导数与微分

导数是微积分的“心脏”，它为我们提供了一个强大的工具来描述变化的快慢，即瞬时变化率。

导数 (Derivative)

想象一下你在山路上开车，你的位置 $s$ 是时间 $t$ 的函数 $s(t)$。在一段时间 $\mathrm{\Delta }t$ 内，你移动了 $\mathrm{\Delta }s=s(t+\mathrm{\Delta }t)-s(t)$。你的平均速度是 $\frac{\mathrm{\Delta }s}{\mathrm{\Delta }t}$。

但如果你想知道在某一精确时刻 $t_0$ 的瞬时速度呢？比如，你的速度计在那一刻的读数是多少？这时，你就需要让时间间隔 $\mathrm{\Delta }t$ 变得无限小。这个过程就是求导。

函数 $f(x)$ 在点 $x_0$ 的导数定义为：

$$f^{\prime }(x_0)=\underset{\mathrm{\Delta }x\to 0}{lim}\frac{f(x_0+\mathrm{\Delta }x)-f(x_0)}{\mathrm{\Delta }x}$$

如果这个极限存在，我们就说函数 $f(x)$ 在 $x_0$ 点可导。导数 $f^{\prime }(x)$ 也记作 $\frac{dy}{dx}$。

从几何上看，导数 $f^{\prime }(x_0)$ 是函数图像在点 $(x_0,f(x_0))$ 处切线的斜率。它代表了函数在该点最陡峭的程度和方向。

例题 1：求 $f(x)=x^2$ 的导数

让我们用定义来求这个基本函数的导数。

$$f^{\prime }(x)=\underset{\mathrm{\Delta }x\to 0}{lim}\frac{(x+\mathrm{\Delta }x{)}^2-x^2}{\mathrm{\Delta }x}$$

展开分子中的平方项：

$$f^{\prime }(x)=\underset{\mathrm{\Delta }x\to 0}{lim}\frac{x^2+2x\mathrm{\Delta }x+(\mathrm{\Delta }x{)}^2-x^2}{\mathrm{\Delta }x}$$

消去 $x^2$ 项：

$$f^{\prime }(x)=\underset{\mathrm{\Delta }x\to 0}{lim}\frac{2x\mathrm{\Delta }x+(\mathrm{\Delta }x{)}^2}{\mathrm{\Delta }x}$$

在取极限之前，我们可以用 $\mathrm{\Delta }x$ 来约分（因为 $\mathrm{\Delta }x\to 0$ 但不等于 0）：

$$f^{\prime }(x)=\underset{\mathrm{\Delta }x\to 0}{lim}(2x+\mathrm{\Delta }x)$$

现在，让 $\mathrm{\Delta }x$ 趋近于 0，我们得到：

$$f^{\prime }(x)=2x$$

这告诉我们，对于抛物线 $y=x^2$，在任意点 $x$ 的切线斜率都是 $2x$。例如，在 $x=1$ 处，斜率为 2；在 $x=3$ 处，斜率为 6，曲线变得更陡。

常见导数规则

幸运的是，我们不需要每次都使用极限的定义。有一些方便的规则：

• 常数法则: $(c{)}^{\prime }=0$
• 幂函数法则: $(x^n{)}^{\prime }=n{x}^{n-1}$
• 加法法则: $(f+g{)}^{\prime }=f^{\prime }+g^{\prime }$
• 乘法法则: $(fg{)}^{\prime }=f^{\prime }g+f{g}^{\prime }$
• 除法法则: $(\frac{f}{g}{)}^{\prime }=\frac{f^{\prime }g-f{g}^{\prime }}{g^2}$
• 链式法则 (用于复合函数): 如果 $y=f(u)$ 且 $u=g(x)$，那么 $\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}$

微分 (Differential)

微分提供了一种看待导数的不同视角，它关注于变化的“线性近似”。

如果函数 $y=f(x)$ 在点 $x$ 可导，那么当自变量有微小变化 $\mathrm{\Delta }x$ 时，函数的增量 $\mathrm{\Delta }y=f(x+\mathrm{\Delta }x)-f(x)$ 可以近似为：

$$\mathrm{\Delta }y\approx f^{\prime }(x)\mathrm{\Delta }x$$

这个近似值的右边部分，我们就称为函数 $y=f(x)$ 的微分，记作 $dy$：

$$dy=f^{\prime }(x)dx$$

这里我们用 $dx$ 来表示自变量的微小变化 $\mathrm{\Delta }x$。微分 $dy$ 是函数增量 $\mathrm{\Delta }y$ 的线性主部。在足够小的尺度上，任何平滑的曲线都可以看作是一条直线，微分正是抓住了这种局部线性关系。

物理中的应用

导数是物理学的核心语言，几乎所有瞬时变化的过程都用导数来描述。

• 速度与加速度：位移 $s(t)$ 对时间的导数是瞬时速度 $v(t)$，速度 $v(t)$ 对时间的导数是瞬时加速度 $a(t)$。

  • $v(t)=\frac{ds(t)}{dt}$
  • $a(t)=\frac{dv(t)}{dt}=\frac{d^{2}s(t)}{d{t}^2}$ (二阶导数)

• 力与势能：在保守力场中，力是势能 $U(x)$ 对位置的负导数（在三维中是负梯度）。这表示力总是指向势能下降最快的方向。

  • 一维情况： $F(x)=-\frac{dU(x)}{dx}$

• 电流：通过一个截面的电流强度 $I(t)$ 是电荷量 $Q(t)$ 随时间变化的速率。

  • $I(t)=\frac{dQ(t)}{dt}$

• 波的方程：描述波动的方程，如 $\frac{{\partial }^{2}u}{\partial t^2}=c^2\frac{{\partial }^{2}u}{\partial x^2}$，使用了偏导数，这是导数概念在多变量函数中的推广。

理解导数和微分，是建立和求解描述物理系统运动和演化方程的关键第一步。

本页面最近更新：2025/11/30 10:25:03，更新历史
发现错误？想一起完善？ 在 GitHub 上编辑此页！
本页面贡献者：Leafuke
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用

评论