微积分基本定理

1. 知识背景与应用

1.1 知识点概述

微积分基本定理揭示了微分与积分之间的内在联系：求导研究量的瞬时变化率，积分研究量的累积，而二者在一定条件下互为逆运算。

该定理主要解决两个问题：

已知一个量的变化率，怎样求它从起点到终点的总变化量；
怎样把定积分的极限计算转化为原函数在两个端点处的代数运算。

借助微积分基本定理，计算定积分时通常不再需要直接处理黎曼和的极限，而只需找到被积函数的一个原函数。因此，它既是微分学与积分学之间的桥梁，也是定积分计算和实际应用的理论基础。

在物理、工程、经济等领域中，该定理可用于根据速度求位移、根据流量求总流量、根据边际成本求成本变化量，以及根据密度求总质量等。

1.2 与其他课程或知识点的联系

关联知识点 1

相关知识点ID： CALC-DER-01

相关知识点名称： 导数与微分

关系类型： 前置

关系说明： 微积分基本定理需要用导数描述积分上限函数的变化率。理解导数的定义、几何意义和运算法则，是理解“累积量的导数等于当前变化率”的基础。

关联知识点 2

相关知识点ID： CALC-INT-01

相关知识点名称： 定积分

关系类型： 前置

关系说明： 积分上限函数和牛顿—莱布尼茨公式都建立在定积分的定义及其性质之上。理解定积分表示的有向累积量，有助于把握定理的几何意义。

关联知识点 3

相关知识点ID： CALC-ANT-01

相关知识点名称： 原函数与不定积分

关系类型： 前置

关系说明： 微积分基本定理通过原函数计算定积分。掌握原函数和不定积分的概念，是正确使用牛顿—莱布尼茨公式的必要条件。

关联知识点 4

相关知识点ID： CALC-APP-01

相关知识点名称： 定积分的应用

关系类型： 后续

关系说明： 面积、路程、功、质量、平均值等问题通常先建立定积分模型，再利用微积分基本定理完成计算。

2. 知识点正文

设 $a<b$，函数 $f:[a,b]\to\mathbb{R}$。

微积分基本定理第一部分

若 $f$ 在 $[a,b]$ 上黎曼可积，并定义

\[ A(x)=\int_a^x f(t)\,\mathrm{d}t,\qquad x\in[a,b], \]

则 $A$ 在 $[a,b]$ 上连续。

若 $f$ 在某点 $x_0\in(a,b)$ 处连续，则 $A$ 在 $x_0$ 处可微，并且

\[ A'(x_0)=f(x_0). \]

特别地，若 $f\in C([a,b])$，则 $A$ 在 $(a,b)$ 上可微，且

\[ \frac{\mathrm{d}}{\mathrm{d}x}\int_a^x f(t)\,\mathrm{d}t=f(x), \qquad x\in(a,b). \]

因此，连续函数的变上限积分是该函数的一个原函数。

微积分基本定理第二部分（牛顿—莱布尼茨公式）

若 $f\in C([a,b])$，且 $F$ 是 $f$ 的任意一个原函数，即

\[ F'(x)=f(x),\qquad x\in(a,b), \]

则

\[ \int_a^b f(x)\,\mathrm{d}x=F(b)-F(a). \]

通常记作

\[ \int_a^b f(x)\,\mathrm{d}x =\left.F(x)\right|_a^b =F(b)-F(a). \]

更一般地，对任意 $x_1,x_2\in[a,b]$，都有

\[ \int_{x_1}^{x_2}f(x)\,\mathrm{d}x =F(x_2)-F(x_1). \]

微积分基本定理表明：对于连续函数，积分运算产生其原函数，而定积分等于任一原函数在积分区间两个端点处的函数值之差，从而在这一意义下，微分与积分互为逆运算。

2.1 从变化率到累积量

设函数 $f(t)$ 表示某个量在时刻 $t$ 的变化率。从固定起点 $a$ 到时刻 $x$ 的累积量可以表示为

\[ F(x)=\int_a^x f(t)\,\mathrm{d}t. \]

这里，$t$ 是积分变量，只在积分号内部起作用；$x$ 是积分上限，也是函数 $F$ 的自变量。

函数 $F(x)$ 的几何意义是：当积分上限从 $a$ 移动到 $x$ 时，曲线 $y=f(t)$ 与横轴之间有向面积的累积值，见[[01.svg]]。

当积分上限从 $x$ 增加到 $x+h$ 时，累积量的增量为

\[ \begin{aligned} F(x+h)-F(x) &=\int_a^{x+h}f(t)\,\mathrm{d}t -\int_a^x f(t)\,\mathrm{d}t\\ &=\int_x^{x+h}f(t)\,\mathrm{d}t. \end{aligned} \]

因此，累积量在区间 $[x,x+h]$ 上的平均变化率为

\[ \frac{F(x+h)-F(x)}{h} = \frac{1}{h}\int_x^{x+h}f(t)\,\mathrm{d}t. \]

如果 $f$ 在 $x$ 附近连续，并且 $h$ 很小，那么 $f(t)$ 在区间 $[x,x+h]$ 上的值都接近 $f(x)$，于是

\[ \int_x^{x+h}f(t)\,\mathrm{d}t \approx f(x)h. \]

从而有

\[ \frac{F(x+h)-F(x)}{h}\approx f(x). \]

令 $h\to0$，可得

\[ F'(x)=f(x). \]

这一过程的几何意义见[[02.svg]]。它说明：累积量在某一点的瞬时变化率，等于该点处原来的变化率。

2.2 微积分基本定理第一部分

设函数 $f$ 在闭区间 $[a,b]$ 上连续，并定义积分上限函数

\[ F(x)=\int_a^x f(t)\,\mathrm{d}t, \qquad x\in[a,b]. \]

则 $F$ 在 $[a,b]$ 上连续，在 $(a,b)$ 上可导，并且

\[ \boxed{F'(x)=f(x)}. \]

也就是说，

\[ \boxed{ \frac{\mathrm{d}}{\mathrm{d}x} \int_a^x f(t)\,\mathrm{d}t =f(x) }. \]

这就是微积分基本定理的第一部分。它表明，由连续函数 $f$ 构造出的积分上限函数 $F$，恰好是 $f$ 的一个原函数。

证明思路

根据定积分对积分区间的可加性，

\[ F(x+h)-F(x) =\int_x^{x+h}f(t)\,\mathrm{d}t. \]

当 $h\ne0$ 时，

\[ \frac{F(x+h)-F(x)}{h} = \frac{1}{h}\int_x^{x+h}f(t)\,\mathrm{d}t. \]

由积分中值定理，在 $x$ 与 $x+h$ 之间存在一点 $\xi_h$，使得

\[ \int_x^{x+h}f(t)\,\mathrm{d}t=f(\xi_h)h. \]

所以

\[ \frac{F(x+h)-F(x)}{h}=f(\xi_h). \]

当 $h\to0$ 时，$\xi_h\to x$。由于 $f$ 在 $x$ 处连续，因此

\[ \lim_{h\to0}f(\xi_h)=f(x). \]

于是

\[ F'(x) = \lim_{h\to0} \frac{F(x+h)-F(x)}{h} =f(x). \]

2.3 微积分基本定理第二部分

设函数 $f$ 在闭区间 $[a,b]$ 上连续，函数 $\Phi$ 是 $f$ 的任意一个原函数，即

\[ \Phi'(x)=f(x). \]

则

\[ \boxed{ \int_a^b f(x)\,\mathrm{d}x =\Phi(b)-\Phi(a) }. \]

这个公式称为牛顿—莱布尼茨公式，也可以写成

\[ \int_a^b f(x)\,\mathrm{d}x = \left[\Phi(x)\right]_a^b. \]

其中，

\[ \left[\Phi(x)\right]_a^b =\Phi(b)-\Phi(a). \]

牛顿—莱布尼茨公式把定积分的计算转化为原函数在两个端点处函数值的相减，从而避免直接计算黎曼和的极限。

2.4 两部分定理之间的联系

根据微积分基本定理第一部分，

\[ F(x)=\int_a^x f(t)\,\mathrm{d}t \]

是 $f$ 的一个原函数。

如果 $\Phi$ 是 $f$ 的另一个原函数，那么两个原函数只相差一个常数，因此存在常数 $C$，使得

\[ F(x)=\Phi(x)+C. \]

令 $x=a$，因为

\[ F(a)=\int_a^a f(t)\,\mathrm{d}t=0, \]

所以

\[ 0=\Phi(a)+C, \]

即

\[ C=-\Phi(a). \]

因此，

\[ F(x)=\Phi(x)-\Phi(a). \]

令 $x=b$，便得到

\[ \int_a^b f(t)\,\mathrm{d}t =\Phi(b)-\Phi(a). \]

这正是微积分基本定理的第二部分。

第一部分说明“积分产生原函数”，第二部分说明“利用原函数计算定积分”。二者共同揭示了微分与积分之间的逆运算关系。

2.5 对变限积分的求导

积分上限或积分下限中含有自变量的积分称为变限积分。对变限积分求导的基本依据是微积分基本定理，并在积分限为复合函数时结合链式法则。

2.5.1 积分上限为自变量

设

\[ F(x)=\int_a^x f(t)\,\mathrm{d}t, \]

其中 $f$ 连续。根据微积分基本定理，

\[ \boxed{ F'(x)=f(x) }. \]

也就是说，

\[ \boxed{ \frac{\mathrm{d}}{\mathrm{d}x} \int_a^x f(t)\,\mathrm{d}t=f(x) }. \]

其几何意义是：当积分上限从 $x$ 增加到 $x+\Delta x$ 时，积分值的增量为

\[ \Delta F = \int_x^{x+\Delta x}f(t)\,\mathrm{d}t. \]

当 $\Delta x$ 很小时，这部分累积量近似为一个高为 $f(x)$、宽为 $\Delta x$ 的矩形面积：

\[ \Delta F\approx f(x)\Delta x. \]

因此，

\[ \frac{\Delta F}{\Delta x}\to f(x), \qquad \Delta x\to0. \]

这一过程见[[02.svg]]。

2.5.2 积分上限为复合函数

设

\[ F(x)=\int_a^{u(x)}f(t)\,\mathrm{d}t. \]

令

\[ G(s)=\int_a^s f(t)\,\mathrm{d}t, \]

则

\[ F(x)=G\bigl(u(x)\bigr). \]

由微积分基本定理，

\[ G'(s)=f(s). \]

再利用链式法则，可得

\[ \boxed{ F'(x) = f\bigl(u(x)\bigr)u'(x) }. \]

因此，对积分上限为复合函数的变限积分求导时，需要先将积分上限代入被积函数，再乘以积分上限的导数。

例如，

\[ F(x)=\int_1^{x^2}\ln(1+t)\,\mathrm{d}t. \]

根据变限积分求导公式，

\[ \begin{aligned} F'(x) &=\ln(1+x^2)\cdot(x^2)'\\ &=2x\ln(1+x^2). \end{aligned} \]

所以

\[ \boxed{ F'(x)=2x\ln(1+x^2) }. \]

2.5.3 变量出现在积分下限

设

\[ F(x)=\int_{v(x)}^a f(t)\,\mathrm{d}t. \]

交换积分上限和下限，得到

\[ F(x) = -\int_a^{v(x)}f(t)\,\mathrm{d}t. \]

因此，

\[ \boxed{ F'(x) = -f\bigl(v(x)\bigr)v'(x) }. \]

积分下限对应的求导结果前需要添加负号。

2.5.4 上下限都含有自变量

设

\[ F(x)=\int_{v(x)}^{u(x)}f(t)\,\mathrm{d}t. \]

取一个固定常数 $a$，将原积分拆分为

\[ F(x) = \int_a^{u(x)}f(t)\,\mathrm{d}t - \int_a^{v(x)}f(t)\,\mathrm{d}t. \]

分别求导，得到

\[ \boxed{ F'(x) = f\bigl(u(x)\bigr)u'(x) - f\bigl(v(x)\bigr)v'(x) }. \]

这个公式可以概括为

\[ \boxed{ \text{上限对应项}-\text{下限对应项} }. \]

其中，每个“对应项”都由被积函数在相应积分限处的值与该积分限的导数相乘得到。

2.5.5 综合示例

设

\[ F(x)=\int_{x^2}^{\sin x}e^{t^2}\,\mathrm{d}t. \]

积分上限为 $\sin x$，积分下限为 $x^2$。根据变限积分求导公式，

\[ \begin{aligned} F'(x) &=e^{(\sin x)^2}(\sin x)' -e^{(x^2)^2}(x^2)'\\ &=e^{\sin^2x}\cos x -2xe^{x^4}. \end{aligned} \]

因此，

\[ \boxed{ F'(x) = e^{\sin^2x}\cos x -2xe^{x^4} }. \]

2.5.6 使用公式时的注意事项

积分上限对应项取正号，积分下限对应项取负号；
积分限为复合函数时，不能遗漏链式法则；
应将积分限代入被积函数，而不是直接代入整个积分表达式；
积分变量 $t$ 是局部变量，与积分号外的自变量 $x$ 不同；
使用公式前，应保证被积函数在相关区间内满足连续性等条件。

2.6 基本计算示例

示例1：利用原函数计算定积分

计算

\[ \int_0^2(3x^2+2)\,\mathrm{d}x. \]

被积函数 $3x^2+2$ 的一个原函数是

\[ \Phi(x)=x^3+2x. \]

根据牛顿—莱布尼茨公式，

\[ \begin{aligned} \int_0^2(3x^2+2)\,\mathrm{d}x &=\left[x^3+2x\right]_0^2\\ &=(2^3+2\cdot2)-(0^3+2\cdot0)\\ &=12. \end{aligned} \]

示例2：求积分上限函数的导数

设

\[ F(x)=\int_1^x\ln(1+t)\,\mathrm{d}t. \]

由于被积函数 $\ln(1+t)$ 连续，根据微积分基本定理第一部分，

\[ F'(x)=\ln(1+x). \]

求解这类问题时，不需要先求出 $\ln(1+t)$ 的原函数。

示例3：积分上限是复合函数

设

\[ G(x)=\int_1^{x^2}\ln(1+t)\,\mathrm{d}t. \]

令

\[ F(u)=\int_1^u\ln(1+t)\,\mathrm{d}t, \]

则

\[ G(x)=F(x^2). \]

由微积分基本定理，

\[ F'(u)=\ln(1+u). \]

再利用链式法则，得到

\[ \begin{aligned} G'(x) &=F'(x^2)\cdot2x\\ &=2x\ln(1+x^2). \end{aligned} \]

因此，

\[ \boxed{G'(x)=2x\ln(1+x^2)}. \]

2.7 变上限积分的求导公式

如果积分上限是关于 $x$ 的函数，即

\[ F(x)=\int_a^{v(x)}f(t)\,\mathrm{d}t, \]

那么由微积分基本定理和链式法则，

\[ \boxed{ F'(x)=f\bigl(v(x)\bigr)v'(x) }. \]

如果变量出现在积分下限，即

\[ F(x)=\int_{u(x)}^a f(t)\,\mathrm{d}t, \]

利用积分限交换公式

\[ \int_{u(x)}^a f(t)\,\mathrm{d}t = -\int_a^{u(x)}f(t)\,\mathrm{d}t, \]

可得

\[ \boxed{ F'(x)=-f\bigl(u(x)\bigr)u'(x) }. \]

更一般地，如果积分的上限和下限都随 $x$ 变化，即

\[ F(x)=\int_{u(x)}^{v(x)}f(t)\,\mathrm{d}t, \]

则

\[ \boxed{ F'(x) = f\bigl(v(x)\bigr)v'(x) - f\bigl(u(x)\bigr)u'(x) }. \]

这个公式可以概括为

\[ \text{上限对应项}-\text{下限对应项}. \]

示例4：上下限都随自变量变化

设

\[ F(x)=\int_{x^2}^{2x}\cos t\,\mathrm{d}t. \]

根据变上限积分求导公式，

\[ \begin{aligned} F'(x) &=\cos(2x)\cdot(2x)' -\cos(x^2)\cdot(x^2)'\\ &=2\cos(2x)-2x\cos(x^2). \end{aligned} \]

因此，

\[ \boxed{ F'(x)=2\cos(2x)-2x\cos(x^2) }. \]

2.8 微积分基本定理的实际意义

微积分基本定理说明，一个量在某一区间内的总变化量，等于其变化率在该区间上的积分。

如果 $Q(x)$ 表示某个随 $x$ 变化的量，且其变化率为 $Q'(x)$，那么

\[ \boxed{ Q(b)-Q(a) = \int_a^b Q'(x)\,\mathrm{d}x }. \]

这一结论可应用于多种实际问题。

速度与位移

若 $v(t)$ 是物体的速度，$s(t)$ 是物体的位置，则

\[ s'(t)=v(t). \]

物体从时刻 $t_0$ 到时刻 $t_1$ 的位移为

\[ s(t_1)-s(t_0) = \int_{t_0}^{t_1}v(t)\,\mathrm{d}t. \]

流量与总量

若 $q(t)$ 表示单位时间内流过某截面的流量，则从 $t_0$ 到 $t_1$ 的总流量为

\[ \int_{t_0}^{t_1}q(t)\,\mathrm{d}t. \]

边际成本与成本变化量

若 $C(x)$ 表示生产 $x$ 件产品的总成本，$C'(x)$ 表示边际成本，则产量从 $a$ 增加到 $b$ 时，总成本的变化量为

\[ C(b)-C(a) = \int_a^b C'(x)\,\mathrm{d}x. \]

2.9 定积分与几何面积的区别

定积分通常表示有向面积，而不是几何面积。

当 $f(x)\geq0$ 时，

\[ \int_a^b f(x)\,\mathrm{d}x \]

等于曲线 $y=f(x)$、横轴以及直线 $x=a$、$x=b$ 所围成区域的几何面积。

当 $f(x)\leq0$ 时，对应的定积分为负数。曲线位于横轴上方的部分产生正贡献，位于横轴下方的部分产生负贡献。

如果要求曲线与横轴之间的几何面积，应计算

\[ \int_a^b |f(x)|\,\mathrm{d}x, \]

或者根据函数的零点对积分区间进行分段。

例如，如果 $f$ 在 $c$ 点改变符号，并且 $a<c<b$，那么几何面积可能需要写成

\[ \int_a^c |f(x)|\,\mathrm{d}x + \int_c^b |f(x)|\,\mathrm{d}x. \]

2.10 使用定理的基本步骤

利用牛顿—莱布尼茨公式计算定积分时，可以按照以下步骤进行：

确定被积函数 $f(x)$ 和积分区间 $[a,b]$；
找到 $f(x)$ 的一个原函数 $\Phi(x)$；
写出端点代入形式 $\left[\Phi(x)\right]_a^b$；
计算 $\Phi(b)-\Phi(a)$；
检查端点顺序、符号和运算结果。

其核心过程可以概括为

\[ \text{找原函数} \longrightarrow \text{代入上限} \longrightarrow \text{减去代入下限}. \]

2.11 常见错误

错误1：颠倒端点相减的顺序

牛顿—莱布尼茨公式中的正确顺序是

\[ \int_a^b f(x)\,\mathrm{d}x =\Phi(b)-\Phi(a). \]

应当用“上限对应值减去下限对应值”，不能写成 $\Phi(a)-\Phi(b)$。

错误2：变上限积分求导时遗漏链式法则

一般情况下，

\[ \frac{\mathrm{d}}{\mathrm{d}x} \int_a^{v(x)}f(t)\,\mathrm{d}t \ne f\bigl(v(x)\bigr). \]

正确结果是

\[ \frac{\mathrm{d}}{\mathrm{d}x} \int_a^{v(x)}f(t)\,\mathrm{d}t = f\bigl(v(x)\bigr)v'(x). \]

错误3：忽略积分下限产生的负号

对于

\[ F(x)=\int_{u(x)}^a f(t)\,\mathrm{d}t, \]

其导数为

\[ F'(x)=-f\bigl(u(x)\bigr)u'(x). \]

下限对应项前必须带负号。

错误4：混淆积分变量和自由变量

在

\[ F(x)=\int_a^x f(t)\,\mathrm{d}t \]

中，$t$ 是积分变量，$x$ 是自由变量。积分变量的名称不会影响积分结果，因此

\[ \int_a^x f(t)\,\mathrm{d}t = \int_a^x f(u)\,\mathrm{d}u. \]

错误5：把定积分直接当作几何面积

定积分表示有向累积量。函数在横轴下方时会产生负贡献，因此定积分可能为负数，也可能由于正负部分相互抵消而等于零。

2.12 适用条件

在初等微积分中，微积分基本定理通常在函数 $f$ 于闭区间 $[a,b]$ 上连续的条件下使用。

连续性可以保证：

函数 $f$ 在 $[a,b]$ 上可积；
积分上限函数 $F(x)$ 连续；
$F(x)$ 在区间内部可导；
$F'(x)=f(x)$ 成立；
可以利用原函数计算定积分。

在更高等的数学分析中，定理的条件可以适当放宽，但连续性是最常用、最容易验证的充分条件。

2.13 核心结论

微积分基本定理的第一部分是

\[ \boxed{ \frac{\mathrm{d}}{\mathrm{d}x} \int_a^x f(t)\,\mathrm{d}t =f(x) }. \]

它说明：对连续函数先累积再求导，可以回到原来的函数。

微积分基本定理的第二部分是

\[ \boxed{ \int_a^b f(x)\,\mathrm{d}x = \Phi(b)-\Phi(a), \qquad \Phi'(x)=f(x) }. \]

它说明：变化率在区间上的累积量，等于原函数在两个端点处的变化量。

因此，微积分基本定理建立了如下对应关系：

\[ \boxed{ \text{瞬时变化率} \quad\longleftrightarrow\quad \text{区间累积量} }. \]

微积分基本定理：从经典形式到现代分析

微积分基本定理建立了导数与积分之间的联系。它不仅给出计算定积分的方法，而且揭示了微分与积分在适当函数空间中的互逆关系。

1. 经典形式

设 $a<b$，函数 $f:[a,b]\to\mathbb{R}$。

定义变上限积分

\[ A(x)=\int_a^x f(t)\,\mathrm{d}t. \]

若 $f\in C([a,b])$，则 $A$ 在 $(a,b)$ 上可微，并且

\[ A'(x)=f(x). \]

因此，$A$ 是 $f$ 的一个原函数。

若 $F$ 是 $f$ 的任意一个原函数，即

\[ F'(x)=f(x), \]

则

\[ \int_a^b f(x)\,\mathrm{d}x=F(b)-F(a). \]

这就是牛顿—莱布尼茨公式。

2. 第一部分的证明思想：局部平均值趋于函数值

由变上限积分的定义，

\[ \frac{A(x+h)-A(x)}{h} = \frac{1}{h}\int_x^{x+h}f(t)\,\mathrm{d}t. \]

因此，

\[ \frac{A(x+h)-A(x)}{h}-f(x) = \frac{1}{h}\int_x^{x+h}\bigl(f(t)-f(x)\bigr)\,\mathrm{d}t. \]

当 $h\to 0$ 时，如果 $f$ 在 $x$ 处连续，那么区间 $[x,x+h]$ 上的函数值都接近 $f(x)$。于是

\[ \left| \frac{A(x+h)-A(x)}{h}-f(x) \right| \leq \sup_{t\text{ 位于 }x\text{ 与 }x+h\text{ 之间}} |f(t)-f(x)| \longrightarrow 0. \]

故

\[ A'(x)=f(x). \]

这一证明说明：导数

\[ A'(x) \]

可以看成函数 $f$ 在一个不断缩小的区间上的平均值之极限。

连续性在这里保证了局部平均值收敛到点值。

3. 第二部分的证明：原函数之间只相差常数

设

\[ A(x)=\int_a^x f(t)\,\mathrm{d}t. \]

由微积分基本定理第一部分，

\[ A'(x)=f(x). \]

若 $F$ 也是 $f$ 的原函数，则

\[ F'(x)=f(x). \]

令

\[ H(x)=F(x)-A(x). \]

于是

\[ H'(x)=F'(x)-A'(x)=0. \]

由拉格朗日中值定理，导数恒为零的函数在区间上必为常数。因此

\[ F(x)-A(x)=C. \]

取 $x=a$，由于 $A(a)=0$，得到 $C=F(a)$，所以

\[ A(x)=F(x)-F(a). \]

令 $x=b$，便得到

\[ \int_a^b f(x)\,\mathrm{d}x=F(b)-F(a). \]

由此可以看出，牛顿—莱布尼茨公式本质上依赖于两个结论：

变上限积分产生原函数；
同一函数的任意两个原函数只相差一个常数。

4. 连续性条件可以减弱到什么程度

连续性是一个简洁而充分的条件，但不是最弱条件。

若 $f$ 在 $[a,b]$ 上黎曼可积，则 $f$ 必有界。设

\[ |f(x)|\leq M. \]

对于任意 $x,y\in[a,b]$，有

\[ |A(y)-A(x)| = \left|\int_x^y f(t)\,\mathrm{d}t\right| \leq M|y-x|. \]

因此，$A$ 是 Lipschitz 连续函数，特别地，$A$ 一定连续。

进一步地，只要 $f$ 在某一点 $x_0$ 连续，就有

\[ A'(x_0)=f(x_0). \]

所以，第一部分可以表述为：

若 $f$ 黎曼可积，则其变上限积分连续；在 $f$ 的每一个连续点处，变上限积分的导数等于 $f$ 的函数值。

例如，设

\[ f(x)= \begin{cases} 0,&x<0,\\ 1,&x\geq 0. \end{cases} \]

则 $f$ 在 $0$ 处不连续。相应的变上限积分在 $0$ 处形成折点，因而在该点不可微，但在其他点仍满足

\[ A'(x)=f(x). \]

这说明不连续点可能成为“积分后函数”的不可微点。

需要注意的是，$f$ 在某点连续只是保证 $A'(x)=f(x)$ 的充分条件，并非必要条件。某些不连续函数的局部平均值仍可能收敛到其点值。

5. 微分与积分并不是完全对称的逆运算

固定 $a$，定义积分算子

\[ (Tf)(x)=\int_a^x f(t)\,\mathrm{d}t \]

和微分算子

\[ D(F)=F'. \]

对于连续函数 $f$，

\[ D(Tf)=f. \]

也就是说，

\[ D\circ T=I, \]

其中 $I$ 是恒等算子。

但是对于可微函数 $F$，

\[ (T(DF))(x) = \int_a^x F'(t)\,\mathrm{d}t = F(x)-F(a). \]

因此

\[ T\circ D \]

并不严格等于恒等算子，而是会丢失常数 $F(a)$。

其根本原因是微分无法区分只相差常数的函数：

\[ (F+C)'=F'. \]

所以，更准确地说，微分与积分在“忽略加法常数”的意义下互为逆运算。

6. Lebesgue 积分框架下的基本定理

现代实分析中，微积分基本定理最自然的表述需要两个概念：

Lebesgue 可积函数；
绝对连续函数。

设

\[ f\in L^1([a,b]), \]

并定义

\[ A(x)=\int_a^x f(t)\,\mathrm{d}t. \]

则 $A$ 是绝对连续函数，并且

\[ A'(x)=f(x) \]

对几乎处处的 $x\in[a,b]$ 成立。

这里“几乎处处”是指等式不成立的点所组成的集合具有 Lebesgue 测度零。

这比经典结论强得多：$f$ 不必连续，甚至可以在稠密集合上不连续，只要它 Lebesgue 可积即可。

7. 绝对连续性

函数 $F:[a,b]\to\mathbb{R}$ 称为绝对连续的，是指对任意 $\varepsilon>0$，存在 $\delta>0$，使得对于任意有限个两两不相交的区间

\[ (\alpha_1,\beta_1),\ldots,(\alpha_n,\beta_n)\subseteq[a,b], \]

只要

\[ \sum_{k=1}^n(\beta_k-\alpha_k)<\delta, \]

就有

\[ \sum_{k=1}^n|F(\beta_k)-F(\alpha_k)|<\varepsilon. \]

绝对连续性强于一致连续性。它控制的不只是单个短区间上的函数变化，而是任意有限个总长度很小的区间上的总变化。

现代形式的微积分基本定理可以表述为：

函数 $F$ 在 $[a,b]$ 上绝对连续，当且仅当存在某个 $f\in L^1([a,b])$，使得

\[ F(x)=F(a)+\int_a^x f(t)\,\mathrm{d}t. \]

此时 $F'$ 几乎处处存在，并且

\[ F'(x)=f(x) \]

几乎处处成立。因此

\[ F(x)=F(a)+\int_a^x F'(t)\,\mathrm{d}t. \]

特别地，

\[ F(b)-F(a)=\int_a^b F'(x)\,\mathrm{d}x. \]

所以，绝对连续函数是牛顿—莱布尼茨公式成立的自然函数类。

8. Cantor 函数揭示的反例

仅仅假设函数连续、单调并且几乎处处可微，仍不足以保证牛顿—莱布尼茨公式成立。

Cantor 函数 $C:[0,1]\to[0,1]$ 具有以下性质：

$C$ 连续且单调递增；
$C(0)=0$，$C(1)=1$；
$C'(x)=0$ 对几乎处处的 $x$ 成立；
$C$ 不是绝对连续函数。

因此，

\[ \int_0^1 C'(x)\,\mathrm{d}x=0, \]

但

\[ C(1)-C(0)=1. \]

于是

\[ C(1)-C(0)\neq\int_0^1 C'(x)\,\mathrm{d}x. \]

这个例子说明：

“几乎处处可微且导数可积”并不足以恢复原函数；函数还可能具有无法由普通导数积分捕捉的奇异变化。

绝对连续性正是排除这种奇异变化的关键条件。

9. Lebesgue 微分定理

设 $f\in L^1_{\mathrm{loc}}(\mathbb{R})$。Lebesgue 微分定理指出，对于几乎处处的 $x$，

\[ \lim_{r\to0^+} \frac{1}{2r} \int_{x-r}^{x+r} |f(t)-f(x)|\,\mathrm{d}t =0. \]

因此，对于几乎处处的 $x$，

\[ \lim_{r\to0^+} \frac{1}{2r} \int_{x-r}^{x+r}f(t)\,\mathrm{d}t =f(x). \]

这说明，即使 $f$ 不连续，其局部平均值在几乎处处仍然可以恢复 $f$ 的点值。

微积分基本定理第一部分在 Lebesgue 积分框架下成立，其深层原因正是 Lebesgue 微分定理。

经典证明依靠连续性，而现代证明依靠“几乎每一点都是 Lebesgue 点”这一事实。

10. 变限积分与 Leibniz 积分法则

设

\[ G(x)=\int_{\alpha(x)}^{\beta(x)}f(x,t)\,\mathrm{d}t. \]

若 $\alpha,\beta$ 可微，并且 $f$ 与偏导数 $\partial f/\partial x$ 满足适当的连续性条件，则

\[ G'(x) = f(x,\beta(x))\beta'(x) - f(x,\alpha(x))\alpha'(x) + \int_{\alpha(x)}^{\beta(x)} \frac{\partial f}{\partial x}(x,t)\,\mathrm{d}t. \]

这个公式称为 Leibniz 积分法则。

其中：

前两项来自积分上下限的变化；
最后一项来自被积函数本身随参数 $x$ 的变化。

当

\[ \alpha(x)=a,\qquad \beta(x)=x \]

且 $f$ 与 $x$ 无关时，公式退化为

\[ \frac{\mathrm{d}}{\mathrm{d}x} \int_a^x f(t)\,\mathrm{d}t =f(x), \]

即微积分基本定理第一部分。

11. 与常微分方程的关系

初值问题

\[ F'(x)=f(x),\qquad F(a)=F_0 \]

等价于积分方程

\[ F(x)=F_0+\int_a^x f(t)\,\mathrm{d}t. \]

更一般地，非线性常微分方程

\[ y'(x)=g(x,y(x)),\qquad y(a)=y_0 \]

可以改写为

\[ y(x) = y_0+\int_a^x g(t,y(t))\,\mathrm{d}t. \]

许多常微分方程的存在唯一性证明并不直接研究导数，而是研究相应的积分算子。例如 Picard 迭代定义为

\[ y_{n+1}(x) = y_0+\int_a^x g(t,y_n(t))\,\mathrm{d}t. \]

因此，微积分基本定理是微分方程与积分方程之间相互转化的理论基础。

12. 高维推广：广义 Stokes 定理

微积分基本定理可以写成

\[ \int_a^b F'(x)\,\mathrm{d}x = F(b)-F(a). \]

在微分形式语言中，$F$ 是零次微分形式，其外微分为

\[ \mathrm{d}F=F'(x)\,\mathrm{d}x. \]

区间 $[a,b]$ 的有向边界为

\[ \partial[a,b]=\{b\}-\{a\}. \]

于是微积分基本定理可写为

\[ \int_{[a,b]}\mathrm{d}F = \int_{\partial[a,b]}F. \]

广义 Stokes 定理则表述为

\[ \boxed{ \int_M\mathrm{d}\omega = \int_{\partial M}\omega } \]

其中 $M$ 是带定向边界的光滑流形，$\omega$ 是适当次数的微分形式。

它的不同特例包括：

一维微积分基本定理；
平面上的 Green 公式；
三维空间中的经典 Stokes 公式；
Gauss 散度定理。

因此，从现代几何观点看，微积分基本定理并不是孤立的一维结论，而是“内部的微分量等于边界上的累积量”这一统一原理的最简单情形。

13. 路径积分中的基本定理

设 $U\subseteq\mathbb{R}^n$，函数 $F:U\to\mathbb{R}$ 连续可微，曲线

\[ \gamma:[a,b]\to U \]

分段连续可微。

由链式法则，

\[ \frac{\mathrm{d}}{\mathrm{d}t}F(\gamma(t)) = \nabla F(\gamma(t))\cdot\gamma'(t). \]

对两边积分并使用一维微积分基本定理，得到

\[ \int_a^b \nabla F(\gamma(t))\cdot\gamma'(t)\,\mathrm{d}t = F(\gamma(b))-F(\gamma(a)). \]

即

\[ \int_\gamma\nabla F\cdot\mathrm{d}\mathbf{r} = F(\gamma(b))-F(\gamma(a)). \]

这说明梯度场的路径积分只依赖起点和终点，而与具体路径无关。

因此，下列概念密切相关：

向量场存在势函数；
向量场是梯度场；
路径积分与路径无关；
任意闭合曲线上的路径积分为零。

在单连通区域及适当光滑条件下，这些性质通常可以相互推出。

14. 进一步思考

问题一

如果 $f$ 仅黎曼可积，证明

\[ A(x)=\int_a^x f(t)\,\mathrm{d}t \]

是 Lipschitz 连续函数。

问题二

构造一个有界但不连续的函数 $f$，使得其变上限积分在某些不连续点仍然可微。

提示：应使 $f$ 在该点附近的积分平均值趋于 $f$ 在该点的取值。

问题三

解释为什么 Cantor 函数不能写成

\[ C(x)=C(0)+\int_0^x C'(t)\,\mathrm{d}t. \]

并指出连续性、单调性和几乎处处可微性为何仍然不够。

问题四

利用微积分基本定理和链式法则证明

\[ \int_\gamma\nabla F\cdot\mathrm{d}\mathbf{r} = F(\gamma(b))-F(\gamma(a)). \]

问题五

证明：如果 $f\in L^\infty([a,b])$，则

\[ A(x)=\int_a^x f(t)\,\mathrm{d}t \]

是 Lipschitz 连续的，并求一个 Lipschitz 常数。

15. 推荐阅读

经典微积分与严格证明

Michael Spivak, Calculus
强调微积分基本概念的逻辑结构，适合深入理解定理证明及其思想。
Tom M. Apostol, Calculus, Volume I
系统讨论积分、导数和微积分基本定理，严谨性高于一般工科微积分教材。
Walter Rudin, Principles of Mathematical Analysis
适合进一步研究实分析中的微分、Riemann 积分和函数列。

Lebesgue 积分与绝对连续性

H. L. Royden and P. M. Fitzpatrick, Real Analysis
详细介绍 Lebesgue 积分、绝对连续函数和几乎处处可微性。
Gerald B. Folland, Real Analysis
适合系统学习 Lebesgue 微分定理、测度论和现代积分理论。
Elias M. Stein and Rami Shakarchi, Real Analysis
对局部平均、极大函数和 Lebesgue 微分定理有较深入的讨论。

多元分析与 Stokes 定理

Michael Spivak, Calculus on Manifolds
用微分形式统一处理微积分基本定理、Green 公式、Stokes 公式和散度定理。
James R. Munkres, Analysis on Manifolds
适合从严格多元分析过渡到流形上的积分理论。

16. 核心认识

微积分基本定理可以从三个层次理解：

计算层面

$$ \int_a^b f(x)\,\mathrm{d}x=F(b)-F(a). $$

它把定积分的计算转化为寻找原函数。

分析层面

$$ \frac{\mathrm{d}}{\mathrm{d}x} \int_a^x f(t)\,\mathrm{d}t=f(x). $$

它说明局部变化率可以从积分的局部平均中恢复。

几何层面

$$ \int_M\mathrm{d}\omega = \int_{\partial M}\omega. $$

它说明区域内部的微分信息与区域边界上的总体变化之间存在统一联系。

从经典连续函数到 Lebesgue 可积函数，从一维区间到高维流形，微积分基本定理始终表达同一个核心思想：

局部变化经过积分形成整体累积，而整体累积的边界差反过来记录局部变化。