# 用黎曼和近似面积

> AP 微积分 BC · 积分与变化的累积
> 来源: https://www.owlsprep.com/zh/study/ap-calculus-bc-u6-approximating-areas-with-riemann-sums/

本教程讲解用于近似曲线下面积的左、右、中点、梯形黎曼和，涵盖等分子区间和不等分子区间两种情况。你将学习西格玛记号、高估/低估判断规则，以及AP考试解题策略。

**先修:** 有限和计算与西格玛记号; 单调函数性质与凹凸性; 矩形与梯形的基本面积公式

## 学习目标

- 计算等分子区间和不等分子区间的左、右、中点、梯形黎曼和
- 用西格玛记号写出黎曼和，并根据给定西格玛表达式判断和的类型
- 根据函数单调性和凹凸性，判断黎曼和是高估还是低估
- 在AP考试实际应用题中运用黎曼和方法

## 黎曼和的核心思想

用黎曼和近似面积是在定义精确定积分之前，发展出的求曲线 $y=f(x)$、$x$轴、两条竖线 $x=a$ 和 $x=b$ 围成面积的基础数值方法。在AP微积分BC考试中，该知识点同时出现在选择题和自由问答题部分。

**黎曼和近似法** — 将区间 $[a,b]$ 拆分为 $n$ 个更小的子区间，用简单几何图形近似每个子区间上的面积，再将所有小面积相加。随着 $n$ 增大，近似结果会趋近于真实面积。

*记法:* RAM (Rectangle Approximation Method)

这个过程直接引出了定积分的极限定义，当无法找到原函数计算精确面积时就会使用该方法。在AP考试中，题目会要求你计算近似值、用西格玛记号写出和、判断高估/低估，以及在实际情境中运用该方法。

## 等分子区间黎曼和

AP考试中最常见的情况就是等宽子区间的黎曼和。将区间 $[a,b]$ 拆分为 $n$ 个子区间后，每个子区间的宽度为：

$$\Delta x = \frac{b-a}{n}$$

我们将端点标记为 $x_i = a + i\Delta x$ 对于 $i=0,1,...,n$，因此第 $i$ 个子区间是 $[x_{i-1}, x_i]$。共有四种标准类型：

- **左黎曼和**: 高度 = 左端点: $L_n = \Delta x \sum_{i=1}^n f(x_{i-1})$
- **右黎曼和**: 高度 = 右端点: $R_n = \Delta x \sum_{i=1}^n f(x_i)$
- **中点黎曼和**: 高度 = 子区间中点: $M_n = \Delta x \sum_{i=1}^n f\left(\frac{x_{i-1}+x_i}{2}\right)$
- **梯形和**: Uses trapezoids: $T_n = \frac{\Delta x}{2}\left[f(x_0) + 2f(x_1) + ... + 2f(x_{n-1}) + f(x_n)\right]$

偏差（高估/低估）遵循基于函数性质的简单规则：

- 单调函数（左/右和）：递增 $f$ → 左和 = 低估，右和 = 高估；递减 $f$ → 左和 = 高估，右和 = 低估
- 凹凸性（中点/梯形和）：凹向上 $f$ → 梯形和 = 高估，中点和 = 低估；凹向下 $f$ → 梯形和 = 低估，中点和 = 高估

**例题:** Approximate the area under $f(x) = x^2 + 1$ on $[0, 2]$ using 4 equal subintervals. Calculate (a) Left, (b) Right, (c) Midpoint Riemann Sum.

1. First calculate $\Delta x$:
2. $$\Delta x = \frac{2-0}{4} = 0.5$$
3. List endpoints and $f(x)$ values: $x_0=0, x_1=0.5, x_2=1.0, x_3=1.5, x_4=2.0$ → $f(0)=1, f(0.5)=1.25, f(1)=2, f(1.5)=3.25, f(2)=5$
4. (a) Left Sum uses endpoints $x_0$ to $x_3$:
5. $$L_4 = 0.5\left(1 + 1.25 + 2 + 3.25\right) = 3.75$$
6. (b) Right Sum uses endpoints $x_1$ to $x_4$:
7. $$R_4 = 0.5\left(1.25 + 2 + 3.25 + 5\right) = 5.75$$
8. (c) Midpoints are $0.25, 0.75, 1.25, 1.75$, with $f$ values $1.0625, 1.5625, 2.5625, 4.0625$:
9. $$M_4 = 0.5\left(1.0625 + 1.5625 + 2.5625 + 4.0625\right) = 4.625$$

> **考试提示:** 在AP考试中，计算前一定要明确标记出从 $x_0$ 到 $x_n$ 的所有端点，这能避免混淆左右端点这个常见错误。

## 西格玛记号表示的黎曼和

AP考试经常要求你用西格玛记号写出黎曼和，或者识别给定西格玛形式的和的类型。等分子区间的一般形式为：

$$\text{Area} \approx \Delta x \sum_{i=1}^n f(x_i^*)$$

其中 $x_i^*$ 是第 $i$ 个子区间中的样本点（左、右、中点）。AP考试一个常见的出题陷阱是偏移下标来考察你是否能识别：一定要检查首项和末项，确认你使用的端点是否正确。

**例题:** Write the right Riemann sum for $f(x) = \ln x$ on $[1, 5]$ with 8 equal subintervals in sigma notation. Then identify the sum $\frac{1}{2} \sum_{i=0}^7 \ln\left(1 + \frac{i}{2}\right)$.

1. Calculate $\Delta x$:
2. $$\Delta x = \frac{5-1}{8} = \frac{1}{2}$$
3. For a right sum, the $i$-th right endpoint (for $i=1$ to $8$) is $x_i = 1 + \frac{i}{2}$.
4. Substitute into the general formula to get the right sum:
5. $$\frac{1}{2} \sum_{i=1}^8 \ln\left(1 + \frac{i}{2}\right)$$
6. For the given sum, index runs from $i=0$ to $7$. First term is $\ln(1)$ (left endpoint of first interval), last term is $\ln(4.5)$ (left endpoint of last interval). This is a left Riemann sum with 8 equal subintervals.

> **考试提示:** 一定要检查西格玛的起始下标：对于 $n$ 个子区间，起始于 $i=0$ 终止于 $n-1$ 的和一定是左和，而起始于 $i=1$ 终止于 $n$ 的一定是右和。

## 不等分子区间黎曼和

很多AP自由问答题会给出非等间距点的函数值表格，要求计算黎曼和近似。对于不等分子区间，每个子区间 $[x_{i-1}, x_i]$ 有自己的宽度 $\Delta x_i = x_i - x_{i-1}$。分别计算每个面积，再将所有结果相加即可。这种情况在测量间隔不规律的实际应用题中非常常见。

**例题:** The table below gives values of a decreasing function $v(t)$, velocity of a car in mph, at times $t$ in hours:

| t | 0 | 1 | 3 | 6 |
|---|---|---|---|---|
| v(t) | 60 | 52 | 45 | 38 |

Approximate total distance traveled from $t=0$ to $t=6$ using a left Riemann sum, and state if it is over or under estimate.

1. List subintervals and calculate each width: $[0,1], [1,3], [3,6]$ → $\Delta x_1=1$, $\Delta x_2=2$, $\Delta x_3=3$
2. Left sum uses left endpoints: $v(0)=60$, $v(1)=52$, $v(3)=45$
3. Calculate total approximate distance:
4. $$\text{Distance} \approx (60 \cdot 1) + (52 \cdot 2) + (45 \cdot 3) = 299$$
5. Since $v(t)$ is decreasing, left endpoints are the largest value on each interval, so this is an overestimate of the true distance.

> **考试提示:** 对于表格类题目，永远不要假设所有子区间宽度相等。计算前一定要先列出每个子区间的宽度，避免丢分。

## 常见错误

- **错误做法:** 计算 $\Delta x$ 时，使用子区间个数 $n$ 代替 $\frac{b-a}{n}$，例如在 $[0,2]$ 上取 $n=4$ 时错误地令 $\Delta x=4$。
  - 原因: 混淆了子区间的数量和宽度，在写西格玛记号时尤其容易出错。
  - 正确做法: 开始任何计算前，都要先明确计算并标记 $\Delta x$。
- **错误做法:** 颠倒了左/右和的高估/低估分类，例如认为递增函数的左和是高估。
  - 原因: 死记硬背不理解原理导致记反。
  - 正确做法: 花10秒粗略画出函数和矩形，就能看出矩形在曲线上方还是下方。
- **错误做法:** For the trapezoidal rule, forgetting the $\frac{\Delta x}{2}$ leading factor or forgetting to double the middle terms.
  - 原因: Misremembering the formula.
  - 正确做法: Derive the trapezoidal sum as the average of the left and right sum: $T_n = \frac{L_n + R_n}{2}$, which automatically gives correct coefficients.
- **错误做法:** For unequal subinterval table problems, using an average width for all subintervals even when spacing is uneven.
  - 原因: Habit from equal-subinterval problems leads to automatic incorrect assumption.
  - 正确做法: Always list all subinterval widths first before calculating the sum.
- **错误做法:** Starting a right Riemann sum at $i=0$ instead of $i=1$, leading to including the left endpoint of the full interval and missing the right endpoint.
  - 原因: Confusion about index numbering for sigma notation.
  - 正确做法: Write out the first and last term of the sum to confirm endpoints match requirements.

## 速查表

| 分类 | 公式 | 注释 |
| --- | --- | --- |
| Equal subinterval width | $\Delta x = \frac{b-a}{n}$ | $n$ = number of subintervals, interval $[a,b]$ |
| General Riemann Sum | $\sum_{i=1}^n f(x_i^*) \Delta x_i$ | $x_i^*$ = sample point, $\Delta x_i$ = width of $i$-th subinterval |
| Left Sum (equal $n$) | $L_n = \Delta x \sum_{i=1}^n f(a + (i-1)\Delta x)$ | Increasing $f$: underestimate; decreasing $f$: overestimate |
| Right Sum (equal $n$) | $R_n = \Delta x \sum_{i=1}^n f(a + i\Delta x)$ | Increasing $f$: overestimate; decreasing $f$: underestimate |
| Midpoint Sum (equal $n$) | $M_n = \Delta x \sum_{i=1}^n f\left(a + \left(i - \frac{1}{2}\right)\Delta x\right)$ | Concave up $f$: underestimate; concave down $f$: overestimate |
| Trapezoidal Sum (equal $n$) | $T_n = \frac{\Delta x}{2}\left[f(x_0) + 2\sum_{i=1}^{n-1}f(x_i) + f(x_n)\right]$ | Concave up $f$: overestimate; concave down $f$: underestimate; $T_n = \frac{L_n + R_n}{2}$ |
| Trapezoidal Sum (unequal $n$) | $\sum_{i=1}^n \frac{f(x_{i-1}) + f(x_i)}{2} \Delta x_i$ | Use for table problems with non-uniform spacing |
| Left Sum (unequal $n$) | $\sum_{i=1}^n f(x_{i-1}) \Delta x_i$ | Uses left endpoint of each subinterval for height |
| Right Sum (unequal $n$) | $\sum_{i=1}^n f(x_i) \Delta x_i$ | Uses right endpoint of each subinterval for height |

## 下一步

本知识点是AP微积分BC中所有积分内容的基础。学完黎曼和后，你接下来会学习定积分作为黎曼和极限的定义，它将真实面积正式定义为子区间数量趋近于无穷时近似值的极限。如果不扎实掌握黎曼和近似面积的原理，面积和定积分之间的联系会非常抽象，也会更难掌握第6单元的核心内容：微积分基本定理和累积函数。黎曼和近似也直接引出了BC中更高级的数值积分方法，包括辛普森法则，用于在无法得到精确原函数时获得更准确的近似结果。

- [黎曼和、求和记号、定积分记号](https://www.owlsprep.com/zh/study/ap-calculus-bc-u6-riemann-sums-summation-notation-definite/)
- [微积分基本定理与累积函数](https://www.owlsprep.com/zh/study/ap-calculus-bc-u6-fundamental-theorem-of-calculus-and/)
- [累积函数的性质分析](https://www.owlsprep.com/zh/study/ap-calculus-bc-u6-interpreting-behavior-of-accumulation-functions/)

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ap-calculus-bc-u6-approximating-areas-with-riemann-sums/