R中二重数值积分异常结果的参数传递及原理问询

1. R中integrate函数的核心规则 #

R的integrate()函数要求被积函数必须满足标量输入、标量输出的基本逻辑。当计算外层积分时，它会自动生成多组标量/向量形式的采样点传入被积函数，因此被积函数必须支持向量化处理，否则会出现逻辑偏差。

2. 错误写法的执行流程拆解 #

（1）fI函数的逻辑漏洞 #

错误定义的fI函数，直接将接收的向量u完整传递给内层integrate()的参数：

fI <- function(u) {
  integrand <- function(r, u) {
    (r - u) * r
  }
  integrate(f=integrand, lower=1, upper=2, u=u)$value
}

内层integrate()计算时，会生成一组向量形式的r采样点用于近似积分。此时u是向量、r也是向量，R会触发循环补齐规则：将长度较短的向量重复至与长向量长度一致后逐元素运算。这完全违背了二重积分的逻辑——内层积分本应是固定单个u值，对r积分，而非将u向量与r向量循环配对后积分。

（2）integrand2的“小技巧”本质 #

integrand2 <- function(u) {
  rep(1, length(u))*fI(u=u)
}

外层integrate()调用integrand2时，会传入向量形式的u采样点（比如长度为k的向量）。fI(u=u)执行一次内层积分后得到一个标量结果（integrate()始终返回标量），随后rep(1, length(u))将这个标量重复k次，生成与输入u长度一致的向量返回给外层integrate()。

外层积分最终用这些重复的错误标量值作为每个u采样点的函数值，计算出错误的积分结果（1.5）。

3. 传递给fI(u=u)的u具体值 #

传递给fI的u是外层integrate()自动生成的向量采样点。比如外层积分区间是[0,1]，integrate()可能生成类似c(0.123, 0.456, 0.789)这样的向量（具体采样点由integrate()的数值算法决定），而非单个标量。

4. 结果错误的根源 #

正确的内层积分对每个u的计算应为：
$$\int_1^2 (r-u)r dr = \int_1^2 (r^2 - ur) dr = \left[\frac{r^3}{3} - u\frac{r^{2}{2}\right]_1}2 = \frac{7}{3} - \frac{3u}{2}$$
再对u从0到1积分：
$$\int_0^1 (\frac{7}{3} - \frac{3u}{2}) du = \frac{7}{3} - \frac{3}{4} = \frac{19}{12} \approx 1.583333$$

而错误写法中，内层integrate()计算的是循环补齐后的(r-u)*r的积分，相当于把u向量的所有值混合进了r的积分计算，得到的标量并非对应每个u的正确函数值，最终外层积分自然出错。

内容的提问来源于stack exchange，提问作者Mr Frog