微积分

微积分 (Calculus)

微积分 (Calculus)，源自拉丁语中"小石子"(calculus) 之意，是 数学 的核心分支，系统研究 函数 的 变化率 (rate of change)、极限 (limit) 以及无穷小量的累积 (accumulation)。它为描述和分析连续变化的现象提供了统一的数学语言，构成了从经典力学到现代经济学的理论基础。微积分由两个互补且互为逆运算的部分组成：微分学 (Differential Calculus) 和 积分学 (Integral Calculus)，二者通过 微积分基本定理 (Fundamental Theorem of Calculus) 紧密联结。该学科由 艾萨克·牛顿 (Isaac Newton) 和 戈特弗里德·威廉·莱布尼茨 (Gottfried Wilhelm Leibniz) 于 17 世纪后半叶独立创立。牛顿从物理学的瞬时速度问题出发，莱布尼茨则从几何学的切线问题切入，二人的工作共同奠定了现代 数学分析 的基础。如今，微积分已渗透到 物理学、工程学、经济学、金融学、生物学 乃至 机器学习 等众多领域。

微分学 (Differential Calculus)

微分学的核心是研究函数在某一点的 瞬时变化率 (instantaneous rate of change)。在几何上，它对应函数图像在该点处 切线 的 斜率；在物理上，对应运动物体的瞬时 速度；在经济学上，对应 边际量 如 边际成本 或 边际效用。

极限：微分学的基础

导数概念严格建立在 极限 之上。函数 $f(x)$ 在点 $c$ 处的极限，指当自变量 $x$ 无限趋近于 $c$（但不一定等于 $c$）时，函数值 $f(x)$ 所趋近的确定数值，记作：

极限理论使数学家得以严格处理"无限接近"这一直观概念，从而避免早期微积分中"无穷小量幽灵"的逻辑困境。19 世纪，柯西 (Augustin-Louis Cauchy) 和魏尔斯特拉斯 (Karl Weierstrass) 以 $\varepsilon$-$\delta$ 语言为极限给出了严密的定义，最终完成了微积分的算术化。

导数：定义与记法

函数 $y = f(x)$ 在点 $x$ 处的导数，记作 $f'(x)$ 或 $\frac{dy}{dx}$，定义为其差商的极限：

该式的分子 $f(x+h)-f(x)$ 为函数值的增量，分母 $h$ 为自变量的增量，整个分式代表从 $x$ 到 $x+h$ 的 平均变化率（几何上为 割线 的斜率）。取极限 $h \to 0$ 后，割线退化为切线，平均变化率收敛为 瞬时变化率。若该极限存在，称 $f$ 在 $x$ 处 可导 (differentiable)。可导必连续，反之不然——例如绝对值函数 $f(x)=|x|$ 在 $x=0$ 处连续但不可导（存在角点）。

常见导数记法包括：拉格朗日记法 $f'(x)$、莱布尼茨记法 $\frac{dy}{dx}$、牛顿记法 $\dot{y}$（多见于物理学中对时间的导数）以及欧拉记法 $D_x f(x)$。

基本求导法则

为避免每次从极限定义出发，数学家总结了系统的求导法则：

• 常数法则：$(c)' = 0$
• 幂函数法则：$(x^n)' = n x^{n-1}$
• 和差法则：$(f \pm g)' = f' \pm g'$
• 乘法法则：$(fg)' = f'g + fg'$
• 除法法则：$\left(\frac{f}{g}\right)' = \frac{f'g - fg'}{g^2}$
• 链式法则：$(f(g(x)))' = f'(g(x)) \cdot g'(x)$，用于复合函数求导

微分学的核心应用

• 最优化问题：令一阶导数 $f'(x)=0$ 求得 驻点，再以二阶导数判别 极大值（$f''<0$）或 极小值（$f''>0$），广泛应用于 利润最大化、成本最小化 和工程设计。
• 边际分析：在经济学中，总成本函数 $C(q)$ 的导数 $C'(q)$ 即为 边际成本，近似表示多生产一单位产品所增加的成本；同理，总收益 的导数为 边际收益，利润最大化的一阶条件为 $MR = MC$。
• 运动学：位移 函数对时间的导数为 速度，速度对时间的导数为 加速度。
• 弹性分析：函数 $y=f(x)$ 的点弹性定义为 $\frac{dy/dx}{y/x}$，衡量因变量对自变量变化的敏感程度，在经济学中用于分析 需求价格弹性 等。

积分学 (Integral Calculus)

积分学关注"累积"与"求和"，可视为微分学的逆运算，主要用于计算面积、体积、总量以及从变化率反推原函数。

不定积分

若函数 $F(x)$ 满足 $F'(x) = f(x)$，则称 $F$ 为 $f$ 的一个 反导数 (antiderivative)。$f$ 的所有反导数的集合称为其不定积分：

其中 $C$ 为 积分常数，反映反导数族中全体函数相差一个常数的性质（常数的导数为零）。不定积分本质上是求导的逆运算，常见的积分公式可通过反向应用求导法则获得。

定积分与黎曼和

定积分定义函数 $f(x)$ 在闭区间 $[a, b]$ 上与 $x$ 轴之间所围区域的 净有向面积（$x$ 轴上方面积取正，下方面积取负）。其严格定义通过 黎曼和 (Riemann Sum) 的极限给出：将区间 $[a, b]$ 剖分为 $n$ 个子区间，在每个子区间内任取一点并构造矩形近似面积，令最大子区间长度趋于零时，矩形面积之和的极限即为定积分：

积分符号 $\int$ 源自拉丁语 summa（总和）的首字母拉长，直观体现了求和的本意。

积分学的核心应用

• 从变化率还原总量：若已知边际成本函数 $MC(q)$，对其积分可得总变动成本；对 速度函数 积分可得 位移。
• 消费者剩余与生产者剩余：定积分用于计算需求曲线下方与市场价格之间的面积（消费者剩余）以及供给曲线上方与市场价格之间的面积（生产者剩余），衡量市场交易的总福利。
• 概率论：对于 连续随机变量，其落入某区间的概率等于 概率密度函数 在该区间上的定积分：$P(a \le X \le b) = \int_a^b f_X(x)\,dx$。
• 几何量计算：旋转体的体积、曲线的弧长、曲面的表面积均可通过定积分公式求得。

微积分基本定理

微积分基本定理 (Fundamental Theorem of Calculus) 揭示了微分与积分的内在统一性——二者互为逆运算，是数学史上最深刻的发现之一。该定理分为两部分：

第一部分（微分是积分的逆）：若 $f$ 在 $[a, b]$ 上连续，定义函数 $G(x) = \int_a^x f(t)\,dt$，则 $G$ 在 $[a, b]$ 上可导，且对任意 $x \in [a,b]$，有：

这意味着"先积分再求导，还原为原函数"，说明积分上限函数是被积函数的一个反导数。

第二部分（定积分的计算）：若 $f$ 在 $[a, b]$ 上连续，且 $F$ 是 $f$ 的任意一个反导数（即 $F' = f$），则：

这为定积分的计算提供了极其简洁的方法：只需找到被积函数的任一反导数，计算其在上下限处的函数值之差，无需进行繁琐的黎曼和极限运算。该公式通常记作 $F(x)\big|_a^b$，是微积分实用性的核心保障。

总之，微积分通过极限、导数与积分三个基本概念，将变化率的局部信息与累积的全局信息统一在同一个理论框架之中。它不仅是数学分析的支柱，更是现代科学理解动态世界不可或缺的思维工具。