当前位置: 首页 > news >正文

【高等数学】3-2多元函数积分学

1. 二重积分

可以想象你有一块不规则的平面薄板,它在一个平面区域D上。二重积分$\iint_{D}f(x,y)d\sigma $就是用来求这个薄板的质量(假设薄板的面密度函数是$f(x,y)$)。

把区域D划分成许多非常小的小方块d\sigma(类似于把一块地划分成很多小格子),在每个小方块上,密度近似看成是一个常数$f(x,y)$,然后把每个小方块的质量$f(x,y)d\sigma $加起来,就是整个薄板的质量。

1.1. 直角坐标系计算二重积分

步骤

1. 画出积分区域D的图形

2. 根据图形选择坐标系

3. 根据切片法选择积分顺序

4. 确定两个积分元素的上下限

5. 列式计算

例题

$\iint\limits_{D} (3x+ 2y)d\sigma$,其中D是由两坐标轴及直线$x+y=2$所围成的闭区域。

1. 画出积分区域D的图形

2. 根据图形选择坐标系

直角坐标系大多数情况
极坐标系D的图形跟圆相关
(如圆、扇形、圆环、椭圆)

3. 根据切片法选择积分顺序

 二重积分可以转化为两次定积分来计算,但是xy先积谁是有顺序的。

在直角坐标系下有两种情况:

x型:垂直于x轴切片,先积y再积x

积谁,就是把谁当变量,想象有一个垂直于x轴的薄片在x轴方向上运动。

x型就是先对薄片积分(有一条线在薄片上沿y轴运动,把这些线加起来,形成薄片;再把薄片加起来,也就是对x积分。

当薄片对应的两条分界线(x+y=2;y=0)都不是分段函数时,可以用x

y型:垂直于y轴切片,先积x再积y

当薄片对应的两条分界线(x+y=2;x=0)都不是分段函数时,可以用y

4. 确定两个积分元素的上下限

假如用x型:x:0\rightarrow 2y:0\rightarrow 2-x

5. 列式计算

$\int_0^2\left[\int_0^{2-x}(3x+2y)\mathrm{d}y\right]\mathrm{d}x$              $\int_0^2dx\int_0^{2-x}(3x+2y)dy$     

先积右边的积分,再积左边的积分

\begin{aligned} &\int_0^2\mathrm{d}x\int_0^{2-x}(3x+2y)\mathrm{d}y \\ &=\int_0^2\left[3xy+y^2\right]_0^{2-x}\mathrm{d}x \\ &=\int_0^2\left[3x(2-x)+(2-x)^2\right]-\left[3x\cdot0+0^2\right]\mathrm{d}x \\ &=\int_0^2\left(-2x^2+2x+4\right)\mathrm{d}x \\ &=\frac{20}{3}\\ \end{aligned}

1.2. 极坐标系计算二重积分

步骤

1. 画出积分区域的图形

2. 根据图形选择坐标系

3. 根据切片法选择积分顺序

4. 确定两个积分元素的上下限

5. 列式计算

例题1

计算二重积分$I=\iint\limits_{D}\left(x^2+y^2\right)\mathrm{d}\sigma$的值,其中D是由x^2+y^2=4, x=0, 及y=x, 所围成的第一象限内的封闭区域。

1. 画出积分区域的图形

2. 根据图形选择坐标系

$I=\iint\limits_{D}\left(\rho^2cos^2\theta+\rho^2sin^2\theta\right)\mathrm{d}\theta\rho\mathrm{d}\rho=\iint\limits_D\rho^2\mathrm{d}\theta\rho\mathrm{d}\rho $

3. 根据切片法选择积分顺序

4. 确定两个积分元素的上下限

$\rho :0\rightarrow 2;\theta :\frac{\pi }{4}\rightarrow \frac{\pi }{2}$

5. 列式计算

\begin{aligned} I& =\iint\limits_{D}\left(x^{2}+y^{2}\right)\mathrm{d}\sigma=\int_{\frac{\pi}{4}}^{\frac{\pi}{2}}\mathrm{d}\theta\int_{0}^{2}\rho^{2}\cdot\rho\mathrm{d}\rho \\ &=\int_{\frac\pi4}^{\frac\pi2}\left[\frac14\rho^4\right]_0^2\mathrm{d}\theta \\ &=\int_\frac\pi4^\frac\pi24\mathrm{d}\theta \\ &=\left[4\theta\right]_{\frac\pi4}^{\frac\pi2} \\ &=\pi \end{aligned}

例题2

求二重积分$\iint\sqrt{x^2+y^2}\mathrm{d}x\mathrm{d}y$,其中D为圆形闭区域,x^2+y^2-4x=0围成的区域。

1. 画出积分区域的图形

2. 根据图形选择坐标系

3. 根据切片法选择积分顺序

4. 确定两个积分元素的上下限

\begin{aligned} &x^{2}+y^{2}-4x=0\\&\rho^{2}cos^{2}\theta+\rho^{2}sin^{2}\theta-4\rho cos\theta=0\\ &\rho^{2}-4\rho cos\theta=0\\ &\rho=4cos\theta\\ &\rho:0 \to 4cos\theta\\ &\theta :-\frac{\pi }{2}\rightarrow \frac{\pi }{2}\\ \end{aligned}

5. 列式计算

\begin{aligned}&\iint_{D}\sqrt{x^{2}+y^{2}}\mathrm{d}x\mathrm{d}y=\iint_{D}\rho\mathrm{d}\theta\rho\mathrm{d}\rho=\int_{-\frac{\pi}{2}}^{\frac{\pi}{2}}\mathrm{d}\theta\int_{0}^{4cos\theta}\rho^{2}\mathrm{d}\rho\\&=\int_{-\frac{\pi}{2}}^{\frac{\pi}{2}}\left[\frac{1}{3}\rho^{3}\right]_{0}^{4cos\theta}\mathrm{d}\theta=\int_{-\frac{\pi}{2}}^{\frac{\pi}{2}}\frac{64}{3}cos^{3}\theta\mathrm{d}\theta\\ &=\frac{64}3\int_{-\frac\pi2}^{\frac\pi2}cos^2\theta\mathrm{d}\left(sin\theta\right)=\frac{64}{3}\int_{-\frac{\pi}{2}}^{\frac{\pi}{2}}\left(1-\sin^{2}\theta\right)\mathrm{d}\left(\sin\theta\right) \\ &=\frac{64}3\left[sin\theta-\frac13sin^3\theta\right]_{-\frac\pi2}^{\frac\pi2} =\frac{64}3\left[\left(\frac23\right)-\left(-\frac23\right)\right] =\frac{256}{9} \end{aligned}

1.3. 交换积分次序

1.3.1. 直接考察

1.3.2. 交换后更好算

1.4. 积分区域对称

2. 三重积分

如果说二重积分是求平面薄板的质量,那么三重积分$\iiint_\Omega f(x,y,z)dV$就是求一个空间物体的质量(假设物体的体密度函数是$f(x,y,z)$)。

把空间区域$\Omega$划分成许多非常小的小立方体$dV$(就像把一个大的立体空间划分成很多小积木块),在每个小立方体上,密度近似看成是一个常数$f(x,y,z)$,然后把每个小立方体的质量$f(x,y,z)dV$加起来,就是整个物体的质量。

3. 第一类曲线积分(对弧长的曲线积分)(无方向)

把一根弯曲的铁丝看成曲线$L$,它的线密度函数是$f(x,y)$(如果是三维曲线就是$f(x,y,z)$ )。第一类曲线积分$\int\limits_Lf(x,y)ds$就是求这根铁丝的质量。

我们把曲线$L$划分成很多小段$ds$(就像把铁丝分成很多小短节),在每一小段上,密度近似看成是一个常数$f(x,y)$,然后把每一小段的质量$f(x,y)ds$加起来,就是整个铁丝的质量。

3.1. 基本计算

核心思想

转化为定积分;参数下限小于上限

步骤

1. 确定参数并代入

2. 求导并替换ds

相关文章:

【高等数学】3-2多元函数积分学

1. 二重积分 可以想象你有一块不规则的平面薄板,它在一个平面区域上。二重积分就是用来求这个薄板的质量(假设薄板的面密度函数是)。 把区域划分成许多非常小的小方块(类似于把一块地划分成很多小格子),在每个小方块上,密度近似看成是一个常数,然后把每个小方块的质量加…...

【传知代码】智慧医疗:纹理特征VS卷积特征

🍑个人主页:Jupiter. 🚀 所属专栏:传知代码 欢迎大家点赞收藏评论😊 目录 论文概述纹理特征和深度卷积特征算法流程数据预处理方法纹理特征提取深度卷积特征提取分类网络搭建代码复现BLS_Model.py文件——分类器搭建py…...

Python-创建并调用自定义文件中的模块/函数

背景:在Python编程中,我们常常需要创建自己的专属文件,以便帮助我们更高效,快捷地完成任务。那么在Python中我们怎么创建并调用自己文件中的模块/函数呢? 在Python中调用自定义文件,通常是指调用自己编写的Python模块…...

Kali Linux

起源与背景 Kali Linux是一个基于Debian的开源Linux发行版,专门为信息安全工作者和渗透测试员设计。它是由Offensive Security Ltd.开发和维护的,作为BackTrack的继承者而诞生。BackTrack是一个流行的安全测试发行版,但为了提供更好的支持和…...

DiffusionDet: Diffusion Model for Object Detection—用于对象检测的扩散模型论文解析

DiffusionDet: Diffusion Model for Object Detection—用于对象检测的扩散模型论文解析 这是一篇发表在CVPR 2023的一篇论文,因为自己本身的研究方向是目标跟踪,之前看了一点使用扩散模型进行多跟踪的论文,里面提到了DiffusionDet因此学习一…...

深度学习基础知识-编解码结构理论超详细讲解

编解码结构(Encoder-Decoder)是一种应用广泛且高效的神经网络架构,最早用于序列到序列(Seq2Seq)任务,如机器翻译、图像生成、文本生成等。随着深度学习的发展,编解码结构不断演变出多种模型变体…...

探讨Java深搜算法的学习笔记

大家好,我是 V 哥。深度优先搜索(DFS)是一种图遍历算法,它优先深入到某条路径的尽头,再回溯到前一个节点继续探索其他路径,直到找到目标或遍历完整个图。DFS的应用场景广泛,可以用于路径搜索、连…...

408——操作系统(持续更新)

文章目录 一、操作系统的概念及特征1.1 计算机系统的概念1.2 操作系统的基本特征 二、操作系统的功能和接口2.1 操作系统作为计算机资源的管理者2.2 操作系统作为用户和计算机硬件系统之间的接口2.3 操作系统实现对计算机资源的扩充 三、操作系统的发展和分类四、操作系统的运行…...

架构师之路-学渣到学霸历程-37

Nginx的热部署实验 本次分享的就是nginx的升级以及降级,实验中其实很多操作都需要理解,实际操作不难,但是需要全面理解这个动作,敲这个命令是用来干什么的?借着这个笔记可以试一下;go~! 1、ng…...

CSRF与SSRF

csrf(跨站请求伪造)的原理: csrf全称是跨站请求伪造(cross-site request forgery),也被称为one-click attack 或者 session riding scrf攻击利用网站对于用户网页浏览器的信任,劫持用户当前已登录的web应用程序,去执行分用户本意的操作。 利…...

RabbitMQ 存储机制

一、消息存储机制 不管是持久化的消息还是非持久化的消息都可以被写入到磁盘。持久化的消息在到达队列时就被写入到磁盘,非持久化的消息一般只保存在内存中,在内存吃紧的时候会被换入到磁盘中,以节省内存空间。这两种类型的消息的落盘处理都…...

【Java SE】类型转换

类型转换是将一个值从一种类型转换为另一种类型的过程。该过程如果从低精度数据类型转为高精度数据类型,则不会发生溢出并且总能成功,如果从高精度数据类型转为低精度数据类型,则会有信息丢失且可能失败。类型转换又可分为隐式转换和显式转换…...

JAVA:常见 JSON 库的技术详解

1、简述 在现代应用开发中,JSON(JavaScript Object Notation)已成为数据交换的标准格式。Java 提供了多种方式将对象转换为 JSON 或从 JSON 转换为对象,常见的库包括 Jackson、Gson 和 org.json。本文将介绍几种常用的 JSON 处理…...

Redis缓存击穿、雪崩、穿透解决方案

Redis 缓存击穿、雪崩、穿透解决方案 1、首先看看逻辑方面是否还有优化空间,正常流程查询redis中获取不到数据,则去数据库获取,但数据库查询并返回时,调用异步方法,将该数据存储进redis中,并设置一个较短的…...

C++ 优先算法——盛最多水的容器(双指针)

目录 题目:盛最多水的容器 1. 题目解析 2. 算法原理 3. 代码实现 题目:盛最多水的容器 1. 题目解析 题目截图: 如图所示: 水的高度一定是由较低的那条线的高度决定的:例1图中,是由7决定的,然后求出…...

blender 小车建模 建模 学习笔记

一、学习blender视频教程链接 案例4:狂奔的小车_建模_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1Bt4y1E7qn?p14&spm_id_from333.788.videopod.episodes&vd_sourced0ea58f1127eed138a4ba5421c577eb1 二、开始建模 (1)创…...

导出列表数据到Excel并下载

Java导出查询到的数据列表为Excel并下载 1.背景 工作中经常有需求&#xff0c;需要把列表的数据导出为Excel并下载。EasyExcel工具可以很好的实现这一需求。 2.实现流程 1.引入EasyExcel依赖包 <dependency><groupId>com.alibaba</groupId><artifactId…...

基于NVIDIA NIM平台实现盲人过马路的demo(一)

前言:利用NVIDIA NIM平台提供的大模型进行编辑,通过llama-3.2-90b-vision-instruct模型进行初步的图片检测 step1: 部署大模型到本地,引用所需要的库 import os import requests import base64 import cv2 import time from datetime import datetimestep2: 观看官方使用文…...

美格智能5G车规级通信模组:以连接+算力驱动智能化进阶

2023年3月&#xff0c;基于高通公司第二代骁龙汽车5G调制解调器及射频系统平台SA522M/SA525M&#xff0c;美格智能在德国纽伦堡嵌入式系统展上正式发布全新一代5G车规级C-V2X通信模组MA922系列&#xff0c;迅速引起行业和市场关注。随着5G高速网联逐步成为智能汽车标配&#xf…...

[MRCTF2020]PYWebsite1

如果输入的密钥是对的那么我们就直接跳转到flag.php页面 那么我们直接访问&#x1f60e;&#xff0c;他不带我们去我们自己去. 那就用XFF呗. 知识点&#xff1a; 定义&#xff1a;X-Forwarded-For是一个HTTP请求头字段&#xff0c;用于识别通过HTTP代理或负载均衡方式连接到W…...

AI手势识别从入门到应用:彩虹骨骼版MediaPipe Hands全流程解析

AI手势识别从入门到应用&#xff1a;彩虹骨骼版MediaPipe Hands全流程解析 1. 手势识别技术概述 手势识别作为人机交互的重要分支&#xff0c;正在改变我们与数字世界的互动方式。想象一下&#xff0c;无需触碰任何设备&#xff0c;仅凭手势就能控制音乐播放、浏览照片或操作…...

VINS-Mono跑EUROC数据集后,如何用evo工具包进行轨迹精度评估与可视化(附完整命令)

VINS-Mono轨迹精度评估实战&#xff1a;从EUROC数据集到evo工具包全流程解析 在完成VINS-Mono算法在EUROC数据集上的运行后&#xff0c;如何科学评估其轨迹精度成为算法优化和论文撰写的关键环节。本文将深入讲解使用evo工具包进行定量分析的完整流程&#xff0c;涵盖指标计算、…...

Java毕业设计基于springboot+vue的校内兼职信息管理系统

前言 Spring Boot 校内兼职信息管理系统是以 Spring Boot 框架为核心搭建的&#xff0c;专门用于高效管理校园内各类 兼职信息的平台。随着校园生活的多元化发展&#xff0c;学生对兼职机会的需求日益增长&#xff0c;传统的兼职信息发布与管理方式杂乱无章&#xff0c;存在信息…...

保障AI安全:YOLOv12模型鲁棒性测试与对抗样本防御

保障AI安全&#xff1a;YOLOv12模型鲁棒性测试与对抗样本防御 在智能安防、自动驾驶这些关键领域&#xff0c;AI模型&#xff0c;尤其是像YOLOv12这样的目标检测模型&#xff0c;已经成为了核心的“眼睛”。我们依赖它来识别行人、车辆&#xff0c;做出至关重要的判断。但你想…...

Mac Mouse Fix:如何让第三方鼠标在macOS上释放全部潜能

Mac Mouse Fix&#xff1a;如何让第三方鼠标在macOS上释放全部潜能 【免费下载链接】mac-mouse-fix Mac Mouse Fix - A simple way to make your mouse better. 项目地址: https://gitcode.com/GitHub_Trending/ma/mac-mouse-fix Mac Mouse Fix是一款开源工具&#xff0…...

M2LOrder模型Git版本控制实践:团队协作下的模型微调与部署

M2LOrder模型Git版本控制实践&#xff1a;团队协作下的模型微调与部署 你是不是也遇到过这样的情况&#xff1f;团队里几个人一起折腾一个AI模型&#xff0c;今天张三改了点代码&#xff0c;明天李四更新了配置文件&#xff0c;后天王五又传了个新数据集。结果没过几天&#x…...

4步掌握AI图像修复新工具:IOPaint从入门到精通指南

4步掌握AI图像修复新工具&#xff1a;IOPaint从入门到精通指南 【免费下载链接】IOPaint 项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint AI图像修复技术正在改变我们处理数字图像的方式&#xff0c;从简单的水印去除到复杂的老照片修复&#xff0c;都可以…...

AI 开发实战:技术支持流程里,怎么让 AI 真正减负

AI 开发实战&#xff1a;技术支持流程里&#xff0c;怎么让 AI 真正减负 一、这个问题为什么值得专门拿出来做&#xff1f; 在 AI 工程落地里&#xff0c;真正拖慢团队的往往不是模型本身&#xff0c;而是流程和协作方式没有跟上。 围绕“技术支持流程里&#xff0c;怎么让 AI …...

Kook Zimage 真实幻想 Turbo 作品集:中英混合提示词下的奇幻世界

Kook Zimage 真实幻想 Turbo 作品集&#xff1a;中英混合提示词下的奇幻世界 1. 走进幻想风格的视觉盛宴 想象一下&#xff0c;当你输入"月光下的精灵公主&#xff0c;银白色长发&#xff0c;透明翅膀&#xff0c;站在发光蘑菇林中&#xff0c;梦幻光影&#xff0c;8K高…...

Flappy Bird AI训练避坑指南:为什么你的DQN模型总是‘撞墙’?

Flappy Bird AI训练避坑指南&#xff1a;为什么你的DQN模型总是‘撞墙’&#xff1f; 在强化学习领域&#xff0c;Flappy Bird这个小游戏因其简单的规则和复杂的决策过程&#xff0c;成为了检验算法效果的经典测试平台。然而许多开发者在尝试用DQN&#xff08;深度Q网络&#x…...