aiwiki.page
中文
数学 / 分析与微积分 / multiple-integral

重积分

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。

51 个关键词1 个词条链接到这里3 个尚未撰写AI 撰写
积分微积分欧几里得空间函数图像黎曼和黎曼积分连续函数勒贝格测度重积分

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

∫Df(x) dx\int_D f(\mathbf{x})\,d\mathbf{x}

表示在整个区域 DD 上,以无穷小体积为权重累积 ff 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。

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。

含义、记号与几何解释

对于定义在平面区域 DD 上的函数 f(x,y)f(x,y),二重积分通常记作

∬Df(x,y) dA.\iint_D f(x,y)\,dA.

这里,dAdA 表示面积元。在笛卡尔坐标系中,面积元表示为 dx dydx\,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,

∭Eg(x,y,z) dV\iiint_E g(x,y,z)\,dV

表示空间区域 EE 上的三重积分,其中 dVdV 为体积元。在 nn 维欧几里得空间中,相应的记号为

∫Df(x1,…,xn) dx1⋯dxn.\int_D f(x_1,\ldots,x_n)\,dx_1\cdots dx_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。

若 f≥0f\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)z=f(x,y) 下方、区域 DD 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。

对常值函数 11 积分,就得到区域的大小:

∬D1 dA=area⁡(D),∭E1 dV=volume⁡(E).\iint_D1\,dA=\operatorname{area}(D), \qquad \iiint_E1\,dV=\operatorname{volume}(E).

因此,重积分将几何度量推广为加权度量。如果 ff 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:dAdA 带有长度的二次方量纲,而 dVdV 带有长度的三次方量纲。

只要相关积分存在,积分运算就具有线性:

∫D(af+bg) dx=a∫Df dx+b∫Dg dx.\int_D(af+bg)\,d\mathbf{x} = a\int_Df\,d\mathbf{x}+b\int_Dg\,d\mathbf{x}.

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≤gf\leq g,则 ∫Df≤∫Dg\int_Df\leq\int_Dg。对于可积函数,有

∣∫Df dx∣≤∫D∣f∣ dx.\left|\int_D f\,d\mathbf{x}\right| \leq \int_D|f|\,d\mathbf{x}.

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。

黎曼和与测度论基础

初等构造从一个矩形盒开始:

R=∏j=1n[aj,bj].R=\prod_{j=1}^{n}[a_j,b_j].

将每个坐标区间划分为更小的区间,得到子盒 RkR_k。在每个子盒中选取一个取样点 ξk\boldsymbol{\xi}_k,构造黎曼和

∑kf(ξk) vol⁡n(Rk).\sum_k f(\boldsymbol{\xi}_k)\,\operatorname{vol}_n(R_k).

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。

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。

对于有界的非矩形区域 DD,一种初等方法是将 ff 在区域外补零,延拓到一个包含该区域的矩形盒上:

f~(x)=f(x) 1D(x),\widetilde f(\mathbf{x})=f(\mathbf{x})\,1_D(\mathbf{x}),

其中 1D1_D 是 DD 的示性函数。于是,DD 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。

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

f=f+−f−,f+=max⁡(f,0),f−=max⁡(−f,0).f=f^+-f^-, \qquad f^+=\max(f,0),\quad f^-=\max(-f,0).

有限的勒贝格积分存在,当且仅当

∫D∣f∣ dx<∞,\int_D|f|\,d\mathbf{x}<\infty,

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。

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。

累次积分与富比尼–托内利定理

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

∫ab(∫cdf(x,y) dy)dx\int_a^b\left(\int_c^d f(x,y)\,dy\right)dx

先将 xx 视为参数,对 yy 积分,再对所得的 xx 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。

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:

∫X×Yf d(μ×ν)=∫X(∫Yf dν)dμ=∫Y(∫Xf dμ)dν.\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.

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。

富比尼定理给出了绝对可积函数的相应结论。如果

∫X×Y∣f∣ d(μ×ν)<∞,\int_{X\times Y}|f|\,d(\mu\times\nu)<\infty,

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。

例如,在 [0,1]2[0,1]^2 上,

∫01∫01(x+2y) dy dx=∫01(x+1) dx=32.\int_0^1\int_0^1(x+2y)\,dy\,dx = \int_0^1(x+1)\,dx = \frac32.

交换积分次序可得

∫01∫01(x+2y) dx dy=∫01(12+2y)dy=32.\int_0^1\int_0^1(x+2y)\,dx\,dy = \int_0^1\left(\frac12+2y\right)dy = \frac32.

函数在该矩形区域上的连续性保证了定理的条件成立。

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(0,1)^2 上,考虑

f(x,y)=x2−y2(x2+y2)2.f(x,y)=\frac{x^2-y^2}{(x^2+y^2)^2}.

对每个固定的 x>0x>0,都有

∫01f(x,y) dy=11+x2,\int_0^1 f(x,y)\,dy=\frac{1}{1+x^2},

因为 f=∂y[y/(x2+y2)]f=\partial_y[y/(x^2+y^2)]。因此,按这一次序积分得到 π/4\pi/4。若改为先对 xx 积分,则得到 −π/4-\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。

描述区域与确定积分限

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:

D={(x,y):a≤x≤b, ϕ1(x)≤y≤ϕ2(x)}.D=\{(x,y):a\leq x\leq b,\ \phi_1(x)\leq y\leq\phi_2(x)\}.

在适当的可积性假设下,

∬Df dA=∫ab∫ϕ1(x)ϕ2(x)f(x,y) dy dx.\iint_D f\,dA = \int_a^b\int_{\phi_1(x)}^{\phi_2(x)} f(x,y)\,dy\,dx.

外层积分区间描述区域在 xx-轴上的投影;内层积分限描述给定 xx 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 yy 为外层积分变量。

考虑由 x=0x=0、y=0y=0 和 x+y=1x+y=1 围成的三角形。描述它的不等式既可以写为

0≤x≤1,0≤y≤1−x,0\leq x\leq1,\qquad 0\leq y\leq1-x,

也可以写为

0≤y≤1,0≤x≤1−y.0\leq y\leq1,\qquad 0\leq x\leq1-y.

因此,

∬Dxy dA=∫01∫01−xxy dy dx=12∫01x(1−x)2 dx=124.\iint_Dxy\,dA = \int_0^1\int_0^{1-x}xy\,dy\,dx = \frac12\int_0^1x(1-x)^2\,dx = \frac1{24}.

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 dxdx 和 dydy,却不调整依赖于变量的积分限,通常就会改变原来的问题。

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,

I=∫01∫x1ey2 dy dxI=\int_0^1\int_x^1e^{y^2}\,dy\,dx

中,内层被积函数的原函数不是初等函数。积分区域为 0≤x≤y≤10\leq x\leq y\leq1,因此

I=∫01∫0yey2 dx dy=∫01yey2 dy=e−12.I=\int_0^1\int_0^y e^{y^2}\,dx\,dy =\int_0^1ye^{y^2}\,dy =\frac{e-1}{2}.

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。

在三维空间中,沿竖直方向的简单立体区域可表示为

E={(x,y,z):(x,y)∈D, u(x,y)≤z≤v(x,y)}.E=\{(x,y,z):(x,y)\in D,\ u(x,y)\leq z\leq v(x,y)\}.

于是

∭Ef dV=∬D(∫u(x,y)v(x,y)f(x,y,z) dz)dA.\iiint_E f\,dV = \iint_D\left(\int_{u(x,y)}^{v(x,y)} f(x,y,z)\,dz\right)dA.

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。

变量替换与雅可比因子

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

T:U⟶V,x=T(u),T:U\longrightarrow V,\qquad \mathbf{x}=T(\mathbf{u}),

是 Rn\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 ff,有

∫Vf(x) dx=∫Uf(T(u))∣det⁡DT(u)∣ du.\int_V f(\mathbf{x})\,d\mathbf{x} = \int_U f(T(\mathbf{u})) \left|\det DT(\mathbf{u})\right|\,d\mathbf{u}.

这里,DTDT 是雅可比矩阵,其行列式衡量局部体积的缩放比例。

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。

对于极坐标,

x=rcos⁡θ,y=rsin⁡θ,x=r\cos\theta,\qquad y=r\sin\theta,

其行列式为 rr。因此,在半径为 RR 的圆盘上,有

∬x2+y2≤R2f(x,y) dA=∫02π∫0Rf(rcos⁡θ,rsin⁡θ) r dr dθ.\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.

该变换在 r=0r=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。

在柱坐标中,dV=r dr dθ dzdV=r\,dr\,d\theta\,dz。在球坐标中,以 ϕ\phi 表示与 zz 轴正方向的夹角,则

x=ρsin⁡ϕcos⁡θ,y=ρsin⁡ϕsin⁡θ,z=ρcos⁡ϕ,x=\rho\sin\phi\cos\theta,\quad y=\rho\sin\phi\sin\theta,\quad z=\rho\cos\phi,

且

dV=ρ2sin⁡ϕ dρ dϕ dθ.dV=\rho^2\sin\phi\,d\rho\,d\phi\,d\theta.

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。

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 x=Au+b\mathbf{x}=A\mathbf{u}+\mathbf{b},那么 dx=∣det⁡A∣ dud\mathbf{x}=|\det A|\,d\mathbf{u}。将单位球映为半轴长为 a,b,ca,b,c 的椭球,即可直接得到其体积为

4π3abc.\frac{4\pi}{3}abc.

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。

反常积分、奇点与收敛性

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。

对于 Rn\mathbb{R}^n 上的径向函数,若 g(∣x∣)g(|\mathbf{x}|) 非负或可积,则积分可化为

∫Rng(∣x∣) dx=∣Sn−1∣∫0∞g(r)rn−1 dr\int_{\mathbb{R}^n}g(|\mathbf{x}|)\,d\mathbf{x} = |\mathbb{S}^{n-1}| \int_0^\infty g(r)r^{n-1}\,dr

其中,∣Sn−1∣|\mathbb{S}^{n-1}| 表示单位球面的面积。因子 rn−1r^{n-1} 起着决定性作用。在原点附近,

∫∣x∣<1∣x∣−p dx<∞⟺p<n,\int_{|\mathbf{x}|<1}|\mathbf{x}|^{-p}\,d\mathbf{x}<\infty \quad\Longleftrightarrow\quad p<n,

而在无穷远处,

∫∣x∣>1∣x∣−p dx<∞⟺p>n.\int_{|\mathbf{x}|>1}|\mathbf{x}|^{-p}\,d\mathbf{x}<\infty \quad\Longleftrightarrow\quad p>n.

当 p=np=n 时,对应的两个径向积分都呈对数发散。

因此,在三维空间中,1/r1/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 drr\,dr 的常数倍。相比之下,1/r31/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 rr 表示到一个光滑的余维为 kk 的子流形的距离,则在通常的局部正则性假设下,1/rp1/r^p 型奇性在 p<kp<k 时局部可积。

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。

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。

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。

几何量与物理量

重积分将局部密度规律转化为整体量。对于占据区域 E⊆R3E\subseteq\mathbb{R}^3、质量密度为非负函数 ρ\rho 的物体,其质量为

M=∭Eρ(x,y,z) dV.M=\iiint_E\rho(x,y,z)\,dV.

若 0<M<∞0<M<\infty 且各一阶矩均有限,则其质心为

xˉ=1M∭Exρ dV,yˉ=1M∭Eyρ dV,zˉ=1M∭Ezρ dV.\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.

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。

转动力学中用到的是二阶矩。物体绕 zz-轴的转动惯量为

Iz=∭E(x2+y2)ρ dV.I_z=\iiint_E(x^2+y^2)\rho\,dV.

更一般地,惯性张量的分量为

Iij=∭Eρ(x)(∣x∣2δij−xixj) dV.I_{ij} = \iiint_E\rho(\mathbf{x}) \bigl(|\mathbf{x}|^2\delta_{ij}-x_ix_j\bigr)\,dV.

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。

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 r(u,v)\mathbf{r}(u,v),则其面积为

A=∬U∣ru×rv∣ du dv.A=\iint_U \left|\mathbf{r}_u\times\mathbf{r}_v\right|\,du\,dv.

对于函数图像 z=g(x,y)z=g(x,y),这一公式变为

A=∬D1+gx2+gy2 dx dy.A=\iint_D \sqrt{1+g_x^2+g_y^2}\,dx\,dy.

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。

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

∭E∇⋅F dV=∬∂EF⋅n dS.\iiint_E\nabla\cdot\mathbf{F}\,dV = \iint_{\partial E}\mathbf{F}\cdot\mathbf{n}\,dS.

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。

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

∫E∇ϕi⋅∇ϕj dV\int_E\nabla\phi_i\cdot\nabla\phi_j\,dV

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。

概率、边际化与高斯积分

对于连续随机向量 X=(X1,…,Xn)\mathbf{X}=(X_1,\ldots,X_n),其联合概率密度函数 pp 满足

p(x)≥0,∫Rnp(x) dx=1.p(\mathbf{x})\geq0,\qquad \int_{\mathbb{R}^n}p(\mathbf{x})\,d\mathbf{x}=1.

于是,概率可表示为重积分:

Pr⁡(X∈A)=∫Ap(x) dx.\Pr(\mathbf{X}\in A)=\int_Ap(\mathbf{x})\,d\mathbf{x}.

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。

由二元密度 pX,Yp_{X,Y},可得 XX 的边际密度

pX(x)=∫RpX,Y(x,y) dy.p_X(x)=\int_{\mathbb{R}}p_{X,Y}(x,y)\,dy.

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

E[g(X)]=∫Rng(x)p(x) dx,\mathbb{E}[g(\mathbf{X})] = \int_{\mathbb{R}^n}g(\mathbf{x})p(\mathbf{x})\,d\mathbf{x},

期望值有限要求 ∣g∣p|g|p 可积,这与富比尼定理中的绝对可积条件相同。

当 XX 和 YY 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 pX(x)pY(y)p_X(x)p_Y(y)。在适当的可积性假设下,由此可得

E[a(X)b(Y)]=E[a(X)]E[b(Y)].\mathbb{E}[a(X)b(Y)] = \mathbb{E}[a(X)]\mathbb{E}[b(Y)].

通过变量变换,还可以推导出随机变量之和的卷积公式:

pX+Y(s)=∫RpX(t)pY(s−t) dt.p_{X+Y}(s)=\int_{\mathbb{R}}p_X(t)p_Y(s-t)\,dt.

具体做法是将坐标 (x,y)(x,y) 变换为 (t,s)=(x,x+y)(t,s)=(x,x+y),其雅可比行列式的绝对值为 11,再对 tt 积分,将其消去。

利用二重积分求高斯积分,是一个经典应用。设

J=∫−∞∞e−x2 dx,J=\int_{-\infty}^{\infty}e^{-x^2}\,dx,

由托内利定理并采用极坐标可得

J2=∬R2e−(x2+y2) dx dy=∫02π∫0∞e−r2r dr dθ=π.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.

由于 J>0J>0,因此 J=πJ=\sqrt{\pi}。这一计算给出了正态分布的归一化常数。

更一般地,对于实对称正定矩阵 AA,有

∫Rne−12xTAx dx=(2π)n/2det⁡A.\int_{\mathbb{R}^n} e^{-\frac12\mathbf{x}^{T}A\mathbf{x}}\,d\mathbf{x} = \frac{(2\pi)^{n/2}}{\sqrt{\det A}}.

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。

数值求值与高维计算

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

∫Df(x) dx≈∑k=1Nwkf(xk).\int_Df(\mathbf{x})\,d\mathbf{x} \approx \sum_{k=1}^{N}w_kf(\mathbf{x}_k).

积分节点 xk\mathbf{x}_k 和权重 wkw_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。

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 mm 个节点,那么一个 nn 维公式就需要 mnm^n 个节点。当 m=10m=10、n=8n=8 时,就已经需要进行 10810^8 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。

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。

蒙特卡洛方法则采用随机采样。如果 DD 的体积 VV 有限且为正,且 X1,…,XN\mathbf{X}_1,\ldots,\mathbf{X}_N 是从 DD 中独立均匀抽取的样本,那么

I^N=VN∑k=1Nf(Xk)\widehat I_N=\frac{V}{N}\sum_{k=1}^{N}f(\mathbf{X}_k)

在积分有限时就是无偏估计量。如果 f(X1)f(\mathbf{X}_1) 的方差有限,则

Var⁡(I^N)=V2NVar⁡(f(X1)).\operatorname{Var}(\widehat I_N) = \frac{V^2}{N}\operatorname{Var}(f(\mathbf{X}_1)).

因此,其均方根误差按 N−1/2N^{-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。

重要性采样按照密度 qq 抽样,并对 f(X)/q(X)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,qq 都必须为正。其效果很大程度上取决于 qq 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。

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。

历史发展与更广泛的推广

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。

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。

19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。

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:

(μ×ν)(A×B)=μ(A)ν(B),(\mu\times\nu)(A\times B)=\mu(A)\nu(B),

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。

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 gg 给出局部体积元

dVg=det⁡(gij) dx1⋯dxn.dV_g=\sqrt{\det(g_{ij})}\,dx^1\cdots dx^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。

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

∫Mdω=∫∂Mω\int_M d\omega=\int_{\partial M}\omega

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。