单变量微积分 / 函数和、差、积、商的求导法则 / 函数商的求导法则

定理 . 如果函数 以及 都在 点处可导，以及 ，则
有：

证明 . 因为函数 以及 都在 点处可导，以及 ，根
据导数的定义可得：

练习题

已知 ，则 为：

A
0

B
1

C
2

D
3

提交答案 查看解答
单变量微积分 / 高阶导数 / 二阶导数的例题

例 . 请求出下列函数的二阶导数：

（1） ，（2） ，（3） 。

解 . （1）求 的二阶导数。可以计算如下：

（2）求 的二阶导数。可以计算如下：

（3）求 的二阶导数。该参数方程实际上描述了摆线

的轨迹，即一个圆沿一条直线运动时，圆边界上一定点所形成的轨迹：

下面来计算，首先根据参数方程的求导法则求出一阶导数：

这样得到了新的参数方程 ，再根据参数方程的求导法则

求出二阶导数：
单变量微积分 / 常用的一些导函数 / 三角函数求导

定理 . 对于如下的三角函数，其导函数分别为：

证明 . 对于 ，已知如下极限以及和差化积公式：

以及复合函数的连续性，可得:

同理可证 的导函数为 。

比如对于三角函数 ，其导函数为 ，如下图所示。

三角函数 的导函数为
单变量微积分 / 复合函数的导函数 / 链式法则

定理（链式法则）. 如果 在 点可导，而 在 点可
导，那么复合函数 在 点可导，其导数为：

证明 . 根据 在 点可导，结合上极限与无穷小的关系，有：

其中 是 时的无穷小。同样的根据函数 在 点可导，结合
上极限与无穷小的关系，有：

其中 是 时的无穷小。将 式代入 式：

根据 式可知，当 趋于 时 ，从而当 趋于 时，
且 。所以：

练习题

的导函数为

D
以上皆不对

提交答案 查看解答
单变量微积分 / 复合函数的导函数 / 链式法则的直观

下面借助“导数是变化率”这一层含义来理解一下链式法则。

1 复合函数的变化率

比如函数 ， 以及其对应的函数值增量 如下图所示。

，以及其对应的函数增量

复合上 后，即对于 有：

在 坐标系中， 被放大了两倍，对应的函数值增量为

复合后 变为了 的输入，上述放大作用也被传递了进去

在 坐标系中， 对应的函数值增量为

对应的函数值增量为 ， 对应的函数值增量为

所以 关于 的变化率可以理解为，由 引起 变化，再由
引起 的变化，两种变化率相乘就得到了最终的变化率，如下式所示。这也
就是链式法则。
 由 引起的 的变化率 由 引起的 的变化率 由 引起的 的变化率

2 倍速播放

再通过速度来解释一下，设想我们看到电视上的某汽车在行驶，如下图所
示。假设此时观察到的时间位移函数为 ，那么可算出瞬时速度为
。

电视上的某汽车在行驶

如果二倍速播放，如下图所示，显然我们观察到的该汽车的速度也会翻倍，
变为 。

二倍速播放

倍速播放就是外界过了 时刻，电视内过了 时刻。如果用数学来描述的话，

令 ， ，那么二倍速播放时的时间位移函数为
，所以此时观察到的汽车速度为：

观察到的汽车速度 原来的汽车速度 倍速播放

上面运用的公式就是链式法则，倍速播放导致时间流逝的速度变快，从而链
式反应导致了最终观察到的汽车速度变快。
单变量微积分 / 复合函数的导函数 / 常见的误解

有不少同学会认为链式法则可以通过如下计算得到：

这其实是一种误解，将链式法则按照导数的定义展开即可发现，因为存在
符号，所以不能像上面一样消去：

微积分的曲折发展史导致其中的符号不一定恰当，所以有了上述误解。若将
链式法则写成下面或可避免这样的误会：
单变量微积分 / 高阶导数 / 单元小结

为了找到求解曲边梯形面积的通用方法，如下图是所示。

曲边梯形的面积

本单元的任务是完成其中的第一步，就是找到可以用来近似曲线的直线，也
就是微分，如下图是所示。

用来近似曲线的直线就是微分

微分的定义是 ，在本单元中介绍了， 就是导数：

导数

可见导数的求解就成了求出微分的关键，所以本单元接下来就介绍了各种求
导法则：

基本初等函数的导函数

函数和、差、积、商的求导法则
 链式法则

反函数的求导法则

隐函数的求导法则

参数方程的求导法则

高阶导数

下一单元我们继续介绍导数的各种求解方法和应用。
单变量微积分 / 隐函数的导函数 / 函数、显函数和隐函数

1 函数

之前同学们应该都学习过函数，为了方便讲解，这里将其定义摘录如下：

定义 . 设有两非空集合 、 ， 函数 （Functions）指的是 、 之间的一

种对应关系，该对应关系要满足两个条件：
中的所有元素都有 中的元素与之对应

中的元素只能有唯一的 中的元素与之对应

函数的定义可以结合下图来理解。

中的所有元素都有、且只有唯一的 中的元素与之对应

按照函数的定义，可以对下图中的例子进行判断。

不是函数 不是函数 是函数

函数判断的例一

又下图中左侧的曲线是函数，因 唯一对应 ；右侧的圆不是函数，因 同

时对应 和 。
 函数判断的例二

2 显函数

可以写作 的函数称为 显函数 （Explicit functions），其特点为自变量

及因变量 之间的映射关系清晰明了，比如下图中的 和 都是显
函数。

和 都是显函数

3 隐函数

根据方程 绘制出来的曲线如下所示，看上去是函数。
 根据 绘制出来的曲线看上去是函数

只是没有写成 的形式，所以称为 隐函数 （Implicit functions）。该隐

函数可以很简单的 显化 为显函数：

并不是所有的隐函数都可以显化，比如 就无法显化，其
图像如下所示。

根据 绘制出来的曲线看上去是函数
单变量微积分 / 隐函数的导函数 / 对数求导法

例 . 请求出下列函数的导函数。

（1） ，（2） 。

解 . （1）求 的导函数。对该函数两边取对数，可得：

在上式两边对 求导，因为 ，根据链式法则以及函数乘法的求导

法则，有：

上面这种求导方法也称作 对数求导法 。

（2）求 的导函数。假设 ，对该函数两边取

对数，可得：

在上式两边对 求导，注意到 ，根据链式法则以及函

数和的求导法则，可求出：

当 时有 ；以及当 时有

，用对数求导法可以得到和上面相同的结果，所以最

终有：
 单变量微积分 / 隐函数的导函数 / 椭圆的切线

知道局部的隐函数有什么用呢？来看一个例子吧。

例 . 请求出椭圆 在点 处的切线方程，如下图所

示。

椭圆 ，以及 点

解 . 椭圆不是函数，但在 点附近存在隐函数，如下图所示，所以在 点附
近可以假设有 。

在 点附近，椭圆 是隐函数

因为存在 ，所以可根据链式法则以及基本初等函数的导函数，在
椭圆方程两边同时求 的导函数：

Typesetting math: 100%

 因为 ，代入上式可得：

这样就得到了 时导数，所以 点的切线方程为：

点的切线方程为

Typesetting math: 100%

 单变量微积分 / 参数方程的导函数与相关变化率 / 再求椭圆的切线

例 . 已知椭圆的参数方程为：

请求出该椭圆在 相应的点处的切线方程。

解 . （1）回顾。题目中提到的其实就是椭圆 的参数方程，该

椭圆在 相应的点为：

所以题目中要求的其实就是椭圆 在点 处的切线

方程：

椭圆 ，以及 点

之前已经解过该题了，本节来学习另外一种解法，即如何通过参数方程来
求出切线方程。

（2）求出切线方程。题目中给出的条件是满足参数方程求导法则要求
的，所以可得椭圆参数方程的导函数为：

所以该椭圆在 相应的点处的导数为：

Typesetting math: 100%

 所以该椭圆在 相应的点处的切线方程，也就是在 点的

切线方程为：

点的切线方程为

和之前求出的是一样的。

Typesetting math: 100%

单变量微积分 / 参数方程的导函数与相关变化率 / 抛射体的速度

例 . 大家可能玩过《angry bird》这个游戏，其主要游戏方式就将某鸟通过弹
弓发射出去，撞击目标，如下图所示。这种运动在物理中称为抛射体运动。

《angry bird》的游戏方式是将某鸟通过弹弓发射出去，撞击目标

若该鸟在 时刻离开弹弓，获得水平初速度 、垂直初速度 ，忽略空气

阻力，请计算该鸟在 时刻的速度。

解 . （1）设 时刻该鸟所在位置为 点，也就是所在位置为原点

。根据条件及高中物理知识，可算出该鸟在 时刻的 、 坐标，这些坐标
可组成如下的参数方程：

水平方向匀速前进

垂直方向受重力影响， 为重力加速度

根据上述参数方程可绘制出该鸟的运动轨迹，如下图所示。

参数方程 的图像

（2）计算该鸟在 时刻的速度。之前解释过，导数可以理解为变化
率，而变化率在特定的场景下可以理解为瞬时速度，所以这里可根据上述
参数方程可分别求出 时刻的水平速度向量 和垂直速度向量 ：
 大小 方向 向量

水平速度

垂直速度

根据高中物理知识可知，上述两个向量的线性组合就是要求的 时刻的速度
向量 ，即：

为了帮助理解，下图中画出了 时刻鸟所在位置 ，以及水

平速度 、垂直速度 和瞬时速度 。
单变量微积分 / 参数方程的导函数与相关变化率 / 参数方程的求导法则

定理 . 对于参数方程 ，如果：

存在严格单调且连续的反函数

存在函数

以及 可导，且

则 。

证明 . 存在函数 ，说明 与 存在函数关系，故可运

用链式法则。存在严格单调且连续的反函数 ， 以及
可导，且 ，故可运用反函数的求导法则。所以：
单变量微积分 / 高阶导数 / 高阶导数的例题

例 . 请求出下列函数的n 阶导数：

（1） ，（2） ，

（3） ，其中 、 都有 阶导数。

解 . （1）求 的n 阶导数。可以计算如下：

以此类推，可得：

同样的方法可得：

（2）求 的n 阶导数。可以计算如下：

以此类推，可得：

（3）求 的n 阶导数。根据函数积的求导法则，可以计算如
下：

通过数学归纳法可证明：
如果规定零阶导数为函数本身，即有 以及 ，那么上式可以
记作：

和之前介绍的牛顿二项公式类似，可以对比记忆。
单变量微积分 / 参数方程的导函数与相关变化率 / 相关变化率

例 . 球型气球以 的速率填充空气，如下图所示，当半径为 时，半

径增加的速度有多快？

球型气球充气

解 . （1）相关变化率。充气时，球型气球的体积和半径都会随着时间增加
而同时变化，可以看作一个与时间相关的参数方程（ 表示体积， 表示
半径）：

题目中告知了气球的体积变化率 ，要求的是半径变化率

，这两个变化率肯定是相互关联的，所以这两者被称为 相关变

化率 ，这类问题被称为相关变化率问题。

（2）计算半径增加的速度。因球的体积公式为 ，所以代入
参数方程可得：

根据链式法则，可算出气球的体积变化率为：

题目条件是球型气球以 的速率填充空气，要求当半径为 时半径

增加的速度，即已知 和 ，所以：

练习
一个长度为 的梯子斜靠在垂直的墙上，若梯子下端以 的速度离开墙
壁，问当梯子下端距离墙壁 时，梯子上端向下滑动的速率为多少？

提交答案 查看解答
单变量微积分 / 闭区间上连续函数的性质 / 最大值、最小值

在介绍闭区间上的连续函数的性质之前，需要先介绍几个定义。

定义 . 设函数 在区间 上有定义，对于 ， 时有：

，则称 为函数 在区间 上的 最大值 （Absolute

maximum value），称 点为函数 在区间 上的 最大值点

（Absolute maximum point）

，则称 为函数 在区间 上的 最小值 （Absolute

minimum value），称 点为函数 在区间 上的 最小值点

（Absolute minimum point）

上述的 统称为函数 在区间 上的 最值 （Absolute extremum

value）， 统称为函数 在区间 上的 最值点 （Absolute extremum
point）。

举例说明下上述定义，比如在下图所示的闭区间 上，左、右两侧 都
是最大值， 点都是最大值点； 都是最小值， 点都是最小值点。

存在最大值和最小值的情况

值得注意的是，不是一定有最值、最值点的。比如下图左侧所示的区间
，有最小值无最大值， 为最小值点；而在右侧所示的区间 上，无最
值。
不一定有最值的情况
单变量微积分 / 闭区间上连续函数的性质 / 极大值、极小值

定义 . 设函数 在某邻域 上有定义，如果 ， 时

有：
，则称 为函数 的一个 极大值 （Local maximum

value），称 点为函数 的一个 极大值点 （Local maximum

point）

，则称 为函数 的一个 极小值 （Local minimum

value），称 点为函数 的一个 极小值点 （Local minimum

point）

上述的 统称为函数 的一个 极值 （Local extremum value）， 统

称为函数 的一个 极值点 （Local extremum point）。

举例说明下上述定义，并且和上一节介绍的最值进行一下比较，在下图中，

点是函数 在闭区间 上的最小值点， 点是函数 在闭区间

上的最大值点

、 、 、 点是函数 的极大值点， 、 是函数 的极

小值点，

最值与极值

从上述例子中也可以看出，最值是区间 上的全局概念，而极值是邻域上的局
部概念。
单变量微积分 / 不定积分的换元法 / 第二类换元法

定理（不定积分的第二类换元法）. 设 是严格单调的可导函数，
且 。又设 具有原函数，则有：

其中 是 的反函数。

证明 . 设 的原函数为 ，将 代入 可得：

运用链式法则和反函数的求导法则，可得：

即 是 的原函数，所以根据不定积分的定义有：

不定积分的第二类换元法说的非常复杂，简化一下就是，先通过 进
行换元，计算换元后的不定积分；再将反函数 回代，就得到了要
求的不定积分：

换元：

回代：

和不定积分的第一类换元法相比，不定积分的第二类换元法是链式法则和反
函数的求导法则的逆向运用：

链式法则和反函数求导

第二类换元法

下一节会讲解一些例子，这样更有助于理解该定理。
单变量微积分 / 不定积分的概念与性质 / 不定积分的性质

定理 . 不定积分有如下性质：
齐次性：若 存在原函数，则 ，其中 为非

零常数

可加性：若 及 存在原函数，则

证明 . （1）证明齐次性。 为非零常数时，根据不定积分的定义以及求导
法则可知，有：

上式说明 是 的一个原函数，又 中包含任意常数

，所以 是 的不定积分，即：

为非零常数

（2）证明可加性。根据不定积分的定义以及求导法则可知，有：

上式说明 是 的一个原函数，又

中包含任意常数 ，所以 是
的不定积分，即：

顺便说一下，上面定理所说的“齐次性”、“可加性”源自线性函数的定义，这是
将不定积分类比为线性函数。
单变量微积分 / 微分中值定理 / 罗尔中值定理

定理（罗尔中值定理）. 如果函数 满足：

在闭区间 上连续

在开区间 上可导

那么 ，使得 。

证明 . 由于 在闭区间 上连续，根据闭区间上连续函数的最大值最
小值定理， 在闭区间 上存在最大值 和最小值 ，当：

（1） 时，函数为常值函数 ， 在 上处处为 。

（2） 时，因 ，故 和 必有一个不在端点上。设 不

在端点上，可令 。此时 是极大值，又 在开区间
上可导，根据费马引理所以有 。

下图中的函数 就是满足罗尔中值定理的，可以看出：

由于 ，所以从图像上看，曲线的两端点在同一水平线上

由于 使得 ，所以 在 点的微分是水平的，或说该

微分与端点的连线平行
 在 点存在水平微分，或说该微分与端点的连线平行

1 物理意义

再来看一下该定理的物理意义，大家见过往返跑吧，如下图所示。

往返跑

如果用位移-时间图来描述往返跑的话，那么起点和终点的位移必然相同，即
有 ，如下图所示。

往返跑的起点和终点的位移相同，即有

因为往返跑要回到起点，所以途中必定有速度为 的点，即有 ，如
下图所示。
 往返跑途中必定有速度为 的点，即有

或者可以想象一下击剑比赛，选手在一条直线上攻杀防御，如下图所示。

击剑比赛

但不论怎样，只要最后回到起点，途中必定有一个或多个速度为 的点，如下
图所示。

若选手回到起点，途中必定有速度为 的点
2 开区间可导

不少同学会疑惑，能不能将罗尔中值定理的条件进行如下修改？（闭区间可
导，其中端点处只要求单侧可导）

在闭区间 上连续，在开区间 上可导 在闭区间 上可导

这样做会缩小罗尔中值定理的适用范围，下面来看一个例子，比如函数：

该函数刚好满足“在闭区间 上连续，在开区间 上可导”，其在端点

和 处不可导，如下图所示。

函数 的图像

该函数也可运用罗尔中值定理，即 使得 （甚至还有无穷多
个），如下图所示。

有无穷多个 ，使得

练习题1 练习题2
请问是否可以将罗尔中值定理的条件进行如下修改？

在闭区间 上连续，在开区间 上可导 在开区间 上可导

A
可以

B
不可以

提交答案 查看解答
单变量微积分 / 不定积分的概念与性质 / 不定积分的例题

例 . 请求出

（1） ， （2） ， （3） ，

（4） 。

解 . （1）求 。根据基本积分表中的

和不定积分的性质，有：

（2）求 。根据基本积分表中 ，有：

（3）求 。根据三角恒等式 ，以及基本积

分表中 和 ，还有不定积分的性质，

可得：

（4）求 。可以通过多项式除法，以及基本积分表中

的 和 ，还有不定积分

的性质进行求解：
单变量微积分 / 函数的单调性与凹凸性 / 导数与函数的单调性

下面来学习如何通过微分和导数来判断函数的单调性与凹凸性。

1 导数与函数的单调性

定理 . 设函数 在 上连续，在 上可导，则：

（1）若在 上 ，且等号仅在有限多个点处成立，那么函数
在 上严格单调递增；

（2）若在 上 ，且等号仅在有限多个点处成立，那么函数
在 上严格单调递减。

上述定理不进行严格证明，下面通过图形来直观地解释。若函数 在
上各点的微分斜率都为正，如下图所示。因为微分是曲线的线性近似，所以
容易想象，此时函数 在 上严格单调递增。

函数 在 上各点的微分斜率都为正，其在 上严格单调递增

增加有限的几个 的点并不影响函数 在 上严格单调递增，如

下图所示。
 有限的几个 的点不影响函数 在 上严格单调递增

但像下图这样， 时有 ，即有一段满足 ，此时函

数 在 上就变为单调递增，不再严格了。此时有无限多个 的
点。

时有 ，函数 在 上为单调递

的情况以此类推，这里就不再赘述了。
单变量微积分 / 微分中值定理 / 拉格朗日中值定理

罗尔中值定理说的是，当曲线两侧的端点相等时，曲线上存在某点的微分与
端点的连线平行。从几何上看“端点相等”这个要求似乎有点多余，去掉该要
求好像也会有类似的性质，如下图所示。

两侧端点相等或不相等，都有微分与端点的连线平行

去掉“端点相等”后，就得到了本节要介绍的 拉格朗日中值定理 。

1 拉格朗日中值定理

定理（拉格朗日中值定理）. 如果函数 满足：

在闭区间 上连续

在开区间 上可导

那么 ，使得 。
证明 . 引进辅助函数：

容易知道， 满足罗尔中值定理的条件：

在闭区间 上连续

在开区间 上可导

所以 使得 ，即：

由此可得 。

这里解释下上述证明中的辅助函数 是怎么得来的。首先对该定理的结论
进行变形，有：

结合罗尔中值定理，我们会希望上式的左侧为某函数 的导函数，即：

所以在上述证明中，我们假设：

拉格朗日中值定理在微积分中比较重要，所以有时候也直接称为 微分中值定
理。

2 拉格朗日中值定理的几何解释

下面解释一下拉格朗日中值定理的几何意义。从下图可以看出，

是两侧端点连线的斜率。
 两侧端点连线的斜率为

所以“ ，使得 ”意味着， 上存在某 点，其

微分与端点的连线平行，如下图所示。

点的微分与端点的连线平行

也有可能存在多个点的微分与端点的连线平行，如下图所示。

多个点的微分与端点的连线平行

若有 ，则可推出 ，那么就变为了罗尔中值定理。所以说
罗尔中值定理是拉格朗日中值定理的特例，如下图所示。
 罗尔中值定理是拉格朗日中值定理的特例

3 拉格朗日中值定理的物理解释

下面再通过交通管理中的区间测速来理解下拉格朗日中值定理，如下图所
示。

区间测速

假设在 点抓拍一次，得到 时间点的汽车位移 ；在 点抓拍一次，得

到 时间点的汽车位移 。由此可以算出其平均速度为 ，也

就是端点连线的斜率，如下图所示。
 平均速度 ，就是端点连线的斜率

在整个路程中的瞬时速度可能：

如果是匀速前进：那么整个路程的瞬时速度必然始终等于平均速度

如果是变速前进：那么整个路程的瞬时速度必然有大于、等于、小于

的情况

下面是变速前进的动画，某点微分的斜率就是当时的瞬时速度。微分为金黄
色时瞬时速度大于 ，为紫色时（也就是平行闪烁时）瞬时速度等于 ，为红
色时瞬时速度小于 。

紫色时（也就是平行闪烁时）瞬时速度等于

所以如果限速为 ，而区间测速测出平均速度 为 ，那么根据

拉格朗日中值定理，就可以判定路程中必然至少有一个点超速。
单变量微积分 / 微分中值定理 / 导函数恒为 0

学习拉格朗日中值定理后，我们就可以将一些看似很显然的事情给严格化，
比如下面这个定理。

1 导函数恒为零

定理 . 设函数 满足在闭区间 上连续，在开区间 上可导。若

有 ，那么 在闭区间 上是一个常数，即：

证明 . 在闭区间 上任取两点 （ ），根据拉格朗日中值定

理， 使得：

因为 是闭区间 上的任意两点，所以上面的等式表明， 在闭
区间 上的函数值总是相等，也就是说 在闭区间 上是一个常
数。

根据基本初等函数的导函数可知，对于常函数 有 。上述定
理说的是，反过来也成立，即有：

函数 的图像
单变量微积分 / 不定积分的概念与性质 / 原函数

前面两个单元讨论了如何求出导函数的问题，本单元要讨论它的反问题，也
就是如何求出不定积分的问题。该反问题也是之后学习求解曲边梯形面积的
关键。

让我们从原函数说起吧。

1 原函数的定义

定义 . 如果在区间 上，可导函数 的导函数为 ，即 时有：

那么函数 就称为 （或 ）在区间 上的一个 原函数

（Primitive function）。

举例说明下上述定义，比如我们知道有 ，那么 就是
在区间 上的一个原函数，而 是 的导函数，即：

的原函数 的导函数

2 原函数存在定理

定理 . 如果函数 在区间 上连续，那么其在区间 上存在原函数

。

上述定理说的就是“连续函数 有原函数”。值得注意的是，这并非充要条
件，某些不连续的函数，比如：

虽然上述函数在 点处间断（在 点附近剧烈震荡），如下图所示。

 函数 在 点附近剧烈震荡，在 点处间断

但其在区间 上也是有原函数的：

上述定理在本单元后面会用到，其严格证明可参看下一单元要学习的微积分
第一基本定理。
单变量微积分 / 分部积分法和有理函数的积分 / 分部积分法

定理（分部积分法）. 若函数 及 都是可导函数，那么

有：

证明 . 根据函数积的求导法则，有：

对上述等式的两侧求不定积分，可得：

分部积分法的作用是，如果 难以计算，可以转为求 ：

分部积分法

下面来看几道例题。
 单变量微积分 / 微分中值定理 / 柯西中值定理

罗尔中值定理和拉格朗日中值定理讨论的都是可以用函数来表示的曲线，其
实不能用函数表示的曲线也有类似的性质，如下图所示。

不能用函数表示的曲线，也存在微分与端点的连线平行

曲线如果可以通过参数方程来表示，那么就可以通过本节要介绍的 柯西中值
定理 来处理。

1 柯西中值定理的第一种形式

定理（柯西中值定理的第一种形式）. 如果函数 及 满足
在闭区间 上连续

在开区间 上可导

Typesetting math: 100%

 那么 使得 。若还有 ，则该式可

改写为：

证明 . 因为 ，所以可构造辅助函数：

容易知道， 满足罗尔中值定理的条件：

在闭区间 上连续

在开区间 上可导

所以 使得 ，即：

由此可得 ，如果 ，那么该式可改写为

要直观理解柯西中值定理，需将 和 组成参数方程。为符合习惯，用
来表示自变量，即设有参数方程：

该参数方程对应的曲线如下图所示。端点是 时对应的 点，及

对应的 点。显然存在某 时对应的 点，其微分
与端点连线平行。

点的微分与端点连线平行
Typesetting math: 100%
 容易知道端点连线的斜率为 ；加上之前解释过 点的微

分的斜率为 ，所以有：

2 柯西中值定理的第二种形式

定理（柯西中值定理的第二种形式）. 如果函数 及 满足
在闭区间 上连续

在开区间 上可导

那么 ，使得 。

证明 . （1）证明 。根据拉格朗日中值定理，存在一点
，满足：

根据题意 ，因此 。

（2）证明所需结论。构造辅助函数：

容易知道， 满足罗尔中值定理的条件：

在闭区间 上连续

在开区间 上可导

所以 使得 ，即：

由此可得 。

柯西中值定理的两种形式大同小异，其中第二种形式也就是同济大学《高等
数学·上》中的柯西中值定理。第二种形式往往不适用于参数方程，这是因为

Typesetting math: 100%

 参数方程的图像大多存在转折，在转折的地方有 ，不满足使用的条
件。

比如上面提到的参数方程，在转折的地方就有 及 ，如下图
所示，因此无法套用柯西中值定理的第二种形式。

以及

练习题

下面关于柯西中值定理的证明方法正确吗？

由于 在 上都满足拉格朗日中值定理的条件，故
，使得:

如果有 以及 ，那么上述两式相除可得：

A
正确

B
错误

提交答案 查看解答

Typesetting math: 100%

单变量微积分 / 分部积分法和有理函数的积分 / 分部积分法的例题

例 . 请求出下列不定积分：

（1） ； （2） ； （3） ；

（4） 。

解 . （1）求 。根据分部积分法以及基本积分表，有（下面计算
过程中标出了 和 ）：

如果换一种选取 、 的方式：

那就不好求了，所以 、 的选取很重要。

（2）求 。根据分部积分法以及基本积分表，有

（3）求 。根据分部积分法以及基本积分表，有：

对其中的 再运用分部积分法以及基本积分表，可得：

将 的计算结果回代就得到了：

其中 。
 （4）求 。根据分部积分法以及基本积分表，有：

运用不定积分的第一类换元法可计算其中的：

所以:

其中 。
单变量微积分 / 洛必达法则 / 不朽的洛必达

《寻梦环游记》是2017 年上映的一部电影，其中有一句著名台词，如下图所
示。

死亡不是生命的终点
遗忘才是

“死亡不是生命的终点，遗忘才是”

贵族青年洛必达（如下图所示）大概是深谙此理的。
 纪尧姆·弗朗索瓦·安托万·洛必达侯爵，1661－1704

洛必达本来是一位法国世袭军官，却毅然放弃了光荣的炮兵职务（要是知道
点历史，就会明白这有多不容易），投入约翰·伯努利（如下图所示，伯努利
这个家族在数学、物理中举足轻重，以后还会遇到）门下学习微积分。

约翰·伯努利（1667－1748）

平时洛必达就支付了高昂的学费供养经济条件不好的约翰。后来赶上约翰结
婚（丈母娘在哪个年代、哪个国家都是要吃人的）缺钱，洛必达支付了500里
弗尔（按购买力，折合成现在的人民币估计得差不多200万）购买了一系列伯
努利的数学研究成果，其中就包含了 洛必达法则 。

1696 年洛必达将自己的研究及购买的学术文章（大部分是他的老师伯努利
的）一并集结成册，出版了历史上第一本微积分教科书《阐明曲线的无穷小
分析》，如下图所示。
 其中第 145 页记录了洛必达法则的原
《阐明曲线的无穷小分析》 始形式

如上图所示，洛必达法则记录在该书的第 145 页。该法则实在太有用了，在

一届届学生的一张张试卷中一遍遍的被用到，最终让洛必达走上了神坛，永
垂不朽。

奋斗、加油！

以约翰嫉妒的性格，真的是连肠子都悔青了，洛必达死后约翰宣称洛必达法
则是他发明的，主流数学家也认可这一点，但是也认可洛必达是付了钱的，
所以洛必达法则终究就这么流传了下来。
单变量微积分 / 洛必达法则 / 洛必达法则的加强形式

对于 ，因为 ，所以没有办法运用上一节介绍的洛必

达法则的较弱形式。经过一代代数学家的努力，发展出了应用更广泛的洛必
达法则的加强形式，通过该形式就可以求出上述极限，请参看本节最后的例
题。这也是同济大学《高等数学·上》中要求学习的形式。

1 洛必达法则的加强形式

定理（洛必达法则的加强形式）. 设：

（1） ；

（2） 时， 及 都存在，且 ；

（3） 存在（或为无穷大）；

则 。

证明 . （1）构造两个辅助函数：

根据条件 ，可推出 在 点连续，

即有：

又根据条件， 时， 及 都存在，且 ，所以可推

出此时 都可导，且 。
 （2）运用柯西中值定理。根据（1）中的推论，所以任选 且
，此时有：

在闭区间 上连续

在开区间 上可导

时有

满足柯西中值定理，所以 使得：

根据 的构造，上式可改写为：

对上式两端求极限 （因为 ），注意到同时会有 ，所

以可得：

条件“（3） 存在”说的是 时 的极限存在，这意味着

不论以任何方式趋于 该极限都存在且都等于 ，这也包括

这种特殊情况，所以此时有：

同理，因此 。

关于上述证明中的条件“（3） 存在”，这里再举一个例子说明一

下。

例 . 已知 以及 ，请求出 。

解 . （1）正确解法为，根据有界函数与无穷小的乘积是无穷小，可得：

从下图中也可以观察出 。
 （2）本题不能运用洛必达法则的加强形式，因为虽然 和 满足
“洛必达法则的加强形式”的条件（1）和（2），但是不满足条件（3），也
就是下述极限不存在：

从如下图像中也可以看出 在 内剧烈震荡，其 时
的极限不存在。

不存在

（3） 进一步解释下为什么不满足条件（3）就不能套用洛必达法则的
加强形式。在上述证明中我们得到了， 使得

，套用到本题中就是：
虽然 不存在，但并不妨碍

，这是因为 只是 的一种特殊情

况。

举例说明一下，这里要明确的是 具体是怎样的并不清楚，此处的例
子只是一种可能性。比如 是通过某数列 实现的，也就是沿着下
图中 轴上的红点趋于 ；其函数值组成的数列 也趋于 ，在下图
中用绿点表示。

沿着 轴上的红点趋于 ，函数值数列 也趋于

所以确实存在 使得：

但由于不满足条件（3），即 不存在，我们又不清楚 应该怎么

取，所以没有办法套用洛必达法则的加强形式。

2 洛必达法则加强形式的例题

例 . 请求出 。

解 . 分析一下可知：
；

时， 及 都存在，且

不知道 是否存在，一般做法是先套用洛必达法则的加强

形式，再来判断

所以根据洛必达法则的加强形式以及基本初等函数的导函数有：
判断一下后发现还可以继续套用洛必达法则的加强形式，所以有：

本题之前就求过，可以看到上述做法更简单。

练习题

如下所示，请问这样使用洛必达法则来解题是否正确？

A
正确

B
错误

提交答案 查看解答
单变量微积分 / 洛必达法则 / 洛必达法则的更多形式

1 型

上一节介绍的洛必达法则的加强形式可以处理 型的未定式，下面这种形式

可以处理 型的未定式：

定理 . 设：

（1） （可以为各种无穷大）；

（2） 时， 及 都存在，且 ；

（3） 存在（或为无穷大）；

则 。

2 各种极限过程

对于各种极限过程，洛必达法则也适用，比如：

定理 . 设：

（1） ；

（2） ， 时 及 都存在，且 ；

（3） 存在（或为无穷大）；

则 。

上述形式都不做证明了。下面来看例题吧，其中还可见到更多的洛必达法则
的形式。
单变量微积分 / 洛必达法则 / 洛必达法则的局限性

洛必达法则看起来很方便，但也不是无往不利的，下面来看一些不太适用的
情况。

1 无限循环

像下面这样，靠洛必达法则一辈子都算不出来：

换种办法就可以求出来：

2 越算越复杂

而像下面这样，靠洛必达法则显然越算越复杂：

也是换一种方法，令 ，然后再用洛必达法则，就可以求出来：

3 洛必达法则算不出来的极限

或者像下面这样，通过洛必达法则求出的极限不存在，实际上就是不满足洛

必达法则中要求的“ 存在”，所以不应该使用洛必达法则：

极限不存在

还是换种办法就可以求出来：
单变量微积分 / 泰勒公式 / 用多项式函数来逼近

之前学习了，函数 在 点附近的曲线可用切线
来近似，如下图所示。

用切线 来近似 点附近的曲线

切线是最高次数为一次的多项式函数，若在其基础上增加一些合适的二次、
三次、 、 次多项式，可看到近似效果更好，如下图所示。

在切线的基础上增加一些合适的二次、三次、 、 次多项式

这种用多项式函数来逼近的方法，就是我们将要学习的 泰勒公式 。如此命名

是因为该公式出自英国数学家泰勒之手，其在1715年出版的《增量法及其
逆》中发表了此方法，如下图所示。
布鲁克·泰勒（1685－1731） 《增量法及其逆》
单变量微积分 / 泰勒公式 / 泰勒公式和余项

定理（泰勒定理 1）. 如果函数 在 处具有 阶导数，那么存在 的

一个邻域，对于该邻域内的任一 ，有：

其中 。

证明 . 下述证明完全没有涉及到该证明产生的思路，所以不少同学看了会
懵。为了本课程的完整性还是先抄录在这里，后面会用更易懂的方式再次
进行讲解。

令：

代入 ，容易验证：

令 ，根据上面得到的 ，所以：

由于 在 处有 阶导数，根据导数的定义，因此 必在 的某邻域
内有 阶导数，从而 也在该某邻域内有 阶导数，反复应用
洛必达法则，可得：
根据高阶无穷小的定义，因此有 。

上述定理中最重要的就是如下等式，该等式也被称为 阶 泰勒公式 （Taylor's

Formula），其中多项式部分被称为 次 泰勒多项式 （Taylor's polynomial），
被称为 余项 （Remainder）：

阶泰勒公式

余项
次泰勒多项式

为了方便之后的讲解，这里用 来表示 次泰勒多项式，即令️：

那么泰勒公式说的就是：

函数 可看作 次泰勒多项式 和余项 之和：

阶泰勒公式

次泰勒多项式 余项

次泰勒多项式 是对函数 的多项式逼近，如下图所示

次泰勒多项式 与函数 还是存在差异的，该差异就是余项

，如下图所示

次泰勒多项式 是函数 的逼近，两者的差异是余项

可能还是没有什么感觉，下面再来看看具体的例子。

1.1 点处的泰勒公式

假设函数为 ，根据上面介绍的“泰勒定理 1”，可求出其在 点

处的一阶泰勒公式为：

其中的一次泰勒多项式 可近似 在 点附近的曲线，两者

相差 ，如下图所示。和之前学过的切线比对可知，一次泰勒多项式
就是 在 点处的切线。

点处的一次泰勒多项式 （即切线）与 相差

同样的道理， 在 点处的二阶泰勒公式为：

其中的二次泰勒多项式 可以更好地近似 在 点附

近的曲线，两者相差 ，如下图所示。对比上图，显然差距缩小了。
 点处的二次泰勒多项式 与 相差

更一般的，可以求出 在 点处的 阶泰勒公式为：

所以 点处的 次泰勒多项式 与余项 分别为：

随着 的增大， 次泰勒多项式 可以越来越好地近似 在 点

附近的曲线，两者的差距也越来越小，如下图所示。

随着 的增大， 点处的 次泰勒多项式 越来越接近

1.2 处的泰勒公式

再来看看 时的情况，函数 在该点处的一阶泰勒公式为：

其中的一次泰勒多项式 可近似 在 点附近的曲

线，两者相差 （也就是相差 ，或者说相差 ），如下
图所示。该一次泰勒多项式 也是 在 点处的切
线。
 点处的一次泰勒多项式 （即切线）与 相差

更一般的，可以求出 在 点处的 阶泰勒公式为：

所以 点处的 次泰勒多项式 与余项 分别为：

随着 的增大， 次泰勒多项式 可以越来越好地近似 在 点

附近的曲线，两者的差距也越来越小，如下图所示。

随着 的增大， 点处的 次泰勒多项式 越来越接近

2.1 点处的泰勒公式

下面换一个函数来研究，看看 在 点处的 阶泰勒公式：

所以 点处的 次泰勒多项式 与余项 分别为：

也是随着 的增大， 次泰勒多项式 可以越来越好地近似 在

点附近的曲线，如下图所示（在这里有 ，
， 等，所以偶数次泰勒多项式就没有画出来）。

随着 的增大， 点处的 次泰勒多项式 越来越接近

2.2 点处的泰勒公式

最后来看看 在 点处的 阶泰勒公式：

所以 点处的 次泰勒多项式 与余项 分别为：

还是随着 的增大， 次泰勒多项式 可以越来越好地近似 在

点附近的曲线，如下图所示。
随着 的增大， 点处的 次泰勒多项式 越来越接近
 单变量微积分 / 泰勒公式 / 皮亚诺余项和拉格朗日余项

定理（泰勒定理 2）. 如果函数 在 的某个邻域 内具有 阶

导数，那么对任一 ，有：

其中：

这里 是 与 之间的某个值。

证明 . 令：

假设 ，由条件可知， 在 内有 阶导
数，且（ 一些解释 ）：

对函数 和 在以 及 为端点的区间上应用柯西
中值定理，可得：

在 及 之间

因为 是变量，所以 也是变量，所以再对函数 及
在以 及 为端点的区间上应用柯西中值定理，可
得：

在 及 之间

如此反复，经过 次后可得：

在 及 之间，因此也在 及 之间

注意到 （因为 ），所以：

在 及 之间

“泰勒定理 1”和“泰勒定理 2”，两者大同小异，这里进行一下比较：

Typesetting math: 100%

 可导

泰勒定理 在 处具有 阶导数

泰勒定理 在 内具有 阶导数

为了区分， 也称作 皮亚诺余项 （Peano form of the

remainder）；而 被称作 拉格朗日余项

（Lagrange form of the remainder）。

Typesetting math: 100%

单变量微积分 / 泰勒公式 / 泰勒公式的例题

多项式这种函数是我们可以亲近的函数，它们很开放、很坦白，心里想
什么就说什么，比如 这个多项式会告诉我们想问的任何消
息，甚至更多。譬如，我们问：“嘿，老兄，你在 那点的值是多少？”这
时 会毫不犹豫的回答：“你把 代进来，就会得到 ，
顺便告诉你，我最近长了奇怪的疹子，痒的要命，还好这两天症状减轻
了...”。

但是 阴暗、多疑，要是问它：“嗨，你在 的值是多少啊？”你得到的
答案可能是：“你要干什么？为什么打听别人的私事？你以为凭着你那点
加减乘除的三脚猫功夫就可以查出我的底细？况且我在 的值是多少，
干你什么事！”

《微积分之倚天宝剑》

泰勒公式的应用有很多，比如下面列举的三种。

1 计算极限

例 . 请求出 。

解 . 根据常见的麦克劳林公式可知：

因此 。

2 证明不等式

例 . 请证明当 时，有 。

解 .令 ，则：

所以， 的三阶麦克劳林公式为：
 拉格朗日余项

在 及 之间

所以，当 时有：

即当 时有 。

3 计算近似值

例 . 请估算欧拉数 的值。

解 . 欧拉数的定义式为 ，根据该定义式是无法估算的，

需要另外想办法。我们知道 的麦克劳林公式为：

拉格朗日余项

在 及 之间

所以：

假设希望估算的误差小于 ，也就是说希望余项 小于 ，即：

因为 是一个增函数，又知道 大小不会超过3，所以当 时有
。因此：

当 时，误差 小于 ，所以：

顺便说一句，常用的计算器里一般就是用按照上述方法来计算的。
单变量微积分 / 微分中值定理 / 费马引理

上一单元介绍了微分和导数，其中最关键的是，微分是对函数 在 点附
近曲线的线性近似：

这种近似在数学上可以带来很多的结论，本单元就来学习其中的一些。

1 费马引理

定理（费马引理）. 设函数 在点 处可导，且在 点处取得极值，则

。

证明 . 根据函数 在点 处可导，可知 在点 的某邻域 内有

定义；根据函数 在 点处取得极值，因此不妨假设 时有
（若设 也可类似证明）。

所以对于 ，有 。从而：

时有

时有

已知 存在，根据函数极限存在的充要条件可知
。又根据极限局部保号性的推论 2有：

简化一下，费马引理实际上说的就是：

在 点处取得极值
在 点处可导
所以费马定理的几何意义也很清楚了，如下图所示，可以看到函数 在
点、 点取得极值，这两点的微分（也就是用于近似附近曲线的直线）都是水
平的，也就是有 以及 。

点、 点为极值点，其微分水平

结合生活经验也比较好理解，极值就好比山峰，山峰总有一段接近于水平
（哪怕只是很小的一段），如下图所示。所以用于近似山峰的微分也是水平
的。

山峰总是水平的，哪怕只是很小的一段

2 驻点

定义 . 对于函数 ，其一阶导数为零的点就称为 驻点 （Stationary

Point）或 稳定点 。即若有：

那么 点就称为函数 的驻点。

之前解释过，导数可以理解为速度，所以 意味着在 点的速度为

，即停驻在 点，这或许就是驻点名字的来由。
举例说明下上述定义，从下图中可以看出 点、 点以及 点的导数都为 ，
所以它们都是函数 的驻点。其中 点、 点是函数 的极值点，而 点
不是函数 的极值点。

点、 点以及 点都为函数 的驻点

这说明费马引理不能反过来用，即：

在 点处取得极值
单变量微积分 / 函数的极值与最值 / 函数极值的必要条件

之前学习过极值与最值：

也学习了关于极值（当极值点可导时）的一个必要条件，即费马引理。这里
不再重复，举例说明下：

在 点处取得极值
在 点处可导

本课接着会介绍一些求极值的方法，即关于极值的一些充分条件，最后会学
习下如何求出最值。
单变量微积分 / 函数的极值与最值 / 函数极值的第一充分条件

定理（函数极值的第一充分条件）. 设函数 在 处连续，且在某去

心邻域 内可导，则：

（1）若 时有 ，而 时有 ，
则 是函数 的一个极大值；

（2）若 时有 ，而 时有 ，
则 是函数 的一个极小值；

（3）若 时， 的符号保持不变，则 在 处没有极值。

证明 . 下面就情况（1）予以证明，其余以此类推。根据导数与函数的单调
性，结合（1）中的条件可推出：
在 上连续，在 上 在

上严格单调递增

在 上连续，在 上 在

上严格单调递减

综上可知 时有 ，所以 是函数 的一个极

大值。

上述定理中的三种情况可通过下图来举例说明。

函数极值的第一充分条件中的三种情况

为了方便理解，这里就上图中的情况（1）再进行下说明。如下图所示，可以
看到：

点左侧的微分倾斜向上，意味着此时

点右侧的微分倾斜向下，意味着此时
 是函数 的一个极大值

符合函数极值的第一充分条件中情况（1）的结论。

是函数 的一个极大值
单变量微积分 / 函数的极值与最值 / 函数极值的第二充分条件

如果将函数极值的第一充分条件的条件改为“在点 处二阶可导”，那么就可
以得到：

定理（函数极值的第二充分条件）. 设函数 在点 处二阶可导且

，当：

（1） 时， 是函数 的一个极大值；

（2） 时， 是函数 的一个极小值。

证明 . 下面就情况（1）予以证明，其余以此类推。由于（1）中有
，根据二阶导数的定义以及极限的局部保号性，可推出
， 时有：

由于 ，所以 ， 时有：

根据函数极值的第一充分条件，所以 是函数 的一个极大值。

举例说明下上述定理，我们知道使得 的 点称为驻点，其可能是极
大值点、极小值点或非极值点，如下图所示。函数极值的第二充分条件通过
判断 的符号，可以分辨出这些情况（虽然函数极值的第二充分条件没
有明确指出非极值点的情况，但剩下的也只能为非极值点了）。

驻点的三种情况与二阶导数的符号

为了便于记忆可以类比导数与函数的单调性，虽然并不严谨，这里以情况
（1）为例来说明下记忆的方法。当 时可以（不严格地）认为 点附
近的 是严格单调递减的，如下图所示，可以看到：
 当 时有 ，意味着 点左侧的微分倾斜向上

当 时有 ，意味着 点的微分是水平的

当 时有 ，意味着 点右侧的微分倾斜向下

所以 是函数 的一个极大值。

当 时可以（不严格地）认为 点附近的 是严格单调递减的

单变量微积分 / 函数的单调性与凹凸性 / 函数的凹凸性

定义 . 设函数 在 上连续，如果 有：

（1） ，那么称 在 上是 凹函数

（Concave function）的，或简称 凹的 ；

（2） ，那么称 在 上是 凸函数

（Convex function）的，或简称 凸的 。

这里举例说明下上述定义，比如下图中的左、右两侧的函数 就分别是凹
的和凸的。

凹函数、凸函数

下面来具体解释一下，以上图中左侧的凹函数为例。假设该函数为 ，任
取 ，此两点对应的函数值分别为 。那么：

就是 的中点

是上述中点对应的函数值

是上述中点在 、 连线上的值（ 详细解释 ）

所以 意味着，中点 对应的函数值在连

线值的下方，如下图所示。
 中点对应的函数值在连线值下方

因为 的任意性，所以 实际上说的是，在

上任取两点，两点之间的函数曲线一定在两点连线的下方，如下图所
示。

在 上任取两点，两点之间的函数曲线一定在两点连线的下方

凸函数的情况也是一样的，只是 说明了函数曲

线都在连线的上方，这里就不再赘述了。
单变量微积分 / 函数的单调性与凹凸性 / 二阶导数与函数的凹凸性

定理 . 设函数 在 上连续，在 内具有一阶和二阶导数，那么：

（1）若在 内 ，那么 在 上是凹的；

（2）若在 内 ，那么 在 上是凸的。

证明 . 下面先来证明情况（1）。设 和 为 内任意两点，且
，记 ，并记 ，则有
。这里的 四者的关系如下图所示。

、 、 以及

由拉格朗日中值定理可得：

下式减去上式可得：

再运用拉格朗日中值定理对上式中标红的部分进行改写：

因为 、 ，又条件中有 ，故：

上面的不等式整理后可得：

根据函数凹凸性的定义，所以 在 上是凹的。类似的可证情况
（2）。

上述的代数证明还是有点复杂，我们可通过如下的逻辑链条来理解该定理：

严格单调递增 是凹的

严格单调递减 是凸的
对于上述逻辑链条这里举例说明下。对函数 而言，如果其二阶导数满足
，根据导数与函数的单调性，那么意味着 是严格单调递增
的，此时函数 的微分的变化就会类似于下面的动图（微分的斜率就是导
数）：

为金黄色时导数小于 0

为紫色时，也就是闪烁时导数等于 0

为红色时导数大于 0

当函数 是凹的时，就可以要满足上述变化。

是严格单调递增的

的情况也是一样的，这里就不再赘述了。
单变量微积分 / 函数的单调性与凹凸性 / 拐点

定义 . 已知 点是连续函数 定义域内的一点，若在 点函数的凹凸性

发生了改变，则 点称为函数 的 拐点 （Inflection point）。

这里举例说明下上述定义，比如下图中的左、右两侧的 点都是函数 的
拐点。

点是 的拐点
单变量微积分 / 曲率 / 用圆来近似

之前学习过用微分来近似函数 在 点附近的曲线，如下图所示。

用微分来近似函数 在 点附近的曲线

也可以用多项式来近似函数 在 点附近的曲线，这就是之前学习过的泰
勒公式，如下图所示。

用多项式来近似函数 在 点附近的曲线

其实还可以通过圆来近似，如下图所示，其中的圆看上去确实比较像函数
在 点附近的曲线。
 用圆来近似函数 在 点附近的曲线

这就是本课要学习的曲率圆，让我们从圆的曲率说起。
单变量微积分 / 曲率 / 圆的曲率

1 圆的曲率的定义

定义 . 对于半径为 的圆， 称为该圆的 曲率 （Curvature）。

举例说明下上述定义。看看下图中所示的几条曲线，它们的弯曲程度是不一
样的，我们一般会认为上面的最平，下面的最弯曲。

从最上的直线到最下的曲线，越来越弯曲

其实这些曲线是不同半径的圆的弧（直线可以看做是半径无穷大的圆的
弧），如下图所示。可以看到，半径越小的圆的弧越弯曲。
 这些曲线是不同半径的圆的弧，半径越小的圆的弧越弯曲

因为曲率被定义为 ，半径越小的圆曲率越大，所以曲率可用来描述圆
的弯曲程度。

2 地球是平的？

上面描述的也是生活中的常见现象，比如在历史上很多人都觉得地球是平
的，就是因为地球半径太大、弯曲程度太小导致的（严格来说地球是球体，
但也可通过半径来判断它的弯曲程度）。

在海边极目远眺的时候，人们会发现很远的建筑在海平面以下，此时才能推
断出地球不是平的。
最终通过麦哲伦环球航行、月全食等等佐证，才终于知道了地球原来是圆
的。

从月球上看地球
单变量微积分 / 曲率 / 曲线的曲率

下面来看看 点的密切圆应该怎么求，以及曲线的曲率是如何定义的。过程
可能比较复杂，后面会给出另外一种求解方法（也是同济大学《高等数学·
上》中的方法），同学们可以参考印证。

定理 . 已知函数 在 点有二阶导数 ，且 ，则此点有

曲率圆 （Osculating circle），也称为 密切圆 。

若用 表示该曲率圆的圆心，则 和 值为：

该曲率圆的半径 称为 曲率半径 ，其值为：

函数 在 点的 曲率 （Curvature） 定义为该曲率圆的曲率，即：

证明 . （1）求出曲率半径 。已知 点及其左右两侧的 点以及

点，将它们在函数 曲线上的对应点标记为 点、 点和 点，
它们的坐标可以用向量分别表示为：

上面描述的如下图所示。
 函数 以及 点、 点和 点

容易知道， 点、 点和 点唯一确定一个圆，标记其半径为 。也唯一

确定一个三角形 ，顶点 、 、 的对边分别标记为 、 、 ，
如下图所示。

点、 点和 点唯一确定一个圆，以及一个三角形

该圆实际上是 的外接圆，假设 的面积为 ，根据外接圆半

径公式可得 ，所以只要算出了 、 、 以及 就可以求出 ，下

面分别来计算。

上述 三边可以用如下向量来表示，这些向量的长度就是要求的
的边长：

边向量 、 可以围成如下图所示的平行四边形 ， 的面积

是该平行四边形面积的一半。
 的面积 是平行四边形 面积的一半

平行四边形 的有向面积可通过二阶行列式算出，即：

注意到有向面积是包含正负号的，所以平行四边形 的面积 需要加

上绝对值：

因为 的面积 为平行四边形 面积的一半，因此：

至此可以得到：

上下同除以 可得：

之前分析过，将两侧的点不断靠近 点，最终得到圆就是曲率圆，如下面
的动图所示。也就是当 时，上述圆的半径 就会趋于曲率圆的半径
，即有 。

将两侧的点不断靠近 点，最终得到圆就是曲率圆

所以下面来计算 ，先分别求出各项的极限，首先：

然后：

同理：

运用洛必达法则，可得：

所以可得：
 （2）求出曲率圆的圆心 。假设曲率圆的圆心坐标为 ，半
径为 ，则其满足如下方程：

通过隐函数的求导法则可求出上述方程的导函数：

又知道曲率圆和曲线 在 点，有相同的切线（这个结论应该也不反直
觉，这里不做证明），如下图所示。

曲率圆和曲线 在 点，有相同的切线

根据曲率圆过 点，和曲线 在 点有公共切线，可以联立两

个方程：

消去 后可得：

因为曲率圆是曲线的近似，所以容易理解圆心总在曲线凹的一侧。那么当
点附近的曲线为凸弧时有 ，且根据二阶导数与函数的凹凸
性可知此时 ，如下图所示。
 曲线为凸弧时有 ，以及

同样当 点附近的曲线为凹弧时有 ，且根据二阶导数与函数

的凹凸性可知此时 ，如下图所示。

曲线为凹弧时有 ，以及

总之， 与 异号，因此：

取平方根

回代：

所以最终得到密切圆的圆心为：
单变量微积分 / 定积分的定义 / 曲边梯形及其面积

前面几节都是通过面积来解释定积分的，其实这两者还是有一些区别：

曲边梯形的面积是通过定积分来定义的

定积分可以为负数，所以定积分的内涵是更广泛的

下面是进一步的解释和细节。

1 曲边梯形的定义

定义 . 设 在区间 上非负、连续。由直线 、 、
及 所围成的图形称为 曲边梯形 ，其中曲线弧称为 曲边 。

比如下图给出的就是一个曲边梯形。

由直线 、 、 及 所围成的曲边梯形

2 曲边梯形面积的定义
定义 . 设函数 在区间 上非负、连续，由直线 、 、
及 所围成的曲边梯形的面积 定义为函数 在区间 上
的定积分，即：

如下图所示，曲边梯形的面积可以通过黎曼和来逼近。

通过黎曼和来逼近曲边梯形

所以定义曲边梯形的面积为定积分，如下图所示。

定义曲边梯形的面积为定积分

3 定积分的正负

值得注意的是，曲边梯形的面积被定义为定积分，但定积分不是曲边梯形的
面积，因为定积分可以为负数：

定理 . 设 ，若函数 在区间 上可积，则：

（1）如果有 ，那么 ；

（2）如果有 ，那么 。

证明 . 若在区间 上 ，则有 。又由于 ，根据函

数 在区间 上可积、定积分的定义及极限局部保号性的推论 2，所
以有：

的情况同理可证。

以下图为例，根据上述定理有：

在区间 上有 ，那么 ，我们在下图中用蓝色表

示，并标上“+”；

在区间 上有 ，那么 ，我们在下图中用红色表

示，并标上“-”；

定积分正负的示意图

练习题 1 练习题 2

由 、 、 及 所围成的曲边梯形面积为：

B
提交答案 查看解答
单变量微积分 / 定积分的定义 / 定积分与黎曼和

有了前面的铺垫，我们可以来学习“积分”的严格定义了，其更正式的称呼是
定积分。

1 定积分的定义

定义 . 设函数 在 上有界，在 中任意插入若干个分点：

把 分成 个小区间：

各个小区间的长度依次为：

在每个小区间 上任取一点 ，作函数值 与小

区间长度 的乘积 ，并作出和：

记 ，若当 时，这和的极限总存在，且
与闭区间 的分法及点 的取法无关，则称这个极限 为函数 在区

间 上的 定积分 （Definite integral），简称 积分 ，记作 ，

即：
其中 叫做 被积函数 ， 叫做 被积表达式 ， 叫做 积分变量 ，
叫做 积分下限 ， 叫做 积分上限 ， 叫做 积分区间 。

如果函数 在区间 上的定积分存在，那么就说函数 在区间

上 可积 。

上述定义涉及到的符号较多，这里用下图来总结一下。

积分上限 是被积函数

积分号 是积分变量

被积表达式

积分下限

在区间 上的定积分

定积分定义中的各种符号

除了符号复杂外，该定义本身也很复杂，可说是本课程中最复杂的定义，让
我们通过举例来仔细解释下。

2 黎曼和

如下图所示，函数 在 上有界。

函数 在 上有界

在 中任意插入若干个分点：

这些分点把 分成 个小区间，每个小区间的长度为 ，如下图所示

（为了展示方便，下图中的分点都是均匀插入的）。
 把 分成 个小区间，每个小区间的长度为

在每个小区间 上任取一点 ，其函数值为 ，如

下图所示。

在小区间 上任取 ，其函数值为

以各个小区间 作底， 作高，可以得到 个小矩形，如下图所

示。容易知道每个小矩形的面积都是 。

以小区间 作底， 作高，可得 个小矩形

值得注意的是，上述的小区间 是可以任意划分的， 点也是在小区
间 上任意选取的，所以小矩形是会不断变化的，如下图所示。

小区间 可任意划分， 点也是任取的，小矩形会不断变化

将这些可以变化的小矩形的面积加起来，得到的就是定义中提到的和

，该和也称为 黎曼和 （Riemann sum），以其发明者德国数

学家黎曼命名，如下图所示。

格奥尔格·弗雷德里希·波恩哈德·黎曼（1826－1866）

3 黎曼和的极限就是定积分

如果恰当地（而不是任意地）在 中插入更多的分点，那么就可以看到小
矩形在不断增多，不断逼近以函数 为曲边的曲边梯形，如下图所示。上
述操作用代数来表示就是，记 ，不断缩小 。
 不断缩小 时，小矩形会不断增多并逼近以函数 为曲边的曲边梯形

随着 的缩小，如果最终这些小矩形的和存在极限，该极限就是定积分，
即：

如果同学们还觉得有点抽象的话，来看下一节的例题吧。
单变量微积分 / 定积分的定义 / 定积分定义的例题

例 . 请求出下图所示的曲边梯形的面积，即求出 。

、 和 、及 围成的曲边梯形

解 . 根据定积分的定义有 ，所以本题要证明

存在并求出该极限值。

该黎曼和 的极限并不好求，要求任意划分闭区间 及在划分后

的小区间内任意取 点的情况下，极限都存在且相等。本题为了方便大家
理解，先计算几种特殊划分、特殊取点时的极限值（下面过程中的（1）、
（2）和（3）），然后再证明任意划分、任意取点时极限都存在且相等
（下面过程中的（4））。

（1）若 等分区间 ，以小区间左端点的函数值为高作出小矩形，

这种划分和取点方式在之前的例题已经求过了，其对应的小矩形和 如下
图所示。

、 和 、以及 围成的曲边梯形，其下的矩形面积和
为

其 时的极限为（计算过程可参见之前的例题）：

因为小矩形的底边长度都是 ，又定积分定义中的 是这些小矩形中最长

底边的长度，所以 时有 ，所以上述划分是 时的其中一
种特殊情况。

（2）若 等分区间 ，以小区间右端点的函数值为高，则第 个小

矩形的底为 ，高为 ，如下图所示。

所以第 个矩形的面积为 ，所以 个小矩形的面积和

为：
根据平方和公式 ，并结合上有理

分式趋于无穷的极限，可得：

因为小矩形的底边长度都是 ，所以 时有 ，所以上述划分也

是 时的其中一种特殊情况。

（3）若依次插入 、 、 、 、 ，如下图所

示。

用上述点划分区间，以小区间左端点的函数值为高，可以算出第 个小矩形

的底为 ，高为

。如下图所示。

所以 个小矩形的面积和为：
根据有理分式趋于无穷的极限以及平方和公式、立方和公式、四次方和公
式，容易知道有：

所以有：

根据五次方和公式 ，
并结合上有理分式趋于无穷的极限，可得：

因为第 个小矩形的底为 ，所以 时有 ，所以上述划

分也是 时的其中一种特殊情况。

（4）证明任意划分、任意取点时 都存在且相等。这里的

是函数 在 上任意划分、任意取点得到的黎曼和，

因为 是严格单调递增的函数，所以有：

下面尝试运用夹逼定理，也就是证明：

要求上述 时的 的极限，其实求的是当 时

的极限，当然必须还有 。弄清楚要解决的问题

后，下面来进行求解。

因为 和 ，所以有
及 ，从而：

，因为 时有 ，所以 ，当 时有

，注意到 ，从而当 时有：

根据数列极限的定义，所以 。根据夹逼定理，

从而有：

因此任意划分、任意取点时 都存在且相等，即函数

在 上可积。选择特殊划分、特殊取点就可算出该定积分，根据（1）、

（2）或（3）的计算结果，所以 。

（5）下面介绍一种错误的区间划分。若新插入的点总是平分最后一个
小区间，即依次插入 、 、 、 、 、 ，如下图所示。

用上述点划分区间，以小区间右端点的函数值为高，可以算出第 个小矩形

的底为 ，高为

。如下图所示。

所以 个小矩形的面积和为：
根据等比数列求和公式，可以分别算出：

所以：

上述计算结果并不是 ，原因在于按照上述规则进行划分，所得小

矩形中最长的底边长 始终为 ，也就是下图中最左侧的绿色小矩形的底

边长始终为 ，并不是趋于 的，不满足定积分定义中要求的 。

练习

为有理数
狄利克雷函数 在区间 上定积分为
为无理数
 A
1

B
0

C
不存在

提交答案 查看解答
单变量微积分 / 定积分的性质 / 定积分的性质之一

接下来继续学习两个定积分的性质。

1 积分区间的拆分

定理 . 设 ，若 在区间 上可积，则：

证明 . 因为 在 可积，所以不论把 如何划分，黎曼和的极限总
是不变的。因此，在分区间时可以让 永远是一个分点，那么 上的黎
曼和就等于 上的黎曼和与 上的黎曼和相加：

上式两端同时取 的极限可得：

上述定理也可以通过几何直观来理解，如下图所示。

在可积的情况下，其实不用规定 ，也始终都有：

比如设 ，根据上述定理以及定积分的运算法则，有：
其余情况同学们可以自行尝试。

2 常数的定积分

定理 . 若在区间 上始终有 ，那么

同学们可以自行证明，这里在几何直观上理解下， 也就是下图中曲边

梯形的面积。

练习题

与 相等的是

提交答案 查看解答
单变量微积分 / 曲率 / 曲率圆

和圆不太一样，函数 对应曲线的弯曲程度要看具体的位置。如下图所
示，可看出函数 的曲线在 点附近较为弯曲，在 点附近较为平坦。

函数 的曲线在 点附近较为弯曲，在 点附近较为平坦

可以借助圆的曲率来描述曲线上某位置的弯曲程度，具体做法举例说明下。
比如在下图中的 点附近再选择两个点，根据高中知识可知，这三个点唯一
确定一个圆。
 点及其附近两点，可唯一确定一个圆

将这两个点不断靠近 点，最终得到圆的半径较小、曲率较大，它实际上可
以反映出函数 在 点较为弯曲，如下图所示。

将附近两点不断靠近 点，最终得到的圆可反应曲线在 点的弯曲程度

因为该圆可以反映出函数 在 点的弯曲程度，所以也称之为函数 在
点的 曲率圆 （Osculating circle）。又因为该圆的构造过程和切线类似，所
以又称为 密切圆 。

再举例说明一下，如下面的动图所示，更改 点的位置，可看到在曲线较为
弯曲处，密切圆也较为弯曲；在曲线较为平坦处密切圆也较为平坦（近乎直
线）。密切圆确实可以反应曲线的弯曲程度。

更改 点的位置，密切圆总可以反应曲线的弯曲程度
 单变量微积分 / 定积分的性质 / 可积的充分条件

上一课学习了定积分的定义，从中可知要判断某函数 在区间 上是否

可积非常麻烦，需要对区间进行任意划分以及任意选择 才能完成证明。

为了方便使用，下面不经证明地介绍两个判断可积的充分条件。

1 可积的充分条件 1

定理 . 若函数 在区间 上连续，则函数 在区间 上可积。

根据上一课的学习我们知道了，从直观上看，可积意味着曲线与坐标轴之间
的“面积”（可能为负，见这里的解释）是可以求出的。

那么上述定理就好理解了，比如下图中的函数 在区间 上连续，从几

何直观上看，由 、 、 及 围成的曲边梯形是存在面积
的，所以函数 在区间 上可积。

函数 在区间 上连续，对应的曲边梯形面积存在，即可积

2 可积的充分条件 2

定理 . 若函数 在区间 上有界，且只有有限个间断点，则函数

在区间 上可积。

比如上图中的函数 ，将其中某一个点变为可去间断点，如下图所示。从
几何直观上看，并不会影响曲线下的面积，所以函数 在区间 上依然
可积。

Processing math: 100%

 包含一个可去间断点的函数 依然可积

或在 上有两个跳跃间断点，如下图所示。从几何直观上看，此时函数
在区间 上还是可积。

包含两个跳跃间断点的函数 依然可积

3 抛物线下的面积

在之前的例题中，我们计算过抛物线下的面积。先是算出小矩形的和 ：

然后通过数列极限 即可求出抛物线下的面积：

Processing math: 100%

 在这里补充说明一下该例题的严格性。其中的函数 在区间 上连
续，根据可积的充分条件 1，所以该函数在区间 上可积。这意味着不论
把 如何划分、如何选择 ，黎曼和的极限总是不变的。所以这里只需要
计算其中的一种划分和选择，也就是上述 的极限即可。

Processing math: 100%

单变量微积分 / 定积分的性质 / 齐次性与可加性

下面来介绍定积分的两个性质，齐次性与可加性。

1 齐次性

定理 . 若 在区间 上可积，那么有：

证明 . 根据 在区间 上可积，以及定积分的定义，有：

上述证明很容易理解， 是 的 倍，故下图右侧小矩形的高是下图左
侧小矩形的高的 倍，从而定积分也是 倍。

右侧小矩形的高是左侧小矩形的高的 倍，从而定积分也是 倍

2 可加性

定理 . 若 、 在区间 上可积，那么有：

证明 . 根据 、 在区间 上可积，以及定积分的定义，有：
上述定理也可以结合几何直观来理解，如下图所示（为了便于观察，这里选
择的函数 比较特殊）。

3 极限、导数、不定积分和定积分

上述的齐次性和可加性可用一个式子来表示：

根据之前的学习可知，极限、导数、不定积分也有类似的规律：

之所以如此，是因为这些概念都是基于极限的。

练习题

已知 及 ，则 为
A

提交答案 查看解答
单变量微积分 / 定积分的性质 / 定积分的性质之二

在上一课我们就学习了定积分的正负：

本节再追加两个该性质的推论。

1 定积分正负的推论 1

定理 . 若 、 在区间 上可积，且在区间 上 ，那
么：

证明 . 因为 、 在区间 上可积且有 ，根据定积分的

正负以及定积分的运算法则，所以：

上述定理也可以通过几何直观来理解，如下图所示。
2 定积分正负的推论 2

定理 . 若 在区间 上可积，那么：

证明 . 在区间 上可积，可以推出 在区间 上也可积，这

里不专门证明了。

因为 ，由定积分正负的推论 1 及定积分的运算法
则，有：

根据上式可知：

若 ，则：

若 ，则：

综上，所以有 。

举例说明下上述定理，如下图所示，分别是函数 和函数 的图像以及

它们在区间 上的定积分，其中还标出了正负号。容易观察出这里有
。
练习题1 练习题2

–1 0 1 2 3 4 5 6 7 8 9 10 11

–1

–2

–3

若函数 的图像如上，则下列说法正确是（多选）：

提交答案 查看解答
单变量微积分 / 定积分的性质 / 定积分的补充规定

为了以后计算及应用方便，对定积分作出以下两点补充规定。

1 积分方向相反

定义 . 。

的积分下限为 ，积分上限为 ，为了方便，也常说这是 从

到 的积分，或简称为 的 的积分。类似的， 也称为

的 的积分，如下图所示。

的积分，以及 的积分

交换积分上下限，或者说改变积分方向，可以认为定积分定义中 的符号

发生改变，所以规定 。

2 积分上下限相等

定义 . 。

表示在 上积分，可以看作左右端点重叠了，如下图所

示，所以规定其结果为 0（虽然 在数学上不算区间）：

规定函数 在 上的定积分为
单变量微积分 / 定积分的性质 / 定积分的性质之三

最后还有几个定积分的性质需要学习。

1 最大值与最小值

定理 . 若函数 在区间 上可积， 和 分别是该函数在区间 上

的最大值和最小值，则：

证明 . 因为函数 在区间 上可积以及 ，根据定积分正

负的推论 1，所以：

结合上定积分的运算法则以及之前证明过的 ，所以有：

还是举例来说明下上述定理，如下图所示， 是左侧绿色矩形的面

积， 是中间红色曲边梯形的面积，而 是右侧蓝色矩形的

面积。很显然此时有 。

红色曲边梯形的面积介于绿色矩形的面积、蓝色矩形的面积之间

2 积分中值定理

定理（积分中值定理）. 若函数 在区间 上连续，则 使

得：
证明 . （1）证明 使得 。因为函数 在

区间 上连续，根据可积的充分条件 1，可知函数 在区间 上可

积。

设 和 分别是函数 在区间 上的最大值和最小值，根据上面定积

分的最大值、最小值定理，有：

即 介于 和 之间，又函数 在区间 上连续，根

据介值定理的推论可知， 使得：

（2）证明 使得 。这里需要分情况讨

论：

若 在 上为常函数，即 ，则根据

以及定积分的运算法则可得：

因为 ，所以任选 都可使得

若对于 ，有 为最小值点以及 为最大值点，结合

（1）中的结论所以有：

不妨设 ，根据介值定理所以 使得

若最值点为端点，且 点为端点，比如 为最小值点（即 ），

且 使得 ，结合上 以及定积

分的运算法则可得：
 可以证明只有当 时上式才能成立，不过这是常函

数，在上面已经讨论过了。若不是常函数会导出矛盾，设 不是常

函数，则必然 使得 ，因为 在区间 上连

续，根据介值定理，在 和 之间一定存在某个子区间 ，使得

时有 ，如下图所示。

当 时有

令 ，则 在 连续且有最小值 ，可知

，根据定积分正负的推论 1，有：

因为：

根据上面的分析以及定积分的正负可推出：

所以 ，与 矛盾。同样的方法可

以去讨论 、 为各种最值的情况，这里不再赘述

综上， 使得 。
我们来直观理解下上述定理，上面学习了定积分 介于高为 的矩

形（左侧绿色矩形）和高为 的矩形（右侧蓝色矩形）之间，如下图所示。

介于左侧绿色矩形与右侧蓝色矩形之间

所以总能找到一个高度合适的矩形，也就是定理中说的高为 的矩形，其

面积与定积分 相等，如下图所示。

高为 的矩形的面积与 相等
单变量微积分 / 定积分的换元法和分部积分法 / 定积分的分部积分法

例 . 请计算

（1） ；（2） 。

解 . （1）计算 。按照之前所学，先通过基本积分表以及分

部积分法，得出：

再运用牛顿-莱布尼兹公式求出结果：

也可以如下所示，将分部积分法和牛顿-莱布尼兹公式一起运用，结果是一
样的：

上述方法也称为 定积分的分部积分法 。

（2）计算 。设 ，则 ， ，所以：

当 时，取 ；当 时，取

根据定积分的换元法以及定积分的分部积分法，所以有：
单变量微积分 / 定积分与曲线长度 / 曲线的曲率

沿用上一节的思路，下面通过弧长公式来重新推导一般曲线的曲率。

1 一般曲线的曲率

设某曲线对应的函数为 ，点 的横坐标为 ，点 的横坐标为

， 点和 点之间的弧长为 ，如下图所示。

函数为 上 点与 点之间的弧长为

切线从 点出发，转过 后达到 点，如下图所示。

切线从 点出发，转过 后达到 点

和 都可看作 的函数，仿照上一节求圆的曲率的思路，结合上之前
求导数的思路，可以定义 点的曲率 为（因为不希望有负的曲率，所以加
上绝对值符号）：

在 存在的条件下，可以将 点的曲率 改写为：

下面来尝试对 进行求解，因为有 ，所以：

代入 可得 。而弧微分公式为

，所以最后可得：

和之前定义的曲线的曲率是一样的。
单变量微积分 / 洛必达法则 / 未定式

1 未定式

定义 . 如果当 时，或其它极限过程时，有：
及

或 及

此时，对于相同的极限过程， 的极限可能存在、也可能不存在，该极

限也称为 未定式 （Indeterminate form），或称为 不定式 的，并分别简记

为 型或者 型。

比如 就是 型的一个例子，而 是 型的一个例子。

2 更多的未定式

型和 型只是未定式的一种，更完整的未定式可以列举如下：

条件 未定式 简记

未定式
 单变量微积分 / 不定积分的换元法 / 第一类换元法的例题

例 . 请求出下列不定积分：

（1） ； （2） ； （3） ；

（4） ； （5） ； （6） ；

（7） ； （8） ； （9） 。

解 . （1）求 。令 ，对原式进行如下变形后，运用不定

积分的第一类换元法，可得：

（2）求 。利用三角恒等式 以及不定积

分的第一类换元法，可得：

（3）求 。令 ，对原式进行如下变形后，运用不定积

分的第一类换元法，可得：

（4）求 。对原式进行如下变形，多次运用不定积分的第

一类换元法，可得：

（5）求 。因为 ，所以有：

（6）求 。根据三角恒等式 以及不定积分

的第一类换元法，可得：
Typesetting math: 100%
 （7）求 。根据不定积分的第一类换元法，可得：

（8）求 。根据三角恒等式 、基本初等函

数的导函数中的 以及不定积分的第一类换元法，可得：

利用三角恒等式 、 以及

，有：

所以上述不定积分可以表示为：

（9）求 。根据例（8）的结果以及不定积分的第一类换元
法，可得：

上面例子中的（4）、（7）、（8）和（9）都在基本积分表里面。

Typesetting math: 100%

单变量微积分 / 微分中值定理 / 三大微分中值定理

罗尔中值定理、拉格朗日中值定理以及柯西中值定理往往合称为 三大微分中
值定理 。三者描述的基本上都是同一个现象，就是曲线上存在某点的微分与
端点的连线平行，如下图所示。

三大微分中值定理的异同

从上图也可以看出三者的区别，罗尔中值定理、拉格朗日中值定理针对的都
是函数曲线，其中罗尔中值定理要求 ；而柯西中值定理还可以应
对参数方程曲线。
单变量微积分 / 定积分的换元法和分部积分法 / 定积分的换元法

本课介绍一种计算定积分的技巧。

1 定积分的换元法

定理（定积分的换元法）. 若函数 在区间 上连续，函数

满足：

（1） ；

（2） 在 （或 ）上具有连续导数，且其值域
，

则有:

证明 . 根据条件，结合上可积的充分条件 1及原函数存在定理，可知 和
都连续、可积，且都存在原函数。

设 是 的一个原函数，根据牛顿-莱布尼兹公式，有：

设 ，根据链式法则，可得：

这说明 是 的一个原函数，根据牛顿-莱布尼兹公式，有：

又由 及 可知：

所以：

定积分的换元法和不定积分的第二类换元法有点类似，这里进行一下比较：
不定积分换元时，只需要替换积分变量；而定积分换元时，还需要替换

积分上下限

不定积分换元后还需要将 进行回代，以便得到以 为自变量的

不定积分；而定积分换元法不要求 存在反函数，这是因为换元

后运用牛顿-莱布尼兹公式就可得到结果，不需要回代（或直观理解为定

积分就是计算面积的，换元法算出面积后，就不用回代了）
单变量微积分 / 可分离变量的微分方程 / 可分离变量微分方程的例一

上一节关于求解方法的讲述比较抽象，本节就来看两道例题。

4 可分离变量微分方程的例题

例 . 请求出下列微分方程的通解。

（1） ；（2） 。

解 . （1）求解 。当 时，两侧同乘 后可看出该一阶微分

方程是可分离变量的微分方程：

所以可根据上一节介绍的方法求出如下通解：

通过观察可发现 也是该一阶微分方程的解，所以 也是该一阶

微分方程的通解。

（2）求解 。当 时，两侧同乘 后可看出该一阶微分

方程是可分离变量的微分方程，可如下求出通解：

通过观察可发现 也是该一阶微分方程的解的解，但无法融入通解。这
里要求的是通解，所以可不用给出此解。

这里需要说明一下：

上面分离变量时都用到了 的假设，后面也会作类似的假设，不再单

独说明了

这个解太平常了，所以一般也不太关心，后面也不补充了
单变量微积分 / 定积分的换元法和分部积分法 / 定积分换元法的例题

例 . 请计算

（1） ；

（2） ；

（3） 。

解 . （1）计算 。本题尝试用两种方法来求解，第一

种方法运用牛顿-莱布尼兹公式。在之前的例题中，我们得到了如下结论：

根据牛顿-莱布尼兹公式，所以：

第二种方法运用定积分的换元法。设 ，则 ，所以：

当 时，取 ；当 时，取

根据定积分的换元法以及二倍角公式 ，所以有：

上面计算中将定积分 变换为了定积分 ，这两

个定积分如下图所示。从图像上看不出有什么关联，只能根据定积分的换
元法来理解这两者是相等的。
 和

（2）计算 。设 ，则 ，所以：

当 时，取 ；当 时，取

根据定积分的换元法，所以有：

也可如下求解，将不定积分的第一类换元法和牛顿-莱布尼兹公式一起运
用：

（3）计算 。对被积函数进行化简，可得：

因此：

在 上，

在 上，

所以有：
单变量微积分 / 反常积分 / 无穷限的反常积分

定积分应用非常广泛（在下一单元微积分应用中就会看到更多的例子），但
是有一些限制条件：

要求函数 定义在闭区间 上

要求函数 有界

针对上述限制，数学家对定积分进行了两种推广，从而形成了本课将要介绍
的 反常积分 （Improper integral）。

本节先把定积分推广到无穷区间上，下面来看看这种推广是如何定义的。

1 无穷限的反常积分

定义 . 以下三种反常积分统称为 无穷限的反常积分 ：

（1）若函数 在区间 上连续，任取 ，则代数式

称为函数 在区间 上的反常积分，记作

，即：

若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（2）若函数 在区间 上连续，任取 ，则代数式

称为函数 在区间 上的反常积分，记作

，即：

若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（3）若函数 在区间 上连续，则反常积分

与反常积分 之和称为函数 在区间 上的反常

积分，记作 ，即：
若上述之和存在，则称该反常积分收敛，和值为该反常积分的值；否则称
该反常积分发散。

举例说明上述定义。先来看看其中的（1），如下图所示，函数 在区间

上连续， 是积分上限函数。

在区间 上连续的函数 ，及积分上限函数

随着上限 ，就得到了在区间 上的反常积分，如下图所示，其

中绿色曲边梯形的右侧边界在正无穷远处。若该极限存在，那么就说该反常
积分收敛，否则发散。

时，就得到了在区间 上的反常积分

定义（2）是 的情况，如下图左侧所示，其中蓝色曲边梯形的左侧边
界在负无穷远处；定义（3）是 的情况，如下图右侧所示，其中红色
曲边梯形的两侧边界在无穷远处。
区间 上的反常积分 ，以及区间 上的反常积分
 单变量微积分 / 反常积分 / 无穷限反常积分的计算

根据无穷限反常积分的定义以及牛顿-莱布尼兹公式，假设 为 的一个
原函数，若 存在，则可推出：

若 不存在，则反常积分 发散。其它类型的无穷限反常

积分可以举一反三，下面来看几道例题。

1 无穷限反常积分的例题

例 . 请计算

（1） ；

（2） ；

（3） ；

（4） 。

解 . （1）计算 。根据无穷限反常积分的定义以及牛顿-莱布

尼兹公式，结合上基本积分表，可得：

即函数 与 轴之间的面积为 ，如下图所示。可见虽然底边的长

度无限，但其面积有限。

Typesetting math: 100%

 （2）计算 。像例（1）那么书写比较麻烦，这里在符号

上进行一些简化。下面过程中主要运用了分部积分法：

其中 是通过洛必达法则求出的：

（3）计算 。函数 是奇函数，从图像上看似

乎 ，如下图所示。

似乎

所以似乎应该有：

Typesetting math: 100%

 但这是错误的，应该按照无穷限反常积分的定义来计算：

还是根据无穷限反常积分的定义，两侧反常积分都发散，所以要求的反常
积分发散。

（4）计算 。分情况讨论：

当 时，

当 时，

综上：

Typesetting math: 100%

单变量微积分 / 反常积分 / 无界函数的反常积分

现在我们把定积分推广到函数 无界时的情况，下面是推广的细节。

1 瑕点

定义 . 若函数 在 点的任一邻域内都无界，那么 点称为函数 的

瑕点 ，或称为 无界间断点 。

比如函数 在 点的任一邻域内都无界，所以 点是该函数的一

个瑕点，如下图所示。

点是函数 的一个瑕点

2 无界函数的反常积分

定义 . 以下三种反常积分统称为 无界函数的反常积分 ，因都包含瑕点，故

也称为 瑕积分 ：

（1）若函数 在区间 上连续， 点为函数 的瑕点，任取

，代数式 称为函数 在区间 上的反常积分，记

作 ，即：

若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（2）若函数 在区间 上连续， 点为函数 的瑕点，任取

，代数式 称为函数 在区间 上的反常积分，记

作 ，即：

若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（3）若函数 在区间 上及区间 上连续， 点为函数

的瑕点，则反常积分 与反常积分 之和称为函数 在

区间 上的反常积分，记作 ，即：

若上述之和存在，则称该反常积分收敛，和值为该反常积分的值；否则称
该反常积分发散。

举例说明上述定义。先来看看定义（1），如下图所示，函数 在区间

上连续， 点为函数 的瑕点， 是积分下限函数（就是积

分上限函数交换积分上下限）。

在区间 上连续的函数 ，及积分下限函数

随着下限 ，就得到了在区间 上的反常积分，如下图所示。若该极

限存在，那么就说该反常积分收敛，否则发散。
 时，就得到了在区间 上的反常积分

定义（2）是 的情况，如下图左侧所示；定义（3）是 的情况，如

下图右侧所示。

区间 上的反常积分 ，以及区间 上的反常积分

单变量微积分 / 反常积分 / 无界函数反常积分的计算

根据无界函数反常积分的定义以及牛顿-莱布尼兹公式，若 点为 的瑕
点， 为 在 上的一个原函数，若 存在，则可推出：

若 不存在，则反常积分 发散。其它类型的无界函数反常

积分可以举一反三，下面来看几道例题。

1 无界函数反常积分的例题

例 . 请计算

（1） ；

（2） ；

（3） ；

（4） 。

解 . （1）计算 。因为 ，故 点

为函数 的一个瑕点。根据无界函数反常积分的定义以

及牛顿-莱布尼兹公式，结合上基本积分表，可得：

即 之下、 之上、 与 之间的图形的面积，如

下图所示。
 （2）计算 。因为有 ，所以 点为函数 的

一个瑕点，如下图所示。

点为函数 的一个瑕点

根据无界函数反常积分的定义，可以算出要求的反常积分发散：

这里值得注意的是，如果不考虑 点为瑕点，那么就会产生如下错误：

（3）计算 。分情况讨论：

当 时，有：

当 时，有：

综上:
 （4）计算 。这里积分上限为 ，积分下限 为瑕

点。所以考虑运用定积分的换元法去掉瑕点。

令 ，则 ，则 ，所以：

当 时 ；当 时

根据定积分的换元法，可以像下面这样去掉瑕点：

再令 ，则 ， ，所以：

当 时 ；当 时

再根据定积分的换元法，所以有：
单变量微积分 / 定积分与曲线长度 / 曲线的长度

前面几个单元学习了定积分以及它的求解，并通过它定义了曲边梯形的面
积，如下图所示。

定积分与曲边梯形的面积

其实定积分还可以提供很多定义，还有很多的应用，本单元就来学习其中一
些。

1 曲线的弧长

在现实中，要测量一根弯弯曲曲的绳子的长度，都是先捋直了再测量，如下
图所示。

捋直弯曲的绳子

在数学中，要计算一段曲线的长度，捋直是不可能的。不过可以考虑将该曲
线分成多段，如下图所示。
 将曲线分成多段

然后每一段曲线都可以用一根线段来近似，如下图所示。

每一段曲线都可以用一根线段来近似

很显然该曲线分成的段数越多，线段的近似效果越好，如下图所示。

曲线分的段数越多，线段的近似效果越好

最终将这些小线段的长度加起来，就得到了曲线的长度。
单变量微积分 / 定积分与曲线长度 / 光滑曲线的长度

上一节为我们提供了定义曲线长度的思路，本节来介绍具体应该怎么定义。

1 光滑曲线

定义 . 若函数 在区间 上有连续的导函数，那么称该函数在 上

的是 光滑 的。

举例说明下，若函数 符合上述定义，则其有连续的导函数，这意味着其
微分的斜率是连续变化的。从几何上观察的话，如下图所示，随着切点的移
动，该点的微分在顺滑地“转动”。该函数的曲线看上去也符合我们对“光滑”的
直觉。

随着 的移动，光滑曲线在 点的微分在顺滑地“转动”

这里来看一个反例，比如：

该函数的曲线在 点剧烈地震荡，看上去并不光滑，如下图所示。
 函数 的曲线在 点剧烈地震荡，看上去并不光滑

该函数的导函数如下，其在 点间断。

2 光滑曲线的长度

定义 . 若函数 在区间 上是光滑的，那么定义该函数在 上的长

度为：

若定义 弧微分 为 ，那么上式可以简写为

上述给出的就是光滑曲线长度的定义（不是所有的曲线都可以求长度的，不
过光滑曲线是一定可以求长度的，这里不作进一步的解释），大意就是各个
线段长度之和就是光滑曲线的长度，和之前的分析是一样的。下面是进一步
的解释，其中的细节和介绍定积分定义时类似，有疑惑的话可以回看一下。

如下图所示，先把 切成 份，仔细观察某子区间 的弧长

。

某子区间 的弧长

在区间 上随便挑选一点 ，作出该点的切线，如下图所示。

 作出函数 在 点的切线

按照下述规则作出直角三角形，其图像如下图所示。

斜边为该切线在区间 上的一段，记作

底边记作 ，其值为

高记作 ，因为切线的斜率为 ，所以有

以 点的切线为斜边，作出直角三角形

所以可算出斜边的长度，也就是切线段的长度如下：

根据微积分“以直代曲”的思想，可认为弧长 近似等于切线段长度
，即：

那么 之间的弧长 可以近似为某种黎曼和：
令 ，因为函数 在区间 上光滑，即导函
数 在区间 上连续，根据可积的充分条件 1，所以 时上述黎曼
和的极限存在，也就是可积。所以定义：

其中用于近似弧线段的切线段称为该弧线段的微分，简称弧微分，记作 。
所以弧长公式可以理解为弧微分之（积分）和：

弧微分 ：近似弧线段的切线段 弧微分之（积分）和

单变量微积分 / 定积分与曲线长度 / 参数方程与极坐标

本节将上一节介绍的函数 的弧长公式 推广到参

数方程和极坐标中去。

1 参数方程的弧长

定理 . 已知参数方程 ，若 、 在区间 上存在且连

续， 存在严格单调且连续的反函数，以及 ，那么该参数
方程在区间 上的弧长为：

证明 . 根据参数方程的求导法则，可算出上述参数方程的弧微分为：

所以该参数方程在区间 上的弧长为：

2 极坐标方程的弧长

定理 . 已知极坐标方程 ，若 在 上存在且连续，那么该极
坐标方程在区间 上的弧长为：

证明 . 由直角坐标与极坐标的关系，可得以 为参数的参数方程：

若该参数方程满足上面参数方程的弧长定理的条件，则弧微分为：
所以该极坐标方程在区间 上的弧长为：
单变量微积分 / 定积分与曲线长度 / 圆的曲率

之前介绍过圆的曲率 为圆半径 的倒数，即有 。本节通过弧长公式

来重新推导一下。

1 转动经过的弧长

在下图中有两半径不同的圆，将各自的切线都转动 。

两个半径不同的圆，将各自的切线都转动

可看到半径越小走过的弧长越小，即有 ，如下图所示。

半径越小走过的弧长越小，即

转过同样的角度，走过的弧长越小说明弯曲程度越大，否则弯曲程度越小。
就好像在地球上行走，就算只是想要转动 0.01 弧度，但因为需要走过的弧长
实在太远，再加上周围高山、森林阻碍视线，人们很难发现自己是在球体
上，所以我们一度认为地球是平的。
 棒球、篮球和地球

因此可将圆的曲率定义为 ， 值越大说明圆的弯曲程度越大。比如

在上面的例子中就有：

这也符合之前推导时说的，半径越小的圆的弯曲程度越大。

2 圆的曲率的推导

按照上述定义，下面来化简下圆的曲率。设某圆的半径为 ，其圆心在原点
，则其参数方程为：

若切线从圆上的 点出发，转过 后到达 点，走过的弧长为 。根据简

单的几何知识，可以证明 对应的圆心角为 ，如下图所示。

半径为 的某圆，其切线从圆上 点出发，转过 后到达 点

设 点坐标为 ，则 点坐标为
，所以 就是圆的参数方程在区间 上的弧长。根据参数方程的弧
长公式，有：
所以 ，和之前定义的圆的曲率是一样的。
单变量微积分 / 定积分与面积 / 曲线之间的面积

之前通过定积分定义了曲边梯形的面积，本节将之推广到两条曲线之间的面
积。

1 曲线之间的面积

定义 . 若函数 和函数 在区间 上连续，则定义由 、

、 以及 所围成图形的面积 为：

举例解释下上述定义，假设由 、 、 以及 所围成
图形的面积 如下图所示。

由 、 、 以及 所围成图形，及其面积

与曲边梯形的面积类似，还是通过矩形的面积和来计算曲线之间的面积，如
下图所示。

通过矩形的面积和来逼近曲线之间的面积
让我们观察下其中的小矩形。把区间 任意分为 份，以某子区间
作底，过 点作高的小矩形如下图所示。

以 作底，过 点作高的小矩形

根据上图可知，在区间 上：

小矩形的高为 ，加上绝对值可以保证高为非负数

小矩形的底为

令 ，所以小矩形的面积为：

所以在区间 上 个小矩形的面积和为如下黎曼和：

令 ，因为函数 和函数 在区间 上连

续，根据可积的充分条件 1，所以 时上述黎曼和的极限存在，也就是可
积。所以定义由 、 、 以及 所围成图形的面积
为：
单变量微积分 / 定积分与面积 / 曲线之间的面积例一

例 . 请求出

（1）由 及 所围成图形的面积；

（2）由 、 、 及 所围成图形的面积；

（3）由 及 所围成图形的面积；

（4）由 、 、 及 所围成图形的面积。

解 . （1）求由 及 所围成图形的面积。先求解下列方程组：

以及

这样可得出这两条抛物线的交点为 以及 ，所以其所围成的图形
如下图所示。

由 及 所围成的图形，及其交点为 以及

由上图可知，在区间 上 可改写为函数 ，所以 及

所围成图形的可视作由 、 、 及 所围成，如
下图所示。可知在区间 上有 。
 由 、 、 及 所围成的图形

根据曲线之间的面积，所以由 及 所围成图形的面积 为：

（2）求由 、 、 及 所围成图形的面积。其图
形如下所示，可知在区间 上有 。

由 、 、 及 所围成的图形

根据曲线之间的面积，所以由 、 、 及 所围成图
形的面积 为：

（3）求由 及 所围成图形的面积。先解下列方程
组：

以及

也就是说两条曲线的交点为 以及 ，所以其所围成的图形如下图
所示，可知在区间 上有 。
由 及 所围成的图形，及其交点为 以及

根据曲线之间的面积，所以由 及 所围成图形的面积
为：

（4）由 、 、 及 所围成的图形如下图所
示，可知在区间 上有 ，在区间 上有 。

由 、 、 及 所围成的图形

根据曲线之间的面积，所以由 、 、 及 所围成
图形的面积 为：
单变量微积分 / 定积分与面积 / 极坐标下的面积

本节来学习下极坐标下的面积是如何定义的。

1 曲边扇形

定义 . 由 及两条射线 、 所围成图形称为 曲边扇形 。

下图所示的就是某曲边扇形。

某曲边扇形

2 极坐标下的面积

定义 . 若极坐标函数 在区间 上连续，且有 及

，则定义由 及两条射线 、 所围成的曲
边扇形的面积 为：

举例说明上述定义，和曲边梯形的面积类似，我们可通过小扇形的面积和来
计算曲边扇形的面积，如下图所示。
 通过小扇形的面积和来逼近曲边扇形的面积

让我们观察下其中的小扇形。把区间 任意分为 份，其中某子区间

的角度差为 ，作半径为 （ ）圆心角
为 的小扇形，如下图所示。

半径为 （ ）圆心角为 的小扇形

该小扇形的面积为 （半径为 的圆的面积为 ，圆心

角为 的扇形面积为圆的面积的 ，所以该扇形面积为 ），
所以在区间 上 个小扇形的面积和为如下黎曼和：

令 ，因为 在区间 上连续，根据可

积的充分条件 1，所以 时上述黎曼和的极限存在，即可积。所以定义由
及两条射线 、 所围成的曲边扇形的面积 为：

练习题1 练习题2

阿基米德螺线 上相应于 从 到 的一段弧与极轴所围成的图

形如下图所示。
 阿基米德螺线上相应于 从 到 的一段弧与极轴所围成的图形的图形

该图形的面积为

提交答案 查看解答
单变量微积分 / 表面积与体积 / 圆锥面的表面积

除了平面图形的面积之外，还可通过定积分来定义一些空间曲面的表面积、
体积，本课就来学习一下。

1 圆锥面的表面积

如下图所示，左侧线段的头部在 轴上，其尾部与 轴的距离为 ，其长为

。将该线段绕 轴旋转一周，得到的就是右侧的圆锥面（和圆锥体不一样，
圆锥面没有底面），其底部半径为 ，母线长为 。

左侧线段绕 轴旋转一周，得到的就是右侧的圆锥面

如下图所示，如果将该圆锥面从红色虚线处剪开，摊平后就得到右侧的扇
形。很显然该扇形的半径为 ，弧长为 ，其圆心角用 来表示。

将左侧圆锥面从红色虚线处剪开，摊平后就得到右侧的扇形

弧长
根据圆心角的定义 ，结合上扇形面积公式，可计算出该扇形
半径
的面积 为：
 半径的平方 圆心角

该扇形面积也称为上述 圆锥面的展开面积 ，或者称为 圆锥面的表面积 。

单变量微积分 / 表面积与体积 / 圆台面的表面积

如下图所示，左侧线段的头部与 轴的距离为 ，其尾部与 轴的距离为

，其长为 。将该线段绕 轴旋转一周，得到的就是右侧的圆台面（没有上下
底面）。

左侧线段绕 轴旋转一周，得到的就是右侧的圆台面

如下图所示：

左侧是该圆台面，可看作在某圆锥面中去掉一个小圆锥面构成的

右侧是从该圆台面的红色虚线处剪开、摊平后得到的图形，可看作在某

扇形中去掉一个小扇形构成的，也称为扇环。该扇环的内弧长为 ，

外弧长为 ，侧边长为 。其圆心角用 来表示，去掉的小扇形的母线

长度用 表示。

将左侧圆台面从红色虚线处剪开，摊平后就得到右侧的扇环

根据圆心角的定义，可推出：
又根据上一节的知识可知，小扇形的面积 ，大扇形的面积为
。结合上 ，因此扇环的面积 为：

大扇形面积 小扇形面积

该扇环面积也称为上述 圆台面的展开面积 ，或者称为 圆台面的表面积 。

单变量微积分 / 表面积与体积 / 旋转面的表面积

1 旋转面的表面积

如下图所示，左侧是某函数 的曲线，右侧是将该函数绕 轴旋转一周得

到的 旋转面 。

左侧的函数 绕 轴旋转一周，得到的就是右侧的旋转面

满足一定条件时，该旋转面的表面积可定义如下：

定义 . 若函数 在区间 上光滑，则定义该函数绕 轴旋转一周所得

旋转面的表面积 为：

弧微分
结合上弧微分，上式可简写为 。

举例解释下上述定义。根据之前的学习可知，函数 对应的曲线可通过多
个切线段来近似，这些切线段绕 轴旋转一周后可近似函数 的旋转面，
如下图所示。

左侧函数 的切线段绕 轴旋转一周，得到的就是右侧的旋转面

让我们观察下其中的小切线段。把区间 任意分为 份：

下图左侧是某子区间 上、切点为 点的小切线段。之

前计算过，如果令 ，其长度 为：

下图右侧是该小切线段绕 轴旋转一周得到的小圆台面

该圆台面的上底半径 为切线段左端点到 轴的距离，因为切线是曲线

的最佳线性近似，所以可认为有

该圆台面的下底半径 为切线段右端点到 轴的距离，同样的道理，可

认为有

该圆台面的侧边长为
 左侧某小切线段绕 轴旋转一周，得到的就是右侧的圆台面

根据上一节的知识可知，该小圆台面的表面积 为：

因为函数 在区间 上是光滑的，因此函数 在区间 上是连续

的，所以在 足够小时，有 ，所以上式可改写为：

所以在区间 上 个小圆台的表面积和为如下黎曼和：

令 ，因为函数 在区间 上是光滑的，根

据可积的充分条件 1，所以 时上述黎曼和的极限存在，也就是可积。所
以定义该函数绕 轴旋转一周所得旋转面的表面积 为：

2 圆台面表面积 VS 旋转面的表面积

这里将圆台面的表面积和旋转面的表面积一起罗列如下：

圆台面的表面积
旋转面的表面积

这两个公式其实大同小异：

在圆台面的表面积中有 ，在旋转面的表面积中对应的是 。

这是因为函数 是光滑的，所以上、下底半径近似相等，所以合二为

一
在圆台面的表面积中有 ，在旋转面的表面积中对应的是 ，两者表示

的都是侧边长
单变量微积分 / 表面积与体积 / 旋转体的体积

在一定条件下，还可以通过定积分来定义体积。

1 旋转体的体积

如下图所示，左侧是由直线 、 、 及 所围成的曲边梯
形，右侧是将该曲边梯形绕 轴旋转一周得到的 旋转体 。和旋转面相比，旋
转体是实心的。

左侧的曲边梯形绕 轴旋转一周，得到的就是右侧的旋转体

满足一定条件时，该旋转体的体积可定义如下：

定义 . 若函数 在区间 上连续，则定义由直线 、 、

及 所围成的曲边梯形绕 轴旋转一周而成的旋转体的体积
为：

举例解释下上述定义。根据之前的学习可知，曲边梯形可通过一系列小矩形
来近似，这些小矩形绕 轴旋转一周后可近似函数 的旋转体，如下图所
示。
 左侧小矩形绕 轴旋转一周，得到的就是右侧的旋转体

让我们观察下其中的小矩形。把区间 任意分为 份，作以某子区间

为底、以 点为高的小矩形，将该小矩形绕 轴旋转一周
会得到一个小圆柱，如下图所示。

左侧某小矩形绕 轴旋转一周，得到的就是右侧的小圆柱

令 ，根据高中几何知识，可知该小圆柱的体积 为：

底 高

所以在区间 上 个小圆柱体积和为如下黎曼和：

令 ，因为函数 在区间 上连续，根据可

积的充分条件 1，所以 时上述黎曼和的极限存在，也就是可积。所以定
义由直线 、 、 及 所围成的曲边梯形绕 轴旋转一周
而成的旋转体的体积 为：
单变量微积分 / 表面积与体积 / 截面积已知的体积

假设某立体的截面积为函数 ，如下图所示。

某立体的截面积为函数

满足一定条件时，该立体的体积可定义如下：

定义 . 若某立体在区间 上的截面积为连续函数 ，则定义该立体在

区间 上的体积 为：

举例解释下上述定义。把区间 任意分为 份，因为截面积函数 在区

间 上连续，所以该立体在足够小的子区间 上的截面积非常接
近，所以这部分体积可近似于底面积为 、高为 的小扁柱
体。该小扁柱体在下图中用绿色标出。

底面积为 、高为 的小扁柱体

该小扁柱体的体积 ，所以在区间 上 个小扁柱体的体积和
为如下黎曼和：

令 ，因为截面积函数 在区间 上连续，

根据可积的充分条件 1，所以 时上述黎曼和的极限存在，也就是可积。
所以定义上述立体在区间 上的体积 为：
单变量微积分 / 物理中的应用 / 变力沿直线作功

本单元前面学习了如何计算弧长、面积、表面积、体积等，这里可以总结
下：

明确要研究的对象，寻找某黎曼和 来近似该对象

若 连续，则 时上述黎曼和的极限存在，要研究的对象可定义

为该极限，即如下定积分：

上述方法可以运用到各个领域，比如本课将要学习的物理领域。

1 恒力沿直线作功

如下图所示，用平行于 轴的恒力 推动蓝色方块，使其发生位移 。

平行于 轴的恒力 推动蓝色方块，使其发生位移

根据高中物理知识，此时恒力 对物体所作的功 。若引入 坐标

系，其中 轴是方块所在位置， 轴是对应位置施加在方块上的水平力的大
小，那么 的几何意义就是下图中的矩形面积。
 恒力 对物体所作的功

2 变力沿直线作功

在下图中有一个由弹簧拉着的蓝色矩形块，由于弹簧的存在所以用平行于
轴的变力 推动该蓝色矩形块，使其发生位移 。

平行于 轴的变力 推动蓝色矩形块，使其发生位移

下面来计算一下上述过程中的作功。设初始位置为 点，终止位置为
点，满足 ；变力用函数 来表示，如下图所示（为了方便
观察将弹簧去掉）。

在变力 的作用下，蓝色矩形块始于 点、止于 点

把区间 任意分为 份，若函数 在区间 上连续，那么可认为在较

小的某子区间 上，蓝色矩形块所受的力为恒力 （
），如下图所示。
 在子区间 上，作用在蓝色矩形块上的力近似为恒力

令 ，则在该子区间 上的所作的功 为：

将 个子区间的作功相加，得到在区间 上的所作的功 为如下黎曼和：

令 ，因为函数 在区间 上连续，根据可

积的充分条件 1，所以 时上述黎曼和的极限存在，也就是可积，所以：

如果用 坐标系来表示的话，那么 的几何意义就是下图中的

曲边梯形面积。

变力 对物体所作的功
单变量微积分 / 物理中的应用 / 水压力

上一节的分析比较繁琐，本节借助例子介绍一种本质上相同、但简化一些的
方法。

1 水压力的例题

例 . 根据高中物理可知，若液体密度为 ，则在液深 处某点的压强

，其中 为重力加速度，如下图所示。

液深 处，某点的压强

若在液深 处水平漂浮一块面积为 的板子，该板子处处受到的压强皆为

，所以其受到的压力 ，如下图所示。

液深 处、面积为 的板子，其受到的压力

请问，如下图所示，垂直淹没在该液体中的等腰三角形板受到的压力为多
少？

垂直淹没在液体中的等腰三角形板

解 . 作出 轴上某点 附近的矩形窄条，如下图所示。
 轴上某点 附近的矩形窄条

根据上图的标注可知，该矩形窄条长为 ，宽为 ，可近似认为此窄条

上的压强恒定为 ，所以其受到的压力 为：

压强 长 宽

所以整块三角板受到的压力 可通过定积分计算如下：
单变量微积分 / 物理中的应用 / 力矩与质心

下图中的玩具可以保持动态平衡，原因是玩具小人的腿是整个玩具的质心。

可以保持平衡的玩具小人

本节就来介绍什么是质心，让我们从力矩说起。

1 力矩

假设有质量为 、 的两个物体被安放在一根刚性的 轴上，支点架设在

原点处，如下图所示。

安放在刚性的 轴上的 、

此时 、 的物体受到重力加速度 的影响，会分别产生 、
的 力矩 ，如下图所示。

、 分别产生 、 的力矩

2 杠杆原理与质心

著名的 杠杆原理 原理就是对力矩的一种应用，该原理说的是，我们可通过调

整支点使杆子达到平衡。比如像下图一样，将支点调整到 点时杆子可达到
平衡，该平衡点也被称为 质心 。

平衡点 也被称为质心

此时 点两侧的力矩相互抵消，由此可推出质心 点的值：

更一般的，如果杆子上有质量为 、 、 、 、 的点，所在位置分
别是 、 、 、 、 ，那么质心 点的计算公式如下：

顺便说一下，杠杆原理是阿基米德提出的。根据该原理，阿基米德说出了以
下惊世骇俗的名言：

给我一个支点和一根足够长的杆子，我就可以撬起整个地球。

3 连续的质心

上面的质心计算是基于杆子上放置的是一个个离散的质点，如果要计算前面
提到的动态平衡玩具的质心，需要把刚才的概念从离散扩展到连续。下面通
过一道例题来讲解。

例 . 假设沿 轴在区间 上放置着一根细长的金属条，如下图所示。其线密

度函数 在区间 上连续，请求出该金属条的质心 。
 细长金属条

在区间 上放置着一根细长的金属条

解 . 以 点为中心作长度为 的红色细长条，其中 ，如下图所

示。

以 点为中心、长度为 的红色细长条

因为金属条的线密度函数 在区间 上连续，所以该红色细长条的质

量 为：

又该红色细长条可近似为在 点的质点，该质点与质心 相距 ，故该

红色细长条的关于质心 的力矩 为：

根据定积分的思想，比对离散时的质心公式，很容易把质心概念从离散推
广到连续：

在质心 处架设支点，如下图所示，该金属条可以保持平衡。

在质心 处架设支点，该金属条可以保持平衡
 单变量微积分 / 可分离变量的微分方程 / 可分离变量的微分方程

接下来的课程会介绍一些求解一阶微分方程的方法，让我们从可分离变量的
微分方程开始。

1 可分离变量的微分方程的定义

定义 . 若某一阶微分方程能写成：

那么该一阶微分方程就称为 可分离变量的微分方程 。

比如 就是可分离变量的微分方程，因为两侧同乘 后有：

2 可分离变量微分方程的求解方法

假设某可分离变量微分方程的解为 ，根据上述定义，即有：

两侧同时求不定积分（如果存在的话），结合上 及不定积分的第一
类换元法，可得：

设 为 的原函数， 为 的原函数，则有：

Typesetting math: 100%

单变量微积分 / 洛必达法则 / 洛必达法则的较弱形式

处理未定式的神器就是本课要介绍的洛必达法则，其原始形式记录在《阐明
曲线的无穷小分析》中的第 145 页，如下图所示。

《阐明曲线的无穷小分析》中的第 145 页

将其翻译为如今的数学语言，大概就是本节将要讲解的：洛必达法则的较弱
形式。

1 洛必达法则的较弱形式

定理（洛必达法则的较弱形式）. 设：

（1） ；
（2） 及 都存在，且 ；

则 。

证明 . 根据条件以及导数的定义，可得：

举例说明下，假设下图中就是满足上述定理条件的两个函数 和 ，因
为有 ，所以两者交于 点。

函数 和 交于 点

又因为 及 都存在，所以这两个函数在 点有切线，如下图所

示。

函数 和 在 点有切线
我们知道切线（这里不用微分是因为在原坐标系中，而不是在切点坐标系中
讨论）在 附近可以近似曲线，即在 附近有：

所以，在 附近有：

当 越接近 时， 越接近 ，在极限的情况下可以取到等号，即：

2 洛必达法则较弱形式的例题

例 . 请求出 。

解 . 因为：

及 都存在，且

所以是满足洛必达法则较弱形式的，所以：
单变量微积分 / 可分离变量的微分方程 / 可分离变量微分方程的例二

例 . 放射性元素镭由于不断地有原子放射出微粒子而变成其他元素，镭的含量
会不断减小，这种现象叫作衰变。下图所示的是 粒子被放射出去，这称为
衰变。

衰变

由原子物理学可知：

镭的衰变速度与当时未衰变的镭原子的含量 成正比

若开始时镭的含量为 ，则 年后只剩下原来的一半

请求出在衰变过程中镭含量 随时间 变化的规律。

解 . （1）整理得到初值问题。镭的衰变速度就是镭含量 对时间 的变
化率 ，根据题意可知，镭的衰变速度与其含量成正比，故得：

结合上题目的条件，所以要求的就是一个初值问题：

（2）求解。变化为可分离变量的微分方程，并且注意到 ，所以
有：

代入初值条件 ，可得：
代入初值条件 ，可得：

所以得到特解 。

之前提到过，涉及到自然界中的增长、衰减时，指数函数 就会出现，这也
是欧拉数 被称为自然底数的原因之一。这里的例题又一次佐证了这个现象。
单变量微积分 / 齐次方程 / 齐次方程

本课会介绍另外一种一阶微分方程的解法，也就是齐次方程的解法。

1 齐次方程的定义

定义 . 若某一阶微分方程能写成：

那么该一阶微分方程就称为 齐次方程 。

比如 就是齐次方程，因为：

2 齐次方程的求解方法

齐次方程可以化为可分离变量的微分方程，具体做法是引入函数 ，则
有：

代入齐次方程 ，则有：

求出两侧的不定积分后回代 即可得出齐次方程的通解。
单变量微积分 / 一阶线性微分方程 / 一阶线性微分方程

本课继续学习一阶微分方程的解法，也就是一阶线性微分方程的解法。

1 一阶线性微分方程的定义

定义 . 若某一阶微分方程能写成：

那么该一阶微分方程就称为 一阶线性微分方程 。若 则该方程是

齐次 的，否则就是 非齐次 的。

之所以称之为一阶线性微分方程，是因为如果将上述微分方程等号的左侧看
作关于 的函数，即：

那么该函数符合线性函数的定义，也就是满足（同学们可以自行验算下）：

齐次性：

可加性：

“齐次”与“非齐次”则和线性方程组中的齐次与非齐次类似，后面会看到一阶线
性微分方程和线性方程组确实有很多相似之处。

2 一阶齐次线性微分方程的求解方法

一阶齐次线性微分方程是可分离变量的微分方程，可以如下求得其通解为：

其中 。

3 一阶非齐次线性微分方程的求解方法

对于一阶非齐次线性微分方程可以用所谓的 常数变易法 ，该方法说如果将一

阶齐次线性微分方程的通解中的常数 替换为未知函数 ，那么就得到了
一阶非齐次线性微分方程的通解，即：

齐次的通解 非齐次的通解
根据上述结论下面将 求出。运用函数乘积的求导法则可以求出一阶非齐
次线性微分方程的通解的导函数为：

将 和 代入一阶非齐次线性微分方程 可得：

所以一阶非齐次线性微分方程的通解为：

可以将上述通解改写为如下的两项之和，其第一项为一阶齐次线性微分方程
的通解，其第二项为一阶非齐次线性微分方程的特解（同学们可以自行验算
下）：

非齐次的通解 齐次的通解
非齐次的特解

熟悉《线性代数》会发现，上述结构和非齐次线性方程组解的结构是一样
的，后面还会讨论这个问题。

4 拉格朗日和常数变易法

常数变易法怎么得到的呢？这里解释一下。据说常数变易法是法国数学家拉
格朗日给出的，如下图所示。
 约瑟夫·拉格朗日伯爵（1736 － 1813）

我们不知拉格朗日是怎么思考的，这里给出一种可能的思路，对一阶非齐次
线性微分方程进行如下求解：

上面没有完全求出解来，因为等式右侧还包含有 。不过可以观察出解的情
况，令 ，所以上述解可以改写为：

这就是常数变易法一开始就笃定 是非齐次的通解的原因。
单变量微积分 / 一阶线性微分方程 / 一阶线性微分方程的例题

例 . 请求出下列微分方程的通解：

（1） ，（2） 。

解 . （1）求 。这是一阶非齐次线性微分方程，先求

齐次的通解：

运用常数变易法，将常数 替换为 ，即令 ，因此有

，代入非齐次方程，得：

所以非齐次的通解为：

（2）求 。进行变形后可以得到一阶非齐次线性微分方

程：

先求齐次的通解：

运用常数变易法，将常数 替换为 ，即令 ，因此有

，代入非齐次方程，运用分部积分法可得：

所以非齐次的通解为：
单变量微积分 / 表面积与体积 / 旋转体表面积的例题

例 . 如下图所示，左侧是圆心在 点半径为 的圆，右侧是将该圆

绕 轴旋转一周后得到的旋转体，请求出该旋转体的表面积。

左侧的圆绕 轴旋转一周，得到的就是右侧的旋转体

解 . 上一节分析的是函数 绕 轴旋转，而本题问的是圆（非函数）绕
轴旋转。因此在具体的细节上需要进行相应的修改。

（1）思路。作直线 将圆分为左半圆和右半圆，如下图所示，其
中左半圆用函数 来表示，右半圆用函数 来表示。
 将左侧的圆分为左半圆 和右半圆

左半圆旋转之后会得到如下图右侧所示的旋转面，根据上一节的分析结

果，其表面积 。

左侧的左半圆 绕 轴旋转一周，得到的就是右侧的旋转体

右半圆旋转之后会得到如下图右侧所示的旋转面，根据上一节的分析结
果，其表面积 。

左侧的右半圆 绕 轴旋转一周，得到的就是右侧的旋转体

所以，对于题目中要求的旋转体的表面积 ，有 ，下面是具
体的计算。

（2）计算左半圆对应旋转面的表面积 。因为左半圆的函数
，结合上一节介绍的旋转体表面积公式，以及弧微分
 ，所以有：

其中：

结合上基本积分表以及牛顿-莱布尼兹公式，因此：

（3）计算右半圆对应旋转面的表面积 。和（2）的方法类似，可
得：

（4）题目中要求的旋转体的表面积 为：
单变量微积分 / 高阶线性微分方程 / 高阶线性微分方程的定义

从本课开始到本单元结束，让我们来学习高阶微分方程中很重要的、也很常
见的高阶线性微分方程，之前学习过的一阶线性微分方程是其中的一种特殊
情况。

1 高阶线性微分方程

定义 . 若某微分方程能写成：

那么该微分方程就称为 n 阶线性微分方程 。若 则该方程是 齐次

的，否则就是 非齐次 的。

之所以称为 阶线性微分方程，是因为如果将上述微分方程等号的左侧看作
关于 的函数，即：

那么该函数符合线性函数的定义，也就是满足（同学们可以自行验算下）：

齐次性：

可加性：

“齐次”与“非齐次”则和线性方程组中的齐次与非齐次类似，下一节就会解释线
性微分方程和线性方程组之间的关联。
单变量微积分 / 高阶线性微分方程 / 线性方程组解的结构

本节下面说的很多内容都需要《线性代数》的知识，其中的细节不做过多解
释

1 都是线性函数

上一节说了，n 阶线性微分方程等号的左侧是线性函数：

线性函数

而线性方程组可通过矩阵乘法进行改写。比如有两个未知数的线性方程组：

可根据矩阵乘法的定义进行如下改写，其左侧是矩阵函数 ，这是线性
函数的一种。

线性函数

上述两者等号左侧都是线性函数，故两者在求解上非常类似，下面举例来说
明下线性方程组解的情况。

2 齐次线性方程组的解

对于齐次线性方程组，比如（这是《线性代数》课程中的一道例题）：

可以算出向量 和 是该齐次线性方程组的解，两者的线性组

合，或者说张成空间是该齐次线性方程组的所有解：

从几何上看，如下图所示，左侧的红色平面就是该齐次线性方程组的所有
解。
 左侧的红色平面是齐次线性方程组 的所有解

3 非齐次线性方程组的解

对于非齐次线性方程组，比如（这也是《线性代数》课程中的一道例题）：

它和上面的齐次线性方程组几乎一样的，只是右侧不同。它的所有解由该非
齐次的特解和齐次的所有解构成：

非齐次的所有解

非齐次的特解 齐次的所有解

从几何上看，如下图所示，左侧过 点的红色平面就是该非齐次线性方程

组的所有解，其平行于橙色平面（齐次线性方程组的所有解）。

左侧的红色平面是非齐次线性方程组 的所有解
单变量微积分 / 高阶线性微分方程 / 线性微分方程解的结构

上一节解释了线性方程组解的结构，即齐次线性方程组 的所有解是某
张成空间，比如上一节提到的：

而非齐次线性方程组 的所有解由该非齐次的特解和齐次的所有解构
成，比如上一节提到的：

非齐次的所有解

非齐次的特解 齐次的所有解

n 阶线性微分方程解的结构也是类似的，本节来学习一下。其中涉及很多概念
和定理，也会一并介绍。

1 线性相关与线性无关

定义 . 设 为定义在区间 上的 个函数，如果存在不
全为零的实数 ，使得当 时恒有：

那么称 在区间 上 线性相关 的，否则称 线性无关 。

这和《线性代数》中的线性相关与线性无关几乎完全一样，可进行类比理
解。这里特殊的是将 这 个函数看作了 个向量，这属
于数学别的分支（比如抽象代数、高等代数、泛函等）中的内容，感兴趣的
同学可以自行学习，本课程就不展开了。

2 齐次线性微分方程的通解

定理 . 如果 是n 阶齐次线性微分方程

的 个线性无关的解，那么此方程的通解为：

这和上一节提到的齐次线性方程组的解非常类似，也可进行类比理解。

举一个例子，比如 是二阶齐次线性方程，容易验证 和
是所给方程的两个解。若这两个解线性相关，根据上面的定义，也
就是说存在不全为零的实数 使得当 时恒有 ，那么
会推出：

是常数

但 不是常数，所以这是两个线性无关的解，因此所给方
程的通解为：

也容易验证 是所给方程的解，但 和 不是线性无关的两个解，所以

没法构造通解。或者说构造出来也不符合通解的定义：

3 非齐次线性微分方程的通解

定理 . 如果 是n 阶非齐次线性微分方程

一个特解， 是对应的n阶齐次线性微分方程

的通解，那么此非齐次线性微分方程的通解为：

这和上一节提到的非齐次线性方程组的解非常类似，也可进行类比理解。

之前介绍一阶线性微分方程的时候，也提到过该结论：

非齐次的通解 齐次的通解
非齐次的特解

这里再举一个例子，比如 是二阶非齐次线性方程，上面解释了
的通解为 。又容易验证 是所给
方程的特解，因此所给方程的通解为：
单变量微积分 / 高阶线性微分方程 / 常数变易法

之前介绍过可通过常数变易法来求解一阶非齐次线性微分方程，该方法也适
用于n 阶非齐次线性微分方程，本节来学习一下。

1 常数变易法

这里进行举例说明，假设二阶非齐次线性微分方程的特解为 ，对应二阶
齐次线性微分方程的通解为：

根据线性微分方程解的结构，所以二阶非齐次线性微分方程的通解为：

对其进行变形：

可任意划分

所以说在形式上，齐次与非齐次的通解的区别就是将常数系数变为函数系
数，这就是 常数变易法 ：

通解

二阶齐次
二阶非齐次

上述结论推广到 阶也是成立的：

通解

阶齐次
阶非齐次

2 二阶非齐次微分方程的通解

例 . 已知 的通解为 ，请求出
的通解。

解 . 根据上述的常数变易法，可知二阶非齐次线性微分方程
的通解形如：
下面的任务就是要求出 、 。先求出一阶导：

为简化运算，设 （这样在之后的计算中就不会出现 和
了，若作此假设后算不出来，可考虑别的方法），可得：

在简化的基础上继续求出二阶导：

将 、 和 回代到 可得：

整理后可得：

、 是齐次解，从而 、 ，所以
上式可化简为：

结合之前的假设，我们可以得到如下的方程组，其中 、 是未知数：

上述方程组可在矩阵乘法的帮助下改写为：

若系数矩阵的行列式：

根据克拉默法则，那么有唯一解：

不定积分存在的话，有：

所以 的通解为：
单变量微积分 / 高阶线性微分方程 / 常数变易法的例题

例 . 已知 的通解为：

请求出 的通解。

解 . 将所求方程改写为线性微分方程的标准形式，即：

根据常数变易法，设 的通解为
，根据上一节的介绍可得方程组：

系数矩阵的行列式在 时：

根据克拉默法则，那么有唯一解：

所以：

所以 的通解为：
单变量微积分 / 定积分的定义 / 积者，微者之和也

之前提出要寻找曲边梯形面积的通用解法，然后一直都在为此进行铺垫，本
单元终于可以给出解决方案了。

让我们从 积分 这个概念开始吧。下图所示的是清朝数学家李善兰及其翻译著
作《代微积拾级》。该书中有一句话，“凡线面体皆设为由小渐大，一刹那中
所增之积即微分也，其全积即积分也”，这是中文世界第一次出现“积分”这个
词（“积分”一词实际上在《算数书》、《九章算术》、《九章算术注》等传
统数学书中就已经出现了，大概是将很多部分相加之意。但在《代微积拾
级》中，该词才和近代数学联系在了一起）。

清朝数学家，李善兰（1810－1882） 《代微积拾级》第一册

李善兰对“积分”的解释是：“积者，微者之和也，犹今言体积、面积”。通过下
图来理解这句话，说的就是，积分就是将许多微小的部分加起来，从而得到
整体的面积（体积）。
 积分就是，左侧的面积等于右侧微小部分之和

这只是比较粗略的解释，下面再详细阐述下。

1 从单位面积到多边形面积

让我们回一下之前是如何定义面积的。首先给出一个单位线段，规定其长度
为 ；用该单位长度围成的称为单位正方形，规定其面积为 。如下图所示。

单位线段 单位正方形

一个长为 、宽为 的矩形内可填入 个单位正方形，所以其面积为 ，如下

图所示。

的面积

根据上面的逻辑进行延伸，对于更一般的长为 、宽为 的矩形，规定其面积

为 ，如下图所示。

的面积
在上面定义基础上可接着定义别的图形的面积。比如底为 、高为 的三角形
是某矩形面积的一半，所以其面积为 ，如下图所示。

的面积

平行四边形可以通过分割，拼接成一个矩形，如下图所示，据此可得平行四
边形的面积。

两个同样的梯形可以拼接为一个平行四边形，如下图所示，据此可得梯形的
面积。

更一般的多边形（矩形、正方形、三角形、平行四边形、梯形等都是多边
形）可以划分为多个三角形，如下图所示，据此可得多边形的面积。

的面积 三角形面积之和

2 通过“以直代曲”来计算曲边形的面积

上面所说多边形的边都是“直”的，那么边弯曲的曲边形面积该怎么计算呢？
这就需要借助“以直代曲”的思想了。

比如最简单的曲边形圆的面积可以借助用内接多边形来逼近，如下图所示。
而曲边梯形的面积应该怎么计算呢？

同样的，可以借助多边形中的小矩形来逼近，如下图所示。这就是李善兰所
说的“积者，微者之和也”。

大致的印象有了，下面看看应该如何操作。
单变量微积分 / 一阶线性微分方程 / 伯努利微分方程

下面来介绍一种可以改写为一阶线性微分方程的微分方程。

1 伯努利微分方程

定义 . 若某一阶微分方程能写成：

那么该一阶微分方程就称为 伯努利微分方程 。

该方程是伯努利家族中的雅各布·伯努利提出的，他是之前介绍过洛必达的老
师约翰·伯努利的哥哥，如下图所示。

雅各布·伯努利（1654－1705）

当 时该方程是一阶线性微分方程；当 时，可通过变量代换化
为一阶非齐次线性微分方程。具体做法是用 除以伯努利微分方程的两端：

会发现上式左侧的第一项 与 只差一个因子 ，所以引

入 ，则 。然后用 和 对上式进行变量替换，

就变成了一阶非齐次线性微分方程方程：
2 斯托克斯阻力定律

伯努利微分方程在物理学中会经常用到。比如根据常识可知，物体在水中运
动会遇到阻力，如下图所示。

阻力作用在物体上会产生阻力加速度。根据斯托克斯阻力定律，假设物体速
度为 ，则其在液体中受到的阻力加速度 大致为（可看出速度越快受到

的阻力越大，想象游泳时越快需要克服的水阻就越大）：

其中 、 与具体的液体有关，比如清水阻力小，而油脂阻力大。上式
其实就是伯努利微分方程。

3 伯努利微分方程的例题

例 . 请求出微分方程 的通解。

解 . 这是伯努利微分方程，所以令 ，则 ，然

后进行变形和变量替换得到一阶非齐次线性微分方程：

套用一阶非齐次线性微分方程的求解公式，有（原方程中有 ，这说明
，所以下面计算中的 ，不需要加绝对值）：
将 代入，得所求方程的通解为：
单变量微积分 / 定积分的定义 / 用矩形逼近

如下图所示，这是在区间 上的某曲边梯形，曲边是某函数 。

在该区间中均匀插入 个点，将其平分为 个小区间，每个小区间的长度

皆为 ，如下图所示。
以每个小区间左端点的函数值作高，各个小区间作底，可得 个小矩形，如
下图所示。

如下图所示，显然 越大，小矩形逼近的越好。容易想象， 时就可得

到该曲边梯形的面积。
单变量微积分 / 常系数线性微分方程 / 常系数线性微分方程

上一课学习了线性微分方程，本课来学习其中的一种特殊情况，也是较为简
单的一种情况。

1 常系数线性微分方程

定义 . 若某微分方程能写成：

那么该微分方程就称为 常系数线性微分方程 。若 则该方程是 齐次

的，否则就是 非齐次 的。

常系数线性微分方程是线性微分方程的一种特殊情况，其系数都为常数：

线性微分方程 常系数线性微分方程

比如 是常系数齐次线性微分方程，而 是
常系数非齐次线性微分方程。
单变量微积分 / 常系数线性微分方程 / 常系数齐次的解

本节来学习一下常系数齐次线性微分方程应该如何求解，先从二阶开始。

1 二阶常系数齐次线性微分方程的解

对于二阶常系数齐次线性微分方程 而言，其通解取决于
特征方程 的两个根 、 的情况：

特征方程 的两个根 、 微分方程 的通解

、 是不相等实根

、 是相等实根

、 是共轭复根
其中

据说上述结论是瑞士数学家欧拉给出的。

莱昂哈德·欧拉（1707－1783）

下面来分析下该结论是如何得出的。虽然不知道欧拉是怎么思考的，但积累
了一定解题经验后会发现，在一定条件下 是 的解。具
体来说就是将 代入 可得：
因为 ，所以若 满足 ，则 就是
的解。所以 也称为此微分方程的 特征方程 。

特征方程 其实就是一元二次方程，该方程的两个根 可
利用如下求根公式得出：

由于判别式 取值的不同，两个根 存在以下三种情况：

的情况

其中

相应的，微分方程的通解也分为三种情况：

（1）当 时， 、 是两个不相等的实根，此时：

根据上面的讨论可知 、 都是 的解

不是常数，因此 和 线性无关

由线性微分方程解的结构可知，此时 的通解为：

（2）当 时， 、 是两个相等的实根，此时只得到了一个
解 。因为要保证 不是常数，所以可假设 ，从而有：

代入 有：

化简后得到：
由于 为特征方程的根，所以 。又 ，所以
，所以根据上式可推出：

随便选择一个满足此条件的函数，注意不能是常数函数，比如选
吧，此时 。所以 的通解为：

（3）当 时， 、 是一对共轭复根，此时 、
都是微分方程的解。根据欧拉公式：

、 的线性组合依然是微分方程的解：

只是此时 、 都是实值函数了，且：

并非常数，即 和 线性无关，所以此时 的通解为：

综上，二阶常系数齐次线性微分方程的通解为：

特征方程 的两个根 、 微分方程 的通解

时， 、 是不相等实根
时， 、 是相等实根
时， 、 是共轭复根

2 阶常系数齐次线性微分方程

阶常系数齐次线性微分方程的通解与之类似，在后面的例题中会进行展
示，这里就不再赘述了。
单变量微积分 / 常系数线性微分方程 / 常系数齐次的例题

例 . 请求出下列常系数齐次线性微分方程的通解：

（1） ；（2） ；

（3） ；（4）

解 . （1）求解 。解其特征方程可得：

根据常系数齐次线性微分方程的通解，所以其通解为 。

（2）求解 。解其特征方程可得：

根据常系数齐次线性微分方程的通解，所以其通解为 。

（3）求解 。解其特征方程可得：

根据常系数齐次线性微分方程的通解，所以其通解为
。

（4）求解 。解其特征方程可得：

根据上一节的分析，可知线性无关的解为：

所以通解为：
 单变量微积分 / 常系数线性微分方程 / 常系数非齐次的解

对于常系数非齐次线性微分方程：

在常系数齐次线性微分方程的基础上，可通过之前介绍的常数变易法进行求
解，不过其中需要求不定积分，这会导致有可能很难得到答案。

本节来讨论一种较为常见的常系数非齐次线性微分方程，它可通过 待定系数
法 来求解，这样就不需要求不定积分，下面来学习一下。

1 时的常系数非齐次线性微分方程

定理 . 若 为常数， 是 的 次多项式，对于常系数非齐次线性微分
方程

其特解 形如：

其中 是 在特征方程中的重根数（若 不是特征方程的根，则 ，若
是特征方程的 重根，则 ）， 是 的 次多项式。

以 为例来说明下上述结论。可假设其特解
（其中 为某多项式），根据假设有：

代入 ，由下面的计算可知，假设特解 确实是合
理：

设为

现在有：

（ ）

下面可以分情况来讨论：

（1） 不是特征方程 的根，那么有 且

，所以要使得式（1）成立， 必须为 次多项式，
Typesetting math: 100%
 即：

（2） 是特征方程 的一重根，也就是该特征方程的根

为 及 ，且 ， 为其中之一。此时有 但
，所以由式（1）可推出：

所以 必须为 次多项式，所以 必须为 次多项式，此时可

令：

（3） 是特征方程 的二重根，也就是该特征方程的根

为 及 ，且 ， 。此时有 且
，所以由式（1）可推出：

所以 必须为 次多项式，所以 必须为 次多项式，此时可

令：

综上就可以得到特解 。

Typesetting math: 100%

单变量微积分 / 常系数线性微分方程 / 常系数非齐次的例题

例 . 请求出下列常系数非齐次线性微分方程的通解：

（1） ；（2） 。

解 . （1）求解 。这是常系数非齐次线性微分方程，
其等号右侧为 ，其中 ， 。

解 的特征方程，可得：

所以 不是该特征方程的根，根据上一节的分析，所以
的特解 可假设为：

可推出 以及 ，代入 有：

所以 ，根据线性微分方程解的结构，所以
的通解为：

（2）求解 。这是常系数非齐次线性微分方程，其
等号右侧为 ，其中 ， 。

解 的特征方程，可得：

所以 是该特征方程的一重根，根据上一节的分析，所以
的特解 可假设为：

可推出：

代入 有：
所以 ，根据线性微分方程解的结构，所以
的通解为：
单变量微积分 / 魏尔斯特拉斯的数列极限 / 陈景润的解释

大数学家陈景润：

陈景润（1933－1996）

也给出过关于 语言的一种解释，这里一并列出，以供参考。在一次数学
讲座中，陈景润描述了这样一个直觉：

庄子《天下篇》里的一句话：“一尺之棰，日取其半，万世不竭”。

意思今天把棒子切一半，明天把剩下的棒子切一半，可以一直这么切下
去：

如果把切下的棒子按照切割的日期依次摆放，一眼望去，所有的棒子都
在观察范围内，只是太小的看不清楚。

为了更好的观察，换上一台显微镜来看，提高放大倍数的同时，也会缩
小观察范围（缩小 ），这样50天之后切割的所有棒子都在观察范围
内，之前看不清楚的一些棒子就可以更好的观察了，当然更小的还是看
不清楚。
继续提高放大倍数，缩小观察范围（缩小 ），就可以观察到500天后切
割的所有棒子。

语言说的其实就是：不论如何提高放大倍数，缩小观察范围（缩
小 ），总可以看到某天（ ）后切割的所有棒子。这样的话，棒子长
度的极限就是0。

代数上就是，把每日剩下的棒子的长度写成数列：

那么：

练习

已知数列：

此数列 的极限是存在的，即 ， ， ，有
，那么：

下列说法正确的是:

提交答案 查看解答
单变量微积分 / 一般的函数极限 / 邻域和去心邻域

1 邻域

定义 . 以 为中心、半径为 （ ）的开区间 称为点

的 邻域 （Neighbourhood），记作 。如果不关心半径 也可以简记
作 。

某邻域 可以图示如下：

2 去心邻域

定义 . 在邻域 中去掉中心 后，称为点 的 去心邻域 （Deleted

neighbourhood），记作 。如果不关心半径 也可以简记作 。

某去心邻域 可以图示如下，因为不包括 点，所以用空心点来表

示：

B
单变量微积分 / 一般的函数极限 / 邻域和去心邻域

介绍一般的函数极限之前，需要先引入两个概念。

1 邻域

定义 . 以 为中心、半径为 （ ）的开区间 称为点

的 邻域 （Neighbourhood），记作 。若不关心半径 也可简记作
。

比如下图所示的就是某邻域 。

某邻域 ，或

2 去心邻域

定义 . 在邻域 中去掉中心 后所得区间 称

为点 的 去心邻域 （Deleted neighbourhood），记作 。若不关心
半径 也可简记作 。

比如下图所示的就是某去心邻域 ，因为不包括 点，所以用空心点

来表示。

某去心邻域 ，或
单变量微积分 / 夹逼定理 / 极限求解的例题

例 . 请求出下列极限：

（1） ； （2） ； （3） ； （4）

解 . （1）求 （本题在这里通过有界函数与无穷小的乘积是无穷小
求解过，同学们可以相互映证）。因为 ，所以有

，如下图所示。

绿线是 ，红线是 ，蓝线是

又之前求出 ，所以有 ，根据夹逼定理，

所以有 。

（2）求 。之前求出了 以及 ，所
以：

（3）求 。根据三角恒等式 ，所以：

（4）求 （之前解释过， 符号的意思是向上取整，也就

是 为正好大于 的整数）。当 时有：

又 ，根据夹逼定理，所以有 。
单变量微积分 / 复合函数的极限 / f[g(x)] 没有定义

时 有定义，即复合函数的极限中的“ 在
有定义”，其实就是一般函数的极限定义要求的“在局部有定义”，下面
来举例说明下。

比如：

其中 在 附近剧烈震荡，不断与 轴相交，参见下图中的红
点，找不到 使得 。

在 附近剧烈震荡，不断与 轴相交

所以 在 没有定义，从而 不

存在。
单变量微积分 / 复合函数的极限 / g(x) ≠ u0

时 ，即复合函数的极限中的“ ，当
时，有 ”，下面来举例说明下。

1 的例子

比如：

其中 是一个有间断点的函数， 时的极限为 ，即 ：

从左右两侧匀速逼近 时有

对于 可以这么理解：

在 坐标系中，当 逼近 时，因为 是常数函数，所以

始终为

复合后 的输出就变为了 的输入，所以在 坐标系中， 始

终为

在 坐标系中， 始终为 ，所以 始终为 。

上述连锁反应可以参见下面的动图：
 ， 始终为 ，所以 始终为

所以：

也就是说，此时 存在，但和 不一致。运用复合函数的极

限失败的原因在于本例中 时有 。

2 充分条件

稍微修改一下上面的例子，令 ， ，那么有：

也就是说，虽然 时有 ，但最终结果还是等于了 ，
这是因为复合函数的极限只是一个充分条件。

更一般的，像本节这样有断点的函数 才需要 这个条件。当然这

是后面才会学习的，这里只是顺便提一下。
单变量微积分 / 复合函数的极限 / 海涅定理的函数版

1 多种逼近方式

根据之前的学习可知， 意味着 时有 ，如下图所

示。

时有 ，即 逼近 时有 逼近

这里 指的是 以任意方式逼近 。比如根据海涅定理，可通过某数列

逼近 ，即下图中 轴上的蓝点；其函数值组成的数列 会逼近
，即下图中函数 曲线上的蓝点。

数列 的是 轴上的蓝点，数列 是函数 曲线上的蓝点

或者像下面一样， 非常曲折地逼近 ，其对应的 最终也会逼近 。

 曲折逼近 ， 最终也会逼近

2 复合函数的极限

上述“ 非常曲折地逼近 ”是通过复合函数来实现的。具体来说，就是将函

数 看作函数 ，复合上函数 来实现的；或者说将函数
的输出作为函数 的输入来实现的：

这就是本课要学习的复合函数的极限，复合函数极限可以认为是海涅定理的
函数版。下面就让我们开始具体的学习。
单变量微积分 / 数列极限的性质 / 子数列

定义 . 在数列 中任意抽取无限多项并保持这些项在原数列中的顺序，
这样得到的一个数列称为原数列 的 子数列 ，或简称为 子列 。

比如在数列 中随意抽取无限项，并保持顺序，就可以得到该数列的子数
列，如下图所示。

数列 数列 的子数列

练习

从数列 中抽取组成 ，请问这是子数列吗？

A
是

B
不是

提交答案 查看解答
单变量微积分 / 函数的间断点 / 第一、二类间断点

定义 . 设 为函数 的间断点：

（1）如果左极限 以及右极限 都存在，则称 为函数

的 第一类间断点 （Discontinuity of the first kind）；

（2）其余的就称为 第二类间断点 （Discontinuity of the second kind）。

根据上面的定义，上一节提到的可去间断点、跳跃间断点就是第一类间断
点：

为可去间断点， 为跳跃间断点

而无穷间断点、振荡间断点就是第二类间断点：

无穷间断点、振荡间断点就是第二类间断点
单变量微积分 / 连续函数的运算与初等函数的连续性 / 复合函数的连续性之二

1 、 是连续函数

定理 . 设函数 由函数 和函数 复合而成，

在 有定义，若函数 在 点连续，且
，而函数 在 点连续，则函数 在 点也连续。

证明 . 根据上一节的定理有：

因为这里给出了函数 在 点连续，且 ，所以上式可以

改写为：

所以函数 在 点也连续。

复合函数的连续性之一（也就是上一节）和复合函数的连续性之二（也就是
本节），两者大同小异，这里进行一下比较：

对 的要求

连续性之一

连续性之二

再通过上表解读一下两者的异同：

连续性之一中 在 点的连续性未知，连续性之二中 在 点连续

连续性之一中 在 点的连续性未知，连续性之二中 在

点连续

综合连续性之一和连续性之二可知，只要 存在， 符号就可

穿透连续函数 ，即：

2 例题

例 . 请讨论函数 的连续性。

解 . 函数 可以看作函数 和函数 复合而成，因为：

函数 当 时或 时是连续的
 函数 当 时是连续的

所以根据本节的定理可知，在 时 是连续
的，如下图所示。

在 时 是连续的
单变量微积分 / 通过导数求出微分 / 连续与可导

1 可导必连续

定理 . 如果函数 在 点可导，则可推出该函数 在 点连
续。

证明 . 已知函数 在 点可导，即有：

根据极限与无穷小的关系，可得 ，其中 为 时的

无穷小。将该式左右同乘 后有：

所以说函数 在 点连续。

上述定理还是很好理解的，若函数 在 点可导，说明可找到直线 来近
似函数 在 点及其附近的图像，如下图所示。直线 必然是连续的，所
以被近似的函数 在 点必然也是连续。

有微分的曲线必然连续

若函数 在 点不连续，如下图所示，那么找不到某直线来近似函数
在 点及其附近的图像，此时就不可导。
 函数 以及 点

2 连续不一定可导

若函数 虽然在 点连续，但左导数 、右导数 并不相等，如

下图所示，所以此时并不可导。

直线 、 的斜率并不相等，即 ，此时函数 在 点连续

但不可导
单变量微积分 / 复合函数的导函数 / 链式法则的例题

例 . 请求出下列函数的导函数：

（1） ，（2） ，（3） ，（4） 。

解 . （1）求 的导函数。 可以看作由 和 复合而

成，所以根据链式法则以及初等函数的导函数有：

（2）求 的导函数。 可以看作由 和

复合而成，所以根据链式法则、初等函数的导函数以及函数

商的求导法则有：

（3）求 的导函数。 可以看作由 和

复合而成，其中 又可以看作 和 复合而
成，所以根据链式法则以及初等函数的导函数有：

（4）求 的导函数。根据（3）的求解过程可知， 可以看作

由 、 和 复合而成，所以根据链式法则以及
初等函数的导函数有：
单变量微积分 / 函数的间断点 / 函数间断点的例题

例 . 请分析如下函数的连续性、间断点，并判断间断点的类型。

解 . （1）连续性。将函数 改写如下：

容易知道其在 且 时，有：

因此函数 是 上的连续函数。

（2）间断点。因为函数 在 或 时没有定义，所以
以及 是函数 的间断点。

（3）间断点类型。因为：

，所以 是第一类间断点，并且是可去

间断点

，所以 是第二类间断点，并且是

无穷间断点

函数 的图像如下所示。

函数 的图像， 是第一类间断点， 是第二类间断点

 单变量微积分 / 函数的连续性 / 函数连续性的例二

例 . 请问 是连续函数吗？

解 . 本题问的不够严格，不过可能会在一些练习题中刷到，所以这里来解
析一下。

（1） 是连续函数。 先看看函数 的图像，如下图所示，看

上去似乎不是连续函数。

函数 的图像

不过题目中没说清楚问的是哪个区间上的连续函数，此时一般会认为问的
是函数 的整个定义域，即问的是当 时 是不是连续函数。

根据 ，结合上极限的运算法则可以推出，当 时有：

所以 是定义域上的连续函数，在很多场合也常常直接说 是连
续函数。

（2） 不是 上的连续函数。因为 时， 没

有定义，根据连续的定义， 在 点不是连续的，所以 不是
上的连续函数。

Typesetting math: 100%

单变量微积分 / 函数的连续性 / 函数连续性的例一

例 . 请证明：

（1）函数 是 上的连续函数；

（2）函数 是 上的连续函数。

解 . （1）证明 是 上的连续函数。设 是 内
任意取定的一点，当 有增量 时，对应的函数增量为：

由和差化积公式 可得：

注意到 ，所以：

之前证明过当 时有 ，所以：

因此根据夹逼定理有 ，所以 是 上的连续函

数，如下图所示。

是 上的连续函数

（2）证明 是 上的连续函数。设 是 内
任意取定的一点，当 有增量 时，对应的函数增量为：

由和差化积公式 可得：
注意到 ，且当 时有 ，所以：

因此根据夹逼定理有 ，所以 是 上的连续函

数，如下图所示。

是 上的连续函数
单变量微积分 / 闭区间上连续函数的性质 / 闭区间上的连续函数

定义 . 如果函数 在开区间 上连续，在左端点 右连续，在右端点

左连续，那么函数 就是在闭区间 上连续的。

比如下面的函数 就是在闭区间 上连续的，其在 点右连续，在

点（ ）连续，在 点左连续：
单变量微积分 / 通过导数求出微分 / 左导数、右导数

1 左导数、右导数

定义 . 如下极限存在的话，则称之为函数 在点 处的 左导数 （Left-

hand derivatives），记作 ：

或如下极限存在的话，则称之为函数 在点 处的 右导数 （Right-hand

derivatives），记作 ：

举例说明下上述定义，已知函数 以及 点，如下图所示。

函数 以及 点

若只看函数 在 点及其左侧的图像，可用如下的蓝色直线 进行近似(下

图只画了直线的一半，是为了方便看出近似的效果)，如下图所示。直线 也
就是函数 在 点及其左侧图像的“微分”，其斜率就是左导数 。
直线 是函数 在 点及其左侧图像的“微分”，其斜率就是左导数

但若只看函数 在 点及其右侧的图像，因为中间有一个“跳跃”，很显然
找不到直线来近似这种“跳跃”，如下图所示，因此不存在右导数 。

因为“跳跃”的存在，找不到直线来近似函数 在 点及其右侧的图像

也可能如下图所示，蓝色直线 可近似函数 在 点及其左侧的图像，绿

色直线 可近似函数 在 点及其右侧的图像。直线 、 的斜率分别是
左导数 、右导数 。

直线 、 分别是函数 在 点及其左、右侧图像的“微分”

2 可导的充要条件

定理 . 左、右导数存在且相等是可导的充要条件，即：

函数 在 点左、右导数存在且相等 函数 在 点可导

证明 . 函数 在 点左、右导数存在且相等，根据一般函数极限存在的
充要条件，可以推出函数 在 点可导；反过来也成立的，即：
下面通过几何来理解下上述定理。

2.1 左、右导数存在且相等推出可导

若函数 在 点的左、右导数都存在且相等，那么：

根据左导数 存在，所以有可近似函数 在 点及其左侧图像的

直线 ，如下图所示

根据右导数 存在，所以有可近似函数 在 点及其右侧图像的

直线 ，如下图所示

根据 ，可知直线 和直线 的斜率相同；又直线 、

都过 点，所以这两条直线是同一条直线 ，如下图所示

该直线 近似了函数 在 点及其附近的图像，该直线 也就是函数

在 点的微分，如下图所示

直线 和直线 是同一条直线 ，直线 是函数 在 点的微分

2.2 可导推出左、右导数存在且相等

反过来，若某函数 在 点存在微分，根据前面的学习可知，有可近似函
数 在 点及其附近图像的直线 。那么直线 一定也可近似函数 在
点及其左、右两侧的图像，如下图所示。
直线 可近似函数 在 点及其附近图像，也可近似 点及其左、右两侧
的图像

所以此时左导数 、右导数 都存在且都等于导数 ：

 单变量微积分 / 闭区间上连续函数的性质 / 闭区间上连续函数的例题

例 . 已知 在 上连续，有：

请证明在 内至少存在一点 ，使得：

证明 . 根据题设可知， 在 上连续，根据有界性与最大值最小值
定理可知， 在 上必取得最小值 和最大值 ，即有：

所以可推出：

下面分情况讨论：

（1）如果两侧都取不到等号，即：

那么由介值定理的推论可知，存在 使得：

（2）假设 ，那么在 内是一个常函数，随便选一点就可以

满足题目的要求。

（3）假设 ，两侧的等号不可能同时取得，假设取得左边的等
号（右边的等号同理可证）：

因为 为最小值，所以必然有：

随便取 中的一点作 即可满足题目要求。

Typesetting math: 100%

单变量微积分 / 通过导数求出微分 / 导数的定义

1 的推导

通过上一节的学习，我们知道了微分是函数 （也就是之前提到的曲
线，之后会混用这两种说法）在 点及其附近图像的“线性近似”，其表达式
为 ，那么 是多少呢？根据微分的定义可知，有：

其中 是 时 的高阶无穷小，所以可推出：

因为 ，所以 就是 ；又因为
，所以上式可改写如下，也就是推出了 的计算
式：

2 导数的定义

的计算式在数学中被称为导数：

导数

其严格定义如下：

定义 . 设函数 在点 的某个邻域内有定义，当自变量 在 处取
得增量 （点 仍在该邻域内）时，相应的，因变量取得增量
。如果 与 之比当 时的极限存在，
那么称函数 在点 处 可导 ，并称这个极限为函数 在点
处的 导数 ，记为 ，即：

也可记作 ， ， 或 。

微分的定义结合上导数的定义，所以函数 在 点的微分 可
改写为 ，如下图所示。
 函数 在 点的微分为

为了方便书写也常令 ，将上述定义式改写为：

或者令 ，相应的上述定义式改写为：

3 可微与可导

从上面的几何意义可知，导数其实就是微分的斜率，因此如果微分存在，那
么必然导数存在，反之亦然。所以说，可微即可导，可导即可微。
单变量微积分 / 闭区间上连续函数的性质 / 介值定理

1 介值定理

定理（介值定理）. 设函数 在闭区间 上连续，且在此区间的端点

取不同的函数值，即：

则对于 与 之间的任意一个数 ，在开区间 内至少有一点 使得：

证明 . 设 ，易知 在闭区间 上连续，且

与 异号。根据零点定理可知，开区间 上至
少有一点 使得：

该定理说的是，对于闭区间 上的连续函数 ，只要 位于 、

之间，那么必然有 ，如下图所示。

位于 、 之间，有

2 介值定理的推论

定理 . 在闭区间 上连续的函数 ，其值域为闭区间 ，其

中 和 依次为 在 的最小值与最大值。

证明 . 设 以及 ，其中 。在 （或
）运用介值定理可知 可取到 区间的一切值，又 以及
，所以 的值域 。
上述推论说的是，闭区间 上的连续函数 的函数值会在最小值 和最
大值 之间，如下图所示。

连续函数 的函数值会在最小值 和最大值 之间变化

单变量微积分 / 通过导数求出微分 / 割线与切线

本节来解释下为什么微分与曲线相差的是高阶无穷小 ，而不是其它的
无穷小。

1 割线

除了切线（微分）之外，其余过 点的直线称为曲线 的割
线 （Secant line），比如下图中的直线 。

直线 是曲线 在 点的一条割线

可以看到随着 的缩小，割线 与曲线 之间的差值也在缩

小：

随着 的缩小，割线 与曲线 之间的差值也在缩小

2 最佳线性近似

那为什么不选割线作为“微分”呢？这是因为割线 与曲线 相差
的同阶无穷小 （证明见本节最后的补充），如下图所示。
 割线 与曲线 相差同阶无穷小

而切线 与曲线 相差 的高阶无穷小 ，如下图所示。

切线 与曲线 相差高阶无穷小

也就说是切线和曲线更接近，在数学上也称之为 最佳线性近似 （The best

linear approximation），所以选择切线作为“微分”。

3 补充

例 . 请证明割线 与函数曲线 相差 的同阶无穷小 。

证明 . 割线和切线都是过 的直线，但割线的斜率 不为 ，
所以可假设割线 为：

所以：
上式就证明了割线 与函数曲线 相差 的同阶无穷小 。
单变量微积分 / 连续函数的运算与初等函数的连续性 / 反函数的连续性

定理 . 如果函数 在区间 上严格单调增加（或严格单调减少）且

连续，那么它的反函数 也在对应的区间
上严格单调增加（或严格单调减少）且连续。

该定理就不证明了，下面通过一个例子来解释下。

1 严格单调才有反函数

上述定义中的“严格单调增加（或严格单调减少）”可以保证反函数是存在
的，比如 在自然定义域上不是严格单调的，所以没有反函数：

如果取右半侧，也就是令 ，那么在区间 上的 就是严

格单调增加的，此时就有反函数：

2 连续函数的反函数也连续

函数 的反函数为：
函数 其实和反函数 的图像完全一样，只是前者是
映射为 ，后者是 映射为 ，所以反函数 也是连续函数：

当然，我们也经常将反函数写作 ，此时函数 与反
函数 的图像关于 对称，很显然反函数 也是
连续函数：
单变量微积分 / 通过导数求出微分 / 微分与切线

前面学习了，曲线的微分是近似该曲线的一条直线，也常称作 切线 （Tangent
line）。新坐标系的原点是该切线经过的函数曲线上的点，所以该原点也称为
切点 （Tangent point），新坐标系也称为 切点坐标系 ，如下图所示。

在切点坐标系中，微分也是切线

在原坐标系中，根据直线的点斜式，此时切线的函数为
，就不符合微分定义了。所以从严格意义上讲，此
时该直线就只能称为切线了，切点为 点，如下图所示。

在原坐标系中，只有切线没有微分

除上述区别外，微分还更抽象，它更多代表了“线性近似”这个概念，后面我
们还会看到更多类型的微分。
单变量微积分 / 通过导数求出微分 / 圆周率 π 等于 4

按照下图的算法，似乎可以算出圆周率 等于4。

似乎算出圆周率 等于4

上述算法肯定是错误的，错就错在使用了割线来近似，下面是具体的分析。

1 用割线来近似

随着弯折次数增多，圆外多边形看上去越来越接近圆，如下图所示。

弯折次数增多，多边形看上去越来越接近圆

但这只是视觉效果，如果将圆的右上角放大，可见外接正方形的边无论折成
多少个阶梯，只要恰当地平移这些阶梯，就可以还原出之前的正方形，如下
图所示。
 恰当平移阶梯，就可还原出之前的正方形

即在弯折过程中，圆外多边形的周长始终为 4，所以实际上并没有逼近，如下
图所示。

多边形周长：

弯折过程中，圆外多边形的周长始终为 4

没逼近的原因在于用了割线来近似，比如下图中的这段蓝色圆弧，就是用两
段红色的割线来近似的。

割线

用两段红色的割线来近似蓝色圆弧

2 用切线来近似

如果用切线来近似这段蓝色圆弧，看上去近似效果似乎就要比割线好很多，
如下图所示。

切线

用切线来近似蓝色圆弧
的确，如果用切线来近似，也就是用外切正多边形来逼近圆，最终可以正确
地求出圆的周长，以及算出正确的圆周率 ，如下图所示。

用外切正多边形来逼近圆，最终可以正确地求出圆的周长

其中的求解细节就不展示了，这里只是用一个具体的例子说明下割线和切线
的区别。
单变量微积分 / 微分中值定理 / 微分中值定理的例题

例 . 请证明：

（1）方程 只有一个正根；

（2）当 时， ；

（3）若函数 在 的某邻域内存在 阶导数，且

，则有：

证明 . （1）证明方程 只有一个正根。设 ，
可知 ， 。根据零点定理，所以 使得
。

下面用反证法证明只存在一个正根，假设存在 使得
，那么由罗尔中值定理可知， 使得 ，即有：

显然不存在实数 使得上式成立，所以假设错误，也就是说不会有两个及
以上的正根。

（2）证明当 时， 。设函数 ，当 时，可知

在 上连续以及在 上可导，所以由拉格朗日中值定理可知，
使得：

由于 ，所以 ，所以：

即 。

（3）证明 。由柯西中值定理可知，当 时

使得：

反复运用柯西中值定理，则 ， ， ，
，使得：
根据前面的推论过程可知 ，所以 ，使得 ，所
以上式可以改写为：

时也是一样的，可以自行举一反三。
单变量微积分 / 泰勒公式 / 麦克劳林公式

定义 . 函数 在 点处的 阶泰勒公式也称为 阶 麦克劳林公式

（Maclaurin's Formula）：

其中 。

下面是一些常见的麦克劳林公式，它们在之后的课程中也常会用到：
单变量微积分 / 函数和、差、积、商的求导法则 / 求导法则的例题

例 . 请求出下列函数的导函数：

（1） ，（2） ，（3） ，（4） 。

解 . （1）求 的导函数。根据函数商的求导法则以及初等函数的导函数
有：

（2）求 的导函数。根据函数商的求导法则以及初等函数的导函
数有：

（3）求 的导函数。根据函数商的求导法则以及初等函数的导函
数有：

（4）求 的导函数。根据函数商的求导法则以及初等函数的导函
数有：
单变量微积分 / 函数的单调性与凹凸性 / 拐点的例题

下面来看几道讨论拐点的例题，解题时可以按照下面的步骤进行：

求出每一个使得 或 不存在的点

根据二阶导数与函数的凹凸性，检查 点两侧去心邻域内 的符

号，若符号相反则 点是函数 的拐点

1 拐点的例题

例 . 请讨论下列函数的拐点：

（1） ； （2） ；

（3） ； （4） 。

解 . （1）讨论 的拐点。根据基本初等函数的导
函数，可得 以及 ，所以：

所以 是函数 的拐点，如下图所示。

是函数 的拐点

（2）讨论 的拐点。根据基本初等函数的导函
数，可得 以及 ，所以：

所以 都是函数 的拐点，如下图所示。
 是函数 的拐点

（3）讨论 的拐点。根据基本初等函数的导函数，可得：

等号在 点处取得。根据二阶导数与函数的凹凸性，函数 在
整个定义域都是凹的，没有拐点，如下图所示。

函数 没有拐点

（4）讨论 的拐点。根据基本初等函数的导函数，可得
以及 。当 时 不存在，以此划分

定义域可得：

所以 是函数 的拐点，如下图所示。
是函数 的拐点
单变量微积分 / 曲率 / 曲率的例题

例 . 设工件内表面的截线为抛物线 ，如下图所示。现在要用砂轮
打磨其内表面，请问用直径多大的砂轮才比较合适？

抛物线 的图像

解 . 从上图可知，该工件在底部 处最为狭窄，所以应该选择与
处贴合最好的砂轮，这样才不会破坏工件。

根据之前的学习可知， 处的曲率圆是与底部贴合最好的圆形，所以下
面来计算 处的曲率圆的半径。先算出 以及 ，
根据曲率圆的半径公式，所以：

所以应选择半径为 ，即直径为 的砂轮，这样就能很好地贴合工件的

底部，如下图所示。

密切圆半径为 ，圆心为
很显然上图中砂轮（即曲率圆）的圆心为 ，这里可以用曲率圆心公
式来验算一下：
单变量微积分 / 无穷小的比较 / 等价无穷小的例题

例 . 请求出下列极限：

（1） ；（2） ；

（3） 。

解 . （1）求 。根据常见的等价无穷小中的 及
，结合上复合函数的极限可得 及 。根据等价无穷小
的替换，所以：

（2）求 。根据常见的等价无穷小中的

及 ，结合上复合函数的极限可得

及 。根据等价无穷小的替换，所
以：

（3）求 。按照（1）、（2）的思路，似乎应该有

，所以：

上述结果是正确的，但之前就解释过 不存在，所以没有

，所以过程是错误的。

正确做法是，根据之前证明过的 时有 ，及
，故 时有：

即 时有：

运用夹逼定理可得 。
单变量微积分 / 无穷大 / 正无穷大的定义

定义 . 设函数 在 上有定义。如果 ， ，
，有：

那么就称函数 是 时的 正无穷大 （Positive infinity）。可记作：

上述定义和 时的函数极限的定义非常相似，区别在于：

的函数极限 的正无穷大

其实“ ”和“ ”是一回事，唯一的区别在于“ ”修改为

了“ ”。下面来看看这一修改带来的改变是什么。

1 正无穷大定义的解释

上述定义说的是，在 时，若函数值 比任意正数 都大，则函数

就是 时的正无穷大。

以下图中的函数 为例，随便给出某正数 ，以 为中心建立作一个区

域，也就是下图中的绿色区域。可找到 ，使得在 时，函数
的图像都在绿色区域的上方，也就是有 ，让我们用红色来表
示。

， ，有
并且不断增大 ，总 ，使得在 时，函数 的图像都在
绿色区域的上方，也就是有 ，那么该函数 就是 的正无
穷大：

不论 多大， ， ，有

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。

2 极限不存在

需要强调的是，虽然 时的正无穷大记作 ，但其不趋于

任何常数，所以 时的极限不存在：

在 时极限不存在

3 各种极限过程的正无穷大

除了这里的 ，还可以定义如下的正无穷大：

只需要将对应的极限定义进行如下修改：

“ ”修改为“ ”

“ ”修改为“ ”
单变量微积分 / 极限的性质 / 极限的局部保号性

1 极限的局部保号性

定理（极限的局部保号性）. 如果 ，且 （或 ），
那么在相应的局部始终有 （或 ）。

证明 . 该定理的证明因不同的极限大同小异，这里以 为例
来证明下，此时根据一般函数的极限定义，取 ， ，
时有：

该定理的几何意义是很清晰的。对于如下的 ，该定理可以
保证在某去心邻域 内，函数 是在某大于 的绿色区域内的，也就是
此时有 ：

或者对于如下的 ，该定理可以保证在某 的左边、 的右

边，函数 是在某小于 的绿色区域内的，也就是此时有 ：
2 局部保号性的推论 1

定理（局部保号性的推论 1）. 如果 （ ），则在相应的

局部始终有 。

仔细观察极限局部保号性的证明，就可以得到上述推论。也可以通过图像来
理解一下，对于 的情况，只要取 ，那么绿色区域的下沿就是

，此时在局部，也就是下图中 内，有 ：

如果 时，取 ，那么绿色区域的上沿就是 ，此时在局部，也就

是下图中 内，有 ：

综合上述两种情况，那么就有 。

3 局部保号性的推论 2
定理（局部保号性的推论 2）. 如果 ，且在相应的局部始终有
（或 ），那么 （或 ）。

证明 . 该定理的证明因不同的极限大同小异，这里以 ，且
为例来证明下。

（1）用反证法，如果 ，则由极限的局部保号性可
知， ， 时有 。

（2）取 ，则， 时，根据条件有

，根据（1）有 ，两者矛盾。所以（1）中的假设是错误的，因此
。

下面看一个可以佐证局部保号性的推论的例子，比如下图是函数
的图像：

容易看出其在 的局部，也就是在 的左侧始终有 ，其极

限为 ；也容易看出其在 的局部，也就是在 的右侧始
终有 ，其极限为 。
单变量微积分 / 无穷小的比较 / 无穷小的比较

定义（无穷小的比较）.

已知 和 是同一自变量的变化过程中的无穷小，且在相应的局部有
，如果：

（1） ， 则称 是比 高阶的无穷小 （Infinitesimal of higher

order），记作 ；

（2） ， 则称 是比 低阶的无穷小 （Infinitesimal of lower

order）；

（3） ， 则称 与 是 同阶无穷小 （Infinitesimal of same

order）；

（4） ， 则称 是关于 的 k 阶的无穷小

（Infinitesimal of order k）；

（5） ，则称 与 是 等价无穷小 （Equivalent infinitesimal），

。

比如 ，那么就说在 时， 是比 高阶的无穷小，即 是

。从几何上看，在 点附近， 更接近于 ，也就是更接近 轴：

又比如 ，那么这两者就是 时的等价无穷小。从几何上看，

在 点附近两者的图像非常接近：
所以大致可以认为，无穷小的阶描述了无穷小与 的接近程度。
单变量微积分 / 无穷小的比较 / 等价无穷小的性质

1 等价无穷小的充要条件

定理 . 与 为等价无穷小的充要条件是：

比如 ，在 点附近两者的图像非常接近。那么
或 其实就是在描述这两者非常接近：

2 等价无穷小的替换

定理 . 设 ， ，且 存在，则：

等价无穷小的替换很常用了，比如已知 ，那么：
单变量微积分 / 极限的运算法则 / 无穷小的运算法则

1 无穷小的加法

与普通运算中的 类似，有：

定理 . 两个无穷小之和是无穷小。

比如已知 和 ，那么根据上述定理可知
。下面是这三个函数的图像：

2 无穷小的乘法

定理 . 有界函数与无穷小的乘积是无穷小。

比如已知 ；又知 虽在 时无定义，但它是去心邻域

时的有界函数，见下图。那么根据上述定理可知 。下面是这
三个函数的图像：
上述定理还可以得到以下有用的推论：

常数与无穷小的乘积是无穷小，因为常数函数是有界函数

有限个无穷小的乘积是无穷小，因为无穷小是有界函数
单变量微积分 / 无穷小 / 无穷小

定义 . 对于数列 ，如果 ，则称数列 为 时的 无

穷小 （Infinitesimal）。

对于函数 ，如果满足 则称函数 为此自变量变化过程

（指 ， 等）的 无穷小 （Infinitesimal）。

比如数列 ，有 ，所以说该数列 为 时的无

穷小：

再比如函数 ，有 ，所以说函数 为 时的
无穷小：
单变量微积分 / 极限的运算法则 / 极限的运算法则

1 函数极限的运算法则

定理 . 如果 ， ，那么：

（1） ；

（2） ；

（3）若又有 ，则：

2 数列极限的运算法则

定理 . 设有数列 和 ，如果：

（1） ；

（2） ；

（3）当 （ ），且 ，则：

其实数列极限的运算法则和上面的函数极限的运算法则几乎完全一样，就是
（3）有些微区别，这主要是为了保证数学的严格性，因为数列 中的
，所以需要保证 （ ）。

3 极限运算法则的推论

定理（极限运算法则的推论）.

（1）如果 存在，则 ；

（2）如果 存在，则 ；
（3）如果在相应的局部有 ，且 、 ，
则 。

下面是利用上述计算法则的例子：

4 有理分式趋于无穷时的极限

当 ， ， 、 都是非负整数时有：

， 当

， 当

， 当
单变量微积分 / 夹逼定理 / 夹逼定理

1 函数的夹逼定理

定理（函数的夹逼定理）. 如果：

（1）在相应的局部有 ;

（2） ;

那么 。

假如已知 ，容易算出：

则根据函数的夹逼定理可得 。这些函数的图像如下，其中
的图像只是示意：

2 数列的夹逼定理

定理（数列的夹逼定理）. 如果数列 满足下面两个条件：

（1） ， 时有 ;

（2） ;

那么 。
数列的夹逼定理几乎和函数的夹逼定理没有区别，后面将这两者都统称为 夹
逼定理 （Squeeze theorem）。
单变量微积分 / 单调有界数列必有极限 / 单调有界准则

定理（单调有界准则）. 如果某数列不仅有界，并且是单调的，那么此数
列的极限必定存在，也就是此数列必定收敛。

此定理不作证明，来看个例子。比如数列 就是单调且有界的：

所以根据单调有界准则，它的极限是存在的。确实我们之前也证明过
。
单变量微积分 / 单调有界数列必有极限 / 欧拉数 e

1 数列极限与欧拉数

定理 . 数列 的极限存在，其极限值通常用 e 来表示：

e 常被称作欧拉数（Euler's number），或称作自然底数（Base of the natural

logarithms），其值是无理数：

上述定理简单解释下就是，数列 是单调且有界的，因此

根据单调有界准则可知其存在极限，并将其极限值记作 e ：

2 无穷极限与欧拉数

定理 . 。

和上面不同，这里证明的是函数 在 时的极限为 ：
单变量微积分 / 闭区间上连续函数的性质 / 有界性与最大值最小值定理

定理 . 在闭区间上连续的函数在该区间上有界且一定能取得它的最大值和
最小值。

该定理不作证明，只进行举例说明。比如下图中的函数 在闭区间 上
连续，可观察到其在 上有界、有最值， 点为其最小值点， 点为其最大
值点。

在 上连续，其在 有界、有最值

而下图中的 是开区间 上的连续函数，很显然其在开区间

上无界，且在该开区间上既无最大值又无最小值。

在 上连续，其在 上无界、无最值
单变量微积分 / 闭区间上连续函数的性质 / 零点定理和介值定理

1 零点定理

定理（零点定理）. 设函数 在闭区间 上连续，且 与

异号（即 ），则在开区间 内至少有一点 使得
。

零点定理说的是，比如下面函数 在闭区间 上连续，其两个端点

位于 轴的异侧，那么该函数曲线必然与 轴至少有一个交点，也就是下图中
的 ：

2 介值定理

定理（介值定理）. 设函数 在闭区间 上连续，且在此区间的端点

取不同的函数值：

则对于 与 之间的任意一个数 ，在开区间 内至少有一点 使得：

介值定理说的是，只要 位于 、 之间，那么必然有
：
3 介值定理的推论

定理 . 在闭区间 上连续的函数 ，其值域为闭区间 ，其

中 和 依次为 在 的最小值与最大值。

上述推论说的就是在闭区间 上，连续函数 的函数值会在最小值

和最大值 之间变化：
单变量微积分 / 通过导数求出微分 / 导数的定义

导数的定义 左导数和右导数 可导的充要条件

设函数 在点 的某个邻域内有定义，当自变量 在 处取得增量

（点 仍在该邻域内）时，相应的，因变量取得增量
。如果 与 之比当 时的极限存在，那
么称函数 在点 处 可导 ，并称这个极限为函数 在点 处的
导数 ，记为 ，即：

也可记作 ， ， 或 。

点的导数其实就是 点的微分 的斜率，也就是有：

导数

所以 点的微分 可以改写为 ：

为了方便书写也常令 ，将导数定义式改写为：

或者令 ，相应的导数定义式改写为：
单变量微积分 / 函数和、差、积、商的求导法则 / 函数和、差、积、商的求导法则

定理 . 如果函数 以及 都在 点处可导，则有：

（1） ；

（2） ；

（3） 。

证明 . 因为函数 以及 都在 点处可导，根据导数的定义可
分别证明如下。

（1）证明 ，具体如下：

（2）证明 ，具体如下：

（3）证明 ，在 时有：
单变量微积分 / 复合函数的导函数 / 链式法则

定理（链式法则）. 如果 在 点可导，而 在 点可
导，那么复合函数 在 点可导，其导数为：

证明 . 根据 在 点可导，结合上极限与无穷小的关系，有：

其中 是 时的无穷小。同样的根据函数 在 点可导，结合
上极限与无穷小的关系，有：

其中 是 时的无穷小。将 式代入 式：

根据 式可知，当 趋于 时 ，从而当 趋于 时，
且 。所以：
单变量微积分 / 微分中值定理 / 费马引理

定理（费马引理）. 设函数 在点 处可导，且在 点处取得极值，则

。

简化一下，费马引理实际上说的就是：

为极值点
点可导

所以费马定理的几何意义也很清楚了，如下图所示，可以看到 点、
点都是函数 的一个极值点，这两点的微分（也就是用于近似附近曲
线的直线）都是水平的，也就是有 以及 。
单变量微积分 / 微分中值定理 / 罗尔中值定理

定理（罗尔中值定理）. 如果函数 满足：

在闭区间 上连续

在开区间 上可导

那么 ，使得 。

下面通过两个生活中的现象来解释下罗尔中值定哦。

1 往返跑

大家见过往返跑吧，像下面这样：

如果用位移-时间图来描述往返跑的话，那么最明显的特点就是起点、终点的
位移相同，也就是 点、 点的位移相同。可以图示如下：

因为往返跑要回到起点，所以中间必定有速度为 的点，即有 ：
2 拳击赛

或者可以想象一下拳击比赛，选手的步伐灵活且复杂：

但不论怎样，只要最后回到起点，中间必定有速度为 的点：
单变量微积分 / 微分中值定理 / 拉格朗日中值定理

定理（拉格朗日中值定理）. 如果函数 满足：

在闭区间 上连续

在开区间 上可导

那么 ，使得 。

1 拉格朗日中值定理的几何解释

拉格朗日中值定理的意思是， 、 之间存在某点（甚至不止一点），
其微分与 、 的连线平行：

若旋转曲线使得 ，那么就变为了罗尔中值定理，所以说罗尔中值
定理是拉格朗日中值定理的特例：
2 拉格朗日中值定理的物理解释

下面再通过一个生活中的现象来理解下拉格朗日中值定理，就是交通管理中
的区间测速：

假设在 时间点采集到汽车的位移为 ， 时间点采集到汽车的位移为

，由此可以算出其平均速度为 ，也就是 、 的连线的

斜率：

在整个路程中的瞬时速度可能：

如果是匀速前进：那么整个路程的瞬时速度必然始终等于平均速度

如果是变速前进：那么整个路程的瞬时速度必然有大于、等于、小于

的情况

下面是变速前进的动画，某点微分的斜率就是当时的瞬时速度。微分为金黄
色时瞬时速度大于 ，为紫色时（也就是平行闪烁时）瞬时速度等于 ，为红
色时瞬时速度小于 ：
所以如果限速为 ，而区间测速测出平均速度 为 ，那么根据
拉格朗日中值定理，就可以判定路程中必然至少有一个点超速。
单变量微积分 / 洛必达法则 / 洛必达法则

因为未定式有很多种类型，又因为极限的种类很多，所以洛必达法则有非常
多的形式，下面罗列其中的三种形式。

1 洛必达法则的第一种形式

定理（洛必达法则的第一种形式）. 设：

（1）

（2） 及 都存在，且

则 。

证明 . （1）证明 。根据条件以及导数的定义，可得：

（2）可以额外证明一下， 时 ，这保证了

是合法的。因为 ，可以假设 （假设 也同理可

证，此处不再赘述），因此根据导数的定义，可得：

根据极限的局部保号性可知， ， 时有：

所以对于 时有：

同理可得 时有 ，所以 时 。

下面通过图形来解释下上述定理。假设下面就是满足条件的两个函数 和
，因为有 ，所以两者交于 点：
因为 及 都存在，所以这两个函数在 点有切线：

我们知道切线（也就是微分）在 附近可以近似曲线，即在 附近
有：

所以，在 附近有：

很显然， 越接近 时， 越接近 ，从而在极限的情况下可以取到

等号：

2 洛必达法则的加强形式

定理（洛必达法则的加强形式）. 设：
（1）

（2） 时， 及 都存在，且

（3） 存在（或为无穷大）

则 。

证明 . （1）构造两个辅助函数：

根据条件 ，可推出 在 点连续，

即有：

又根据条件， 时， 及 都存在，且 ，所以可推

出此时 都可导，且 。

（2）运用柯西中值定理。根据（1）中的推论，所以任选 且
，此时有：

在闭区间 上连续

在开区间 上可导

时有

满足柯西中值定理，则 使得：

根据 的构造，上式可改写为：

对上式两端求极限 （因为 ），注意同时会有 ，所以

可得：

同理，因此 。

相比于“洛必达法则的第一种形式”，上述定理条件更宽松，适用范围更广，
所以称为“洛必达法则的加强形式”。
3 洛必达法则的无穷形式

定理（洛必达法则的无穷形式）. 设：

（1）

（2） ， 时 及 都存在，且

（3） 存在（或为无穷大）

则 。

可以看到和“洛必达法则的加强形式”非常相似，只是由于极限过程不同，带
来了一些细节上的变化。
单变量微积分 / 泰勒公式 / 泰勒公式

1 泰勒定理 1

定理（泰勒定理 1）. 如果函数 在 处具有 阶导数，那么存在 的

一个邻域，对于该邻域内的任一 ，有：

其中 。

该定理最重要的就是如下等式。该等式也被称为 阶 泰勒公式 （Taylor's

Formula），其中的多项式部分被称为 次 泰勒多项式 （Taylor's
polynomial），而 被称为 余项 （Remainder）：

阶泰勒公式

余项
次泰勒多项式

为了方便之后的讲解，这里用 来表示 次泰勒多项式，即令️：

那么泰勒公式说的就是：

函数 可看作 次泰勒多项式 和余项 之和：

阶泰勒公式

次泰勒多项式 余项

次泰勒多项式 是对函数 的多项式逼近

既然 次泰勒多项式 是函数 的逼近，那么两者还是存在差异

的，这个差异就是余项
2 泰勒定理 2

定理（泰勒定理 2）. 如果函数 在 的某个邻域 内具有 阶

导数，那么对任一 ，有：

其中：

这里 是 与 之间的某个值。

“泰勒定理 1”和“泰勒定理 2”，两者大同小异，这里进行一下比较：

可导

泰勒定理 在 处具有 阶导数

泰勒定理 在 内具有 阶导数

为了区分， 也称作 皮亚诺余项 （Peano form of the

remainder）；而 被称作 拉格朗日余项

（Lagrange form of the remainder）。

单变量微积分 / 函数的极值与最值 / 函数极值的第一充分条件

定理（函数极值的第一充分条件）. 设函数 在 处连续，且在某

去心邻域 内可导，则：

（1）若 时有 ，而 时有 ，
则 是函数 的 一个极大值；

（2）若 时有 ，而 时有 ，
则 是函数 的 一个极小值；

（3）若 时， 的符号保持不变，则 在 处没有极值。

以上的三种情况可通过下图来举例说明。

为了方便理解，这里就上图中的情况（1）再进行下说明。如下图所示，可以
看到：

点左侧的微分倾斜向上，也就是意味着此时

点右侧的微分倾斜向下，也就是意味着此时

是函数 的 一个极大值

所以符合函数极值的第一充分条件中情况（1）的结论。
单变量微积分 / 渐近线 / 渐近线

定义（三种渐近线）.

直线 称为函数 的 水平渐近线 （Horizontal asymptote），如

果有：

直线 称为函数 的 铅直渐近线 （Vertical asymptote），如果

有：

直线 称为函数 的 斜渐近线 （Slant asymptote），如果

有：

比如直线 是函数 的水平渐近线，直线 是该函数的铅直渐近

线：

、 分别是 的水平渐近线和铅直渐近线

而直线 是函数 的斜渐近线：

 是 的斜渐近线

1 斜渐近线的求法

如果下列极限存在：

那么直线 就是函数 在 时的斜渐近线。

单变量微积分 / 函数的单调性与凹凸性 / 函数的凹凸性

1 函数的凹凸性

定义 . 设 在 上连续，如果 有：

（1） ，那么称 在 上是 凹函数

（Concave function）的，或简称 凹的 ；

（2） ，那么称 在 上是 凸函数

（Convex function）的，或简称 凸的 。

这里举例说明下上述定义，比如下面两幅图中的函数 就分别是凹的
和凸的。

下面来具体解释一下，以上图中左侧的凹函数为例。假设该函数为
，任取 ，此两点对应的函数值分别为 。那么：

就是 的中点

是上述中点对应的函数值

是上述中点在 、 连线上的值（ 详细解释 ）

所以 说的就是，中点 对应的函数

值在连线值的下方
因为 的任意性，所以实际上说的就是在 上，函数曲线都在连线的
下方：

凸函数的情况也是一样的，只是 说明了函数曲

线都在连线的上方，这里就不再赘述了。

2 二阶导数与函数的凹凸性

定理 . 设函数 在 上连续，在 内具有一阶和二阶导数，那么：

（1）若在 内 ，那么 在 上是凹的；

（2）若在 内 ，那么 在 上是凸的。

我们可通过如下的逻辑链条来理解该定理：

严格单调递增 是凹的
 严格单调递减 是凸的

这里举例说明下上述逻辑链条。比如下图所示的函数 就满足二阶导
数 ，这意味着 是严格单调递增，我们可以通过观察不同点的
微分来验证这一点（微分的斜率就是导数）：

为金黄色时导数小于 0

为紫色时，也就是闪烁时导数等于 0

为红色时导数大于 0

确实从图像上也可以看出，该函数 是凹的。 的情况也是一

样的，这里就不再赘述了。
单变量微积分 / 函数的单调性与凹凸性 / 拐点

定义 . 已知 点是连续函数 定义域内的一点，若在 点函数的凹凸性

发生了改变，则 点称为函数 的 拐点 （Inflection point）。

这里举例说明下上述定义，比如下图中的左、右两侧的 点都是函数 的
拐点。

点是 的拐点
单变量微积分 / 曲率 / 曲率

1 圆的曲率

定义 . 对于半径为 的圆， 称为该圆的 曲率 （Curvature）。

圆的曲率是对圆的弯曲程度的描述。如下图所示，可以看到圆的半径越小的
圆的弧越弯曲，也就是圆的曲率越大。

2 曲线的曲率

定理 . 已知函数 在 点有二阶导数 ，且 ，则此

点有 曲率圆 （Osculating circle），也称为 密切圆 。

若用 表示该曲率圆的圆心，则 和 值为：

该曲率圆的半径 称为 曲率半径 ，其值为：

函数 在 点的 曲率 （Curvature） 定义为该曲率圆的曲率，
即：
上述定理给出了曲率圆的定义，以及如何求出。所谓曲率圆就是可以逼近函
数 在 点附近曲线的圆，如下图所示。曲率圆的曲率也就是函数
在 点的曲率，描述了函数 在 点弯曲程度。
单变量微积分 / 定积分的性质 / 定积分的运算法则

下面是定积分的一些运算法则：

（1）交换积分顺序： ；

（2）积分上下限相同： ；

（3）积分的齐次性和可加性：

（4）积分区间的拆分： 。
单变量微积分 / 定积分的性质 / 定积分的正负

1 定积分的正负

定理 . 设 ，若 在区间 上可积，则：

（1）如果有 ，那么 ；

（2）如果有 ，那么 。

比方说如下图所示，根据上述定理有：

在区间 上有 ，那么 ，我们在下图中用蓝

色表示，并标上“+”；

在区间 上有 ，那么 ，我们在下图中用红

色表示，并标上“-”；

2 定积分正负的推论 1

定理 . 若 、 在区间 上可积，且在区间 上 ，那
么：
上述定理也可以通过几何直观来理解，如下图所示。

3 定积分正负的推论 2

定理 . 若 在区间 上可积，那么：

举例说明下上述定理，如下图所示，分别是 和 的图像以及
它们在区间 上的定积分，其中还标出了正负号。容易观察出这里有
。
单变量微积分 / 定积分的性质 / 积分中值定理

1 最大值与最小值

定理 . 若 在区间 上可积， 和 分别是函数 在区间

上的最大值和最小值，则：

还是举例来说明下上述定理，如下图所示， 是左侧绿色矩形的面

积， 是中间曲边梯形的面积，而 是右侧蓝色矩形的面

积。

很显然此时有 。

2 积分中值定理

定理（积分中值定理）. 若函数 在区间 上连续，那么

使得：

我们来直观理解下上述定理，上面学习了定积分 介于高为 的矩

形（左侧绿色矩形）和高为 的矩形（右侧蓝色矩形）之间，如下图所示。
所以总能找到一个高度合适的矩形，也就是定理中说的高为 的矩形，其

与定积分 相等，如下图所示。
单变量微积分 / 定积分的定义 / 曲边梯形及其面积

1 曲边梯形的定义

定义 . 设 在区间 上非负、连续。由直线 、 、
及 所围成的图形称为 曲边梯形 ，其中曲线弧称为 曲边 。

比如下图给出的就是一个曲边梯形：

2 曲边梯形面积的定义

定义 . 设 在区间 上非负、连续，由直线 、 、
及 所围成的曲边梯形的面积 定义为 在区间 上的定
积分，即：

从几何直观上看，曲边梯形的面积可以通过黎曼和来逼近，如下图所示。
所以定义曲边梯形的面积为定积分，如下图所示。
单变量微积分 / 定积分与面积 / 曲线之间的面积

定义 . 若函数 和 在区间 上连续，则定义由 、

、 以及 所围成图形的面积 为：

下面通过一个例子来解释一下上述定义。假设由 、 、
以及 所围成图形的面积 如下图所示。

与曲边梯形的面积类似，还是通过矩形的面积和来计算曲线之间的面积，如
下图所示。

让我们观察下其中的小矩形。把区间 任意分为 份，以某子区间

作底，过 点作高的小矩形如下图所示。
根据上图可知，在区间 上：

小矩形的高为 ，加上绝对值可以保证高为非负数

小矩形的底为

令 ，所以小矩形的面积为：

所以在区间 上 个小矩形的面积和为如下黎曼和：

令 ，因为函数 和 在区间
上连续，根据可积的充分条件 1，所以 时上述黎曼和的极限存在，也就
是可积。所以定义由 、 、 以及 所围成图形的面
积 为：
单变量微积分 / 定积分与曲线长度 / 弧长和弧微分

1 光滑曲线

定义 . 若函数 在区间 上有连续的导函数，那么称该函数在

上的是 光滑 的。

有连续的导函数意味着， 的微分的斜率是连续变化的。从几何上观
察的话，就是当 点变化时，该点的微分在顺滑地移动，如下图所示。该函
数曲线看上去也符合我们对“光滑”的直觉。

这里来看一个反例，比如：

该函数的曲线在 点附近看着并不光滑（剧烈地震荡），如下图所示。

该函数的导函数如下，其在 点间断。
2 光滑曲线的长度

定义 . 若函数 在区间 上是光滑的，那么定义该函数在 上

的长度为：

若定义 弧微分 为 ，那么上式可以简写为

这里通过举例来说明下为什么要这样定义。下面的分析思路和介绍定积分定
义时差不多，有疑惑的话可以回看一下。

如下图所示，先把 切成 份，仔细观察某子区间 的弧长

。

在区间 上随便挑选一点 ，作出该点的切线，如下图所示。

按照下述规则作出直角三角形，其图像如下图所示。

斜边为该切线在区间 上的一段，记作

底边记作 ，其值为

高记作 ，因为切线的斜率为 ，所以有

所以可算出斜边的长度，也就是切线段的长度如下：

根据微积分“以直代曲”的思想，可认为弧长 近似等于切线段长度
，即：

那么 之间的弧长 可以近似为某种黎曼和：

令 ，因为函数 在区间 上光滑，即

导函数 在区间 上连续，根据可积的充分条件 1，所以 时上述
黎曼和的极限存在，也就是可积。所以定义：

用于近似弧线段的切线段，称为该弧线段的微分，简称弧微分，记作 。所
以弧长公式可以理解为弧微分之（积分）和：

弧微分 ：近似弧线段的切线段 弧微分之（积分）和

3 参数方程的弧长
定理 . 已知参数方程 ，若 、 在区间 上存在且连

续， 存在严格单调且连续的反函数，以及 ，那么该参数
方程在区间 上的弧长为：

证明 . 根据参数方程的求导法则，可算出上述参数方程的弧微分为：

所以该参数方程在区间 上的弧长为：

4 极坐标方程的弧长

定理 . 已知极坐标方程 ，若 在 上存在且连续，那么该极
坐标方程在区间 上的弧长为：

证明 . 由直角坐标与极坐标的关系，可得以 为参数的参数方程：

若该参数方程满足上面参数方程的弧长定理的条件，则弧微分为：

所以该极坐标方程在区间 上的弧长为：
单变量微积分 / 表面积与体积 / 体积公式

旋转体 截面积已知

已知条件 连续曲线 绕 轴旋转 截面积的函数为

微元

体积

连续曲线 围绕 轴旋转得到的旋转体：

围绕坐标轴旋转
一般的连续曲线

假如某立体，截面积为 的函数 ：
单变量微积分 / 无穷大 / 无穷小与无穷大

定理 . 在自变量的同一变化过程中：
若 为无穷小，且在相应的局部有 ，则 为无穷大。该

结论也记作

若 为无穷大，则 为无穷小。该结论也记作

比如之前证明过的数列 为 时的无穷小，且 ，根据

本节给出的定理，所以说 为 时的无穷大：
单变量微积分 / 数列极限的性质 / 有界数列

定义 . 对于数列 ：
如果 ，有 ，则称该数列 有上界 （Bounded above），

且称 为该数列的 上界

如果 ，有 ，则称该数列 有下界 （Bounded below），

且称 为该数列的 下界

如果 ，有 ，则称该数列 有界 （Bounded），且称

为该数列的 界

比如数列 有上界，0 就是该数列的一个上界，但没有下界；数列 有

下界，0 就是该数列的一个下界，但没有上界。这两个数列都不是有界数列：

数列 有上界，无下界 数列 有下界，无上界

而对于数列 ，始终有 ，也就是该数列夹在 和 之间，所

以该数列是有界的：
单变量微积分 / 数列极限的性质 / 数列极限的唯一性

定理（数列极限的唯一性）. 如果数列 收敛，那么它的极限唯一。

该定理的几何意义是很清晰的，比如下面的数列 ，有 ，从图
像上可以看出无论上半部分的点、还是下半部分的点，都无限逼近于确定的
黑色虚线 ，其极限是唯一确定的：
单变量微积分 / 魏尔斯特拉斯的数列极限 / 数列极限的定义

数列极限的定义 逻辑符号版本

设 为一数列。如果存在实数 ，对于任意给定的正实数 （不论它多么

小），总存在正整数 ，使得对所有的 时，有：

那么就称 是数列 的 极限 ，或者称数列 收敛于 ，记作：

如果不存在这样的常数 ，就说数列 没有极限，或者说数列 是 发散

的，习惯上也说 不存在。

这个定义其实就说了两个意思：

猜测：根据数列 的特点，猜测极限为某实数

验证：然后想办法去验证上述猜测的正确性

这两个意思可以借助之后的例子来进一步理解。

1 猜测

先说猜测，对应定义中的“如果存在实数 ”。因为这里没有说明如何求出 ，
所以只能根据数列 的特点，猜测极限为某实数 。具体怎么猜测，在后
面的课程中会有更详细的阐述。

比如下图是某数列 的图像，可以看出该数列 不断地逼近图中灰色的

平行于 轴的虚线，所以可以合理地猜该虚线即为极限 ：

2 验证
然后再说验证，对应定义中的“对于任意给定的正实数 （不论它多么小），
总存在正整数 ，使得对所有的 时，有 ”。这里有好几层
意思，需要一一讲解。

首先可以随便给一个正实数 ，以 为中心作一个区间，也就是下图中的绿色
区域。可以看到，前 3 个点在绿色区间外，之后的点都在绿色区间内，在绿
色区域内的点让我们用红色来表示：

如果用数学来表述上图的话，那就是令 ，当 时，始终有
：

如果对极限 的猜测是正确的，那么无论如何缩小 ，也就是无论如何缩小绿

色区域，始终只有有限个点在此区间外。也就是说，总能找到合适的 ，使
得当 时，都有 ：
如果对极限 的猜测是错误的，随着正实数 的缩小，会有无数个点在此区间
外，也就是说找不到合适的 ，使得当 时有 ：

3 极限不存在

这里需要强调的是，验证的关键在于，是否有无数个点在区间外。比如下面
的情况，当正实数 足够小时，可以看到始终有无数个点在区间内，但更重要
的是会有无数个点在区间外，这说明该猜测是错误的：
再仔细看一下上图，数列分为了两个部分，各自的趋势并不一样，所以随便
怎么猜测都是错误的，此时极限 并不存在。
单变量微积分 / 魏尔斯特拉斯的数列极限 / 数列极限的求解

例 已知数列 ，请求出 。

解 （1）猜测。可以尝试写出数列的前面几项
，观察到其图像是不断逼近于 轴的，也就是不断逼近于 的：

所以可合理猜测数列 的极限为 ，也就是假设 。

（2）验证 时的情况。假设此时数列极限定义中用于验证的不等
式 成立，那么有：

所以可合理假设 （因为 是自然数，所以进行了取整），那么当

时始终有 。画出图来就是从第 5 个点开始就都
在绿色区间内了（虽然第 4 个点也在区间内，不过不重要，多一个、少一
个对结果没有影响 ）：

上面的结论如果换成更简练的符号语言就是， 时，令 ，
有 。
 （3）验证 时的情况。假设此时数列极限定义中用于验证的不
等式 成立，那么有：

所以可合理假设 （因为 是自然数，所以进行了取整），那么当

时始终有 。画出图来就是从第 7 个点开始就
都在绿色区间内了：

上面的结论如果换成更简练的符号语言就是， 时，令 ，
有 。

（4）验证 为任意正数时的情况，假设此时数列极限定义中用于验证
的不等式 成立，那么有：

所以合理假设 （ 符号的意思是向上取整，也就是 为大于

的整数），那么当 时始终有 。

用更简练的符号来表示，令 ， 有 ，所有根据
数列极限定义，有 。

顺便说下，如果我们假设 会发生什么情况。验证 为任意正数时的情

况，假设此时数列极限定义中用于验证的不等式 成立，那么有：

所以 会在一个区间之内，我们没有办法找到合适的 ，从而 不可能是

数列 的极限。
单变量微积分 / 一般的函数极限 / 一般的函数极限定义

一般的函数极限 左极限 右极限

设函数 在 上有定义。如果 ， ， ，有：

那么就称 是函数 当 时的 极限 ，或者称当 时函数 收

敛于 ，记作：

如果不存在这样的常数 ，就说当 时函数 没有极限，或者说当

时函数 是 发散 的，习惯上也说 不存在。

一般的函数极限、左极限、右极限几乎一样，区别在于：

一般函数的极限 无穷函数的极限 一般函数的极限

在 上有定义 在 上有定义 在 上有定义

下面以某函数 为例来解释下一般的函数极限，其余两者都差不多。

1 定义域

假设某函数 图像如下：

定义中说“在 上有定义”，这有两层意思：
 在 附近有定义即可，也没有规定这个附近有多大，所以图像上我们在

附近随便圈定了一个范围

在去心邻域 上有定义，也就是不关心在 点是否有定义，所以图

像上我们用空心点来表示

上面这两层意思可以用下图来表示：

为了讲解方便，我们一般还是默认 的定义域为自然定义域。但为了强调
去心邻域， 点依然用空心点来表示。

2 猜测

通过观察容易看出，越靠近 点函数 图像越接近图中的黑色虚线，所以

可合理猜测 时 的极限为 ，也就是该黑色虚线：

3 验证

随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，使得在 时，函数 的图像都在绿色区域内，让我
们用红色来表示：

不断缩小 ，总 ，使得在 时，函数 的图像都在绿色区

域内：

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。

4 常用的一般函数极限

定理 . （1） ，（2） ，（3） 。

根据一般函数极限存在的充要条件，上述定理还可以推出：
单变量微积分 / 一般的函数极限 / 一般函数极限存在的充要条件

定理 . 函数 一般的函数极限存在的充要条件为左极限以及右极限都存
在且相等，即：

证明 . （1）证明充分性。已知 ，那么：

根据左极限的定义有 ， ， ，有

根据右极限的定义有 ， ， ，有

取 ，那么有 ， ， ，有
，根据一般的函数极限的定义，所以有：

（2）证明必要性。已知 ，根据一般的函数极限的定义，
此时有 ， ， ，有 ，所以有：

， ， ，有 ，根据左极限的

定义有

， ， ，根据右极限的定义有

所以有：

比如之前提到的如下函数 ， 点的左极限为 ， 点的右

极限为 。因此根据上述定理，其 的极限是不存在的：

如果 点的左极限、右极限都为 ，那么根据上述定理，其 点的极限
也就为 了：
单变量微积分 / 复合函数的极限 / 复合函数的极限

定理（复合函数的极限）. 设函数 由函数 和函数

复合而成， 在 有定义，若：

且 ，当 时，有 ，则：

该定理看上去有点复杂，这里先形象地解释下。对于 ，可以理
解为 时有 ，也就是 逼近 时有 逼近 。值得注意的
是， 逼近 指的是以任意方式逼近，比如像下图所示 从左右两侧匀速逼
近 ：

那么上述定理中所说的 ，可以理解为
时有 ，也就是 以 规定的方式逼近 时有
逼近 。具体的细节如下：

因为 ，所以在 坐标系中，当 逼近 时， 会逼

复合后 变为了 的输入，所以在 坐标系中， 会以 规

定的方式逼近

在 坐标系中， 以 规定的方式逼近 ， 依然会逼近

上述连锁反应可以参见下面的动图：
可能还有点抽象，下面再给一个具体的例子。

1 具体的复合函数例子

比如对于 ，可以理解为 时有 。下图展示的是 从

左右两侧匀速逼近 时有 逼近 ：

如果令 ， ，两者的复合如下：

因为 ， ，所以：

在 坐标系中，当 逼近 时， 会逼近

复合后 变为了 的输入，所以在 坐标系中， 从右侧单

边逼近

在 坐标系中， 从右侧单边逼近 ， 依然会逼近

上述连锁反应可以参见下面的动图：

所以：

2 限制条件

运用本定理时，需要注意以下两个限制条件：

在 有定义

，当 时，有
单变量微积分 / 函数的连续性 / 函数的连续性

连续 等价定义 左连续和右连续 连续的充要条件 连续函数

设函数 在 点的某一邻域内有定义，令：

如果：

那么就称函数 在 点 连续 （Continuous）。

下面的函数 是闭区间 上的连续函数，其在 点右连续，在 点

（ ）连续，在 点左连续：
单变量微积分 / 函数的间断点 / 间断点

间断点 间断点的分类

设函数 在 有定义，如果该函数 有下列三种情形之一：

（1）在 没有定义；

（2）虽在 有定义，但 不存在；

（3）虽在 有定义，且 存在，但 ；

那么称函数 在 点 不连续 （Discontinuous）， 点称为函数

的 不连续点 （Discontinuities）或 间断点 。

下面来看几个间断点的例子。

1 无穷间断点

比如正切函数 ：

在 时没有定义

根据之前证明过的 、 是连续函数，可推出：

有界函数 无穷大

所以 是函数 的间断点，也称为函数 的 无穷间断点

（Infinite discontinuity）：

无穷间断点是第二类间断点。
2 振荡间断点

又比如函数 ：

在 时没有定义

之前证明过的 是不存在的

函数 在 来回、无限次震荡

所以 是函数 的间断点，也称为函数 的 振荡间断点

（Oscillation discontinuity）：

振荡间断点是第二类间断点。

3 可去间断点

再比如函数 在 时没有定义，所以 是函数 的间

断点：

不过如果在 处补充定义：
那么就有 ，也就是说补充定义后的得到的函数 在
点连续：

所以 也称为函数 的 可去间断点 （Removable discontinuity）。

可去间断点是第一类间断点。

4 跳跃间断点

最后再来看看函数 ， 不存在，

所以 是函数 的间断点：

因 的图像在 处有跳跃，所以 也称为函数 的 跳跃

间断点 （Jump discontinuity）。跳跃间断点是第一类间断点。
单变量微积分 / 通过导数求出微分 / 微分的定义

定义 . 设函数 在某区间内有定义， 及 在此区间内，如

果函数增量：

可表示为：

其中 是不依赖于 的常数，那么称函数 在点 是 可微 的，而

叫作函数 在点 相应于自变量增量 的 微分 ，记作 ，
即：

通常令 ，所以微分又可表示为 。

该定义说的其实很简单，假设有如下的函数 ，已知 点：

如果以 为原点建立坐标系，在新坐标系中，上述曲线的函数为
，过原点（也就是过 点）的直线函数为 ：
如果两者相差高阶无穷小 ，那么该直线就是曲线在 点的“线性近
似”，其函数 就是函数 在点 的微分。更常见的是，我们
会将微分表示为 ：
单变量微积分 / 常用的一些导函数 / 导函数

定义 . 若函数 在开区间 内的每点处都可导，则称函数 在

开区间 内 可导 。

此时对于任意 ，都对应着 的一个确定的导数值，这就构成了新的

函数，该函数叫作 的 导函数 ，记作 、 、 或 ，定

义式为：

举例说明下函数 在开区间 内可导的几何意义，就是对于任意

都有微分，如下图所示。

将每一个给定 的微分的斜率记录下来，就得到了导函数 ，如下图所

示。
单变量微积分 / 函数的单调性与凹凸性 / 导数与函数的单调性

定理 . 设函数 在 上连续，在 上可导，则：

（1）若在 上 ，且等号仅在有限多个点处成立，那么函数
在 上严格单调递增；

（2）若在 上 ，且等号仅在有限多个点处成立，那么函数
在 上严格单调递减。

上述定理我们不进行严格证明，下面通过几何图形来进行直观的解释。如果
在 上各点的微分斜率都为正，如下图所示。因为微分是曲线线
性近似，所以容易想象，此时 在 上严格单调递增。

增加有限的几个 的点并不影响 在 上严格单调递增，如

下图所示。

但像下图这样，其中有一段满足 ，那么 在 上就变为单

调递增的了，不再严格。此时就有无限多个 的点。
的情况以此类推，这里就不再赘述了。
单变量微积分 / 隐函数的导函数 / 隐函数的求导法则

这里通过一个例子来了解下，如何对隐函数进行求导。

例 . 请求出椭圆 在点 处的切线方程：

解 . 只看 点附近的话是存在隐函数的，所以在 点附近可以假设有
：

因为存在 ，所以可根据链式法则以及基本初等函数的导函数，在
椭圆方程两边同时求 的导函数：

因为 ，代入上式可得：
这样就得到了 时导数，所以 点的切线方程为：
单变量微积分 / 魏尔斯特拉斯的数列极限 / 逻辑符号

在极限的严格定义中，有两个逻辑符号：

逻辑符号 含义 解释

任意 对应英文
存在 对应英文

它们在极限严格定义中的应用如下：

逻辑符号 含义
对任意的正数
存在正整数
所有的
单变量微积分 / 趋于无穷的函数极限 / 趋于无穷的函数极限定义

趋于无穷的函数极限 趋于正无穷的函数极限 趋于负无穷的函数极限

设函数 当 大于某正数时有定义。如果 ， ， ，
有：

那么就称 是函数 当 时的 极限 ，或者称当 时函数 收

敛于 ，记作：

如果不存在这样的常数 ，就说当 时函数 没有极限，或者说当

时函数 是 发散 的，习惯上也说 不存在。

趋于无穷的函数极限、趋于正无穷的函数极限、趋于负无穷的函数极限几乎
一样，区别在于：

的函数极限 的函数极限 的函数极限

大于某正数时有定义 大于某数时有定义 小于某数时有定义

下面以某函数 为例来解释下趋于无穷的函数极限，其余两者都差不多。

1 定义域

假设某函数 图像如下：

定义中说当 大于某正数时有定义，从图像上看就是两侧有定义即可，中间
部分有没有定义是无所谓的：
因为是无所谓的，为了讲解方便，我们一般还是默认 的定义域为自然定
义域。

2 猜测

通过观察，可知函数 图像围绕下图中的黑色虚线上下波动，且越来越靠
近该黑色虚线，所以可合理猜测 时 的极限为 ，也就是该黑色虚
线：

3 验证

随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，在 的左侧以及 的右侧，函数 的图像都在绿色区域
内，让我们用红色来表示：
不断缩小 ，总 ，在 的左侧以及 的右侧，函数 的图像都在
绿色区域内：

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。
单变量微积分 / 无穷小的比较 / 常见的等价无穷小

定理 . 当 时有：

（1） ， （2） ， （3） ， （4）

，

（5） ， （6） ， （7） ，

（8） 。

证明 . （1） 。因为之前证明过的 。

（2） 。因为：

（3） 。令 ，所以 。

（4） 。令 ，所以
。

（5）、（6）、（7）的证明在之后的学习中会给出，具体参看这里。

（8） 。因为：
单变量微积分 / 连续函数的运算与初等函数的连续性 / 连续函数和、差、积、商的连续性

1 连续函数和、差、积、商的连续性

定理 . 设函数 和 在 点连续，则它们的和（差） 、积 以
及商 （ ）都在 点连续。

比如，之前证明过 、 是连续函数，因为 ，所以根据本

节的定理可推出当 时，也就是 时， 是连续函

数。或者说 在自然定义域上是连续函数：

2 初等函数的连续性

可以证明所有的基本初等函数在自然定义域上都是连续函数。

所以根据连续函数和、差、积、商的连续性以及复合函数的连续性可知，初
等函数在自然定义域上也都是连续函数。
单变量微积分 / 连续函数的运算与初等函数的连续性 / 复合函数的连续性

1 是连续函数

定理 . 设函数 由函数 和函数 复合而成，

在 有定义，若 ，函数 在 点连
续，则：

还可以写作（也就是 符号可以穿透连续函数 ）：

证明 . 根据函数 在 点连续可知 ，再根据一般函

数的极限定义可得 ， ， 时有：

很显然 时上式也满足，所以可改写为 ， ，
时有：

由 可得，对于上面的 ， ， 时有：

综上，从而：

时有
时有
时有

即 。

上述定理和复合函数的极限非常相似，只是没了 的限制。
这个条件，其实就是为了规避 不是连续函数的情况，具体可以查看之前
的解释。

2 、 是连续函数

定理 . 设函数 由函数 和函数 复合而成，

在 有定义，若函数 在 点连续，且
，而函数 在 点连续，则函数 在 点也连续。

证明 . 根据上一节的定理有：
 因为这里给出了函数 在 点连续，且 ，所以上式可以
改写为：

所以函数 在 点也连续。

3 两者的区别

“ 是连续函数”和“ 、 是连续函数”两者大同小异，这里进行一下
比较：

对 的要求

连续性之一

连续性之二
单变量微积分 / 通过导数求出微分 / 连续与可导

连续与可导之间的关系

若函数 可导，则它必定连续。若 连续， 不一定可导：

可导 连续
单变量微积分 / 高阶导数 / 高阶导数

1 二阶导数

导函数 也是函数，也可以有自己的导函数，这种导函数的导函数被
称为 二阶导数 （Second order derivatives），记作：

相应的 也被称为 一阶导数 （First order derivatives）。

2 高阶导数

二阶导函数的导函数就是 三阶导数 （Third order derivative），记作：

更一般的， 阶导函数的导函数就是 n 阶导数 （Nth order derivatives），

记作：

二阶及以上导函数都可以统称为 高阶导函数 （Higher oreder derivatives）

单变量微积分 / 参数方程的导函数与相关变化率 / 参数方程的求导法则

定理 . 对于参数方程 ，如果：

存在严格单调且连续的反函数

存在函数

以及 可导，且

则 。

证明 . 存在函数 ，这就说明 与 存在函数关系，这

样就可以运用链式法则。存在严格单调且连续的反函数 ，
以及 可导，且 ，说明可以运用反函数的求导法
则，所以：
单变量微积分 / 参数方程的导函数与相关变化率 / 相关变化率

例 . 球型气球以 的恒定速率填充空气，当半径为 时，半径增加的

速度有多快？

解 . （1）相关变化率。充气时，球型气球的体积和半径都会随着时间增加
而同时变化，可以看作一个与时间相关的参数方程（ 表示体积， 表示
半径）：

题目中告知了气球的体积变化率 ，要求的是半径变化率

，这两个变化率肯定是相互关联的，所以这两者被称为 相关变
化率 ，这类问题被称为相关变化率问题。

（2）计算半径增加的速度。因球的体积公式为 ，所以代入
参数方程可得：

在 两侧对 求导，结合上链式法则，可算出气球的体积变化率为：

题目条件是球型气球以 的恒定速率填充空气，要求当半径为 时
半径增加的速度，即已知 和 ，所以：
单变量微积分 / 函数的单调性与凹凸性 / 函数单调性的例题

下面来看几道讨论函数单调性的例题，解题时可以按照下面的步骤进行：

求出每一个使得 或 不存在的点，以这些点对定义域进行划

判断划分出来的区间内 的符号，根据导数与函数的单调性得出结论

1 导数与函数单调性的例题

例 . 请讨论下列函数的单调性：

（1） ； （2） ； （3）

（4） 。

解 . （1）讨论 在 上的单调性。因为所给函数
在 上连续，在 上有 ，等
号仅在 点处取得，根据导数与函数的单调性，所以 在
上严格单调递增，其图像如下所示。

在 上的图像

（2）讨论 的单调性。因为所给函数
在 上连续，求解 可得：

通过 点对定义域进行划分，可得：

根据导数与函数的单调性，所以 在 上严格单调递
减，在 上严格单调递增，其图像如下所示。
 的图像

（3）讨论 的单调性。因为所给函数 在
上连续，求出 后可知其在 处无定义。通过

点对定义域进行划分，可得:

根据导数与函数的单调性，所以 在 上严格单调递减，
在 上严格单调递增，其图像如下所示。

的图像

（4）讨论 的单调性。该函数
在 上连续，如下求解 可得:

通过 对定义域进行划分，可得：
根据导数与函数的单调性，所以 在 上严
格单调递增，在 上严格单调递减，在 上严格单调递增，其图
像如下所示。

的图像
单变量微积分 / 闭区间上连续函数的性质 / 最大值、最小值

定义 . 设函数 在区间 上有定义，对于 ， 时有：

，则称 为函数 在区间 上的 最大值 （Absolute

maximum value），称 点为函数 在区间 上的 最大值点

（Absolute maximum point）

，则称 为函数 在区间 上的 最小值 （Absolute

minimum value），称 点为函数 在区间 上的 最小值点

（Absolute minimum point）

上述的 统称为函数 在区间 上的 最值 （Absolute extremum

value）， 统称为函数 在区间 上的 最值点 （Absolute extremum
point）。

举例说明下上述定义，比如下图中所示的区间 上，左、右两侧 都是最

大值， 点都是最大值点； 都是最小值， 点都是最小值点。

存在最大值和最小值的情况

值得注意的是，不是一定有最值、最值点，比如下图中的情况。
不一定有最值的情况
单变量微积分 / 微分中值定理 / 柯西中值定理

1 柯西中值定理的第一种形式

定理（柯西中值定理的第一种形式）. 如果函数 及 满足
在闭区间 上连续

在开区间 上可导

那么 使得 。若还有 ，则该式可

改写为：

证明 . 因为 ，所以可构造辅助函数：

容易知道， 满足罗尔中值定理的条件：

在闭区间 上连续

在开区间 上可导

所以 使得 ，即：

由此可得 ，如果 ，那么该式可改写为

要直观理解柯西中值定理，需要将 和 组成参数方程组。为了符合习
惯，这里的自变量用 来表示，即假设有参数方程：

该参数方程对应的曲线如下图所示。端点是 时对应的 点，以

及 对应的 点。显然存在某 时对应的 点，其微
分与端点连线平行。
 点的微分与端点连线平行

容易知道端点连线的斜率为 ；加上之前解释过 点的微

分的斜率为 ，所以有：

2 柯西中值定理的第二种形式

定理（柯西中值定理的第二种形式）. 如果函数 及 满足
在闭区间 上连续

在开区间 上可导

那么 ，使得 。

证明 . （1）证明 。根据拉格朗日中值定理，存在一点
，满足：

根据题意 ，因此 。

（2）证明所需结论。构造辅助函数：

容易知道， 满足罗尔中值定理的条件：

在闭区间 上连续

在开区间 上可导
所以 使得 ，即：

由此可得 。

柯西中值定理的两种形式大同小异，其中第二种形式也就是同济大学《高等
数学·上》中的柯西中值定理。第二种形式的局限在于往往不适用于参数方
程，这是因为在参数方程的图像大多存在转折，在转折的地方就有
，就不满足使用的条件。

比如上面提到的参数方程，在转折的地方就有 以及 ，如下
图所示，因此无法套用柯西中值定理的第二种形式。

以及
单变量微积分 / 函数的单调性与凹凸性 / 函数凹凸性的例题

下面来看几道讨论函数凹凸性的例题，解题时可以按照下面的步骤进行：

求出每一个使得 或 不存在的点，以这些点对定义域进行

划分

判断划分出来的区间内 的符号，根据二阶导数与函数的凹凸性得出

结论

1 导数与函数单调性的例题

例 . 请讨论下列函数的凹凸性：

（1） ； （2） 。

解 . （1）讨论 的凹凸性。根据基本初等函数的导函数，可得
以及 ，所以在 的定义域 中始终

有 。根据二阶导数与函数的凹凸性，可知 是凸的，其
函数图像如下所示。在定义域内随便取 点，可见 的连线在
之间曲线的下方，符合凸函数的定义。

的函数图像， 的连线在 之间曲线的下方

（2）讨论 的凹凸性。根据基本初等函数的导函数，可得：

根据二阶导数与函数的凹凸性，所以 在 上是凸的，在
上是凹的，如下图所示。
的函数图像，其在 上是凸的，在 上是凹的
单变量微积分 / 泰勒公式 / 麦克劳林公式

定义 . 函数为 在 点处的 阶泰勒公式也称为 阶 麦克劳林公

式 （Maclaurin's Formula）：

其中 。

下面是一些常见的麦克劳林公式：
单变量微积分 / 函数的极值与最值 / 函数极值的第二充分条件

定理（函数极值的第二充分条件）. 设函数 在点 处二阶可导且

，当：

（1） 时， 是函数 的 一个极大值；

（2） 时， 是函数 的 一个极小值。

我们知道 称为驻点，下图展示了其可能的图像。函数极值的第二充
分条件通过判断 ，也就是情况（1）、情况（2），选出了其中为极值
的两种情况。
单变量微积分 / 定积分的定义 / 定积分的定义

定义 . 设函数 在 上有界，在 中任意插入若干个分点：

把 分成 个小区间：

各个小区间的长度依次为：

在每个小区间 上任取一点 ，作函数值 与小

区间长度 的乘积 ，并作出和：

记 ，如果当 时，这和的极限总存在，
且与闭区间 的分法及点 的取法无关，那么称这个极限 为函数
在区间 上的 定积分 （Definite integral）（简称 积分 ），记作

，即：

其中 叫做 被积函数 ， 叫做 被积表达式 ， 叫做 积分变量 ，

叫做 积分下限 ， 叫做 积分上限 ， 叫做 积分区间 。

如果函数 在区间 上的定积分存在，那么就说 在区间

上 可积 。

上述定义涉及到的符号较多，这里用下图来总结一下：

积分上限 是被积函数

积分号 是积分变量

被积表达式

积分下限

在区间 上的定积分

除了符号外，该定义也格外复杂，可以说是本课程中最复杂的定义，下面来
仔细解释下。
1 黎曼和

如下图所示， 为在 上的有界函数。

在 中任意插入若干个分点：

这些分点把 分成 个小区间，每个小区间的长度为 ，如下图所示

（为了展示方便，下图中的分点都是均匀插入的）。

在每个小区间 上任取一点 ，该点对应的函数值为

，如下图所示。
以各个小区间 作底， 作高，可以得到 个小矩形，如下图所
示。容易知道每个小矩形的面积都是 。

值得注意的是，上述的小区间 是可以任意划分的， 点也是在小区

间 上任意选取的，所以小矩形是可以不断变化的，如下图所示。
如果将这些可以变化的小矩形的面积加起来，得到的就是定义中提到的和

，该和也称为 黎曼和 （Riemann sum），以其发明者德国数

学家黎曼命名：

格奥尔格·弗雷德里希·波恩哈德·黎曼（1826－1866）

2 黎曼和的极限就是定积分

如果恰当地（而不是任意地）在 中插入更多的分点，那么就可以看到小
矩形在不断增多，不断逼近以 为曲边的曲边梯形，如下图所示。上
述操作用代数来表示就是，记 ，不断缩小 。

随着 的缩小，如果最终这些小矩形的和存在极限，该极限就是定积分，
即：
单变量微积分 / 定积分的性质 / 可积的充分条件

1 可积的充分条件 1

定理 . 若函数 在区间 上连续，则 在区间 上可

积。

比如下图中的函数 在区间 上连续，从几何直观上看，由 、

、 及 围成的曲边梯形是存在面积的，所以函数
在区间 上可积。

2 可积的充分条件 2

定理 . 若函数 在区间 上有界，且只有有限个间断点，则

在区间 上可积。

比如上面提到的函数 ，将其中某一个点变为可去间断点，如下图所
示。从几何直观上看，并不会影响曲线下的面积，所以函数 在区间
上依然可积。
或者在 上有两个跳跃间断点，如下图所示。从几何直观上看，此时函数
在区间 上还是可积。
单变量微积分 / 不定积分的概念与性质 / 原函数

1 原函数的定义

定义 . 如果在区间 上，可导函数 的导函数为 ，即

时有：

那么函数 就称为 （或 ）在区间 上的一个 原函数

（Primitive function）。

比如我们知道有 ，所以说 是 在区间 上的

一个原函数，而 是 的导函数，即：

的原函数 的导函数

2 原函数存在定理

定理 . 如果函数 在区间 上连续，那么其在区间 上存在原函数

。

上述定理说的就是“连续函数 有原函数”。值得注意的是，这并不是充要
条件，某些间断函数，比如：

虽然上述函数在 点处间断（在 点附近剧烈震荡）：

但其在区间 上也是有原函数的：
3 达布定理

定理（达布定理）. 设函数 在开区间 上可导，且存在

及 。若 ，则对于 与 之间的任意一个数 ，
有：

在 和 之间

达布定理说的其实就是，若函数 在开区间 上可导，那么其导函

数 必定在开区间 上存在介质性（也就是说导函数 在开
区间 上可以取到 、 之间的所有值，关于这点可以参考介值定
理）：

函数 可导 导函数 存在介值性

也就是说，如果不满足介值性，那么一定不存在原函数，所以这是原函数存
在的一个必要条件。

比如，像下图中具有这样跳跃间断点的函数 ，其中有一段值在函数
上无法取得。那么根据达布定理，该函数 在对应的区间上不可能有
原函数。

但如果满足介值性，那么某些不连续的函数也可以有原函数。比如上一节提
到过的：
实际上在不连续的函数中，只有像上图一样具有震荡间断点的才可能有原函
数。
单变量微积分 / 不定积分的概念与性质 / 不定积分及其性质

1 不定积分的定义

根据上面的描述我们知道了，原函数并不唯一且有无数多个，所以有了下面
的定义：

定义 . 如果 是 在区间 上的一个原函数，那么 （ 为任
意常数）称为 （或 ）在区间 上的 不定积分 （Indefinite
integral），记作：

其中记号 称为 积分号 ， 称为 被积函数 ， 称为 被积表达式

， 称为 积分变量 。

上述定义涉及到的符号较多，这里用下图来总结一下：

是被积函数

积分号 是积分变量

被积表达式

不定积分

可以证明，不定积分 表示了 的所有原函数。

证明 . 假设 是 的一个原函数， 是 另外一个原函数，那么
有：

之前证明过，导数为0的函数必为常函数，所以：

即不定积分 为 的所有原函数。

2 不定积分的性质

定理 . 根据不定积分的定义，可以推得它有如下的两个性质：
齐次性：若 存在原函数，则 ，其中 为非

零常数
 可加性：若 及 存在原函数，则

上面定理所说的“齐次性”、“可加性”源自线性函数的定义，所以上面实际上证
明了不定积分是一种线性函数。
单变量微积分 / 不定积分的换元法 / 不定积分的换元法

1 第一类换元法

定理 . 设 具有原函数 ， 可导，则有：

第一类换元法实际上是链式法则的逆向运用：

链式法则

第一类换元法

2 第二类换元法

定理 . 设 是严格单调的可导函数，且 。又设
具有原函数，则有：

其中 是 的反函数。

上述定理说的非常复杂，简化一下就是，先通过 进行换元，计算换
元后的不定积分；再将反函数 回代，就得到了要求的不定积分：

换元：

回代：

和第一类换元法相比，第二类换元法是链式法则和反函数的求导法则的逆向
运用：

链式法则和反函数求导

第二类换元法
单变量微积分 / 定积分的换元法和分部积分法 / 定积分的换元法

定理 . 若函数 在区间 上连续，函数 满足：

（1） ；

（2） 在 （或 ）上具有连续导数，且其值域
，

则有:

定积分的换元法和不定积分的第二类换元法有点类似，这里进行一下比较：

不定积分换元时，只需要替换积分变量；而定积分换元时，还需要替换

积分上下限

不定积分换元后还需要将 进行回代，以便得到以 为自变量的

不定积分；而定积分换元法不要求 存在反函数，这是因为换元

后运用牛顿-莱布尼兹公式就可得到（实数）结果，不需要回代
单变量微积分 / 分部积分法和有理函数的积分 / 分部积分法

定理（分部积分法）. 若函数 及 都是可导函数，那么

有：

证明 . 根据函数积的求导法则，有：

对上述等式的两侧求不定积分，可得：

分部积分法的作用是，如果 难以计算，可以转为求 ：

分部积分法
单变量微积分 / 反常积分 / 无穷限的反常积分

定积分有一些限制条件：

要求 定义在闭区间 上

要求 有界

针对上述限制，数学家对定积分进行了两种推广，从而形成了 反常积分 ，其
具体定义如下：

定义 . 以下三种反常积分统称为 无穷限的反常积分 ：

（1）若函数 在区间 上连续，任取 ，则代数式

称为函数 在区间 上的反常积分，记作

，即：

若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（2）若函数 在区间 上连续，任取 ，则代数式

称为函数 在区间 上的反常积分，记作

，即：

若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（3）若函数 在区间 上连续，则反常积分

与反常积分 之和称为函数 在区间

上的反常积分，记作 ，即：

若上述之和存在，则称该反常积分收敛，和值为该反常积分的值；否则称
该反常积分发散。

这里举例说明一下上述定义。先来看看定义（1），如下图所示，函数
在区间 上连续， 是积分上限函数。
随着上限 ，就得到了在区间 上的反常积分，如下图所示。若
该极限存在，那么就说该反常积分收敛，否则发散。

定义（2）是 的情况，如下图的左侧所示；定义（3）是 的情
况，如下图的右侧所示。
单变量微积分 / 反常积分 / 无界函数的反常积分

1 瑕点

定义 . 如果函数 在 点的任一邻域内都无界，那么 点称为

的 瑕点 ，或称为 无界间断点 。

比如对于函数 而言，其在 点的任一邻域内都无界，所以 点

就是 的一个瑕点，如下图所示。

2 无界函数的反常积分

定义 . 以下三种反常积分统称为 无界函数的反常积分 ，因都包含瑕点，故

也称为 瑕积分 ：

（1）若函数 在区间 上连续， 点为 的瑕点，任

取 ，代数式 称为函数 在区间 上的反常积

分，记作 ，即：

若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（2）若函数 在区间 上连续， 点为 的瑕点，任

取 ，代数式 称为函数 在区间 上的反常积

分，记作 ，即：
若上述极限存在，则称该反常积分收敛，极限值为该反常积分的值；否则
称该反常积分发散。

（3）若函数 在区间 上及区间 上连续， 点为

的瑕点，则反常积分 与反常积分 之和称为函

数 在区间 上的反常积分，记作 ，即：

若上述之和存在，则称该反常积分收敛，和值为该反常积分的值；否则称
该反常积分发散。

这里举例说明一下上述定义。先来看看定义（1），如下图所示，函数

在区间 上连续， 点为 的瑕点， 是积分下限

函数（就是积分上限函数交换积分上下限）。

随着下限 ，就得到了在区间 上的反常积分，如下图所示。若该极

限存在，那么就说该反常积分收敛，否则发散。
定义（2）是 的情况，如下图的左侧所示；定义（3）是 的情况，
如下图的右侧所示。
单变量微积分 / 可分离变量的微分方程 / 可分离变量的微分方程

1 可分离变量微分方程

定义 . 如果一个一阶微分方程能写成：

那么该一阶微分方程就称为 可分离变量的微分方程 。

比如 就是可分离变量的微分方程，因为两侧同乘 后有：

2 可分离变量微分方程的求解方法

假设其解为 ，即有：

两侧同时求不定积分（如果存在的话），结合上 以及不定积分的第
一类换元法，可得：

设 为 的原函数， 为 的原函数，则有：
单变量微积分 / 隐函数的导函数 / 局部的隐函数

1 局部的隐函数

上一节我们说过圆不是函数，因 同时对应 和 ，如下图所示。

圆不是函数，因 同时对应 和

但如果只看其中的一部分的话，如下图所示，那么在这一局部 唯一对应
，也就是说这一局部是函数。或说只看这一局部时，该圆的方程
是隐函数。

只看这一局部时，圆的方程 是隐函数

2 隐函数的存在性

注意，不是任意局部都是隐函数。就下图中的圆 而言，其
在 点附近就不是隐函数。
 在 点附近，圆的方程 不是隐函数

数学中有 隐函数存在定理 ，可以判断在某点附近是否存在隐函数。但该定理

涉及到《多变量微积分》的知识，这里暂时没法介绍。在本课程中举的例子
都默认存在隐函数。
单变量微积分 / 常系数线性微分方程 / 常系数线性微分方程

1 常系数线性微分方程

定义 . 如果某微分方程能写成：

那么该微分方程就称为 常系数线性微分方程 。如果 ，那么该方程

就是 齐次 的，否则就是 非齐次 的。

常系数线性微分方程是线性微分方程的一种特殊情况，其系数都为常数：

线性微分方程 常系数线性微分方程

比如 是常系数齐次线性微分方程，而 是
常系数非齐次线性微分方程。

2 常系数齐次线性微分方程的解

对于二阶常系数齐次线性微分方程 而言，其通解取决于 特
征方程 的两个根 、 的情况：

特征方程 的两个根 、 微分方程 的通解

、 是不相等实根

、 是相等实根

、 是共轭复根
其中

阶常系数齐次线性微分方程的通解与之类似，这里就不再赘述了。

定理 . 若 为常数， 是 的 次多项式，对于常系数非齐次线性微分
方程

其特解 形如：
其中 是 在特征方程中的重根数（若 不是特征方程的根，则 ，若
是特征方程的 重根，则 ）， 是 的 次多项式。

以 为例来说明下上述结论。可假设其特解
（其中 为某多项式），根据假设有：

代入 ，由下面的计算可知，假设特解 确实是合
理：

设为

现在有：

（ ）

下面可以分情况来讨论：

（1） 不是特征方程 的根，那么有 且

，所以要使得式（1）成立， 必须为 次多项式，
即：

（2） 是特征方程 的一重根，也就是该特征方程的根

为 及 ，且 ， 为其中之一。此时有 ，但
，所以由式（1）可推出：

所以 必须为 次多项式，所以 必须为 次多项式，此时可

令：

（3） 是特征方程 的二重根，也就是该特征方程的根

为 及 ，且 ， 。此时有 ，且
，所以由式（1）可推出：

所以 必须为 次多项式，所以 必须为 次多项式，此时可

令：
综上就可以得到特解 。
单变量微积分 / 分部积分法和有理函数的积分 / 有理函数的积分

两个多项式的商 称为 有理函数 ，又称为 有理分式 。我们总假定分子多

项式 与分母多项式 之间没有公因式。当分子多项式 的次数小

于分母多项式 的次数时，称该有理函数称为 真分式 ，否则称为 假分式
。

对于假分式，可利用多项式的除法，将之化为一个多项式与一个真分式之
和，比如这里的例（4）中的：

而对于真分式 ，若分母可分解为两个多项式的乘积

，且 与 没有公因式，那么该真分式可拆分成两个更简单的真分式
之和：

进行上面的一系列拆解后，有理函数的积分就容易求出了，下面来看一些例
子。

1 有理函数积分的例题

例 . 请求出下列不定积分：

（1） ； （2） ；

（3） 。

解 . （1）求 。被积函数的分母可分解为 ，
故可设：

其中 为待定系数。则：

解上述线性方程组可得 、 ，根据基本积分表，所以有：
 （2）求 。设：

其中 为待定系数。则：

解上述线性方程组可得 、 以及 ，根据基本积分表，所
以有：

（3）求 。被积函数分母的两个因式 与

有公因式，故重新分解为 ，因此有：

解上述线性方程组可得 、 以及 ，根据基本积分表，
所以有：
单变量微积分 / 齐次方程 / 齐次方程

1 齐次方程

定义 . 如果一个一阶微分方程能写成：

那么该一阶微分方程就称为 齐次方程 。

比如 就是齐次方程，因为：

2 齐次方程的求解方法

齐次方程可以化为可分离变量的微分方程，具体做法是引入函数 ，则
有：

代入齐次方程 ，则有：

求出两侧的不定积分后回代 即可得出齐次方程的通解。
单变量微积分 / 高阶线性微分方程 / 线性微分方程

1 线性微分方程

定义 . 如果某微分方程能写成：

那么该微分方程就称为 n 阶线性微分方程 。如果 ，那么该方程就

是 齐次 的，否则就是 非齐次 的。

之所以称为 阶线性微分方程，是因为如果将上述微分方程等号的左侧看作
关于 的函数，即：

那么该函数符合线性函数的定义，也就是满足：

齐次性：

可加性：

“齐次”与“非齐次”则和线性方程组中的齐次与非齐次类似。

2 线性相关与线性无关

定义 . 设 为定义在区间 上的 个函数，如果存在不
全为零的实数 ，使得当 时恒有：

那么称 在区间 上 线性相关 的，否则称 线性无关 。

这和《线性代数》中的线性相关与线性无关几乎完全一样，可以类比进行理
解。这里特殊的是将 这 个函数看作了 个向量。

3 齐次线性微分方程的通解

定理 . 如果 是 阶齐次线性微分方程

的 个线性无关的解，那么此方程的通解为：
这和齐次线性方程组的解非常类似，可以进行类比理解。

举一个例子，比如 是二阶齐次线性方程，容易验证 和
是所给方程的两个解。如果这两个解线性相关的话，也就是说存在
不全为零的实数 使得当 时恒有 ，那么会推出：

是常数

但 不是常数，所以这是两个线性无关的解，因此所给方程的通解
为：

也容易验证 是所给方程的解，但 和 不是线性无关的两个解，所以

没法构造通解。或者说构造出来也不符合通解的定义：

4 非齐次线性微分方程的通解

定理 . 如果 是 阶非齐次线性微分方程

一个特解， 是对应的n阶齐次线性微分方程

的通解，那么此非齐次线性微分方程的通解为：

这和上一节提到的非齐次线性方程组的解非常类似，也可以进行类比理解。

举一个例子，比如 是二阶非齐次线性方程，上面解释了
的通解为 。又容易验证 是所给
方程的特解，因此所给方程的通解为：

5 常数变易法

假设二阶非齐次线性微分方程的特解为 ，对应二阶齐次线性微分方程的
通解为：

根据线性微分方程解的结构，所以二阶非齐次线性微分方程的通解为：
对其进行变形：

可任意划分

所以说在形式上，齐次与非齐次的通解的区别就是将常数系数变为函数系
数，这就是 常数变易法 ：

通解

二阶齐次
二阶非齐次

上述结论推广到 阶也是成立的：

通解

阶齐次
阶非齐次

6 二阶非齐次微分方程的通解

例 . 已知 的通解为 ，请求出
的通解。

解 . 根据上面介绍的常数变易法，可知二阶非齐次线性微分方程
的通解的形式如下：

下面的任务就是要求出 、 。先求出一阶导：

为简化运算，设 （这样在之后的计算中不会出现 和 ，
若作此假设后算不出来，可考虑别的方法），可得：

在简化的基础上继续求出二阶导：

将 、 和 回代到 可得：
整理后可得：

、 是齐次解，所以上式可化简为：

结合之前的假设，我们可以得到如下的方程组，其中 、 是未知数：

上述方程组可在矩阵乘法的帮助下改写为：

若系数矩阵的行列式：

根据克拉默法则，那么有唯一解：

不定积分存在的话，有：

所以 的通解为
 单变量微积分 / 数列极限的性质 / 收敛数列的有界性

1 收敛数列的有界性

定理（收敛数列的有界性）. 如果数列 收敛，那么数列 一定有

界。

证明 . 因为数列 收敛，设 ，根据数列极限的定义，对于

，那么 ，当 时始终有 ，于是有：

取 ，那么数列 中的一切项 都满
足不等式 ，这就证明了数列 一定有界。

举例说明下。之前证明过的 ，又上一节说明过数列 是有界

的，如下图所示，这正符合上述定理。

是数列 的界

Typesetting math: 100%

 2 有界性的应用

根据收敛数列的有界性，不是有界数列肯定不存在极限。比如下图左侧的
及下图右侧的 。

数列 无界，所以发散 数列 无界，所以发散

收敛数列的有界性反过来是不成立的，比如之前提到的数列 有界，但
它是发散的，如下图所示。

Typesetting math: 100%

单变量微积分 / 数列极限的性质 / 收敛数列的子数列

定理（收敛数列的子数列也收敛）. 若某数列 收敛于 ，则其任一子

数列也收敛，且极限也为 。

从下图可以看出，数列 和其子数列都不断逼近 0，所以不难想象，它们

的极限都为 0：

根据该定理，还可以判断数列 是发散的。数列 有两个子数列

和 ：

这两个子数列的极限分别为 1 和 -1，并不相等，根据收敛数列的子数列也收
敛且极限相等，可以判断数列 是发散的。
单变量微积分 / 无穷大 / 无穷大

时的正无穷大 时的负无穷大 时的无穷大

设函数 在 上有定义。如果 ， ， ，有：

那么就称函数 是 时的 正无穷大 （Positive infinity）。可记作：

上述三种无穷大和 时的函数极限的定义非常相似，又各自有一些区
别：

的函数极限 的正无穷大 的负无穷大 的无穷大

下面以某函数 为例来解释下 时的无穷大。

1 无穷大定义的解释

无穷大定义说的其实很简单，在 时，如果函数绝对值 比任意正

数 都大，那么就是无穷大。

比如下面的函数 ，随便给出某正数 ，以 0 为中心建立作一个区间，也

就是下图中的绿色区域。可找到 ，使得在 时，函数 的
图像都在绿色区域外，也就是有 ，让我们用红色来表示：

并且不断增大 ，总 ，使得在 时，函数 的图像都在

绿色区域外，也就是有 ，那么该函数 就是 的无穷大：
上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。

2 无穷大的几种情况

仔细观察上面举的例子，会发现 时 ， 时
，这是 的一种情况：

时的正无穷大其实也是 的一种情况：
 时的负无穷大也是 的一种情况：

3 极限不存在

这里需要强调一点的是，虽然 的无穷大记作 ，但其不趋

于任何常数，所以 时的极限不存在：

在 时极限不存在

4 各种极限过程的无穷大

除了这里的 ，还可以定义如下的无穷大：

只需要将对应的极限定义中的“ ”修改为“ ”即可，这

里就不再赘述了。
单变量微积分 / 数列极限的性质 / 收敛数列的保号性

1 收敛数列的保号性

定理（收敛数列的保号性）. 如果 ，且 （或 ），
那么 ， 时有 （或 ）。

该定理的意思是，如果 ，那么从某项开始数列 都是大于

0 的，如下图中的红点所示：

或者，如果 ，那么从某项开始数列 都是小于 0 的，如下

图中的红点所示：

2 收敛数列保号性的推论
定理（收敛数列保号性的推论）. 如果数列 从某项起有 （或
），且 ，那么 （或 ）。

比如之前提到的数列 ，该数列所有的项都是大于 0 的，根据收敛数

列保号性的推论可知，此数列的极限不可能小于 0。之前确实证明了
：
单变量微积分 / 微分中值定理 / 驻点

定义 . 对于函数 ，其一阶导数为零的点就称为 驻点 （Stationary

Point）或 稳定点 。即若有：

那么 点就称为函数 的驻点。

之前解释过，导数可以理解为速度，所以 意味着在 点的速度为

，也就是停驻的意思，这或许就是驻点名字的来由。

举例说明下上述定义，从下图中可以看出 点、 点以及 点的导数都为 ，

所以它们都是函数 的驻点。

点、 点以及 点都为函数 的驻点

单变量微积分 / 闭区间上连续函数的性质 / 极大值、极小值

定义 . 设函数 在某邻域 上有定义，如果 ， 时

有：
，则称 为函数 的一个 极大值 （Local maximum

value），称 点为函数 的一个 极大值点 （Local maximum

point）

，则称 为函数 的一个 极小值 （Local minimum

value），称 点为函数 的一个 极小值点 （Local minimum

point）

上述的 统称为函数 的一个 极值 （Local extremum value）， 统

称为函数 的一个 极值点 （Local extremum point）。

举例说明下上述定义，并且和上一节介绍的最值进行一下比较，在下图中，

点是函数 在闭区间 上的最小值点， 点是函数 在闭区间

上的最大值点

、 、 、 点是函数 的极大值点， 、 是函数 的极

小值点，

最值与极值

从上述例子中也可以看出，最值是区间 上的全局概念，而极值是邻域上的局
部概念。
单变量微积分 / 极限的性质 / 极限的局部有界性

定理（极限的局部有界性）. 如果有 ，那么函数 在相应

的局部是有界的。

该定理的几何意义是很清晰的。对于如下的 ，该定理可以保证
在 的附近，也就是在某去心邻域 内，函数 是在某绿色区域内
的，这也就意味着此时 是有界的，这就是“相应的局部是有界的”：

或者对于如下的 ，该定理可以保证在某 的左边、 的右

边，函数 是在某绿色区域内的，这也就意味着此时 是有界的，这就
是“相应的局部是有界的”：
单变量微积分 / 数列极限的性质 / 收敛数列的有界性

定理（收敛数列的有界性）. 如果数列 收敛，那么数列 一定有

界。

该定理的几何意义是很清晰的，以 为例，根据收敛数列的有界

性，该数列 必然是有界数列。比如像下图所示，始终有 ：
单变量微积分 / 数列极限的性质 / 子数列

定义 . 在数列 中任意抽取无限多项并保持这些项在原数列中的顺序，
这样得到的一个数列称为原数列 的 子数列 ，或简称为 子列 。

比如在之前提到的数列 中随意抽取无限项，并保持顺序，就可以得到该
数列的子数列：
单变量微积分 / 无穷大 / 无穷小与无穷大的例二

例 . 对于函数 ，已知 ，请问 是 时的无

穷大吗？

解 . （1）图形解析。由于 的周期性，在 的过程中，不断有

，如下图所示。

函数 的图像， 时不断有

这样就无法找到 ，使得当 时始终有 。比如像下面

这样随便找一个 ，在 的左侧，以及 的右侧，不断有 ，如
下图所示。

，在 的左侧及 的右侧，不断有

所以也就无法找到 ，使得当 时 始终有定义，这样无法

满足无穷大定义中对定义域的要求，因此 不是 时的无穷大。

（2）代数证明。对于任意 ：
 存在足够大的 使得 ，当 时 没有

定义，即 没有定义

存在足够小的 使得 ，当 时

没有定义，即 没有定义

所以无法找到 ，使得当 时 始终有定义，这样就无法满

足无穷大定义中对定义域的要求，因此 不是 时的无穷大。
单变量微积分 / 无穷小 / 极限与无穷小

定理 . 极限 存在的充要条件为：

其中 为自变量的同一变化过程的无穷小，即有 。

1 几何意义

假设某数列 的极限为 ，其中某点 与 的距离为 。根据之前

的学习可知，该距离随着 的增大会无限趋近于 0，也就是说 为
时的无穷小：

所以当有 时， 与 之间相差一个 时的无穷小。假设该

无穷小为 ，那么有 （ 一点说明 ），这就是本定理的几何意义。

2 代数意义

本定理也有重大的代数意义，注意该定理的式子两侧，一侧没有极限符号，
一侧有极限符号：

没有极限符号 有极限符号

也就是说该定理可以帮助我们脱去极限符号，方便运算，这在后面的证明、
计算题中会看到。
单变量微积分 / 连续函数的运算与初等函数的连续性 / 初等函数

下面这些函数就是 基本初等函数 （Basic elementary functions）：

幂函数
指数函数 且
基本初等函数 对数函数： 且
三角函数： 等
反三角函数： 等

由常数和基本初等函数经过有限次的四则运算和有限次复合构成的、且可用
一个式子表示的函数称为 初等函数 （Elementary functions），比如：

根据连续函数和、差、积、商的连续性以及复合函数的连续性可知，初等函
数在自然定义域上都是连续函数。
单变量微积分 / 极限的性质 / 极限的唯一性

定理（极限的唯一性）. 如果有 ，那么该极限 唯一。

该定理的几何意义是很清晰的，比如之前提到的如下函数 ，其左极限为
，无限逼近于确定的黑色虚线 ；其右极限为
，无限逼近于确定的黑色虚线 。这两个极限都是唯一确定的：
单变量微积分 / 海涅定理 / 海涅定理

海涅定理对于各种极限都成立，这里只给出 的版本：

定理（海涅定理）. 对函数 定义域内的任意，且满足 ，

的数列 ，有：

该定理看上去很复杂，结合几何来理解下。

1 必要性

海涅定理的必要性说的是，如果已知 ，那么：

选择某数列 ，满足 且 ，也就是下面动图中左侧

坐标系中横轴上蓝点

数列 对应的函数值可以构成数列 ，有

或者像下面这样的数列 ，也有 ：
2 充分性

而海涅定理的充分性说的是，如果像上面这样抽取点组成的所有数列
的极限都是 ，那么 。
单变量微积分 / 渐近线 / 斜渐近线

定义 . 若：

则直线 称为函数 的 斜渐近线 （Slant asymptote）。

比如对于函数 有：

所以直线 是该函数的斜渐近线，如下图所示。

是函数 的斜渐近线
多变量微积分 / 重积分的应用：物理 / 单变量积分下的质心

下面是一个动态平衡的玩具，保持平衡的主要原因是玩具小人的腿是整个玩
具的质心：

1 离散的模型

如果将玩具小人看作一根杆子，杆子两侧的重量简化为两个质点 和 。
小人的腿也就是下图中三角形支撑的位置：

这两个质点都会受到重力的作用（假设重力加速度为 ）：

两个质点受到的重力会在支点处产生“重力矩”，分别为：

在小人的腿处可以保持平衡，从代数上看，就是两侧的“重力矩”相等，即：
更一般的，杆子上有多个质点的话，那么质心坐标为：

2 连续的模型

动态平衡玩具更像是具有连续质量的金属杆。下面将这根金属杆放在
上，其中某个子区间 ：

如果金属杆的密度为连续函数 ，那么这一小段金属杆的质量可以约等
于：

将这一小段金属杆看作一个质点的话，它的力矩可以近似为：

根据定积分的思想，很容易把质心概念从离散推广到连续：

查看详细
单变量微积分 / 渐近线 / 渐近线的例一

例 . 请求出函数 的渐近线。

解 . （1）求水平渐近线。根据有理分式趋于无穷时的极限可知：

因此该函数 没有水平渐近线。

（2）求铅直渐近线。因为：

根据无穷小与无穷大可知其倒数为无穷大，即：

因此直线 是该函数 的铅直渐近线。

（3）求斜渐近线。假设该函数在 时的斜渐近线为
，根据斜渐近线的定义，以及极限与无穷小的关系可得（下面
的 是 时的无穷小）：

由于上述极限存在，根据极限的局部有界性可知 是

时的有界函数。根据有界函数与无穷小的乘积是无穷小，所以：

根据有理分式趋于无穷时的极限可知：

回代 可得：
因此直线 是该函数 在 时的斜渐近线。

同样的，可以假设该函数在 时的斜渐近线为 ，则：

所以直线 也是该函数 在 时的斜渐近线。

（4）作出函数 的图像，以及各渐近线，参见下图。

函数 的图像，以及各渐近线

通过本题可总结出，如果下列极限存在：

那么直线 就是函数 在 时的斜渐近线。

单变量微积分 / 柯西的数列极限 / 古典微积分问题的解决

本课讲解的柯西的数列极限，明确了用数列来表示矩形和逼近曲边梯形的面
积，并且说清楚了计算曲边梯形面积的整个过程：

选择用矩形和 求出
算出矩形和的通项
来逼近曲边梯形 从而得到曲边梯形的面积

这里面没有讲不清楚的“最终得到的小矩形”，如下图所示，所以实际上解决
了古典微积分中的这个问题。这种微积分在我们课程中被称为 极限微积分 ，
随着后人的完善它逐渐取代了古典微积分。

极限微积分中没有“最终得到的小矩形”
单变量微积分 / 渐近线 / 渐近线的例二

例 . 请求出函数 的渐近线。

解 . （1）求水平渐近线。根据有理分式趋于无穷时的极限可知：

因此直线 是函数 的水平渐近线。

（2）求铅直渐近线。因为函数 的分母 ，

所以不论 是多少分母都不是 时的无穷小，所以该函数也不会是

的无穷大，因此该函数 没有铅直渐近线。

（3）求斜渐近线。因为 时都有水平渐近线，也就不会有斜渐
近线了。

（4）作出函数 的图像，以及各渐近线，参见下图。

是 的水平渐近线
单变量微积分 / 夹逼定理 / sinx在x->0时的极限

例 . 请求出 。

解 . （1）证明 时有 。已知单位圆上的弧
，其弧长为 ，可推出其圆心角 为 弧度，如下图所示。

单位圆上的弧 ，弧长为 ，圆心角 为 弧度

当 时，可以像下图一样，过 点作 的垂线 。因为这是单

位圆，也就是 的长度为 ，所以 的长度就是 。

过 点作 的垂线 ， 的长度为

由上图可知，此时 的面积 < 扇形 的面积，这些面积可以分别

计算如下：

底 高

扇形 半径 扇形圆心角

所以可推出：
 扇形

当然在 时， ，所以 时有 ，如下

面动图所示。

时有

因为 时有 ，所以可推出 时有：

因为 是奇函数，即有 ，所以 时有：

即 时有 。所以综合起来 时有
，如下图所示。

时有

又 ，所以当 时有 ，或写作当 时
有 。
 （2）运用夹逼定理。因为 时有 ，且
（ 在这里求出过），所以根据夹逼定理
可得 。

上面的例题中有一组推论：

时有
时有
时有

上述推论说的都是一回事，只是后面经常会用到这些不同的形式，所以这里
特意总结出来。
单变量微积分 / 一般的函数极限 / 充要条件的例子

例 . 请求出 。

解. 实际上是分段函数 ，其图像如下所示。

函数 的图像

根据常用的一般函数，可知其左、右极限分别为：

根据一般函数极限存在的充要条件，所以有：
单变量微积分 / 渐近线 / 铅直渐近线

定义 . 若：

则直线 称为函数 的 铅直渐近线 （Vertical asymptote）。

1 铅直渐近线的例一️

比如根据之前求出过 ，可得：

所以 （即 轴）是函数 的铅直渐近线，如下图所示。

是函数 的铅直渐近线

2 铅直渐近线的例二️

再比如对于函数 有：

所以 是该函数的水平渐近线， 和 是该函数的铅直渐近线，
如下图所示。
以及 都是函数 的渐近线
单变量微积分 / 单调有界数列必有极限 / 欧拉数 e 的例题

例 . 请求出下列极限：

（1） ， （2） 。

解 . （1）求 。根据欧拉数 e以及复合函数的极限，可得：

（2）求 。令 ，则 。所以当 时有
，根据欧拉数 e以及复合函数的极限，可得：
单变量微积分 / 无穷小的比较 / 常见的等价无穷小

因为等价无穷小的替换非常好用，所以我们需要知道一些常见的等价无穷
小：

定理 . 当 时有：

（1） ， （2） ， （3） ， （4）

，

（5） ， （6） ， （7） ，

（8） 。

证明 . （1） 。因为之前证明过的 。

（2） 。因为：

（3） 。令 ，所以 。

（4） 。令 ，所以
。

（5）、（6）、（7）的证明在之后的学习中会给出，具体参看这里。

（8） 。根据倍角公式 有：
单变量微积分 / 通过极限求出圆的面积 / 内接正多边形的极限是圆
单变量微积分 / 柯西的数列极限 / 抛物线下的矩形和

为了方便计算，下面通过一个简单的曲边梯形来讲解，也就是函数 、
左右边界 和 ，以及 轴围成的曲边梯形，如下图所示（为了展示
的方便，下图中的 、 坐标不是等比例的。除此之外，课程中很多图也不是
等比例的，后面不再进行特别说明了）。

、 和 、以及 围成的曲边梯形

该曲边梯形的面积 当然也可以通过一系列矩形来逼近，如下图所示。
 通过一系列矩形来逼近曲边梯形的面积

下面就来尝试计算这一系列矩形的和。

1 个矩形

先将 和 之间线段 等分，也就是在 和 之间插入如下的

个点，如下图所示。

将 和 之间线段 等分

以每一份线段为底，很显然每一份线段长度为 ；再以每一份线段的左侧端
点的函数值为高（以右侧端点的函数值为高也可以，之后的单元会进行讨
论），可以得到 个矩形，每个矩形的面积如下图所示。

每份线段为底，线段左端点的函数值为高的 个矩形的面积

所以 个矩形的面积和 为：
2 个矩形

用相同的方法将 和 之间线段 等分，那么得到的 个矩形的面积

和 为：

据此，可算出用 个矩形逼近时的面积和 、用 个矩形逼近时的面积和的

等等，显然矩形的个数越多其面积和越大，逼近曲边梯形面积的效果越
好，如下图所示。
 单变量微积分 / 数列极限的性质 / 收敛数列的保号性

1 收敛数列的保号性

定理（收敛数列的保号性）. 如果 ，且 （或 ），
那么 ， 时有 （或 ）。

证明 . 就 的情况进行证明。根据数列极限的定义可知，因为
，所以对于 时， ， 时有：

该定理说的是，若 ，则从某项开始 都是大于 的，如下图

中的红点所示。

若 ，则从某项开始 都是大于 的，如图中的红点所示

Typesetting math: 100%

 或若 ，则从某项开始 都是小于 的，如下图中的红点所
示。

若 ，则从某项开始 都是小于 的，如图中的红点所示

2 收敛数列保号性的推论

定理（收敛数列保号性的推论）. 如果数列 从某项起有 （或

），且 ，那么 （或 ）。

证明 . （1）设数列 从第 项起，即 时有 ，现用反证

法进行证明。

（2）如果 ，则由收敛数列的保号性可知，
， 时有 。

（3）取 ，则 时，根据（1）有 ，根据

（2）有 ，两者矛盾。所以（2）中的假设是错误的，因此 。

比如数列 的所有项都大于 ，如下图所示。根据收敛数列保号性的

推论可知，该数列的极限不可能小于 ，之前确实证明了 。

的所有项都大于
Typesetting math: 100%
Typesetting math: 100%
单变量微积分 / 泰勒公式 / 多项式曲线逼近的原因

前面已经学习和证明了泰勒公式：

阶泰勒公式

余项
次泰勒多项式

该公式说的是可通过多项式来逼近函数 ，本节来回答可以这么做的原
因。

1 幂函数的奇偶性

我们知道，多项式的是由幂函数 构成的，幂函数可以
分为两类：

偶函数：也就是偶次幂的幂函数

奇函数：也就是奇次幂的幂函数

为偶函数的幂函数的特点是两侧开口相同，比如下图中的 。

偶函数 的两侧开口相同

而为奇函数的幂函数的特点是两侧开口相反，比如下图中的 。
 奇函数 的两侧开口相反

上述的特性导致了可以通过多项式来逼近函数 ，下面来看一个具体的例
子。

对于函数 ，我们知道其在 点处的切线 可以近似其在

点附近的曲线，如下图所示。

在 点处的切线 可近似其在 点附近的曲线

2.1 第一次优化

如果希望近似效果更好的话，就需要将 的左侧向上提一些，右侧向下拉
一些，如下图所示。

将 的左侧向上提、右侧向下拉，可以得到更好的近似效果
加一个开口相反的幂函数就可到上述要求，即加一个奇次幂的幂函数。尝试
加上 ，如下图所示。

在 的基础上增加 ，得到

看上去新得到的 在 点附近的近似效果变差了，或者说弯过
头了；所以改为加上 ，如下图所示。可以看到，此时得到的

在 点附近的近似效果更好了。

在 的基础上增加 ，得到

2.2 第二次优化

如果想进一步优化，那么就需要将 的左侧向下拉一些，右侧向上

提一些，如下图所示。
 将 的左侧向下拉、右侧向上提，可以得到更好的近似效果

同样的只需加一个开口相反的幂函数，也就是加一个奇次幂的幂函数。这里
让我们加上 ，可以看到新得到的 在 点附近的近似

效果更好了，如下图所示。

在 的基础上增加 ，得到

以此类推，我们就可得到 在 点处的 阶泰勒公式：

同样的，对于函数 ，其在 点处的切线 可以近似

在 点附近的曲线：
如果要进行优化，就需要将 的左、右两侧同时向上提一些。只需加
一个开口相同的幂函数，也就是加一个偶次幂的幂函数。这里让我们加上

，可以看到新得到的 在 点附近的近似效果更好了：

如果想进一步优化，那么就需要将 的左侧向下拉一些，右侧

向上提一些。只需加一个开口相反的幂函数，也就是加一个奇次幂的幂函
数。这里让我们加上 ，可以看到新得到的 在

点附近的近似效果更好了：
以此类推，我们就可得到 在 点处的 阶泰勒公式：
单变量微积分 / 无穷大 / 负无穷大的定义

定义 . 设函数 在 上有定义。如果 ， ，
，有：

那么就称函数 是 时的 负无穷大 （Negative infinity）。可记

作：

上述定义和正无穷大的定义差不多，只是“ ”修改为了“
”。下面来看看这一修改带来的改变是什么。

1 负无穷大定义的解释

上述定义说的是，在 时，若函数值 比任意负数 都小，则函数

就是 时的负无穷大。

以下图中的函数 为例，随便给出某正数 ，以 为中心建立作一个区

域，也就是下图中的绿色区域。可找到 ，使得在 时，函数
的图像都在绿色区域的下方，也就是有 ，让我们用红色来表
示：

， ，有

并且不断增大 ，总 ，使得在 时，函数 的图像都在

绿色区域的下方，也就是有 ，那么该函数 就是 的负无
穷大：
 不论 多大， ， ，有

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。

2 极限不存在

这里需要强调一点的是，虽然 的负无穷大记作 ，但其

不趋于任何常数，所以 时的极限不存在：

在 时极限不存在

3 各种极限过程的负无穷大

除了这里的 ，还可以定义如下的负无穷大：

只需要将对应的极限定义进行如下修改：

“ ”修改为“ ”

“ ”修改为“ ”
单变量微积分 / 单调有界数列必有极限 / 单调数列和函数

本课会介绍一个重要的判断极限是否存在的准则，先介绍下单调数列和单调
函数的定义。

1 单调数列

定义 . 对于数列 ：
如果 ，有 ，则称该数列是 单调递增

（Monotonically increasing）的

如果 ，有 ，则称该数列是 单调递减

（Monotonically decreasing）的

如果 ，有 ，则称该数列是 严格单调递增 （Strictly

increasing）的

如果 ，有 ，则称该数列是 严格单调递减 （Strictly

decreasing）的

单调递增和单调递减的数列统称为 单调数列 （Monotonic sequences），严

格单调递增和严格单调递减的数列统称为 严格单调数列 （Strictly
monotonic sequences）。

比如下图左侧的是单调递增数列，右侧是单调递减数列，这两个数列都是单
调数列。

单调递增数列 单调递减数列

而下图中的两个数列就是严格单调数列，当然它们也是单调数列。

严格单调递增数列 严格单调递减数列
2 单调函数

定义 . 设函数 的定义域为 ，区间 ，如果对于区间 内任意

两点 和 ，当 时：
如果 ，则称该函数在区间 上 是 单调递增

（Monotonically increasing）的

如果 ，则称该函数在区间 上 是 单调递减

（Monotonically decreasing）的

如果 ，则称该函数在区间 上 是 严格单调递增 （Strictly

increasing）的

如果 ，则称该函数在区间 上 是 严格单调递减 （Strictly

decreasing）的

单调递增和单调递减的函数统称为 单调函数 （Monotonic functions），严

格单调递增和严格单调递减的函数统称为 严格单调函数 （Strictly
monotonic functions）。
单变量微积分 / 无穷大 / 三种无穷大的定义

在之前的学习中已经提到 、 以及 了，但只有大概的描述，本课就
来给出它们在各种自变量变化过程下的严格定义。先看看 时（可以点
击 TAB 页切换定义）：

时的正无穷大 时的负无穷大 时的无穷大

设函数 在 上有定义。如果 ， ， ，有：

那么就称函数 是 时的 正无穷大 （Positive infinity）。可记作：

上述三种无穷大和 时的函数极限的定义非常相似，又各自有一些区
别：

的函数极限 的正无穷大 的负无穷大 的无穷大

下面几节会分别图解这三个定义，并且为了方便阅读，都会将相关定义再誊
抄一遍。
 单变量微积分 / 一般的函数极限 / 常用的一般函数极限

定理 . （1） ；

（2） ;

（3） 。

证明 . （1）证明 。令 （这是常数函数），
，任取 ， 时有 ，根据一般的
函数极限定义，所以 。

（2）证明 。令 ， ，取 ，
时有：

根据一般的函数极限定义，所以 。

（3）证明 。令 ， ，取 ，
时有：

根据一般的函数极限定义，所以 。

结合上一般函数极限存在的充要条件，根据上述定理可推出：

Typesetting math: 100%

单变量微积分 / 柯西的数列极限 / 奥古斯丁·路易·柯西

古典微积分的问题本质上就是概念不清，比如说不清楚到底什么是“最终得到
的小矩形”：

贝克莱主教的质疑，什么是“最终得到的小矩形”

解决方案就是要将微积分严格化、数学化，其中登场的第一位大神，就是本
课要介绍的柯西，如下图所示。
 法国数学家，奥古斯丁·路易·柯西（1789－1857）

柯西是“极限”的重要发现者，他在微积分上的主要贡献是引入了数列来表示
矩形逼近曲边梯形这一过程，下面来看看其中的细节。
单变量微积分 / 定积分的定义 / 用更一般的矩形逼近

仔细想来，上一节做法还存在一些值得探讨的地方，比如：

如下图所示，不平分 可以吗？

如下图所示，选择小区间右端点的函数值作高可以吗？
 选择区间内任意一点的函数值作高可以吗？

任意划分区间、任意选择高后，算出来的面积还是一样的吗？

我们希望上面的答案都是肯定的。就好比现实生活中，不论用卷尺、激光尺
还是 AR 测量，得到的面积都是一样的。这里也是，不论怎么划分区间、怎
么取高最终算出来的面积一致才有意义。
单变量微积分 / 柯西的数列极限 / 用数列来表示逼近

上一节推出的用 个矩形逼近时的面积和

，然后通过动画展示了通过矩形来逼

近曲边梯形的过程，如下图所示。

为了研究方便，我们需要通过数学来表示这一逼近过程，本节就来解释这一
点，这也是柯西在极限问题上作出的重大贡献之一。

1 用数列来表示逼近

这里先介绍一下数列的定义（其中的符号 代表的是正整数）：

定义 . 如果按照某一法则，对每个 ，对应着一个确定的实数 ，这
些实数 按照下标 从小到大排列得到的一个序列，就叫做 数列
（Number sequence），也可以简记为数列 ：
其中的每一个数叫做数列的 项 （Term），第 项 叫做数列的 通项
（General term）。

关于这里的定义，有两点需要额外说明的：

和无序集合的符号很类似，故在本课程中一般会用“数列 ”加

以强调，或可根据上下文判断

在有的教材中还区分了有限项数列和无限项数列，其中用 表示

有限项数列， 表示起始项为 ， 表示最后一项为 ；用

表示无限项数列。在本课程中只涉及到无限项数列，可认为本

课程中提到的数列 即为

然后柯西说，像下面这样将不同个数矩形的面积和从少到多、依次放入一个
数列，就表示了通过矩形来逼近曲边梯形这一过程：
单变量微积分 / 齐次方程 / 齐次方程的例题

例 . 请求出 的通解。

解 . 该一阶线性微分方程方程可以变形为齐次方程：

令 ，有：

将之代入上述齐次方程，有：

将 回代可得如下通解：

通过观察可以发现 也是该一阶微分方程的解，所以 也是该一

阶微分方程的通解。
单变量微积分 / 一阶线性微分方程 / 一阶线性微分方程

1 一阶线性微分方程

定义 . 如果一个一阶微分方程能写成：

那么该一阶微分方程就称为 一阶线性微分方程 。如果 ，那么该方

程就是 齐次 的，否则就是 非齐次 的。

之所以称之为一阶线性微分方程，是因为如果将上述微分方程等号的左侧看
作关于 的函数，即：

那么该函数符合线性函数的定义，也就是满足（同学们可以自行验算下）：

齐次性：

可加性：

“齐次”与“非齐次”则和线性方程组中的齐次与非齐次类似，后面会看到一阶线
性微分方程和线性方程组确实很类似。

2 一阶齐次线性微分方程的求解方法

一阶齐次线性微分方程是可分离变量的微分方程，可以求得其通解如下：

其中 。

3 一阶非齐次线性微分方程的求解方法

对于一阶非齐次线性微分方程可以用所谓的 常数变易法 ，该方法说如果将一

阶齐次线性微分方程的通解中的常数 替换为未知函数 ，那么就得到了
一阶非齐次线性微分方程的通解，即：

齐次的通解 非齐次的通解

下面将 求出来。运用函数乘积的求导法则可以求出一阶非齐次线性微分
方程的通解的导函数为：
将 和 代入一阶非齐次线性微分方程 可得：

所以一阶非齐次线性微分方程的通解为：

可以将上述通解改写为如下的两项之和，其第一项为一阶齐次线性微分方程
的通解，其第二项为一阶非齐次线性微分方程的特解：

非齐次的通解 齐次的通解
非齐次的特解

4 拉格朗日和常数变易法

为什么常数变易法是可行的呢？这里来解释一下。据说常数变易法是法国数
学家拉格朗日给出的：

约瑟夫·拉格朗日伯爵（1736 － 1813）

我们无从得知拉格朗日当时是怎么思考的，下面给一种可能的思路。对一阶
非齐次线性微分方程进行如下求解：
上面没有完全求出来解，因为等式右侧还包含有 ，不过可以观察出解的情
况。令 ，所以上述解可以改写为：

这就是常数变易法一开始就笃定 是非齐次的通解的原因。
单变量微积分 / 可降阶的高阶微分方程 / 第一种类型

从本课开始我们来讨论一些二阶及以上的微分方程，即所谓的 高阶微分方程
。其中一些高阶微分方程是可以降阶的，本课来学习其中的三种。

1 型的微分方程

对于微分方程 ，两侧求不定积分就可以对其进行降阶，即：

再两侧求不定积分：

不断重复最终可以得到答案。

2 型的例题

例 . 请求出微分方程 的通解。

解 . 求三次不定积分可以得到通解：
单变量微积分 / 可降阶的高阶微分方程 / 第二种类型

1 型的微分方程

对于微分方程 ，可设 ，那么有 ，进行如下替换可完

成降阶：

2 型的例题

例 . 请求解如下初值问题：

解 .设 ，那么有 ，代入后得到可分离变量的微分方程：

所以：

结合上初值条件 可得出 ，所以 。再两侧求

不定积分可得：

结合上初值条件 可得出 ，因此所求特解为

。
单变量微积分 / 可降阶的高阶微分方程 / 第三种类型

1 型的微分方程

对于微分方程 ，可设 ，那么有：

进行如下替换可完成降阶：

2 型的例题

例 . 请求出微分方程 的通解。

解 .设 ，那么有 ，代入后得到可分离变量的微分方程：

其中

继续计算可得通解：

其中
单变量微积分 / 海涅定理 / 海涅定理的例一

本课程中大部分知识都在教我们如何求出极限，但并不能用于证明极限不存
在。因为海涅定理是极限存在的充要条件，所以常用来证明极限不存在，下
面来看两个例题。

例 . 请证明 不存在。

解 . 设函数 ，其图像参见下图。可见该函数在 点没有定

义，在 内函数曲线剧烈震荡，看上去似乎 时的极限不存在。

函数 的图像，在 点没有定义，在 内剧烈震荡

下面用海涅定理来证明 时的极限确实不存在，也就是
不存在。

（1）作出数列 。对于数列 ，其满足

且 ，也就是下图中 轴上的绿点。
 数列 的图像，也就是 轴上的绿点

这些绿点对应的函数值组成了数列 ，也就是下图中函数
曲线上的绿点。

数列 的图像，也就是函数 曲线上的绿点

（2）作出数列 。对于数列 ，满足

且 ，也就是下图中 轴上的红点；其对应的函数值组成
了数列 ，也就是下图中函数 曲线上的红点。
 数列 以及数列 的图像

（3）证明 不存在。显然函数 曲线上的绿点与红点

不相等，从而 ，如下图所示。

所以综合（1）、（2），运用海涅定理可得：

不存在
单变量微积分 / 一般的函数极限 / 右极限

定义 . 设函数 在 上有定义，其中 。如果 ，

， ，有：

那么就称 是函数 当 时的 右极限 ，或者称当 时函数

收敛于 ，记作：

若不存在这样的常数 ，就说当 时函数 没有极限，或说当

时函数 是 发散 的，也可以说 不存在。

一般的函数极限、左极限、右极限几乎一样，区别在于：

一般的函数极限 左极限 右极限

在 上有定义 在 上有定义 在 上有定义

下面以某函数 为例来解释下右极限的定义。

1 定义域

假设某函数 图像如下：

函数 的图像

定义中说“在 上有定义，其中 ”的意思是，在 右侧有定义即

可，有定义的范围具体是多大并不关心， 点是否有定义也不关心：
 函数 在 上有定义

为了讲解方便，我们一般还是默认 的定义域为自然定义域。但为了强调
去心邻域， 点依然用空心点来表示。

2 猜测

通过观察容易看出， 从右侧趋近 时，函数 图像会不断逼近图中的黑

色虚线，所以可合理猜测 时 的极限为 ，也就是该黑色虚线：

猜测函数 的右极限 为该黑色虚线

3 验证

随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，使得在 时，函数 的图像都在绿色区域内，让
我们用红色来表示。 左侧的函数图像在不在区间内完全没有关系：
 ， ，有

不断缩小 ，总 ，使得在 时，函数 的图像都在绿色

区域内：

不论 多小， ， ，有

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。
 单变量微积分 / 数列极限的性质 / 数列极限的唯一性

上一课学习了数列极限的定义，本课来推导其相关性质，这样可以更好地理
解数列极限的定义，也方便之后的学习。

1 数列极限的唯一性

定理（数列极限的唯一性）. 如果数列 收敛，那么它的极限唯一。

证明 . 用反证法。假设同时有 和 ，且 。
取 ，因为 ，根据数列极限的定义，故
，当 时始终有：

同理，因为 ，根据数列极限的定义，故 ，当
时始终有：

取 （该式子表示 是 和 中最大的那个数），那么
当 时有：

Typesetting math: 100% 这显然是矛盾的，所以假设不成立，本定理证明完毕。

 该定理的几何意义很清晰，如下图所示，一旦证明 ，则其它黑色
虚线就不可能是极限了。

若中间黑色虚线为 ，则其它黑色虚线就不可能是极限

2 唯一性的应用

借助数列极限的唯一性可判断数列 是发散的。如下图所示，数列
不断取得 和 。

数列 不断取得 和

若数列 存在极限 ，根据数列极限的唯一性，则该极限 必是唯一确

定的。若取 ，则由 和 决定的区间也是唯一确定的。该区间宽 ，
所以无论如何都不可能同时覆盖上下的点，如下图所示。此时必有无限个点
在区间外，所以数列 是发散的。

Typesetting math: 100%

 唯一确定的、宽为 的绿色区间不可能同时覆盖上下的点

Typesetting math: 100%

单变量微积分 / 数列极限的性质 / 收敛数列的子数列

定理（收敛数列的子数列也收敛）. 若某数列 收敛于 ，则其任一子

数列也收敛，且极限也为 。

证明 . 设数列 为数列 的任一子数列。由于 ，根据数列

极限的定义可知，有 时， ，当 有 。

当 时， 是 的一部分（ 解释 ），所以必然也有
，所以有 。

举例说明下上述定理，比如从下图可以看出，数列 和其子数列都不断逼
近 ，所以不难想象它们的极限都为 。

数列 数列 的子数列

根据该定理，还可以判断数列 是发散的。数列 有两个子数列

和 ：
这两个子数列的极限分别为 和 ，并不相等，根据收敛数列的子数列也收
敛且极限相等，所以数列 是发散的。
单变量微积分 / 趋于无穷的函数极限 / 无穷极限存在的充要条件

定理 . 函数 趋于无穷的函数极限存在的充要条件为趋于正无穷的函数
极限以及趋于负无穷的函数极限都存在且相等，即：

证明 . （1）证明充分性。已知 ，那么：

根据趋于正无穷的函数极限定义有 ， ， ，有

根据趋于负无穷的函数极限定义有 ， ， ，有

取 ，那么有 ， ， ，有
，根据趋于无穷的函数极限定义，所以有：

（2）证明必要性。已知 ，根据趋于无穷的函数极限定
义，此时有 ， ， ，有 ，所以有：

， ， ，有 ，根据趋于正无穷的函

数极限定义有

， ， ，有 ，根据趋于负无穷的

函数极限定义有

所以有：
比如函数 ，之前证明过 ，从下图中容易看出
。

函数 的图像

而下图中的函数 ，容易看出 和 ，所以

是不存在的。

和 ，所以 不存在
单变量微积分 / 一般的函数极限 / 左极限

定义 . 设函数 在 上有定义，其中 。如果 ，

， ，有：

那么就称 是函数 当 时的 左极限 ，或者称当 时函数

收敛于 ，记作：

若不存在这样的常数 ，就说当 时函数 没有极限，或说当

时函数 是 发散 的，也可以说 不存在。

上述定义和一般的函数极限定义大同小异，只是定义域从 修改为了
，将 修改为了 。下面以某函数 为例
来解释该定义。

1 定义域

假设某函数 图像如下：

函数 的图像

定义中说“在 上有定义，其中 ”的意思是，在 左侧有定义即

可，有定义的范围具体是多大并不关心， 点是否有定义也不关心：
 函数 在 上有定义

为了讲解方便，我们一般还是默认 的定义域为自然定义域。但为了强调
去心邻域， 点依然用空心点来表示。

2 猜测

通过观察容易看出， 从左侧趋近 时，函数 图像会不断逼近图中的黑

色虚线，所以可合理猜测 时 的左极限为 ，也就是该黑色虚线：

猜测函数 的左极限 为该黑色虚线

3 验证

随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，使得在 时，函数 的图像都在绿色区域内，让
我们用红色来表示。 右侧的函数图像在不在区间内完全没有关系：
 ， ，有

不断缩小 ，总 ，使得在 时，函数 的图像都在绿色

区域内：

不论 多小， ， ，有

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。
单变量微积分 / 趋于无穷的函数极限 / 趋于正无穷的函数极限

定义 . 设函数 当 大于某数时有定义。如果 ， ，
，有：

那么就称 是函数 当 时的 极限 ，或者称当 时函数

收敛于 ，记作：

若不存在这样的常数 ，就说当 时函数 没有极限，或说当

时函数 是 发散 的，也可以说 不存在。

上述定义和趋于无穷的函数极限定义差不多，只是定义域从“ 大于某一正
数”修改为了“ 大于某数”，将“ ”修改为了“ ”，下面以某函数
为例来解释上述定义。

1 定义域

假设某函数 图像如下：
 某函数 的图像

定义中说“当 大于某数时有定义”，从图像上看就是右侧有定义即可，左侧部
分有没有定义是无所谓的：

函数 在右侧有定义即可，左侧部分无所谓

因为是无所谓的，为了讲解方便，我们一般还是默认 的定义域为自然定
义域。

2 猜测

通过观察，可知函数 图像随着 的增大越来越靠近图中的黑色虚线，所

以可合理猜测 时 的极限为 ：

猜测函数 的极限 为该黑色虚线

3 验证
随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，在 的右侧，函数 的图像都在绿色区域内，让我们用红色
来表示：

， ，有

不断缩小 ，总 ，在 的右侧，函数 的图像都在绿色区域内：

不论 多小， ， ，有

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。
单变量微积分 / 一般的函数极限 / 单侧极限

在《单变量微积分》中还有最后两种极限需要介绍，就是左极限和右极限。
这两种极限也可以统称为 单侧极限 。

这里就借助下面的函数 来分别介绍这两种极限。

函数 的图像

1 左极限

不论函数 在 点是否有定义，可以看到令 从左侧趋近 ，其函数图像

会不断逼近黑色虚线 ，如下图所示。

为函数 在 点的左极限

从左侧趋近 在数学上就记作 ，所以上述极限可记作

，该极限也称为左极限，具体的定义之后会给出。

2 右极限
如果令 从右侧趋近 ，其函数图像会不断逼近黑色虚线 ，如下图所示。

为函数 在 点的右极限

从右侧趋近 在数学上就记作 ，所以上述极限可记作

，该极限也称为右极限，具体的定义之后也会给出。
单变量微积分 / 柯西的数列极限 / 数列的定义

定义 . 如果按照某一法则，对每个 ，对应着一个确定的实数 ，这
些实数 按照下标 从小到大排列得到的一个序列，就叫做 数列
（Number sequence），也可以简记为数列 ：

其中的每一个数叫做数列的 项 （Term），第 项 叫做数列的 通项

（General term）。

关于这里的定义，有两点需要额外说明的：

和无序集合的符号很类似，所以在本课程中一般会用“数列 ”

加以强调，或可根据上下文来判断

在有的教材中还区分了有限项数列和无限项数列，其中用 表示

有限项数列， 表示起始项为 ， 表示最后一项为 ；用

表示无限项数列。在本课程中只涉及到无限项数列，可认为本

课程中提到的数列 即为

比如数列：

其通项就是 ，所以该数列也可以记作 。
单变量微积分 / 无穷小 / 极限和局部

至此，《单变量微积分》中要学习的数列极限、趋于无穷的函数极限、一般
的函数极限等各种极限都已介绍完毕，后面要学习这些极限的性质和计算
了。为了方便之后的讲解，先说明下这些极限的共性，也就是“局部”。

1 局部的定义域

对于不同极限，“局部”的内涵是不一样的，这里先以定义域为例来解释下。

对于数列极限，数列 在“局部”有定义指从 开始有定义，如下图所示。

时，数列 在“局部”有定义指从 开始有定义

而对趋于无穷的函数极限，函数 在“局部”有定义指在 左侧、 右侧

有定义，如下图所示。

时，函数 在“局部”有定义指在 左侧、 右侧有定义

再比如一般函数的极限，函数 在“局部”有定义指在某去心邻域 有定
义，如下图所示。
 时，函数 在“局部”有定义指在某去心邻域 有定义

2 局部在区间内

再举一类例子，对于数列极限，数列 “局部”在绿色区域内，指从 开始
在绿色区域内，如下图所示。

时，数列 “局部”在绿色区域内，指从 开始在绿色区域内

而对于左极限，函数 “局部”在绿色区域内，指 在绿色区域

内，如下图所示。
 时，函数 “局部”在绿色区域内，指 在绿色区域内

相信同学们对“局部”有一些感性认识了，就不再赘述了，等到后面用到时候
会再进行解释。
单变量微积分 / 海涅定理 / 海涅定理

本课介绍一个极限存在的充要条件：海涅定理。该定理对于各种极限都成立
（之前证明过的收敛数列的子数列也收敛也可看作是海涅定理的一种情
况），下面给出 的版本：

定理（海涅定理）. 对函数 定义域内的任意，且满足 ，

的数列 ，有：

证明 . （1）必要性。已知 ，根据函数极限的定义， ，
， 时有 。

又已知 ，根据数列极限的定义， , 时有
。结合上 ，故 时有：

从而 时有 ，即 。

（2）充分性。已知函数 定义域内的任意且满足 ，
的数列 ，还满足 。

用反证法，假设此时有 ，根据函数极限的定义， ，给
定 ， 使得 ； 使得
； 使得 ，以此类推得到
。

由 组成的数列 满足 以及：
所以当 时，数列 的极限不为 ，即 ，与条件
矛盾，因此 。

该定理看上去很复杂，结合几何来理解下。

1 必要性

海涅定理的必要性说的是，如果已知 ，那么：

选择某数列 ，满足 且 ，也就是下面动图中左侧

轴上的蓝点

数列 对应的函数值可以构成数列 ，有 ，参见

下面动图中的右侧

左侧 轴上蓝点为数列 ，满足 且 ，以及

或像下图左侧的数列 ，满足 且 ，也有

，见下图右侧。

左侧 轴上蓝点为数列 ，满足 且 ，以及

2 充分性

而海涅定理的充分性说的是，若如上抽点组成的所有数列数列 的极限
都是 ，那么 。
单变量微积分 / 海涅定理 / 海涅定理的例二

除了上节中 的情况，海涅定理对各种自变量变化过程都有效，这里再
举一个 的例子。

例 . 请证明 不存在。

解 . （1） 。对于数列 ，有
，即下图左侧 轴上的绿点；其对应的函数值 都是
的波峰上的点，也是下图右侧的绿点，所以有 。

（2） 。或者对于数列 ，有
，即下图左侧 轴上的红点；其对应的函数值 都是
的波谷上的点，也是下图右侧的红点，所以有 。

（3）综上， ，根据海涅定理，所以
不存在。
单变量微积分 / 极限的运算法则 / 极限运算法则的例二

例 . 请求出下列极限：

（1） ； （2） ；

（3） 。

解 . （1）求 。该式的分子 和分母

都是 时的无穷大，证明略，参见下图。

，以及

即分子、分母在 时的极限不存在，无法运用极限的运算法则，需另
想办法。因为在 过程中 ，所以分母、分子同除 ：

其中的 、 、 和 都为 ，这是因为根据极限的

运算法则以及之前求出的 ，有：

其中 为常数。

（2）求 。该式的分子 和分母

都是 时的无穷大，证明略，参见下图。
 ，以及

即分子、分母在 时的极限不存在，无法运用极限的运算法则，需另
想办法。因为在 过程中 ，所以分母、分子同除 ：

（3）求 。这实际上是（2）式的倒数，根据无穷小

与无穷大的关系可知：

根据上面的例题，可以总结出更一般的结论：

定理（有理分式趋于无穷时的极限）. 若 ， ， 、 都是非
负整数，则：

， 当

， 当

， 当
单变量微积分 / 极限的运算法则 / 无穷小的乘法

与普通运算中的 类似，有：

定理 . 有界函数与无穷小的乘积是无穷小。

证明 . 该定理的证明因不同的极限大同小异，这里以 为例来证明
下。假设函数 在 内有界，以及 。

可得 ， 时有 ；以及 ， ，
时有 。取 ，所以 时
有：

即 。

比如已知 ；又知 是去心邻域 内的有界函数，那么根据上

述定理可知 。如下图所示。

， 在 内有界，所以

通过上述定理还可以得到以下有用的推论：

常数与无穷小的乘积是无穷小，因为常数函数是有界函数

有限个无穷小的乘积是无穷小，因为无穷小也是有界函数

练习题

请问 为
 A

D
不存在

提交答案 查看解答
 单变量微积分 / 极限的运算法则 / 极限运算法则的例一

例 . 请求出下列极限：

（1） ； （2） ；

（3） ； （4） 。

（5） 。

解 . （1）求 。根据极限的运算法则以及常用的一般函数极限
有：

（2）求 。根据极限的运算法则以及常用的一般函数极

限有：

（3）求 。注意到分母的极限为：

所以不能用极限的运算法则。尝试因式分解：

因为在 的局部，也就是 时 ，所以可上下同除

，因此有：

（4）求 。这道题比较特殊，包含一个未

知的常数 ，下面来分析下。首先注意到分母的极限为：

分子的极限为：

Typesetting math: 100%

 若分子的极限不为 时，即 时，那么：

若分子的极限为 时，即 时，那么：

（5）求 。计算过程如下：

这里需要注意的是，如下计算是错误的：

这是因为极限的运算法则只能作用在有限多个表达式上。

Typesetting math: 100%

单变量微积分 / 趋于无穷的函数极限 / 趋于无穷的函数极限例二

例 . 请求出 。

解 . （1） 如下图所示， 对比趋于无穷的函数极限例一中的图像可知，

可由 向左横移得到，这种横移不会改变 时的极限，所以根

据趋于无穷的函数极限例一有 。

函数 的图像

（2）也可通过趋于无穷的函数极限定义来证明，该定义要求 ，
， 时有 。这里需要证明 ，根据其中的
不等式可推出：

所以令 ，则 时有 ，所以 。
单变量微积分 / 夹逼定理 / cosx在x->0时的极限

例 . 请求出 。

解 . 根据 ，以及上一节得到的 时有
，还有倍角公式 ，可知
时有：

也就是 时有 ，如下图所示。

时有

因为 时有 ，且 ，根据夹

逼定理所以有 ，从而推出：
单变量微积分 / 复合函数的极限 / 趋于无穷的情况

例 . 请求出 。

解 . 本题中要求的是 时的极限，和复合函数的极限中的 不
一样，但可参照其思路进行求解。

（1）代数计算。令 ， ，那么有

，仿照对复合函数的极限的分析，有：

， 时 有定义
， 时

（2）几何直观。令 ， ，那么有

，所以：

在 坐标系中，当 逼近 时， 会逼近

复合后 变为了 的输入，所以在 坐标系中， 从右侧单边

逼近

在 坐标系中， 从右侧单边逼近 ， 依然会逼近

上述连锁反应可以参见下面的动图：

，使得 ，最终

因此：
因为极限的种类很多，复合函数的极限的情况很多，这里无法一一推算，同
学们可以自己举一反三。
单变量微积分 / 连续函数的运算与初等函数的连续性 / 极限求解的例题

例 . 请求出下列极限：

（1） ；（2） ；

（3） ；（4） ；

（5） 。

解 . （1）求 。根据复合函数的连续性以及欧拉数

，可得：

（2）求 。令 ，则 ，当 时
，结合上（1）可得：

（3）求 。令 ，则 ，

当 时 ，结合上（1）可得：

（1）、（2）、（3）实际上证明了之前给出的常见的等价无穷小中的
， ， 。

（4）求 。根据复合函数的连续性以及常见的等价无穷小
，可得：

（5）求 。根据复合函数的连续性、常见的等价无穷小
、 以及无穷小的替换，可得：
单变量微积分 / 函数的连续性 / 连续函数

定义 . 在区间上每一点都连续的函数，叫做在该区间上的 连续函数
（Continuous function），或者说函数在该区间连续。如果区间包括端点，
那么函数在右端点连续是指左连续，在左端点连续是指右连续。

比如之前证明了 ，故函数 在自然定义域上是连续函数，如下

图所示。

在自然定义域内是连续函数

再比如下图中的函数 是闭区间 上的连续函数，其在 点右连续，在

点（ ）连续，在 点左连续。

是闭区间 上的连续函数
单变量微积分 / 通过极限求出圆的面积 / 圆的面积是πr²
单变量微积分 / 不定积分的换元法 / 第一类换元法

之前交代了，不定积分是之后学习求解曲边梯形面积的关键。但根据上一课
学习的基本积分表和不定积分的性质，能计算的不定积分十分有限。所以本
单元的剩余部分都会介绍各种求不定积分的方法，让我们从换元法开始。

1 第一类换元法

定理（不定积分的第一类换元法）. 设 具有原函数 ，
可导，则有：

证明 . 因为 且可导，所以套用链式法则可得：

即 是 的原函数，所以根据不定积分的定义有：

通过上述定理的证明可知，第一类换元法实际上是链式法则的逆向运用：

链式法则

第一类换元法

下一节会讲解一些例子，这样更有助于理解该定理。
单变量微积分 / 不定积分的换元法 / 第二类换元法的例题

例 . 请求出下列不定积分：

（1） ； （2） ；

（3） ；

解 . （1）求 。此处求解的难度在于根式 ，可利用

三角恒等式 来化去根式。

设 ，此时 为严格单调的可导函数，换元
后也不会改变函数 的定义域。所以要求的不定积分可化为：

根据此处例（2）的结论，可得:

由于 ，所以：

所以：

上面运用的就是不定积分的第二类换元法，具体过程如下：

换元：

回代：

（2）求 。和例（1）类似，可利用三角恒等式

来化去根式。
设 ，此时 为严格单调的可导函数，换元

后也不会改变函数 的定义域。根据基本初等函数的导函数以

及基本积分表，有：

由于 ，所以 ，据此作出辅助三角形，如
下图所示。

的三角形

所以：

因此：

其中 。

（3）求 。和例（1）、例（2）类似，可利用三角恒等式

来化去根式。注意到 的定义域为 和

这两个区间，所以需要分区间讨论。

当 时，设 ，此时 为严格单调的可导函

数，换元后也不会改变函数 的定义域。注意到 时

有 ，根据基本初等函数的导函数以及基本积分表，并且，
所以：
由于 ，所以 ，据此作出辅助三角形，如下图
所示。

的三角形

所以 ，因此：

当 时，令 ，那么 ，根据上段的结果，有：

综合 和 的结果可得：

上面例子中的（2）和（3）在基本积分表里面。
 单变量微积分 / 分部积分法和有理函数的积分 / 有理函数的积分

两个多项式的商 称为 有理函数 ，又称为 有理分式 ，这里总假定分子多

项式 与分母多项式 之间没有公因式。当分子多项式 的次数小

于分母多项式 的次数时，称该有理函数称为 真分式 ，否则称为 假分式
。然后：

对于假分式，可利用多项式的除法，将之化为一个多项式与一个真分式

之和，比如这里的例（4）中的：

对于真分式 ，若分母可分解为两个多项式的乘积

，且 与 没有公因式，那么该真分式可拆

分成两个更简单的真分式之和：

进行上面的一系列拆解后，有理函数的积分就容易求出了，下面来看一些例
子。

1 有理函数积分的例题

例 . 请求出下列不定积分：

（1） ； （2） ；

（3） 。

解 . （1）求 。被积函数的分母可分解为 ，
故可设：

其中 为待定系数。则：

解上述线性方程组可得 、 ，根据基本积分表，所以有：

Typesetting math: 100%

 （2）求 。设：

其中 为待定系数。则：

解上述线性方程组可得 、 以及 ，根据基本积分表，所
以有：

（3）求 。被积函数分母的两个因式 与

有公因式，故重新分解为 ，因此有：

解上述线性方程组可得 、 以及 ，根据基本积分表，
所以有：

Typesetting math: 100%

Typesetting math: 100%
单变量微积分 / 不定积分的概念与性质 / 达布定理

上一节介绍了原函数存在的一个充分条件，即原函数存在定理。本节再来介
绍一个原函数存在的必要条件。

1 达布定理

定理（达布定理）. 设函数 在开区间 上可导，且存在 及

。若 ，则对于 与 之间的任意一个数 ，
有：

在 和 之间

证明 . 因 ，不妨设 ，设 ，则
有：

因为 介于 之间，所以：

根据极限的局部保号性，可得：

在 的右侧某邻域（不含 ）有 ，从而推出

在 的左侧某邻域（不含 ）有 ，从而推出

故 、 均不为最小值，但因为 是连续函数，根据有界性与最大
值最小值定理，可知 在 上必有最小值，不在端点取得，只能在
上取得。

即 ，使得 为最小值，也是极小值。根据费马引理，此时有：

达布定理说的其实就是，若函数 在开区间 上可导，那么其导函数

必定在开区间 上存在介值性（也就是说导函数 在开区间
上可以取到 、 之间的所有值，关于这点可以参考介值定理）：

函数 可导 导函数 存在介值性

也就是说，如果不满足介值性，那么一定不存在原函数，所以这是原函数存
在的一个必要条件。
比如，像下图中具有这样跳跃间断点的函数 ，其中有一段值在函数上无
法取得。那么根据达布定理，该函数 在对应的区间上不可能有原函数。

有跳跃间断点的函数 ，其中某一段不存在介值性

但如果满足介值性，那么某些不连续的函数也可以有原函数。比如上一节提
到过的：

有震荡间断点的函数

实际上在不连续的函数中，只有像上图一样具有震荡间断点的才可能有原函
数。
单变量微积分 / 定积分与面积 / 曲线之间的面积例二

例 . 请求出由直线 及抛物线 所围成图形的面积，如下图所

示。

由直线 及抛物线 所围成的图形

解 . 有多种方法可以求出本题中要求的面积，下面来介绍其中两种。

（1）解下列方程组：

以及

即这两者的交点为 以及 ，如下图所示。

由直线 及抛物线 所围成的图形，及其交点 和

据此可将所求面积拆为 、 以及 三个部分，如下图所示。
将直线 及抛物线 所围成图形拆为 、 、 三部分

这三个部分的面积分别为：

是函数 在区间 上的曲边梯形面积

由于对称，有

是由 、 、 以及 所围成图形的面积，

在区间 上有

所以由直线 及抛物线 所围成图形面积 为：

（2）或将所求面积视作由 、 、 及 所围

成图形的面积，如下图所示。

由 、 、 及 所围成的图形

由上图可知，当 时有 。根据曲线之间的面积，所以

要求的由 、 、 及 所围成图形的面积 为：
单变量微积分 / 定积分与面积 / 椭圆的面积

例 . 请求出椭圆 的面积。

解 . 如下图所示，该椭圆图形关于 轴、 轴都对称，所以其面积为
，其中 为该椭圆在第一象限的部分。

椭圆 的图形

根据上图可知，在第一象限中 和 是隐函数，所以：

接下来运用定积分换元法来求出 ，因为该椭圆的参数方程为：

所以令 ，则 ， ，可推出：

当 时，取 ；当 时，取

所以：

在我们的《线性代数》课程中，介绍了如何通过行列式来推导椭圆面积，
其结果和上面一致，同学们可以参考以及相互印证。
单变量微积分 / 定积分与面积 / 极坐标下的面积

1 曲边扇形

定义 . 由 及两条射线 、 所围成图形称为 曲边扇形 。

下图所示的就是某曲边扇形。

2 极坐标下的面积

定义 . 若极坐标函数 在区间 上连续，且有：

则定义由 及两条射线 、 所围成的曲边扇形的面积

为：

下面通过一个例子来解释一下上述定义。也是和曲边梯形的面积类似，我们
可以通过小扇形的面积和来计算曲边扇形的面积，如下图所示。
让我们观察下其中的小扇形。把区间 任意分为 份，其中某子区间
的角度差为 ，作半径为 （ ）中心角
为 的小扇形，如下图所示。

根据高中几何知识，可知该小扇形的面积为 ，所以在区间
上 个小扇形的面积和为如下黎曼和：

令 ，因为极坐标函数 在区间 上连
续，根据可积的充分条件 1，所以 时上述黎曼和的极限存在，也就是可
积。所以定义由 及两条射线 、 所围成的曲边扇形的面积
为：
单变量微积分 / 物理中的应用 / 万有引力

万有引力 说的是，质量为 、 的两物体之间会有一个大小相等、方向相

反的吸引力，如下图所示。

质量为 和 的物体之间会有一个大小相等、方向相反的吸引力

若将上述两物体看作质点，则两者之间引力大小为 ，其中 是
引力系数。下面来看一道与引力相关的例题。

1 万有引力的例题

例 . 如下图所示，某线密度为 的均匀细直棒沿 轴放置在 区间上（这

里为了展示方便画上了宽度，实际上是没有的）。又在 点处有一质量为
的质点 ，请求出该细直棒对质点 的引力。

某均匀细直棒沿 轴放置在 区间上，质点 在 点处

解 .以 点为中心作长度为 的红色小矩形，其中 ，如下图所

示。结合上细直棒的线密度为 ，可以算出该红色小矩形的质量
。
 以 点为中心、长度为 的红色小矩形

若将红色小矩形看作位置在 的质点 ，那么可计算出质点 与质点

的距离为 ；质点 对质点 的引力可用向量 表示，其在
质点 对质点 连线上，如下图所示。

将红色小矩形看作位置在 的质点 ，质点 与质点 之间的万有引

力为

因此红色小矩形对质点 的引力可近似看作质点 对质点 的引力，根据

上面介绍万有引力公式，其大小 为：

所以红色小矩形对质点 的引力在 轴方向的分力 为：

所以细直棒对质点 的引力在 轴方向的分力 为：

这里通过不定积分的第二类换元法计算上述等式中的不定积分，令
，有：
由于 ，所以 ，据此作出辅助三角形，如
下图所示。

的三角形

所以 ，所以：

因此根据牛顿-莱布尼兹公式，有：

由于细直棒关于 对称，所以 点和 点对质点 在 轴方向上的

分力会互相抵消，所以细直棒对质点 的引力在 轴方向的分力 。
单变量微积分 / 从古典微积分说起 / 开普勒第二定律

自古以来，人们都渴望揭示星空的秘密，似乎做到这一点，就可以从神的手
中接过权杖。

从仰望星空开始，人类就距揭示宇宙奥秘只有一步之遥了。 ----刘慈欣《朝闻
道》

20 多年来，丹麦天文学家第谷（如下图左侧所示）一直在丹麦皇家天文台观
察行星运转，临死时把观察数据交给了他的助手，德国天文学家、数学家开
普勒（如下图右侧所示，但似乎没有书面文件说明开普勒可以使用这个数
据，所以后面还扯了些官司出来）。
 第谷·布拉赫（1546 －1601） 约翰内斯·开普勒（1571－1630）

开普勒继承数据后，就以“日心说”为假设，花了好几年的时间，日算夜算，
归纳总结出了开普勒三定律（是的，活生生的通过数据猜出来的），成功地
预测了一个个天文现象，达到了中世纪天文的高峰。其中开普勒第二定律说
的是，在相等时间内，太阳和运动着的行星的连线所扫过的面积都是相等
的，如下图所示。

也就是说，上图中：

每块的面积相等，且，行星经过各段路程的时间也相同

所以运用开普勒第二定律时会要求不规则图形的面积，这就对数学提出了一
个不好回答的问题。
单变量微积分 / 从古典微积分说起 / 以直代曲

1 以直代曲，线性近似

计算复杂的面积，我们需要化繁为简。比如阿基米德：

马同学高等数学
古希腊数学家，阿基米德（前287－前212）

他在计算圆的面积时，就是用简单的、好计算的内接正多边形去逼近，从而
得到答案：

多边形是直线组成的，圆是曲线，所以这种思想称为 以直代曲 ，其在数学中

更正式的称谓是 线性近似 （Linear approximation）。

2 曲边梯形

“线性近似”的思想还可用在更一般的复杂图形上，比如微积分的主要研究对
象：曲边梯形。
曲边梯形 是一种由某曲线、曲线的两侧边界以及 轴围成的图形（这里先给
出大致的描述，在后面课程中会给出严格定义），如下图所示。

由某曲线、曲线的两侧边界以及 轴围成的曲边梯形

根据“线性近似”的思想，可以用一些矩形来逼近曲边梯形的面积，如下图所
示。

用矩形来逼近曲边梯形

矩形越多逼近效果就越好，如下图所示。
单变量微积分 / 从古典微积分说起 / 古典微积分

1 古典微积分

如下图所示，通过矩形来逼近曲边梯形，最终算出曲边梯形的面积，就是最
初的 微积分 ，本课程称之为 古典微积分 。

通过矩形来逼近曲边梯形

不断增加矩形，即不断缩小矩形，最终得到的小矩形在古典微积分中称为 微
分 ，如下图所示。
 古典微积分中的微分

然后将无数这样的微小矩形的面积加起来，从而算出曲边梯形的面积，如下
图所示，这就是古典微积分中的 积分 。

古典微积分中的积分

2 古典微积分的问题

在古典微积分发明的年代，有一位微积分发展史上的著名“大反派”，这就是
贝克莱主教，如下图所示。

英裔爱尔兰哲学家，爱尔兰科克郡克洛因镇主教，乔治·贝克莱（1685－
1753）
他提出了著名的质疑，到底什么是“最终得到的小矩形”（作为一个主教，用
数学的思维来攻击数学，这明明是被神学耽误了的数学家啊），如下图所
示。

贝克莱主教的质疑，什么是“最终得到的小矩形”

这是因为“最终得到的小矩形”这个说法经不起推敲，仔细想想是存在矛盾
的：

“最终得到的小矩形”的面积肯定不能为 0，否则无穷多个 0 相加仍然为 0

“最终得到的小矩形”面积必须是最小的，否则相加后得到的面积始终会

和曲面梯形有一些误差

假设“最终得到的小矩形”的宽为 ，那么很显然宽为 的矩形更小，所

以“最终得到的小矩形”面积不可能是最小的

本课程会尝试从解决古典微积分中的问题开始，逐步介绍更严谨的微积分是
什么样子的。
单变量微积分 / 趋于无穷的函数极限 / 趋于负无穷的函数极限

定义 . 设函数 当 小于某数时有定义。如果 ， ，
，有：

那么就称 是函数 当 时的 极限 ，或者称当 时函数

收敛于 ，记作：

若不存在这样的常数 ，就说当 时函数 没有极限，或说当

时函数 是 发散 的，也可以说 不存在。

趋于无穷的函数极限定义、趋于正无穷的函数极限定义、趋于负无穷的函数
极限这三个定义几乎一样，区别在于：

的函数极限 的函数极限 的函数极限

大于某正数时有定义 大于某数时有定义 小于某数时有定义

下面以某函数 为例来解释趋于负无穷的函数极限。

1 定义域

假设某函数 图像如下：
 某函数 的图像

定义中说“当 小于某数时有定义”，从图像上看就是左侧有定义即可，右侧部
分有没有定义是无所谓的：

函数 在左侧有定义即可，右侧部分无所谓

因为是无所谓的，为了讲解方便，我们一般还是默认 的定义域为自然定
义域。

2 猜测

通过观察，可知函数 图像随着 的减小越来越靠近图中的黑色虚线，所

以可合理猜测 时 的极限为 ：
 猜测函数 的极限 为该黑色虚线

3 验证

随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，在 的左侧，函数 的图像都在绿色区域内，让我们用红
色来表示：

， ，有

不断缩小 ，总 ，在 的左侧，函数 的图像都在绿色区域内：

不论 多小， ， ，有

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。
 单变量微积分 / 柯西的数列极限 / 柯西的数列极限

1 柯西的数列极限

将上述数列 绘制到坐标系上，其中横轴为矩形个数 ，纵轴为矩形面积

和 。可以看到随着 增大， 不断增大，但也不会无限增大，最终会趋
于一个定值，也就是曲边梯形的面积 （具体的计算在后面的课程中进行讨
论），如下图所示。

柯西就说该数列 是有极限的，可记作：

此数列（用通项表示） 等于 曲边梯形的面积
趋于无限大时

上述极限也就是柯西定义的数列极限：

定义 . 若某数列无限趋于某实数，与该实数的差可以任意小，则该确定的
实数称为此 数列的极限 。
Typesetting math: 100%
 2 是否存在误差

不少同学可能会觉得无论是哪一个 ，都和曲边梯形的面积 存在误差，所

以最终的极限 是和曲边梯形的面积 存在误差的，如下图所示。

上面说的前半部分是对的，但后面得到的推论是错误的，这里详细解释一
下：

数列 中的每一项确实都和曲边梯形的面积 存在误差，但不能由此

推出极限 也和曲边梯形的面积 存在误差，因为 并不在

数列 中

在数学中，极限 就是曲边梯形面积 的定义式（这种说法没什么

太大问题，只是还不够严格，在后面的单元还会重新讨论），即

。所以 和 两者根本就是一回事，因此不存在误差

Typesetting math: 100%

 单变量微积分 / 柯西的数列极限 / 无穷大符号的说明

1 无穷大符号

上一节出现了 符号，它表示的是无穷大，这里包含了两种无穷大（严格定
义后面再给出）：

一种是正无穷大，意思是比所有正数都大，用 表示

一种是负无穷大，意思是比所有负数都小，用 表示

关于无穷大的符号可以总结如下（这些符号符合同济大学《高等数学
（上）》第七版中的规定，和美式教材，比如普林斯顿大学的《微积分读
本》不太一样，请读者自行甄别）：

无穷大：
正无穷大：
负无穷大：

2 数列极限中的无穷大符号

特别的，在上一节数列极限中出现的 符号：

因为 ，即为正整数，所以这里的 实际指的就是正无穷大。

Typesetting math: 100%

单变量微积分 / 魏尔斯特拉斯的数列极限 / 柯西数列极限的问题

1 求不出极限

前面介绍了，在古典微积分中提出了用矩形和逼近曲边梯形的面积，而柯西
明确了用数列来表示逼近过程，但如何求出极限还没有讲清楚：

选择用矩形和 求出
算出矩形和的通项
来逼近曲边梯形 从而得到曲边梯形的面积
柯西
古典微积分 ？

比如上一课求出了 个矩形的面积和 ，如下图所示，但 还是算不

出来。

个矩形的面积和

2 定义不够清楚
之所以求不出来，是因为柯西的数列极限的定义还不够清楚，来回顾下该定
义：

若某数列无限趋于某实数，与该实数的差可以任意小，则该确定的实数
称为此 数列的极限 。

该定义在具体问题上没有什么指导意义，比如数列 ，如下

图所示，看起来围绕着 上下浮动，那么到底算不算“无限趋于0”？算不
算“与0的差可以任意小”？这在柯西的定义里并没有交代。

的图像

再比如常数数列 ，如下图所示，一直和 的误差都为0，那么

它算不算“无限趋于1”？

的图像

还比如数列 ，如下图所示，仿佛围绕着 上下浮动，

但是又不敢那么肯定，因为看上去好像有时会远离。要用柯西的定义去证明
它的极限就比较困难。
 的图像

所以我们需要一个更好的数列极限的定义，这就是本课要讨论的问题。
单变量微积分 / 魏尔斯特拉斯的数列极限 / 数列极限的严格定义

定义 . 对于数列 ，如果存在实数 ，对于任意给定的正实数 （不论它

多么小），总存在正整数 ，使得对所有的 时，有：

那么就称 是数列 的 极限 ，或者称数列 收敛于 ，记作：

若不存在这样的常数 ，就说数列 没有极限，或说数列 是 发散

的，也可以说 不存在。

该定义诘屈聱牙，其实就说了两个意思：

猜测：根据数列 的特点，猜测极限为某实数

验证：对于猜测肯定会有一些怀疑，所以要想办法去验证上述猜测的正

确性

下面借助例子来进一步讲解这两个意思。

1 猜测

先说猜测，对应定义中的“如果存在实数 ”。因为这里没有说明如何求出 ，
所以只能根据数列 的特点，猜测极限为某实数 （具体怎么猜测，在后
面的课程中会有更详细的阐述）。

比如下图是某数列 的图像，图像中的三条黑色虚线都可以是我们的猜测
对象。但根据数列 的特点，最有可能的还是中间那条黑色虚线，所以合
理地猜该虚线为极限 ，如下图所示。
 合理猜测中间的黑色虚线为极限

2 验证

然后再说验证，对应定义中的“对于任意给定的正实数 （不论它多么小），
总存在正整数 ，使得对所有的 时，有 ”。这里有好几层
意思，需要一一讲解。

首先可以随便给一个正实数 ，以 为中心作一个区间，也就是下图中的绿色
区域。可以看到前 3 个点在绿色区间外，之后的点都在绿色区间内，在绿色
区域内的点让我们用红色来表示。

以 为中心作绿色区间，从第四个点开始（红色的点）都在该区间内

如果用数学来表述上图的话，那就是令 ，当 时，始终有
，如下图所示。
 令 ，当 时，始终有

如果无论如何缩小绿色区域，始终只有有限个点在此区间外。也就是说，如
果总能找到合适的 ，使得当 时，都有 ，如下图所示。

不论 多小，总能找到合适的 ，当 时，始终有

那么根据本节介绍的数列极限的定义，此时就说明我们猜测的 是该数列
的极限，记作：

或
单变量微积分 / 魏尔斯特拉斯的数列极限 / 数列极限的另外一种定义

如果引入两个逻辑符号：

逻辑符号 含义 解释

任意 对应英文
存在 对应英文

来更简洁地表达如下的意思：

逻辑符号 含义

对任意的正数
存在正整数
所有的

那么上一节的数列极限定义可以改写如下：

定义 . 对于数列 ，如果 ， ， ，有：

那么就称 是数列 的 极限 ，或者称数列 收敛于 ，记作：

若不存在这样的常数 ，就说数列 没有极限，或说数列 是 发散

的，也可以说 不存在。

下面就用修改后的定义来实战下如何求出某数列的极限，请看下一节。
练习

设 代表全人类，则下列说法正确的是

A
， ， 是 的父亲

B
， ， 是 的父亲

提交答案 查看解答
 单变量微积分 / 魏尔斯特拉斯的数列极限 / 数列极限的例子

例 . 已知数列 ，请求出 。

解 . （1）猜测。可以尝试写出数列的前面 项 ，观察

到其图像是不断逼近于 轴的，也就是不断逼近于 的，如下图所示。所以

可合理猜测数列 的极限为 ，也就是假设 。

随着 的增大，数列 不断逼近于

（2）验证 时的情况。假设此时数列极限定义中用于验证的不等
式 成立，那么有：

所以可合理假设 （因为 是自然数，所以进行了取整），那么当

时始终有 。画出图来就是从第 5 个点开始就都
在绿色区间内了（虽然第 4 个点也在区间内，不过不重要，多一个、少一
Typesetting math: 100%
个对结果没有影响 ），如下图所示。
 时始终有

上面的结论如果换成更简练的符号语言就是， 时，令 ，
有 。

（3）验证 时的情况。假设此时数列极限定义中用于验证的不
等式 成立，那么有：

所以可合理假设 （因为 是自然数，所以进行了取整），那么当

时始终有 。画出图来就是从第 7 个点开始就
都在绿色区间内了，如下图所示。

时始终有

上面的结论如果换成更简练的符号语言就是， 时，令 ，
有 。

（4）验证 为任意正数时的情况。假设此时数列极限定义中用于验证
的不等式 成立，那么有：

Typesetting math: 100%

 所以合理假设 （ 符号的意思是向上取整，也就是 为大于

的整数），那么当 时始终有 。用更简练的符号来表

示，令 ， 有 ，所以根据数列极限定义，有
。

顺便说下，如果我们假设 会发生什么情况。验证 为任意正数时的情

况，假设此时数列极限定义中用于验证的不等式 成立，那么有：

所以 会在一个区间之内，我们没有办法找到合适的 ，从而 不可能是

数列 的极限。

练习

之前讲解阿基里斯悖论的时候提到了如下的数列：

此数列 的极限是存在的，即 ， ， ，有
，那么：

提交答案 查看解答

Typesetting math: 100%

 单变量微积分 / 魏尔斯特拉斯的数列极限 / 魏尔斯特拉斯的数列极限

在解决柯西数列极限问题的路上，数学家们来回拉锯了一百多年，直到被誉
为“现代分析之父”（这里的“分析”大概就是“数学严格化”的意思）的魏尔斯特
拉斯登场，如下图所示。在魏尔斯特拉斯手中承前启后，最终完成了这个任
务，给出了数列极限的定义（也就是同济大学《高等数学》中的数列极限定
义）。

德国数学家，卡尔·特奥多尔·威廉·魏尔斯特拉斯（1815－1897）

下一节会看到，该数列极限定义还是很复杂的，确实是微积分学习中的第一
只拦路虎。所以本节先直观地解释下该定义的思路。

1 站在巨人肩膀上

Typesetting math: 100%

 首先还是要站在巨人肩膀上，从柯西的数列极限开始：

若某数列无限地趋向于某一实数，与该实数的差可以任意小，则该确定
的实数称为此数列的极限。

这个定义说的就是，随着 增大，数列 不断逼近某一实数，也就是下图

中的黑色虚线，那么该实数就是极限 。

数列 不断逼近

上述说法是没有问题的，但不严谨，下面来看看应该怎么改进。

2 两个人的对话

让我们以数列 为例讲述下改进的思路，其图像如下所示。

的图像

想象有甲、乙两位同学在讨论该数列 的极限：

甲说：“我敢断言，该数列 的极限为 0。”

Typesetting math: 100%
 乙说：“我不信，你凭什么这么说啊？”

甲说：“因为随着 的增大，数列 可以无限接近于横轴，也就是无限

接近于 0，你想多接近就有多接近。”

随着 的增大，数列 无限接近于 0

乙说：“无限接近？接近到 0.6 可以吗？”

甲说：“当然可以，让我们以 0 为中心，2 倍 0.6 为高，做出一个绿色的

矩形区域。可以看到除了第一个点，其他点都在绿色区域内。这说明从

第二个点开始，所有的点与 0 的距离都小于 0.6，这些点可以用红色标

出。”

从第二个点开始（红色的点）与 0 的距离都小于 0.6

乙说：“嗯，看来 0.6 是可以的，那 0.3 可以吗？”

甲说：“当然可以，让我们以 0 为中心，2 倍 0.3 为高，做出一个绿色的

矩形区域。可以看到除了第一、二、三个点，其他点都在绿色区域内。

这说明从第四个点开始，所有的点与 0 的距离都小于 0.3。”

Typesetting math: 100%
 从第四个点开始（红色的点）与 0 的距离都小于 0.3

乙说：“嗯，看来 0.3 也是可以的，那 0.2、0.1 可以吗？”

甲说：“当然可以，无论你给出多小的距离，我都可以告诉你从哪一项开

始能满足要求，也就是说数列与 0 的距离可以是任意小，所以说其极限

为0。”

从某个点开始（红色的点）与 0 的距离都小于任意给出的距离

因此在乙同学的不断质疑下，通过甲同学的不断验证，最后证明了该数列的
极限为 0。这就是数列极限定义的思路，下面来看看数学家给出的严格定义是
什么样子的。

Typesetting math: 100%

单变量微积分 / 趋于无穷的函数极限 / 从离散到连续

到目前为止，我们还是没有办法求出下述极限：

因为函数是数学中研究最多的对象，如果可以定义函数的极限，那么对我们
的目标会大有裨益。本课就来尝试将数列极限扩展为趋于无穷的函数极限。

1 函数的极限

之前证明了数列 的极限为 ，这点从下图中也容易看

出来。

数列

上述数列可视作以正整数为自变量的函数：
因此该数列的极限也可以改写如下，改写后的极限也称为函数的极限：

2 从离散到连续

如果把自变量由正整数推广到实数：

图像就从上图中离散的点变为了下图中连续的曲线。

可以看到，此时自变量 趋于正无穷以及负无穷，如下图所示（作图时，因
为纵坐标是 轴，所以将函数表示为了 ，这和 是同样的意
思）。

自变量 趋于正无穷，以及负无穷

容易看出， 趋于正无穷和负无穷时 的极限都为 0，记作：

此时，在数学上称 趋于无穷时 的极限为 0，记作：

但是，之前的数列极限的定义需要修改下才能适应现在的情况。
单变量微积分 / 趋于无穷的函数极限 / 趋于无穷的函数极限

定义 . 设函数 当 大于某正数时有定义。如果 ， ，
，有：

那么就称 是函数 当 时的 极限 ，或者称当 时函数

收敛于 ，记作：

若不存在这样的常数 ，就说当 时函数 没有极限，或说当

时函数 是 发散 的，也可以说 不存在。

上述定义和数列极限的定义大同小异：

相同之处为，都是先猜测极限 ，然后去验证

不同之处如下：

数列极限 的函数极限

数列 函数 当 大于某正数时有定义

下面以某函数 为例来解释上述定义。

1 定义域

假设某函数 的图像如下所示。
 某函数 的图像

定义中说“当 大于某正数时有定义”，也就是说两侧有定义即可，中间部分
有没有定义是无所谓的，如下图所示。本课程为了讲解方便，一般还是默认
函数 的定义域为自然定义域。

函数 在两侧有定义即可，中间部分无所谓

2 猜测

如下图所示，函数 围绕其中的黑色虚线上下波动，所以可合理猜测该黑
色虚线为 时该函数的极限 。
 猜测函数 的极限 为该黑色虚线

3 验证

随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，在 的左侧及 的右侧，函数 的图像都在绿色区域内，
让我们用红色来表示。

， ，有

不断缩小 ，总 ，在 的左侧及 的右侧，函数 的图像都在绿

色区域内，如下图所示。
 不论 多小， ， ，有

上述用数学符号表示为， ， ， 时有 。根
据本节的定义所以有 。
单变量微积分 / 趋于无穷的函数极限 / 趋于无穷的函数极限例一

例 . 请求出 。

解 . （1）猜测。观察下图可知， 不断增大以及 不断减小时，函数

是不断逼近于 轴的，也就是不断逼近于 的。所以可合理猜测函数 在
的极限为 ，也就是假设 。

函数 的图像

（2）验证 时的情况。假设此时趋于无穷的函数极限定义中用于
验证的不等式 成立，那么有：

或
取 ，那么当 时始终有

。也就是说在 的左侧以及 的右侧，函数 都

在绿色区域内，如下图所示。

时，令 ， 有

上面的结论换成更简练的符号语言就是， 时，令 ，
有 。

（3）验证 为任意正数时的情况，假设此时趋于无穷的函数极限定义
中用于验证的不等式 成立，那么有：

所以令 ，那么当 时始
终有 。

用更简练的符号来表示，令 ， 有 ，所以

根据趋于无穷的函数极限定义，有 。
单变量微积分 / 一般的函数极限 / 飞矢不动悖论

到目前为止学习了数列极限、趋于无穷的函数极限，其实已经可以开始讨论
如何求出下述极限了：

不过还是先介绍“单变量微积分”课程中的最后一种极限，也就是一般的函数
极限，然后一并解决这些极限的计算问题。

1 飞矢不动

让我们从“飞矢不动”悖论谈起，该悖论源于芝诺观察了射出的箭后：

射出的箭击中了目标

同他的学生进行了如下对话：

芝诺问他的学生：“一支射出的箭是动的还是不动的？”

学生：“那还用说，当然是动的。”

芝诺：“确实如此，在每个人的眼里它都是动的。可这支箭在每一个瞬间

里都有它的位置吗？”

学生：“有的，老师。”

芝诺：“在这一瞬间里，它占据的空间和它的体积一样吗？”

学生：“有确定的位置，又占据着和自身体积一样大小的空间。”

芝诺：“那么，在这一瞬间里，这支箭是动的，还是不动的？ ”

学生：“不动的，老师。”

芝诺：“这一瞬间是不动的，那么其他瞬间呢？”
 学生：“也是不动的，老师”

芝诺：“所以，射出去的箭是不动的？”

也就是说上面一顿聊后，得到的结论是，在某个确定的时刻，箭的瞬时速度
为 ，如下图所示。

在每个时刻，箭的瞬时速度为

这个事情显然太诡异了，我们来看看现代的物理是怎么回答这个问题的。
单变量微积分 / 一般的函数极限 / 瞬时速度

1 飞箭的瞬时速度

例 . 假设飞箭射出后位移 与时间 的函数如下，请求出飞箭在 时刻的瞬

时速度 。

上式中 的意思是非负实数。

解 . （1）计算平均速度。在时间-位移坐标系中，即在 坐标系中，作出函
数 的图像，如下所示。

函数 的图像

根据高中物理知识可知，若要计算时刻 及稍后时刻 之
间的平均速度 ，就需知道该区间花费的时间 以及发生的位移 ，如
下图所示。

某区间对应的时间 及位移

容易算出 之间的平均速度为：
 （2）计算瞬时速度的思路。不断缩小 ，求出的 就是更小区间的平
均速度，如下图所示。

不断地缩小 ，求出更小区间的平均速度

当 为 时该区间缩小为点，是不是就求出了 时刻的瞬时速度了？可
惜这样做是不允许的：

右侧的式子是非法的

分母不能为

不过不断缩小 确实可以发现一些规律，就是相应的平均速度 在不断逼近

：

数学家说，当 缩到不能缩时，或说当 无限趋于 时，得到的就是

时刻的瞬时速度 ，记作：

上面的瞬时速度 是通过之前的表格猜测出来的，后面会对其进行验证。

2 一般的函数极限

上面例子中的平均速度 是关于 的函数：

出于习惯，我们还是以 为自变量，所以上述函数可改写为：

其图像如下，在 点该函数是没有定义的，所以用空心点来表示。

函数 的图像

我们面临的问题是，在 点该函数没定义，但又想知道 无限趋于 点时

的极限值，这就需要本课下面要介绍的一般的函数极限了。

练习

下面的计算过程正确吗？

当 时，就得到了 的瞬时速度 。

A
正确

B
错误

提交答案 查看解答
 单变量微积分 / 一般的函数极限 / 一般的函数极限

定义 . 设函数 在 上有定义。如果 ， ，
，有：

那么就称 是函数 当 时的 极限 ，或者称当 时函数

收敛于 ，记作：

若不存在这样的常数 ，就说当 时函数 没有极限，或说当

时函数 是 发散 的，也可以说 不存在。

上述定义和数列极限的定义、趋于无穷的函数极限定义大同小异：

相同之处为，都是先猜测极限 ，然后去验证

不同之处如下：

数列的极限 无穷函数的极限 一般函数的极限

数列 当 大于某正数时有定义 在 上有定义

下面以某函数 为例来解释上述定义。

1 定义域

假设某函数 图像如下：
Typesetting math: 100%
 某函数 的图像

定义中说“在 上有定义”，这有两层意思：

在 点附近有定义即可，没说附近有多大，所以下图中我们在 附近随

便圈定了一个范围

在去心邻域 上有定义，即不关心在 点是否有定义，所以下图中

我们用空心点来表示

函数 在 上有定义

为了讲解方便，默认 的定义域为自然定义域。但为了强调去心邻域，
点依然用空心点来表示。

2 猜测

如下图所示，越靠近 点函数 越接近其中的黑色虚线，所以可合理猜测

该黑色虚线为 时该函数的极限 。

Typesetting math: 100%

 猜测函数 的极限 为该黑色虚线

3 验证

随便给一个 ，以 为中心作一个区间，也就是下图中的绿色区域。可以
找到 ，使得在 时，函数 的图像都在绿色区域内，让我
们用红色来表示。

， ，有

不断缩小 ，总 ，使得在 时，函数 的图像都在绿色区

域内，如下图所示。

Typesetting math: 100%

 不论 多小， ， ，有

上述用数学符号表示为， ， ， 时有
。根据本节的定义所以有 。

Typesetting math: 100%

单变量微积分 / 一般的函数极限 / 一般函数极限的例子

例 . 已知 ，请求出 。

解 . （1）猜测。这里的函数 就是瞬时速度一节求出的平均速度函数，
其在 点没有定义，如下图所示。在瞬时速度一节还通过计算猜测其极
限为 ，即假设 。

猜测函数 的极限

（2）验证 时的情况。假设一般的函数极限定义中用于验证的不
等式 成立，那么有：

因为 的定义域为去心邻域 ，即 ，所以可把 约去：

代入 可得：
 或

也就是说取 ，当 时，始终有 。也就是

说在 和 之间且 时，函数 的图像都在绿色区域内，如下图所
示。

时，令 ， 有

上面的结论用更简练的符号来表示就是， 时，令 ，
有 。

（3）验证 为任意正数时的情况。假设一般的函数极限定义中用于验
证的不等式 成立，那么有：

所以令 ，当 时，始终有 。

用更简练的符号来表示，令 ， 有 ，所以
根据一般的函数极限定义有 。
单变量微积分 / 一般的函数极限 / 一般函数极限存在的充要条件

定理 . 函数 一般的函数极限存在的充要条件为左极限以及右极限都存
在且相等，即：

证明 . （1）证明充分性。已知 ，那么：

根据左极限的定义有 ， ， ，有

根据右极限的定义有 ， ， ，有

取 ，那么有 ， ， ，有
，根据一般的函数极限的定义，所以有：

（2）证明必要性。已知 ，根据一般的函数极限的定义，
此时有 ， ， ，有 ，所以有：

， ， ，有 ，根据左极限的

定义有

， ， ，根据右极限的定义有

所以有：

比如在下图中，函数 在 点的左极限为 ，右极限为 ，两者并不相

等。根据上述充要条件，因此 时的极限是不存在的。
 ， ， 不存在

而在下图中，函数 在 点的左、右极限都为 ，根据上述充要条件，因

此 时的极限也为 。
单变量微积分 / 无穷大 / 无穷小与无穷大的例一

例 . 对于函数 ，已知 ，请问 是 时的无穷大

吗？

解 . （1）利用无穷小与无穷大的关系进行证明。虽然函数 在
时有 ，如下图所示。

函数 的图像，有

但其在去心邻域 中不为 ，即：

也就是说满足无穷小与无穷大中的“在相应的局部有 ”，所以

是 时的无穷大，如下图所示。

函数 的图像，有

（2）利用正无穷大的定义进行证明。由于 的过程中，
都是大于 的，这说明 在于 的过程中都是大于
的，因此还可以知道 是 时的正无穷大。这从上面给出的

函数图像也可看出，不过下面还是来证明一下。

，假设正无穷大定义中用于验证的不等式 成立，那么可推

出：

所以取 ， 有：

因此 。
单变量微积分 / 魏尔斯特拉斯的数列极限 / 极限猜测错误、不存在

1 猜测错误

如果对极限 的猜测是错误的，比如猜测下图中的黑色虚线为 ，可以看到

当 足够大时，除了有限个点，其余的点都在绿色区域内。

当 足够大时，除了有限个点，其余的点都在绿色区域内

但随着 的缩小，会有无数个点在绿色区域外。也就是说找不到合适的 ，
使得当 时始终有 ，如下图所示。
 随着 的缩小，会有无数个点在绿色区域外

2 极限不存在

这里需要强调的是，验证的关键在于，是否有无数个点在区间外。比如上图
的情况，再比如下图的情况，当正实数 足够小时有无数个点在区间内，但更
重要的是有无数个点在区间外，这说明该猜测是错误的。

当正实数 足够小时，始终有无数个点在区间外

再仔细观察下上图，可发现该数列 没有任何趋向，所以怎么猜测都是错
误的，其极限 并不存在。
单变量微积分 / 一般的函数极限 / 极限的小结

至此，我们总共花了三课：

魏尔斯特拉斯的数列极限

趋于无穷的函数极限

一般的函数极限

学习了七种极限，这也是《单变量微积分》课程中要学习的所有极限了。其
中函数极限看上去有六种，其实区别不大，后面很多性质往往对所有的函数
极限都成立，所以有时也会用 来指代函数极限：

数列极限

函数极限

这里说明下，虽然数列极限也是一种特殊的函数极限，不过一般还是分开来
表示。
单变量微积分 / 无穷小 / 无穷小的定义

定义 . 对于数列 ，如果 ，则称数列 为 时的 无

穷小 （Infinitesimal）。

对于函数 ，如果满足 则称函数 为此自变量变化过程

（指 ， 等）的 无穷小 （Infinitesimal）。

举例说明下上述定义，比如之前证明过的 ，故数列 为
时的无穷小，其图像如下所示。

数列 的图像

再比如之前证明过的 ，故函数 为 时的无

穷小，其图像如下所示。

函数 的图像
单变量微积分 / 无穷小 / 无穷小的意义

极限 的值可以为各种实数，为什么特别定义 为无穷小
呢？这里尝试解释下。

1 无穷小之和

之前在介绍古典微积分时解释过，曲边梯形的面积是无数小矩形面积之和，
如下图所示。

曲边梯形的面积是无数小矩形面积之和

下面按照上述解释来计算曲边梯形的面积。设某曲边梯形由直线 、
、 及函数 围成，如下图所示。

由直线 、 、 及函数 围成的某曲边梯形

将闭区间 均分为 份，各区间的宽度都为 ，并标记各个分割点，如

下图所示。
 将闭区间 均分为 份，各区间宽

如下图所示，第 个小矩形的高为 ，底为 ，所以其面积 为

。很显然 是 时的无穷小。

第 个小矩形的面积为 ，有

第 个小矩形只是这些小矩形的代表，所以可知道这些小矩形的面积都是
时的无穷小。从几何意义上看，就是在小矩形增加时，所有小矩形的
面积都在趋于 ，如下图所示。

所有小矩形的面积都在趋于
而曲边梯形面积是这些小矩形面积之和，也就是说曲边梯形面积是一系列无
穷小之和：

曲边梯形面积 小矩形面积 无穷小

所以无穷小对于微积分有特殊的意义。

2 无穷小分析引论

欧拉所写的《无穷小分析引论》是微积分的奠基著作之一，如下图所示。从
该书名字也可看出，无穷小对于微积分的重要意义。

瑞士数学家，莱昂哈德·欧拉（1707－
1783） 《无穷小分析引论》
单变量微积分 / 无穷大 / 无穷大的定义

定义 . 设函数 在 上有定义。如果 ， ，
，有：

那么就称函数 是 时的 无穷大 （Infinity）。可记作：

上述定义和之前介绍的正无穷大的定义、负无穷大的定义非常相似，区别在
于：

时的正无穷大 时的负无穷大 时的无穷大

下面来看看“ ”这一修改带来的改变是什么。

1 无穷大定义的解释

上述定义说的是，在 时，若函数绝对值 比任意正数 都大，则

函数 就是 时的无穷大。

比如下面的函数 ，随便给出某正数 ，以 0 为中心建立作一个区域，也

就是下图中的绿色区域。可找到 ，使得在 时，函数 的
图像都在绿色区域外，也就是有 ，让我们用红色来表示：

， ，有

并且不断增大 ，总 ，使得在 时，函数 的图像都在

绿色区域外，也就是有 ，那么该函数 就是 的无穷大：
 不论 多大， ， ，有

上面所说的用数学符号来表示即为， ， ， 时有
。根据本节的定义，所以有 。

2 无穷大的几种情况

仔细观察上面举的例子，会发现 时 ， 时
，这是 的一种情况：

的一种情况： ，

之前介绍的 时的正无穷大，其实也是 的一种情况：

 的一种情况：

还有之前介绍的 时的负无穷大的定义，也是 的一种情

况：

的一种情况：

3 极限不存在

这里需要强调一点的是，虽然 的无穷大记作 ，但其不趋

于任何常数，所以 时的极限不存在：

在 时极限不存在

4 各种极限过程的无穷大

除了这里的 ，还可以定义如下的无穷大：

只需要将对应的极限定义进行如下修改：
“ ”修改为“ ”

“ ”修改为“ ”
单变量微积分 / 无穷大 / 无穷小与无穷大

定理 . 在自变量的同一变化过程中：
若 为无穷小，且在相应的局部有 ，则 为无穷大。该

结论也记作

若 为无穷大，则 为无穷小。该结论也记作

证明 . 下面以 为例来证明下，其它的自变量变化过程（如 、
、 等）可以此类推。

（1）设 ，且在相应的局部有 。 ，根据

一般的函数极限定义，令 ， ， 时有：

根据条件“在相应的局部有 ”，可假设 时有
，令 ，则 时有：

所以 为 时的无穷大。

（2）设 。 ，根据无穷大的定义，令 ，
， 时有：

即 ，所以 为 时的无穷小。

比如之前证明过的数列 为 时的无穷小，且 ，根据

本节给出的定理，所以说 为 时的无穷大，如下图所示。
单变量微积分 / 极限的性质 / 极限的唯一性

之前学习了数列极限的唯一性、收敛数列的有界性以及收敛数列的保号性，
实际上这三个定理对各种极限都成立，本课就来学习一下。

1 极限的唯一性

定理（极限的唯一性）. 如果有 ，那么该极限 唯一。

证明 . 该定理的证明因不同的极限大同小异，这里以 为例来
证明下。

用反证法，假设同时有 和 ，且 。取
，因为 ，根据一般函数的极限定义，故
， 时有：

同理，因为 ，根据一般函数的极限定义，故 ，
时有：

取 ，那么 时有：

这显然是矛盾的，所以假设不成立，本定理证明完毕。

该定理的几何意义很清晰，比如下图中的函数 ，其左极限为
，无限逼近黑色虚线 ；其右极限为 ，无限逼
近黑色虚线 。这两个极限都是唯一确定的。
，以及
 单变量微积分 / 极限的性质 / 极限的局部有界性

定理（极限的局部有界性）. 如果有 ，那么函数 在相应

的局部是有界的。

证明 . 该定理的证明因不同的极限大同小异，这里以 为例来
证明下，此时根据一般函数的极限定义，取 ， ，
时有：

取 ，那么 时有 ，也就是说此时 有
界。因为限定了 ，所以称为局部有界。

该定理的几何意义很清晰，比如下图中有 ，那么在某去心邻域
内，函数 是在某绿色区域内的，这也就意味着此时 是有界
的，这就是“相应的局部是有界的”。

在 内，函数 是有界的

再比如下图中有 ，那么在某 的左边、 的右边，函数

是在某绿色区域内的，这也就意味着此时 是有界的，这也是“相应的局部
是有界的”。

Typesetting math: 100%

 在 的左边、 的右边，函数 是有界的

Typesetting math: 100%

 单变量微积分 / 极限的性质 / 极限的局部保号性

1 极限的局部保号性

定理（极限的局部保号性）. 如果 ，且 （或 ），
那么在相应的局部始终有 （或 ）。

证明 . 该定理的证明因不同的极限大同小异，这里以 为例
来证明下，此时根据一般函数的极限定义，取 ， ，
时有：

该定理的几何意义很清晰，比如下图中有 ，在某去心邻域
内，函数 是在某大于 的绿色区域内的，也就是此时有 。

在 内，函数

或者比如下图中有 ，在某 的左边、 的右边，函数

是在某小于 的绿色区域内的，也就是此时有 。

Typesetting math: 100%

 在 的左边、 的右边，函数

2 局部保号性的推论 1

定理（局部保号性的推论 1）. 如果 （ ），则在相应的

局部始终有 。

仔细观察极限局部保号性的证明，就可以得到上述推论。也可以通过图像来
理解一下，比如下图中有 ，只要取 ，那么绿色区域

的下沿就是 ，此时在 内，有 。

在 内，函数

或者比如下图中有 ，只要取 ，那么绿色区域的上沿

就是 ，此时在 内，有 。

在 内，函数

Typesetting math: 100%

 综合上述两种情况，那么就有 。

3 局部保号性的推论 2

定理（局部保号性的推论 2）. 如果 ，且在相应的局部始终有

（或 ），那么 （或 ）。

证明 . 该定理的证明因不同的极限大同小异，这里以 ，且
为例来证明下。

（1）用反证法，如果 ，则由极限的局部保号性可
知， ， 时有 。

（2）取 ，则 时，根据条件有 ，
根据（1）有 ，两者矛盾。所以（1）中的假设是错误的，因此
。

该定理的几何意义很清晰，比如下图是函数 的图像。

对于函数 ， 时始终有 ， 时始终有

容易看出其在 的局部，即在 的左侧始终有 ，此时的极

限为 ；也容易看出其在 的局部，即在 的右侧始终有
，此时的极限为 ，证明见这里。

Typesetting math: 100%

 单变量微积分 / 无穷小 / 极限与无穷小

定理 . 极限 存在的充要条件为：

其中 为自变量的同一变化过程（ 一点说明 ）的无穷小，即有 。

证明 . 下面以 这一自变量变化过程为例来证明下。

（1）证明充分性。已知 ，可推出 ；因为

，根据一般函数的极限定义可推出， ， ，
，有 ，综合起来有：

（2）证明必要性。已知 ，根据一般函数的极限定义可推
出， ， ， ，有 。设
（即 ），所以有：

1 几何意义

上述定理对于数列极限也适用，这里以某数列 为例从几何角度解释下该
定理。

假设有 ，其中某点 与 的差值为 ，如下图所示。可观察

出 随着 的增大会无限趋近于 ，即 为 时的无穷小。令
，所以有 ，这就是上述定理中的必要性。

Typesetting math: 100%

 2 代数意义

本定理也有重大的代数意义，注意该定理的式子两侧，一侧没有极限符号，
一侧有极限符号：

没有极限符号 有极限符号

也就是说该定理可以帮助我们脱去极限符号，方便运算，这在后面的证明、
计算题中会看到。

Typesetting math: 100%

单变量微积分 / 极限的运算法则 / 无穷小的加法

下面来介绍极限的运算法则，正如普通的四则运算法则需要先定义 0 的运算
法则：

无穷小就是极限运算中的 0，所以要先定义无穷小的运算法则。

1 无穷小的加法

与普通运算中的 类似，有：

定理 . 两个无穷小之和是无穷小。

证明 . 该定理的证明因不同的极限大同小异，这里以 为例来证明
下。假设有 时的两个无穷小：

可得 ， ， 时有 ；以及 ，
时有 。取 ，则 时
有：

即 。

比如已知 和 ，那么根据上述定理可知
，如下图所示。

， ，所以
通过上述定理还可以得到推论：有限个无穷小之和是无穷小。
单变量微积分 / 极限的运算法则 / 极限的运算法则

1 函数极限的运算法则

定理 . 如果 ， ，那么：

（1） ；

（2） ；

（3）若又有 ，则：

证明 . 已知 ，根据极限与无穷小的关系可知：

其中 ， 为无穷小，下面来分别证明。

（1）证明 。根据上面
得到的结论有：

根据无穷小的加法，所以 为无穷小。根据极限与无穷小的关系，所以
有：

（2）证明 。根据上面得到
的结论有：

令 ，根据无穷小的运算法则，所以 为无穷小。根
据极限与无穷小的关系，所以有：

（3）证明 时，有 。设

，则：
根据无穷小的运算法则，所以上式的右半部分 为无穷小。下面证
上式的左半部分 是局部有界的，这里以在 内有界为例来进

行证明。

由于 ，根据局部保号性的推论 1， ，
时有：

所以：

这就证明了 在 内有界。根据有界函数乘以无穷小是无穷

小，所以有：

是 无穷小

无穷小
有界函数

所以：

2 数列极限的运算法则

定理 . 设有数列 和 ，如果 ， ，那么：

（1） ；

（2） ；

（3）当 （ ），且 ，则：

其实数列极限的运算法则和上面的函数极限的运算法则几乎完全一样，就是
（3）有些微区别，这主要是为了保证数学的严格性，因为数列 中的
，所以需要保证 （ ）。

3 极限运算法则的推论
定理（极限运算法则的推论）.

（1）如果 存在，则 ；

（2）如果 存在，则 ；

（3）如果在相应的局部有 ，且 、 ，
则 。

证明 . （1）根据极限运算的法则，以及常数函数的极限 ，可以推
出：

（2）根据极限运算的法则，有：

（3）令 ，所以在相应的局部有 。根据极限

运算的法则以及局部保号性的推论 2，所以有：

所以 。

练习题

已知 ，则下列说法正确的是：

A
， 可能都不存在

B
， 可能只有一个存在

C
， 一定都存在

D
以上皆不正确

提交答案 查看解答
单变量微积分 / 极限的运算法则 / 抛物线下的面积

例 . 在“柯西的数列极限”一课，我们求出了用于逼近曲边梯形的矩形面积和
，如下图所示。

、 和 、以及 围成的曲边梯形，其下的矩形面积和为

请求出 ，也就是求出曲边梯形的面积。

解 . 根据平方和公式：

可以得到：

根据有理分式趋于无穷的极限可知：

经过数节学习，终于求出 、 和 、及 围成的曲边梯形面
积为 ，如下图所示。
 、 和 、以及 围成的曲边梯形面积为

但这不过是一个特殊曲边梯形的面积，要找到通用的解法还有很长的路要
走，微积分的大幕只是徐徐拉开，本单元还需要继续学习极限相关的知识。
单变量微积分 / 复合函数的极限 / 复合函数的极限

1 复合函数的极限

定理（复合函数的极限）. 设函数 由函数 和函数

复合而成， 在 有定义，若：

且 ，当 时，有 ，则：

证明 . 根据一般函数的极限定义，由 可得， ，
， 时有：

由 可得，对于上面的 ， ， 时有：

由条件可知， ，当 时，有 。取
，则 有：

即 有：

综上，从而：

时有
时有
时有

即 。

上述定理很复杂，这里将之精简一下：

时 有定义
时

也就是说总共有 4 个条件需要满足，这里先解释前面两个条件：
 （1） ，意味着 时有 ，即 逼近 时有
逼近 。值得注意的是， 指的是 以任意方式来逼近 ，比如像
下图所示 从左右两侧匀速逼近 。

从左右两侧匀速逼近 时有

（2） ，意味着以 规定的方式逼近 ，所以最终有

。具体的细节如下：

因为 ，所以在 坐标系中，当 逼近 时， 会逼

复合后 变为了 的输入，所以在 坐标系中， 会以 规

定的方式逼近

在 坐标系中， 以 规定的方式逼近 ， 依然会逼近

上述连锁反应可以参见下面的动图：

，使得 ，最终

2 复合函数极限的例子
上面的描述可能还是有点抽象，下面看一个具体的例子。

例 . 请计算 。

解 . （1）代数计算。令 ， ，那么有

，所以本题要求解的就是复合函数的极限。根据上面

的分析有（解题的时候从 开始分析会比较方便）：

时 有定义
时

（2）几何直观。因为 ，即 时有
。下图展示的是 从左右两侧匀速逼近 时有 逼近 。

从左右两侧匀速逼近 时有

复合上 后，有：

在 坐标系中，当 逼近 时， 会逼近

复合后 变为了 的输入，所以在 坐标系中， 从右

侧单边逼近

在 坐标系中， 从右侧单边逼近 ， 依然会逼近

上述连锁反应可以参见下面的动图：
 ，使得 ，最终

所以：

3 另外两个条件

上述复合函数的极限定理中，还有如下两个条件没有细谈：

时 有定义

下面两节会分别解释这两者是什么意思。
单变量微积分 / 洛必达法则 / 未定式

洛必达法则是用来求未定式极限的，这里先来介绍下什么是未定式。

1 未定式

定义 . 对于：

此时 可能存在、也可能不存在，该极限也称为 未定式

（Indeterminate form），或称为 不定式 的，并分别简记为 型或者

型。

这里解释下在数学中为什么要给出上述定义。一般来说我们可以通过极限的
运算法则来计算如下极限：

但当其为 型或者 型时上述方法就行不通了，所以这一类极限的计算没有

通用的方法，所以这一类极限的求解就成为了计算上的难点，也是考试的重
点，比如：

之前求过的

之前求过的

后面例子中将要提到的

为了方便研究所以给出了上述定义。
2 更多的未定式

型和 型只是未定式的一种，更完整的未定式可以列举如下：

条件 未定式 简记

未定式

除了 型和 型外，其余的都可转为 型和 型。比如可以像下面这样转

为 型：

类型 条件 转为

或 或
单变量微积分 / 夹逼定理 / 夹逼定理

1 函数的夹逼定理

定理（函数的夹逼定理）. 如果函数 满足下面两个条件：

（1）在相应的局部有 ;

（2） ;

那么 。

证明 . 该定理的证明因不同的极限大同小异，这里以 为例来证明
下。根据：
在相应的局部有 ，可知 ， 时

根据 ，可知 ， ， 时有

根据 ，可知 ， ， 时有

取 ，则 时有：

根据上式可推出：

由于 时还有 ，所以根据上式可推出，
时有：

即：

举例说明下上述定理，已知 ，容易算出：

根据函数的夹逼定理可得 。这些函数的图像如下所示，其中函数
的图像只是示意。
2 数列的夹逼定理

定理（数列的夹逼定理）. 如果数列 满足下面两个条件：

（1） ， 时有 ;

（2） ;

那么 。

数列的夹逼定理几乎和函数的夹逼定理没有区别，后面将这两者都统称为 夹
逼定理 （Squeeze theorem）。
单变量微积分 / 夹逼定理 / sinx/x在x->0时的极限

例 . 请求出 。

解 . （1）证明 时有 。和之前的例题类似：

作单位圆上的 ，其弧长度为 ，对应的圆心角弧度也为 ，且

作 垂直于 ，可知 的长度为

作 垂直于 ，交 的延长线于 ，可知 的长度为

长为 ， 为 弧度， 长为 ， 长为

由上图可知，此时 的面积 < 扇形 的面积 < 的面积，这

些面积可计算如下：

底 高

扇形 半径 扇形圆心角

底 高

所以可推出：

扇形

同除以 可得 时有：

因为当用 替代 时， 和 都不变，所以上面不等式对

也成立。因此 时有 ，如下图所
示。

时有

（2）运用夹逼定理。因为在 内有 ，且

，所以根据夹逼定理可得 。
 单变量微积分 / 复合函数的极限 / 复合函数极限的例题

例 . 请求出下列极限：

（1） ； （2） ；

（3） ； （4） 。

解 . （1）求 。改写一下：

令 ， ，那么有 ，根据复合函数的

极限有：

， 时 有定义
， 时

所以：

（2）求 。 可以看作由函数 和
复合而成，即：

所以根据复合函数的极限有：

时 有定义

（3）求 。令 ， 。根据复合函数的极
限可得：

令 ， ，再根据复合函数的极限可得：

Typesetting math: 100%

 （4）求 。令 ， ，因为

，不符合复合函数极限的要求，需要寻找别的方法。
改写后根据有界函数与无穷小的乘积是无穷小可得：

顺便说一句，当 时，虽不符合复合函数极限的要求，但有类
似的定理可以运用。以本题为例说明下，即可以像下面这样求解：

Typesetting math: 100%

单变量微积分 / 无穷小的比较 / 无穷小的比较

学习了极限的运算法则后，会发现有一种极限最难计算，这就是无穷小和无
穷小的商。比如：

极限运算法则的例一中求出的

之前例题中通过夹逼定理求出的

之前例题中求出的

实际上无穷小和无穷小的商是极限运算的重要类型，所以有必要对此多加关
注。

1 无穷小的比较

定义（无穷小的比较）.

已知 和 是同一自变量的变化过程中的无穷小，且在相应的局部有
，如果：

（1） ， 则称 是比 高阶的无穷小 （Infinitesimal of higher

order），记作 ；

（2） ， 则称 是比 低阶的无穷小 （Infinitesimal of lower

order）；

（3） ， 则称 与 是 同阶无穷小 （Infinitesimal of same

order）；

（4） ， 则称 是关于 的 k 阶的无穷小

（Infinitesimal of order k）；

（5） ，则称 与 是 等价无穷小 （Equivalent infinitesimal），

。

大致可以认为，无穷小的阶描述了无穷小与 的接近程度，来看两个例子。

比如 ，根据上述定义，所以在 时 是比 高阶的无穷

小，即 。从下图可看出，在 点附近 比 更接近于 。

 在 点附近，相比 而言， 更接近于

又比如 ，根据上述定义，所以在 时 与 是等价无穷

小。从下图可看出，在 点附近两者的图像非常接近。

在 点附近， 和 非常接近

2 无穷小比较的例子

再来看一个例子，因为有：

所以：

与 是 时的同阶无穷小

与 是 时的 阶无穷小

与 是 时的等价无穷小
单变量微积分 / 无穷小的比较 / 等价无穷小的充要条件

定理 . 与 为等价无穷小的充要条件是：

证明 . （1）先证明充分性。已知 ，则：

（2）再证明必要性。已知 ，则：

上一节说了 ，在 点附近两者的图像非常接近。那么
或 其实就是在描述这两者非常接近，如下
图所示。

和 相差 时的高阶无穷小，说明在 点附近两者非常接近
单变量微积分 / 无穷小的比较 / 等价无穷小的替换

1 等价无穷小的替换

定理（等价无穷小的替换）. 设 ， ，且 存在，则

证明 . 。

举例说明下上述定理，比如已知 ，且 （函数总是
自己的等价无穷小），所以：

2 等价无穷小替换的滥用

但一定要注意使用条件，稍有不慎就会滥用，下面来看一个例子。

例 . 请求出 。

解 . （1）正确的解法。已知三倍角公式 ，令
，上式可以改写为：

函数 及其极限的图像如下所示。
 （2）错误的解法。因为 ，所以：

这样替换是错误的，因为不满足等价无穷小替换的条件。
单变量微积分 / 单调有界数列必有极限 / 单调有界准则

定理（单调有界准则）. 若某数列是单调且有界的，则此数列的极限必定
存在，即此数列必定收敛。

此定理不作证明，来看个例子。比如数列 就是单调且有界的，如下图
所示。

数列 单调且有界

根据单调有界准则，所以该数列的极限是存在的。确实我们之前也证明过
。
单变量微积分 / 海涅定理 / xn ≠ x0

海涅定理中提到 ，这是一个很重要的条件，本节通过一个例子来解释
下。

1 分段函数的极限

比如分段函数 ，如下图所示，很显然有 。

分段函数 的图像，有

如果：

选择某数列 ，满足 且 ，也就是下面动图中左侧

轴上的蓝点

数列 对应的函数值构成数列 ，根据海涅定理有

，参见下面动图中的右侧

左侧 轴上蓝点为数列 ，满足 且 ，以及

2

但如果像下面这样不满足 的话，就不能运用海涅定理了：

选择数列 ，有 但 （在下图的左侧无法画出

该数列，全部重叠在了 这个点），此时不满足海涅定理中要求的

数列 对应的函数值构成数列 ，有

，参见下面动图中的右侧

数列 ，有 但 ，不能运用海涅定理
单变量微积分 / 单调有界数列必有极限 / 欧拉数 e

1 数列极限与欧拉数

定理 . 数列 的极限存在，其极限值通常用 来表示：

常被称作 欧拉数 （Euler's number），或称作 自然底数 （Base of the

natural logarithms），其值是无理数：

证明 . （1）证明 是单调数列。已知牛顿二项公式：

将 按牛顿二项公式展开：

将 也按牛顿二项式展开，其中红色标出的是相对 多出的一项：
比对 和 ，对应项都是 更大（至少是相等），且 还要多一
项：

所以 ，即 是一个严格单调递增的数列。

（2）证明 是有界数列。对 的展开式进行缩放：

因此 是一个有界数列。

（3）综合（1）、（2）可知 是一个单调且有界的数列，根据单

调有界准则，所以 存在，数学家用 来表示该极限值，即：

可以通过别的方法来证明 是无理数，以及计算出其具体的数值，这里就
不赘述了。

上面的证明看着很复杂，其实就是证明了数列 是单调且

有界的，如下图所示。因此根据单调有界准则可知其存在极限，并将其极限
值记作 。
 数列 单调且有界

2 无穷极限与欧拉数

定理 . 。

证明 . （1）证明 时的情况。设 ，则：

因为：

根据夹逼定理，所以有 。

（2）再证 时的情况。令 ，这种替换是满足复合

函数极限要求的，所以：

（3）所以综合（1）、（2）有 。

和上面不同，这里证明的是函数 在 时的极限为 ，如下图

所示。
单变量微积分 / 单调有界数列必有极限 / 自然底数

是有现实意义的，本节就来解释一下。

1 复利的极限

假设“很有钱”银行的年利息 ，也就是说你现在存 1 元，一年后能拿到 2

元，其中 1 元是本金，1 元是利息，如下图所示。

利息

本金
年

年利息 的情况，现在存 1 元，一年后连本带利能拿到 2 元

可以这么计算一年后拿回来的钱：

本金 一年本息率

如果银行半年结一次息，那么半年后也就是6个月后，会得到 0.5 元的利息，

然后利息又存入银行，最后拿回 2.25 元，如下图所示。

月
年利息 、半年结息的情况，现在存 1 元，一年后连本带利能拿到 2.25
元

可以这么计算一年后拿回来的钱：

前半年本息率 后半年本息率

如果银行 4 个月结一次息，最后拿回差不多 2.37 元，如下图所示。

月
年利息 、4 个月结息的情况，现在存 1 元，一年后连本带利能拿到 2.37
元

可以这么计算一年后拿回来的钱：

以此类推，假如银行 年就结息一次，那么最终拿到手的本息为：

当然，这种复利是有极限的，就是欧拉数 e ：

2 自然底数

如果要知道 年后，最多可以拿到多少本息，可以用指数函数 来表示，如

下图所示。
 指数函数 的图像

这种复利计算在大自然中也屡见不鲜。比如细胞分裂，一个变两个、两个变
四个，也是一种复利增长，如下面动图所示。

细胞分裂

因此指数函数 也常常用来描述自然中的各种增长，并且会在不同的学科中
屡屡遇到。所以 才被称为 自然底数 。
单变量微积分 / 数列极限的性质 / 有界数列

定义 . 对于数列 ：
如果 ，有 ，则称该数列 有上界 （Bounded above），

且称 为该数列的 上界

如果 ，有 ，则称该数列 有下界 （Bounded below），

且称 为该数列的 下界

如果 ，有 ，则称该数列 有界 （Bounded），且称

为该数列的 界

比如数列 有 ，故 是该数列的一个上界，但没有下界，如下图左
侧所示；数列 有 ，故 是该数列的一个下界，但没有上界，如下图
右侧所示。这两个数列都不是有界数列。

数列 有上界，无下界 数列 有下界，无上界

而对于数列 有 （ 、 也是可以的），故该数列在 和
之间，所以该数列有界，如下图所示。
 是数列 的界

练习

有界数列的界是否唯一？

A
唯一

B
不唯一

提交答案 查看解答
单变量微积分 / 函数的连续性 / 连续的定义

“连续”很好理解，比如不提笔画出来的曲线就是连续的，如下图所示。

不提笔画出来的曲线就是连续的

其在数学中的定义如下：

定义 . 设函数 在 点的某一邻域内有定义，令：

如果：

那么就称函数 在 点 连续 （Continuous）。

让我们以下图中两条曲线为例来解释为什么“连续”的定义是上面这样的。很
显然左边曲线在 点连续，右边曲线在 点不连续（值得注意的是，这两条
曲线在 点都有定义，所以 用实心点来表示）。

左边曲线在 点连续，右边曲线在 点不连续

1 连续曲线

先看看左边在 点连续的曲线 ，其 点对应的函数值为

， 点对应的函数值为 ； 与 之间相差 ， 与 之间相差
，如下图所示。

与 之间相差 ， 与 之间相差

随着 ，会有 ，即：

如下面动图所示。

随着 ，会有

也就是说该曲线 在 点符合连续的定义，这和我们的直觉是一致
的。

2 不连续曲线

再看看右边在 点不连续的曲线 ，其 点对应的函数值为

， 点对应的函数值为 ； 与 之间相差 ， 与 之
间相差 ，如下图所示。

与 之间相差 ， 与 之间相差

此时随着 ，并不会有 ，如下面动图所示。

随着 ，并不会有

也就是说该曲线 在 点不符合连续的定义，这和我们的直觉也是一
致的。
单变量微积分 / 洛必达法则 / 洛必达法则的例题

例 . 请求出下列极限：

（1） ，（2） ，

（3） ，（4） ，

（5） ，（6） 。

解 . （1）求 。根据洛必达法则以及基本初等函数的导函数有：

（2）求 。根据洛必达法则以及基本初等函数的导

函数有：

（3）求 。根据洛必达法则以及基本初等函数的导函数

有：

（4）求 。这是 型的未定式，连续使用 次

洛必达法则，可得：
 （5）求 。这是 型，若转为 型会很难算，所

以选择转为 型，然后再运用洛必达法则：

（6）求 。这是 型，借助对数可以转为 型，并借助

（5）的结论可得：

练习题

如下所示，请问这样使用洛必达法则来解题是否正确？

A
正确

B
错误

提交答案 查看解答
单变量微积分 / 函数的连续性 / 连续的等价定义

连续还有另外一种常用的等价定义：

定义 . 设函数 在 点的某一邻域内有定义，若：

就称函数 在 点 连续 （Continuous）。

证明 . 因为 ，所以 就是 ，所以上一节的连续定
义可改写为：

举例说明下上述定义。

1 连续曲线

可看到，对于下图中在 点连续的曲线 ，确实有

。

在 点连续的曲线，有

2 不连续曲线

而对于下图中在 点不连续的曲线， 是不存在的。

 在 点不连续的曲线， 是不存在的

或者像下图这样在 点不连续的曲线， 。

在 点不连续的曲线，
单变量微积分 / 函数的连续性 / 点连续

在日常生活中，“连续”指的是某线段（曲线段）连续，不管该线段（曲线
段）有多短，如下图所示。

日常生活中，“连续”指的是某线段（曲线段）连续

但在数学中，“连续”是定义在点上的概念，下面就来构造只在一个点上连续
的函数。

1 狄利克雷函数

约翰·彼得·古斯塔夫·勒热纳·狄利克雷（1805－1859），德国数学家

德国数学家狄利克雷，如上图所示，提出了非常古怪的 狄利克雷函数
（Dirichlet function），专门有个符号 来表示：
 为有理数
为无理数

该函数古怪到刚提出时很多数学家拒绝承认这是一个合法的函数，其：

画不出图像

处处没有极限

处处不连续

这是一个有界函数

非要画图的话，可以画出如下的示意图，然后脑补其中的两根红、蓝直线到
处都是“洞”。

狄利克雷函数 的示意图

2 只在一个点上连续的函数

利用狄利克雷函数构造函数 ，可推出：

有界

无穷小 有界 无穷小

根据连续的定义，所以 在 点连续；再结合上狄利克雷函数的性质可
知， 仅在 点连续，这是一个单点连续的函数。

同样的道理，如果构造 ，那么该函数在且仅
在 点连续。这里不再赘述了，同学们可以自行思考下。
单变量微积分 / 函数的连续性 / 左连续、右连续

1 左连续、右连续

定义 . 如果：
有 ，那么就说函数 在 点 左连续

有 ，那么就说函数 在 点 右连续

比如下图，有 ，所以函数 在 点是左连续的；而

，所以函数 在 点不是右连续的。

函数 在 点是左连续的，但不是右连续的

如果像下图这样交换一下，那么函数 在 点就不是左连续的，而是右连
续的。

函数 在 点不是左连续的，但是右连续的
2 连续的充要条件

定理 . 左连续且右连续是连续的充要条件，即：

函数 在 点左连续且右连续 函数 在 点连续

证明 . 根据连续的定义以及一般函数极限存在的充要条件，所以有：

该充要条件的几何意义也可以通过下图看出。

函数 在 点连续，意味着在 点左连续且右连续
单变量微积分 / 函数的间断点 / 无穷、震荡、可去、跳跃间断点

有连续自然就有间断，本课就来学习一下。

1 间断点的定义

定义 . 设函数 在 有定义，如果该函数 有下列三种情形之

一：

（1）在 没有定义；

（2）虽在 有定义，但 不存在；

（3）虽在 有定义，且 存在，但 ；

那么称函数 在 点 不连续 （Discontinuous）， 点称为函数 的

不连续点 （Discontinuities）或 间断点 。

下面来看几个间断点的例子。

2 无穷间断点

比如正切函数 ：

在 时没有定义

之前证明过的 、 是 上的连续函数，所以：

有界函数
无穷大

所以 是函数 的间断点，也称为函数 的 无穷间断点

（Infinite discontinuity），如下图所示。

是函数 的无穷间断点
3 振荡间断点

又比如函数 ：

在 时没有定义

之前证明过的 是不存在的

函数 在 来回、无限次震荡

所以 是函数 的间断点，也称为函数 的 振荡间断点

（Oscillation discontinuity），如下图所示。

是函数 的振荡间断点

4 可去间断点

再比如函数 在 时没有定义，所以 是函数 的间

断点：

是函数 的间断点
不过如果在 处补充定义后得到函数：

那么就有 ，即函数 在 点连续，如下面动图所

示。

补充定义后，函数 在 点连续

所以 也称为函数 的 可去间断点 （Removable discontinuity）。

5 跳跃间断点

最后再来看看函数 ，因为：

根据一般函数极限存在的充要条件可知 不存在，所以 是函数

的间断点。因 的图像在 处有跳跃，如下图所示，所以
也称为函数 的 跳跃间断点 （Jump discontinuity）。

是函数 的跳跃间断点
单变量微积分 / 连续函数的运算与初等函数的连续性 / 初等函数的连续性

下表中的函数称为 基本初等函数 （Basic elementary functions），可以证明所

有基本初等函数在自然定义域上都是连续函数。

幂函数：
指数函数： 且
基本初等函数 对数函数： 且
三角函数： 等
反三角函数： 等

由常数和基本初等函数经过有限次的四则运算和有限次复合构成的、且可用
一个式子表示的函数称为 初等函数 （Elementary functions），比如：

根据连续函数和、差、积、商的连续性以及复合函数的连续性可知，初等函
数在自然定义域上也都是连续函数。
单变量微积分 / 连续函数的运算与初等函数的连续性 / 和、差、积、商的连续性

连续函数 的极限很好求，即 。连续函数运算后的极限

往往也好求，本课就来学习一下。

1 和、差、积、商的连续性

定理 . 设函数 和 在 点连续，则它们的和（差） 、积 以
及商 （ ）都在 点连续。

证明 . 设 ，即 ，那么根据极限的运算法则以及
连续的定义有：

所以 在 点连续。其余的情况同理可证。

比如，之前证明过 、 是连续函数，因 ，根据本节的定

理故当 时，即 时， 是连续函数。或说

在自然定义域上是连续函数，如下图所示。

在自然定义域上是连续函数

练习

设函数 在 点连续， 在 点间断，那么两者的和、差、积、商：

 A
在 点间断

B
在 点连续

C
不一定

提交答案 查看解答
单变量微积分 / 连续函数的运算与初等函数的连续性 / 反函数的连续性

定理 . 如果函数 在区间 上严格单调增加（或严格单调减少）且

连续，那么它的反函数 也在对应的区间
上严格单调增加（或严格单调减少）且连续。

该定理就不证明了，举例说明下。

1 严格单调才有反函数

上述定理中的“严格单调增加（或严格单调减少）”可以保证反函数是存在
的，比如 在自然定义域上不是严格单调的，所以没有反函数，如下图
所示。

函数 在自然定义域上没有反函数

若取右半侧，即在区间 上的 就是严格单调增加的，此时
有反函数，如下图所示。

函数 在区间 上有反函数
2 连续函数的反函数也连续

函数 的反函数为：

函数 其实和反函数 的图像完全一样，只是前者是
映射为 ，如下图左侧所示；后者是 映射为 ，如下图右侧所示。所以反
函数 也是连续函数。

函数 和反函数 的图像相同，映射方向不同

当然，我们也经常将反函数写作 ，此时函数 与反
函数 的图像关于 对称，很显然反函数 也是
连续函数，如下图所示。

函数 和反函数 的图像关于 对称
单变量微积分 / 连续函数的运算与初等函数的连续性 / 复合函数的连续性之一

1 是连续函数

定理 . 设函数 由函数 和函数 复合而成，

在 有定义，若 ，函数 在 点连
续，则：

还可以写作（也就是 符号可以穿透连续函数 ）：

证明 . 根据函数 在 点连续可知 ，再根据一般函

数的极限定义可得 ， ， 时有：

很显然 时上述不等式也成立，所以可改写为 ， ，
时有：

由 可得，对于上述的 ， ， 时有：

综上，从而：

时有
时有
时有

即 ，也可写作
。

上述定理和复合函数的极限非常相似，只是没了 的限制。
这个条件，其实就是为了规避 不是连续函数的情况，具体可以查看之前
的解释。

2 例题

例 . 请求出 。

解. 可以看作 和 复合而成，因为：
而 在 点连续，因此根据上述定理有：

函数 的图像如下所示， 是该函数的间断点（由于作
图软件的原因，振荡间断点 画的有点凌乱）。

是函数 的间断点
单变量微积分 / 通过极限求出圆的面积 / 圆面积求解的思路

本单元讲述的是“函数与极限”，至此所有的知识点都已经学完了，本课是额
外的视频内容，主要讲述如何通过极限求出圆的面积。

1 圆面积求解的思路

下面先通过文字阐述下思路：

通过内接正 边形去逼近圆，计算出 时内接正 边形的面积：

证明 时内接正 边形就是圆，所以 时内接正 边形的面积

就是圆的面积

上述两点会在之后的两节进行详细的讲解。

2 和曲边梯形的区别

之前的例子中，我们通过计算矩形面积和 的极限就得出曲边梯形的面积为
9：
为什么这里还需要单独证明 时内接正 边形的面积就是圆的面积呢？
这是因为：

后面会学到，对于曲边梯形而言， 就是曲边梯形面积的定义

而圆不一样，它的定义是“某线段围绕自己的一个端点旋转一周后，另外

一个端点的轨迹就构成了圆”，所以需要证明 时内接正 边形符合

圆的定义，从而才能有 时内接正 边形的面积就是圆的面积

单变量微积分 / 闭区间上连续函数的性质 / 闭区间上的连续函数

定义 . 如果函数 在开区间 上连续，在左端点 右连续，在右端点

左连续，那么函数 就是在闭区间 上连续的。

比如下图中的函数 就是在闭区间 上连续的。

函数 在闭区间 上连续，其在 点右连续，在 点连续，在 点左连

续

之前其实已经介绍过闭区间上的连续函数了，只是它有很多特殊的性质，所
以这里专门用一课来对其进行讲解。

练习

下列函数在区间 上连续的是:

提交答案 查看解答
单变量微积分 / 闭区间上连续函数的性质 / 零点定理

1 零点定理

定理（零点定理）. 设函数 在闭区间 上连续，且 与

异号（即 ），则在开区间 内至少有一点 使得
。

该定理也不作证明，只进行举例说明。比如下图中的函数 在闭区间
上连续，其两个端点位于 轴的异侧，那么该函数曲线必然与 轴至少
有一个交点，也就是下图中的 。

函数 在 上连续，两端点位于 轴的异侧，

2 零点定理的例题

例 . 证明方程 在开区间 内至少有一个根。

证明 . 函数 在闭区间 上连续，且：

所以根据零点定理有 ，即：

如下图所示。
 函数 在 上连续，两端点位于 轴的异侧，

即在开区间 内 是方程 的根，所以在该方程在区间

内至少有一个根。
单变量微积分 / 闭区间上连续函数的性质 / 有界性与最大值最小值定理

定理 . 在闭区间上连续的函数在该区间上有界且一定能取得它的最大值和
最小值。

该定理不作证明，只进行举例说明。比如下图中的函数 在闭区间 上
连续，可观察到其在 上有界、有最值， 点为其最小值点， 点为其最大
值点。

函数 在 上连续，其在 有界、有最值

而下图中的 是开区间 上的连续函数，很显然其在开区间

上无界、无最大值和最小值。

在 上连续，其在 上无界、无最值

练习题

函数有界，则一定能取到最大值和最小值。
 A
正确

B
错误

提交答案 查看解答
单变量微积分 / 闭区间上连续函数的性质 / 一致连续

一致连续是稍微复杂点的概念，考研其实也不怎么考。所以跳过这节也是可
以的。

不过这里我们还是想讲下这个概念，因为理解它对进一步理解 语言有帮
助。

这是一个连续函数 ：

根据极限的定义，极限存在的点比如说 点，给定某个 ，在 点，
，使得 在 去心邻域内的点都在下面这个矩形中（连
续函数的每一点极限都存在）：

进一步解释下什么叫做不在矩形内，比如同样的 组成的矩形，在 点
时：
上图中红色的曲线就是在 区间上，但是不在矩形内的点，看起来就
好像把矩形穿破了一样。

对于同一个 ，在不同点（下面用三个典型的点代表 的每一个点），

矩形的宽度不同：

根据极限的定义，宽度最窄（图中的 ）的矩形可以保证 的每一个点的

去心邻域的曲线都在这个矩形中：
如果，对于定义在区间 上的函数 ：

对于某个 ，有某个 ，组成的矩形可以穿越整个区间 ，而不被

曲线刺破

对于所有 ，始终可以满足上一条

那么就是一致连续，严格定义如下：

设函数 在区间 上有定义。 ， ，使得对于区间 上任意

两点 ，当 时，有：

上面的定义似乎描述的是两个点 ，实际上和上面的几何描述是一致的。
两个点 可以让矩形在区间上滑动。

并且：

一致连续 连续

查看详细

反过来，连续是不能推出一致连续的，比如 在 区间上：
对于同一个 ，不论选择什么 ，组成的矩形总会被刺穿。可以自动
动手试试（下图的 以及曲线上的点都是可以操作的）：

Created with GeoGebra

单变量微积分 / 渐近线 / 水平渐近线

通过极限还可以定义一些几何图形，比如本课要学习的渐近线。

1 水平渐近线的定义

定义 . 若：

则直线 称为函数 的 水平渐近线 （Horizontal asymptote）。

2 水平渐近线的例一️

比如根据之前求出的 可得：

故 （即 轴）是函数 的水平渐近线。从图像上可看出，

时 趋近于 ， 时 也趋近于 。

是函数 的水平渐近线

3 水平渐近线的例二️

再比如根据之前求出过 ，所以 是函数 的水平渐

近线，如下图所示。
 是函数 的水平渐近线

这里可以看出，水平渐近线是可以被函数 反复穿越的。

4 水平渐近线的例三️

又比如有：

所以 及 都是函数 的水平渐近线，如下图所示。

以及 都是函数 的水平渐近线

这里可以看出，函数 是可以有两根不同的水平渐近线的。
单变量微积分 / 微分与线性近似 / 曲边梯形面积的通用解法

1 抛物线下的曲边梯形

在上一单元中，我们用矩形来逼近 下的曲边梯形，然后求出了这些矩
形面积和 为，如下图所示。

、 和 、以及 围成的曲边梯形，其下的矩形面积和为

然后通过数列极限求出曲边梯形的面积为 ，如下图所示。

、 和 、以及 围成的曲边梯形面积为

2 正弦曲线下的曲边梯形

如果要求正弦函数 下 之间的曲边梯形的面积，也可以通过矩形
来逼近，如下图所示。
 用矩形逼近 、 和 、以及 围成的曲边梯形

还是把 区间 等分，则一系列矩形的面积和为 ，令

，所以：

根据积化和差公式有：

所以上面的式子可以化作：

将 回代上式，可得：

对其求极限有：
也就是说，正弦函数 下 之间的曲边梯形的面积为 2，如下图所
示。

、 和 、以及 围成的曲边梯形面积为

3 曲边梯形面积的通用解法

从上面的例子可见，对于不同的函数而言，曲边梯形的面积计算可能非常复
杂。所以从本单元开始，包括之后的四个单元，都有一个共同的任务，就是
学习曲边梯形面积的通用解法。
单变量微积分 / 微分与线性近似 / 曲边梯形的线性近似

想找到通用解法需要先研究“线性近似”。比如要求下图中函数 下 之
间的曲边梯形面积。

、 和 、以及 围成的曲边梯形

需要先将曲边梯形分为 份，如下图所示。

将曲边梯形分为 份

然后将每一份都用某矩形来近似，这就是曲边梯形中的“线性近似”，如下图
所示。
每一份都用某矩形来近似
单变量微积分 / 微分与线性近似 / 函数曲线的线性近似

上一节提到曲边梯形是由 、 和 、以及 围成的，其中

复杂的只有函数 ，所以先来研究如何对函数 进行“线性近似”。

1 函数曲线的线性近似

单独作出函数 的图像，如下图所示。

函数 的图像

当然不可能用一根线段来近似，也需要将该函数 分为 份，如下图所
示。

将该函数 分为 份

然后每一份都可以用一根线段来近似，这就是函数曲线的“线性近似”，如下
图所示。
 每一份都可以用一根线段来近似

2 微分

对于某一段曲线而言，用于近似它的直线就被称为该曲线的 微分 ，如下图所
示。

近似某段曲线的直线称为该曲线的微分

微分以及微分的求解就是本单元要学习的内容，从下一课开始，我们就会进
行其中细节的讨论。
单变量微积分 / 复合函数的导函数 / 变化率

之前解释过，导数是微分的斜率，为了更好地理解链式法则，本节来介绍下
导数的另一层含义：变化率。

1 变化率

对于函数 而言， 相对 增加了 ，对应的函数值增加了

，如下图所示。

，以及其对应的函数增量

两者的比值 反映了由 导致的 的变化，也称为平均变化率；其极限

就是瞬时变化率，即导数。

变化率在不同的场景下有不同的现实意义，下面就来看两个例子。

2 瞬时速度

比如将上面提到的函数 修改为 ， 代表位移， 代表时间，

并且将相应的符号都进行修改，如下图所示。
 ，以及其对应的函数增量

那么 表示的就是一段时间，而 就是这段时间的位移，所以平均变化率
就是平均速度，而导数 就是瞬时速度。

瞬时速度在之前介绍一般函数的极限时也提到过，感兴趣可以回过头再看
看。

3 密度

再比如将上面提到的函数 修改为 ， 代表质量， 代表体

积，并且将相应的符号都进行修改：

，以及其对应的函数增量

那么 表示的就是某体积，而 就是该体积对应的质量，所以导数
就是密度。
单变量微积分 / 单调有界数列必有极限 / 单调数列和函数

1 单调数列

定义 . 对于数列 ：
如果 ，有 ，则称该数列是 单调递增

（Monotonically increasing）的

如果 ，有 ，则称该数列是 单调递减

（Monotonically decreasing）的

如果 ，有 ，则称该数列是 严格单调递增 （Strictly

increasing）的

如果 ，有 ，则称该数列是 严格单调递减 （Strictly

decreasing）的

单调递增和单调递减的数列统称为 单调数列 （Monotonic sequences），严

格单调递增和严格单调递减的数列统称为 严格单调数列 （Strictly
monotonic sequences）。

下面两个数列就是单调数列，分别是单调递增数列和单调递减数列：

而下面两个数列就是严格单调数列，当然它们也是单调数列：
2 单调函数

定义 . 设函数 的定义域为 ，区间 ，如果对于区间 内任意

两点 和 ，当 时：
如果 ，则称该函数在区间 上 是 单调递增

（Monotonically increasing）的

如果 ，则称该函数在区间 上 是 单调递减

（Monotonically decreasing）的

如果 ，则称该函数在区间 上 是 严格单调递增 （Strictly

increasing）的

如果 ，则称该函数在区间 上 是 严格单调递减 （Strictly

decreasing）的

单调递增和单调递减的函数统称为 单调函数 （Monotonic functions），严

格单调递增和严格单调递减的数列统称为 严格单调函数 （Strictly
monotonic functions）。
 单变量微积分 / 通过导数求出微分 / 微分的定义

上一课笼统地解释了，微分就是对局部曲线的线性近似，或者说微分是一条
可以近似局部曲线的直线，如下图所示。

微分是一条可以近似局部曲线的直线

本课来学习下“微分”的严格定义。

1 微分的直观理解

以下图为例，已知某曲线及 点，若某直线可近似该曲线在 点及其附近的

图像，那么该直线就称为该曲线在 点的微分。

Typesetting math: 100%

 某曲线在 点的微分，指可近似该曲线在 点及其附近图像的直线

为了便于讲解，在没有歧义的情况下，之后简称“某曲线在 点的微分”为“
点的微分”。容易发现，作出 点的微分与某曲线之间的差值，可以看到
越接近 点，该差值就越小，如下图所示。

越接近 点，微分与曲线之间的差值就越小

或换一个角度来理解，上述条件其实说的就是，在 点附近微分和曲线非常
接近，如下图所示。

在 点附近微分和曲线非常接近

2 微分的严格定义

有了直观之后，下面来看看数学家给出的微分定义：
Typesetting math: 100%
 定义 . 设函数 在某区间内有定义， 及 在此区间内，如
果函数增量：

可表示为：

其中 是不依赖于 的常数，那么称函数 在点 是 可微 的，而

叫作函数 在点 相应于自变量增量 的 微分 ，记作 ，
即：

通常令 ，所以微分又可表示为 。

上述定义看起来很复杂，但重点是其中的三个式子：

，这其实就是曲线的表达式

，这是直线的表达式，也就是曲线在 点的微分的表达式

，该式可改写为 ，所以该式说的

是曲线和微分相差

上述三个式子以及彼此的关系，如下图所示。

所以上述定义其实说的就是：

若 曲线 直线 该直线就是曲线的微分

Typesetting math: 100%

单变量微积分 / 通过导数求出微分 / 微分定义的进一步解释

下面来解释微分定义中的细节，为了方便观看，这里将该定义再抄写一遍：

定义 . 设函数 在某区间内有定义， 及 在此区间内，如

果函数增量：

可表示为：

其中 是不依赖于 的常数，那么称函数 在点 是 可微 的，而

叫作函数 在点 相应于自变量增量 的 微分 ，记作 ，
即：

通常令 ，所以微分又可表示为 。

下面来解释上述定义中最重要的三点：

，为什么说这是曲线的表达式？

，为什么说这是直线的表达式，也就是曲线在 点的微分的

表达式？

，该式又在说什么？

1 是曲线

假设想用直线来近似某曲线在某点附近的图像，这意味着已知某曲线及该曲
线上的一点，如下图所示。
 某曲线及该曲线上的一点

若建立 坐标系，该曲线可表示为函数 ，上述某点的横坐标可表示为

，相应的纵坐标就是 ，从而该点可表示为 ，如下图所示。

某曲线可表示为函数 ，从而某点可表示为

在曲线上任取一点，在 坐标系中，该任意点的横坐标为 、纵坐标为

，如下图所示。

曲线上任意点的横坐标为 ，纵坐标为
如果用 表示 与 的差值，如下图所示。

用 表示 与 的差值

那么任意点的横坐标 可改写为 ，纵坐标 可改写为

。而 就是 与 的差值，如下图所
示。

是 与 的差值

如果以 点为原点来建立新的坐标系，那么：

在新的坐标系中，任意点相对原点横移了 ，也就是说其横坐标为

，如下图所示

在新的坐标系中，任意点相对原点纵移了 ，也就是说其纵坐标为

，如下图所示
 在新坐标系中，任意点的横坐标为 ，纵坐标为

因为任意点代表了整条曲线，所以在新坐标系中该曲线的自变量就是 ，因
变量就是 ，因此该曲线可用函数 来表示，如下图所示。

在新坐标系中，曲线可用函数 来表示

注意到 ，所以该式的右侧就是 ，即：

因此在新坐标系中， 就是曲线的表达式（为了方便
观察，下图重新标出原坐标系中的 点以及 点），如下图所示。
 在新坐标系中，曲线的表达式为

2 是直线

在新坐标系中 就是自变量，所以 表示的就是在新坐标系中、过

新坐标原点、斜率为 的直线的表达式，如下图所示。

在新坐标系中， 表示原点、斜率为 的直线

3 相差

最后一个式子 可改写为 ，说的就是曲

线 和直线 相差高阶无穷小 ：
 ，说的就是曲线 和直线 相差

根据高阶无穷小 的定义，上述差值意味着越接近 点，该差值就越小

（有的同学可能发现了，相差其它种类的无穷小也可达到同样的效果，这个
留待本课的后面几节再讨论）：

相差 意味着，越接近 点直线与曲线之间的差值就越小

综上，所以说曲线 在 点的微分 ，就是过 点且与曲线相差

的直线。
单变量微积分 / 通过导数求出微分 / 微分与导数的符号

微积分的发展经历了数百年，牛顿、莱布尼兹、柯西、欧拉、魏尔斯特拉斯
等各位大佬一把屎一把尿把它抚养成人，中间产生了一个问题，就是符号特
别混乱，所以我们这里需要澄清下本课程中的符号：

（1） 在本课程中我们定义 ，而有的课程中说当 非

常小时才有 ，后面这种说法其实是错误的；

（2）在导数的定义中有：

其中 并非是真的除法，它只是对后面极限式 的

缩写；

（3）在微分的定义中有 ，所以该式可以改写为
，这确实是除法，但和上面（2）中描述的内涵并不一致，只是
符号看着很像。这里再对比一下：

导数：

微分：

运用导数的定义时，我们是要去求出 ；知道了 后才能写出对应的

微分，这是有先后顺序的。
单变量微积分 / 常用的一些导函数 / 导函数

通过上一课的讲解可知，要得到微分，关键在于求出导数。所以本单元的剩
余部分都会介绍各种求导法则，让我们从导函数的定义开始。

1 导函数

定义 . 若函数 在开区间 内的每点处都可导，则称函数 在

开区间 内 可导 。

此时对于任意 ，都对应着 的一个确定的导数值，这就构成了新的

函数，该函数叫作 的 导函数 ，记作 、 、 或 ，定

义式为：

举例说明下上述定义，比如下图中的函数 对于任意 都有微分。

函数 在开区间 内可导，即对于任意 都有微分

将每一个给定 的微分的斜率记录下来，就得到了导函数 ，如下图所

示。
 每一个给定 的微分的斜率记录下来，就得到了导函数

练习题

的导函数为

提交答案 查看解答
单变量微积分 / 不定积分的概念与性质 / 不定积分

这一节我们继续对原函数进行讨论：

在本节中，我们会发现原函数并不唯一

本节会引入新的概念，不定积分，来表示所有的原函数

1 原函数并不唯一

我们知道有 ，同时也有 ，所以 、

都是 在区间 上的一个原函数，即：

原函数 原函数 导函数

也可通过图像来理解，函数 及函数 （ 为任意常数）的图形完

全一样，只是纵向平移了，如下图所示。所以两者在 点的微分平行，或说
两者在 点的微分的斜率相等，即 。

函数 以及函数 的图像，两者在 点的微分平行

2 不定积分的定义

根据上面的描述我们知道了，原函数并不唯一且有无数多个，所以有了下面
的定义：

定义 . 如果 是 在区间 上的一个原函数，那么 （ 为任
意常数）称为 （或 ）在区间 上的 不定积分 （Indefinite
integral），记作：
其中记号 称为 积分号 ， 称为 被积函数 ， 称为 被积表达式

， 称为 积分变量 。

上述定义涉及到的符号较多，这里用下图来总结一下。

是被积函数

积分号 是积分变量

被积表达式

不定积分

不定积分定义中的各种符号

3 原函数与不定积分

可以证明，不定积分 表示了 的所有原函数。

证明 . 假设 是 的一个原函数， 是 另外一个原函数，那么
有：

之前证明过，导数为 的函数必为常函数，所以：

即不定积分 为 的所有原函数。
单变量微积分 / 函数的极值与最值 / 闭区间上函数的最值

根据有界性与最大值最小值定理，连续函数 在闭区间 上必定存在最

值。容易知道最值只能在端点、驻点或不可导点（也就是极值点）处取得，
如下图所示。

函数的最值只能在端点、驻点或不可导点处取得

所以可按照下面的步骤求出函数 在闭区间 上的最值：

求出函数 所有的驻点以及不可导点

计算 在所有的端点、驻点以及不可导点处的函数值

比较上述诸函数值的大小，其中最大的就是最大值，最小的就是最小值

下面来看一道例题。

1 闭区间上函数最值的例题

例 . 请求出函数 在闭区间 上的最值。

解 . 将函数 改写如下：

所以：

因此函数 在开区间 上驻点为 ，以及不可

导点为 。

求出端点、驻点及不可导点的函数值：
所以函数 在闭区间 上的最小值为
，最大值为 ，如下图所示。

、 以及 是函数 的最值点
单变量微积分 / 泰勒公式 / 泰勒公式的系数和余项

上一节解释了泰勒公式为什么可以成立，本节来解释其中的系数和余项是怎
么来，即下式中红色的部分：

从现在开始这些系数和余项就都是未知的了，所以系数就让我们用
来表示：

下面来一一推导。

1 、 和 的推导

之前学习过，对于函数 而言，切线 是该函数在

点处的最佳线性近似，两者相差 （即相差 ），如下图
所示。

与 相差

用切线逼近曲线其实就是在用一次多项式来逼近曲线，所以一阶泰勒公式
为：

这样就推出了：

2 的推导

由上面的结论，并运用洛必达法则可得：
设 为某 时的无穷小，根据极限与无穷小的关系，有：

其中 ，所以 ，回代上式有：

所以：

也就是推出了：

顺便说一下，上面推出的式子：

其几何意义是，二次多项式 与函数
的差距为 ，如下图所示。这实际上就是在用二次多项式来
逼近曲线了。

与 相差
3 举一反三

由上面的结论可得：

仿照上面的方法求解 可推出：

以此类推就可得到完整的泰勒公式，这里就不再赘述了。
单变量微积分 / 函数的极值与最值 / 函数极值的例题

注意到函数的极值只会在驻点或不可导点处取得，如下图所示。

函数的极值只会在驻点或不可导点处取得

所以可制定出求解函数极值的步骤：

求出函数 所有的驻点以及不可导点

对于驻点可通过函数极值的第一充分条件或者函数极值的第二充分条件

来判断

对于不可导点可通过函数极值的第一充分条件来判断

如果都不行最后还可以靠极值的定义来判断

下面来看几道例题。

1 函数极值的例题

例 . 请求出下列函数的极值：

（1） ； （2） 。

解 . （1）求 的极值。根据函数和、差、积、商的
求导法则以及基本初等函数的导函数可得：

求出所有的驻点以及不可导点：
 驻点：
不可导点：

用 以及 来划分定义域可得：

根据函数极值的第一充分条件，所以 为函数
的一个极大值， 为该函数的一个极小
值，如下图所示。

以及 是函数 的极值点

（2）求 的极值。求出所有驻点：

算出这些驻点的二阶导数：

根据上面的计算结果，可以知道：

因为 且 ，根据函数极值的第二充分条件，所以

为函数 的一个极小值

因为 ，无法运用函数极值的第二充分条件，需要根

据函数极值的第一充分条件来判断。因为 时有 ，即

的符号没有发生改变，所以 不是函数

的极值；同理， 也不是函数 的极值

如下图所示。
是函数 的极值点
单变量微积分 / 常用的一些导函数 / 常数函数求导

定理 . 对于常数函数 ，其导函数为：

证明 . 已知 ，则根据导数的定义有：

结合图形来理解下上述定理。常数函数 的图像为水平横线，
如下图所示。

函数 的图像

所以用来近似该水平横线的微分也是水平横线，其斜率始终为 ，所以常数函
数的导函数为 。

练习题

已知函数 ，则 为：

A
0

B
2

提交答案 查看解答
单变量微积分 / 常用的一些导函数 / 幂函数求导

定理 . 对于幂函数 ，其导函数为：

证明 . 幂函数的定义域与常数 有关，以下假设 在幂函数 的定

义域内且 ，则：

根据常见的等价无穷小 ，所以：

比如对于幂函数 ，其导函数为 ，如下图所示。

幂函数 的导函数为

练习

已知函数 ，则 为：

A
0

B
2

提交答案 查看解答
单变量微积分 / 常用的一些导函数 / 指数函数求导

定理 . 当 时:

特别的当 时:

证明 . 已知 ，以及常见的等价无穷小 ，有:

比如对于指数函数 ，其导函数也为 ，如下图所示。

指数函数 的导函数也为

练习题1 练习题2

曲线 在点 处的切线函数为

提交答案 查看解答
单变量微积分 / 常用的一些导函数 / 对数函数求导

定理 . 当 时：

特别的当 时：

证明 . 已知 ，以及常见的等价无穷小
，有:

比如对于对数函数 ，其导函数为 ，如下图所示。

对数函数 的导函数也为

练习题

曲线 在点 处的切线函数为：
A

提交答案 查看解答
 单变量微积分 / 通过导数求出微分 / 连续与可导的例题

例 . 请分析下列函数在 处的连续性与可导性。

（1） ； （2） ； （3） 。

解 . （1）研究 。根据初等函数的连续性可知 在
处左连续且右连续，见下面的计算。所以根据连续的充要条件可知，
在 处连续。

又可以算出 ，见下面的计算。所以根据可导的充要条件可
知， 在 处不可导。

该函数 的图像如下，可以看到其在 处是尖点，这种图像往往

就意味着连续但不可导。

函数 的图像

（2）研究 。根据初等函数的连续性可知 在
处左连续且右连续，见下面的计算。所以根据连续的充要条件可知，
在 处连续。

Typesetting math: 100%

 又可以算出 ，见下面的计算。所以根据可导的充要条件可
知， 在 处不可导。

该函数 的图像如下，可以看到其在 处也是尖点。

函数 的图像

（3）研究 。根据有界函数与无穷小的乘积是

无穷小可算出：

所以 在 处可导，根据连续与可导的关系，所以 在 处连
续。该函数 的图像如下。

函数 的图像

Typesetting math: 100%

单变量微积分 / 高阶导数 / 高阶导数的定义

1 二阶导数

导函数 也是函数，也可以有自己的导函数，这种导函数的导函数被
称为 二阶导数 （Second order derivatives），记作：

相应的 也被称为 一阶导数 （First order derivatives）。

2 高阶导数

二阶导函数的导函数就是 三阶导数 （Third order derivative），记作：

更一般的， 阶导函数的导函数就是 n 阶导数 （Nth order derivatives），

记作：

二阶及以上的导函数都可以统称为 高阶导函数 （Higher oreder derivatives）。

单变量微积分 / 函数和、差、积、商的求导法则 / 函数和、差的求导法则

定理 . 如果函数 以及 都在 点处可导，则有：

证明 . 因为函数 以及 都在 点处可导，根据导数的定义可
得：

练习题

对于 ，请问 为

A
2

B
8

提交答案 查看解答
单变量微积分 / 函数和、差、积、商的求导法则 / 函数积的求导法则

定理 . 如果函数 以及 都在 点处可导，则有：

证明 . 因为函数 以及 都在 点处可导，根据导数的定义可
得：

根据上述定理可以推出，当 （ 为常数）时有：

练习题

已知 ，则 为。

提交答案 查看解答