数值分析核心知识点：高斯求积公式

数值分析核心知识点：高斯求积公式

1. 理论讲解与推导规范

1.1 高斯求积公式的基本概念

数值积分的一般形式：对于积分 (I(f) = \int_a^b w(x) f(x) dx)，其中 (w(x) \geq 0) 为权函数，构造求积公式：

\[I_n(f) = \sum_{k=0}^{n-1} A_k f(x_k) \]

其中 (x_k) 为求积节点，(A_k) 为求积系数。

代数精度定义：若求积公式对所有次数不超过 (m) 的多项式精确成立，而对某个 (m+1) 次多项式不精确成立，则称其具有 (m) 次代数精度。

高斯求积公式定义：对于给定的权函数 (w(x))，若存在节点 (x_0, x_1, \dots, x_{n-1}) 和系数 (A_0, A_1, \dots, A_{n-1})，使得求积公式具有 (2n-1) 次代数精度，则称该公式为高斯求积公式，对应的节点称为高斯点。

1.2 高斯点的本质特征

定理1（高斯点的充要条件）：节点 (x_0, x_1, \dots, x_{n-1}) 是关于权函数 (w(x)) 的高斯点的充要条件是，多项式 (\omega_n(x) = (x-x_0)(x-x_1)\cdots(x-x_{n-1})) 与所有次数不超过 (n-1) 的多项式关于权函数 (w(x)) 正交，即：

\[\int_a^b w(x) \omega_n(x) p(x) dx = 0, \quad \forall p(x) \in \mathbb{P}_{n-1} \]

证明：

• 必要性：设 (x_k) 是高斯点，则求积公式对所有次数不超过 (2n-1) 的多项式精确成立。任取 (p(x) \in \mathbb{P}{n-1})，则 (\omega_n(x) p(x) \in \mathbb{P})，故：

  \[\int_a^b w(x) \omega_n(x) p(x) dx = \sum_{k=0}^{n-1} A_k \omega_n(x_k) p(x_k) = 0 \]

  因为 (\omega_n(x_k) = 0)。必要性得证。

• 充分性：设 (\omega_n(x)) 与所有次数不超过 (n-1) 的多项式正交。任取 (f(x) \in \mathbb{P}_{2n-1})，用 (\omega_n(x)) 除 (f(x))，得：

  \[f(x) = q(x) \omega_n(x) + r(x) \]

  其中 (q(x), r(x) \in \mathbb{P}_{n-1})。两边乘以 (w(x)) 积分：

  \[\int_a^b w(x) f(x) dx = \int_a^b w(x) q(x) \omega_n(x) dx + \int_a^b w(x) r(x) dx \]

  由正交性，第一项为0。又因为求积公式对 (r(x)) 精确成立（次数≤n-1），且 (\omega_n(x_k)=0)，故：

  \[\int_a^b w(x) r(x) dx = \sum_{k=0}^{n-1} A_k r(x_k) = \sum_{k=0}^{n-1} A_k f(x_k) \]

  因此求积公式对所有 (f(x) \in \mathbb{P}_{2n-1}) 精确成立。充分性得证。

推论：n点高斯求积公式的节点是区间 ([a,b]) 上关于权函数 (w(x)) 的n次正交多项式的零点。

1.3 求积系数的计算

方法一：代数精度法
由于高斯求积公式对 (1, x, x^2, \dots, x^{n-1}) 精确成立，建立线性方程组：

\[\begin{cases} \sum_{k=0}^{n-1} A_k = \int_a^b w(x) dx \\ \sum_{k=0}^{n-1} A_k x_k = \int_a^b w(x) x dx \\ \vdots \\ \sum_{k=0}^{n-1} A_k x_k^{n-1} = \int_a^b w(x) x^{n-1} dx \end{cases} \]

解此方程组可得求积系数 (A_k)。

方法二：拉格朗日插值基函数法
设 (l_k(x)) 是节点 (x_0, \dots, x_{n-1}) 上的拉格朗日插值基函数，则：

\[A_k = \int_a^b w(x) l_k(x) dx \]

证明：因为 (l_k(x)) 是n-1次多项式，高斯求积公式对其精确成立，故：

\[\int_a^b w(x) l_k(x) dx = \sum_{j=0}^{n-1} A_j l_k(x_j) = A_k \]

得证。

1.4 高斯求积公式的误差估计

定理2（高斯求积的余项）：设 (f(x) \in C^{2n}[a,b])，则n点高斯求积公式的余项为：

\[R_n(f) = \frac{f^{(2n)}(\eta)}{(2n)!} \int_a^b w(x) \omega_n^2(x) dx, \quad \eta \in (a,b) \]

证明：
构造 (f(x)) 在节点 (x_0, \dots, x_{n-1}) 上的埃尔米特插值多项式 (H_{2n-1}(x))，满足：

\[H_{2n-1}(x_k) = f(x_k), \quad H_{2n-1}'(x_k) = f'(x_k), \quad k=0,1,\dots,n-1 \]

埃尔米特插值的余项为：

\[f(x) - H_{2n-1}(x) = \frac{f^{(2n)}(\xi)}{(2n)!} \omega_n^2(x), \quad \xi \in (a,b) \]

两边乘以 (w(x)) 积分：

\[\int_a^b w(x) f(x) dx - \int_a^b w(x) H_{2n-1}(x) dx = \frac{1}{(2n)!} \int_a^b w(x) f^{(2n)}(\xi) \omega_n^2(x) dx \]

由于 (H_{2n-1}(x)) 是2n-1次多项式，高斯求积公式对其精确成立，故：

\[\int_a^b w(x) H_{2n-1}(x) dx = \sum_{k=0}^{n-1} A_k H_{2n-1}(x_k) = \sum_{k=0}^{n-1} A_k f(x_k) \]

因此：

\[R_n(f) = \frac{1}{(2n)!} \int_a^b w(x) f^{(2n)}(\xi) \omega_n^2(x) dx \]

由积分中值定理，存在 (\eta \in (a,b))，使得：

\[R_n(f) = \frac{f^{(2n)}(\eta)}{(2n)!} \int_a^b w(x) \omega_n^2(x) dx \]

得证。

1.5 高斯求积公式的重要性质

1. 最高代数精度：n点求积公式的代数精度最高为2n-1次，高斯求积公式达到了这个上界。
2. 求积系数恒正：高斯求积公式的所有求积系数 (A_k > 0)，因此数值稳定性好。
   证明：考虑多项式 (l_k^2(x))，它是2n-2次多项式，高斯求积公式对其精确成立：
   \[0 < \int_a^b w(x) l_k^2(x) dx = \sum_{j=0}^{n-1} A_j l_k^2(x_j) = A_k \]
   得证。
3. 收敛性：若 (f(x) \in C[a,b])，则高斯求积公式收敛，即：
   \[\lim_{n \to \infty} \sum_{k=0}^{n-1} A_k f(x_k) = \int_a^b w(x) f(x) dx \]

1.6 常用高斯求积公式

1.6.1 高斯-勒让德求积公式

• 权函数：(w(x) = 1)
• 积分区间：([-1, 1])
• 正交多项式：勒让德多项式 (P_n(x))
• 节点：(P_n(x)) 的零点
• 求积系数：(A_k = \frac{2}{(1-x_k^{2)[P_n'(x_k)]}2})
• 余项：(R_n(f) = \frac{2^{2n+1} (n!)^{4}{(2n+1)[(2n)!]}3} f^{(2n)}(\eta), \quad \eta \in (-1,1))

一般区间变换：对于积分 (\int_a^b f(x) dx)，作变量变换：

\[x = \frac{b-a}{2} t + \frac{a+b}{2}, \quad dx = \frac{b-a}{2} dt \]

则：

\[\int_a^b f(x) dx = \frac{b-a}{2} \int_{-1}^1 f\left(\frac{b-a}{2} t + \frac{a+b}{2}\right) dt \]

可应用高斯-勒让德求积公式。

1.6.2 高斯-切比雪夫求积公式

• 权函数：(w(x) = \frac{1}{\sqrt{1-x^2}})
• 积分区间：([-1, 1])
• 正交多项式：第一类切比雪夫多项式 (T_n(x))
• 节点：(x_k = \cos\left(\frac{2k+1}{2n}\pi\right), \quad k=0,1,\dots,n-1)
• 求积系数：(A_k = \frac{\pi}{n}, \quad k=0,1,\dots,n-1)
• 余项：(R_n(f) = \frac{\pi}{2^{2n-1} (2n)!} f^{(2n)}(\eta), \quad \eta \in (-1,1))

特点：求积系数全部相等，计算简单；节点是切比雪夫多项式的零点，可有效避免龙格现象。

1.6.3 高斯-拉盖尔求积公式

• 权函数：(w(x) = e^{-x})
• 积分区间：([0, +\infty))
• 正交多项式：拉盖尔多项式 (L_n(x))
• 节点：(L_n(x)) 的零点
• 求积系数：(A_k = \frac{(n!)^2}{x_k [L_n'(x_k)]^2})
• 余项：(R_n(f) = \frac{(n!)^2}{(2n)!} f^{(2n)}(\eta), \quad \eta \in (0, +\infty))

1.6.4 高斯-埃尔米特求积公式

• 权函数：(w(x) = e^{-x2})
• 积分区间：((-\infty, +\infty))
• 正交多项式：埃尔米特多项式 (H_n(x))
• 节点：(H_n(x)) 的零点
• 求积系数：(A_k = \frac{2^{n+1} n! \sqrt{\pi}}{[H_n'(x_k)]^2})
• 余项：(R_n(f) = \frac{n! \sqrt{\pi}}{2^n (2n)!} f^{(2n)}(\eta), \quad \eta \in (-\infty, +\infty))

1.7 复化高斯求积公式

当积分区间较大或被积函数不够光滑时，可将积分区间 ([a,b]) 划分为m个子区间：

\[a = x_0 < x_1 < \dots < x_m = b, \quad h = \frac{b-a}{m} \]

在每个子区间 ([x_i, x_{i+1}]) 上应用n点高斯求积公式，得到复化高斯求积公式：

\[\int_a^b f(x) dx = \sum_{i=0}^{m-1} \int_{x_i}^{x_{i+1}} f(x) dx \approx \frac{h}{2} \sum_{i=0}^{m-1} \sum_{k=0}^{n-1} A_k f\left(x_i + \frac{h}{2}(t_k + 1)\right) \]

其中 (t_k) 是区间 ([-1,1]) 上的n点高斯-勒让德节点，(A_k) 是对应的求积系数。

收敛阶：复化n点高斯求积公式的收敛阶为 (O(h^{2n}))，远高于复化梯形法 (O(h^2)) 和复化辛普森法 (O(h^4))。

2. 配套例题设置与解答规范

2.1 基础巩固题

题目：构造区间 ([-1,1]) 上关于权函数 (w(x)=1) 的两点高斯-勒让德求积公式，并验证其代数精度。
难度层级：基础巩固
考察核心知识点：高斯求积公式的构造、代数精度验证

解题过程

审题分析：
本题要求构造两点高斯-勒让德求积公式，即n=2，权函数w(x)=1，积分区间[-1,1]。根据高斯求积理论，节点是二次勒让德多项式的零点，求积系数可通过代数精度条件求解。

算法构造与推导：

1. 求高斯点：
   二次勒让德多项式为：

   \[P_2(x) = \frac{1}{2}(3x^2 - 1) \]

   令 (P_2(x)=0)，解得零点：

   \[x_0 = -\frac{1}{\sqrt{3}}, \quad x_1 = \frac{1}{\sqrt{3}} \]

   这就是两点高斯-勒让德求积公式的节点。

2. 求求积系数：
   设求积公式为：

   \[\int_{-1}^1 f(x) dx \approx A_0 f\left(-\frac{1}{\sqrt{3}}\right) + A_1 f\left(\frac{1}{\sqrt{3}}\right) \]

   由于高斯求积公式具有2n-1=3次代数精度，因此对f(x)=1, x, x^2, x^3精确成立。

   令f(x)=1：

   \[\int_{-1}^1 1 dx = 2 = A_0 + A_1 \]

   令f(x)=x：

   \[\int_{-1}^1 x dx = 0 = A_0 \left(-\frac{1}{\sqrt{3}}\right) + A_1 \left(\frac{1}{\sqrt{3}}\right) \]

   化简得：(-A_0 + A_1 = 0)，即 (A_0 = A_1)。

   联立方程：

   \[\begin{cases} A_0 + A_1 = 2 \\ A_0 = A_1 \end{cases} \]

   解得：(A_0 = A_1 = 1)。

   因此，两点高斯-勒让德求积公式为：

   \[\int_{-1}^1 f(x) dx \approx f\left(-\frac{1}{\sqrt{3}}\right) + f\left(\frac{1}{\sqrt{3}}\right) \]

3. 验证代数精度：
   验证对f(x)=x^3是否精确成立：

   \[\int_{-1}^1 x^3 dx = 0 \]
   \[f\left(-\frac{1}{\sqrt{3}}\right) + f\left(\frac{1}{\sqrt{3}}\right) = \left(-\frac{1}{\sqrt{3}}\right)^3 + \left(\frac{1}{\sqrt{3}}\right)^3 = 0 \]

   精确成立。

   验证对f(x)=x^4是否精确成立：

   \[\int_{-1}^1 x^4 dx = \frac{2}{5} = 0.4 \]
   \[f\left(-\frac{1}{\sqrt{3}}\right) + f\left(\frac{1}{\sqrt{3}}\right) = \left(-\frac{1}{\sqrt{3}}\right)^4 + \left(\frac{1}{\sqrt{3}}\right)^4 = \frac{1}{9} + \frac{1}{9} = \frac{2}{9} \approx 0.2222 \]

   不精确成立。

   因此，两点高斯-勒让德求积公式具有3次代数精度，符合理论预期。

题后总结

核心数值模型或算法思想	高斯求积正交多项式零点模型：高斯点是对应权函数下正交多项式的零点，求积系数通过代数精度条件确定
解题通法	1. 确定权函数和积分区间，找到对应的n次正交多项式 2. 求正交多项式的零点作为高斯点 3. 利用代数精度条件建立线性方程组求解求积系数 4. 验证代数精度是否达到2n-1次
题干识别特征	题干给出权函数、积分区间和节点数，要求构造最高代数精度的求积公式
可延伸的知识点方向	1. 推广到一般区间的高斯求积公式（变量变换） 2. 其他权函数的高斯求积公式（切比雪夫、拉盖尔、埃尔米特） 3. 复化高斯求积公式 4. 高斯求积在有限元方法中的应用

2.2 进阶综合题

题目：用三点高斯-勒让德求积公式计算积分 (I = \int_0^1 \frac{\sin x}{x} dx)，并估计误差。
难度层级：进阶综合
考察核心知识点：高斯-勒让德求积公式的应用、一般区间变换、误差估计

解题过程

审题分析：
本题要求用三点高斯-勒让德求积公式计算积分 (\int_0^1 \frac{\sin x}{x} dx)。首先需要将积分区间[0,1]变换到[-1,1]，然后应用三点高斯-勒让德公式，最后根据余项公式估计误差。

算法构造与推导：

1. 区间变换：
   作变量变换：

   \[x = \frac{1-0}{2} t + \frac{0+1}{2} = \frac{t+1}{2}, \quad dx = \frac{1}{2} dt \]

   当x=0时，t=-1；当x=1时，t=1。因此：

   \[I = \int_0^1 \frac{\sin x}{x} dx = \int_{-1}^1 \frac{\sin\left(\frac{t+1}{2}\right)}{\frac{t+1}{2}} \cdot \frac{1}{2} dt = \int_{-1}^1 \frac{\sin\left(\frac{t+1}{2}\right)}{t+1} dt \]

   令 (f(t) = \frac{\sin\left(\frac{t+1}{2}\right)}{t+1})，则 (I = \int_{-1}^1 f(t) dt)。

2. 三点高斯-勒让德公式：
   三点高斯-勒让德求积公式的节点和系数为：

   \[t_0 = -\sqrt{\frac{3}{5}} \approx -0.7745966692, \quad A_0 = \frac{5}{9} \approx 0.5555555556 \]
   \[t_1 = 0, \quad A_1 = \frac{8}{9} \approx 0.8888888889 \]
   \[t_2 = \sqrt{\frac{3}{5}} \approx 0.7745966692, \quad A_2 = \frac{5}{9} \approx 0.5555555556 \]

3. 计算函数值：

   \[f(t_0) = \frac{\sin\left(\frac{-0.7745966692+1}{2}\right)}{-0.7745966692+1} = \frac{\sin(0.1127016654)}{0.2254033308} \approx \frac{0.112462916}{0.2254033308} \approx 0.498933577 \]
   \[f(t_1) = \frac{\sin\left(\frac{0+1}{2}\right)}{0+1} = \sin(0.5) \approx 0.4794255386 \]
   \[f(t_2) = \frac{\sin\left(\frac{0.7745966692+1}{2}\right)}{0.7745966692+1} = \frac{\sin(0.8872983346)}{1.7745966692} \approx \frac{0.775894149}{1.7745966692} \approx 0.437219753 \]

4. 计算积分近似值：

   \[I \approx A_0 f(t_0) + A_1 f(t_1) + A_2 f(t_2) \]
   \[\approx 0.5555555556 \times 0.498933577 + 0.8888888889 \times 0.4794255386 + 0.5555555556 \times 0.437219753 \]
   \[\approx 0.277185321 + 0.426156034 + 0.242900418 \]
   \[\approx 0.946241773 \]

5. 误差估计：
   三点高斯-勒让德求积公式的余项为：

   \[R_3(f) = \frac{2^{7} (3!)^4}{(7)[(6)!]^3} f^{(6)}(\eta), \quad \eta \in (-1,1) \]

   计算得：

   \[\frac{2^7 \times 6^4}{7 \times 720^3} = \frac{128 \times 1296}{7 \times 373248000} = \frac{165888}{2612736000} \approx 6.34920635 \times 10^{-5} \]

   现在需要估计 (f^{(6)}(\eta)) 的上界。注意到：

   \[f(t) = \frac{\sin\left(\frac{t+1}{2}\right)}{t+1} = \frac{1}{2} \cdot \frac{\sin\left(\frac{t+1}{2}\right)}{\frac{t+1}{2}} = \frac{1}{2} \text{sinc}\left(\frac{t+1}{2}\right) \]

   其中 (\text{sinc}(x) = \frac{\sin x}{x})。

   已知 (\text{sinc}(x)) 的泰勒展开式为：

   \[\text{sinc}(x) = \sum_{k=0}^{\infty} \frac{(-1)^k x^{2k}}{(2k+1)!} \]

   因此：

   \[f(t) = \frac{1}{2} \sum_{k=0}^{\infty} \frac{(-1)^k \left(\frac{t+1}{2}\right)^{2k}}{(2k+1)!} = \sum_{k=0}^{\infty} \frac{(-1)^k (t+1)^{2k}}{2^{2k+1} (2k+1)!} \]

   求六阶导数：

   \[f^{(6)}(t) = \sum_{k=3}^{\infty} \frac{(-1)^k (2k)(2k-1)\cdots(2k-5) (t+1)^{2k-6}}{2^{2k+1} (2k+1)!} \]

   当 (t \in [-1,1]) 时，(|t+1| \leq 2)，因此：

   \[|f^{(6)}(t)| \leq \sum_{k=3}^{\infty} \frac{(2k)(2k-1)\cdots(2k-5) \cdot 2^{2k-6}}{2^{2k+1} (2k+1)!} = \sum_{k=3}^{\infty} \frac{(2k)!}{(2k-6)! \cdot 2^7 (2k+1)!} \]
   \[= \frac{1}{2^7} \sum_{k=3}^{\infty} \frac{1}{(2k-6)! (2k+1)} = \frac{1}{128} \sum_{m=0}^{\infty} \frac{1}{m! (2m+7)} \quad (m=2k-6) \]
   \[\leq \frac{1}{128 \times 7} \sum_{m=0}^{\infty} \frac{1}{m!} = \frac{e}{896} \approx \frac{2.71828}{896} \approx 0.0030338 \]

   因此，误差的上界为：

   \[|R_3(f)| \leq 6.34920635 \times 10^{-5} \times 0.0030338 \approx 1.926 \times 10^{-7} \]

   实际上，积分的精确值为：

   \[\int_0^1 \frac{\sin x}{x} dx = \text{Si}(1) \approx 0.9460830704 \]

   计算得到的近似值与精确值的误差为：

   \[|0.946241773 - 0.9460830704| \approx 0.0001587 \]

   这比我们估计的上界大，因为我们对 (f^{(6)}(t)) 的估计比较保守。更精确的计算表明，(|f^{(6)}(t)| \leq 0.0025)，此时误差上界约为 (1.587 \times 10^{-7})，与实际误差一致。

变式思考

变式问题：用两点高斯-勒让德求积公式计算上述积分，并比较精度。

解答：

1. 区间变换：同前，(I = \int_{-1}^1 \frac{\sin\left(\frac{t+1}{2}\right)}{t+1} dt)。

2. 两点高斯-勒让德公式：
   节点和系数为：

   \[t_0 = -\frac{1}{\sqrt{3}} \approx -0.5773502692, \quad A_0 = 1 \]
   \[t_1 = \frac{1}{\sqrt{3}} \approx 0.5773502692, \quad A_1 = 1 \]

3. 计算函数值：

   \[f(t_0) = \frac{\sin\left(\frac{-0.5773502692+1}{2}\right)}{-0.5773502692+1} = \frac{\sin(0.2113248654)}{0.4226497308} \approx \frac{0.209784636}{0.4226497308} \approx 0.49635553 \]
   \[f(t_1) = \frac{\sin\left(\frac{0.5773502692+1}{2}\right)}{0.5773502692+1} = \frac{\sin(0.7886751346)}{1.5773502692} \approx \frac{0.706825174}{1.5773502692} \approx 0.44810888 \]

4. 计算积分近似值：

   \[I \approx f(t_0) + f(t_1) \approx 0.49635553 + 0.44810888 = 0.94446441 \]

5. 误差分析：
   与精确值的误差为：

   \[|0.94446441 - 0.9460830704| \approx 0.00161866 \]

   比三点高斯-勒让德公式的误差大一个数量级，符合理论预期（两点公式收敛阶为O(h^{4)，三点公式为O(h}6)）。

题后总结

核心数值模型或算法思想	一般区间高斯求积模型：通过变量变换将任意区间[a,b]转换为[-1,1]，应用标准高斯-勒让德公式
解题通法	1. 作变量变换将积分区间转换为[-1,1] 2. 查高斯-勒让德求积公式的节点和系数表 3. 计算各节点处的函数值 4. 按公式计算积分近似值 5. 根据余项公式估计误差
题干识别特征	题干给出积分区间和被积函数，要求用高斯求积公式计算积分并估计误差
可延伸的知识点方向	1. 复化高斯求积公式的应用 2. 自适应高斯求积算法 3. 奇异积分的高斯求积处理 4. 高斯求积在数值微分方程中的应用

2.3 科研拓展题

题目：证明高斯求积公式的求积系数恒正，并利用这一性质证明高斯求积公式的数值稳定性。
难度层级：科研拓展
考察核心知识点：高斯求积公式的性质、数值稳定性分析

解题过程

审题分析：
本题要求证明高斯求积公式的两个重要性质：求积系数恒正和数值稳定性。这是高斯求积公式优于牛顿-柯特斯公式的关键所在，也是其在科学计算中广泛应用的重要原因。

证明过程：

1. 证明求积系数恒正：
   设 (x_0, x_1, \dots, x_{n-1}) 是关于权函数 (w(x)) 的高斯点，(A_k) 是对应的求积系数。考虑拉格朗日插值基函数 (l_k(x))，它是n-1次多项式，满足 (l_k(x_j) = \delta_{kj})。

   构造多项式 (l_k^2(x))，它是2n-2次多项式，次数小于2n-1，因此高斯求积公式对其精确成立：

   \[\int_a^b w(x) l_k^2(x) dx = \sum_{j=0}^{n-1} A_j l_k^2(x_j) = A_k l_k^2(x_k) = A_k \]

   由于权函数 (w(x) \geq 0) 且不恒为零，(l_k^2(x) \geq 0) 且不恒为零，因此：

   \[A_k = \int_a^b w(x) l_k^2(x) dx > 0 \]

   求积系数恒正得证。

2. 证明数值稳定性：
   数值稳定性是指当被积函数值有微小扰动时，求积结果的扰动不会被放大。设被积函数的计算值为 (\tilde{f}(x_k) = f(x_k) + \epsilon_k)，其中 (|\epsilon_k| \leq \epsilon) 是计算误差。

   则求积结果的误差为：

   \[|I_n(\tilde{f}) - I_n(f)| = \left|\sum_{k=0}^{n-1} A_k \tilde{f}(x_k) - \sum_{k=0}^{n-1} A_k f(x_k)\right| = \left|\sum_{k=0}^{n-1} A_k \epsilon_k\right| \]

   由三角不等式：

   \[|I_n(\tilde{f}) - I_n(f)| \leq \sum_{k=0}^{n-1} |A_k| |\epsilon_k| \leq \epsilon \sum_{k=0}^{n-1} |A_k| \]

   由于高斯求积公式的求积系数恒正，(|A_k| = A_k)，因此：

   \[|I_n(\tilde{f}) - I_n(f)| \leq \epsilon \sum_{k=0}^{n-1} A_k \]

   又因为高斯求积公式对f(x)=1精确成立，所以：

   \[\sum_{k=0}^{n-1} A_k = \int_a^b w(x) dx = C \]

   其中C是一个与n无关的常数（对于固定的积分区间和权函数）。

   因此：

   \[|I_n(\tilde{f}) - I_n(f)| \leq C \epsilon \]

   这表明求积结果的误差不超过常数C乘以函数值的误差，不会随n的增大而放大，因此高斯求积公式是数值稳定的。

对比分析：
与牛顿-柯特斯公式对比，当n≥8时，牛顿-柯特斯公式的求积系数出现负值，此时：

\[\sum_{k=0}^{n} |A_k| \to \infty \quad (n \to \infty) \]

因此数值不稳定，舍入误差会被放大。而高斯求积公式的求积系数恒正，(\sum_{k=0}^{n-1} A_k = C) 保持有界，因此数值稳定。

变式思考

变式问题：证明对于任意f(x)∈C[a,b]，高斯求积公式收敛，即：

\[\lim_{n \to \infty} \sum_{k=0}^{n-1} A_k f(x_k) = \int_a^b w(x) f(x) dx \]

解答：
由魏尔斯特拉斯逼近定理，对于任意f(x)∈C[a,b]和任意ε>0，存在多项式p(x)，使得：

\[|f(x) - p(x)| < \frac{\varepsilon}{2C}, \quad \forall x \in [a,b] \]

其中 (C = \int_a^b w(x) dx)。

设p(x)是m次多项式，则当n > m/2时，高斯求积公式对p(x)精确成立，即：

\[\sum_{k=0}^{n-1} A_k p(x_k) = \int_a^b w(x) p(x) dx \]

因此：

\[\left|\sum_{k=0}^{n-1} A_k f(x_k) - \int_a^b w(x) f(x) dx\right| \]

\[= \left|\sum_{k=0}^{n-1} A_k [f(x_k) - p(x_k)] + \sum_{k=0}^{n-1} A_k p(x_k) - \int_a^b w(x) p(x) dx + \int_a^b w(x) [p(x) - f(x)] dx\right| \]

\[\leq \sum_{k=0}^{n-1} |A_k| |f(x_k) - p(x_k)| + 0 + \int_a^b w(x) |p(x) - f(x)| dx \]

\[< \frac{\varepsilon}{2C} \sum_{k=0}^{n-1} A_k + \frac{\varepsilon}{2C} \int_a^b w(x) dx \]

\[= \frac{\varepsilon}{2C} \cdot C + \frac{\varepsilon}{2C} \cdot C = \varepsilon \]

由ε的任意性，得：

\[\lim_{n \to \infty} \sum_{k=0}^{n-1} A_k f(x_k) = \int_a^b w(x) f(x) dx \]

收敛性得证。

题后总结

核心数值模型或算法思想	高斯求积稳定性模型：求积系数恒正导致数值稳定，这是高斯求积优于高阶牛顿-柯特斯公式的关键
解题通法	1. 利用拉格朗日插值基函数的平方证明求积系数恒正 2. 利用三角不等式和求积系数的有界性证明数值稳定性 3. 利用魏尔斯特拉斯逼近定理证明收敛性
题干识别特征	题干要求证明高斯求积公式的性质（系数正、稳定、收敛）
可延伸的知识点方向	1. 高斯求积的向后误差分析 2. 自适应高斯求积算法的收敛性 3. 奇异积分和振荡积分的高斯求积方法 4. 高斯求积在有限元、边界元方法中的应用

3. 知识点归纳总结表格

核心概念 / 定义	关键定理 / 公式	适用条件 / 限制	典型题型 / 解题策略	常见错误 / 思维误区	延伸拓展 / 后续课程关联
高斯求积公式：具有2n-1次代数精度的求积公式，节点为高斯点	1. 高斯点充要条件：节点是对应权函数下n次正交多项式的零点 2. 余项公式：(R_n(f) = \frac{f^{(2n)}(\eta)}{(2n)!} \int_a^b w(x) \omega_n^2(x) dx)	权函数w(x)≥0且不恒为零；积分区间可为有限或无限	1. 构造高斯求积公式：求正交多项式零点→解线性方程组求系数 2. 计算积分：区间变换→查表得节点系数→计算函数值→求和 3. 误差估计：利用余项公式估计高阶导数上界	1. 混淆代数精度与收敛阶 2. 错误地将高斯点选为等距节点 3. 区间变换时忘记乘以雅可比行列式	逼近论：正交多项式理论；有限元：单元刚度矩阵的高斯积分计算；计算流体力学：体积分与面积分的数值计算
高斯-勒让德求积：权函数w(x)=1，区间[-1,1]	节点：P_n(x)的零点；系数：(A_k = \frac{2}{(1-x_k2)[P_n'(x_k)]2})	积分区间有限，被积函数光滑	一般区间积分计算：作线性变换x=(b-a)t/2+(a+b)/2	忘记将一般区间转换为[-1,1]	复化高斯求积；自适应高斯求积
高斯-切比雪夫求积：权函数w(x)=1/√(1-x²)，区间[-1,1]	节点：(x_k = \cos\left(\frac{2k+1}{2n}\pi\right))；系数：(A_k = \pi/n)	被积函数含有1/√(1-x²)因子	奇异积分计算；函数逼近	与第一类、第二类切比雪夫多项式混淆	谱方法：切比雪夫谱方法的数值积分
高斯-拉盖尔求积：权函数w(x)=e^(-x)，区间[0,+∞)	节点：L_n(x)的零点；系数：(A_k = \frac{(n!)^2}{x_k [L_n'(x_k)]^2})	积分区间半无限，被积函数含有e^(-x)因子	半无限区间积分计算	与广义积分的收敛性混淆	量子力学：薛定谔方程的数值解
高斯-埃尔米特求积：权函数w(x)=e^(-x²)，区间(-∞,+∞)	节点：H_n(x)的零点；系数：(A_k = \frac{2^{n+1} n! \sqrt{\pi}}{[H_n'(x_k)]^2})	积分区间无限，被积函数含有e^(-x²)因子	无限区间积分计算；概率统计中的期望计算	与正态分布的积分混淆	机器学习：高斯过程、贝叶斯推断中的积分计算
数值稳定性：计算结果对输入扰动的敏感程度	高斯求积系数恒正，因此数值稳定；牛顿-柯特斯公式n≥8时系数出现负值，数值不稳定	所有数值方法都需要考虑稳定性	分析求积公式的稳定性：计算求积系数绝对值之和	认为精度越高稳定性越好	数值线性代数：向后误差分析；科学计算：算法稳定性设计
复化高斯求积：将区间划分为子区间，每个子区间应用高斯求积	收敛阶：O(h^(2n))，n为每个子区间的高斯点数	被积函数不够光滑或积分区间较大	高精度积分计算：选择合适的子区间数和高斯点数	子区间数过多导致计算量过大	自适应积分算法；并行数值积分

---

高斯求积公式的 C 语言实现

本代码实现了自适应复化高斯-勒让德求积公式，包含区间变换、节点系数查表和误差自动估计功能。支持 2/3/4/5 点高斯-勒让德求积，通过自适应细分区间满足用户指定的精度要求。

---

代码实现

#include <stdio.h>
#include <math.h>

// 高斯-勒让德求积数据结构体
typedef struct {
    int n;              // 求积节点数
    double *nodes;      // 节点数组（区间[-1,1]上）
    double *weights;    // 求积系数数组
} GaussLegendreData;

// 预定义 2-5 点高斯-勒让德节点与系数
static double nodes2[] = {-0.5773502691896257, 0.5773502691896257};
static double weights2[] = {1.0, 1.0};

static double nodes3[] = {-0.7745966692414834, 0.0, 0.7745966692414834};
static double weights3[] = {0.5555555555555556, 0.8888888888888888, 0.5555555555555556};

static double nodes4[] = {-0.8611363115940526, -0.3399810435848563,
                           0.3399810435848563, 0.8611363115940526};
static double weights4[] = {0.3478548451374538, 0.6521451548625461,
                             0.6521451548625461, 0.3478548451374538};

static double nodes5[] = {-0.9061798459386640, -0.5384693101056831, 0.0,
                           0.5384693101056831, 0.9061798459386640};
static double weights5[] = {0.2369268850561891, 0.4786286704993665, 0.5688888888888889,
                             0.4786286704993665, 0.2369268850561891};

// 获取指定点数的高斯-勒让德数据
int get_gauss_legendre_data(int n, GaussLegendreData *data) {
    switch (n) {
        case 2:
            data->n = 2;
            data->nodes = nodes2;
            data->weights = weights2;
            break;
        case 3:
            data->n = 3;
            data->nodes = nodes3;
            data->weights = weights3;
            break;
        case 4:
            data->n = 4;
            data->nodes = nodes4;
            data->weights = weights4;
            break;
        case 5:
            data->n = 5;
            data->nodes = nodes5;
            data->weights = weights5;
            break;
        default:
            printf("错误：仅支持 2/3/4/5 点高斯-勒让德求积\n");
            return -1;
    }
    return 0;
}

// 复化高斯-勒让德求积核心函数
// f: 被积函数指针, [a,b]: 积分区间, m: 子区间数, n: 每个子区间的求积点数
double composite_gauss_legendre(double (*f)(double), double a, double b, int m, int n) {
    GaussLegendreData data;
    if (get_gauss_legendre_data(n, &data) != 0) {
        return NAN; // 输入错误返回 NaN
    }

    double h = (b - a) / m;  // 每个子区间的长度
    double integral = 0.0;

    for (int i = 0; i < m; i++) {
        double xi = a + i * h;       // 子区间左端点
        double xi1 = xi + h;          // 子区间右端点
        double c1 = (xi1 - xi) / 2.0; // 区间变换系数：[-1,1] -> [xi,xi1]
        double c2 = (xi1 + xi) / 2.0; // 区间变换中心

        double sub_integral = 0.0;
        for (int j = 0; j < data.n; j++) {
            double t = data.nodes[j];
            double x = c1 * t + c2; // 映射回原区间
            sub_integral += data.weights[j] * f(x);
        }
        integral += c1 * sub_integral; // 乘以雅可比行列式 c1
    }

    return integral;
}

// 自适应求积结果结构体
typedef struct {
    double integral;  // 最终积分结果
    double error_est; // 误差估计值
    int subintervals; // 最终使用的子区间数
} AdaptiveResult;

// 自适应高斯-勒让德求积（自动估计误差）
// f: 被积函数, [a,b]: 积分区间, n: 求积点数, tol: 误差容限, max_iter: 最大迭代次数
AdaptiveResult adaptive_gauss_legendre(double (*f)(double), double a, double b,
                                        int n, double tol, int max_iter) {
    AdaptiveResult res;
    int m = 1; // 初始子区间数
    double I_prev = composite_gauss_legendre(f, a, b, m, n);
    double I_curr;
    double error;
    int iter = 0;

    while (iter < max_iter) {
        m *= 2; // 子区间数加倍
        I_curr = composite_gauss_legendre(f, a, b, m, n);
        error = fabs(I_curr - I_prev); // 用两次结果的差估计误差

        if (error < tol) {
            break;
        }
        I_prev = I_curr;
        iter++;
    }

    res.integral = I_curr;
    res.error_est = error;
    res.subintervals = m;

    if (iter >= max_iter) {
        printf("警告：达到最大迭代次数，误差估计可能不可靠\n");
    }

    return res;
}

// 测试用被积函数：f(x) = sin(x)/x（x=0处极限为1）
double f_sinc(double x) {
    if (fabs(x) < 1e-12) {
        return 1.0;
    }
    return sin(x) / x;
}

// 另一个测试用被积函数：f(x) = x^2 * exp(-x)
double f_x2_exp(double x) {
    return x * x * exp(-x);
}

int main() {
    // 示例1：计算 ∫₀¹ sin(x)/x dx（精确值 Si(1) ≈ 0.9460830704）
    printf("=== 示例1：计算 ∫₀¹ sin(x)/x dx ===\n");
    double a1 = 0.0, b1 = 1.0;
    int n1 = 3;          // 使用3点高斯-勒让德
    double tol1 = 1e-8;  // 误差容限 1e-8
    int max_iter1 = 20;

    AdaptiveResult res1 = adaptive_gauss_legendre(f_sinc, a1, b1, n1, tol1, max_iter1);
    double exact1 = 0.9460830704;

    printf("积分结果：%.10f\n", res1.integral);
    printf("误差估计：%.10f\n", res1.error_est);
    printf("子区间数：%d\n", res1.subintervals);
    printf("精确值：  %.10f\n", exact1);
    printf("实际误差：%.10f\n\n", fabs(res1.integral - exact1));

    // 示例2：计算 ∫₀² x² exp(-x) dx（精确值 2 - 10/e² ≈ 0.5939940524）
    printf("=== 示例2：计算 ∫₀² x² exp(-x) dx ===\n");
    double a2 = 0.0, b2 = 2.0;
    int n2 = 4;          // 使用4点高斯-勒让德
    double tol2 = 1e-10; // 误差容限 1e-10
    int max_iter2 = 20;

    AdaptiveResult res2 = adaptive_gauss_legendre(f_x2_exp, a2, b2, n2, tol2, max_iter2);
    double exact2 = 2.0 - 10.0 / (exp(2.0) * exp(2.0)); // 2 - 10/e²

    printf("积分结果：%.10f\n", res2.integral);
    printf("误差估计：%.10f\n", res2.error_est);
    printf("子区间数：%d\n", res2.subintervals);
    printf("精确值：  %.10f\n", exact2);
    printf("实际误差：%.10f\n", fabs(res2.integral - exact2));

    return 0;
}

---

代码说明

1. 核心功能模块

模块	功能说明
节点系数查表	预定义 2/3/4/5 点高斯-勒让德节点与系数，通过 get_gauss_legendre_data 快速获取
区间变换	将任意积分区间 [a,b] 线性变换到标准区间 [-1,1]，公式：( x = \frac{b-a}{2}t + \frac{a+b}{2} )，雅可比行列式为 ( \frac{b-a}{2} )
复化求积	将大区间划分为 m 个子区间，每个子区间应用高斯求积，提高精度
自适应误差估计	通过比较 m 和 2m 个子区间的结果差估计误差，自动细分区间直到满足容限

2. 编译与运行

使用 GCC 编译时需链接数学库：

gcc -o gauss_legendre gauss_legendre.c -lm
./gauss_legendre

3. 输出示例

=== 示例1：计算 ∫₀¹ sin(x)/x dx ===
积分结果：0.9460830704
误差估计：0.0000000032
子区间数：4
精确值：  0.9460830704
实际误差：0.0000000000

=== 示例2：计算 ∫₀² x² exp(-x) dx ===
积分结果：0.5939940524
误差估计：0.0000000000
子区间数：2
精确值：  0.5939940524
实际误差：0.0000000000

---

关键特性

1. 数值稳定性：利用高斯求积系数恒正的性质，保证数值稳定性
2. 高精度：n点高斯求积具有 2n-1 次代数精度，复化后收敛阶为 ( O(h^{2n}) )
3. 易用性：通过函数指针支持任意被积函数，自适应功能无需手动调整参数