เครื่องคำนวณการอินทิเกรตเชิงตัวเลข

ประมาณอินทิกรัลจำกัดเขตด้วย Gauss-Legendre quadrature, Romberg extrapolation และ adaptive Simpson quadrature เปรียบเทียบค่าประมาณ สัญญาณความคลาดเคลื่อน จำนวนการคำนวณฟังก์ชัน การลู่เข้า และการวางช่วงแบบปรับตัวในพื้นที่ทำงานเดียว

ใช้งานฟรีไม่ต้องสมัครสมาชิกผลลัพธ์ทันที

เครื่องคำนวณการอินทิเกรตเชิงตัวเลขลองใช้เลย — ฟรี ▼

ตัวอย่างด่วน

ฟังก์ชัน f(x) ใช้ * สำหรับการคูณ

รองรับชื่อต่างๆ ได้แก่ sin, cos, tan, exp, log, ln, sqrt, abs, erf, gamma, pi, e และ x

ขอบเขตล่าง a

ขอบเขตบน b

ค่าความคลาดเคลื่อน (Tolerance) 1e-13 ถึง 1e-2

ลำดับเกาส์เซียนสูงสุด

ลำดับที่สูงขึ้นช่วยปรับปรุงความแม่นยำสำหรับตัวถูกอินทิเกรตที่ราบเรียบแต่จะเพิ่มจำนวนตัวอย่าง

ระดับรอมเบิร์ก (Romberg levels)

ความลึกแบบปรับตัว (Adaptive depth)

ความลึกที่มากขึ้นช่วยให้วิธีแบบปรับตัวสามารถแบ่งช่วงย่อยในบริเวณที่ยากได้อย่างละเอียดขึ้น

ตัวอย่าง: x^2, exp(-x^2), sin(5*x)/(1+x*x)

Embed เครื่องคำนวณการอินทิเกรตเชิงตัวเลข Widget

เกี่ยวกับ เครื่องคำนวณการอินทิเกรตเชิงตัวเลข

เครื่องคำนวณการอินทิเกรตเชิงตัวเลขนี้เปรียบเทียบกลยุทธ์การหาปริพันธ์เชิงตัวเลขเชิงปฏิบัติสามวิธีสำหรับอินทิกรัลจำกัดเขตเดียวกัน ได้แก่ Gaussian quadrature, Romberg integration และ adaptive Simpson quadrature ออกแบบมาสำหรับนักเรียน วิศวกร นักวิเคราะห์ และนักพัฒนาที่ต้องการค่าประมาณที่ชัดเจนพร้อมข้อมูลการวินิจฉัยที่อธิบายว่าค่าประมาณนั้นถูกสร้างขึ้นมาได้อย่างไร

วิธีใช้งาน

ป้อนฟังก์ชันและช่วง: พิมพ์ฟังก์ชันของ x จากนั้นป้อนขอบเขตล่างและบนสำหรับการอินทิเกรตแบบจำกัดเขต
ตั้งค่าการควบคุมความแม่นยำ: เลือกค่าความคลาดเคลื่อน, ลำดับเกาส์เซียนสูงสุด, ระดับรอมเบิร์ก และความลึกของการเรียกซ้ำแบบปรับตัวให้เหมาะสมกับความราบเรียบของโจทย์
คำนวณและเปรียบเทียบ: รันเครื่องคำนวณเพื่อดูค่าประมาณจาก Gaussian, Romberg และ adaptive quadrature เคียงข้างกันพร้อมสัญญาณความผิดพลาดและจำนวนการประมวลผลฟังก์ชัน
ตรวจสอบการวินิจฉัยด้วยภาพ: ใช้พล็อตกราฟ, แผนภูมิการลู่เข้า, ตารางรอมเบิร์ก และรายการช่วงแบบปรับตัวเพื่อทำความเข้าใจว่าวิธีการต่างๆ สอดคล้องกันหรือมีปัญหาที่จุดใด

ไวยากรณ์ฟังก์ชันที่รองรับ

ใช้ x เป็นตัวแปรอินทิเกรต ฟังก์ชันและค่าคงที่ทั่วไป ได้แก่ sin, cos, tan, exp, log, ln, sqrt, abs, erf, gamma, pi, e และ tau การคูณต้องระบุให้ชัดเจน เช่น เขียน 2*x แทนที่จะเป็น 2x สำหรับเลขยกกำลังสามารถใช้ได้ทั้ง ^ หรือ **

เป้าหมายอินทิกรัล: ประมาณค่า ∫[a,b] f(x) dx โดยใช้กฎการหาปริพันธ์เชิงตัวเลขที่เป็นอิสระต่อกัน จากนั้นเปรียบเทียบค่าประมาณ, สัญญาณความผิดพลาด และต้นทุนในการสุ่มตัวอย่าง

การเปรียบเทียบวิธีการ

วิธี	แนวคิดหลัก	เหมาะที่สุดสำหรับ	ข้อควรระวัง
Gaussian quadrature	ใช้จุดเชื่อมต่อ (nodes) และน้ำหนักของ Gauss-Legendre ที่วางอย่างเหมาะสมที่สุดบนช่วง	ฟังก์ชันราบเรียบบนช่วงจำกัดที่การประมวลผลฟังก์ชันแต่ละครั้งมีต้นทุนสูง	คุณลักษณะเฉพาะจุดที่แหลมคมอาจถูกมองข้ามเว้นแต่ลำดับจะสูงพอ
Romberg integration	ปรับปรุงค่าประมาณแบบสี่เหลี่ยมคางหมูและใช้การประมาณค่านอกช่วงของ Richardson (Richardson extrapolation)	ฟังก์ชันราบเรียบที่ลำดับการปรับปรุงมีพฤติกรรมสม่ำเสมอ	ภาวะเอกฐานที่จุดปลายและความไม่ต่อเนื่องอาจทำให้การประมาณค่านอกช่วงคลาดเคลื่อน
Adaptive quadrature	แบ่งช่วงย่อยซ้ำๆ ในบริเวณที่ค่าประมาณของ Simpson ไม่สอดคล้องกัน	ฟังก์ชันที่มีความโค้งไม่สม่ำเสมอ, มีจุดยอดเฉพาะจุด หรือพฤติกรรมที่จุดปลาย	อาจต้องการการเรียกซ้ำที่ลึกมากสำหรับอินทิกรัลที่มีการแกว่งกวัดหรือเกือบจะเป็นเอกฐาน

การตีความผลลัพธ์

ค่าประมาณคือผลลัพธ์สุดท้ายของแต่ละวิธี สัญญาณความผิดพลาดคือค่าประมาณส่วนต่างภายใน ไม่ใช่ข้อพิสูจน์อย่างเป็นทางการของข้อผิดพลาดสัมบูรณ์ การกระจายของความสอดคล้องเป็นการเปรียบเทียบค่าประมาณสุดท้ายทั้งสามวิธี การกระจายตัวที่น้อยถือเป็นการตรวจสอบความถูกต้องที่มีประโยชน์ โดยเฉพาะเมื่อวิธีการเหล่านั้นใช้ตรรกะการสุ่มตัวอย่างที่แตกต่างกัน

สำหรับอินทิกรัลที่ยาก ให้เพิ่มลำดับเกาส์เซียน, เพิ่มระดับรอมเบิร์ก, เพิ่มความลึกแบบปรับตัว หรือแบ่งช่วงด้วยตนเองรอบๆ จุดที่ไม่ต่อเนื่องหรือคุณลักษณะที่แหลมคม การอินทิเกรตเชิงตัวเลขเหนือภาวะเอกฐานที่แท้จริงต้องใช้ความระมัดระวังทางคณิตศาสตร์ แม้ว่าเครื่องคำนวณจะให้ตัวเลขออกมาก็ตาม

FAQ

การอินทิเกรตเชิงตัวเลขใช้ประมาณค่าอะไร?

การอินทิเกรตเชิงตัวเลขใช้ประมาณค่าของอินทิกรัลจำกัดเขตในช่วงที่กำหนด เมื่อไม่สามารถหาปฏิยานุพันธ์ที่แน่นอนได้ ไม่สะดวก หรือไม่จำเป็น โดยจะสุ่มตัวอย่างค่าฟังก์ชัน ณ ค่า x ที่เลือก และรวมตัวอย่างเหล่านั้นเข้ากับน้ำหนักเฉพาะของแต่ละวิธีเพื่อประมาณพื้นที่ภายใต้กราฟ

เมื่อไหร่ที่ควรเชื่อถือ Gaussian, Romberg หรือ adaptive quadrature?

Gaussian quadrature มักจะยอดเยี่ยมสำหรับฟังก์ชันที่ราบเรียบบนช่วงจำกัดเนื่องจากมีการวางจุดตัวอย่างอย่างมีประสิทธิภาพมาก Romberg integration ทำงานได้ดีสำหรับฟังก์ชันที่ราบเรียบซึ่งการปรับปรุงแบบสี่เหลี่ยมคางหมูเป็นไปอย่างสม่ำเสมอ ส่วน Adaptive quadrature มักจะเป็นทางเลือกแรกที่ปลอดภัยกว่าเมื่อฟังก์ชันมีความโค้งเฉพาะจุด มีพฤติกรรมที่จุดปลาย หรือมีความยากง่ายไม่เท่ากันตลอดช่วง

ทำไมทั้งสามวิธีถึงให้ผลลัพธ์ไม่ตรงกัน?

ความไม่สอดคล้องกันมักหมายความว่าฟังก์ชันนั้นยากเกินไปสำหรับอย่างน้อยหนึ่งวิธีภายใต้การตั้งค่าที่เลือก สาเหตุทั่วไป ได้แก่ จุดยอดที่แหลมคม, ภาวะเอกฐานที่จุดปลาย, ความไม่ต่อเนื่อง, การแกว่งกวัด, การหักล้างกัน, ช่วงที่กว้างมาก หรือค่าความคลาดเคลื่อนที่เข้มงวดเกินไปสำหรับจำนวนตัวอย่างที่มี

เครื่องคำนวณนี้สามารถแทนที่การอินทิเกรตเชิงสัญลักษณ์ได้หรือไม่?

ไม่ การอินทิเกรตเชิงสัญลักษณ์พยายามหาปฏิยานุพันธ์ที่แน่นอน ในขณะที่เครื่องคำนวณนี้ประมาณค่าอินทิกรัลจำกัดเขตด้วยวิธีเชิงตัวเลข การอินทิเกรตเชิงตัวเลขมีประโยชน์สำหรับข้อมูลที่ได้จากการวัด, ฟังก์ชันพิเศษ, แบบจำลองการจำลอง และอินทิกรัลที่มีรูปแบบปิดซับซ้อนหรือไม่สามารถหาได้

ควรเลือกค่าความคลาดเคลื่อน (tolerance) อย่างไร?

เริ่มต้นด้วยค่าความคลาดเคลื่อนประมาณ 1e-8 สำหรับฟังก์ชันราบเรียบทั่วไป ปรับให้เข้มงวดขึ้นเมื่อค่าประมาณสอดคล้องกันและคุณต้องการทศนิยมเพิ่มขึ้น ปรับให้ผ่อนปรนลงหรือเพิ่มขีดจำกัดของวิธีการเมื่อฟังก์ชันมีการประมวลผลที่หนัก, มีการแกว่งกวัดสูง หรือมีพฤติกรรมที่จุดปลายที่บังคับให้ต้องแบ่งช่วงย่อยจำนวนมาก

อ้างอิงเนื้อหา หน้าหรือเครื่องมือนี้ว่า:

"เครื่องคำนวณการอินทิเกรตเชิงตัวเลข" ที่ https://MiniWebtool.com/th/เครื่องคำนวณการอินทิเกรตเชิงตัวเลข/ จาก MiniWebtool, https://MiniWebtool.com/

โดยทีมงาน miniwebtool อัปเดตเมื่อ: 2026-04-24

คุณสามารถลองใช้ AI แก้ปัญหาคณิตศาสตร์ GPT ของเรา เพื่อแก้ไขปัญหาทางคณิตศาสตร์ของคุณผ่านคำถามและคำตอบด้วยภาษาธรรมชาติ.