微积分核心定理与公式速查表

微积分（Calculus）的核心思想在于“以直代曲”（微分局部线性化）与“积零成整”（积分连续累加）。微分中值定理族架起了函数局部导数与整体变化率之间的桥梁，而微积分基本定理（牛顿-莱布尼茨公式）则揭示了微分与积分互为逆运算的本质联结。

本速查表系统梳理微积分 12 项基石定理与核心法则，涵盖导数极值判别、微分中值定理族、高阶泰勒展开、微积分基本定理、积分中值定理及分部积分，理清严格前置条件、几何物理直观与现代工程算法（机器学习梯度优化、有限元分析、数值积分）应用场景。

🔗 相关数学与算法速查：数据分析方法 · 数学博弈策略 · AI 核心算法 · 算法复杂度速查

理论演进与逻辑脉络

微积分的核心定理并非孤立存在，而是构成严密的逻辑推导链条：从实数完备性出发，通过费马引理确立极值必要条件，推导出微分中值定理体系；进而向高阶延伸为泰勒多项式逼近，向积分延伸为微积分基本定理。

flowchart TD
    Extremum["实数连续性 / 闭区间性质"] --> Fermat["费马引理 (Fermat's Lemma)\n可导极值点处导数为 0"]
    Fermat --> Rolle["罗尔中值定理 (Rolle)\nf(a) = f(b) ⟹ 存在水平切线 f'(c) = 0"]
    Rolle --> Lagrange["拉格朗日中值定理 (Lagrange MVT)\nf(b) - f(a) = f'(c)(b - a)\n切线斜率等于平均变化率"]
    Lagrange --> Cauchy["柯西中值定理 (Cauchy MVT)\n两函数增量与导数之比\n(洛必达法则基础)"]
    Lagrange --> Taylor["泰勒定理 (Taylor's Theorem)\n高阶导数多项式逼近与余项估计\n(梯度下降 / 牛顿法基础)"]
    
    Rolle --> IntMVT["积分中值定理 (Integral MVT)\n连续函数积分值等于某点函数值乘区间长"]
    IntMVT --> FTC1["微积分第一基本定理 (FTC 1)\n变上限积分导数等于被积函数\n(原函数存在性)"]
    FTC1 --> FTC2["微积分第二基本定理 (FTC 2 / 牛顿-莱布尼茨)\n定积分值等于原函数端点增量 F(b) - F(a)"]
    FTC2 --> IBP["分部积分法 (Integration by Parts)\n乘积导数法则的积分对应式"]
    FTC2 --> Stokes["广义斯托克斯定理 (高维扩展)\n格林公式 / 高斯定理 / 经典斯托克斯定理"]

1. 核心定理与法则总览速查

下表汇总了微积分中最常用的 12 项核心定理与计算法则。使用时请务必核对前置连续与可导区间约束（开区间可导 vs 闭区间连续），避免在间断点或不可导点处滥用。

序号	定理 / 法则名称	核心数学表达式	关键前置条件	几何直观 / 物理本质	典型工业与算法应用
01	费马引理 (Fermat’s Lemma)	(f’(c) = 0)	(f(x)) 在 (c) 邻域有定义、可导且取得局部极值	平滑曲线峰值或谷底切线水平；速度为 0 的转向点	凸优化极小值一阶必要条件、机器学习驻点检验
02	一阶导数判别法 (First Derivative Test)	左 (f’ > 0) 右 (f’ < 0 \implies) 极大值左 (f’ < 0) 右 (f’ > 0 \implies) 极小值	(f(x)) 在 (c) 邻域连续，在去心邻域可导	曲线由上升转为下降必经过局部最高点	单变量单峰函数区间搜索（二分法、黄金分割法）
03	二阶导数判别法 (Second Derivative Test)	(f’(c) = 0)，且： (f”(c) > 0 \implies) 严格极小 (f”(c) < 0 \implies) 严格极大	(f(x)) 在 (c) 点二阶可导，且 (f’(c) = 0)	二阶导刻画局部曲率；向上凹为谷底，向下凸为峰顶	Hessian 矩阵正定性判定、非线性规划局部最优判别
04	反函数求导法则 (Inverse Function Rule)	((f^{-1})‘(y) = \frac{1}{f’(x)})，其中 (y = f(x))	(f(x)) 严格单调、可导且 (f’(x) \neq 0)	原函数与反函数图像关于 (y = x) 对称，切线斜率互为倒数	坐标系逆映射、隐式神经网络层反向传播
05	罗尔中值定理 (Rolle’s Theorem)	存在 (c \in (a, b))，使： (f’(c) = 0)	(f \in C[a, b])，(f \in D(a, b))，且 (f(a) = f(b))	起点和终点等高的闭合平滑曲线，中间必存在水平切线	方程根的存在性隔离、微分方程解的震荡性证明
06	拉格朗日中值定理 (Lagrange’s MVT)	(f(b) - f(a) = f’(c)(b - a)) 即 (f’(c) = \frac{f(b) - f(a)}{b - a})	(f \in C[a, b])，在开区间 ((a, b)) 内可导	曲线割线斜率等于某点瞬时切线斜率；平均速度等于瞬时速度	有限增量估计、Lipschitz 连续性证明、数值误差界分析
07	柯西中值定理 (Cauchy’s MVT)	(\frac{f’(c)}{g’(c)} = \frac{f(b) - f(a)}{g(b) - g(a)})	(f, g \in C[a, b])，在 ((a, b)) 可导，且 (g’(x) \neq 0)	参数方程曲线 ((g(t), f(t))) 的割线斜率等于某点切线斜率	洛必达法则（未定式求极限）严格证明、函数比值误差估计
08	泰勒定理 (Taylor’s Theorem)	(f(x) = \sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x - x_0)^k + R_n(x))	(f(x)) 在区间内具有 (n + 1) 阶连续导数	用多项式在局部逼近复杂非线性函数，控制余项截断误差	梯度下降（一阶逼近）、牛顿法（二阶逼近）、有限元求解
09	积分第一中值定理 (Mean Value for Integrals)	(\int_a^b f(x),\mathrm{d}x = f(c)(b - a))	(f(x)) 在闭区间 ([a, b]) 上连续	连续曲边梯形面积等于某点高度矩形的面积（积分平均值）	连续信号有效值（RMS）、统计期望、物理质心计算
10	微积分第一基本定理 (FTC Part 1 / 变限求导)	(\frac{\mathrm{d}}{\mathrm{d}x} \int_a^x f(t),\mathrm{d}t = f(x))	(f(t)) 在 ([a, b]) 上连续	变上限积分的瞬时增长率等于当前端点处的被积函数值	微分方程边值问题、动力系统状态累积建模
11	微积分第二基本定理 (FTC Part 2 / 牛顿-莱布尼茨)	(\int_a^b f(x),\mathrm{d}x = F(b) - F(a))	(f(x)) 连续，(F(x)) 为 (f(x)) 在 ([a, b]) 上的任意原函数	连续变化量的累积总和等于其原函数在两端点的状态差	物理做功、流体通量计算、概率密度到累积分布函数
12	定积分分部积分法 (Integration by Parts)	(\int_a^b u,\mathrm{d}v = [uv]_a^b - \int_a^b v,\mathrm{d}u)	(u(x), v(x)) 在 ([a, b]) 上具有连续一阶导数	导数乘积法则在定积分下的对称转化；将复杂积分转为易解项	傅里叶变换、拉普拉斯变换、弱形式偏微分方程推导

2. 导数、极值与函数态势（微分局部性质）

2.1 费马引理 (Fermat’s Lemma)

设函数 (f(x)) 在点 (c) 的某邻域 (U(c)) 内有定义，并且在 (c) 处可导。若 (f(x)) 在 (c) 处取得局部极值（极大值或极小值），则该点的一阶导数必为零：

f'(c) = 0

核心意义：导数为 0 的点称为驻点（Stationary Point）或临界点（Critical Point）。费马引理指出了可导函数极值点的必要条件，而非充分条件。
经典反例：
- 导数为零但无极值：(f(x) = x^3) 在 (x = 0) 处 (f’(0) = 0)，但为严格单调增函数，无极值（拐点）。
- 有极值但不可导：(f(x) = |x|) 在 (x = 0) 处取得极小值，但在该点导数不存在。

2.2 极值充分判别法

找到驻点或不可导点后，必须借助充分条件确定其是否为极值点。

一阶导数判别法 (First Derivative Test)

设 (f(x)) 在连续区间内，(c) 为驻点或导数不存在的点：

若 (x) 穿过 (c) 时，(f’(x)) 从正变负（左正右负），则 (f(c)) 为局部极大值；
若 (x) 穿过 (c) 时，(f’(x)) 从负变正（左负右正），则 (f(c)) 为局部极小值；
若 (f’(x)) 在 (c) 两侧符号不变，则 (f(c)) 不是极值。

二阶导数判别法 (Second Derivative Test)

设 (f(x)) 在 (c) 处二阶可导，且 (f’(c) = 0)：

\begin{cases} f''(c) > 0 \implies f(c) \text{ 为严格局部极小值（曲线上凹，类似谷底）} \\ f''(c) < 0 \implies f(c) \text{ 为严格局部极大值（曲线下凸，类似峰顶）} \\ f''(c) = 0 \implies \text{判别法失效，必须借助更高阶导数或一阶符号检验} \end{cases}

2.3 反函数求导法则 (Inverse Function Derivative)

若函数 (y = f(x)) 在包含 (x) 的区间内严格单调且可导，且 (f’(x) \neq 0)，则其反函数 (x = f^{-1}(y)) 在对应点 (y) 处亦可导，且其导数等于原函数导数的倒数：

\frac{\mathrm{d}x}{\mathrm{d}y} = \frac{1}{\frac{\mathrm{d}y}{\mathrm{d}x}} \qquad\Longleftrightarrow\qquad (f^{-1})'(y) = \frac{1}{f'(x)} = \frac{1}{f'(f^{-1}(y))}

几何直观：原函数与反函数的图象关于直线 (y = x) 轴对称。由于对应切线与对称轴夹角互补，其斜率互为倒数。

3. 微分中值定理体系（连接点与区间的理论基石）

微分中值定理系列建立了“区间整体增量”与“内部某点瞬时导数”之间的精确等式联系，是数学分析中最精妙的理论工具。

3.1 罗尔中值定理 (Rolle’s Theorem)

若函数 (f(x)) 满足下列三个条件：

在闭区间 ([a, b]) 上连续；
在开区间 ((a, b)) 内可导；
在区间两端点的函数值相等，即 (f(a) = f(b))；

则在开区间 ((a, b)) 内至少存在一点 (c \in (a, b))，使得：

f'(c) = 0

3.2 拉格朗日中值定理 (Lagrange’s Mean Value Theorem)

拉格朗日中值定理是罗尔定理的旋转推广。若函数 (f(x)) 满足：

在闭区间 ([a, b]) 上连续；
在开区间 ((a, b)) 内可导；

则在开区间 ((a, b)) 内至少存在一点 (c \in (a, b))，使得：

f'(c) = \frac{f(b) - f(a)}{b - a} \qquad\Longleftrightarrow\qquad f(b) - f(a) = f'(c)(b - a)

有限增量公式：令 (b = a + \Delta x)，(c = a + \theta \Delta x)（(0 < \theta < 1)），上式写作 (\Delta y = f’(a + \theta \Delta x)\Delta x)。它用内部某点的精确导数替代了微积分近似公式 (\Delta y \approx f’(a)\Delta x)。
推论：若在区间 (I) 上恒有 (f’(x) = 0)，则 (f(x)) 在 (I) 上必为常数；若两个函数导数恒相等，则二者仅相差一个常数。

3.3 柯西中值定理 (Cauchy’s Mean Value Theorem)

柯西中值定理是拉格朗日中值定理在参数方程形式下的进一步推广。设函数 (f(x)) 和 (g(x)) 满足：

在闭区间 ([a, b]) 上连续；
在开区间 ((a, b)) 内可导；
对任意 (x \in (a, b))，(g’(x) \neq 0)；

则在开区间 ((a, b)) 内至少存在一点 (c \in (a, b))，使得：

\frac{f'(c)}{g'(c)} = \frac{f(b) - f(a)}{g(b) - g(a)} \qquad\Longleftrightarrow\qquad [f(b) - f(a)]g'(c) = [g(b) - g(a)]f'(c)

与拉格朗日定理的关系：当取 (g(x) = x) 时，柯西中值定理退化为拉格朗日中值定理。
核心应用：柯西中值定理是严格证明计算未定式极限的**洛必达法则（L’Hôpital’s Rule）**的基础。

4. 泰勒定理与多项式逼近（高阶展开与局部近似）

泰勒定理（Taylor’s Theorem）将拉格朗日中值定理（一阶逼近）拓展到任意 (n) 阶，利用函数在单点处的高阶导数信息构建多项式，实现对非线性函数的局部高精度近似。

4.1 泰勒展开与余项公式

设函数 (f(x)) 在包含 (x_0) 的区间内具有直到 (n + 1) 阶的连续导数，则对区间内任意 (x)，有：

f(x) = \sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x - x_0)^k + R_n(x)

展开前三项形式为：

f(x) = f(x_0) + f'(x_0)(x - x_0) + \frac{f''(x_0)}{2!}(x - x_0)^2 + \cdots + \frac{f^{(n)}(x_0)}{n!}(x - x_0)^n + R_n(x)

两种最常用的余项形式：

拉格朗日型余项（用于全局截断误差估计）：
$R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x - x_0)^{n+1} \qquad (\xi \text{ 介于 } x \text{ 与 } x_0 \text{ 之间})$
佩亚诺型余项（用于极限计算与局部阶数刻画）：
$R_n(x) = o\big((x - x_0)^n\big) \qquad (x \to x_0)$

4.2 常用初等函数麦克劳林展开速查 ((x_0 = 0))

函数 (f(x))	麦克劳林展开式（带佩亚诺余项）	收敛区间
(e^x)	(1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \cdots + \frac{x^n}{n!} + o(x^n))	(x \in (-\infty, +\infty))
(\sin x)	(x - \frac{x^3}{3!} + \frac{x^5}{5!} - \cdots + (-1)^{m-1}\frac{x^{2m-1}}{(2m-1)!} + o(x^{2m}))	(x \in (-\infty, +\infty))
(\cos x)	(1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \cdots + (-1)^m\frac{x^{2m}}{(2m)!} + o(x^{2m+1}))	(x \in (-\infty, +\infty))
(\ln(1 + x))	(x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4} + \cdots + (-1)^{n-1}\frac{x^n}{n} + o(x^n))	(x \in (-1, 1])
(\frac{1}{1 - x})	(1 + x + x^2 + x^3 + \cdots + x^n + o(x^n))	(x \in (-1, 1))
((1 + x)^\alpha)	(1 + \alpha x + \frac{\alpha(\alpha - 1)}{2!}x^2 + \cdots + \frac{\alpha(\alpha - 1)\cdots(\alpha - n + 1)}{n!}x^n + o(x^n))	(x \in (-1, 1))

4.3 现代机器学习与数值优化对应

一阶泰勒展开 (\to) 梯度下降（Gradient Descent）：将目标损失函数在参数 (\mathbf{w}_t) 处作一阶展开：(L(\mathbf{w}) \approx L(\mathbf{w}_t) + \nabla L(\mathbf{w}_t)^T (\mathbf{w} - \mathbf{w}t))。为使 (L(\mathbf{w})) 最大幅度下降，更新方向取负梯度：(\mathbf{w}{t+1} = \mathbf{w}_t - \eta \nabla L(\mathbf{w}_t))。
二阶泰勒展开 (\to) 牛顿法（Newton’s Method）：在参数点作二阶局部展开：(L(\mathbf{w}) \approx L(\mathbf{w}_t) + \nabla L(\mathbf{w}t)^T \Delta \mathbf{w} + \frac{1}{2} \Delta \mathbf{w}^T \mathbf{H} \Delta \mathbf{w})。令导数为零求驻点，得到牛顿迭代步：(\mathbf{w}{t+1} = \mathbf{w}_t - \mathbf{H}^{-1}\nabla L(\mathbf{w}_t))，具有二阶收敛速度。

5. 微积分基本定理与积分理论（连接微分与积分的纽带）

5.1 微积分第一基本定理 (FTC Part 1 / 变限积分求导)

若函数 (f(x)) 在闭区间 ([a, b]) 上连续，定义变上限积分函数：

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

则 (\Phi(x)) 在 ([a, b]) 上可导，并且其导数恒等于被积函数在端点处的值：

\frac{\mathrm{d}}{\mathrm{d}x}\left(\int_a^x f(t)\,\mathrm{d}t\right) = f(x)

核心意义：
1. 原函数的存在性：定理证明了任何闭区间上的连续函数都必定存在原函数（即 (\Phi(x)) 就是 (f(x)) 的一个原函数）；
2. 逆运算性质：“先积分后微分，结果回归原函数”，确立了微分与积分的互逆运算关系。
复合变限求导通用公式（莱布尼茨积分法则）：若上限为 (\beta(x))、下限为 (\alpha(x))，且被积函数含参数 (x)：
$\frac{\mathrm{d}}{\mathrm{d}x}\int_{\alpha(x)}^{\beta(x)} f(x, t)\,\mathrm{d}t = f(x, \beta(x))\beta'(x) - f(x, \alpha(x))\alpha'(x) + \int_{\alpha(x)}^{\beta(x)} \frac{\partial f(x, t)}{\partial x}\,\mathrm{d}t$

5.2 微积分第二基本定理 (FTC Part 2 / 牛顿-莱布尼茨公式)

若函数 (f(x)) 在闭区间 ([a, b]) 上连续，且 (F(x)) 为 (f(x)) 在 ([a, b]) 上的任意一个原函数（即 (F’(x) = f(x))），则定积分的值等于该原函数在积分上下限处的差值：

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

划时代意义：彻底摆脱了利用“分割、近似、求和、取极限”（黎曼和）计算定积分的繁琐途径，将定积分的连续累积求解转化为纯代数原函数的求差运算。

5.3 积分中值定理 (Mean Value Theorem for Integrals)

积分第一中值定理（普通形式）

若 (f(x)) 在闭区间 ([a, b]) 上连续，则在 ([a, b])（或开区间 ((a, b))）内至少存在一点 (c)，使得：

\int_a^b f(x)\,\mathrm{d}x = f(c)(b - a) \qquad\Longleftrightarrow\qquad f(c) = \frac{1}{b - a}\int_a^b f(x)\,\mathrm{d}x

几何解释：连续函数曲边梯形的真实面积，等于底边长 ((b - a)) 与区间内某特定点高度 (f(c)) 所构成的矩形面积。(f(c)) 称为函数 (f(x)) 在 ([a, b]) 上的积分平均值（Average Value）。

积分中值定理（加权推广形式）

若 (f(x), g(x)) 在 ([a, b]) 上连续，且权重函数 (g(x)) 在 ([a, b]) 上不变号（恒非负或恒非正），则存在 (\xi \in [a, b])，使得：

\int_a^b f(x)g(x)\,\mathrm{d}x = f(\xi)\int_a^b g(x)\,\mathrm{d}x

5.4 定积分分部积分法 (Integration by Parts)

由导数的乘积法则 ((uv)’ = u’v + uv’) 两端积分，可得定积分分部积分公式：

\int_a^b u(x)v'(x)\,\mathrm{d}x = \big[u(x)v(x)\big]_a^b - \int_a^b v(x)u'(x)\,\mathrm{d}x \qquad\Longleftrightarrow\qquad \int_a^b u\,\mathrm{d}v = [uv]_a^b - \int_a^b v\,\mathrm{d}u

常用配对优先级原则（LIATE 规则 / 反对幂三指）

当被积函数为两类不同函数相乘时，优先选取在列表中靠前的函数设为 (u)（求导使之降阶或简化），靠后的函数并入 (\mathrm{d}v)（容易积分还原）：

优先级	函数类型	英文分类缩写 (LIATE)	设定逻辑说明
1	反三角函数	Logarithmic / Inverse Trig	无法直接积分，求导后退化为代数代换形式
2	对数函数	Logarithmic	导数为有理多项式 (\frac{1}{x})，大幅简化
3	幂函数 / 多项式	Algebraic	每求导一次降低一次最高次数，最终消去
4	三角函数	Trigonometric	正余弦交替循环，便于移项构造循环方程
5	指数函数	Exponential	导数与积分形式不变，最适合并入 (\mathrm{d}v)

6. 高维微积分基本定理拓展（全景对比）

在多变量微积分与场论中，微积分基本定理统一表现为：“区域流形内部的某种微分累积，恒等于其边界流形上的状态流通”。

定理名称	适用维度	积分区域与边界	现代数学表达式	物理工程直观
微积分基本定理 (1D)	1 维	区间 ([a, b])，边界为两端点 ({a, b})	(\int_a^b \frac{\mathrm{d}F}{\mathrm{d}x},\mathrm{d}x = F(b) - F(a))	累积速率变化等于端点状态净变化
格林公式 (Green’s)	2 维	平面闭区域 (D)，边界为逆时针闭曲线 (L = \partial D)	(\iint_D \left(\frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y}\right)\mathrm{d}x\mathrm{d}y = \oint_L P,\mathrm{d}x + Q,\mathrm{d}y)	区域内旋涡微元总和等于沿闭合边界的环量
高斯散度定理 (Gauss’)	3 维	空间立体 (\Omega)，边界为外侧闭曲面 (S = \partial \Omega)	(\iiint_\Omega \nabla \cdot \mathbf{F},\mathrm{d}V = \oiint_S \mathbf{F} \cdot \mathrm{d}\mathbf{S})	闭合空间内部源与汇的散度累积等于穿过表面的净通量（电磁麦克斯韦高斯定律）
经典斯托克斯定理 (Stokes’)	3 维	空间光滑定向曲面 (\Sigma)，边界为闭合曲线 (\Gamma = \partial \Sigma)	(\iint_\Sigma (\nabla \times \mathbf{F}) \cdot \mathrm{d}\mathbf{S} = \oint_\Gamma \mathbf{F} \cdot \mathrm{d}\mathbf{r})	穿过曲面的磁通量变化率等于沿边界感应出的电动势（法拉第电磁感应定律）
广义斯托克斯定理	(n) 维	(k) 维定向紧流形 (\Omega)，((k-1)) 维光滑边界 (\partial \Omega)	(\int_{\partial \Omega} \omega = \int_{\Omega} \mathrm{d}\omega)	微分几何最高统一定理：微分形式 (\omega) 外微分在内部的积分等于其在边界上的积分

理论演进与逻辑脉络

1. 核心定理与法则总览速查

2. 导数、极值与函数态势（微分局部性质）

2.1 费马引理 (Fermat’s Lemma)

2.2 极值充分判别法

一阶导数判别法 (First Derivative Test)

二阶导数判别法 (Second Derivative Test)

2.3 反函数求导法则 (Inverse Function Derivative)

3. 微分中值定理体系（连接点与区间的理论基石）

3.1 罗尔中值定理 (Rolle’s Theorem)

3.2 拉格朗日中值定理 (Lagrange’s Mean Value Theorem)

3.3 柯西中值定理 (Cauchy’s Mean Value Theorem)

4. 泰勒定理与多项式逼近（高阶展开与局部近似）

4.1 泰勒展开与余项公式

4.2 常用初等函数麦克劳林展开速查 ((x_0 = 0))

4.3 现代机器学习与数值优化对应

5. 微积分基本定理与积分理论（连接微分与积分的纽带）

5.1 微积分第一基本定理 (FTC Part 1 / 变限积分求导)

5.2 微积分第二基本定理 (FTC Part 2 / 牛顿-莱布尼茨公式)

5.3 积分中值定理 (Mean Value Theorem for Integrals)

积分第一中值定理（普通形式）

积分中值定理（加权推广形式）

5.4 定积分分部积分法 (Integration by Parts)

常用配对优先级原则（LIATE 规则 / 反对幂三指）

6. 高维微积分基本定理拓展（全景对比）

相关速查表