ガウス求積法による数値積分計算機

ガウス求積法による数値積分計算機

新興 AI Skill PRO

計算を入力してください

結果

積分の近似値
3.1415926535897927
w_i * f(x_i) の総和
求積法 legendre
点の数 (n) 20
表示桁数 22

公式

∫abf(x)dx≈b−a2∑i=1nwif(b−a2xi+a+b2)\int_{\text{a}}^{\text{b}} {f(x)}\,dx \approx \frac{b-a}{2}\sum_{i=1}^{\text{n}} w_i\, f\!\left(\frac{b-a}{2}x_i + \frac{a+b}{2}\right)
利用統計

広告

このページの誤りを報告

ガウス求積法計算機とは?

これは純粋な数学のツールで(どの国で使っても結果は同じです)、選択したガウス求積法を用いて定積分を数値的に近似します。ガウス求積法では、ノード(節点)と呼ばれる巧みに選ばれた少数の評価点で被積分関数の値を求め、それぞれに対応する重みを掛けて合計します。\(n\) 個の点を用いると \(2n-1\) 次までの多項式を厳密に積分できるため、滑らかな関数に対しては台形則やシンプソン則のように等間隔で評価する方法よりもはるかに高い精度が得られます。

使い方

まず求積法を選び、点の数 \(n\) を設定します。続いて被積分関数 \(f(x)\) を標準的な記法(+ − * / ^、括弧、sin、cos、tan、exp、log、ln、sqrt、abs、pi、e)で入力してください。有限区間の求積法では積分の下限 \(a\) と上限 \(b\) も指定します。重み関数 \(w(x)\) は各求積法にあらかじめ組み込まれているため、入力するのは滑らかな部分 \(f(x)\) だけで構いません。すなわちガウス・ラゲールでは \(x^{\alpha} e^{-x}\) の因子を、ガウス・エルミートでは \(e^{-x^2}\) を、チェビシェフ/ヤコビでは \((1-x^2)\) の重みを省いてください。「有効桁数」のプルダウンは表示する桁数を変えるだけです。

計算式

どの求積法も基本の形は同じです。標準区間における \(w(x)\,f(x)\) の積分は、\(w_i\) と \(f(x_i)\) の積の総和で近似されます。 $$\int_{a}^{b} f(x)\,dx \approx \frac{b-a}{2}\sum_{i=1}^{n} w_i\, f\!\left(\frac{b-a}{2}x_i + \frac{a+b}{2}\right)$$ ここでノード \(x_i\) は対応する直交多項式の根であり、重み \(w_i\) はゴルブ・ウェルシュ(Golub-Welsch)法で求められます。重み 1 の任意の有限区間 \([a,b]\) では、\([-1,1]\) 上の標準ノード \(t_i\) を \(x_i = \frac{b-a}{2} t_i + \frac{a+b}{2}\) で変換し、総和全体を \(\frac{b-a}{2}\) 倍してスケールします。

広告
不均一なノード位置にある重み付きサンプル点で近似された曲線下の定積分の面積
ガウス求積は、最適配置されたノード \(x_i\) と重み \(w_i\) を用いて \(f(x)\) の下の面積を近似します。

計算例

ガウス・ルジャンドル、\(n=20\)、\(f(x)=4/(1+x^2)\)、\(a=0\)、\(b=1\) を選びます。厳密な値は \(4\arctan(1) = \pi = 3.14159265358979\) です。20 点のルジャンドル則はノードを \([0,1]\) に写像し、重みを \(\frac{1}{2}\) 倍してスケールした結果、\(3.141592653589793\) を返します。これは倍精度の全桁にわたって \(\pi\) と一致しています。これが \(4/(1+x^2)\) を既定の被積分関数としている理由です。

同じ区間における低次と高次のガウス求積のノード配置の比較
ノードが多いほど(次数 \(n\) が高いほど)区間の両端に集まり、精度が向上します。

ガウス・ルジャンドル積分の小さな n に対する節点と重み

この表は、標準区間 \([-1,1]\) におけるガウス・ルジャンドルの節点 \(x_i\) と重み \(w_i\) を示しています。一般の区間 \([a,b]\) では、計算機は各節点を \(t_i = \frac{b-a}{2}x_i + \frac{a+b}{2}\) によって写像し、和に \(\frac{b-a}{2}\) を掛けて拡大縮小します。節点は対称な ± の組になって現れ、各組は重みを一つ共有します。

n 節点 \(x_i\) 重み \(w_i\)
1 0 2
2 ±0.5773502692 1 (各)
3 0
±0.7745966692
0.8888888889
0.5555555556
4 ±0.3399810436
±0.8611363116
0.6521451549
0.3478548451
5 0
±0.5384693101
±0.9061798459
0.5688888889
0.4786286705
0.2369268851

すべての n について、重みの和は 2 になります。これは区間 \([-1,1]\) の長さです。簡単な確認として、n=5 のとき \(0.5688888889 + 2(0.4786286705) + 2(0.2369268851) \approx 2\) となります。

n=2 で \(\int_{-1}^{1}(x^3+x^2)\,dx = \frac{2}{3}\) を確かめる例です。和は \(1\cdot f(-0.57735) + 1\cdot f(0.57735)\) です。奇数次の項は打ち消し合い、二つの \(x^2\) の項は \(\frac{1}{3}+\frac{1}{3}=\frac{2}{3}\) を与えます。多項式の次数は 3 = 2n-1 なので、この結果は厳密です。

広告

結果の解釈と精度

  • 多項式の厳密性: n 点のガウス・ルジャンドル則は、次数 \(2n-1\) までの多項式を厳密に積分します。例えば 3 点では次数 5 まで厳密です。
  • ロバット則: これらは両端点を節点として含むため、精度がやや下がります。n 点のガウス・ロバット則は次数 \(2n-3\) まで厳密です。
  • 滑らかな被積分関数: 解析的(無限回微分可能)な関数では、誤差は一般に n の増加とともに非常に速く減少し、点を一つ増やすごとに桁単位で改善することが多いです。
  • 問題になる被積分関数: 特異点、端点での発散、不連続点、折れ点、非常に振動する関数では、収束が遅いか信頼できません。そのような点で区間を分割するか、被積分関数の重みや特異性に合う重み付き則(チェビシェフ、ヤコビ、ラゲール、エルミート)を使うと、通常は改善します。
  • n を増やして確認する: n と、より大きな n の両方で計算を実行してください。先頭の桁が一致すれば、結果はおおよそその桁数まで収束していると考えられます。値が変わり続ける場合、その n では被積分関数がこの則に適していません。クロンロッド拡張を使うと、埋め込まれたガウス則との比較により誤差の見積もりが組み込みで得られます。
  • 有効桁数の設定: この設定は表示される桁数だけを変えます。節点、重み、近似の基礎となる精度は変わりません。
  • 精度の限界: 標準の倍精度では、約 15〜16 有効桁が利用できます。それを超えて要求された桁数は、計算機が高精度演算を使わない限り意味を持ちません。桁落ち(ほぼ打ち消し合う正負の寄与)や、節点と重みの和での丸め誤差により、信頼できる桁数はさらに減ることがあります。
  • 区間を分割するタイミング: 関数が区間全体で性質を変える場合、多数回振動する場合、または既知の問題点がある場合には、部分区間ごとに別々のガウス則を用いる複合パネルを使ってください。問題点は部分区間の境界に置いてください。

重み付き則は別の問題を解きます。ラゲールは \(\int_0^\infty e^{-x}f(x)\,dx\)、エルミートは \(\int_{-\infty}^{\infty} e^{-x^2}f(x)\,dx\) を対象とし、チェビシェフ則は重み \(1/\sqrt{1-x^2}\) または \(\sqrt{1-x^2}\) を含みます。入力する被積分関数が、選択した手法の重みの規約に一致していることを確認してください。

よくある質問

ラゲールやエルミートで答えがおかしく見えるのはなぜ? これらの求積法には \(e^{-x}\) や \(e^{-x^2}\) の重みがすでに含まれています。被積分関数全体ではなく、残りの因子だけを入力してください。たとえば全実数直線上での \(e^{-x^2}\) の積分を求めるには \(f(x)=1\) と設定します。すると \(\sqrt{\pi}\) が得られます。

alpha と beta は何のための値ですか? \(\alpha\) はラゲールの重み \(x^{\alpha}\) の指数であり、ヤコビの一方の指数でもあります。\(\beta\) はヤコビのもう一方の指数です。どちらも \(-1\) より大きくなければならず、そうでないと重みの積分が発散します。

点を増やせば必ず精度は上がる? 滑らかな関数では \(n\) を大きくするほど精度が向上しますが、区間内に特異点や鋭いピークがある関数ではかえって悪化することがあります。\(n\) は少しずつ増やし、収束の様子を確認しながら進めてください。

最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る