数学分析(二十一)-重积分09：在一般条件下重积分变量变换公式的证明

§9 在一般条件下重积分变量变换公式的证明
我们在本章 $\S 4$ 中证明了重积分变量变换公式 (定理 21.13). 在证明中引用了
$\S 4$中的引理. 此引理需要较强条件: $x(u,v),y(u,v)$ 有二阶连续偏导数.
本节将在 $x(u,v)$, $y(u,v)$ 仅有一阶连续偏导数的条件下来证明 $\S 4$
中的引理, 这样我们就完成了在一般条件下二重积分的变量变换公式.
为此,我们把这个引理重新叙述如下.
引理 设变换 $T:x=x(u,v),y=y(u,v)$ 把 $uv$
平面上的由分段光滑封闭曲线所围的闭区域 $\Delta$ 一对一地映成 $xy$
平面上的闭区域 $D$, 函数 $x=x(u,v),y=y(u,v)$ 在 $\Delta$
上分别具有一阶连续偏导数且它们的函数行列式
$$J(u,v)=\frac{\partial (x,y)}{\partial (u,v)}\ne 0,(u,v)\in \Delta ,$$
则区域 $D$ 的面积
$$\mu (D)={\iint }_{\Delta }|J(u,v)|\mathrm{d}u\mathrm{d}v.$$
证 证明分以下 4 步:
第 1 步: 对任意 $\left(u_0,v_0\right)\in$ int $\Delta$,任意
$\epsilon >0$, 存在 $\left(u_0,v_0\right)$ 的邻域 $G$, 当正方形
$I\subset G$ 且 $\left(u_0,v_0\right)\in I$ 时,
$$\mu (T(I))⩽{\iint }_I|J(u,v)|\mathrm{d}u\mathrm{d}v+\epsilon \mu (I).$$
第 2 步: 对任意正方形
$I\subset \mathrm{int}\Delta ,\mu (T(I))⩽{\iint }_I|J(u,v)|\mathrm{d}u\mathrm{d}v$.
第 3 步:
$\mu (D)⩽{\iint }_{\Delta }|J(u,v)|\mathrm{d}u\mathrm{d}v$.
第 4 步: $\mu (D)={\iint }_{\Delta }|J(u,v)|\mathrm{d}u\mathrm{d}v$.
第 1 步的证明 设 $\left(u_0,v_0\right)\in$ int $\Delta$, 对任意
$\epsilon >0$, 取正数 $\eta <\left|J\left(u_0,v_0\right)\right|$
满足
$$(1+\eta {)}^2\left|J\left(u_0,v_0\right)\right|<\left|J\left(u_0,v_0\right)\right|-\eta +\epsilon .$$
由于 $|J(u,v)|$ 在点 $\left(u_0,v_0\right)$ 上连续, 因此存在
$\left(u_0,v_0\right)$ 的邻域
$G_1\subset \mathrm{int}\Delta$, 使得当 $(u,v)$ $\in G_1$
时,
$$|J(u,v)|>\left|J\left(u_0,v_0\right)\right|-\eta .$$
定义映射
$$L:\{\begin{array}{l}\hat{x}(u,v)=x\left(u_0,v_0\right)+x_u\left(x_0,v_0\right)\left(u-u_0\right)+x_v\left(u_0,v_0\right)\left(v-v_0\right),\\ \hat{y}(u,v)=y\left(u_0,v_0\right)+y_u\left(u_0,v_0\right)\left(u-u_0\right)+y_v\left(u_0,v_0\right)\left(v-v_0\right),\end{array}$$
即
$$L(u,v)=\left(\begin{array}{l}\hat{x}(u,v)\\ \hat{y}(u,v)\end{array}\right)=\left(\begin{array}{l}x\left(u_0,v_0\right)\\ y\left(u_0,v_0\right)\end{array}\right)+{\mathbf{J}}_r\left(u_0,v_0\right)\left(\begin{array}{l}u-u_0\\ v-v_0\end{array}\right),$$
其中
${\mathbf{J}}_T\left(u_0,v_0\right)=\left(\begin{array}{ll}{x}_u\left(u_0,v_0\right)& x_{\ast }\left(u_0,v_0\right)\\ y_u\left(u_0,v_0\right)& y_v\left(u_0,v_0\right)\end{array}\right)$.
由于 $x(u,v),y(u,v)$ 在 $\left(u_0,v_0\right)$ 处可微,因此
$$\begin{array}{rl}& |x(u,v)-\hat{x}(u,v)|\\ =& \left|x(u,v)-x\left(u_0,v_0\right)-x_u\left(u_0,v_0\right)\left(u-u_0\right)-x_v\left(u_0,v_0\right)\left(v-v_0\right)\right|\\ =& o(\rho )(\rho \to 0),\\ & |y(u,v)-\hat{y}(u,v)|\\ =& \left|y(u,v)-y\left(u_0,v_0\right)-y_u\left(u_0,v_0\right)\left(u-u_0\right)-y_v\left(u_0,v_0\right)\left(v-v_0\right)\right|\\ =& o(\rho )(\rho \to 0),\end{array}$$
其中
$$\rho =\sqrt{{\left(u-u_0\right)}^2+{\left(v-v_0\right)}^2}$$