概述
分布导数（distributional derivative）是对“求导”操作的一种推广。经典导数依赖函数在点处的极限，但许多对象在经典意义下并不光滑，甚至不连续，例如阶跃、分段定义的函数或带有冲激型奇异行为的量。分布框架把这些对象看作“广义函数”（更准确说是分布），并通过与测试函数的对偶作用给出导数的严格定义：对任意测试函数，导数由分部积分所对应的对偶关系来刻画。这样，许多在传统意义下不可微的对象仍能被赋予良定的导数，并在分界点自动体现跳跃与奇异项。
分布导数在偏微分方程、物理中的广义源项建模以及弱解理论中广泛使用。它提供了一种统一的计算方式：把“局部奇异”与“分界处的效应”纳入同一套代数与分析框架，而不必逐点讨论极限或额外拼接公式。
1 概念与动机
1.1 经典导数为何不足
在经典分析中，可导通常意味着函数在每一点附近都足够平滑。若函数不连续或在某些点表现出“突跳”，其经典意义下的导数要么不存在，要么需要人为分段讨论。即便对某些形式的“奇异”量，经典极限也可能无法给出合理结果，例如冲激型的理想化集中源。
这些不足导致一个问题：许多偏微分方程或物理模型自然地要求对包含阶跃、分布源等对象进行求导，但经典求导无法直接操作。
1.2 弱意义与对偶关系的直觉
弱意义（weak sense）的核心思想是：不要求被处理对象在点点上满足严格微分关系，而是要求它在“整体意义”上与足够光滑的试探函数配合时满足对应的等式。对偶关系提供了这种整体意义的表达方式：把导数写成与测试函数的作用，利用分部积分把导数从“被求导对象”转移到“测试函数”上。由于测试函数具有良好的平滑性与支撑性质，这样的等式往往能够在原对象不光滑时仍成立。
1.3 广义函数与测试函数的引入
分布理论通常以测试函数空间为起点。测试函数取光滑且具有紧支撑（或以合适方式衰减）的函数。分布则被视为在该测试函数空间上的线性泛函：给定一个分布对象，它对任意测试函数给出一个数。于是，“导数”不再直接定义为逐点极限，而是定义为某个新的线性泛函，使得与分部积分相对应的恒等式对所有测试函数都成立。
2 分布的基本定义框架
2.1 测试函数空间（光滑且紧支撑）
测试函数空间的选择用于保证分部积分与极限过程的良好性质。典型设定是选取在开集上的无穷可微函数，并要求其支撑紧（在某个有界区域内非零）。紧支撑确保在分部积分时不会在无穷远处产生额外边界项，从而让“形式求导”的对偶表达成为严格含义。
2.2 分布作为线性泛函
一个分布（distribution）可以理解为：对每个测试函数 $\varphi$，分布 $T$ 给出一个标量 $\langle T,\varphi\rangle$，且该映射关于 $\varphi$ 是线性的。这个框架允许把不适合作为普通函数的对象（例如冲激）同样嵌入：例如把“在某点取值”的概念通过对测试函数的评价来实现，从而获得严格的线性泛函形式。
3 分布的收敛与拓扑直觉（概览）
分布的收敛并非点态意义，而与测试函数作用有关。直观上，如果一列分布对任意测试函数的作用都趋于极限，则它们收敛到对应分布。严格的讨论依赖测试函数空间的拓扑结构，但在应用层面，常用原则是：只要对所有测试函数的对偶作用一致地收敛，就能判定相应的极限分布。
3 分布导数的定义
3.1 通过分部积分定义
令 $T$ 为某个分布。分布导数 $T'$（或记作 $\partial_i T$ 表示对变量的偏导）通过分部积分对应的对偶恒等式来定义。对一维情形，通常写成：对任意测试函数 $\varphi$， \[ \langle T',\varphi\rangle = -\langle T,\varphi'\rangle . \] 这里右边把“求导”转移到测试函数上，并通过负号保证与经典分部积分的一致性。由于测试函数足够光滑，$\varphi'$仍是测试函数空间中的对象，因此该定义在不要求 $T$ 具备逐点可微性的前提下仍然合理。
3.2 一阶分布导数的一般表达
在多维空间中，分布的偏导同理定义。对开集上的分布 $T$ 与对某坐标方向的偏导 $\partial_i T$，要求对任意测试函数 $\varphi$， \[ \langle \partial_i T,\varphi\rangle = -\langle T,\partial_i \varphi\rangle . \] 因此，分布导数本质上是“把测试函数求导后再与原分布作用”的对偶操作。只要原分布是良定义的线性泛函，这个偏导就也自动成为新的分布。
3.3 高阶分布导数与递推关系
高阶导数通过反复应用上述定义得到。例如二阶导数 $\partial_i\partial_j T$ 对测试函数的作用满足 \[ \langle \partial_i\partial_j T,\varphi\rangle = \langle T,\partial_i\partial_j \varphi\rangle \text{（符号取决于定义约定）}. \] 一般地，导数阶数越高，分部积分需要反复把求导转移到测试函数上。由于测试函数足够光滑，这样的递推在理论上总是可行。
3.4 与经典函数情形的一致性
若分布 $T$ 由可积函数 $f$ 生成，即对测试函数满足 $\langle T,\varphi\rangle=\int f\varphi$，且 $f$ 在经典意义下可微，那么分布导数与经典导数一致。将分部积分应用于积分形式即可得到与经典结果相同的对偶恒等式。此性质保证：分布导数并不是与经典理论脱节的“另起炉灶”，而是对经典概念的扩展。
4 典型例子与计算方式
4.1 阶跃函数的分布导数
考虑阶跃函数 $H(x)$，例如 $H(x)=0$（$x<0$）且 $H(x)=1$（$x>0$），在 $x=0$ 处取值可不影响分布导数的定义。分布导数的计算遵循对偶关系：对测试函数 $\varphi$， \[ \langle H',\varphi\rangle = -\langle H,\varphi'\rangle = -\int_0^\infty \varphi'(x)\,dx = \varphi(0). \] 因此 $H'$ 对应的是狄拉克 δ 分布 $\delta$。直观上，阶跃在分界点产生集中变化，而分布导数把这种“集中效应”编码为 δ 项。
4.2 分段函数与跳跃项的产生
若函数在某点（或某些点）存在跳跃，分布导数会包含相应的 δ 贡献。典型结构是：分段光滑的函数可以写成“光滑部分 + 在分界处的修正”。当对分界点进行分部积分时，边界项不会消失，而边界项正对应跳跃幅度乘以 δ（或其平移）。因此，分布导数能自动将“导数在分界处的额外项”纳入统一公式，而不需要对每个点单独处理。
4.3 冲激相关的分布导数（概念性示例）
狄拉克 δ 分布 $\delta$ 的导数在分布意义下同样可定义。其对测试函数的作用满足 \[ \langle \delta',\varphi\rangle = -\langle \delta,\varphi'\rangle = -\varphi'(0). \] 这意味着 $\delta'$仍不是普通函数，但作为分布它能在对偶意义下参与计算。此类导数在处理理想化的瞬时源项、以及将集中效应进一步“施加微分”时非常常见。
4.4 分布导数的线性性与可加性
由对偶定义可直接推出：分布导数对线性运算保持良好行为。若 $T_1,T_2$ 为分布、$a,b$ 为常数，则 \[ (aT_1+bT_2)' = aT_1' + bT_2'. \] 此外，若分布由分段表达式组合得到，只要这些表达式在分布意义下可加，导数同样满足可加性。实际计算往往先把对象拆为便于处理的部分，再利用线性与已知例子（如阶跃、δ）拼装结果。
5 性质与定理（面向应用）
5.1 线性与连续性（操作层面）
分布导数作为从分布空间到分布空间的映射，保持线性。更进一步，在适当的函数空间框架下，该映射对相应拓扑是连续的；这在证明极限过程与弱收敛下的稳定性时很关键。应用上常用结论是：如果一列对象收敛到某分布，那么它们的分布导数也以合适方式收敛到导数分布。
5.2 支持集与局部性质（概览）
分布的支持集（support）刻画了它“在哪里可能非零”。分布导数不会把支持集扩大到不相关区域：大体上说，若分布在某区域内与零等价，则它的导数在该区域内仍与零等价。局部性质因此可以被继承，使得在偏微分方程中讨论“局部行为”和“边界/界面效应”更可操作。
5.3 交换求导次序的条件
在分布理论中，通常在足够正则的情形下可以交换偏导次序。具体条件与所处空间、对象的正则性有关：例如当分布由足够光滑的函数生成时，交换是直接成立的。更一般的情形常通过近似或核算得到，从而保证多阶导数在分布意义下与经典一致或满足预期的对称性。
5.4 与弱导数的关系（概览）
弱导数是一种在 Sobolev 空间或弱解框架中常见的导数概念。分布导数与弱导数之间关系紧密：当一个函数属于合适的 Sobolev 类时，它的弱导数可以与其诱导分布的分布导数相一致。概览上可以理解为：弱导数把“导数”定义为某种对测试函数的积分关系；而分布导数提供更一般的统一语言来容纳更广的奇异对象。
6 与偏微分方程/物理的关联
6.1 弱解与分布方程的表述
许多偏微分方程在经典意义下可能因解的正则性不足而不成立。弱解理论的做法是：把方程两边乘以测试函数并积分，通过分部积分把导数转移到测试函数上，从而得到弱形式。由于弱形式正是分布对偶作用的表达方式，分布导数常被直接用来书写这些等式，使得“方程作为分布恒等式”成为自然表述。
6.2 含分布源项的方程处理
物理模型里常出现理想化集中源或瞬时作用，例如 $f(x)=\delta(x-x_0)$ 或与阶跃相关的边界驱动。通过分布导数与分布乘以测试函数的机制，可以把这些源项代入方程并获得关于解的弱形式定义。这样一来，方程的解往往对应于带有非光滑特征的函数或分布，而这些非光滑点正是物理上“界面、集中、突变”的数学表达。
6.3 分布形式的边界/界面效应（概览）
当系数或源项在空间中出现不连续结构，经典求导会在界面产生额外项。分布导数的机制使这些项自然出现：界面跳跃通常对应 δ（或其更高阶导数）形式的贡献。由此，边界条件和界面条件可以转化为分布恒等式中的系数匹配问题。概览而言，这种方法能把“界面效应”从人工补丁变成方程内部的自动结果。
7 相关术语与延伸
7.1 与“弱导数”的对应关系
分布导数与弱导数在许多应用场景下可以相互解释：当对象足够正则，分布导数等价于经典导数；当对象只满足可积分或 Sobolev 正则性时，弱导数与分布导数给出同一对偶意义下的导数。因而两者经常在 PDE 与变分法文献中交替出现，但其严格定义所依托的空间框架可能不同。
7.2 与“广义函数/冲激”的区别与联系
“广义函数”常被作为直观称呼用来泛指不一定是普通函数的对象，但在严格表述中分布是一类核心的广义对象。冲激 δ 是典型分布，用于刻画集中效应。分布导数与 δ 及其导数之间的关系使得冲激源项及其微分在方程中可以被系统处理；与此同时，分布理论也说明了“广义”并不意味着任意形式，而是要求与测试函数对偶作用的结构一致。
进一步主题：分布的卷积与卷积可导性（概览）
分布之间的卷积并不总是随意可做：卷积是否存在与可积性、正则性及支撑条件有关。一个常见延伸方向是研究：在满足条件时，卷积与分布导数之间的相容性，例如某些情况下可交换“先卷积后求导”和“先求导后卷积”的顺序。该主题与正则化、近似单位（mollifier）构造等方法紧密相关，常用于把分布对象用更光滑的函数近似，从而进行分析。