实现
基本实现方式是在 n 个中点处计算函数值,并累加加权和。这需要 n 次函数求值,额外存储空间为常数。
当误差主项表现为 Ch2 时,比较两种网格精细程度的计算结果,可得到实用估计
I−M2n≈3M2n−Mn.
外推值
34M2n−Mn
消去了二阶误差主项;当所需的光滑误差展开成立时,该值具有四阶精度。
若无额外假设,这类估计并不能保证给出误差界。窄峰或未被分辨出的振荡可能同时被两种网格遗漏,使两者结果的一致性产生误导。此外,分别含 n 和 2n 个子区间的普通中点网格并不嵌套:原网格的中点并不是加密网格上的取样点。
在浮点运算中,舍入误差最终可能限制网格加密所带来的收益。对大量数值求和,尤其是在数值之间存在显著抵消时,会引入独立于求积误差之外的误差。
应用与局限
当被积函数求值成本较低、只需中等精度,或取样值本身就对应网格单元中心时,中点法十分实用。它也用于有限体积法:单元上的积分可以用该单元的体积乘以具有代表性的中点值来近似。
中点法不在区间端点处取样。当某个端点处的函数值未定义时,这可能带来便利,但并不能消除奇点的影响:若导数在端点附近无界,通常的二阶误差界就可能失效。
其他局限包括:
- 光滑性有限。 间断点、折角或无界导数可能降低收敛速度。
- 未被分辨的结构。 窄峰和快速振荡可能需要专门的网格或方法。
- 取样位置固定。 除非已有数据的位置恰好与所需中点吻合,否则通常无法直接使用这些数据;插值会引入额外误差。
- 高维计算成本。 若在 d 个坐标方向上各使用 n 个点,乘积中点公式就需要 nd 次求值,这体现了维数灾难。
微分方程的中点方法
在求解常微分方程
y′=f(t,y),
的数值方法中,“中点法”通常指显式或隐式的二阶时间步进方法。
显式中点法是一种龙格—库塔方法,它首先估计一个时间步中点处的状态:
k1=f(tn,yn),
k2=f(tn+2h,yn+2hk1),
然后按下式推进:
yn+1=yn+hk2.
隐式中点法则满足
yn+1=yn+hf(tn+2h,2yn+yn+1).
这种方法通常需要求解一个关于 yn+1 的方程。尽管两种方法都在中点处求值,但它们的数值稳定性有显著差异。当 f 仅依赖于 t 时,两者都退化为对一个时间步内的积分应用中点求积公式。