惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

J
Java Code Geeks
腾讯CDC
M
MIT News - Artificial intelligence
Y
Y Combinator Blog
L
LangChain Blog
Vercel News
Vercel News
云风的 BLOG
云风的 BLOG
GbyAI
GbyAI
Stack Overflow Blog
Stack Overflow Blog
Microsoft Azure Blog
Microsoft Azure Blog
B
Blog RSS Feed
The GitHub Blog
The GitHub Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
B
Blog
P
Proofpoint News Feed
H
Hackread – Cybersecurity News, Data Breaches, AI and More
博客园_首页
Google DeepMind News
Google DeepMind News
WordPress大学
WordPress大学
aimingoo的专栏
aimingoo的专栏
小众软件
小众软件
IT之家
IT之家
A
About on SuperTechFans
H
Help Net Security

又见苍岚

COLMAP PatchMatch Stereo 算法详解 事件驱动的状态机框架:从理论到工程实践 Git 在国内网络环境下无法 Push 的排查与修复 —— 配置 Clash 代理 分段五次多项式插值原理详解 路径插值方法深度对比研究 Claude Code 使用指南 OpenClaw 记忆管理与技能创建指南 CBS(Conflict-Based Search)算法详解 A* 算法及其变种详解 OpenClaw 配置多 Agents Windows Powershell 无法加载文件,因为在此系统上禁止运行脚本问题的解决方案 MaxClaw 安装流程 大模型 AI 名词介绍 AList 网盘聚合工具简介 Protobuf 简介与测试 Claude Code 简介以及 GLM 4.7 模型接入 Github 歌词下载工具 163MusicLyrics Python __getattr__ 懒加载 Python TypedDict 机器人仿真平台 Gazebo 安装记录 机器人仿真平台 Gazebo 简介 多机器人路径规划问题(Multi-Agent Path Finding, MAPF)简介 Python exifread 读取修改过的 jpeg 信息错误问题修复 3D 坐标系变换的理解 3D 旋转矩阵基本概念 MongoDB Compass 介绍 Python 环境管理工具 uv Flutter 开发指南 Snipaste 安装下载与黑屏问题解决方案 全局路径规划算法记录
牛顿—莱布尼兹公式
Yiwei Zhang · 2023-02-11 · via 又见苍岚

牛顿—莱布尼兹公式描述了定积分和不定积分的关系。

牛顿—莱布尼兹公式

牛顿—莱布尼兹公式描述了定积分和不定积分的关系.我们已知不定积分是求导的逆运算,而定积分是函数曲线与 $x$ 轴之间的面积,二者乍看起来没什么联系,但牛顿—莱布尼兹公式却揭示了了二者之间的重要关系.

若 $ F(x) $ 是 $ f(x) $ 的一个原函数,则:
$$
\int_{a}^{b} f(x) \mathrm{d} x=F(b)-F(a)
$$

如图,根据定积分的定义:

$$ \int_{a}^{b} f(x) \mathrm{d} x=\lim _{\Delta x_{i} \rightarrow 0} \sum_{i} f\left(x_{i}\right) \Delta x_{i} $$

其中 $ f\left(x_{i}\right) \Delta x_{i} $ 可看成是右图中第 $ i $ 个小矩形的面积,求和是对从 $ a $ 到 $ b $ 的所有小矩形求和. 现 在不妨把 $ x_{i} $ 设为第 $ i $ 个小矩形左端的 $ x $ 坐标. 考虑到求导是不定积分的逆运算,有 $ f\left(x_{i}\right)=F^{\prime}\left(x_{i}\right) $ , 所以小矩形的面积变为
$$
f\left(x_{i}\right) \Delta x_{i}=F^{\prime}\left(x_{i}\right) \Delta x_{i} \approx \Delta F_{i}=F\left(x_{i+1}\right)-F\left(x_{i}\right)
$$
最后一步使用了微分近似. 该式可以理解成,右图中的小矩形面积约等于左图中的小竖线长度,原函数 $F(x)$ 在 $x_i$ 到 $x_{i+1}$ 间的增量。当取极限 $\Delta x_{i} \rightarrow 0 $ 时,上式取等号

$$ \int_{a}^{b} f(x) \mathrm{d} x=\lim _{\Delta x_{i} \rightarrow 0} \sum_{i}\left[F\left(x_{i+1}\right)-F\left(x_{i}\right)\right]=F(b)-F(a) $$

该式可理解为,如果把左图中每一段 $ \Delta x_{i} $ 所对应的微小增量 $ \Delta F_{i} $ 都加起来,再取极限 $ \Delta x_{i} \rightarrow 0 $ , 就是 $ F(x) $ 从 $ a $ 到 $ b $ 的总增量. 在计算定积分的过程中,为了书写简洁,我们往 往将上式中的 $ F(b)-F(a) $ 记为 $ \left.F(x)\right|_{a} ^{b} $.

推导

定义一个变上限积分函数 $ \Phi(x)=\int_{a}^{x} f(t) \mathrm{d} t $ ,让函数 $ \Phi(x) $ 获得增量 $ \Delta x $ ,则对应的函数增量:
$$
\int_{a}^{x+\Delta x} f(t) \mathrm{d} t-\int_{a}^{x} f(t) \mathrm{d} t=\int_{x}^{x+\Delta x} f(t) \mathrm{d} t
$$
根据积分中值定理:
$$
\Delta \Phi=\int_{x}^{x+\Delta x} f(t) \mathrm{d} t=f(\xi) \Delta x , \quad(\mathrm{x} \le \xi \le \mathrm{x}+\Delta \mathrm{x})
$$

$$
\lim _{\Delta x \rightarrow 0} \frac{\Delta \Phi}{\Delta x}=\lim _{\Delta x \rightarrow 0} \frac{f(\xi) \Delta x}{\Delta x}=\lim _{\Delta x \rightarrow 0} f(\xi)=\lim _{\xi \rightarrow x} f(\xi)=f(x)
$$

所以:
$$
\Phi^{\prime}(x)=f(x), \quad \Phi(x)=F(x)+C
$$
因为:
$$
\begin{array}{c}
\Phi(a)=C+F(a)=0\
C=-F(a)\
\Phi(x)+F(a)=F(x)
\end{array}
$$
因此:
$$
\Phi(b)=F(b)-F(a)
$$

$$
\int_{a}^{b} f(x) d x=F(b)-F(a)
$$

算例

定积分上下限求导

$$
\frac{\mathrm{d}}{\mathrm{d} x} \int_{a}^{x} f(t) \mathrm{d} t
$$

我们可以先对定积分用牛顿莱布尼兹公式,令原函数为 $ F(x) $ ,有:
$$
\frac{\mathrm{d}}{\mathrm{d} x} \int_{a}^{x} f(t) \mathrm{d} t=\frac{\mathrm{d}}{\mathrm{d} x}[F(x)-F(a)]=f(x)
$$
类似地, 对积分下限求导如:
$$
\frac{\mathrm{d}}{\mathrm{d} x} \int_{x}^{a} f(t) \mathrm{d} t=\frac{\mathrm{d}}{\mathrm{d} x}[F(a)-F(x)]=-f(x)
$$
对上下限同时求导如:
$$
\frac{\mathrm{d}}{\mathrm{d} x} \int_{-x}^{x} f(t) \mathrm{d} t=\frac{\mathrm{d}}{\mathrm{d} x}[F(x)-F(-x)]=f(x)+f(-x)
$$

参考资料

文章链接:
https://www.zywvvd.com/notes/study/math/theorem/newton-leibniz-formular/newton-leibniz-formular/