分部积分法详解:从LIATE规则到工程实践

发布时间:2026/10/31 17:14:35

分部积分法详解:从LIATE规则到工程实践 分部积分这四个字第一次看到的人多半会愣一下——它不像“换元法”那样直白也不像“求导公式”那样有明确的动作指向。但如果你学过微积分或者正在准备考研、期末考又或者工作中需要处理连续量的累加问题这个词迟早会找上你。分部积分是微积分里处理乘积形式函数积分的核心手段本质上是把“两个函数相乘求积分”这件难事转化成“一个函数求导、另一个函数积分”的组合操作。它解决的是那些直接套基本积分表套不出来的积分比如多项式乘指数、多项式乘三角函数、对数函数单独出现、反三角函数单独出现这类场景。适合谁来参考正在学微积分的学生、需要复习高等数学的工程师、做数值计算时需要对连续模型做解析推导的从业者以及任何想搞明白“为什么这个积分要这么拆”的人。我下面要讲的不是教科书式的定义罗列而是我自己在反复做题、给别人讲题、以及在工程推导里用它的过程中攒下来的判断逻辑和操作细节。1. 分部积分到底在解决什么问题1.1 从乘积求导公式反推出来的工具要理解分部积分得先回到乘积的求导法则。两个函数 u(x) 和 v(x) 相乘求导结果是 uv uv。这个公式本身没什么稀奇但把它两边同时积分再移项就得到了分部积分的核心关系∫u dv uv − ∫v du我第一次看到这个式子的时候反应是“这不就是把一个积分换成了另一个积分吗有什么意义”。后来做题做多了才明白它的价值不在于“换”而在于“换得更简单”。原来你要算 ∫u dv现在变成算 uv 减去 ∫v du如果新出来的 ∫v du 比原来的好算这笔买卖就划算。整个分部积分的操作本质上就是在做这个“划算与否”的判断。这里有个容易被忽略的点u 和 dv 是你自己选的不是题目给定的。同一个积分选不同的 u 和 dv难度可能天差地别。所以分部积分从来不是“套公式”而是“做选择”。这个认知上的转变是我觉得学分部积分最重要的一步。1.2 什么样的积分值得考虑分部积分不是所有积分都适合用分部积分。我总结下来遇到下面几类被积函数才值得把分部积分拿出来试一试多项式乘指数函数比如 x²eˣ、x·e^(2x) 这种。多项式求导会降次指数函数积分还是指数函数两边都往简单方向走。多项式乘三角函数比如 x·sinx、x²·cosx。道理一样多项式求导降次三角函数积分还是三角函数。对数函数单独出现比如 ∫lnx dx。这种看着没法下手但把 lnx 当 u、dx 当 dv一拆就通了。反三角函数单独出现比如 ∫arctanx dx。思路和对数函数一样。指数函数乘三角函数比如 eˣ·sinx。这类比较特殊分部积分两次会绕回原积分需要移项解方程。反过来如果被积函数是两个“同类”函数相乘比如 sinx·cosx那优先考虑三角恒等变形或者换元而不是硬上分部积分。选错工具越算越乱这是新手最常见的弯路。1.3 一个生活化的类比把难搬的箱子拆开搬我给别人讲分部积分的时候喜欢用一个搬箱子的类比。假设你要搬一个特别重、形状又不规则的箱子原积分一个人搬不动。分部积分的思路是把箱子拆成两部分一部分你负责搬求导那部分另一部分交给同伴积分那部分最后在终点汇合uv 项再把同伴多搬的那段路补回来减去的积分项。这个类比的关键在于拆箱子的方式决定了搬运的难易。你把重的那块留给自己求导让它变轻把好搬的那块交给同伴积分让它保持形态整体就轻松了。这就是 u 和 dv 选择的核心逻辑——让求导的那部分越导越简单让积分的那部分积完不变得更复杂。2. u 和 dv 怎么选LIATE 规则与它的边界2.1 LIATE 优先级的来历和用法选 u 和 dv 是分部积分里最关键的决策业内流传最广的辅助规则叫 LIATE按优先级从高到低排列优先级字母函数类型典型例子1最高L对数函数lnx、log₂x2I反三角函数arcsinx、arctanx3A代数函数多项式x、x²、3x14T三角函数sinx、cosx5最低E指数函数eˣ、2ˣ规则很简单排在前面的优先当 u排在后面的优先当 dv。比如 ∫x·eˣ dx代数函数 A 排在指数函数 E 前面所以 u xdv eˣ dx。再比如 ∫x·lnx dx对数函数 L 排最高所以 u lnxdv x dx。这个规则的底层逻辑是对数函数和反三角函数求导后会变成代数函数变简单了而它们本身很难直接积分指数函数和三角函数积分后形态不变适合当 dv。LIATE 本质上是在帮你判断“谁求导收益大、谁积分代价小”。2.2 LIATE 失效的场景与手动调整LIATE 好用但不是万能。我踩过的坑里最典型的是 ∫x³·e^(x²) dx 这种。按 LIATEx³ 是代数函数e^(x²) 是指数函数应该 u x³。但你真去算会发现dv e^(x²) dx 根本积不出来它的原函数不是初等函数。这时候正确做法是先做变量代换 t x²把积分变成 (1/2)∫t·eᵗ dt再用分部积分u tdv eᵗ dt。所以 LIATE 只是起点不是终点。我的经验是先扫一眼 dv 能不能积出来如果按规则选出来的 dv 积不出来就得调整。另一个失效场景是当两个函数类型相同或接近时比如 ∫eˣ·sinx dxLIATE 里 T 在 E 前面选 u sinx但这题其实选谁都行因为要分部积分两次再移项规则在这里指导意义不大。2.3 选错之后的补救换序重来新手最容易犯的错是选反了 u 和 dv然后硬着头皮往下算越算越复杂还不敢回头。我的建议很直接算两步发现新积分比原积分还难立刻停手换序重来。分部积分不像解方程走错路不会自动纠错你得主动判断。举个我见过的典型错误∫x·lnx dx有人选 u xdv lnx dx。结果 dv 积出来是 x·lnx − x新积分 ∫(x·lnx − x)·1 dx 比原来还复杂。正确选法是 u lnxdv x dx一步就出结果 (x²/2)·lnx − x²/4 C。判断标准很朴素新积分如果比原积分更难或一样难说明选错了。3. 完整实操从拆解到出结果的每一步3.1 标准流程的四步走法我把分部积分的操作拆成固定的四步照着走基本不会乱定 u 和 dv按 LIATE 初选检查 dv 是否可积不可积则调整。求 du 和 vu 求导得 dudv 积分得 v这里不加常数 C留到最后。代入公式写出 uv − ∫v du把新积分整理清楚。处理新积分能直接积的直接积需要再分部的继续分部绕回原积分的移项解方程。这四步里第三步最容易出错因为符号和项容易漏。我的习惯是代入后立刻把 uv 项和积分项分开写中间用减号连接别急着合并等新积分算完再统一整理。3.2 案例一∫x²eˣ dx 的完整推导拿一个多项式乘指数的标准例子走一遍。目标是算 ∫x²eˣ dx。第一步定 u 和 dv。按 LIATEx² 是代数函数eˣ 是指数函数A 在 E 前所以 u x²dv eˣ dx。第二步求 du 和 v。du 2x dxv eˣ。第三步代入。∫x²eˣ dx x²eˣ − ∫eˣ·2x dx x²eˣ − 2∫x·eˣ dx。第四步处理新积分 ∫x·eˣ dx。这个还得再分部一次u xdv eˣ dxdu dxv eˣ所以 ∫x·eˣ dx x·eˣ − ∫eˣ dx x·eˣ − eˣ。代回去∫x²eˣ dx x²eˣ − 2(x·eˣ − eˣ) C eˣ(x² − 2x 2) C。这里有个细节值得说多项式乘指数分部的次数等于多项式的次数。x² 要分部两次x³ 要三次。每分部一次多项式降一次幂直到变成常数积分就结束了。这个规律能帮你预判工作量。3.3 案例二∫lnx dx 的“无中生有”∫lnx dx 是很多人第一次觉得分部积分神奇的例子因为被积函数只有一个 lnx看着没有“两个函数相乘”的结构。破解方法是把被积函数看成 lnx · 1即 u lnxdv dx。du (1/x) dxv x。代入∫lnx dx x·lnx − ∫x·(1/x) dx x·lnx − ∫1 dx x·lnx − x C。这个技巧的通用性很强任何单独出现的对数函数或反三角函数都可以配一个隐含的 1 当 dv。∫arctanx dx 同理u arctanxdv dxdu 1/(1x²) dxv x结果是 x·arctanx − (1/2)ln(1x²) C。这个“配 1”的操作我建议直接记成条件反射。3.4 案例三∫eˣsinx dx 的循环与移项这类积分是分部积分的特殊题型因为分部两次会绕回原积分。设 I ∫eˣsinx dx。第一次分部u sinxdv eˣ dxdu cosx dxv eˣ。得 I eˣsinx − ∫eˣcosx dx。第二次分部对 ∫eˣcosx dxu cosxdv eˣ dxdu −sinx dxv eˣ。得 ∫eˣcosx dx eˣcosx ∫eˣsinx dx eˣcosx I。代回I eˣsinx − (eˣcosx I) eˣsinx − eˣcosx − I。移项2I eˣ(sinx − cosx)所以 I eˣ(sinx − cosx)/2 C。这类题的关键是两次分部必须保持 u 的类型一致都选三角函数当 u或都选指数函数当 u中途换类型会导致循环断掉、算不出来。另外移项时别漏了系数 2我见过不少人在这里丢分。4. 实操中的高频坑与排查表4.1 符号错误减号后面的括号分部积分公式里那个减号是错误高发区。尤其是新积分本身还带负号或者需要再分部时括号一漏整个结果就反了。我的做法是代入公式后先把 ∫v du 整个用括号包起来等它算完再拆括号。比如 ∫x·cosx dxu xdv cosx dx得 x·sinx − ∫sinx dx。这里 ∫sinx dx −cosx所以最终是 x·sinx − (−cosx) C x·sinx cosx C。如果中间不包括号很容易写成 x·sinx − cosx符号就错了。4.2 v 的常数问题什么时候加 Cdv 积分得 v 的时候理论上 v 可以加任意常数。但实操中在求 v 这一步不加 C统一留到最终结果。原因是如果你在 v 里加了 C代入公式后 uv 项会多出 C·u而减去的积分项里也会多出对应的 C 项两者会抵消白折腾。所以规矩就是中间步骤不加 C最后一步统一加。4.3 循环积分移项时的系数陷阱循环型积分指数乘三角移项时系数容易算错。标准做法是设原积分为 I分部两次后得到形如 I f(x) − k·I 的式子移项得 (1k)I f(x)再除。这里的 k 通常是 1但如果你在分部过程中 dv 选的是 e^(2x) 而不是 eˣk 就可能不是 1。我建议移项前把式子完整写出来别跳步系数看清楚再除。4.4 常见问题速查表现象可能原因排查动作新积分比原积分还复杂u 和 dv 选反了换序重来让多项式或对数当 udv 积不出来dv 选了不可积的函数先做变量代换或调整 u/dv结果符号反了减号后括号漏了检查 ∫v du 是否整体加括号循环积分算不出两次分部 u 类型不一致统一两次都选三角或都选指数最终结果多出常数项中间步骤给 v 加了 C中间不加 C最后统一加多项式分部次数不够没分到多项式变常数分部次数等于多项式次数这张表是我自己整理出来贴在草稿纸边上的做题卡住的时候扫一眼八成能定位问题。5. 从做题到用起来分部积分的延伸场景5.1 在工程推导里的角色分部积分不只是考试题它在工程推导里出现频率很高。比如在信号处理里推导某些变换的性质时需要对“时间乘信号”这类乘积形式做积分分部积分就是标准手段。再比如概率论里算期望时遇到 x·f(x) 形式的积分分部积分能把 x 的幂次降下来简化计算。我用它最多的场景是推导递推关系很多特殊函数的递推公式就是靠分部积分从低阶推高阶的。5.2 和换元法的配合使用实际题目里分部积分很少单独出现经常和换元法配合。典型套路是先换元把积分化简成标准形式再分部。比如 ∫x·e^(x²) dx直接分部不好选先令 t x²dt 2x dx积分变成 (1/2)∫eᵗ dt直接出结果。判断顺序上我的习惯是先看能不能换元化简化简不了再考虑分部。换元是“改结构”分部是“拆乘积”两者解决的问题层次不一样。5.3 表格法多次分部的加速技巧当多项式次数较高、需要分部多次时逐次写公式很累可以用表格法加速。以 ∫x³eˣ dx 为例左列写 u 的逐次求导x³、3x²、6x、6、0右列写 dv 的逐次积分eˣ、eˣ、eˣ、eˣ、eˣ然后交叉相乘、符号交替、−、、−。结果是 eˣ(x³ − 3x² 6x − 6) C。表格法的好处是把多次分部的符号和项一次性理清减少中间出错。但它只适用于“一边求导能归零”的场景多项式乘指数/三角循环型积分用不了。我一般在多项式次数大于等于 3 时才用表格法次数低的时候逐次分部反而更清楚。5.4 我个人的几条实操心得最后分享几条我反复验证过的经验。第一动笔前先花十秒判断类型是多项式乘指数、对数单独出现、还是循环型类型定了u 和 dv 基本就定了别急着写。第二每算完一步回头看一眼新积分是否变简单了这是判断选对没选对的唯一标准。第三草稿上把 uv 项和积分项分行写别挤在一起符号错误大多来自挤。第四循环型积分移项后把 I 的系数单独圈出来除的时候不容易漏。第五做题时如果卡住超过三分钟别硬耗翻回 LIATE 表重新选 u 和 dv八成是选错了。这些经验听起来琐碎但每一条都是我在实际做题和推导里踩过坑之后总结的。分部积分这个工具公式本身一行就写完了真正花时间的是判断和选择而判断能力只能靠反复练、反复纠错来积累。你现在如果正被某个积分卡住不妨按上面的四步流程走一遍重点检查 u 和 dv 的选择多数问题都出在第一步。
延伸阅读

更多相关文章

2026/10/31 17:14:35

AI原生研发体系实战:企业智能体从Demo到生产的落地指南

我见过太多这样的项目:团队花三个月把智能体Demo做得风生水起,老板看了很兴奋,各种能力演示都跑通了,结果一放到真实业务里就崩——不是答非所问,就是调用工具出错,再不就是延迟高到没人愿意用。问题出在哪…

2026/10/31 17:14:35

Pygame游戏UI开发:从基础组件到高级实现

1. Pygame游戏用户界面系统概述在游戏开发中,用户界面(UI)系统是连接玩家与游戏世界的桥梁。Pygame作为Python最流行的2D游戏开发库,虽然本身不提供高级UI组件,但通过其基础绘图和事件处理功能,我们可以构建完整的游戏菜单和交互系…

2026/10/31 17:09:35

SpringBoot智能配餐系统:高考生营养优化方案

1. 项目背景与核心价值高考对于每个学生而言都是人生的重要转折点,而合理的饮食搭配对考生的身体状态和大脑运转效率有着直接影响。传统的高考生饮食安排往往依赖家长经验或简单食谱,缺乏科学依据和个性化考量。这套基于SpringBoot的智能配餐系统正是为了…

2026/10/31 18:09:38

扩散模型对抗样本技术:原理、应用与防御策略

1. 扩散模型对抗样本技术概述扩散模型作为当前生成式AI的核心技术,其对抗样本研究正成为AI安全领域的热点。与传统分类模型的对抗攻击不同,扩散模型的对抗样本需要破坏特征提取和生成过程的连贯性。我在实际测试中发现,即使添加人眼不可见的微…

2026/10/31 18:09:38

数据结构与算法核心解析:从基础到实战应用

1. 数据结构与算法基础概念数据结构是计算机存储、组织数据的方式,算法则是解决特定问题的一系列步骤。二者相辅相成,共同构成了计算机科学的核心基础。在实际编程中,选择合适的数据结构能显著提升算法效率,而优秀的算法设计又能充…

2026/10/31 18:09:38

SQL Server图书管理系统:建库建表、借还事务与五个踩坑修复

简介:《SQL数据库图书管理系统(完整代码).doc》是一份面向高校数据库课程设计、毕业设计入门及SQL初学者参考的完整文档型案例,围绕图书馆借阅管理场景,解决读者信息、图书库存、借还记录与超期罚款等数据组织混乱的问题。文档将系统分析、数…

2026/10/31 18:09:38

大数据与区块链融合架构设计与实践

1. 大数据与区块链融合的架构革命当数据量从TB级跃升至PB甚至EB级别时,传统数据架构开始暴露出信任成本高、审计困难、多方协作效率低下等痛点。我在某金融集团的数据中台改造项目中,曾遇到跨境交易数据需要经过7个中间系统处理,每个环节都存…

2026/10/31 18:09:38

区块链与大数据融合:关键技术路径与落地实践

1. 大数据与区块链融合的背景与价值大数据技术经过十余年发展已进入深水区,传统数据架构面临三大核心挑战:数据确权难、审计追溯弱、协作成本高。我在金融和供应链领域的数据治理实践中,经常遇到多方数据协作时"不敢共享""不愿…

2026/10/30 20:55:10

全国计算机二级C语言真题PDF高效刷题指南

简介:这份PDF是全国计算机二级C语言考试的试题与答案解析,专为备考二级C语言的考生准备。内容涵盖C语言特点与设计理念、程序基本组成单位、main函数执行流程、函数嵌套调用规则、标识符命名规范、整型实型字符型数据类型、八进制十六进制数合法形式、运…

2026/10/30 20:55:10

requests+BeautifulSoup:爬虫抓取h1标题的入门实战指南

简介:一份以实战为导向的Python爬虫入门资源,面向具备基本编程基础、希望快速掌握网络数据抓取的初学者,可解决从零编写简单爬虫的常见困惑。实例以requests库发送HTTP请求、BeautifulSoup解析HTML文档,完整演示从网页中提取 标题…

2026/10/30 20:55:09

递推最小二乘参数辨识MATLAB编程:二阶系统与渐消记忆实现

简介:这是一篇面向控制系统、信号处理与机器学习等领域学习者的最小二乘参数辨识程序说明文档。资源共包含一个docx格式文档,压缩包大小七十八KB,内容围绕递推最小二乘算法和渐消记忆最小二乘算法展开:先构造一个极点位于单位圆内…

2026/10/31 0:02:41

猫狗目标检测数据集:VOC/COCO/YOLO三格式一体化实战包

简介:本资源是一套面向计算机视觉初学者与YOLO目标检测实践者的猫狗图像数据集及配套开发工具包,专为快速上手目标检测模型训练而设计。资源包含1000张真实场景高清猫狗图片,标注质量高,同时提供VOC(XML)、…

2026/10/31 0:02:41

HDU2017多校标程复现:算法竞赛工程化真题沙盒

简介:本资源为2017年HDU多校联合训练第一场官方配套资料,面向ACM程序设计竞赛备赛学生、算法爱好者及高校编程集训队成员,旨在提供权威解题参考与完整测试验证环境。压缩包共40个文件,含15份C标程(覆盖全部赛题&#x…

还想了解更多?直接咨询顾问

免费诊断 + 免费方案 + 透明报价。

全国咨询热线400-8866-253
免费获取方案
☎咨询二维码 ☎ ↑