### 使用 `scipy.integrate` 进行数值积分 #### 单重积分 单重积分可以通过 `quad` 函数实现。该函数可以计算给定函数在一个区间上的定积分。 ```python from scipy import integrate import numpy as np def integrand(x): return x**2 result, error = integrate.quad(integrand, 0, 1) print(f"积分值: {result}, 误差估计: {error}") ``` 此代码片段展示了如何定义被积函数并调用 `quad` 来获得积分的结果以及相应的误差估计[^1]。 #### 双重积分 对于双重积分，可以使用 `dblquad` 或者更通用的 `nquad` 方法来处理多维情况下的积分问题。 ```python def double_integrand(y, x): return y * x area_result, area_error = integrate.dblquad(double_integrand, 0, 0.5, lambda x: 0, lambda x: 1-2*x) print(f"双重复合梯形法则得到的面积为{area_result}，绝对误差约为{area_error}.") ``` 这段例子说明了当涉及到两个变量时怎样设置边界条件，并通过传递额外参数的方式指定内层和外层积分范围[^2]。 #### 三重积分 同样地，在面对三维空间内的体积积分需求时，则可借助于 `tplquad` 完成任务；不过通常推荐采用灵活性更高的 `nquad` 方式来进行复杂区域上的多重积分操作。 ```python def triple_integrand(z, y, x): return z * y * x volume_result, volume_error = integrate.tplquad(triple_integrand, 0, 1, lambda x: 0, lambda x: 1-x, lambda x,y: 0, lambda x,y: 1-x-y) print(f"三个维度下物体体积大约等于{volume_result}，相对误差小于{volume_error}.") ``` 上述实例解释了在具体应用场景中构建合适的上下限表达式的重要性，从而精确描述待求解的空间几何形状[^3].