多变量微积分笔记（3）——二重积分

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$R$和某函数$f(x,y)$，将该区域切割成$n$块小面积，其中第$i$块的面积为$\Delta A_i$，并且在该区域内选择一个点$(x_i,y_i)$，那么有限项和
${\sum }_i^{n}f(x_i,y_i)\Delta A_i$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：
$${\iint }_{R}f(x,y)dA=\underset{\Delta A_i\to 0}{\lim }\sum _i^{n}f(x_i,y_i)\Delta A_i$$
可以发现，如果函数$f(x,y)$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$f(x,y)=1$时，二重积分 ${\iint }_{R}dA$ 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

1. 写出完整的二重积分表达式
   $${\iint }_{R}f(x,y)dydxor{\iint }_{R}f(x,y)dxdy$$
2. 根据内部积分的顺序，选择固定的轴，$x$或$y$，作垂直于所选轴的垂线，如果固定的是$x$轴，那么积分上下限一般表达式为$y_1=g_1(x),y_2=g_2(x)$，选择$y$轴的情况同理。
3. 如果第二步中固定的是$x$轴，将$x$当成常数对变量$y$积分（步骤与单变量几分钟的步骤完全一样）
4. 对外层变量 $x$ 积分

举例如下图：求曲线$x+y=1$与$x^2+y^2=1$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$x$。

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$x=r\cos \theta ,y=r\sin \theta$。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$R$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$\Delta A=r_{\Delta }\theta \cdot \Delta r$，转化成微元形式就是 $dA=rdrd\theta$，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：
$${\iint }_{R}f(r,\theta )rdrd\theta =\underset{\Delta A_i\to 0}{\lim }\sum _i^{n}f(r_i,{\theta }_i)\Delta A_i$$

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$\theta$。
一般步骤：

1. 写出完整的二重积分表达式：
   $${\iint }_{R}f(r,\theta )rdrd\theta$$
2. 固定角度$\theta$，作过原点的一条直线，找到内部积分上下限的一般表达式，$r_1=g_1(\theta ),r_2=g_2(\theta )$，之后求出内部积分表达式。
3. 找到变量$\theta$的上下限并对外层变量 $\theta$ 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。
$${\iint }_{R}f(x,y)dydx={\iint }_{R}f(r,\theta )rdrd\theta$$
其中各个变量的对应关系是$x=r\cos \theta ,y=r\sin \theta ,r=\sqrt{x^2+y^2},\theta =ta{n}^{-1}\frac{y}{x}$

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：
$$\frac{\partial (x,y)}{\partial (u,v)}=\left|\begin{array}{cc}{x}_u& x_v\\ y_u& y_v\end{array}\right|$$
一般化的变量转化为:
$$dA=\left|\frac{\partial (x,y)}{\partial (u,v)}\right|dudv$$
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$\delta (x,y)$在某一区域 $R$ 内是连续的，则质量为：
$$\text{Mass}={\iint }_R\delta (x,y)dydx$$

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：
$$\text{Average}=\frac{1}{\text{area}R}{\iint }_{R}f(x,y)dA$$
当$f(x,y)=x$或$f(x,y)=y$时就是求一个物体的质心位置。假设密度依然为$\delta (x,y)$，则质心（Center of Mass）表达式为：
$$x_{cm}={\iint }_{R}x\delta (x,y)dA$$$$y_{cm}={\iint }_{R}y\delta (x,y)dA$$

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，$I=m{d}^2$。$m$是物体的质量（不规则的物体需要用积分的方法求解），$d$是物体到转轴的距离。如果密度为$\delta (x,y)$的物体绕$y$轴旋转，其转动惯量就可以写成：
$$I=\iint x^2\delta (x,y)dA$$

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$\mathbf{F}(x,y)=M(x,y)\mathbf{i}+N(x,y)\mathbf{j}$如果函数$M,N$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$w=f(x,y)$是连续可导的， 则它的梯度场可以表示为$$\nabla w=\frac{\partial w}{\partial x}\mathbf{i}+\frac{\partial w}{\partial y}\mathbf{j}$$

（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）$\mathbf{F}=M\mathbf{i}+N\mathbf{j}=<M,N>$（省略掉自变量以保证公式的简洁），平面内还有一曲线 $C：\mathbf{r}(t)=x(t)\mathbf{i}+y(t)\mathbf{j}=<x(t),y(t)>$，其微分形式$d\mathbf{r}=<dx,dy>$，由此可以推出线积分的表达形式及其分量表达形式：
$${\int }_C\mathbf{F}\cdot d\mathbf{r}={\int }_C<M,N>\cdot <dx,dy>={\int }_{C}Mdx+Ndy$$

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$\mathbf{F}=\nabla f=<f_x,f_y>$或者是$\mathbf{F}=-\nabla f$，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$\mathbf{E}=-\nabla V$），数学中一般不加。

线积分基本定理

$${\int }_C\nabla f\cdot d\mathbf{r}=f(P_1)-f(P_0)$$
其中$P_1,P_0$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:
$${\int }_C\nabla f\cdot d\mathbf{r}={\int }_C{f}_{x}dx+f_{y}dy={\int }_{C}df=f(P_1)-f(P_0)$$
上式中的$df=f_{x}dx+f_{y}dy$就是势函数$f$的恰微分形式(Exact Differentials)

梯度场的等价性质

现有一梯度场$\mathbf{F}=\nabla f=<M,N>$，

1. 梯度场的线积分与路径无关（Path Independence）
   $${\int }_{C_1}\mathbf{F}\cdot d\mathbf{r}={\int }_{C_2}\mathbf{F}\cdot d\mathbf{r}$$
   下图给出了本条性质的图形解释：
   

2. 梯度场是保守场（Conservative Field）：
   如果平面内的曲线$C$是闭合曲线，那么$F$的线积分为0。
   $${\oint }_C\mathbf{F}\cdot d\mathbf{r}=0$$

3. $Mdx+Ndy$是势函数$f$的恰微分形式
   $$df=Mdx+Ndy,\text{where}M=f_x,N=f_y$$

如何检验一平面向量场是梯度场

如果向量场$\mathbf{F}=M\mathbf{i}+N\mathbf{j}=<M,N>$满足$M_y=N_x$，则该向量场为梯度场。

简单证明：
假设$\mathbf{F}=\nabla f=<f_x,f_y>=<M,N>$，则$f_{xy}=f_{yx}=M_y=N_x$，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$x$轴和$y$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$\mathbf{F}=<f_x,f_y>=<4x^2+8xy,3y^2+4x^2>$。
步骤：

1. 对该梯度场任意分量积分，例如$f=\int f_{x}dx$
   $$f=\int f_{x}dx=\frac{4}{3}{x}^3+4x^{2}y+g(y)$$
   这里的$g(y)$是之关于变量$y$的函数。
2. 对第一步中得到的含有$g(y)$的函数继续求导，并于原梯度场中的$f_y$联立算出$g(y)$，可以得到
   $$f_y=0+4x^2+g^{\prime }(y)=4x^2+3y^2$$$$g^{\prime }(y)=3y^2\to g(y)=y^3+C$$
3. 利用第二步中的结果计算原函数：
   $$f=\frac{4}{3}{x}^3+4x^{2}y+y^3+C$$

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$\mathbf{F}$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：
$$\text{Curl}\mathbf{F}=N_x-M_y$$
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$z$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$\mathbf{F}=M\mathbf{i}+N\mathbf{j}$）$${\int }_C\mathbf{F}\cdot d\mathbf{r}={\int }_C\mathbf{F}\cdot \mathbf{T}ds$$
其中$\mathbf{T}=\frac{\mathbf{v}}{|\mathbf{v}|}$是描述曲线切线方向的单位向量，$d\mathbf{r}=\mathbf{T}ds=\mathbf{v}dt$。

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$${\int }_C\mathbf{F}\cdot \mathbf{n}ds$$接下来只要知道如何表达法向量$\mathbf{n}$就可以了。我们以参数$s$来参数化路径向量$\mathbf{r}$，也就是$\mathbf{r}(s)=x(t)\mathbf{i}+y(t)\mathbf{j}$，切向向量微元$\mathbf{T}ds=\mathbf{v}dt=<dx,dy>$，又已知$\mathbf{n}ds$垂直于$\mathbf{T}ds$，在二维平面中我们通常将切向向量向右旋转$90°$得到曲线的法向量（也就是默认曲线是逆时针方向的），所以$\mathbf{n}ds=<dy,-dx>$以保证$(\mathbf{n}ds)\cdot (\mathbf{T}ds)=0$。新的表达式即二维通量的表达式为：
$${\int }_C\mathbf{F}\cdot \mathbf{n}ds={\int }_C<M,N>\cdot <dy,-dx>={\int }_{C}Mdy-Ndx$$

II. 2D 散度

假设有一向量场$\mathbf{F}=<M,N>$，它的散度就表示为:
$$\text{div}\mathbf{F}=M_x+N_y=\frac{\partial M}{\partial x}+\frac{\partial N}{\partial y}$$

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$\mathbf{F}=<M,N>$，它在某一闭合曲线$C$上(包围的面积为$R$)的线积分为:
$${\oint }_C\mathbf{F}\cdot d\mathbf{r}={\oint }_{C}Mdx+Ndy={\iint }_R\text{Curl}\mathbf{F}dA={\iint }_R(N_x-M_y)dA$$
其中$N_x-M_y$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：

1. 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；
   
2. 由于定理中存在叠加的式子$N_x-M_y$，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$\iint -M_{y}dydx$和左边的$\oint Mdx$，之后类推到$N,N_x$；
3. 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$C$和它所包围的面积$R$及向量场$\mathbf{F}=<M,N>$，则通过闭合曲线的通量为：
$${\oint }_C\mathbf{F}\cdot \mathbf{n}ds={\oint }_{C}Mdy-Ndx={\iint }_R\text{div}\mathbf{F}dA={\iint }_R(M_x+N_y)dA$$
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$M=N,N=M$，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$\mathbf{n}=\mathbf{j}$）：
$$\mathbf{F}\cdot \mathbf{j}\Delta s=N(x,y+\Delta y)\Delta x$$
经过底部曲线的通量是（法向量$\mathbf{n}=-\mathbf{j}$）：
$$\mathbf{F}\cdot (-\mathbf{j})\Delta s=-N(x,y)\Delta x$$
两者相加，$$(N(x,y+\Delta y)-N(x,y))\Delta x=\frac{\partial N}{\partial y}\Delta y\Delta x$$
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$C$包围的面积$R$是单连通的。单连通区域需要满足以下条件：平面某一区域$D$内，任意闭合曲线所包含的区域都要在该区域$D$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$R$如下如图所示。

则格林定理则为:
$${\int }_{C1}\mathbf{F}\cdot d\mathbf{r}+{\int }_{C2}\mathbf{F}\cdot d\mathbf{r}+\cdots +{\int }_{Cm}\mathbf{F}\cdot d\mathbf{r}={\iint }_R\text{curl}\mathbf{F}dA$$