透過 MCP 連接 →

輸入計算

數學公式

廣告

結果

節點個數
20
legendre quadrature
i 節點 x_i 權重 w_i
1 0.9931285992 0.0176140071
2 0.9639719273 0.0406014298
3 0.9122344283 0.0626720483
4 0.8391169718 0.0832767416
5 0.7463319065 0.1019301198
6 0.6360536807 0.118194532
7 0.510867002 0.1316886384
8 0.3737060887 0.1420961093
9 0.2277858511 0.1491729865
10 0.0765265211 0.1527533871
11 -0.0765265211 0.1527533871
12 -0.2277858511 0.1491729865
13 -0.3737060887 0.1420961093
14 -0.510867002 0.1316886384
15 -0.6360536807 0.118194532
16 -0.7463319065 0.1019301198
17 -0.8391169718 0.0832767416
18 -0.9122344283 0.0626720483
19 -0.9639719273 0.0406014298
20 -0.9931285992 0.0176140071
權重總和 2

這個計算器能做什麼

本工具可計算古典高斯求積(Gaussian quadrature)法則的節點(橫座標 \(x_i\))與權重 \(w_i\)。有了這些數值,你就能把帶權積分近似成有限的加權求和;對於標準高斯法則而言,最高可對 \(2n-1\) 次多項式做到精確積分。本工具支援的法則包括:Gauss-Legendre、第一類與第二類 Chebyshev、廣義 Laguerre、Hermite、Jacobi 以及 Gauss-Lobatto。

使用方式

先在「種類」中選擇所需的法則,接著設定階數 \(n\)(節點個數,範圍 2 到 100);若使用 Laguerre 或 Jacobi,還需輸入指數參數 Alpha 與 Beta(兩者皆須大於 -1)。計算結果會列出每個節點與其對應權重,並顯示權重總和。理論上,權重總和應等於權函數的 0 階矩(Legendre 為 2,Hermite 則為根號 \(\pi\))。

公式說明

對於具有三項遞迴關係的一族正交多項式,節點即為 \(n\) 次多項式的根,而權重則來自對稱三對角 Jacobi 矩陣 \(J\) 的特徵向量(即 Golub-Welsch 方法):\(w_i = \mu_0 (v_{1,i})^2\)。其中 Chebyshev 法則採用精確的三角函數封閉形式;Legendre 與 Lobatto 對 Legendre 多項式使用牛頓迭代求根;而 Laguerre、Hermite 與 Jacobi 則使用 Jacobi 矩陣特徵值求解。

Advertisement
Curve with shaded area approximated by weighted samples at unevenly spaced nodes
Gauss quadrature approximates the integral as a weighted sum of the function evaluated at optimally chosen nodes.

實例演算

以 \(n = 2\) 的 Gauss-Legendre 為例:節點為正負 \(\frac{1}{\sqrt{3}} = 0.5773502692\),兩個權重皆為 1,因此權重總和為 2。驗證一下:\(x^2\) 在 \([-1, 1]\) 上的積分為 \(\frac{2}{3}\),而此法則計算得 $$1\cdot\frac{1}{3} + 1\cdot\frac{1}{3} = \frac{2}{3}$$ 完全吻合。

Symmetric Gauss-Legendre nodes on [-1,1] with weight bars tallest at the center
Five-point Gauss-Legendre nodes and weights on the interval [-1, 1], symmetric about zero.

常見問題

為什麼權重應該是正的?對於古典高斯法則,所有權重都嚴格為正;若出現負權重,通常代表發生了數值誤差。

權重總和代表什麼意義?它等於權函數在區間上的積分(即 0 階矩)。以 Hermite 為例,\(e^{-x^2}\) 在整條實數線上的積分為 \(\sqrt{\pi}\)。

為什麼 Alpha 與 Beta 必須大於 -1?否則權函數將不可積、各階矩會發散,也就無法構成有效的求積法則。

最後更新: