别慌！这篇微积分教程你一定看得懂！

turingbooks

于 2023-06-20 11:31:26 发布

阅读量867

点赞数 1

文章标签：算法

原文链接：https://mp.weixin.qq.com/s?__biz=MjM5Njc0MjIwMA==&mid=2649798768&idx=1&sn=7d9c8a4b86cbf2c6ce91a2acbffa6c6c&chksm=bee08d27899704313605d825ce6eb130ec3e4ab41180018042b09b600a21873865b25ced42ea&scene=126&sessionid=0

版权

阿基米德在公元前 3 世纪就研究了用于计算面积的积分，牛顿和莱布尼茨在 17 世纪才想出微分的方法。二者中间相差了1800年以上的时间。

为何先从积分开始？

几乎所有的大学数学教科书都先说明微分后再引入其逆运算—不定积分。而且，用于计算面积的定积分被定义为不定积分的差。虽然按照上述顺序有逻辑地教授数学当然合乎情理，但历史上的发展顺序恰好相反。阿基米德在公元前 3 世纪就研究了用于计算面积的积分，牛顿和莱布尼茨在 17 世纪才想出微分的方法。二者中间相差了1800年以上的时间。

在历史上积分先被发现，这其中存在一定原因。积分与面积、体积等具体量的计算有着直接的关系。另外，研究微分前，首先必须准确地理解无穷小和极限等概念。例如物体运动的速度需要通过微分定义，不过因为在古希腊时期并没有确定极限的概念，所以出现了芝诺的“飞矢不动”悖论。

我认为在学习复杂的微分前，最好还是正确把握从直觉上相对容易理解的积分，再来思考其逆运算微分。因此，先解释积分。不管你是在大学的微积分课上听得不明不白，还是正在打算开始学习微积分，都可以试着“先从积分开始”。

面积究竟如何计算

积分是从计算图形面积开始的。面积的单位包括平方米、平方千米等，即都带有“平方”二字。边长为1米的正方形面积等于1平方米。也就是说，面积是以正方形作为单位，计算图形的面积相当于几个正方形。如果是长方形，该如何计算面积呢？在小学阶段，我们就学过长方形的面积是长和宽的乘积，不过现在我们先假装没有学过这个计算公式。

假设已知长方形宽 1 米，长 2 米，那么竖着从正中间将长方形分成两个部分，就得到两个边长为 1 米的正方形，所以长方形的面积就等于 2 平方米。也就是说，长和宽的乘积等于长方形的面积。

接下来再假设 n 和 m 均为自然数，已知长方形宽 n 米，长 m 米，那么只要宽被等分成 n 部分，长度被等分成 m 部分，就能得到 n × m个边长为 1 米的正方形（图 7-2）。该长方形的面积正好等于正方形面积的 n × m 倍，即 n × m 平方米。结果还是等于长和宽的乘积。

即使长和宽的值是分数，只要使用近似值，就能推算出等于整数的长方形面积，其面积依然等于长和宽的乘积。另外，只要考虑到极限，即使长和宽的值是类似（根号2）的无理数，也能用长和宽的乘积来计算面积。

我们在小学还学过三角形的面积等于“底乘以高除以 2”。如图 7-3 所示，如果将三角形的面积增加一倍，那么就等于长方形的面积。

不仅是长方形和三角形，只要是折线围成的图形，不管是什么形状，古希腊人都能找出其面积与三角形面积的关系。正如图 7-4 所示，折线围成的图形即使是不规则的图形，也能用三角形集合来表示，所以只要计算出所有三角形的面积，将计算结果相加就能得到该图形的总面积。

如何计算任何形状都 OK，阿基米德的夹逼定理

现在我们已经知道，只要是折线围成的图形，就能将其分割成三角形后再计算面积。那么，如果是光滑曲线围成的图形，例如抛物线和圆等，其面积又该如何计算呢？关于这个问题，我们马上就能想到将曲线近似为折线，如图 7-5 所示。所以求曲线围成的图形面积时，只要计算折线图形的近似面积即可。

虽然这个想法不错，不过因为近似总是带有误差，所以有必要估算误差的大小。如果可以的话，尽可能将误差降至 0。这个时候，我们先来解释阿基米德研究出来的“方法”。

如图 7-6 所示，假设已知曲线围成的图形 A，首先在图形A 中画出折线围成的图形 B。然后再画出一个围在图形 A 外侧的图形 C。上述三个图形之间成立一个不等式，即面积 (B) ≤面积 (A) ≤ 面积 (C)。我们暂时无法正确计算出图形 A 的面积，不过图形 A 的面积大于图形 B 的面积（因为是折线图形，所以可以计算），同时小于图形 C 的面积（因为也是折线图形，所以可以计算）。因此，我们就得出折线图形的近似误差。

不过，怎样才能将误差降至 0 呢？阿基米德想到的方法是不仅限于一组折线图形 B 和 C，而是如图 77 所示的那样增加顶点数量，使得折线图形不断接近曲线图形 A。因此，这些折线图形可以记作

在每一组图形中，图形 A 包含图形 Bn，同时又被图形 Cn所包含。那么，

三者之间的关系与之前相同，即

图形组(Bn、Cn)的数值越大，近似值就越精确。近似值越精确就代表图形Bn和图形Cn的面积越接近图形A的面积。不过，我们并不知道图形A的面积有多大。那么我们又如何能保证折线图形的面积会不断接近未知的面积呢？

阿基米德认为，在n不断变大的过程中，

的值会不断变小。所以当 n 是无穷大时，上述公式的差将等于 0。因为图形 A 的面积介于面积 (Bn) 和面积 (Cn) 之间，所以两者均达到极限时的值应该就是图形 A 的面积。据说阿基米德通过借鉴公元前 4 世纪的数学家欧多克索斯的理论，从而研究出了上述方法。因为阿基米德用上述方法成功解决了几何学上的许多问题，所以该方法被称作“阿基米德的夹逼定理”。

接下来我们举例说明如何计算圆的面积。如图 77 所示，(B1、C1) 是正方形，(B2、C2) 是正八边形，可以推测 (B3、C3) 是正十六边形，那么 (Bn、Cn) 就是正边形。使用 (Bn、Cn) 近似圆的面积。

用连接圆心和顶点的直线可以将图形 Bn 和图形 Cn 分割成三角形集合。我们可以发现，n 的值每增大 1，两者的面积差

就会减小至一半以下。n 的值越大，误差就依次减半，越来越小。因此，当 n 是无穷大时，面积 (Cn) 和面积 (Bn) 的值正好相等，而且这个值就等于圆的面积。这就是阿基米德计算圆的面积的方法。

积分究竟计算什么

使用阿基米德的夹逼定理，能计算更复杂的曲线图形的面积。用笛卡儿坐标表示的话，如图 78 所示，直线可以表示为 y = ax + b，抛物线表示为

假设已知某函数 f(x)，那么我们来思考一下曲线 y = f(x)。如图7-9 所示，假设在区间 a ≤ x ≤ b上 f(x) 的值始终大于 0，那么我们来研究一下曲线 y = f(x) 和y = 0、x = a、x = b 这三条直线围成的图形 A（图中的阴影部分）。如果知道如何计算图形 A 的面积，就能通过拼组的方法计算任何曲线围成的图形面积。

曲线 y = f(x) 沿着 y 轴方向上升或下降。为了便于计算，假设在区间 a ≤ x ≤ b 上，y = f(x) 一直在增大。在其他情况下，将区间a ≤ b 分成两部分，即 f(x) 不断增大的区间和 f(x) 不断减小的区间。只要将以下方法分别代入上述两个区间即可。

为了用阿基米德的夹逼定理来计算图形 A 的面积，首先将区间a ≤ x ≤ b 分成 n 部分，如图 710 中的图形 Bn 和 Cn。图形 A 包含图形 Bn，同时被包含在图形 Cn 中。图形 Bn 和 Cn 均是长方形集合，所以能够计算出面积。

如图 711 所示，面积 (Cn) 和面积 (Bn) 的差等于

也就是底 ε = (b − a)/n、高 = (f(b) − f(a)) 的长方形的面积。n 的值越大，ε 的值就越小，因此图形 Bn 和图形 Cn 的面积就越接近。当 ε 的值达到极限即等于 0 时，两个图形的面积相等。达到极限时的值也就是图形 A 的面积。

按照上述方法计算的图形 A 的面积叫作“函数 f(x) 在区间 a ≤ x ≤ b上的积分”，用公式记作

与牛顿同时创立微积分法的莱布尼茨发明了符号

是“求和”(sum)的首字母“S”的拉长。而且，“dx”的 d 是指“求差”(difference)的首字母。当将图形近似为长方形集合时，一个长方形的底长等于 x + ε 和

x 的“差”。高为 f(x)、底为 e 的长方形面积等于 f(x)e，因此可以用符号 dx 代替 e，即 f(x)dx。也就是说，

中包含着莱布尼茨的想法，即“积分是指在 x = a 到 b 的区间上排列出高等于 f(x)、底为 dx 的长方形，并求出它们的面积之和”。

上文中解释的积分沿用了 19 世纪德国数学家波恩哈德 ·黎曼的定义，所以称作“黎曼积分”。其实积分包括许多类，例如法国数学家亨利 ·勒贝格提出的“勒贝格积分”、日本数学家伊藤清提出的“伊藤积分”等。黎曼积分足以处理我们在高中所学的函数问题，不过当我们需要处理类似股票价格等随机波动的数值时，则需要用到伊藤积分。伊藤积分还被用于决定期权的价格，因此伊藤清被认为是“在华尔街最有名的日本人”。

积分与函数

我们再来根据黎曼的定义计算各种积分。首先，如果求一次函数 y = x 在区间 x = 0 到 x = a 上的积分，结果会如何？如图 7- 12所示，这是一个底为 a、高为 a 的直角三角形的面积，所以应该等于 a2/2 。接下来我们来验算一下。此时，图形 Cn 是底长为ε = a/u、高为 ε,2ε , ··· 的长方形集合，那么

从毕达哥拉斯那个时候起，人们就知道如何计算 (1 + 2 + ··· + n) 的值。计算时，先将其乘以 2，即

等式右边第 1 个方括号中的第 1 项是 n，第 2 个方括号中的第 1 项是 1，因此两项的和等于 (n + 1)。两个方括号中的第 2 项分别是 (n − 1) 和 2，两项的和也等于 (n + 1)。等式右边总共有 n 个和等于 (n + 1) 的组合，因此右边就等于 n × (n + 1)。因为左边乘以 2，所以最后要除以 2，即

代入上述公式，即

n 的值越大，括号中的 1/n 的值就越能忽略。因此当 n 为无穷大时，面积就等于

结果与直接用三角形计算的面积相等。用积分符号表示的话，即

求二次函数

在区间 x = 0 到 x = a 上的面积也使用同一个方法，不过详细解释起来计算过程有点长。阿基米德在公元前 3 世纪就发现了二次函数的积分公式，因此不解释又太可惜了。那么我就简短地解释一下。在二次函数 y = x2 的情况下，图形 Cn 是底长为 ε =a/n、高为 ε2, (2ε)2, ··· 的长方形集合，即

此处出现的和可以计算为

那么

因此当 n 为无穷大时，可以计算积分

详细说明请参考本书附录中的补充知识。使用相同的方法，还能计算更高次函数的积分。计算

在区间 x = 0 到 x = a 上的积分时，必须先计算

1636 年，因“费马大定理”而名声大噪的费马在给朋友的信中提到，因为

所以能计算

的积分。其实只要使用上述不等式和阿基米德的夹逼定理，就能得出

最后欧拉证明了关孝和与伯努利的公式。由于当时日本采取锁国政策，因此欧拉无从得知关孝和的业绩。正因为如此，他将上述公式中的系数称作伯努利数，这个叫法一直沿用至今。既然关孝和与伯努利独立发现了上述公式，那么应该称之为关 - 伯努利数。

飞矢不动？

积分与面积和体积的计算有关，而微分则与速度的计算有关。既然要思考速度，那芝诺又要出场了。

我们思考一下离弦之箭的情况。时间是瞬间的集合，那么离弦后的箭在飞行过程中的任何瞬间都处于一个固定位置。既然是固定位置，那就和不动没有什么区别，因此“飞矢不动”是一个悖论。当然，上述命题听起来十分愚蠢。那么到底哪里出错了呢？

首先我们来反思一下速度是什么。假设 1 小时能步行 3.6 千米，那么速度就为 3.6 千米/小时。速度是指移动的距离除以所花费的时间，即

如果再次缩短时间，即

速度就变为了 1 米 / 秒。随着时间的缩短，移动的距离也会变短，如果保持相同的移动速度，那么时间与距离之比也不会发生变化。只要时间逐渐缩短至 0 即达到极限，应该就能定义某个瞬间的速度。

假设在直线上从左向右移动，用直线的坐标 x 来判断位置。将时刻 t 所在的位置记作 x(t)，从时刻 t 到 t′ 的区间内只移动了 (x(t′) −x(t))。移动时的平均速度等于 (x(t′) − x(t)) ÷ (t′− t)。因此，如果 t′不断向 t 靠近，那么在极限 t′= t 时应该能够计算出时刻 t 的速度。不过，因为在极限的情况下 x(t′) − x(t) 和 t′− t 的结果均等于 0，所以如果计算 0 ÷ 0，那么计算过程就变得莫名其妙。计算时需要注意。假设 x(t) = t，那么

之所以在极限的情况下很容易出现 0 ÷ 0 的错误，是因为分子和分母都存在 (t′− t)。不过只要事先将双方的 (t′− t) 相抵消，即使假设 t′= t也不会出现任何问题。

接着思考一下 x(t) = t2 时的情况，即

上述公式中的分子和分母抵消了 (t′− t)。抵消后，假设 t′= t，那么速度等于 2t。也就是说，速度和 t 成正比。

为了计算某个瞬间的速度，思考 (x(t′) − x(t)) ÷ (t′− t) 中 t′→ t的极限时，容易出现 0 ÷ 0 的问题。不过之前的例子已经表明，只要先抵消分子和分母中的 (t′− t) 后再求极限，就不会出现任何问题。用微分的定义可以表示为

等式右边的符号 lim 是“limit”（极限）的意思。虽然英国的牛顿和德国的莱布尼茨独立发现了微分，不过与积分一样，微分的表达方式 dx/dt也是由莱布尼茨所发明。

回到芝诺的悖论，其中的问题在于

以及如何计算 t′→ t 的极限。如果随意计算分子和分母的极限，容易引发悖论。如果先假设分子 x(t′) − x(t) 等于 0，那么上述算式就是0÷ (t′− t)，之后不管分母 (t′− t) 的值多小，算式都等于 0。这就是“飞矢不动”的根本含义。也就是说，芝诺的悖论错在处理极限的方法。不是要单独思考分子和分母的极限，而是将 (x(t′) − x(t)) ÷ (t′− t) 的分子和分母看成一个整体，对其计算 t′→ t 的极限，“瞬间的速度”才具有意义。从芝诺的时代到牛顿和莱布尼茨真正理解其中含义，中间大约相隔了 2100 年的时间。

微分是积分的逆运算

微分是积分的逆运算，这是牛顿和莱布尼茨最重要的发现之一。假设已知函数 f(x)，f(x) 在 0 到 a 的区间上的积分表示为

可以将其看作 a 的函数。再对 a 微分得到

代入原函数 f(x)，即 x = a。这意味着微分是积分的逆运算。接下来进行证明。如果图形 A 可以被分为图形 B 和图形 C，即

假设图形 A 是曲线 y = f(x) 下面的区间 0 ≤ x ≤ b。将该区间分成两部分，即 0 ≤ x ≤ a 和 a ≤ x ≤ b。那么面积也被分成

因此，将等式右边的第一项移至左边，得到

将上述等式代入微分的定义中，那么

为了计算微分，使 a′的值不断变小并趋近 a，那么在短区间 a<x<a′上，f(x) 的值几乎不变。因此积分

可以近似等于底为 (a′− a)、高为 f(a) 的长方形面积，即

将上述公式代到上面的公式中，得到

我们可以发现，对积分进行微分后又重新回到了原函数。反之，如果对函数进行微分后再进行积分，那么又会回到最初的状态。

牛顿和莱布尼茨的“微积分学基本定理”指的就是微分和积分是逆运算。在日本的高中教材中，通常先定义微分，然后再定义积分是其逆运算。所以在日本的高中数学中，“微积分学基本定理”不是定理，而是积分的定义。在本章中，我们已经将积分定义为“曲线 y = f(x) 的曲线下面积”，所以“微积分学基本定理”就是一个定理。