高斯-勒让德求积公式的高精度应用
字数 1844 2025-10-26 09:00:51

高斯-勒让德求积公式的高精度应用

题目描述
高斯-勒让德求积公式是一种数值积分方法,通过选择最优的节点和权重,使积分公式在多项式函数上达到最高代数精度。本题要求计算积分

\[I = \int_{-1}^{1} e^{-x^2} \, dx \]

使用高斯-勒让德公式的5个节点(即4次多项式精度),并分析其高精度特性。已知该积分的参考值约为1.493648265624854。


解题过程

1. 高斯-勒让德公式的基本原理

高斯-勒让德公式将积分转化为节点函数值的加权和:

\[\int_{-1}^{1} f(x) \, dx \approx \sum_{i=1}^{n} w_i f(x_i) \]

其中节点 \(x_i\) 是勒让德多项式 \(P_n(x)\) 的根,权重 \(w_i\) 由公式

\[w_i = \frac{2}{(1-x_i^2)[P_n'(x_i)]^2} \]

计算。对于 \(n=5\),节点和权重有标准数值表可查。


2. 查询5点高斯-勒让德公式的节点和权重

标准数值表给出以下值(保留10位小数):

节点 \(x_i\) 权重 \(w_i\)
0.0000000000 0.5688888889
±0.5384693101 0.4786286705
±0.9061798459 0.2369268851

3. 计算函数值

\(f(x) = e^{-x^2}\),计算每个节点处的函数值:

  • \(f(0.0000000000) = e^{0} = 1.0000000000\)
  • \(f(0.5384693101) = e^{-(0.5384693101)^2} = e^{-0.289949} \approx 0.7483315524\)
  • \(f(0.9061798459) = e^{-(0.9061798459)^2} = e^{-0.821162} \approx 0.4396992971\)
    由于函数为偶函数,\(f(-x_i) = f(x_i)\),无需重复计算。

4. 加权求和

利用对称性简化计算:

\[I \approx w_1 f(0) + 2 \left[ w_2 f(0.5384693101) + w_3 f(0.9061798459) \right] \]

代入数值:

\[I \approx 0.5688888889 \times 1.0000000000 + 2 \left[ 0.4786286705 \times 0.7483315524 + 0.2369268851 \times 0.4396992971 \right] \]

分步计算:

  • \(0.4786286705 \times 0.7483315524 \approx 0.3582001409\)
  • \(0.2369268851 \times 0.4396992971 \approx 0.1041700302\)
  • 括号内和: \(0.3582001409 + 0.1041700302 = 0.4623701711\)
  • 乘以2: \(0.9247403422\)
  • 加第一项: \(0.5688888889 + 0.9247403422 = 1.4936292311\)

5. 误差分析

与参考值 \(1.493648265624854\) 比较:
绝对误差 \(\approx |1.4936292311 - 1.4936482656| \approx 1.903 \times 10^{-5}\)
相对误差 \(\approx 1.27 \times 10^{-5}\)(约0.0013%)。
即使仅用5个节点,高斯-勒让德公式已实现高精度,这是因为其代数精度为 \(2n-1=9\) 次,能精确积分高阶多项式,而 \(e^{-x^2}\)\([-1,1]\) 内可用低阶多项式良好逼近。


关键点总结

  • 高斯-勒让德公式通过优化节点和权重最大化代数精度。
  • 实际计算时直接查表获取节点和权重。
  • 对称函数可减少计算量。
  • 高精度源于公式对光滑函数的高效逼近能力。
高斯-勒让德求积公式的高精度应用 题目描述 高斯-勒让德求积公式是一种数值积分方法,通过选择最优的节点和权重,使积分公式在多项式函数上达到最高代数精度。本题要求计算积分 \[ I = \int_ {-1}^{1} e^{-x^2} \, dx \] 使用高斯-勒让德公式的5个节点(即4次多项式精度),并分析其高精度特性。已知该积分的参考值约为1.493648265624854。 解题过程 1. 高斯-勒让德公式的基本原理 高斯-勒让德公式将积分转化为节点函数值的加权和: \[ \int_ {-1}^{1} f(x) \, dx \approx \sum_ {i=1}^{n} w_ i f(x_ i) \] 其中节点 \(x_ i\) 是勒让德多项式 \(P_ n(x)\) 的根,权重 \(w_ i\) 由公式 \[ w_ i = \frac{2}{(1-x_ i^2)[ P_ n'(x_ i) ]^2} \] 计算。对于 \(n=5\),节点和权重有标准数值表可查。 2. 查询5点高斯-勒让德公式的节点和权重 标准数值表给出以下值(保留10位小数): | 节点 \(x_ i\) | 权重 \(w_ i\) | |--------------------|--------------------| | 0.0000000000 | 0.5688888889 | | ±0.5384693101 | 0.4786286705 | | ±0.9061798459 | 0.2369268851 | 3. 计算函数值 令 \(f(x) = e^{-x^2}\),计算每个节点处的函数值: \(f(0.0000000000) = e^{0} = 1.0000000000\) \(f(0.5384693101) = e^{-(0.5384693101)^2} = e^{-0.289949} \approx 0.7483315524\) \(f(0.9061798459) = e^{-(0.9061798459)^2} = e^{-0.821162} \approx 0.4396992971\) 由于函数为偶函数,\(f(-x_ i) = f(x_ i)\),无需重复计算。 4. 加权求和 利用对称性简化计算: \[ I \approx w_ 1 f(0) + 2 \left[ w_ 2 f(0.5384693101) + w_ 3 f(0.9061798459) \right ] \] 代入数值: \[ I \approx 0.5688888889 \times 1.0000000000 + 2 \left[ 0.4786286705 \times 0.7483315524 + 0.2369268851 \times 0.4396992971 \right ] \] 分步计算: \(0.4786286705 \times 0.7483315524 \approx 0.3582001409\) \(0.2369268851 \times 0.4396992971 \approx 0.1041700302\) 括号内和: \(0.3582001409 + 0.1041700302 = 0.4623701711\) 乘以2: \(0.9247403422\) 加第一项: \(0.5688888889 + 0.9247403422 = 1.4936292311\) 5. 误差分析 与参考值 \(1.493648265624854\) 比较: 绝对误差 \(\approx |1.4936292311 - 1.4936482656| \approx 1.903 \times 10^{-5}\) 相对误差 \(\approx 1.27 \times 10^{-5}\)(约0.0013%)。 即使仅用5个节点,高斯-勒让德公式已实现高精度,这是因为其代数精度为 \(2n-1=9\) 次,能精确积分高阶多项式,而 \(e^{-x^2}\) 在 \([ -1,1 ]\) 内可用低阶多项式良好逼近。 关键点总结 高斯-勒让德公式通过优化节点和权重最大化代数精度。 实际计算时直接查表获取节点和权重。 对称函数可减少计算量。 高精度源于公式对光滑函数的高效逼近能力。