Численото интегриране се използва при много изчисления на интеграли, когато аналитичните решения не са налични или са трудни за изчисляване. Векторното числено интегриране апроксимира едновременно вектор от едномерни числени интегрирания.
Новият клас на Мата, QuadratureVec(), е функционално същият като Quadrature(), с тази разлика, че обработва по-удобно вектор от задачи за интегриране. По-точно, QuadratureVec() апроксимира числено вектор от едномерни интеграли чрез адаптивния метод на Гаус-Кронрод (за сравнение е предоставен и адаптивният метод на Симпсън).
QuadratureVec() се използва по същия начин като Quadrature() само в четири стъпки, а именно създаване на инстанция на класа QuadratureVec(), задаване на оценъчните функции, задаване на границите и извършване на изчисленията.
Нека видим как работи
Създаден е новият Mata клас QuadratureVec() за съхраняване и изчисляване на векторно цифрово интегриране.
Ето един пример за апроксимиране на следните три интеграла:
След като сме дефинирали функциите на оценителя, следваме четирите стъпки, които са необходими всеки път, когато използваме класа QuadratureVec(). Първо, създаваме инстанция q на класа QuadratureVec():
: q = QuadratureVec()
Второ, използваме setEvaluator(), за да посочим функциите на оценителя, дефинирани като оценител на вектори на колони:
: evaluator = (&f1() \ &f2() \ &f3()) : q.setEvaluator(evaluator)
Трето, използваме функцията setLimits(), за да зададем долната и горната граница, определени като граници:
: limits = ((1, 2) \ (0,pi()) \ (0,1)) : q.setLimits(limits)
Четвърто, използваме integrate(), за да изчислим приближенията:
