欢迎来到积分的世界！
在纯数（Pure Maths, P1）的学习旅程中，你已经学会了如何通过“微分”（differentiation）来求曲线的斜率。现在，我们要学习如何进行完全相反的操作！积分（Integration）本质上就是微分的“倒档”。
你可以这样理解：如果微分是把一台车拆开来看看它是如何运作的过程，那么积分就是把这些零件重新组装起来，看看整台车的样子。对于工程师、建筑师和科学家来说，这是一个强大的工具，可以用来计算面积、体积，甚至是行星的运行轨迹！
1. 不定积分：反向过程
如果你拥有一个导数（即斜率函数），并且想找回原本的函数，你需要进行积分。这被称为不定积分（indefinite integration）。
积分的黄金法则
要对像 \(ax^n\) 这样的基本项进行积分，请遵循以下两个简单步骤：
1. 将指数加 1。
2. 除以新的指数。
公式如下：
\(\int ax^n dx = \frac{a}{n+1}x^{n+1} + c\)
重要提示：此法则适用于任何指数 \(n\)，但前提是 \(n \neq -1\)。如果指数是 \(-1\)，我们需要另一条你在稍后课程中才会学到的法则！
什么是“\(+ c\)”？
当我们对一个常数（例如 5 或 100）进行微分时，它会消失，因为它的斜率为零。当我们反向操作（积分）时，我们无法得知原本是否存在常数，或者它具体是多少。因此，我们总是会在最后加上 \(+ c\)，我们称之为积分常数（constant of integration）。
例子：求 \(\int 3x^2 dx\)。
1. 指数加 1：\(2 + 1 = 3\)。
2. 除以新的指数：\(\frac{3}{3} = 1\)。
3. 别忘了加上 \(+ c\)！
结果：\(x^3 + c\)。
快速复习：
- 微分：乘以指数，然后减 1。
- 积分：指数加 1，然后除以新的指数。
2. 多项式与有理指数的积分
通常，你会遇到不止一项的情况。如果起初觉得棘手，请不必担心——你只需要逐项处理即可！
加法与减法
规则很简单：\(\int [f'(x) + g'(x)] dx = f(x) + g(x) + c\)。
这意味着如果你有多项相加或相减，只需逐一对它们进行积分。
处理根式与分数
在积分之前，通常需要利用指数定律（laws of indices）重写表达式。
- 将 \(\sqrt{x}\) 重写为 \(x^{1/2}\)。
- 将 \(\frac{1}{x^2}\) 重写为 \(x^{-2}\)。
- 将 \(\frac{x+2}{\sqrt{x}}\) 重写为 \(\frac{x}{x^{1/2}} + \frac{2}{x^{1/2}}\)，这可简化为 \(x^{1/2} + 2x^{-1/2}\)。
常见错误：千万不要试图通过分别对分子和分母进行积分来处理分数。永远要先将其简化为独立的指数项！
核心重点：先整理好你的代数！在开始“加与除”的过程之前，请使用指数定律确保每一项都写成 \(ax^n\) 的形式。
3. 定积分
定积分（definite integral）在积分符号的上下方有数字，如下所示：\(\int_{a}^{b} f'(x) dx\)。这些数字（\(a\) 和 \(b\)）被称为积分限（limits）。
如何计算：
1. 像平时一样对函数进行积分（但可以省略 \(+ c\)）。
2. 将结果放在方括号内，并在右侧标注积分限：\([f(x)]_a^b\)。
3. 将上限 (\(b\)) 代入函数中。
4. 将下限 (\(a\)) 代入函数中。
5. 用第一个结果减去第二个结果：\(f(b) - f(a)\)。
你知道吗？我们在定积分中不需要 \(+ c\)，因为当你相减两个值时，即 \((f(b) + c) - (f(a) + c)\)，其中的 \(c\) 会互相抵消！
4. 曲线下的面积
积分最酷的事情之一就是它能告诉我们曲线与 x 轴之间的面积。
面积计算公式为：面积 = \(\int_{a}^{b} y dx\)
如果面积在 x 轴下方怎么办？
如果你测量的区域在 x 轴下方，积分会给你一个负值。由于现实生活中的“面积”不可能是负的，我们只需取该数值的正数版本（即绝对值）。
曲线与直线（或两条曲线）之间的面积
要计算两条边界之间的面积：
1. 找出两条图形的交点（这将得出你的积分限 \(a\) 和 \(b\)）。
2. 用“上方”函数减去“下方”函数。
3. 对结果进行积分：\(\int_{a}^{b} (\text{上方函数} - \text{下方函数}) dx\)。
类比：想象上方函数是天花板，下方函数是地板。要找到两者之间的空间，你需要用天花板的高度减去地板的高度。
5. 梯形法则（Trapezium Rule）
有时候，一个函数太复杂，无法使用标准规则进行积分。在这些情况下，我们使用一种称为梯形法则的近似方法。
我们不是寻求精确面积，而是将面积分割成几个看起来像梯形的垂直条。通过将这些梯形的面积相加，我们就能得到总面积的一个非常接近的估计值。
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：
- \(h\) 是每个条带的宽度。
- \(y_0, y_1, ...\) 是纵坐标（每个点对应的 y 值）。
- 经验法则：第一个和最后一个 y 值只算一次；中间所有的 y 值都要乘以 2。
过度估计还是低估？
- 如果曲线向外弯曲（凸函数），梯形的顶部将在曲线之上，从而给你一个过度估计（over-estimate）。
- 如果曲线向内弯曲（凹函数），梯形的顶部将在曲线之下，从而给你一个低估（under-estimate）。
小贴士：为了让估计更准确，只需使用更多的条带！条带越细，梯形与实际曲线之间的“缝隙”就越小。
重点总结：
- 不定积分：指数加 1，除以新指数，加上 \(+ c\)。
- 定积分：计算 \((\text{上限代入值}) - (\text{下限代入值})\)。
- 面积：使用定积分；x 轴下方的区域会导致积分结果为负。
- 梯形法则：当精确积分困难时，使用此方法估算面积。