KNOWECON WIKI

ARTICLE

黎曼和

黎曼和 (Riemann sum) 是积分学的基础概念,由德国数学家波恩哈德·黎曼 (Bernhard Riemann) 正式提出。核心思想是将曲线下方的区域分割为若干窄条,用矩形的面积之和逼近曲边梯形的面积,当分割无限加密时该和收敛为定积分。它是连接离散求和与连续积分的桥梁。 1. 定义与直觉 设 f(x) 定义在闭区间 [a,b] 上。将 [a,b] 分

浏览 0 更新 2025-07-16

黎曼和 (Riemann sum) 是积分学的基础概念,由德国数学家波恩哈德·黎曼 (Bernhard Riemann) 正式提出。核心思想是将曲线下方的区域分割为若干窄条,用矩形的面积之和逼近曲边梯形的面积,当分割无限加密时该和收敛为定积分。它是连接离散求和与连续积分的桥梁。

1. 定义与直觉

设 f(x) f(x) 定义在闭区间 [a,b] [a,b] 上。将 [a,b] [a,b] 分割为 n n 个子区间：

a=x0<x1<x2<⋯<xn=ba = x_0 < x_1 < x_2 < \cdots < x_n = b

第 i i 个子区间长度为 Δxi=xi−xi−1 \Delta x_i = x_i - x_{i-1} 。在每个子区间内任选一点 ξi∈[xi−1,xi] \xi_i \in [x_{i-1}, x_i] ,构造求和式：

Sn=∑i=1nf(ξi) ΔxiS_n = \sum_{i=1}^{n} f(\xi_i) \, \Delta x_i

该求和式即称为 黎曼和。当所有子区间的最大长度 ∥Δ∥=max⁡iΔxi→0 \|\Delta\| = \max_i \Delta x_i \to 0 时,若极限 lim⁡∥Δ∥→0Sn \lim_{\|\Delta\|\to 0} S_n 存在且与 ξi \xi_i 的取法无关,则称 f f 在 [a,b] [a,b] 上 黎曼可积,该极限值就是定积分：

∫abf(x) dx=lim⁡∥Δ∥→0∑i=1nf(ξi) Δxi\int_a^b f(x)\,dx = \lim_{\|\Delta\|\to 0} \sum_{i=1}^{n} f(\xi_i)\,\Delta x_i

直觉：黎曼和相当于将曲线下的不规则形状切割成大量细长矩形（或其他简单形状）,分别计算每个矩形的面积后求和。分割越细——即 Δxi \Delta x_i 越小——所得近似值越精确。正如物理中"化整为零、积零为整"的思想,黎曼和将连续的积分问题转化为离散的求和问题。

2. 常见黎曼和类型

根据 ξi \xi_i 的选取方式不同,常见的黎曼和有以下几种：

2.1 左黎曼和 (Left Riemann Sum)

取 ξi=xi−1 \xi_i = x_{i-1} ,即每个子区间左端点的函数值作为矩形高度。对于单调递增函数,左黎曼和 低估 真实面积；对于单调递减函数则 高估。

Ln=∑i=1nf(xi−1) ΔxiL_n = \sum_{i=1}^{n} f(x_{i-1})\,\Delta x_i

2.2 右黎曼和 (Right Riemann Sum)

取 ξi=xi \xi_i = x_i ,即右端点的函数值。对于单调递增函数高估真实面积,对于单调递减函数低估。

Rn=∑i=1nf(xi) ΔxiR_n = \sum_{i=1}^{n} f(x_i)\,\Delta x_i

2.3 中点黎曼和 (Midpoint Riemann Sum)

取 ξi=(xi−1+xi)/2 \xi_i = (x_{i-1}+x_i)/2 ,即子区间中点的函数值。中点法则的误差通常小于左、右端法则,因为中点是对该区间函数值的"最佳单点代表"。

Mn=∑i=1nf ⁣(xi−1+xi2)ΔxiM_n = \sum_{i=1}^{n} f\!\left(\frac{x_{i-1}+x_i}{2}\right)\Delta x_i

2.4 梯形法则 (Trapezoidal Rule)

不使用矩形,而使用梯形来近似每个子区间的面积,等价于左黎曼和与右黎曼和的平均：

Tn=Ln+Rn2=∑i=1nf(xi−1)+f(xi)2 ΔxiT_n = \frac{L_n + R_n}{2} = \sum_{i=1}^{n} \frac{f(x_{i-1}) + f(x_i)}{2}\,\Delta x_i

梯形法则对于线性函数精确成立,其误差与 Δxi2 \Delta x_i^2 成正比。

3. 收敛性与误差分析

黎曼和的收敛速度取决于函数的光滑程度和分割方式。对于等分分割 Δx=(b−a)/n \Delta x = (b-a)/n ,有：

| 方法 | 误差阶 | 对 n=100 n=100 的误差量级 | 说明 | |------|--------|----------------------|------| | 左/右黎曼和 | O(1/n) O(1/n) | 10−2 10^{-2} | 一阶精度 | | 中点法则 | O(1/n2) O(1/n^2) | 10−4 10^{-4} | 二阶精度 | | 梯形法则 | O(1/n2) O(1/n^2) | 10−4 10^{-4} | 二阶精度,系数大于中点 | | Simpson 法则 | O(1/n4) O(1/n^4) | 10−8 10^{-8} | 四阶精度（基于二次插值） |

这些误差阶的差异决定了数值积分时的方法选择：对于需要高精度的计算,应优先使用高阶方法；若函数不够光滑（如存在尖点或间断）,高阶方法可能失效,低阶方法反而更稳健。

可积性条件

Riemann 可积的充要条件（Lebesgue 准则）：有界函数 f f 在 [a,b] [a,b] 上黎曼可积当且仅当 f f 的不连续点集为零测集。换言之,函数可以有间断点,但只要这些间断点构成的集合在 Lebesgue 测度意义下可忽略不计（例如可数多个点）,黎曼和仍然收敛。该条件揭示了黎曼积分的极限：它允许"足够多"的连续点来保证求和逼近的有效性。

4. 几何与数值意义

带符号面积

黎曼和的每个矩形高度可以是负值（当 f(ξi)<0 f(\xi_i) < 0 时）,因此定积分 ∫abf(x) dx \int_a^b f(x)\,dx 表示的是 x x 轴上方与下方带符号面积的代数和。在物理中这对应净变化量（如位移而非路程）,而在几何中则意味着上方面积减去下方面积。

与梯形法则的关联：将梯形法则应用于 f(x) f(x) 等价于将左黎曼和与右黎曼和取算术平均,其误差项为 −(b−a)312n2f′′(η) -\frac{(b-a)^3}{12n^2}f''(\eta) （η∈(a,b) \eta \in (a,b) ）,说明函数曲率越大则误差也越大。事实上,当 f f 为凸函数时各类黎曼和的偏差方向均有明确结论——这为数值计算中误差校正提供了理论依据。

应用场景

| 领域 | 具体应用 | 形式 | |------|----------|------| | 数值积分 | 求无法解析积分的函数（如 ∫e−x2dx \int e^{-x^2}dx ）的近似值 | 中点/Simpson 法则 | | 概率统计 | 连续随机变量的期望 E[X]=∫xf(x)dx E[X] = \int x f(x)dx 离散逼近 | 右黎曼和 | | 经济学 | 消费者剩余、生产者剩余的近似计算 | 梯形法则 | | 工程计算 | 离散采样信号下的总能量、总流量估计 | 任意黎曼和 | | 物理 | 变力做功、质量分布的质心计算 | 左/右黎曼和 |

5. 历史注记

黎曼在 1854 年的就职论文 *Über die Darstellbarkeit einer Funktion durch eine trigonometrische Reihe*（《关于函数用三角级数表示的可能性》）中首次系统定义了以他命名的积分。在此之前,柯西 (Cauchy) 已对连续函数定义了积分,但黎曼将定义推广到了更广泛的函数类（允许某些间断点）。黎曼的工作将积分理论从"连续函数的积分"提升到"可积函数的积分",为 20 世纪初 Lebesgue 积分理论的诞生铺平了道路。时至今日,黎曼和仍然是微积分入门教学中理解积分概念的核心工具,也是数值分析中所有求积公式的逻辑起点。

6. 总结

黎曼和用最直观的方式——"分割、近似、求和、取极限"——搭建了离散与连续之间的桥梁。从初等微积分入门时的矩形近似,到数值分析中的自适应求积算法,乃至经济学和物理学中的建模实践,黎曼和的思想渗透在现代科学的方方面面。它不仅是理解定积分的理论工具,更是连接数学理论与工程计算的实用方法。掌握黎曼和,也就掌握了积分学最本质的逻辑骨架。