二重积分 (Double Integral)
二重积分 是多元微积分 中的核心概念,将单变量定积分 的思想推广到二元函数 f ( x , y ) f(x, y) f ( x , y ) 上。其几何意义是计算定义在平面区域 D ⊂ R 2 D \subset \mathbb{R}^2 D ⊂ R 2 上的曲面 z = f ( x , y ) z = f(x, y) z = f ( x , y ) 与该区域之间所围成的曲顶柱体的体积。若在区域 D D D 上被积函数恒等于 1 1 1 ,即 f ( x , y ) = 1 f(x, y) = 1 f ( x , y ) = 1 ,那么二重积分的数值就等于区域 D D D 的面积。这一概念在概率论 (二维联合分布的归一化与事件概率)、物理学 (薄板的质量、质心坐标与转动惯量)、经济学 (消费者剩余与生产者剩余的二维加总、一般均衡中的总量关系)以及工程学 中均有广泛应用,是处理二维连续分布与累积量的基础数学工具。
定义与几何直观——从黎曼和出发
设 D D D 为 x y xy x y -平面上的一个有界闭区域,二元函数 f : D → R f: D \to \mathbb{R} f : D → R 在 D D D 上有定义。将 D D D 划分为 n n n 个互不重叠的子区域 Δ A i \Delta A_i Δ A i (实际操作中常采用平行于坐标轴的矩形网格进行划分,对于不规则边界则用内接矩形逼近),并在每个子区域内任取一个代表点 ( x i ∗ , y i ∗ ) (x_i^*, y_i^*) ( x i ∗ , y i ∗ ) 。构造黎曼和 (Riemann Sum):
∑ i = 1 n f ( x i ∗ , y i ∗ ) Δ A i \sum_{i=1}^{n} f(x_i^*, y_i^*) \Delta A_i i = 1 ∑ n f ( x i ∗ , y i ∗ ) Δ A i
该和式的几何含义是:在每个小区域上以 f ( x i ∗ , y i ∗ ) f(x_i^*, y_i^*) f ( x i ∗ , y i ∗ ) 为高、以 Δ A i \Delta A_i Δ A i 为底作平顶柱体,所有这些细柱体的体积之和即为曲顶柱体体积的近似。当划分无限细化——即所有子区域的最大直径 max ∥ Δ A i ∥ \max \|\Delta A_i\| max ∥Δ A i ∥ 趋近于零——且该和的极限存在,并且该极限值与具体的划分方式以及每个子区域内代表点的选取方式均无关时,称此极限值为 f f f 在 D D D 上的二重积分,记作:
∬ D f ( x , y ) d A = lim max ∥ Δ A i ∥ → 0 ∑ i = 1 n f ( x i ∗ , y i ∗ ) Δ A i \iint_D f(x, y) \, dA = \lim_{\max \|\Delta A_i\| \to 0} \sum_{i=1}^{n} f(x_i^*, y_i^*) \Delta A_i ∬ D f ( x , y ) d A = m a x ∥Δ A i ∥ → 0 lim i = 1 ∑ n f ( x i ∗ , y i ∗ ) Δ A i
其中 d A dA d A 为面积微元,在直角坐标系下常写作 d x d y dx\,dy d x d y 或 d y d x dy\,dx d y d x ,两者的区别仅在于积分次序的不同。当 f ( x , y ) ≥ 0 f(x, y) \geq 0 f ( x , y ) ≥ 0 在整个区域 D D D 上恒成立时,积分值即为以 D D D 为底面、以曲面 z = f ( x , y ) z = f(x, y) z = f ( x , y ) 为顶面的曲顶柱体的体积(取正值);当 f f f 在 D D D 的某些部分取负值时,积分值表示带符号的"净体积"——曲面位于 x y xy x y -平面下方的部分贡献负体积。
累次积分与富比尼定理
直接通过对平面区域的划分来计算黎曼和的极限几乎不可行,实践中需要将二重积分转化为两次单变量积分的迭代计算。富比尼定理 (Fubini's Theorem)为此提供了严格的理论保证,是二重积分计算的核心工具。
若积分区域 D D D 可表示为所谓的 x x x -型区域(又称垂直于 x x x 轴的简单区域),即:
D = { ( x , y ) ∣ a ≤ x ≤ b , g 1 ( x ) ≤ y ≤ g 2 ( x ) } D = \{(x, y) \mid a \leq x \leq b, \; g_1(x) \leq y \leq g_2(x)\} D = {( x , y ) ∣ a ≤ x ≤ b , g 1 ( x ) ≤ y ≤ g 2 ( x )}
其中 g 1 ( x ) g_1(x) g 1 ( x ) 和 g 2 ( x ) g_2(x) g 2 ( x ) 分别为区域的下边界函数和上边界函数,则二重积分可化为先对 y y y 后对 x x x 的累次积分:
∬ D f ( x , y ) d A = ∫ a b ( ∫ g 1 ( x ) g 2 ( x ) f ( x , y ) d y ) d x \iint_D f(x, y) \, dA = \int_{a}^{b} \left( \int_{g_1(x)}^{g_2(x)} f(x, y) \, dy \right) dx ∬ D f ( x , y ) d A = ∫ a b ( ∫ g 1 ( x ) g 2 ( x ) f ( x , y ) d y ) d x
对称地,若 D D D 为 y y y -型区域:
D = { ( x , y ) ∣ c ≤ y ≤ d , h 1 ( y ) ≤ x ≤ h 2 ( y ) } D = \{(x, y) \mid c \leq y \leq d, \; h_1(y) \leq x \leq h_2(y)\} D = {( x , y ) ∣ c ≤ y ≤ d , h 1 ( y ) ≤ x ≤ h 2 ( y )}
则可化为先对 x x x 后对 y y y 的累次积分:
∬ D f ( x , y ) d A = ∫ c d ( ∫ h 1 ( y ) h 2 ( y ) f ( x , y ) d x ) d y \iint_D f(x, y) \, dA = \int_{c}^{d} \left( \int_{h_1(y)}^{h_2(y)} f(x, y) \, dx \right) dy ∬ D f ( x , y ) d A = ∫ c d ( ∫ h 1 ( y ) h 2 ( y ) f ( x , y ) d x ) d y
富比尼定理要求 f f f 在 D D D 上连续(或更一般地,在 D D D 上绝对可积)。对于同时属于 x x x -型和 y y y -型的区域(例如矩形区域 D = [ a , b ] × [ c , d ] D = [a, b] \times [c, d] D = [ a , b ] × [ c , d ] ),两种积分次序均可行且积分结果相同:
∬ [ a , b ] × [ c , d ] f ( x , y ) d A = ∫ a b ∫ c d f ( x , y ) d y d x = ∫ c d ∫ a b f ( x , y ) d x d y \iint_{[a,b]\times[c,d]} f(x, y) \, dA = \int_a^b \int_c^d f(x, y) \, dy\,dx = \int_c^d \int_a^b f(x, y) \, dx\,dy ∬ [ a , b ] × [ c , d ] f ( x , y ) d A = ∫ a b ∫ c d f ( x , y ) d y d x = ∫ c d ∫ a b f ( x , y ) d x d y
然而,虽然两种次序在理论上结果等价,在实际计算中,一种次序的内层积分可能易于求出初等形式的原函数,而另一种次序则可能遇到无法用初等函数表达的积分。因此,灵活判断并选择恰当的积分次序是简化计算的关键技巧。当区域不是简单的 x x x -型或 y y y -型时,可将其分割为若干个简单子区域,分别积分后再求和——这是二重积分的区域可加性。
变量变换与雅可比行列式
当积分区域的形状或被积函数的表达式在直角坐标系下呈现出复杂的结构时,可借助变量变换(坐标变换)将积分映射到更简单的参数区域上计算。设变换 T : ( u , v ) ↦ ( x ( u , v ) , y ( u , v ) ) T: (u, v) \mapsto (x(u,v), y(u,v)) T : ( u , v ) ↦ ( x ( u , v ) , y ( u , v )) 将 u v uv uv -平面上的区域 D ∗ D^* D ∗ 一对一地映射到 x y xy x y -平面上的区域 D D D ,且 x ( u , v ) , y ( u , v ) x(u,v), y(u,v) x ( u , v ) , y ( u , v ) 具有连续的一阶偏导数,则二重积分的变量变换公式为:
∬ D f ( x , y ) d x d y = ∬ D ∗ f ( x ( u , v ) , y ( u , v ) ) ⋅ ∣ ∂ ( x , y ) ∂ ( u , v ) ∣ d u d v \iint_D f(x, y) \, dx\,dy = \iint_{D^*} f(x(u,v), y(u,v)) \cdot \left|\frac{\partial(x, y)}{\partial(u, v)}\right| \, du\,dv ∬ D f ( x , y ) d x d y = ∬ D ∗ f ( x ( u , v ) , y ( u , v )) ⋅ ∂ ( u , v ) ∂ ( x , y ) d u d v
其中雅可比行列式 (Jacobian Determinant)为变换 T T T 的导数矩阵的行列式:
∂ ( x , y ) ∂ ( u , v ) = ∣ ∂ x ∂ u ∂ x ∂ v ∂ y ∂ u ∂ y ∂ v ∣ = ∂ x ∂ u ∂ y ∂ v − ∂ x ∂ v ∂ y ∂ u \frac{\partial(x, y)}{\partial(u, v)} = \begin{vmatrix} \frac{\partial x}{\partial u} & \frac{\partial x}{\partial v} \\ \frac{\partial y}{\partial u} & \frac{\partial y}{\partial v} \end{vmatrix} = \frac{\partial x}{\partial u}\frac{\partial y}{\partial v} - \frac{\partial x}{\partial v}\frac{\partial y}{\partial u} ∂ ( u , v ) ∂ ( x , y ) = ∂ u ∂ x ∂ u ∂ y ∂ v ∂ x ∂ v ∂ y = ∂ u ∂ x ∂ v ∂ y − ∂ v ∂ x ∂ u ∂ y
雅可比行列式的绝对值 ∣ ∂ ( x , y ) / ∂ ( u , v ) ∣ |\partial(x,y)/\partial(u,v)| ∣ ∂ ( x , y ) / ∂ ( u , v ) ∣ 衡量了变换 T T T 在局部将 u v uv uv -平面上的面积微元 d u d v du\,dv d u d v 拉伸或压缩为 x y xy x y -平面上面积微元 d x d y dx\,dy d x d y 的比例因子。从几何上看,它是变换在每一点的局部线性近似对面积所产生的缩放倍数。
最重要的特例是极坐标变换 :令 x = r cos θ , y = r sin θ x = r\cos\theta, \; y = r\sin\theta x = r cos θ , y = r sin θ ,其中 r ≥ 0 r \geq 0 r ≥ 0 为极径,θ ∈ [ 0 , 2 π ) \theta \in [0, 2\pi) θ ∈ [ 0 , 2 π ) 为极角。其雅可比行列式为:
∂ ( x , y ) ∂ ( r , θ ) = ∣ cos θ − r sin θ sin θ r cos θ ∣ = r cos 2 θ + r sin 2 θ = r \frac{\partial(x, y)}{\partial(r, \theta)} = \begin{vmatrix} \cos\theta & -r\sin\theta \\ \sin\theta & r\cos\theta \end{vmatrix} = r\cos^2\theta + r\sin^2\theta = r ∂ ( r , θ ) ∂ ( x , y ) = cos θ sin θ − r sin θ r cos θ = r cos 2 θ + r sin 2 θ = r
因此极坐标下的二重积分公式为:
∬ D f ( x , y ) d x d y = ∬ D ∗ f ( r cos θ , r sin θ ) ⋅ r d r d θ \iint_D f(x, y) \, dx\,dy = \iint_{D^*} f(r\cos\theta, r\sin\theta) \cdot r \, dr\,d\theta ∬ D f ( x , y ) d x d y = ∬ D ∗ f ( r cos θ , r sin θ ) ⋅ r d r d θ
极坐标变换产生的额外因子 r r r 正是面积微元从直角坐标转换到极坐标时的缩放系数:固定角度方向上一个微小的 d r dr d r 和固定半径方向上一个微小的 d θ d\theta d θ 所张成的微小扇形区域,其面积近似为 r ⋅ d r ⋅ d θ r \cdot dr \cdot d\theta r ⋅ d r ⋅ d θ 。极坐标变换尤其适用于:积分区域为圆盘、圆环、扇形或由极坐标方程描述的曲线围成的区域,以及被积函数中含有 x 2 + y 2 x^2 + y^2 x 2 + y 2 、x / y x/y x / y 等可以简化为 r r r 或 tan θ \tan\theta tan θ 函数的表达式的情形。在概率论中计算二维正态分布 在圆形区域内的概率时,极坐标变换是不可或缺的工具。
主要应用场景
平面区域的面积 :区域 D D D 的面积 A = ∬ D 1 d A A = \iint_D 1 \, dA A = ∬ D 1 d A ,这是二重积分最直接的几何应用。对于由复杂边界曲线围成的区域,二重积分提供了通用的面积计算方法。薄板的质量与质心 :设面密度函数为 ρ ( x , y ) \rho(x, y) ρ ( x , y ) (单位面积上的质量),则薄板总质量 M = ∬ D ρ ( x , y ) d A M = \iint_D \rho(x, y) \, dA M = ∬ D ρ ( x , y ) d A 。质心(质量中心)坐标 ( x ˉ , y ˉ ) (\bar{x}, \bar{y}) ( x ˉ , y ˉ ) 分别为关于 y y y 轴和 x x x 轴的一阶矩除以总质量: \[ \bar{x} = \frac{1}{M}\iint_D x\rho(x, y) \, dA, \qquad \bar{y} = \frac{1}{M}\iint_D y\rho(x, y) \, dA \] 当密度均匀时 (ρ \rho ρ 为常数),质心退化为区域的几何形心。转动惯量(惯性矩) :薄板关于 x x x 轴和 y y y 轴的转动惯量(亦称二阶矩)分别为: \[ I_x = \iint_D y^2 \rho(x, y) \, dA, \qquad I_y = \iint_D x^2 \rho(x, y) \, dA \] 关于原点(极转动惯量)为 I O = I x + I y = ∬ D ( x 2 + y 2 ) ρ d A I_O = I_x + I_y = \iint_D (x^2 + y^2)\rho \, dA I O = I x + I y = ∬ D ( x 2 + y 2 ) ρ d A 。这些量在刚体力学 中描述物体抵抗旋转加速的能力。概率论与统计 :二维连续型随机向量 ( X , Y ) (X, Y) ( X , Y ) 的联合概率密度函数 f X , Y ( x , y ) f_{X,Y}(x, y) f X , Y ( x , y ) 必须满足全空间上的归一化条件: \[ \iint_{\mathbb{R}^2} f_{X,Y}(x, y) \, dx\,dy = 1 \] 随机点落入区域 D D D 的概率即为 P ( ( X , Y ) ∈ D ) = ∬ D f X , Y ( x , y ) d A P((X,Y) \in D) = \iint_D f_{X,Y}(x, y) \, dA P (( X , Y ) ∈ D ) = ∬ D f X , Y ( x , y ) d A 。单个变量的边际概率密度函数 通过对另一变量在整个实数轴上的二重积分退化为单变量积分得到:f X ( x ) = ∫ − ∞ ∞ f X , Y ( x , y ) d y f_X(x) = \int_{-\infty}^{\infty} f_{X,Y}(x, y) \, dy f X ( x ) = ∫ − ∞ ∞ f X , Y ( x , y ) d y 。两个随机变量的协方差 和相关系数 的计算也直接依赖于对联合密度函数的加权二重积分。经济学 :在福利经济学 和产业组织 中,二重积分用于计算二维连续分布下的消费者剩余 总量(对需求曲线下方区域的二重积分)、生产者剩余以及社会福利函数的双重加总。在一般均衡理论 中,市场出清条件有时以二重积分形式表达。
与更高维积分的联系
二重积分是整个多元积分学体系的枢纽。一方面,它可以视为三重积分 在特殊情形下的退化:当被积函数不依赖于第三个空间变量 z z z 且积分区域为以 D D D 为底、以某个高度区间为延伸方向的柱体时,三重积分 ∭ f ( x , y , z ) d V \iiint f(x,y,z)\,dV ∭ f ( x , y , z ) d V 退化为二重积分乘以柱体高度。另一方面,二重积分是定义曲面积分 的出发点:当曲面可以表示为显函数 z = g ( x , y ) z = g(x, y) z = g ( x , y ) 时,曲面上的面积微元通过几何放大因子 1 + g x 2 + g y 2 \sqrt{1 + g_x^2 + g_y^2} 1 + g x 2 + g y 2 与 x y xy x y -平面上的面积微元 d x d y dx\,dy d x d y 关联,从而将曲面积分的计算转化为在参数区域上的二重积分。掌握二重积分的换元思想与累次积分的次序选择,是进一步理解格林公式 (将平面上的二重积分转化为沿边界曲线的线积分)、斯托克斯公式 以及散度定理 (高斯公式)等向量微积分三大核心定理的必经之路。