欢迎来到积分的世界！
在你学习纯数学（P1）的过程中，你已经学会了如何通过微分来求函数的导数。现在，我们要学习数学中的“魔术”：如何反转微分过程。这个过程被称为积分（Integration）。它能让我们从导函数推导回原始曲线，甚至能帮助我们计算曲线围成的精确面积！如果起初觉得这有点抽象，不必担心；我们将把它拆解成简单、易懂的步骤。
你知道吗？积分符号 \(\int\) 其实是一个变形的字母“S”。它代表“Summa”（拉丁语中的“求和”），因为从本质上讲，积分就是将无限多个微小部分相加来求得总面积的方法。
1. 积分作为微分的逆运算
如果说微分就像拆解时钟以观察指针转动有多快，那么积分就像是把时钟重新组装回去。我们称之为不定积分（Indefinite Integration），因为它能为函数给出一个通用公式。
\(x\) 次幂的黄金法则
要积分像 \(ax^n\) 这样的基本项，只需遵循两个简单步骤（与微分的操作正好相反）：
- 将幂次加 1。
- 除以新的幂次。
公式如下：
\(\int ax^n dx = \frac{a}{n+1}x^{n+1} + c\)
注：此规则适用于任何有理数 \(n\)，但 \(n \neq -1\)。
“\(+ c\)”的奥秘
无论何时执行不定积分，你必须加上一个积分常数（constant of integration），记作 \(+ c\)。为什么呢？因为当我们对常数（如 5 或 100）求导时，它会消失。当我们反向操作时，我们知道那里“可能”存在一个数，但我们不知道它具体是多少。\(+ c\) 就像是为那个神秘数字留下的占位符。
记忆窍门：可以将 \(+ c\) 理解为“Covers the Constant”（覆盖常数）！
快速复习：
- 积分方法：增加幂次，然后除以新幂次。
- 不定积分一定要记得加 \(+ c\)。
- 示例： \(\int 3x^2 dx = \frac{3}{3}x^3 + c = x^3 + c\)
要点总结：积分是微分的逆运算。它将导函数还原为原始函数，并加上一个神秘常数 \(c\)。
2. 多项式积分
通常你会遇到包含多项的表达式，比如 \(x^2 + 4x - 5\)。好消息是积分非常友好！你只需对每一项分别进行积分即可。
分步示例
让我们对 \(f'(x) = 6x^2 + \frac{2}{x^3} - 5\) 进行积分。
- 准备各项：将分数改写为负指数形式。
\(6x^2 + 2x^{-3} - 5\) - 对每一项应用规则：
- \(6x^2\) 变为 \(\frac{6}{3}x^3 = 2x^3\)
- \(2x^{-3}\) 变为 \(\frac{2}{-2}x^{-2} = -x^{-2}\)（或 \(-\frac{1}{x^2}\)）
- \(-5\)（即 \(-5x^0\)）变为 \(-5x^1 = -5x\) - 合并结果：
\(2x^3 - x^{-2} - 5x + c\)
避免常见错误：千万别忘了，常数（如 \(-5\)）在积分时会获得一个 \(x\)，它不会保持原来的常数状态！
要点总结：对于包含多项的表达式，只需逐项处理，最后将它们组合在一起。
3. 定积分与曲线下的面积
定积分（Definite Integral）在积分符号的顶部和底部带有数字，这些数字被称为积分上下限（limits）。与不定积分不同，定积分的结果是一个具体的数，而不是带有 \(+ c\) 的公式。
如何计算定积分
求 \(\int_a^b f(x) dx\)：
- 按常规进行积分（此处无需加 \(+ c\)，因为常数会相互抵消）。
- 将积分后的公式放在方括号内，并在右侧标注上下限：\([F(x)]_a^b\)。
- 将上限 (\(b\)) 代入公式。
- 将下限 (\(a\)) 代入公式。
- 相减：用第一个结果减去第二个结果，即 \(F(b) - F(a)\)。
作为面积的积分
我们在 P1 中使用定积分的主要原因是求曲线与 \(x\) 轴之间围成的面积。
面积 = \(\int_a^b y dx\)
重要概念：负面积
如果曲线在 \(x\) 轴下方，积分结果会是一个负值。这仅表示该面积位于轴下方。如果题目要求“面积”，你应该给出该结果的绝对值（正值），因为面积本身不可能是负的（你不可能拥有一块 \(-5\) 平方米的地毯！）。
要点总结：定积分用于计算特定数值。从几何角度看，该数值代表曲线与 \(x\) 轴在两点之间围成的面积。
4. 梯形法则：面积估算
有时，某些曲线很难进行精确积分。在这种情况下，我们使用梯形法则（Trapezium Rule）来估算面积。我们不再计算曲线的精确面积，而是将面积划分成若干看起来像梯形的垂直长条。
公式
面积的近似值为：
\(\text{Area} \approx \frac{1}{2}h [ (y_0 + y_n) + 2(y_1 + y_2 + ... + y_{n-1}) ]\)
其中：
- \(h\) 是每个长条的宽度。
- \(y_0\) 和 \(y_n\) 是第一个和最后一个高度（纵坐标）。
- 其余 \(y\) 值是“中间”各点的高度。
类比：想象你要测量一个弯曲花坛的面积。如果你无法测量曲线，可以放置几块木板横跨其上，造出一个更容易测量的粗略形状。
高估与低估
你的估值是偏大还是偏小？这取决于曲线的弯曲形状：
- 如果曲线是凸的（convex）（像洞穴一样向下弯曲，即 \(\cap\) 型），梯形的直线边会落在曲线下方，导致估值偏低（under-estimate）。
- 如果曲线是凹的（concave）（像杯子一样向上弯曲，即 \(\cup\) 型），直线边会落在曲线上方，导致估值偏高（over-estimate）。
小贴士：想要获得更精确的估值，只需使用更多的长条（增加“台阶”的数量）。梯形划分得越细，就越贴合曲线！
快速复习：
- 当无法精确积分时使用梯形法则。
- 公式逻辑： 半宽 \(\times\) (端点之和 \(+\) 2 \(\times\) 中间点之和)。
- 条数越多，精度越高。
要点总结：梯形法则是一种通过直线图形来估算面积的数值方法。你需要掌握如何应用公式，并根据曲线的弯曲方向判断结果是偏大还是偏小。
最终检查清单
- 是否记得幂次加 1 并除以新幂次？
- 对于每个不定积分，是否都加上了 \(+ c\)？
- 在开始计算前，是否能将分数（如 \(\frac{1}{x^2}\)）写成负指数形式（\(x^{-2}\)）？
- 对于定积分，是否记得用（上限代入值）减去（下限代入值）？
- 是否知道\(x\) 轴下方的面积会导致负的积分值？
- 能否判断梯形法则的估值是偏高还是偏低？
继续练习！积分是一项熟能生巧的技能，做得题目越多，就越简单。你一定行的！