{
  "id": "riemann-sum",
  "title": "黎曼和",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "黎曼和将各子区间内的函数值与相应区间宽度相乘后求和，用以近似积分。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "黎曼求和"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/riemann-sum/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/riemann-sum/",
      "json": "https://aiwiki.page/en/riemann-sum.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "黎曼和是微积分中用于近似定积分的有限加权和。其构造方法是将一个区间划分为若干较小的子区间，在每个子区间内选取一点，计算该点处的函数值，再将这些函数值与相应子区间宽度的乘积相加。从几何上看，各项表示带符号的矩形面积。在适当条件下，这些和的极限定义了黎曼积分。这一构造以波恩哈德·黎曼的名字命名。(math.hmc.edu)"
    },
    {
      "heading": "定义与记号",
      "text": "设 \\(f:[a,b]\\to\\mathbb{R}\\) 是一个取值为实数的函数，其中 \\(a<b\\)。一个区间划分是如下有序点列：\n\n\\[P:\\quad a=x_0<x_1<\\cdots<x_n=b.\\]\n\n记 \\(\\Delta x_i=x_i-x_{i-1}\\)。在每个子区间内选取一个标记点，也称采样点，\\(\\xi_i\\in[x_{i-1},x_i]\\)。相应的黎曼和为\n\n\\[S(f;P,\\xi)=\\sum_{i=1}^{n}f(\\xi_i)\\Delta x_i.\\]\n\n各子区间的宽度不必相等，标记点也不必遵循任何固定规则选取，或采用随机方式选取。一个划分连同其标记点称为带标记的划分。(math.hmc.edu)\n\n划分的网格大小是其中最大的子区间宽度：\n\n\\[\\|P\\|=\\max_{1\\le i\\le n}\\Delta x_i.\\]\n\n这一量决定了近似的精细程度。仅仅增加子区间的数量，并不能保证每个子区间的宽度都变小：即使其他子区间被反复细分，仍可能留下一个较大的子区间。因此，一般的收敛性结论要求 \\(\\|P\\|\\to0\\)，而不只是 \\(n\\to\\infty\\)。(openstax.org)"
    },
    {
      "heading": "常见的采样规则",
      "text": "对于等距划分，\n\n\\[h=\\frac{b-a}{n},\\qquad x_i=a+ih.\\]\n\n三种标准的采样方式给出以下各和：\n\n\\[\\begin{aligned} L_n&=h\\sum_{i=1}^{n}f(x_{i-1}),\\\\ R_n&=h\\sum_{i=1}^{n}f(x_i),\\\\ M_n&=h\\sum_{i=1}^{n} f\\!\\left(\\frac{x_{i-1}+x_i}{2}\\right). \\end{aligned}\\]\n\n它们分别称为左端点和、右端点和与中点和。三者的区别仅在于每个子区间内采样位置的不同。(math.hmc.edu)\n\n对于递增的单调函数，左端点和低估其积分，右端点和高估其积分；对于递减函数，不等式方向则相反。如果函数不具有单调性，仅凭端点的选择无法确定误差的方向。若无进一步假设，中点和也不一定始终高于或低于积分值。(math.hmc.edu)\n\n梯形法则取两个端点和的平均值：\n\n\\[T_n=\\frac{L_n+R_n}{2}.\\]\n\n其通常的几何解释使用梯形而非矩形，因此有别于每个子区间只取一个采样点的标准黎曼和构造。(openstax.org)"
    },
    {
      "heading": "收敛性与可积性",
      "text": "如果存在一个数 \\(I\\)，使得对任意 \\(\\varepsilon>0\\)，都存在某个 \\(\\delta>0\\)，满足：对于每一个网格大小为 \\(\\|P\\|<\\delta\\) 的带标记划分，都有\n\n\\[|S(f;P,\\xi)-I|<\\varepsilon,\\]\n\n则称有界函数 \\(f\\) 在 \\([a,b]\\) 上黎曼可积。这一要求涵盖所有足够精细的划分以及所有标记点的选择，而不只是某个便于计算的和序列。数 \\(I\\) 记作 \\(\\int_a^b f(x)\\,dx\\)。(math.ucdavis.edu)\n\n闭有界区间上的每个连续函数都可积。有界单调函数以及只有有限个不连续点的有界函数也都可积。更一般地，勒贝格判据指出：一个有界函数黎曼可积，当且仅当其不连续点构成一个零测集，即勒贝格测度为零的集合。(math.ucdavis.edu)\n\n作为对比，考虑定义在 \\([0,1]\\) 上的函数：它在每个有理数处取值为 \\(1\\)，在其他点处取值为 \\(0\\)。无论网格大小变得多小，选取有理数作为标记点得到的和都等于 \\(1\\)，选取无理数作为标记点得到的和则都等于 \\(0\\)。因此，这个函数没有黎曼积分，但其勒贝格积分为零。(math.ucdavis.edu)"
    },
    {
      "heading": "上和与下和",
      "text": "达布和用函数在各子区间上的界来代替选定的函数值。定义\n\n\\[m_i=\\inf_{[x_{i-1},x_i]}f,\\qquad u_i=\\sup_{[x_{i-1},x_i]}f.\\]\n\n下和与上和分别为\n\n\\[\\mathcal L(f,P)=\\sum_i m_i\\Delta x_i,\\qquad \\mathcal U(f,P)=\\sum_i u_i\\Delta x_i.\\]\n\n每个带标记的黎曼和都介于这两个量之间。一个有界函数可积，当且仅当可以通过选取划分，使 \\(\\mathcal U(f,P)-\\mathcal L(f,P)\\) 任意小。这给出了一个无须预先知道积分值的可积性判据。(math.libretexts.org)\n\n函数不一定能取到其下确界和上确界。因此，达布上和与下和本身不一定是带标记的黎曼和，尽管它们给出了同一划分下所有这类和的上下界。(math.libretexts.org)"
    },
    {
      "heading": "示例与数值精度",
      "text": "对于 \\([0,1]\\) 上的多项式 \\(f(x)=x^2\\)，采用等距划分并在右端点采样，得到\n\n\\[R_n=\\frac1n\\sum_{i=1}^{n}\\left(\\frac{i}{n}\\right)^2 =\\frac{n(n+1)(2n+1)}{6n^3} =\\frac13+\\frac{1}{2n}+\\frac{1}{6n^2}.\\]\n\n因此 \\(R_n\\to1/3\\)。对左端点采用同样的求和计算，可得\n\n\\[L_n=\\frac13-\\frac{1}{2n}+\\frac{1}{6n^2}.\\]\n\n尽管有限项的近似值不同，两者都趋于同一个积分值。这是标准平方和计算在单位区间上的应用。(openstax.org)\n\n在数值分析中，收敛性与误差估计是两个不同的问题：收敛性确定极限值，而误差界则量化有限计算的精度。如果 \\(f\\) 具有连续的二阶导数，且 \\(|f''(x)|\\le K\\)，则等距划分下的中点法则满足\n\n\\[\\left|\\int_a^b f(x)\\,dx-M_n\\right| \\le \\frac{K(b-a)^3}{24n^2}.\\]\n\n用大O记号表示的 \\(O(n^{-2})\\) 误差界描述了随着划分细化，所保证的误差上限如何减小。因此，黎曼和既可用于定义积分，也可在无法求得原函数或原函数难以表达时用于实际的近似计算。(openstax.org)"
    }
  ],
  "links": [
    "calculus",
    "integral",
    "mathematical-function",
    "limit",
    "riemann-integral",
    "bernhard-riemann",
    "real-number",
    "midpoint-rule",
    "monotonic-function",
    "trapezoidal-rule",
    "continuous-function",
    "null-set",
    "lebesgue-measure",
    "rational-number",
    "lebesgue-integral",
    "polynomial",
    "numerical-analysis",
    "derivative",
    "big-o-notation",
    "antiderivative"
  ],
  "sources": [
    {
      "title": "math.hmc.edu/calculus/hmc-mathematics-calculus-online-tutorials/single-variable…",
      "url": "https://math.hmc.edu/calculus/hmc-mathematics-calculus-online-tutorials/single-variable-calculus/riemann-sums/"
    },
    {
      "title": "openstax.org/books/calculus-volume-2/pages/1-2-the-definite-integral",
      "url": "https://openstax.org/books/calculus-volume-2/pages/1-2-the-definite-integral?modal=MH"
    },
    {
      "title": "openstax.org/books/calculus-volume-2/pages/3-6-numerical-integration",
      "url": "https://openstax.org/books/calculus-volume-2/pages/3-6-numerical-integration"
    },
    {
      "title": "math.ucdavis.edu/~hunter/m125b/ch1.pdf",
      "url": "https://www.math.ucdavis.edu/~hunter/m125b/ch1.pdf"
    },
    {
      "title": "math.libretexts.org/Bookshelves/Analysis/Introduction_to_Real_Analysis_%28Trenc…",
      "url": "https://math.libretexts.org/Bookshelves/Analysis/Introduction_to_Real_Analysis_%28Trench%29/03%3A_Integral_Calculus_of_Functions_of_One_Variable/3.00%3A_Definition_of_the_Integral"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}