导数微积分初步｜变化率理解 衔接高等数学

1.1我们身边无处不在的变化率演讲人2026-06-12

导数微积分初步｜变化率理解衔接高等数学各位同学大家好，我从事高等数学基础段教学已经有八年时间，见过太多刚进入大学的同学因为对“变化率”这个核心概念理解不到位，导致整个高等数学学习举步维艰。今天我们的课程就从最接地气的变化率现象出发，一步步推导导数的定义、运算与应用，完成中学数学到高等数学的平稳衔接。接下来的内容我会完全遵循从具象到抽象、从已知到未知的逻辑展开，只要跟上思路，大家会发现微积分的核心逻辑其实非常朴素。1变化率的具象认知：从日常现象到中学知识的底层逻辑很多同学听到“变化率”就觉得是抽象的数学概念，但实际上我们每天都在和变化率打交道，只是没有用数学语言对其进行标准化刻画而已。01ONE1我们身边无处不在的变化率

1.1日常场景中的变化率实例我每次上第一节课都会和同学们举几个身边的例子：早高峰骑车来教室，你看仪表盘显示的“时速30km/h”就是位移对时间的变化率；夏天看天气预报说“午后每小时气温升高2℃”，是温度对时间的变化率；买基金的时候看到“日涨幅1.5%”，是资产净值对时间的变化率；甚至你往杯子里倒水，水面高度上升的速度，是水的体积对高度的变化率。这些所有描述“一个量随另一个量变化快慢”的指标，本质上都是变化率。

1.2变化率的共性特征所有变化率都存在两个共性：第一，必须依托两个存在关联的变量，单独一个变量不存在变化率的概念，比如我们不可能脱离时间谈速度的变化率；第二，变化率的核心是“两个变量的变化量的比值”，不管是速度还是涨幅，本质都是“因变量的变化量除以自变量的变化量”。02ONE2中学阶段对变化率的有限刻画

2中学阶段对变化率的有限刻画我们在中学阶段其实已经接触过变化率的数学表达，只是当时没有明确把它放到微积分的体系里讲解。

2.1中学平均变化率的数学表达初中我们学过匀速直线运动的速度公式v=s/t，本质就是位移变化量和时间变化量的比值；高中我们学过函数的平均变化率：对于函数y=f(x)，在区间[x₁,x₂]上的平均变化率为Δy/Δx=[f(x₂)-f(x₁)]/(x₂-x₁)，这个公式就是我们所有微积分学习的起点。我去年带的工科新生里有近六成刚接触导数的时候觉得是全新知识，实际上只要把中学的平均变化率理解透，导数的逻辑就通了一半。

2.2平均变化率的局限性平均变化率的问题非常明显：它只能描述一个区间内的整体变化特征，无法刻画某一个瞬间、某一个点的变化状态。比如你骑车从家到学校平均速度是20km/h，但你在路上刹车、加速的每一个瞬间的速度，都不可能用这个平均值来表示；再比如抛物线y=x²在区间[0,2]上的平均变化率是2，但在x=0、x=1、x=2这三个点的变化快慢完全不同。正是因为平均变化率无法满足我们对精准瞬时状态的描述需求，我们才需要对变化率的刻画方式进行升维，这就引出了导数的定义。

2.2平均变化率的局限性导数的定义：瞬时变化率的数学抽象导数的本质就是瞬时变化率，这个结论大家可以先记下来，后续所有内容都是围绕这个核心展开的。03ONE1从平均变化率到瞬时变化率的极限推导

1从平均变化率到瞬时变化率的极限推导我们还是用骑车的例子来推导：假设我们要计算你早上8点整那一瞬间的骑行速度，我们可以先算8点到8点01分这1分钟的平均速度，再缩小时间区间，算8点到8点01秒这1秒的平均速度，再缩小到0.1秒、0.001秒……当时间的变化量Δt无限趋近于0的时候，这个区间的平均速度就会无限趋近于8点整的瞬时速度。把这个逻辑推广到一般函数，就得到了导数的定义：对于函数y=f(x)，在x=x₀处的瞬时变化率，就是当自变量的变化量Δx无限趋近于0时，平均变化率Δy/Δx的极限，我们把这个极限叫做f(x)在x=x₀处的导数，记作f’(x₀)，即：$$f'(x_0)=\lim_{\Deltax\to0}\frac{f(x_0+\Deltax)-f(x_0)}{\Deltax}$$

1从平均变化率到瞬时变化率的极限推导很多同学会问，这个“无限趋近于0”是不是数学家凭空想出来的？我每次都会给大家看几何画板的动态演示：当Δx不断缩小的时候，平均变化率的取值会逐渐稳定在一个固定值附近，这个值就是瞬时变化率，极限工具只是把我们“不断缩小区间找近似”的操作进行了数学标准化而已，完全不是脱离现实的抽象构造。04ONE2导数的几何与物理意义

2导数的几何与物理意义要把导数从公式变成能用的工具，必须理解它的两个核心意义，这也是中学知识和大学知识的核心衔接点。2.2.1几何意义：函数图像在某点的切线斜率中学我们学圆的切线的时候，定义是“和圆只有一个交点的直线”，但这个定义放到一般函数上不成立，比如直线y=1和抛物线y=x²只有一个交点，但显然不是切线。有了导数之后，我们对切线的定义就清晰了：函数y=f(x)在x=x₀处的切线，就是过(x₀,f(x₀))的割线当另一个交点无限靠近x₀时的极限位置，切线的斜率就是f(x)在x₀处的导数f’(x₀)。我每次演示割线动态变成切线的动画的时候，大部分同学都会立刻理解导数几何意义的本质，根本不需要死记硬背。

2.2物理意义：因变量对自变量的瞬时变化率最经典的物理意义就是：位移对时间的导数是瞬时速度，速度对时间的导数是瞬时加速度。除此之外，不同学科里的导数都有对应的实际意义：电学里电量对时间的导数是瞬时电流，力学里质量对长度的导数是线密度，经济学里成本对产量的导数是边际成本，本质都是瞬时变化率的落地应用。05ONE3可导的前提条件与常见误区

3可导的前提条件与常见误区不是所有函数在所有点都有导数，可导需要满足两个核心条件：第一，函数在该点连续，也就是不存在断点，一个点如果函数值都不存在，自然不可能有变化率；第二，函数在该点的左右导数相等，也就是从左边趋近和从右边趋近得到的瞬时变化率是一样的。这里最经典的反例就是f(x)=x在x=0处的导数：从左边趋近的时候Δx<0，Δy/Δx=-1，从右边趋近的时候Δx>0，Δy/Δx=1，左右导数不相等，所以x=0处不可导。对应的物理场景就是一个物体的运动速度瞬间从-1m/s变成1m/s，这个瞬间的加速度是无穷大，现实中不可能存在，所以可导对应的本质是“变化是平滑过渡的，不存在突变”。大家一定要记住一个结论：可导一定连续，但连续不一定可导，这是高等数学入门最容易考的概念辨析题。

3可导的前提条件与常见误区3初等函数导数的运算：从定义推导到规则应用如果每个点的导数都用极限去算，效率太低，所以我们总结出了一套导数运算的规则，只要掌握这些规则，所有初等函数的导数都可以快速计算。06ONE1基本初等函数的导数推导示例

1基本初等函数的导数推导示例我一直建议大家不要死记硬背基本导数公式，最好自己用定义推导一遍，印象会深刻很多。我给大家举几个核心例子：第一，常函数f(x)=C（C为常数）的导数：Δy=C-C=0，所以Δy/Δx=0，极限就是0，符合我们的认知：常数没有变化，变化率自然是0。第二，幂函数f(x)=xⁿ（n为正整数）的导数：用二项式展开$f(x+\Deltax)=(x+\Deltax)^n=x^n+nx^{n-1}\Deltax+o(\Deltax)$，减去f(x)之后除以Δx，取极限之后高阶无穷小消掉，就得到导数是$nx^{n-1}$，比如x²的导数是2x，x³的导数是3x²，都符合这个规律。其余的正弦函数、余弦函数、指数函数、对数函数的导数，都可以用极限的运算规则推导出来，大家课后可以自己尝试一遍，比死记硬背效率高得多。07ONE2导数的四则运算与复合函数求导法则

2导数的四则运算与复合函数求导法则对于组合起来的函数，我们只需要遵循三个运算规则就可以完成求导：第一，四则运算规则：和差的导数等于导数的和差，即$(u\pmv)'=u'\pmv'$；积的导数是$(uv)'=u'v+uv'$；商的导数是$(u/v)'=(u'v-uv')/v²$（v≠0）。第二，复合函数求导的链式法则：对于复合函数y=f(g(x))，令内层函数为u=g(x)，外层函数为y=f(u)，则y对x的导数等于y对u的导数乘以u对x的导数，即$y'=f'(u)\cdotg'(x)$。很多同学刚学的时候容易漏乘内层的导数，比如把sin2x的导数写成cos2x，就是没理解链式法则的本质：变化率是逐层传递的，外层的变化率乘以内层的变化率，才是最终的整体变化率。08ONE3导数运算的实用技巧与易错点梳理

3导数运算的实用技巧与易错点梳理我改了八年作业，总结了几个大家最容易出错的点，提前给大家梳理清楚：第一，遇到带根号、分式的函数，先把它转换成幂函数的形式再求导，比如$\sqrt{x}=x^{1/2}$，$1/x=x^{-1}$，比直接用商的求导法则正确率高很多；第二，分段函数的分段点必须用导数的定义求导，不能直接把分段函数的导函数代入分段点，因为分段点很可能存在左右导数不一致的情况；第三，复合函数求导的时候要先分层，从最外层到最内层逐层求导，不要跳步，熟练之后再简化步骤。

导数的初步应用：变化率思维的落地我们学导数不是为了算公式，而是为了解决实际问题，导数的应用场景非常广泛，我给大家举几个最基础的方向。09ONE1函数单调性与极值的判断

1函数单调性与极值的判断中学我们判断函数单调性只能用定义法，非常麻烦，有了导数之后，只需要看导数的符号就可以：如果在一个区间内f’(x)>0，说明函数的瞬时变化率为正，函数单调递增；如果f’(x)<0，说明瞬时变化率为负，函数单调递减。而导数由正变负的点就是极大值点，由负变正的点就是极小值点，我们可以用这个方法快速判断任意可导函数的单调性和极值，比中学的方法效率高很多。10ONE2实际问题中的最优解求解

2实际问题中的最优解求解现实中我们遇到的“用料最省”“利润最大”“射程最远”这类问题，本质都是求函数的最大值或最小值，用导数就可以快速解决。比如做一个容积固定的圆柱形易拉罐，要让表面积最小、用料最省，我们只需要把表面积写成关于底面半径的函数，求导找导数为0的点，就能得到最优的半径和高的比例，我之前带学生做过实践，用这个方法算奶茶店的最优定价，算出来的结果和商家实际定价的误差不到5%，大家当时都觉得原来导数真的能解决现实问题。11ONE3高阶导数的意义与应用铺垫

3高阶导数的意义与应用铺垫导数本身也是函数，我们可以对导数再求导，得到二阶导数，二阶导数对应的物理意义是加速度，几何意义是函数图像的凹凸性，二阶导数大于0的地方函数是凹的，小于0的地方是凸的。我们还可以继续求三阶、四阶甚至更高阶的导数，这些高阶导数是后面泰勒展开、级数收敛性判断的核心基础。5衔接高等数学的延伸：从导数到微积分体系的逻辑脉络导数只是我们进入微积分世界的入口，整个高等数学的微积分体系都是围绕变化率和累加两个核心逻辑展开的。12ONE1微分与导数的关系：局部线性近似的核心

1微分与导数的关系：局部线性近似的核心我们后面会学到微分的概念，微分dy=f’(x)dx，本质就是在x附近的极小范围内，用切线（直线）代替曲线，做近似计算，比如我们要算√1.01的近似值，只需要设f(x)=√x，取x=1，Δx=0.01，用微分计算就能快速得到近似值为1.005，误差不到万分之一，这就是微分的实用价值。13ONE2导数与积分的互逆关系：牛顿-莱布尼茨公式的底层逻辑

2导数与积分的互逆关系：牛顿-莱布尼茨公式的底层逻辑积分的本质是“累加”，求的是曲线下的面积，看起来和导数完全没关系，但牛顿和莱布尼茨证明了：定积分的计算结果等于被积函数的原函数在区间端点的差值，而原函数就是导数等于被积函数的函数，相当于导数和积分是互逆的运算，这个公式就是微积分的核心，直接把微分和积分两个独立的体系打通了。14ONE3后续高等数学内容的铺垫

3后续高等数学内容的铺垫我们现在学的是一元函数的导数，后面我们会学多元函数的偏导数，也就是多个自变量情况下，函数对单个自变量的变化率；还会学微分方程，也就是用导数