Что такое квадратура Гаусса–Эрмита?
Квадратура Гаусса–Эрмита — это численный метод приближённого вычисления интегралов по всей числовой прямой с гауссовым весом \(e^{-x^2}\). n-точечная формула приближает интеграл взвешенной суммой значений подынтегральной функции в n специально подобранных точках:
$$\int_{-\infty}^{\infty} e^{-x^2} f(x)\,dx \approx \sum_{i=1}^{\text{Order }n} w_i\, f(x_i)$$Узлы \(x_i\) — это корни многочлена Эрмита \(H_n\) в «физической» нормировке, а веса \(w_i\) определяются условием ортогональности этих многочленов.
Как пользоваться калькулятором
Выберите порядок \(n\) (число точек, от 2 до 100) и количество отображаемых знаков — после этого вы увидите таблицу узлов и весов. Поскольку расчёт ведётся в стандартной двойной точности, отображаемая точность ограничена примерно 15 значащими цифрами: чтобы дополнительные знаки имели смысл, потребовалась бы арифметика произвольной точности. n-точечная формула точно интегрирует любой многочлен степени до \(2n-1\) включительно.
Разбор формулы
Узлы — это \(n\) действительных нулей многочлена \(H_n(x)\), который задаётся рекуррентным соотношением \(H_0=1\), \(H_1=2x\), \(H_{k+1}=2x\,H_k - 2k\,H_{k-1}\). Веса вычисляются по формуле $$w_i = \frac{2^{n-1}\, n!\, \sqrt{\pi}}{n^2\,[H_{n-1}(x_i)]^2}.$$ Этот калькулятор использует устойчивый метод Голуба–Уэлша: строится симметричная трёхдиагональная матрица Якоби (нулевая диагональ, побочные элементы \(\sqrt{k/2}\)), находятся её собственные значения (это и есть узлы) и собственные векторы, а каждый вес полагается равным \(\sqrt{\pi}\), умноженному на квадрат первой компоненты соответствующего нормированного собственного вектора. Такой подход исключает переполнение при работе с большими факториалами.
Пример расчёта (n = 2)
Многочлен \(H_2(x) = 4x^2 - 2\) имеет корни \(x = \pm \frac{1}{\sqrt{2}} = \pm 0.7071067811865475\). Каждый вес равен \(\frac{2^1 \cdot 2! \cdot \sqrt{\pi}}{2^2 \cdot [H_1(x_i)]^2}\). Так как \(H_1(x)=2x\), имеем \([H_1]^2 = 2\), поэтому каждый вес $$= \frac{2\cdot 2\cdot 1.7724538509055160}{4\cdot 2} = 0.8862269254527580.$$ Их сумма равна \(\sqrt{\pi} = 1.7724538509055160\) — удобная проверка результата.
Частые вопросы
Почему сумма весов всегда равна \(\sqrt{\pi}\)? Если подставить \(f(x)=1\), получится интеграл от \(e^{-x^2}\) по всей прямой, который равен \(\sqrt{\pi}\); квадратура воспроизводит его точно.
Какая нормировка многочленов Эрмита здесь используется? «Физическая» — с весом \(e^{-x^2}\). Для «вероятностной» нормировки с весом \(e^{-x^2/2}\) узлы и веса отличаются масштабным множителем.
Можно ли интегрировать функцию без множителя \(e^{-x^2}\)? Да — запишите \(g(x) = e^{x^2}\,f(x)\), тогда интеграл от \(g\) приближённо равен сумме \(w_i\,e^{x_i^2}\,g(x_i)\).
Как применять узлы и веса к интегралу
Квадратура Гаусса–Эрмита приближает интегралы по всей действительной прямой, содержащие весовую функцию физиков \(e^{-x^2}\):
$$\int_{-\infty}^{\infty} e^{-x^2} f(x)\,dx \approx \sum_{i=1}^{n} w_i\, f(x_i)$$
- Выберите n. Большее n точно интегрирует многочлены более высокой степени, но это помогает только если f является гладкой.
- Получите узлы и веса. Считайте \(x_i\) и \(w_i\) для выбранного порядка из калькулятора.
- Определите f(x). Вынесите \(e^{-x^2}\) за пределы подынтегрального выражения. Оставшаяся часть и есть \(f(x)\).
- Вычислите f в каждом узле: найдите \(f(x_1), \dots, f(x_n)\).
- Умножьте на веса: составьте произведения \(w_i f(x_i)\).
- Сложите произведения, чтобы получить приближение.
Пример: n = 2
Вычислим \(\int_{-\infty}^{\infty} e^{-x^2} x^2\,dx\). Здесь \(f(x)=x^2\). Правило из 2 точек имеет узлы \(x_{1,2}=\pm 1/\sqrt{2}\approx \pm 0.70710678\) и веса \(w_1=w_2=\sqrt{\pi}/2\approx 0.88622693\).
$$\sum w_i f(x_i) = \frac{\sqrt{\pi}}{2}\left(\tfrac12\right) + \frac{\sqrt{\pi}}{2}\left(\tfrac12\right) = \frac{\sqrt{\pi}}{2} \approx 0.886227$$
Это равно точному значению \(\sqrt{\pi}/2\). Результат точен, потому что \(f\) имеет степень 2, что не превышает \(2n-1 = 3\).
Интегралы без гауссова множителя
Чтобы проинтегрировать функцию \(g(x)\), которая не содержит множителя \(e^{-x^2}\), запишите
$$\int_{-\infty}^{\infty} g(x)\,dx = \int_{-\infty}^{\infty} e^{-x^2}\,\big(g(x)\,e^{x^2}\big)\,dx,$$
поэтому \(f(x)=g(x)\,e^{x^2}\). Это работает хорошо только если \(g\) убывает быстрее гауссовой функции. В противном случае \(f\) быстро растёт, и правило работает плохо.
Математические ожидания для нормального распределения
Для \(T\sim N(\mu,\sigma^2)\) сделайте подстановку \(x=(t-\mu)/(\sqrt{2}\,\sigma)\), то есть \(t=\mu+\sqrt{2}\,\sigma x\):
$$E[h(T)] = \frac{1}{\sqrt{\pi}} \int_{-\infty}^{\infty} e^{-x^2}\, h(\mu+\sqrt{2}\,\sigma x)\,dx \approx \frac{1}{\sqrt{\pi}} \sum_{i=1}^{n} w_i\, h(\mu+\sqrt{2}\,\sigma x_i)$$
Интерпретация узлов, весов и точности
- Симметрия. Узлы симметричны относительно нуля: если \(x_i\) является узлом, то и \(-x_i\) тоже, с тем же весом. Для нечётного n ноль сам является узлом.
- Диапазон узлов. Наибольший узел растёт примерно как \(\sqrt{2n}\) и приближается к этой скорости снизу. С ростом n узлы покрывают более широкий интервал.
- Веса. Все веса положительны, а их сумма равна \(\int e^{-x^2}dx=\sqrt{\pi}\approx 1.7724539\). Положительные веса делают правило численно устойчивым. Крайние веса очень малы. Для n = 20 наименьший из них около \(10^{-13}\), и с ростом n он продолжает уменьшаться. Наивное вычисление этих весов может приводить к потере порядка или утрате относительной точности при больших n.
- Степень точности. n-точечное правило точно для любого многочлена \(f\) степени до \(2n-1\).
- Член погрешности. Для достаточно гладкой \(f\) погрешность равна
$$E_n = \frac{n!\,\sqrt{\pi}}{2^n\,(2n)!}\, f^{(2n)}(\xi)$$
для некоторого \(\xi\) на действительной прямой. Результат зависит от производной \(f\) порядка \(2n\), поэтому правило работает лучше всего, когда эти производные остаются малыми.
- Неблагоприятные случаи. Точность снижается для негладких подынтегральных функций (изломы, скачки, разрывы) и для функций, которые растут быстрее полиномиальных, например \(e^{x^2}\) или быстрее. Увеличение n надёжно не исправляет эти случаи.
- Ограничения точности. При двойной точности (около 15–16 значащих цифр) результаты при больших n ограничены ошибкой округления. Это сильнее всего затрагивает малые крайние веса, и может ухудшиться относительная точность узлов и весов. Относитесь к очень высоким порядкам с осторожностью и сравнивайте результаты при соседних значениях n.