高等微积分（高级微积分）中的核心公式与定理

## 高等微积分（高级微积分）中的核心公式与定理

下面按主题整理了一些在大学本科或研究生阶段常见且重要的高数公式、定理和方法。每个条目都给出了简要说明、适用条件以及典型应用场景，方便你快速回顾或查阅。

---

### 1. 极限与连续

| 公式/定理 | 表达式 | 条件 | 简介 |
|------------|--------|------|------|
| **洛必达法则**（L’Hôpital’s rule） | 若 \(\displaystyle\lim_{x\to a}\frac{f(x)}{g(x)}=\frac{0}{0}\) 或 \(\frac{\infty}{\infty}\)，且 \(f,g\) 在 \(a\) 附近可导，则<br> \(\displaystyle\lim_{x\to a}\frac{f(x)}{g(x)}=\lim_{x\to a}\frac{f'(x)}{g'(x)}\)。 | 必须满足极限形式、可导性。 | 用于求解不定型极限的强大工具。 |
| **夹逼准则**（Squeeze theorem） | 若 \(\displaystyle f(x)\le g(x)\le h(x)\) 在 \(x\to a\) 时且 \(\lim_{x\to a}f(x)=\lim_{x\to a}h(x)=L\)，则 \(\displaystyle\lim_{x\to a}g(x)=L\)。 | 函数有界并夹逼。 | 常用于三角函数、指数与对数的极限。 |
| **连续性** | 若 \(\displaystyle\lim_{x\to a^-}f(x)=f(a)=\lim_{x\to a^+}f(x)\)，则 \(f\) 在点 \(a\) 连续。 | 需左右极限存在并相等。 | 判断函数是否可微的前提条件。 |

---

### 2. 微分与导数

| 定理/公式 | 表达式 | 条件 | 简介 |
|------------|--------|------|------|
| **链式法则**（Chain rule） | 若 \(y=f(u)\)，\(u=g(x)\)，则 \(\displaystyle\frac{dy}{dx}=f'(g(x))\,g'(x)\)。 | 复合函数可导。 | 用于求复杂表达式的导数。 |
| **隐函数求导** | 对方程 \(F(x,y)=0\) 求 \(y'\)：<br> \(\displaystyle y'=-\frac{F_x}{F_y}\)。 | \(F_y\neq 0\)，两边可微。 | 处理曲线、圆锥面等隐式定义的函数。 |
| **泰勒公式**（含余项） | 对于光滑 \(f\) 在点 \(a\)：<br> \(\displaystyle f(x)=\sum_{k=0}^{n}\frac{f^{(k)}(a)}{k!}(x-a)^k+R_n(x)\)，其中<br> \(R_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-a)^{\,n+1}\)。 | \(f\) 在 \([a,x]\) 内有 \(n+1\) 次连续导数。 | 用于函数逼近与误差估计。 |
| **罗尔定理**（Rolle's theorem） | 若 \(f(a)=f(b)\)，且 \(f\) 连续在 \([a,b]\)、可微在 \((a,b)\)，则存在 \(\xi\in(a,b)\) 使 <br> \(\displaystyle f'(\xi)=0\)。 | 上述连续性与可导性。 | 推导均值定理、证明单调性等。 |
| **柯西平均值定理**（Cauchy Mean Value Theorem） | 若 \(f,g\) 连续在 \([a,b]\)、可微在 \((a,b)\)，且 \(g'(x)\neq 0\)，则存在 \(\xi\in(a,b)\) 使 <br> \(\displaystyle\frac{f(b)-f(a)}{g(b)-g(a)}=\frac{f'(\xi)}{g'(\xi)}\)。 | 同上。 | 一般化的罗尔定理，常用于证明洛必达法则。 |

---

### 3. 积分

| 定理/公式 | 表达式 | 条件 | 简介 |
|------------|--------|------|------|
| **基本积分定理**（Fundamental Theorem of Calculus） | 若 \(F'(x)=f(x)\)，且 \(f\) 在 \([a,b]\) 上连续，则<br> \(\displaystyle\int_a^b f(x)\,dx=F(b)-F(a)\)。 | \(f\) 连续。 | 将微分与积分联系起来，计算定积分的核心公式。 |
| **换元法**（u‑substitution） | 若 \(x=g(t)\)，\(dx=g'(t)dt\)，则<br> \(\displaystyle\int f(g(t))g'(t)\,dt=\int f(x)\,dx\)。 | 可逆且可微的变换。 | 处理复杂或非标准积分。 |
| **分部积分**（Integration by parts） | 若 \(u,v\) 可导，则<br> \(\displaystyle\int u\,dv=u v-\int v\,du\)。 | 函数可导、易于拆分。 | 常用于多项式与指数/三角函数混合的积分。 |
| **留数定理**（Residue theorem） | 对解析函数 \(f(z)\) 在孤立奇点 \(\{a_k\}\)：<br> \(\displaystyle\oint_{\gamma} f(z)\,dz=2\pi i\,\sum_{k}\operatorname{Res}_{z=a_k}f(z)\)。 | 轮廓闭合、函数解析。 | 解决多项式分式、傅里叶变换等积分问题。 |
| **高斯-博努瓦公式**（Gauss–Bonnet） | 对封闭曲面 \(S\) 的内角和与曲率：<br> \(\displaystyle\iint_S K\,dA + \oint_{\partial S}\kappa_g\,ds = 2\pi\chi(S)\)。 | 曲面光滑、边界可测。 | 在微分几何中连接曲率与拓扑特征（欧拉示性数）。 |

---

### 4. 多元函数

| 定理/公式 | 表达式 | 条件 | 简介 |
|------------|--------|------|------|
| **偏导数** | 对 \(f(x,y)\) 的偏导：<br> \(\displaystyle f_x=\frac{\partial f}{\partial x},\; f_y=\frac{\partial f}{\partial y}\)。 | 需要在点附近可微。 | 基础的多元微分工具。 |
| **梯度**（Gradient） | \(\nabla f=(f_x,f_y,f_z,\dots)\)。 | \(f\) 在该点连续可导。 | 表示函数增长最快方向，常用于优化与流体力学。 |
| **链式法则（多元）** | 若 \(z=f(u,v),\, u=g(x,y),\, v=h(x,y)\)，<br> \(\displaystyle z_x= f_u g_x+f_v h_x,\; z_y=f_ug_y+f_vh_y\)。 | 各函数可导。 | 处理多层复合函数的偏导。 |
| **极值定理**（Lagrange乘数） | 若 \(F(x)=0\) 为约束，求 \(\nabla f=\lambda\nabla F\)。 | 在可行域内光滑、非退化。 | 用于寻找有约束的最优点。 |
| **泰勒展开**（多元） | 对 \(f\) 在点 \(\mathbf{a}\)：<br> \(\displaystyle f(\mathbf{x})=f(\mathbf{a})+\nabla f(\mathbf{a})^T(\mathbf{x}-\mathbf{a}) +\frac12(\mathbf{x}-\mathbf{a})^T H_f(\mathbf{a})(\mathbf{x}-\mathbf{a})+ \dots\)。 | \(f\) 至少二阶可导。 | 用于局部逼近、牛顿法等数值算法。 |

---

### 5. 常用积分表（简要）

| 被积函数 | 原函数 |
|----------|--------|
| \(\displaystyle\frac{1}{x}\) | \(\ln|x|\) |
| \(\displaystyle e^{ax}\) | \(\frac{e^{ax}}{a}\) |
| \(\displaystyle \sin^n x\,\cos^m x\) | 采用换元或分部积分；若 \(m\) 或 \(n\) 为奇数，可先提取 \(\sin x\) 或 \(\cos x\)。 |
| \(\displaystyle \frac{1}{(x-a)^2+b^2}\) | \(\frac{1}{b}\arctan\!\frac{x-a}{b}\) |
| \(\displaystyle \sqrt{a^2-x^2}\) | \(\displaystyle \frac12\bigl(x\sqrt{a^2-x^2}+a^2\arcsin\frac{x}{a}\bigr)\) |

---

### 6. 数值方法概览

| 方法 | 用途 | 关键公式 |
|------|------|----------|
| **梯形规则** | 定积分数值逼近 | \(\displaystyle I\approx\frac{h}{2}[f(x_0)+2\sum_{i=1}^{n-1}f(x_i)+f(x_n)]\) |
| **辛普森规则** | 更高精度的定积分 | \(\displaystyle I\approx\frac{h}{3}[f(x_0)+4\sum_{\text{奇}}f(x_i)+2\sum_{\text{偶}}f(x_i)+f(x_n)]\) |
| **牛顿-科特斯公式** | 采用多项式插值逼近 | \(\displaystyle I=\int_a^b p_n(x)\,dx\)，其中 \(p_n\) 为 Lagrange 插值多项式。 |
| **有限差分法** | 求解微分方程的数值解 | \(\displaystyle y_{i+1}=y_i+h\,f(t_i,y_i)\)（欧拉法）等。 |

---

## 小结

- **极限与连续** 为后续导数、积分奠定基础；掌握洛必达和夹逼是解决复杂极限的核心。
- **微分** 的链式、隐函数、泰勒展开与均值定理构成多元分析的工具箱，帮助我们理解曲线形状与优化问题。
- **积分** 则从基本积分定理到换元、留数，再到高斯‑博努瓦等高级公式，覆盖了从平面到复变与微分几何的广泛内容。
- **多元函数** 的梯度、Lagrange乘数和泰勒展开是优化与偏导分析不可或缺的工具。

如果你想进一步深入某一部分（如留数定理在物理中的应用，或者高阶泰勒公式的误差估计），随时告诉我，我可以为你提供更详细的推导、示例或练习题。祝学习愉快！