积分

一个直觉：用无穷多个细长矩形拼出一块弯曲的面积#

怎么求一条弯曲的曲线下面那块图形的面积？直边图形好办，三角形、矩形都有公式；可一旦边界是弯的，老方法就失灵了。积分的思路朴素得近乎笨拙：既然弯的不好算，那就用一排细长的矩形去贴着曲线下方填满它。矩形当然贴不严，顶上总会多出或少掉一些小三角。但只要把矩形切得越来越窄、数量越来越多，这些误差就越来越小——当矩形宽度趋于零、数量趋于无穷时，矩形面积之和就精确地逼近那块弯曲图形的真实面积。这堆矩形面积的和，就叫黎曼和，它的极限就是定积分。

这里藏着积分最深刻、也最出人意料的一幕。求面积（积分）和求切线斜率（微分）看上去是风马牛不相及的两件事，一个关乎"累积"，一个关乎"变化"。可牛顿和莱布尼茨发现，它们竟然互为逆运算——这就是微积分基本定理。要算曲线下的面积，你根本不必真去拼无穷个矩形，只要找到一个函数，它的导数恰好是原曲线，问题就迎刃而解。求和与求差、积累与变化，在这里合二为一。

不过黎曼那套"切定义域"的办法也有力不从心的时候：遇到一些"病态到家"的函数，矩形怎么切都凑不出极限。于是勒贝格换了个角度——不切横轴，改切纵轴，按函数取值的高低把点归类再称量。这个看似微小的视角转换，把积分的适用范围大大拓宽，成了现代概率论与分析学的基石。

定义#

积分（Integral）是微积分的两大基本运算之一，用于计算面积、体积、总量等累积量。

黎曼积分的定义：设 $f$ 是定义在 $[a,b]$ 上的有界函数。将 $[a,b]$ 分割为 $a = x_0 < x_1 < \cdots < x_n = b$，在每个小区间 $[x_{i-1}, x_i]$ 上取点 $\xi_i$，作黎曼和 $\sum_{i=1}^n f(\xi_i)(x_i - x_{i-1})$。若当最大区间长度趋于零时，黎曼和趋于确定的极限 $I$，则称 $f$ 在 $[a,b]$ 上黎曼可积，$I$ 称为 $f$ 在 $[a,b]$ 上的定积分，记作 $\int_a^b f(x) dx$。

勒贝格积分的定义：将函数的值域分割而非定义域分割。对非负可测函数 $f$，定义 $\int f = \sup\{\int s : 0 \leq s \leq f, s \text{为简单函数}\}$。勒贝格积分比黎曼积分更广泛——所有黎曼可积函数都是勒贝格可积的，反之则不然。

历史演变#

积分思想的起源可追溯到求面积问题。古希腊的穷竭法（欧多克索斯、阿基米德）是积分思想的最早形式。阿基米德用内接和外切多边形逼近圆的面积，实质上就是黎曼和的思想。中国古代数学家刘徽的割圆术和祖暅原理也蕴含了积分思想。

17世纪，开普勒在计算酒桶容积时使用了类似于积分的方法。卡瓦列里（Cavalieri）提出了"不可分量法"——将面积分解为无穷多条线段的总和。

牛顿和莱布尼茨在1660—1670年代独立发现了微积分基本定理：微分和积分互为逆运算。这一发现将两个看似无关的问题——求切线和求面积——统一起来，是数学史上最伟大的发现之一。

19世纪，黎曼在1854年的就职演讲中给出了定积分的严格定义。但黎曼积分有局限性——某些"太不连续"的函数不可积。亨利·勒贝格（Henri Lebesgue）在1902年的博士论文中提出了新的积分理论，通过测度论的方法大大扩展了可积函数的范围。

关键人物#

黎曼（1826—1866）是高斯和狄利克雷的学生，对分析学、几何学和数论都有深远贡献。他的积分定义基于对定义域的分割，直觉上是用矩形面积之和逼近曲线下面积。黎曼积分在大多数应用中足够强大，但在处理高度不连续的函数时力不从心。

勒贝格（1875—1941）的积分理论基于测度论——对值域进行分割。他将积分建立在更一般的"测度"概念之上，使得积分理论更加灵活和强大。勒贝格积分是现代概率论、泛函分析和调和分析的基础。

数学意义#

积分在数学中的核心地位体现在：

1. 微积分基本定理：$\int_a^b f(x) dx = F(b) - F(a)$，其中 $F' = f$
2. 积分中值定理：$\int_a^b f(x) dx = f(\xi)(b-a)$，$\xi \in (a,b)$
3. 变量替换：$\int f(g(x))g'(x) dx = \int f(u) du$
4. 分部积分：$\int u dv = uv - \int v du$
5. 广义积分：将积分推广到无穷区间和无界函数

黎曼积分的严格定义#

达布和：设 $P = \{x_0, x_1, \ldots, x_n\}$ 是 $[a,b]$ 的分割。上达布和 $U(f,P) = \sum_{i=1}^n M_i \Delta x_i$，下达布和 $L(f,P) = \sum_{i=1}^n m_i \Delta x_i$，其中 $M_i = \sup_{[x_{i-1}, x_i]} f$，$m_i = \inf_{[x_{i-1}, x_i]} f$。

黎曼可积的充要条件：$f$ 在 $[a,b]$ 上黎曼可积，当且仅当 $\inf_P U(f,P) = \sup_P L(f,P)$，等价地，对任意 $\varepsilon > 0$，存在分割 $P$ 使得 $U(f,P) - L(f,P) < \varepsilon$。

勒贝格判据：$f$ 黎曼可积当且仅当 $f$ 的不连续点集是零测集——这深刻揭示了黎曼积分与连续性的关系。

勒贝格积分#

测度论基础：勒贝格测度 $\mu$ 是长度概念的推广。可测集的测度满足可数可加性：$\mu(\bigsqcup_{n=1}^{\infty} A_n) = \sum_{n=1}^{\infty} \mu(A_n)$。

简单函数积分：若 $\varphi = \sum_{i=1}^n a_i \chi_{A_i}$，则 $\int \varphi \, d\mu = \sum_{i=1}^n a_i \mu(A_i)$。

勒贝格积分：对非负可测函数 $f$，$\int f \, d\mu = \sup\{\int \varphi \, d\mu : 0 \leq \varphi \leq f, \varphi \text{ 简单}\}$。对一般函数，分解为正部和负部：$\int f = \int f^+ - \int f^-$。

关键优势：勒贝格积分对极限运算更友好。单调收敛定理：若 $0 \leq f_n \uparrow f$，则 $\int f_n \to \int f$。控制收敛定理：若 $f_n \to f$ 且 $|f_n| \leq g$（$g$ 可积），则 $\int f_n \to \int f$。

微积分基本定理#

第一部分：若 $f$ 在 $[a,b]$ 上连续，$F(x) = \int_a^x f(t) \, dt$，则 $F'(x) = f(x)$——积分的导数等于被积函数。

第二部分：若 $F' = f$ 且 $f$ 在 $[a,b]$ 上可积，则 $\int_a^b f(x) \, dx = F(b) - F(a)$——定积分等于原函数在端点的差。

这两部分统一了微分与积分——它们互为逆运算。这一发现是牛顿和莱布尼茨最伟大的贡献。

反常积分#

无穷区间：$\int_a^{\infty} f(x) \, dx = \lim_{b \to \infty} \int_a^b f(x) \, dx$，若极限存在则称反常积分收敛。

无界函数：若 $f$ 在 $c \in (a,b]$ 附近无界，$\int_a^b f(x) \, dx = \lim_{\varepsilon \to 0^+} \int_a^{c-\varepsilon} f(x) \, dx$。

绝对收敛与条件收敛：$\int_0^{\infty} \frac{\sin x}{x} dx = \frac{\pi}{2}$ 条件收敛（振荡抵消），但 $\int_0^{\infty} \left|\frac{\sin x}{x}\right| dx$ 发散。

伽马函数：$\Gamma(s) = \int_0^{\infty} x^{s-1} e^{-x} dx$，满足 $\Gamma(n+1) = n!$——将阶乘推广到实数和复数。

多重积分与向量积分#

二重积分：$\iint_D f(x,y) \, dA$ 计算曲面 $z = f(x,y)$ 下的体积。通过富比尼定理化为累次积分：$\iint_D f \, dA = \int_a^b \left(\int_{g_1(x)}^{g_2(x)} f(x,y) \, dy\right) dx$。

变量替换：在极坐标下，$\iint_D f(x,y) \, dx\,dy = \iint_{D'} f(r\cos\theta, r\sin\theta) \, r \, dr\,d\theta$——雅可比行列式 $r$ 来自坐标变换的面积缩放因子。

线积分：$\int_C \mathbf{F} \cdot d\mathbf{r} = \int_a^b \mathbf{F}(\mathbf{r}(t)) \cdot \mathbf{r}'(t) \, dt$——力沿曲线做的功。

斯托克斯定理：$\int_S (\nabla \times \mathbf{F}) \cdot d\mathbf{S} = \oint_{\partial S} \mathbf{F} \cdot d\mathbf{r}$——曲面上旋度的积分等于边界上的环量。这是微积分基本定理在曲面上的推广。

高斯散度定理：$\iiint_V (\nabla \cdot \mathbf{F}) \, dV = \oiint_{\partial V} \mathbf{F} \cdot d\mathbf{S}$——体积内散度的积分等于边界上的通量。

积分方程与变分法#

积分方程：未知函数出现在积分号下的方程。沃尔泰拉方程 $f(x) = \lambda \int_a^x K(x,t) f(t) \, dt + g(x)$ 和弗雷德霍姆方程 $f(x) = \lambda \int_a^b K(x,t) f(t) \, dt + g(x)$ 是两类基本积分方程。

变分法：寻找使泛函 $J[y] = \int_a^b F(x, y, y') \, dx$ 取极值的函数 $y(x)$。欧拉-拉格朗日方程 $\frac{\partial F}{\partial y} - \frac{d}{dx}\frac{\partial F}{\partial y'} = 0$ 是极值的必要条件。最速降线问题和测地线问题都是变分法的经典应用。

核心概念辨析#

• 定积分 vs 不定积分：定积分是数，不定积分是函数族
• 黎曼积分 vs 勒贝格积分：勒贝格积分更一般，基于测度论
• 绝对可积 vs 可积：勒贝格积分中，$f$ 可积当且仅当 $|f|$ 可积
• 反常积分 vs 正常积分：反常积分涉及无穷区间或无界被积函数

当代应用#

积分在科学和工程中无处不在。在物理学中，功是力沿路径的线积分，电荷量是电流的积分。在概率论中，期望值是随机变量关于概率测度的积分。在信号处理中，傅里叶变换是三角函数加权积分。在经济学中，消费者剩余是需求曲线下的面积。在机器学习中，贝叶斯推断涉及对后验分布的积分。

跨域连接#

• 微积分基本定理：累积与瞬时变化率互为逆运算，于是求面积不必真去拼无穷个矩形，只要找到一个导数等于被积函数的原函数。推论是：找不到初等原函数并不表示积分不存在——存在性由可积性保证，可算性是另一回事。钟形曲线在整条实轴上的积分有闭形式，它的不定积分却写不成初等函数，两件事并不冲突。
• 卡诺循环与热机：体积功是压强对体积的积分，一个闭合循环的净功恰是压强-体积图上围出的面积。推论是：面积为零的"循环"不做功，因此任何能输出功的循环必须在图上张开成一圈；沿同一条路径往返一次围出的面积为零，一点净功也给不出来。
• 消费者剩余：需求曲线下的面积量纲是价格乘数量，也就是货币，这是它能被当作福利的前提。推论是：只有当曲线可以读成边际支付意愿时这块面积才有福利含义；一旦收入效应显著，同一条曲线下的面积就不再等于福利变化。
• 药物研发：血药浓度对时间的积分给出总暴露量，量纲是浓度乘时间，与峰浓度是两个独立的量。推论是：缓释制剂可以压低峰值而保持同样的总暴露，于是"降毒性"与"保疗效"之间存在真实的设计空间。
• 碳预算与净零：升温近似正比于累积排放量，而累积量是排放率对时间的积分。推论是：推迟减排但保持总量不变，长期升温几乎不改变——决定终点的是曲线下的面积，不是任何单独一年的排放高度。

为什么这很重要#

积分是数学中最强大的工具之一——它将无穷多个无穷小量累加为有限的结果。从计算不规则图形的面积到描述物理场的行为，从概率论中期望值的计算到信号处理中傅里叶变换的定义，积分无处不在。

物理学中的积分。牛顿万有引力定律 $F = GMm/r^2$ 描述的是质点之间的力——但要计算连续物体（如球壳、圆盘）的引力，必须对无穷多个质点的贡献求积分。麦克斯韦方程组的积分形式——$\oint \mathbf{E} \cdot d\mathbf{A} = Q/\varepsilon_0$（高斯定律）和 $\oint \mathbf{B} \cdot d\mathbf{l} = \mu_0 I$（安培定律）——比微分形式更直观，揭示了电场和磁场的全局性质。费曼路径积分——量子力学的第三种表述——用积分遍历粒子所有可能的路径，每条路径贡献一个相位因子——这一思想深刻影响了量子场论的发展。

概率论中的积分。期望值是随机变量关于概率测度的积分——$E[X] = \int X \, dP$。方差、矩生成函数、特征函数——概率论的核心概念都是积分。贝叶斯推断中，后验分布的归一化常数 $P(D) = \int P(D|\theta)P(\theta) \, d\theta$ 通常是高维积分——这催生了马尔可夫链蒙特卡洛（MCMC）方法，用随机采样近似高维积分。

常见误区#

• "黎曼积分和勒贝格积分差不多"：在大多数实际应用中，两者给出相同的结果。但在处理极限运算时，勒贝格积分有决定性优势——控制收敛定理和单调收敛定理使得"积分与极限交换"的条件大大简化。概率论和泛函分析之所以建立在勒贝格积分上，正是因为这些极限定理。
• "积分就是求面积"：积分的含义远超面积。线积分计算功和环量，面积分计算通量，体积分计算质量和电荷。在概率论中，积分是期望；在物理学中，积分是作用量；在信号处理中，积分是变换。
• "反常积分总能算出来"：许多反常积分没有初等闭形式——如 $\int e^{-x^2} dx$（高斯积分的不定形式不能用初等函数表示）。但定积分 $\int_{-\infty}^{\infty} e^{-x^2} dx = \sqrt{\pi}$ 可以通过巧妙的极坐标变换求出——这是数学中最优美的积分计算之一。

数值积分与计算方法#

当解析计算不可能时，数值积分提供了实用的近似方法。梯形法则将积分区间分为 $n$ 个子区间，用梯形面积近似——误差为 $O(h^2)$。辛普森法则用二次多项式逼近——误差为 $O(h^4)$。高斯求积选择最优的节点和权重——$n$ 个节点可以精确积分 $2n-1$ 次多项式。自适应求积根据函数的局部行为自动调整步长——在变化剧烈的区域使用更细的分割。蒙特卡洛积分用随机采样近似高维积分——收敛速率 $O(1/\sqrt{n})$ 与维度无关，使得它在高维问题中优于确定性方法。

积分的历史影响#

积分的发展史是人类理解无穷的缩影。阿基米德在公元前3世纪就用穷竭法计算了抛物线的面积——本质上是现代积分的先驱。但严格的积分理论直到19世纪才建立——黎曼积分（1854）和勒贝格积分（1902）之间的近50年差距反映了数学严格化的缓慢进程。勒贝格积分的引入不仅解决了技术问题——它改变了分析学的面貌，使得概率论、泛函分析和调和分析的发展成为可能。积分思想从"求面积"到"测度论"的演变，展示了数学概念如何从直觉走向严格、从特殊走向一般。

参考文献#

1. Bernhard Riemann, "Über die Darstellbarkeit einer Function durch eine trigonometrische Reihe" (1854).
2. Henri Lebesgue, Intégrale, longueur, aire (1902).
3. Tom M. Apostol, Calculus, Vol. 1 (1967).
4. 王昆扬, 《实分析与泛函分析》, 北京师范大学出版社, 2010.
5. Michael Spivak, Calculus (4th ed., 2008).

积分把无穷多个无穷小量累加为有限的累积量，几何上是曲线下的面积。它用于计算面积、体积、弧长、功与概率；通过微积分基本定理，定积分可由反导数求出，而勒贝格积分进一步推广了可积函数的范围。