定积分定义的直观诠释定积分定义的直观诠释

定积分的定义在数学分析或者高等数学中具有重要的地位，如何讲清定积分的定义，是摆在数学老师们面前的一个课题。在教学中讲授这部分内容，对于老师来说是比较头疼的。因为定积分不仅仅是一个概念，它还是一种思想。即“化整为零”→“近似代替”→“积零为整”→“求出极限”，这种“和的极限”的思想在工程技术、物理及生产实践中具有普遍的意义。很多问题都可以归结为这种“和的极限”的数学结构。如我国的人口普查，即是化整为零，最小的统计单位为街道办或村，这些街道办和村的统计之和就形成了最终国家的人口统计数据。为了说清这个“和的极限”的思想，教材中往往采用曲边梯形的面积这类实际问题，来展现定积分的思想和方法。
　　教学中由于没有确切的极限数字，也无法得出具体的区块面积之和，故对于微积分的定义只能说个大概，所以只能是照本宣科的按照定义来念，都是假设那个极限值是固定不变的存在，就称那个极限是某函数的定积分。
　　mathematica 8。01已经具备这样的动画功能，随着算法、分块的不同，分成的小区块的和也不同，但都接近于某一个固定值，这样由具体的数据出发，学生们就容易理解定积分。
　　在mathematica 8。01中新建。nb笔记本文件，输入mathematica命令：
　　left\[f_, x_, n_, h_, type_\] := {f /。Www.11665.COM x -> bottom\[n, h\], f /。 x -> bottom\[n + 1, h\], f /。 x -> bottom\[n, h\] + 。5 h,
　　if\[(f /。 x -> bottom\[n, h\]) < (f /。 x -> bottom\[n + 1, h\]), f /。 x -> bottom\[n + 1, h\], f /。 x -> bottom\[n, h\]\],
　　if\[(f /。 x -> bottom\[n, h\]) < (f /。 x -> bottom\[n + 1, h\]), f /。 x -> bottom\[n, h\], f /。 x -> bottom\[n + 1, h\]\], f /。 x -> bottom\[n, h\]}\[\[type\]\]
　　right\[f_, x_, n_, h_, type_\] := if\[type == 6, f /。 x -> bottom\[n + 1, h\], left\[f, x, n, h, type\]\]
　　bottom\[0, h_\] := 0
　　bottom\[n_, h_\] := bottom\[n - 1, h\] + h
　　rectangle\[f_, x_, n_, h_, type_\] := {edgeform\[thin\],
　　rgbcolor\[0, 1 - n/20, n/20\],
　　polygon\[{{bottom\[n, h\], 0}, {bottom\[n, h\],left\[f, x, n, h, type\]}, {bottom\[n + 1, h\],
　　right\[f, x, n, h, type\]}, {bottom\[n + 1, h\], 0}}\]}
　　estimatedarea\[f_, x_, n_, h_, type_\] := n\[sum\[abs\[ bottom\[i, h\] - bottom\[i + 1, h\]\]*(left\[f, x, i, h, type\] + right\[f, x, i, h, type\])/2, {i, 0, n - 1}\], 3\]
　　manipulate\[ show\[plot\[f, {x, 0, 15}, plotstyle -> black,
　　plotlabel -> grid\[{{"estimated area: " <> tostring\[estimatedarea\[f, x, n, a/n, type\]\]}, {"integral: " <> tostring\[n\[0a f x, 3\]\]}}\]\],论文联盟http://
　　plot\[f, {x, 0, a}, plotstyle -> black,filling -> 1 -> {0, opacity\[。25, blue\]}\],
　　graphics\[{opacity\[。4\], table\[rectangle\[f, x, i, a/n, type\], {i, 0, n - 1}\]}\],
　　graphics\[{red, line\[{{a, 0}, {a, 150}}\]}\], imagesize -> 360\], {{f, x, "function"}, {(x - 2)^2 -> "(x-2\\!\\(\\*superscriptbox\[\\()\\), \\(2\\)\]\\)", (x - 3)^3 + 20 ->"(x-3\\!\\(\\*superscriptbox\[\\()\\), \\(3\\)\]\\)+20", sqrt\[x\] -> "\\!\\(\\*sqrtbox\[\\(x\\)\]\\)"}, controltype -> setterbar},{{type, 2, "type"}, {1 -> "left", 2 -> "right", 3 -> "midpoint"}, controltype -> setterbar}, {{a, 15, "upper limit a"}, 0。01, 15, appearance -> "labeled"}, {{n, 10, "number of quadrilaterals"}, 1, 20, 1, appearance -> "labeled"}, savedefinitions -> true\]
　　运行得出下图：
　　上图中可以看出，在分成30个区块后，那些区块的估计值为916。954，较接近极限值917。333，而当滑块指到50时，估计值为917。197，可见，分得越小，计算就越精确，也就越接近极限值。同样，当点击type中的“right”(即以小区块右边点的函数值作为高来计算小矩形的面积)按钮时，区块的估计值为948。326，而点击左边的“left”按钮(即以小区块左边点的函数值作为高来计算小矩形的面积)，区块的估计值为886。886。而随着区块的增加，其区块的估计值在不断的变化，区块分得越小，计算就越精确。
　　通过演示，不同的函数，极限值结果不一样，不同的算法，极限值结果也不一样，不同的区块数结果也不一样。但有一点，区块分得越细，越接近极限值。对照定积分的定义，不管如何分，当相邻两点间距离的最大值趋于0时，区块面积的和总趋于某个固定值，这样，极限的定义就容易理解了。