高等数学笔记-乐经良老师-第九章-重积分

本文详细介绍了重积分的概念,包括二重积分和三重积分,并通过实例展示了如何计算平面薄板的质量、曲顶柱体的体积以及在直角坐标系和极坐标系下的计算方法。此外,讨论了重积分在求解曲面面积、质心和转动惯量等实际问题中的应用。最后,提到了变量代换在三重积分中的运用,以及柱面坐标和球面坐标系下的积分计算。

高等数学笔记-乐经良老师

第九章 重积分

第一节 二重积分的概念和性质

一、典型例子

01 平面薄板的质量

平面薄板位于 xyxyxy 平面区域 DDD,其面密度为 μ(x,y)μ(x,y)μ(x,y) 如何求其质量?

在这里插入图片描述

类似一元的处理方法,采用:

(1) 分割

DDD 任意划分成 nnn 个小区域 ΔD1,ΔD2,⋯ ,ΔDn,ΔDi\Delta D_{1}, \Delta D_{2}, \cdots, \Delta D_{n}, \Delta D_{i}ΔD1,ΔD2,,ΔDn,ΔDi 的面积记为 Δσi,(i=1,2,⋯ ,n)\Delta \sigma_{i},(i=1,2, \cdots, n)Δσi,(i=1,2,,n)

(2) 作和

在小区域分得很小时,近似认为质量均匀,任取 (ξi,ηi)∈ΔDi\left(\xi_{i}, \eta_{i}\right) \in \Delta D_{i}(ξi,ηi)ΔDi,薄板的质量近似地表达为
m=∑i=1nΔmi≈∑i=1nμ(ξi,ηi)Δσi m=\sum_{i=1}^{n} \Delta m_{i} \approx \sum_{i=1}^{n} \mu\left(\xi_{i}, \eta_{i}\right) \Delta \sigma_{i} m=i=1nΔmii=1nμ(ξi,ηi)Δσi
(3) 取极限

λ=max⁡1≤1≤n{ di}\lambda=\max \limits_{1 \leq 1 \leq n}\left\{d_{i}\right\}λ=11nmax{ di},( did_{i}di 是小区域 ΔDi\Delta D_{i}ΔDi直径 ) 那么若
m=lim⁡λ→0∑i=1nμ(ξi,ηi)Δσi m=\lim _{\lambda \rightarrow 0} \sum_{i=1}^{n} \mu\left(\xi_{i}, \eta_{i}\right) \Delta \sigma_{i} m=λ0limi=1nμ(ξi,ηi)Δσi
存在,就给出了薄板的质量。

02 曲顶柱体的体积

柱体的侧面是母线垂直 xyx yxy 平面的柱面,顶面为曲面 S:z=f(x,y)S: z=f(x, y)S:z=f(x,y)

底面是 xyx yxy 平面上区域 DDD,如何求此曲顶柱体的体积?

在这里插入图片描述

(1) 分割

用曲线将 DDD 分成小区域 ΔD1,ΔD2,⋯ ,ΔDn\Delta D_{1}, \Delta D_{2}, \cdots, \Delta D_{n}ΔD1,ΔD2,,ΔDn,而 ΔDi\Delta D_{i}ΔDi 的面积记为 Δσi\Delta \sigma_{i}Δσi

(2) 求和

区域分得很小时,用柱体来近似小曲顶柱体的体积,任取 (ξi,ηi)∈ΔDi\left(\xi_{i}, \eta_{i}\right) \in \Delta D_{i}(ξi,ηi)ΔDi,则总体积近似为
∑i=1nf(ξi,ηi)Δσi \sum_{i=1}^{n} f\left(\xi_{i}, \eta_{i}\right) \Delta \sigma_{i} i=1nf(ξi,ηi)Δσi
(3) 取极限

λ=max⁡1≤1≤n{ di}\lambda=\max \limits_{1 \leq 1 \leq n}\left\{d_{i}\right\}λ=11nmax{ di},( did_{i}di 是小区域 ΔDi\Delta D_{i}ΔDi 的直径 ) 则体积 VVV 由如下极限给出
V=lim⁡λ→0∑i=1nf(ξi,ηi)Δσi V=\lim _{\lambda \rightarrow 0} \sum_{i=1}^{n} f\left(\xi_{i}, \eta_{i}\right) \Delta \sigma_{i} V=λ0limi=1nf(ξi,ηi)Δσi
从以上例子抽象出来就得到二重积分的概念,这类问题要计算在一个平面区域上分布率不均匀的量的总量。

二、二重积分定义

01 二重积分的定义

DDDxyx yxy 平面的有界闭区域,函数 f(x,y)f(x, y)f(x,y)DDD 定义,III 为实数,

若将 DDD 任意划分成个小区域 ΔD1,ΔD2,⋯ ,ΔDn\Delta D_{1}, \Delta D_{2}, \cdots, \Delta D_{n}ΔD1,ΔD2,,ΔDn

任取 (ξi,ηi)∈ΔDi,(i=1,2,⋯ ,n)\left(\xi_{i}, \eta_{i}\right) \in \Delta D_{i},(i=1,2, \cdots, n)(ξi,ηi)ΔDi,(i=1,2,,n),作和
∑i=1nf(ξi,ηi)Δσi(Δσi表示ΔDi的面积) \sum_{i=1}^{n} f\left(\xi_{i}, \eta_{i}\right) \Delta \sigma_{i} \quad\left(\Delta \sigma_{i}\right. 表示 \Delta D_{i} 的面积 ) i=1nf(ξi,ηi)Δσi(Δσi表示ΔDi的面积)
总有
lim⁡λ→0∑i=1nf(ξi,ηi)Δσi=I \lim \limits_{\lambda \rightarrow 0} \sum_{i=1}^{n} f\left(\xi_{i}, \eta_{i}\right) \Delta \sigma_{i}=I λ0limi=1nf(ξi,ηi)Δσi=I
( 其中 λ=max⁡1≤i≤n{ di}\lambda=\max \limits_{1 \leq i \leq n}\left\{d_{i}\right\}λ=1inmax{ di}did_{i}di 是小区域 ΔDi\Delta D_{i}ΔDi 的直径 )

则称函数 f(x,y)f(x, y)f(x,y)DDD 上可积,III 称为f(x,y)f(x, y)f(x,y)DDD二重积分,记为 ∬Df(x,y)dσ\iint \limits_{D} f(x, y) d \sigmaDf(x,y)dσ .

其中,∬−\iint- 积分号,D−D-D 积分区域,f(x,y)−f(x, y)-f(x,y)被积函数, dσ−d \sigma-dσ面积元素。

02 二重积分的几何意义

以区域 DDD 为底,以曲面 S:z=f(x,y)S: z=f(x, y)S:z=f(x,y) 为顶的曲顶柱体的体积。

03 可积的充分条件

若函数 f(x,y)f(x, y)f(x,y) 在有界区域 DDD 上分片连续有界,则 f(x,y)f(x, y)f(x,y)DDD 可积。

三、二重积分的性质

设以下性质中出现的积分均存在

  • 性质1 (线性) :若 α,β\alpha, \betaα,β 是常数,
    ∬D(αf(x,y)+βg(x,y))dσ=α∬Df(x,y)dσ+β∬Dg(x,y)dσ \iint \limits_{D}(\alpha f(x, y)+\beta g(x, y)) d \sigma=\alpha \iint \limits_{D} f(x, y) d \sigma+\beta \iint \limits_{D} g(x, y) d \sigma D(αf(x,y)+βg(x,y))dσ=αDf(x,y)dσ+βDg(x,y)dσ

  • 性质2 (可加性) :若积分区域 DDD 分成 D1,D2D_{1}, D_{2}D1,D2 两个子区域,
    ∬Df(x,y)dσ=∬D1f(x,y)dσ+∬D2f(x,y)dσ \iint \limits_{D} f(x, y) d \sigma=\iint \limits_{D_{1}} f(x, y) d \sigma+\iint \limits_{D_{2}} f(x, y) d \sigma Df(x,y)dσ=D1f(x,y)dσ+D2f(x,y)dσ

  • 性质3:
    ∬D1dσ=AD(D 的面积) \iint \limits_{D} 1 d \sigma=A_{D} \quad(D\ 的面积) D</

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值