在線即時計算器 · 純前端本地秒算 · 零數據上傳

📚 Gauss Quadrature Numerical Integration 計算機

專業免費的 Gauss Quadrature Numerical Integration 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)
3.1415926535897927 w_i * f(x_i) 的總和
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...

什麼是高斯求積分計算器?

這是一套純數學工具(在任何國家的運算結果都完全相同),可依您所選的高斯求積分規則,以數值方法近似計算定積分。高斯求積分會在一組經過精心挑選、稱為「節點」的位置上計算被積函數值,再將每個函數值乘上對應的「權重」後加總。使用 n 個節點時,它能對次數最高達 2n-1 的多項式進行精確積分,因此對於平滑函數而言,遠比梯形法、辛普森法等等距取點的方法準確得多。

如何使用

先選擇一種求積分方法,設定節點數 n,再以標準語法輸入被積函數 f(x)(支援 + - * / ^、括號、sin、cos、tan、exp、log、ln、sqrt、abs、pi、e);若使用有限區間的規則,請另外輸入上下限 a 與 b。權重函數 w(x) 已內建於各規則中,因此您只需輸入平滑的部分 f(x):使用 Gauss-Laguerre 時請省略 x^{\alpha} e^{-x} 因子,使用 Gauss-Hermite 時省略 e^{-x^2},使用 Chebyshev/Jacobi 時則省略 (1-x^2) 權重。「有效位數」下拉選單僅會影響結果顯示的位數。

計算公式

每一種規則的形式都相同:在標準區間上對 w(x) f(x) 的積分,會以 w_i 乘以 f(x_i) 的總和來近似,其中節點 x_i 是對應正交多項式的根,而 w_i 則是 Golub-Welsch 權重。對於權重為 1 的任意有限區間 [a,b],[-1,1] 上的標準節點 t_i 會透過下式映射,整個總和再乘上 ((b-a) ÷ (2)) 進行縮放。

x_i = ((b-a) ÷ (2)) t_i + ((a+b) ÷ (2))

\int_{a}^{b} f(x) dx ≈ ((b-a) ÷ (2))\sum_{i=1}^{n} w_i f\!≤ft(((b-a) ÷ (2))x_i + ((a+b) ÷ (2))\right)

實際範例

選擇 Gauss-Legendre、n=20、f(x)=((4) ÷ (1+x^2))、a=0、b=1。精確值為 4\arctan(1) = π = 3.14159265358979。20 點的 Legendre 規則會將節點映射到 [0,1],把權重縮放 ((1) ÷ (2)) 倍,最後得到 3.141592653589793——與 π 在雙精度下完全吻合。這正是本計算器將 ((4) ÷ (1+x^2)) 設為預設被積函數的原因。

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)

為什麼用 Laguerre 或 Hermite 算出來的答案看起來不對?
這兩種規則已內含 \(e^{-x}\) 或 \(e^{-x^2}\) 權重;請只輸入剩餘的因子,而非完整的被積函數。例如要計算 \(e^{-x^2}\) 在整條實數線上的積分,請設定 \(f(x)=1\),即可得到 \(\sqrt{\pi}\)。
alpha 和 beta 的作用是什麼?
\(\alpha\) 是 Laguerre 權重 \(x^{\alpha}\) 的指數,同時也是 Jacobi 的其中一個指數;\(\beta\) 則是 Jacobi 的另一個指數。兩者都必須大於 \(-1\),否則權重積分會發散。
節點越多一定越好嗎?
對於平滑函數,提高 \(n\) 會改善準確度;但若函數在區間內存在奇異點或尖銳峰值,反而可能變差。請逐步增加 \(n\),並留意收斂情況。