📚 本章内容
本章从牛顿的生平开始，介绍微积分的基础概念：极限是研究微积分的重要数学工具，导数描述函数的瞬时变化率。 通过割线逼近切线的过程，理解导数的几何意义和物理意义。
15.1 牛顿小传
"如果说我比别人看得更远，那是因为我站在巨人的肩上。"
1642 年年底，艾萨克·牛顿 (Sir Isaac Newton) 呱呱坠地，同年年初伽利略驾鹤西去。 牛顿从伽利略手中接过了智慧火炬。这可能告诉全世界，但又何尝不是其神秘中注定。在物理跨科学等科学领域的沃土上，即便没有培育出牛顿、半顿、米顿……
艾萨克·牛顿 (Sir Isaac Newton)
英国物理学家、数学家 | 1643年 ~ 1727年
提出万有引力定律、牛顿运动定律、与莱布尼茨共同发明微积分
图 1. 地球引力使用于月球和苹果
牛顿的牛顿坐标在高中里，思考物理学，苹果从树上掉下，萌发了万有引力的脑门。牛顿发出了一个侦世疑问，苹果为什么会下落？
其实，苹果为什么会下落，而不是飞向更远的天际？对这些问题的系统思考让牛顿提出了万有引力定律。
自然和自然规律隐藏在黑夜中，
上帝说：让牛顿吧，
于是一切都被点亮。
Nature and Nature's laws lay hid in night:
God said, Let Newton be! and all was light.
—— 亚历山大·蒲柏 (Alexander Pope) | 英国诗人 | 1688 ~ 1744
图 2. 牛顿的时间轴线
牛顿的成就不止于此。他提出三大运动定律，并出版《自然哲学的数学原理》(Mathematical Principles of Natural Philosophy)。 他和用三棱镜做分光实验，发现白光的微粒说。他和莱布尼茨分别独立发明微积分等等。任何人有其中任意一个贡献，就可以名各青史；然而，牛顿一个人完成以上这科学这些。
15.2 极限：研究微积分的重要数学工具
微积分 (calculus) 是研究实数域上函数的微分与积分性质的学科，而极限是微积分最重要数学工具。连续 (continuity)、导数 (derivative) 和积分 (integral) 这些概念都是通过极限来定义。
上一章简单介绍了数列极限、数列和极限。本节主要介绍函数极限。
函数极限
首先看一下函数极限的定义。
设函数 f(x) 在点 a 的某一个去心邻域内有定义，如果存在常数 C， 对于任意给定正数 ε（不管它多么小），总存在正数 δ，使得当 x 满足不等式：
对应函数值 f(x) 都满足：
常数 C 就是函数 f(x) 当 x → a 时的极限。记做：
举个例子
给定如下函数：
如图 3 所示，当 x 趋向正无穷，函数极限为 e：
图 3. 当 x 趋向正无穷，函数 f(x) 极限值
邻域
解释一下邻域这个概念。邻域 (neighbourhood) 实际上就是一个特殊的开区间。如图 4 所示， 点 a 的 h (h > 0) 邻域满足 a - h < x < a + h。
图 4. 邻域
a 为邻域的中心，h 为邻域的半径，而去心邻域 (deleted neighbourhood 或 punctured neighbourhood) 指的是， 在 a 的邻域中去掉 a 的集合。
Bk3_Ch15_01.py 计算极限并绘制图 3。
函数极限：逼近e
观察 (1 + 1/x)ˣ 如何随x增大而趋近自然常数e
极限值
调节x范围
当前状态
收敛速度
x = 10: 2.593742
x = 100: 2.704814
x = 1000: 2.716924
e ≈ 2.718282
📐 极限定义
• 极限公式： lim(x→∞) (1 + 1/x)ˣ = e
• 对数刻度： x轴使用对数刻度便于观察大x下的趋势
• 收敛性： 随着x增大，函数值从下方逼近e
• 应用： 复利计算、概率论中的重要极限
15.3 导数：瞬时变化率
导数 (derivative) 给出了函数在某一点的瞬时变化率 (instantaneous rate of change)。导数是微积分学的核心概念之一。
微分 (differential)、变分 (variation)、导数 (derivative) 这几个相近概念相互关联。
本节主要介绍导数。
平均变化率
如图 5 所示，对于函数 f(x)，x 从 a 变到 b 时， 函数 f(x) 的平均变化率 (average rate of change) 为：
这个平均变化率实际上就是割线 (secant line) 的斜率 (slope)，其中割线通过点 (a, f(a)) 和 (b, f(b))。
图 5. 平均变化率和割线
瞬时变化率
如图 6 所示，瞬时变化率 (instantaneous rate of change) 就是点 (a, f(a)) 处的切线斜率 (slope of tangent line)。
当 b 无限趋近于 a 时，平均变化率趋于瞬时变化率：
这个极限就是函数 f(x) 在 x = a 处的导数 (derivative)，记为 f'(a)。
图 6. 瞬时变化率和切线
当 b 趋向 a 时，割线趋向切线
导数定义
更常见的导数定义形式如下。令 Δx = b - a，当 b → a 时，Δx → 0。
函数 f(x) 在 x = a 处的导数为：
如图 7 所示，Δx 代表自变量的增量 (increment)，Δf = f(a + Δx) - f(a) 代表因变量的增量。
图 7. 导数定义示意图
导数的几何意义
导数 f'(a) 的几何意义是函数 f(x) 在点 (a, f(a)) 处切线的斜率。
函数在点 a 处递增
函数在点 a 处可能有极值
函数在点 a 处递减
Bk3_Ch15_02.py 绘制图 5、6 和 7。
割线与切线
观察割线斜率如何随Δx减小而逼近切线斜率（导数）
切线斜率（导数）
调节Δx
割线信息
斜率公式
k = (y₁ - y₀) / (x₁ - x₀)
k = (f(x₀+Δx) - f(x₀)) / Δx
当Δx→0时，k→f'(x₀)
📊 导数的几何意义
割线斜率：两点连线的倾斜度
切线斜率：割线的极限，函数瞬时变化率
导数：f'(x₀) = lim(Δx→0) [f(x₀+Δx)-f(x₀)]/Δx
15.4 几何视角看导数：切线斜率
导数 (derivative) 描述函数在某一点处的变化率。几何角度看，导数可以视作函数在某一点处的切线斜率。
切线斜率
举个中学物理中的例子。加速度 a 是速度 v 的变化率，速度 v 是距离 s 的变化率。
如图 8 所示，勾速直线运动中，距离函数 s(t) 对于时间 t 是一个一次函数。从图像角度来看，s(t) 图像的切线斜率不随时间变化，也就是说勾速直线运动的速度函数 v(t) 的图像为常数函数。
而 v(t) 的切线斜率为 0，说明加速度 a(t) 图像为常数函数，即加速度为定值。
图 8. 勾速直线运动：加速度、速度、距离函数图像
Constant function
线性函数
二次函数
再看另一例子。如图 9 所示，对于勾加速直线运动，距离函数 s(t) 对于时间 t 是一个二次函数。从图像上看，s(t) 在不同时间 t 位置，切线斜率不同。随着 t 增大，切线斜率不断增大。说明速度随时间递增。
图 9. 勾加速直线运动：加速度、速度、距离
换句话说，对于勾加速直线运动，距离函数 s(t) 和速度在一定时间范围，比如 [t₁, t₂] 围成或包围的面积就是速度变化 s₂ - s₁。完成这个运算的数学工具就是第 18 章等介绍的定积分。简单来说，积分就是求面积、体积。
直从信息单位变化角度，如图 9 三幅图所示。加速度的单位为 m/s²，速度的单位为 m/s，距离的单位位 m。距离 (m) 随时间 (s) 的变化，单位上就是 m/s；速度 (m/s) 随时间 (s) 的变化，单位上就是 m/s/s，即 m/s²。同理，速度纵轴的单位为 m/s，横轴单位为 s，因此结果的单位为 m/s × s，即 m。
反向来看，加速度 (m/s²) 到速度 (m/s) 就是求面积的过程，加速度纵轴的单位为 m/s²，而横轴单位为 s，因此结果的单位为 m/s² × s，即 m/s。同理，速度纵轴的单位为 m/s，横轴单位为 s，因此结果的单位为 m/s × s，即 m。
有次提醒大家，不管是加速度、还是微积分积分，注意数值单位。
函数导数定义
下面看一下函数导数的微切定义。
对于函数 y = f(x) 自变量 x 在 a 点处一个微小增量 Δx，会导致函数值增量 Δy = f(a + Δx) - f(a)。
当 Δx 趋向于 0 时，函数值增量 Δy 和自变量增量 Δx 比值的极限存在，则称 y = f(x) 在 a 点处可导 (function f of x is differentiable at a)，这个极限值便是函数 f(x) 在 a 点处一阶导数值：
如图 10 所示，从几何角度看，随着 Δx 不断减小，割线逐渐接近切线。
图 10. 导数就是极限值
Δ 和 d 都是差 (difference) 的含义。但是，Δ 代表离散值，比如 Δx → 0；而 d 是精确值，比如 dx。白话说，dx 是 Δx 趋向于 0 的精确值。
如果函数 y = f(x) 在 x = a 可导 (differentiable) 则该函数在该点处连续 (continuous)；但是，函数在某一点处连续并不意味着函数可导，如图 11 所示两种情况。
图 11. 函数在 x = a 不存在导数的两种情况
有次注意，本书用 x₁、x₂、x₃ 等等表述变量，而不是 x、x̂、x̃ 等等。 如果某个函数 y = f(x) 在 x = 0 处求得大值，对应的一阶导数为 0，二阶导数为负。这一点对于理解函数的极值非常重要，本书第 19 章将深入介绍。
割线与切线
观察割线斜率如何随Δx减小而逼近切线斜率（导数）
切线斜率（导数）
调节Δx
割线信息
斜率公式
k = (y₁ - y₀) / (x₁ - x₀)
k = (f(x₀+Δx) - f(x₀)) / Δx
当Δx→0时，k→f'(x₀)
📊 导数的几何意义
割线斜率：两点连线的倾斜度
切线斜率：割线的极限，函数瞬时变化率
导数：f'(x₀) = lim(Δx→0) [f(x₀+Δx)-f(x₀)]/Δx
15.5 导数也是函数
导数也常被称作导函数或导数函数，因为导数也是函数。
图 12 所示函数曲线在不同点处切线斜率随着 x 变化。再次强调，函数 f(x) 对自变量 x 的一阶导数 f'(x) 也是一个函数，它的自变量也是 x。f'(x) 可以记作 f' prime of x。
图 12. 函数不同点处切线斜率随自变量 x 变化
一阶导数
给定二次函数，f(x) = x²。下面利用 (12) 推导它的一阶导数：
几何角度看，f(x) = x² 相当于边长为 x 的正方形面积。如图 13 所示为当 x 增加 Δx 时，函数值变化对应正方形面积变化。x 到 x + Δx，正方形面积增加 2xΔx + Δx²。
图 13. 几何角度理解 f(x) = x² 的一阶导数
根据导数定义，函数导数为比值 (2xΔx + Δx²)/Δx = 2x + Δx；当 Δx → 0 时，可以消去 Δx → 0 项。
类似地，推导 f(x) = x^n 的导数，n 为大于 1 的正整数：
举个例子
图 14 (a) 所示函数如下：
根据前文推导，它的一阶导数解析式如下：
如图 14 (b) 所示，(15) 这个二次函数的一阶导数是像为一条斜线。
x < 0 时，x 增大 f(x) 减小，此时函数导数为负。x > 0，x 增大 f(x) 增大，函数导数为正。值得注意的是 x = 0，f(x) 取得最小值 (minimum)，此处函数 f(x) 导数值为 0。
图 14. 二次函数、一阶导数、二阶导数
表 2 总结了常用函数导数及图像，请大家自行绘制这些图像。
表 2. 常用函数导数及图像
| 函数 | 函数图像举例 | 一阶导数 | 一阶导数图像举例 |
|---|---|---|---|
常数函数 f(x) = C | f(x) = 1 | f'(x) = 0 | f'(x) = 0 |
一次函数 f(x) = ax | f(x) = x + 1 | f'(x) = a | f'(x) = 1 |
二次函数 f(x) = ax² + bx + c | f(x) = x² | f'(x) = 2ax + b | f'(x) = 2x |
幂函数 f(x) = x^n | f(x) = x³ | f'(x) = nx^(n-1) | f'(x) = 3x² |
正弦函数 f(x) = sin x | f(x) = sin(x) | f'(x) = cos x | f'(x) = cos(x) |
余弦函数 f(x) = cos x | f(x) = cos(x) | f'(x) = -sin x | f'(x) = -sin(x) |
指数函数 f(x) = b^x (b > 0, b ≠ 1) | f(x) = 2^x | f'(x) = ln b · b^x | f'(x) = ln(2)·2^x |
自然指数函数 f(x) = e^x = exp(x) | f(x) = exp(x) | f'(x) = e^x = exp(x) | f'(x) = exp(x) |
对数函数 f(x) = log_b x (x > 0, b > 0, b ≠ 1) | f(x) = log₂(x) | f'(x) = 1/(ln b · x) | f'(x) = 1/(ln(10)x) |
自然对数函数 f(x) = ln x (x > 0) | f(x) = ln(x) | f'(x) = 1/x | f'(x) = 1/x |
高斯函数 f(x) = exp(-x²) | f(x) = exp(-x²) | f'(x) = -2x·exp(-x²) | f'(x) = -2x·exp(-x²) |
二阶导数
(15) 这个二次函数的二阶导数是其一阶导数的一阶导数。
如图 14 (c) 所示，(15) 这个二次函数的二阶导数图像为一条水平线，即常数函数。
图 15 所示为另一高斯函数以及其一阶导数和二阶导数函数图像。
令易发现，函数 f(x) 在 x = 0 处取得最大值，对应的一阶导数为 0，二阶导数为负。这一点对于理解函数的极值非常重要，本书第 19 章将深入介绍。
一阶、二阶导数可视化
观察函数、一阶导数（斜率）和二阶导数（曲率）的关系
选择函数
导数关系
• f'(x) < 0: 递减
• f'(x) = 0: 极值点
• f''(x) < 0: 凹向下
• f''(x) = 0: 拐点
观察要点
✓ f'(x)的零点对应f(x)的极值
✓ f'(x)的正负对应f(x)的增减
✓ f''(x)的正负对应f(x)的凹凸
✓ f''(x)是f'(x)的变化率
🎯 导数的意义
几何意义：切线斜率，瞬时变化率
物理意义：速度是位移的导数，加速度是速度的导数
应用：优化问题、曲线分析、变化趋势预测
章节总结
关键要点
核心概念
- ▸牛顿：提出万有引力定律、牛顿运动定律，与莱布尼茨共同发明微积分
- ▸极限：ε-δ定义确保了微积分的严谨性，邻域和去心邻域是理解极限的关键
- ▸导数：f'(a) = lim(Δx→0) [f(a+Δx)-f(a)]/Δx 表示切线斜率和瞬时变化率
- ▸一阶导数：f'> 0递增，f'< 0递减，f'=0可能有极值
- ▸二阶导数：f''> 0凹向上，f''< 0凹向下，f''=0可能有拐点
🎯 实际应用
速度是位置对时间的导数，加速度是速度对时间的导数。
边际成本、边际收益都是经济函数的导数，用于优化决策。
梯度下降算法使用损失函数的导数来更新模型参数。
通过导数为零的条件，找到函数的极大值和极小值。