Python | Método Scipy integra.romberg()

Con la ayuda del scipy.integrate.romberg()método, podemos obtener la integración Romberg de una función invocable desde el límite a al b usando el scipy.integrate.romberg()método.

Sintaxis: scipy.integrate.romberg(func, a, b)
Retorno: Retorna el valor integrado romberg de una función invocable.

Ejemplo n.º 1:
en este ejemplo, podemos ver que al usar el scipy.integrate.romberg()método, podemos obtener la integración Romberg de una función invocable desde el límite a hasta el b usando el scipy.integrate.romberg()método.

# import numpy and scipy.integrate
import numpy as np
from scipy import integrate
gfg = lambda x: np.exp(-x**2)
  
# using scipy.integrate.romberg()
geek = integrate.romberg(gfg, 0, 3, show = True)
  
print(geek)

Producción :

Romberg integration of <function vectorize1..vfunc at 0x00000209C3641EA0> from [0, 3]

 Steps  StepSize   Results
     1  3.000000  1.500185
     2  1.500000  0.908191  0.710860
     4  0.750000  0.886180  0.878843  0.890042
     8  0.375000  0.886199  0.886206  0.886696  0.886643
    16  0.187500  0.886205  0.886207  0.886207  0.886200  0.886198
    32  0.093750  0.886207  0.886207  0.886207  0.886207  0.886207  0.886207
    64  0.046875  0.886207  0.886207  0.886207  0.886207  0.886207  0.886207  0.886207
   128  0.023438  0.886207  0.886207  0.886207  0.886207  0.886207  0.886207  0.886207  0.886207

The final result is 0.8862073482595311 after 129 function evaluations.

Ejemplo #2:

# import numpy and scipy.integrate
import numpy as np
from scipy import integrate
gfg = lambda x: np.exp(-x**2) + 1 / np.sqrt(np.pi)
  
# using scipy.integrate.romberg()
geek = integrate.romberg(gfg, 1, 2, show = True)
  
print(geek)

Producción :

Romberg integration of <function vectorize1..vfunc at 0x00000209E1605400> from [1, 2]

 Steps  StepSize   Results
     1  1.000000  0.757287
     2  0.500000  0.713438  0.698822
     4  0.250000  0.702909  0.699400  0.699438
     8  0.125000  0.700310  0.699444  0.699447  0.699447
    16  0.062500  0.699663  0.699447  0.699447  0.699447  0.699447
    32  0.031250  0.699501  0.699447  0.699447  0.699447  0.699447  0.699447

The final result is 0.6994468414978009 after 33 function evaluations.