自 2010 年 · 每月支援超過 200 萬次工具執行
自 2010 年
加到 Chrome

我的工具箱

自動模式

尚未收藏任何工具。

升級為高級版
相關工具
下一步
辛普森法則計算機
更多工具
雙重積分計算機積分計算機黎曼和計算機數值積分計算機旋轉體體積計算機
主頁 > 數學 > 微積分
 

梯形法則計算機

使用 MiniWebtool 的梯形法則計算工具,輸入函數、上下限和子區間數,或輸入 x 與 y 資料,即可近似計算積分。可檢視完整計算步驟和各梯形的面積。

不確定怎麼使用?問問 AI

使用 Gemini 時,請將複製的問題貼到對話框,也可以在下方手動複製。

查看提問內容

每天免費 3 次無需註冊即時出結果
梯形法則計算機立即免費試用 ▼
梯形緊貼曲線:分得越多,誤差縫隙越窄

在下方輸入函數及上下限和 n,或輸入 x、y 資料,即可得到梯形法則的近似值,並附上解題步驟和每個梯形的面積。

試試:
實時預覽
支援:x^2, sqrt(x), sin(x), cos(x), exp(x), ln(x), pi, e
請輸入相同數量的 x 和 y 值。支援非均勻間距。

Embed 梯形法則計算機 Widget

梯形法則計算機

梯形法則計算機是一種專業的數值積分工具,它通過將曲線下的面積劃分為多個梯形來近似計算定積分。與使用平頂矩形的簡單 Riemann 和不同,梯形法則使用直線連接相鄰的函數值,從而捕捉曲線的斜率,產生更準確的結果。此計算機支援函數輸入和原始數據點模式,是微積分學生和處理實驗數據的工程師的理想工具。

功能概覽

梯形法則計算機將曲線下方的面積分割為梯形,以此近似定積分。可輸入函數與上下限及子區間數,或貼上以逗號分隔的 x 與 y 資料點。

梯形法則計算機:功能一覽
功能提供內容適用情境
兩種輸入模式輸入 f(x)、下限、上限與 n 個子區間,或貼上以逗號分隔的 x 與 y 值,間距可不均勻。微積分練習與實測的實驗數據
梯形視覺化每個梯形都會畫在曲線下方,滑過時顯示各梯形的面積。滑桿(n 從 1 至 50)與動畫可顯示擬合隨之改善。觀察增加子區間如何改善近似值
誤差界限自動計算界限 |E| <= (b - a)^3 / (12 n^2) x max |f''|,對線性函數而言為零。判斷 n 是否夠大
Richardson 外推法以 R = (4 T(2n) - T(n)) / 3 結合 T(n) 與 T(2n),其結果等同辛普森法則。由兩個梯形結果取得較佳的估計值
收斂表表格顯示隨子區間數增加,近似值如何變化。確認結果已趨於穩定
逐步解法使用複合公式 T(n) = (dx / 2)[f(x0) + 2 f(x1) + ... + f(xn)] 的完整逐步解答。作業中展示計算過程

主要功能

⏢
互動式視覺化
查看繪製在曲線下的每個梯形。懸停以突出顯示單個梯形並查看其面積。使用滑動條或動畫觀察隨著細分數量增加準確度如何提高。
📊
雙輸入模式
輸入帶有範圍和子區間的函數 f(x),或粘貼間距不均勻的原始數據點。非常適合理論微積分和實驗數據分析。
⚡
誤差估計
使用公式 \( |E_T| \leq \frac{(b-a)^3}{12n^2} \max|f''(x)| \) 自動計算誤差限。在增加 n 之前準確了解您的近似值有多精確。
✦
Richardson 外推法
結合 T(n) 和 T(2n) 以消除主要誤差項,達到 O(h⁴) 的準確度。公式 R = (4T(2n) − T(n))/3 等同於 Simpson 法則。

如何使用梯形法則計算機

  1. 選擇您的輸入模式 — 選擇「函數 f(x)」以輸入帶有積分範圍的數學表達式,或選擇「數據點」以直接輸入來自實驗或表格的 x 和 y 值。
  2. 輸入您的數值 — 對於函數模式:輸入 f(x),設置下限 (a) 和上限 (b),並選擇子區間數量 (n)。對於數據模式:輸入以逗號分隔的 x 和 y 值。
  3. 點擊計算 — 工具將使用完整的 MathJax 逐步解法計算梯形近似值。
  4. 探索結果 — 與梯形視覺化進行交互(懸停查看逐個梯形面積),查看誤差限、Richardson 外推法和收斂性分析表。

梯形法則詳解

複合梯形法則將 [a, b] 劃分為 n 個相等的子區間,並將積分近似為:

$$T_n = \frac{\Delta x}{2} \left[ f(x_0) + 2f(x_1) + 2f(x_2) + \cdots + 2f(x_{n-1}) + f(x_n) \right]$$

其中 \( \Delta x = \frac{b - a}{n} \) 且 \( x_i = a + i \cdot \Delta x \)。每個子區間貢獻一個梯形,其面積為 \( \frac{\Delta x}{2}[f(x_i) + f(x_{i+1})] \)。

誤差分析

梯形法則計算機: 誤差分析
屬性數值意義
誤差階數\( O(h^2) \)將 n 加倍可使誤差減少約 4 倍
誤差限\( \frac{(b-a)^3}{12n^2} \max|f''| \)取決於 f 的曲率
適用於線性函數f''(x) = 0,因此誤差限 = 0
Richardson外推後為 \( O(h^4) \)等同於 Simpson 法則的準確度

何時使用梯形法則

支援的函數

此計算機支援廣泛的數學函數:

常見問題

什麼是梯形法則?
梯形法則是逐項數值積分方法,它通過將曲線下的面積劃分為梯形而不是矩形來近似計算積分。每個梯形用直線連接子區間端點處的函數值,比簡單的左或右 Riemann 和能提供更好的近似效果。
梯形法則的準確度如何?
複合梯形法則的誤差階數為 O(h²),其中 h 是子區間寬度。誤差限為 (b−a)³/(12n²) × max|f''(x)|。將 n 加倍可將誤差減少約 4 倍。對於線性函數,梯形法則會給出精確結果。
什麼是 Richardson 外推法?
Richardson 外推法結合了兩個梯形估計值 T(n) 和 T(2n) 以消除主要誤差項。公式 R = (4×T(2n) − T(n))/3 產生的結果等同於 Simpson 法則,從 O(h²) 的估計值中獲得 O(h⁴) 的準確度。
我可以在間距不均勻的數據上使用梯形法則嗎?
可以。與許多需要等間距的數值方法不同,梯形法則可以自然地處理間距不均勻的數據點。只需對每對相鄰點應用公式,並使用其實際間距即可。此計算機支援均勻函數輸入和非均勻數據點輸入。
何時應該使用梯形法則而不是 Simpson 法則?
當您擁有間距不均勻的數據點、子區間數量為奇數、需要簡單且穩健的方法,或者函數在高階導數中存在不連續性時,請使用梯形法則。對於具有偶數 n 的光滑函數,Simpson 法則更準確,但梯形法則更具通用性。

引用此內容、頁面或工具為:

"梯形法則計算機" 於 https://MiniWebtool.com/zh-tw/梯形法則計算機/,來自 MiniWebtool,https://MiniWebtool.com/

由 miniwebtool 團隊製作。更新日期:2026-04-05

和喜歡的 AI 聊聊這個工具

使用 Gemini 時,請將複製的問題貼到對話框,也可以在下方手動複製。

查看提問內容

微積分:

數學求解你想解決什麼數學問題?

數學求解

試試
瀏覽更多表達式

點擊範例填入,可修改數值後求解。log 預設以 10 為底,自然對數使用 ln。

數字與因數

分數與除法

冪、根式與對數

代數與方程

微積分

幾何與三角

熱門與最新工具:

洛必達法則計算機Cramer's Rule Calculator笛卡爾符號法則計算機查看全部 →
主頁 > 數學 > 微積分 > 梯形法則計算機