logo

벡터값 함수의 적분 📂다변수벡터해석

벡터값 함수의 적분

정의1

f1f_{1}, f2f_{2}, \dots, fkf_{k}가 구간 [a,b][a,b]위에서 실수값을 갖는 함수라고 하자. 그리고 f:[a,b]Rk\mathbf{f} : [a,b] \to \mathbb{R}^{k}가 다음과 같다고 하자.

f(x)=(f1(x),,fk(x)),x[a,b] \mathbf{f}(x)=\left( f_{1}(x),\dots,f_{k}(x) \right),\quad x\in [a,b]

이때 각각의 fkf_{k}가 구간 [a,b][a,b]에서 적분가능하면, f\mathbf{f}의 적분을 다음과 같이 정의한다.

abfdx=(abf1dx,,abfkdx) \int _{a} ^{b} \mathbf{f}dx = \left( \int _{a} ^{b}f_{1} dx, \dots, \int _{a} ^{b}f_{k} dx \right)

정리

기존에 f:[a,b]Rf : [a,b]\to \mathbb{R}인 함수에 대해서 정리했던 내용들이 그대로 성립한다.

미분적분학의 기본정리2

벡터값 함수 f,F:[a,b]Rk\mathbf{f}, \mathbf{F} : [a,b] \to \mathbb{R}^{k}에 대해서 f\mathbf{f}가 적분가능하고, F=f\mathbf{F}^{\prime}=\mathbf{f}가 성립한다고 하자. 그러면 다음의 식이 성립한다.

abf(t)dt=F(b)F(a) \int _{a} ^{b} \mathbf{f}(t)dt = \mathbf{F}(b)-\mathbf{F}(a)

적분의 절댓값이 절댓값의 적분보다 작다

abfdxabfdx \begin{equation} \left| \int _{a} ^{b} \mathbf{f}dx \right| \le \int _{a} ^{b} \left| \mathbf{f} \right| dx \label{eq1} \end{equation}

증명

f=(f1,,fk)\mathbf{f}=\left( f_{1},\dots,f_{k} \right)라고 하면 다음이 성립한다.

f=(f12++fk2)1/2 \left| \mathbf{f} \right| =\left( f_{1}^{2}+\cdots +f_{k}^{2} \right)^{1/2}

적분은 선형이고, 함수의 곱은 적분가능성을 보존하므로 각각의 fi2f_{i}^{2}와 이들의 합도 적분 가능하다. 또한 x2x^{2}컴팩트[a,b][a,b]에서 연속이므로 x1/2x^{1/2}도 연속이고, 연속이므로 적분가능하다. 연속함수와의 합성은 적분가능성은 보존하므로 다음이 성립한다. f\left| \mathbf{f} \right|는 적분가능하다.

(eq1)\eqref{eq1}을 보이기 위해서 다음과 같이 두자.

y=(y1,,yk)andyi=fidx \mathbf{y} = \left( y_{1},\dots,y_{k} \right) \quad \text{and} \quad y_{i}=\int f_{i}dx

그러면 다음이 성립한다.

y=(y1,,yk)=(fidx,,fkdx)=fdx \mathbf{y} = \left( y_{1},\dots,y_{k} \right) = \left( \int f_{i}dx, \dots, \int f_{k}dx \right) = \int \mathbf{f}dx

또한 다음을 얻는다.

y2=i=1kyi2=i=1kyifidx=(i=1kyifi)dx \left| \mathbf{y} \right| ^{2} = \sum \limits _{i=1} ^{k}y_{i}^{2} = \sum \limits _{i=1} ^{k}y_{i}\int f_{i}dx = \int \left( \sum \limits _{i=1} ^{k}y_{i}f_{i} \right) dx

그러면 코시-슈바르츠 부등식에 의해 다음이 성립한다.

i=1nyifi(t)yf(t),atb \sum \limits _{i=1} ^{n} y_{i}f_{i}(t) \le \left| \mathbf{y} \right| \left| \mathbf{f}(t) \right|, \quad a\le t \le b

그러면 y0\left| \mathbf{y} \right| \ne 0일 때 다음이 성립한다.

y2yfdx    yfdx    fdxfdx \begin{align*} && \left| \mathbf{y} \right| ^{2}\le \int \left| \mathbf{y} \right| \left| \mathbf{f} \right| dx \\ \implies && \left| \mathbf{y} \right| \le \int \left| \mathbf{f} \right|dx \\ \implies && \left| \int \mathbf{f}dx \right| \le \int \left| \mathbf{f} \right|dx \end{align*}

물론 y=0\left| \mathbf{y} \right| =0일 땐 자명하게 성립한다.


  1. Walter Rudin, Principles of Mathmatical Analysis (3rd Edition, 1976), p135-136 ↩︎