1 基本概念
1.1 数值积分问题
数值积分是将积分问题转化为有限次函数求值与加权求和的近似计算方法。对于许多实际函数，尤其是无法直接求出原函数或积分表达式较复杂的情形，数值积分成为常用手段。其目标是在给定误差要求下，以尽可能少的计算量获得足够精确的积分结果。
1.2 高斯求积的定义
高斯求积是一类通过优化取样点位置与权重来逼近积分值的方法。它不再采用固定间隔的节点，而是在积分区间内选择特定节点，使得对某一类函数，特别是多项式函数，能够以较少的点数达到很高的代数精度。
1.2.1 节点与权重
高斯求积公式通常写成若干函数值的加权和，其中取样点称为节点，对应系数称为权重。节点决定了采样位置，权重则决定每个采样值在近似结果中的贡献。节点与权重并非任意选取，而是由正交多项式及其零点性质确定。
1.2.2 权函数与积分形式
高斯求积通常针对带权积分形式，即 \[ \int_a^b w(x)f(x)\,dx \] 其中 \(w(x)\) 为权函数，\(f(x)\) 为待积分函数。不同的权函数对应不同类型的高斯求积，例如勒让德、切比雪夫、拉盖尔和埃尔米特求积。权函数的选择反映了积分区间、函数分布特征以及问题背景。
1.3 与其他求积方法的区别
与常见低阶数值积分公式相比，高斯求积的特点在于“少点高精度”。它通过优化节点分布，而不是依赖均匀划分，从而在相同函数评价次数下通常获得更高精度。
1.3.1 梯形公式
梯形公式使用区间两端点和线性插值来近似积分，结构简单，适合快速估算。其优点是实现方便，但对曲率变化较大的函数精度有限。相比之下，高斯求积能利用同样数量的节点显著提高逼近质量。
1.3.2 辛普森公式
辛普森公式基于二次插值，精度通常高于梯形公式，适合平滑函数的积分。它需要固定的等距节点，适用范围较广，但在节点数量相同的情况下，通常仍不及高斯求积的代数精度。
2 理论基础
2.1 正交多项式
高斯求积的理论核心之一是正交多项式。它们在给定权函数下彼此正交，其零点可作为求积节点的天然候选。正交性使得求积公式能够精确处理更高次数的多项式项。
2.1.1 勒让德多项式
勒让德多项式与区间 \([-1,1]\) 上权函数为 1 的情形相对应，是高斯-勒让德求积的基础。其零点分布均匀而对称，适合无权标准积分的近似计算。
2.1.2 切比雪夫多项式
切比雪夫多项式在特定权函数下具有良好的正交性质，常用于高斯-切比雪夫求积。它们的零点具有明确表达式，便于分析与计算，尤其适合某些边界行为较明显的函数。
2.1.3 拉盖尔多项式
拉盖尔多项式与半无限区间上的指数型权函数相联系，适用于 \([0,\infty)\) 区间积分。它在处理衰减函数、概率分布和物理模型时较为常见。
2.1.4 埃尔米特多项式
埃尔米特多项式对应全实数区间上的高斯权函数，常用于高斯-埃尔米特求积。由于其与高斯函数及正态分布密切相关，在统计与量子模型中具有重要地位。
2.2 矩与矩匹配
高斯求积可从矩的角度理解。所谓矩匹配，是指构造求积公式，使其对尽可能高次的多项式积分完全正确。通过匹配积分的若干矩，可以确定节点与权重。
2.2.1 代数精度
代数精度指求积公式能够精确积分的最高多项式次数。高斯求积在给定节点数下具有极高代数精度，典型地可达到 \(2n-1\) 次，其中 \(n\) 为节点数。这是其优于许多传统公式的重要原因。
2.2.2 节点最优性
在同样节点数下，高斯求积具有近似意义上的最优性。其节点选在正交多项式零点上，使得误差对高次项的抑制能力最强，因此常被视为节点配置最合理的经典求积方法之一。
2.3 误差分析
误差分析用于说明近似积分与真实积分之间的差异。高斯求积的误差通常与函数的高阶导数和正交多项式的性质有关，因此在函数足够光滑时表现尤为出色。
2.3.1 余项表达式
高斯求积的余项通常可以写成涉及某阶导数的形式，其大小与节点数和函数光滑性密切相关。对于解析函数，误差往往衰减很快；对于仅有有限阶光滑性的函数，收敛速度则会受到限制。
2.3.2 收敛性讨论
当被积函数足够平滑时，高斯求积通常表现出快速收敛。若函数具有解析性，误差可能随节点数增加而呈现非常明显的下降趋势。若存在拐点、尖峰或不连续导数，收敛效果会明显变弱。
3 经典高斯求积类型
3.1 高斯-勒让德求积
高斯-勒让德求积是最常见的高斯求积形式，适用于标准有限区间上的普通积分。它以勒让德多项式的零点作为节点，权重由相应公式确定。
3.1.1 标准区间上的积分
在 \([-1,1]\) 区间内，高斯-勒让德求积直接针对 \[ \int_{-1}^{1} f(x)\,dx \] 进行近似，是理论分析和实际计算中最常用的基础形式。
3.1.2 区间变换
对于一般区间 \([a,b]\)，通常通过线性变换将其映射到 \([-1,1]\)。这样可以直接复用标准节点与权重，再经缩放得到原积分区间上的近似值。
3.2 高斯-切比雪夫求积
高斯-切比雪夫求积适用于带有切比雪夫权函数的积分形式，常见于函数在端点附近具有特定分布特征的情况。它在理论上简洁，节点公式也较明确。
3.2.1 第一类切比雪夫权函数
第一类切比雪夫求积对应的权函数通常与 \((1-x^2)^{-1/2}\) 相关，定义在 \([-1,1]\) 上。由于权函数在端点附近有奇异性，因此特别适合某些具有相应结构的积分问题。
3.2.2 第二类切比雪夫权函数
第二类切比雪夫求积对应另一种权函数形式，节点与权重的表达也有所不同。它在处理特定正交展开与谱方法中较常出现，具有较好的解析性质。
3.3 高斯-拉盖尔求积
高斯-拉盖尔求积用于半无限区间上的积分，常见于含指数衰减因子的情形。它以拉盖尔多项式的零点构造节点，适合处理从 0 延伸到无穷远的积分。
3.3.1 半无限区间积分
在 \([0,\infty)\) 上，许多积分因区间无限而难以直接处理。高斯-拉盖尔求积通过引入适当权函数，将无限区间上的行为纳入求积框架。
3.3.2 指数衰减函数的处理
若被积函数包含 \(e^{-x}\) 一类衰减项，则高斯-拉盖尔求积往往能较好地捕捉主要贡献区域。它在概率分布尾部积分、热传导和散射模型中较常见。
3.4 高斯-埃尔米特求积
高斯-埃尔米特求积适用于全实数区间，常与高斯权函数结合使用。其节点分布覆盖正负方向，适合处理对称型问题及无界区间上的快速积分。
3.4.1 全实数区间积分
对于 \[ \int_{-\infty}^{\infty} f(x)\,dx \] 这类积分，若函数与高斯权函数配合良好，高斯-埃尔米特求积可提供高效近似。它特别适合需要在无界域上进行快速估算的场景。
3.4.2 高斯权函数的适配
该方法对权函数的形态具有较强适配性，尤其适合正态型分布及与之相关的积分表达式。通过这种匹配，节点附近的主要贡献能够被更有效地捕捉。
4 计算方法
4.1 节点的求取
节点求取是高斯求积实现的关键步骤。实际计算中，节点通常通过正交多项式的零点或相关矩阵的特征值来获得。
4.1.1 特征值法
特征值法利用与正交多项式相关的三对角矩阵，将节点转化为矩阵特征值问题。该方法数值稳定性较好，适合高阶求积节点的批量计算。
4.1.2 递推关系法
正交多项式一般满足递推关系，可据此逐步求出多项式值和零点。该方法实现灵活，但在阶数较高时需要注意舍入误差与迭代收敛问题。
4.2 权重的计算
权重反映各节点在积分逼近中的贡献大小。准确计算权重对于保证求积公式的整体精度非常重要。
4.2.1 解析公式
在许多经典高斯求积中，权重可以由已知解析表达式直接计算，通常涉及多项式导数或归一化常数。这类公式便于理论分析，也有助于减少数值误差。
4.2.2 数值稳定性
当节点数较大时，权重计算可能受到浮点舍入影响。为提高稳定性，实际实现中常结合归一化处理、对称性利用以及高精度算术等手段。
4.3 自适应与高阶推广
在复杂问题中，单一固定阶数的高斯求积未必足够，因此常结合自适应策略或复合结构，以提高整体效率和鲁棒性。
4.3.1 复合高斯求积
复合高斯求积将积分区间分段，每段上分别应用高斯求积公式。它兼顾了局部变化和整体精度，适用于函数在不同区间表现差异较大的场景。
4.3.2 自适应高斯求积
自适应高斯求积根据误差估计动态调整子区间划分和求积阶数。对于存在局部尖峰、边界层或振荡结构的函数，这种方法通常更有效。
5 应用场景
5.1 工程计算
高斯求积在工程领域常用于需要高精度积分的计算环节，如材料分析、载荷评估和响应预测。其优势在于计算效率与精度之间的平衡较好。
5.1.1 结构分析
在结构分析中，积分常出现在刚度矩阵、质量矩阵和能量泛函计算中。高斯求积能够以较少节点准确处理单元内的形函数积分，因此在有限元方法中非常常见。
5.1.2 流体力学
流体力学中的积分问题包括通量计算、压力分布积分以及湍流模型中的闭合项求值。高斯求积可用于离散单元上的局部积分，提高数值模拟的可靠性。
5.2 物理与数学建模
在物理建模和数学分析中，许多期望值、平均量和响应函数都可以归结为积分计算。高斯求积在这些问题中经常用于加速数值处理。
5.2.1 量子力学中的积分
量子力学中常出现波函数归一化、跃迁矩阵元和路径相关积分。对于高斯型或平滑型函数，高斯求积往往能有效提高计算精度。
5.2.2 概率统计中的期望计算
在概率统计中，期望、方差及更高阶矩本质上都可表示为积分。对于连续分布或变换后的分布，高斯求积常用于快速估算这些统计量。
5.3 科学计算软件实现
高斯求积通常被封装在科学计算软件和数值库中，供用户直接调用。其实现往往结合预计算节点、通用接口和误差控制机制。
5.3.1 数值库接口
多数数值库提供标准高斯求积接口，允许用户指定阶数、区间以及被积函数。对于常见类型，库函数通常能自动完成节点与权重加载。
5.3.2 程序设计与实现
程序实现中常关注可扩展性、稳定性和运行效率。开发者可能采用查表法、递推计算或矩阵特征分解等方式生成节点，并结合并行计算提升性能。
6 性质与特点
6.1 高精度优势
高斯求积最显著的特点是高精度。在相同函数评价次数下，它通常优于梯形公式和辛普森公式，尤其对多项式和光滑函数表现突出。
6.2 适用函数范围
该方法最适合平滑、连续且变化规律较好的函数。对于解析函数，它往往能够表现出很快的误差下降；对于结构复杂但局部光滑的函数，也常能取得较好效果。
6.3 计算复杂度
高斯求积的单次应用计算量较低，但节点和权重的预处理可能较为复杂。若节点数不大，它在精度与效率之间通常具有较好的折中；若需要高阶推广，则预处理和稳定性问题会更受关注。
6.4 局限性与注意事项
尽管高斯求积性能优良，但并非对所有积分都占优。使用时需考虑函数性质、区间类型以及是否存在奇异点等因素。
6.4.1 非光滑函数
对于不连续、存在尖角或导数跳变的函数，高斯求积的高阶优势会明显减弱。此时更适合采用分段处理、变换积分或自适应策略。
6.4.2 奇异积分处理
当积分包含端点奇异性或内部奇点时，直接应用标准高斯求积可能效果不佳。通常需要通过变量替换、权函数重构或专门的奇异积分方法进行处理。