导数的概念（那些年，扛起牛顿的胡克）

导数的概念（那些年，扛起牛顿的胡克）

小象实战讲义 · 人工智能数学基础

在人工智能的建模与优化过程中，我们常常需要分析函数值如何随输入变化，这种“变化率”是理解模型行为、设计优化算法的核心。本节将从物理学、经济学等领域的直观概念出发，引出变化率的统一数学模型——导数，并给出其严格的数学定义与几何意义，为后续学习微分、梯度下降等关键内容奠定基础。

💡 核心导读

本节你将掌握：

1. 变化的统一描述：理解速度、斜率、边际税率等概念背后共同的“变化率”思想。
2. 导数的精确定义：学习如何用极限工具，从平均变化率过渡到瞬时变化率，从而定义导数。
3. 导数的几何图像：将抽象的导数与曲线切线的斜率联系起来，建立直观的几何理解。
4. 导数的多种记法：熟悉 $f’(x)$、$\frac{df}{dx}$ 等不同记号的来源与含义。
5. 可导与连续的关系：了解函数在某点可导所需满足的基本条件。

从直观变化率到数学抽象

在各个学科领域，我们都在不约而同地研究一个量关于另一个量的变化快慢，即“变化率”。

• 物理学中的速度与加速度：位移 $s$ 关于时间 $t$ 的变化率是速度 $v$；速度 $v$ 关于时间 $t$ 的变化率是加速度 $a$，即 $\frac{dv}{dt} = a$。
• 电学中的电流：电荷量 $q$ 关于时间 $t$ 的变化率是电流 $I$，即 $I = \frac{dq}{dt}$。
• 几何中的斜率：对于直线 $y=kx+b$，纵坐标 $y$ 关于横坐标 $x$ 的变化率是斜率 $k$。对于曲线，我们关心其上某一点处切线的斜率。
• 经济学中的边际税率：税收 $T$ 关于收入 $I$ 的变化率，反映了收入微增时税负的变化快慢。

这些例子表明，“变化率”是一个普适的需求。数学家希望从中抽象出一个统一的数学模型，来研究变化率本身的定义、性质与计算方法。这个模型就是导数。

导数的定义

平均变化率与瞬时变化率

设函数 $y = f(x)$ 在区间 $(a, b)$ 内有定义，$x_0 \in (a, b)$。当自变量 $x$ 从 $x_0$ 变化到 $x_0 + \Delta x$ ($\Delta x \neq 0$) 时，函数值相应地从 $f(x_0)$ 变化到 $f(x_0 + \Delta x)$。我们称：

• $\Delta x$ 为自变量的增量。
• $\Delta y = f(x_0 + \Delta x) - f(x_0)$ 为函数的增量。

比值 $\frac{\Delta y}{\Delta x}$ 反映了在区间 $[x_0, x_0+\Delta x]$ 上，函数 $f(x)$ 关于 $x$ 的平均变化率。它的几何意义是连接点 $(x_0, f(x_0))$ 和点 $(x_0+\Delta x, f(x_0+\Delta x))$ 的割线的斜率。

导数的精确定义

为了刻画函数在 $x_0$ 这一点的瞬时变化率，我们让 $\Delta x$ 无限趋近于 0，考察平均变化率的极限。

定义（导数）：如果极限 $$\lim_{\Delta x \to 0} \frac{\Delta y}{\Delta x} = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}$$ 存在，则称函数 $y = f(x)$ 在点 $x_0$ 处可导，并称此极限值为 $f(x)$ 在点 $x_0$ 处的导数，记作 $f’(x_0)$，即 $$f’(x_0) = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}$$ 导数 $f’(x_0)$ 也被称为微商，记作 $\left.\frac{dy}{dx}\right|${x=x_0}dxdy​​x=x0​​ 或 $\left.\frac{df}{dx}\right|${x=x_0}。其中符号 $\frac{d}{dx}$ 是莱布尼茨引入的微分算子，直观表示“关于 $x$ 求导”。

单侧导数与可导的充要条件

有时我们需要考虑从一侧趋近的情况，由此定义单侧导数。

定义（左、右导数）：

• 右导数：$f’$+(x_0) = \lim{\Delta x \to 0^+} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}
• 左导数：$f’$-(x_0) = \lim{\Delta x \to 0^-} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}

定理：函数 $f(x)$ 在点 $x_0$ 处可导的充分必要条件是，其左导数 $f’$-(x_0)f−′​(x0​) 和右导数 $f’$+(x_0) 都存在且相等。

导函数

如果函数 $y=f(x)$ 在开区间 $(a, b)$ 内的每一点都可导，那么就称 $f(x)$ 在 $(a, b)$ 内可导。这时，对于 $(a, b)$ 内的每一个 $x$，都对应着一个确定的导数值 $f’(x)$，这就构成了一个新的函数，称为 $f(x)$ 的导函数，简称导数，记作 $f’(x)$， $y’$ 或 $\frac{dy}{dx}$。

导数的几何意义

回顾导数的定义式： $$f’(x_0) = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}$$ 其分子 $\Delta y$ 是函数值的差，分母 $\Delta x$ 是自变量的差。当 $\Delta x \to 0$ 时，割线 $PQ$（其中 $P=(x_0, f(x_0))$, $Q=(x_0+\Delta x, f(x_0+\Delta x))$）的极限位置，就是曲线在点 $P$ 处的切线。

因此，导数 $f’(x_0)$ 的几何意义是曲线 $y=f(x)$ 在点 $(x_0, f(x_0))$ 处的切线的斜率。

如果 $f’(x_0) > 0$，切线斜率为正，函数在该点附近呈上升趋势；如果 $f’(x_0) < 0$，则呈下降趋势。如果 $f’(x_0) = 0$，则切线是水平的。

根据点斜式方程，曲线 $y=f(x)$ 在点 $(x_0, f(x_0))$ 处的切线方程为： $$y - f(x_0) = f’(x_0)(x - x_0)$$

import numpy as np
import matplotlib.pyplot as plt
import sympy as sp

# 演示导数的几何意义：求函数在某点的切线
x = sp.symbols('x')
f_expr = x**2  # 定义函数 f(x) = x^2
x0 = 1.5       # 切点横坐标

# 使用 sympy 计算函数值和导数值（切线斜率）
f = sp.lambdify(x, f_expr, 'numpy')
f_prime_expr = sp.diff(f_expr, x)  # 求导函数
f_prime = sp.lambdify(x, f_prime_expr, 'numpy')

y0 = f(x0)
k = f_prime(x0)  # 切线斜率

# 生成曲线和切线的数据点
x_vals = np.linspace(0, 3, 100)
y_vals = f(x_vals)
# 切线方程: y = y0 + k*(x - x0)
y_tangent = y0 + k * (x_vals - x0)

# 绘制图像
plt.figure(figsize=(8, 6))
plt.plot(x_vals, y_vals, label=f'<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>y</mi><mo>=</mo><msup><mi>x</mi><mn>2</mn></msup></mrow><annotation encoding="application/x-tex">y = x^2</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.625em;vertical-align:-0.1944em;"></span><span class="mord mathnormal" style="margin-right:0.0359em;">y</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.8141em;"></span><span class="mord"><span class="mord mathnormal">x</span><span class="msupsub"><span class="vlist-t"><span class="vlist-r"><span class="vlist" style="height:0.8141em;"><span style="top:-3.063em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mtight">2</span></span></span></span></span></span></span></span></span></span></span>', linewidth=2)
plt.plot(x_vals, y_tangent, 'r--', label=f'切线: <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>y</mi><mo>=</mo><mrow><mi>k</mi><mo>:</mo><mn>.1</mn><mi>f</mi></mrow><mo stretchy="false">(</mo><mi>x</mi><mo>−</mo><mrow><mi>x</mi><mn>0</mn></mrow><mo stretchy="false">)</mo><mo>+</mo><mrow><mi>y</mi><mn>0</mn><mo>:</mo><mn>.1</mn><mi>f</mi></mrow></mrow><annotation encoding="application/x-tex">y = {k:.1f}(x - {x0}) + {y0:.1f}</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.625em;vertical-align:-0.1944em;"></span><span class="mord mathnormal" style="margin-right:0.0359em;">y</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord"><span class="mord mathnormal" style="margin-right:0.0315em;">k</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">:</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mord">.1</span><span class="mord mathnormal" style="margin-right:0.1076em;">f</span></span><span class="mopen">(</span><span class="mord mathnormal">x</span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">−</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord"><span class="mord mathnormal">x</span><span class="mord">0</span></span><span class="mclose">)</span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">+</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.8889em;vertical-align:-0.1944em;"></span><span class="mord"><span class="mord mathnormal" style="margin-right:0.0359em;">y</span><span class="mord">0</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">:</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mord">.1</span><span class="mord mathnormal" style="margin-right:0.1076em;">f</span></span></span></span></span>', linewidth=1.5)
plt.scatter([x0], [y0], color='red', s=50, zorder=5)  # 标记切点
plt.text(x0+0.1, y0-0.2, f'<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mo stretchy="false">(</mo><mrow><mi>x</mi><mn>0</mn></mrow><mo separator="true">,</mo><mrow><mi>y</mi><mn>0</mn><mo>:</mo><mn>.2</mn><mi>f</mi></mrow><mo stretchy="false">)</mo></mrow><annotation encoding="application/x-tex">({x0}, {y0:.2f})</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mopen">(</span><span class="mord"><span class="mord mathnormal">x</span><span class="mord">0</span></span><span class="mpunct">,</span><span class="mspace" style="margin-right:0.1667em;"></span><span class="mord"><span class="mord mathnormal" style="margin-right:0.0359em;">y</span><span class="mord">0</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">:</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mord">.2</span><span class="mord mathnormal" style="margin-right:0.1076em;">f</span></span><span class="mclose">)</span></span></span></span>', fontsize=12)

plt.xlabel('<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>x</mi></mrow><annotation encoding="application/x-tex">x</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.4306em;"></span><span class="mord mathnormal">x</span></span></span></span>', fontsize=14)
plt.ylabel('<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>y</mi></mrow><annotation encoding="application/x-tex">y</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.625em;vertical-align:-0.1944em;"></span><span class="mord mathnormal" style="margin-right:0.0359em;">y</span></span></span></span>', fontsize=14)
plt.title('导数的几何意义：切线的斜率', fontsize=16)
plt.legend(fontsize=12)
plt.grid(True, alpha=0.3)
plt.axis('equal')
plt.xlim(0, 3)
plt.ylim(0, 9)
plt.show()

# 打印导数值
print(f"在 x = {x0} 处：")
print(f"  函数值 f({x0}) = {y0:.4f}")
print(f"  导数值 f'({x0}) = {k:.4f}")
print(f"  切线斜率 k = {k:.4f}")

📝 动手练一练

1. 根据定义求导：利用导数定义 $f’(x_0) = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}$，求函数 $f(x) = 3x + 2$ 在 $x=1$ 处的导数。 参考答案： 根据定义计算： $$\begin{aligned} f’(1) &= \lim_{\Delta x \to 0} \frac{f(1 + \Delta x) - f(1)}{\Delta x} \ &= \lim_{\Delta x \to 0} \frac{[3(1+\Delta x) + 2] - [3\times1 + 2]}{\Delta x} \ &= \lim_{\Delta x \to 0} \frac{3 + 3\Delta x + 2 - 5}{\Delta x} \ &= \lim_{\Delta x \to 0} \frac{3\Delta x}{\Delta x} \ &= \lim_{\Delta x \to 0} 3 = 3 \end{aligned}$$ 所以，$f’(1) = 3$。

2. 求切线方程：已知函数 $y = \frac{1}{x}$，求该曲线在点 $(2, \frac{1}{2})$ 处的切线方程。 参考答案： 先求导数 $y’ = -\frac{1}{x^2}$。在 $x=2$ 处，导数值（切线斜率）$k = y’(2) = -\frac{1}{4}$。利用点斜式，切线方程为： $y - \frac{1}{2} = -\frac{1}{4}(x - 2)$，化简得 $y = -\frac{1}{4}x + 1$。

本章小结

本节我们建立了导数的核心概念：

• 导数的本质是函数在某一点的瞬时变化率，它统一了物理、几何、经济等领域中关于“变化快慢”的描述。
• 导数的定义基于极限：$f’(x_0) = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}$。可导的充要条件是左、右导数存在且相等。
• 导数的几何意义是曲线在对应点处切线的斜率。这为我们将抽象的代数变化与直观的几何图形联系起来提供了桥梁。
• 导数的记法主要有 $f’(x)$（拉格朗日记法）和 $\frac{df}{dx}$（莱布尼茨记法），后者在表示复合函数求导、多元函数偏导时尤为方便。

行动清单 学完本节，你可以立即：

1. 重述概念：尝试用自己的话向他人解释“为什么导数能表示瞬时速度或切线斜率”。
2. 符号转换：给定一个函数，如 $s(t)=t^2$，练习用两种不同的记号写出其在 $t=3$ 处的导数。
3. 代码验证：运行并理解本节提供的 Python 代码，尝试修改函数（如改为 $f(x)=\sin(x)$）和切点位置，观察切线与曲线的变化。

— 小象教研组