{
  "id": "differentiation-under-the-integral-sign",
  "title": "积分号下求导",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "积分号下求导是在适当的正则性与收敛条件下，交换参数求导与积分次序的方法。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "积分号内求导",
    "莱布尼茨积分法则",
    "费曼技巧"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/differentiation-under-the-integral-sign/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/differentiation-under-the-integral-sign/",
      "json": "https://aiwiki.page/en/differentiation-under-the-integral-sign.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "积分号下求导是微积分和数学分析中求含参积分的导数的一种方法。对于函数\n\n\\[F(t)=\\int_a^b f(x,t)\\,dx,\\]\n\n这一方法旨在论证以下恒等式成立：\n\n\\[F'(t)=\\int_a^b \\frac{\\partial f}{\\partial t}(x,t)\\,dx.\\]\n\n这种交换在适当的正则性或可积性条件下成立，但并非总是成立。如果积分上下限也依赖于参数，还会出现额外的边界项。所得公式通常称为莱布尼茨积分法则，以戈特弗里德·威廉·莱布尼茨的名字命名。\n\n除了计算导数，这一方法还可用于计算定积分：引入一个参数，可以将难以计算的积分转化为导数较为简单的含参积分，再对参数积分，便可还原原来的表达式。"
    },
    {
      "heading": "固定积分上下限",
      "text": "一个初等版本适用于有限区间。设 \\(I\\) 为参数取值的开区间，并假设 \\(f(x,t)\\) 及其偏导数 \\(\\partial_t f(x,t)\\) 在 \\([a,b]\\times I\\) 上连续。那么\n\n\\[F(t)=\\int_a^b f(x,t)\\,dx\\]\n\n在 \\(I\\) 上连续可微，且\n\n\\[F'(t)=\\int_a^b \\partial_t f(x,t)\\,dx.\\]\n\n在每个参数值附近的紧矩形上，连续性提供了交换求导与积分所需的一致控制。这些假设是便于使用的充分条件，而非必要条件：即使被积函数不连续或无界，上述恒等式也可能成立。\n\n例如，\n\n\\[F(t)=\\int_0^1 e^{tx}\\,dx\\]\n\n满足\n\n\\[F'(t)=\\int_0^1 xe^{tx}\\,dx.\\]\n\n尽管其显式表达式\n\n\\[F(t)=\\frac{e^t-1}{t},\\qquad t\\ne0,\\]\n\n在 \\(t=0\\) 处看似存在奇点，但积分定义在该处仍然表现良好。"
    },
    {
      "heading": "基于控制收敛的定理",
      "text": "更一般的表述使用测度论和勒贝格积分。设 \\((X,\\mathcal A,\\mu)\\) 为测度空间，\\(I\\subseteq\\mathbb R\\) 为开区间，并固定 \\(t_0\\in I\\)。假设在包含 \\(t_0\\) 的开区间 \\(J\\subseteq I\\) 上：\n\n- 对每个 \\(t\\in J\\)，函数 \\(x\\mapsto f(x,t)\\) 都可测。\n- 在某个固定的零测集之外，\\(t\\mapsto f(x,t)\\) 在整个 \\(J\\) 上可微。\n- 存在可积函数 \\(g\\geq0\\)，使得在上述同一个例外集之外，对所有 \\(t\\in J\\) 都有\n\n\\[|\\partial_t f(x,t)|\\leq g(x)\\]\n- 函数 \\(f(\\,\\cdot\\,,t_0)\\) 可积。\n\n那么，对每个 \\(t\\in J\\)，\\(f(\\,\\cdot\\,,t)\\) 都可积，且\n\n\\[\\left.\\frac{d}{dt}\\int_X f(x,t)\\,d\\mu(x)\\right|_{t=t_0} = \\int_X \\partial_t f(x,t_0)\\,d\\mu(x).\\]\n\n关键条件是：在该参数值的某个邻域内，所有导数都有一个共同的可积控制函数。这个控制函数可以依赖于 \\(x\\)，但不能依赖于该邻域内的 \\(t\\)。\n\n定理成立的原因\n\n求导就是求差商的极限：\n\n\\[\\frac{F(t_0+h)-F(t_0)}{h} = \\int_X \\frac{f(x,t_0+h)-f(x,t_0)}{h}\\,d\\mu(x).\\]\n\n对几乎处处的 \\(x\\)，被积函数都收敛于 \\(\\partial_t f(x,t_0)\\)。当 \\(f\\) 为实值函数时，由中值定理可知，该被积函数的绝对值不超过 \\(g(x)\\)。因此，控制收敛定理允许交换极限与积分的次序。\n\n更一般地，只要能直接为差商找到一个可积的控制函数就足够了，即使尚未证明整个邻域内的导数都受某个函数控制。\n\n对于参数为实数的复值被积函数，分别考察实部和虚部即可得到相同结论。"
    },
    {
      "heading": "可变积分上下限",
      "text": "如果积分上下限依赖于 \\(t\\)，导数中就会包含端点移动带来的贡献。在适当的连续性和可微性假设下，\n\n\\[F(t)=\\int_{a(t)}^{b(t)} f(x,t)\\,dx\\]\n\n满足\n\n\\[F'(t) = f(b(t),t)b'(t) - f(a(t),t)a'(t) + \\int_{a(t)}^{b(t)}\\partial_t f(x,t)\\,dx.\\]\n\n前两项描述端点移动引起的变化；最后一项描述区间内被积函数本身的变化。\n\n这一法则将积分号下求导与微积分基本定理及链式法则结合起来。例如，若\n\n\\[F(t)=\\int_0^t e^{tx}\\,dx,\\]\n\n则\n\n\\[F'(t)=e^{t^2}+\\int_0^t xe^{tx}\\,dx.\\]\n\n此公式中的边界值需要满足适当的正则性条件。对于奇异端点或无穷积分限，不能在没有另行论证收敛性的情况下直接套用通常的端点公式。"
    },
    {
      "heading": "通过引入参数计算积分",
      "text": "当求导能简化被积函数时，积分号下求导尤其有用。通常的步骤是：引入参数，求导，计算较简单的积分，再利用初始值还原含参表达式。\n\n考虑\n\n\\[F(a)=\\int_0^1\\frac{x^a-1}{\\ln x}\\,dx, \\qquad a>-1,\\]\n\n其中 \\(\\ln\\) 表示自然对数。\\(x=1\\) 处的奇点是可去的。对 \\(a\\) 求导，得到\n\n\\[F'(a)=\\int_0^1 x^a\\,dx=\\frac{1}{a+1}.\\]\n\n为论证在任意固定的 \\(a>-1\\) 附近可以交换求导与积分，选取附近参数值的一个下界 \\(\\alpha>-1\\)。由于 \\(0<x<1\\)，有\n\n\\[x^a\\leq x^\\alpha,\\]\n\n而 \\(x^\\alpha\\) 在 \\((0,1)\\) 上可积。\n\n因为 \\(F(0)=0\\)，对 \\(a\\) 积分可得\n\n\\[\\int_0^1\\frac{x^a-1}{\\ln x}\\,dx=\\ln(a+1), \\qquad a>-1.\\]\n\n这种引入参数的技巧常被非正式地称为费曼技巧。它并不是一个独立的定理，也不能免除交换求导与积分所需的条件。"
    },
    {
      "heading": "反常积分与高阶求导",
      "text": "对于无界区间上的积分\n\n\\[F(t)=\\int_0^\\infty f(x,t)\\,dx,\\]\n\n仅有 \\(f\\) 和 \\(\\partial_t f\\) 在每个有界矩形上连续还不够。在无穷远处以及任何奇异端点附近，都需要额外的控制。可积控制函数提供了一种这样的控制方式；适当的一致收敛条件则提供了另一种。\n\n伽马函数可以用来说明高阶求导：\n\n\\[\\Gamma(s)=\\int_0^\\infty x^{s-1}e^{-x}\\,dx, \\qquad s>0.\\]\n\n对每个非负整数 \\(n\\)，都有\n\n\\[\\Gamma^{(n)}(s) = \\int_0^\\infty x^{s-1}e^{-x}(\\ln x)^n\\,dx.\\]\n\n为在局部论证这一结论，将 \\(s\\) 限制在紧区间 \\([\\alpha,\\beta]\\subset(0,\\infty)\\) 内。在零点附近，被积函数的绝对值不超过\n\n\\[x^{\\alpha-1}|\\ln x|^n,\\]\n\n而该函数可积。对于 \\(x\\geq1\\)，其绝对值不超过\n\n\\[x^{\\beta-1}e^{-x}(\\ln x)^n,\\]\n\n该函数也可积。\n\n更一般地，只要每一步求导都满足所需的交换条件，就有\n\n\\[F^{(n)}(t)=\\int_X\\partial_t^n f(x,t)\\,d\\mu(x)\\]\n\n成立。证明一次求导可以移入积分号，并不意味着所有高阶求导都可以如此处理。"
    },
    {
      "heading": "缺乏充分控制时的失效情形",
      "text": "逐点导数的存在，并不能保证求导与积分可以交换次序。\n\n对于 \\(0<x<1\\)，定义\n\n\\[f(x,t)=\\frac{t^2}{x^2+t^2}.\\]\n\n对每个固定的 \\(x>0\\)，都有\n\n\\[\\partial_t f(x,0)=0,\\]\n\n因此\n\n\\[\\int_0^1\\partial_t f(x,0)\\,dx=0.\\]\n\n然而，当 \\(t\\ne0\\) 时，\n\n\\[F(t)=\\int_0^1\\frac{t^2}{x^2+t^2}\\,dx = |t|\\arctan\\left(\\frac{1}{|t|}\\right),\\]\n\n而 \\(F(0)=0\\)。于是\n\n\\[\\lim_{t\\downarrow0}\\frac{F(t)}{t}=\\frac{\\pi}{2}, \\qquad \\lim_{t\\uparrow0}\\frac{F(t)}{t}=-\\frac{\\pi}{2}.\\]\n\n因此，尽管被积函数在每一点关于参数的零点导数都存在，\\(F\\) 在零点却不可微。\n\n问题源于 \\(x=0\\) 附近的集中现象：对每个固定的 \\(x>0\\)，差商都趋于零，但其积分却不趋于零。仅有逐点收敛无法控制这种行为。"
    },
    {
      "heading": "应用",
      "text": "积分变换\n\n对于拉普拉斯变换\n\n\\[L(s)=\\int_0^\\infty e^{-sx}u(x)\\,dx,\\]\n\n在适当的可积性条件下，有\n\n\\[L^{(n)}(s) = (-1)^n\\int_0^\\infty x^n e^{-sx}u(x)\\,dx.\\]\n\n因此，对变换变量求导，对应于在被变换函数上乘以原变量的相应幂次。\n\n采用如下傅里叶变换约定：\n\n\\[\\widehat u(\\xi)=\\int_{\\mathbb R}u(x)e^{-i\\xi x}\\,dx,\\]\n\n则假设 \\(u\\in L^1(\\mathbb R)\\) 且 \\(xu\\in L^1(\\mathbb R)\\)，可得\n\n\\[\\widehat u'(\\xi) = \\int_{\\mathbb R}(-ix)u(x)e^{-i\\xi x}\\,dx.\\]\n\n期望值与统计模型\n\n固定概率分布下的期望值是一个积分，因此，当导数受到适当控制时，同样的原理给出\n\n\\[\\frac{d}{dt}\\mathbb E[h(X,t)] = \\mathbb E[\\partial_t h(X,t)]\\]\n\n如果概率密度函数也依赖于参数，则必须计入它的导数：\n\n\\[\\frac{d}{dt}\\int h(x,t)p(x,t)\\,dx = \\int\\left[ \\partial_t h(x,t)\\,p(x,t) + h(x,t)\\,\\partial_t p(x,t) \\right]dx.\\]\n\n这个公式假设积分域固定，且满足交换求导与积分的条件。如果支撑集依赖于参数，可能还需要额外的边界项。在对归一化恒等式求导，以及推导费希尔信息的性质时，这些区别十分重要。\n\n敏感性分析与积分表示\n\n在敏感性分析中，积分号下求导用于表示一个积分量如何随模型参数的变化而变化。对于向量参数 \\(\\theta\\)，逐分量满足相应条件即可论证\n\n\\[\\nabla_\\theta\\int_X f(x,\\theta)\\,d\\mu(x) = \\int_X\\nabla_\\theta f(x,\\theta)\\,d\\mu(x).\\]\n\n这一方法也用于偏微分方程解的积分表示，将对空间或时间的求导转移到积分核上。所需的控制条件取决于积分核的奇异性、积分域以及给定数据的正则性。"
    }
  ],
  "links": [
    "calculus",
    "mathematical-analysis",
    "integral",
    "derivative",
    "gottfried-wilhelm-leibniz",
    "partial-derivative",
    "measure-theory",
    "lebesgue-integral",
    "limit",
    "mean-value-theorem",
    "dominated-convergence-theorem",
    "fundamental-theorem-of-calculus",
    "chain-rule",
    "natural-logarithm",
    "uniform-convergence",
    "gamma-function",
    "pointwise-convergence",
    "laplace-transform",
    "fourier-transform",
    "expected-value",
    "probability-density-function",
    "fisher-information",
    "sensitivity-analysis",
    "partial-differential-equation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}