Riemann 积分 I:分割、上和下和与可积性
上一章的中值定理告诉我们:函数在一小段区间里如何变化,可以由某个点的导数控制。积分把问题换了一个方向。它不再问“这一点变化多快”,而是问“从 a a a 走到 b b b ,这些局部高度累计起来是多少”。
微积分课上,我们常把它叫作“曲线下的面积”。对一条平滑、始终在 x x x 轴上方的曲线,这个说法很有帮助:把底边切细,拿窄矩形去填,矩形面积之和似乎会越来越接近图形的面积。但这里藏着两个还没说明白的问题。函数如果有负值,谈的已不是普通面积,而是带符号的累计量;更关键的是,每个小矩形该取左端、右端还是中点的高度?若不同取法在分割再细之后仍能给出不同答案,“面积”这个直觉就没有替我们定义任何东西。
所以本章的目标不是给熟悉的积分公式换一套符号,而是把“切得足够细以后答案稳定”说成一条可以检验的数学陈述。它也会告诉我们:什么函数可以被这样累计,什么函数即使有界也会在任何尺度上持续捣乱。
从矩形近似到带标记的 Riemann 和
先固定一个闭区间 [ a , b ] [a,b] [ a , b ] ,其中 a < b a<b a < b ,并令 f : [ a , b ] → R f:[a,b]\to\mathbb R f : [ a , b ] → R 。一个分割 是有限点列
P = { x 0 , x 1 , … , x n } , a = x 0 < x 1 < ⋯ < x n = b . P=\{x_0,x_1,\ldots,x_n\},
\qquad
a=x_0<x_1<\cdots<x_n=b. P = { x 0 , x 1 , … , x
它把区间切成
I i = [ x i − 1 , x i ] , Δ x i = x i − x i − 1 > 0 , i = 1 , … , n . I_i=[x_{i-1},x_i],
\qquad
\Delta x_i=x_i-x_{i-1}>0,
\qquad i=1,\ldots,n. I i = [ x i − 1 , x
分割够不够细,不能只数分割点的个数。你完全可以在左边塞进一百个点,却把右边留下一段很长的区间;这时“矩形很多”并没有解决右边的粗糙误差。我们真正控制的是最宽的小段,称为分割的网格 :
∥ P ∥ = max 1 ≤ i ≤ n Δ x i . \lVert P\rVert=\max_{1\le i\le n}\Delta x_i. ∥ P ∥ = 1 ≤ i ≤ n max Δ x i .
在每一段 I i I_i I i 中任选一个标记点 ξ i ∈ I i \xi_i\in I_i ξ i ∈ I i ,对应的带标记 Riemann 和是
S ( f ; P , ξ ) = ∑ i = 1 n f ( ξ i ) Δ x i . S(f;P,\xi)=\sum_{i=1}^{n}f(\xi_i)\Delta x_i. S ( f ; P , ξ ) = i = 1 ∑ n f ( ξ
如果 f ≥ 0 f\ge0 f ≥ 0 ,每一项就是一个窄矩形的面积;如果 f < 0 f<0 f < 0 ,它就是一个向下的有向面积。这个符号约定不是小事:定积分保留了正负抵消的信息,几何面积则要在合适条件下再由 ∫ ∣ f ∣ \int |f| ∫ ∣ f ∣ 描述。
量词决定“稳定”到底有多强
我们称 f f f 在 [ a , b ] [a,b] [ a , b ] 上 Riemann 可积 ,当且仅当存在一个实数 I I I ,使得
∀ ε > 0 , ∃ δ > 0 , ∥ P ∥ < δ ⟹ ∣ S ( f ; P , ξ ) − I ∣ < ε \forall\varepsilon>0,\ \exists\delta>0,
\quad
\lVert P\rVert<\delta
\Longrightarrow
\left|S(f;P,\xi)-I\right|<\varepsilon ∀ ε > 0 , ∃ δ > 0 , ∥ P ∥ < δ ⟹ ∣ S ( f ; P ,
对每一个分割 P P P 及其每一种标记点选择都成立。此时记
∫ a b f ( x ) d x = I . \int_a^b f(x)\,dx=I. ∫ a b f ( x ) d x = I .
把这句话按顺序读一遍会很有用。对方先给出任意苛刻的误差 ε \varepsilon ε ;我们必须先交出一个统一的网格门槛 δ \delta δ ;之后对方可以挑任何网格小于 δ \delta δ 的分割,也可以在每个小段里任意挑标记点。所有这些和都得落在 I I I 的 ε \varepsilon ε 邻域内。定义要求的不是“我能找到一串分割让答案看上去收敛”,而是“只要最粗的小段足够短,任何取样都逃不出同一个答案”。
这个 I I I 不可能有两个。若 I , J I,J I , J 都满足定义,给定 ε > 0 \varepsilon>0 ε > 0 ,取二者对应的门槛中较小者,再任选一个网格更小的分割及一组标记点,就有
∣ I − J ∣ ≤ ∣ I − S ( f ; P , ξ ) ∣ + ∣ S ( f ; P , ξ ) − J ∣ < 2 ε . |I-J|
\le |I-S(f;P,\xi)|+|S(f;P,\xi)-J|
<2\varepsilon. ∣ I − J ∣ ≤ ∣ I − S ( f ; P , ξ ) ∣ + ∣ S ( f ;
由于 ε \varepsilon ε 可以任意小,I = J I=J I = J 。因此“积分值”是定义逼出来的唯一数,不是先靠图形猜到再补一句证明的数。
例题:任意取样仍会收敛的线性函数
证明 f ( x ) = 2 x + 1 f(x)=2x+1 f ( x ) = 2 x + 1 在 [ 0 , 2 ] [0,2] [ 0 , 2 ] 上可积,并求其积分。这里不许只取中点;每一段的标记点都可以任意选。
对任意分割 P P P ,把第 i i i 段的标记点写成中点加误差:
ξ i = x i − 1 + x i 2 + e i , ∣ e i ∣ ≤ Δ x i 2 ≤ ∥ P ∥ 2 . \xi_i=\frac{x_{i-1}+x_i}{2}+e_i,
\qquad
|e_i|\le\frac{\Delta x_i}{2}\le\frac{\lVert P\rVert}{2}. ξ
左端和、右端和、中点和只是所有 Riemann 和里的三种选法。它们在可积函数上会给出同一个极限,但“某一种取法收敛”本身不够;严格定义要求把所有取样选择一起控制住。
为什么无界函数立刻出局
若 f f f 在 [ a , b ] [a,b] [ a , b ] 上 Riemann 可积,它一定有界。理由和“任意标记点”有关。假设积分定义对误差 1 1 1 给出某个 δ > 0 \delta>0 δ > 0 ,取一个网格小于 δ \delta δ 的固定分割。若 f f f 无界,有限个小区间中至少有一个小区间上的函数值无界。先把其余小区间的标记点固定,再在这一个小区间里移动标记点;由于该段长度是正数, 可以把整个 Riemann 和推到任意远处。这与所有 Riemann 和都必须离积分值不足 矛盾。
这里的结论只说“可积必有界”。反过来不成立;后面会看到一个只取 0 0 0 和 1 1 1 的函数,仍然完全不可积。
上和、下和与两侧夹逼
直接用 Riemann 和证明存在性常常很别扭:你得先猜中目标 I I I ,再处理所有标记点。Darboux 的办法更像一场不必猜终点的对账:每个小区间上干脆把可能的最低高度和最高高度都算进去,让它们从下、上两侧夹住一切取样结果。
从这里起,f f f 都是 [ a , b ] [a,b] [ a , b ] 上的有界函数。对分割 P P P 的第 i i i 段,定义
m i = inf { f ( x ) : x ∈ I i } , M i = sup { f ( x ) : x ∈ I i } . m_i=\inf\{f(x):x\in I_i\},
\qquad
M_i=\sup\{f(x):x\in I_i\}. m i = inf { f ( x ) : x ∈ I i
有界性保证这些是有限实数;它们未必在区间内取到。定义下和与上和:
L ( P , f ) = ∑ i = 1 n m i Δ x i , U ( P , f ) = ∑ i = 1 n M i Δ x i . L(P,f)=\sum_{i=1}^{n}m_i\Delta x_i,
\qquad
U(P,f)=\sum_{i=1}^{n}M_i\Delta x_i. L ( P , f ) = i = 1 ∑ n m
每一种标记选择都满足
L ( P , f ) ≤ S ( f ; P , ξ ) ≤ U ( P , f ) . L(P,f)\le S(f;P,\xi)\le U(P,f). L ( P , f ) ≤ S ( f ; P , ξ ) ≤ U ( P , f ) .
而且这个夹逼是最紧的。比如给定 η > 0 \eta>0 η > 0 ,按上确界的定义,可在每段选 ξ i + \xi_i^+ ξ i + ,使
f ( ξ i + ) > M i − η n Δ x i . f(\xi_i^+)>M_i-\frac{\eta}{n\Delta x_i}. f ( ξ i + ) > M i − n Δ
对应 Riemann 和大于 U ( P , f ) − η U(P,f)-\eta U ( P , f ) − η 。因此 U ( P , f ) U(P,f) U ( P , f ) 是同一分割全部 Riemann 和的上确界;同理,L ( P , f ) L(P,f) L ( P , f ) 是它们的下确界。即使函数没有达到最高点,我们也总能把取样和逼近上和。
上和与下和的差有一个很直白的写法:
U ( P , f ) − L ( P , f ) = ∑ i = 1 n ( M i − m i ) Δ x i . U(P,f)-L(P,f)
=\sum_{i=1}^{n}(M_i-m_i)\Delta x_i. U ( P , f ) − L ( P , f ) = i = 1 ∑ n
括号里的 M i − m i M_i-m_i M i − m i 是函数在第 i i i 段的振幅。可积性的实质不在于某几个矩形画得好看,而在于能否把这些“振幅乘宽度”的总和压到任意小。
加细只会收紧夹逼
若分割 Q Q Q 包含 P P P 的全部分割点,称 Q Q Q 是 P P P 的加细 ,记作 P ⊆ Q P\subseteq Q P ⊆ Q 。它只是把原有小段继续切开,不会改掉旧的切口。
如果 Q Q Q 加细 P P P ,那么
L ( P , f ) ≤ L ( Q , f ) ≤ U ( Q , f ) ≤ U ( P , f ) . L(P,f)\le L(Q,f)\le U(Q,f)\le U(P,f). L ( P , f ) ≤ L ( Q , f ) ≤ U ( Q , f ) ≤ U ( P , f ) .
证明不需要图形直觉。把原来的一段 I = [ u , v ] I=[u,v] I = [ u , v ] 切成若干段 J 1 , … , J k J_1,\ldots,J_k J 1 , … , J k 。每个 ,所以
sup J j f ≤ sup I f , inf J j f ≥ inf I f . \sup_{J_j}f\le\sup_I f,
\qquad
\inf_{J_j}f\ge\inf_I f. J j sup f ≤ I sup
将第一个不等式分别乘以 ∣ J j ∣ |J_j| ∣ J j ∣ 并相加,得到加细后这一整段贡献的上和不超过原贡献;对下确界做同样的事,方向相反。把每一段的结果相加,便得到全区间的四个不等式。
这里有个容易误会的地方:加细并不保证上和和下和已经很接近。它只保证上和不会变坏、下和不会变坏。要证明可积,我们还得找到某些真正能把差距压小的分割。
所有下和与所有上和之间没有交叉
令 P , Q P,Q P , Q 是任意两个分割,取它们所有分割点的并集 R = P ∪ Q R=P\cup Q R = P ∪ Q 。这是二者的共同加细,因此
L ( P , f ) ≤ L ( R , f ) ≤ U ( R , f ) ≤ U ( Q , f ) . L(P,f)\le L(R,f)\le U(R,f)\le U(Q,f). L ( P , f ) ≤ L ( R , f ) ≤ U ( R , f ) ≤ U ( Q , f ) .
特别地,任意一个下和都不超过任意一个上和。这正好允许我们把所有可能的下和和上和分别压缩为两个数:
I ∗ ( f ) = sup { L ( P , f ) : P 是 [ a , b ] 的分割 } , I_*(f)=\sup\{L(P,f):P\text{ 是 }[a,b]\text{ 的分割}\}, I ∗ ( f ) = sup { L ( P , f ) : P 是 [ a , b ] 的分割 } ,
I ∗ ( f ) = inf { U ( P , f ) : P 是 [ a , b ] 的分割 } . I^*(f)=\inf\{U(P,f):P\text{ 是 }[a,b]\text{ 的分割}\}. I ∗ ( f ) = inf { U ( P , f ) : P 是 [ a , b ] 的分割 } .
前者叫下积分,后者叫上积分,且永远有 I ∗ ( f ) ≤ I ∗ ( f ) I_*(f)\le I^*(f) I ∗ ( f ) ≤ I ∗ ( f ) 。若它们相等,就称 f f f 在 [ a , b ] [a,b] [ a , 上 ,共同值记为 。
这一定义也解释了“面积”该怎样被严肃地使用:对于非负函数,任何合理的累计量都必须不小于每个下和且不大于每个上和。只有两边最终夹到同一个数,才有一个不依赖分割的值可称为面积;若两边留着正的缝隙,我们就不假装已经定义出了一个值。
可积性判据与两种定义的会合
对有界函数,最常用的判据是
f 在 [ a , b ] 上可积 ⟺ ∀ ε > 0 , ∃ P , U ( P , f ) − L ( P , f ) < ε . f\text{ 在 }[a,b]\text{ 上可积}
\Longleftrightarrow
\forall\varepsilon>0,\ \exists P,
\quad U(P,f)-L(P,f)<\varepsilon. f 在 [ a , b ] 上可积 ⟺ ∀ ε > 0 , ∃ P , U ( P , f ) −
右边只要求“找到一把好刀”,看起来比 Riemann 定义宽松;真正的内容是,加细和有界性会把这把好刀的力量传递给所有足够细的分割。
先证明它与上下积分相等是同一件事。若 I ∗ ( f ) = I ∗ ( f ) = I I_*(f)=I^*(f)=I I ∗ ( f ) = I ∗ ( f ) = I ,给定 ε > 0 \varepsilon>0 ε > 0 ,可以找 ,使
L ( P 1 , f ) > I − ε 2 , U ( P 2 , f ) < I + ε 2 . L(P_1,f)>I-\frac{\varepsilon}{2},
\qquad
U(P_2,f)<I+\frac{\varepsilon}{2}. L ( P 1 , f ) > I − 2 ε
取共同加细 P = P 1 ∪ P 2 P=P_1\cup P_2 P = P 1 ∪ P 2 ,加细单调性给出
U ( P , f ) − L ( P , f ) < ε . U(P,f)-L(P,f)<\varepsilon. U ( P , f ) − L ( P , f ) < ε .
反过来,若某个 P P P 已使差小于 ε \varepsilon ε ,则
L ( P , f ) ≤ I ∗ ( f ) ≤ I ∗ ( f ) ≤ U ( P , f ) , L(P,f)\le I_*(f)\le I^*(f)\le U(P,f), L ( P , f ) ≤ I ∗ ( f ) ≤ I ∗ ( f ) ≤
从而 0 ≤ I ∗ ( f ) − I ∗ ( f ) < ε 0\le I^*(f)-I_*(f)<\varepsilon 0 ≤ I ∗ ( f ) − I ∗ ( f ) < ε 。这对任意正误差成立,两个积分只能相等。
为什么这也保证任意取样的 Riemann 和
两种说法确实等价。下面把最容易被略过的统一控制补出来。
先设 ∣ f ( x ) ∣ ≤ B |f(x)|\le B ∣ f ( x ) ∣ ≤ B ,并已有一个好分割 P 0 P_0 P 0 ,使 U ( P 0 , f ) − L ( P 0 , f ) < ε / 3 U(P_0,f)-L(P_0,f)<\varepsilon/3 U ( P 。设 有 个内部切点。若把 个点插入另一个分割 ,每插入一个点,至多把某一段的上和减少 ,把下和增加同样的量;连续插入后有
U ( P , f ) − U ( P ∪ P 0 , f ) ≤ 2 B r ∥ P ∥ , U(P,f)-U(P\cup P_0,f)\le2Br\lVert P\rVert, U ( P , f ) − U ( P ∪ P 0 , f ) ≤ 2 B r ∥ P ∥ ,
L ( P ∪ P 0 , f ) − L ( P , f ) ≤ 2 B r ∥ P ∥ . L(P\cup P_0,f)-L(P,f)\le2Br\lVert P\rVert. L ( P ∪ P 0 , f ) − L ( P , f ) ≤ 2 B r ∥ P ∥ .
原因是同一小段上函数值始终落在 [ − B , B ] [-B,B] [ − B , B ] ,高度最多相差 2 B 2B 2 B ,而每次被切开的段长至多为 ∥ P ∥ \lVert P\rVert ∥ P ∥ 。取 ∥ P ∥ \lVert P\rVert ∥ P ∥ 足够小,再利用 P ∪ P 0 P\cup P_0 P ∪ P 同时是 的加细,就能得到
U ( P , f ) − L ( P , f ) < ε . U(P,f)-L(P,f)<\varepsilon. U ( P , f ) − L ( P , f ) < ε .
任意 Riemann 和夹在这两个数之间,便都靠近共同的上下积分。反方向也成立:若所有足够细分割的任意 Riemann 和都靠近 I I I ,就在同一个分割中分别选取近似上确界和近似下确界的标记点。两种取样和都靠近 I I I ,就迫使 U ( P , f ) − L ( P , f ) U(P,f)-L(P,f) U ( P , f ) − L ( P , f ) 很小。这里不能直接声称“上和一定能取到”;我们用“任意接近上确界或下确界”的标记点即可。
因此,闭区间有界函数的 Riemann 可积性与 Darboux 可积性完全相同。之后我们会更多使用上下和判据,因为它不需要预先猜出积分值。
例题:用上下和算出平方函数的积分
令 P n = { 0 , 1 / n , 2 / n , … , 1 } P_n=\{0,1/n,2/n,\ldots,1\} P n = { 0 , 1/ n , 2/ n , … , 1 } ,研究 f ( x ) = x 2 f(x)=x^2 f ( x ) = 在 上的上下和。它单调递增,所以每段的下确界在左端、上确界在右端。
L ( P n , f ) = 1 n 3 ∑ i = 1 n ( i − 1 ) 2 = ( n − 1 ) n ( 2 n − 1 ) 6 n 3 , L(P_n,f)=\frac{1}{n^3}\sum_{i=1}^n(i-1)^2
=\frac{(n-1)n(2n-1)}{6n^3}, L ( P n , f ) = n 3
U ( P n , f ) = 1 n 3 ∑ i = 1 n i 2 = n ( n + 1 ) ( 2 n + 1 ) 6 n 3 . U(P_n,f)=\frac{1}{n^3}\sum_{i=1}^n i^2
=\frac{n(n+1)(2n+1)}{6n^3}. U ( P n , f ) = n 3
两者之差尤其干净:
U ( P n , f ) − L ( P n , f ) = 1 n 3 ∑ i = 1 n ( i 2 − ( i − 1 ) 2 ) = 1 n . U(P_n,f)-L(P_n,f)
=\frac{1}{n^3}\sum_{i=1}^n\bigl(i^2-(i-1)^2\bigr)
=\frac{1}{n}. U ( P n , f ) − L ( P n
它趋于 0 0 0 ,而上下和都趋于 1 / 3 1/3 1/3 ,故
∫ 0 1 x 2 d x = 1 3 . \int_0^1x^2\,dx=\frac13. ∫ 0 1 x 2 d x = 3 1 .
这里并没有把反导数公式当前提;积分值是先由上下夹逼确定的。下一章会解释为什么它恰好与 x 3 / 3 x^3/3 x 3 /3 的端点差相同。
哪些函数能把振幅压下去
连续函数可积
连续函数在闭区间上可积。关键不是笼统地说“曲线很平滑”,而是第 11 章得到的一致连续性 :给定 η > 0 \eta>0 η > 0 ,存在 δ > 0 \delta>0 δ > 0 ,使任意 x , y ∈ [ a , b ] x,y\in[a,b] x , y ∈ [ a , b ] 满足 ∣ x − y ∣ < δ |x-y|<\delta 时,都有 。
给定 ε > 0 \varepsilon>0 ε > 0 ,取 η = ε / [ 2 ( b − a ) ] \eta=\varepsilon/[2(b-a)] η = ε / [ 2 ( b − a )] ,再取网格小于对应 δ \delta δ 的分割。每个小区间内任意两点的函数值之差都小于 η \eta η ,故
M i − m i ≤ η . M_i-m_i\le\eta. M i − m i ≤ η .
于是
U ( P , f ) − L ( P , f ) ≤ ∑ i = 1 n η Δ x i = η ( b − a ) = ε 2 < ε . U(P,f)-L(P,f)
\le\sum_{i=1}^n\eta\Delta x_i
=\eta(b-a)
=\frac{\varepsilon}{2}<\varepsilon. U ( P , f ) − L ( P , f ) ≤ i = 1 ∑ n
可积性判据立即适用。请留意证明的形状:我们需要的是同一个 δ \delta δ 同时控制区间内所有小段的振幅;只知道“每一点各自连续”,却没有闭区间与一致连续性这层保证,论证就还没有完成。
单调函数也可积,哪怕它会跳
设 f f f 在 [ a , b ] [a,b] [ a , b ] 上单调不减。它自动有界,并且对任意分割,
m i = f ( x i − 1 ) , M i = f ( x i ) . m_i=f(x_{i-1}),
\qquad M_i=f(x_i). m i = f ( x i − 1 ) , M i
所以
U ( P , f ) − L ( P , f ) = ∑ i = 1 n ( f ( x i ) − f ( x i − 1 ) ) Δ x i ≤ ∥ P ∥ ∑ i = 1 n ( f ( x i ) − f ( x i − 1 ) ) = ∥ P ∥ ( f ( b ) − f ( a ) ) . \begin{aligned}
U(P,f)-L(P,f)
&=\sum_{i=1}^n\bigl(f(x_i)-f(x_{i-1})\bigr)\Delta x_i\\
&\le\lVert P\rVert\sum_{i=1}^n\bigl(f(x_i)-f(x_{i-1})\bigr)\\
&=\lVert P\rVert\bigl(f(b)-f(a)\bigr).
\end{aligned}
右边随网格趋于 0 0 0 ,故 f f f 可积。单调不增时对 − f -f − f 使用同一论证即可。
这揭开一个重要边界:连续性足以保证可积,但不是必要条件。阶跃函数在跳点处不连续,仍然可积;它的麻烦可以被压进很短的几个小区间,误差不会铺满整个区间。
有限个坏点可以被隔离
更一般地,若有界函数在 [ a , b ] [a,b] [ a , b ] 上除了有限个点外都连续,它仍可积。取一个正数 B B B ,使 ∣ f ∣ ≤ B |f|\le B ∣ f ∣ ≤ B ,把这些不连续点各用一个很短的开区间盖住,并使这些小区间长度总和小于 ε / ( 4 B ) \varepsilon/(4B) ε / ( 4 B ) 。在这些“坏区间”里,振幅至多为 2 B 2B 2 ,对上下和差的总贡献小于 。
删去坏区间后,剩下有限个闭区间;函数在每一段上连续,因而可统一控制振幅。把这些好区间再切细,使它们贡献的上下和差小于 ε / 2 \varepsilon/2 ε /2 ,并把所有覆盖端点都放入分割。合起来便有 U − L < ε U-L<\varepsilon U − L < ε 。这个证明的策略很实用:少数局部毛刺不必被消灭,只要能关进总宽度足够小的盒子里,它们的总影响就会消失。
例题:一个点被改掉,积分不跟着跳
在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上定义
g ( x ) = { 5 , x = 1 3 , 0 , x ≠ 1 3 . g(x)=
\begin{cases}
5,&x=\frac13,\\
0,&x\ne\frac13.
\end{cases} g ( x ) = { 5 , 0 , x =
它在 1 / 3 1/3 1/3 处不连续。给定 ε > 0 \varepsilon>0 ε > 0 ,取 h > 0 h>0 h > 0 ,使 10 h < ε 10h<\varepsilon 10 h < ε 且 h < 1 / 3 h<1/3 h < ,并使用分割
{ 0 , 1 3 − h , 1 3 + h , 1 } . \left\{0,\frac13-h,\frac13+h,1\right\}. { 0 , 3 1 − h , 3 1 + h , 1 }
除去中间那一段,函数恒为 0 0 0 ;中间段长度为 2 h 2h 2 h ,上确界为 5 5 5 、下确界为 0 0 0 。因此
U ( P , g ) − L ( P , g ) = 5 ⋅ 2 h = 10 h < ε . U(P,g)-L(P,g)=5\cdot2h=10h<\varepsilon. U ( P , g ) − L ( P , g ) = 5 ⋅ 2 h = 10 h < ε .
所以 g g g 可积。又每个下和都是 0 0 0 ,故下积分为 0 0 0 ;上积分也能任意接近 0 0 0 ,从而
∫ 0 1 g ( x ) d x = 0. \int_0^1g(x)\,dx=0. ∫ 0 1 g ( x ) d x = 0.
这个结论不是说“不连续没有影响”,而是说一个孤立点没有宽度。Riemann 积分累计的是高度乘区间长度;把有限个点的函数值改得再大,只要仍是有限实数,也不会改变积分。
反例:有界仍然可能完全不可积
定义 D : [ a , b ] → R D:[a,b]\to\mathbb R D : [ a , b ] → R :
D ( x ) = { 1 , x ∈ Q , 0 , x ∉ Q . D(x)=
\begin{cases}
1,&x\in\mathbb Q,\\
0,&x\notin\mathbb Q.
\end{cases} D ( x ) = { 1 , 0 , x ∈ Q , x
它只取 0 0 0 和 1 1 1 ,有界得不能再有界。可是在每一个非退化小区间里,既有有理数也有无理数。因此不管分割怎样选,每一段都满足
m i = 0 , M i = 1. m_i=0,
\qquad M_i=1. m i = 0 , M i = 1.
于是
L ( P , D ) = 0 , U ( P , D ) = ∑ i = 1 n Δ x i = b − a . L(P,D)=0,
\qquad
U(P,D)=\sum_{i=1}^n\Delta x_i=b-a. L ( P , D ) = 0 , U ( P , D ) = i = 1 ∑ n
上下和的差永远是 b − a b-a b − a ,不可能缩到任意小。D D D 不可 Riemann 积分。
“把分割切得更细”不是魔法。对这个函数,无论把镜头放大到什么程度,每一个小窗口里仍同时出现 0 0 0 和 1 1 1 ;振幅从不缩小,所有上下矩形之间始终留着同样宽的缝。
反过来,“有无穷多个不连续点”也不能单独判死刑。比如在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上令 t ( x ) = 0 t(x)=0 t ( x ) = 0 (当 x x x 无理),并在既约分数 p / q p/q p / q 处令 t ( p / q ) = 1 / q t(p/q)=1/q t ( p 。给定 ,先取 使 。分母小于 的既约分数在 内只有有限个;用总长度小于 的小区间把它们全部盖住。覆盖外的有理点函数值至多为 ,无理点函数值为 ,故可选分割使上和小于 。每段都有无理数,所以下和始终为 ,从而 可积且积分为 。
这两个例子放在一起,才看得出真正的判据在问什么:不是间断点“有几个”,而是函数的剧烈振荡能不能被集中到总宽度很小的区域内。更精细的完全刻画需要后续理论;本章只把能够直接用上下和证明的边界讲清楚。
练习
设 f ( x ) = 3 x − 2 f(x)=3x-2 f ( x ) = 3 x − 2 ,在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上取等分分割 P n = { 0 , 1 / n , … , 1 } P_n=\{0,1/n,\ldots,1\} P n 。求 、 ,并由此求积分。
查看解答 函数单调递增,故第 i i i 段的下确界是 3 ( i − 1 ) / n − 2 3(i-1)/n-2 3 ( i − 1 ) / n − 2 ,上确界是 3 i / n − 2 3i/n-2 3 i / n − 2 。于是
L ( P n , f ) = 1
在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上令 h ( 1 / 2 ) = 4 h(1/2)=4 h ( 1/2 ) = 4 ,其余点 h ( x ) = 0 h(x)=0 h ( x ) = 0 。只用上下和判据证明 h h h 可积,并求积分。
查看解答 给定 ε > 0 \varepsilon>0 ε > 0 ,取 r > 0 r>0 r > 0 满足 r < 1 / 2 r<1/2 r < 1/2 且 8 r < ε 8r<\varepsilon 8 r < ε ,并令
用上下和判据证明前文的 D ( x ) = 1 Q ( x ) D(x)=\mathbf 1_{\mathbb Q}(x) D ( x ) = 1 Q ( x ) 在任意非退化闭区间 [ a , b ] [a,b] [ a , b ] 上不可积。
查看解答 任取分割 P P P 。每一个小区间 [ x i − 1 , x i ] [x_{i-1},x_i] [ x i − 1 , x i ] 的长度为正,而有理数和无理数都稠密;因此这一段上既取到 1 1 1 又取到 0 0 0 。于是
设 ∣ f ( x ) ∣ ≤ B |f(x)|\le B ∣ f ( x ) ∣ ≤ B ,其中 B > 0 B>0 B > 0 ,而分割 P 0 P_0 P 0 有 r ≥ 1 r\ge1 r 个内部切点,且 。证明:若
∥ P ∥ < ε 6 B r , \lVert P\rVert<\frac{\varepsilon}{6Br}, ∥ P ∥ < 6 B r ε ,
则 U ( P , f ) − L ( P , f ) < ε U(P,f)-L(P,f)<\varepsilon U ( P , f ) − L ( P , f ) < ε 。
查看解答 令 Q = P ∪ P 0 Q=P\cup P_0 Q = P ∪ P 0 。从 P P P 变到 Q Q Q 至多插入 r r r 个点。每次插点时,受影响的一段长度至多为 ∥ P ∥ \lVert P\rVert ,该段上任意两个函数值之差至多为 ,故
定义 s ( 0 ) = 0 s(0)=0 s ( 0 ) = 0 ,并对 0 < x ≤ 1 0<x\le1 0 < x ≤ 1 定义 s ( x ) = sin ( 1 / x ) s(x)=\sin(1/x) s ( x ) = sin ( 1/ x ) 。证明 s 在 上可积,不必求积分值。
查看解答 函数满足 ∣ s ( x ) ∣ ≤ 1 |s(x)|\le1 ∣ s ( x ) ∣ ≤ 1 。给定 ε > 0 \varepsilon>0 ε > 0 ,先取 c > 0 c>0 c > 0 使 2 c < ε / 2 2c<\varepsilon/2 2 c < ε 。在短区间 上,振幅至多为 ,因此无论怎样分割,这部分对上下和差的贡献至多为
走向积分规则与基本定理
现在我们已经能精确地说“积分存在”:所有足够细、任意取样的和趋向同一个数;等价地,上和与下和可以被压得任意接近。连续函数、单调函数以及有限处不连续的有界函数都通过了这道检验,而有理数和无理数在每一小段里持续混杂的函数没有通过。
下一章不再重新定义积分,而是研究这个已经存在的数如何运算:为什么积分保留加法和比较,怎样拆分区间,以及为什么连续函数的变上限积分在相应点可导。到那时,微积分基本定理才会以带着完整条件的形式出现,而不只是“积分和求导互相抵消”的口号。