高斯-勒让德求积节点与权重计算器

高斯-勒让德求积节点与权重计算器

新兴 AI Skill PRO

输入计算

数学公式

∫−11f(x)dx≈∑i=1nwif(xi)其中{n=阶数 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{阶数 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}
使用统计

广告

结果

20-Point Gauss-Legendre Rule on [-1, 1]
2
权重之和(应等于 2)
i 节点 x_i 权重 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

报告本页错误

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。

广告
[-1,1]上的光滑函数在若干非均匀对称节点处采样,并带有加权贡献
高斯-勒让德求积法将积分近似为在特别选定的节点处函数值的加权和。

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。

[-1,1]上三个对称的高斯-勒让德节点,中心节点的权重更大
三点公式使用一个中心节点和两个对称的外侧节点,其中中心节点的权重最大。

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。

  1. 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。
  2. 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 \(w_i = \dfrac{2}{(1-x_i^2)\,[P_n'(x_i)]^2}\)。
  3. 将节点映射到 \([a,b]\)。 $$t_i = \frac{b-a}{2}\,x_i + \frac{a+b}{2}$$
  4. 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。
  5. 计算各映射节点处的函数值:\(f(t_i)\)。
  6. 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。

广告

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。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器