Johns Hopkins University
数据与建模微积分矢量微积分

通过 Coursera Plus 获取 10,000 多门课程的 Accessibility

Johns Hopkins University

数据与建模微积分矢量微积分

Joseph W. Cutrone, PhD

顶尖授课教师

4,009 人已注册

包含在 Coursera Plus

深入了解一个主题并学习基础知识。
4.7

(46 条评论)

中级 等级

推荐体验

4 小时 完成
灵活的计划
自行安排学习进度
深入了解一个主题并学习基础知识。
4.7

(46 条评论)

中级 等级

推荐体验

4 小时 完成
灵活的计划
自行安排学习进度

要了解的详细信息

可分享的证书

添加到您的领英档案

授课语言:英语(English)

了解顶级公司的员工如何掌握热门技能

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累特定领域的专业知识

本课程是 通过数据和建模进行积分计算 专项课程 专项课程的一部分
在注册此课程时,您还会同时注册此专项课程。
  • 向行业专家学习新概念
  • 获得对主题或工具的基础理解
  • 通过实践项目培养工作相关技能
  • 获得可共享的职业证书

该课程共有3个模块

在本模块中,我们将定义矢量场的概念,即把矢量应用于给定点的函数。然后,我们将沿平面和空间的一般曲线发展这些新函数的积分概念。线积分产生于 19 世纪初,最初是为了解决涉及流体流动、力、电和磁的问题。 今天,它们仍然是高级数学理论和矢量微积分的核心。

涵盖的内容

2个视频2篇阅读材料1个作业

在本模块中,我们将介绍守恒向量场的概念。 在向量微积分中,保守向量场是某个函数 f(称为势函数)的梯度的向量场。保守向量场具有线积分与路径无关的特性,这意味着选择两点之间的任何路径都不会改变线积分的值。 反之,线积分的路径无关性等同于向量场是保守的。接下来,我们将阐述并正式表述一个关于保守向量场线积分的重要定理,即线积分基本定理(Fundamental Theorem for Line Integrals)。这将使我们能够证明,对于一个保守系统,沿着构型空间中的路径移动所做的功只取决于路径的端点。

涵盖的内容

1个视频2篇阅读材料1个作业

在本模块中,我们将阐述并应用向量微积分的一个主要工具:格林定理。格林定理给出了二维矢量场在平面闭合路径上的线积分与它所包围区域的双积分之间的关系。二维保守向量场在闭合路径上的积分为零是格林定理的一个特例。

涵盖的内容

1个视频1篇阅读材料1个作业1次同伴评审

获得职业证书

将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。

位教师

授课教师评分
5.0 (10个评价)
Joseph W. Cutrone, PhD

顶尖授课教师

Johns Hopkins University
27 门课程666,807 名学生

提供方

从 数学与逻辑 浏览更多内容

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情,我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程,Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好:它远不止于此。Coursera 让我无限制地学习。'

学生评论

4.7

46 条评论

  • 5 stars

    80.43%

  • 4 stars

    10.86%

  • 3 stars

    6.52%

  • 2 stars

    0%

  • 1 star

    2.17%

显示 3/46 个

LS
4

已于 Jan 23, 2025审阅

TH
5

已于 Apr 1, 2022审阅

AA
5

已于 Mar 7, 2023审阅

Coursera Plus

通过 Coursera Plus 开启新生涯

无限制访问 10,000+ 世界一流的课程、实践项目和就业就绪证书课程 - 所有这些都包含在您的订阅中

通过在线学位推动您的职业生涯

获取世界一流大学的学位 - 100% 在线

加入超过 3400 家选择 Coursera for Business 的全球公司

提升员工的技能,使其在数字经济中脱颖而出

常见问题

¹ 本课程的部分作业采用 AI 评分。对于这些作业,将根据 Coursera 隐私声明使用您的数据。