微积分与微分方程综合

本章目标

理解导数与积分是互逆运算（牛顿–莱布尼茨公式）。
认识多元微积分中梯度、偏导与一元导数的对应关系。
理解级数是"用多项式逼近函数"的工具，与泰勒展开相连。
明白微分方程是导数的自然延伸，掌握欧拉法这一通用数值解法。

核心提示：微积分五章不是五块孤岛，而是一条河——微分（局部变化率）与积分（整体累积）是两端，多元与级数是 tributaries，微分方程则是让"变化率"本身成为未知量的终极形态。

一、导数与积分：互逆运算

导数描述函数在一点附近的变化率，积分描述函数在一段区间上的累积。二者由牛顿–莱布尼茨公式完美对接：

牛顿–莱布尼茨公式 $$\int_a^b f(x)\,dx = F(b) - F(a),\qquad F'(x)=f(x)$$

一侧是"无限细分再求和"（黎曼和取极限），另一侧是"先求原函数再代值"。求面积、求位移、求功，本质都是定积分；而解初值问题 $y'=f(x)$ 则是它的逆——直接积分。

二、多元微积分与梯度

一元导数推广到多元，便是一个函数对每个自变量的偏导；把它们并成梯度向量，指向函数值增长最快的方向：

梯度 $$\nabla f = \left(\frac{\partial f}{\partial x},\frac{\partial f}{\partial y},\frac{\partial f}{\partial z}\right)$$

重积分（二重、三重）是把"累积"从线段推广到面与体；高斯公式、斯托克斯公式则把"区域积分"与"边界积分"联系起来——它们是牛顿–莱布尼茨公式在高维的化身。

三、级数与函数逼近

很多函数（如 $e^x,\sin x$）不好直接算，但可用幂级数展开成多项式来近似：

泰勒展开 $$f(x) = \sum_{n=0}^{\infty}\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n$$

取有限项即得多项式逼近（截断误差由下一项控制）。傅里叶级数则是另一类展开：用正弦/余弦叠加表示周期函数。级数让"复杂函数 = 简单基的线性组合"成为可计算的现实。

四、微分方程：导数的自然延伸

前面都是"已知 $f$，求 $f'$ 或 $\int f$"。微分方程反过来：已知变化率规律，求未知函数。一阶方程形如

一阶常微分方程 $$\frac{dy}{dx} = f(x,y),\qquad y(x_0)=y_0$$

许多物理定律本就是微分方程（牛顿第二定律 $m\ddot x=F$、电路 $L\dot I+RI=U$）。多数方程没有初等解析解，于是需要数值方法——欧拉法是最朴素也最基础的一种。

五、动态示意：欧拉法数值解 ODE

下方用欧拉法求解 $y'=-2x$（精确解 $y=1-x^2$），从 $(0,1)$ 出发，每步沿当前切线走一小段 $h$：

欧拉递推 $$y_{n+1} = y_n + h\,f(x_n,y_n)$$

青色折线为欧拉近似，粉色曲线为精确解。拖动「步长 h」可见：h 越小误差越小但需更多步；h 越大折线越快"掉队"。点击「重置」从头开始对比。

步长 h

提示：前向欧拉是"一阶"方法，误差约 $O(h)$；实际工程中常用更高阶的龙格–库塔法（如 RK4）在更大步长下仍保持精度。

例题1（积分求面积 / 解初值）

例题

求曲线 $y=1-x^2$ 与 $x$ 轴在 $[0,1]$ 上围成的面积。

解：面积即定积分 $$A = \int_0^1 (1-x^2)\,dx = \Bigl[x-\frac{x^3}{3}\Bigr]_0^1 = 1 - \frac{1}{3} = \frac{2}{3}.$$ 这正是"导数与积分互逆"的直接应用：被积函数 $1-x^2$ 的原函数是 $x-x^3/3$。

例题2（欧拉法手算两步）

例题

用欧拉法解 $y'=-2x,\ y(0)=1$，步长 $h=0.2$，手算两步到 $x=0.4$，并与精确解比较。

解：初值 $(x_0,y_0)=(0,1)$。
第 1 步：$y_1 = y_0 + h\cdot(-2x_0) = 1 + 0.2\times 0 = 1.000,\ x_1=0.2$。
第 2 步：$y_2 = y_1 + h\cdot(-2x_1) = 1.000 + 0.2\times(-0.4) = 0.920,\ x_2=0.4$。
精确解 $y(0.4)=1-0.4^2=0.840$。欧拉近似 $0.920$，误差 $0.080$。
误差来自"用起点斜率代替整段斜率"——此处函数下凸、斜率变负更快，故前向欧拉高估了函数值（图中折线在曲线上方）。

例题3（泰勒级数近似）

例题

用 $x=0$ 处的泰勒展开把 $e^x$ 近似到三次项，并估计 $e^{0.1}$ 的值与误差。

解：$e^x$ 在 $x=0$ 处各阶导数均为 1，故 $$e^x \approx 1 + x + \frac{x^2}{2} + \frac{x^3}{6}.$$ 代入 $x=0.1$： $$e^{0.1}\approx 1 + 0.1 + 0.005 + 0.0001667 = 1.1051667.$$ 精确值 $e^{0.1}\approx 1.1051709$，误差约 $4\times 10^{-6}$——三次多项式已相当准。下一项 $\dfrac{x^4}{24}=4.17\times 10^{-6}$ 正是误差的量级（交错级数余项估计）。

本章小结

牛顿–莱布尼茨公式把微分与积分连成互逆的两端的运算。
多元微积分：偏导→梯度 $\nabla f$，重积分与高斯/斯托克斯是高维版 N-L 公式。
级数（泰勒/傅里叶）用简单基的线性组合逼近复杂函数。
微分方程令"变化率"成为未知量；欧拉法 $y_{n+1}=y_n+hf(x_n,y_n)$ 是最基础数值解，误差 $O(h)$。