高斯求积节点与权重计算器

高斯求积节点与权重计算器

增长中 AI Skill PRO

输入计算

数学公式

∫−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}
使用统计

广告

结果

节点个数
20
legendre 数值积分(求积法)
i 节点 x_i 权重 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
权重之和 2

报告本页错误

这个计算器能做什么

本工具用于计算经典高斯求积法则的节点(横坐标 \(x_i\))和权重 \(w_i\)。有了它们,你就能把一个带权积分近似为有限项的加权求和;对于标准高斯法则,可以精确积分次数不超过 \(2n-1\) 的多项式。支持的法则包括:高斯-勒让德、第一类与第二类切比雪夫、广义拉盖尔、埃尔米特、雅可比,以及高斯-洛巴托。

使用方法

先在"法则类型(Kinds)"中选择一种法则,再设定阶数 \(n\)(即节点个数,取值 2 到 100)。如果选择拉盖尔或雅可比法则,还需填入指数参数 Alpha 和 Beta(两者都必须大于 \(-1\))。计算结果会列出每个节点及其对应权重,并给出权重之和——它应当等于权函数的零阶矩(勒让德为 2,埃尔米特为根号 \(\pi\))。

公式解析

对于满足三项递推关系的一族正交多项式,节点就是 \(n\) 次多项式的根,而权重则由对称三对角雅可比矩阵 \(J\) 的特征向量给出(即 Golub-Welsch 方法):$$w_i = \mu_0\, (v_{1,i})^2.$$切比雪夫法则采用精确的三角函数闭式公式;勒让德和洛巴托法则在勒让德多项式上使用牛顿迭代求根;拉盖尔、埃尔米特和雅可比法则则借助雅可比矩阵特征值求解器。

广告
曲线下的阴影面积由非等距节点处的加权采样近似
高斯求积将积分近似为函数在最优选取节点处取值的加权和。

实例演示

取 \(n = 2\) 的高斯-勒让德法则:节点为正负 \(\frac{1}{\sqrt{3}} = 0.5773502692\),两个权重均为 1,因此权重之和为 2。验证一下:\(x^2\) 在区间 \([-1, 1]\) 上的积分为 \(\frac{2}{3}\),而该法则给出 $$1\cdot\frac{1}{3} + 1\cdot\frac{1}{3} = \frac{2}{3},$$结果完全一致。

[-1,1] 上对称的高斯-勒让德节点,权重柱在中心最高
区间 [-1, 1] 上的五点高斯-勒让德节点与权重,关于零对称。

如何将节点和权重应用于积分

  1. 选择与权函数匹配的求积规则。若被积函数具有 \(w(x)\,f(x)\) 的形式,且 \(w(x)\) 取自上表,则使用该规则,仅对光滑部分 \(f(x)\) 积分。对于无权函数的普通积分,通常选择高斯-勒让德规则。
  2. 选择阶数 \(n\)。对于光滑函数,从较小的值开始(例如 3 到 5)。
  3. 从计算器获取节点 \(x_i\) 和权重 \(w_i\)(设置规则类型、\(n\),以及适用时的 \(\alpha\)、\(\beta\))。
  4. 映射到一般区间 \([a,b]\)(勒让德、洛巴托):使用 $$x=\frac{b-a}{2}\,t+\frac{a+b}{2}$$,其中 \(t_i\) 为 \([-1,1]\) 上的表列节点。于是 $$\int_a^b f(x)\,dx\approx\frac{b-a}{2}\sum_{i=1}^{n} w_i\, f(x_i).$$ 因子 \((b-a)/2\) 是该代换的雅可比行列式。
  5. 在每个映射后的节点处计算 \(f\)。
  6. 计算求和 \(\sum w_i f(x_i)\),若已映射区间,则乘以比例因子。
  7. 检查权重。它们之和必须等于权函数的 0 阶矩(例如勒让德为 2,第一类切比雪夫为 \(\pi\),埃尔米特为 \(\sqrt{\pi}\))。若不一致,说明规则或参数有误。
  8. 检验收敛性。用更大的 \(n\) 重复计算。若结果不再随所需位数变化,即可接受。注意,不同 \(n\) 的高斯规则一般不共享节点,因此无法复用之前的求值结果。

简单示例。\(n=2\) 的高斯-勒让德规则节点为 \(\pm 1/\sqrt{3}\),权重为 \(1,1\)。对于在 \([-1,1]\) 上的 \(f(x)=x^2\):$$1\cdot\tfrac13+1\cdot\tfrac13=\tfrac23,$$ 这与精确积分 \(\int_{-1}^{1}x^2\,dx=2/3\) 相等,符合预期,因为次数 2 不超过 \(2n-1=3\)。

误差项。对于 \([-1,1]\) 上的高斯-勒让德规则,误差为 $$E_n=\frac{2^{2n+1}(n!)^4}{(2n+1)\,[(2n)!]^3}\,f^{(2n)}(\xi)$$,其中 \(\xi\in(-1,1)\)。该规则对次数不超过 \(2n-1\) 的多项式精确成立,误差取决于 \(2n\) 阶导数的大小,因此光滑(解析)的被积函数收敛非常快,而带有奇点或拐点的被积函数收敛较慢。

广告

术语表

节点(横坐标)
被积函数在其处求值的点 \(x_i\)。对于高斯规则,节点是所选权函数的 \(n\) 次正交多项式的根。
权重
在求积和中与 \(f(x_i)\) 相乘的系数 \(w_i\)。
阶数 \(n\)
规则中节点(及权重)的个数。
精确度次数
能被精确积分的最高多项式次数。对于高斯规则为 \(2n-1\),对于高斯-洛巴托规则为 \(2n-3\),因为两个节点固定在端点处。
权函数
非负函数 \(w(x)\),它定义内积 \(\int w(x)\,p(x)\,q(x)\,dx\),从而确定正交多项式族。
正交多项式
满足 \(\int w\,p_j\,p_k\,dx=0\)(当 \(j\ne k\) 时)的多项式序列 \(p_k\),例如勒让德、切比雪夫、拉盖尔、埃尔米特和雅可比多项式。
三项递推
正交多项式满足的关系 \(p_{k+1}(x)=(x-a_k)\,p_k(x)-b_k\,p_{k-1}(x)\);其系数决定求积规则。
雅可比矩阵
由递推系数构造的对称三对角矩阵(对角元 \(a_k\),非对角元 \(\sqrt{b_k}\))。其特征值即为节点。
Golub-Welsch 算法
一种通过雅可比矩阵的特征值计算节点、并由归一化特征向量的第一个分量计算权重的方法:\(w_i=\mu_0\,v_{i,1}^2\)。
0 阶矩
\(\mu_0=\int w(x)\,dx\),在该区间上积分。权重之和必须等于此值。
Alpha 和 Beta 参数
权函数的形状参数。拉盖尔规则中 \(\alpha\) 出现在 \(x^{\alpha}e^{-x}\) 中;雅可比规则中两者同时出现在 \((1-x)^{\alpha}(1+x)^{\beta}\) 中。二者都必须大于 \(-1\),权函数才可积。

常见问题

为什么权重应当为正?经典高斯法则的所有权重都严格为正;一旦出现负权重,往往意味着出现了数值误差。

权重之和代表什么?它等于权函数在整个区间上的积分(即零阶矩)。以埃尔米特为例,\(e^{-x^2}\) 在整条实轴上的积分为 \(\sqrt{\pi}\)。

为什么 Alpha 和 Beta 必须大于 \(-1\)?否则权函数不可积,各阶矩会发散,也就不存在有效的求积法则。

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