微积分是数学中一门非常重要的分支，它主要研究变化和累积。你可能听说过“微积分”这个名字，感觉它很难，但其实它的核心思想非常直观，源于两个我们都很熟悉的几何问题：

1. 如何求一条曲线在某一点的切线斜率？ —— 这引出了微分。
2. 如何求一条曲线下方的面积？ —— 这引出了积分。

而微积分最精彩的地方在于，这两个看似完全不同的问题，实际上是互为逆运算的！这个联系被称为微积分基本定理。

---

1.1 微分：研究瞬间变化

想象你开着一辆车，速度表显示的是你此刻的速度，比如 60 公里/小时。这个“此刻的速度”就是瞬间变化率。但速度表是如何计算出来的呢？它不能直接测量“此刻”，因为任何测量都需要一段时间。

这就是微积分的核心思想：用“无穷小”来逼近“瞬间”。

从平均速度到瞬时速度

• 平均速度：如果你在一小时内开了 60 公里，你的平均速度是 60 公里/小时。公式很简单：距离变化 ÷ 时间变化。
• 瞬时速度：但如果你想知道在某一秒、甚至某一毫秒的速度呢？你可以记录下非常短的时间段内的平均速度，比如 0.1 秒。时间段越短，这个平均速度就越接近那一瞬间的真实速度。

微积分的做法是：让这个时间段无限趋近于 0，但又不等于 0（因为除以 0 没有意义）。这个过程中，平均速度会趋近于一个确定的值，这个值就是瞬时速度，也就是导数。

导数定义：
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{f(x+h)-f(x)}{h}$$

换个例子：看下面这条曲线，它代表一辆车的行驶距离随时间变化的函数 $s(t)$。

• 如果我们想求从时间 $t$ 到 $t+\Delta t$ 的平均速度，就是割线的斜率（$\frac{\Delta s}{\Delta t}$）。
• 当我们让 $\Delta t$ 无限缩小，割线就会无限靠近 $t$ 点，最终变成一条切线。这条切线的斜率，就是瞬时速度，也就是函数 $s(t)$ 在 $t$ 点的导数，记作 $s^{\prime }(t)$ 或 $\frac{ds}{dt}$。

想象一个图：一条曲线，过点P画一条割线交曲线于另一点Q，当Q向P移动时，割线逐渐变成切线。

所以，微分就是研究“变化率”的工具。它告诉我们，当一个量发生微小变化时，另一个量会如何变化。

---

1.2 积分：研究累积总量

现在考虑另一个问题：如果我知道一辆车的速度随时间变化的函数 $v(t)$，我能不能求出它在某段时间内总共走了多远？

这相当于求速度曲线下的面积。

从粗略估计到精确面积

假设速度函数 $v(t)$ 的图像是一条曲线，我们想求从时间 $a$ 到 $b$ 这段时间内走过的路程。

• 粗略估计：我们可以把这段时间分成很多个很窄的小区间。在每个小区间内，我们认为速度是近似不变的（比如用该区间起始点的速度代替）。这样，每个小区间的路程 ≈ 速度 × 时间，对应图像上就是一个细长矩形的面积。
• 求和：把所有小矩形的面积加起来，就得到了总路程的一个近似值。
• 极限逼近：如果我们将区间分得越来越细（即矩形的宽度无限趋近于 0），这些矩形面积之和就会无限趋近于曲线下的真实面积，也就是精确的总路程。

想象一个图：速度曲线下方，用许多细长矩形填充，宽度越来越窄，矩形顶部的锯齿越来越贴合曲线。

这个过程就是积分。我们称这个极限值为定积分，记作 ${\int }_a^{b}v(t)dt$。积分符号 $\int$ 就像拉长的字母 S，表示“求和”（Sum）。

定积分定义：
$${\int }_a^{b}f(x)dx=\underset{n\to \infty }{\lim }\sum _{i=1}^{n}f(x_i^{\ast })\Delta x$$
所以，积分就是研究“累积量”的工具。它把无数个无穷小的变化（$v(t)dt$）累加起来，得到总的变化。

---

1.3 微积分基本定理：连接微分和积分的桥梁

到这里，我们有了两个看起来毫无关系的问题：一个求切线斜率（微分），一个求曲线下面积（积分）。但天才的牛顿和莱布尼茨（微积分的两位独立创始人）发现了它们之间深刻的联系。

微积分基本定理（通俗版）：

微分和积分是互逆的运算。就像加法和减法、乘法和除法是逆运算一样。

更具体地说：

• 第一基本定理：积分之后再微分，会回到原来的函数。也就是说，如果你对一个函数 $f$ 从 $a$ 到 $x$ 积分，得到一个关于 $x$ 的新函数 $F(x)$（称为积分上限函数），那么对 $F(x)$ 求导，结果就是 $f(x)$ 本身。这就像说：求总量，然后再看总量的变化率，就回到了原来的变化率。
  $$F(x)={\int }_a^{b}f(x)dx{F}^{\prime }(x)=f(x)$$

• 第二基本定理（也是最常用的）：如果要计算一个函数 $f$ 从 $a$ 到 $b$ 的定积分，你只需要找到 $f$ 的一个原函数 $F$（即导数为 $f$ 的函数），然后计算 $F(b)-F(a)$ 即可。

  $$f(x)=F^{\prime }(x){\int }_a^{b}f(x)dx=F(b)-F(a)$$

这个定理的伟大之处在于：它将复杂的求面积问题，转化为了求原函数的问题。而求原函数（不定积分）在某种程度上是求导的逆过程，通常更容易。

举例：
求函数 $f(x)=2x$ 在区间 [1, 3] 上的积分（即曲线下的面积）。

1. 传统积分法（逼近）：会很繁琐。
2. 用微积分基本定理：
   • 首先，找到一个函数 $F(x)$，使得 $F^{\prime }(x)=2x$。很容易想到 $F(x)=x^2$（因为 $(x^2{)}^{\prime }=2x$）。
   • 然后，直接计算：${\int }_1^{3}2xdx=F(3)-F(1)=3^2-1^2=9-1=8$。

看，是不是简单多了？这个定理是微积分的心脏，让计算变得可行，也让微分和积分完美地统一起来。

---

1.4 数学演示案例

下面通过具体案例，展示微积分的操作过程和实际应用。

案例一：微分——求切线斜率

问题：求函数 $f(x)=x^2$ 在 $x=1$ 处的导数（切线斜率）。

解：

1. 平均变化率：
   $$\frac{f(1+h)-f(1)}{h}=\frac{(1+h{)}^2-1}{h}=2+h$$

2. 令 $h\to 0$：
   $$f^{\prime }(1)=\underset{h\to 0}{\lim }(2+h)=2$$
   所以切线斜率为 $2$。

   推广可得 $(x^2{)}^{\prime }=2x$。

---

案例二：积分——求曲线下的面积

问题：求函数 $f(x)=2x$ 在区间 $[1,3]$ 上的定积分。

• 方法一：黎曼和逼近

  将区间 $[1,3]$ 分成 $n$ 等份，$\Delta x=\frac{2}{n}$，取左端点：

$$S_n=\sum _{i=1}^{n}f\left(1+(i-1)\frac{2}{n}\right)\cdot \frac{2}{n}=\frac{4}{n}\sum _{i=1}^n\left(1+\frac{2(i-1)}{n}\right)$$

​ 计算得 $S_n=8-\frac{4}{n}$，当 $n\to \infty$ 时 $S_n\to 8$。

• 方法二：微积分基本定理

  $2x$ 的一个原函数是 $F(x)=x^2$，则

$${\int }_1^{3}2xdx=F(3)-F(1)=9-1=8$$

​ 结果一致。几何上，该区域是梯形，面积也为 $8$。

---

案例三：验证微分与积分互逆

设 $f(t)=3t^2$，定义 $F(x)={\int }_0^{x}3t^{2}dt$。

• 求原函数：$3t^2$ 的原函数为 $t^3$，故 $F(x)=x^3$。 对 $F(x)$ 求导：$F^{\prime }(x)=3x^2=f(x)$。
• 反之，先求导再积分：${\int }_0^x(t^3{)}^{\prime }dt={\int }_0^{x}3t^{2}dt=[t^3{]}_0^x=x^3$。

这表明微分与积分互为逆运算。

---

案例四：物理应用——速度与位移

汽车速度 $v(t)=t^2$ 米/秒，求 $t=0$ 到 $3$ 秒的位移。

位移 $s={\int }_0^3{t}^{2}dt={\left[\frac{t^3}{3}\right]}_0^3=\frac{27}{3}=9$ 米。

而位移函数 $s(t)=\frac{t^3}{3}$ 的导数恰为速度 $v(t)=t^2$，符合运动学关系。

---

案例五：微分近似——线性逼近

求 $\sqrt{4.1}$ 的近似值。

取 $f(x)=\sqrt{x}$，已知 $f(4)=2$，$f^{\prime }(x)=\frac{1}{2\sqrt{x}}$，$f^{\prime }(4)=0.25$。

利用线性近似：
$$\sqrt{4.1}\approx f(4)+f^{\prime }(4)(4.1-4)=2+0.25\times 0.1=2.025$$
实际值约 $2.024845$，近似效果很好。这体现了“以直代曲”的微分思想。

1.5 总结

对于初学者来说，记住微积分的核心思想：

1. 微分：用无穷小的变化（$dx$）去研究瞬间的变化率（导数）。
2. 积分：用无穷小的累积（求和）去研究整体的总量。
3. 微积分基本定理：告诉我们这两个操作互为逆运算，积分可以通过求导的逆过程（找原函数）来计算。

微积分并不神秘，它就是我们理解和描述动态世界（变化与累积）的强大语言。

下一章 机器学习微积分–(2)定积分