多变量微积分笔记(3)——二重积分
文章目录
- 3. 多重积分——二重积分(Double Integrals)
- 3.1 直角坐标系下二重积分
- 二重积分的定义
- 如何选择积分上下限
- 3.2 极坐标下的二重积分
- 微元及二重积分表达式
- 如何选择积分上下限
- 3.3 二重积分中的换元方法
- 直角坐标系与极坐标之间的转化
- Jacobian行列式
- 3.4 标量函数中二重积分的应用
- 质量
- 均值和质心
- 二维平面内的转动惯量
- 3.5 矢量场及矢量场中的积分
- 矢量场回顾
- 梯度场和势场——矢量场和标量场的转化
- 常见的矢量场
- 矢量场中的积分1——线积分(Line Integrals)
- A. 功(Work)
- 线积分一般表达形式
- 梯度场与线积分基本定理
- 什么是梯度场
- 线积分基本定理
- 梯度场的等价性质
- 如何检验一平面向量场是梯度场
- 由梯度场推导势场
- B. 格林定理(Green's Theorem)
- B.1 二维平面中的旋度
- B.2 二维平面中的通量与散度
- I. 2D 通量
- II. 2D 散度
- B.3 格林定理(Green Theorem)——功(线积分)与旋度
- I. 定理内容
- II. 证明思路
- III. 旋度的简单物理解释
- B.4 格林定理法向形式(Green Theorem in normal form)——通量(Flux)与散度
- I. 定理内容
- II.简单证明
- III.散度的简单物理解释
- 3.6 二维平面下格林定理总结
本博客对应我博客中的 多变量微积分目录下的第三章,二重积分。
3. 多重积分——二重积分(Double Integrals)
上一章讲到多元函数的微分及其应用,这一章是关于多重积分里的二重积分,虽然只是限定在了平面范围内,但是非常非常重要。
3.1 直角坐标系下二重积分
二重积分的定义
现有一积分区域RRR和某函数f(x,y)f(x,y)f(x,y),将该区域切割成nnn块小面积,其中第iii块的面积为ΔAi\Delta A_iΔAi,并且在该区域内选择一个点(xi,yi)(x_i,y_i)(xi,yi),那么有限项和
∑inf(xi,yi)ΔAi\sum_i^n f(x_i,y_i)\Delta A_i∑inf(xi,yi)ΔAi在面积元接近无穷小时的极限被定义为二重积分(参考下图),即:
∬Rf(x,y)dA=limΔAi→0∑inf(xi,yi)ΔAi\iint_Rf(x,y)dA=\lim_{\Delta A_i\to 0}\sum_i^n f(x_i,y_i)\Delta A_i∬Rf(x,y)dA=ΔAi→0limi∑nf(xi,yi)ΔAi
可以发现,如果函数f(x,y)f(x,y)f(x,y)是某一物体的高度函数,二重积分可以用来求该物体的体积;当f(x,y)=1f(x,y)=1f(x,y)=1时,二重积分 ∬RdA\iint_R dA∬RdA 求的是积分区域的面积。(常见的二重积分应用会在3.4节中提到)
如何选择积分上下限
在多重积分当中,最重要的就是明确积分的上下限,通常情况下需要先画出所求区域的草图。
一般步骤
- 写出完整的二重积分表达式
∬Rf(x,y)dydxor∬Rf(x,y)dxdy\iint_Rf(x,y)dydx\quad or\quad\iint_Rf(x,y)dxdy∬Rf(x,y)dydxor∬Rf(x,y)dxdy - 根据内部积分的顺序,选择固定的轴,xxx或yyy,作垂直于所选轴的垂线,如果固定的是xxx轴,那么积分上下限一般表达式为y1=g1(x),y2=g2(x)y_1=g_1(x),\ y_2=g_2(x)y1=g1(x), y2=g2(x),选择yyy轴的情况同理。
- 如果第二步中固定的是xxx轴,将xxx当成常数对变量yyy积分(步骤与单变量几分钟的步骤完全一样)
- 对外层变量 xxx 积分
举例如下图:求曲线x+y=1x+y=1x+y=1与x2+y2=1x^2+y^2=1x2+y2=1在第一象限所围成的面积,可以看出,例子中选择的是先固定变量xxx。
3.2 极坐标下的二重积分
在单变量微积分中我们已经学过了极坐标和直角坐标系的转换,即x=rcosθ,y=rsinθx=r\cos\theta,\ y=r\sin\thetax=rcosθ, y=rsinθ。当所求积分区域为圆或圆的衍生图形的时候常用极坐标。
微元及二重积分表达式
微元表达式
如下图,将二维区域RRR按极坐标的模式切割成不同小块,每一个小块的面积表达式为ΔA=rΔθ⋅Δr\Delta A=r_\Delta\theta\cdot \Delta rΔA=rΔθ⋅Δr,转化成微元形式就是 dA=rdrdθdA=rdrd\thetadA=rdrdθ,可以看出,极坐标下的面积元与矩形面积公式相似,因为在面积无穷小的时候弧长会近似成直线。
二重积分表达式
极坐标下的二重积分形式为:
∬Rf(r,θ)rdrdθ=limΔAi→0∑inf(ri,θi)ΔAi\iint_Rf(r,\theta)rdrd\theta=\lim_{\Delta A_i\to 0}\sum_i^n f(r_i,\theta_i)\Delta A_i∬Rf(r,θ)rdrdθ=ΔAi→0limi∑nf(ri,θi)ΔAi
如何选择积分上下限
与直角坐标系中选择积分上下限类似,一般在极坐标中先固定角度θ\thetaθ。
一般步骤:
- 写出完整的二重积分表达式:
∬Rf(r,θ)rdrdθ\iint_Rf(r,\theta)rdrd\theta∬Rf(r,θ)rdrdθ - 固定角度θ\thetaθ,作过原点的一条直线,找到内部积分上下限的一般表达式,r1=g1(θ),r2=g2(θ)r_1=g_1(\theta),\ r_2=g_2(\theta)r1=g1(θ), r2=g2(θ),之后求出内部积分表达式。
- 找到变量θ\thetaθ的上下限并对外层变量 θ\thetaθ 积分
3.3 二重积分中的换元方法
直角坐标系与极坐标之间的转化
根据所选积分区域的形状选择不同的坐标系会有不同的效果,起到简化计算的作用。首先是最常见的直角坐标与极坐标的转化。
∬Rf(x,y)dydx=∬Rf(r,θ)rdrdθ\iint_R f(x,y)dydx=\iint_Rf(r,\theta)rdrd\theta∬Rf(x,y)dydx=∬Rf(r,θ)rdrdθ
其中各个变量的对应关系是x=rcosθ,y=rsinθ,r=x2+y2,θ=tan−1yxx=r\cos\theta,\ y=r\sin\theta,\ r=\sqrt{x^2+y^2},\ \theta=tan^{-1}\frac{y}{x}x=rcosθ, y=rsinθ, r=x2+y2, θ=tan−1xy
Jacobian行列式
Jacobian行列式是变量变换的一般形式,这一节只有表达形式,我觉得这个行列式非常美妙,所以具体的证明过程等我之后再补上!本节只考虑Jacobian的二维形式,其定义式为:
∂(x,y)∂(u,v)=∣xuxvyuyv∣\frac{\partial(x,y)}{\partial (u,v)}=\begin{vmatrix}x_u&x_v\\y_u&y_v\end{vmatrix}∂(u,v)∂(x,y)=∣∣∣∣xuyuxvyv∣∣∣∣
一般化的变量转化为:
dA=∣∂(x,y)∂(u,v)∣dudvdA=\big|\frac{\partial(x,y)}{\partial (u,v)}\big|dudvdA=∣∣∂(u,v)∂(x,y)∣∣dudv
直角坐标到极坐标的转化也可以通过Jacobian计算出来。
3.4 标量函数中二重积分的应用
在标量函数中,二重积分有许多应用:在不考虑厚度的情况下,已知密度求物体的质量;;求物体质心的位置;求物体的转动惯量。
质量
已知物体的密度δ(x,y)\delta(x,y)δ(x,y)在某一区域 RRR 内是连续的,则质量为:
Mass=∬Rδ(x,y)dydx\text{Mass}=\iint_R\delta(x,y)dydxMass=∬Rδ(x,y)dydx
均值和质心
在单变量微积分中,积分的一个应用是求均值和加权平均值。同样地,二重积分也可以用来求均值,一般表达式为:
Average=1area R∬Rf(x,y)dA\text{Average}=\frac{1}{\text{area} \ R}\iint_Rf(x,y)dAAverage=area R1∬Rf(x,y)dA
当f(x,y)=xf(x,y)=xf(x,y)=x或f(x,y)=yf(x,y)=yf(x,y)=y时就是求一个物体的质心位置。假设密度依然为δ(x,y)\delta(x,y)δ(x,y),则质心(Center of Mass)表达式为:
xcm=∬Rxδ(x,y)dAx_{cm}=\iint_Rx\delta(x,y)dAxcm=∬Rxδ(x,y)dAycm=∬Ryδ(x,y)dAy_{cm}=\iint_Ry\delta(x,y)dAycm=∬Ryδ(x,y)dA
二维平面内的转动惯量
转动惯量相当于旋转刚体的质量(写到这突然觉得今晚上得复习一下经典力学中的旋转刚体了,力矩等概念已经记不得了),对于对称的物体而言,I=md2I=md^2I=md2。mmm是物体的质量(不规则的物体需要用积分的方法求解),ddd是物体到转轴的距离。如果密度为δ(x,y)\delta(x,y)δ(x,y)的物体绕yyy轴旋转,其转动惯量就可以写成:
I=∬x2δ(x,y)dAI=\iint x^2\delta(x,y)dAI=∬x2δ(x,y)dA
3.5 矢量场及矢量场中的积分
矢量场回顾
在笔记第二章最后中已经介绍了什么是矢量场和标量场,由于这一章关注的是二维平面,所以矢量场就特指平面向量场,其表达式为F(x,y)=M(x,y)i+N(x,y)j\bold F(x,y)=M(x,y)\bold i+N(x,y) \bold jF(x,y)=M(x,y)i+N(x,y)j如果函数M,NM,\ NM, N是可微的,则向量场可微。
梯度场和势场——矢量场和标量场的转化
如果某一个二维标量函数w=f(x,y)w=f(x,y)w=f(x,y)是连续可导的, 则它的梯度场可以表示为∇w=∂w∂xi+∂w∂yj\nabla w=\frac{\partial w}{\partial x}\bold i+\frac{\partial w}{\partial y}\bold j∇w=∂x∂wi+∂y∂wj
(请牢记梯度的性质,梯度垂直于等值面的切线)
如果一个向量场是某个势函数的梯度,则这个向量场就被称为梯度场。梯度场是保守场,即做功与路径无关。(常见的梯度场有电场,重力场等)做工只与起始和终止点有关。下文也会详细阐述关于保守场的几个等价命题
常见的矢量场
矢量场广泛应用于物理学中,描述力场,比如静电力场,重力场;或者是描述流体,比如不可压缩的水流和可压缩的气体的流速(单位时间内经过的量等)。
矢量场中的积分1——线积分(Line Integrals)
当平面内有一力场时,线积分表达的物理意义就是力做功的多少。
A. 功(Work)
在物理学中,功是计算力在位移上的分量和位移的乘积而得到的,也就是力和位移的点乘。
线积分一般表达形式
平面内有一矢量场(一般是与力有关)F=Mi+Nj=<M,N>\bold F=M\bold i+N\bold j=<M,N>F=Mi+Nj=<M,N>(省略掉自变量以保证公式的简洁),平面内还有一曲线 C:r(t)=x(t)i+y(t)j=<x(t),y(t)>C:\bold r(t)=x(t)\bold i+y(t)\bold j=<x(t),y(t)>C:r(t)=x(t)i+y(t)j=<x(t),y(t)>,其微分形式dr=<dx,dy>d\bold r=<dx,dy>dr=<dx,dy>,由此可以推出线积分的表达形式及其分量表达形式:
∫CF⋅dr=∫C<M,N>⋅<dx,dy>=∫CMdx+Ndy\int_C\bold F\cdot d\bold r=\int_C<M,N>\cdot <dx,dy>=\int_CMdx+Ndy∫CF⋅dr=∫C<M,N>⋅<dx,dy>=∫CMdx+Ndy
梯度场与线积分基本定理
前文中提到了梯度场和势函数的关系,这一节将进一步阐明梯度场的性质及如何通过梯度场反推势函数。
什么是梯度场
如果一个向量场满足F=∇f=<fx,fy>\bold F=\nabla f=<f_x,f_y>F=∇f=<fx,fy>或者是F=−∇f\bold F=-\nabla fF=−∇f,那么它就被称为梯度场。注意,物理中一般加负号(比如电场与电势的关系E=−∇V\bold E=-\nabla VE=−∇V),数学中一般不加。
线积分基本定理
∫C∇f⋅dr=f(P1)−f(P0)\int_C\nabla f\cdot d\bold r=f(P_1)-f(P_0)∫C∇f⋅dr=f(P1)−f(P0)
其中P1,P0P_1,\ P_0P1, P0代表一段曲线的终止点和起始点。对该基本定理的简单解释如下:
∫C∇f⋅dr=∫Cfxdx+fydy=∫Cdf=f(P1)−f(P0)\int_C\nabla f\cdot d\bold r=\int_Cf_xdx+f_ydy=\int_Cdf=f(P_1)-f(P_0)∫C∇f⋅dr=∫Cfxdx+fydy=∫Cdf=f(P1)−f(P0)
上式中的df=fxdx+fydydf= f_xdx+f_ydydf=fxdx+fydy就是势函数fff的恰微分形式(Exact Differentials)
梯度场的等价性质
现有一梯度场F=∇f=<M,N>\bold F=\nabla f=<M,N>F=∇f=<M,N>,
梯度场的线积分与路径无关(Path Independence)
∫C1F⋅dr=∫C2F⋅dr\int_{C_1}\bold F\cdot d\bold r=\int_{C_2}\bold F\cdot d\bold r∫C1F⋅dr=∫C2F⋅dr
下图给出了本条性质的图形解释:
梯度场是保守场(Conservative Field):
如果平面内的曲线CCC是闭合曲线,那么FFF的线积分为0。
∮CF⋅dr=0\oint_C\bold F\cdot d\bold r=0∮CF⋅dr=0Mdx+NdyMdx+NdyMdx+Ndy是势函数fff的恰微分形式
df=Mdx+Ndy,where M=fx,N=fydf=Mdx+Ndy,\ \text{where}\ M=f_x,\ N=f_y df=Mdx+Ndy, where M=fx, N=fy
如何检验一平面向量场是梯度场
如果向量场F=Mi+Nj=<M,N>\bold F=M\bold i+N\bold j=<M,N>F=Mi+Nj=<M,N>满足My=NxM_y=N_xMy=Nx,则该向量场为梯度场。
简单证明:
假设F=∇f=<fx,fy>=<M,N>\bold F =\nabla f=<f_x,f_y>=<M,N>F=∇f=<fx,fy>=<M,N>,则fxy=fyx=My=Nxf_{xy}=f_{yx}=M_y=N_xfxy=fyx=My=Nx,反之也成立。
由梯度场推导势场
上文详细介绍了梯度场的性质和检验方法,那么已知梯度场如何反向求解势函数呢?
方法1
该方法通过拆解线积分的路径来计算线积分的值。因为梯度场是路径无关的,即线积分等于终止点的值减去起始点的值,所以将线积分的路径拆解成几段好算的路径是可行的,比如将其分解成只沿xxx轴和yyy轴的路径。(该方法并不常用)
方法二
常用的方法是利用反导数求解势函数。用一道例题来解释该方法的细节。
已知一梯度场为F=<fx,fy>=<4x2+8xy,3y2+4x2>\bold F=<f_x,f_y>=<4x^2+8xy,3y^2+4x^2>F=<fx,fy>=<4x2+8xy,3y2+4x2>。
步骤:
- 对该梯度场任意分量积分,例如f=∫fxdxf=\int f_xdxf=∫fxdx
f=∫fxdx=43x3+4x2y+g(y)f=\int f_xdx=\frac{4}{3}x^3+4x^2y+g(y)f=∫fxdx=34x3+4x2y+g(y)
这里的g(y)g(y)g(y)是之关于变量yyy的函数。 - 对第一步中得到的含有g(y)g(y)g(y)的函数继续求导,并于原梯度场中的fyf_yfy联立算出g(y)g(y)g(y),可以得到
fy=0+4x2+g′(y)=4x2+3y2f_y=0+4x^2+g'(y)=4x^2+3y^2fy=0+4x2+g′(y)=4x2+3y2g′(y)=3y2→g(y)=y3+Cg'(y)=3y^2\quad\to\quad g(y)=y^3+Cg′(y)=3y2→g(y)=y3+C - 利用第二步中的结果计算原函数:
f=43x3+4x2y+y3+Cf=\frac{4}{3}x^3+4x^2y+y^3+Cf=34x3+4x2y+y3+C
B. 格林定理(Green’s Theorem)
尽管矢量场中的功是通过一维积分定义的,但这并不影响其从一维到二维积分的转化。该转化过程需要定义新的量,即旋度(Curl)。功是对向量场与曲线的切线方向积分得到的,如果要让向量场与曲线的法向做积分,就得到了二维通量,转化成二维积分的时候就需要定义新的量——散度(Divergence)
B.1 二维平面中的旋度
因为向量场F\bold FF只是在平面上的,所以其对应的旋度也是二维的。二维平面中旋度的定义为:
CurlF=Nx−My\text{Curl}\bold F=N_x-M_yCurlF=Nx−My
要注意在二维平面中,旋度是一个标量,但在三维空间中,旋度是一个矢量,二维旋度只是三维旋度下沿zzz轴的分量。
B.2 二维平面中的通量与散度
I. 2D 通量
其实功的一维积分表达式还可以写成(平面向量场是F=Mi+Nj\bold F=M\bold i+N\bold jF=Mi+Nj)∫CF⋅dr=∫CF⋅Tds\int_C \bold F\cdot d\bold r=\int_C \bold F\cdot \bold Tds ∫CF⋅dr=∫CF⋅Tds
其中T=v∣v∣\bold T=\frac{\bold v}{|\bold v|}T=∣v∣v是描述曲线切线方向的单位向量,dr=Tds=vdtd\bold r=\bold Tds=\bold v dtdr=Tds=vdt。
如果我们关注的是向量场在曲线法向的分量,我们就可以在功的表达式的基础上定义改进,即∫CF⋅nds\int_C \bold F\cdot \bold nds∫CF⋅nds接下来只要知道如何表达法向量n\bold nn就可以了。我们以参数sss来参数化路径向量r\bold rr,也就是r(s)=x(t)i+y(t)j\bold r(s)=x(t)\bold i+y(t)\bold jr(s)=x(t)i+y(t)j,切向向量微元Tds=vdt=<dx,dy>\bold Tds=\bold vdt=<dx,dy>Tds=vdt=<dx,dy>,又已知nds\bold ndsnds垂直于Tds\bold TdsTds,在二维平面中我们通常将切向向量向右旋转90°90\degree90°得到曲线的法向量(也就是默认曲线是逆时针方向的),所以nds=<dy,−dx>\bold nds=<dy,-dx>nds=<dy,−dx>以保证(nds)⋅(Tds)=0(\bold nds)\cdot(\bold Tds)=0(nds)⋅(Tds)=0。新的表达式即二维通量的表达式为:
∫CF⋅nds=∫C<M,N>⋅<dy,−dx>=∫CMdy−Ndx\int_C \bold F\cdot \bold nds=\int_C <M,N>\cdot<dy,-dx>=\int_C Mdy-Ndx∫CF⋅nds=∫C<M,N>⋅<dy,−dx>=∫CMdy−Ndx
II. 2D 散度
假设有一向量场F=<M,N>\bold F=<M,N>F=<M,N>,它的散度就表示为:
divF=Mx+Ny=∂M∂x+∂N∂y\text{div}\bold F=M_x+N_y=\frac{\partial M}{\partial x}+\frac{\partial N}{\partial y}divF=Mx+Ny=∂x∂M+∂y∂N
B.3 格林定理(Green Theorem)——功(线积分)与旋度
I. 定理内容
给定以向量场F=<M,N>\bold F=<M,N>F=<M,N>,它在某一闭合曲线CCC上(包围的面积为RRR)的线积分为:
∮CF⋅dr=∮CMdx+Ndy=∬RCurlFdA=∬R(Nx−My)dA\oint_C \bold F \cdot d\bold r=\oint_CMdx+Ndy=\iint_R\text{Curl}\bold FdA=\iint_R(N_x-M_y)dA∮CF⋅dr=∮CMdx+Ndy=∬RCurlFdA=∬R(Nx−My)dA
其中Nx−MyN_x-M_yNx−My为向量场的二维旋度。下一章的笔记中会给出三维旋度的统一表达式。一些闭合曲线的示意图如下图:
注意闭合曲线的方向一定要满足右手定则(简单来说曲线应该是逆时针转动的)
II. 证明思路
证明格林定理的思路是:
- 首先将闭合曲线所构成的平面切割成一个个小矩形(Vertically Simple Region),这种切割方法方便在直角坐标系中的证明;
- 由于定理中存在叠加的式子Nx−MyN_x-M_yNx−My,对于左右两边的式子,可以先证明其中任意一个,比如右边的∬−Mydydx\iint-M_ydydx∬−Mydydx和左边的∮Mdx\oint Mdx∮Mdx,之后类推到N,NxN,N_xN,Nx;
- 最后叠加,在加法中需要注意,两条相邻的闭合曲线相加,其交线会相互抵消,如下图:
III. 旋度的简单物理解释
在流体速度场中,旋度度量的是旋转体的角速度(气体或液体);而在力场中,旋度与旋转物体所受到的力矩(力乘以力臂)有关。
B.4 格林定理法向形式(Green Theorem in normal form)——通量(Flux)与散度
I. 定理内容
与格林定理一样,格林定理法相形式也需要闭合曲线CCC和它所包围的面积RRR及向量场F=<M,N>\bold F=<M,N>F=<M,N>,则通过闭合曲线的通量为:
∮CF⋅nds=∮CMdy−Ndx=∬RdivFdA=∬R(Mx+Ny)dA\oint_C\bold F\cdot\bold nds=\oint_CMdy-Ndx=\iint_R\text{div}\bold F\ dA=\iint_R(M_x+N_y)dA∮CF⋅nds=∮CMdy−Ndx=∬RdivF dA=∬R(Mx+Ny)dA
值得注意的是,格林定理的法向形式与格林定理本身是一致的,如果令M=N,N=MM=N,\ N=MM=N, N=M,这两个定理是一致的。
II.简单证明
跟证明格林定理的时候思路一样,先把闭合曲线围成的面积切割成一块块小矩形,如下图,
经过顶部曲线的通量是(法向量n=j\bold n = \bold jn=j):
F⋅jΔs=N(x,y+Δy)Δx\bold F\cdot\bold j\Delta s=N(x,y+\Delta y)\Delta xF⋅jΔs=N(x,y+Δy)Δx
经过底部曲线的通量是(法向量n=−j\bold n = -\bold jn=−j):
F⋅(−j)Δs=−N(x,y)Δx\bold F\cdot(-\bold j)\Delta s=-N(x,y)\Delta xF⋅(−j)Δs=−N(x,y)Δx
两者相加,(N(x,y+Δy)−N(x,y))Δx=∂N∂yΔyΔx(N(x,y+\Delta y)-N(x,y))\Delta x=\frac{\partial N}{\partial y}\Delta y \Delta x(N(x,y+Δy)−N(x,y))Δx=∂y∂NΔyΔx
左右两边也同理。
III.散度的简单物理解释
如果散度为正,说明该区域内有源(source),也就是发散的;如果散度为负,则说明该区域是汇聚点(sink),是收敛的。物理上,散度描述的是源速率(Source Rate),比如,有一流体,散度表示的就是每单位面积每单位时间加入系统的流体的量。
3.6 二维平面下格林定理总结
二维平面中的格林定理有两种形式,一种是切向,一种是法向。不同的形式有着不同的物理应用。切向形式的格林定理常用于做功;而法向的格林定理常用于计算通量。
单连通区域的描述(Simple Connected)
在上文的关于旋度,散度中,我们的暗含假设是闭合曲线CCC包围的面积RRR是单连通的。单连通区域需要满足以下条件:平面某一区域DDD内,任意闭合曲线所包含的区域都要在该区域DDD内。比如说完整的圆形就是单连通的,而圆环就不属于单连通区域。
格林定理扩展形式(Extended Form)
格林定理可以在非单连通区域内成立,某区域RRR如下如图所示。
则格林定理则为:
∫C1F⋅dr+∫C2F⋅dr+⋯+∫CmF⋅dr=∬RcurlFdA\int_{C1}\bold F\cdot d\bold r+\int_{C2}\bold F\cdot d\bold r+\cdots+\int_{Cm}\bold F\cdot d\bold r=\iint_R\text{curl}\bold FdA∫C1F⋅dr+∫C2F⋅dr+⋯+∫CmF⋅dr=∬RcurlFdA
多变量微积分笔记(3)——二重积分相关推荐
- 多变量微积分笔记8——二重积分
二重积分是二元函数在空间上的积分,同定积分类似,是某种特定形式的和的极限.本质是求曲顶柱体体积.重积分有着广泛的应用,可以用来计算曲面的面积,平面薄片重心等.平面区域的二重积分可以推广为在高维空间中的 ...
- 多变量微积分笔记(1)——向量和矩阵
本博客对应我博客中的多变量微积分目录下的第一章,向量和矩阵. 1.向量和矩阵(Vectors and Matrices)--开启多变量函数和多变量微积分大门的钥匙 在单变量微积分中用得最多的应该只是坐 ...
- 多变量微积分笔记6——拉格朗日乘数法
基本的拉格朗日乘子法(又称为拉格朗日乘数法),就是求函数 f(x1,x2,...) 在 g(x1,x2,...)=C 的约束条件下的极值的方法.其主要思想是引入一个新的参数 λ (即拉格朗日乘子),将 ...
- 多变量微积分笔记24——空间线积分
线积分或路径积分是积分的一种.在数学中,线积分的积分函数的取值沿的不是区间,而是特定的曲线,称为积分路径.在物理学上,线积分是质点在外力作用下运动一段距离后总功. 如果把空间向量场F = Pi + Q ...
- 多变量微积分笔记9——极坐标下的二重积分
直角坐标是常用的坐标法,但是对于一些特别的问题,在直角坐标系下处理就显得有点笨拙了.这个时候,不妨试试极坐标.它可以使得问题变得出乎意料的简洁,也能让问题直观和清晰起来. 关于极坐标的相关问题可参考& ...
- 多变量微积分笔记1——偏导数
在一元函数中,我们已经知道导数就是函数的变化率.对于二元函数我们同样要研究它的"变化率". 在xOy平面内,当动点由P(x0,y0)沿不同方向变化时,函数f(x,y)的变化快慢一般 ...
- 多变量微积分笔记16——格林公式
旋度 场向量的旋度衡量的是运动的旋转部分,它表达的是在给定点上扭转程度的大小,用数学符号表示就是: 旋度的大小表示扭转程度,正负表示旋转是顺时针还是逆时针.由上一章可知,在保守中旋度为0. 举例来说, ...
- 多变量微积分笔记13——线积分
线积分或路径积分是积分的一种.在数学中,线积分的积分函数的取值沿的不是区间,而是特定的曲线,称为积分路径.在物理学上,线积分是质点在外力作用下运动一段距离后总功. 线积分 在物理学上,力所做的功等于 ...
- 多变量微积分笔记15——梯度场和势函数
梯度场的判别 如果一个向量场F = Mi + Nj是一个梯度场,它的势函数是f(x,y),则: 所以说,对于一个在平面内处处有定义且处处可导的向量场F = Mi + Nj,如果存在My = Nx,那么 ...
最新文章
- 深度学习“三部曲”重磅资源、python、DL理论、工程实战全覆盖(附免费下载)...
- 用计算机画函数图像教案,信息技术应用 用计算机画函数图象教案1
- 对PostgreSQL中 index only scan 的初步理解
- 常用的时间字符串转换
- BAT教程 :第六节(if命令讲解)
- linux如何ARP嗅探 Linux下嗅探工具Dsniff安装记录
- python脚本迁移数据库_Python迁移MySQL数据到MongoDB脚本
- pixhawk篇之坐标系转化,相关转化矩阵知识,算法截取
- 单人存档_电子发票归档怎么保存稳当?电子发票存档你都会了吗?
- 解析身份证_你需要知道的与身份证相关的7个函数,让你的工作效率快速提升!...
- python selenium2 动态调试
- Python 获取URL访问的HEAD头信息
- 黄聪:C#使用能够foreach对hashtable、List遍历时“集合已修改;可能无法执行枚举操作。”错误...
- 【Nginx】Nginx 工作原理
- 基于MATLAB的车牌识别(GUI)
- 计算机应用技术企业信息化,计算机应用技术对企业信息化作用
- 微服务使用模块化时候导入公共模块导致maven更新依赖错误问题
- Verilog语言控制Xilinx FPGA引脚demo
- CS:APP 计算机系统 课程大作业
- pr预设的卷及内核锐化是什么_PR CC 特效
热门文章
- Linux知识点概要之课堂总结
- 一种小微商户的调额方法值得您参考
- 我的专业作文300字计算机,我喜爱的职业300字
- unity3d:win32api,托盘运行,开机自启动,浏览文件对话框,无标题栏,自定义标题栏拖动
- OAException Application FND Message Name FND NO DATABASE
- java matlab 遗传算法_简单遗传算法MATLAB实现
- c语言香农编码文件压缩,谈谈熵编码无损压缩的原理
- DVM和ART的区别详解
- 20190608 JavaBean转jsonString时首字母大写的问题
- TP6 WhereIn排序问题