积分的应用性质

积分不仅是纯数学中的运算工具，更是连接抽象理论与现实世界的桥梁。从求一段时间内的平均温度，到计算随机变量落在某区间的概率，再到分析电路中消耗的总能量——这些看似不同的问题，本质上都可以归结为对函数在某个区间上求积分。

本节将围绕三个经典应用场景——平均值、概率密度、能量——展示积分如何在其中扮演核心角色，并通过具体例题帮助你掌握从”列公式”到”算结果”的完整过程。

1. 平均值

在日常生活中，我们经常需要知道某个”随时间变化的量”在一段时间内的典型水平——比如一天的平均气温、一节课的平均心率。由于量是连续变化的，简单的算术平均无法胜任，这时就需要用积分来定义连续函数的平均值。

函数 $f(x)$ 在区间 $[a, b]$ 上的平均值（mean value）为：

$f_{\text{avg}} = \frac{1}{b-a}\int_a^b f(x)\, dx$

直觉理解： 把积分 $\int_a^b f(x)\,dx$ 看作区间上无穷多个函数值的”总和”，再除以区间长度 $b-a$ ，就得到了连续意义下的平均。

例题：求温度的平均值

设某地一天内（ $0 \le t \le 24$ 小时）的气温（单位：°C）近似为：

$T(t) = 20 + 5\sin\!\left(\frac{\pi t}{12}\right)$

求这 24 小时的平均气温。

解：代入平均值公式：

$T_{\text{avg}} = \frac{1}{24 - 0}\int_0^{24} \left[20 + 5\sin\!\left(\frac{\pi t}{12}\right)\right] dt$

将积分拆开：

$T_{\text{avg}} = \frac{1}{24}\left[\int_0^{24} 20\, dt + \int_0^{24} 5\sin\!\left(\frac{\pi t}{12}\right) dt\right]$

第一部分：

$\int_0^{24} 20\, dt = 20 \times 24 = 480$

第二部分： 令 $u = \dfrac{\pi t}{12}$ ，则 $du = \dfrac{\pi}{12}\,dt$ ，即 $dt = \dfrac{12}{\pi}\,du$ 。

$\int_0^{24} 5\sin\!\left(\frac{\pi t}{12}\right) dt = 5 \cdot \frac{12}{\pi}\int_0^{2\pi} \sin u\, du = \frac{60}{\pi}\Big[-\cos u\Big]_0^{2\pi} = \frac{60}{\pi}(-1+1) = 0$

💡 正弦函数在一个完整周期上的积分为零，这符合直觉：白天多出的热量恰好被夜晚的降温”抵消”。

因此：

$T_{\text{avg}} = \frac{1}{24}(480 + 0) = \boxed{20 \text{ °C}}$

2. 概率密度

在概率论中，连续型随机变量不可能取到某个精确值的概率（因为单点概率为零），我们关心的是它落在某个区间内的概率。这恰好需要用到概率密度函数（probability density function, PDF）的积分。

设连续型随机变量 $X$ 的概率密度函数为 $f(x)$ ，则 $X$ 落在区间 $[a, b]$ 内的概率为：

$P(a \le X \le b) = \int_a^b f(x)\, dx$

概率密度函数须满足两条基本性质：

非负性： $f(x) \ge 0$ （对所有 $x$ ）
归一性： $\displaystyle\int_{-\infty}^{+\infty} f(x)\, dx = 1$

直觉理解： 把 $f(x)$ 想象成一条曲线， $P(a \le X \le b)$ 就是曲线下、区间 $[a, b]$ 上方的面积。总面积为 1，代表”必然事件”。

例题：指数分布的概率计算

设某电子元件的寿命 $X$ （单位：千小时）服从参数 $\lambda = 0.5$ 的指数分布，其概率密度函数为：

$f(x) = \begin{cases} 0.5\, e^{-0.5x}, & x \ge 0 \\ 0, & x < 0 \end{cases}$

求该元件寿命超过 2 千小时的概率 $P(X > 2)$ 。

解：

$P(X > 2) = \int_2^{+\infty} 0.5\, e^{-0.5x}\, dx$

计算不定积分： $\displaystyle\int 0.5\, e^{-0.5x}\, dx = -e^{-0.5x} + C$

代入上下限：

$P(X > 2) = \left[-e^{-0.5x}\right]_2^{+\infty} = 0 - \left(-e^{-1}\right) = e^{-1} \approx 0.368$

💡 这意味着该元件有约 36.8% 的概率能使用超过 2000 小时。指数分布的”无记忆性”使得这类计算在可靠性工程中极为常见。

3. 能量

在物理学和工程学中，功率是能量随时间的变化率（ $P = dE/dt$ ）。反过来，已知功率随时间的变化函数 $P(t)$ ，要求某段时间内消耗的总能量，就需要对功率进行积分。

若功率 $P(t)$ 是时间 $t$ 的函数，则在时间区间 $[t_1, t_2]$ 内消耗的总能量为：

$E = \int_{t_1}^{t_2} P(t)\, dt$

这一思想不仅适用于电路，也适用于力学（力对位移的积分 = 功）、热学（热流量对时间的积分 = 总热量）等众多领域。

例题：电路中消耗的能量

某电阻上的瞬时功率为 $P(t) = 100\sin^2(t)$ 瓦特，求在 $t = 0$ 到 $t = \pi$ 秒内电阻消耗的总能量。

解：

$E = \int_0^{\pi} 100\sin^2(t)\, dt$

利用半角公式 $\sin^2(t) = \dfrac{1 - \cos(2t)}{2}$ 化简：

$E = 100\int_0^{\pi} \frac{1 - \cos(2t)}{2}\, dt = 50\int_0^{\pi} \left[1 - \cos(2t)\right] dt$

$= 50\left[t - \frac{\sin(2t)}{2}\right]_0^{\pi} = 50\left[\pi - 0 - (0 - 0)\right] = 50\pi \approx 157.1 \text{ J}$

💡 注意到 $\sin^2(t)$ 的波形始终非负（功率不会为负——电阻只会消耗能量），其半个周期内的平均功率恰好为峰值的一半（50 W），所以总能量 = 50 × π ≈ 157.1 焦耳。

小结

本节展示了积分在三个不同领域中的核心应用：

应用场景	核心公式	关键思想
平均值	$\displaystyle f_{\text{avg}} = \frac{1}{b-a}\int_a^b f(x)\,dx$	对连续变化量求”无穷多项的算术平均”
概率密度	$\displaystyle P(a \le X \le b) = \int_a^b f(x)\,dx$	概率 = 密度曲线下方的面积
能量	$\displaystyle E = \int_{t_1}^{t_2} P(t)\,dt$	对变化率（功率）积分还原总量

共同本质： 三者都体现了积分”累积求和”的核心思想——无论是把无穷多个瞬时值平均、把无穷多个微元概率累加、还是把无穷多个瞬时功率汇总，积分都是将”局部信息”转化为”整体结果”的最有力工具。

📌 学习建议： 遇到实际问题时，先判断”被积函数是什么”和”积分区间是什么”，再套用对应的物理或统计含义，就能快速建立积分模型。

上一章节积分的物理意义积分表示累积量：位移、功、电荷等物理量的积分解释。

下一章节积分的其他性质区间可加性、保号性、积分中值定理等其他重要积分性质。