二重积分的概念和应用（黎曼和）

二重积分的概念是对函数在二维区域上的积分，它扩展了一元积分的思想到更高的维度。 理解二重积分需要分几个步骤：

1. 从一元积分到二重积分的类比:

一元积分 ${\int }_a^{b}f(x)dx$ 可以理解为在区间 $[a,b]$ 上，由函数 $f(x)$ 与 x 轴围成的面积。

二重积分 ${\iint }_{D}f(x,y)dA$ 则可以理解为在二维区域 $D$ 上，由函数 $f(x,y)$ 与 xy 平面围成的体积。 这里 $dA$ 代表面积元，它可以表示为 $dxdy$ 或 $dydx$，取决于积分次序。

2. 积分区域 D:

积分区域 D 可以是各种形状的二维区域，例如：

• 矩形区域: 例如 $D=\{(x,y)|a\le x\le b,c\le y\le d\}$。这种区域的积分计算相对简单。
• 一般区域: 形状更复杂的区域，可能需要用不等式来描述，例如 $D=\{(x,y)|g_1(x)\le y\le g_2(x),a\le x\le b\}$ (Type I 区域) 或 $D=\{(x,y)|h_1(y)\le x\le h_2(y),c\le y\le d\}$ (Type II 区域)。 Type I 和 Type II 指的是积分区域的不同表达方式，选择哪种方式取决于积分的方便程度。 更复杂的区域可能需要分割成多个 Type I 或 Type II 区域。

3. 计算二重积分:

计算二重积分通常采用迭代积分的方法，即将二重积分转化为两次一元积分。 具体步骤如下：

• 确定积分区域 D: 用不等式描述积分区域，并判断是 Type I 还是 Type II 区域（或者需要分割成多个区域）。
• 选择积分次序: 选择对 $x$ 先积分还是对 $y$ 先积分，这取决于积分区域的形状和被积函数的复杂度。 选择合适的次序可以简化计算。
• 进行迭代积分: 按照选择的积分次序，先对其中一个变量积分，将另一个变量视为常数；然后对剩下的变量积分。

例如，对于 Type I 区域，二重积分可以写成：

${\iint }_{D}f(x,y)dA={\int }_a^b{\int }_{g_1(x)}^{g_2(x)}f(x,y)dydx$

先对 $y$ 积分，再对 $x$ 积分。 Type II 区域的迭代积分类似，只是积分次序相反。

4. 应用:

二重积分有很多应用，例如：

• 计算体积: 这是二重积分最直接的应用，如计算由曲面 $z=f(x,y)$ 和 xy 平面围成的体积。
• 计算面积: 当 $f(x,y)=1$ 时，二重积分计算的是区域 D 的面积。
• 计算平均值: 可以计算函数在区域 D 上的平均值。
• 物理应用: 例如计算质量、重心、转动惯量等。

5. 极坐标下的二重积分:

对于一些对称性较好的区域，使用极坐标系进行积分会更方便。 在极坐标系下，面积元为 $dA=rdrd\theta$。 积分的表达式为：

$${\iint }_{D}f(x,y)dA={\int }_{\alpha }^{\beta }{\int }_{r_1(\theta )}^{r_2(\theta )}f(r\cos \theta ,r\sin \theta )rdrd\theta$$

其中，$\alpha$ 和 $\beta$ 是极角的范围，$r_1(\theta )$ 和 $r_2(\theta )$ 是区域 D 在极坐标下的边界。

二重积分的求和思想是其定义的基础。它代表将积分区域划分成许多小的矩形，在每个小矩形上用函数值乘以小矩形的面积，然后将所有这些小量加起来。 当矩形数量趋于无穷大，而矩形大小趋于零时，这个和就趋于二重积分的值。 以下我们通过例题说明，展示不同求和方式的转化，但需要注意的是，实际计算中直接用求和计算二重积分非常困难，通常使用迭代积分。 求和方式主要用于理解二重积分的概念。

例题: 计算函数 $f(x,y)=x+y$ 在区域 $D=\{(x,y)|0\le x\le 1,0\le y\le 1\}$ 上的二重积分。

方法一：均匀分割求和

我们将区域 D 均匀地分割成 n x n 个小正方形，每个小正方形的边长为 Δx = Δy = 1/n。 小正方形的面积为 ΔA = (1/n)²。

第 i 行第 j 列的小正方形的左下角坐标为 $((i-1)/n,(j-1)/n)$，我们用这个点的函数值来近似小正方形上的函数值。 则小正方形上的函数值的和为：

$S_n={\sum }_{i=1}^n{\sum }_{j=1}^{n}f\left(\frac{i-1}{n},\frac{j-1}{n}\right)\Delta A={\sum }_{i=1}^n{\sum }_{j=1}^n\left(\frac{i-1}{n}+\frac{j-1}{n}\right)\frac{1}{n^2}$

二重积分的值是当 n 趋于无穷大时，这个和的极限：

${\iint }_D(x+y)dA={\lim }_{n\to \infty }{S}_n$

方法二：非均匀分割求和 (概念性说明)

我们可以将区域 D 分割成大小不一的矩形，但这会使计算变得复杂。 假设我们用某种方式划分区域，得到 $m$ 个矩形，第 $k$ 个矩形的面积为 $\Delta A_k$，在该矩形内选择一个点 $(x_k^{\ast },y_k^{\ast })$，则二重积分可以近似表示为：

${\iint }_D(x+y)dA\approx {\sum }_{k=1}^{m}f(x_k^{\ast },y_k^{\ast })\Delta A_k={\sum }_{k=1}^m(x_k^{\ast }+y_k^{\ast })\Delta A_k$

当分割的矩形数量趋于无穷大，且每个矩形的最大直径趋于零时，这个近似值趋于二重积分的精确值。 这种方法的计算非常繁琐，因此通常不直接使用。

方法三：蒙特卡洛方法 (数值方法)

蒙特卡洛方法是一种数值方法，它通过随机采样来近似积分值。 我们可以在区域 D 内随机生成 N 个点 $(x_i,y_i)$，然后计算：

$${\iint }_D(x+y)dA\approx \frac{A(D)}{N}\sum _{i=1}^{N}f(x_i,y_i)=\frac{1}{N}\sum _{i=1}^N(x_i+y_i)$$

其中 $A(D)$ 是区域 D 的面积 (本例中为 1)。 这种方法的精度随着 N 的增加而提高，但它只是一种近似计算方法。

迭代积分计算 (实际计算方法)

上述求和方法只用于理解二重积分的概念。实际计算中，我们使用迭代积分：

$${\iint }_D(x+y)dA={\int }_0^1{\int }_0^1(x+y)dydx={\int }_0^1{\left[xy+\frac{1}{2}{y}^2\right]}_0^{1}dx={\int }_0^1\left(x+\frac{1}{2}\right)dx={\left[\frac{1}{2}{x}^2+\frac{1}{2}x\right]}_0^1=1$$

在下面这些例子中，我们只展示求和的思路，不会进行复杂的求和运算，因为随着分割数n的增加，计算量会爆炸式增长。 极限运算通常需要用到一些求和公式来简化。

例题 1： 计算函数 $f(x,y)=x^{2}y$ 在区域 $D=\{(x,y)|0\le x\le 1,0\le y\le 2\}$ 上的二重积分。

1. 分割: 将区域 D 分割成 n x m 个矩形，其中 Δx = 1/n, Δy = 2/m。 每个矩形的面积为 ΔA = 2/(nm)。

2. 近似: 在每个矩形内选择一个点来近似函数值。 我们选择左下角的点，其坐标为 $((i-1)/n,(j-1)2/m)$，其中 $1\le i\le n$, $1\le j\le m$。

3. 求和: 二重积分可以近似为：

   $${\iint }_D{x}^{2}ydA\approx \sum _{i=1}^n\sum _{j=1}^m{\left(\frac{i-1}{n}\right)}^2\left(\frac{2(j-1)}{m}\right)\frac{2}{nm}$$

4. 极限: 二重积分的精确值是当 n 和 m 趋于无穷大时的极限：

   $${\iint }_D{x}^{2}ydA=\underset{n\to \infty ,m\to \infty }{\lim }\sum _{i=1}^n\sum _{j=1}^m{\left(\frac{i-1}{n}\right)}^2\left(\frac{2(j-1)}{m}\right)\frac{2}{nm}$$

例题 2： 计算函数 $f(x,y)=xy$ 在区域 $D=\{(x,y)|0\le x\le 1,x\le y\le 1\}$ 上的二重积分。

1. 分割: 这个区域不是矩形，分割起来相对复杂。 我们可以将区域分割成 n 个宽度为 1/n 的竖条，然后每个竖条再分成 m 个小矩形。 这个例子中，我们需要将每一竖条高度进行调整，因为 y 的上限是1，下限是 x。

2. 近似: 在每个小矩形内，选择左下角的点进行近似。 计算变得较为复杂，因为每一竖条的小矩形高度不一致。

3. 求和: 该求和表达式将非常复杂，需要考虑每个竖条上小矩形高度的变化。

4. 极限: 同样，我们需要计算当 n 和 m 趋于无穷大时的极限。

例题 3： 计算函数 $f(x,y)=1$ 在区域 $D=\{(x,y)|x^2+y^2\le 1\}$ 上的二重积分 (单位圆)。

1. 分割: 将单位圆分割成 n 个同心圆环，每个圆环再分成 m 个扇形。 这需要用到极坐标。 需要注意的是，每个扇形的面积并非完全相等。

2. 近似: 在每个扇形内选择一个点，或者取扇形平均半径计算面积。

3. 求和: 这需要用到极坐标下的面积计算，而且由于面积不是均匀的，求和会比较复杂。

4. 极限: 计算 n 和 m 趋于无穷大时的极限。 这个例子中，使用极坐标进行迭代积分会更加简便。

让我们考虑一个定义在矩形区域 $D=[a,b]\times [c,d]$ 上的函数 $f(x,y)$。

1. 分割: 将区域 D 分割成 n x m 个小矩形。 我们使用均匀分割，则每个小矩形的宽度为 $\Delta x=\frac{b-a}{n}$，高度为 $\Delta y=\frac{d-c}{m}$。 每个小矩形的面积为 $\Delta A=\Delta x\Delta y=\frac{(b-a)(d-c)}{nm}$.

2. 采样点: 在每个小矩形内选择一个采样点。 我们用 $(x_{ij}^{\ast },y_{ij}^{\ast })$ 表示第 i 行第 j 列小矩形的采样点。 一种常见的选择是取每个小矩形的左下角点： $x_{ij}^{\ast }=a+(i-1)\Delta x,y_{ij}^{\ast }=c+(j-1)\Delta y$
   其中 $1\le i\le n,1\le j\le m$

3. 黎曼和: 函数 f(x,y) 在区域 D 上的黎曼和定义为：

   $S_{nm}={\sum }_{i=1}^n{\sum }_{j=1}^{m}f(x_{ij}^{\ast },y_{ij}^{\ast })\Delta A={\sum }_{i=1}^n{\sum }_{j=1}^{m}f\left(a+(i-1)\Delta x,c+(j-1)\Delta y\right)\frac{(b-a)(d-c)}{nm}$

4. 二重积分: 如果当 $n\to \infty$ 和 $m\to \infty$ 时，黎曼和 $S_{nm}$ 收敛到一个极限值，则该极限值定义为函数 f(x, y) 在区域 D 上的二重积分：

   $${\iint }_{D}f(x,y)dA=\underset{n\to \infty ,m\to \infty }{\lim }{S}_{nm}=\underset{n\to \infty ,m\to \infty }{\lim }\sum _{i=1}^n\sum _{j=1}^{m}f\left(a+(i-1)\Delta x,c+(j-1)\Delta y\right)\frac{(b-a)(d-c)}{nm}$$

这个公式清晰地展现了如何从 i 和 j 的双重求和 (黎曼和) 转化到二重积分。 需要注意的是，这个极限的存在性需要满足一定的条件（例如，f(x,y) 在 D 上连续或可积）。 不同的采样点选择会得到不同的黎曼和，但如果极限存在，它们都会收敛到相同的二重积分值。

以下展示如何用二重黎曼和逼近二重积分，并体会从离散求和到连续积分的过渡：

例题1：单位正方形上的函数

考虑函数 $f(x,y)=x^{2}y$ 在单位正方形 $D=[0,1]\times [0,1]$ 上的二重积分。 使用左下角作为采样点，写出相应的黎曼和，并说明其与二重积分的关系。

解:

1. 分割: 将单位正方形分成 n x n 个大小相等的小正方形，每个小正方形的边长为 $\Delta x=\Delta y=\frac{1}{n}$, 面积为 $\Delta A=\frac{1}{n^2}$.

2. 采样点: 左下角的采样点坐标为 $(x_{ij},y_{ij})=\left(\frac{i-1}{n},\frac{j-1}{n}\right)$, 其中 $1\le i,j\le n$.

3. 黎曼和: 黎曼和为:

   $S_n={\sum }_{i=1}^n{\sum }_{j=1}^{n}f\left(\frac{i-1}{n},\frac{j-1}{n}\right)\Delta A={\sum }_{i=1}^n{\sum }_{j=1}^n{\left(\frac{i-1}{n}\right)}^2\left(\frac{j-1}{n}\right)\frac{1}{n^2}$

4. 二重积分: 当 $n\to \infty$, $S_n$ 收敛于二重积分：

   ${\iint }_D{x}^{2}ydA={\int }_0^1{\int }_0^1{x}^{2}ydxdy$

例题2：三角形区域上的函数

考虑函数 $f(x,y)=x+2y$ 在三角形区域 $D=\{(x,y)|0\le x\le 1,0\le y\le x\}$ 上的二重积分。 使用左下角作为采样点，写出相应的黎曼和（可以考虑不均匀分割，使得小矩形的面积不完全相等）。

解: (由于三角形区域，采用均匀分割会比较复杂)

一个简化的办法是，仍然使用 $n\times n$ 的分割，但是只考虑落在三角形区域内的那些小矩形。 小矩形面积仍然为 $\Delta A=\frac{1}{n^2}$. 黎曼和则变为：

$S_n={\sum }_{i=1}^n{\sum }_{j=1}^{i}f\left(\frac{i-1}{n},\frac{j-1}{n}\right)\frac{1}{n^2}={\sum }_{i=1}^n{\sum }_{j=1}^i\left(\frac{i-1}{n}+2\frac{j-1}{n}\right)\frac{1}{n^2}$

当 $n\to \infty$，此黎曼和趋近于

${\iint }_D(x+2y)dA={\int }_0^1{\int }_0^x(x+2y)dydx$

例题3：圆形区域上的函数

考虑函数 $f(x,y)=x^2+y^2$ 在半径为 1 的圆盘 $D=\{(x,y)|x^2+y^2\le 1\}$ 上的二重积分。 这个例子需要用到极坐标，直接用矩形分割比较复杂，所以这里只给出积分的表达，不展开黎曼和的详细推导：

${\iint }_D(x^2+y^2)dA$ 可以使用极坐标转换方便计算： $x=r\cos \theta ,y=r\sin \theta ,dA=rdrd\theta$

以下是一些难度较高的例子，涉及更复杂的区域和函数，需要更巧妙地设计黎曼和来逼近二重积分：

例题1：非矩形区域，非均匀分割

考虑函数 $f(x,y)=e^{x^2+y^2}$ 在区域 $D=\{(x,y)|x^2+y^2\le 1,x\ge 0,y\ge 0\}$ (单位圆的右上角四分之一) 上的二重积分。 设计一个黎曼和来逼近这个积分。由于区域是圆形，均匀矩形分割不理想，考虑极坐标转换：

解： 使用极坐标转换，$x=r\cos \theta ,y=r\sin \theta$, 区域变为 $0\le r\le 1,0\le \theta \le \frac{\pi }{2}$. 我们可以将区域分割成 n 个扇形，每个扇形的角度为 $\Delta \theta =\frac{\pi }{2n}$, 再将每个扇形沿径向分割成 m 个同心圆环，每个圆环的宽度为 $\Delta r=\frac{1}{m}$. 则每个小区域的面积近似为 $ \Delta A_{ij} = \frac{1}{2} r_i \Delta r \Delta \theta$, 其中 $r_i=\frac{i}{m}$, $1\le i\le m$, $1\le j\le n$.

黎曼和为：

$S_{mn}={\sum }_{j=1}^n{\sum }_{i=1}^m{e}^{r_i^2}\frac{1}{2}{r}_i\Delta r\Delta \theta ={\sum }_{j=1}^n{\sum }_{i=1}^m{e}^{{\left(\frac{i}{m}\right)}^2}\frac{1}{2}\frac{i}{m}\frac{1}{m}\frac{\pi }{2n}$

当 $m,n\to \infty$, $S_{mn}$收敛于：

${\int }_0^{\pi /2}{\int }_0^1{e}^{r^2}rdrd\theta$

例题2：分段函数

考虑函数

$f(x,y)=\{\begin{array}{ll}1& \text{if }{x}^2+y^2\le 1\\ 0& \text{otherwise}\end{array}$

在区域 $D=[-2,2]\times [-2,2]$ 上的二重积分。 设计一个黎曼和来逼近这个积分。

解： 这个函数表示单位圆内的值为 1，其余为 0。 可以用均匀矩形分割。设每个小矩形的边长为 $\Delta x=\Delta y=\frac{4}{n}$. 黎曼和为：

$S_n={\sum }_{i=1}^n{\sum }_{j=1}^{n}f(x_i,y_j){\left(\frac{4}{n}\right)}^2$

其中 $(x_i,y_j)$ 是每个小矩形的中心点。 当 n 趋于无穷大时，黎曼和收敛于单位圆的面积 $\pi$. 这里体现了黎曼和可以计算区域的面积。

例题3：条件限制的区域

考虑函数 $f(x,y)=xy$ 在区域 $D=\{(x,y)|x^2+y^2\le 1,x\ge y\}$ 上的二重积分。 设计一个黎曼和来逼近该积分。 这个区域是单位圆的一半，由直线 y=x 分割。 可以利用极坐标或根据区域形状设计非均匀分割。

这些例题的难度在于：

• 复杂的区域: 需要巧妙地分割区域，以便更好地逼近积分。
• 非均匀分割: 均匀分割可能效率低下，需要考虑非均匀分割。
• 复杂的函数: 函数本身可能难以直接计算，需要使用近似方法。

以下是几道关于黎曼和逼近二重积分的例题，难度递增：

例题1：三角形区域上的简单函数

计算函数 $$f(x,y)=x+y$$ 在三角形区域 $$D=\{(x,y)|0\le x\le 1,0\le y\le x\}$$ 上的二重积分。 使用黎曼和进行近似计算。

解题思路: 可以将三角形区域划分成若干个小矩形。由于区域形状不规则，需要仔细处理边界上的小矩形。 可以采用均匀分割，也可以根据需要进行非均匀分割以提高精度。 黎曼和的表达式将会是：

$S_{mn}={\sum }_{i=1}^m{\sum }_{j=1}^{n}f(x_{ij},y_{ij})\Delta x\Delta y$

其中，$x_{ij}$ 和 $y_{ij}$ 是第 $i$ 行第 $j$ 个小矩形的坐标，$\Delta x$ 和 $\Delta y$ 是小矩形的边长。 随着 $m$ 和 $n$ 趋于无穷大，黎曼和将收敛到二重积分的值。

例题2：圆形区域上的复杂函数

计算函数 $f(x,y)=e^{-(x^2+y^2)}$ 在单位圆盘 $D=\{(x,y)|x^2+y^2\le 1\}$上的二重积分。 使用极坐标和黎曼和进行近似计算。

解题思路: 由于区域是圆形，使用极坐标转换会简化计算。 将圆盘划分成若干个极坐标下的扇形小区域。 黎曼和的表达式将会是：

$S_{mn}={\sum }_{i=1}^m{\sum }_{j=1}^{n}f(r_i\cos {\theta }_j,r_i\sin {\theta }_j)r_i\Delta r\Delta \theta$

其中，$r_i$$ 和 $${\theta }_j$ 分别表示极径和极角的划分点，$\Delta r$ 和 $\Delta \theta$ 分别表示极径和极角的步长。 这个例子中，函数具有对称性，可以利用对称性简化计算。

例题3：分段函数和不规则区域

计算函数 $f(x,y)=\{\begin{array}{ll}1& \text{if }{x}^2+y^2\le 1\text{ and }x\ge 0\\ 0& \text{otherwise}\end{array}$ 在区域 $D=\{(x,y)|-2\le x\le 2,-2\le y\le 2\}$ 上的二重积分。 使用黎曼和进行近似计算。

解题思路: 这是一个分段函数，并且区域包含单位圆的一半。 需要根据函数的定义和区域的形状进行合适的划分。 可以将区域划分成矩形，然后根据每个小矩形是否落在函数值为 1 的区域内来计算黎曼和。 由于函数是不连续的，需要特别注意处理边界的情况。 此题需要灵活运用黎曼和的定义，并结合分段函数和区域的几何特性来进行计算。

这些例题的难度逐渐增加，涵盖了不同类型的函数和区域，旨在帮助更好地理解黎曼和在逼近二重积分中的应用。 记住，实际计算中，数值积分方法通常比直接计算黎曼和更有效率，但理解黎曼和的原理对于掌握二重积分的概念至关重要。