什么是高斯-埃尔米特求积?
高斯-埃尔米特求积(Gauss-Hermite quadrature)是一种数值积分方法,专门用于近似计算在整个实数轴上、且带有高斯权函数 \(e^{-x^2}\) 的积分。n 点公式将积分近似为被积函数在 n 个精心选取的节点处取值后的加权和:从负无穷到正无穷的积分 \(\int e^{-x^2}\,f(x)\,dx\) 约等于各项 \(w_i\cdot f(x_i)\) 之和。其中节点 \(x_i\) 是物理学家约定下埃尔米特多项式 \(H_n\) 的根,而权重 \(w_i\) 则由这些多项式的正交性决定。
如何使用本计算器
先选择阶数 \(n\)(即节点个数,范围为 2 到 100),再设定显示位数,即可直接读取节点与权重的表格。由于计算过程采用标准双精度浮点运算,显示精度上限约为 15 位有效数字——超出这一范围后,要让额外位数真正有意义就需要使用任意精度运算了。n 点公式可以对次数不超过 \(2n-1\) 的所有多项式给出精确的积分结果。
公式详解
节点是 \(H_n(x)\) 的 n 个实零点,该多项式由递推关系定义:\(H_0=1\),\(H_1=2x\),\(H_{k+1}=2x\cdot H_k - 2k\cdot H_{k-1}\)。权重的公式为 $$w_i = \frac{2^{n-1}\cdot n!\cdot \sqrt{\pi}}{n^2\cdot [H_{n-1}(x_i)]^2}.$$本计算器采用数值稳定的 Golub-Welsch 方法:先构造对称三对角的雅可比矩阵(对角线为零,副对角线为 \(\sqrt{k/2}\)),再求出它的特征值(即节点)与特征向量,并将每个权重设为 \(\sqrt{\pi}\) 乘以相应归一化特征向量第一个分量的平方。这种做法可以避免大阶乘带来的数值溢出问题。
实例演算(n = 2)
\(H_2(x) = 4x^2 - 2\) 的根为 \(x = \pm 1/\sqrt{2} = \pm 0.7071067811865475\)。每个权重为 \(\dfrac{2^1\cdot 2!\cdot \sqrt{\pi}}{2^2\cdot [H_1(x_i)]^2}\)。由于 \(H_1(x)=2x\),故 \([H_1]^2 = 2\),因此每个权重 $$= \frac{2\cdot 2\cdot 1.7724538509055160}{4\cdot 2} = 0.8862269254527580.$$两者之和正好等于 \(\sqrt{\pi} = 1.7724538509055160\),这可以作为一个方便的自检。
如何将节点和权重应用于积分
高斯-埃尔米特求积法用于近似包含物理学家权函数 \(e^{-x^2}\) 的整个实数轴上的积分:
$$\int_{-\infty}^{\infty} e^{-x^2} f(x)\,dx \approx \sum_{i=1}^{n} w_i\, f(x_i)$$
- 选择 n。较大的 n 可以精确积分更高次的多项式,但只有当 f 足够光滑时才有帮助。
- 获取节点和权重。从计算器中读取所选阶数对应的 \(x_i\) 和 \(w_i\)。
- 确定 f(x)。将 \(e^{-x^2}\) 从被积函数中提出,剩下的部分即为 \(f(x)\)。
- 在每个节点处计算 f:求 \(f(x_1), \dots, f(x_n)\)。
- 乘以权重:计算每个乘积 \(w_i f(x_i)\)。
- 求和这些乘积,得到近似值。
示例:n = 2
计算 \(\int_{-\infty}^{\infty} e^{-x^2} x^2\,dx\)。这里 \(f(x)=x^2\)。两点规则的节点为 \(x_{1,2}=\pm 1/\sqrt{2}\approx \pm 0.70710678\),权重为 \(w_1=w_2=\sqrt{\pi}/2\approx 0.88622693\)。
$$\sum w_i f(x_i) = \frac{\sqrt{\pi}}{2}\left(\tfrac12\right) + \frac{\sqrt{\pi}}{2}\left(\tfrac12\right) = \frac{\sqrt{\pi}}{2} \approx 0.886227$$
这与精确值 \(\sqrt{\pi}/2\) 相等。由于 \(f\) 的次数为 2,不超过 \(2n-1 = 3\),因此结果是精确的。
不含高斯因子的积分
要积分一个不含 \(e^{-x^2}\) 因子的函数 \(g(x)\),可以写成
$$\int_{-\infty}^{\infty} g(x)\,dx = \int_{-\infty}^{\infty} e^{-x^2}\,\big(g(x)\,e^{x^2}\big)\,dx,$$
因此 \(f(x)=g(x)\,e^{x^2}\)。只有当 \(g\) 的衰减速度快于高斯函数时,这种方法才有效。否则 \(f\) 会迅速增长,规则的表现会很差。
正态期望
对于 \(T\sim N(\mu,\sigma^2)\),令 \(x=(t-\mu)/(\sqrt{2}\,\sigma)\),即 \(t=\mu+\sqrt{2}\,\sigma x\):
$$E[h(T)] = \frac{1}{\sqrt{\pi}} \int_{-\infty}^{\infty} e^{-x^2}\, h(\mu+\sqrt{2}\,\sigma x)\,dx \approx \frac{1}{\sqrt{\pi}} \sum_{i=1}^{n} w_i\, h(\mu+\sqrt{2}\,\sigma x_i)$$
解读节点、权重与精度
- 对称性。节点关于零对称:若 \(x_i\) 是节点,则 \(-x_i\) 也是节点,且权重相同。当 n 为奇数时,零本身是一个节点。
- 节点范围。最大节点的量级随 \(\sqrt{2n}\) 增长,并从下方逐渐逼近该速率。随着 n 增大,节点覆盖的区间变宽。
- 权重。所有权重均为正,且和为 \(\int e^{-x^2}dx=\sqrt{\pi}\approx 1.7724539\)。正权重使规则在数值上保持稳定。最外侧的权重极小。当 n = 20 时,最小权重约为 \(10^{-13}\),并且随 n 增大还会继续变小。若直接计算这些权重,在 n 较大时可能发生下溢或相对精度下降。
- 精确度次数。一个 n 点规则对次数不超过 \(2n-1\) 的任意多项式 \(f\) 都是精确的。
- 误差项。对于足够光滑的 \(f\),误差为
$$E_n = \frac{n!\,\sqrt{\pi}}{2^n\,(2n)!}\, f^{(2n)}(\xi)$$
其中 \(\xi\) 为实数轴上的某一点。结果取决于 \(f\) 的 \(2n\) 阶导数,因此当这些导数保持较小时,该规则效果最好。
- 不良情形。对于非光滑被积函数(拐点、跳跃、间断点)以及增长快于多项式的被积函数(如 \(e^{x^2}\) 或更快增长的函数),精度会下降。增大 n 并不能可靠地解决这些问题。
- 精度限制。在双精度(约 15–16 位有效数字)下,高阶 n 的结果受舍入误差限制。这对极小的外侧权重影响最大,节点和权重的相对精度可能下降。对非常高的阶数应谨慎处理,并比较相邻 n 值的结果。
常见问题
为什么权重之和总是等于 \(\sqrt{\pi}\)?令 \(f(x)=1\),此时积分就变成 \(e^{-x^2}\) 在整个实数轴上的积分,其值恰好等于 \(\sqrt{\pi}\);而求积公式能精确重现这一结果。
这里采用的是哪种埃尔米特约定?采用的是物理学家约定,对应权函数 \(e^{-x^2}\)。如果使用概率学家约定的权函数 \(e^{-x^2/2}\),节点与权重会相差一个缩放因子。
我能否对不含 \(e^{-x^2}\) 因子的函数积分?可以——只需令 \(g(x) = e^{x^2}\cdot f(x)\),那么 \(g\) 的积分就约等于各项 \(w_i\cdot e^{x_i^2}\cdot g(x_i)\) 之和。