高斯-勒讓德求積法節點與權重計算器

高斯-勒讓德求積法節點與權重計算器

新興 AI Skill PRO

輸入計算

數學公式

∫−11f(x)dx≈∑i=1nwif(xi)其中{n=階數 nxi:Pn(xi)=0wi=2(1−xi2)[Pn′(xi)]2\begin{gathered} \int_{-1}^{1} f(x)\,dx \approx \sum_{i=1}^{n} w_i\, f(x_i) \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} n &= \text{階數 n} \\ x_i &: P_n(x_i) = 0 \\ w_i &= \frac{2}{\left(1 - x_i^{2}\right)\left[P_n^{\prime}(x_i)\right]^{2}} \end{aligned} \right. \end{gathered}
使用統計

廣告

結果

20-Point Gauss-Legendre Rule on [-1, 1]
2
權重總和(應等於 2)
i 節點 x_i 權重 w_i
1 -0.993128599185095 0.017614007139152
2 -0.963971927277914 0.040601429800387
3 -0.912234428251326 0.062672048334109
4 -0.839116971822219 0.083276741576705
5 -0.746331906460151 0.10193011981724
6 -0.636053680726515 0.118194531961518
7 -0.510867001950827 0.131688638449176
8 -0.37370608871542 0.142096109318382
9 -0.227785851141645 0.149172986472604
10 -0.076526521133497 0.152753387130726
11 0.076526521133497 0.152753387130726
12 0.227785851141645 0.149172986472604
13 0.37370608871542 0.142096109318382
14 0.510867001950827 0.131688638449176
15 0.636053680726515 0.118194531961518
16 0.746331906460151 0.10193011981724
17 0.839116971822219 0.083276741576705
18 0.912234428251326 0.062672048334109
19 0.963971927277914 0.040601429800387
20 0.993128599185095 0.017614007139152

回報本頁錯誤

什麼是高斯-勒讓德求積法計算器?

這個工具可在參考區間 [-1, 1] 上計算 n 點高斯-勒讓德求積法的節點(橫坐標)與權重。高斯-勒讓德求積法是一種數值積分方法,它將定積分近似為函數值的加權總和:f(x) 從 -1 到 1 的積分約等於各項 \(w_i\) 乘上 \(f(x_i)\) 的總和。只要 \(n\) 個節點,就能精確積分次數達 \(2n-1\) 的任意多項式,因此遠比梯形法、辛普森法(Simpson)等等距節點方法更為準確。

使用方式

選擇階數 \(n\)(即節點數,範圍 2 至 100),並可選擇要顯示的有效位數。計算器會回傳一個含 \(n\) 列的表格,每列包含一個節點 \(x_i\) 及其對應權重 \(w_i\)。節點關於 0 對稱,且全部嚴格落在 (-1, 1) 區間內;權重皆為正值,總和恰為 2,也就是該區間的長度。若要在任意區間 [a, b] 上積分,請以 \(t_i = \frac{b-a}{2} \times x_i + \frac{a+b}{2}\) 對各節點做映射,並將每個權重乘上 \(\frac{b-a}{2}\)。

公式說明

節點即勒讓德多項式 \(P_n(x)\) 的 \(n\) 個根,可用 Bonnet 遞迴式建立:\(P_0=1\),\(P_1=x\),且 $$P_k = \frac{(2k-1)\, x\, P_{k-1} - (k-1)\, P_{k-2}}{k}.$$每個權重為 $$w_i = \frac{2}{\left(1 - x_i^{2}\right)\left(P_n^{\prime}(x_i)\right)^{2}},$$其中導數 $$P_n^{\prime}(x) = \frac{n\,(x\, P_n(x) - P_{n-1}(x))}{x^2 - 1}.$$求根採用牛頓法,以 \(x = \cos\!\left(\frac{\pi (i - 0.25)}{n + 0.5}\right)\) 作為初始值,通常只需幾次迭代即可收斂。

廣告
[-1,1]上的平滑函數在若干非均勻對稱節點處取樣,並帶有加權貢獻
高斯-勒讓德求積法將積分近似為在特別選定的節點處函數值的加權和。

範例演算(n = 3)

\(P_3\) 的根為 \(x = 0\) 與 \(x = \pm\sqrt{3/5} = \pm 0.7745966692\)。\(x = 0\) 處的權重為 \(\frac{8}{9} = 0.888888889\),而 \(x = \pm 0.7745966692\) 處的權重各為 \(\frac{5}{9} = 0.555555556\)。權重總和為 $$\frac{5}{9} + \frac{8}{9} + \frac{5}{9} = 2,$$且此 3 點規則可精確積分次數達 5 的多項式。

[-1,1]上三個對稱的高斯-勒讓德節點,中心節點的權重較大
三點公式使用一個中心節點和兩個對稱的外側節點,其中中心節點的權重最大。

逐步將規則應用於定積分

計算器會在標準區間 \([-1,1]\) 上回傳節點 \(x_i\) 與權重 \(w_i\)。若要在一般區間 \([a,b]\) 上積分,請依照以下步驟進行。

  1. 選擇 n。 在計算器中選擇階數(2 到 100)。n 點規則會精確積分所有次數至多為 \(2n-1\) 的多項式。平滑的被積函數通常只需要較小的 n。
  2. 取得 \(x_i\) 與 \(w_i\)。 讀取該 n 對應的節點與權重。節點是勒讓德多項式 \(P_n\) 的根,權重滿足 \(w_i = \dfrac{2}{(1-x_i^2)\,[P_n'(x_i)]^2}\)。
  3. 將節點映射到 \([a,b]\)。 $$t_i = \frac{b-a}{2}\,x_i + \frac{a+b}{2}$$
  4. 縮放權重。 $$w_i' = \frac{b-a}{2}\,w_i$$ 因子 \(\frac{b-a}{2}\) 是變數變換的雅可比行列式。
  5. 計算函數值,於每個映射後的節點上求 \(f(t_i)\)。
  6. 求和。 $$\int_a^b f(t)\,dt \approx \sum_{i=1}^{n} w_i'\, f(t_i)$$

檢查 1:\(x^2\) 在 \([-1,1]\) 上、n = 2

對於 n = 2,節點為 \(x_{1,2} = \mp 1/\sqrt{3} \approx \mp 0.5773503\),且兩個權重皆等於 1。於是 $$\sum w_i x_i^2 = 1\cdot\tfrac13 + 1\cdot\tfrac13 = \tfrac23,$$ 這與精確值 \(\int_{-1}^{1} x^2\,dx = 2/3\) 相等。這是預期之中的,因為次數 2 不超過 \(2n-1 = 3\)。

檢查 2:\(e^x\) 在 \([0,1]\) 上、n = 2

此處 \(a=0\)、\(b=1\),因此 \(t_i = 0.5\,x_i + 0.5\),得到 \(t_1 \approx 0.2113249\) 與 \(t_2 \approx 0.7886751\)。縮放後的權重為 \(w_i' = 0.5\cdot 1 = 0.5\)。

$$\int_0^1 e^x\,dx \approx 0.5\,(e^{0.2113249} + e^{0.7886751}) \approx 0.5\,(1.235313 + 2.200479) \approx 1.71790$$

精確值為 \(e - 1 \approx 1.71828\),因此僅用兩次函數求值,誤差約為 \(4\times 10^{-4}\)。增加 n 會使誤差非常快速地縮小。

廣告

節點與權重的解讀

  • 對稱性。 節點關於 0 對稱:\(x_i = -x_{n+1-i}\)。對應的權重相等:\(w_i = w_{n+1-i}\)。若 n 為奇數,中間節點恰為 0。
  • 權重皆為正且總和為 2。 每個權重都嚴格為正,且 \(\sum w_i = 2\),即 \([-1,1]\) 的長度,因為此規則能精確積分常數 1。正權重使規則在數值上穩定,不會因符號相反的大項而相消。縮放到 \([a,b]\) 後,權重總和為 \(b-a\)。
  • 節點位置。 所有節點嚴格位於 \((-1,1)\) 內部,端點從不使用。隨著 n 增加,節點會向端點聚集。其密度大致遵循 \(1/\sqrt{1-x^2}\),且靠近端點的權重會變小。
  • 精確度次數。 n 點規則對所有次數 \(\le 2n-1\) 的多項式皆為精確。這是 n 個節點所能達到的最大值,約為等距的牛頓-柯特斯規則(具 n 個點)通常能達到次數的兩倍。
  • 誤差項。 在 \([-1,1]\) 上,誤差為 $$E_n = \frac{2^{2n+1}\,(n!)^4}{(2n+1)\,[(2n)!]^3}\; f^{(2n)}(\xi), \qquad \xi \in (-1,1).$$ 對於 n = 2,係數為 \(1/135\)。在 \([a,b]\) 上,誤差需乘以 \(\left(\frac{b-a}{2}\right)^{2n+1}\)。因此誤差取決於第 \(2n\) 階導數的大小。
  • 平滑的被積函數。 對於如 \(e^x\)、\(\sin x\) 等解析函數,或極點遠離區間的有理函數,收斂為幾何式的(隨 n 指數速度收斂)。適度的 n 通常即可達到接近機器精度。
  • 奇異或非平滑的被積函數。 若 f 具有折點、跳躍、端點奇異性(如在 0 處的 \(\sqrt{x}\) 或 \(\ln x\)),或附近有極點,則高階導數會很大或無定義。此時收斂降為代數式,且可能很慢。實用的補救方法包括:在問題點處切分區間、採用可消除奇異性的變數代換、使用具有對應權函數的規則(如高斯-雅可比或高斯-切比雪夫),或使用複合或適應性高斯規則。
  • 高階數。 若 f 不平滑,非常大的 n 並無益處。比較兩個不同 n 的結果,可估計誤差。

常見問題

為什麼權重總和為 2?將常數函數 \(f(x) = 1\) 在 [-1, 1] 上積分結果為 2,而求積法必須能精確重現常數函數,因此所有權重的總和必定等於區間長度。

計算結果有多準確?本計算器以雙精度浮點數重建,可提供約 15 位有效數字。若顯示選項要求更多位數,超出部分會四捨五入至雙精度所能表示的範圍。

可精確積分的最高次數是多少?\(n\) 點規則對所有次數最高達 \(2n-1\) 的多項式都能精確積分。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器