python实现数值积分

目录

1、求解问题

2、求解原理

3、python实现


1、求解问题

2、求解原理

高斯-勒让德数值积分是一种有效的数值积分方法,它结合了高斯点和勒让德函数来计算一维函数的积分。

高斯-勒让德求积公式在给定的积分区间a, b上,通过选择一些特定的点(称为高斯点),并使用与这些点相关的权重系数,来计算积分的近似值。这些高斯点和权重系数是通过将给定的函数展开为勒让德多项式,并使用特定的求积公式来得到的。

高斯-勒让德求积公式具有很高的精度,特别是对于一些难以使用其他方法积分的函数。它的优点在于,与其他的数值积分方法相比,它通常能够提供更精确的结果,而且对于某些函数,它的计算速度也非常快。

高斯-勒让德数值积分的原理基于高斯积分和勒让德多项式。高斯积分是一种精度很高的插值型数值积分方法,它通过选择一些特定的点(称为高斯点),并使用与这些点相关的权重系数,来计算积分的近似值。勒让德多项式是一类定义在区间-1, 1上的多项式,它们可以被展开为无穷级数,也可以被用来近似计算一些函数的积分。

通过将给定的函数展开为勒让德多项式,并使用特定的求积公式,可以将高斯点和权重系数计算出来,从而得到积分的近似值。这种方法适用于各种不同类型的函数,包括多变量函数、三角函数、指数函数等等。

3、python实现

python 复制代码
from __future__ import division
import numpy as np
#定义一重积分函数
def gl_quad1d(fun, n, x_lim=None, args=()):
    if x_lim is None:
        a, b = -1, 1
    else:
        a, b = x_lim[0], x_lim[1]
​
    if not callable(fun):
        return (b - a) * fun
​
    else:
        loc, w = np.polynomial.legendre.leggauss(n)
        s = (1 / 2. * (b - a) * fun((b - a) * v / 2. + (a + b) / 2., *args) * w[i]
             for i, v in enumerate(loc))
        return sum(s)
​
#定义二重积分函数
def gl_quad2d(fun, n, x_lim=None, y_lim=None, args=()):
    if x_lim is None:
        a, b = -1, 1
    else:
        a, b = x_lim[0], x_lim[1]
    if y_lim is None:
        c, d = -1, 1
    else:
        c, d = y_lim[0], y_lim[1]
​
    if not callable(fun):
        return (b - a) * (d - c) * fun
    else:
        loc, w = np.polynomial.legendre.leggauss(n)
        s = (1 / 4. * (b - a) * (d - c) * fun(((b - a) * v1 / 2. + (a + b) / 2.,
                                               (d - c) * v2 / 2. + (c + d) / 2.), *args) * w[i] * w[j]
             for i, v1 in enumerate(loc)
             for j, v2 in enumerate(loc))
        return sum(s)
​
#定义三重积分函数
def gl_quad3d(fun, n, x_lim=None, y_lim=None, z_lim=None, args=()):
    if x_lim is None:
        a, b = -1, 1
    else:
        a, b = x_lim[0], x_lim[1]
​
    if y_lim is None:
        c, d = -1, 1
    else:
        c, d = y_lim[0], y_lim[1]
    if z_lim is None:
        e, f = -1, 1
    else:
        e, f = z_lim[0], z_lim[1]
​
    if not callable(fun):
        return (b - a) * (d - c) * (f - e) * fun
    else:
        loc, w = np.polynomial.legendre.leggauss(n)
        s = (1 / 8. * (b - a) * (d - c) * (f - e) * fun(((b - a) * v1 / 2. + (a + b) / 2.,
                                                         (d - c) * v2 / 2. + (c + d) / 2.,
                                                         (f - e) * v3 / 2. + (e + f) / 2.), *args) * w[i] * w[j] * w[k]
             for i, v1 in enumerate(loc)
             for j, v2 in enumerate(loc)
             for k, v3 in enumerate(loc))
        return sum(s)
​
​
def fun1(x):
    return 1./(1+x**2)
def fun2(x):
    return (1+x[0]**2+x[1])**0.5
def fun3(x, a, b):
    return a * x[0] * x[1] * np.e ** (b * x[2])
​
​
if __name__ == "__main__":
    res1=gl_quad1d(fun1,5)
    res2=gl_quad2d(fun2, 3)
    res3=gl_quad3d(fun3, 3, x_lim=[0,1], y_lim=[-1,0], args=(1,1))
    print(res1)
    print(res2)
    print(res3)
​

1.5711711711711713

4.443748541600919

-0.5875842321700031

相关推荐
2601_967980111 小时前
python pytest怎样测试代码
python·pytest·测试·文档·断言
伞伞悦读1 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习
ch6232 小时前
🚀 从零构建本地文档智能审查 Agent:Vibe Coding 实战指南
python
qq_348231853 小时前
大模型算法: 反向传播
算法
摇滚侠3 小时前
《On Java 中文版 基础卷》阅读笔记 接口 18
java·笔记·python
电科_银尘3 小时前
【大模型算法与工程 27】训练配方:批量、学习率、精度与梯度裁剪
学习·算法·机器学习
Thanks_ks3 小时前
AI Agent 开发入门:用 Function Calling 让大模型学会 “动手干活”,附订单查询机器人实战
python·ai·大模型·openai·agent·通义千问·mcp
专注仿真4 小时前
智能体训练之模仿学习:GAIL 算法详解与实战
python·算法·仿真·多智能体强化学习·afsim智能体训练
databook5 小时前
处理一批 PDF,怎么算真的处理完了
后端·python
leobertlan6 小时前
痛苦系列 | DSP-04 截断时空的“窗”:FIR 滤波器设计与线性相位
算法