1 基本概念
广义导数是对“求导”概念的扩展。它并不局限于要求函数在每一点都具有经典意义下的导数，而是允许在更宽松的框架中描述函数的变化率。这样一来，许多在某些点不可导、但整体上仍然具有规律变化的对象，也可以纳入微积分和分析研究的范围。
1.1 经典导数的局限
经典导数要求函数在某点附近有良好的局部线性近似，因此对光滑性有较强要求。对于绝对值函数、分段函数、带跳跃的不连续函数，或者更复杂的奇异对象，经典导数往往不存在，或者只在少数点上成立。若严格依赖点态可导性，很多来自物理、工程和偏微分方程中的对象就难以直接处理。
1.2 广义导数的思想
广义导数的核心思想是：不再只从“点上斜率”来理解导数，而是从整体作用效果来刻画变化。只要某个函数在积分、测试或分布意义下与“导数”相一致，就可以把这种对象视为导数的推广。换言之，导数不一定表现为普通函数，也可以表现为分布、测度或其他广义对象。
1.3 广义导数的定义方式
广义导数并没有唯一的定义模式，而是根据研究场景采用不同表述。常见的方式包括弱导数、分布导数以及测度意义下的导数。这些概念彼此相关，但适用层次不同。
1.3.1 弱导数
弱导数通过积分恒等式来定义，即要求函数与测试函数的积分关系满足分部积分公式，从而把“导数”转移到测试函数一侧。它主要用于 Sobolev 空间和偏微分方程中，是现代分析最常用的广义导数形式之一。
1.3.2 分布导数
分布导数将导数定义在分布这一更抽象的对象上。它允许把光滑函数、局部可积函数乃至更奇异的对象统一嵌入同一框架，并通过对测试函数的作用来定义导数。分布导数具有高度统一性，适合处理奇异源项和理想化模型。
1.3.3 测度意义下的导数
在某些函数具有跳跃、尖峰或整体变差有限的情形中，导数可不再是普通函数，而是一个测度。此时导数包含连续部分、跳跃部分和奇异部分等信息，能够精确描述对象的变化结构，常见于 BV 函数和几何测度论相关问题。
1.4 广义导数与经典导数的关系
如果一个函数本身足够光滑，那么它的广义导数与经典导数一致。也就是说，广义导数并不是另起炉灶的概念，而是对经典导数的自然延伸。当函数不够光滑时，经典导数可能失效，而广义导数仍可能存在，从而保持求导运算的连续性与适用性。
2 弱导数
弱导数是广义导数中最常见的一类，主要强调积分意义上的导数定义。它不要求函数逐点可微，而是要求其在对测试函数作用后，能够满足与经典导数一致的积分关系。
2.1 定义与测试函数
设函数在某一区域内局部可积，若存在一个函数，使得对任意测试函数都成立相应的分部积分恒等式，则称该函数为原函数的弱导数。这里的测试函数通常取为具有紧支撑的光滑函数，它们用来“探测”原函数的局部行为。
2.2 弱可导函数
能够存在弱导数的函数称为弱可导函数。弱可导并不等同于经典可导，但在适当条件下，它们之间存在紧密联系。许多分段光滑函数、某些不连续但局部可积的函数，都可以在弱意义下求导。
2.3 弱导数的唯一性
在通常的函数空间中，弱导数若存在，则几乎处处唯一。这一性质说明弱导数虽然是通过积分关系定义的，但并不含糊；同一个函数对应的弱导数，在测度零集合之外不会出现歧义。
2.4 典型例子
弱导数的例子能够直观展示其与经典求导的差别。
2.4.1 绝对值函数的弱导数
绝对值函数在零点不可导，但在弱意义下，其导数可以表示为符号函数，除零点外与经典导数一致。这个例子常被用来说明广义导数可以穿过不可导点，保留整体变化信息。
2.4.2 分段函数的弱导数
对于分段定义且在分界点存在跳变的函数，弱导数通常会在跳跃处体现出额外项。若函数在各段内部光滑，那么弱导数在各段上与经典导数相同，但边界处需要用广义形式补充。
2.5 弱导数的性质
弱导数保持了许多经典导数的基本性质，如线性、局部性以及在适当条件下的链式结构。它还与 Sobolev 空间紧密相连，使得可以在“可积性 + 弱可导性”的框架下研究函数的正则性。
3 分布导数
分布导数建立在分布论之上，是更抽象、更统一的求导方式。它将函数看作对测试函数的作用，而不是单纯的点值对象。
3.1 分布的基本概念
分布可以理解为对测试函数的连续线性泛函。它扩展了函数的概念，使得像 Dirac Delta 这类并非普通函数的对象，也能在分析中被严格处理。分布框架的优势在于能够容纳更强的奇异性。
3.2 分布导数的定义
分布的导数通过“把导数转移到测试函数上”来定义。也就是说，一个分布的导数对测试函数的作用，等于原分布对测试函数导数的相反数作用。这个定义完全避免了点态可微的要求。
3.3 分布与函数的嵌入
局部可积函数可以自然嵌入到分布空间中。嵌入后，它们可被视为特殊分布，从而可以统一讨论导数、卷积与边界行为。这种嵌入使得经典函数分析与分布理论之间建立了直接桥梁。
3.4 分布导数的运算规则
分布导数保留了若干熟悉的运算规律，但其表达通常要通过测试函数来理解。
3.4.1 线性性
分布导数对线性组合保持线性，这一点与经典导数完全一致。正因如此，可以在广义框架中稳定地处理叠加结构。
3.4.2 莱布尼茨法则
在适当条件下，分布导数满足广义的乘积求导规则。不过由于分布与一般函数相乘并非总是总能定义，因此莱布尼茨法则通常需要对因子光滑性作出限制。
3.4.3 分部积分公式
分部积分是分布导数定义的核心形式。通过将微分操作从原对象转移到测试函数上，可以绕开原函数的不可导问题，同时保留导数所表达的变化信息。
3.5 常见分布导数示例
Dirac Delta 的导数、Heaviside 函数的导数、以及某些跳跃函数的导数，都是分布导数中的经典例子。它们说明“导数”不仅可以是函数，也可以是更集中的奇异对象。
4 广义导数的理论背景
广义导数之所以重要，根源在于它处于若干现代分析分支的交汇点。测试函数空间、Sobolev 空间和变分法等理论，都为它提供了自然的出现环境。
4.1 测试函数空间
测试函数空间通常由光滑且具有紧支撑的函数构成。这类函数足够规则，便于执行分部积分、局部化分析和极限操作，因此成为定义广义导数的重要工具。
4.2 紧支撑光滑函数
紧支撑光滑函数兼具局部性与高正则性。它们在某个有限区域外恒为零，因此不会引入无关远处信息；同时其无限次可微性又使得导数操作完全可靠。
4.3 Sobolev 空间中的导数
Sobolev 空间把函数及其弱导数一起纳入同一范畴，借助积分可积性衡量函数的正则程度。广义导数在这里不是附属概念，而是空间定义的核心组成部分。
4.4 变分法中的自然出现
在变分问题中，待求对象常由“使某个泛函取极值”来定义。对这类问题做一阶扰动分析时，经典导数往往不够用，而弱导数和分布导数能够自然出现，并形成欧拉—拉格朗日方程的基础。
4.5 偏微分方程中的应用
偏微分方程常涉及边界不光滑、源项奇异或解不规则的情形。广义导数使得可以在较弱的正则性条件下讨论解的存在性、唯一性与稳定性，因此成为现代 PDE 理论的基础工具。
5 广义导数的性质
广义导数虽然推广了经典导数，但仍保留了一批重要结构特征。这些性质保证了它在分析中的可操作性。
5.1 线性性
广义导数对加法和数乘通常保持线性。这使得可以像处理普通导数一样研究叠加、分解与线性算子问题。
5.2 局部性
广义导数具有局部性，即某一区域内的导数信息主要由该区域附近的函数行为决定。若两个函数在某局部区域内一致，则它们在该区域内的广义导数也一致。
5.3 稳定性与连续性
在适当的函数空间拓扑下，广义导数对极限过程具有较好的稳定性。函数序列若在某种意义下收敛，其广义导数往往也能以相应方式收敛，这一点对逼近理论尤为重要。
5.4 与极限过程的关系
广义导数常用于处理“先求极限还是先求导”的问题。对于不够光滑的函数，经典导数与极限操作未必可交换，而广义导数通过弱收敛或分布收敛，提供了更稳健的交换框架。
5.5 乘积与复合规则
广义导数下的乘积法则和复合法则通常需要附加条件，不能像经典微积分那样无条件使用。尤其当对象本身带有奇异性时，相关公式往往只能在特定空间或分布意义下成立。
6 典型对象与例子
许多常见函数都能作为广义导数的示例，用于说明不同概念之间的联系。
6.1 绝对值函数
绝对值函数是最经典的例子之一。它在零点不可导，但在弱导数和分布导数框架中仍能得到明确描述，因此常用来说明“不可导”并不意味着“无法求导”。
6.2 阶跃函数
阶跃函数在某点发生突变，经典导数在跳点失效。但在分布意义下，它的导数可表示为集中于跳跃点的奇异对象，从而准确反映突变位置。
6.3 Heaviside 函数
Heaviside 函数是阶跃函数的标准形式，常用于模型化开关、激发和瞬时输入。它的导数在分布意义下对应 Dirac Delta，因而是广义导数最具代表性的例子之一。
6.4 Dirac Delta 的导数解释
Dirac Delta 本身不是普通函数，而是分布。它的导数进一步体现了分布理论的抽象性，常用于表示比冲激更“尖锐”的变化结构，在理论分析和模型构造中都很常见。
6.5 分段线性函数
分段线性函数在各区间上具有常数导数，但在折点处可能出现导数不连续。其广义导数能够同时记录各段斜率与折点处的额外贡献，因此在几何与数值分析中十分实用。
7 应用领域
广义导数并非纯粹抽象概念，而是广泛服务于实际数学建模与理论研究。
7.1 偏微分方程
在偏微分方程中，广义导数用于定义弱解，使得解的存在性理论能够建立在较低正则性之上。很多边值问题、椭圆方程和演化方程都依赖这一思想。
7.2 变分问题
广义导数使得变分法可以处理不够光滑的候选函数。通过在弱意义下求极值，可以得到更广泛的解类，并避免对经典可导性的过度依赖。
7.3 数学物理
在数学物理中，理想化源项、瞬时作用和界面现象常以广义导数形式建模。这样既保留了物理直觉，又能在严格数学框架中进行推导。
7.4 信号处理中的冲激模型
信号处理中，短时脉冲、突变和边缘检测常借助冲激模型描述。广义导数提供了对这些非平滑信号进行分析的语言，便于研究滤波、卷积和频域特征。
7.5 断裂力学与奇异现象描述
在断裂力学和奇异现象研究中，场量常在裂纹尖端或界面附近出现强奇异性。广义导数能够刻画这种局部集中变化，因此具有重要的建模价值。
8 相关概念
广义导数与若干现代分析概念密切相关，理解这些概念有助于把握其理论背景。
8.1 弱收敛
弱收敛是一种较弱的收敛方式，强调在测试函数作用下的极限行为。它与弱导数和 Sobolev 理论联系紧密，是处理广义导数收敛性的常用工具。
8.2 Sobolev 空间
Sobolev 空间是同时控制函数及其弱导数的函数空间。它是广义导数最重要的应用场景之一，也是现代偏微分方程理论的基础平台。
8.3 BV 函数
BV 函数指有界变差函数，其导数通常以测度形式出现。它们适合描述跳跃、边缘和不连续结构，因此在图像分析与几何测度论中很常见。
8.4 分布论
分布论为广义导数提供了统一的理论语言。通过分布，可以将许多原本无法直接求导的对象纳入严格分析体系。
8.5 泛函分析中的对偶空间
分布空间常可理解为某些测试函数空间的对偶空间。这个观点揭示了广义导数背后的泛函分析结构，也说明其本质上是一种连续线性泛函理论。
9 历史与发展
广义导数的形成经历了从问题驱动到理论成熟的过程。它并非一次性提出，而是在多个分析分支中逐步汇聚而成。
9.1 广义导数概念的萌芽
早期分析中，人们已开始处理不光滑函数和奇异现象。随着微积分在物理与方程中的应用扩展，对传统导数局限性的认识不断加深，广义求导思想逐渐形成。
9.2 分布论的发展
分布论的建立为广义导数提供了坚实基础。借助对测试函数的作用来定义对象与运算，分析学首次获得了一套系统处理奇异对象的通用语言。
9.3 Sobolev 理论的建立
Sobolev 理论把弱导数引入函数空间结构之中，使“可导性”不再局限于点态意义。它不仅改变了偏微分方程的研究方式，也推动了变分法与正则性理论的发展。
9.4 现代分析中的扩展
在现代分析中，广义导数继续向更复杂的对象扩展，例如测度导数、BV 理论和几何分析中的相关变体。随着应用领域增加，这一概念已成为连接纯数学与应用数学的重要纽带。