微积分到底在算什么？从一条曲线走到真实世界

汽车仪表盘说：“现在的速度是每小时 60 公里。”

你有没有觉得这句话有点奇怪？

速度不是“走过的距离除以花掉的时间”吗？可是，“现在”只是一个瞬间，既没有一段时间，也没有一段路程，究竟拿什么来除？

另一个问题同样奇怪。

假如有人把一辆车每个时刻的速度都告诉你，却没有直接告诉你走了多远。你能不能把这一堆“此刻有多快”，拼成“最后走了多远”？

微积分的入口，就藏在这两个互相照镜子的问题里：

微分问：此刻怎样变化？积分问：这些变化，累计出了什么？

但这两句话还只是路标。我们要亲手走过一次，才知道它们为什么不是玄学。

这篇文章沿着两条线前进：数学上反复看一条简单的曲线 (y=x^2)；物理上反复看一个从静止开始下落的小球。先把导数和积分真正接起来，再走进二项式级数、多变量和热传导。后半篇是拓展，不必第一次就记住所有符号。

如果想先看它怎样用到月亮和轨道，可以读《月亮一直在下落？微积分怎样算出天体的路》。这里则把镜头拉得更近：工具本身，是怎么长出来的？

一、先别碰极限：变量与函数究竟是什么

1. 变量：给正在变化的东西取一个名字

把时间叫作 (t)，把小球向下走过的位移叫作 (s)。

时间往前走，位移也跟着变；它们就是这个问题中的变量。把重力加速度取为 (g=9.8\,\mathrm{m/s^2})，在我们暂时采用的近地模型里，(g) 是常量。

“常量”不意味着自然界永远不变，只意味着在当前模型和讨论范围内，把它当作固定的量。

先约定模型：小球从静止释放，忽略空气阻力，重力加速度视为常量，而且只讨论碰到地面之前的运动。

在这个模型里：

\[s(t)=\frac12gt^2=4.9t^2\]

这里 (t) 以秒计，(s) 以米计。这个关系来自匀加速运动；后面我们还会反过来从运动方程把它推出来。

释放后时间	向下位移
(0\,\mathrm{s})	(0\,\mathrm{m})
(0.5\,\mathrm{s})	(1.225\,\mathrm{m})
(1\,\mathrm{s})	(4.9\,\mathrm{m})
(2\,\mathrm{s})	(19.6\,\mathrm{m})

2. 函数：每个允许的输入，都有一个确定的输出

给定时间 (t)，模型就给出位移 (s)。我们说：位移是时间的函数。

写成 (s=s(t))，括号不是乘法，而是在提醒你：“这个位移的值，要看输入的时间。”

数学上，我们先拿一个更简单、没有单位的版本：

\[y=f(x)=x^2\]

输入 (2)，输出 (4)；输入 (-2)，也输出 (4)。

这没有违背函数的要求：同一个输入不能对应两个不同输出，但不同输入可以得到相同输出。 此外还要说明输入范围，也就是定义域。平方函数可以接受所有实数；物理上的下落模型却不能不加限制地延伸到落地以后。

函数也不一定有一个漂亮的公式。表格、测量记录、程序和对应规则，都可以描述函数。现代函数概念并不是某位数学家在某一天“一次定义完毕”的；它经历了从几何关系到变量依赖等多次发展。MacTutor：函数概念的历史

二、第一步：两点之间的变化，完全不用微积分

来看 (y=x^2)。

假设从 (x=1) 走到 (x=2)。纵坐标从 (1) 变成 (4)，因此：

\[\frac{\text{输出的变化}}{\text{输入的变化}} =\frac{4-1}{2-1}=3\]

这个数是这段区间的平均变化率。

画在图上，把 ((1,1)) 与 ((2,4)) 连起来，得到一条割线。它的斜率就是 (3)。这里的斜率表示：输入平均增加一单位，输出平均增加三单位。

物理上也一样。小球从第 (1) 秒落到第 (2) 秒，位移从 (4.9) 米变成 (19.6) 米：

\[\overline v =\frac{19.6-4.9}{2-1} =14.7\,\mathrm{m/s}\]

这是真实模型中的区间平均速度，却不能直接说“小球在第 (1) 秒就是这个速度”。

因为小球还在加速。

平均值把一整段经历压成了一个数；我们现在想知道的，却是某个特定时刻。

三、第二步：让另一点靠近，但不要把分母变成零

固定 (P=(1,1))。

把另一点写成 (Q=(1+h,(1+h)^2))。这里 (h) 表示横坐标的增量，暂时必须非零。

两点之间的斜率为：

\[\begin{aligned} \frac{(1+h)^2-1}{h}&=\frac{2h+h^2}{h}\\ &=2+h\qquad(h\ne0) \end{aligned}\]

注意，到这里为止，仍然只有初中代数。

我们只是展开平方、提取公因式、约去非零的 (h)。还没有偷偷用“无穷小”。

现在让 (h) 缩小：

(h)	割线斜率 (2+h)
(1)	(3)
(0.5)	(2.5)
(0.1)	(2.1)
(0.01)	(2.01)
(-0.1)	(1.9)
(-0.01)	(1.99)

从右边靠近，斜率趋近 (2)；从左边靠近，也趋近 (2)。

先看固定的蓝点 P，再看金色割线怎样改变。红点沿平方曲线靠近 P；最后的金线是极限切线，不是让两个重合点去决定一条线。动画等待一秒后分步播放八秒，随后停在切线；这是教学步骤的时间，不是小球运动的真实时间。减少动态效果时直接显示终态，底部始终保留静态路线。单独打开，刷新可重播。

1. 极限不是“算很多次，猜一个答案”

上面的表帮助我们看到趋势，却还不是一般保证。

这次我们能给出一个精确的保证：

\[|(2+h)-2|=|h|\]

如果要求斜率误差小于 (0.001)，只要 (0<

h

<0.001) 就行。

如果要求误差小于任意给定的正数 (\varepsilon)，只要 (0<

h

<\varepsilon) 就行。

不是我挑了几个好看的样本，而是这个范围里的所有非零 (h)，都满足同一个误差要求。

这正是极限思想的核心：无论你把误差要求提得多严格，都能找到足够小的邻域，保证结果落在要求以内。现代教材用 (\varepsilon) 与 (\delta) 把它写得更精确；我们在这个例子里已经看到了它的骨架。OpenStax：极限的精确定义

因此可以写：

\[\lim_{h\to0}\frac{(1+h)^2-1}{h}=2\]

2. 为什么这不是“零除以零”

原来的差商在 (h=0) 时没有定义。

但极限问的是非零的 (h) 越来越接近零时，差商趋向哪里，不是在问把零直接代进去会算出什么。

约分后的 (2+h) 与原式在所有非零 (h) 上相等，所以它们趋近零时有相同极限。那个没有定义的点，不妨碍我们研究它附近的趋势。OpenStax：约分与极限法则

四、第三步：导数，就是把这件事推广到任意位置

刚才算的是 (x=1)。如果把固定位置换成任意的 (x)：

\[\begin{aligned} \frac{f(x+h)-f(x)}{h} &=\frac{(x+h)^2-x^2}{h}\\ &=2x+h \end{aligned}\]

让 (h) 趋近零，得到：

\[f'(x)=2x\]

撇号 (f’) 读作“(f) 的导数”。它本身又是一个函数：告诉你原函数在每个可导位置的局部变化率。

一般定义是：

\[f'(x)=\lim_{h\to0}\frac{f(x+h)-f(x)}{h}\]

前提是这个极限存在，而且是一个有限实数。 对定义域内部的点，左右两边必须给出同一答案；区间端点则需说明是否采用单侧导数。

同一件事，也常写成莱布尼茨风格的记号：

\[\frac{dy}{dx}\]

在这里，它表示 (y) 关于 (x) 的导数。不能因为长得像分数，就把它理解成“两个零相除”。在合适的数学框架下，微分记号可以参与严密运算，但每条运算规则都有自己的含义和条件。OpenStax：导数、切线与瞬时变化率

1. 连续的曲线，不一定到处有导数

看一个反例：

\[f(x)=|x|\]

在 (x=0)，这条线没有断开，可它有一个尖角。

从右边靠近，差商是 (+1)；从左边靠近，差商是 (-1)。两边谈不拢，就没有一个共同的导数。

先看尖角左右两条直边，再对照下面的两个差商。问题不是线有没有连上，而是两侧有没有同一个局部变化率。另一个方向的关系成立：在一点可导，就在该点连续；反过来不成立。

顺便纠正另一个常见误会：导数完全可以等于零。 比如 (x^2) 在 (x=0) 的导数就是 (0)。

“输出增量与输入增量都趋近零，但比值一定不趋近零”，也不是普遍规律。答案可能是零、非零，也可能根本没有有限极限。OpenStax：可导与连续、绝对值反例

2. 微分：保留变化的线性主部

“导数”和“微分”相关，却不是两个完全相同的名词。

平方函数的实际增量是：

\[\Delta y=2x\,\Delta x+(\Delta x)^2\]

其中 (2x\,\Delta x) 是线性部分，后面的平方项是余下的误差。微分记作：

\[dy=f'(x)\,dx=2x\,dx\]

当我们把 (dx) 选成实际的输入增量 (\Delta x)，(dy) 就给出这个线性预测。有限变化时，(dy) 一般不精确等于 (\Delta y)。

例如从 (x=1) 增加 (0.1)：线性预测增加 (0.2)，实际增加 (0.21)；差的 (0.01)，就是 (h^2)。

这里“微”的力量不是让误差凭空消失，而是能够说明误差怎样随尺度缩小。

五、物理线接上了：速度与加速度其实是两次追问

回到小球：

\[s(t)=4.9t^2\]

在时刻 (t)，用长度为 (h) 的短时间段计算平均速度：

\[\frac{s(t+h)-s(t)}{h} =9.8t+4.9h\]

于是瞬时速度是：

\[v(t)=\frac{ds}{dt}=9.8t\]

在第 (1) 秒，速度是 (9.8\,\mathrm{m/s})。如果用第 (1) 秒到第 (1.1) 秒的区间测平均速度，得到 (10.29\,\mathrm{m/s})，略大一些，因为小球在这段时间里继续加速。

速度还在变化，再问一次：

\[a(t)=\frac{dv}{dt} =\frac{d^2s}{dt^2} =9.8\,\mathrm{m/s^2}\]

二阶导数不是另一个神秘工具，只是对变化率，再求一次变化率。

从上往下读：位移曲线的斜率给出速度；速度曲线的斜率给出加速度。三张图的横轴都是秒，但纵轴的单位不同，不能把线的高度当作同一种物理量。这里的位移向下为正，不是离地高度。

1. 单位，是公式的防错栏杆

位置用米，时间用秒；第一次除以时间，单位变成米每秒；再一次，变成米每二次方秒：

\[s:\mathrm{m},\qquad v:\mathrm{m/s},\qquad a:\mathrm{m/s^2}\]

它们不是三种写法表达同一件事，而是三个不同问题。

更高阶的导数也有意义。加速度的时间变化率常称为“急动度”，与乘坐电梯时加速度是否突然改变有关。不过，理解经典运动的入口，主要是一阶和二阶导数。

2. 负号表示方向，不自动表示“越来越慢”

刚才选择向下为正，所以落下的速度与加速度都是正的。

如果改用“离地高度” (z)，取向上为正、初始高度为 (H)，那么同一次下落就写成：

\[\begin{aligned} z(t)&=H-4.9t^2\\ z'(t)&=-9.8t\\ z''(t)&=-9.8 \end{aligned}\]

加速度是负的，小球却越落越快。

在一维中，速度与加速度同号时，速率通常增加；反号时，速率通常减小。速率是速度的大小，不带方向。

在多维中，加速度还可以只让速度改变方向。匀速圆周运动就是例子：速率不变，速度向量仍然在变。

六、换个方向问：知道每一刻多快，怎样拼出走了多远

导数把一段运动“拆”成局部变化率。现在我们反过来“拼”。

假设只知道小球的速度：

\[v(t)=9.8t\]

把 (0) 到 (2) 秒切成很多小段。每段宽度为 (\Delta t)，挑一个代表时刻 (t_i)，用：

\[v(t_i)\,\Delta t\]

估计这一段的位移。再把各段相加：

\[\sum_i v(t_i)\,\Delta t\]

这就是积累的起点。

几何上，把时间放在横轴、速度放在纵轴，每一项都是一个小矩形的“宽乘高”。物理上，单位是：

\[\frac{\mathrm m}{\mathrm s}\times\mathrm s=\mathrm m\]

所以速度—时间图下的带符号面积，对应位移。这里不能把这张图的“面积”误会成平方米。

小球的速度图是一条从零开始的直线，(0) 到 (2) 秒下方是一块三角形：

\[\frac12\times2\,\mathrm s\times19.6\,\mathrm{m/s} =19.6\,\mathrm m\]

熟悉的几何面积，已经帮我们把瞬时速度拼回了位移。

1. 弯曲的图，没有现成的三角形怎么办

来算数学曲线 (y=x^2) 在 (0) 到 (1) 下方的面积。

把区间切成 (N) 个同宽小段，每段宽 (1/N)。

因为平方函数在这个区间单调增加，用左端点高度画矩形，会低估；用右端点高度，会高估。

每一行先看蓝色的左端账，再看金色的右端账。小矩形不是精确面积，但两本账夹住了精确面积；增加分段后，夹缝缩小。三行的小图使用相同尺度，数值由矩形宽高实际求和得到。

两本账可以直接用有限求和算出来：

\[L_N=\frac1{N^3}\sum_{i=0}^{N-1}i^2 =\frac13-\frac1{2N}+\frac1{6N^2}\] \[R_N=\frac1{N^3}\sum_{i=1}^{N}i^2 =\frac13+\frac1{2N}+\frac1{6N^2}\]

因此：

\[R_N-L_N=\frac1N\]

只要 (N) 足够大，这个差可以比任意给定的正误差还小，而且两边都趋近 (1/3)。

这不是“忽略了顶部小块，所以剩下的一定准确”，而是用可控制的误差，证明近似共同逼近同一个结果。

这个极限叫定积分：

\[\int_0^1x^2\,dx=\frac13\]

积分号可以理解为“把很多小贡献累积起来”；下限 (0) 与上限 (1) 指定范围，(dx) 标明按哪个变量累积。严格定义由分割、取样与求和极限给出，不是把真的“零宽小块”直接相加。OpenStax：定积分与黎曼和

2. 定积分不永远是普通的正面积

如果曲线在横轴下方，贡献取负。定积分算的是带符号的净累积。

同样，对于一维有正负方向的速度：

\[\begin{aligned} \text{位移}&=\int_{t_0}^{t_1}v(t)\,dt\\ \text{路程}&=\int_{t_0}^{t_1}|v(t)|\,dt \end{aligned}\]

向右走两米，再向左走两米，位移是零，路程是四米。

小球始终朝同一方向下落时，两者数值碰巧相同；不能把这个特例当成普遍结论。

七、真正的桥：为什么找一个原函数，就能算累积

到这里，我们其实有两个看起来不相干的任务。

一个任务是找局部斜率；另一个任务是把很多小块加起来。

微积分最漂亮的地方，不是给这两件事各起一个名字，而是发现了它们之间的关系。

1. 累积到这里的总量，本身也是函数

先设 (f) 在一个区间上连续。固定起点 (a)，定义：

\[A(x)=\int_a^xf(u)\,du\]

(A(x)) 就是“从 (a) 累积到 (x) 的总量”。这里用 (u) 当积分中的临时变量，避免把固定终点 (x) 与沿途位置混淆。

把终点再向前挪 (h)，总量多出的，只有最后一条窄条：

\[A(x+h)-A(x)=\int_x^{x+h}f(u)\,du\]

把这条新增面积除以宽度 (h)，得到的是窄条的平均高度。

先只看金色窄条，不要把左侧全部面积也算进去。新增面积除以宽度是平均高度；当宽度缩小，连续性保证这一小段的高度都接近终点高度。本图用较大的 (h=0.2) 让窄条看得见，没有把它伪装成精确矩形。下面给出继续缩小时的计算结果。

为什么“平均高度”一定接近 (f(x))？

因为连续性保证：在足够靠近 (x) 的整段范围里，(f(u)) 都可以与 (f(x)) 相差不到任意指定的 (\varepsilon)。

把这一小段的高度平均起来，误差仍然不到 (\varepsilon)。因此：

\[\lim_{h\to0}\frac{A(x+h)-A(x)}{h}=f(x)\]

也就是说：

\[A'(x)=f(x)\]

对一个连续变化率先做累积，再对累积结果求导，就回到原来的变化率。

这是微积分基本定理的一个方向。连续性是这里采用的充分条件；我们没有声称“任意可积函数都处处有这样的导数”。OpenStax：微积分基本定理

2. 所以，面积可以用端点相减来算

如果另一个函数 (F) 满足：

\[F'(x)=f(x)\]

就称 (F) 是 (f) 的一个原函数，也叫反导数。

刚才的累计函数 (A) 也有相同导数。在同一个区间里，两个处处可导的函数如果导数相同，它们只差一个常数。

于是基本定理的另一个方向是：

\[\int_a^bf(x)\,dx=F(b)-F(a)\]

原来，寻找原函数这件事，可以代替直接计算那一大堆小矩形的极限和。

对平方函数：

\[F(x)=\frac{x^3}{3},\qquad F'(x)=x^2\]

所以：

\[\int_0^1x^2\,dx =\frac{1^3}{3}-\frac{0^3}{3} =\frac13\]

与刚才两本矩形账的共同极限，完全吻合。

3. 不定积分的“加 C”，为什么不能丢

请看：

\[\left(\frac{x^3}{3}\right)'=x^2,\qquad \left(\frac{x^3}{3}+100\right)'=x^2\]

求导看不见一个整体加上的常数。反过来找原函数，当然不止一个答案。

因此：

\[\int x^2\,dx=\frac{x^3}{3}+C\]

不定积分表示一个函数族；定积分在指定上下限后，得到一个数。算端点差时，常数自动抵消：

\[[F(b)+C]-[F(a)+C]=F(b)-F(a)\]

“加 C”不是老师为了扣分设置的机关，而是求导确实丢掉了一条信息。

八、物理再走一步：从力，推出一次具体的运动

现在终于可以把运动方程写出来，而不只是背位移公式。

在恒定质量的经典力学模型里，牛顿第二定律说：

\[m\frac{d^2s}{dt^2}=F_{\mathrm{net}}\]

(F_{\mathrm{net}}) 是该方向的合力。它不是某一个力随便代进去；如果有重力、阻力、支持力，就要先把它们合成。

导数提供描述加速度的语言，牛顿第二定律则是受实验支持的物理规律。它不是从导数定义里证明出来的。OpenStax：牛顿第二定律

对刚才的小球，向下为正、只有重力，合力 (mg)，所以：

\[s''(t)=g\]

我们知道的不是位置，而是位置怎样二次变化。含有未知函数及其导数的方程，就是微分方程。

积分一次：

\[s'(t)=gt+C_1\]

再积分一次：

\[s(t)=\frac12gt^2+C_1t+C_2\]

方程还没有决定这是“哪一次下落”。

如果初始位置为 (s(0)=s_0)，初始速度为 (s’(0)=v_0)，那么：

\[C_1=v_0,\qquad C_2=s_0\]

因此：

\[s(t)=s_0+v_0t+\frac12gt^2\]

这次选 (s_0=0)、(v_0=0)，才得到 (s=4.9t^2)。

同一个力学规律，配上不同的初始位置与初始速度，就得到不同的具体运动。

1. 为什么不能把天体距离直接当成一维落体位置

对行星，位置应先用向量 (\mathbf r(t)) 表示。在把中心天体视为固定、只考虑其牛顿引力的近似下：

\[\mathbf r''(t) =-\frac{GM}{|\mathbf r(t)|^3}\mathbf r(t)\]

负号表示加速度指向中心，不是宣布行星永远减速。

尤其要小心：**距离 (r=

\mathbf r

) 的二阶导数，并不等于全部向心加速度。**

匀速圆周运动的半径没有变，(r’‘=0)，却仍然有向心加速度。在平面极坐标中，径向运动方程是：

\[r''-r(\theta')^2=-\frac{GM}{r^2}\]

其中 (\theta) 是位置方向角。只有纯径向运动、不绕中心转动的情形，才能去掉角运动项，写成 (r’’=-GM/r^2)。

这也说明为什么“把物理翻译成微分方程”不等于已经解决物理：变量选错、漏掉方向或初始条件，解出来的可能根本不是原来的问题。

轨道怎样从这样的方程长出来，前面的天体运动文章有更完整的向量图与数值计算。

2. 有原函数，不意味着有初等公式

像 (x^2)，原函数很好找；但：

\[f(x)=e^{-x^2}\]

虽然连续，却没有用有限次初等函数运算写出的原函数。

这不意味着“积分不存在”。基本定理仍然能用累计积分定义一个原函数；我们还可以用级数、数值积分，或者引入专门的函数来表达结果。OpenStax：用级数处理没有初等原函数的积分

“没有初等闭式”“没有解”“无法近似”，是三件不同的事。也不能在没有规定函数集合与概率模型时，随口说“随机选一个函数能解出的概率是多少”。

九、回头看牛顿的工具箱：二项式为什么会帮助微积分

现在回看二项式，才不会让它变成入门时的拦路虎。

小学、初中熟悉的是：

\[(a+b)^2=a^2+2ab+b^2\]

对整数 (n\ge3)，把有限展开的前几项写出来：

\[\begin{aligned} (x+h)^n&=x^n+nx^{n-1}h\\ &\quad+\binom n2x^{n-2}h^2\\ &\quad+\cdots+h^n \end{aligned}\]

它是一个有限展开。

减去 (x^n)，再除以非零 (h)，得到：

\[\begin{aligned} \frac{(x+h)^n-x^n}{h} &=nx^{n-1}\\ &\quad+\binom n2x^{n-2}h\\ &\quad+\cdots+h^{n-1} \end{aligned}\]

当 (h\to0)，后面这些含 (h) 的项都趋近零，只留下：

\[\frac{d}{dx}x^n=nx^{n-1}\]

这个推导给出正整数幂的规则；平方函数已在前面演示，(n=1) 时直接得到 (1)。它让我们看见：二项式展开如何把差商中“关键的一阶变化”挑出来。

1. 如果指数不是正整数呢

牛顿的重要工作之一，是发展广义二项式展开，把非整数幂也纳入计算工具箱。现代形式是：

\[\begin{aligned} (1+u)^\alpha&=1+\alpha u\\ &\quad+\frac{\alpha(\alpha-1)}{2!}u^2\\ &\quad+\frac{\alpha(\alpha-1)(\alpha-2)}{3!}u^3+\cdots \end{aligned}\]

这里 (\alpha) 是实数指数；第 (k) 个幂的系数为：

\[\binom{\alpha}{k} =\frac{\alpha(\alpha-1)\cdots(\alpha-k+1)}{k!}\]

如果 (\alpha) 是非负整数，包括 (0)，乘积迟早会碰到零，展开就结束。

如果不是非负整数，通常要面对无穷级数。本文采用一个安全、清楚的范围：

\[|u|<1\]

在这个范围内，上面的二项式级数成立；端点 (u=\pm1) 需要按指数另行讨论，不能自动包含进来。

先看指数 3 为什么会出现零系数，再看平方根为什么不会在同一位置结束。最后代入 (u=0.2)，比较保留不同次数后的近似。数值只是展示精度；级数成立的条件与收敛证明，不能由几个近似样本代替。

例如：

\[\begin{aligned} \sqrt{1+u}&=1+\frac u2-\frac{u^2}{8}\\ &\quad+\frac{u^3}{16}-\frac{5u^4}{128}+\cdots \end{aligned}\]

代入 (u=0.2)，保留到四次项：

\[\sqrt{1.2}\approx1.0954375\]

而 (\sqrt{1.2}\approx1.095445115)，本次截断的实际绝对误差约 (7.6\times10^{-6})。这里是针对这个具体例子计算出的误差，不是对所有 (u) 的统一误差界。

如果要写成 ((a+b)^\alpha)，一个足够安全的实数情形是取 (a>0)，并且 (

b/a

<1)，再写成：

\[(a+b)^\alpha=a^\alpha(1+b/a)^\alpha\]

不能忘掉收敛范围与实数幂的定义条件。OpenStax：二项式级数

这解释了为什么广义二项式会成为牛顿处理曲线、求积与变化的有力工具。但我们不把“当年的计算成功”冒充全部现代严格性，也不把尚未证明的无穷展开偷偷塞进前面那个有限展开的证明。

十、世界不只一个旋钮：偏导数是怎么来的

小球的位置只依赖一个时间变量，已经够有意思。

现实却常常有多个旋钮。

对固定物质的量 (n) 的理想气体：

\[PV=nRT,\qquad V(T,P)=\frac{nRT}{P}\]

体积 (V) 同时取决于温度 (T) 与压强 (P)。(R) 是气体常量。这里温度必须使用开尔文，压强必须是绝对压强；理想气体是低密度、远离液化等情况下的近似模型，不是所有气体、所有环境的精确规律。OpenStax：理想气体模型

如果只改变温度，锁住压强：

\[\left.\frac{\partial V}{\partial T}\right|_P=\frac{nR}{P}\]

如果只改变压强，锁住温度：

\[\left.\frac{\partial V}{\partial P}\right|_T=-\frac{nRT}{P^2}\]

弯弯的 (\partial) 表示偏导数。它不是另一种神秘极限，而是只允许一个变量变化、其他变量固定时的导数。

先看上图：锁住压强，升温使体积线性增大。再看下图：锁住温度，增压使体积按反比减小。两图都经过 300 K、100 千帕、约 24.94 升的同一个状态；它们是两个切片，不是把二维图假装成完整三维曲面。

例如取 (n=1\,\mathrm{mol})、(R\approx8.314\,\mathrm{L\cdot kPa/(mol\cdot K)})，在 (T=300\,\mathrm K)、(P=100\,\mathrm{kPa}) 处：

\[V\approx24.942\,\mathrm L\]

只升温时，局部变化率约 (0.08314\,\mathrm{L/K})；只增压时，局部变化率约 (-0.24942\,\mathrm{L/kPa})。

“局部”很重要。压强一下改变很多，不能把这个导数乘上大增量，当成精确变化。

如果温度与压强都随时间变，就不是锁住一个旋钮了，而要用链式法则：

\[\frac{dV}{dt} =\frac{\partial V}{\partial T}\frac{dT}{dt} +\frac{\partial V}{\partial P}\frac{dP}{dt}\]

偏导数看“单个方向的影响”；总导数看“沿着实际变化路径，两种影响合起来怎样”。OpenStax：偏导数、多变量链式法则

十一、热传导：方程管规律，条件管具体故事

现在看一根细杆。

左端一直保持 (20^\circ\mathrm C)，右端一直保持 (80^\circ\mathrm C)，侧面绝热，没有内部发热；假设材料均匀、热学参数不随温度变。

设 (u(x,t)) 是位置 (x)、时刻 (t) 的温度。它同时依赖空间与时间。

一个经典模型是热方程：

\[\frac{\partial u}{\partial t} =\alpha\frac{\partial^2u}{\partial x^2}\]

这里 (\alpha>0) 是热扩散率，单位为 (\mathrm{m^2/s})。两边单位都是每秒改变多少温度。

左边问“这里的温度随时间怎样变”；右边问“温度沿空间的弯曲怎样影响这个变化”。方程来自导热定律与能量守恒，不是看到一个曲线就任意写出来的。OpenStax：偏导与热方程

为什么是空间的二阶导数，而不是一阶？

一阶导数描述温度梯度，它影响热量流向；一小段杆的温度升降，取决于流进来的热量与流出去的热量是否相等。要比较两端热流的差，就再次涉及空间变化。均匀材料的一维导热定律可写成：

\[\dot Q=-kA\frac{\partial u}{\partial x}\]

(k) 是导热系数，(A) 是杆的截面积，(\dot Q) 是沿 (+x) 方向的传热功率。负号表示热从高温向低温流，而不是说热量“变负了”。OpenStax：热传递与导热定律

1. 初始条件与边界条件，不是一回事

只给热方程还不够。

边界条件告诉我们两端怎么保持：

\[u(0,t)=20,\qquad u(L,t)=80\]

这里 (L) 是杆长，温度数值以摄氏度计。

初始条件告诉我们开始时整根杆怎样：

\[u(x,0)=u_0(x)\]

如果一根杆的中间很热，另一根杆的中间很冷，即使两端温度相同，它们接下来也不会经历同样的过程。

先看固定两端，再看中间的温度曲线。红色初态在线性温度上多了一个鼓包；金色、蓝色曲线是同一热方程的稍后结果；虚线给出最终稳态。横轴为杆的位置，不是时间；图例中的 (\tau=\alpha t/L^2) 是缩放时间，不是实测秒数。所有端点始终满足 20 与 80 度，曲线由下面的解析解计算。

如果初态选为：

\[u_0(x)=20+60\frac{x}{L}+20\sin\frac{\pi x}{L}\]

一个满足上述方程与条件的解是：

\[u(x,t) =20+60\frac{x}{L} +20e^{-\pi^2\alpha t/L^2}\sin\frac{\pi x}{L}\]

不用记住这串式子，只看它的结构：

固定的线性部分，加上一个随时间指数衰减的鼓包。

代入 (x=0,L)，正弦项都为零，边界始终正确；代入 (t=0)，得到初态；分别求时间一阶导数与空间二阶导数，也能直接核对热方程。

如果改变鼓包的初始高度，就改变这次具体的加热故事，但不改变热方程或两端边界。

2. 稳态，不意味着处处同温

当 (t) 增大，鼓包衰减，最终温度为：

\[u_{\mathrm{eq}}(x)=20+60\frac{x}{L}\]

每个位置的温度不再随时间变，但左边仍冷、右边仍热。热量仍持续从右边向左边传递，只是每小段流入和流出的热量平衡。

因此：

\[\frac{\partial u_{\mathrm{eq}}}{\partial t}=0\]

不等于：

\[\frac{\partial u_{\mathrm{eq}}}{\partial x}=0\]

对这根无内热源、侧面绝热的均匀杆，稳态使热方程化为：

\[\frac{d^2u_{\mathrm{eq}}}{dx^2}=0\]

它的解是直线，斜率和截距由两端温度确定。

在这个例子中，初值决定走到稳态前的过程；边界决定最终线性温度分布。 更一般的问题还会受到几何、热源、材料与边界类型的影响，不能照搬这根杆的答案。

十二、最后一个加餐：拉普拉斯方程为什么会出现在流体里

前面已经能读懂主线，这一节只是帮我们避免一个容易混淆的名字。

质量守恒的一般连续性方程是：

\[\frac{\partial\rho}{\partial t} +\nabla\cdot(\rho\mathbf v)=0\]

(\rho) 是密度，(\mathbf v) 是速度场。这里的散度 (\nabla\cdot) 汇总各空间方向的净流出：某处流出去的质量多于流进来的，该处密度就会下降。

如果密度视为常量、流体不可压缩，这变成：

\[\nabla\cdot\mathbf v=0\]

再加一个独立条件：流动无旋，而且在允许引入速度势的区域内，例如合适的单连通区域，可以写：

\[\mathbf v=\nabla\phi\]

这表示各方向的速度由同一个速度势 (\phi) 的偏导数给出。“无旋”描述局部旋转性质，不是说流线在纸上不能弯。

把两件事结合：

\[\nabla\cdot\nabla\phi=\nabla^2\phi=0\]

展开就是：

\[\frac{\partial^2\phi}{\partial x^2} +\frac{\partial^2\phi}{\partial y^2} +\frac{\partial^2\phi}{\partial z^2}=0\]

这才得到拉普拉斯方程。MIT 的势流讲义正是按“速度势 → 质量守恒 → 拉普拉斯方程”的顺序组织这一推导。MIT，Techet：Potential Flow Theory，第 1—2 页

所以，拉普拉斯方程不是一般连续性方程的另一个名字。它是在额外条件下得到的特定形式。

我们刚才那根杆的一维稳态方程，也有“二阶空间导数等于零”的结构。不同物理故事，有时会留下相同的数学骨架；不过变量的含义、适用条件与边界依然不同。

十三、牛顿与莱布尼茨，究竟“发明”了什么

读到这里，再看历史，就不只是背两个名字。

求面积、找切线、研究运动，早在牛顿和莱布尼茨之前就有人做。古代求积方法、费马的工作、巴罗对切线与求积的联系，都属于这条长路。

牛顿与莱布尼茨的关键贡献，是各自发展出能系统处理这些问题的方法，并把局部变化与整体累积之间的联系推进成强大的计算工具。MacTutor：微积分的兴起

牛顿喜欢从“流动的量”与“流率”理解变化。今天用时间函数看位置、速度和加速度，很容易体会这种出发点。他的点号记法至今也没有失去用处：

\[\dot s=\frac{ds}{dt},\qquad \ddot s=\frac{d^2s}{dt^2}\]

在力学里，一看点号就知道“对时间求导”，往往非常方便；不能简单说它“不如现代记号”。

莱布尼茨的 (d) 与积分号 (\int) 则特别适合清楚地标明变量和运算结构。积分号来自拉长的 S，呼应求和。MacTutor 的传记记录了他在 1675 年手稿中使用积分记号，以及 1684 年微分论文、1686 年积分记号进入印刷出版的不同节点。MacTutor：莱布尼茨传记

发现、写进手稿、与人通信、正式发表，不是同一天。

关于牛顿，可靠数学史资料把他微积分与级数方法的重要发展放在 1665—1666 年，并记录了之后不同文稿与出版的时间。按他的生日换算，1665 年 5 月时为 22 周岁；“当时 23 岁”不能直接照写成周岁年龄。MacTutor：牛顿传记

这篇文章的灵感材料提到“1665 年 5 月 20 日”的具体手稿。本次没有取得足以独立核对该日期与手稿内容的一手记录，因此不把这个具体日子当作文章的确定证据；这并不等于断言那份手稿不存在。

同样，我们不能从早期方法的强大，跳到“任何连续曲线都能求出切线和曲率”。连续不保证可导，已经有绝对值函数这个反例；二阶导数描述斜率变化，也不能不加条件就当成曲率本身。

历史上的突破值得赞叹，现代的适用条件也值得认真。两者不需要互相牺牲。

十四、最后，把这一路收进两个问题

现在再回头看仪表盘。

“这一刻多快”，不是拿零秒去除零米，而是研究越来越短时间段里的平均速度，是否趋向一个确定值。

再回头看累积。

“到现在走了多远”，不是把一堆没有宽度的线神奇地加起来，而是分割、计算小贡献、控制误差，让和趋向一个确定结果。

微积分基本定理告诉我们：对连续的变化率，这两条路能够接起来。

于是我们得到一套很自然的问法：

给出位置，求导得到速度，再求导得到加速度；给出加速度，结合初始条件，通过积分重建速度与位置。

同样的方法还能问：一小段材料的温度为什么变化？同时拧动温度和压强两个旋钮，体积会怎样？一瞬间的引力如何不断改变速度，最后形成一条轨道？

微积分不是突然从天上掉下来的一页公式。

它是人类为了把“正在发生”与“已经积累”说清楚，一步一步磨出来的语言。

参考资料与图解说明

正文与图解为围绕教学主线重新组织的原创内容；所提供的长篇材料作为灵感线索，没有将其中的历史断言与数学表述未经核查地直接沿用。以下教材和数学史页面均实际查阅；MIT 势流 PDF 已读取相关页。引用支持的是具体定义、定理、模型与历史节点，不代表文章照搬教材的全部表述。

资料	本文使用与支持的内容
OpenStax《Calculus 1》2.3：极限法则、2.5：极限的精确定义	去心邻域内约分不改变极限；误差要求与邻域保证。
OpenStax《Calculus 1》3.1：定义导数、3.2：导数函数	差商、切线、瞬时速度；可导与连续的关系；绝对值反例与高阶导数。
OpenStax《Calculus 1》5.2：定积分	黎曼和、带符号累积、位移与路程的区别。
OpenStax《Calculus 1》5.3：微积分基本定理	连续函数的累计积分求导，以及用原函数的端点差计算定积分。
OpenStax《Calculus 2》6.4：泰勒与二项式级数	广义二项式系数、收敛范围、平方根近似，以及非初等原函数的级数处理。
OpenStax《Calculus 3》4.3：偏导数、4.5：链式法则	固定其他变量、沿实际路径的总导数、空间与时间偏导、热方程及指数衰减的正弦解。
OpenStax《University Physics 1》5.3：牛顿第二定律	恒质量条件下合力与加速度的关系，以及其物理而非定义性质。
OpenStax《University Physics 2》2.1：理想气体模型	气体状态方程、绝对压强、开尔文与模型条件。
OpenStax《University Physics 2》1.6：热传递	一维导热定律、侧面绝热均匀杆的稳态热流与线性温度分布。
MIT，A. H. Techet：Potential Flow Theory，2005，第 1—2 页	在势流假设下由速度势与不可压缩质量守恒得到拉普拉斯方程；不是一般连续性方程的改名。
MacTutor：The rise of calculus	古代求积、早期切线方法，以及牛顿、莱布尼茨之前与之后的发展。
MacTutor：Newton、Leibniz	生日、微积分发展的阶段、记号与正式发表时间。
MacTutor：The function concept	函数概念的渐进发展，避免把现代定义一次性归给 1694 年。

八幅 SVG 均为原创计算图。生成器保存在 tools/generate_calculus_foundations_visuals.py，核对割线斜率、左右差商、自由落体、矩形上下界、基本定理的窄条平均高度、二项式系数、气体偏导，以及热方程与初始、边界条件。只有割线图采用一次性的分步动画，其余静态展示；动画不承担证明，禁用运动后正文与数值仍然完整。