第三章 · 导数：局部的放大镜

切线不是用尺子画出来的

导数，大白话说，就是一个量在某一点附近的变化率。它回答“此刻变得有多快”。如果位置对时间求导，得到速度；速度对时间求导，得到加速度；成本对产量求导，得到边际成本。

课本常用切线介绍导数，但“切线”这个词容易骗人。圆的切线只碰圆一下，这个画面很整齐；普通曲线的局部可能更复杂。更可靠的说法是：在某一点把曲线不断放大，如果它越来越像一条直线，那条直线的斜率就是导数。

这也是为什么导数依赖极限。你先取附近两点，算一条割线，也就是穿过两点的直线；再让第二个点靠近第一个点。如果割线斜率稳定地靠向某个数，这个数就是该点的导数。

导数是局部放大镜

看函数 y=x^2。在 x=3 附近，如果 x 多走一点点 h，y 的变化是 (3+h)^2-9=6h+h^2。用变化量除以 h，平均斜率是 6+h。当 h 接近 0，斜率接近 6。

所以 x^2 在 x=3 的导数是 6。换成一般的 x，同样推一遍会得到 2x。这不是魔术：平方函数的局部变化主要由 2xh 决定，h^2 是更小一阶的误差，放到极限里会消失。

局部线性化，大白话说，就是在一个点附近用直线替代曲线。工程里这件事到处都是：传感器曲线在工作点附近近似成一条线，控制系统围绕平衡点分析，机器学习里的梯度下降也靠局部斜率决定下一步往哪走。

求导规则是压缩过的经验

你当然可以每次都从极限定义出发。但真实计算里，我们会用规则：x^n 的导数是 nx^{n-1}，和的导数等于导数的和，常数倍可以提出来。规则像库函数，不是信仰。

拿乘积规则来说，两个量 u 和 v 都在变，乘积 uv 的变化不只是“第一个变了”或“第二个变了”。展开一下：

(u+du)(v+dv)-uv = u dv + v du + du dv

其中 du dv 是两个小量相乘，比单独的小量更小。在极限里，它相对主项可以忽略，于是得到乘积规则：(uv)'=u'v+uv'。这样看，规则不是天上掉下来的符号操练，而是“小变化如何传递”的账本。

导数告诉你趋势，也告诉你敏感度

导数为正，函数在局部上升；导数为负，局部下降；导数为 0，说明一阶变化暂时停住，可能是峰值、谷值，也可能只是平台。更重要的是，导数的大小告诉你敏感度：输入动一点，输出大概动多少。

这解释了为什么导数在现实里这么常见。价格对需求的导数告诉你涨价的边际影响；损失函数对参数的导数告诉模型怎么调参；温度对时间的导数告诉设备是否还在危险地升温。

但导数只讲局部。它像你脚下这一小段路的坡度，不能直接告诉你整座山的高度。要把局部变化累成整体结果，就需要下一章的积分。