极坐标下 微小扇环 面积微元
🌟 为什么极坐标下的“小扇形”面积是 r Δ r Δ θ r \, \Delta r \, \Delta \theta rΔrΔθ？
在极坐标 ( r , θ ) (r, \theta) (r,θ) 下，一个微小的区域（“小扇形”）的面积并不是简单的 Δ r Δ θ \Delta r \Delta \theta ΔrΔθ，而是 r Δ r Δ θ r \, \Delta r \, \Delta \theta rΔrΔθ。这个额外的 r r r 因子来自于极坐标的几何性质，下面我们详细解释。
1. 极坐标的面积微元推导
在直角坐标系 ( x , y ) (x, y) (x,y) 下，面积微元是 d x d y dxdy dxdy，但在极坐标下，我们需要重新计算面积微元。
(1) 极坐标与直角坐标的关系
极坐标 ( r , θ ) (r, \theta) (r,θ) 和直角坐标 ( x , y ) (x, y) (x,y) 的转换关系为：
x = r cos θ , y = r sin θ x = r \cos \theta, \quad y = r \sin \theta x=rcosθ,y=rsinθ
(2) 极坐标下的“小扇形”
考虑一个极坐标微元：
- 径向变化 Δ r \Delta r Δr：从 r r r 到 r + Δ r r + \Delta r r+Δr；
- 角度变化 Δ θ \Delta \theta Δθ：从 θ \theta θ 到 θ + Δ θ \theta + \Delta \theta θ+Δθ。
这个微元近似于一个小扇形（严格来说，当 Δ r → 0 \Delta r \to 0 Δr→0、 Δ θ → 0 \Delta \theta \to 0 Δθ→0 时，它是一个扇形）。
(3) 计算小扇形的面积
-
内半径 r r r，外半径 r + Δ r r + \Delta r r+Δr：
- 内弧长 = r Δ θ = r \Delta \theta =rΔθ；
- 外弧长 = ( r + Δ r ) Δ θ = (r + \Delta r) \Delta \theta =(r+Δr)Δθ。
-
扇形的面积公式：
扇形的面积可以近似看作一个梯形（因为 Δ r \Delta r Δr 很小）：
面积 ≈ 平均弧长 × 径向宽度 = ( r Δ θ + ( r + Δ r ) Δ θ 2 ) Δ r \text{面积} \approx \text{平均弧长} \times \text{径向宽度} = \left( \frac{r \Delta \theta + (r + \Delta r) \Delta \theta}{2} \right) \Delta r 面积≈平均弧长×径向宽度=(2rΔθ+(r+Δr)Δθ)Δr
化简后：
面积 ≈ ( r + Δ r 2 ) Δ θ Δ r \text{面积} \approx \left( r + \frac{\Delta r}{2} \right) \Delta \theta \Delta r 面积≈(r+2Δr)ΔθΔr
当 Δ r → 0 \Delta r \to 0 Δr→0，高阶小项 Δ r 2 Δ θ Δ r \frac{\Delta r}{2} \Delta \theta \Delta r 2ΔrΔθΔr 可以忽略，因此：
面积 ≈ r Δ r Δ θ \text{面积} \approx r \Delta r \Delta \theta 面积≈rΔrΔθ
-
极限情况（微积分）：
当 Δ r → 0 \Delta r \to 0 Δr→0、 Δ θ → 0 \Delta \theta \to 0 Δθ→0，这个近似越来越精确，最终：
d A = r d r d θ dA = r \, dr \, d\theta dA=rdrdθ
这就是极坐标下的面积微元。
2. 直观理解：为什么会有 r r r 因子？
-
在直角坐标系中， d x d y dxdy dxdy 代表一个小矩形，其面积就是 Δ x Δ y \Delta x \Delta y ΔxΔy。
-
但在极坐标中：
- 靠近原点（ r r r 小）：相同的 Δ θ \Delta \theta Δθ 对应的弧长较短，面积较小；
- 远离原点（ r r r 大）：相同的 Δ θ \Delta \theta Δθ 对应的弧长较长，面积较大。
因此，面积微元必须包含 r r r，以反映距离原点越远，相同 Δ r Δ θ \Delta r \Delta \theta ΔrΔθ 覆盖的实际面积越大。
几何解释：
想象一个圆环（半径 r r r，厚度 Δ r \Delta r Δr），其面积是 2 π r Δ r 2\pi r \Delta r 2πrΔr（周长 × 厚度）。
如果只取一个小扇形（角度 Δ θ \Delta \theta Δθ），则面积为：
面积 = ( Δ θ 2 π ) × 2 π r Δ r = r Δ r Δ θ \text{面积} = \left( \frac{\Delta \theta}{2\pi} \right) \times 2\pi r \Delta r = r \Delta r \Delta \theta 面积=(2πΔθ)×2πrΔr=rΔrΔθ
这就是 r d r d θ r \, dr \, d\theta rdrdθ 的来源。
3. 数学严格推导：Jacobian 行列式
更严格的数学方法是通过 Jacobian 行列式 进行坐标变换：
(1) 极坐标变换的 Jacobian
从 ( x , y ) (x, y) (x,y) 到 ( r , θ ) (r, \theta) (r,θ) 的变换的 Jacobian 矩阵为：
J = [ ∂ x ∂ r ∂ x ∂ θ ∂ y ∂ r ∂ y ∂ θ ] = [ cos θ − r sin θ sin θ r cos θ ] J = \begin{bmatrix} \frac{\partial x}{\partial r} & \frac{\partial x}{\partial \theta} \\ \frac{\partial y}{\partial r} & \frac{\partial y}{\partial \theta} \end{bmatrix} = \begin{bmatrix} \cos \theta & -r \sin \theta \\ \sin \theta & r \cos \theta \end{bmatrix} J=[∂r∂x∂r∂y∂θ∂x∂θ∂y]=[cosθsinθ−rsinθrcosθ]
(2) Jacobian 行列式计算
∣ J ∣ = det ( J ) = cos θ ⋅ r cos θ − ( − r sin θ ) ⋅ sin θ = r ( cos 2 θ + sin 2 θ ) = r |J| = \det(J) = \cos \theta \cdot r \cos \theta - (-r \sin \theta) \cdot \sin \theta = r (\cos^2 \theta + \sin^2 \theta) = r ∣J∣=det(J)=cosθ⋅rcosθ−(−rsinθ)⋅sinθ=r(cos2θ+sin2θ)=r
(3) 面积微元的变换
根据变量替换公式：
d x d y = ∣ J ∣ d r d θ = r d r d θ dxdy = |J| \, dr d\theta = r \, dr d\theta dxdy=∣J∣drdθ=rdrdθ
因此，极坐标下的面积微元确实是 r d r d θ r \, dr \, d\theta rdrdθ。
-
极坐标下的面积微元是 r d r d θ r \, dr \, d\theta rdrdθ，而不是简单的 d r d θ dr d\theta drdθ。
-
原因：
- 几何直观：离原点越远，相同 Δ r Δ θ \Delta r \Delta \theta ΔrΔθ 覆盖的实际面积越大，需要乘以 r r r 修正；
- 数学推导：通过 Jacobian 行列式，坐标变换引入 r r r 因子。
-
这个 r r r 使得极坐标下的积分计算更加准确，特别是在处理圆形、扇形等对称区域时。