python微积分求面积_用Python学微积分（微积分应用）

微积分是一种非常重要的“数学分析”思想(方法)，在许多领域中都有应用，比如：计算平面面积、曲线长度、空间图形的体积、旋转曲面面积和物理学中的“微元法”等。而如何用好“微积分”是这部分学习的重点。要用好微积分，关键是理解透彻“微分-differential”和“定积分-Integral”的定义。微积分在英文中有时又被称为“Infinitesimal calculus”，即“无穷小量微积分”，这个名字从一定意义上可以帮助我们记忆“微积分”思想：在微观上上研究无穷小量的特征，找出规律，然后回到宏观上计算结果，控制误差。具体方法上，可以参考“Riemann积分”分为五步：分割、取点、近似、求和(求定积分)、分析误差。

一、分割

分割是微积分方法的第一步，也是微积分应用中非常重要的一步。算法中有“分而治之”的策略(Divide-and-conquer algorithms)，微积分的“分割”也正暗合这种思想。另外所谓“微观化”，通俗理解就是取待研究的对象的一小部分作为单元，放大了仔细研究，找出特征，然后再总结整体规律。而微积分的“分割”也正是这个“取一小部分作为单元”。

普遍来说，有两种分割方式：直角坐标系分割和极坐标系分割。

1.直角坐标系分割

对于直角坐标系分割，我们已经和熟悉了，前面将定积分定义的时候，就是在直角坐标系下用“矩形逼近”的方法来计算曲线与x轴围成的面积。它是沿x轴分割成n小段{Δxi}，即在直角坐标系下分割是按自变量进行分割。

当然，直角坐标系下也可以沿y轴分割，本质上，直角坐标系中沿x轴分割和沿y轴分割意义是一样的。将沿y轴分割看作是：

将函数关系反转，同时也将坐标轴反转。

2，极坐标系分割

同样地，极坐标也是按自变量分割。只是，直观上看，与直角坐标系的分割差异较大。如下图：

显然，极坐标分割的单元形状类似三角形而不是梯形或矩形。

总结：

不论是什么坐标系，都是按自变量进行分割。这是由函数的映射关系决定的，已知自变量，通过函数运算，