透過 MCP 連接 →

輸入計算

數學公式

廣告

結果

定積分
2.666667
區間上的有號面積
計算方法 複合辛普森法
子區間數(n) 100
步長(h) 0.02

定積分計算機能做什麼

這個工具可計算定積分 \(\int_a^b f(x)\,dx\),也就是曲線與 x 軸之間在某區間內的有號面積。由於並非每個函數都有簡潔的反導函數(不定積分),本計算機採用穩定可靠的數值方法(複合辛普森法,Composite Simpson Rule),對於平滑函數能提供相當精確的結果。只要選定內建函數、設定積分下限與上限、決定要切成多少個子區間,就能讀出面積。

x=a 到 x=b 之間曲線 f(x) 下方的有向面積(已著色)
定積分是 f(x) 與 x 軸在區間 [a, b] 上的有向面積。

使用方式

先從清單中挑選一個函數 \(f(x)\),輸入下限 \(a\) 與上限 \(b\),再設定子區間數量 \(n\)(子區間越多,結果越精確;由於辛普森法要求 \(n\) 必須為偶數,工具會自動將 \(n\) 向上進位至最接近的偶數)。送出後即可得到積分的近似值以及所使用的步長。

計算公式

複合辛普森法將區間 \([a,b]\) 分成 \(n\) 等份,每份寬度為 \(h=\tfrac{b-a}{n}\),並對取樣點依序給予 1、4、2、4、…、4、1 的權重:

$$\int_a^b f(x)\,dx \approx \frac{h}{3}\left[f(x_0)+4\sum_{\text{odd }i}f(x_i)+2\sum_{\text{even }i}f(x_i)+f(x_n)\right]$$

其中 \(x_i = a + i\,h\),\(h=\frac{b-a}{n}\),且 \(n\) 為偶數。

Advertisement
辛普森法則在偶數個子區間上用拋物線段近似曲線
辛普森法則用拋物線擬合每對子區間來近似面積。

實際範例

計算 \(\int_0^2 x^2\,dx\),取 \(n=2\)。此時 \(h=\frac{2-0}{2}=1\),取樣點為 \(x_0=0,\,x_1=1,\,x_2=2\):

$$\frac{1}{3}\left[0^2 + 4(1^2) + 2^2\right] = \frac{1}{3}\left[0 + 4 + 4\right] = \frac{8}{3} \approx 2.6667$$

這個結果與精確答案 \(\tfrac{8}{3}\) 完全吻合——辛普森法對於三次(含)以下的多項式都能得出精確值。

支持函數的精確積分

計算器以數值方式逼近每個積分,但每個支持的函數都有一個已知的閉式反導函數 \(F(x)\) 滿足 \(F'(x)=f(x)\)。根據微積分基本定理,精確值為 \(\int_a^b f(x)\,dx = F(b)-F(a)\)。使用下表檢查數值答案或了解函數在何處未定義。

菜單值 \(f(x)\) 反導函數 \(F(x)\) 定義域限制
x2 \(x^2\) \(\dfrac{x^3}{3}\) 所有實數 \(x\)
x3 \(x^3\) \(\dfrac{x^4}{4}\) 所有實數 \(x\)
inv \(\dfrac{1}{x}\) \(\ln|x|\) \(x\neq 0\);區間不得越過或接觸 0
sqrt \(\sqrt{x}\) \(\dfrac{2}{3}x^{3/2}\) \(x\ge 0\)
exp \(e^{x}\) \(e^{x}\) 所有實數 \(x\)
ln \(\ln x\) \(x\ln x - x\) \(x>0\)
sin \(\sin x\) \(-\cos x\) 所有實數 \(x\)(弧度)
cos \(\cos x\) \(\sin x\) 所有實數 \(x\)(弧度)

作為已驗證的例子,\(\int_0^1 x^2\,dx = \dfrac{1^3}{3}-\dfrac{0^3}{3} = \) 0.3333。因為 \(x^2\) 是 2 次多項式,辛普森法則即使在最小 \(n=2\) 時也能精確返回此值。

Advertisement

關鍵術語

  • 定積分 — 量 \(\int_a^b f(x)\,dx\),一個單一的數字,給出 \(f\) 在極限 \(a\) 和 \(b\) 之間的淨(帶符號)累積。
  • 帶符號面積 — 積分的值將 \(x\) 軸上方的面積計為正,下方的面積計為負,因此各區域可能相互抵消;結果不一定是總幾何面積。
  • 子區間 — \([a,b]\) 被分成 \(n\) 個相等的片段之一;辛普森法則在每對連續子區間上擬合一條拋物線。
  • 步長 \(h\) — 每個子區間的公共寬度,\(h=\dfrac{b-a}{n}\);較小的 \(h\) 通常會給出更精確的逼近。
  • 樣本點 \(x_i\) — \(n+1\) 個均勻間隔的節點 \(x_i = a + i\,h\)(其中 \(i = 0,1,\ldots,n\)),函數在這些點進行求值。
  • 偶數 \(n\) 的要求 — 辛普森法則將子區間配對成拋物線弧,因此子區間數 \(n\) 必須為偶數;權重模式為 \(1,4,2,4,2,\ldots,4,1\)。
  • 反導函數 — 一個函數 \(F(x)\) 滿足 \(F'(x)=f(x)\);當已知一個反導函數時,精確積分為 \(F(b)-F(a)\),這是數值估計所逼近的值。

常見問題

支援哪些函數?精選了以下幾種:\(x^2\)、\(x^3\)、\(1/x\)、\(\sqrt{x}\)、\(e^x\)、\(\ln x\)、\(\sin x\) 與 \(\cos x\)。三角函數一律以弧度(radian)計算。

為什麼 \(n\) 必須是偶數?辛普森法會將相鄰的子區間兩兩配對,以拋物線弧段來近似,因此子區間數量必須為偶數。若輸入奇數,工具會自動加 1 進位為偶數。

結果是精確值嗎?對於三次以下的多項式,結果基本上是精確的;對於其他函數,則是非常接近的數值近似值,且隨著 \(n\) 增大會越來越準確。

最後更新: