KNOWECON WIKI

ARTICLE

微积分基本定理

微积分基本定理 (Fundamental Theorem of Calculus) 微积分基本定理 (Fundamental Theorem of Calculus, FTC) 是calculus理论的基石，它以一种精确而优美的方式揭示了微观变化率（导数）与宏观累积量（积分）之间深刻的内在联系。该定理将微分学 (Differential Calculus)

浏览 69 更新 2025-10-26

微积分基本定理 (Fundamental Theorem of Calculus)

微积分基本定理 (Fundamental Theorem of Calculus, FTC) 是calculus理论的基石，它以一种精确而优美的方式揭示了微观变化率（导数）与宏观累积量（积分）之间深刻的内在联系。该定理将微分学 (Differential Calculus) 与积分学 (Integral Calculus) 这两个看似独立的分支统一起来，是数学史上最重要的成就之一。

该定理通常分为两个相辅相成的部分，即 第一基本定理 和 第二基本定理。（注意：不同教材对“第一”和“第二”的称呼可能相反，但其数学内容是相同的。）这个定理的发现，主要归功于17世纪的数学家Isaac Newton和Gottfried Wilhelm Leibniz，他们的独立工作奠定了现代微积分的理论基础。

第一部分：第一基本定理 (FTC1)

第一基本定理阐述了变上限积分函数的求导法则，本质上说明了微分运算是积分运算的逆运算。

定理陈述

假设函数 f f 在闭区间 [a,b] [a, b] 上是一个连续函数。我们可以定义一个新的函数 F(x) F(x) ，它表示从起点 a a 到任意点 x x 之间，函数曲线 y=f(t) y=f(t) 与坐标轴所围成的有向面积。这个函数被称为 变上限积分函数 (area-so-far function)。

F(x)=∫axf(t) dt其中 x∈[a,b]F(x) = \int_a^x f(t) \, dt \quad \text{其中 } x \in [a, b]

那么，函数 F(x) F(x) 在开区间 (a,b) (a, b) 上是可微的，并且其导数恰好就是 f(x) f(x) 。

F′(x)=ddx(∫axf(t) dt)=f(x)F'(x) = \frac{d}{dx} \left( \int_a^x f(t) \, dt \right) = f(x)

原理与直观理解

我们可以将 F(x) F(x) 理解为一个“面积累积”的过程。当变量 x x 增加一个微小的量 Δx \Delta x 时，面积 F F 也会相应地增加一个微小的量 ΔF \Delta F 。

ΔF=F(x+Δx)−F(x)=∫xx+Δxf(t) dt \Delta F = F(x+\Delta x) - F(x) = \int_x^{x+\Delta x} f(t) \, dt

这个增量 ΔF \Delta F 的值是在区间 [x,x+Δx] [x, x+\Delta x] 上曲线 y=f(t) y=f(t) 下方的狭长区域的面积。由于 Δx \Delta x 非常小，函数 f(t) f(t) 在这个小区间内的值可以近似地看作常量 f(x) f(x) 。因此，这块狭长区域的面积可以近似为一个矩形的面积：

ΔF≈f(x)⋅Δx\Delta F \approx f(x) \cdot \Delta x

两边同时除以 Δx \Delta x ，我们就得到了面积变化的平均速率：

ΔFΔx≈f(x)\frac{\Delta F}{\Delta x} \approx f(x)

当我们取极限，让 Δx→0 \Delta x \to 0 时，这个近似就变成了精确的相等关系。左边变为 F(x) F(x) 的导数定义，而右边仍然是 f(x) f(x) 。

F′(x)=lim⁡Δx→0ΔFΔx=f(x)F'(x) = \lim_{\Delta x \to 0} \frac{\Delta F}{\Delta x} = f(x)

这个结论的直观意义是：在某一点，面积函数 F(x) F(x) 的瞬时变化率，等于被积函数 f(x) f(x) 在该点的高度。换句话说，对一个函数进行积分（累积），然后再进行微分（求变化率），会回到原来的函数。

意义

  1. 保证了反导数的存在性：FTC1证明了任何一个连续函数都必然存在一个反导数（或称原函数），这个反导数就是它的变上限积分函数。
  2. 揭示了微积分的逆运算关系：它从理论上确立了微分与积分是一对互逆的运算。

第二部分：第二基本定理 (FTC2)

第二基本定理提供了一种计算定积分 (Definite Integral) 的强大而实用的方法，因此也被称为 牛顿-莱布尼茨公式 (Newton-Leibniz formula)。它将计算一个复杂的面积问题，转化为寻找一个函数的反导数并进行简单的代数运算。

定理陈述

假设函数 f f 在闭区间 [a,b] [a, b] 上连续，并且 F F 是 f f 在该区间上的 任意一个 反导数 (Antiderivative)，即 F′(x)=f(x) F'(x) = f(x) 。那么：

∫abf(x) dx=F(b)−F(a)\int_a^b f(x) \, dx = F(b) - F(a)

表达式 F(b)−F(a) F(b) - F(a) 通常被简记为 [F(x)]ab [F(x)]_a^b 或 F(x)∣ab F(x) \Big|_a^b 。

原理与证明概要 (基于FTC1)

我们可以基于第一基本定理来理解第二基本定理。

  1. 根据FTC1，我们知道函数 G(x)=∫axf(t) dt G(x) = \int_a^x f(t) \, dt 是 f(x) f(x) 的一个反导数。
  2. 我们又已知 F(x) F(x) 也是 f(x) f(x) 的一个反导数。
  3. 根据导数理论，如果两个函数的导数相同，那么它们之间必然只相差一个常数。因此，存在一个常数 C C ，使得：F(x)=G(x)+C F(x) = G(x) + C 。
  4. 现在，我们来计算 F(b)−F(a) F(b) - F(a) ：
F(b)−F(a)=(G(b)+C)−(G(a)+C)=G(b)−G(a)F(b) - F(a) = (G(b) + C) - (G(a) + C) = G(b) - G(a)
  1. 根据 G(x) G(x) 的定义，我们有：
  • G(b)=∫abf(t) dt G(b) = \int_a^b f(t) \, dt
  • G(a)=∫aaf(t) dt=0 G(a) = \int_a^a f(t) \, dt = 0 (从点 a a 到点 a a 的积分为零)
  1. 将上述结果代入第4步，即可得到：
F(b)−F(a)=∫abf(t) dt−0=∫abf(x) dxF(b) - F(a) = \int_a^b f(t) \, dt - 0 = \int_a^b f(x) \, dx

(积分变量用 t t 或 x x 均可，不影响结果)

意义

  1. 强大的计算工具：FTC2是计算定积分最核心的方法。它使得我们无需通过复杂的黎曼和 (Riemann Sums) 求极限来计算面积，而是通过寻找反导数来解决问题，极大地简化了计算。
  2. 连接宏观与微观：这个公式表明，一个量在某个区间上的总变化量（宏观累积，即定积分 ∫abf(x)dx \int_a^b f(x) dx ），等于其变化率（微观瞬时变化，即反导数 F F ）在区间端点值的差。例如，对速度函数进行积分，得到的是位移的变化量。

学习应用示例

示例 1: 应用第一基本定理 (FTC1)

求函数 g(x)=∫2x1+t2 dt g(x) = \int_2^x \sqrt{1+t^2} \, dt 的导数。

解：根据第一基本定理，被积函数是 f(t)=1+t2 f(t) = \sqrt{1+t^2} 。变上限积分的导数就是被积函数在上限 x x 处的取值。因此，

g′(x)=1+x2g'(x) = \sqrt{1+x^2}

这是一个直接应用，无需计算积分本身。

示例 2: 应用第一基本定理与链式法则

求函数 h(x)=∫0x2cos⁡(t) dt h(x) = \int_0^{x^2} \cos(t) \, dt 的导数。

解：这里的上限不是 x x ，而是 x2 x^2 。我们需要结合使用链式法则 (Chain Rule)。 令 u=x2 u = x^2 。则 h(x)=∫0ucos⁡(t) dt h(x) = \int_0^{u} \cos(t) \, dt 。 根据链式法则，dhdx=dhdu⋅dudx \frac{dh}{dx} = \frac{dh}{du} \cdot \frac{du}{dx} 。 根据FTC1, dhdu=cos⁡(u) \frac{dh}{du} = \cos(u) 。 同时，dudx=ddx(x2)=2x \frac{du}{dx} = \frac{d}{dx}(x^2) = 2x 。 因此，

h′(x)=cos⁡(u)⋅2x=cos⁡(x2)⋅2xh'(x) = \cos(u) \cdot 2x = \cos(x^2) \cdot 2x

示例 3: 应用第二基本定理 (FTC2)

计算定积分 ∫12x2 dx \int_1^2 x^2 \, dx 。

解：

  1. 找到反导数：首先，我们需要找到被积函数 f(x)=x2 f(x) = x^2 的一个反导数。根据幂函数的求导法则，我们知道 F(x)=13x3 F(x) = \frac{1}{3}x^3 是一个反导数，因为 F′(x)=ddx(13x3)=x2 F'(x) = \frac{d}{dx}(\frac{1}{3}x^3) = x^2 。
  2. 应用公式：根据第二基本定理，∫abf(x) dx=F(b)−F(a) \int_a^b f(x) \, dx = F(b) - F(a) 。
∫12x2 dx=[13x3]12=F(2)−F(1)=13(2)3−13(1)3=83−13=73\int_1^2 x^2 \, dx = \left[ \frac{1}{3}x^3 \right]_1^2 = F(2) - F(1) = \frac{1}{3}(2)^3 - \frac{1}{3}(1)^3 = \frac{8}{3} - \frac{1}{3} = \frac{7}{3}

这个结果表示函数 y=x2 y=x^2 的曲线在 x=1 x=1 到 x=2 x=2 之间与x轴围成的面积为 73 \frac{7}{3} 。