重积分的计算与理解

2023-11-18

主要分为二重积分和三重积分。

二重积分

二重积分的基本思想是变成两次积分。物理意义已知面密度f,算质量
即首先把y方向的每一根线段计算出质量(相当于把y的线捏起来了),然后算x
主要方法如下:
计算 ∬ D f ( x , y ) \iint \limits_Df(x,y) Df(x,y),其中D的形状已知。
画出D,然后做垂直x(或y)轴的线,看是否只有两个交点,如果是就叫x型区域
积分的时候,x的上下限是D能取到的最远的两头,y的上下限是任意位置x,y的上下限
具体看我的图D,椭圆与坐标轴围的图形,x1,x2表示最远能取到的位置,y1,y2表示任意x取到的y的最远位置

然后就是计算 ∫ x 1 x 2 d x ∫ y 1 ( x ) y 2 ( x ) f ( x , y ) d y \int_{x_1}^{x_2}dx\int_{y_1(x)}^{y_2(x)}f(x,y)dy x1x2dxy1(x)y2(x)f(x,y)dy
先算dy再算dx,算dy的时候x看作常数。
难点在于:如果不能用一个y(x)表示,那就得把x分段了
先算y也是一样的。
再次简单总结:
x在D的最远位置是x的积分上下限,y上下限是对任意x,y能取到的最远的位置
然后先对y再对x积分。如果不能用一个式子表示,就分段。
这是先x再y,当然先y再x也行

三重积分

分为先二后一和先一后二。
先二后一思想就是对任意z,有一个平面D,与z有关。所以算的时候先算D的二重积分,最后算z的
先一后二思想是对底面任意(x,y)有一个z,把z先积起来然后算对D的积分
当然,第一次积分后对z或者对D的积分结果都是另一个的函数。即对z积分以后是F(D)dD,对D积分后是F(z)dz
具体见图


所以,方法是:首先确定用哪个,一般选第二种,然后z的上下限是最大的能取到的位置
再然后算任意z处D的积分,像这里就要分成三部分算。
每一部分都用之前的方法:即确定x最大的上下限,然后任意x处y用x表示出来,找到上下限。
之后依次积就行。
最后给个例题,原题见华师大数分下P264第二题的(2)
试改变下列累次积分的顺序:
∫ 0 1 d x ∫ 0 1 d y ∫ 0 x 2 + y 2 f ( x , y ) d z \int_0^1dx\int_0^1dy\int_0^{x^2+y^2}f(x,y)dz 01dx01dy0x2+y2f(x,y)dz
首先画出积分区域V。方法是首先画在x-y,x-z,y-z的投影然后再画在x=1,y=1上投影,脑补一下。

讲道理,一开始真的不好画,但是投影一下可能会好一点。
之后如果算的是以x-y为底面的话:
z的积分范围是0到2,但是发现z在取1前后切面的面积表示不一致,那么就分开来:
在这里插入图片描述
那么就分为两部分
z是0到1时,x是0到1,任取x,y是0到 1 − x 2 \sqrt{1-x^2} 1x2
z是1到2时,x是 z − 1 \sqrt{z-1} z1 到1,y是 z − x 2 \sqrt{z-x^2} zx2 到1
然后按从外到内z,x,y的顺序积就好了
其他的类似。

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

重积分的计算与理解 的相关文章

  • python代码行末的 \ 符号

    mlm l loss mlm Y hat reshape 1 vocab size mlm Y reshape 1 mlm weights X reshape 1 1 在代码中 是Python中的行继续符号 它用于表示代码行在物理上被分成多
  • 如何开始使用 GitLab 的 CLI 从终端管理 DevOps

    GitLab是面向现代软件交付团队的领先源代码控制和 CI CD 解决方案之一 它提供了一整套用于规划 构建和交付软件项目的功能 GitLab 通常使用其 Web UI 或 API 进行交互 这些选项对于以终端为中心的开发人员来说都不是特别
  • 强化学习笔记(1)-同策回合更新算法

    在我上一篇博客文章https blog csdn net gzroy article details 119509552中对21点的策略进行了研究 采用蒙特卡洛的方式来进行多次的模拟 通过对比不同策略的收益来找到最佳的策略 主要是通过概率的
  • layui的分页实例详解

    原 layui的分页实例详解 2018年09月20日 17 43 07 李什么泽 阅读数 11571 更多 分类专栏 layui分页 版权声明 本文为博主原创文章 遵循 CC 4 0 BY SA 版权协议 转载请附上原文出处链接和本声明 本
  • ndk错误总结

    1 ndk Unresolved inclusion
  • mongo在linux下的安装(实践记录)

    1 下载安装包 wget http fastdl mongodb org linux mongodb linux i686 1 8 2 tgz 下载完成后解压缩压缩包 tar zxf mongodb linux i686 1 8 2 tgz
  • IDEA Cannot resolve plugin org.apache.maven.pluginsmaven-jar-plugin2.4

    起因 最近在弄Maven项目 在使用IDEA创建Maven项目得时候一直报错 搞的我很头疼 网上搜索答案 都是修改Setting xml 配置本地仓库 然后我测试了好多次都不管用 但是根据错误信息他的确是Maven仓库配置得问题和IDEA
  • 初识GoogleTest

    1 初识GoogleTest 首先要了解googletest是做什么的 主要是单元测试框架 第二是googletest有什么优势 测试过程独立可以重复 测试组织与代码结构保持比较好的一致性 支持跨平台 失败后能够提供完整错误信息 同时支持失
  • 来谈谈 BlockingQueue 阻塞队列实现类 java.util.concurrent.LinkedBlockingQueue(JDK1.8 源码分析)

    LinkedBlockingQueue源码刨析 文章目录 LinkedBlockingQueue源码刨析 前言 一 LinkedBlockingQueue源码部分 1 构造方法 2 成员变量 3 主要方法 1 入队操作 offer方法 pu
  • 毕设草稿保存

    这里写目录标题 参数大小 MobileViT xxs参数 MobileViT xs参数 MobileViT s参数 MobileViT SE模块 无SE模块时 有预训练文件 无预训练文件 有预训练文件且加SE模块之后 无预训练文件且加了SE
  • 【数据结构】——八大排序

    文章目录 1 插入排序 2 冒泡排序 3 希尔排序 4 选择排序 5 快速排序 快排优化 递归改非递归 6 堆排序 7 归并排序 递归归并排序 改成非递归 8 计数排序 9 题目 总结 排序的时间检验 对于不同排序的时间复杂度分析 1 插入
  • 大模型PEFT技术原理(三):Adapter Tuning及其变体

    随着预训练模型的参数越来越大 尤其是175B参数大小的GPT3发布以来 让很多中小公司和个人研究员对于大模型的全量微调望而却步 近年来研究者们提出了各种各样的参数高效迁移学习方法 Parameter efficient Transfer L
  • [Centos] 如何查看linux系统架构(amd64、arm、arm64

    这几天搭建一个基于扣扣的聊天机器人项目时总会无法运行 试想是架构选错了 一直在网上收集查看架构的详细方法 上链接 https www cnblogs com liyuanhong articles 4859816 html
  • 用python实现PyEcharts中的条形图,直方图

    用python实现PyEcharts中的条形图 直方图 笔记仅是个人的学习笔记总结 如有雷同请见谅 条形图 1 普通使用 from pyecharts charts import Bar 引用Faker来生成数据 from pyechart
  • IOS编程教程(十一):在故事板联线(Segue)中的不同视图控制器里传值

    这是我们演示故事板系列的第二篇文章 在前一个教程中 我们介绍了故事板 那是一个在Xcode中方便设计友好用户界面的功能 如果你跟着教程走 从开始到现在 你应该已经建立了一个简单的菜单应用程序的导航界面 但是上一篇我们有一件事没讨论 那就是如
  • table.getn(tableName) 的用法注意。

    转自 http blog sina com cn s blog 4a2e9af90100cv1z html 1 table getn tableName 等同于操作符 作用 得到一个table的大小 注意 该table的key必须是有序的
  • 启航2021

    1 企业数字化升级之路 附下载地址 点击标题 快速进入下载页面 近年来创新技术的不断升级迭代和突如其来的新冠疫情对各 各业数字化转型的推动 让企业管理者普遍认同数字化 智能化的企业运营模式 能够有效助 企业抗击 险 提升效能 获得 远发展
  • matlab-knn使用

    play with knn 1 什么是knn 1 1 什么是knn 1 2 knn适用范围 2 knn实验前的准备 2 1 knn的实验要点 3 knn的matlab实验 使用UCI数据集 3 0 KNN函数自带用例 3 1 UCI数据集
  • 3.docker仓库(Nexus、Harbor)的安装

    本文目录 前言 1 Aliyun 镜像仓库 2 Nexus 1 Nexus 私服搭建 2 登录控制台 3 配置nexus仓库 4 配置nexus仓库地址为安全的镜像地址 5 镜像推送至nexus仓库 6 拉取nexus仓库镜像 3 Harb
  • c++顺序表与链表的区别

    C Lists 链表 Lists将元素按顺序储存在链表中 与 向量 vectors 相比 它允许快速的插入和删除 但是随机访问却比较慢 说起这个访问速率呢 给大家举个很简单的例子 向量 vectors 也就是顺序表 它的存储方法就类似于c语

随机推荐

  • Exception in thread "main" java.lang.NoClassDefFoundError: XXX

    Exception in thread main java lang NoClassDefFoundError XXX编译时没有报错 一运行就不听话网上找了一大堆 各种解决方案都不是适合我 但是一片文章列举出了可能产生的原因https bl
  • Cpp关键字破解(三)【volatile】篇

    关键字总结 volatile 文章目录 关键字总结 volatile 0 前言 1 概念 2 作用 3 使用场景 4 volatile成员函数 5 代码体验 0 前言 参考几位前辈博客 汇总整理了一下 C 中volatile关键字的使用详解
  • Node.js文件系统模块——读写文件操作

    文章目录 前言 一 导入fs模块 1 readFile readFileSync 2 writeFile writeFileSync 3 appendFile appendFileSync 二 处理文件路径 1 dirname动态拼接路径
  • mysql的逻辑架构

    以一次查询为例 看一下从客户端发来sql 到执行完 整个过程mysql服务器做了哪些事 从整体上 分为三步 连接 对sql语句进行解析和优化 驱动引擎把数据交由文件系统存储 每一部分具体下来 就是这样一幅图 了解一条sql语句从客户端到服务
  • c语言中“

    一个竖杠 表示运算的或 二个竖杠 表示逻辑的或 c语言的位运算 取反 0取反是1 1取反是0 lt lt 是左移 比如1 lt
  • 系统架构设计师-数据库系统(1)

    目录 一 数据库模式 1 集中式数据库 2 分布式数据库 二 数据库设计过程 1 E R模型 2 概念结构设计 3 逻辑结构设计 三 关系代数 1 并交差 2 投影和选择 3 笛卡尔积 4 自然连接 一 数据库模式 1 集中式数据库 三级模
  • less命令打开两个或多个文件时切换文件的快捷键

    在使用 less 命令查看多个文件时 可以使用快捷键 n 和 p 来切换文件 输入 n 后 将切换到下一个文件 输入 p 后 将切换到上一个文件 如下图 less可以打开两个文件 使用快捷键就可以快速查看 而不用退出后再重新打开另一个文件了
  • 计算机专业PhD申请文书范文,美国统计学博士申请文书范文

    美国统计学博士申请文书范文推荐 美国博士申请文书个人陈述作用十分重要 本文为大家提供了一篇成功获取美国统计学博士申请的PS范文 希望大家可以从这一篇文章中得到一些有用的参考信息 I am applying for acceptance in
  • SQL 连接运算join

    连接运算是 8种关系运算 中的一种 五种JOIN方式 1 INNER JOIN or JOIN 2 OUTER JOIN 2 1LEFT OUTER JOIN or LEFT JOIN 2 2RIGHT OUTER JOIN or RIGH
  • 一图看懂 openpyxl 资料整理+笔记(大全)

    本文由 大侠 AhcaoZhu 原创 转载请声明 链接 https blog csdn net Ahcao2008 一图看懂 openpyxl 资料整理 笔记 大全 摘要 类结构图 一级模块目录 按字序 多级模块 按层级 模块级 doc 及
  • 【已更新代码图表】2023数学建模国赛E题python代码--黄河水沙监测数据分析

    E 题 黄河水沙监测数据分析 黄河是中华民族的母亲河 研究黄河水沙通量的变化规律对沿黄流域的环境治理 气候变 化和人民生活的影响 以及对优化黄河流域水资源分配 协调人地关系 调水调沙 防洪减灾 等方面都具有重要的理论指导意义 附件 1 给出
  • STM32---SPI

    SPI 1 SPI介绍 SPI主要应用在EEPROM FLASH 实时时钟 AD转换器 数字信号处理器 数字信号解码器 4条信号线 MISO 主设备输入 从设备输出引脚 主机从这条信号线读入数据 从机的数据由这条信号线输出到主机 即在这条线
  • 面试必问

    若有收获 请记得分享和转发哦 对于工作3年左右的Java程序员来说 在面试大厂的过程中 面试官可能不会太关注你做了多少个项目 你的CRUD水平如何 更多的是关注你对某项技术点的理解深度 所以说 工作3年左右的小伙伴一定要把自己的重心放到技术
  • HTML基础标签及其语义

    一 HTML语法规范 1 1 基本语法表述 标签通常都是成对出现 双标签 开始结束标签 br 单标签 1 2 标签关系 包含关系与并列关系 包含关系 父标签 子标签 并列关系 1 3 HTML基本结构标签 骨架标签 页面内容也是在这些基本标
  • 陷波器设计

    中心频率 f c H z f c rm Hz fc Hz 3dB陷波器带宽 f
  • emplace_back与push_back异同

    vector的emplace back与push back 文章目录 vector的emplace back与push back 前言 1 区别总览 2 push back 支持右值引用 不支持传入多个构造参数 总是会进行拷贝构造 3 em
  • C++学习笔记——随机数

    利用rand 函数生成随机数如何随机是根据随机数种子来生成 一个程序的随机数种子一般是固定的 所以是伪随机数 若想生成真随机数 则用电脑的时间来初始化这个随机数种子 include
  • LLM 赋能的研发效能:如何探索软件开发新工序?

    上周末 我们 我和我的同事谢保龙 在 QCon 广州 2023 上分享了一个 AI 结合研发效能的话题 探索软件开发新工序 LLM 赋能研发效能提升 我们分享了 Thoughtworks 在过去的两个月里对于 LLM 大语言模型 结合软件开
  • 高防CDN和加速CDN有什么区别?

    高防CDN和加速CDN有什么区别 随着互联网技术的不断发展 CDN Content Delivery Network 已经成为了网络加速和安全保障的重要手段 在CDN的领域中 高防CDN和加速CDN是两种不同的CDN服务 它们有不同的特点和
  • 重积分的计算与理解

    主要分为二重积分和三重积分 二重积分 二重积分的基本思想是变成两次积分 物理意义已知面密度f 算质量 即首先把y方向的每一根线段计算出质量 相当于把y的线捏起来了 然后算x 主要方法如下 计算 D f x