定积分与数值积分可视化
黎曼和实时逼近曲线下面积 · 拖动分割数看误差如何随收敛阶下降
∫₀¹ x² dx = 1/3
点播放让 n 自动爬升，直观看到黎曼和收敛
自动爬升时 n 由 1 逐步增到 200 后回到 1 循环；辛普森法会自动把 n 取到最近的偶数。
① f(x)=x²、n=10，依次切左/右/中点 —— 0.285 / 0.385 / 0.3325
② 盯住「实测收敛阶」，切换方法看它跳到 1 / 2 / 4
③ 选 4/(1+x²) 切辛普森，n=20 就逼出 π 的 8 位
④ 选 √x 用梯形法 —— 端点导数无界，收敛阶掉到 1.5
定积分的定义与几何意义
定积分∫ₐᵇ f(x) dx的严格定义是黎曼和的极限：把区间 [a, b] 分成 n 份，每份宽h = (b−a)/n，在第 i 份里任取一点 ξᵢ 作高，得到近似和Sₙ = Σ f(ξᵢ)·h；当 n → ∞、最大子区间长度趋于 0 时，若 Sₙ 的极限存在且与分法、取点方式无关，这个极限就是定积分。几何上它等于曲线 y = f(x) 与 x 轴在 [a, b] 之间围成的净面积——曲线在 x 轴上方的部分记正、下方记负。上面主画布做的正是这件事：浅色区域是真实面积，半透明的矩形或梯形是第 n 步的近似，随着 n 增大二者的差别肉眼可见地收缩。理解「定积分是一族近似和的极限」，比死记牛顿-莱布尼茨公式更接近积分的本质。
矩形法：左、中、右三种取点的差异
同样是矩形，取点位置不同精度差别很大。左矩形法用h·Σf(xᵢ), i=0…n−1，右矩形法用 i=1…n。对单调递增函数，左矩形永远低估、右矩形永远高估，且误差首项都是−(b−a)h·f′(ξ)/2，与 h 成正比，只有一阶精度。中点矩形法h·Σf(xᵢ+h/2)看起来只是换了个取点，但矩形顶端与曲线相交，一侧多算的面积几乎正好补上另一侧少算的面积，一阶误差项自动抵消，精度直接跃升到二阶。这就是数值分析里「对称性带来精度」的第一个例子，也是很多学生第一次意识到：算法设计的细节能带来数量级的差异。
梯形法与辛普森法为何更准
梯形法用直线段连接相邻两点，把曲边梯形换成真梯形，整理后得到h·[f(a)/2 + Σf(xᵢ) + f(b)/2]，其误差首项为 −(b−a)h²f″(ξ)/12，是二阶方法；有趣的是它的误差与中点法符号相反、幅值约为两倍，所以(2·中点 + 梯形)/3恰好就是辛普森公式。辛普森法的思路是把拟合函数从直线升级为抛物线：用过区间左端、中点、右端三点的二次多项式代替原曲线，得到(h/3)·[f(a) + 4Σ奇 + 2Σ偶 + f(b)]。因为一个基本单元跨越两个小区间，n 必须为偶数。它对不超过三次的多项式是精确的（误差项含 f⁗），因此达到四阶精度——这也是为什么选 x² 时辛普森法在 n=2 就给出完全精确的 1/3。
收敛阶与误差估计
误差写成E(h) ≈ C·hᵖ，指数 p 就是收敛阶。左右矩形法 p=1，n 翻倍误差只减半；中点法与梯形法 p=2，n 翻倍误差降到 1/4；辛普森法 p=4，n 翻倍误差降到 1/16。要把误差压到 1e−8，一阶方法需要 1e8 量级的分割，四阶方法只要一百多份——这正是工程计算里精心挑选积分公式的原因。实测收敛阶可以用两次计算反推：p ≈ log₂(E(h)/E(h/2))，页面读数就是这么算的。在双对数坐标下 log E = log C + p·log h，误差曲线是一条斜率为 −p 的直线，副图里的黄色虚线给出理论斜率，实测绿线与它平行即说明方法按理论阶收敛；若绿线明显更平缓（如 √x 端点导数无界的情形），说明被积函数光滑性不足，公式的理论阶被「打折」了。误差最终会在 1e−15 附近触底，那是双精度浮点舍入的地板，不再是方法误差。
工程应用
数值积分是工程仿真的底层砖石。CAE 求解器在时间域推进时对惯性与阻尼项做数值积分（Newmark、Runge-Kutta 本质上都是积分公式）；有限元法计算单元刚度矩阵时必须对形函数乘积在单元内积分，实际做法是高斯积分——用 n 个精心选取的节点与权重，让 2n−1 次多项式精确积出，比等间距的辛普森法更高效。信号处理中计算能量E = ∫ x²(t) dt、有效值 RMS、功率谱面积，都是对离散采样做梯形或辛普森求和。概率统计里正态分布没有初等原函数，累积分布 Φ(x) 只能靠数值积分或有理逼近。此外测绘算不规则地块面积、CAD 算回转体体积与质心、热工算换热量随时间的累积，全都是同一套方法。掌握「选对方法比加密网格更划算」这个判断，是工程数值计算的基本功。
- • 高数「定积分概念」章节预习
- • 看懂黎曼和为什么收敛到面积
- • 亲手验证中点法与辛普森法精度
- • 课堂现场拖 n，替代静态板书图
- • 双对数图讲清收敛阶的含义
- • 演示 √x 光滑性不足导致降阶
- • 估算离散采样积分需要的步长
- • 理解高斯积分与辛普森法的取舍
- • 精确校核请用本站工程计算器
为什么中点矩形法比左矩形法、右矩形法准得多？
因为中点法的误差存在系统性抵消。左矩形法在函数递增区间上整体偏小、右矩形法整体偏大，误差同号累加，最终精度只有一阶 O(h)。中点法在每个小区间内，矩形顶端一半在曲线上方、一半在下方，两块多算和少算的面积近似相等，一阶误差项被抵消，剩下的是二阶 O(h²)。在上面选 f(x)=x²、n=10 试一下：左矩形得 0.285、右矩形得 0.385，中点法得 0.3325，而精确值是 1/3≈0.33333，中点法误差只有千分之一量级。
什么是收敛阶，读数里的「收敛阶」怎么算出来的？
收敛阶 p 描述误差随步长缩小的速度：误差 ≈ C·hᵖ。p 越大，加密网格的收益越明显——p=2 时 n 翻倍误差降到 1/4，p=4 时降到 1/16。工具里的收敛阶是实测值：同时算 n 和 2n 两个结果的误差 e_n 与 e_2n，再取 log₂(e_n/e_2n)。你会看到左右矩形法读数稳定在 1 附近，中点法与梯形法在 2 附近，辛普森法在 4 附近，与理论完全吻合。副图的双对数曲线斜率就是 −p，斜得越陡收敛越快。
辛普森法为什么要求分割数 n 是偶数？
辛普森法的基本单元不是一个小区间，而是相邻两个小区间：它用过三个点（左端、中点、右端）的抛物线去拟合这一段曲线，因此小区间必须成对出现，n 必须是偶数。如果你把滑块拖到奇数，工具会自动向上取到最近的偶数并在画布上提示。这也解释了公式里为什么奇数号节点系数是 4、偶数号节点系数是 2——奇数号点是每条抛物线的中点，偶数号点被两条相邻抛物线共用。
为什么 4/(1+x²) 在 [0,1] 上的积分正好等于 π？
因为 1/(1+x²) 的原函数是反正切 arctan x，所以 ∫₀¹ 4/(1+x²) dx = 4·[arctan 1 − arctan 0] = 4·(π/4) = π。这是历史上计算圆周率的经典途径之一。选中这个预设并切到辛普森法，把 n 拖到 20，你会看到近似值已经精确到 3.14159265 级别（约 8 位有效数字），而左矩形法要达到同样精度需要上亿次分割——这就是高阶方法的威力，也是为什么工程软件从不用简单矩形法。
数值积分什么时候会失效或精度骤降？
三类情形要警惕。一是被积函数在端点导数无界，例如预设里的 √x 在 x=0 处斜率无穷大，你会发现中点法与梯形法的实测收敛阶掉到 1.5 左右，达不到理论的 2。二是高频振荡函数，若每个波峰内取不到足够采样点，结果几乎是随机的，需要按最小波长确定步长。三是被积函数含奇点或跳变（如 1/x 在 x=0），此时应先做变量替换、分段积分或改用自适应积分算法，而不是盲目加大 n。
这个工具的计算准确吗，可以用来做作业和教学演示吗？
可以。页面里的「精确值」全部来自解析闭式解（1/3、2、e−1、ln2、2/3、π），不是更高阶数值结果；近似值按双精度浮点在你的浏览器本地实时求和，除了浮点舍入外没有额外误差，因此显示的绝对误差就是方法误差本身。注意当误差降到 1e−15 以下时已触及双精度极限，此时收敛阶读数会失去意义，工具会显示为机器精度。用于课堂演示、课前预习和作业验算完全可靠。