微积分常用公式推导-微积分公式推导

微积分的世界由一系列精妙而强有力的公式构成，这些公式并非凭空产生，而是源于基本的定义和严谨的逻辑推演。理解推导过程，是真正掌握微积分精髓的钥匙。

导数的概念源于函数在某一点的瞬时变化率，其核心定义是差商的极限。

（1）常数函数 (f(x) = C) 的导数

根据导数定义：(f'(x) = lim_{Delta x to 0} frac{f(x+Delta x) - f(x)}{Delta x} = lim_{Delta x to 0} frac{C - C}{Delta x} = lim_{Delta x to 0} 0 = 0)。推导表明，常数函数的变化率恒为零。

（2）幂函数 (f(x) = x^n) ((n)为正整数) 的导数

使用定义：(f'(x) = lim_{Delta x to 0} frac{(x+Delta x)^n - x^n}{Delta x})。展开((x+Delta x)^n)，依据二项式定理：

• ((x+Delta x)^n = x^n + n x^{n-1}Delta x + frac{n(n-1)}{2}x^{n-2}(Delta x)^2 + ... + (Delta x)^n)。

代入极限式：

(f'(x) = lim_{Delta x to 0} frac{[x^n + n x^{n-1}Delta x + ... + (Delta x)^n] - x^n}{Delta x} = lim_{Delta x to 0} frac{n x^{n-1}Delta x + frac{n(n-1)}{2}x^{n-2}(Delta x)^2 + ...}{Delta x})

(= lim_{Delta x to 0} [n x^{n-1} + frac{n(n-1)}{2}x^{n-2}Delta x + ...] = n x^{n-1})。

此推导清晰地展示了高阶无穷小项在极限过程中消失，最终得到著名公式 ((x^n)' = nx^{n-1})。对于任意实数幂次，该公式依然成立，但推导需借助其他工具（如对数微分法）。

（3）正弦函数 (f(x) = sin x) 与余弦函数 (g(x) = cos x) 的导数

推导需要用到和差化积公式与两个重要极限。对(sin x)：

(f'(x) = lim_{Delta x to 0} frac{sin(x+Delta x) - sin x}{Delta x} = lim_{Delta x to 0} frac{2 cos(x+frac{Delta x}{2}) sin(frac{Delta x}{2})}{Delta x})。

令 (t = frac{Delta x}{2})，则上式化为：

(f'(x) = lim_{t to 0} frac{cos(x+t) sin t}{t} = lim_{t to 0} cos(x+t) cdot lim_{t to 0} frac{sin t}{t} = cos x cdot 1 = cos x)。

其中用到了重要极限 (lim_{t to 0} frac{sin t}{t} = 1)。类似地，可推导出 ((cos x)' = -sin x)。

（1）乘法法则 ((uv)' = u'v + uv')

设 (y = u(x)v(x))，则增量比：

(frac{Delta y}{Delta x} = frac{u(x+Delta x)v(x+Delta x) - u(x)v(x)}{Delta x})。

巧妙添加一项 (u(x+Delta x)v(x) - u(x+Delta x)v(x))（其值为零）进行重组：

(frac{Delta y}{Delta x} = frac{u(x+Delta x)v(x+Delta x) - u(x+Delta x)v(x) + u(x+Delta x)v(x) - u(x)v(x)}{Delta x})

(= u(x+Delta x) cdot frac{v(x+Delta x)-v(x)}{Delta x} + v(x) cdot frac{u(x+Delta x)-u(x)}{Delta x})。

取极限 (Delta x to 0)，并利用函数连续性（(u)可导则连续，故 (lim u(x+Delta x) = u(x))），即得：

(y' = u(x) v'(x) + v(x) u'(x))。这个推导体现了“添项拆项”的典型技巧。

（2）链式法则 (frac{dy}{dx} = frac{dy}{du} cdot frac{du}{dx})

设 (y = f(u))， (u = g(x))，即 (y = f(g(x)))。当 (x) 有增量 (Delta x)，引起 (u) 有增量 (Delta u)，进而引起 (y) 有增量 (Delta y)。

导数定义为：(frac{dy}{dx} = lim_{Delta x to 0} frac{Delta y}{Delta x})。这里需谨慎处理 (Delta u) 可能为零的情况。一个严谨的推导是引入辅助函数。核心思想是：

(frac{Delta y}{Delta x} = frac{Delta y}{Delta u} cdot frac{Delta u}{Delta x})，当 (Delta x to 0) 时，若 (frac{Delta u}{Delta x} to frac{du}{dx})，且 (frac{Delta y}{Delta u} to frac{dy}{du})（在 (Delta u neq 0) 时），则极限存在且等于乘积。通过定义补充规定当 (Delta u = 0) 时差商值为导数，可以完成完整证明。链式法则是处理复合函数导数的关键工具。

积分学与微分学通过微积分基本定理紧密相连，该定理是微积分这座大厦的拱顶石。

微积分基本定理分为两部分，建立了微分与积分的互逆关系。

第一部分：设 (f) 在 ([a, b]) 上连续，定义函数 (F(x) = int_{a}^{x} f(t) dt)。则 (F(x)) 在 ([a, b]) 上可导，且 (F'(x) = f(x))。

推导思路：考虑 (F(x)) 在点 (x) 的导数。

(F'(x) = lim_{h to 0} frac{F(x+h) - F(x)}{h} = lim_{h to 0} frac{1}{h} left[ int_{a}^{x+h} f(t) dt - int_{a}^{x} f(t) dt right] = lim_{h to 0} frac{1}{h} int_{x}^{x+h} f(t) dt)。

由于 (f) 连续，在小区间 ([x, x+h]) 上，(f) 可取到最小值 (m) 和最大值 (M)。由积分估值定理：

• (m cdot h le int_{x}^{x+h} f(t) dt le M cdot h)。

也是因为这些，(m le frac{1}{h} int_{x}^{x+h} f(t) dt le M)。当 (h to 0) 时，区间缩为一点，由连续性，(m) 和 (M) 都趋于 (f(x))。根据夹逼定理，中间项的极限即为 (f(x))。故 (F'(x) = f(x))。这证明了求导是积分运算的逆运算。

第二部分（牛顿-莱布尼茨公式）：若 (F(x)) 是连续函数 (f(x)) 在 ([a, b]) 上的一个原函数（即 (F'(x) = f(x))），则 (int_{a}^{b} f(x) dx = F(b) - F(a))。

推导：由第一部分知，(Phi(x) = int_{a}^{x} f(t) dt) 也是 (f(x)) 的一个原函数。任何两个原函数之间只差一个常数，故 (F(x) = Phi(x) + C)。令 (x = a)，得 (F(a) = Phi(a) + C = 0 + C)，所以 (C = F(a))。再令 (x = b)，得 (F(b) = Phi(b) + F(a) = int_{a}^{b} f(t) dt + F(a))。移项即得 (int_{a}^{b} f(x) dx = F(b) - F(a))。这个公式将复杂的积分计算转化为寻找原函数的过程，是计算定积分的核心工具。

（1）换元积分法 本质上是链式法则的积分形式。

• 第一类换元（凑微分）：设 (F'(u) = f(u))，且 (u = g(x)) 可导。由链式法则，(frac{d}{dx} F(g(x)) = f(g(x)) g'(x))。两边积分得：(int f(g(x)) g'(x) dx = F(g(x)) + C = int f(u) du bigg|_{u=g(x)})。推导过程直接逆向使用了微分法则。
• 第二类换元：设 (x = phi(t)) 单调可导，且 (phi'(t) neq 0)，(f(x)) 连续。则由牛顿-莱布尼茨公式和复合函数求导法则可证：(int f(x) dx = int f(phi(t)) phi'(t) dt bigg|_{t=phi^{-1}(x)})。其思想是引入新变量简化被积表达式。

（2）分部积分公式 (int u dv = uv - int v du) 源于乘积的微分法则。

由 ((uv)' = u'v + uv')，即 (d(uv) = v du + u dv)。两边同时取不定积分：

(int d(uv) = int v du + int u dv)。

左边积分结果为 (uv + C)。移项即得：(int u dv = uv - int v du + C)，通常将常数合并到最后一个积分中。对于定积分，则有 (int_{a}^{b} u dv = [uv]_{a}^{b} - int_{a}^{b} v du)。这个推导简洁而优美，是处理乘积函数积分的有力武器。

指数函数 (e^x) 与自然对数 (ln x) 的导数

指数函数的导数定义推导依赖于其特殊性质。定义 (e = lim_{n to infty} (1+frac{1}{n})^n)。考虑 (f(x) = e^x)，使用定义：

(f'(x) = lim_{h to 0} frac{e^{x+h} - e^x}{h} = e^x lim_{h to 0} frac{e^{h} - 1}{h})。

令 (t = e^h - 1)，则 (h = ln(1+t))，当 (h to 0) 时 (t to 0)。极限变为：(lim_{t to 0} frac{t}{ln(1+t)} = lim_{t to 0} frac{1}{frac{1}{t}ln(1+t)} = frac{1}{ln [lim_{t to 0} (1+t)^{1/t}]} = frac{1}{ln e} = 1)。

也是因为这些，(f'(x) = e^x)。这是唯一一个导数等于自身的函数，显示了其非凡特性。

对于自然对数 (g(x) = ln x (x>0))，利用指数函数导数的结论和反函数求导法则：因为 (y = ln x) 等价于 (x = e^y)，所以 (frac{dy}{dx} = frac{1}{frac{dx}{dy}} = frac{1}{e^y} = frac{1}{x})。推导过程简洁明了。

泰勒公式（泰勒展开）的推导

泰勒公式的目标是用多项式逼近一个光滑函数。推导从微积分基本定理的变形开始：(f(x) = f(a) + int_{a}^{x} f'(t) dt)。对积分项反复使用分部积分法：

令 (u = f'(t), dv = dt)，则 (du = f''(t)dt, v = t - x)（注意这里将积分变量取为 (t)，将 (x) 视为常数，并巧妙选择 (v = t - x) 使得后续计算简化）。

于是：(int_{a}^{x} f'(t) dt = [f'(t)(t-x)]_{t=a}^{t=x} - int_{a}^{x} (t-x) f''(t) dt = f'(a)(x-a) + int_{a}^{x} (x-t) f''(t) dt)。

代入原式：(f(x) = f(a) + f'(a)(x-a) + int_{a}^{x} (x-t) f''(t) dt)。

继续对最后一项分部积分，令 (u = f''(t), dv = (x-t)dt)，可得 (frac{f''(a)}{2!}(x-a)^2) 项及一个更高阶的积分余项。如此反复进行，即可得到带有积分型余项的泰勒公式：

(f(x) = f(a) + f'(a)(x-a) + frac{f''(a)}{2!}(x-a)^2 + ... + frac{f^{(n)}(a)}{n!}(x-a)^n + R_n(x))，

其中 (R_n(x) = frac{1}{n!} int_{a}^{x} (x-t)^n f^{(n+1)}(t) dt)。通过不同的余项分析（如拉格朗日余项），可以得到公式的不同形式。泰勒公式的推导系统性地展示了如何用函数的各阶导数信息来构造逼近多项式，是分析函数局部性质与进行近似计算的核心工具。

通过对以上一系列核心公式的推导历程进行梳理，我们可以清晰地看到微积分理论环环相扣、逻辑严密的整体架构。从最基础的极限定义出发，构建出导数的概念；通过巧妙的代数变形和极限运算，得到基本初等函数的求导公式；再基于这些基础，运用逻辑推理建立导数的四则运算法则和链式法则。在积分学方面，微积分基本定理如同一条金色纽带，将微分与积分这两个看似独立的运算紧密联系起来，其推导过程深刻体现了连续函数的性质以及原函数的概念。而换元积分法和分部积分法则分别是链式法则和乘积法则在积分领域的直接体现。指数、对数函数的导数关系以及泰勒公式的推导，进一步将微积分的应用推向深入，展示了用简单函数（多项式）逼近复杂函数的强大能力。掌握这些推导，不仅是为了应付考试，更是为了培养一种追本溯源、严谨论证的科学思维习惯。易搜职考网深知，在各类职业与学术考试中，对原理的深入理解是应对题型变化、实现高分突破的坚实基础。希望读者能通过本文的阐述，不仅记住这些公式，更能领略其背后的思想脉络，从而在数学学习与应用的道路上行稳致远。