高斯-洛巴托求积节点与权重计算器

高斯-洛巴托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{x1=−1,xn=1xi:Pn−1′(xi)=0(内部)w1=wn=2n(n−1)wi=2n(n−1)[Pn−1(xi)]2\begin{gathered} \int_{-1}^{1} f(x)\,dx \approx \sum_{i=1}^{\text{n}} w_i\, f(x_i) \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} x_1 &= -1,\quad x_{\text{n}} = 1 \\ x_i &: P_{\text{n}-1}^{\prime}(x_i) = 0 \quad(\text{内部}) \\ w_{1} &= w_{\text{n}} = \frac{2}{\text{n}\,(\text{n}-1)} \\ w_i &= \frac{2}{\text{n}\,(\text{n}-1)\,\left[P_{\text{n}-1}(x_i)\right]^{2}} \end{aligned} \right. \end{gathered}
使用统计

广告

结果

高斯-洛巴托法则,n = 20
20
区间 [-1, 1] 上的节点 · 权重之和 = 2
i 节点 x_i 权重 w_i
1 -1 0.005263157894737
2 -0.980743704893914 0.032237123188489
3 -0.935934498812665 0.057181802127567
4 -0.86687797808995 0.08063176399612
5 -0.775368260952056 0.101991499699451
6 -0.663776402290311 0.120709227628675
7 -0.534992864031886 0.136300482358724
8 -0.392353183713909 0.148361554070917
9 -0.239551705922986 0.156580102647475
10 -0.080545937238822 0.160743286387846
11 0.080545937238822 0.160743286387846
12 0.239551705922986 0.156580102647475
13 0.392353183713909 0.148361554070917
14 0.534992864031886 0.136300482358724
15 0.663776402290311 0.120709227628675
16 0.775368260952056 0.101991499699451
17 0.86687797808995 0.08063176399612
18 0.935934498812665 0.057181802127567
19 0.980743704893914 0.032237123188489
20 1 0.005263157894737

报告本页错误

这个计算器能做什么

本工具用于计算参考区间 [-1, 1] 上、权函数 \(w(x) = 1\) 时 \(n\) 点高斯-洛巴托(Gauss-Lobatto)求积公式的节点(横坐标)\(x_i\) 及对应权重 \(w_i\)。与标准的高斯-勒让德(Gauss-Legendre)求积不同,高斯-洛巴托公式始终把两个端点 \(x = -1\) 和 \(x = +1\) 作为求积节点。当边界取值很重要时(例如谱单元方法中),这一点尤为有用。本工具属于纯数值分析范畴,在任何国家和地区都通用,不涉及特定地域规则。

从 -1 到 1 的数轴上标出包含两个端点的求积节点,每个节点上有一根表示权重的竖条
[-1, 1] 上的高斯-洛巴托节点包含两个端点;柱高表示相应的权重。

如何使用

先选择点数 \(n\)(取值范围 2 到 100),如有需要可设置显示精度。计算器会返回一张包含 \(n\) 行的表格,每行给出节点 \(x_i\) 及其权重 \(w_i\)。节点关于 0 对称,权重同样对称,因此 \(x_i\) 与 \(-x_i\) 共用相同的权重。作为内置的校验手段,所有权重之和应当等于 2,即区间的长度。

公式详解

该公式将积分近似为 \(w_1 f(x_1) + \ldots + w_n f(x_n)\) 的和,并对次数不超过 \(2n-3\) 的多项式精确成立。 $$\begin{gathered} \int_{-1}^{1} f(x)\,dx \approx \sum_{i=1}^{n} w_i\, f(x_i) \\[1.5em] \text{where}\quad \left\{ \begin{aligned} x_1 &= -1,\quad x_{n} = 1 \\ x_i &: P_{n-1}^{\prime}(x_i) = 0 \quad(\text{interior}) \\ w_{1} &= w_{n} = \frac{2}{n\,(n-1)} \\ w_i &= \frac{2}{n\,(n-1)\,\left[P_{n-1}(x_i)\right]^{2}} \end{aligned} \right. \end{gathered}$$ 内部节点 \(x_2, \ldots, x_{n-1}\) 是 \(P'_{n-1}(x)\) 的 \(n-2\) 个零点,其中 \(P_{n-1}\) 为 \(n-1\) 次勒让德多项式,\(P'_{n-1}\) 为其导数。端点权重为 \(\frac{2}{n(n-1)}\),而每个内部节点 \(x_i\) 的权重为 \(\frac{2}{n(n-1)[P_{n-1}(x_i)]^2}\)。计算器以切比雪夫-高斯-洛巴托初值 \(\cos\left(\frac{\pi j}{n-1}\right)\) 为起点,通过牛顿迭代求出内部根,可达到完整的双精度(约 15-16 位有效数字)。

广告
[-1,1] 上的曲线 f(x),由包含端点的高斯-洛巴托节点处的加权采样来近似
积分由各节点处函数值的加权和来近似,且两个端点始终包含在内。

计算实例(n = 4)

内部节点满足 \(P'_3(x) = \frac{15x^2 - 3}{2} = 0\),故 \(x = \pm\frac{1}{\sqrt{5}} = \pm 0.4472135955\)。端点权重为 \(\frac{2}{4\cdot 3} = \frac{1}{6} = 0.1666666667\)。对于内部节点,\(P_3\left(\frac{1}{\sqrt{5}}\right) = -0.4472135955\),其平方为 \(0.2\),于是权重为 \(\frac{2}{4\cdot 3\cdot 0.2} = \frac{5}{6} = 0.8333333333\)。验证求和:\(\frac{1}{6} + \frac{5}{6} + \frac{5}{6} + \frac{1}{6} = 2\),与公式相符。

Gauss-Lobatto 节点与权重(n = 2 至 6)

[-1, 1] 上的 n 点 Gauss-Lobatto 求积法则将端点 \(x=\pm 1\) 固定为节点。其余 n-2 个内部节点是 \(P_{n-1}'(x)\) 的根,该法则对次数不超过 \(2n-3\) 的多项式精确成立。节点关于 0 对称,每个节点与其镜像节点共享同一权重。小数保留约 10 位。

n 节点 \(x_i\)(精确值) 节点(小数) 权重 \(w_i\)(精确值) 权重(小数) 精确到的次数
2 ±1 ±1.0000000000 1 1.0000000000 1
3 ±1 ±1.0000000000 1/3 0.3333333333 3
0 0.0000000000 4/3 1.3333333333
4 ±1 ±1.0000000000 1/6 0.1666666667 5
±1/√5 ±0.4472135955 5/6 0.8333333333
5 ±1 ±1.0000000000 1/10 0.1000000000 7
±√(3/7) ±0.6546536707 49/90 0.5444444444
0 0.0000000000 32/45 0.7111111111
6 ±1 ±1.0000000000 1/15 0.0666666667 9
±√(1/3 + 2√7/21) ±0.7650553239 (14 − √7)/30 0.3784749563
±√(1/3 − 2√7/21) ±0.2852315165 (14 + √7)/30 0.5548583770

n = 6 的验证:\(2\left(\tfrac{1}{15}+\tfrac{14-\sqrt7}{30}+\tfrac{14+\sqrt7}{30}\right)=2\left(\tfrac{2}{30}+\tfrac{28}{30}\right)=2\)。每一行的权重之和均为 2,即 [-1, 1] 的长度。端点权重满足 \(w_1=w_n=\dfrac{2}{n(n-1)}\):n = 2 至 6 时分别为 1、1/3、1/6、1/10 和 1/15。

Gauss-Lobatto 与 Gauss-Legendre 比较

法则(n 个点) 精确度次数 端点是否为节点? 自由节点 典型用途
Gauss-Legendre \(2n-1\) 否 n(所有节点和权重都是自由的,共 2n 个参数) 通用光滑积分;单次函数求值精度最高
Gauss-Lobatto \(2n-3\) 是(两端) n − 2 个内部节点 谱元法(GLL 点)、需要边界处取值的问题、相邻单元共享节点的情形
Clenshaw-Curtis 至少 \(n-1\) 是(两端) 0(节点为固定的 Chebyshev 极值点) 嵌套法则、基于 FFT 的权重、自适应积分

Gauss-Lobatto 放弃了两个自由度(端点位置),因此在相同的 n 下,与 Gauss-Legendre 相比,精确度次数少了两次。

相同被积函数,n = 4

在 [-1, 1] 上积分 \(f(x)=x^6\)。精确值为 \(2/7\approx 0.285714\)。

  • 4 点 Gauss-Legendre 精确到 7 次,因此精确返回 \(2/7\)。
  • 4 点 Gauss-Lobatto 只精确到 5 次。取节点 ±1(权重 1/6)和 ±1/√5(权重 5/6):$$2\left[\tfrac{1}{6}(1)^6+\tfrac{5}{6}\left(\tfrac{1}{\sqrt5}\right)^6\right]=2\left[\tfrac{1}{6}+\tfrac{5}{6}\cdot\tfrac{1}{125}\right]=2\cdot\tfrac{26}{150}=\tfrac{26}{75}\approx 0.346667$$ 误差约为 0.0610,因为 6 次超过了 \(2n-3=5\)。

对于 \(f(x)=x^4\)(4 次 ≤ 5),Lobatto 法则是精确的:\(2\left[\tfrac16+\tfrac56\cdot\tfrac1{25}\right]=2\cdot\tfrac{6}{30}=\tfrac25\)。

广告

节点与权重的解释

映射到 [a, b]。对于区间 [a, b],作代换 \(x=\tfrac{b-a}{2}\,t+\tfrac{a+b}{2}\),其中 t 是 [-1, 1] 上的节点。于是 \(dx=\tfrac{b-a}{2}\,dt\),因此$$\int_a^b f(x)\,dx\approx \frac{b-a}{2}\sum_{i=1}^{n} w_i\, f\!\left(\tfrac{b-a}{2}\,t_i+\tfrac{a+b}{2}\right).$$ 缩放后的权重 \(\tfrac{b-a}{2}w_i\) 之和为 \(b-a\)。

示例。取 n = 3,在 [0, 2] 上积分 \(x^3\)。此时 \((b-a)/2=1\),节点 \(t=-1,0,1\) 映射为 \(x=0,1,2\)。于是 \(1\cdot\left[\tfrac13(0)^3+\tfrac43(1)^3+\tfrac13(2)^3\right]=\tfrac43+\tfrac83=4\),与精确值 \(2^4/4=4\) 相等。这符合预期,因为 3 次等于 \(2n-3\)。

  • 聚集性:内部节点向 ±1 聚集,与 Chebyshev 型点相似。这就是这些点适用于高阶多项式插值并能避免 Runge 现象的原因。
  • 权重为正:所有 Gauss-Lobatto 权重均为正,因此该法则在数值上是稳定的,不会因符号混合的权重而出现抵消。
  • 权重之和:权重之和为 2,即常数 1 在 [-1, 1] 上的积分。这是检查任意表格的快速方法。
  • 对称性:节点成对出现为 ±x,镜像节点的权重相等。因此,[-1, 1] 上的奇函数积分恰好为 0。对于奇数 n,中心节点为 0。
  • 精确度次数:该法则精确到 \(2n-3\) 次。次数为 \(2n-2\) 或更高的多项式通常会产生误差,n = 4 时的 \(x^6\) 示例即说明了这一点。
  • 非多项式被积函数:对于 \(e^x\) 或 \(\sin x\) 等函数,精度取决于多项式对它们的逼近程度。光滑的解析函数随 n 增大而快速收敛。具有奇点、拐点、间断点或快速振荡的函数可能收敛较慢。遇到此类特征时,应将区间分割,或使用为此设计的法则。

常见问题

它与高斯-勒让德有何区别?高斯-勒让德把所有节点都严格放在区间 \((-1, 1)\) 内部,对次数不超过 \(2n-1\) 的多项式精确;高斯-洛巴托则把两个端点固定为节点,对次数不超过 \(2n-3\) 的多项式精确——以牺牲两阶精度为代价换取对边界点的包含。

如何把这些值用到一般区间 [a, b] 上?将每个节点按 \(x \to \frac{b-a}{2} x + \frac{a+b}{2}\) 映射,并把每个权重乘以 \(\frac{b-a}{2}\) 即可。本页面只输出 [-1, 1] 上的对应值。

为什么权重之和必须等于 2?对 \(f(x) = 1\) 在 [-1, 1] 上积分结果为 2,而该公式对常数函数精确成立,因此所有权重之和必然等于区间长度。

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