Skip to main content

Section 6.1 定积分的概念

Subsection 6.1.1 引 例

Subsubsection 6.1.1.1 曲边梯形的面积

设函数 \(y=f(x)\) 在区间 \([a, b]\) 上非负连续, 由直线 \(x=a, x=b, y=0\) 及曲线 \(y=f(x)\) 所围成的平面图形 (见图 6-1) 称为曲边梯形, 其中曲线弧称为曲边.
由于当矩形的高不变时, 它的面积可按公式:矩形面积 \(=\)\(\times\) 高计算. 把曲边梯形与矩形比较,可以看到曲边梯形在底边上各点处的高 \(f(x)\) 在区间 \([a, b]\) 上是变动的, 所以它的面积不能直接利用矩形面积公式来计算,但注意到曲边梯形的高 \(f(x)\)\(x\) 的连续函数,在很小一段区间上它的变化很小,特别是当小段区间非常小时, 高 \(f(x)\) 近似于不变. 因此,如果把区间 \([a, b]\) 划分为许多小区间,在每个小区间上用其中某一点处的高来近似代替该小区间上的小曲边梯形的变高, 那么每个小曲边梯形就可近似看成是小矩形,将所有这些小矩形面积之和作为曲边梯形面积的近似值, 并把区间细分下去,运用极限的思想就可求出曲边梯形的面积,下面分成四步来具体进行讨论. (1) 分割 在 \([a, b]\) 内任意插人 \(n-1\) 个分点: \(a=x_{0}<x_{1}<x_{2}<\cdots<x_{n-1}<x_{n}=\) \(b\text{,}\) 把区间 \([a, b]\) 分成 \(n\) 个小区间 \(\left[x_{0}, x_{1}\right],\left[x_{1}, x_{2}\right], \cdots,\left[x_{n-1}, x_{n}\right]\text{,}\) 其长度分别记为 \(\Delta x_{1}=x_{1}-x_{0}, \Delta x_{2}=x_{2}-x_{1}, \cdots, \Delta x_{n}=x_{n}-x_{n-1}\text{.}\) 过每个分点作平行于 \(y\) 轴的直线段, 于是原曲边梯形被分成 \(n\) 个小曲边梯形. (2)近似 当第 \(i\) 个小区间 \(\left[x_{i-1}, x_{i}\right]\) 的长度 \(\Delta x_{i}\) 很小时, \(f(x)\) 在其上变化也很小. 因此可以把该小区间上任意一点 \(\xi_{i}\) 处的函数值 \(f\left(\xi_{i}\right)\left(x_{i-1} \leqslant \xi_{i} \leqslant x_{i}\right)\) 作为第 \(i\) 个小曲边梯形的近似高度, 从而它的面积 \(\Delta S_{i}\) 可用以 \(f\left(\xi_{i}\right)\) 为高、 \(\Delta x_{i}\) 为底的小矩形面积近似代替, 即
\begin{equation*} \Delta S_{i} \approx f\left(\xi_{i}\right) \Delta x_{i} \quad(i=1,2, \cdots, n) . \end{equation*}
(3)作和 把这 \(n\) 个小曲边梯形面积的近似值加起来, 即得曲边梯形面积 \(S\)的近似值 \(S_{n}\) :
\begin{equation*} S \approx S_{n}=f\left(\xi_{1}\right) \Delta x_{1}+f\left(\xi_{2}\right) \Delta x_{2}+\cdots+f\left(\xi_{n}\right) \Delta x_{n}=\sum\limits_{i=1}^{n} f\left(\xi_{i}\right) \Delta x_{i} \end{equation*}
(4)求极限 当区间 \([a, b]\) 被分得越细,且使每个区间的长度 \(\Delta x_{i}\) 越小, \(S\)\(S_{n}\) 的误差就越小. 要得到精确值, 必须使每个小区间的长度趋于零, 记 \(\lambda=\max \limits_{i} \left\{\Delta x_{i}\right\}(k=1,2, \cdots, n)\) 为小区间的长度中的最大值. 当 \(\lambda \rightarrow 0\) 时, 所有小区间的长度 \(\Delta x_{i}\) 都趋于零, 运用极限思想, 便得
\begin{equation*} S=\lim\limits_{\lambda \rightarrow 0} S_{n}=\lim\limits_{\lambda \rightarrow 0} \sum\limits_{i=1}^{n} f\left(\xi_{i}\right) \Delta x_{i} \end{equation*}
Project 6.1.1. 发现之旅: 估计\(S_{n}\)的值.
注意到\(S_{n}=\sum\limits_{i=1}^{n} f\left(\xi_{i}\right) \Delta x_{i}\)
(a)

Subsubsection 6.1.1.2 变速直线运动的路程

设某物体做直线运动, 已知速度 \(v=v(t)\) 是时间间隔 \(\left[T_{1}, T_{2}\right]\)\(t\) 的连续函数,且 \(v(t) \geqslant 0\text{,}\)计算这段时间内物体所经过的路程 \(s\text{.}\) 做匀速直线运动的物体在时间段 \(t\) 内所经过的路程 \(s\) 就是它的速度 \(v\) 与时间 \(t\) 的乘积, 即 \(s=v t\text{.}\) 求做变速直线运动的物体从时刻 \(t=T_{1}\) 到时刻 \(t=T_{2}\) 这段时间内所经过的路程 \(s\text{.}\) 因速度 \(v(t)\) 随时间 \(t\) 的变化而变化,因此不能直接按上述公式计算, 但在很短的时间间隔内, 速度的变化很小, 近似于匀速. 这样就可求出这部分路程的近似值,仍用类似于求曲边梯形面积的方法来解决该问题. (1)分割 在时间间隔 \(\left[T_{1}, T_{2}\right]\) 内任意插人 \(n-1\) 个分点 \(T_{1}=t_{0}<t_{1}<t_{2}<\cdots<\) \(t_{n-1}<t_{n}=T_{2}\text{,}\)\(\left[T_{1}, T_{2}\right]\) 分成 \(n\) 个小区间 \(\left[t_{0}, t_{1}\right],\left[t_{1}, t_{2}\right], \cdots,\left[t_{n-1}, t_{n}\right]\text{,}\) 且令 \(\Delta t_{i}=t_{i}-t_{i-1}(i=1,2, \cdots, n)\) 为各小区间的长度. 相应地,在各时段内物体经过的路程依次为 \(\Delta s_{1}, \Delta s_{2}, \cdots, \Delta s_{n}\text{.}\) (2)近似 在时间间隔 \(\left[t_{i-1}, t_{i}\right]\) 上任取一个时刻 \(\tau_{i}\text{,}\)\(\tau_{i}\) 时刻的速度 \(v\left(\tau_{i}\right)\) 来代替 \(\left[t_{i-1}, t_{i}\right]\) 上各个时刻的速度,得 \(\Delta s_{i} \approx v\left(\tau_{i}\right) \Delta t_{i} \quad(i=1,2, \cdots, n)\text{.}\) (3)作和 物体在时间区间 \(\left[T_{1}, T_{2}\right]\) 内所经过的路程 \(s\) 的近似值 \(s_{n}\) 为物体在每个小时间段内所经过的路程的近似值之和, 即
\begin{equation*} s \approx s_{n}=v\left(\tau_{1}\right) \Delta t_{1}+v\left(\tau_{2}\right) \Delta t_{2}+\cdots+v\left(\tau_{n}\right) \Delta t_{n}=\sum\limits_{i=1}^{n} v\left(\tau_{i}\right) \Delta t_{i} \end{equation*}
(4)求极限 当分点的个数无限增加, 且最大一个小区间的长度趋于零时, 上述和式的极限即为物体从时刻 \(T_{1}\) 到时刻 \(T_{2}\) 以速度 \(v(t)\) 运动所经过的路程的精确值, 记 \(\lambda=\max \left\{\Delta t_{i}\right\}(i=1,2, \cdots, n)\text{,}\)
\begin{equation*} s=\lim\limits_{\lambda \rightarrow 0} s_{n}=\lim\limits_{\lambda \rightarrow 0} \sum\limits_{i=1}^{n} v\left(\tau_{i}\right) \Delta t_{i} \end{equation*}

Subsection 6.1.1.1 定积分的概念

从上面两个引例可以看到, 所要计算的量,一个来自几何问题, 另一个来自物理问题, 虽然两者的实际意义不同, 但确定这些量所用的数学方法却完全一样, 最后都归结为一种和式求极限的问题. 这种和式求极限问题在其他许多实际问题,如求密度不均匀细棒的质量等问题时都会遇到. 所以数学上就有必要脱离具体问题的实际意义, 只从它们在数量关系上共同的本质与特性加以研究, 这样, 便得出以下定积分的定义.
Definition 6.1.1.
定义 设函数 \(f(x)\) 在区间 \([a, b]\) 上有界,在区间 \([a, b]\) 内任意插人 \(n-1\)个分点: \(a=x_{0}<x_{1}<x_{2}<\cdots<x_{n-1}<x_{n}=b\text{,}\)\([a, b]\) 划分成 \(n\) 个小区间 \(\left[x_{0}, x_{1}\right],\left[x_{1}, x_{2}\right], \cdots,\left[x_{n-1}, x_{n}\right]\text{,}\) 且令 \(\Delta x_{i}=x_{i}-x_{i-1}\) 为第 \(i\) 个小区间的长 \((i=1,2, \cdots, n)\text{,}\)\(\lambda=\max \limits_{i} \left\{\Delta x_{i}\right\}\text{.}\) 在区间 \(\left[x_{i-1}, x_{i}\right]\) 上任取一点 \(\xi_{i}(i=1,2, \cdots\text{,}\) \(n)\text{,}\) 作乘积 \(f\left(\xi_{i}\right) \Delta x_{i}\text{,}\) 并作和式 \(S_{n}=\sum\limits_{i=1}^{n} f\left(\xi_{i}\right) \Delta x_{i}\text{.}\) 若不论将区间 \([a, b]\) 怎样分割及 \(\xi_{i}\) 怎样选取, 当 \(\lambda \rightarrow 0\) 时, 和式 \(\sum\limits_{i=1}^{n} f\left(\xi_{i}\right) \Delta x_{i}\) 的极限总存在, 则称函数 \(f(x)\) 在区间 \([a, b]\) 上可积, 并称这个极限值为函数 \(f(x)\)\([a, b]\) 上的定积分, 记为 \(\displaystyle \int_{a}^{b} f(x) \mathrm{d} x\text{,}\)
\begin{equation*} \displaystyle \int_{a}^{b} f(x) \mathrm{d} x=\lim\limits_{\lambda \rightarrow 0} \sum\limits_{i=1}^{n} f\left(\xi_{i}\right) \Delta x_{i} \end{equation*}
其中 \(x\) 称为积分变量, \(f(x)\) 称为被积函数, \([a, b]\) 称为积分区间, \(a\)\(b\) 分别称为定积分的下限与上限, \(\displaystyle \int\) 是积分号, \(f(x) \mathrm{d} x\) 称为被积表达式.
注 由定积分概念可知,在定义中对区间 \([a, b]\) 的分割是任意的. 对于不同的分割, 将有不同的和式 \(S_{n}\text{,}\) 即使对同一个分割, 由于 \(\xi_{i}\)\(\left[x_{i-1}, x_{i}\right]\) 上取法的任意性, 也将产生无穷多个和式 \(S_{n}\text{.}\) 定义要求, 无论区间怎样分割, \(\xi_{i}\) 怎样选取, 当 \(\lambda \rightarrow 0\)时, 所有和式 \(S_{n}\) 都趋于同一个极限时, 定积分才存在. 由于定积分 \(\displaystyle \int_{a}^{b} f(x) \mathrm{d} x\) 是和式的极限, 所以定积分是一个确定的数. 但这个和式仅与被积函数 \(f(x)\) 和积分区间 \([a, b]\) 有关,而与积分变量 \(x\) 的记号无关,所以可以把积分变量的记号换成其他字母而不会改变定积分的值,如
\begin{equation*} \displaystyle \int_{a}^{b} f(x) \mathrm{d} x=\displaystyle \int_{a}^{b} f(t) \mathrm{d} t=\cdots=\displaystyle \int_{a}^{b} f(u) \mathrm{d} u . \end{equation*}
定积分的几何意义: 当曲线 \(y=f(x) \geqslant 0\) 时,则定积分 \(\displaystyle \int_{a}^{b} f(x) \mathrm{d} x\) 在几何上表示直线 \(x=a, x=b, y=0\) 及曲线 \(y=f(x)\) 所围成的曲边梯形的面积 \(S\text{,}\)
\begin{equation*} S=\displaystyle \int_{a}^{b} f(x) \mathrm{d} x . \end{equation*}
\(f(x) \leqslant 0\) 时, 由定义可知, \(\displaystyle \int_{a}^{b} f(x) \mathrm{d} x \leqslant 0\text{.}\) 这时曲边梯形在 \(x\) 轴的下方, 积分值是它的面积的负值. 所以当 \(f(x)\) 在区间上的值有正负时, 定积分 \(\displaystyle \int_{a}^{b} f(x) \mathrm{d} x\) 的几何意义是 \([a, b]\) 上各个曲边梯形面积的代数和 (见图 6-2).
定积分的物理意义: \(s=\displaystyle \int_{T_{1}}^{T_{2}} v(t) \mathrm{d} t\) 表示物体以变速 \(v=v(t) \geqslant 0\) 做直线运动,从时刻 \(T_{1}\) 到时刻 \(T_{2}\) 时间段内物体经过的路程 \(s\text{.}\) 根据定义, 函数 \(f(x)\) 在区间 \([a, b]\) 上的定积分是否存在取决于和式 \(S_{n}\) 的极限是否存在. 通过极限判断函数是否可积很复杂, 其内容超出了本书的要求. 那么在什么条件下函数 \(f(x)\) 在区间上一定可积?关于这个问题给出下面两个充分条件.
Theorem 6.1.2\(f(x)\)\([a, b]\) 上连续条件很强, 可以放宽一些, 于是有
下面是用定义计算定积分的例子.
例 利用定义计算定积分 \(\displaystyle \int_{0}^{1} x^{2} \mathrm{~d} x\text{.}\) 解 因为被积函数 \(f(x)=x^{2}\) 在积分区间 \([0,1]\) 上连续, 由Theorem 6.1.2连续函数是可积的,所以积分与区间 \([0,1]\) 的分法及点 \(\xi_{i}\) 的取法无关. 因此, 为了便于计算, 不妨把区间 \([0,1]\) 分成 \(n\) 等分, 分点为 \(x_{i}=\frac{i}{n}(i=1,2, \cdots, n-1)\text{,}\) 这样, 每个小区间 \(\left[x_{i-1}, x_{i}\right]\) 的长度 \(\Delta x_{i}=\frac{1}{n}(i=1,2, \cdots, n)\text{,}\)\(\xi_{i}=x_{i}(i=1,2, \cdots, n)\text{,}\) 于是得和式
\begin{equation*} \begin{aligned} \sum\limits_{i=1}^{n} f\left(\xi_{i}\right) \Delta x_{i} & =\sum\limits_{i=1}^{n} \xi_{i}^{2} \Delta x_{i}=\sum\limits_{i=1}^{n} x_{i}^{2} \Delta x_{i}=\sum\limits_{i=1}^{n}\left(\frac{i}{n}\right)^{2} \cdot \frac{1}{n}=\frac{1}{n^{3}} \sum\limits_{i=1}^{n} i^{2} \\ & =\frac{1}{n^{3}} \cdot \frac{1}{6} n(1+n)(1+2 n)=\frac{1}{6}\left(1+\frac{1}{n}\right)\left(2+\frac{1}{n}\right) \end{aligned} \end{equation*}
\(\lambda \rightarrow 0\text{,}\) 即有 \(n \rightarrow \infty\text{,}\) 取极限, 得
\begin{equation*} \displaystyle \int_{0}^{1} x^{2} \mathrm{~d} x=\lim\limits_{\lambda \rightarrow 0} \sum\limits_{i=1}^{n} \xi_{i}^{2} \Delta x_{i}=\lim\limits_{n \rightarrow \infty} \frac{1}{6}\left(1+\frac{1}{n}\right)\left(2+\frac{1}{n}\right)=\frac{1}{3} . \end{equation*}

Subsection 6.1.1.2 习题 6-1

  1. 定积分与不定积分有什么区别?
  2. 定积分 \(\displaystyle \int_{0}^{1} x^{2} \mathrm{~d} x\) 的几何意义是什么? 不定积分 \(\displaystyle \int x^{2} \mathrm{~d} x\) 的几何意义是什么?
  3. 定积分 \(\displaystyle \int_{a}^{b} f(x) \mathrm{d} x\) 与哪些因素有关?与哪些因素无关?
  4. 用积分和式表示抛物线 \(y=\frac{x^{2}}{2}\text{,}\) 直线 \(x=3, x=6\) 和横轴所围成的曲边梯形的面积的近似值,并取和式的极限求其值.
  5. 利用定积分的几何意义, 证明下列等式:
    1. \(\displaystyle \int_{0}^{1} 2 x \mathrm{~d} x=1\text{;}\)
    2. \(\displaystyle \int_{0}^{1} \sqrt{1-x^{2}} \mathrm{~d} x=\frac{\pi}{4}\text{.}\)
  6. 利用定积分的几何意义, 说明下列等式的含义:
    1. \(\displaystyle \int_{0}^{a} \sqrt{a^{2}-x^{2}} \mathrm{~d} x=\frac{\pi}{4} a^{2}\text{;}\)
    2. \(\displaystyle \int_{-\frac{\pi}{2}}^{\frac{\pi}{2}} x^{2} \cos x \mathrm{~d} x=2 \displaystyle \int_{0}^{\frac{\pi}{2}} x^{2} \cos x \mathrm{~d} x\text{.}\)