Eu não acho que isso faça alguma diferença. Você deve escolher uma quadratura alta o suficiente para a integral sobre para que seja igual à função de Bessel J 0 . Eu escolhi a ordem 20 no exemplo abaixo, mas você sempre precisa fazer convergência com relação à função e intervalo exatos nos quais você integra. Então fiz convergência com n , a ordem da quadratura gaussiana da integral sobre x . Eu escolhi f ( x ) = e - x x 2 e uso o domínio [ 0 , x max ] , você pode alterar x maxθJ0 0nxf( x ) = e- xx2[ 0 , xmax]xmaxabaixo. Eu tenho:
n direct rewritten
1 0.770878284949 0.770878284949
2 0.304480978430 0.304480978430
3 0.356922151260 0.356922151260
4 0.362576361509 0.362576361509
5 0.362316789057 0.362316789057
6 0.362314010897 0.362314010897
7 0.362314071949 0.362314071949
8 0.362314072182 0.362314072182
9 0.362314072179 0.362314072179
10 0.362314072179 0.362314072179
n = 9
Aqui está o código:
from scipy.integrate import fixed_quad
from scipy.special import jn
from numpy import exp, pi, sin, cos, array
def gauss(f, a, b, n):
"""Gauss quadrature"""
return fixed_quad(f, a, b, n=n)[0]
def f(x):
"""Function f(x) to integrate"""
return exp(-x) * x**2
xmax = 3.
print " n direct rewritten"
for n in range(1, 20):
def inner(theta_array):
return array([gauss(lambda x: f(x) * cos(x*sin(theta)), 0, xmax, n)
for theta in theta_array])
direct = gauss(lambda x: f(x) * jn(0, x), 0, xmax, n)
rewritten = gauss(inner, 0, pi, 20) / pi
print "%2d %.12f %.12f" % (n, direct, rewritten)
xmax
[ 0 , ∞ ]f(x)
rewritten = gauss(inner, 0, pi, 20) / pi