多元函数的偏导数：从概念到计算全面解析

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

引言：从单变量到多元的导数概念延伸

在单变量微积分中，导数描述了函数在某点的瞬时变化率。当我们进入多元函数的世界时，偏导数成为研究函数沿各个坐标轴方向变化的重要工具。本文将系统介绍偏导数的定义、几何意义、计算方法，并通过具体示例展示偏导数的存在性判断和高阶导数的计算。

一、偏导数的基本定义

1. 形式化定义

对于二元函数 $z=f(x,y)$ 在点 $(a,b)$ 处关于 $x$ 的偏导数定义为：

$$f_x(a,b)=\underset{h\to 0}{\lim }\frac{f(a+h,b)-f(a,b)}{h}$$

类似地，关于 $y$ 的偏导数为：

$$f_y(a,b)=\underset{h\to 0}{\lim }\frac{f(a,b+h)-f(a,b)}{h}$$

2. 与单变量导数的关系

• 相同点：都是通过极限定义的局部变化率
• 不同点：
  • 单变量导数：只有一个变化方向
  • 偏导数：固定其他变量，只考虑一个方向的变化

示例1：函数 $f(x,y)=x^2+3xy+y^2$ 在点 (1,2) 处的偏导数：

• $f_x=2x+3y\Rightarrow f_x(1,2)=8$
• $f_y=3x+2y\Rightarrow f_y(1,2)=7$

二、偏导数的几何意义

1. 几何解释

• $f_x(a,b)$：表示曲面 $z=f(x,y)$ 与平面 $y=b$ 的交线在 $x=a$ 处的切线斜率
• $f_y(a,b)$：表示曲面 $z=f(x,y)$ 与平面 $x=a$ 的交线在 $y=b$ 处的切线斜率

2. 可视化理解

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 定义函数
def f(x,y):
    return x**2 + 3*x*y + y**2

# 创建网格
x = np.linspace(-3,3,30)
y = np.linspace(-3,3,30)
X,Y = np.meshgrid(x,y)
Z = f(X,Y)

# 绘制曲面
fig = plt.figure(figsize=(12,6))
ax1 = fig.add_subplot(121, projection='3d')
ax1.plot_surface(X,Y,Z, alpha=0.7)

# 绘制切线
x_tangent = np.linspace(0,2,10)
y_fixed = 2
z_tangent_x = 8*(x_tangent-1) + f(1,2)  # x方向切线

ax1.plot(x_tangent, [y_fixed]*len(x_tangent), z_tangent_x, 'r', linewidth=3)

plt.title('偏导数的几何意义')
plt.tight_layout()
plt.show()

三、偏导数的计算方法

1. 基本计算规则

计算 $f(x,y)$ 关于 $x$ 的偏导数时：

1. 将 $y$ 视为常数
2. 对 $x$ 使用常规导数规则求导

2. 典型示例

示例2：计算 $f(x,y)=x^{3}y+e^{xy}$ 的偏导数

• $f_x=3x^{2}y+y{e}^{xy}$
• $f_y=x^3+x{e}^{xy}$

示例3：分段函数的偏导数
考虑函数：
$$f(x,y)=\{\begin{array}{ll}\frac{xy}{x^2+y^2}& (x,y)\ne (0,0)\\ 0& (x,y)=(0,0)\end{array}$$

在 (0,0) 点：

• $f_x(0,0)={\lim }_{h\to 0}\frac{f(h,0)-f(0,0)}{h}=0$
• $f_y(0,0)={\lim }_{h\to 0}\frac{f(0,h)-f(0,0)}{h}=0$

四、偏导数的存在性

1. 存在但函数不连续的例子

示例4：函数 $f(x,y)=\{\begin{array}{ll}1& xy=0\\ 0& xy\ne 0\end{array}$

在 (0,0) 点：

• $f_x(0,0)=0$
• $f_y(0,0)=0$

但函数在 (0,0) 不连续（沿 $y=x$ 逼近时极限为 0，但沿坐标轴逼近时为 1）

2. 不存在的例子

示例5：函数 $f(x,y)=|x|+|y|$ 在 (0,0) 点

$x$ 偏导数不存在，因为：
$$\underset{h\to 0^{+}}{\lim }\frac{|h|}{h}=1\ne \underset{h\to 0^{-}}{\lim }\frac{|h|}{h}=-1$$

五、高阶偏导数

1. 定义与表示

二阶偏导数有四种可能：

1. $f_{xx}=\frac{{\partial }^{2}f}{\partial x^2}$
2. $f_{xy}=\frac{{\partial }^{2}f}{\partial y\partial x}$
3. $f_{yx}=\frac{{\partial }^{2}f}{\partial x\partial y}$
4. $f_{yy}=\frac{{\partial }^{2}f}{\partial y^2}$

2. 混合偏导数定理

若 $f_{xy}$ 和 $f_{yx}$ 在一点附近连续，则在该点有：
$$f_{xy}=f_{yx}$$

示例6：计算 $f(x,y)=x^3{y}^2+\sin (xy)$ 的二阶偏导数

• 一阶偏导：

  • $f_x=3x^2{y}^2+y\cos (xy)$
  • $f_y=2x^{3}y+x\cos (xy)$

• 二阶偏导：

  • $f_{xx}=6x{y}^2-y^2\sin (xy)$
  • $f_{xy}=6x^{2}y+\cos (xy)-xy\sin (xy)=f_{yx}$
  • $f_{yy}=2x^3-x^2\sin (xy)$

六、应用与总结

1. 主要应用领域

• 优化问题中的梯度计算
• 微分方程的建立与求解
• 经济学中的边际分析
• 物理学中的场论研究

2. 内容总结表

概念	定义	关键点
一阶偏导	${\lim }_{h\to 0}\frac{f(a+h,b)-f(a,b)}{h}$	固定其他变量求导
几何意义	坐标平面截线的切线斜率	反映单方向变化率
高阶偏导	偏导数的偏导数	混合偏导可能相等
存在条件	单方向极限存在	不保证函数连续

3. 学习建议

1. 从几何图形理解偏导数的意义
2. 通过大量练习掌握计算技巧
3. 注意区分偏导数存在与函数连续的关系
4. 研究高阶偏导数的对称性质

理解偏导数是掌握多元微积分的关键一步，它为后续学习方向导数、梯度和多元函数极值等概念奠定了基础。