{
  "id": "integration-by-parts",
  "title": "分部积分法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "分部积分法通过在乘积的两个因子之间转移导数，将原积分化为一个边界项与另一个积分。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "分部积分"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/integration-by-parts/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/integration-by-parts/",
      "json": "https://aiwiki.page/en/integration-by-parts.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "分部积分法是微积分中的一种方法，可将乘积的积分化为一个边界项与另一个积分。它是求导的乘积法则的逆向运用。其常见记法为\n\n\\[\\int u\\,dv=uv-\\int v\\,du.\\]\n\n当对一个因子求导、对另一个因子积分能够得到更简单的表达式时，这种方法就很有用。除了计算积分，分部积分法还是研究微分方程、傅里叶分析、变分问题和广义导数的基本工具。"
    },
    {
      "heading": "公式与推导",
      "text": "设 \\(u\\) 和 \\(v\\) 是闭区间 \\([a,b]\\) 上的连续可微函数。由乘积法则可得\n\n\\[\\frac{d}{dx}\\bigl(u(x)v(x)\\bigr) =u'(x)v(x)+u(x)v'(x).\\]\n\n两边积分并应用微积分基本定理，得到\n\n\\[\\int_a^b u(x)v'(x)\\,dx = \\bigl[u(x)v(x)\\bigr]_a^b -\\int_a^b u'(x)v(x)\\,dx,\\]\n\n其中\n\n\\[[uv]_a^b=u(b)v(b)-u(a)v(a).\\]\n\n因此，分部积分法将求导运算从 \\(v\\) 转移到 \\(u\\)，改变积分项的符号，并引入一个边界项。\n\n对于不定积分，同一恒等式写为\n\n\\[\\int u(x)v'(x)\\,dx =u(x)v(x)-\\int u'(x)v(x)\\,dx,\\]\n\n其中隐含一个任意常数。更明确地说，若 \\(F\\) 是 \\(u'v\\) 的一个原函数，则 \\(uv-F\\) 是 \\(uv'\\) 的一个原函数。\n\n采用简记 \\(du=u'(x)\\,dx\\) 和 \\(dv=v'(x)\\,dx\\)，便得到标准形式\n\n\\[\\int u\\,dv=uv-\\int v\\,du.\\]\n\n这里，选取 \\(dv\\) 也包括选定一个原函数 \\(v\\)。\n\n连续可微是充分条件，但并非必要条件。在勒贝格积分的框架下，只要两个函数在 \\([a,b]\\) 上都具有绝对连续性，上述定积分公式就仍然成立。此时，它们的导数几乎处处存在且可积，并且可以通过积分还原原来的函数。"
    },
    {
      "heading": "因子的选择",
      "text": "分部积分公式是一个恒等式，并不保证积分一定会简化。它的实际效果取决于 \\(u\\) 和 \\(dv\\) 的选择。\n\n有用的分解通常具有两个特点：\n\n- \\(u\\) 求导后变得更简单。\n- \\(dv\\) 的原函数容易求得。\n\n例如，多项式求导后次数降低，而指数函数积分后仍保持基本形式。因此，这两类函数的乘积很适合尝试分部积分。\n\n课堂上常用的助记规则 LIATE 建议按对数函数、反三角函数、代数函数、三角函数、指数函数的顺序，考虑将相应因子选为 \\(u\\)。这只是一条经验法则，而不是定理。应优先考虑变换后积分的结构，而不是机械遵循助记规则。\n\n换元积分法是链式法则的逆向运用，而分部积分法则是乘积求导的逆向运用。这两种方法也可以结合使用。"
    },
    {
      "heading": "基本例子",
      "text": "多项式与指数函数的乘积\n\n对于\n\n\\[\\int xe^x\\,dx,\\]\n\n取 \\(u=x\\)、\\(dv=e^x\\,dx\\)。于是 \\(du=dx\\)、\\(v=e^x\\)，从而\n\n\\[\\int xe^x\\,dx =xe^x-\\int e^x\\,dx =e^x(x-1)+C.\\]\n\n相应的定积分为\n\n\\[\\int_0^1 xe^x\\,dx =\\bigl[xe^x\\bigr]_0^1-\\int_0^1e^x\\,dx =1.\\]\n\n将对数函数写成乘积\n\n乘积不一定要显式出现。将被积函数写为 \\(\\ln x\\cdot1\\)，并选取\n\n\\[u=\\ln x,\\qquad dv=dx.\\]\n\n当 \\(x>0\\) 时，\n\n\\[\\int\\ln x\\,dx =x\\ln x-\\int1\\,dx =x\\ln x-x+C.\\]\n\n这个例子说明了为什么常将自然对数选为求导的因子：虽然它的原函数并不显而易见，但它的导数更简单。\n\n三角函数的例子\n\n取 \\(u=x\\)、\\(dv=\\cos x\\,dx\\)，得到\n\n\\[\\int x\\cos x\\,dx =x\\sin x-\\int\\sin x\\,dx =x\\sin x+\\cos x+C.\\]\n\n三角函数的导数和原函数会在少数几个函数之间循环，因此反复对它们积分仍较为容易处理。"
    },
    {
      "heading": "反复分部积分与循环积分",
      "text": "反复分部积分\n\n如果求导的因子能够不断简化，就可以反复使用分部积分法。例如，\n\n\\[\\begin{aligned} \\int x^2e^x\\,dx &=x^2e^x-2\\int xe^x\\,dx\\\\ &=e^x(x^2-2x+2)+C. \\end{aligned}\\]\n\n更一般地，对于次数为 \\(n\\) 的多项式 \\(P\\) 和非零实常数 \\(a\\)，有\n\n\\[\\int P(x)e^{ax}\\,dx = e^{ax}\\sum_{k=0}^{n} \\frac{(-1)^kP^{(k)}(x)}{a^{k+1}}+C.\\]\n\n由于 \\(P^{(n+1)}=0\\)，这一过程会在有限步后终止。\n\n表格分部积分法将一个因子的逐次导数与另一个因子的逐次原函数分列成表，并配以交替的正负号。它只是对反复使用同一恒等式的过程加以整理，并不是另一种积分原理。\n\n循环积分\n\n反复使用分部积分法，有时并不会消去原积分，而是使原积分再次出现。此时可以通过代数运算解出所得方程。\n\n令\n\n\\[I=\\int e^x\\cos x\\,dx.\\]\n\n由分部积分法得\n\n\\[I=e^x\\cos x+\\int e^x\\sin x\\,dx.\\]\n\n对剩余的积分再次使用分部积分法，得到\n\n\\[\\int e^x\\sin x\\,dx=e^x\\sin x-I.\\]\n\n因此\n\n\\[2I=e^x(\\sin x+\\cos x),\\]\n\n从而\n\n\\[\\int e^x\\cos x\\,dx =\\frac{e^x}{2}(\\sin x+\\cos x)+C.\\]\n\n这些代数运算可以针对选定的原函数进行，最后再补上任意常数。"
    },
    {
      "heading": "反常积分与端点极限",
      "text": "对于无穷区间或存在奇异端点的情况，必须先在截取的有限区间上使用分部积分法，然后再取极限。\n\n例如，在 \\([0,R]\\) 上，\n\n\\[\\int_0^R xe^{-x}\\,dx =-Re^{-R}+1-e^{-R}.\\]\n\n由于 \\(Re^{-R}\\to0\\) 且 \\(e^{-R}\\to0\\)，有\n\n\\[\\int_0^\\infty xe^{-x}\\,dx=1.\\]\n\n一般而言，在适当的正则性假设下，对每个有限的 \\(R\\)，都有\n\n\\[\\int_a^R uv'\\,dx=[uv]_a^R-\\int_a^R u'v\\,dx\\]\n\n成立。令 \\(R\\to\\infty\\) 时，需要考察边界项和变换后的积分。如果两者都有有限极限，那么原反常积分收敛，取极限后得到的公式也成立。如果两者各自发散，就不能简单地将其视为两个无穷大的差。\n\n伽马函数提供了一个重要例子。对于实数 \\(s>0\\)，\n\n\\[\\Gamma(s)=\\int_0^\\infty x^{s-1}e^{-x}\\,dx.\\]\n\n使用分部积分法并核查端点极限，可得\n\n\\[\\Gamma(s+1)=s\\Gamma(s).\\]\n\n结合 \\(\\Gamma(1)=1\\)，可推出\n\n\\[\\Gamma(n+1)=n!\\]\n\n对非负整数 \\(n\\) 成立。"
    },
    {
      "heading": "在分析学中的应用",
      "text": "傅里叶变换\n\n分部积分法解释了为什么求导在傅里叶变换下会变为乘法。采用约定\n\n\\[\\widehat f(\\xi)=\\int_{\\mathbb R}f(x)e^{-i\\xi x}\\,dx,\\]\n\n在满足充分的衰减条件和可积性条件时，有\n\n\\[\\widehat{f'}(\\xi)=i\\xi\\,\\widehat f(\\xi).\\]\n\n由于衰减假设，边界项为零。\n\n反过来，对变换积分使用分部积分法可以得到衰减估计。如果所需的各阶导数可积，且相关边界项均为零，那么当 \\(\\xi\\ne0\\) 时，\n\n\\[|\\widehat f(\\xi)| \\le \\frac{\\|f^{(k)}\\|_{L^1}}{|\\xi|^k}.\\]\n\n这揭示了函数的光滑性与其变换的衰减性之间的一项核心联系。\n\n变分方程\n\n在变分法中，考虑\n\n\\[J[y]=\\int_a^b L(x,y,y')\\,dx.\\]\n\n对于充分光滑的变分 \\(y+\\varepsilon\\eta\\)，若\n\\(\\eta(a)=\\eta(b)=0\\)，则一阶变分中含有\n\n\\[\\int_a^b \\left(L_y\\eta+L_{y'}\\eta'\\right)\\,dx.\\]\n\n分部积分法将导数从 \\(\\eta\\) 上转移出去：\n\n\\[\\int_a^b L_{y'}\\eta'\\,dx = -\\int_a^b\\frac{d}{dx}L_{y'}\\,\\eta\\,dx.\\]\n\n由于端点固定，边界项为零。由此得到欧拉—拉格朗日方程\n\n\\[L_y-\\frac{d}{dx}L_{y'}=0.\\]\n\n如果不要求端点处的变分为零，边界项则会参与确定自然边界条件。\n\n弱导数\n\n分部积分法也为弱导数的定义提供了思路。若对每个光滑且具有紧支集的试验函数 \\(\\varphi\\)，都有\n\n\\[\\int f(x)\\varphi'(x)\\,dx = -\\int g(x)\\varphi(x)\\,dx\\]\n\n成立，则称局部可积函数 \\(g\\) 是 \\(f\\) 的弱导数。\n\n由于试验函数在定义域内某个紧子集之外恒为零，因此没有边界项。这一定义将求导推广到了不必处处具有经典导数的函数。它是索伯列夫空间、分布理论以及微分方程弱解表述中的核心概念。"
    },
    {
      "heading": "高维形式",
      "text": "高维情形的对应公式可由散度定理推出。对于足够规则的有界区域 \\(\\Omega\\)、标量函数 \\(u\\) 和向量场 \\(\\mathbf F\\)，有\n\n\\[\\int_\\Omega u\\,\\nabla\\cdot\\mathbf F\\,dx = \\int_{\\partial\\Omega}u\\,\\mathbf F\\cdot\\mathbf n\\,dS -\\int_\\Omega \\nabla u\\cdot\\mathbf F\\,dx,\\]\n\n其中 \\(\\mathbf n\\) 为外单位法向量。\n\n令 \\(\\mathbf F=\\nabla v\\)，便得到格林第一恒等式：\n\n\\[\\int_\\Omega u\\,\\Delta v\\,dx = \\int_{\\partial\\Omega} u\\,\\frac{\\partial v}{\\partial n}\\,dS -\\int_\\Omega\\nabla u\\cdot\\nabla v\\,dx.\\]\n\n这里，\\(\\Delta\\) 是拉普拉斯算子，且\n\\(\\partial v/\\partial n=\\nabla v\\cdot\\mathbf n\\)。\n\n这一恒等式用于边值问题和有限元法。它将导数从未知函数转移到试验函数上，从而允许采用对经典可微性要求较低的表述。"
    },
    {
      "heading": "局限与常见错误",
      "text": "分部积分法只是改写积分，并不一定能使积分更容易计算，也不一定能求出初等原函数。因子选择不当可能使问题更复杂，或只是让原问题重新出现。\n\n常见错误包括：\n\n- 遗漏边界项。 只有在特定的端点条件、衰减条件、支集条件或边界条件下，边界项才会消失。\n- 漏掉负号。 变换后得到的积分应当被减去。\n- 选了 \\(dv\\) 却未求出 \\(v\\)。 这种方法要求求出所选因子的一个原函数。\n- 将反常端点当作普通数值处理。 无穷端点或奇异端点必须通过极限处理。\n- 误以为相消就能证明收敛。 有限区间上的恒等式，并不能为两个发散的极限量相减提供依据。\n- 忽视正则性假设。 经典公式要求具备足够的可微性和可积性；在较弱的条件下，则需要采用适当的广义表述。"
    }
  ],
  "links": [
    "calculus",
    "integral",
    "derivative",
    "fundamental-theorem-of-calculus",
    "antiderivative",
    "lebesgue-integral",
    "absolute-continuity",
    "almost-everywhere",
    "polynomial",
    "exponential-function",
    "chain-rule",
    "natural-logarithm",
    "trigonometric-functions",
    "gamma-function",
    "fourier-transform",
    "calculus-of-variations",
    "euler-lagrange-equations",
    "sobolev-space",
    "weak-solution",
    "divergence-theorem",
    "laplace-operator",
    "finite-element-method"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}