Viele Funktionen aus der Physik, den Ingenieurwissenschaften, der Statistik und der angewandten Mathematik verfügen einfach nicht über Stammfunktionen in geschlossener Form. In diese Kategorie fallen das Gaußsche eˣ^(−x²), die sinc-Funktion, die meisten Bogenlängenintegrale und die überwiegende Mehrheit der aus realen Messdaten resultierenden Integrale. Numerische Integration – die Annäherung an ein Integral durch Abtasten der Funktion an endlich vielen Punkten – ist die Art und Weise, wie arbeitende Wissenschaftler und Ingenieure diese berechnen. Die drei Methoden, die dieser Rechner implementiert, reichen vom einfachsten (Trapez) bis zum wesentlich effizienteren (Simpson-Methode) und das Verständnis ihrer Konvergenzeigenschaften ist für die Auswahl des richtigen Tools von entscheidender Bedeutung.
Warum drei Methoden statt einer
Die Trapezregel ist die einfachste: Verbinden Sie benachbarte Stichprobenpunkte mit geraden Linien und summieren Sie die resultierenden Trapezflächen. Sein Fehler skaliert als O(h²), was bedeutet, dass die Halbierung der Schrittweite h den Fehler um den Faktor vier reduziert. Die Mittelpunktsregel wertet die Funktion in der Mitte jedes Teilintervalls aus. Etwas kontraintuitiv ist diese Funktion besser als Trapezoidal bei demselben n, da sie Krümmungsfehler erster Ordnung, die Trapezoidal akkumuliert, eliminiert. Die Simpson-Regel passt eine Parabel durch alle drei aufeinanderfolgenden Stichprobenpunkte; Dies erfasst die quadratische Krümmung exakt und lässt nur Fehlerterme vierter Ordnung zurück. Das praktische Ergebnis ist dramatisch: Bei n=100 liefert Simpson's typischerweise 8–10 korrekte Ziffern, während Trapezoidal 3–4 liefert. Die Kosten sind nur eine zusätzliche Einschränkung – Simpson benötigt eine gerade Anzahl von Teilintervallen – und die Anforderung, dass der Integrand glatt genug sein muss, dass vierte Ableitungen begrenzt sind.
Lesen der Fehlerspalte
Der Rechner meldet einen genauen Wert für die sieben integrierten Funktionen, da Stammfunktionen in geschlossener Form verfügbar sind: ∫xⁿ = xⁿ⁺¹/(n+1), ∫sin x = −cos x, ∫eˣ = eˣ, ∫1/x = ln x, ∫√x = (2/3)x^(3/2). Der Vergleich der numerischen Schätzung mit dem genauen Wert ergibt eine ehrliche Messung des Methodenfehlers und nicht ein selbst angegebenes Konfidenzintervall. Für Funktionen ohne Stammfunktionen in elementarer Form (die Gaußsche Funktion, die Fehlerfunktion, Fresnel-Integrale) führen Praktiker zwei Methoden gleichzeitig aus und behandeln die Unstimmigkeit zwischen ihnen als Fehlerschätzung. Ein strengerer Ansatz verwendet adaptive Quadratur – die Verfeinerung von h nur dort, wo sich der Integrand schnell ändert – aber für glatte, gut erzogene Integranden sind Simpsons mit festem n und n im Bereich von 50–200 normalerweise ausreichend und schneller.
Wenn die numerische Integration zusammenbricht
Bei den oben genannten Konvergenzraten wird davon ausgegangen, dass der Integrand glatt ist – insbesondere, dass die relevanten Ableitungen auf [a, b] beschränkt sind. Für 1/x, das nahe Null integriert ist, oder √x, das bei x=0 integriert ist (wobei die Ableitung unendlich ist), verschlechtert sich die Konvergenz erheblich, da die Fehleranalysen der Methoden auf fehlgeschlagenen Taylor-Entwicklungen beruhen. Das Gleiche gilt für oszillierende Integranden wie sin(1000x) über [0, 1] – Sie benötigen ein n, das groß genug ist, um jede Oszillation aufzulösen, was eine Strafe sein kann. Für unechte Integrale (unendliche Grenzen oder Integranden, die an den Endpunkten explodieren) sind Variablentransformationstricks (Substitution, um ein unendliches Intervall in ein endliches zu komprimieren) das Standardmittel. Die Registerkarte „Riemann-Visualisierung“ macht dies konkret: Ziehen Sie den Schieberegler auf ein kleines n und beobachten Sie, wie die annähernden Rechtecke steile Bereiche der Kurve übersehen. Wenn n wächst, verengen sich die Rechtecke gegen die Kurve, bei problematischen Integranden kann man jedoch erkennen, dass die Konvergenz ins Stocken gerät.