两个古老的问题
整个微积分，其实只在回答两个看起来毫不相关的问题。几千年里，无数聪明人各自琢磨它们，直到牛顿和莱布尼茨发现：它们是同一枚硬币的两面。
一辆车的位置时刻在变。某一瞬间它的速度是多少？注意——是「这一刹那」，不是「这一小时平均」。这就是 微分（求导）：求曲线在某一点的陡峭程度。
速度时刻在变。一段时间里，车总共走了多远？把无数个「瞬间速度 × 极短时间」加起来。这就是 积分：求曲线下方围成的面积。
「陡峭程度」和「围成的面积」——一个在算斜率，一个在算面积，看着八竿子打不着。可它们竟然是互逆的运算，就像加法和减法。这个惊人的联系叫 微积分基本定理，是第⑤节的高潮。
但要把这两件事说清楚，得先有一件趁手的工具：当某个东西无限接近却永远到不了时，它到底等于多少？这就是 极限。我们从它开始。
极限：无限接近的艺术
看这个分数：(x²−1) / (x−1)。当 x 等于 1 时，分母是 0，没法算——这一点是个「洞」。可是当 x 越来越靠近 1（比如 0.9、0.99、0.999…），这个分数会稳稳地逼近某个值。极限问的就是：它逼近谁？
下面这张表自己点一下「让 x 更靠近 1」，看右边的结果：
| x（从左边靠近） | 分数的值 | x（从右边靠近） | 分数的值 |
|---|
两边都死死地朝着 2 去。虽然 x=1 这一点本身没定义，分数在那儿是个洞，但逼近的目标清清楚楚是 2。我们就说：
读作「当 x 趋近于 1，这个式子的极限是 2」。极限不关心那一点上发生了什么，只关心周围在朝哪儿挤。（顺带一提，x²−1 = (x−1)(x+1)，约掉 (x−1) 就剩 x+1，代进 x=1 正好是 2——表格只是让你亲眼看见这件事。）
极限 = 「无限靠近时的归宿」。到不到得了那一点不重要，重要的是它朝谁去。微积分里所有「瞬间」「无穷小」的说法，底下都是这一个想法。
导数：某一瞬间的陡峭
现在用极限去解决「问题一」。设一辆车的位置是 s(t) = t²（第 t 秒走了 t² 米）。它在第 1 秒这一瞬间跑多快？
第一步：先算「一段时间」的平均速度
平均速度好算：走过的距离 ÷ 花掉的时间。从第 1 秒到第 (1+h) 秒：
在图上，这条「一段时间的平均速度」就是连接曲线上两点的直线——割线，它的斜率正是平均速度。下面拖动滑块改变 h，看割线怎么动：
第二步：让 h 缩到「无限小」
关键来了。我们不想要「一段时间」的平均，我们想要那一瞬间。于是让 h 越来越小——把两点挤到几乎重合。看上面的数字：h=1 时斜率是 3，h=0.5 时是 2.5，h=0.1 时是 2.1，h=0.01 时是 2.01……它在逼近 2。这正是上一节的极限！
用代数验证（把分子展开）：[(1+h)²−1]/h = [1+2h+h²−1]/h = (2h+h²)/h = 2+h。当 h 趋近 0，2+h 就趋近 2。割线于是变成了只碰曲线一点的切线，它的斜率 2 就是第 1 秒的瞬时速度。
读法：分子是「输出变了多少」，分母是「输入变了多少」，相除是「平均变化率」，再让间距 h 趋于 0，就得到那一点的瞬时变化率，记作 f′(x)，叫 f 的导数。它在图上就是切线的斜率。
导数本身也是一条曲线
刚才只算了 x=1 这一点。其实对每个 x 都能算一次斜率，得到一个新函数 f′(x)。对 f(x)=x²，把上面的 1 换成任意 x，会得到 f′(x)=2x。下面左图你拖动那个点，右图就实时画出对应的斜率——右边这条线，就是左边每一点的陡峭程度连起来的样子：
不用每次都算极限的捷径
从定义出发求导，每次都要算极限，太累。好在数学家早已把常见情形总结成几条法则。理解一次，终身受用。下面这张表是你的随身小抄：
| 名字 | 函数 f(x) | 导数 f′(x) | 怎么理解 |
|---|---|---|---|
| 常数 | c（如 5） | 0 | 水平线不陡，斜率为 0 |
| 幂法则 ★ | xⁿ | n·xⁿ⁻¹ | 指数掉下来当系数，自己减 1 |
| 系数 | c·f(x) | c·f′(x) | 放大几倍，斜率也放大几倍 |
| 加法 | f + g | f′ + g′ | 分开各求，再加起来 |
| 正弦 | sin x | cos x | 下图可亲眼验证 |
| 指数 e | eˣ | eˣ | 导数是它自己，奇妙的常数 |
幂法则是用得最多的一条。用它，多项式可以瞬间求导：
逐项看：x³→3x²；2x²→2·2x=4x；−5x→−5（因为 x¹的导数是 1）；常数 7→0。是不是很机械？这正是它的好处。
亲眼验证：sin 的导数真的是 cos 吗
口说无凭。下面上图是 sin x，我在每一点量出它的切线斜率，把这些斜率描到下图（橙点）。如果橙点连起来恰好是 cos x（虚线），法则就成立。拖动滑块扫一遍：
橙点严丝合缝落在虚线上——sin 的斜率确实处处等于 cos。这就是「看得见的证明」：法则不是天上掉下来的，是图本身在告诉你。
积分：把无穷多薄片加起来
换「问题二」。已知车的速度 v(t) 时刻在变，想知道一段时间里总共走了多远。如果速度恒定，距离=速度×时间，就是一个矩形的面积。可速度在变，怎么办？
化整为零。把时间切成很多小段，每一小段里假装速度不变，于是每段距离≈一个细高的矩形。把所有矩形面积加起来，就近似总距离。下面拖动滑块增加矩形数量，看近似怎么越来越准：
矩形越多越窄，台阶状的轮廓就越贴合曲线，误差越来越小。当矩形数量趋于无穷、每片宽度趋于 0 时（又是极限！），矩形和的极限就精确等于曲线下的面积。这个极限值，就叫定积分：
那个拉长的 S 形符号 ∫ 就是「Sum（求和）」的 S，提醒你它本质是加法——把无穷多个「高 f(x) × 极窄宽 dx」的细矩形加起来。dx 就是那个趋于 0 的宽度。
积分 = 「无穷多个薄片面积的总和」。求导是把整体拆成瞬间，积分是把瞬间攒成整体——你大概已经闻到它俩互逆的味道了。
高潮：两个问题原来是一个
到这儿，你手里有两套看似无关的工具：求导（求斜率/瞬时变化）和积分（求面积/累积总量）。微积分基本定理一句话点破：它们互为逆运算。
怎么个互逆法？想象一个「面积函数」A(x)，表示曲线下从起点累积到 x 处的面积。当 x 往右挪一点点 dx，面积会增加一条细窄竖条，这条竖条的面积≈高 × 宽 = f(x)·dx。所以面积的增长速度就是 A′(x) = f(x)——
面积函数的导数，正好是原来那条曲线。下面这张图把这件事演活：上图是 f(x)，下图是「累积到此处的面积」A(x)。拖动滑块，亲眼看两件事同时发生——上图阴影面积的增减，恰好对应下图曲线的高度；而下图曲线此刻的斜率，恰好等于上图曲线此刻的高度：
其中 F 是任何满足 F′ = f 的函数（叫 f 的原函数）。这行公式的威力在于：求面积这种「无穷求和」的苦活，被变成了求原函数、然后做一次减法。积分不必再老老实实加无穷多个矩形了——只要倒着想「谁求导能得到 f」，再代两个端点相减即可。
用它真算一道题
求 f(x)=x² 从 0 到 3 围成的面积，即 ∫₀³ x² dx。
第一步，找原函数 F：谁求导得到 x²？由幂法则反推，x³ 求导是 3x²，差个系数，所以 F(x)=x³/3（验证：(x³/3)′ = 3x²/3 = x² ✓）。第二步，代入端点相减：
面积是 9 个平方单位。没有加一万个矩形，只用了一句幂法则和一次减法——这就是基本定理替你省下的力气。
你已经走完了一整圈
回头看，这条路其实很直：
用一句话串起全部五节：
有了 极限（无限接近的归宿），我们能定义 导数（瞬间的斜率）；反过来把无穷多薄片求和的极限，是 积分（累积的面积）；而 基本定理 告诉我们这两者互逆——于是难算的面积，可以靠「反向求导 + 相减」轻松拿下。
下一步学什么
你已经掌握了主干。如果想继续，按这个顺序最顺手：乘积法则与链式法则（求导更复杂的组合函数）→ 换元积分与分部积分（积分的对应技巧）→ 极值与最优化（用导数=0 找最高最低点，应用极广）→ 微分方程（描述「变化率本身」的方程，物理和工程的语言）。每一步都还是今天这几个核心想法的延伸，没有新的魔法。