数学分析笔记7：定积分

定积分的定义与性质

定积分的定义

定积分的概念来源于求和运算的连续化，我们目前已知的求和手段都是有限求和，为了将求和运算扩充到无限个数求和，必须引入极限手段。扩充手段有两种——可列情形对应的是级数理论，不可列情形对应的则是积分。但我们都要首先清楚，本节所讨论的本质，就是无穷情形下的“求和”运算。
定义7.1 $f(x)$是定义在闭区间$[a,b]$的函数，$x_0,x_1,\cdots ,x_n$满足：$a=x_0<x_1<\cdots <x_n=b$，集合 { x 0 , x 1 , ⋯   , x n } \{x_0,x_1,\cdots,x_n\} {x0​,x1​,⋯,xn​}称为$[a,b]$的一个分划，记为$\Delta$
对每个小区间：$[x_{i-1},x_i](i=1,\cdots ,n)$，取${\xi }_i\in [x_{i-1},x_i](i=1,\cdots ,n)$，和式：${\sum }_{i=1}^{n}f({\xi }_i)(x_i-x_{i-1})$称为$f(x)$在分划$\Delta$下的一个Riemann和，记为$S(\Delta ,f)$

Riemann和有鲜明的几何意义，见下图，为了求得曲线$y=f(x)$在$[a,b]$区间上的曲线段下的面积，我们通常用有限矩体进行逼近。Riemann和的每一项对应一个矩形的面积，可以预见：当区间越分越细的时候，矩形面积和就逼近图形的真实面积，就是定积分的基本思想。
定义7.2 $f(x)$是定义在闭区间$[a,b]$的函数， Δ = { x 0 , x 1 , ⋯   , x n } \Delta = \{x_0,x_1,\cdots,x_n\} Δ={x0​,x1​,⋯,xn​}是$[a,b]$的任意分划，令$\lambda (\Delta )={\max }_{1\le i\le n}(x_i-x_{i-1})$，如果存在实数$I$，对任意的$\epsilon >0$，存在$\delta >0$，当$\lambda (\Delta )<\delta$时，无论小区间内点如何选取，都有$$|S(\Delta ,f)-A|<\epsilon$$则称$f(x)$在闭区间$[a,b]$上Riemann可积，简称可积，$I$称为$f(x)$在闭区间$[a,b]$上的积分，记为$${\int }_a^{b}f(x)dx=I$$
定积分的几何意义就是区间$y=f(x)$与$x$轴，连同$x=a$，$x=b$围成图形的面积。

定积分的可积性理论——达布理论

下一个问题是：满足什么条件下，$f(x)$在闭区间$[a,b]$是可积的？我们先从连续函数入手。
定理7.1 闭区间$[a,b]$上的连续函数都是Riemann可积的

证：
为了证明闭区间$[a,b]$上的连续函数$f(x)$都是Riemann可积的，我们首先要找到一个实数$I$，也就是$f(x)$的积分值，其次，再证明$f(x)$的积分就是$I$。
第一步：找一个实数$I$。
先取一个分划列 Δ n = { x 0 ( n ) , x 1 ( n ) , ⋯   , x 2 n ( n ) } \Delta_n=\{x^{(n)}_0,x^{(n)}_1,\cdots,x^{(n)}_{2^n}\} Δn​={x0(n)​,x1(n)​,⋯,x2n(n)​}，其中$x_k^{(n)}=a+\frac{k}{2^n}(b-a)$，令区间$I_k^{(n)}=[x_{k-1}^{(n)},x_k^{(n)}]$，$k=1,\cdots ,2^n$，$n=1,2,\cdots$。那么${\Delta }_n$是${\Delta }_{n-1}$的加细（即${\Delta }_n\subset {\Delta }_{n-1}$)，再令$M_k^{(n)}={\max }_{x\in I_k^{(n)}}(f(x))$,$m_k^{(n)}={\min }_{x\in I_k^{(n)}}(f(x))$，作和式$$\overline{S}({\Delta }_n)=\sum _{k=0}^{2^n}{M}_k^{(n)}\frac{b-a}{2^n}$$$$\underline{S}({\Delta }_n)=\sum _{k=0}^{2^n}{m}_k^{(n)}\frac{b-a}{2^n}$$则$\overline{S}({\Delta }_n)$是单调下降的，$\underline{S}({\Delta }_n)$是单调上升。令$\overline{I}={\lim }_{n\to \infty }\overline{S}({\Delta }_n)$，$\underline{I}={\lim }_{n\to \infty }\underline{S}({\Delta }_n)$$$\overline{S}({\Delta }_n)-\underline{S}({\Delta }_n)=\frac{b-a}{2^n}\sum _{k=0}(M_k^{(n)}-m_k^{(n)})$$由$f(x)$在$[a,b]$上连续，$f(x)$在$[a,b]$上一致连续，对任意的$\epsilon >0$，存在$\delta >0$，对任意的$[a,b]$内两点$x_1,x_2$
，只要$|x_1-x_2|<\delta$，就有$$|f(x_1)-f(x_2)|<\frac{\epsilon }{b-a}$$再由连续性$f(x)$在$[a,b]$上可取得最大值和最小值。这样，只要$$\frac{b-a}{2^n}<\delta$$就有$$(M_k^{(n)}-m_k^{(n)})<\frac{\epsilon }{b-a}$$$$\overline{S}({\Delta }_n)-\underline{S}({\Delta }_n)<\epsilon$$记$I=\overline{I}=\underline{I}$
第二步，证明：${\int }_a^{b}f(x)dx=I$
对任意的分划$\Delta$，令${\Delta }_n^{\prime }={\Delta }_n\cup \Delta$，再令 Δ n ′ = { y 0 ( n ) , y 1 ( n ) , ⋯   , y k n ( n ) } \Delta^\prime_n = \{y_0^{(n)},y_1^{(n)},\cdots,y_{k_n}^{(n)}\} Δn′​={y0(n)​,y1(n)​,⋯,ykn​(n)​}，其中$a=y_0^{(n)}<y_1^{(n)}<\cdots <y_{k_n}^{(n)}=b$，任取一个Riemann和$S(\Delta ,f)$，设${\xi }_k^{(n)}$是区间$[y_{k-1}^{(n)},y_k^{(n)}]$在$\Delta$中对应的分划中，$f(x)$的取点。$M_k^{{}^{\prime }\prime (n)},m_k^{\prime (n)}$是$f(x)$在区间$[y_{k-1}^{(n)},y_k^{(n)}]$的最大值和最小值。
同时令$$\overline{S}({\Delta }_n^{\prime })=\sum _{i=0}^{k_n}{M}_k^{\prime (n)}(y_k^{(n)}-y_{k-1}^{(n)})$$$$\underline{S}({\Delta }_n^{\prime })=\sum _{i=0}^{k_n}{m}_k^{\prime (n)}(y_k^{(n)}-y_{k-1}^{(n)})$$由于${\Delta }_n^{\prime }$是${\Delta }_n$的加细，就有$$\underline{S}({\Delta }_n)\le \underline{S}({\Delta }_n^{\prime })\le \overline{S}({\Delta }_n^{\prime })\le \overline{S}({\Delta }_n)$$由夹逼准则，就有$$\underset{n\to \infty }{\lim }\overline{S}({\Delta }_n^{\prime })=\underset{n\to \infty }{\lim }\underline{S}({\Delta }_n^{\prime })=I$$对任意的$\epsilon >0$，存在$N$，$n\ge N$时，有$$|\underset{n\to \infty }{\lim }\overline{S}({\Delta }_n^{\prime })-I|<\frac{\epsilon }{2}$$取定一个$n$，又由一致连续性，存在$\delta >0$，当$|x_1-x_2|<\delta$时，$|f(x_1)-f(x_2)<\frac{\epsilon }{2(b-a)}$，这样，当$\lambda (\Delta )<\delta$时，$|{\xi }_k^{(n)}-M_k^{\prime (n)}|<\frac{\epsilon }{2(b-a)}$，于是$$|S(\Delta ,f)-\overline{S}({\Delta }_n^{\prime })|<\frac{\epsilon }{2}$$$$|S(\Delta ,f)-I|\le |S(\Delta ,f)-\overline{S}({\Delta }_n^{\prime })|+|{\xi }_k^{(n)}-M_k^{\prime (n)}|<\epsilon$$

从正面过程可以知道，一致连续性对可积性来说是十分重要的一个性质。
对一般的函数，在每个小区间上不一定能取到最大值和最小值。然而，我们依然可以仿照以上证明过程，给出一个上和和下和的概念。
定义7.3 $f(x)$是闭区间$[a,b]$的一个有界函数， Δ = { x 0 , x 1 , ⋯   , x n } \Delta=\{x_0,x_1,\cdots,x_n\} Δ={x0​,x1​,⋯,xn​}是$[a,b]$的一个分划，$a=x_0<x_1<\cdots <x_n=b$，$M_i={\sup }_{x_{i-1}<x<x_i}f(x),m_i={\inf }_{x_{i-1}<x<x_i}f(x)$，称和式$\overline{S}(\Delta ,f)={\sum }_{i=0}^n{M}_i(x_i-x_{i-1})$是$f$在$[a,b]$上的达布上和，$\underline{S}(\Delta ,f)={\sum }_{i=0}^n{m}_i(x_i-x_{i-1})$是$f$在$[a,b]$上的达布下和

容易证明如下三条引理
引理7.1 $f(x)$是闭区间$[a,b]$的一个有界函数， Δ = { x 0 , x 1 , ⋯   , x n } \Delta=\{x_0,x_1,\cdots,x_n\} Δ={x0​,x1​,⋯,xn​}是$[a,b]$的一个分划，$a=x_0<x_1<\cdots <x_n=b$，$\overline{S}(\Delta ,f)$是一切$f$在$\Delta$上的Riemann和的上确界，$\underline{S}(\Delta ,f)$是一切$f$在$\Delta$上的Riemann和的下确界

引理7.2 $f(x)$是闭区间$[a,b]$的一个有界函数，${\Delta }_1,{\Delta }_2$是$[a,b]$的两个分划，并且，${\Delta }_1\subset {\Delta }_2$，则$$\underline{S}({\Delta }_1)\le \underline{S}({\Delta }_2)\le \overline{S}({\Delta }_2)\le \overline{S}({\Delta }_1)$$

引理7.3 $f(x)$是闭区间$[a,b]$的一个有界函数，则$f(x)$的任意达布下和不超过任意达布上和，即使他们对应不同的分划

这样，一切达布上和有下界，一切达布上和有上界，那么达布上和有下确界，我们记为$\overline{I}$，达布下和有上确界，我们记为$\underline{I}$，并且$\underline{I}\le \overline{I}$。类似于连续函数可积性的证明过程，我们猜想：$\underline{I}=\overline{I}=I$时，$I$就是$f(x)$在$[a,b]$上的积分。
定理7.2 有界函数$f(x)$在$[a,b]$上可积的充要条件是：$$\underset{\lambda (\Delta )\to 0}{\lim }[\overline{S}(\Delta ,f)-\underline{S}(\Delta ,f)]=0$$

证：
必要性，如果$f(x)$在$[a,b]$上可积，设$I={\int }_a^{b}f(x)dx$。
对任意的$\epsilon >0$，存在$\delta >0$,对任意的分划$\Delta$，当$\lambda (\Delta )<\delta$时，任意$S(\Delta ,f)$都有：$$I-\epsilon <S(\Delta ,f)<I+\epsilon$$由引理7.2$$\overline{S}(\Delta ,f)\le I+\epsilon$$$$\underline{S}(\Delta ,f)\ge I-\epsilon$$就有$$I-\epsilon \le \underline{S}(\Delta ,f)\le \underline{I}\le \overline{I}\le \overline{S}(\Delta ,f)\le I+\epsilon$$这样，$$\overline{S}(\Delta ,f)-\underline{S}(\Delta ,f)\le 2\epsilon$$这就说明了，$$\underset{\lambda (\Delta )\to 0}{\lim }[\overline{S}(\Delta ,f)-\underline{S}(\Delta ,f)]=0$$同时，由$\epsilon$的任意性，还可以得出$\overline{I}=\underline{I}$的结论
充分性，如果$$\underset{\lambda (\Delta )\to 0}{\lim }[\overline{S}(\Delta ,f)-\underline{S}(\Delta ,f)]=0$$由不等式：$$\underline{S}(\Delta ,f)\le \underline{I}\le \overline{I}\le \overline{S}(\Delta ,f)\le$$可以得出结论：$\overline{I}=\underline{I}$
设$\overline{I}=\underline{I}=I$，对任意的分划$\Delta$，就有$$\underline{S}(\Delta ,f)\le I\le \overline{S}(\Delta ,f)$$对任意的Riemann和，都有$$\underline{S}(\Delta ,f)\le S(\Delta ,f)\le \overline{S}(\Delta ,f)$$这样，$$0<|S(\Delta ,f)-I|\le \overline{S}(\Delta ,f)-\underline{S}(\Delta ,f)$$对任意的$\epsilon >0$，存在$\delta >0$，$\lambda (\Delta )<\delta$时，都有$$\overline{S}(\Delta ,f)-\underline{S}(\Delta ,f)<\epsilon$$这样，任意的$S(\Delta ,f)$都有$$|S(\Delta ,f)-I|<\epsilon$$这就证明了${\int }_a^{b}f(x)dx=I$

从证明的过程也可以看出，如果可积时，一定有$$\overline{I}=\underline{I}={\int }_a^{b}f(x)dx$$但上下积分相等能不能直接得到可积性呢？实际上，我们由如下的达布定理。

定理7.3（达布定理）$f(x)$是闭区间$[a,b]$上的有界函数，则有$$\underset{\lambda (\Delta )\to 0}{\lim }\underline{S}(\Delta )=\underline{I}$$$$\underset{\lambda (\Delta )\to 0}{\lim }\overline{S}(\Delta )=\overline{I}$$

由达布定理，就有如下推论：
推论7.1 $f(x)$是$[a,b]$上的有界函数，则$f(x)$在$[a,b]$上Riemann可积的充要条件是$$\underline{I}=\overline{I}$$

下面我们证明定理7.3：

证： 我们仅证${\lim }_{\lambda (\Delta )\to 0}\overline{S}(\Delta )=\overline{I}$，${\lim }_{\lambda (\Delta )\to 0}\underline{S}(\Delta )=\underline{I}$的证明是类似的。
对任意$\epsilon >0$，取由上积分的定义，存在分划列 { Δ 0 } \{\Delta_0\} {Δ0​}，满足$$\overline{I}\le \overline{S}({\Delta }_0,f)<\overline{I}+\frac{\epsilon }{2}$$对任意的分划$\Delta$，令${\Delta }_0^{\prime }={\Delta }_0\cup \Delta$，就有
$$\overline{I}\le \overline{S}({\Delta }_0^{\prime },f)\le \overline{S}({\Delta }_0,f)<\overline{I}+\frac{\epsilon }{2}$$只要考察$|\overline{S}(\Delta ,f)-\overline{S}({\Delta }_0^{\prime },f)|$即可
实际上，对$\Delta$的每一个小区间，如果其中没有${\Delta }_n$的分点，$\Delta$和${\Delta }_n^{\prime }$对应的项没有差距，差别就体现在插入了${\Delta }_n$分点的小区间上。
不妨设$|f(x)|\le M>0$，如果某个小区间插入了一个分点，那么对应的上确界之差不超过$2M$，设$N$为${\Delta }_n$的分点个数（$N>2$)。那么，如果$\Delta$的某个区间完全含在${\Delta }_0$的某个区间内，那么，${\Delta }_0^{\prime }$内的某个区间与$\Delta$的这个区间是相同的，不会对达布上和有影响，对达布上和有影响的只有插入了${\Delta }_0$分点的区间，最多只有$N-2$个$\Delta$的区间对达布上和影响，假设$\Delta$的某个区间$[x_{k-1},x_k]$中插入了一个分点$c(c\in (x_{k-1},x_k))$，设$f(x)$在$[x_{k-1},c]$上的上确界为$M_1$，在$[c,x_k]$上上确界为$M_2$，在$[x_{k-1},x_k]$的上确界为$M_0$，从而$$\begin{array}{rl}& |M_1(c-x_{k-1})+M_2(x_k-c)-M_0(x_k-x_{k-1})|\le 2M(x_k-x_{k-1})\\ \le & 2M\lambda (\Delta )\end{array}$$从而$$\begin{array}{r}|\overline{S}(\Delta ,f)-\overline{S}({\Delta }_0^{\prime },f)|\le 2M(N-2)\lambda (\Delta )\end{array}$$当$\lambda (\Delta )<\frac{\epsilon }{4M(N-2)}$时$$\begin{array}{rl}& |\overline{S}(\Delta ,f)-\overline{I}|\\ \le & |\overline{S}(\Delta ,f)-\overline{S}({\Delta }_0^{\prime },f)|+|\overline{S}({\Delta }_0^{\prime },f)-\overline{I}|<\epsilon \end{array}$$因此$\underset{\lambda (\Delta )\to 0}{\lim }\overline{S}(\Delta ,f)=\overline{I}$

可积函数类

定积分的性质

下面，我们来证明定积分的一些性质。
定理7.4（有界性） $f(x)$在$[a,b]$上可积，那么$f(x)$就在$[a,b]$上有界。

证：
设${\int }_a^{b}f(x)dx=I$，反证法证明，如果$f(x)$无界，那么任取分划$\Delta :a=x_0<x_1<\cdots <x_n=b$，必然有一个小区间无界，设就是$[x_0,x_1]$
可以取得${\xi }_n\in [x_0,x_1]$，使得$|f({\xi }_n)|>n$，这样，无论$\lambda (\Delta )$有多小，都可以取得${\xi }_n\in [x_0,x_1]$，在其他区间的取法给定的条件下，Riemann和可以任意大，与可积矛盾

因此，对积分的讨论都是建立在有界函数上的。下面我们还要证明如下的定理。
定理7.5 $f(x)$在$[a,b]$上可积，则$|f(x)|$在$[a,b]$上可积

证：
这是因为对任意的$x_1,x_2\in [a,b]$，都有$$||f(x_1)|-|f(x_2)||\le |f(x_1)-f(x_2)|$$对任意的分划$\Delta :a=x_0<x_1<\cdots <x_n=n$，$$0\le \overline{S}(\Delta ,|f|)-\underline{S}(\Delta ,|f|)\le \overline{S}(\Delta ,f)-\underline{S}(\Delta ,f)$$令$\lambda (\Delta )\to 0$，就有
$$\underset{\lambda (\Delta )\to 0}{\lim }\overline{S}(\Delta ,|f|)-\underline{S}(\Delta ,|f|)=0$$

类似地，可以证明：
定理7.6 $f(x)$在$[a,b]$上可积，则$f(x)$在$[a,b]$的任意子区间可积
证明比较简单，这里就不写出具体的证明过程了。
下面，我们就可以给出Riemann积分的一些性质。
定理7.7
(1)(线性性质)$f(x)$和$g(x)$在$[a,b]$上Riemann可积，则对任意的实数$c,d$，$cf(x)+dg(x)$在$[a,b]$上Riemann可积，并且$${\int }_a^{b}cf(x)+dg(x)dx=c{\int }_a^{b}f(x)dx+d{\int }_a^{b}g(x)dx$$(2)(不等式性质)$f(x)$和$g(x)$在$[a,b]$上Riemann可积，并且$f(x)\le g(x),\forall x\in [a,b]$，则$${\int }_a^{b}f(x)dx\le {\int }_a^{b}g(x)dx$$(3)(绝对值性质)$f(x)$在$[a,b]$上Riemann可积，则$$|{\int }_a^{b}f(x)dx|\le {\int }_a^b|f(x)|dx$$(4)(区间可加性)对任意的$a<c<b$，$f(x)$在$[a,b]$上可积的充要条件是$f(x)$在$[a,c]$和$[c,b]$上都可积，并且$${\int }_a^{c}f(x)dx+{\int }_c^{b}f(x)dx={\int }_a^{b}f(x)dx$$

证：
(1)对任意的分划$\Delta :a=x_0<x_1<\cdots ,x_n=b$，对任意的${\xi }_k\in [x_{k-1},x_k](k=1,\cdots ,n)$，有$$\begin{gathered} |\sum _{k=1}^n[cf({\xi }_n)+dg({\xi }_n)(x_k-x_{k-1})]-c{\int }_a^{b}f(x)dx-d{\int }_a^{b}g(x)dx|\le \\ |c||\sum _{k=1}^{n}f({\xi }_n)(x_k-x_{k-1})-{\int }_a^{b}f(x)dx|+|d||\sum _{k=1}^{n}g({\xi }_n)(x_k-x_{k-1})-{\int }_a^{b}g(x)dx| \end{gathered}$$对任意的$\epsilon >0$，存在${\delta }_1>0$，$\lambda (\Delta )<{\delta }_1$时，有$$|\sum _{k=1}^{n}f({\xi }_n)(x_k-x_{k-1})-{\int }_a^{b}f(x)dx|<\frac{\epsilon }{2|c|}$$又存在${\delta }_2>0$，$\lambda (\Delta )<{\delta }_2$时，有$$|\sum _{k=1}^{n}g({\xi }_n)(x_k-x_{k-1})-{\int }_a^{b}g(x)dx|<\frac{\epsilon }{2|d|}$$因此，当$\lambda (\Delta )<\min ({\delta }_1,{\delta }_2)$时，就有$$|\sum _{k=1}^n[cf({\xi }_n)+dg({\xi }_n)(x_k-x_{k-1})]-c{\int }_a^{b}f(x)dx-d{\int }_a^{b}g(x)dx|<\epsilon$$(2)(3)的证明比较简单，省略
下面证明(4)：只证明前一个命题，后一个命题比较容易，而前一命题只需要证明充分性
实际上，由达布定理，我们只需要取得一个分划列 { Δ n } \{\Delta_n\} {Δn​}，$\lambda ({\Delta }_n)\to 0$，有$$\overline{S}({\Delta }_n)-\underline{S}({\Delta }_n)\to 0$$就可以证得可积性，而这可以通过分别取$[a,c]$和$[c,b]$的分划列 { Δ n 1 } \{\Delta^{1}_n\} {Δn1​}和 { Δ n 2 } \{\Delta^2_n\} {Δn2​}，再合并成 { Δ n } \{\Delta_n\} {Δn​}即可证得结论。

微积分基本定理

微积分基本定理

上一章，我们把微分的逆运算称为“不定积分”，但从定积分的定义来看，“不定积分”离真正的“积分”的定义还相去甚远。本节要证明的微积分基本定理，正是搭起微分和积分的一座桥梁。
定理7.8(微积分基本定理) $f(x)$在$[a,b]$上可积且原函数存在，原函数为$F(x)$，则$${\int }_a^{b}f(x)dx=F(b)-F(a)$$

证：对$[a,b]$的任意分划$\Delta :a=x_0<x_1<\cdots <x_n=b$，有$$F(b)-F(a)=\sum _{k=1}^{n}F(x_k)-F(x_{k-1})\text{\hspace{1em}(1)}$$由拉格朗日中值定理，存在${\xi }_k\in (x_{k-1},x_k)$，满足$$F(x_k)-F(x_{k-1})=f({\xi }_k)(x_k-x_{k-1})$$$k=1,\cdots ,n$,代入(1)中，有$$F(b)-F(a)=\sum _{k=1}^{n}f({\xi }_k)(x_k-x_{k-1})$$再令$\lambda (\Delta )\to 0$，按照定积分的定义，有
$${\int }_a^{b}f(x)dx=F(b)-F(a)$$

微积分基本定理将原函数和积分联系在一起，而原函数是微分的逆运算，因此，在原函数存在的情况下，就为定积分的计算提供了一种手段。

变上限积分的性质

微积分基本定理要求$f(x)$可积，可积性问题由达布理论可以解决。还要求$f(x)$原函数存在，原函数存在性问题，我们至今没有介绍，现在，我们利用定积分，可以回答这个问题。
定理7.9
(1)$f(x)$在$[a,b]$上可积，那么变上限积分${\int }_a^{x}f(x)dx$是$[a,b]$上的连续函数
(2)如果$f(x)$在$[a,b]$上连续，那么变上限积分${\int }_a^{x}f(x)dx$在$[a,b]$上可导，并且导函数为$f(x)$

利用定理7.9的结论(2)，就有如下推论：
定理7.10(原函数存在定理) 闭区间上的连续函数都存在原函数

在证明定理7.9之前，我们先证明积分第一中值定理：
定理7.11(积分第一中值定理) $f(x)$在$[a,b]$上连续，可积函数$g(x)$在$[a,b]$非负，则存在$\xi \in [a,b]$，使得${\int }_a^{b}f(x)g(x)dx=f(\xi ){\int }_a^{b}g(x)dx$

证：
设$f(x)$在$[a,b]$上的最大值和最小值分别为$M$和$m$，由积分的不等式性质，有$$m{\int }_a^{b}g(x)dx\le {\int }_a^{b}f(x)g(x)dx\le M{\int }_a^{b}g(x)dx$$不妨设${\int }_a^{b}g(x)dx>0$，从而$$m\le \frac{{\int }_a^{b}f(x)g(x)dx}{{\int }_a^{b}g(x)dx}\le M$$再由连续函数的介值定理，存在$\xi \in [a,b]$，满足：$$f(\xi )=\frac{{\int }_a^{b}f(x)g(x)dx}{{\int }_a^{b}g(x)dx}$$

下面我们证明定理7.9：

证：(1)$$\begin{gathered} |{\int }_a^{x+\Delta x}f(x)dx-{\int }_a^{x}f(x)dx|\le \\ |{\int }_x^{x+\Delta x}f(x)dx|\le {\int }_x^{x+\Delta x}|f(x)|dx \end{gathered}$$由$f(x)$可积，$f(x)$有界，设$|f(x)|\le M>0$，则$$|{\int }_a^{x+\Delta x}f(x)dx-{\int }_a^{x}f(x)dx|\le M|\Delta x|$$对任意的$\epsilon >0$，当$|\Delta x|<\frac{\epsilon }{M}$时，就有$$|{\int }_a^{x+\Delta x}f(x)dx-{\int }_a^{x}f(x)dx|<\epsilon$$(2)$$\begin{gathered} \underset{\Delta x\to 0}{\lim }\frac{{\int }_x^{x+\Delta x}f(x)dx}{\Delta x} \\ =\underset{\Delta x\to 0}{\lim }\frac{f(\xi )\Delta x}{\Delta x}=\underset{\Delta x\to 0}{\lim }f(\xi )=f(x) \end{gathered}$$以上等式中的$\xi$介于$x$和$x+\Delta x$之间

定积分的换元积分法和分部积分法

由微积分基本定理，我们就可以把求原函数的换元积分法和分部积分法，推广到定积分的计算当中。
定理7.12 $\varphi (t)$在$[a,b]$上可导，$f(\varphi (t)){\varphi }^{\prime }(t)$在$[a,b]$上可积，$f(x)$在$[\varphi (a),\varphi (b)]$上可积且原函数存在，则$${\int }_a^{b}f(\varphi (t)){\varphi }^{\prime }(t)dt={\int }_{\varphi (a)}^{\varphi (b)}f(x)dx$$

证：
由于$f(x)$在$[\varphi (a),\varphi (b)]$上的原函数存在，设为$F(x)$
$F(\varphi (t))$是$f(\varphi (t)){\varphi }^{\prime }(t)$在$[a,b]$的原函数。
由微积分基本定理，有$${\int }_a^{b}f(\varphi (t)){\varphi }^{\prime }(t)dt=F(\varphi (b))-F(\varphi (a))$$$${\int }_{\varphi (a)}^{\varphi (b)}f(x)dx=F(\varphi (b))-F(\varphi (a))$$因此，$${\int }_a^{b}f(\varphi (t)){\varphi }^{\prime }(t)dt={\int }_{\varphi (a)}^{\varphi (b)}f(x)dx$$

定理7.13 如果$x=\varphi (t)$的导数恒为正，$f(x)$在$[a,b]$上可积，$f(\varphi (t)){\varphi }^{\prime }(t)$在$[{\varphi }^{-1}(a),{\varphi }^{-1}(b)]$上存在原函数且可积，则
$${\int }_a^{b}f(x)dx={\int }_{{\varphi }^{-1}(a)}^{{\varphi }^{-1}(b)}f(\varphi (t)){\varphi }^{\prime }(t)dt$$
定理7.14$f(x),g(x)$可导，$g(x)$原函数为$G(x)$，$f^{\prime }(x)G(x)$在$[a,b]$上的原函数存在且可积，则$${\int }_a^{b}f(x)g(x)dx=f(b)G(b)-f(a)G(a)-{\int }_a^b{f}^{\prime }(x)G(x)dx$$
证明是类似的，这里不证。

积分第二中值定理

积分第二中值定理在反常积分的证明中十分关键，我们先给出积分第二中值定理的内容。
定理7.15(积分第二中值定理) $g(x)$在$[a,b]$上可积
(1)$f(x)$在$[a,b]$上单调上升,$f(x)\ge 0$，则存在$\xi \in [a,b]$$${\int }_a^{b}f(x)g(x)dx=f(b){\int }_{\xi }^{b}g(x)dx$$(2)$f(x)$在$[a,b]$上单调下降，$f(x)\ge 0$，则存在$\xi \in [a,b]$
$${\int }_a^{b}f(x)g(x)dx=f(a){\int }_a^{\xi }g(x)dx$$(3)$f(x)$在$[a,b]$上单调，则存在$\xi \in [a,b]$$${\int }_a^{b}f(x)g(x)dx=f(a){\int }_a^{\xi }g(x)dx+f(b){\int }_{\xi }^{b}g(x)dx$$

由于定理的条件十分宽松，因此，我们不妨把条件加强给出一个简单的证明，再从这个证明中寻找证明的思路。
假设$f(x)$在$[a,b]$上单调上升且有连续导数，$g(x)$在$[a,b]$连续，令$G(x)={\int }_x^{b}g(t)dt$，$G^{\prime }(x)=-g(x)$，由分部积分法：$$\begin{gathered} {\int }_a^{b}f(x)g(x)dx=-{\int }_a^{b}f(x)dG(x)=-f(x)G(x){|}_a^b+{\int }_a^b{f}^{\prime }(x)G(x)dx \\ =f(a){\int }_a^{b}g(t)dt+{\int }_a^b{f}^{\prime }(x)G(x)dx\text{\hspace{1em}(3)} \end{gathered}$$设$M,m$是$G(x)$在$[a,b]$上的最大值和最小值，那么就有$$m{\int }_a^b{f}^{\prime }(x)dx\le {\int }_a^b{f}^{\prime }(x)G(x)dxM{\int }_a^b{f}^{\prime }(x)dx$$即$$m\le \frac{{\int }_a^b{f}^{\prime }(x)G(x)dx}{f(b)-f(a)}\le M$$再由连续函数的介值定理，存在$\xi \in [a,b]$$$G(\xi )=\frac{{\int }_a^b{f}^{\prime }(x)G(x)dx}{f(b)-f(a)}$$
再代入到(3)中，就可以得到$${\int }_a^{b}f(x)g(x)dx=f(a){\int }_a^{\xi }g(x)dx+f(b){\int }_{\xi }^{b}g(x)dx$$

虽然$g(x)$不一定连续，但是只要$g(x)$可积，函数$G(x)={\int }_a^{x}g(t)dt$就是连续的，不妨设$f(x)$单调下降且非负，并且设$f(a)>0$，只要我们证明了$$m\le \frac{{\int }_a^{b}f(x)g(x)dx}{f(a)}\le M$$在利用连续函数的介值定理，就能证得结论(2)，只要证得结论(2)$${\int }_a^{b}f(x)g(x)dx={\int }_a^b[f(x)-f(a)]g(x)dx+f(a){\int }_a^{b}g(x)dx$$再套用结论(2)，就能证得结论(3)的单调下降情形，也就是说，我们只需要证明结论(1)和(2)，就能证得结论(3)。

在一般的条件下，我们不能用分部积分法，只能借助定积分的定义进行证明，在证明之前，我们先给出阿贝尔变换。
引理7.4(阿贝尔变换) $a_1,\cdots ,a_n$和$b_1,\cdots ,b_n$是实数，$B_k={\sum }_{i=1}^k{b}_k$，则$$\sum _{k=1}^n{a}_k{b}_k=a_n{B}_n+\sum _{k=1}^{n-1}(a_k-a_{k+1})B_k$$

下面我们用阿贝尔变换来证明结论(2)

证：
设$f(x)$单调下降且$f(b)\ge 0$，对任意的$[a,b]$的分划$\Delta$，其中$\Delta :a=x_0<x_1<\cdots <x_n=b$，则$${\int }_a^{b}f(t)g(t)dt=\underset{\lambda (\Delta )\to 0}{\lim }\sum _{k=0}^n{\int }_{x_{k-1}}^{x_k}f(t)g(t)dt$$设$|g(x)|\le M>0$$$\begin{gathered} |\sum _{k=1}^n{\int }_{x_{k-1}}^{x_k}f(t)g(t)dt-\sum _{k=1}^{n}f(x_{k-1}){\int }_{x_{k-1}}^{x_k}g(t)dt|\le \sum _{k=1}^n{\int }_{x_{k-1}}^{x_k}|f(t)-f(x_{k-1})||g(t)|dt \\ \le M\sum _{k=1}^n{w}_k(x_k-x_{k-1}) \end{gathered}$$当$\lambda (\Delta )\to 0$时，$$|\sum _{k=1}^n{\int }_{x_{k-1}}^{x_k}f(t)g(t)dt-\sum _{k=1}^{n}f(x_{k-1}){\int }_{x_{k-1}}^{x_k}g(t)dt|\to 0$$因此，就有$${\int }_a^{b}f(t)g(t)dt=\underset{\lambda (\Delta )\to 0}{\lim }\sum _{k=1}^{n}f(x_{k-1}){\int }_{x_{k-1}}^{x_k}g(t)dt$$由阿贝尔变换：$$\begin{gathered} \sum _{k=1}^{n}f(x_{k-1}){\int }_{x_{k-1}}^{x_k}g(t)dt \\ =\sum _{k=1}^{n-1}[f(x_{k-1})-f(x_k)]{\int }_a^{x_k}g(t)dt+f(x_{n-1}){\int }_a^{b}g(t)dt \end{gathered}$$设$G(x)={\int }_a^{x}g(t)dt$，设$M,m$是$G(x)$的最大值和最小值，就有$$f(a)m=m[f(x_{n-1})+\sum _{k=1}^{n-1}(f(x_{k-1})-f(x_k))]\le \sum _{k=1}^{n}f(x_{k-1}){\int }_{x_{k-1}}^{x_k}g(t)dt\le Mf(a)$$因此，有$$f(a)m\le {\int }_a^{b}f(x)g(x)dx\le f(a)M$$
再利用介值定理就可以证得结论

定积分的几何应用

平面图形的面积

我们知道定积分的几何意义是曲边梯形的面积，由此我们可以得到计算平面图形面积的方法。我们先引入最简单的两种情形——X型区域和Y型区域。所谓X型区域，即由两条曲线$y=f(x),y=g(x),x\in [a,b]$以及两条直线$x=a,x=b$围成的区域，其中$f(x)\ge g(x),x\in [a,b]$，如下图所示：

由定积分的几何意义，阴影部分的面积为以$y=f(x)$为顶边的曲边梯形的面积减去以$y=g(x)$为顶边的曲边梯形的面积。于是，该X型区域的面积为${\int }_a^b[f(x)-g(x)]dx$。同样地可以给出Y型区域以及其面积的求法。这是比较简单的情形，我们常常遇到的是由某一个曲线围成的图形，而曲线常常由参数方程$$\gamma :\{\begin{array}{l}x=x(t)\\ y=y(t)\end{array}$$其中$t\in [\alpha ,\beta ]$，并且$x(\alpha )=x(\beta ),y(\alpha )=y(\beta )$，除了起点和终点外没有重合的点。我们再规定$x(t),y(t)$连续可导，即有连续的导数。这种情形下，围成的图形的面积应该如何计算呢？我们先对$\gamma$进行定向，如下图所示

为何规定正定向呢，我们先来看$\gamma$围成一个X型区域的情形

当$t$从$\alpha$变动到$t_1$时，$x(t)$严格单调上升，存在反函数$t=t^{-1}(x)$，代入到$y=y(t)$，得到$y=y(t^{-1}(x))=\varphi (x)$，这样，由$y=\varphi (x),x\in [x(t_1),x(\alpha )]$为顶边的曲边梯形的面积为$$S_1={\int }_{x(t_1)}^{x(\alpha )}\varphi (x)dx$$作变换$x=x(t)$，得到$$S_1={\int }_{t_1}^{\alpha }y(t)x^{\prime }(t)dt=-{\int }_{\alpha }^{t_1}y(t)x^{\prime }(t)dt$$同理，当$t$从$t_1$变动到$\beta$时，$x(t)$单调上升，其反函数$t=t_2^{-1}(x)$代入到$y=y(t)$中，得到${\varphi }_2(x)=y(t_2^{-1}(x))$，以$y={\varphi }_2(x)$为顶边的曲边梯形的面积为$$S_2={\int }_{x(t_1)}^{x(\beta )}{\varphi }_2(t)dt={\int }_{t_1}^{\beta }y(t)x^{\prime }(t)dt$$从而X型区域的面积为$$S=S_1-S_2=-{\int }_{\alpha }^{\beta }y(t)x^{\prime }(t)dt$$类似地，如果围成的区域是一个Y型区域，那么，计算公式为${\int }_{\alpha }^{\beta }x(t)y^{\prime }(t)dt$。在上面求解过程中，正定向移动起到面积正负抵消的作用，对于一般的图形，若在某个过程$[t_1,t_2]$中，$x(t)$单调下降，那么按照公式，其曲边梯形的面积取正值，若单调下降，按公式，其曲边梯形的面积取负值，运动一周后，正负相抵，恰好得到$\gamma$所围成的图形的面积。我们以下面的图形来说明这一点

令$S(t)=-{\int }_{\alpha }^{t}y(t)x^{\prime }(t)dt$，则随着$t$从$\alpha$增大到$\beta$，有$$\begin{array}{rl}S(t_1)& =S_1+S_2+S_3+S_4+S_5+S_6\\ S(t_2)& =S_1+S_2+S_6\\ S(t_3)& =S_1+S_2+S_6+S_3+S_4\\ S(\beta )& =S_1+S_4+S_6\end{array}$$可见，对于一般的曲线围成的区域，其面积计算公式$$\begin{array}{rl}S& =-{\int }_{\alpha }^{\beta }y(t)x^{\prime }(t)dt={\int }_{\alpha }^{\beta }x(t)y^{\prime }(t)dt\\ & =\frac{1}{2}{\int }_{\alpha }^{\beta }[x(t)y^{\prime }(t)-y(t)x^{\prime }(t)]dt\end{array}$$简记为$$S=\frac{1}{2}{\int }_{\gamma }xdy-ydx$$

例7.1 推导椭圆$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$的面积公式

解：用参数方程表示$$\{\begin{array}{l}x=a\cos \theta \\ y=b\sin \theta \end{array},\theta \in [0,2\pi ]$$椭圆的面积为$$S=\frac{1}{2}{\int }_0^{2\pi }[(a\cos \theta ).(b\cos \theta )-(b\sin \theta )(-a\sin \theta )]d\theta =ab\pi$$

微元法

定积分解决的是连续量连续变化的积累或连续作用的总和，这个积累或总和表现出来的是一个量，记为$A$。比如在物理学中求解变速直线运动的位移，应当如何做呢？在时间$[0,T]$内，速度$v(t)$连续变化，为了求解整个过程的位移，我们首先要对$[0,T]$进行划分$\Delta :0=t_0<t_1<\cdots <t_n=T$，分别求解$[t_{k-1},t_k]$时间段内的位移$S_k$$(k=1,2,\cdots ,n)$，设总的位移为$S$，则$S=\sum _{k=1}^n{S}_k$。只要$\lambda =\underset{1\le i\le n}{\max }\Delta t_k$足够小，$v(t)$在$[t_{k-1},t_k]$振幅极小（由一致连续性），从而我们将其视为匀速直线运动，任取${\zeta }_k\in [t_{k_1},t_k]$，估计$S_k\approx v({\zeta }_k)\Delta t_k$，从而估计$$S\approx \sum _{k=1}^{n}v({\zeta }_k)\Delta t_k$$令$\lambda \to 0$，这时取精确值$S={\int }_0^{T}v(t)dt$。为什么可以这么取呢？实际上，有估计式：$$m_k\Delta t_k\le S_k\le M_k\Delta t_k$$其中$m_k$和$M_k$是$v(t)$在$[t_{k-1},t_k]$上的最小值和最大值，则$$\sum _{k=1}^n{m}_k\Delta t_k\le S\le \sum _{k=1}^n{M}_k\Delta t_k$$而$\lambda \to 0$时，不等式两边都趋于${\int }_0^{T}v(t)dt$，这就说明了$S={\int }_0^{T}v(t)dt$。我们总结一下以上用定积分求解的过程：要考察某个连续量在区间$[a,b]$上的累积作用$S$，首先要要求这个量是和某个区间相联系的，并且具有区间可加性
$\underline{第一步}$：划分区间$a=x_0<x_1<\cdots <x_n=b$
$\underline{第二步}$：假设连续量在区间$[x_{k-1},x_k]$上的作用为$S_k$，估计$S_k$为$$S_k=f({\zeta }_k)\Delta x_k$$这其中$f(x)$是以连续函数，${\zeta }_k\in [x_{k-1},x_k]$，至于$f(x)$如何确定，需要由相应的物理规律或几何知识加以确定，这是最关键的一步
$\underline{第三步}$：求和取极限，解得$S={\int }_a^{b}f(x)dx$
第二步我们可以写成$dS=f(x)dx$，两边积分就有$${\int }_a^{b}dS={\int }_a^{b}f(x)dx$$这很类似于微分的形式，因此我们把这种方法称为微元法，$dS$称为微元

极坐标下平面图形的面积

对极坐标下的曲线$r=r(\theta )\ge 0,\theta \in [\alpha ,\beta ],\beta -\alpha <2\pi$，求$r=r(\theta ),\theta =\alpha ,\theta =\beta$围成的图形的面积。我们用微元法来求解：

1. 将$[\alpha ,\beta ]$划分为$\alpha =a_0<a_1<\cdots <a_n=\beta$，令$S$为$r=r(\theta ),\theta =\alpha ,\theta =\beta$围成的图形的面积，$S_k$为$r=r(\theta ),\theta =a_{k-1},\theta =a_k$围成的图形的面积，$S=\sum _{k=1}^n{S}_k(k=1,\cdots ,n)$
2. 估计$S_k=\frac{1}{2}{r}^2({\zeta }_k)\Delta \theta (k=1,2,\cdots ,n)$
3. 加总，求极限，得到$S=\frac{1}{2}{\int }_{\alpha }^{\beta }{r}^2(\theta )d\theta$

如图，上述的第二步实际上就是取某一个半径，以一个扇形取估计$S_k$，如下图所示

实际上，设$r(\theta )$在$[a_{k-1},a_k]$上的最小值的最大值分别为$m_k,M_k$，则$$\begin{gathered} \frac{1}{2}{m}_k^2\Delta {\theta }_k\le S_k\le \frac{1}{2}{M}_k^2\Delta {\theta }_k \\ \frac{1}{2}\sum _{k=1}^n{m}_k^2\Delta {\theta }_k\le S\le \frac{1}{2}\sum _{k=1}^n{M}_k^2\Delta {\theta }_k \end{gathered}$$令$\lambda \to 0$，得到$S=\frac{1}{2}{\int }_{\alpha }^{\beta }{r}^2(\theta )d\theta$
从微元的观点看，$dS=\frac{1}{2}{r}^2(\theta )d\theta$

例7.2 求心脏线$$r=a(1+\cos \theta ),\theta \in [0,2\pi ]$$所围成的面积，其中$a>0$

解：

$S=\frac{a^2}{2}{\int }_0^{2\pi }(1+\cos \theta {)}^{2}d\theta =\frac{3}{2}{a}^2\pi$

旋转体体积

对于$[a,b]$上的连续函数$f(x)$，曲线$y=f(x),x\in [a,b]$绕着$x$轴旋转一周，得到的几何体的体积该如何求呢？我们将$[a,b]$作分划$\Delta :a=x_0<x_1<\cdots <x_n=b$，设$V$为$y=f(x),x\in [a,b]$绕着$x$轴旋转一周，得到的几何体的体积，$V_k$为$y=f(x),x\in [x_{k-1},x_k]$绕着$x$轴旋转一周$(k=1,\cdots ,n)$，按微元法，下面需要对$V_k$进行估计，假设在$[x_{k-1},x_k]$上$f(x)$是常数，得到的几何图形是一个圆柱体，从而$dV=\pi f^2(x)dx$，由微元法$$V=\pi {\int }_a^b{f}^2(x)dx$$从另一个角度看，设$f(x)$在$[x_{k-1},x_k]$上的最大值和最小值为$M_k,m_k$，这样$$\begin{gathered} \pi m_k^2\Delta x_k\le V_k\le \pi M_k^2\Delta x_k \\ \pi \sum _{k=1}^n{m}_k^2\Delta x_k\le V\le \pi \sum _{k=1}^n{M}_k^2\Delta x_k \end{gathered}$$两边令$\lambda \to 0$，就有$V=\pi {\int }_a^b{f}^2(x)dx$。类似地，$x=g(y),y\in [a,b]$绕着$y$轴旋转得到的旋转体的体积应该为$V=\pi {\int }_a^b{g}^2(y)dy$。

平面曲线的长度

对于一段平面曲线$$\{\begin{array}{l}x=x(t)\\ y=y(t)\end{array},t\in [a,b]$$如何求解其长度呢，求解线段的长度是容易的，因此我们首先想到先将$[a,b]$作一个分划$\Delta :a=t_0<t_1<\cdots <t_n=b$，设$[t_{k-1},t_k]$段的长度为$s_k$，$[a,b]$段的长度为$s$，就有$s=\sum _{k=1}^n{s}_k$，对于$s_k$，我们采用两端点之间线段的长度来估算$$s_k\approx \sqrt{(x(t_k)-x(t_{k-1}){)}^2+(y(t_k)-y(t_{k-1}){)}^2}$$我们设$x(t),y(t)$有连续的导数，此时这段曲线是光滑的曲线，由拉格朗日中值定理，存在${\zeta }_k,{\xi }_k\in [x_{k-1},x_k]$，满足$x(t_k)-x(t_{k-1})=x^{\prime }({\zeta }_k)\Delta t_k,y(t_k)-y(t_{k-1})=y^{\prime }({\xi }_k)\Delta t_k$，从而$$\begin{gathered} s_k\approx \sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k \\ s\approx \sum _{k=1}^n\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k \end{gathered}$$由于$x^{\prime }(t)$在$[a,b]$上连续，因此一致连续，对任意的$\epsilon >0$，存在${\delta }_1>0$，当$|t^{\prime }-t^{\prime \prime }|<{\delta }_1$时，$\left|f(t^{\prime })-f(t^{\prime \prime })\right|<\frac{\epsilon }{2(b-a)}$，当$\lambda (\Delta )<\delta$时$$\begin{array}{rl}& \left|\sum _{k=1}^n\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k-\sum _{k=1}^n\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k\right|\\ & \le \sum _{k=1}^n\frac{\left|x^{\prime }({\xi }_k)-x^{\prime }({\zeta }_k)\right|(|x^{\prime }({\xi }_k)|+|x^{\prime }({\zeta }_k)|)}{\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\xi }_k)}+\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}}\Delta t_k\\ & \le \sum _{k=1}^n\left|x^{\prime }({\xi }_k)-x^{\prime }({\zeta }_k)\right|\Delta t_k<\frac{\epsilon }{2}\end{array}$$因此，我们估计$$s\approx \sum _{k=1}^n\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k$$存在${\delta }_2>0$，当$\lambda (\Delta )<{\delta }_2$时$$\left|\sum _{k=1}^n\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k-{\int }_a^b\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt\right|<\frac{\epsilon }{2}$$从而当$\lambda (\Delta )<\min ({\delta }_1,{\delta }_2)$时$$\left|\sum _{k=1}^n\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k-{\int }_a^b\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt\right|<\epsilon$$从而$$\begin{array}{rl}& \underset{\lambda (\Delta )\to 0}{\lim }\sum _{k=1}^n\sqrt{(x(t_k)-x(t_{k-1}){)}^2+(y(t_k)-y(t_{k-1}){)}^2}\\ =& {\int }_a^b\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt\end{array}$$若$y=f(x)$在$[a,b]$上有连续的导数，其参数方程为$$\{\begin{array}{l}x=x\\ y=f(x)\end{array}$$其弧长为$L={\int }_a^b\sqrt{1+f^{\prime 2}(x)}dx$
若是极坐标系表示曲线$r=r(\theta ),\theta \in [\alpha ,\beta ]$，可以改写为参数方程形式$$\{\begin{array}{l}x=r(\theta )\cos \theta \\ y=r(\theta )\sin \theta \end{array}$$则弧长为$L={\int }_{\alpha }^{\beta }\sqrt{r^{\prime 2}(\theta )+r^2(\theta )}d\theta$
这在微元法中，相当于微元为$dS=\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt$，我们称为弧长微元

旋转体的侧面积

下面我们来讨论旋转体侧面积的求解，对曲线$$\gamma :\{\begin{array}{l}x=x(t)\\ y=y(t)\end{array},t\in [a,b]$$并且$x(t),y(t)$都有连续的导数，同时，$x^{\prime }(t)>0,x\in [a,b]$，首先，取分划$\Delta :a=t_0<t_1<\cdots <t_n=b$，我们令$M_k(x(t_k),y(t_k))(k=0,1,\cdots ,n)$，利用$M_1,M_2,\cdots ,M_n$将曲线分隔开若干段。在$[t_{k-1},t_k]$段绕$x$轴旋转一周所得的旋转体的侧面积为$S_k$，整段曲线绕$x$轴旋转一周所得的旋转体的侧面积为$S$，有$S=\sum _{k=1}^n{S}_k$。下面我们来估算$S_k（k=1,\cdots ,n)$。连接$M_{k-1},M_k$所得的线段$M_{k-1}{M}_k$绕$x$轴旋转一周的旋转体是一个圆台。圆台的上底面半径为$r_1$，下底面半径为$r_2$，母线长为$l$，则圆台的侧面积为$\pi (r_1+r_2)l$，我们就以$M_{k-1}{M}_k$绕$x$轴旋转一周形成的圆台的侧面积作为$S_k$的估计，对$k=1,\cdots ,n$，容易写出$S_k$的估计为$$S_k\approx \pi (y(t_{k-1})+y(t_k))\sqrt{[x(t_k)-x(t_{k-1}){]}^2+[y(t_k)-y(t_{k-1}){]}^2}$$由介值定理，存在${\xi }_k\in [t_{k-1},t_k]$，满足$y({\xi }_k)=\frac{y(t_{k-1})+y(t_k)}{2}$，由拉格朗日中值定理，存在${\zeta }_k,{\gamma }_k\in [t_{k-1},t_k]$，满足$$\begin{gathered} x(t_k)-x(t_{k-1})=x^{\prime }({\zeta }_k)\Delta t_k \\ y(t_k)-y(t_{k-1})=y^{\prime }({\gamma }_k)\Delta t_k \end{gathered}$$则$$\begin{array}{rl}& \pi (y(t_{k-1})+y(t_k))\sqrt{[x(t_k)-x(t_{k-1}){]}^2+[y(t_k)-y(t_{k-1}){]}^2}\\ =& 2\pi y({\xi }_k)\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\gamma }_k)}\Delta t_k\end{array}$$设$|y(t)|\le M>0,t\in [a,b]$，再由$x^{\prime }(t),y^{\prime }(t)$在$[a,b]$上连续，故一致连续，对任意的$\epsilon >0$，存在${\delta }_1>0$，当$|t^{\prime }-t^{\prime \prime }|<{\delta }_1$时，有$|x^{\prime }(t^{\prime })-x^{\prime }(t^{\prime \prime })|<\frac{\epsilon }{8\pi M(b-a)},|y^{\prime }(t^{\prime })-y^{\prime }(t^{\prime \prime })|<\frac{\epsilon }{8\pi M(b-a)}$。则当$\lambda (\Delta )<{\delta }_1$时$$\begin{array}{rl}& 2\pi \left|\sum _{k=1}^{n}y({\xi }_k)\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\gamma }_k)}\Delta t_k-\sum _{k=1}^{n}y({\xi }_k)\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k\right|\\ \le & 2\pi \sum _{k=1}^n|y({\xi }_k)|\left|\frac{x^{\prime 2}({\zeta }_k)-x^{\prime 2}({\xi }_k)+y^{\prime 2}({\gamma }_k)-y^{\prime 2}({\xi }_k)}{\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\gamma }_k)}+\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}}\right|\Delta t_k\\ \le & 2M\pi \sum _{k=1}^n[|x^{\prime }({\zeta }_k)-x^{\prime }({\xi }_k)|\frac{|x^{\prime }({\zeta }_k)|+|x^{\prime }({\xi }_k)|}{\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\gamma }_k)}+\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}}\\ +& |y^{\prime }({\gamma }_k)-y^{\prime }({\xi }_k)|\frac{|y^{\prime }({\gamma }_k)|+|y^{\prime }({\xi }_k)|}{\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\gamma }_k)}+\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}}]\Delta t_k\\ <& 2M\pi \sum _{k=1}^n[\frac{\epsilon }{4M(b-a)\pi }\Delta t_k]=\frac{\epsilon }{2}\end{array}$$再由定积分的定义，存在${\delta }_2>0$，当$\lambda (\Delta )<{\delta }_2$时$$2\pi \left|\sum _{k=1}^{n}y({\xi }_k)\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k-{\int }_a^{b}y(t)\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt\right|<\frac{\epsilon }{2}$$当$\lambda (\Delta )<\min ({\delta }_1,{\delta }_2)$时$$\begin{array}{rl}& \pi |\sum _{k=1}^n(y(t_{k-1})+y(t_k))\sqrt{[x(t_k)-x(t_{k-1}){]}^2+[y(t_k)-y(t_{k-1}){]}^2}\\ & -2{\int }_a^{b}y(t)\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt|\\ =& 2\pi |\sum _{k=1}^{n}y({\xi }_k)\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\gamma }_k)}\Delta t_k-{\int }_a^{b}y(t)\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt|\\ \le & 2\pi |\sum _{k=1}^{n}y({\xi }_k)\sqrt{x^{\prime 2}({\zeta }_k)+y^{\prime 2}({\gamma }_k)}\Delta t_k-\sum _{k=1}^{n}y({\xi }_k)\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k|\\ +& 2\pi |\sum _{k=1}^{n}y({\xi }_k)\sqrt{x^{\prime 2}({\xi }_k)+y^{\prime 2}({\xi }_k)}\Delta t_k-{\int }_a^{b}y(t)\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt|\\ <& \frac{\epsilon }{2}+\frac{\epsilon }{2}=\epsilon \end{array}$$即$$\begin{array}{rl}& \underset{\lambda (\Delta )\to 0}{\lim }\pi \sum _{k=1}^n(y(t_{k-1})+y(t_k))\sqrt{[x(t_k)-x(t_{k-1}){]}^2+[y(t_k)-y(t_{k-1}){]}^2}\\ =& 2\pi {\int }_a^{b}y(t)\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt\end{array}$$侧面积就为$2\pi {\int }_a^{b}y(t)\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt$，从微元法的角度看，即是$dS=2\pi y(t)\sqrt{x^{\prime 2}(t)+y^{\prime 2}(t)}dt$。利用这个结果，可以得到直角坐标系下旋转体的侧面积为$2\pi {\int }_a^{b}y(x)\sqrt{1+y^{\prime 2}(x)}dx$，同理也可以写出极坐标系下的公式，这里就不再赘述了。