1. quad() 函数
quad() 函数是 scipy.integrate 模块中的一个函数，用于计算一维函数的数值积分。其基本语法如下：
scipy.integrate.quad(func, a, b, args=(), full_output=0, epsabs=1.49e-08, epsrel=1.49e-08, limit=50, points=None, weight=None, wvar=None, wopts=None, maxp1=50, limlst=50)
func：被积函数，接受一个浮点数并返回一个浮点数。a和b：积分的下限和上限。args：一个元组，用于向被积函数传递额外的参数。
示例
import numpy as np
from scipy.integrate import quad
# 定义被积函数
def f(x, a):
return np.sin(a * x)
# 计算积分
a_value = 2.0 # 设定a的值
result, error = quad(f, 0, np.pi, args=(a_value,))
print("积分结果:", result)
print("估计误差:", error)
解释
- 我们首先导入了
numpy和scipy.integrate模块。 - 定义了一个被积函数
f(x, a)，它接受两个参数：x是积分变量，a是一个常数。 - 使用
quad()函数计算从0到π的f(x, a)的积分，其中a的值为2.0。注意，我们通过args参数将a的值传递给被积函数。 quad()函数返回两个值：积分结果和估计误差。我们将它们分别存储在result和error变量中。- 最后，我们打印出积分结果和估计误差。
2. dblquad() 函数
dblquad() 函数用于计算双重积分（即二维积分）。其基本语法如下：
scipy.integrate.dblquad(func, a, b, gfun, hfun, args=(), epsabs=1.49e-08, epsrel=1.49e-08)
func：被积函数，接受两个浮点数并返回一个浮点数。a和b：外层积分的下限和上限。gfun和hfun：内层积分的下限和上限函数，它们接受一个浮点数并返回一个浮点数。args：一个元组，用于向被积函数传递额外的参数。
示例
import numpy as np
from scipy.integrate import dblquad
# 定义被积函数
def f(y, x):
return np.sin(x) * np.cos(y)
# 定义内层积分的上下限函数
def inner_limit_low(x):
return 0
def inner_limit_high(x):
return np.pi / 2
# 计算双重积分
result, error = dblquad(f, 0, np.pi, inner_limit_low, inner_limit_high)
print("双重积分结果:", result)
print("估计误差:", error)
解释
- 我们首先导入了
numpy和scipy.integrate模块。 - 定义了一个被积函数
f(y, x)，它接受两个参数：y和x，分别代表内层和外层积分的变量。 - 定义了内层积分的下限和上限函数
inner_limit_low(x)和inner_limit_high(x)。这两个函数都接受一个参数x（外层积分的变量），并返回一个浮点数作为内层积分的下限或上限。 - 使用
dblquad()函数计算双重积分。外层积分的变量是x，从0到π；内层积分的变量是y，从inner_limit_low(x)到inner_limit_high(x)。 dblquad()函数返回两个值：双重积分的结果和估计误差。我们将它们分别存储在result和error
处理结果：1.
quad()函数quad()函数是scipy.integrate模块中的一个函数，用于计算一维函数的数值积分。其基本语法如下：
```python示例
```python定义被积函数
return np.sin(a * x)计算积分
print("积分结果_", result)- 我们首先导入了
numpy和scipy.integrate模块。2.
dblquad()函数dblquad()函数用于计算双重积分（即二维积分）。其基本语法如下：
```python示例
```python定义被积函数
return np.sin(x) * np.cos(y)定义内层积分的上下限函数
return 0
def inner_limithigh(x)
return np.pi _ 2计算双重积分
print("双重积分结果_", result) - 我们首先导入了
numpy和scipy.integrate模块。
