Mathematica 9 is now available
THIS IS DOCUMENTATION FOR AN OBSOLETE PRODUCT.
SEE THE DOCUMENTATION CENTER FOR THE LATEST INFORMATION.
Mathematica > 微積分 >

NIntegrate

Updated In 6 Graphic
NIntegrate[f, {x, xmin, xmax}]
積分 の数値近似を与える.
NIntegrate[f, {x, xmin, xmax}, {y, ymin, ymax}, ...]
多重積分 の数値近似を与える.
  • 多重積分には標準的な反復子表記の変形が使われる.与えられる最初の変数は最も外側の積分に対応し,最後に行われる.
  • NIntegrateはデフォルトで,積分範囲の境界とExclusionsオプションの設定値で指定された範囲の境界で特異点の判定をする.
  • NIntegrate[f, {x, x0, x1, ..., xk}]は,1次積分では中間点xi のそれぞれで特異点の判定をする.特異点が存在しない場合,結果はx0 からxk の範囲の積分と同値である.複素数xi を使って,複素平面上の積分路を指定することができる.
  • 指定可能なオプション:
AccuracyGoalInfinity目標とする絶対確度の桁数
EvaluationMonitorNoneexpr が評価されたときに常に評価される式
ExclusionsNone積分範囲で除外すべき部分
MaxPointsAutomaticサンプル点の最大数
MaxRecursionAutomatic再帰的な部分分割数の最大値
MethodAutomatic使用されるアルゴリズム
MinRecursion0再帰的な部分分割数の最小値
PrecisionGoalAutomatic目標とする精度の桁数
WorkingPrecisionMachinePrecision内部計算で使用する精度
  • NIntegrateは,通常,適応的アルゴリズムを使い,必要に応じて積分の領域を再帰的に部分分割する.MinRecursionは反復的に部分分割する回数の最小値を指定する.MaxRecursionその最大値を指定する.
  • 十分に病的であるといえる関数には,NIntegrateに使用されているアルゴリズムが誤った解答を与えることがあり得るということを十分理解しておいてほしい.ほとんどの場合,NIntegrateのオプションの設定に対する敏感さを見ることでこの解答を調べることができる.
  • Methodオプションが取り得る明示的な設定値には次のようなものがある.
"GlobalAdaptive"大域的な適応的積分方法
"LocalAdaptive"局所的な適応的積分方法
"DoubleExponential"2重指数求積法
"MonteCarlo"モンテカルロ積分
"AdaptiveMonteCarlo"適応的モンテカルロ積分
"QuasiMonteCarlo"擬似モンテカルロ積分
"AdaptiveQuasiMonteCarlo"適応的擬似モンテカルロ積分
  • Method->{"strategy", Method->"rule"}あるいは Method->{"strategy", Method->{rule1, rule2, ...}}のときの使用可能なメソッドには次のようなものがある.
"GlobalAdaptive"大域的誤差推定に基づいて下位区分をする
"LocalAdaptive"局所的誤差推定のみに基づいて下位区分を行う
  • 規則として使われるメソッドには次のようなものがある.
"CartesianRule"規則の多次元デカルト積
"ClenshawCurtisRule"クレーンショー=カーチス規則
"GaussKronrodRule"クロンロッド領域をともなうガウス点
"LobattoKronrodRule"クロンロッド領域をともなうガウス=ロバット点
"MultidimensionalRule"多次元対称規則
"MultipanelRule"1D規則の組合せ
"NewtonCotesRule"ニュートン=コーツ規則
"TrapezoidalRule"1次元における一様な点
  • 追加的なメソッドのサブオプションは,Method->{..., opts}の形で与えることができる.
  • メソッドのサブオプション"SymbolicProcessing"は,被積分関数の記号的分析を試みる最大秒数を指定する.
  • N[Integrate[...]]は,記号的に行うことのできない積分に対してNIntegrateを呼び出す.
  • NIntegrateは,まずすべての変数の値を局所化し,次に記号的となった変数でf を評価し,繰り返して結果を数値的に評価する.
バージョン 1 の新機能 | バージョン 6 での修正機能
© 2013 Wolfram Research, Inc. English
Ask a question about this page  |  Suggest an improvement  |  Leave a message for the team