R语言中包含矩阵运算的一元函数积分如何实现？

你当前的需求是对基于矩阵运算生成的单变量函数做一维积分，直接用R基础库自带的integrate()函数即可实现，唯一需要注意的是：你当前定义的f(x)默认仅支持单个x值输入，传入多值x时会触发矩阵维度匹配错误，而integrate()要求被积函数支持向量化输入来提升计算效率，所以只需对原函数做简单适配即可。

实现方式1：改写函数适配向量化输入 #

通过sapply遍历所有输入的x值，保证每个值单独做矩阵运算：

# 定义系数矩阵m
m <- matrix(c(3.855, -0.206, -0.206, 0.01), nrow = 2, ncol = 2, byrow = T)
# 改写为支持向量化输入的被积函数
f <- function(x) {
  sapply(x, function(val) {
    1.96 * sqrt(t(c(1, val)) %*% m %*% c(1, val))
  })
}
# 执行积分，lower和upper参数替换为你实际需要的积分上下限即可，这里以0到10为例
integrate_res <- integrate(f, lower = 0, upper = 10)
# 输出完整积分结果（包含积分值、误差估计、迭代次数等信息）
print(integrate_res)
# 仅提取积分数值结果
print(integrate_res$value)

实现方式2：用Vectorize包装原函数（无需改写原有函数逻辑） #

如果不想改动你已经写好的f函数定义，直接用Vectorize()工具包装即可自动适配向量化输入要求：

m <- matrix(c(3.855, -0.206, -0.206, 0.01), nrow = 2, ncol = 2, byrow = T)
# 保留你原有函数定义不变
f <- function(x) 1.96 * sqrt(t(c(1,x)) %*% m %*% c(1,x))
# 包装为支持向量化输入的函数
f_vec <- Vectorize(f)
# 执行积分，上下限可自行调整
integrate_res <- integrate(f_vec, lower = 0, upper = 10)
print(integrate_res)

内容的提问来源于stack exchange，提问作者arezaie