重积分定义

Riemann可积:将区域分为直径足够小的每一个小块,每一个小块内取任意一点的函数值作为小块的函数值,然后加起来,即Riemann和,如果这个值有极限则可积。

二重积分

二元函数f(x,y)f(x,y)f(x,y)在矩形域III上间断点为零测集,则在III上可积,记作f∈R(I)f\in R(I)f∈R(I),另dσd\sigmadσ为面积微元,则二重积分写为:
∬Ifdσ\iint _I fd\sigma ∬I​fdσ

  • 若在有界闭集DDD上,则用足够大的矩形域III框住DDD,并且f(x,y)f(x,y)f(x,y)在I/DI/DI/D上为0,此时可积条件等价于:∂D\partial D∂D为零测集,DDD内部间断点为零测集

重积分关于区域可加性:

  • 在满足上述条件后,再要求D1∩D2D_1\cap D_2D1​∩D2​为零测集时:

∬D1∪D2fdσ=∬D1fdσ+∬D2fdσ\iint_{D_1\cup D_2}fd\sigma=\iint _{D_1}fd\sigma+\iint_{D_2} fd\sigma ∬D1​∪D2​​fdσ=∬D1​​fdσ+∬D2​​fdσ

积分中值定理:

  • DDD是R2\R^2R2上的道路连通有界闭集,边界为零测集,f,gf,gf,g为连续函数,且ggg在DDD上不变号,则:

∃(a,b)∈D∬Df(x,y)g(x,y)dxdy=f(a,b)∬Dg(x,y)dxdy\exist (a,b)\in D\\ \iint_Df(x,y)g(x,y)dxdy=f(a,b)\iint_D g(x,y)dxdy ∃(a,b)∈D∬D​f(x,y)g(x,y)dxdy=f(a,b)∬D​g(x,y)dxdy

重积分与累次积分

在矩形区域I=[a,b]×[c,d]I=[a,b]\times [c,d]I=[a,b]×[c,d]上

  • 设f∈R(I)f\in R(I)f∈R(I)

  • 若f(x,y)f(x,y)f(x,y)关于yyy在[c,d][c,d][c,d]上可积,则

∬Ifdσ=∫abdx∫cdf(x,y)dy\iint _{I} f d\sigma=\int_a^bdx\int_c^df(x,y)dy ∬I​fdσ=∫ab​dx∫cd​f(x,y)dy

  • 反之亦然

在一般区域x∈[a,b],y∈[y1(x),y2(x)]x\in[a,b],y\in[y_1(x),y_2(x)]x∈[a,b],y∈[y1​(x),y2​(x)]上

  • 若∫y1(x)y2(x)f(x,y)dy\int_{y_1(x)}^{y_2(x)}f(x,y)dy∫y1​(x)y2​(x)​f(x,y)dy存在,则

∬Df(x,y)dxdy=∫abdx∫y1(x)y2(x)f(x,y)dy\iint _Df(x,y)dxdy=\int_a^bdx\int_{y_1(x)}^{y_2(x)}f(x,y)dy ∬D​f(x,y)dxdy=∫ab​dx∫y1​(x)y2​(x)​f(x,y)dy

特别强调,一定要a≤ba\le ba≤b才可以转化为重积分

重积分的计算

有两种方法:交换积分次序变量代换

  • 根据积分区域转化为累次积分,再交换积分顺序

  • 变量代换:

    一般变量代换
    dxdydz=∣det(∂(x,y,z)∂(u,v,w))∣dudvdwdxdydz=\Big|det\big(\frac{\partial (x,y,z)}{\partial (u,v,w)}\big)\Big|dudvdw dxdydz=∣∣∣​det(∂(u,v,w)∂(x,y,z)​)∣∣∣​dudvdw
    利用极坐标表示,在有圆的结构时可以使用

    • 二维极坐标:

    x=rcos⁡θ,y=rsin⁡θdxdy=rdrdθx=r\cos \theta,y=r\sin \theta\\ dxdy=rdrd\theta x=rcosθ,y=rsinθdxdy=rdrdθ

    • 三维极坐标(θ\thetaθ为与北极线的夹角,φ\varphiφ为投影到xyxyxy平面内与xxx轴的夹角)

    x=rsin⁡θcos⁡φ,y=rsin⁡θsin⁡φ,z=rcos⁡θdxdydz=r2sin⁡θdrdφdθx=r \sin \theta \cos \varphi,y=r\sin \theta \sin \varphi,z=r\cos \theta \\ dxdydz=r^2\sin \theta drd\varphi d\theta x=rsinθcosφ,y=rsinθsinφ,z=rcosθdxdydz=r2sinθdrdφdθ

  • 般变量代换

重积分的应用

曲面面积问题:

  • 在参数方程(x,y,z)=f(u,v)(x,y,z)=f(u,v)(x,y,z)=f(u,v)下

ru=(∂x∂u,∂y∂u,∂z∂u)rv=(∂x∂v,∂y∂v,∂z∂v)dS=det∣ru⋅ruru⋅rvrv⋅rurv⋅rv∣dudvr_u=(\frac{\partial x}{\partial u},\frac{\partial y}{\partial u},\frac{\partial z}{\partial u})\\ r_v=(\frac{\partial x}{\partial v},\frac{\partial y}{\partial v},\frac{\partial z}{\partial v})\\ dS=\sqrt{det\begin{vmatrix} r_u\cdot r_u & r_u\cdot r_v\\ r_v\cdot r_u & r_v\cdot r_v \end{vmatrix}}dudv ru​=(∂u∂x​,∂u∂y​,∂u∂z​)rv​=(∂v∂x​,∂v∂y​,∂v∂z​)dS=det∣∣∣∣​ru​⋅ru​rv​⋅ru​​ru​⋅rv​rv​⋅rv​​∣∣∣∣​​dudv

  • du,dvdu,dvdu,dv前的系数恰好是ru,rvr_u,r_vru​,rv​张成的平行四边形的面积

∬ΩdS=∬Ω∗det∣ru⋅ruru⋅rvrv⋅rurv⋅rv∣dudv\iint _\Omega dS=\iint _{\Omega^*}\sqrt{det\begin{vmatrix} r_u\cdot r_u & r_u\cdot r_v\\ r_v\cdot r_u & r_v\cdot r_v \end{vmatrix}}dudv ∬Ω​dS=∬Ω∗​det∣∣∣∣​ru​⋅ru​rv​⋅ru​​ru​⋅rv​rv​⋅rv​​∣∣∣∣​​dudv

  • 特别的在(x,y,z)=(x,y,z(x,y))(x,y,z)=(x,y,z(x,y))(x,y,z)=(x,y,z(x,y))下

dS=1+(∂z∂x)2+(∂z∂y)2dxdydS=\sqrt{1+(\frac{\partial z}{\partial x})^2+(\frac{\partial z}{\partial y})^2}dxdy dS=1+(∂x∂z​)2+(∂y∂z​)2​dxdy

质心问题:

  • x‾=∭Ωxρ(x,y,z)dxdydz∭Ωρ(x,y,z)dxdydz\overline{x}=\frac{\iiint_\Omega x\rho (x,y,z)dxdydz}{\iiint_\Omega \rho(x,y,z)dxdydz} x=∭Ω​ρ(x,y,z)dxdydz∭Ω​xρ(x,y,z)dxdydz​

转动惯量:

  • 绕xxx轴转动惯量记为JxJ_xJx​

Jx=∭Ω(y2+z2)ρ(x,y,z)dxdydzJ_x=\iiint _\Omega (y^2+z^2)\rho(x,y,z)dxdydz Jx​=∭Ω​(y2+z2)ρ(x,y,z)dxdydz

引力问题:

  • 在zzz轴方向上的引力大小:

Fz=−∭ΩGmr2cos⁡γdm=−∭ΩGmx2+y2+z2⋅zx2+y2+z2⋅ρ(x,y,z)dxdydzF_z=-\iiint_\Omega\frac{Gm}{r^2}\cos \gamma dm\\ =-\iiint _\Omega \frac{Gm}{x^2+y^2+z^2}\cdot \frac{z}{\sqrt{x^2+y^2+z^2}}\cdot \rho(x,y,z)dxdydz Fz​=−∭Ω​r2Gm​cosγdm=−∭Ω​x2+y2+z2Gm​⋅x2+y2+z2​z​⋅ρ(x,y,z)dxdydz

重积分定理与计算总结相关推荐

  1. python 正方形去畸变_opencv 角点检测+相机标定+去畸变+重投影误差计算

    https://blog.csdn.net/u010128736/article/details/52875137 https://blog.csdn.net/h532600610/article/d ...

  2. 51单片机 自动重装载值计算

    单片机在不同的方式下,有不同的最大值.咱们现在针对单片机的方式1,设最大值为M.那么M的值应该是: M=2^16 = 65535 因为定时器是在一直加1计数的,并且在达到并且超过M的值的时候产生一个中 ...

  3. ORBSLAM3中的MLPnP在重定位时计算当前帧和候选帧的位姿变换

    参考论文:MLPNP - A REAL-TIME MAXIMUM LIKELIHOOD SOLUTION TO THE PERSPECTIVE-N-POINT PROBLEM PnP的任务是找到一个旋 ...

  4. 大量文本查重相似度计算功能设计-基于simhash+相似度算法

    最近做文本查重功能,陆续遇到一些问题,做一下记录: 1.simhash分桶策略,只适合基本完全相同的文本查重,比如网页查重.64位simhash如果有3位以内的海明距离,则认为文本一致:存储使用hba ...

  5. linq的字段自增长属性设置_云途晨报9月9日前,这5类ebay物品属性必须完成更新;Wish体积重计算方式即将更新...

    8月6日,星期四 本期要闻 √9月9日前,这5类eBay物品属性必须完成更新 √亚马逊新公告:卖家自配送订单新增小部件 √Wish:体积重计算方式即将更新 √全球速卖通成为东北欧最大网购平台 √意大利 ...

  6. 在 VSLAM 的后端优化中的重投影误差的雅可比计算详细推导

    对于相机位姿的变换可以通过旋转矩阵或者四元数进行表示,对于旋转矩阵的定义满足: R{∣R∣=1RRT=IR \begin{cases} |R| = 1 \\ RR^T = I\\ \end{cases ...

  7. OpenCV 相机校正过程中,calibrateCamera函数projectPoints函数的重投影误差的分析

    OpenCV 校正过程中,calibrateCamera函数的ret和重投影误差的分析 OpenCV对相机进行校正的过程中,校正返回值retval和重投影误差的计算公式表示和分析. OpenCV 校正 ...

  8. 了解动态链接(六)—— 重定位表

    柳条青青,南风熏熏,幻化奇峰瑶岛,一天的黄云白云,那边麦浪中间,有农妇笑语殷殷.问后园豌豆肥否,问杨梅可有鸟来偷:好几天不下雨了,玫瑰花还未曾红透:梅夫人今天进城去,且看她有新闻无有.-- 徐志摩·夏 ...

  9. 消防荷载楼板按弹性还是塑性计算_第二节 消防登高面、消防救援场地和灭火救援窗...

    一.定义 1.消防登高面:登高消防车能够靠近高层主体建筑,便于消防车作业和消防人员进入高层建筑进行抢救人员和扑救火灾的建筑立面称为该建筑的消防登高面,也称建筑的消防扑救面. 2.消防救援场地:在高层建 ...

  10. SciPy 积分的计算

    Scipy中的integrate模块提供了很多数值积分方法,例如,一重积分.二重积分.三重积分.多重积分.高斯积分等等. 一重积分 SciPy积分模块中,quad函数是一个重要函数,用于求一重积分.例 ...

最新文章

  1. ORM对mysql数据库中数据进行操作报错解决
  2. zookeeper版本更新_ZooKeeper入门,看这篇就够了!
  3. MS SQL入门基础:创建和使用图表
  4. 小师妹学JavaIO之:File copy和File filter
  5. textbox 和textera 文本框多行后不能拉伸
  6. POJ - 1251(最小生成树.krustal)
  7. python cv2.resize_Python OpenCV 图像缩放 cv2.resize 方法
  8. Visitor模式学习
  9. nib、xib与故事板的关系
  10. 车载主机企业对Android平台趋之若骛
  11. EXCEL复制可见单元格
  12. griddata三维空间插值
  13. iphone电脑wifi连接服务器未响应,苹果wifi连接不上怎么回事_苹果电脑连接不上wifi的解决步骤-win7之家...
  14. Cydia怎样添加威锋源
  15. [激光原理与应用-19]:《激光原理与技术》-5- 激光器的增益、损耗、自激振荡条件
  16. shell和javaAPI两种方式创建hbase表并预分区
  17. SQL中行转列、列转行
  18. 使用R语言根据财务指标对上市公司进行聚类分析
  19. 【IoT】10.Product Development Innovation 产品开发 · 创新
  20. safari浏览器兼容css3旋转同时位移处理

热门文章

  1. 升级openssh后出现问题(kex_exchange_identification: client sent。。。。。)
  2. win7计算机不显示摄像头图标不见了,win7系统摄像头图标不见怎么办?
  3. 9 tlds tomcat_解决Tomcat 7日志At least one JAR was scanned for TLDs...问题
  4. CPU 是怎么认识代码的?
  5. 网络工程师之网络规划
  6. 使用xpath,正则表达式爬取豆瓣top250电影信息
  7. 计算机音乐苹果手机,iPhone手机音乐如何导出电脑?
  8. SHAP:解释模型预测的通用方法
  9. 解决Vmware虚拟机startx进入图形界面卡退、白屏、黑屏的问题
  10. 《计算机工程》投稿过程