重积分

重积分 (Multiple Integrals)

重积分是微积分中将定积分概念推广至高维空间的核心工具，用于计算多元函数在多维区域上的累积量。与累次积分（逐次进行的一维积分）不同，重积分本质上是一个多维黎曼和的极限，其存在性和计算方法是分析学与概率论的基础课题。重积分覆盖二重积分、三重积分乃至 $n$ 重积分，广泛用于物理（质心、转动惯量）、计量经济学（边际化与期望计算）和机器学习（高维概率分布的归一化）中。

定义与黎曼和构造

设 $f: \mathbb{R}^n \supset D \to \mathbb{R}$ 为有界函数。将区域 $D$ 分割为有限个子区域 $\{\Delta V_i\}_{i=1}^m$（互不重叠且并集为 $D$），每个子区域的体积记为 $|\Delta V_i|$。取样本点 $\mathbf{x}_i^* \in \Delta V_i$，构造黎曼和：

若当最大子区域直径 $\max_i \operatorname{diam}(\Delta V_i) \to 0$ 时，该和的极限存在且与分割方式和样本点选取无关，则称该极限为 $f$ 在 $D$ 上的 $n$ 重积分：

富比尼定理与累次积分

富比尼定理是重积分计算的基石。若 $f$ 在矩形区域 $R = [a_1, b_1] \times \cdots \times [a_n, b_n]$ 上连续（或更一般地，勒贝格可积），则 $n$ 重积分可化为 $n$ 个逐次一维积分：

积分次序可任意排列，共有 $n!$ 种等价计算路径。这一结论将高维计算的复杂度从直接在 $\mathbb{R}^n$ 中求极限转化为逐次应用微积分第一基本定理。

对于非矩形的一般区域（如 $x$-型区域或更复杂的可测集），需先描绘出区域的边界，确定积分上下限的函数依赖关系，再逐层积分。关键技巧是先对自由变量较多的维度积分，使内层积分结果仍为外层变量的函数。

变量变换与雅可比行列式

在高维情形下，坐标变换是简化积分的核心手段。设变换 $\mathbf{T}: \mathbb{R}^n \to \mathbb{R}^n$，$\mathbf{x} = \mathbf{T}(\mathbf{u})$ 为 $C^1$ 微分同胚，则：

其中 雅可比行列式 $J_{\mathbf{T}} = \frac{\partial(x_1,\ldots,x_n)}{\partial(u_1,\ldots,u_n)}$ 度量了变换引起的局部体积伸缩因子。经典例子包括：

• 二维极坐标：$dx\,dy = r\,dr\,d\theta$，用于圆对称区域的积分与高斯积分的计算。
• 三维柱坐标：$dV = r\,dr\,d\theta\,dz$，适合柱对称问题。
• 三维球坐标：$dV = \rho^2 \sin\phi \, d\rho\,d\phi\,d\theta$，用于球对称区域。
• $n$ 维极坐标（超球坐标）：$d\mathbf{x} = r^{\,n-1}\, dr\, d\Omega_{n-1}$，其中 $d\Omega_{n-1}$ 为 $n-1$ 维单位球面的面积元。

重积分的应用

在概率论中，$n$ 维联合概率密度函数 $f_{X_1,\ldots,X_n}$ 的归一化条件即为重积分 $\int_{\mathbb{R}^n} f = 1$。边缘分布通过对多余变量进行重积分得到，例如二维情形中 $f_X(x) = \int_{-\infty}^\infty f_{X,Y}(x,y)\,dy$。多元正态分布的归一化常数即通过超球坐标变换下的 $n$ 重积分求得。

在计量经济学中，重积分用于计算多维参数的贝叶斯统计后验分布归一化因子、最大似然估计的期望信息矩阵，以及随机占优分析中的多重累积分布函数比较。

在物理学与工程中，重积分计算质心 $\bar{\mathbf{x}} = \frac{\int_D \mathbf{x}\,\rho(\mathbf{x})\,d\mathbf{x}}{\int_D \rho(\mathbf{x})\,d\mathbf{x}}$、转动惯量和电磁场的通量，是连续介质力学和场论的基础。

与勒贝格积分的联系

在实分析框架下，重积分的严格定义通常基于勒贝格积分理论。富比尼定理在勒贝格积分中具有更一般的表述：若 $f$ 在乘积测度空间上可积，则逐次积分存在且等于重积分。Tonelli 定理进一步保证了对非负可测函数，积分次序总可交换，这为应用中的灵活计算提供了理论保证。

重积分将一维积分学的思想系统地推广至高维，是现代分析和应用数学不可或缺的工具，其核心在于通过富比尼定理将高维问题分解为低维问题的级联，再借助雅可比变换在不同坐标系间自由迁移。