想象你是一名越野跑者，手里拿着一张“风况地图”——地图上每个点都标着当地的风向和风力。你想知道：沿着山脊那条弯弯曲曲的小路跑一圈，风到底是帮你还是推你？如果沿途有补给站，密度忽密忽疏，你一共能收集多少能量补给？更进一步，如果面前有一面巨大的渔网立在风中，一小时内有多少“风的流量”穿网而过？ 这些问题，数学上都有一个统一的答案：求和。只不过这次，求和的“地点”不再是数轴上平平整整的区间，而是弯弯曲曲的曲线，或者起伏不平的曲面。线积分（沿曲线求和）和面积分（沿曲面求和），就是把这些“沿途加起来”的直觉，翻译成可计算的语言。这篇文章会把每个概念拆开揉碎，配上故事和推导，让你从“愣住”到“会算”。

岗位关联

对 AI 从业者而言，理解线积分与面积分是掌握梯度下降、物理仿真、电磁场建模等高级主题的“数学地基”——当你需要沿轨迹优化能量、或在连续空间中聚合场量时，这套语言会反复出现。

目录
  1. 可视化演示
  2. 参数化曲线
  3. 标量线积分
  4. 向量场积分
  5. 曲面积分
  6. 流量与通量
  7. 两大联系定理
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示线积分沿曲线的向量场积分过程和面积分在曲面上的通量计算，直观理解多元积分的几何意义。

本节配有交互动效（进入视口后自动加载，约 3KB）。

线积分与面积分 线积分：沿曲线C对向量场F做积分∫F·dr 面积分：在曲面S上对向量场做通量积分∬F·dS 核心思想：将积分域从直线/平面推广到曲线/曲面 ∫C F·dr = ∫a→b F(r(t))·r\'(t) dt 线积分和面积分是多元微积分的核心工具

参数化曲线

还记得那位越野跑者吗？他出发前最需要的，不是地图上的那条线，而是一个计时器——每过一秒，他知道自己到了哪个点。参数化曲线，就是给路径装上这样的计时器。

一条平面曲线可以用一个参数 \(t\)（比如时间）来描述：每个 \(t\) 都对应一个坐标点 \(\mathbf r(t)\)。跑者不再只说“我沿着山路跑”，而是说“第 3 秒我在 (2, 5)，第 5 秒我在 (4, 1)”。这样，整条路径就被拆成了一串连续的时刻点，数学上写成向量函数 \(\mathbf r(t) = (x(t),\, y(t))\)。

有了参数化，路径上每一小步的“长度”也可以算出来。跑者在第 \(t\) 秒到第 \(t+\Delta t\) 秒之间跑了多远？答案是切向量 \(\mathbf r'(t)\) 的大小乘以时间增量。这就给出了弧长微元的概念：\(ds = |\mathbf r'(t)|\,dt\)。它是后续所有积分的“尺子”。

回到跑者的故事：如果没有计时器，你只知道“有一条路”；有了参数化，你知道了“每一刻在哪、速度多快”。这一小步，是把“沿路径求和”变成可以动手计算的第一块基石。

r(t)=(x(t), y(t)),ds=∣r′(t)∣ dt=[x′(t)]2+[y′(t)]2 dt\mathbf r(t) = (x(t),\, y(t)), \quad ds = |\mathbf r'(t)|\,dt = \sqrt{[x'(t)]^2 + [y'(t)]^2}\,dt
这个式子是说：曲线上的每个点由一个“时间”参数 \(t\) 决定；曲线上一小段弧的长度，等于瞬时速度的大小乘以一小段时间。
  1. 位置向量跑者每个时刻的位置由两个坐标函数拼成一个向量。
    r(t)=(x(t), y(t))\mathbf r(t) = (x(t),\, y(t))
  2. 切向量对时间求导，得到瞬时运动方向（速度向量），它指向曲线的切线方向。
    r′(t)=(x′(t), y′(t))\mathbf r'(t) = (x'(t),\, y'(t))
  3. 弧长微元把速度大小乘以时间微元，得到这一小段弧的“真实长度”。
    ds=[x′(t)]2+[y′(t)]2 dtds = \sqrt{[x'(t)]^2 + [y'(t)]^2}\,dt

标量线积分

跑者途中会经过一片饼干林——每棵树的饼干密度处处不同，记作 \(f(x, y)\)（单位：块/米）。他想知道：这一路总共能收集多少块饼干？

答案不是简单地把头尾两个密度加起来，而是把路径切成无穷多小段，每段长度 \(ds\) 乘以该处的密度 \(f\)，再全部相加。这就是标量线积分：

注意一个有趣的细节：密度在每一点的值与行走方向无关——跑者从 A 跑到 B 和从 B 跑回 A，收集到的饼干总数一样。因此标量线积分与路径方向无关。

当 \(f \equiv 1\) 时，这个积分退化为曲线的弧长公式——跑者问“这条路一共多长”时，就是在做这个特例。饼干林的故事告诉我们：标量线积分统计的是“沿途总量”，它天然与方向无关。

∫Cf(x,y) ds=∫abf(x(t),y(t)) [x′(t)]2+[y′(t)]2 dt\int_C f(x, y)\,ds = \int_a^b f(x(t), y(t))\,\sqrt{[x'(t)]^2 + [y'(t)]^2}\,dt
∫−Cf ds=∫Cf ds\int_{-C} f\,ds = \int_C f\,ds
标量线积分就是“密度乘以弧长再求和”。它不在乎你朝哪个方向走，只在乎你走了多长、沿途密度有多高。
  1. 密度函数每个点 \((x, y)\) 对应一个数值 \(f(x,y)\)，就像每棵树的饼干密度。
    f=f(x,y)f = f(x, y)
  2. 代入路径把参数化后的坐标塞进密度函数，得到“沿路每一时刻的密度”。
    f(x(t),y(t))f(x(t), y(t))
  3. 乘以弧长微元密度 × 这一小段路的真实长度，得到这一小段贡献的饼干数。
    f⋅ds=f(x(t),y(t))⋅[x′(t)]2+[y′(t)]2 dtf \cdot ds = f(x(t),y(t)) \cdot \sqrt{[x'(t)]^2+[y'(t)]^2}\,dt
  4. 累加从起点 \(a\) 到终点 \(b\) 把无穷多小段贡献加起来，就是总饼干数。
    ∫abf ds\int_a^b f\,ds

向量场积分

跑者跑完饼干林，遇到了一阵变化的风。风在每个点都有一个方向和一个大小，这就是向量场 \(\mathbf F(x, y) = (P(x,y),\, Q(x,y))\)。现在他关心的是：风沿路径帮他做正功还是阻碍他？

每一小段位移是 \(d\mathbf r = \mathbf r'(t)\,dt\)，风在这一小段上做的功是力和位移的点积：\(dW = \mathbf F \cdot d\mathbf r\)。把所有小段的功加起来，就得到向量场沿曲线的线积分（也叫功积分）：

这里的"\(\cdot\)"是点积，它自动做了投影：只有当力的方向与运动方向一致时，贡献才是正的；垂直时贡献为零；相反时为负。如果跑者调头往回跑，每一步的位移方向反转，积分值也会变号。这是向量场线积分与标量线积分最本质的区别——方向决定正负。

顺风时点积为正，能量进账；逆风时为负，能量支出；侧风不为做功。跑者回到营地翻开账本，发现“顺风跑一圈”和“逆风跑一圈”写的是两个相反的数目——这就是向量场积分的性格。

∫CF⋅dr=∫abF(r(t))⋅r′(t) dt\int_C \mathbf F \cdot d\mathbf r = \int_a^b \mathbf F(\mathbf r(t)) \cdot \mathbf r'(t)\,dt
∫−CF⋅dr=−∫CF⋅dr\int_{-C} \mathbf F \cdot d\mathbf r = -\int_C \mathbf F \cdot d\mathbf r
向量场线积分就是“力点乘位移”沿路径累加。它统计的是做功多少，像记账一样区分“顺风进账”和“逆风支出”。
  1. 向量场每个点都有一个力向量，由 \(P\)（水平分量）和 \(Q\)（垂直分量）拼成。
    F=(P(x,y), Q(x,y))\mathbf F = (P(x,y),\, Q(x,y))
  2. 位移微元路径上每一小步的位移向量。
    dr=r′(t) dt=(x′(t), y′(t)) dtd\mathbf r = \mathbf r'(t)\,dt = (x'(t),\,y'(t))\,dt
  3. 点积力与位移做点积，只取“沿运动方向的分量”。
    F⋅dr=P dx+Q dy\mathbf F \cdot d\mathbf r = P\,dx + Q\,dy
  4. 沿程累加把每一小步的功加起来。
    ∫CF⋅dr=∫ab[P(x(t),y(t))x′(t)+Q(x(t),y(t))y′(t)]dt\int_C \mathbf F \cdot d\mathbf r = \int_a^b \left[P(x(t),y(t))x'(t) + Q(x(t),y(t))y'(t)\right]dt

曲面积分

跑者来到一片起伏的丘陵，每片草地上长着不同密度的蘑菇，密度函数是 \(f(x,y,z)\)。他想知道：整片丘陵上总共能采到多少蘑菇？

平面上的“区间求和”在这里升级为“曲面上的求和”。先把丘陵曲面参数化为两个参数的函数：坐标变为 \(\mathbf r(u, v) = (x(u,v),\, y(u,v),\, z(u,v))\)。曲面上一小块面积再怎么算？把两个切向量 \(\mathbf r_u\) 和 \(\mathbf r_v\) 张成的平行四边形面积取出来：

曲面积分就是把每个小面片的面积乘以该处的密度，再全部累加：

蘑菇的故事告诉我们：曲面求和的难点在于“面积微元”的形状会随位置变化。叉积像一把万能尺子，无论曲面怎么扭曲，都能量出每一小片的真实面积。

dS=∣ru×rv∣ du dvdS = |\mathbf r_u \times \mathbf r_v|\,du\,dv
∬Sf(x,y,z) dS=∬Df(r(u,v)) ∣ru×rv∣ du dv\iint_S f(x,y,z)\,dS = \iint_D f(\mathbf r(u,v))\,|\mathbf r_u \times \mathbf r_v|\,du\,dv
dS=∣ru×rv∣ du dvdS = |\mathbf r_u \times \mathbf r_v|\,du\,dv
曲面积分是“铺开曲面、逐片求和”。每个曲面片被近似成一个平行四边形，其面积由两个切向量的叉积大小给出。
  1. 曲面参数化用两个参数 \(u, v\) 铺满整片丘陵，像用经纬度定位地球表面。
    r(u,v)=(x(u,v), y(u,v), z(u,v))\mathbf r(u,v) = (x(u,v),\, y(u,v),\, z(u,v))
  2. 两个切向量对 \(u\) 和对 \(v\) 分别求偏导，得到贴着曲面的两个方向。
    ru=∂r∂u,rv=∂r∂v\mathbf r_u = \frac{\partial \mathbf r}{\partial u}, \quad \mathbf r_v = \frac{\partial \mathbf r}{\partial v}
  3. 叉积面积两个切向量叉积的模长，等于它们张成的平行四边形面积。
    ∣ru×rv∣|\mathbf r_u \times \mathbf r_v|
  4. 逐片累加密度 × 面片面积，再对参数区域 \(D\) 做二重积分。
    ∬Df(r(u,v)) ∣ru×rv∣ du dv\iint_D f(\mathbf r(u,v))\,|\mathbf r_u \times \mathbf r_v|\,du\,dv

流量与通量

丘陵脚下有一条河，河水速度场是 \(\mathbf F\)。跑者把一面渔网（曲面 \(S\)）立在河中，他想知道：每秒钟有多少水流穿过渔网？

关键在于水流方向与网面的夹角。如果水流垂直冲网面，穿过量最大；如果水流贴着网面滑过，穿过量为零。数学上用法向量 \(\mathbf n\)（垂直于网面的单位向量）来描述朝向，用点积 \(\mathbf F \cdot \mathbf n\) 来提取“垂直穿过网面的分量”：

由于曲面有两面（内侧/外侧、上侧/下侧），法向量方向的选择会给通量带来正负号。选定了“朝外的法向量”，流出为正、流入为负。

渔网的故事点破了通量的物理直觉：网面转一个角度，穿网的水量就变了，这全靠点积把“有效分量”挑出来。跑者如果想知道“这张网十分钟接了多少水”，算的就是通量。

Φ=∬SF⋅n dS=∬DF(r(u,v))⋅(ru×rv) du dv\Phi = \iint_S \mathbf F \cdot \mathbf n\,dS = \iint_D \mathbf F(\mathbf r(u,v)) \cdot (\mathbf r_u \times \mathbf r_v)\,du\,dv
Φ=∬SF⋅n dS\Phi = \iint_S \mathbf F \cdot \mathbf n\,dS
通量 = 速度场在法方向上的分量 × 面积，逐片累加。它衡量的是“有多少东西真的穿过了这个面”。
  1. 单位法向量垂直于曲面的单位向量，指明网面朝向。
    n=ru×rv∣ru×rv∣\mathbf n = \frac{\mathbf r_u \times \mathbf r_v}{|\mathbf r_u \times \mathbf r_v|}
  2. 法向投影水流速度在法方向上的分量。
    F⋅n\mathbf F \cdot \mathbf n
  3. 合并面积微元法向分量 × 面片面积，等价于 \(\mathbf F\) 与“有向面积向量”的点积。
    F⋅n dS=F⋅(ru×rv) du dv\mathbf F \cdot \mathbf n\,dS = \mathbf F \cdot (\mathbf r_u \times \mathbf r_v)\,du\,dv
  4. 累加对参数区域做二重积分，得到总通量。
    ∬DF⋅(ru×rv) du dv\iint_D \mathbf F \cdot (\mathbf r_u \times \mathbf r_v)\,du\,dv

两大联系定理

故事进入高潮。跑者发现：地图上画着一个闭合环路（曲线 \(C\)）围出一片区域 \(D\)。他想既不沿圈跑，也能知道沿整圈“风的做功之和”——格林公式给出了答案：沿闭合曲线的线积分，等于区域内某个量的二重积分。

再进一步，如果曲面悬在空中，边界是一条空间闭合曲线，斯托克斯公式把两者联系起来：沿边界曲线的环量，等于曲面上旋度的通量。

这两个公式的本质是：把“沿边界的累加”转化为“内部区域的累加”。就像查账不必一笔笔核对每条支出，只需看整体流水是否平衡。

跑者的冒险到此收束：无论路径是平面闭环还是空间曲面边界，“总账”都可以从边界算出。格林公式是斯托克斯公式的平面特例，而斯托克斯公式则是三维世界中“旋转总量”的度量。

∮CP dx+Q dy=∬D(∂Q∂x−∂P∂y)dA\oint_C P\,dx + Q\,dy = \iint_D \left(\frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y}\right)dA
∮∂SF⋅dr=∬S(∇×F)⋅n dS\oint_{\partial S} \mathbf F \cdot d\mathbf r = \iint_S (\nabla \times \mathbf F) \cdot \mathbf n\,dS
格林公式和斯托克斯公式是“边界与内部”的等式：沿边界的某种求和，等于内部区域的另一种求和。它们让跑者不用跑完整圈也能算出总功。
  1. 闭合边界区域 \(D\) 的边界是闭合曲线 \(C\)，曲面 \(S\) 的边界是闭合曲线 \(\partial S\)。
    C=∂D,∂SC = \partial D, \quad \partial S
  2. 格林公式左端沿整圈边界做向量场线积分。
    ∮CP dx+Q dy\oint_C P\,dx + Q\,dy
  3. 格林公式右端内部区域对偏导数之差做二重积分。
    ∬D(∂Q∂x−∂P∂y)dA\iint_D \left(\frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y}\right)dA
  4. 旋度向量场的旋转强度，记作 \(\nabla \times \mathbf F\)。
    ∇×F=(∂R∂y−∂Q∂z, ∂P∂z−∂R∂x, ∂Q∂x−∂P∂y)\nabla \times \mathbf F = \left(\frac{\partial R}{\partial y} - \frac{\partial Q}{\partial z},\ \frac{\partial P}{\partial z} - \frac{\partial R}{\partial x},\ \frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y}\right)
  5. 斯托克斯公式边界环量 = 曲面上的旋度通量。
    ∮∂SF⋅dr=∬S(∇×F)⋅n dS\oint_{\partial S} \mathbf F \cdot d\mathbf r = \iint_S (\nabla \times \mathbf F)\cdot \mathbf n\,dS

AI 应用场景

场景一：风力发电场地选址的路径收益评估

阶段：物理仿真与数据采集

解决的问题：风力发电项目需要评估一条巡检无人机航线上的风力做功收益。传统做法靠人工抽样测风，误差大且无法覆盖连续路径。利用向量场线积分，把风场数据建成向量场 \(\mathbf F\)，沿无人机航线做线积分，即可算出整条路径的风能做功净收益，帮助 AI 选址系统自动筛选最优巡检路线。

具体案例：某新能源团队用气象再分析数据构建风场向量场，对候选无人机航线在地图上密集采样计算 \(\int_C \mathbf F \cdot d\mathbf r\)，将传统人工评估的 3 天工作量压缩到 10 分钟，并自动识别出 3 条顺风收益最高的巡检路径。

场景二：流体仿真中的通量监控

阶段：模型验证与守护

解决的问题：训练流体仿真 AI 模型时，需要验证“生成的速度场是否物理合理”。一个常用判据是计算某个控制曲面的通量：如果通量严重不平衡，说明模型预测的流场违背了质量守恒。面积分在这里充当“物理守门员”。

具体案例：自动驾驶的雨滴感知模型团队，在仿真器中用曲面积分计算雨滴穿过虚拟传感器平面的通量，据此动态调节仿真的降雨强度参数，保证训练数据分布稳定。

Python 演示

python49 行
import math  def field(x, y):    """旋转向量场 F = (-y, x)，模拟一个逆时针漩涡。"""    return (-y, x)  def path(t):    """参数曲线：从 (1,0) 出发的螺旋线 r(t) = (cos t, sin t) + 0.2*t*(cos t, sin t)."""    r = 1.0 + 0.2 * t    return (r * math.cos(t), r * math.sin(t))  def path_deriv(t):    """曲线切向量 r'(t)。"""    r = 1.0 + 0.2 * t    dr = 0.2    return (dr * math.cos(t) - r * math.sin(t),            dr * math.sin(t) + r * math.cos(t))  def line_integral(field_func, path_func, path_deriv_func, a, b, n=10000):    """沿路径对向量场做线积分：F(r(t)) · r'(t) 从 a 到 b 的积分。"""    h = (b - a) / n    total = 0.0    for i in range(n):        t_left = a + i * h        t_right = a + (i + 1) * h        t_mid = (t_left + t_right) / 2.0        x, y = path_func(t_mid)        fx, fy = field_func(x, y)        dx, dy = path_deriv_func(t_mid)        total += (fx * dx + fy * dy) * h    return total  def main():    a, b = 0.0, 4.0 * math.pi    work = line_integral(field, path, path_deriv, a, b)    print("沿螺旋线从 t=0 到 t=4pi 的涡旋场做功: {:.6f}".format(work))    # 反向积分的验证：应恰好相反    work_rev = line_integral(field, path, path_deriv, b, a)    print("反向积分结果: {:.6f}".format(work_rev))    print("二者之和近似为 0: {:.6e}".format(work + work_rev))  if __name__ == "__main__":    main()
目的：用数值积分计算向量场沿螺旋曲线做的功，并验证“反向路径积分变号”的性质。
  1. def field(x, y): return (-y, x)定义了一个“漩涡状”向量场，作为做功测试对象。
  2. def path(t): ...参数化螺旋线：半径随时间缓慢增大。
  3. def path_deriv(t): ...解析求出切向量 \(\mathbf r'(t)\)，供点积使用。
  4. total += (fx * dx + fy * dy) * h这是积分核心：点积 × 步长，逐步累加。
  5. line_integral(field, path, path_deriv, b, a)交换起止点模拟“反向跑”，验证线积分变号。

常见误区

误区“线积分不就是把函数在起点和终点的值相减吗？就像定积分牛顿-莱布尼茨公式那样。”

正解定积分能“减端点值”是因为被积函数恰好是某个函数的导数（保守场）。但一般向量场的线积分必须逐点累加 \(\mathbf F \cdot d\mathbf r\)，被积的是“力×位移”，不是“函数值差”。就像跑者记账，每一小段顺风逆风都要累计，不能只看出发和回家时的风力。

为何常见：初学者先学一维定积分，牛顿-莱布尼茨公式太深入人心，容易误以为所有积分都“只取决于端点”。

误区“反正都是沿曲线积分，反着走跟正着走结果差不多吧。”

正解标量线积分 \(\int f\,ds\) 与方向无关，因为弧长微元 \(ds\) 总是正的；向量场线积分 \(\int \mathbf F \cdot d\mathbf r\) 与方向有关，反向走会使每个 \(d\mathbf r\) 变号，积分结果整体取负。跑者正着跑是“顺风进账”，反着跑就是“逆风支出”，两本账互为相反数。

为何常见：两个都叫“线积分”，名字相同，容易混淆它们的方向性质。

误区“通量嘛，就是流体速度乘以面积，穿过去多少就是多少，不分正负。”

正解通量是“有向流量”：\(\iint \mathbf F \cdot \mathbf n\,dS\)。法向量 \(\mathbf n\) 指向哪一侧决定了正负号。同一个曲面，外侧法向量算出的通量，与内侧法向量算出的通量互为相反数。渔网正着接水和反着接水，水流方向没变，但“进账”和“出账”的定义换了。

为何常见：生活中“流量”常指数量多少（如水量），忽略了数学中法向量带来的方向符号。

误区“曲面积分就是 \(\iint f(x,y,z)\,dx\,dy\)，把曲面投影到平面算一算就行。”

正解曲面是倾斜的，投影到 \(xy\) 平面会引入“伸缩因子”（即 \(|\mathbf r_u \times \mathbf r_v|\)）。直接用 \(dx\,dy\) 相当于把倾斜的丘陵当成平地图来算面积，会少算斜坡的真实长度。必须用叉积计算面积微元 \(dS\)。

为何常见：二重积分 \(\iint dx\,dy\) 太常见，初学者容易把曲面“压平”，忽略了倾斜带来的尺度变化。

面试题

Q1. 标量线积分 \(\int_C f(x,y)\,ds\) 与路径方向的关系是？

单选题 · mid

  • A.反向行走积分值变为相反数
  • B.反向行走积分值变为两倍
  • C.与路径方向完全无关← 正确答案
  • D.仅当 \(f\) 为常数时无关

答案：C。标量线积分使用弧长微元 \(ds\)，弧长恒为正，与行走方向无关。反向行走只是把参数 \(t\) 换成 \(-t\)，但 \(ds=|r'(t)|dt\) 不变，所以积分值不变。选 C。A 是向量场线积分的性质，B 和 D 都不对。

Q2. 向量场线积分 \(\int_C \mathbf F \cdot d\mathbf r\) 的物理意义最常被解释为？

单选题 · easy

  • A.路径总长度
  • B.曲面总面积
  • C.力沿路径做的功← 正确答案
  • D.流体的体积流量

答案：C。\(\int_C \mathbf F \cdot d\mathbf r\) 把每小段的力与位移点积累加，正是“力沿路径做功”的定义。路径长度对应 \(\int ds\)，面积属于曲面积分，流量对应通量积分，均不符。

Q3. 弧长微元 \(ds\) 在参数化 \(\mathbf r(t)=(x(t),y(t))\) 下的正确表达式是？

单选题 · mid

  • A.\(\sqrt{x'(t)+y'(t)}\,dt\)
  • B.\(\sqrt{[x'(t)]^2+[y'(t)]^2}\,dt\)← 正确答案
  • C.\((x'(t)+y'(t))\,dt\)
  • D.\(|x'(t)y'(t)|\,dt\)

答案：B。弧长微元等于速度向量的大小乘以时间微元，即勾股定理 \(ds=\sqrt{dx^2+dy^2}=\sqrt{x'^2+y'^2}\,dt\)。A 缺少平方，C 是直接相加（向量的模不能这样算），D 是叉积的误用。

Q4. 格林公式将闭合曲线 \(C\) 上的线积分转化为什么？

单选题 · easy

  • A.曲线自身的弧长
  • B.区域 \(D\) 上的二重积分← 正确答案
  • C.曲面的面积分
  • D.端点的函数值差

答案：B。格林公式 \(\oint_C Pdx+Qdy=\iint_D(Q_x-P_y)dA\) 把闭曲线边界上的环量转化为内部区域的二重积分。它与牛顿-莱布尼茨公式结构相似，但对象是“区域与边界”，不是“区间与端点”。

Q5. 曲面积分的面积微元 \(dS\) 由什么给出？

单选题 · hard

  • A.\(|\mathbf r_u \times \mathbf r_v|\,du\,dv\)← 正确答案
  • B.\(\mathbf r_u \cdot \mathbf r_v\,du\,dv\)
  • C.\(|\mathbf r_u|\,du\,dv\)
  • D.\(|\mathbf r_u + \mathbf r_v|\,du\,dv\)

答案：A。两个切向量 \(\mathbf r_u, \mathbf r_v\) 张成平行四边形，其面积等于叉积的模 \(|\mathbf r_u \times \mathbf r_v|\)。点积给出投影而非面积，C 和 D 忽略了两方向张成的面积，方向错了。

Q6. 关于向量场线积分 \(\int_C \mathbf F \cdot d\mathbf r\)，下列说法正确的是？

多选题 · mid

  • A.反向路径积分值变为相反数← 正确答案
  • B.与路径方向完全无关
  • C.可用来计算力做的功← 正确答案
  • D.计算时需对 \(\mathbf F(\mathbf r(t))\cdot \mathbf r'(t)\) 做定积分← 正确答案

答案：ACD。反向路径使每个位移微元 \(d\mathbf r\) 取负，积分整体变号，A 对；向量场线积分与方向有关，B 错；做功正是其物理意义，C 对；参数化后 \(\mathbf F\cdot d\mathbf r=\mathbf F(r(t))\cdot r'(t)dt\) 再积分，D 对。

Q7. 斯托克斯公式 \(\oint_{\partial S}\mathbf F\cdot d\mathbf r=\iint_S(\nabla\times\mathbf F)\cdot\mathbf n\,dS\) 的左端是什么？

单选题 · hard

  • A.曲面上旋度的通量
  • B.沿曲面边界曲线的环量← 正确答案
  • C.标量函数沿边界曲线的线积分
  • D.曲面内部区域的体积分

答案：B。左端 \(\oint_{\partial S}\mathbf F\cdot d\mathbf r\) 是向量场沿边界闭合曲线的环量；右端是旋度在曲面上的通量。A 描述的是右端，C 是标量线积分形式，D 是三重积分，均不符。

Q8. 通量积分 \(\iint_S \mathbf F\cdot\mathbf n\,dS\) 中，法向量 \(\mathbf n\) 的选择会影响什么？

多选题 · mid

  • A.积分值的正负号← 正确答案
  • B.积分值的大小（绝对值）
  • C.曲面的面积
  • D.“流出”与“流入”的判定← 正确答案

答案：AD。换用法向量 \(\mathbf n\to-\mathbf n\) 会使通量整体取负，因此正负号 A 对、“流出/流入”判定 D 也对。通量的绝对值不变，B 错；曲面面积由曲面本身决定，与法向量选择无关，C 错。

Q9. 当 \(f(x,y)\equiv 1\) 时，标量线积分 \(\int_C 1\,ds\) 的几何意义是？

单选题 · easy

  • A.路径所围区域的面积
  • B.曲线的弧长← 正确答案
  • C.路径起终点距离
  • D.路径上的平均密度

答案：B。弧长定义就是 \(\int ds\)。当被积函数恒为 1，沿曲线累加的“1×弧长微元”之和就是整条曲线长度。区域面积属于二重积分，起终点距离是直线距离，平均密度需要加权积分，均不符。

Q10. 关于格林公式与斯托克斯公式的关系，正确的是？

多选题 · hard

  • A.格林公式是斯托克斯公式的平面特例← 正确答案
  • B.两者都是“边界积分与内部积分”的桥梁← 正确答案
  • C.两者都只适用于标量函数
  • D.斯托克斯公式涉及向量场的旋度← 正确答案

答案：ABD。把斯托克斯公式限定在 \(xy\) 平面且 \(F=(P,Q,0)\)，立即得到格林公式，A 对；两者都沟通边界与内部，B 对；斯托克斯公式和格林公式处理的都是向量场（P, Q），C 错；斯托克斯公式右端确实涉及旋度通量，D 对。