φ 数学分析学习系统
知识点 / 第十三章 重积分

本原映射下小矩形像的面积

引理第十三章 重积分

设 TT 为本原映射,则对于每个属于 BnB_{n} 的小矩形 RR,等式
mT(R)=∣∂(x,y)∂(u,v)∣∣(u~,v~)mRmT(R)=\left.\left|\frac{\partial(x,y)}{\partial(u,v)}\right|\right|_{(\tilde{u},\tilde{v})}mR
成立,这里 (u~,v~)(\tilde{u},\tilde{v}) 为 RR 上某一点。

证明 / 补充

仅对本原映射 TxT_{x} 证明,对 TyT_{y} 是类似的。

因为 x=x(u,v),y=y(u,v)x=x(u,v),y=y(u,v) 具有连续偏导数,且 Jacobi 行列式 J=∂(x,y)∂(u,v)J=\dfrac{\partial(x,y)}{\partial(u,v)} 在 UU 上不为零,那么这个 DD 的划分的像也是 E=T(D)E=T(D) 的一个划分(因为直线段是光滑的),而且它所分成的小区域的内点被映为其像的内点。

设在 UU 上 J>0J>0。由于这时成立
J=∂(x,y)∂(u,v)=∣10∂y∂u∂y∂v∣=∂y∂v>0,J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}1&0\\ \dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix}=\frac{\partial y}{\partial v}>0,
所以在每个包含于 BnB_{n} 中的小矩形
R=[e,f]×[g,h]R=[e,f]\times[g,h]
上,对于固定的 uu,y(u,v)y(u,v) 是 vv 的单调增加函数,因此 RR 被一一对应地映到
T(R)={(x,y)∣e⩽x⩽f, y(x,g)⩽y⩽y(x,h)}.T(R)=\{(x,y)\mid e\leqslant x\leqslant f,\ y(x,g)\leqslant y\leqslant y(x,h)\}.
所以 T(R)T(R) 的面积为
mT(R)=∬T(R)dx dy=∫efdx∫y(x,g)y(x,h)dy=∫ef[y(x,h)−y(x,g)] dx=(y(u~,h)−y(u~,g))(f−e),\begin{aligned} mT(R) &=\iint_{T(R)}\mathrm{d}x\,\mathrm{d}y =\int_{e}^{f}\mathrm{d}x\int_{y(x,g)}^{y(x,h)}\mathrm{d}y =\int_{e}^{f}[y(x,h)-y(x,g)]\,\mathrm{d}x\\ &=\bigl(y(\tilde{u},h)-y(\tilde{u},g)\bigr)(f-e), \end{aligned}
其中 e⩽u~⩽fe\leqslant\tilde{u}\leqslant f。最后一步是利用了积分中值定理。再用一次微分中值定理得
mT(R)=∂y∂v(u~,v~)(h−g)(f−e)=∂y∂v(u~,v~)mR=(∂(x,y)∂(u,v))(u~,v~)mR,\begin{aligned} mT(R) &=\frac{\partial y}{\partial v}(\tilde{u},\tilde{v})(h-g)(f-e)\\ &=\frac{\partial y}{\partial v}(\tilde{u},\tilde{v})mR =\left(\frac{\partial(x,y)}{\partial(u,v)}\right)_{(\tilde{u},\tilde{v})}mR, \end{aligned}
其中 g<v~<hg<\tilde{v}<h。

如果 TT 的 Jacobi 行列式为负的,以上讨论中关于 yy 的不等式反向,重复以上证明可同样得到
mT(R)=∣∂(x,y)∂(u,v)∣∣(u~,v~)mR.mT(R)=\left.\left|\frac{\partial(x,y)}{\partial(u,v)}\right|\right|_{(\tilde{u},\tilde{v})}mR.

想看这道知识点对应的例题和练习?登录后进入学习系统。