纯代数积分：不猜换元，用解方程求不定积分

这次我们来看一个积分求解的另一种打开方式：纯代数、不碰极限、不猜换元。你大概率在教材里见过这样的流程：拿到 ∫ x·e^{2x} dx，先考虑分部积分，或者换 t=2x，再套公式。这个流程的问题在于“识别模式”依赖经验，遇到变体就容易卡住。而这里要讲的思路，把求积分看成“解一个微分方程”，然后完全用代数手段找反导数。

这个方法不是某个开源软件，而是一套符号计算思想：先假设原函数属于某个函数类，再通过求导、对比系数，把积分问题转成线性代数问题。极限只出现在导数定义层，不参与求解过程；换元法被表达成链式法则的反向消元，不再靠人工猜测“该换什么”。后面我会把它拆成三层来落地：形式幂级数积分、待定函数法、可积性判定，并给出用 SymPy 做符号验证的完整流程。适合正在学高等数学、考研复习、做符号计算开发，或者想了解 Risch 算法的读者。整个过程不需要 GPU，不涉及显存，一台普通笔记本就能跑。

1. 核心方法速览

先把这套“纯代数积分法”的关键规格放在前面，方便你快速判断值不值得往下读。

这套思路不是某个单一算法，而是一族方法的统称。它最有价值的点不是“能算更快”，而是“能判断能不能算”。既然不定积分定义为反导数方程 g′(x)=f(x)，那么求解过程本质上就是在微分结构里做代数消元。下面从最简单的形式幂级数开始，逐步展开。

2. 纯代数积分的第一层：把积分写成反导数方程

先明确一下数学基础。给定函数 f(x)，不定积分 ∫ f(x) dx 的定义是找另一个函数 g(x)，满足 g′(x)=f(x)。这个方程本身不包含极限符号，极限只藏在导数的定义里。也就是说，一旦你接受了导数的代数运算规则——线性性、莱布尼茨乘积法则、链式法则——积分就变成了这些运算规则的反向求解。

为什么平时学积分会觉得很“玄”？因为教材通常先给你几十个积分公式，再教换元法和分部积分法，最后告诉你要多做练习找手感。但换元法的本质是链式法则的反向使用：如果 g(x)=h(u(x))，那么 g′(x)=h′(u(x))·u′(x)。当被积函数恰好可以写成 “某个外函数的导数 乘上 内函数导数” 的结构时，换元法才有效。问题在于，看到 ∫ e^{sin x}·cos x dx 时，你需要“发现”外函数是 e^{u}，内函数是 u=sin x。这一步叫“观察”，在算法上很不可靠。

纯代数路线把这一步改造成可计算的消元过程。我们不猜 u，而是设 g(x) 属于某个已知函数族，代入 g′(x)=f(x)，比较系数，解线性方程组。这样一来，求积分就从“识别模式”变成了“解方程”。下面这个例子能体现这种差异。

已知 f(x)=x·e^{2x}。传统做法是分部积分，设 u=x，dv=e^{2x} dx。代数做法则先假设原函数具有 (Ax+B)·e^{2x} 的形式，因为多项式乘指数函数求导后仍会得到多项式乘指数函数。于是有：

$$g(x)=(Ax+B)e^{2x}$$

$$g'(x)=Ae^{2x}+2(Ax+B)e^{2x}=(2Ax+A+2B)e^{2x}$$

对照被积函数 x·e^{2x}，得到线性方程组：

$$2A=1,\quad A+2B=0$$

解得 A=1/2，B=-1/4。所以：

$$\int x e^{2x},dx=\left(\frac{x}{2}-\frac{1}{4}\right)e^{2x}+C$$

整个过程没有检索公式表，也没有尝试换元，只有求导和系数对比。这就是“纯代数”的第一层含义。

3. 形式幂级数：不需要极限的积分实现

如果只讨论形式幂级数，纯代数