定积分的性质与积分中值定理

定积分的性质与积分中值定理

小象实战讲义 · 人工智能数学基础

定积分是连接微分学与积分学的桥梁，它不仅能精确计算曲线下的面积，更是描述累积效应的核心工具。本节我们将系统学习定积分的一系列基本性质，这些性质是简化计算、证明定理的基础。最后，我们将探讨积分中值定理，它揭示了连续函数在区间上的平均值与函数值之间的深刻联系，是理解积分本质的关键。

💡 核心导读

• 不等式性质：比较函数大小，其定积分的大小关系也随之确定。
• 线性运算性质：定积分运算与常数乘法、函数加减法可以交换顺序，体现了线性性。
• 积分区间可加性：一个区间上的积分可以拆分为若干子区间上的积分之和，这是定义积分上下限可交换的基础。
• 有限点不影响积分值：函数在有限个点处的取值改变，不影响其定积分的值。
• 积分中值定理：对于连续函数，存在一点使其函数值等于该函数在区间上的平均值。

基本性质

定积分具有一系列重要的代数性质，它们大多可以从其定义（黎曼和的极限）或几何意义直观理解。

1. 保序性（不等式性质）

若函数 $f(x)$ 与 $g(x)$ 在区间 $[a, b]$ 上可积，且对任意 $x \in [a, b]$，有 $f(x) \ge g(x)$，则它们的定积分满足： $$\int_a^b f(x) , dx \ge \int_a^b g(x) , dx$$

几何解释：若一条曲线始终在另一条曲线上方（或重合），则其下方的面积也更大（或相等）。

特别地，若 $g(x) = 0$，则得到：非负函数的定积分非负。 $$\text{若 } f(x) \ge 0 \text{ 于 } [a,b], \text{ 则 } \int_a^b f(x) , dx \ge 0$$

一个重要的推论是，若两个可积函数仅在有限个点处的取值不同，则它们的定积分相等。因为有限个点不构成面积，在极限意义下其影响为 $0$。

2. 线性性质

定积分是一种线性运算。

• 齐次性：常数因子可以提到积分号外。 $$\int_a^b k f(x) , dx = k \int_a^b f(x) , dx, \quad k \text{为常数}$$

• 可加性：函数的和（差）的积分等于积分的和（差）。 $$\int_a^b [f(x) \pm g(x)] , dx = \int_a^b f(x) , dx \pm \int_a^b g(x) , dx$$

这两个性质合起来，说明了定积分运算与数乘、加法运算可以交换顺序，满足线性运算的定义。

3. 积分区间的可加性

这是定积分一个非常强大且直观的性质。 设函数 $f(x)$ 在包含点 $a, b, c$ 的区间上可积，则无论 $a, b, c$ 三点的相对位置如何，总有： $$\int_a^b f(x) , dx = \int_a^c f(x) , dx + \int_c^b f(x) , dx$$

几何解释：从 $a$ 到 $b$ 的曲线下总面积，等于从 $a$ 到 $c$ 的面积加上从 $c$ 到 $b$ 的面积。

这个性质统一并解释了积分上下限的约定：

• 当 $a < c < b$ 时，公式的几何意义非常明显。
• 当 $c$ 不在 $a, b$ 之间时，例如 $a < b < c$，根据可加性有： $$\int_a^c f(x) , dx = \int_a^b f(x) , dx + \int_b^c f(x) , dx$$ 移项可得： $$\int_a^b f(x) , dx = \int_a^c f(x) , dx - \int_b^c f(x) , dx = \int_a^c f(x) , dx + \int_c^b f(x) , dx$$ 其中最后一个等号用到了 $\int_c^b f(x) , dx = -\int_b^c f(x) , dx$ 的规定。

核心洞见：我们规定当积分下限大于上限时，积分值取相反数，正是为了保证积分区间可加性在任何情况下都成立。这使得我们在拆分积分区间时可以“闭着眼睛拆”，只需保证函数在整个大区间上可积即可。

4. 绝对值不等式

函数的积分的绝对值，不超过函数绝对值的积分。 $$\left| \int_a^b f(x) , dx \right| \le \int_a^b |f(x)| , dx$$

理解角度一（黎曼和）： 根据绝对值不等式 $|\sum a_i| \le \sum |a_i|$，对黎曼和取极限即得。

理解角度二（几何意义）： 设 $f(x)$ 在 $x$ 轴上方面积为 $S_1$，下方面积为 $S_2$（记为负值）。则：

• 左边：$|\int_a^b f(x) dx| = |S_1 - S_2|$
• 右边：$\int_a^b |f(x)| dx = S_1 + S_2$

显然，$|S_1 - S_2| \le S_1 + S_2$ 恒成立。

积分中值定理

积分中值定理是微积分基本定理之外，另一个连接微分与积分的重要结果。

定理陈述

若函数 $f(x)$ 在闭区间 $[a, b]$ 上连续，则在 $(a, b)$ 内至少存在一点 $\xi$，使得 $$\int_a^b f(x) , dx = f(\xi)(b - a)$$ 等价地， $$f(\xi) = \frac{1}{b-a} \int_a^b f(x) , dx$$

几何意义：在区间 $[a, b]$ 上，总能找到一个以 $f(\xi)$ 为高的矩形，其面积恰好等于曲线 $y=f(x)$ 下的曲边梯形面积。$f(\xi)$ 称为函数 $f(x)$ 在 $[a, b]$ 上的积分平均值。

物理解释：将 $x$ 视为时间，$f(x)$ 视为速度，则积分 $\int_a^b f(x) dx$ 表示路程，$\frac{1}{b-a}\int_a^b f(x) dx$ 表示平均速度。定理表明，在运动过程中，至少有一个瞬时速度等于整个过程的平均速度。

证明

证明巧妙地运用了连续函数的最值定理和介值定理。

1. 最值存在：因为 $f(x)$ 在 $[a, b]$ 上连续，故存在最大值 $M$ 和最小值 $m$，使得 $m \le f(x) \le M$ 对所有 $x \in [a, b]$ 成立。
2. 积分估值：由定积分的保序性，有： $$\int_a^b m , dx \le \int_a^b f(x) , dx \le \int_a^b M , dx$$ 计算常数积分，得： $$m(b-a) \le \int_a^b f(x) , dx \le M(b-a)$$
3. 得到平均值范围：两边同除以 $(b-a) > 0$，得： $$m \le \frac{1}{b-a} \int_a^b f(x) , dx \le M$$ 记这个平均值为 $\mu$，即 $m \le \mu \le M$。
4. 应用介值定理：由连续函数的介值定理，在 $[a, b]$ 上至少存在一点 $\xi$，使得 $f(\xi) = \mu$。
5. 得出结论：因此，存在 $\xi \in (a, b)$，使得 $$f(\xi) = \frac{1}{b-a} \int_a^b f(x) , dx$$ 证毕。

import numpy as np
import matplotlib.pyplot as plt
from scipy import integrate

# 示例：验证积分中值定理
def f(x):
    return np.sin(x) + 0.5  # 定义一个连续函数

a, b = 0, np.pi
x_vals = np.linspace(a, b, 400)
y_vals = f(x_vals)

# 计算定积分（面积）
integral_value, _ = integrate.quad(f, a, b)
average_value = integral_value / (b - a)

# 寻找满足 f(xi) = average_value 的点（数值近似解）
# 通过求根 f(x) - average_value = 0
from scipy.optimize import root_scalar
# 注意：brentq 要求区间两端函数值异号。f(0)=f(π)=0.5 均小于 μ≈1.137，
# 故取子区间 [0, π/2]（f(π/2)=1.5 > μ）进行求根
sol = root_scalar(lambda x: f(x) - average_value, bracket=[a, np.pi/2])
xi = sol.root
f_xi = f(xi)

print(f"积分区间: [{a}, {b}]")
print(f"定积分值 S = {integral_value:.6f}")
print(f"区间长度 b-a = {b-a:.6f}")
print(f"积分平均值 μ = S / (b-a) = {average_value:.6f}")
print(f"找到的点 ξ ≈ {xi:.6f}")
print(f"f(ξ) ≈ {f_xi:.6f}")
print(f"验证: f(ξ) * (b-a) ≈ {f_xi * (b-a):.6f}， 与 S = {integral_value:.6f} 非常接近")

# 可视化
plt.figure(figsize=(10, 6))
plt.plot(x_vals, y_vals, 'b-', label='y = f(x)', linewidth=2)
plt.fill_between(x_vals, 0, y_vals, alpha=0.3, label='曲边梯形面积 S')

# 绘制平均高度矩形
plt.axhline(y=average_value, color='r', linestyle='--', label=f'平均高度 μ = {average_value:.3f}')
plt.plot([a, a, b, b], [0, average_value, average_value, 0], 'r--', alpha=0.7)
plt.fill_between([a, b], 0, average_value, color='r', alpha=0.1, label='矩形面积 μ*(b-a)')

# 标记点 ξ
plt.plot([xi], [f_xi], 'ro', markersize=8, label=f'点 (ξ, f(ξ)) ≈ ({xi:.3f}, {f_xi:.3f})')
plt.axvline(x=xi, color='gray', linestyle=':', alpha=0.5)

plt.xlabel('x')
plt.ylabel('y')
plt.title('积分中值定理几何演示')
plt.legend()
plt.grid(True, alpha=0.3)
plt.axis('equal')
plt.show()

📝 动手练一练

1. 性质应用：已知函数 $f(x)$ 在 $[0, 2]$ 上可积，且满足 $1 \le f(x) \le 3$。利用定积分的性质，估计积分 $\int_0^2 f(x) , dx$ 的取值范围。

2. 中值定理理解：设 $f(x) = x^2$ 在区间 $[1, 3]$ 上。 a) 计算函数在该区间上的积分平均值 $\mu$。 b) 根据积分中值定理，找出一点 $\xi \in (1, 3)$，使得 $f(\xi) = \mu$。

参考答案：

1. 由保序性，$\int_0^2 1 , dx \le \int_0^2 f(x) , dx \le \int_0^2 3 , dx$。计算得 $2 \le \int_0^2 f(x) , dx \le 6$。
2. a) $\mu = \frac{1}{3-1} \int_1^3 x^2 dx = \frac{1}{2} \cdot \left[ \frac{x^3}{3} \right]_1^3 = \frac{1}{2} \cdot \left( 9 - \frac{1}{3} \right) = \frac{13}{3}$。 b) 令 $f(\xi) = \xi^2 = \frac{13}{3}$，解得 $\xi = \sqrt{\frac{13}{3}} \approx 2.082$（负根舍去），且 $\xi \in (1, 3)$，满足定理要求。

本章小结

本节我们深入探讨了定积分的核心性质及其一个重要定理。

要点回顾：

• 保序性：函数大小的比较关系在积分后得以保持。
• 线性性：积分运算与常数乘法、函数加减法可交换，是强大的计算工具。
• 区间可加性：积分可以像“拼图”一样在子区间上拆分与组合，这是定义有向积分的基础。
• 有限点无关性：积分值由函数的整体趋势决定，有限个点的突变不影响结果。
• 绝对值不等式：为估计积分值提供了有效工具。
• 积分中值定理：对于连续函数，其区间上的积分平均值一定等于函数在某点的瞬时值，完美诠释了“平均”与“局部”的联系。

行动清单：

1. 性质验证：任选一个复杂函数，尝试利用线性性质和区间可加性，将其积分拆解为几个简单积分的组合并计算。
2. 定理应用：在理解积分中值定理证明的基础上，尝试用类似“最值夹逼+介值定理”的思路，去思考或证明其他数学命题。
3. 代码实践：运行讲义中的 Python 示例，修改函数 f(x) 和区间 [a, b]，观察积分中值定理在不同情况下的表现，直观理解“平均值”与“存在性”。

— 小象教研组