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

让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
爱范儿
爱范儿
H
Help Net Security
V
Visual Studio Blog
J
Java Code Geeks
Stack Overflow Blog
Stack Overflow Blog
Microsoft Security Blog
Microsoft Security Blog
Apple Machine Learning Research
Apple Machine Learning Research
MyScale Blog
MyScale Blog
The Cloudflare Blog
Martin Fowler
Martin Fowler
D
Docker
腾讯CDC
F
Fortinet All Blogs
雷峰网
雷峰网
GbyAI
GbyAI
G
Google Developers Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Recent Announcements
Recent Announcements
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Blog — PlanetScale
Blog — PlanetScale
Engineering at Meta
Engineering at Meta
博客园 - 聂微东
博客园 - 叶小钗

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/