高斯求積節點與權重計算器

高斯求積節點與權重計算器

成長中 AI Skill PRO

輸入計算

數學公式

∫−11f(x)dx≈∑i=1nwif(xi),wi=2(1−xi2)[Pn′(xi)]2\int_{-1}^{1} f(x)\,dx \approx \sum_{i=1}^{\text{n}} w_i\, f(x_i),\qquad w_i = \frac{2}{\left(1-x_i^2\right)\left[P_{\text{n}}^{\prime}(x_i)\right]^2}
使用統計

廣告

結果

節點個數
20
legendre 數值積分(求積法)
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

回報本頁錯誤

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。

廣告
曲線下的陰影面積以非等距節點處的加權取樣近似
高斯求積法將積分近似為函數在最佳選取節點處取值的加權和。

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。

[-1,1] 上對稱的高斯-勒讓德節點,權重長條在中央最高
區間 [-1, 1] 上的五點高斯-勒讓德節點與權重,對零對稱。

如何將節點與權重應用於積分

  1. 選擇與權重函數相符的求積法則。若被積函數具有 \(w(x)\,f(x)\) 的形式,且 \(w(x)\) 取自上表,則使用該法則,並僅對光滑部分 \(f(x)\) 進行積分。對於沒有權重的一般積分,高斯-勒讓德法通常是常用的選擇。
  2. 選定階數 \(n\)。對於光滑函數,可從較小的值開始(例如 3 至 5)。
  3. 從計算器取得節點 \(x_i\) 與權重 \(w_i\)(設定法則類型、\(n\),以及適用時的 \(\alpha\)、\(\beta\))。
  4. 映射到一般區間 \([a,b]\)(勒讓德、洛巴托):使用 $$x=\frac{b-a}{2}\,t+\frac{a+b}{2}$$,其中 \(t_i\) 為 \([-1,1]\) 上的表列節點。然後 $$\int_a^b f(x)\,dx\approx\frac{b-a}{2}\sum_{i=1}^{n} w_i\, f(x_i).$$ 因子 \((b-a)/2\) 為變數代換的雅可比行列式。
  5. 在每個映射後的節點上計算 \(f\)。
  6. 計算總和 \(\sum w_i f(x_i)\),若已對區間進行映射,則乘以比例因子。
  7. 檢查權重。其總和必須等於權重函數的零階矩(例如勒讓德為 2,第一類切比雪夫為 \(\pi\),埃爾米特為 \(\sqrt{\pi}\))。若不相符,表示法則或參數有誤。
  8. 檢驗收斂性。以較大的 \(n\) 重複計算。若結果不再隨所需位數變化,即可接受。請注意,不同 \(n\) 的高斯法則通常不共用節點,因此無法重複使用先前的計算值。

快速範例。\(n=2\) 的高斯-勒讓德法具有節點 \(\pm 1/\sqrt{3}\) 與權重 \(1,1\)。對於 \([-1,1]\) 上的 \(f(x)=x^2\):$$1\cdot\tfrac13+1\cdot\tfrac13=\tfrac23,$$ 這與精確積分 \(\int_{-1}^{1}x^2\,dx=2/3\) 相等,符合預期,因為次數 2 不超過 \(2n-1=3\)。

誤差項。對於 \([-1,1]\) 上的高斯-勒讓德法,誤差為 $$E_n=\frac{2^{2n+1}(n!)^4}{(2n+1)\,[(2n)!]^3}\,f^{(2n)}(\xi)$$,其中 \(\xi\in(-1,1)\)。此法則對次數至多為 \(2n-1\) 的多項式精確成立,而誤差取決於 \(2n\) 階導數的大小,因此光滑(解析)的被積函數收斂非常快,而具有奇點或折點的被積函數收斂較慢。

廣告

術語表

節點(橫坐標)
被積函數被求值的點 \(x_i\)。對於高斯法則,節點為所選權重函數之 \(n\) 次正交多項式的根。
權重
在求積和中乘以 \(f(x_i)\) 的係數 \(w_i\)。
階數 \(n\)
法則中節點(及權重)的數量。
精確度次數
能被精確積分的最高多項式次數。對於高斯法則為 \(2n-1\),對於高斯-洛巴托法則為 \(2n-3\),因為兩個節點固定在端點上。
權重函數
非負函數 \(w(x)\),它定義內積 \(\int w(x)\,p(x)\,q(x)\,dx\),進而決定正交多項式族。
正交多項式
滿足對於 \(j\ne k\) 有 \(\int w\,p_j\,p_k\,dx=0\) 的多項式序列 \(p_k\),例如勒讓德、切比雪夫、拉蓋爾、埃爾米特及雅可比多項式。
三項遞迴
正交多項式滿足的關係式 \(p_{k+1}(x)=(x-a_k)\,p_k(x)-b_k\,p_{k-1}(x)\);其係數定義了求積法則。
雅可比矩陣
由遞迴係數建構的對稱三對角矩陣(對角元為 \(a_k\),非對角元為 \(\sqrt{b_k}\))。其特徵值即為節點。
戈盧布-韋爾奇演算法
一種方法,將節點計算為雅可比矩陣的特徵值,並由正規化特徵向量的第一個分量計算權重:\(w_i=\mu_0\,v_{i,1}^2\)。
零階矩
\(\mu_0=\int w(x)\,dx\),在該區間上積分。權重之和必須等於此值。
Alpha 與 Beta 參數
權重函數的形狀參數。拉蓋爾使用 \(x^{\alpha}e^{-x}\) 中的 \(\alpha\);雅可比則同時使用 \((1-x)^{\alpha}(1+x)^{\beta}\) 中的兩者。兩者都必須大於 \(-1\),權重才可積分。

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:

數學和統計熱門計算器

查看全部數學和統計計算器