什么是高斯-勒让德求积计算器?
这个工具用于计算 n 点高斯-勒让德求积公式在标准区间 [-1, 1] 上的节点(横坐标)与权重。高斯-勒让德求积是一种数值积分方法,它把定积分近似为函数值的加权求和:f(x) 在 -1 到 1 上的积分约等于各个 \(w_i\) 乘以 \(f(x_i)\) 之和。仅用 \(n\) 个节点,它就能精确积分次数不超过 \(2n-1\) 的任意多项式,因此比梯形法、辛普森法等等距节点方法精确得多。
使用方法
选择阶数 \(n\)(即节点数量,范围 2 到 100),还可以选填希望显示的有效数字位数。计算器会返回一张 \(n\) 行的表格,每行给出一个节点 \(x_i\) 及其对应的权重 \(w_i\)。这些节点关于 0 对称,且全部严格落在 \((-1, 1)\) 区间内;权重均为正数,总和恰好等于 2,也就是区间的长度。若要在任意区间 [a, b] 上积分,可用 \(t_i = \frac{b-a}{2} \times x_i + \frac{a+b}{2}\) 对每个节点做映射,并将每个权重乘以 \(\frac{b-a}{2}\)。
公式详解
节点是勒让德多项式 \(P_n(x)\) 的 \(n\) 个根,该多项式由 Bonnet 递推关系构造:\(P_0=1\),\(P_1=x\),以及 $$P_k = \frac{(2k-1)\, x\, P_{k-1} - (k-1)\, P_{k-2}}{k}.$$ 每个权重为 $$w_i = \frac{2}{\left(1 - x_i^{2}\right)\left[P_n^{\prime}(x_i)\right]^{2}},$$ 其中导数 \(P_n^{\prime}(x) = \frac{n\,(x\, P_n(x) - P_{n-1}(x))}{x^2 - 1}\)。根通过牛顿迭代法求得,初始值取 \(x = \cos\!\left(\frac{\pi\,(i - 0.25)}{n + 0.5}\right)\),通常只需几步即可收敛。
实例演算(n = 3)
\(P_3\) 的根为 \(x = 0\) 和 \(x = \pm\sqrt{3/5} = \pm 0.7745966692\)。\(x = 0\) 处的权重为 \(\frac{8}{9} = 0.888888889\),每个 \(x = \pm 0.7745966692\) 处的权重为 \(\frac{5}{9} = 0.555555556\)。权重之和为 $$\frac{5}{9} + \frac{8}{9} + \frac{5}{9} = 2,$$ 这个 3 点公式可精确积分次数不超过 5 的多项式。
逐步将规则应用于定积分
计算器返回标准区间 \([-1,1]\) 上的节点 \(x_i\) 和权重 \(w_i\)。要在一般区间 \([a,b]\) 上积分,请按以下步骤操作。
- 选择 n。 在计算器中选择阶数(2 到 100)。n 点规则能精确积分次数不超过 \(2n-1\) 的所有多项式。光滑的被积函数通常只需较小的 n。
- 获取 \(x_i\) 和 \(w_i\)。 读取该 n 对应的节点和权重。节点是勒让德多项式 \(P_n\) 的根,权重满足 \(w_i = \dfrac{2}{(1-x_i^2)\,[P_n'(x_i)]^2}\)。
- 将节点映射到 \([a,b]\)。 $$t_i = \frac{b-a}{2}\,x_i + \frac{a+b}{2}$$
- 缩放权重。 $$w_i' = \frac{b-a}{2}\,w_i$$ 因子 \(\frac{b-a}{2}\) 是变量替换的雅可比行列式。
- 计算各映射节点处的函数值:\(f(t_i)\)。
- 求和。 $$\int_a^b f(t)\,dt \approx \sum_{i=1}^{n} w_i'\, f(t_i)$$
检验 1:n = 2 时 \(x^2\) 在 \([-1,1]\) 上的积分
当 n = 2 时,节点为 \(x_{1,2} = \mp 1/\sqrt{3} \approx \mp 0.5773503\),两个权重都等于 1。于是 $$\sum w_i x_i^2 = 1\cdot\tfrac13 + 1\cdot\tfrac13 = \tfrac23,$$ 与精确值 \(\int_{-1}^{1} x^2\,dx = 2/3\) 相等。这是预期结果,因为次数 2 不超过 \(2n-1 = 3\)。
检验 2:n = 2 时 \(e^x\) 在 \([0,1]\) 上的积分
这里 \(a=0\),\(b=1\),所以 \(t_i = 0.5\,x_i + 0.5\),得到 \(t_1 \approx 0.2113249\),\(t_2 \approx 0.7886751\)。缩放后的权重为 \(w_i' = 0.5\cdot 1 = 0.5\)。
$$\int_0^1 e^x\,dx \approx 0.5\,(e^{0.2113249} + e^{0.7886751}) \approx 0.5\,(1.235313 + 2.200479) \approx 1.71790$$
精确值为 \(e - 1 \approx 1.71828\),因此仅用两次函数求值,误差约为 \(4\times 10^{-4}\)。增大 n 会非常迅速地减小误差。
解读节点与权重
- 对称性。 节点关于 0 对称:\(x_i = -x_{n+1-i}\)。对应的权重相等:\(w_i = w_{n+1-i}\)。当 n 为奇数时,中间的节点恰好为 0。
- 权重为正且和为 2。 每个权重都严格为正,并且 \(\sum w_i = 2\),即区间 \([-1,1]\) 的长度,因为该规则能精确积分常数 1。正权重使规则在数值上稳定,不会出现符号相反的大项相互抵消的问题。缩放到 \([a,b]\) 后,权重之和为 \(b-a\)。
- 节点位置。 所有节点都严格位于 \((-1,1)\) 内部,端点从不被使用。随着 n 增大,节点向端点聚集。其分布密度大致遵循 \(1/\sqrt{1-x^2}\),靠近端点的权重变得很小。
- 代数精度。 n 点规则对所有次数 \(\le 2n-1\) 的多项式都精确成立。对于 n 个节点而言,这是可达到的最高次数,通常是等距牛顿-柯特斯规则(n 个点)所能达到次数的两倍。
- 误差项。 在 \([-1,1]\) 上,误差为 $$E_n = \frac{2^{2n+1}\,(n!)^4}{(2n+1)\,[(2n)!]^3}\; f^{(2n)}(\xi), \qquad \xi \in (-1,1).$$ 当 n = 2 时,系数为 \(1/135\)。在 \([a,b]\) 上,误差需乘以 \(\left(\frac{b-a}{2}\right)^{2n+1}\)。因此,误差由 \(2n\) 阶导数的大小决定。
- 光滑的被积函数。 对于 \(e^x\)、\(\sin x\) 等解析函数,或极点远离积分区间的有理函数,收敛是几何级数式的(关于 n 呈指数速度)。较小的 n 通常就能接近机器精度。
- 奇异或非光滑的被积函数。 如果 f 有拐点、跳跃、端点奇点(例如在 0 处的 \(\sqrt{x}\) 或 \(\ln x\)),或附近有极点,则高阶导数很大或无定义。此时收敛会降为代数收敛,可能很慢。常用的处理方法包括:在问题点处分割区间;采用能消除奇点的变量替换;使用带匹配权函数的规则(如高斯-雅可比或高斯-切比雪夫);或使用复合或自适应高斯规则。
- 高阶。 如果 f 不光滑,过大的 n 并无益处。可以比较两个不同 n 的结果来估计误差。
常见问题
为什么权重之和等于 2?常数函数 \(f(x) = 1\) 在 [-1, 1] 上的积分等于 2,而求积公式必须能精确再现常数,因此权重总和必然等于区间长度。
计算结果有多精确?本工具采用双精度浮点重建,可提供约 15 位有效数字。若要求显示更多位数,超出双精度可表示范围的部分会被舍入处理。
能精确积分的最高次数是多少?\(n\) 点公式对次数不超过 \(2n-1\) 的所有多项式都是精确的。