积分基本定理的几何推导说明

置顶 papaofdoudou

已于 2024-05-08 22:17:04 修改

阅读量3.7k

点赞数 9

分类专栏： AI 数学人工智能文章标签：算法

于 2020-11-11 23:20:22 首次发布

本文链接：https://blog.csdn.net/tugouxp/article/details/109632554

版权

人工智能同时被 3 个专栏收录

155 篇文章

订阅专栏

数学

151 篇文章

订阅专栏

24 篇文章

订阅专栏

对于微积分的核心概念，个人感觉有一句话描述的非常到位，＂导数是变化的原因，积分是变化的结果＂！

书上对微积分基本定理的描述以及证明如下：

设 f(x) 在闭区间 [a,b] 上连续， F(x) 是 f(x) 在 [a,b] 上的一个原函数，则：

$\int_{a}^{b}f(x)dx=F(b)-F(a)$

给出的证明过程是：

因 F(x) 与

$\int_{a}^ {x}f(x)dx$

均是 f(x) 在 [a,b] 上的原函数，只能相差一个常数，即:

$\int_{a}^{x}f(t)dt=F(x)+C$

让 x=a

$\int_{a}^{a}f(t)dt=F(a)+C=0$

所以

C = -F(a)

则:

$\int_{a}^{x}f(t)dt=F(x)-F(a)$

令 x=b

$\int_{a}^{b}f(t)dt=F(b)-F(a)$

得证。

这个证明比较突兀，尤其是

$\int_{a}^{x}f(t)dt=F(x)+C$ ，一笔带过，很是气人，究竟为什么函数的积分和它的原函数之间有此种联系呢？并未说明，下面用数形结合的方式尝试说明这个问题。

首先，插入一个只要介绍微积分必会用来做例子的经典题目，求方程

y=x^2

在闭区间 [0,1] 上的面积。

经典做法是，上图绘制每个区域都选择这个区域的最大速度，这种取法叫做上和，还也可以取下和，就是每个区的最小速度，甚至是中和，都没有关系，根据夹逼定理，无论哪种取法，当n趋进于 $\infty$ 时都是一样的，

将区间 [0,1] 平均分成n等份，每一份的长度是 1/n ,那么面积S等于：

$S=\frac{1}{n}*(\frac{1}{n})^2+\frac{1}{n}*(\frac{2}{n})^2+\cdots+\frac{1}{n}*(\frac{n}{n})^2=\frac{1}{n}(\frac{1^2+2^2+\cdots+n^2}{n^2})$

这个和有一个专门的名字，叫做黎曼和，它的通用形式是:

$\sum_{j=1}^{n}f(c_j)(x_j-x_{j-1})$

这里

$x_j-x_{j-1}=\frac{1}{n}$

其中根据平方和公式：

$1^2+2^2+\cdots+n^2=\frac{n(n+1)(2n+1)}{6}$

所以

$\\ S=\frac{1}{n}*(\frac{1}{n})^2+\frac{1}{n}*(\frac{2}{n})^2+\cdots+\frac{1}{n}*(\frac{n}{n})^2=\frac{1}{n}(\frac{1^2+2^2+\cdots+n^2}{n^2}) = \frac{n(n+1)(2n+1)}{6n^3}\\ \\ \\ \lim_{n->\infty }\frac{n(n+1)(2n+1)}{6n^3}=\lim_{n->\infty }\frac{2n^3}{6n^3}=1/3$

这个结果和通过微积分基本定理得到的结果是一致的。

接下来我们用上图一样的原来来证明微积分基本定理：

第一步，联接函数图形上n个分点相邻点，我们可以用这条线段的斜率作为导函数的近似。

设从原点开始的每个线段的为

$l_1 \quad l_2\quad l_3 \quad \cdots \quad \l_n$

则

$f(l_1) = \frac{F(\frac{1}{n})-F(0)}{\frac{1}{n}}$

$f(l_2) = \frac{F(\frac{2}{n})-F(\frac{1}{n})}{\frac{1}{n}}$

$f(l_3) = \frac{F(\frac{3}{n})-F(\frac{2}{n})}{\frac{1}{n}}$

$\vdots$ $\vdots$ $\vdots$ $\vdots$ $\vdots$ $\vdots$

$f(l_n) = \frac{F(\frac{n}{n})-F(\frac{n-1}{n})}{\frac{1}{n}}$

那么,由于

$\int_{0}^{1}f(t)dt$

可以表示成函数曲线和坐标轴以及定义域围城的图形的面积，也就是：

$\\ \int_{0}^{1}f(t)dt=\lim_{n->\infty }(\frac{1}{n}*f(l_1)+\frac{1}{n}*f(l_2)+\cdots+\frac{1}{n}*f(l_n))=\\ \\\lim_{n->\infty }( \frac{1}{n}(f(l_1)+f(l_2)+\cdots+f(l_n)))=\\ \\ \lim_{n->\infty }(\frac{1}{n}( \frac{F(\frac{1}{n})-F(0)}{\frac{1}{n}} + \frac{F(\frac{2}{n})-F(\frac{1}{n})}{\frac{1}{n}} +\cdots+ \frac{F(\frac{n}{n})-F(\frac{n-1}{n})}{\frac{1}{n}}))=\\ F(\frac{1}{n})-F(0) + F(\frac{2}{n})-F(\frac{1}{n}) + \cdots + F(\frac{n}{n})-F(\frac{n-1}{n}) = \\ F(\frac{n}{n})-F(0)=F(1)-F(0)=1/3-0=1/3$

我们也可以进行一下代数推导，如下图所示:

＇

设:

$\\G(x)=\int_{a}^{x}{f(t)dt}$

$\\G'(x)=\frac{d}{dx} \int_{a}^{x}{f(t)dt}=\lim_{h->0}\frac{G(x+h)-G(x)}{h}$

其中:

G(x+h)-G(x)

就是上图中阴影部分的面积（包括顶部弯的部分).

当h很小的时候，可以用阴影矩形区域替代．

$\\G'(x)=\frac{d}{dx} \int_{a}^{x}{f(t)dt}=\lim_{h->0}\frac{G(x+h)-G(x)}{h}=\frac{hf(x)}{h}=f(x)$

所以

G(x) 是f(x)的原函数．

得证！

图形化说明：

geogebra说明

求PI

微积分的理解

有一些人认为微积分是错的，理由是推导过程中把不规则的图形分成若干小块，每一块近似成长方形后，都会产生误差，那么累加在一起之后，这些误差也会累积，所以最终肯定不等于原面积。

微积分理论是一套逻辑严谨，高度专业化的学术理论，遵循着专业的研究范式，微积分理论是建立在极限的集论之上的，在现代数学中，使用 $\varepsilon -\delta$ 语言体系，对极限进行了严谨的定义，然后以此为基础，发展出了整套的微积分体系，这一过程复杂且严格。

在国外的专业教材上，采用的是和国内等价，但是略有不同表述的方式定义定积分的。就是，对于任意划分，以子区间的上确界作黎曼和做为达布上和，以下确界作黎曼和作为达布下和，如果所有达布上和的下确界等于所有达布下和的上确界，那么就称此界限为该函数的定积分。

微积分的定义是很严谨的，在现行体系下，我们可以证明定积分结果和实际是严格相等的。

求导数和求积分像是一把尺子，在丈量着这个世界无处不在的变化。

为什么积分比导数看起来难？

逆运算往往会突破原来的界限，导致跨域，加法的逆运算出现了负数，乘法的逆运算出现了小数，开方出现了无理数，数学上把这种突破界限叫做打破了封闭性。积分是求导的逆运算，也打破了封闭性。一个初等函数求导数还是一个初等函数，但是给一个初等函数求积分，可能是一个超越函数或者不知道是什么的函数，从一个哲学的角度来思考这个问题，求导数是已知全貌，要去判断局部变化性质。而求积分是知道局部，要去窥探全貌，后者就像盲人摸象一样，难以看清全局。这就是积分比导数难的原因。

曲线长度曲线积分

定积分图形化工具desmos

计算定积分的图形化工具desmos：Desmos | 图形计算器

差分机原理

差分机是英国数学家把巴贝奇的天才发明，利用它，可以用机械方法计算多项式。其原理是通过一组多项式系数对函数进行插值制表的方法，这种差分机的具体计算方案也很好理解，一次函数的结果是个等差数列，这个差值就是一阶差；二次函数的结果数列，其一阶差的值是个等差数列，而这个等差数列的差值就是二阶差。也就是说，几次函数就有几阶差，而计算函数的值就只需要将阶差加上去往回推就可以了，整个过程大中只需要用到加减法。

三次函数有三阶差，其三阶差是6，而x^3的三阶导数也是6，似乎有某种相通之处。

差分机的原理如下图所示: