KNOWECON WIKI

ARTICLE

微分学

微分学 (Differential Calculus) 微分学（Differential Calculus）是微积分的两大核心分支之一（另一分支为积分学），专门研究函数的变化率与局部线性逼近。其中心概念——导数（Derivative）——刻画了函数在某一点处的瞬时变化速率，在几何上对应曲线切线的斜率，在经济学中对应边际量（边际成本、边际效用、边际产出等）。微

浏览 5 更新 2025-11-06

微分学 (Differential Calculus)

微分学（Differential Calculus）是微积分的两大核心分支之一（另一分支为积分学），专门研究函数的变化率与局部线性逼近。其中心概念——导数（Derivative）——刻画了函数在某一点处的瞬时变化速率，在几何上对应曲线切线的斜率，在经济学中对应边际量（边际成本、边际效用、边际产出等）。微分学由 Newton 与 Leibniz 于 17 世纪独立创立，后经 Cauchy、Weierstrass 等人以极限语言严格化，成为现代数学分析与理论经济学的基石。在经济学中，微分学提供了边际分析的语言——几乎所有涉及"优化""均衡"与"变化率"的问题最终都归结为求导运算。

导数的定义

设函数 ff 在点 x0x_0 的某邻域内有定义。若极限

f′(x0)=lim⁡h→0f(x0+h)−f(x0)hf'(x_0) = \lim_{h \to 0} \frac{f(x_0 + h) - f(x_0)}{h}

存在，则称 ff 在 x0x_0 处可导（differentiable），其值 f′(x0)f'(x_0) 称为 ff 在 x0x_0 处的导数。等价地，也可写作

f′(x0)=lim⁡x→x0f(x)−f(x0)x−x0f'(x_0) = \lim_{x \to x_0} \frac{f(x) - f(x_0)}{x - x_0}

若将导数视为函数，则得到导函数 f′(x)f'(x)（亦记作 dfdx\frac{df}{dx}、DfDf 或 f˙\dot{f}）。可导蕴含连续，但反之不真——如 f(x)=∣x∣f(x) = |x| 在 x=0x=0 处连续但不可导，因其左右导数不相等。

导数的几何意义是曲线在点 (x0,f(x0))(x_0, f(x_0)) 处的切线斜率。由此得到函数的线性逼近：

f(x)≈f(x0)+f′(x0)(x−x0)f(x) \approx f(x_0) + f'(x_0)(x - x_0)

该逼近在 x→x0x \to x_0 时误差为 o(∣x−x0∣)o(|x - x_0|)，即一阶 Taylor 展开。

基本求导法则

微分运算具有线性性并遵循以下核心法则（假设所涉函数均可导）：

四则运算：(cf)′=cf′(cf)' = cf'（常数可提）；(f±g)′=f′±g′(f \pm g)' = f' \pm g'（和差法则）；(fg)′=f′g+fg′(fg)' = f'g + fg'（乘积法则，Product Rule）；(f/g)′=(f′g−fg′)/g2(f/g)' = (f'g - fg')/g^2（商法则，Quotient Rule，g≠0g \neq 0）。

链式法则（Chain Rule）：若 y=f(u),u=g(x)y = f(u), u = g(x)，则

dydx=dydu⋅dudx=f′(g(x))⋅g′(x)\frac{dy}{dx} = \frac{dy}{du} \cdot \frac{du}{dx} = f'(g(x)) \cdot g'(x)

链式法则刻画了复合变化率的乘法结构，是整个微分运算中应用最频繁、最深刻的一条规则。其多变量形式——全导数与偏导数的链式法则——是理解比较静态分析、包络定理及动态规划中 Hamilton-Jacobi-Bellman 方程的关键。

反函数求导：若 ff 可逆且 f′(x)≠0f'(x) \neq 0，则 (f−1)′(y)=1/f′(f−1(y))(f^{-1})'(y) = 1 / f'(f^{-1}(y))。

基本初等函数的导数（应熟记）：(xn)′=nxn−1(x^n)' = n x^{n-1}（幂函数，n∈Rn \in \mathbb{R}）；(ex)′=ex(e^x)' = e^x（指数函数的不动点性质）；(ax)′=axln⁡a(a^x)' = a^x \ln a；(ln⁡x)′=1/x(\ln x)' = 1/x；(sin⁡x)′=cos⁡x(\sin x)' = \cos x，(cos⁡x)′=−sin⁡x(\cos x)' = -\sin x；(tan⁡x)′=sec⁡2x(\tan x)' = \sec^2 x；(arcsin⁡x)′=1/1−x2(\arcsin x)' = 1/\sqrt{1-x^2}，(arctan⁡x)′=1/(1+x2)(\arctan x)' = 1/(1+x^2)。

高阶导数与 Taylor 展开

若导函数 f′f' 本身亦可导，则得到二阶导数 f′′(x)=d2fdx2f''(x) = \frac{d^2 f}{dx^2}。二阶导数度量的是"变化率的变化率"——在物理中为加速度，在经济学中描述边际量的变化趋势（如边际效用递减即 u′′(x)<0u''(x) < 0）。一般地，nn 阶导数记作 f(n)(x)f^{(n)}(x) 或 dnfdxn\frac{d^n f}{dx^n}。

Taylor 展开（Taylor's Theorem）是微分学的巅峰工具之一：若 ff 在 x0x_0 处 nn 阶可导，则

f(x)=∑k=0nf(k)(x0)k!(x−x0)k+Rn(x)f(x) = \sum_{k=0}^{n} \frac{f^{(k)}(x_0)}{k!}(x - x_0)^k + R_n(x)

其中余项 Rn(x)R_n(x) 可表为 Lagrange 形式 Rn(x)=f(n+1)(ξ)(n+1)!(x−x0)n+1R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x - x_0)^{n+1}（ξ\xi 介于 x0x_0 与 xx 之间）。一阶 Taylor 展开回到切线逼近；二阶展开引入凸性信息（f′′f'' 的符号决定局部凹凸）；在计量经济学中，Delta 方法（Delta Method）本质上即一阶 Taylor 展开在随机变量上的应用。

微分学在经济学中的核心应用

微分学是经济学分析语言中不可替代的部分，其主要应用包括：

边际分析（Marginal Analysis）：边际成本 MC(q)=C′(q)MC(q) = C'(q)、边际效用 MU(x)=u′(x)MU(x) = u'(x)、边际产出 MPL=∂F/∂LMP_L = \partial F / \partial L 等概念，本质上都是导数。最优化的一阶条件——边际收益等于边际成本（MR=MCMR = MC）或边际替代率等于价格比（MRS=p1/p2MRS = p_1/p_2）——均直接诉诸导数。

弹性（Elasticity）：点弹性定义为 ε=dln⁡ydln⁡x=xy⋅dydx\varepsilon = \frac{d \ln y}{d \ln x} = \frac{x}{y} \cdot \frac{dy}{dx}，即对数导数的比值。弹性无量纲，适合跨商品、跨市场的比较。需求的价格弹性、替代弹性（CES 生产函数的核心参数）、Arrow-Pratt 相对风险厌恶系数 R(x)=−xu′′(x)/u′(x)R(x) = -x u''(x)/u'(x) 均属此类。

比较静态分析（Comparative Statics）：利用隐函数定理从一阶条件方程组求解外生参数变化对内生均衡变量的影响。例如，税率 tt 变动如何影响均衡产量——这在本质上是对均衡条件的全微分运算。

包络定理（Envelope Theorem）：在参数化最优化问题 V(θ)=max⁡xf(x,θ)V(\theta) = \max_x f(x, \theta) 中，V′(θ)=∂f/∂θ∣x=x∗(θ)V'(\theta) = \partial f / \partial \theta|_{x = x^*(\theta)}——值函数对参数的导数等于目标函数对该参数的偏导数，在最优点处无需考虑诱导效应。这是Hotelling 引理、Shephard 引理 和Roy 恒等式的共同数学根脉。

凹性与二阶条件：一阶条件 f′(x∗)=0f'(x^*) = 0 给出临界点，但该点是极大值、极小值还是鞍点取决于二阶导数——f′′(x∗)<0f''(x^*) < 0 为局部极大（凹函数），f′′(x∗)>0f''(x^*) > 0 为局部极小（凸函数）。多元情形下由Hessian 矩阵的定性判定：负定保证严格局部极大，正定保证严格局部极小，不定则意味着鞍点。这在非线性规划的KKT 条件充分性检验中至关重要。

微分方程与经济动态：许多经济模型的核心行为方程表现为微分方程——Solow 增长模型的资本积累方程 k˙=sf(k)−(n+δ)k\dot{k} = s f(k) - (n+\delta)k、Ramsey 模型的 Euler 方程、Black-Scholes-Merton 偏微分方程等。微分学提供了解析求解（如分离变量法、积分因子）与定性分析（如相图、稳定性分析）的基本工具箱。

与积分学的联系

微分与积分互为逆运算，由微积分基本定理（Fundamental Theorem of Calculus）精确表述：

ddx∫axf(t) dt=f(x),∫abF′(x) dx=F(b)−F(a)\frac{d}{dx} \int_{a}^{x} f(t)\,dt = f(x), \qquad \int_{a}^{b} F'(x)\,dx = F(b) - F(a)

该定理将"局部变化率的积累等于总量的净变化"这一直观观念数学化。在经济学中，从边际成本函数恢复总成本函数、从概率密度函数得到累积分布函数、从瞬时增长率推导长期水平——均依赖于此。

多变量微分学

当函数定义域从 R\mathbb{R} 扩展到 Rn\mathbb{R}^n，微分学相应推广。偏导数 ∂f∂xi\frac{\partial f}{\partial x_i} 在固定其他变量的情况下衡量 ff 沿 xix_i 方向的变化率。全微分 df=∑i=1n∂f∂xidxidf = \sum_{i=1}^n \frac{\partial f}{\partial x_i} dx_i 将各方向的局部变化综合为线性映射，其系数向量即梯度 ∇f\nabla f。方向导数 ∇vf=∇f⋅v\nabla_{\mathbf{v}} f = \nabla f \cdot \mathbf{v} 给出了沿任意方向的变化率，梯度指向函数增长最快的方向。Jacobi 矩阵 DFD\mathbf{F} 将向量值函数的各分量偏导数组织为矩阵，其行列式（Jacobi 行列式）在变量变换与重积分的换元中不可或缺。

多元微分学在经济学中的典型应用包括：Cobb-Douglas 生产函数的边际技术替代率 MRTS=MPL/MPK=(∂F/∂L)/(∂F/∂K)MRTS = MP_L / MP_K = (\partial F/\partial L) / (\partial F/\partial K)、Slutsky 方程中价格变化的收入效应与替代效应的分离、以及一般均衡理论中超额需求函数的 Jacobi 矩阵与均衡唯一性的关系。

微分学的发展与严格化

微分学经历了从几何直观到分析严格化的漫长历程。Newton 的"流数术"（Fluxions）将变化量视为流动的量，导数即为"流数"；Leibniz 则从切线与无穷小增量出发，创立了沿用至今的符号体系 dy/dxdy/dx 与积分符号 ∫\int。18 世纪 Euler、Lagrange 等人的系统化工作使微分学成为解析学的核心工具，但"无穷小量"的本体论地位始终成疑——Berkeley 曾讽刺无穷小为"已死量的幽灵"（ghosts of departed quantities）。直到 19 世纪，Cauchy 以 ϵ\epsilon- δ\delta 语言定义了极限，Weierstrass 彻底清除了无穷小的含混性，微分学才获得了坚实的逻辑基础。20 世纪 Robinson 的非标准分析（Nonstandard Analysis）又以严格方式恢复了无穷小的合法性，但标准分析至今仍是经济学与统计学教学的主流框架。

在经济学方法论层面，微分学的严格化与边际革命（Marginal Revolution）几乎同步发生。Jevons、Menger 与 Walras 在 1870 年代将边际效用概念数学化，本质上是对效用函数求一阶导数；随后 Marshall 的《经济学原理》将边际分析确立为经济推理的标准范式。可以说，没有微分学就不会有现代经济学的数学形式。