1 概念来源与基本动机
1.1 问题背景：面积/累积量的离散近似
在讨论函数变化时，常见目标是把“变化的总量”用可计算的方式表达出来。例如在图像下方的面积，可以理解为某种累积效应：把区间细分为许多小段，每段上用一个代表性的高度近似该段面积，再将这些小段面积相加。由于真实函数在每个小段内会变化，直接求“精确面积”通常困难，于是采用“用上界与下界分别代表该小段可能的最大与最小高度”的方法来得到两种近似：偏大的估计与偏小的估计。
1.2 上界与下界的直观含义
对某个子区间而言，函数在这段内的取值可能上下起伏。上界对应“在该段内能达到的最高高度”，下界对应“在该段内能达到的最低高度”。将这些高度视为该小段的统一高度，就得到用“最保守的上估计”和“最保守的下估计”构成的近似面积。上和倾向于把每段的高度取到“尽量高”，从而得到偏大的总量；下和则把每段高度取到“尽量低”，得到偏小的总量。
1.3 “夹逼”思想与估计精度
随着分割变得更细，每个子区间内函数的波动被限制在更小的范围里，上和与下和的差距会减小。若函数满足相应可积条件，上下估计最终会逼近同一个数值，形成“夹逼”：上和始终不小于目标量，下和始终不大于目标量，而且两者之间的空隙可以被细分过程任意压缩。这个差距收敛到零的行为正是黎曼积分能够存在并被计算的核心直观。
2 上和（Upper Sum）
2.1 定义：分割与上确界
2.1.1 分割的形式与记号约定
设函数在闭区间 \([a,b]\) 上定义。取一组分点 \[ P:\ a=x_0<x_1<\cdots<x_n=b. \] 每个子区间为 \([x_{i-1},x_i]\)。其长度记为 \[ \Delta x_i=x_i-x_{i-1}\quad (i=1,\dots,n). \] 分割可以任意选择，后续将考虑当最大子区间长度趋于零时的极限情形。
2.1.2 每段取上确界并求和
对每个子区间 \([x_{i-1},x_i]\)，定义函数在该段的上确界为 \[ M_i=\sup_{x\in[x_{i-1},x_i]} f(x). \] 上和（对该分割 \(P\)）定义为 \[ U(P,f)=\sum_{i=1}^n M_i\,\Delta x_i. \] 其中“上确界”确保该段内所有函数值都不超过 \(M_i\)，因此每一项 \(M_i\Delta x_i\) 是该段面积的上估计。
2.2 上和的性质
2.2.1 单调性与随细分变化的趋势
固定函数 \(f\) 后，若将分割细分（把某些区间拆成更小的部分），上和通常不会增大。原因在于：每个更小的子区间里函数的上确界不会比原区间的上确界更低“很多”，并且更细的分段能够让每段取值范围收窄，从而整体上保持“偏大估计的收敛趋势”。严格地说，比较两个分割时，若一个分割的每段都可由另一个分割的段拼接得到，上和与分割的细化关系可导出相应的单调性（常见表述为“细分不会使上估计变得更松”）。
此外，随着分割逐渐变细（最大步长趋于零），上和的最优上估计会趋向某个稳定极限，这个极限在黎曼积分框架中对应“上积分/上确界视角”的结果。
2.2.2 与区间端点取值的关系
上和依赖于各子区间的上确界，而上确界会受到端点附近的最大“峰值”影响。如果函数在某个子区间内在端点处取到最大值，那么上确界与端点值一致；若最大值并不在端点取得，只是作为极限被逼近，上确界仍由该段内的整体上界刻画。因而，上和的构造不要求函数连续，也不要求极值一定可达，只需上确界存在。
2.3 上和的几何/物理图像解释
可以把函数图像在每个子区间上方“抬到”高度 \(M_i\)，形成一块由矩形拼接的“高估地毯”。每个矩形的宽为 \(\Delta x_i\)，高为该段内的最高可达水平。上和就是这块高估地毯的总面积。由于每块矩形都覆盖了真实曲线（在估计意义下不低于曲线对应高度），因此总面积必然偏大。分割越细，矩形贴近曲线的程度越高，偏差逐步缩小。
3 下和（Lower Sum）
3.1 定义：分割与下确界
3.1.1 每段取下确界并求和
在同一分点集合 \[ P:\ a=x_0<x_1<\cdots<x_n=b \] 下，对每个子区间 \([x_{i-1},x_i]\)，取函数的下确界 \[ m_i=\inf_{x\in[x_{i-1},x_i]} f(x). \] 下和定义为 \[ L(P,f)=\sum_{i=1}^n m_i\,\Delta x_i. \] 由于 \(m_i\) 是该段内不超过函数取值的“最低水平”，每一项 \(m_i\Delta x_i\) 是该段面积的下估计。
3.1.2 与上和并行的对称结构
下和与上和的结构完全镜像：上和用上确界 \(M_i\) 取“最大高度”，下和用下确界 \(m_i\) 取“最小高度”。两者都依赖于同一分割长度 \(\Delta x_i\)，差别只在于每段选择的是“偏高”的上界还是“偏低”的下界。因此在比较时，下和通常表现为一个“保守的低估”，并与上和一道形成夹逼区间。
3.2 下和的性质
3.2.1 单调性与随细分变化的趋势
对下和而言，随着分割细化，通常可保持一种“下估计越来越不松”的趋势。直观上，每次把区间拆得更小，子区间内部的函数取值范围收窄；由于下确界代表该段最低水平，细分会让最低水平的参考更贴近局部情况，从而使下估计向上逼近。配合上和的行为，就形成越来越紧的上下夹逼。
严格性质可表述为：当一个分割细化另一个分割时，下和不会增大得过于随意，整体体现“下估计提升或至少不显著降低”的合理单调关系。
3.2.2 下界估计的解释
下和可以理解为在每个子区间上方取一个“最低可能高度”。当函数在某段有向上波动时，最低水平可能仍然较低，于是该段面积的下界也相应偏小；当分割更细，波动被分摊到更小范围内，下界就逐渐抬升并接近真实累积量。换言之，下和衡量的是“曲线之下能保证的面积”。
3.3 下和的几何/物理图像解释
将函数图像在每个子区间下方“压”到高度 \(m_i\)，得到一块由矩形拼接的“低估底座”。这块底座总面积就是下和。由于每个矩形都在曲线之下（在估计意义下不高于曲线），因此其总面积偏小。随着分割细化，底座与真实曲线之间的垂直间隙缩小，下和逐渐逼近真正的累积值。
4 上和与下和的比较
4.1 上和 ≥ 下和：基本不等式
对任意同一分割 \(P\)，由于对每个子区间都有 \[ m_i\le f(x)\le M_i, \] 于是按宽度相乘再求和可得 \[ L(P,f)\le U(P,f). \] 因此上和提供上界估计，下和提供下界估计。两者差距刻画了函数在分割尺度下的“波动余量”。
4.2 误差范围：两者差值代表“夹住”的宽度
定义差值 \[ U(P,f)-L(P,f)=\sum_{i=1}^n (M_i-m_i)\,\Delta x_i. \] 其中 \(M_i-m_i\) 可视为子区间内函数取值范围的宽度（波动幅）。若每个子区间内的函数变化不大，则差值会小；反之，如果函数在某些段内有明显跳变或尖峰，该差值会较大。因而，上下和差值在数值上就是“夹逼区间”的宽度。
4.3 极限过程：细分趋于无穷小的含义
当分割不断细化，最大子区间长度趋于零，直观上每个小区间内函数的波动会被压缩。若最终 \[ \inf_P U(P,f)=\sup_P L(P,f) \] 且两者相等，则说明存在唯一的“共同极限值”，从而上下夹逼真正收敛。这一极限过程对应于把局部近似不断改进到足以消除估计误差。
4.4 可积性与夹逼原理的联系
可积性可以被理解为：存在一个数 \(I\)，使得当分割足够细时，上和永远不再比 \(I\) 大出超过任意给定的容忍量，而下和永远不再比 \(I\) 小出超过任意给定的容忍量。换句话说，函数的上估计与下估计在细化过程中最终“收敛到同一点”，这正是黎曼积分存在与否的判据来源：能够被夹住的精确值，才称为可积。
5 与黎曼积分的关系
5.1 黎曼积分的上确界/下确界视角
黎曼积分的一个关键表述是：用上和与下和分别构造两个集合的上确界与下确界。上和的“最小上界”（在所有分割中选取最紧的上估计）对应上积分；下和的“最大下界”（在所有分割中选取最紧的下估计）对应下积分。若两者相等，这个公共值就是黎曼积分。
5.2 上积分与下积分
给定函数 \(f\)，考虑所有分割 \(P\)。定义
- 上积分常记为
\[ \overline{\int_a^b} f(x)\,dx=\inf_P U(P,f), \]
- 下积分常记为
\[ \underline{\int_a^b} f(x)\,dx=\sup_P L(P,f). \] 这里的 \(\inf\) 与 \(\sup\) 不依赖于具体分割，只体现“在所有尺度下所能达到的最好夹逼极限”。
5.3 可积条件：何时上积分=下积分
黎曼可积的条件可以写成 \[ \overline{\int_a^b} f(x)\,dx=\underline{\int_a^b} f(x)\,dx. \] 当成立时，任意足够细的分割都会让上和与下和的差值足够小，从而逼近同一个数。若不成立，上下估计无法收敛到唯一值，积分在黎曼意义下就不存在。
5.4 典型例子：阶梯函数与连续函数
阶梯函数在每个子区间内取常值或具有有限次跳变。由于跳跃点是有限个，分割可以避开这些点或在其附近细化，使得上确界与下确界差异被控制在可任意缩小的范围内，因此上下和最终收敛，因而阶梯函数黎曼可积。
连续函数在闭区间上具有良好的局部一致性：每个小区间内函数值不会大幅波动。于是当分割变细，上下确界的差异随之变小并可被任意压缩，最终上积分与下积分相同，连续函数必然可积。直观上，连续性让函数图像没有“无法消除的尖峰”，因此夹逼能收敛。
6 常见计算与示例类型
6.1 使用等分区间的上/下和计算
在实际计算中，常选取等分割以减少记号复杂度。将 \([a,b]\) 分为 \(n\) 等份，每段长度为 \(\Delta x=\frac{b-a}{n}\)。若函数在每段上有明确的上界与下界表达式（如单调或分段常值），则上和与下和可通过逐段取值再求和得到。等分区间不能保证最紧，但常用于演示概念或求出数值近似；随着 \(n\) 增大，所得夹逼区间会变窄。
6.2 含有跳跃或不可导点的情形（以估计为主）
黎曼和的构造允许函数在少数点出现不连续或不可导。计算时不必在每个点精确处理，而是看跳跃发生的子区间会带来多大的 \(M_i-m_i\)。若跳跃点是有限个或“足以忽略”的集合，可以通过合理细化让相关子区间的总权重（长度之和）足够小，从而使上和与下和差值在误差容忍范围内消失。换言之，处理这类问题通常围绕“波动幅度与区间总长度的乘积”做估计。
6.3 绝对值、分段函数的上/下和策略
对于绝对值函数，常用对称性与分段性质：例如在给定区间内可能跨越零点，此时可分别在 \(f(x)\ge0\) 和 \(f(x)\le0\) 的区域讨论上确界与下确界。对分段函数，则按其定义变化点（分界点）切分区间：在每个分段内部，上确界与下确界往往可以用该段的端点值或取值范围直接给出。这样能把整体问题拆成若干较简单的小问题，再合并成上和与下和。
6.4 实务化技巧：如何快速找上确界/下确界
常见技巧包括：
- 利用单调性：若在子区间上函数单调，则上确界与下确界分别出现在端点，计算快速。
- 找“极值来源”：上确界往往来自最高点或能逼近的峰值；下确界来自最低点或可逼近的谷值。对于常见初等函数，检查端点和关键点通常足够。
- 分割围绕不规则点：把不连续、跳跃、尖点等位置作为分割“候选点”，让每个子区间内的波动结构变得简单，从而便于估计 \(M_i-m_i\)。
- 用更松但可控的上/下界：在不需要精确极限的情形，可以用易算的包络估计上确界与下确界，只要能保证误差随细化趋于零即可。