前言
本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！
本专栏目录结构和参考文献请见《机器学习数学通关指南》
正文
一句话总结
∫ a b f ( x ) d x = F ( b ) − F ( a ) \int_{a}^{b} f(x) \, dx = F(b) - F(a) ∫abf(x)dx=F(b)−F(a)
其中， F ( x ) F(x) F(x) 是 f ( x ) f(x) f(x) 的一个原函数（即 F ′ ( x ) = f ( x ) F'(x) = f(x) F′(x)=f(x)）。
直观理解方式
-
从累积到变化率的逆向思考
- 定积分 ∫ a b f ( x ) d x \int_{a}^{b} f(x) \, dx ∫abf(x)dx 本质是求函数 f ( x ) f(x) f(x) 在区间 [ a , b ] [a, b] [a,b] 上与 x 轴围成的"面积"总和。
- 原函数 F ( x ) F(x) F(x) 是描述这一累积量的函数，其导数恰好是瞬时变化率 f ( x ) f(x) f(x)。
- 类比 ：若 f ( x ) f(x) f(x) 是速度函数，则原函数 F ( x ) F(x) F(x) 是路程函数， F ( b ) − F ( a ) F(b) - F(a) F(b)−F(a) 就是总位移（即"速度的累积"等于"路程的变化"）。
-
几何意义
- 定积分（面积）可由高度均匀增长的矩形面积近似，而牛顿-莱布尼茨公式通过原函数的差值精确替代了无限细分矩形的累加。
- 文档中的图示显示，面积 ∫ a b f ( x ) d x \int_{a}^{b} f(x) \, dx ∫abf(x)dx 等于原函数曲线两端点的纵向高度差 F ( b ) − F ( a ) F(b) - F(a) F(b)−F(a)。
关键应用与例子
-
简化积分计算
- 文档例题 ：计算 ∫ 0 π sin x x d x \int_{0}^{\pi} \frac{\sin x}{x} \, dx ∫0πxsinxdx 时，若无法直接积分，可借助原函数分段处理或结合其他技巧（但对简单函数可直接套用公式）。
- 分段函数案例 ：若 f ( x ) f(x) f(x) 在区间 [ 0 , 2 ] [0, 2] [0,2] 分段定义（如 f ( x ) = x 2 f(x) = x^2 f(x)=x2 和 f ( x ) = 5 f(x) = 5 f(x)=5 ），则积分拆分为 ∫ 0 1 x 2 d x + ∫ 1 2 5 d x \int_{0}^{1} x^2 \, dx + \int_{1}^{2} 5 \, dx ∫01x2dx+∫125dx，分别用原函数计算后相加。
-
解释物理现象
- 路程与速度 ：若已知速度随时间变化函数 v ( t ) v(t) v(t)，总路程 S = ∫ a b v ( t ) d t = S ( b ) − S ( a ) S = \int_{a}^{b} v(t) \, dt = S(b) - S(a) S=∫abv(t)dt=S(b)−S(a)，直接由原函数 S ( t ) S(t) S(t)（路程函数）的端点差值得出。
数学意义
-
微分与积分的统一
- 微分研究"局部变化率"，积分研究"整体累积量"，公式表明二者通过原函数互为逆运算。
- 直接联系积分中值定理 ：文档提到 ∫ a b f ( x ) d x = f ( ξ ) ( b − a ) \int_{a}^{b} f(x) \, dx = f(\xi)(b - a) ∫abf(x)dx=f(ξ)(b−a)，结合原函数增量 F ( b ) − F ( a ) F(b) - F(a) F(b)−F(a)，可推得牛顿-莱布尼茨与中值定理的一致性。
-
使用条件
- 重要前提 ： f ( x ) f(x) f(x) 必须在积分区间 [ a , b ] [a, b] [a,b] 上连续（保证原函数存在）。
总结
牛顿-莱布尼茨公式的实质是：求总量的"笨办法"（无限累加微小量）可以转化为求变化的"聪明办法"（找原函数计算端点差值）。它是工程计算、物理建模的基础工具，也是微积分理论统一的标志。