高斯勒让德(Gauss-legendre)求解多重积分(python,数值积分)

article/2025/9/19 9:11:58

第四十四篇 高斯勒让德求解多重积分

多重积分

在工程分析中,经常需要在一个面积或体积上对函数进行积分。多重积分的解析方法在有限的情况下是可能的,但在这一篇中使用数值积分去求解。一维的函数积分详见重复牛顿-科特斯积分,重复高斯勒让德积分
考虑两个变量的函数在二维区域R上的积分,如下图所示。函数f(x, y)可以被认为是在R区域上以直角从平面上伸出的第三维空间。
在这里插入图片描述
需要的积分为
在这里插入图片描述
通过前面篇章中描述的一维空间函数积分得到,涉及两个变量的二重积分将产生下面形式的积分法则
在这里插入图片描述
样本点位于R的平面上,坐标为(xi, yi), i = 1,…N是函数的值。每个函数的计算都用wi加权,加权之和必须等于R的面积。
显然,在明确地定义不规则区域的积分计算起来有些困难。在实践中,将形状不规则的区域细分为若干更小的简单子区域(如矩形)就足够了,在这些子区域上可以很容易地进行数值积分。然后将每个子区域的解相加,得到整个区域R上的最终近似结果。这种方法类似于前面篇章中提到的“重复”规则。
首先,考虑在平行于笛卡尔坐标方向的矩形区域上的积分,因为这极大地简化了极限的定义。随后,这些概念被扩展到xy平面上一般的四边形和三角形区域的积分。本节中描述的所有方法都可以很容易地推广到三重积分。

矩形区域积分

在下图中,考虑函数f(x, y)在所示的矩形区域的积分。由于矩形的边界与笛卡尔坐标方向平行,变量之间没有关系,可以直接应用前面描述的积分方法。
在这里插入图片描述

牛顿柯特

例如,在每个方向上应用梯形规则将导致4个样本点(n = 4),如上图所示,矩形的每个角上都有一个样本点,从而产生该规则
在这里插入图片描述
在每个方向上应用Simpson规则,得到如下图6所示的9个样本点(n = 9),从而得到该法则为
在这里插入图片描述
在这里插入图片描述
其实可以猜到,上面得到的的加权系数来自于在每一个方向分别考虑的加权系数的简单乘积

计算实例

在每个方向使用梯形法则去计算下面积分
在这里插入图片描述
在一维中,梯形规则有2个样本点,所以在二重积分中,我们将使用n = 2*2 = 4个样本点。由上图知,h = 1, k = 2,有梯形法则的二维公式得到
在这里插入图片描述
精确解为15.3333

计算实例

在每个方向使用辛普森法则去计算下面的积分
在这里插入图片描述
在一维中,辛普森法则有3个样本点,所以在二重积分中,使用n = 3**2 = 9个采样点。由上图得,h = 0.5, k = 1,根据三点辛普森法则得到,二维积分得
在这里插入图片描述
在这个例子中,在两个方向上都使用辛普森法是低效的。在x方向上用辛普森法则和在y方向上用梯形法则也可以得到精确的解。可以使用n = 3 × 2=6个样本点,得到
#

高斯-勒让德

高斯-勒让德法则也可以应用于这种类型的多重积分,但必须注意找到样本点的正确位置。一种方法是进行坐标变换,使每个方向上的积分极限变为±1。就可以使用这篇中提到得权值和采样点值。详细的表格对应数值可见高斯勒让德求积分
矩形区域的另一种方法是将样本点在每个坐标方向上的范围中点左右进行加权和比例系数相乘。
考虑下图所示的矩形区域上的两点高斯-勒让德积分。
在这里插入图片描述
在x方向上,样本点坐标为
在这里插入图片描述
对应的加权系数w1 = w2 = h。同样在y方向上,样本点为
在这里插入图片描述
对应加权系数w1 = w2 = k,则法则为
在这里插入图片描述

计算实例

在两个方向使用高斯-勒让德计算下面的积分
在这里插入图片描述
在这个二重积分中,我们使用n = 2*22 = 4个样本点。由上图可知,h = 1, k = 0.5,根据上面得式子,样本点位于
在这里插入图片描述
因此得到
在这里插入图片描述
精确解为0.8
在这个例子中,两点法则能够在x方向上精确积分,但不能在y方向上。
通过类似的推理,由图下图所示的三点高斯勒让德法则可以得到x中得样本点和加权系数
x方向为
在这里插入图片描述
在y方向为
在这里插入图片描述
因此法则将变成
在这里插入图片描述
在这里插入图片描述

计算实例

在每个方向使用3点高斯-勒让德去计算下面的积分
在这里插入图片描述
在这个二重积分中,我们将使用n = 3**2 = 9个采样点。由上图可知,h = 1, k = 0.5,然后根据样本点坐标值得方程求得样本点为
在这里插入图片描述
因此根据积分方程,得到I = 0。8,这是精确解。
在这种情况下,四次项在y上的积分的精确解可以通过三点法则得到,在x方向上使用两点法则,总共有6个样本点。尽管在不同的方向上实现不同的数量积分法则是很容易的,但是大多数数值积分软件包在所有方向上都使用相同的数量法则。

程序如下

其中有一个主程序,和两个子程序,分别为高斯勒让德的样本点值和权值的子程序gauss_legendre;和局部坐标的形状函数的子程序fun_der。

#高斯拉盖尔法则
import numpy as np
import B
import math
ndim=2;nsp=9
if ndim==1:nod=2
elif ndim==2:nod=4
elif ndim==3:nod=8
coord=np.zeros((nod,ndim));der=np.zeros((ndim,nod));fun=np.zeros(nod)
coord[:,0]=(0.0,1.0,4.0,6.0);coord[:,1]=(0.0,2.0,3.0,1.0)
samp=np.zeros((nsp,ndim));wt=np.zeros((nsp))
B.gauss_legendre(samp,wt)
res=0
def f65(point):x=point[0];y=point[1]#;z=point[2]f65=x**2*y**2return f65
for i in range(1,nsp+1):B.fun_der(fun,der,samp,i)res=res+np.linalg.det(np.dot(der,coord))*wt[i-1]*f65(np.dot(np.transpose(coord),fun))
print('高斯-勒让德法则的多重积分')
print('维数',ndim)
for i in range(1,nod+1):print('坐标 (x,y[,z])',coord[i-1,:])
print('样本点的数量',nsp)
print('计算结果   ','{:13.4e}'.format(res))
gauss-legendre
def gauss_legendre(samp,wt):nsp=samp.shape[0]ndim=samp.shape[1]if ndim==1:if nsp==1:samp[0,0]=  0.0 wt[0]  =    2.0 elif nsp==2:samp[0,0]= -0.57735026918962576449 samp[1,0]=  0.57735026918962576449 wt[0]=      1.0 wt[1]=      1.0 elif nsp==3:samp[0,0]= -0.77459666924148337704 samp[1,0]=  0.0 samp[2,0]=  0.77459666924148337704 wt[0]=      0.55555555555555555556 wt[1]=      0.88888888888888888889 wt[2]=      0.55555555555555555556 elif nsp==4:samp[0,0]= -0.86113631159405257524 samp[1,0]= -0.33998104358485626481 samp[2,0]=  0.33998104358485626481 samp[3,0]=  0.86113631159405257524 wt[0]=      0.34785484513745385737 wt[1]=      0.65214515486254614271 wt[2]=      0.65214515486254614271 wt[3]=      0.34785484513745385737 elif nsp==5:samp[0,0]= -0.90617984593866399282 samp[1,0]= -0.53846931010568309105 samp[2,0]=  0.0 samp[3,0]=  0.53846931010568309105 samp[4,0]=  0.90617984593866399282 wt[0]=      0.23692688505618908751 wt[1]=      0.47862867049936646804 wt[2]=      0.56888888888888888889 wt[3]=      0.47862867049936646804 wt[4]=      0.23692688505618908751    else:print('积分点数量错误')elif ndim==2:if nsp==1:samp[0,0]=  0.0  samp[0,1]=  0.0 wt[0]=      4.0 elif nsp==4:samp[0,0]= -0.57735026918962576449 samp[1,0]=  0.57735026918962576449 samp[2,0]= -0.57735026918962576449 samp[3,0]=  0.57735026918962576449 samp[0,1]= -0.57735026918962576449 samp[1,1]= -0.57735026918962576449 samp[2,1]=  0.57735026918962576449 samp[3,1]=  0.57735026918962576449 wt[0]=      1.0 wt[1]=      1.0 wt[2]=      1.0 wt[3]=      1.0 elif nsp==9:samp[0,0]= -0.77459666924148337704 samp[1,0]=  0.0 samp[2,0]=  0.77459666924148337704 samp[3,0]= -0.77459666924148337704 samp[4,0]=  0.0 samp[5,0]=  0.77459666924148337704 samp[6,0]= -0.77459666924148337704 samp[7,0]=  0.0 samp[8,0]=  0.77459666924148337704 samp[0,1]= -0.77459666924148337704 samp[1,1]= -0.77459666924148337704 samp[2,1]= -0.77459666924148337704 samp[3,1]=  0.0 samp[4,1]=  0.0 samp[5,1]=  0.0 samp[6,1]=  0.77459666924148337704 samp[7,1]=  0.77459666924148337704 samp[8,1]=  0.77459666924148337704 wt[0] =     0.30864197530864197531 wt[1] =     0.49382716049382716049 wt[2] =     0.30864197530864197531 wt[3] =     0.49382716049382716049 wt[4] =     0.79012345679012345679 wt[5] =     0.49382716049382716049 wt[6] =     0.30864197530864197531 wt[7] =     0.49382716049382716049 wt[8] =     0.30864197530864197531 elif nsp==16:samp[0,0] =-0.86113631159405257524 samp[1,0] =-0.33998104358485626481 samp[2,0] = 0.33998104358485626481 samp[3,0] = 0.86113631159405257524 samp[4,0] =-0.86113631159405257524 samp[5,0] =-0.33998104358485626481 samp[6,0] = 0.33998104358485626481 samp[7,0] = 0.86113631159405257524 samp[8,0] =-0.86113631159405257524 samp[9,0]=-0.33998104358485626481 samp[10,0]= 0.33998104358485626481 samp[11,0]= 0.86113631159405257524 samp[12,0]=-0.86113631159405257524 samp[13,0]=-0.33998104358485626481 samp[14,0]= 0.33998104358485626481 samp[15,0]= 0.86113631159405257524 samp[0,1] =-0.86113631159405257524 samp[1,1] =-0.86113631159405257524 samp[2,1] =-0.86113631159405257524 samp[3,1] =-0.86113631159405257524 samp[4,1] =-0.33998104358485626481 samp[5,1] =-0.33998104358485626481 samp[6,1] =-0.33998104358485626481 samp[7,1] =-0.33998104358485626481 samp[8,1] = 0.33998104358485626481 samp[9,1]= 0.33998104358485626481 samp[10,1]= 0.33998104358485626481 samp[11,1]= 0.33998104358485626481 samp[12,1]= 0.86113631159405257524 samp[13,1]= 0.86113631159405257524 samp[14,1]= 0.86113631159405257524 samp[15,1]= 0.86113631159405257524 wt[0]=      0.12100299328560200551 wt[1]=      0.22685185185185185185 wt[2]=      0.22685185185185185185 wt[3]=      0.12100299328560200551 wt[4]=      0.22685185185185185185 wt[5]=      0.42529330301069429082 wt[6]=      0.42529330301069429082 wt[7]=      0.22685185185185185185 wt[8]=      0.22685185185185185185 wt[9]=     0.42529330301069429082 wt[10]=     0.42529330301069429082 wt[11]=     0.22685185185185185185 wt[12]=     0.12100299328560200551 wt[13]=     0.22685185185185185185 wt[14]=     0.22685185185185185185 wt[15]=     0.12100299328560200551 elif nsp==25:samp[0,0] =-0.90617984593866399282 samp[1,0] =-0.53846931010568309105 samp[2,0] = 0.0 samp[3,0] = 0.53846931010568309105 samp[4,0] = 0.90617984593866399282 samp[5,0] =-0.90617984593866399282 samp[6,0] =-0.53846931010568309105 samp[7,0] = 0.0 samp[8,0] = 0.53846931010568309105 samp[9,0]= 0.90617984593866399282 samp[10,0]=-0.90617984593866399282 samp[11,0]=-0.53846931010568309105 samp[12,0]= 0.0 samp[13,0]= 0.53846931010568309105 samp[14,0]= 0.90617984593866399282 samp[15,0]=-0.90617984593866399282 samp[16,0]=-0.53846931010568309105 samp[17,0]= 0.0 samp[18,0]= 0.53846931010568309105 samp[19,0]= 0.90617984593866399282 samp[20,0]=-0.90617984593866399282 samp[21,0]=-0.53846931010568309105 samp[22,0]= 0.0 samp[23,0]= 0.53846931010568309105 samp[24,0]= 0.90617984593866399282 samp[0,1] =-0.90617984593866399282 samp[1,1] =-0.90617984593866399282 samp[2,1] =-0.90617984593866399282 samp[3,1] =-0.90617984593866399282 samp[4,1] =-0.90617984593866399282 samp[5,1] =-0.53846931010568309105 samp[6,1] =-0.53846931010568309105 samp[7,1] =-0.53846931010568309105 samp[8,1] =-0.53846931010568309105 samp[9,1]=-0.53846931010568309105 samp[10,1]= 0.0 samp[11,1]= 0.0 samp[12,1]= 0.0 samp[13,1]= 0.0 samp[14,1]= 0.0 samp[15,1]= 0.53846931010568309105 samp[16,1]= 0.53846931010568309105 samp[17,1]= 0.53846931010568309105 samp[18,1]= 0.53846931010568309105 samp[19,1]= 0.53846931010568309105 samp[20,1]= 0.90617984593866399282 samp[21,1]= 0.90617984593866399282 samp[22,1]= 0.90617984593866399282 samp[23,1]= 0.90617984593866399282 samp[24,1]= 0.90617984593866399282 wt[0] =     0.05613434886242863595 wt[1] =     0.1134 wt[2] =     0.13478507238752090312 wt[3] =     0.1134 wt[4] =     0.05613434886242863595 wt[5] =     0.1134 wt[6] =     0.22908540422399111713 wt[7] =     0.27228653255075070182 wt[8] =     0.22908540422399111713 wt[9]=     0.1134 wt[10]=     0.13478507238752090305  wt[11]=     0.27228653255075070171  wt[12]=     0.32363456790123456757  wt[13]=     0.27228653255075070171  wt[14]=     0.13478507238752090305  wt[15]=     0.1134 wt[16]=     0.22908540422399111713 wt[17]=     0.27228653255075070182 wt[18]=     0.22908540422399111713 wt[19]=     0.1134 wt[20]=     0.05613434886242863595 wt[21]=     0.1134 wt[22]=     0.13478507238752090312 wt[23]=     0.1134 wt[24]=     0.05613434886242863595 else:print('积分点数量错误')elif ndim==3:if nsp==1:samp[0,0]=  0.0  samp[0,1]=  0.0 samp[0,2]=  0.0 wt[0]=      8.0 elif nsp==8:samp[0,0]=-0.57735026918962576449 samp[1,0]= 0.57735026918962576449 samp[2,0]=-0.57735026918962576449 samp[3,0]= 0.57735026918962576449 samp[4,0]=-0.57735026918962576449 samp[5,0]= 0.57735026918962576449 samp[6,0]=-0.57735026918962576449 samp[7,0]= 0.57735026918962576449 samp[0,1]=-0.57735026918962576449 samp[1,1]=-0.57735026918962576449 samp[2,1]=-0.57735026918962576449 samp[3,1]=-0.57735026918962576449 samp[4,1]= 0.57735026918962576449 samp[5,1]= 0.57735026918962576449 samp[6,1]= 0.57735026918962576449 samp[7,1]= 0.57735026918962576449 samp[0,2]=-0.57735026918962576449 samp[1,2]=-0.57735026918962576449 samp[2,2]= 0.57735026918962576449 samp[3,2]= 0.57735026918962576449 samp[4,2]=-0.57735026918962576449 samp[5,2]=-0.57735026918962576449 samp[6,2]= 0.57735026918962576449 samp[7,2]= 0.57735026918962576449 wt[0]=     1.0                                          wt[1]=     1.0                                          wt[2]=     1.0                                          wt[3]=     1.0                                          wt[4]=     1.0                                          wt[5]=     1.0                                          wt[6]=     1.0                                          wt[7]=     1.0                                          elif nsp==27:samp[0,0]= -0.77459666924148337704 samp[1,0]=  0.0 samp[2,0]=  0.77459666924148337704 samp[3,0]= -0.77459666924148337704 samp[4,0]=  0.0 samp[5,0]=  0.77459666924148337704 samp[6,0]= -0.77459666924148337704 samp[7,0]=  0.0 samp[8,0]=  0.77459666924148337704 samp[9,0]=-0.77459666924148337704 samp[10,0]= 0.0 samp[11,0]= 0.77459666924148337704 samp[12,0]=-0.77459666924148337704 samp[13,0]= 0.0 samp[14,0]= 0.77459666924148337704 samp[15,0]=-0.77459666924148337704 samp[16,0]= 0.0 samp[17,0]= 0.77459666924148337704 samp[18,0]=-0.77459666924148337704 samp[19,0]= 0.0 samp[20,0]= 0.77459666924148337704 samp[21,0]=-0.77459666924148337704 samp[22,0]= 0.0 samp[23,0]= 0.77459666924148337704 samp[24,0]=-0.77459666924148337704 samp[25,0]= 0.0 samp[26,0]= 0.77459666924148337704 samp[0,1]= -0.77459666924148337704 samp[1,1]= -0.77459666924148337704 samp[2,1]= -0.77459666924148337704 samp[3,1]= -0.77459666924148337704 samp[4,1]= -0.77459666924148337704 samp[5,1]= -0.77459666924148337704 samp[6,1]= -0.77459666924148337704 samp[7,1]= -0.77459666924148337704 samp[8,1]= -0.77459666924148337704 samp[9,1]= 0.0 samp[10,1]= 0.0 samp[11,1]= 0.0 samp[12,1]= 0.0 samp[13,1]= 0.0 samp[14,1]= 0.0 samp[15,1]= 0.0 samp[16,1]= 0.0 samp[17,1]= 0.0 samp[18,1]= 0.77459666924148337704 samp[19,1]= 0.77459666924148337704 samp[20,1]= 0.77459666924148337704 samp[21,1]= 0.77459666924148337704 samp[22,1]= 0.77459666924148337704 samp[23,1]= 0.77459666924148337704 samp[24,1]= 0.77459666924148337704 samp[25,1]= 0.77459666924148337704 samp[26,1]= 0.77459666924148337704 samp[0,2]= -0.77459666924148337704 samp[1,2]= -0.77459666924148337704 samp[2,2]= -0.77459666924148337704 samp[3,2]=  0.0 samp[4,2]=  0.0 samp[5,2]=  0.0 samp[6,2]=  0.77459666924148337704 samp[7,2]=  0.77459666924148337704 samp[8,2]=  0.77459666924148337704 samp[9,2]=-0.77459666924148337704 samp[10,2]=-0.77459666924148337704 samp[11,2]=-0.77459666924148337704 samp[12,2]= 0.0 samp[13,2]= 0.0 samp[14,2]= 0.0 samp[15,2]= 0.77459666924148337704 samp[16,2]= 0.77459666924148337704 samp[17,2]= 0.77459666924148337704 samp[18,2]=-0.77459666924148337704 samp[19,2]=-0.77459666924148337704 samp[20,2]=-0.77459666924148337704 samp[21,2]= 0.0 samp[22,2]= 0.0 samp[23,2]= 0.0 samp[24,2]= 0.77459666924148337704 samp[25,2]= 0.77459666924148337704 samp[26,2]= 0.77459666924148337704 wt[0]     = 0.17146776406035665295 wt[1]     = 0.27434842249657064472 wt[2]     = 0.17146776406035665295 wt[3]     = 0.27434842249657064472 wt[4]     = 0.43895747599451303155 wt[5]     = 0.27434842249657064472 wt[6]     = 0.17146776406035665295 wt[7]     = 0.27434842249657064472 wt[8]     = 0.17146776406035665295 wt[9]    = 0.27434842249657064472 wt[10]    = 0.43895747599451303155 wt[11]    = 0.27434842249657064472 wt[12]    = 0.43895747599451303155 wt[13]    = 0.70233196159122085048 wt[14]    = 0.43895747599451303155 wt[15]    = 0.27434842249657064472 wt[16]    = 0.43895747599451303155 wt[17]    = 0.27434842249657064472 wt[18]    = 0.17146776406035665295 wt[19]    = 0.27434842249657064472 wt[20]    = 0.17146776406035665295 wt[21]    = 0.27434842249657064472 wt[22]    = 0.43895747599451303155 wt[23]    = 0.27434842249657064472 wt[24]    = 0.17146776406035665295 wt[25]    = 0.27434842249657064472 wt[26]    = 0.17146776406035665295 else:print('积分点数量错误')else:print('维度不合理')
fun_der
def fun_der(fun,der,points,i):
#计算局部坐标形状函数的偏导ndim=der.shape[0]if ndim==1:xi= points[i-1,0]der[0,0]=-0.5; der[0,1]= 0.5fun[:]=(0.5*(1.0-xi),0.5*(1.0+xi))elif ndim==2:      xi= points[i-1,0]; eta=points[i-1,1]etam=0.25*(1.0-eta); etap=0.25*(1.0+eta)xim= 0.25*(1.0-xi); xip= 0.25*(1.0+xi)der[0,0]=-etam; der[0,1]=-etap; der[0,2]=etap; der[0,3]=etamder[1,0]=-xim; der[1,1]=xim; der[1,2]=xip; der[1,3]=-xipfun[:]=(4.0*xim*etam,4.0*xim*etap,4.0*xip*etap,4.0*xip*etam)elif ndim==3:   xi  =points[i-1,0]; eta =points[i-1,1]; zeta=points[i-1,2]etam=1.0-eta; xim=1.0-xi; zetam=1.0-zetaetap=eta+1.0; xip=xi+1.0; zetap=zeta+1.0der[0,0]=-0.125*etam*zetam; der[0,1]=-0.125*etam*zetapder[0,2]= 0.125*etam*zetap; der[0,3]= 0.125*etam*zetamder[0,4]=-0.125*etap*zetam; der[0,5]=-0.125*etap*zetapder[0,6]= 0.125*etap*zetap; der[0,7]= 0.125*etap*zetamder[1,0]=-0.125*xim*zetam; der[1,1]=-0.125*xim*zetapder[1,2]=-0.125*xip*zetap; der[1,3]=-0.125*xip*zetamder[1,4]= 0.125*xim*zetam; der[1,5]= 0.125*xim*zetapder[1,6]= 0.125*xip*zetap; der[1,7]= 0.125*xip*zetamder[2,0]=-0.125*xim*etam; der[2,1]= 0.125*xim*etamder[2,2]= 0.125*xip*etam; der[2,3]=-0.125*xip*etamder[2,4]=-0.125*xim*etap; der[2,5]= 0.125*xim*etapder[2,6]= 0.125*xip*etap; der[2,7]=-0.125*xip*etapfun=(0.125*xim*etam*zetam,0.125*xim*etam*zetap,                       \0.125*xip*etam*zetap,0.125*xip*etam*zetam,                     \0.125*xim*etap*zetam,0.125*xim*etap*zetap,                     \0.125*xip*etap*zetap,0.125*xip*etap*zetam)else:print('维数错误')

对于下面的积分
在这里插入图片描述
在这里插入图片描述
终端输出结果为
在这里插入图片描述


http://chatgpt.dhexx.cn/article/WpoqJlf6.shtml

相关文章

数学基础:多重积分

简介 标准定义(参考同济版教材自己给出的定义): 设 f ( x , y , z . . . . ) f(x,y,z....) f(x,y,z....)是有界区域D上的有界函数,讲闭区间D任意分成n个小闭区域 σ n \sigma _n σn​ 在每个小闭区域中任取一点,把小…

多变量微积分(4)——多重积分之三重积分

文章目录 4. 多重积分之三重积分4.1 三种正交坐标系下的三重积分4.1.1 直角坐标系下三重积分4.1.2 柱坐标系下三重积分4.1.3 球坐标系下三重积分4.1.4 积分上下限的选择4.1.5 任意曲面的面积元方法一方法二 4.2 矢量场中的多重积分(重点)4.2.1 三维矢量场…

多重积分中的换元法

34.多重积分中的换元法 34.多重积分中的换元法34.1 二重积分中的换元法34.2 三重积分中的换元法34.2.1 柱面坐标系中的换元法34.2.2 球面坐标系中的换元法 34.多重积分中的换元法 坐标变换中通过换元求多重积分.这个方法用更容易计算的积分来代替复杂的积分。 换元法通过简化被…

matlab多重积分如何使用方法,MATLAB在《高等数学》中的应用_多重积分

论文导读::MATLAB是矩阵实验室的简称,在图形处理方面表现突出。《高等数学》是大学教育中重要的基础理论课之一,图形在《高等数学》的学习中占有重要的位置。在《高等数学》中使用MATLAB可以将复杂的问题变的直观、明了。 关键词:MATLAB,泰勒公式,多重积分 MATLAB是矩阵实…

latex多重积分

重积分 二重积分可以使用\iint表示 ∬ \iint ∬ 三重积分使用\iiint表示 ∭ \iiint ∭ 环路积分使用\oint表示 ∮ \oint ∮ 多重环路同理,但是需要在amsmath宏包后加上esint宏包 下标 一般直接使用\iint_D显示 ∬ D \iint_D ∬D​ 想要让D在正下方&#xff0…

高等数学(总结9-多重积分)

1)二重积分的性质&#xff1a; A&#xff09; &#xfeff;&#xfeff; B)可加性 C) D)如果f(x,y)<φ(x,y)E)M,m分别是f(x,y)的最大值和最小值: F)积分中值定理 2)二次积分公式&#xff1a;注意积分形状&#xff0c;x,y可以调换。 3&#xff09;极坐标也可以采用二次…

多重积分的理解以及转动惯量的求解

多重积分的理解以及转动惯量的求解 一、积分 学到这里应该对与积分的概念很熟悉这里就不过多赘述。 二、二重积分 二重积分的一般形式为     ∬ S f ( x , y ) d x d y \iint_S f(x,y)\,{\rm d}x\,{\rm d}y ∬S​f(x,y)dxdy 一般理解为一个物体的体积&#xff0c;这里…

Insyde uefi 隐藏设置_文件隐藏工具Wise Folder Hider Pro便携版分享

Wise Folder Hider Pro v4.3.4.193是一款非常实用的文件隐藏工具&#xff0c;使用它可以将你的一些文件隐藏起来&#xff0c;比如图片&#xff0c;文档、视频等。 每个人都有一些不想要别人看见的东西&#xff0c;放在电脑桌上容易被别人点开&#xff0c;好奇的原因点开看一下&…

Insyde uefi 隐藏设置_Hidden bar:Mac菜单栏图标隐藏利器

Hidden bar 有些软件可以设置不在菜单栏显示图标&#xff0c;也有不少软件没有提供这样的设置。随着安装的软件越来越多&#xff0c;不少人会为Mac菜单栏位置紧张烦恼。 Hidden Bar 是一款类似 Bartender 的 macOS 菜单栏应用图标隐藏软件&#xff0c;按住 ⌘ 同时拖动软件 ico…

Insyde uefi 隐藏设置_苹果手机:插件NoMessageButtons:可隐藏iOS信息应用界面的按钮...

如今使用IT数码设备的小伙伴们是越来越多了&#xff0c;那么IT数码设备当中是有很多知识的&#xff0c;这些知识很多小伙伴一般都是不知道的&#xff0c;就好比最近就有很多小伙伴们想要知道插件NoMessageButtons&#xff1a;可隐藏iOS信息应用界面的按钮&#xff0c;那么既然现…

Insyde uefi 隐藏设置_固件级安全,微软安全工具新增UEFI扫描功能

微软Windows10系统自带的安全工具Microsoft Defender Advanced Threat Protection(以下简称Defender)的防护能力越来越强&#xff0c;在多项权威测试中都取得了不错的成绩&#xff0c;对安全性要求不是那么敏感的用户完全可以不用安装第三方的安全软件。而在最近更新的官方博文…

Insyde uefi 隐藏设置_Android/iOS QQ 8.1.5测试版同时发布:私密会话可以隐藏

最近&#xff0c;手机QQ同时开启安卓和苹果版内测&#xff0c;版本号更新到8.1.5&#xff0c;主要是增加一些有趣的玩法&#xff0c;保护私密聊天等一些功能。 ▲安卓测试版 ▲苹果测试版 主要更新内容如下&#xff1a; 1、趣味自拍表情&#xff0c;智能生成表情包&#xff0c;…

联想计算机如何设置bios密码,Lenovo 消费笔记本如何设置BIOS密码

适用范围: G460、G480、G485、G585、S10-3T、S110、S205、U1、U260、U460、Y460A、Y460N、Y560、Z360、Z370、Z460、Z465、Z470、Z475、Z560、Z570、Z575、G400、G470、G475、G500、G565、G465、G570、G575、G770、S100、S210、S300、S400、S500、U160、U165、U300s、U310、U33…

h2ouve下载 insyde_神舟tx6zx6gx9tx9蓝天模具解锁bios高级菜单

本帖最后由 xyingtao 于 2020-8-21 09:47 编辑 刷BIOS有风险!刷前请三思! 理论适用机型: 使用insyde bios 的tx系列 zx系列 gx系列 具体请自己对应官网的bios固件 不保证其它机型适用 原教程帖地址:https://www.bilibili.com/read/cv5652930 神舟官方bios固件下载地址:http:/…

Insyde uefi 隐藏设置_文颐法语:iOS 14安装后发现的9个隐藏的iPhone功能

我们研究了Apple最新的移动操作系统&#xff0c;并发现了一些隐藏的功能。我们向您展示在哪里可以找到它们以及如何使用它们。 苹果新 的iOS 14和iPadOS 14 为您更新iPhone ($ 699亚马逊)和iPad的($ 260返回市场)添加了一堆我们非常兴奋的新功能&#xff0c;如在主屏幕上的小部…

Insyde uefi 隐藏设置_vivo手机怎么隐藏应用 vivo手机怎样把软件隐藏起来?

1、vivo手机部分型号是没有隐藏的功能图标&#xff0c;部分手机型号是有隐藏图标功能的(vivo X9有隐藏功能&#xff0c;vivo X9s 没有隐藏功能)。 (1)在手机空白处长按几秒时间&#xff0c;底部会弹出悬浮窗口。 (2)可以看到在右侧有一个‘隐藏图标’功能&#xff0c;点击打开&…

Insyde uefi 隐藏设置_安卓福利,手机桌面图标隐藏,找应用按字母轻松搞定!

前几天玩客君刚分享了IOS最新BUG“微信”图标快速隐藏方法&#xff0c;后台就有粉丝回复,是否有安卓桌面图标的隐藏技巧&#xff0c;这不玩客君给安排上了。 小技巧&#xff1a;IOS 13最新版“微信”图标快速隐藏方法&#xff0c;敏感APP轻松藏 长按识别 ☞ 公众号回复 隐藏图标…

Insyde uefi 隐藏设置_利用rufus制作Linux/Windows安装启动盘(支持UEFI+GPT)

Rufus 是一个开源免费的快速制作U盘系统启动盘的工具,它可以快速把 ISO 格式的系统镜像文件快速制作成可引导的 USB 启动安装盘,支持 Windows 或 Linux 启动。 rufus在写入U盘之前,还可以对ISO文件进行校验。 Rufus 支持 UEFI 以及GPT格式的安装,分区类型可以选择传统的MBR…

Insyde uefi 隐藏设置_uefi版和装机版有什么区别详细分析

现在装系统都用U盘&#xff0c;光盘时代已经结束&#xff0c;而且现在都是用U盘启动盘制作工具来装系统&#xff0c;但我们在网上下载启动工具的时候会发现它又分为装机版和uefi版两种版本&#xff0c;它们有什么区别呢&#xff1f; 其实就是电脑主板的更新&#xff0c;启动模式…

insyde H2OFFT cannot run on battery power

升级BIOS时&#xff0c;运行BIOS-DPCN48WW.exe程序后&#xff0c;冒出来一个这个玩意儿 看着很懵逼&#xff0c;翻译一下&#xff1a; 插上电源完事…