{
  "id": "multiple-integral",
  "title": "重积分",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "重积分将函数在多维区域上的值累积起来，用于计算体积、质量、概率及其他分布量。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "多重积分",
    "多维积分"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/multiple-integral/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/multiple-integral/",
      "json": "https://aiwiki.page/en/multiple-integral.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "重积分是二元或多元函数在多维空间中某一区域上的积分。二重积分适用于平面区域上的函数，三重积分适用于三维区域上的函数，更高维的积分则适用于具有任意有限个坐标的空间上的函数。记号\n\n\\[\\int_D f(\\mathbf{x})\\,d\\mathbf{x}\\]\n\n表示在整个区域 \\(D\\) 上，以无穷小体积为权重累积 \\(f\\) 的函数值。根据具体情境，这种累积可通过有限和的极限来定义，也可用测度论的方法来定义。\n\n重积分是微积分、几何学、概率论和数学物理的基础工具。它可用于计算面积与体积、质量与转动惯量、涉及多个随机变量的概率，以及随空间位置变化的量的平均值。其主要计算工具是反复进行一元积分和坐标变换。这些方法的有效性依赖于严格的前提条件：当正、负贡献不满足绝对可积条件时，看似无害的积分次序交换也可能失效。"
    },
    {
      "heading": "含义、记号与几何解释",
      "text": "对于定义在平面区域 \\(D\\) 上的函数 \\(f(x,y)\\)，二重积分通常记作\n\n\\[\\iint_D f(x,y)\\,dA.\\]\n\n这里，\\(dA\\) 表示面积元。在笛卡尔坐标系中，面积元表示为 \\(dx\\,dy\\)；当积分写成累次积分时，积分的次序就会影响具体的计算过程。类似地，\n\n\\[\\iiint_E g(x,y,z)\\,dV\\]\n\n表示空间区域 \\(E\\) 上的三重积分，其中 \\(dV\\) 为体积元。在 \\(n\\) 维欧几里得空间中，相应的记号为\n\n\\[\\int_D f(x_1,\\ldots,x_n)\\,dx_1\\cdots dx_n.\\]\n\n判断一个积分是否为重积分，依据的是积分区域的维数，而不是写出的积分号个数。\n\n若 \\(f\\geq 0\\)，二重积分具有直观的几何意义：它表示函数图像 \\(z=f(x,y)\\) 下方、区域 \\(D\\) 上方的体积。对于可正可负的函数，只要相关体积满足适当的有限性条件，二重积分就表示坐标平面上方的体积减去其下方的体积。非负函数的三重积分同样可以解释为四维体积，不过更常见的解释是：它表示某种密度分布在普通空间中所对应的总量。\n\n对常值函数 \\(1\\) 积分，就得到区域的大小：\n\n\\[\\iint_D1\\,dA=\\operatorname{area}(D), \\qquad \\iiint_E1\\,dV=\\operatorname{volume}(E).\\]\n\n因此，重积分将几何度量推广为加权度量。如果 \\(f\\) 是以千克每平方米为单位的面质量密度，那么它的二重积分就是以千克为单位的质量。因此，在量纲分析中，需要将被积函数与积分元结合起来考虑：\\(dA\\) 带有长度的二次方量纲，而 \\(dV\\) 带有长度的三次方量纲。\n\n只要相关积分存在，积分运算就具有线性：\n\n\\[\\int_D(af+bg)\\,d\\mathbf{x} = a\\int_Df\\,d\\mathbf{x}+b\\int_Dg\\,d\\mathbf{x}.\\]\n\n积分对于互不相交的区域还具有可加性，并且具有单调性：若 \\(f\\leq g\\)，则 \\(\\int_Df\\leq\\int_Dg\\)。对于可积函数，有\n\n\\[\\left|\\int_D f\\,d\\mathbf{x}\\right| \\leq \\int_D|f|\\,d\\mathbf{x}.\\]\n\n这些性质体现了积分所蕴含的累积思想，而不依赖于任何特定的计算方法。它们也表明，积分与函数在单个点处的取值不同：积分汇总的是整个区域内各处的贡献。"
    },
    {
      "heading": "黎曼和与测度论基础",
      "text": "初等构造从一个矩形盒开始：\n\n\\[R=\\prod_{j=1}^{n}[a_j,b_j].\\]\n\n将每个坐标区间划分为更小的区间，得到子盒 \\(R_k\\)。在每个子盒中选取一个取样点 \\(\\boldsymbol{\\xi}_k\\)，构造黎曼和\n\n\\[\\sum_k f(\\boldsymbol{\\xi}_k)\\,\\operatorname{vol}_n(R_k).\\]\n\n如果当所有子盒中最大的直径趋于零时，这些和趋于同一个有限极限，且该极限不依赖于取样点的选择，也不依赖于具体采用哪一种足够精细的划分，那么这个函数就是黎曼可积的。这就是黎曼积分的多维形式。\n\n闭有界矩形盒上的每个连续函数都黎曼可积。更一般地，这种矩形盒上的有界函数黎曼可积，当且仅当其不连续点集的勒贝格测度为零。这一判据解释了为什么许多不连续性并不妨碍积分：函数即使在穿过某条光滑曲线或某个光滑曲面时发生跳跃，也仍然可能可积，因为这些边界在所在维度的空间中所占的体积为零。\n\n对于有界的非矩形区域 \\(D\\)，一种初等方法是将 \\(f\\) 在区域外补零，延拓到一个包含该区域的矩形盒上：\n\n\\[\\widetilde f(\\mathbf{x})=f(\\mathbf{x})\\,1_D(\\mathbf{x}),\\]\n\n其中 \\(1_D\\) 是 \\(D\\) 的示性函数。于是，\\(D\\) 上的积分就是这个延拓函数的积分。在通常的若尔当框架中，有界区域的边界体积为零时，该区域就是可测的。圆盘、多边形、球体以及通常的分片光滑立体都满足这一条件。形状更不规则的可测区域则可能超出这一初等框架的范围。\n\n勒贝格积分提供了更广泛的基础。它利用测度论度量集合的大小，并通过越来越精确的简单函数来构造非负可测函数的积分。对于实值可测函数，写成\n\n\\[f=f^+-f^-, \\qquad f^+=\\max(f,0),\\quad f^-=\\max(-f,0).\\]\n\n有限的勒贝格积分存在，当且仅当\n\n\\[\\int_D|f|\\,d\\mathbf{x}<\\infty,\\]\n\n等价地说，其正部和负部的积分都有限。非负函数的积分也允许取值 \\(+\\infty\\)。\n\n只要有界函数在矩形盒上黎曼可积，这两种理论给出的积分就一致。此外，勒贝格理论在处理无界函数、复杂的可测区域和极限过程时尤其有效。在零测集上改变被积函数的值，不会改变其勒贝格积分。因此，孤立点处或通常的低维边界上的函数值一般不会影响重积分，但函数在这些集合附近的行为却可能决定积分是否有限。"
    },
    {
      "heading": "累次积分与富比尼–托内利定理",
      "text": "累次积分是逐个变量依次积分得到的。在矩形区域上，表达式\n\n\\[\\int_a^b\\left(\\int_c^d f(x,y)\\,dy\\right)dx\\]\n\n先将 \\(x\\) 视为参数，对 \\(y\\) 积分，再对所得的 \\(x\\) 的函数积分。这种计算方式不同于通过二维求和来定义二重积分。因此，将这两种构造联系起来的定理至关重要，而不只是记号上的约定。\n\n托内利定理指出，对于定义在两个 σ 有限测度空间的乘积空间上的非负可测函数，可以按任一顺序积分，且两个累次积分都等于乘积空间上的积分：\n\n\\[\\int_{X\\times Y}f\\,d(\\mu\\times\\nu) = \\int_X\\left(\\int_Yf\\,d\\nu\\right)d\\mu = \\int_Y\\left(\\int_Xf\\,d\\mu\\right)d\\nu.\\]\n\n这三个值都可以是无穷大。在欧几里得空间中的应用里，所用的测度通常是勒贝格测度，满足所需的 σ 有限性条件。\n\n富比尼定理给出了绝对可积函数的相应结论。如果\n\n\\[\\int_{X\\times Y}|f|\\,d(\\mu\\times\\nu)<\\infty,\\]\n\n那么，对另一个变量的几乎所有取值，相应的截面函数都是可积的，而且按任一顺序积分都会得到相同的有限值。“几乎所有”允许存在例外的参数值，但这些值构成的集合必须具有零测度。该定理可推广到任意有限个因子的乘积空间，允许按不同的坐标顺序依次积分。\n\n例如，在 \\([0,1]^2\\) 上，\n\n\\[\\int_0^1\\int_0^1(x+2y)\\,dy\\,dx = \\int_0^1(x+1)\\,dx = \\frac32.\\]\n\n交换积分次序可得\n\n\\[\\int_0^1\\int_0^1(x+2y)\\,dx\\,dy = \\int_0^1\\left(\\frac12+2y\\right)dy = \\frac32.\\]\n\n函数在该矩形区域上的连续性保证了定理的条件成立。\n\n若不满足绝对可积性，两种积分次序的结果可能不同。在 \\((0,1)^2\\) 上，考虑\n\n\\[f(x,y)=\\frac{x^2-y^2}{(x^2+y^2)^2}.\\]\n\n对每个固定的 \\(x>0\\)，都有\n\n\\[\\int_0^1 f(x,y)\\,dy=\\frac{1}{1+x^2},\\]\n\n因为 \\(f=\\partial_y[y/(x^2+y^2)]\\)。因此，按这一次序积分得到 \\(\\pi/4\\)。若改为先对 \\(x\\) 积分，则得到 \\(-\\pi/4\\)。绝对值的积分在原点附近发散，而且正部和负部的积分均为无穷大。因此，这两个结果是两个不同的累次积分值，而不是同一个有限的勒贝格二重积分的两种计算结果。这个例子恰好说明了为什么必须论证所用积分次序的合理性。"
    },
    {
      "heading": "描述区域与确定积分限",
      "text": "对于非矩形区域，计算首先要用不等式描述积分区域。沿竖直方向的简单平面区域具有如下形式：\n\n\\[D=\\{(x,y):a\\leq x\\leq b,\\ \\phi_1(x)\\leq y\\leq\\phi_2(x)\\}.\\]\n\n在适当的可积性假设下，\n\n\\[\\iint_D f\\,dA = \\int_a^b\\int_{\\phi_1(x)}^{\\phi_2(x)} f(x,y)\\,dy\\,dx.\\]\n\n外层积分区间描述区域在 \\(x\\)-轴上的投影；内层积分限描述给定 \\(x\\) 处的竖直截线。沿水平方向的简单区域可用类似方式描述，此时以 \\(y\\) 为外层积分变量。\n\n考虑由 \\(x=0\\)、\\(y=0\\) 和 \\(x+y=1\\) 围成的三角形。描述它的不等式既可以写为\n\n\\[0\\leq x\\leq1,\\qquad 0\\leq y\\leq1-x,\\]\n\n也可以写为\n\n\\[0\\leq y\\leq1,\\qquad 0\\leq x\\leq1-y.\\]\n\n因此，\n\n\\[\\iint_Dxy\\,dA = \\int_0^1\\int_0^{1-x}xy\\,dy\\,dx = \\frac12\\int_0^1x(1-x)^2\\,dx = \\frac1{24}.\\]\n\n这两种积分次序描述的是同一个集合，但需要采用不同的内层积分限。若只交换 \\(dx\\) 和 \\(dy\\)，却不调整依赖于变量的积分限，通常就会改变原来的问题。\n\n交换积分次序还可以解决被积函数没有初等原函数时的计算困难。例如，\n\n\\[I=\\int_0^1\\int_x^1e^{y^2}\\,dy\\,dx\\]\n\n中，内层被积函数的原函数不是初等函数。积分区域为 \\(0\\leq x\\leq y\\leq1\\)，因此\n\n\\[I=\\int_0^1\\int_0^y e^{y^2}\\,dx\\,dy =\\int_0^1ye^{y^2}\\,dy =\\frac{e-1}{2}.\\]\n\n这一简化源于积分区域的几何形状，而不是某个新的积分公式。\n\n在三维空间中，沿竖直方向的简单立体区域可表示为\n\n\\[E=\\{(x,y,z):(x,y)\\in D,\\ u(x,y)\\leq z\\leq v(x,y)\\}.\\]\n\n于是\n\n\\[\\iiint_E f\\,dV = \\iint_D\\left(\\int_{u(x,y)}^{v(x,y)} f(x,y,z)\\,dz\\right)dA.\\]\n\n更复杂的区域可能需要分解为有限个较简单的部分。空洞、悬伸部分以及相交的边界曲面，往往使区域无法用一对截线端点界限来描述。同样的原则也适用于更高维的情形：每个积分限都必须描述在尚未积分的坐标给定时，相应变量所允许的取值范围。"
    },
    {
      "heading": "变量替换与雅可比因子",
      "text": "变量替换可以将复杂的积分区域或被积函数化为更简单的形式。设\n\n\\[T:U\\longrightarrow V,\\qquad \\mathbf{x}=T(\\mathbf{u}),\\]\n\n是 \\(\\mathbb{R}^n\\) 的两个开子集之间的连续可微双射，其逆映射也连续可微，且雅可比行列式处处非零。换元定理指出，对于非负可测函数或可积函数 \\(f\\)，有\n\n\\[\\int_V f(\\mathbf{x})\\,d\\mathbf{x} = \\int_U f(T(\\mathbf{u})) \\left|\\det DT(\\mathbf{u})\\right|\\,d\\mathbf{u}.\\]\n\n这里，\\(DT\\) 是雅可比矩阵，其行列式衡量局部体积的缩放比例。\n\n行列式之所以出现在公式中，是因为可微映射在局部可以用线性映射近似。线性映射将一个小长方体映为平行多面体，其体积变为原体积乘以该映射的行列式的绝对值。取绝对值是必要的，因为通常意义下的体积是非负的：反转定向的变换不应使正的密度产生负的总量。如果某个变换多次覆盖目标区域的某一部分，就必须处理这种覆盖重数，而不能将其忽略。\n\n对于极坐标，\n\n\\[x=r\\cos\\theta,\\qquad y=r\\sin\\theta,\\]\n\n其行列式为 \\(r\\)。因此，在半径为 \\(R\\) 的圆盘上，有\n\n\\[\\iint_{x^2+y^2\\leq R^2}f(x,y)\\,dA = \\int_0^{2\\pi}\\int_0^R f(r\\cos\\theta,r\\sin\\theta)\\,r\\,dr\\,d\\theta.\\]\n\n该变换在 \\(r=0\\) 处是奇异的，而角度取值区间首尾相接，也使它在闭参数矩形上不具有全局单射性。这些例外集合的面积为零；处理时，可以先将变换限制在适当的开坐标区域上，再补回可忽略的边界。\n\n在柱坐标中，\\(dV=r\\,dr\\,d\\theta\\,dz\\)。在球坐标中，以 \\(\\phi\\) 表示与 \\(z\\) 轴正方向的夹角，则\n\n\\[x=\\rho\\sin\\phi\\cos\\theta,\\quad y=\\rho\\sin\\phi\\sin\\theta,\\quad z=\\rho\\cos\\phi,\\]\n\n且\n\n\\[dV=\\rho^2\\sin\\phi\\,d\\rho\\,d\\phi\\,d\\theta.\\]\n\n必须说明角度符号的约定，因为不同学科对这两个角所用的符号可能恰好相反。\n\n线性替换对于椭球以及变量之间含有交叉项的二次表达式尤其有用。如果 \\(\\mathbf{x}=A\\mathbf{u}+\\mathbf{b}\\)，那么 \\(d\\mathbf{x}=|\\det A|\\,d\\mathbf{u}\\)。将单位球映为半轴长为 \\(a,b,c\\) 的椭球，即可直接得到其体积为\n\n\\[\\frac{4\\pi}{3}abc.\\]\n\n恰当选取的变换既能简化积分区域，又能显现被积函数的对称性。"
    },
    {
      "heading": "反常积分、奇点与收敛性",
      "text": "重积分可能因积分区域无界，或被积函数在某个点、曲线或曲面附近无界而成为反常积分。这两类困难需要分别分析。函数在某一点具有奇异值，本身并不意味着积分发散；关键在于函数在该点邻域内增长得有多快，以及该邻域的体积有多大。\n\n对于 \\(\\mathbb{R}^n\\) 上的径向函数，若 \\(g(|\\mathbf{x}|)\\) 非负或可积，则积分可化为\n\n\\[\\int_{\\mathbb{R}^n}g(|\\mathbf{x}|)\\,d\\mathbf{x} = |\\mathbb{S}^{n-1}| \\int_0^\\infty g(r)r^{n-1}\\,dr\\]\n\n其中，\\(|\\mathbb{S}^{n-1}|\\) 表示单位球面的面积。因子 \\(r^{n-1}\\) 起着决定性作用。在原点附近，\n\n\\[\\int_{|\\mathbf{x}|<1}|\\mathbf{x}|^{-p}\\,d\\mathbf{x}<\\infty \\quad\\Longleftrightarrow\\quad p<n,\\]\n\n而在无穷远处，\n\n\\[\\int_{|\\mathbf{x}|>1}|\\mathbf{x}|^{-p}\\,d\\mathbf{x}<\\infty \\quad\\Longleftrightarrow\\quad p>n.\\]\n\n当 \\(p=n\\) 时，对应的两个径向积分都呈对数发散。\n\n因此，在三维空间中，\\(1/r\\) 在原点附近局部可积，因为计入体积元后，径向积分中的表达式变成了 \\(r\\,dr\\) 的常数倍。相比之下，\\(1/r^3\\) 在原点附近并不局部可积。沿子空间出现的奇性则取决于横向方向的个数：若 \\(r\\) 表示到一个光滑的余维为 \\(k\\) 的子流形的距离，则在通常的局部正则性假设下，\\(1/r^p\\) 型奇性在 \\(p<k\\) 时局部可积。\n\n对于非负函数，在一列递增的可测区域上的积分收敛于这些区域并集上的积分。对于绝对可积的可正可负函数，控制收敛定理同样保证了常规截断过程所得结果的一致性。然而，若函数并非绝对可积，趋向无穷远或剔除奇点的不同方式可能得到不同的极限。\n\n柯西主值规定了一种特定的对称取极限方式。即使通常意义下的积分不存在，柯西主值仍可能存在。这样的值是一种额外的构造，不能代替对可积性的检验。在多维情形中，对称性可以指采用同心球、成对的半空间或其他指定的区域族；这些取法所得的结果未必一致。\n\n这一区别在位势论和分布理论中十分重要，因为奇异核往往只有经过抵消或正则化处理后才有意义。被积表达式、积分区域和取极限的约定共同决定了所研究的数学对象。若不作说明，只将发散的正、负贡献相互抵消，并不能据此定义一个有限的重积分。"
    },
    {
      "heading": "几何量与物理量",
      "text": "重积分将局部密度规律转化为整体量。对于占据区域 \\(E\\subseteq\\mathbb{R}^3\\)、质量密度为非负函数 \\(\\rho\\) 的物体，其质量为\n\n\\[M=\\iiint_E\\rho(x,y,z)\\,dV.\\]\n\n若 \\(0<M<\\infty\\) 且各一阶矩均有限，则其质心为\n\n\\[\\bar x=\\frac1M\\iiint_E x\\rho\\,dV,\\qquad \\bar y=\\frac1M\\iiint_E y\\rho\\,dV,\\qquad \\bar z=\\frac1M\\iiint_E z\\rho\\,dV.\\]\n\n当密度均匀时，这些公式就化为几何形心的公式。反射对称性可以使形心的某个坐标为零，但前提是区域和密度都具有这种对称性。\n\n转动力学中用到的是二阶矩。物体绕 \\(z\\)-轴的转动惯量为\n\n\\[I_z=\\iiint_E(x^2+y^2)\\rho\\,dV.\\]\n\n更一般地，惯性张量的分量为\n\n\\[I_{ij} = \\iiint_E\\rho(\\mathbf{x}) \\bigl(|\\mathbf{x}|^2\\delta_{ij}-x_ix_j\\bigr)\\,dV.\\]\n\n非对角项反映了质量分布如何使不同坐标方向之间产生耦合。将这个对称矩阵对角化，就能确定惯性主轴，从而将积分与线性代数及刚体动力学联系起来。\n\n重积分也可以通过参数域来计算曲面的面积。若一个正则曲面表示为 \\(\\mathbf{r}(u,v)\\)，则其面积为\n\n\\[A=\\iint_U \\left|\\mathbf{r}_u\\times\\mathbf{r}_v\\right|\\,du\\,dv.\\]\n\n对于函数图像 \\(z=g(x,y)\\)，这一公式变为\n\n\\[A=\\iint_D \\sqrt{1+g_x^2+g_y^2}\\,dx\\,dy.\\]\n\n这个额外因子不可或缺：曲面在坐标平面上的投影面积，不同于倾斜曲面本身的面积。虽然积分使用两个参数，但所研究的几何对象位于三维空间中。\n\n守恒定律将体积分与边界通量联系起来。在适当的光滑性假设下，散度定理表明\n\n\\[\\iiint_E\\nabla\\cdot\\mathbf{F}\\,dV = \\iint_{\\partial E}\\mathbf{F}\\cdot\\mathbf{n}\\,dS.\\]\n\n左侧表示区域内部局部产生或消耗的总量；右侧表示穿过边界向外输运的净量。这一关系是流体流动、传热和电磁学积分表述的基础。\n\n偏微分方程中也有类似的应用。将方程乘以一个检验函数，在区域上积分，再利用分部积分法，便可转移导数，得到弱形式。在有限元法中，诸如\n\n\\[\\int_E\\nabla\\phi_i\\cdot\\nabla\\phi_j\\,dV\\]\n\n这样的量构成刚度矩阵的元素。因此，重积分将连续的物理模型与有限维代数方程组联系起来。"
    },
    {
      "heading": "概率、边际化与高斯积分",
      "text": "对于连续随机向量 \\(\\mathbf{X}=(X_1,\\ldots,X_n)\\)，其联合概率密度函数 \\(p\\) 满足\n\n\\[p(\\mathbf{x})\\geq0,\\qquad \\int_{\\mathbb{R}^n}p(\\mathbf{x})\\,d\\mathbf{x}=1.\\]\n\n于是，概率可表示为重积分：\n\n\\[\\Pr(\\mathbf{X}\\in A)=\\int_Ap(\\mathbf{x})\\,d\\mathbf{x}.\\]\n\n这为不规则区域上的积分提供了直观解释：区域表示一个事件，而密度则为体积相同的不同部分赋予不同的权重。\n\n由二元密度 \\(p_{X,Y}\\)，可得 \\(X\\) 的边际密度\n\n\\[p_X(x)=\\int_{\\mathbb{R}}p_{X,Y}(x,y)\\,dy.\\]\n\n托内利定理保证了对非负密度进行边际化的合法性。只要期望有定义，随机向量的函数的期望值便为\n\n\\[\\mathbb{E}[g(\\mathbf{X})] = \\int_{\\mathbb{R}^n}g(\\mathbf{x})p(\\mathbf{x})\\,d\\mathbf{x},\\]\n\n期望值有限要求 \\(|g|p\\) 可积，这与富比尼定理中的绝对可积条件相同。\n\n当 \\(X\\) 和 \\(Y\\) 具有统计独立性时，除一个零测集外，它们的联合密度可分解为 \\(p_X(x)p_Y(y)\\)。在适当的可积性假设下，由此可得\n\n\\[\\mathbb{E}[a(X)b(Y)] = \\mathbb{E}[a(X)]\\mathbb{E}[b(Y)].\\]\n\n通过变量变换，还可以推导出随机变量之和的卷积公式：\n\n\\[p_{X+Y}(s)=\\int_{\\mathbb{R}}p_X(t)p_Y(s-t)\\,dt.\\]\n\n具体做法是将坐标 \\((x,y)\\) 变换为 \\((t,s)=(x,x+y)\\)，其雅可比行列式的绝对值为 \\(1\\)，再对 \\(t\\) 积分，将其消去。\n\n利用二重积分求高斯积分，是一个经典应用。设\n\n\\[J=\\int_{-\\infty}^{\\infty}e^{-x^2}\\,dx,\\]\n\n由托内利定理并采用极坐标可得\n\n\\[J^2 = \\iint_{\\mathbb{R}^2}e^{-(x^2+y^2)}\\,dx\\,dy = \\int_0^{2\\pi}\\int_0^\\infty e^{-r^2}r\\,dr\\,d\\theta = \\pi.\\]\n\n由于 \\(J>0\\)，因此 \\(J=\\sqrt{\\pi}\\)。这一计算给出了正态分布的归一化常数。\n\n更一般地，对于实对称正定矩阵 \\(A\\)，有\n\n\\[\\int_{\\mathbb{R}^n} e^{-\\frac12\\mathbf{x}^{T}A\\mathbf{x}}\\,d\\mathbf{x} = \\frac{(2\\pi)^{n/2}}{\\sqrt{\\det A}}.\\]\n\n通过正交对角化，可将该积分化为若干一维高斯积分的乘积。这个公式给出了多元正态分布的归一化常数，也是协方差计算的核心。在贝叶斯统计中，对参数向量积分同样可以得到边际似然；这说明，即使不涉及空间解释，高维积分仍然十分重要。"
    },
    {
      "heading": "数值求值与高维计算",
      "text": "多重积分往往无法用闭式表达式求值，因此需要进行数值近似。确定性积分公式在多维情形下通常称为多维求积公式，其形式为\n\n\\[\\int_Df(\\mathbf{x})\\,d\\mathbf{x} \\approx \\sum_{k=1}^{N}w_kf(\\mathbf{x}_k).\\]\n\n积分节点 \\(\\mathbf{x}_k\\) 和权重 \\(w_k\\) 的选取旨在准确积分某些特定函数类，通常要求公式对不超过指定次数的多项式给出精确结果。精度取决于函数的光滑性、积分区域的几何形状以及求值点的分布。\n\n张量积公式沿每个坐标方向分别应用一维求积公式。如果每个方向使用 \\(m\\) 个节点，那么一个 \\(n\\) 维公式就需要 \\(m^n\\) 个节点。当 \\(m=10\\)、\\(n=8\\) 时，就已经需要进行 \\(10^8\\) 次函数求值。这种指数增长是维数灾难的一种表现。自适应细分可以将求值点集中在难以处理的区域，但并不能自动消除这一根本障碍。\n\n稀疏网格方法将分辨率较低的张量积公式组合起来，而不是采用一个处处精细的均匀网格。当被积函数具有足够的混合光滑性时，这类方法可能很有效。其他确定性策略包括对不规则区域进行单纯形剖分、利用对称性，或通过变换使奇异被积函数变得更光滑。没有哪种方法在所有情形下都最优：光滑的低维积分与高度集中的高维积分所带来的问题截然不同。\n\n蒙特卡洛方法则采用随机采样。如果 \\(D\\) 的体积 \\(V\\) 有限且为正，且 \\(\\mathbf{X}_1,\\ldots,\\mathbf{X}_N\\) 是从 \\(D\\) 中独立均匀抽取的样本，那么\n\n\\[\\widehat I_N=\\frac{V}{N}\\sum_{k=1}^{N}f(\\mathbf{X}_k)\\]\n\n在积分有限时就是无偏估计量。如果 \\(f(\\mathbf{X}_1)\\) 的方差有限，则\n\n\\[\\operatorname{Var}(\\widehat I_N) = \\frac{V^2}{N}\\operatorname{Var}(f(\\mathbf{X}_1)).\\]\n\n因此，其均方根误差按 \\(N^{-1/2}\\) 的速率下降。这个指数并不显式地随维数增加而恶化，但方差和采样难度可能会增大。\n\n重要性采样按照密度 \\(q\\) 抽样，并对 \\(f(\\mathbf{X})/q(\\mathbf{X})\\) 取平均；在被积函数对积分有贡献的所有位置，\\(q\\) 都必须为正。其效果很大程度上取决于 \\(q\\) 与重要区域的匹配程度。拟蒙特卡洛方法使用低差异点集，对于满足适当正则性条件的被积函数，可以提高收敛速度。\n\n可靠的数值分析还需要区分离散化误差、采样误差和浮点误差。两个近似结果相差很小，并不总能说明结果准确：二者可能都遗漏了某个狭窄的峰，或同一个奇异区域。误差评估必须考虑被积函数的结构以及所选算法的假设。"
    },
    {
      "heading": "历史发展与更广泛的推广",
      "text": "多重积分的几何渊源可以追溯到求面积和体积的方法。公元前3世纪，阿基米德运用穷竭法及相关的几何论证，得出了有关曲边图形和曲面立体的结论。这些方法并未使用现代意义上的函数、坐标或测度空间，却确立了通过不断细化的近似来确定曲边或曲面所界定之量的原理。\n\n解析几何和17世纪微积分的发展，使人们能够系统地对依赖坐标的量进行积分。戈特弗里德·威廉·莱布尼茨于1675年在手稿中引入积分符号，并于1686年发表了有关积分学的著作。18世纪，累次积分和坐标代换成为力学、势论及连续分布研究中的重要工具。在这些方法的有效性条件得到完整的现代表述之前，它们就已被成功运用。\n\n19世纪的分析学给出了日益精确的定义。波恩哈德·黎曼在1854年完成、1867年发表的大学任教资格论文中提出了他的积分理论。亨利·勒贝格1902年的博士论文建立了以测度为基础的更一般的积分，由此得以获得更强的收敛结果，并对例外集进行系统处理。圭多·富比尼1907年的工作和列奥尼达·托内利1909年的工作，推动了乘积空间上现代积分理论的建立。这些进展澄清了非负函数积分与涉及正负抵消的积分之间的区别。\n\n在抽象框架中，坐标长方体被测度空间的笛卡尔积所取代。在通常的σ有限性假设下，乘积测度在可测矩形上由下式刻画：\n\n\\[(\\mu\\times\\nu)(A\\times B)=\\mu(A)\\nu(B),\\]\n\n多重积分于是成为关于这一乘积测度的积分。欧几里得体积是其中的一个核心例子，但同一框架也可以将连续变量与离散变量结合起来，或在没有几何坐标的空间上进行积分。\n\n在流形上，积分通过坐标图以及相应的变换法则来定义。黎曼度量张量 \\(g\\) 给出局部体积元\n\n\\[dV_g=\\sqrt{\\det(g_{ij})}\\,dx^1\\cdots dx^n.\\]\n\n这样便可以在弯曲空间上进行积分，而不依赖于某一种特定的坐标描述。微分形式的积分还保留了定向信息，因此其坐标变换法则使用带符号的雅可比行列式，而不只是体积缩放因子的绝对值。\n\n在这一更广泛的框架下，对于具有适当正则性的定向流形和微分形式，并在满足适当的支集或紧致性假设时，斯托克斯定理表述为\n\n\\[\\int_M d\\omega=\\int_{\\partial M}\\omega\\]\n\n它通过边界的几何性质，将不同维数上的积分联系起来。体积测度、曲面测度与有定向的微分形式之间的区别，解释了为什么一些看似相似的累次积分表达式，实际上可能代表不同的几何构造。"
    }
  ],
  "links": [
    "integral",
    "calculus",
    "euclidean-space",
    "graph-of-a-function",
    "riemann-sum",
    "riemann-integral",
    "continuous-function",
    "lebesgue-measure",
    "indicator-function",
    "lebesgue-integral",
    "measure-theory",
    "measurable-function",
    "null-set",
    "fubinis-theorem",
    "antiderivative",
    "jacobian-matrix",
    "determinant",
    "linear-map",
    "polar-coordinates",
    "dominated-convergence-theorem",
    "matrix",
    "linear-algebra",
    "divergence-theorem",
    "partial-differential-equation",
    "integration-by-parts",
    "finite-element-method",
    "probability-density-function",
    "expected-value",
    "statistical-independence",
    "convolution",
    "normal-distribution",
    "positive-definite-matrix",
    "multivariate-normal-distribution",
    "marginal-likelihood",
    "polynomial",
    "curse-of-dimensionality",
    "monte-carlo-method",
    "variance",
    "numerical-analysis",
    "archimedes",
    "method-of-exhaustion",
    "gottfried-wilhelm-leibniz",
    "bernhard-riemann",
    "cartesian-product",
    "manifold",
    "metric-tensor",
    "differential-form",
    "stokes-theorem"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}