📈 導數即斜率

導數的故事其實只有一句話：當你把放大鏡無限放大，曲線看起來就是一條直線 — 那條直線的斜率，就是導數。

怎麼測量？你選一個點 $x_0$，再往旁邊走一點點距離 $h$，得到兩個點：

連接 P 和 Q 的直線叫割線（secant line），它的斜率是：

這個比值就是高中學的「升幅 / 跑幅」(rise / run)。問題是 — 它只是「平均斜率」，不是「點 P 那一瞬間」的斜率。要拿到瞬間斜率，就讓 $h$ 變得超級小：

這就是導數的定義。你右邊那塊「即時計算」面板顯示的就是這兩個數字 — 一個是現在的割線斜率，一個是真實的切線斜率（由解析公式算出），下面是它們的差。把 $h$ 滑桿滑到最左邊，誤差應該會掉到接近 0。

🎮 動手試試

1. 選 f(x) = x²，把 $x_0$ 滑到 1.0。真實切線斜率是 $f^{\prime }(1)=2$。把 $h$ 從 2 慢慢滑到 0.01 — 黃色割線會逐漸貼合粉色切線。
2. 選 f(x) = sin(x)，把 $x_0$ 滑到 0。導數應該是 $\cos (0)=1$。注意當 $h$ 還很大時，割線斜率明顯小於 1（因為 sin 在 0 附近呈正弦狀，平均斜率拉低了）。
3. 選 f(x) = x³ − x，找切線斜率為 0 的地方（提示：$f^{\prime }(x)=3x^2-1$ 為 0 時 $x=\pm 1/\sqrt{3}\approx \pm 0.577$）。這兩個點就是函式的局部極值。
4. 選 f(x) = eˣ，注意一個神奇的性質：eˣ 的導數就是自己。隨便挑 $x_0$，切線斜率永遠等於 $f(x_0)$ 本身。

💡 為什麼這個極限會存在？

「兩個會越來越靠近的東西相除」聽起來很可疑 — 分子和分母都同時趨近 0，那不是 0/0 嗎？這就是微積分發明的核心難題，也是 17 世紀牛頓和萊布尼茲被批評的地方。嚴格的解答是 19 世紀 Cauchy 和 Weierstrass 的 ε–δ 定義，但對光滑（可微）函式，這個比值的極限會穩定存在，這就足夠用了。

從這頁的視覺角度看極限其實很直觀：當 P 和 Q 緊靠在一起，割線就「卡住」在唯一一條斜率上 — 那條斜率，就是切線。

🚀 之後會用到

• 鏈式法則（下一頁）— 函式合成時導數怎麼接力
• 微積分基本定理 — 導數和積分是互逆操作
• 梯度（多變數版的導數）— 機器學習梯度下降的核心