在線即時計算器 · 純前端本地秒算 · 零數據上傳

📚 Gauss Laguerre Quadrature 計算機

專業免費的 Gauss Laguerre Quadrature 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
0.9726059074 Gauss-Laguerre quadrature, n = 10, alpha = 0
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是高斯-拉蓋爾求積法?

高斯-拉蓋爾求積法(Gauss-Laguerre quadrature)是一種數值積分方法,專門用來近似定義在半無限區間 (0, \infty) 上、且被積函數隨指數衰減的瑕積分。它的核心概念是:把積分換成在一組精心挑選的取樣點(稱為「節點」)上的加權總和。對於指定的階數 n,此規則對任何次數不超過 2n-1 的多項式(在權重函數 x^{\alpha} e^{-x} 之下)都能算出完全精確的結果。正因如此,只要被積函數夠平滑,僅需少數幾個取值點便能達到相當高的精確度。

如何使用本計算器

首先選擇輸入模式。如果你的積分已經寫成 x^{\alpha} e^{-x} f(x) dx 的形式,而你只想輸入其中的因子 f,請選擇 f(x)。如果你手上是一個定義在 (0, \infty) 上的完整被積函數 g(x),請選擇 g(x),此時計算器會自動把內建的權重函數除掉。接著以變數 x 並使用標準寫法輸入函數(+、-、*、/、^、sqrt、exp、ln、sin、cos、tan 等),設定節點數 n,再設定權重參數 \alpha(標準的高斯-拉蓋爾求積法請填 0)。對於平滑函數而言,增加 n 可提升精確度。

公式解析

節點 x_i 是廣義拉蓋爾多項式 L_n^{(\alpha)}(x) 的根,而權重 w_i 則透過 Golub-Welsch 演算法求得:先建立一個對稱三對角的 Jacobi 矩陣,其特徵值即為節點;至於 w_i,則等於 \Gamma(\alpha+1) 乘上每個標準化特徵向量第一個分量的平方。最後,積分值便以上方所示的加權總和來近似。

\int_{0}^{\infty} x^{\alpha} e^{-x} g(x) dx ≈ \sum_{i=1}^{n} w_i g(x_i)

範例演算

設定 \alpha = 0、n = 2、模式 f(x)、f(x) = x^2(也就是估計 \int x^2 e^{-x} dx,其精確值為 \Gamma(3) = 2)。兩個節點分別為 x_1 = 2 - √(2) = 0.585786,權重 w_1 = 0.853553;x_2 = 2 + √(2) = 3.414214,權重 w_2 = 0.146447。加權總和為

0.853553 × 0.343146 + 0.146447 × 11.656854 = 0.292893 + 1.707107 = 2.000000
與精確答案完全吻合——因為 x^2 是次數為 2 的多項式,而 2 ≤ 2n-1 = 3。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

參數 \(\alpha\) 有什麼作用?
它決定權重函數 \(x^{\alpha} e^{-x}\) 中的指數。標準高斯-拉蓋爾求積法請使用 \(\alpha = 0\)。數值必須滿足 \(\alpha > -1\),權重函數才能保持可積分。
為什麼我的結果不準確?
可能是被積函數不夠平滑,或是它在 \((0, \infty)\) 上衰減得不夠快。此規則一定會回傳一個有限數值,但唯有當真實積分收斂、且被積函數能被「多項式乘上權重」良好近似時,結果才有意義。可以逐步增加 \(n\) 來檢驗其收斂性。
f 模式與 g 模式有何不同?
在 f 模式下,你只需提供乘上內建權重的那個因子;在 g 模式下,你提供完整的被積函數,權重會在加總過程中被消去。只要設定一致,兩種模式會得到相同的答案。