高斯求积法数值积分计算器

高斯求积法数值积分计算器

新兴 AI Skill PRO

输入计算

结果

积分近似值
3.1415926535897927
w_i * f(x_i) 之和
方法 legendre
节点数 (n) 20
显示位数 22

数学公式

∫abf(x)dx≈b−a2∑i=1nwif(b−a2xi+a+b2)\int_{\text{a}}^{\text{b}} {f(x)}\,dx \approx \frac{b-a}{2}\sum_{i=1}^{\text{n}} w_i\, f\!\left(\frac{b-a}{2}x_i + \frac{a+b}{2}\right)
使用统计

广告

报告本页错误

什么是高斯求积法计算器?

这是一款纯数学工具(在任何国家用法都完全一致),它会根据你所选的高斯求积规则,对定积分进行数值近似计算。高斯求积法的核心思路是:在一组经过精心选取的点(称为节点)上计算被积函数的取值,再分别乘以对应的权重,最后求和。使用 \(n\) 个节点时,它能对次数不超过 \(2n-1\) 的多项式进行精确积分,因此对于光滑函数而言,其精度远高于梯形法、辛普森法等等距节点方法。

如何使用

先选择一种求积方法,设定节点数 \(n\),然后用标准语法输入被积函数 \(f(x)\)(支持 + - * / ^、括号,以及 sin、cos、tan、exp、log、ln、sqrt、abs、pi、e)。对于定限规则,还需填写积分上下限 \(a\) 和 \(b\)。权重函数 \(w(x)\) 已内置在每种规则中,因此只需输入 \(f(x)\) 的光滑部分即可:使用高斯-拉盖尔法时省略 \(x^{\alpha} e^{-x}\) 因子,使用高斯-埃尔米特法时省略 \(e^{-x^2}\),使用切比雪夫/雅可比法时省略 \((1-x^2)\) 权重。"有效数字"下拉框只影响结果的显示位数,不影响计算本身。

计算公式

所有规则都遵循同一种形式:在标准区间上,\(w(x) f(x)\) 的积分被近似为各项 \(w_i\) 乘以 \(f(x_i)\) 之和,其中节点 \(x_i\) 是相应正交多项式的根,权重 \(w_i\) 则为 Golub-Welsch 权重。对于权重为 1 的任意有限区间 \([a,b]\),标准节点 \(t_i\)(位于 \([-1,1]\) 内)通过下式映射过去

$$x_i = \frac{b-a}{2} t_i + \frac{a+b}{2}$$

整个求和结果再乘以 \(\frac{b-a}{2}\) 缩放即可。

$$\int_{a}^{b} f(x)\,dx \approx \frac{b-a}{2}\sum_{i=1}^{n} w_i\, f\!\left(\frac{b-a}{2}x_i + \frac{a+b}{2}\right)$$
广告
用非均匀节点位置上的加权采样点近似的曲线下定积分面积
高斯求积通过权重 \(w_i\) 和最优放置的节点 \(x_i\) 来近似 \(f(x)\) 下方的面积。

实例演示

选择高斯-勒让德法,\(n=20\),\(f(x)=4/(1+x^2)\),\(a=0\),\(b=1\)。其精确值为 \(4\arctan(1) = \pi = 3.14159265358979\)。20 点勒让德规则会将节点映射到 \([0,1]\),权重按 \(1/2\) 缩放,最终返回 \(3.141592653589793\)——在双精度范围内与 \(\pi\) 完全一致。这也正是默认被积函数取 \(4/(1+x^2)\) 的原因。

同一区间上低阶与高阶高斯求积的节点分布对比
节点越多(阶数 \(n\) 越高),越向区间两端聚集,精度也越高。

高斯-勒让德小规模节点与权重示例(n 较小)

该表列出了标准区间 \([-1,1]\) 上的高斯-勒让德节点 \(x_i\) 与权重 \(w_i\)。对于一般区间 \([a,b]\),计算器按 \(t_i = \frac{b-a}{2}x_i + \frac{a+b}{2}\) 映射每个节点,并将求和结果乘以 \(\frac{b-a}{2}\)。节点成对出现,关于原点对称(±),每一对共享同一个权重。

n 节点 \(x_i\) 权重 \(w_i\)
1 0 2
2 ±0.5773502692 1(每个)
3 0
±0.7745966692
0.8888888889
0.5555555556
4 ±0.3399810436
±0.8611363116
0.6521451549
0.3478548451
5 0
±0.5384693101
±0.9061798459
0.5688888889
0.4786286705
0.2369268851

对于每个 n,所有权重之和都等于 2,即区间 \([-1,1]\) 的长度。这是一个快速的合理性检查:对于 n=5,\(0.5688888889 + 2(0.4786286705) + 2(0.2369268851) \approx 2\)。

用 n=2 对 \(\int_{-1}^{1}(x^3+x^2)\,dx = \frac{2}{3}\) 做快速检验:求和结果为 \(1\cdot f(-0.57735) + 1\cdot f(0.57735)\)。奇次项相互抵消,两个 \(x^2\) 项给出 \(\frac{1}{3}+\frac{1}{3}=\frac{2}{3}\),结果精确,因为该多项式的次数为 3 = 2n-1。

广告

结果解读与精度

  • 多项式精确性:n 点高斯-勒让德公式可以精确积分次数至 \(2n-1\) 的多项式。例如,3 点公式对次数至 5 的多项式精确。
  • 洛巴托(Lobatto)公式:这类公式把两个端点都作为节点,因此精度有所下降。n 点高斯-洛巴托公式精确到次数 \(2n-3\)。
  • 光滑被积函数:对于解析(无限光滑)函数,误差通常随 n 增大而非常迅速地减小,每增加一个点,误差常常可下降几个数量级。
  • 问题型被积函数:对于奇点、端点发散、间断点、拐点以及高度振荡的函数,收敛缓慢或不可靠。在这些点处切分区间,或使用与权函数或奇点相匹配的加权公式(切比雪夫、雅可比、拉盖尔、埃尔米特),通常会有所帮助。
  • 通过增大 n 进行检验:分别用 n 和更大的 n 进行计算。如果前几位有效数字一致,结果大致已在相应位数上收敛。如果数值持续变化,说明该被积函数在此 n 下并不适合该公式。克朗罗德(Kronrod)扩展通过与嵌入的高斯公式比较,可提供内置的误差估计。
  • 有效数字设置:此设置仅改变显示的位数,不会改变节点、权重或近似的实际精度。
  • 精度限制:在标准双精度下,大约可获得 15–16 位有效数字。若要求的位数超过此范围,除非计算器使用更高精度的运算,否则这些数字没有意义。抵消(正负贡献几乎相互抵消)以及节点和权重求和中的舍入误差,可能进一步减少可靠的位数。
  • 何时切分区间:当函数在整个区间内性质发生变化、振荡多次,或存在已知的困难点时,应使用复合区段,即在各子区间上分别使用高斯公式。应将困难点置于子区间的边界上。

加权公式解决的是另一类问题:拉盖尔公式针对 \(\int_0^\infty e^{-x}f(x)\,dx\),埃尔米特公式针对 \(\int_{-\infty}^{\infty} e^{-x^2}f(x)\,dx\),切比雪夫公式则包含权函数 \(1/\sqrt{1-x^2}\) 或 \(\sqrt{1-x^2}\)。请确保您输入的被积函数与所选方法的权函数约定相符。

常见问题

为什么用拉盖尔法或埃尔米特法时结果看起来不对?这两种规则本身已经包含了 \(e^{-x}\) 或 \(e^{-x^2}\) 权重,所以你只需输入剩余的那部分因子,而不是完整的被积函数。例如要计算 \(e^{-x^2}\) 在整条实轴上的积分,只需令 \(f(x)=1\),结果即为 \(\sqrt{\pi}\)。

\(\alpha\) 和 \(\beta\) 是做什么用的?\(\alpha\) 是拉盖尔权重 \(x^{\alpha}\) 中的指数,同时也是雅可比的其中一个指数;\(\beta\) 则是雅可比的另一个指数。两者都必须大于 \(-1\),否则权重积分会发散。

节点越多就越准吗?对于光滑函数,增大 \(n\) 确实能提高精度;但如果函数在区间内存在奇点或尖锐峰值,增大 \(n\) 反而可能适得其反。建议逐步增加 \(n\),并留意结果是否收敛。

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