---
title: 8-2-偏导数与全微分
aliases:
- 偏导数
- 全微分
- Partial Derivative
- Total Differential
tags:
- 类型/教程
- 微积分/多元微分
created: 2026-10-12
updated: 2026-10-12
level: 进阶
chapter: "8.2"
prerequisites:
- "8-1-多元函数的概念与极限连续"
- "3-6-微分与线性逼近"
sources:
- https://www.wiley.com/en-us/The+Calculus+Lifesaver%3A+The+Complete+Guide+to+Calculus+and+Its+Applications-p-9780470181222
- https://mathworld.wolfram.com/PartialDerivative.html
- https://mathworld.wolfram.com/TotalDerivative.html
8-2-偏导数与全微分
一句话概括
一元微分学的主角是「导数」,它同时承担了变化率与最佳线性逼近的系数两个角色。到了多元,这两个角色分裂了:只盯住一个方向看变化率,得到的是偏导数(partial derivative);要求存在一个线性函数在整个邻域内一致地逼近函数,得到的是可微(differentiable)与全微分(total differential)。
分裂之后,一元里「可导 连续」这条铁律断了——偏导数存在推不出连续,连续推不出偏导数存在,偏导数存在且函数连续也推不出可微。弄清楚这三者之间真实的关系网,是本章最重要的收获。
本篇覆盖:偏导数的定义与几何意义、高阶偏导数与混合偏导相等的条件、全微分的定义与几何意义(切平面)、可微的必要条件与充分条件、连续/偏导存在/可微三者的关系图、偏导数与全微分的计算、近似计算与误差估计。
一、定义
1.1 为什么要「偏」:从一个真实问题说起
设想你在爬一座山,山高是位置的函数 ( 向东, 向北)。你想知道「这里有多陡」。
问题来了:「陡」是一个方向性的概念。向东走和向北走,坡度完全不同。一元里没有这个问题,因为只有一条路可走。所以多元函数必须先指定方向,再谈变化率。
最简单的两个方向就是坐标轴方向:
- 向东走( 固定),坡度是多少?
- 向北走( 固定),坡度是多少?
这两个数就是偏导数 与 。名字里的「偏」(partial)正是「只变动一部分变量」的意思——英文 partial derivative 更直白:部分的导数。
记号提示
偏导数用「卷曲的 d」 而不是直立的 ,正是为了时刻提醒你:这里只对其中一个变量求导,其余变量被当作常数。本库统一使用 、、 三种写法,与国内教材一致。
1.2 偏导数的定义
定义 8.1(偏导数,partial derivative)
设函数 在点 的某个邻域内有定义。固定 ,让 在 处取得增量 ,若极限
存在,则称此极限为 在 处对 的偏导数,记作
类似地,固定 ,令 取得增量 ,若
存在,则称其为 在 处对 的偏导数,记作 或 。
请把定义和一元导数定义对照着看:
结构完全一样。 唯一的区别是:二元情形里另一个变量被冻结了。这带来一个非常实用的推论:
求偏导数的操作原则
求 时,把 当成一个常数,对 用一元求导的全部法则(四则、链式、乘积、商、反函数……)。
求 时,把 当成一个常数,对 用一元求导的全部法则。
这不是近似,而是字面意义上的恒等:,其中 是一个一元函数。
1.3 偏导函数与高阶偏导数
若 在区域 内每一点都有对 的偏导数,则这些偏导数构成一个新函数,记作
同理有 。它们都仍然是 上的二元函数,因此可以再求偏导。这样就得到二阶偏导数(second-order partial derivative),共四个:
其中 与 称为混合偏导数(mixed partial derivative)。
记号陷阱: 的读法
的意思是「先对 求偏导,再对 求偏导」,而 的分母里靠近 的那个变量是先求的。所以
两者下标顺序与分母顺序相反,这是初学者最容易写错的地方。记忆法:下标从左往右读,分母从右往左读。
1.4 全微分的定义
现在换一个完全不同的角度。一元里我们说过(见 3-6-微分与线性逼近):
也就是说,函数在一小段上的改变量可以用一个线性函数来逼近,误差比 更高阶。到了多元,我们想问同样的问题:
能不能用 与 的线性函数(即一个平面)来逼近 ,误差相对于距离 是高阶无穷小?
这就是可微。
定义 8.2(可微与全微分,differentiable / total differential)
设函数 在点 的某邻域内有定义。若存在与 无关的常数 ,使得全增量
可以写成
则称 在 处可微(differentiable),而线性部分 称为 在 处的全微分(total differential),记作
习惯上把自变量的增量直接写成自变量的微分,即 、,于是
三个必须咬住的细节:
- 必须与 无关。 它们只是点 的函数。否则「线性逼近」就无从谈起。
- 误差是 ,不是 或 。 是欧氏距离,这是多元可微定义中最关键的一个字。用 意味着要求「沿一切方向一致地逼近」,这比沿单个方向逼近强得多——它就是本章所有新现象的源头。
- 是线性函数,而 是真实增量。 两者一般不相等,相差 。写近似式时用 ,不要写等号。
1.5 全微分与偏导数的关系
定理 8.1(可微则偏导存在,且 、)
若 在 处可微,则 在 处的两个偏导数都存在,且定义中的常数恰为
于是
证明 在可微的定义中取 ,此时 ,于是
两边除以 ()并令 :
最后一步因为 。故 。同理取 得 。
意义 这条定理告诉我们:全微分的形式是唯一确定的,不需要去猜 。只要函数可微, 就一定长成 。
适用条件 这是单向的:偏导数存在不能反推可微(见例题 8、例题 9)。它只是把「可微」这个抽象的线性逼近问题,化简成「检查 是否真的逼近 」这一个检验。
1.6 可微性的判定式
把定理 8.1 与可微定义结合起来,得到本章最常用的一条判定工具:
定理 8.2(可微的等价判定式)
若 与 都存在,则 在 处可微的充分必要条件是
即 。
用法 这是判断可微性唯一可靠的方法。做题时把 、 代进去硬算这个二重极限:极限为 就可微,极限不存在或不为 就不可微。
二、几何直观
2.1 偏导数是「切片上的斜率」
这是理解偏导数最重要的一幅图。
把曲面 想象成一片起伏的地形。现在拿一把竖直的刀,沿平面 把曲面切开(这个平面平行于 平面)。切口是一条平面曲线:
这条曲线可以看成 平面里的一条一元函数曲线。于是
同理,沿平面 切一刀,得到曲线 ,则 是 在 处的切线斜率。
两句话总结图像:
- 站在山上的点 ,先沿正东方向看,脚下的坡度是 ;
- 再沿正北方向看,脚下的坡度是 。
用一幅具体图练一下:取 (马鞍面),在点 处。
- 切 :得曲线 ,在 处斜率 。所以 ,向东上坡。
- 切 :得曲线 ,在 处斜率 。所以 ,向北下坡。
同一点,两个方向,一个上坡一个下坡。 这就是鞍点的典型特征,也是偏导数「方向性」最直观的展示。
2.2 全微分是「切平面」
把上一节的截痕思想推广:一元里,切线是曲线的最佳线性逼近;二元里,切平面(tangent plane)是曲面的最佳线性逼近。
固定点 (其中 )。过 的切平面方程是
把 、、 代进去,右端正是 。所以:
一句话看穿全微分
是切平面上的「高度增量」, 是曲面上的真实高度增量。
可微的意思是:当你靠近 时,曲面与切平面的偏离速度比距离本身更快——用数学语言说,就是「曲面在 附近被切平面 地贴住」,此时称曲面在 处光滑(有一张真正的切平面)。
画面上一个非常有力的对照:
情形 | 图像 | 可微性
---|---|---
光滑的山坡 | 放大后越来越像一块平板 | 可微
尖锐的山脊(如 ) | 放大后仍然是折的,切平面不唯一 | 不可微
马鞍面的鞍点() | 放大后是一片光滑的鞍面,切平面唯一(水平面) | 可微
扭曲的「搓板」(把 补零) | 越放大越乱,没有稳定平面 | 不可微
记住这条判据:可微 放大后曲面看起来像一块平面。 判断反例时,先在脑子里做「放大」这个操作。
2.3 「蝴蝶结」与「搓板」:两个经典反例的图像
反例 A(蝴蝶结):
它的图像在原点附近的形状像一只蝴蝶结:沿 与 两条脊线分别向上和向下扭,而沿两条坐标轴扁平地躺在高度 上。两个偏导数都是 (因为沿坐标轴 ),所以若只沿坐标轴看,你会以为这里平坦得像一块板子——但沿 方向它陡得要命。这幅图是「偏导数存在推不出连续」的图像证据。
反例 B(搓板):
它比反例 A「温和」:它连续(见 8-1-多元函数的概念与极限连续 例题 13),两个偏导数也都是 ,但它不可微。图像上,从原点出发沿角度 的射线走,高度是 ——高度与 成正比,而不是 。把它放大: 缩小 倍,形状不变(只是整体缩小),所以你永远看不到一块平坦的板子。这就是「不可微」的几何本质:放大后不趋于平面。
2.4 用等高线读出偏导数的符号
等高线图(见 8-1-多元函数的概念与极限连续)能帮你不算而读出偏导数的符号。
规则:沿 正方向走,看高度的变化。
- 若向东走时等高线标号(高度)变大,则 ;
- 若向东走时标号变小,则 ;
- 若向东走时正好沿一条等高线走,则 。
举一个具体的:,等高线是同心圆,圆心标号最小(),向外递增。
- 在点 :向东走( 增大)会离开圆心,标号变大,故 ✓。
- 在点 :向东走( 从 增大到 )会靠近圆心,标号变小,故 ✓。
- 在点 :向东走一小步到 ,高度从 变到 ,确实变大了,但变化是二阶小量,故一阶导数 。
这个细节非常值得体会: 的几何含义是「等高线在该点沿 方向的切线是水平的」,也就是「向东走时高度只有二阶小量的变化」。
三、性质与定理
3.1 可微的必要条件
定理 8.3(可微必连续)
若 在 处可微,则 在 处连续。
证明 由可微定义,。由柯西不等式,
于是
即 ,这正是连续性的增量形式。
适用条件 逆命题不成立:连续不一定可微(反例 B,见例题 9)。
定理 8.4(可微必偏导存在)
若 在 处可微,则 、 都存在(这就是定理 8.1)。
适用条件 逆命题不成立:偏导存在不一定可微(反例 B),甚至不一定连续(反例 A)。
「可微 连续 偏导存在」这条链对吗?
不对! 连续推不出偏导存在。最简单的反例:
它在全平面连续(两个连续函数之和),但在原点处
极限不存在,故 不存在。同理 不存在。图像上,原点是一个尖角(就像一元里 在 处的尖点),尖角处没有切线,也就没有偏导数。
正确的链条只有两条:可微 连续,可微 偏导存在。而「连续」与「偏导存在」互不推出。
3.2 可微的充分条件
定理 8.5(偏导数连续 ⟹ 可微)
若 在 的某个邻域内两个偏导数 、 都存在,并且都在 处连续,则 在 处可微。
证明 记 。用「先走 再走 」的折线把它拆成两段:
对第一项:固定第二个变量为 ,把 看成 的一元函数。由一元拉格朗日中值定理,存在 介于 与 之间,使第一项等于 。
对第二项:同理存在 介于 与 之间,使第二项等于 。
于是
由 、 在 处连续,当 时两个方括号都趋于 。又 、,故
即 ,故 在 可微。
适用条件(非常重要)
① 要求 、 在一个邻域内存在(不只是 一点),否则中值定理用不上;
② 要求 、 在 处连续(不是「偏导数存在」就够);
③ 这是充分不必要条件。存在可微但偏导数不连续的函数,所以证不出偏导连续时不能说不可微,必须回到判定式(定理 8.2)。
3.3 混合偏导数相等的条件
定理 8.6(混合偏导数相等,Clairaut 定理 / 施瓦茨定理)
若函数 的两个二阶混合偏导数 与 都在点 的某邻域内存在,且都在 处连续,则
证明思路 考察「二阶差分」
令 ,则 。对 用拉格朗日中值定理,再对 用一次,得
换一种拆法(先对 差分)同样得 。由 、 的连续性,令 即得两者相等。
适用条件 「连续」这个前提不能丢。 存在 的经典反例(见例题 12),在该例中两个混合偏导数在原点处都不连续。
实用价值 绝大多数由初等函数通过四则运算与复合得到的函数,其二阶混合偏导数连续,因此混合偏导可以随意交换次序。这在实际计算中大大减少工作量:只需算一个混合偏导即可。
3.4 全微分的运算法则
全微分有一整套与一元微分平行的运算法则:
一阶全微分形式不变性
设 可微,而 、 也可微,则复合函数 可微,且
无论 是自变量还是中间变量,这个形式都一样。 这就是一阶全微分形式不变性(invariance of the first differential)。
对比:一元里复合函数求导要多乘一个因子 ;而用微分写就是 ,形式与 是自变量时完全一致。
实用价值:算复合函数的偏导数时,只要把 展开成 、 的组合, 与 的系数就分别是 与 。这比记链式法则的树形图更不容易漏项,8-3-多元复合函数与隐函数求导 会大量使用。
二阶微分没有形式不变性
只在 是自变量时成立;若 是中间变量,还要加上 这两项。所以用二阶微分反推二阶偏导时要格外小心,自学阶段建议老老实实逐次求偏导。
四、计算方法与步骤
4.1 求偏导数的标准流程
- 确认求哪个变量,把它余下的变量全部视为常数。
- 照一元法则求导:幂、指、对、三角、反三角、复合、乘积、商——一个都不要少。
- 代点求值:需要具体数值时把点代入。
- 「先代后求」的技巧:若只需在一个具体点处的偏导数值,可以先代入 (或 )把函数化成一元,再求导。例如求 ,可以先写出 ,再算 ,通常比先求一般的 再代入快得多。
- 分段函数在分界点必须用定义(差商的极限)求,不能对表达式直接求导后代入。
4.2 求全微分的标准流程
- 求 、(用 4.1)。
- 写出 。
- 若要具体点处的微分,代入点的坐标。
4.3 判断可微性的标准流程(做题模板)
这是本篇最需要背下来的流程,考试中「讨论 在原点处的可微性」几乎必考。
Step 1 先算 、。若有一个不存在,立刻断言「不可微」(由定理 8.4 的逆否),结束。
Step 2 写出判别式的极限
其中 。
Step 3 计算 。首选手法:令 、,转极坐标。
- 若化简后得到 且 有界、,则 ,可微;
- 若化简后 约不掉或结果依赖 (极限不存在),则不可微。
Step 4 写结论,并注明用的是哪条定理。
三条「秒判」经验
① 若 在 附近由初等表达式给出(即 是定义域内点),则 也由初等表达式给出,在 处连续,由定理 8.5 一定可微——不需要算判别式。
② 只有分段函数在分界点(尤其是 )才需要按 4.3 的判别式走一遍。
③ 分段函数在分界点:先算偏导,再算判别式。顺序颠倒会浪费大量时间。
4.4 近似计算与误差估计
由 得近似公式:
它的几何含义就是「用切平面代替曲面」。
误差估计(工程上常用):若 、,则
这个式子说明:每个自变量的小误差,被对应偏导数放大后相加,成为结果的误差上限。 若某个 特别大,说明函数对该变量敏感,测量时要格外小心。
五、例题
例题 1(计算:基本偏导数与高阶偏导数)
设 ,求 、、、。
思路 按 4.1 的流程,把另一个变量当常数。
解
第 1 步:对 求偏导(把 当常数)。
第 2 步:对 求偏导(把 当常数)。
第 3 步:再对 求一次。
第 4 步:混合偏导 按记号是「先对 、后对 」。 先算 ,再对 求:
结论 ,,,。顺带验算另一个混合偏导:,与上面一致,符合定理 8.6。
例题 2(计算:幂指函数的偏导数)
设 (),求 与 。
思路 幂指函数对两个变量要用不同手法:对 是幂函数,对 是指数函数。
解
第 1 步:对 求偏导。 是常数, 是幂函数:
第 2 步:对 求偏导。 是常数, 是指数函数:
第 3 步:代入 。
结论 ,。要点:幂指函数对两个变量求偏导时,一个当幂函数、一个当指数函数,绝不能用「两边取对数」的套路一次性解决(那是求全导数的手法)。
例题 3(计算:由定义求分段点处的偏导数)
设
求 与 。
思路 分界点处必须用定义,不能对方程求导后代入(那样会得到无意义的 型式子)。
解
第 1 步:用定义算 。 此时 固定为 ,而 (),故
第 2 步:用定义算 。 此时 固定为 ,(),故
结论 两个偏导数都存在且都等于 。但要特别注意:这个函数在原点并不连续!(沿 趋于 ,沿 趋于 ,见 8-1-多元函数的概念与极限连续 例题 5。)所以由定理 8.3 的逆否命题, 在原点不可微。这是「偏导存在推不出连续」的标准例子,务必背下来。
例题 4(概念辨析:可微、连续、偏导存在的关系)
判断下列命题的真假,并说明理由。
① 若 在 可微,则 在 连续;
② 若 在 连续,则 在 可微;
③ 若 在 的两个偏导数都存在,则 在 连续;
④ 若 在 的两个偏导数都存在,则 在 可微;
⑤ 若 在 连续,则 在 的两个偏导数都存在。
思路 把「可微」「连续」「偏导存在」三者的推理方向列成一张表,逐个对照。
解
第 1 步:① 真。 定理 8.3。
第 2 步:② 假。 反例 :它在原点连续(连续函数之和),但在原点处 不存在(差商左右极限分别为 与 )。既然偏导都不存在,自然不可微。
第 3 步:③ 假。 反例就是例题 3 的函数 (补 ):两个偏导数都是 ,但函数在原点不连续(沿 逼近得 )。
第 4 步:④ 假。 同上例;也可用例题 9 的 (它甚至连续,仍不可微)。
第 5 步:⑤ 假。 同 ② 的反例 。
结论 唯一成立的推理是「可微 连续」与「可微 偏导存在」。 三者关系整理如下:
起点 | 能否推出连续 | 能否推出偏导存在 | 能否推出可微
---|---|---|---
可微 | 能(定理 8.3) | 能(定理 8.4) | —
连续 | — | 不能 | 不能
偏导存在 | 不能 | — | 不能
偏导存在且连续 | 能(此时可微) | 能 | 能(定理 8.5)
记忆口诀:可微最强,连续与偏导各自独立且都弱于可微;只有「偏导连续」才能把两者合起来顶到可微。
例题 5(计算:求全微分)
设 ,求 及在点 处的 。
思路 先求两个偏导,再套 。
解
第 1 步:偏导数。 用一元链式法则( 当常数时, 是 与 的复合):
第 2 步:全微分。
第 3 步:在 处。 ,,故 。
结论 ;在原点处 。几何含义:曲面 在 处的切平面是水平面 ——原点确实是这张「碗」的最低点。
例题 6(计算:用可微性的判定式)
验证 在任意点处可微,并用定义直接验证在 处可微。
思路 两种路子:① 用定理 8.5(偏导连续)一劳永逸;② 用定理 8.2 的判定式硬算。
解
第 1 步:偏导数。
这两个都是多项式,在全平面连续,由定理 8.5, 在全平面可微。
第 2 步:用判定式复核原点。 在 处 ,且 。于是
转极坐标 、:
由 得 ,故整个表达式被 控制,当 时趋于 。
结论 判别式极限为 ,故 在原点可微。两种方法结论一致,这也说明定理 8.5 更好用——只要能验证偏导连续,就不必硬算判别式。
例题 7(计算:高阶偏导数与混合偏导的次序)
设 ,求 、、、,并验证 。
思路 逐次求,注意记号顺序。
解
第 1 步:一阶偏导。
第 2 步:二阶偏导。
第 3 步:比较混合偏导。 ,两者相等。
结论 四个二阶偏导如上,。这符合定理 8.6——因为 是多项式,所有二阶偏导都连续。实用结论:多项式与初等函数构成的函数,混合偏导一般可交换次序,只需算一个。
例题 8(概念辨析:偏导存在但不连续)
设 (),。讨论 在原点处的可微性。
思路 这是本篇最重要的反例之一。按 4.3 的流程走:先算偏导,再判可微。
解
第 1 步:偏导数。 由例题 3,。
第 2 步:检查连续性。 沿 :
故 在原点不连续。
第 3 步:下结论。 由定理 8.3 的逆否命题(可微必连续),不连续必不可微。所以 在原点不可微。
第 4 步(补充证据):直接算判别式看它如何失效。
(这里 。)结果含 ,当 时(除 等少数方向外)发散,极限不存在。
结论 在原点不可微。这个例子的杀伤力在于:偏导数存在(还都是 )竟然给不出任何关于「局部行为」的有效信息——判别式里出现了 这样的爆炸因子。可见「偏导数」这个信息量有多小。
例题 9(概念辨析:连续、偏导存在但不可微)
设
讨论 在原点处的连续性、偏导数存在性与可微性。
思路 这是「连续 + 偏导存在但不可微」的标准反例,比例题 8 更精细。三步走。
解
第 1 步:连续性。 转极坐标:,由 得 。故
在原点连续。
第 2 步:偏导数。 由定义,,故
同理 。两个偏导数都存在,都是 。
第 3 步:可微性。 判别式(注意 ):
这个表达式与 无关,只依赖 。取 得 ,取 得 ,两者不等,故二重极限不存在(更谈不上等于 )。
第 4 步:结论。 在原点不可微。
结论 这是一个「连续 + 偏导存在但不可微」的例子,它证明了定理 8.5 中的「偏导数连续」这一条不能弱化为「偏导数存在」。几何上:曲面在原点处连续但没有切平面(放大后不趋于平面),虽然它在两条坐标轴方向上都平坦。
例题 10(计算:可微性判定的完整流程)
讨论
在原点处的连续性、偏导数存在性与可微性。
思路 这个函数比前两个「好」,因为分子是四次、分母是二次,阶数够高。完整走一遍流程。
解
第 1 步:连续性。 由 ,
故 ,连续。
第 2 步:偏导数。 (),故 ;同理 。
第 3 步:判别式。 ,。转极坐标:
由 得绝对值不超过 ,故极限为 。
第 4 步:结论。 判别式为 ,故 在原点可微,且 。
结论 连续 + 偏导存在 + 可微(切平面为水平面 )。把例题 8、9、10 放在一起对比:
函数(在原点附近) | 连续 | 偏导存在 | 可微
---|---|---|---
| 否 | 是(都为 ) | 否
| 是 | 是(都为 ) | 否
| 是 | 是(都为 ) | 是
记住这三个「阶梯」,它们覆盖了所有可能的组合。
例题 11(定理理解:偏导连续是可微的充分条件)
设 ,讨论它在原点的连续性、偏导数与可微性;它在原点的偏导数连续吗?这违反定理 8.5 吗?
思路 这是「锥面」函数,原点是一个尖顶。要认真区分「偏导数存在」「偏导数连续」「可微」三件事。
解
第 1 步:连续性。 ,连续。
第 2 步:偏导数在原点。 ,故
左右极限分别为 与 ,不相等,故 不存在。同理 不存在。
第 3 步:可微性。 由定理 8.4 的逆否命题(可微 偏导存在),偏导不存在必不可微。(也可直接看判别式:。)
第 4 步:偏导函数在其他点的表达式。 当 时,
这两个函数在 处无定义,更谈不上在 连续。
结论 在原点连续但偏导数不存在,因而不可微。定理 8.5 完全没有被违反——它要求「偏导数在 处连续」,而这里偏导数在 处根本不存在。这个题的价值在于提醒你:定理 8.5 的关键词是「偏导连续」,不是「偏导存在」。
例题 12(反例构造:混合偏导数不相等的经典例子)
设
求 与 ,并说明它们为什么不相等。
思路 必须老老实实按定义算两次「二阶差商」。先求出一阶偏导函数在 处的表达式,再用定义求在原点处的值。
解
第 1 步:求 处的 。 记 ,则 ,于是
第 2 步:求 与 。 在第一个变量取 时,
而 对一切 成立,故 。
第 3 步:求 。 按定义 ,即
第 4 步:同理算 。 注意 满足 (关于两个变量反对称),故互换变量后由上面的结果得 ,于是
第 5 步:比较。 。
第 6 步:检查定理 8.6 的前提。 定理 8.6 要求两个混合偏导数在原点连续。考察 沿直线 的值:
再对 求偏导并令 ,可以看到 沿不同方向趋于不同的值(沿坐标轴趋于 ,沿 方向趋于另一个值),故 在原点不连续。
结论 ,不违反定理 8.6,因为该定理要求的「混合偏导在 处连续」这个前提不满足。教训:混合偏导相等的条件是「连续」,不能省。
例题 13(计算:用全微分做近似计算)
计算 的近似值。
思路 把它看成 在 附近的值,用切平面近似。
解
第 1 步:确定基准点与增量。 取 、、、。此时
第 2 步:求偏导。
在 处:
第 3 步:全微分。
第 4 步:近似值。
结论 近似值约为 。(直接计算 ,真实值与近似值之差约为 ,与二阶小量 的量级相符。)
例题 14(概念辨析:一元可导与多元可微的差别)
一元函数「可导」与「可微」是等价的;二元函数「偏导数存在」与「可微」不等价。请说明造成这个差别的原因。
思路 这是本篇的「灵魂问题」。答案要从定义的形式上找:一元可导的定义里差商只有一个自变量;多元可微的定义里,逼近误差必须对所有方向成立。
解
第 1 步:一元的情形。 一元里
这个极限存在,等价于 ,而这正是一元可微的定义。原因是:一元里 只有两个方向(正、负),所以「差商极限存在」这个一维信息已经足够确定「线性逼近」。
第 2 步:二元的情形。 二元里
只考察了 这一条射线; 只考察了 这一条。两条射线的信息,要推出「整个圆盘内一致线性逼近」,信息量差得太远。
第 3 步:形式化的差别。 一元可微的误差是 ,其中 是唯一的「距离」。二元可微的误差是 , 是欧氏距离。若把 弱化成「沿每个方向都是 」,就得到「方向可微」的概念(见 8-4-方向导数与梯度),而那个条件仍然弱于可微。
结论 根源在于「趋近一个点的方式」从 种变成了无穷多种。一元里「两个方向一致」就等于「所有方向一致」;多元里这个等价性彻底破裂。记住这句话:多元微积分的一切「怪现象」,都来自「方向从有限变无穷」。
例题 15(计算与概念:验证一阶全微分形式不变性)
设 ,取 ,验证 与直接按 计算的结果一致。
思路 「形式不变性」的意思是:不管 是自变量还是中间变量, 都成立。这里 是中间变量,来验证一下。
解
第 1 步:把 看成 的函数。 ,。
第 2 步:把 的微分算出来。
第 3 步:乘起来。
第 4 步:直接算 对比。 把 当常数时 ;把 当常数时 。于是
第 5 步:比较。 两者完全相同。
结论 验证通过,一阶全微分形式不变性成立。实用价值:这给了你一个「批量」求偏导的技巧——把 彻底展开成 、 的线性组合, 的系数就是 , 的系数就是 。8-3-多元复合函数与隐函数求导 处理复杂复合函数时会反复用到这一招。
例题 16(证明题:「偏导在一点连续」与「偏导在邻域内连续」是两件事)
举例说明: 在 处连续,不能推出 在 的某个邻域内处处连续。
思路 这是「点态性质」与「邻域性质」的经典区别。要点是: 只需在 一个点上连续,而在 的任意小邻域内都可以「乱来」。
解
第 1 步:构造一个只在一点连续的函数。 定义
则 只在 处连续(因为 ),在其他任何点都不连续(有理数与无理数在任何区间内都稠密,取值在 与 之间跳动)。
第 2 步:把它做成一个二元函数。 令 ,则 (把 当常数对 求导)。
第 3 步:检查连续性。 ,且由 知 在 处连续,故 在 处连续。但在 的任何邻域内都存在 的点,而 在这类点处不连续,故 在 的任何邻域内都不处处连续。
结论 命题不成立。为什么这个区别重要:定理 8.5 的表述是「、 在 的某个邻域内存在,并在 处连续」,其中「邻域内存在」这个前提在本例中满足( 处处有定义),所以本例其实满足定理 8.5 的条件, 在原点仍然可微。本例要澄清的只是一个逻辑细节:在某点连续 与 在某邻域内处处连续 是两件不同的事,读定理时不要把两者混在一起。各教材对定理 8.5 前提的措辞略有差别,以授课教材的表述为准。
六、应用
6.1 误差传播与灵敏度分析
工程测量中,一个量 常常是由若干直接测量量 通过公式 算出来的。若直接测量量的最大误差分别是 ,则由 4.4 的误差估计式
这就是误差传播公式。 举例:用 计算矩形面积,则 ,两边除以 得
面积的相对误差不超过两边相对误差之和。 这是实验数据处理的常用结论。
再看一个灵敏度的例子:(比如速度 = 路程 / 时间),则
当 很小时这个偏导数极大——说明「时间测量得越短,速度对时间误差越敏感」。这在物理实验里是设计测量方案的重要依据。
6.2 热力学中的偏导数记号
热力学里到处是偏导数,而且必须标注哪个量被固定。例如理想气体状态方程 ,把 表示成 的函数,则
下标 表示「保持压强不变」。这类记号在数学里省略(因为函数的自变量已经说明了哪些被固定),但在物理里必须写出来,因为同一个物理量在不同函数中的自变量不同。这提醒我们:谈偏导数之前,先明确「谁是自变量」。
6.3 用 numpy 数值验证偏导数
本示例只用 numpy。
import numpy as np
def f(x, y):
return x**2 * y + y**3
def f_x_numeric(x, y, h=1e-6):
return (f(x + h, y) - f(x - h, y)) / (2 * h) # 中心差分
def f_y_numeric(x, y, h=1e-6):
return (f(x, y + h) - f(x, y - h)) / (2 * h)
pts = [(1.0, 2.0), (0.5, -1.0), (2.0, 0.0)]
for x, y in pts:
print(f"({x}, {y}): f_x 数值 {f_x_numeric(x, y):.6f} / 解析 {2*x*y:.6f}"
f" f_y 数值 {f_y_numeric(x, y):.6f} / 解析 {x**2 + 3*y**2:.6f}")
输出形如:
(1.0, 2.0): f_x 数值 4.000000 / 解析 4.000000 f_y 数值 13.000000 / 解析 13.000000
(0.5, -1.0): f_x 数值 -1.000000 / 解析 -1.000000 f_y 数值 -2.750000 / 解析 -2.750000
(2.0, 0.0): f_x 数值 0.000000 / 解析 0.000000 f_y 数值 4.000000 / 解析 4.000000
读法:数值差分与解析结果吻合。这个脚本极有用——当你手算偏导数不确定时,用它快速验算。
6.4 用数值方法「看」可微与不可微的差别
对例题 9 的函数(连续、偏导存在、不可微),数值上可以清楚看到判别式不趋于 。
import numpy as np
def g(x, y):
r = np.sqrt(x**2 + y**2)
safe = np.where(r == 0, 1.0, r)
return np.where(r == 0, 0.0, x * y / safe)
for eps in [1e-2, 1e-3, 1e-4]:
# 沿 theta = pi/4 方向,判别式 = 真实增量 / 距离
x = eps * np.cos(np.pi / 4)
y = eps * np.sin(np.pi / 4)
print(f"eps = {eps:.0e}: (f - 0)/rho = {g(x, y) / eps:.6f}")
输出形如:
eps = 1e-02: (f - 0)/rho = 0.500000
eps = 1e-03: (f - 0)/rho = 0.500000
eps = 1e-04: (f - 0)/rho = 0.500000
读法:无论 多小,比值都停在 ——它不趋于 ,所以不可微。若把函数换成例题 10 的 ,同样的脚本会输出随 线性下降的值(形如 ),清楚地展示 的行为。
七、易错点
易错点 1:把 与 混用
错在哪 在 的题里写 (当 )。
正确是什么 是偏导数; 只在 也是 的函数时才有意义,且那时要用全导数公式 (见 8-3-多元复合函数与隐函数求导)。
为什么 与 的区别正是「其他变量是否被固定」。在多元场合乱用 会导致漏项,而这在复合函数求导中是致命错误。
易错点 2:认为「偏导数存在 连续」
错在哪 算出 与 都存在,就下结论「 在原点连续」。
正确是什么 偏导数只沿两条坐标轴方向探测,推不出连续。(补 )两个偏导都是 ,但函数在原点不连续。
为什么 一元里「可导 连续」的证明用到「差商有界」,而多元的偏导数给不出「沿任意方向」的估计。用两条射线的信息推整个圆盘的行为,逻辑上不成立。
易错点 3:把「偏导数存在」当成「可微」
错在哪 题目让讨论可微性,学生只算完两个偏导数就写「可微」。
正确是什么 必须再算定理 8.2 的判别式,或验证偏导数连续(定理 8.5)。 就是「连续 + 偏导存在但不可微」的反例。
为什么 全微分的定义要求「误差是 」, 是欧氏距离;偏导数只给出「沿坐标轴方向的误差是 」,弱得多。
易错点 4:判别式里用错分母
错在哪 把 写成 。
正确是什么 分母必须是欧氏距离 。
为什么 不同的分母给出不同的判据强度。以 为例,用 做分母时判别式为 (不可微);若错用 做分母,结果会趋于 ,得出错误的「可微」结论。分母是定义的一部分,不能改。
易错点 5:混合偏导记号顺序搞反
错在哪 把 理解为「先对 后对 」。
正确是什么 ,即先 后 ;对应的偏导记号是 (分母从右往左读)。
为什么 这是一条纯记号约定。搞反了在混合偏导相等时看不出来,但一旦遇到 的情形(例题 12)就会得出完全错误的答案。
易错点 6:对分段函数在分界点直接求导
错在哪 求 (补 )在 处的偏导数时,先求 ,再代入 ,得到 ,于是说「偏导数不存在」。
正确是什么 分界点处必须回到定义用差商算。正确结果是 ,存在。
为什么 偏导函数的表达式只在「非分界点」成立(因为推导时用到了 在非分界点处的表达式)。分界点处 由另一个式子(这里是 )定义,必须用定义单独计算。
易错点 7:把 写成等号
错在哪 写「」。
正确是什么 正确关系是 ;做近似计算时写 。
为什么 是线性部分, 是真实增量。对 在 、:,而 ,两者相差 (正是 )。差额虽小,但它决定了「用切平面代替曲面」的精度。
易错点 8:以为「偏导数连续」是可微的必要条件
错在哪 题目问「 在原点是否可微」,学生发现 在原点不连续(甚至不存在),就下结论「不可微」。
正确是什么 定理 8.5 只是充分条件。偏导数不连续时,必须回到判定式(定理 8.2)重新判断,结果可能仍然可微。(若偏导数不存在,则确实必不可微——那是定理 8.4 的逆否命题。)
为什么 逻辑上「」不能推出「非 非 」。要否定可微,只能用「不连续」或「偏导不存在」这两条必要条件被违反,或用判定式直接算出极限不为零。
八、练习题
A 组(基础)
- 求 的两个一阶偏导数与全部四个二阶偏导数。
- 求 ()的全微分 ,并验证 。
- 用全微分求 的近似值(提示:取基准点 ,)。
B 组(概念与反例)
- 判断正误并说明理由:① 偏导存在 连续;② 连续 偏导存在;③ 可微 连续;④ 连续 可微;⑤ 偏导连续 可微;⑥ 可微 偏导连续。
- 设 。讨论 在原点的连续性、偏导数存在性与可微性。
- 举出一个函数 ,使 与 都存在,且 在原点连续,但 在原点不可微(写出验证过程)。
C 组(提高)
- 用定理 8.2 的判定式证明 在任意点 处可微,并写出其全微分。
- 设
讨论 在原点处的连续性、两个偏导数是否存在、是否可微。
答案在哪
本篇练习的详细解答(出处 / 考点 / 思路 / 分步解 / 答案 / 易错点)见 10-微积分-08-多元函数微分学;分章导航见 00-总索引。
九、常见问题 FAQ
Q1:为什么偏导数存在推不出连续?一元的证明到底哪里失效了?
一元的证明是:,而差商有界(因为极限存在),所以乘积趋于 。这个证明在一元成立,是因为「」这个过程中,差商 就是唯一的变化率。
多元里, 要沿任意路径趋于 。偏导数只保证沿 与 两条路径上的差商有界,而沿 这样的路径,比值 完全可能爆炸(例题 8 中它就是 ,随 发散)。一句话:一元只有两条路,多元有无穷多条,两条路上的控制管不住全体。
Q2:怎么快速判断一个分段函数在原点是否可微?
三步:① 用定义算两个偏导(若是 ,后面会简单很多);② 写出 ;③ 转极坐标,看结果里 的幂次。经验判据:分子的「总次数」减去分母的次数再减 ,若结果 则可微。例如 :,可微;:,临界,必须实算(结果是不可微);:,不可微。这个判据只是帮你预判,最终仍要写出计算过程。
Q3:定理 8.5 说「偏导数连续 可微」,考试时我可以直接用吗?
可以,而且应该直接用——这是最省事的路径。做法是:求出 、 的表达式,指出它们是初等函数(或多项式、有理式在分母非零处),因而连续,故可微。只有当 、 不连续或不存在时,才需要回到判别式。注意一个细节:若 在 处不连续,你不能据此断定不可微(易错点 8);但若 在 处不存在,则可以断定不可微(定理 8.4 的逆否命题)。
Q4:混合偏导数什么时候可以不相等?
当两个混合偏导数在该点不连续时,可以不相等(例题 12)。判断方法:如果函数由初等函数经四则运算和复合得到,并且二阶偏导的表达式在讨论的点附近有定义且连续,则一定相等,放心交换次序。只有在分段函数的分界点,或者在偏导函数出现分母趋零的点,才需要小心。工程与物理问题里遇到的函数几乎都满足连续条件,所以「混合偏导相等」可以当成默认事实。
Q5:全微分 到底是一个数还是一个函数?
中,、 是数,、 是自变量(可以取任意值)。所以 是 、 的一个线性函数(从这个角度看它是一个「二元一次齐次函数」)。
但在不同的点 ,、 不同,所以 也不同。因此谈论 时必须说明在哪一点,就像一元里 依赖于 一样。
Q6:切平面方程要不要背?
不用背,但要会现推:。推导只用一句话:切平面是曲面在 处的最佳线性逼近,而「线性逼近」写成增量形式就是 。把 、、 一代就得到方程。
另外记一个更对称的形式(后续 9-5-曲面积分 会用到):曲面 在 处的切平面是
把 代入即得前面那个式子。
十、国内教材对照(浙大《微积分》/ 考研大纲)
10.1 术语与记号对照
本篇用法 | 浙大《微积分》(苏德矿等编) | 同济《高等数学》 | 英文教材(MIT 18.02 / Banner)
---|---|---|---
偏导数 | 偏导数 | 偏导数 | partial derivative
全微分 | 全微分 | 全微分 | total differential
可微 | 可微(可微分) | 可微 | differentiable
混合偏导数 | 混合偏导数 | 混合偏导数 | mixed partial derivative
一阶全微分形式不变性 | 一阶全微分形式不变性 | 一阶全微分形式不变性 | invariance of the differential
切平面 | 切平面 | 切平面 | tangent plane
术语上国内外基本一致。差异主要有两处:① 英文教材常把 写成 或 ,后一种写法国内少见;② 英文教材把「切平面」讲得很重,国内教材把它作为全微分的几何解释篇幅较轻。
10.2 国内更强调的部分
- 「连续 / 偏导存在 / 可微」三者关系的完整讨论。这是国内教材(浙大版、同济版都如此)的绝对重点,通常会专门绘图列表,并配上 、 这类反例。考研数学一几乎年年考这个知识点(多为选择题)。
- 定理 8.5 的完整证明。国内教材会给出基于拉格朗日中值定理的证明(本篇 3.2 的写法即源于此),并要求学生掌握。MIT 18.02 与 Banner 的书都只陈述结论、不做证明。
- 混合偏导数相等的条件。国内教材会明确写出「连续」这个前提,并给出反例(例题 12 就是国内教材里的标准反例)。注意:这个反例在不同教材里的具体形式略有差别,但思路一致,以授课教材的版本为准。
- 分段函数在分界点的可微性讨论。这是国内考试的核心题型之一,要求用定义算偏导、用判定式判断可微。国外教材很少专门训练这种题。
10.3 国外教材更强调的部分
- 几何直观与切平面。MIT 18.02 把「切平面逼近」作为核心概念反复强调,会用大量图像展示「放大后像平面」这一判据。Banner 的书则用图示说明偏导数是「切片斜率」。本篇「二、几何直观」正是为了补国内教材这一环的不足。
- 线性逼近的向量语言。国外教材喜欢写成
即用梯度与向量的点积表示线性逼近。这与国内「」写法完全等价,但为 8-4-方向导数与梯度 铺路更顺。建议两种写法都熟悉。
- 误差传播与灵敏度分析。国外教材(尤其工程数学类)会把全微分用于误差估计,讲得比国内细。
10.4 考研大纲要求(数学一)
考研数学一大纲对「偏导数与全微分」的要求包括:偏导数的概念、偏导数的几何意义、高阶偏导数、全微分的概念、全微分存在的必要条件和充分条件。常考题型:
- 选择题:判断「连续 / 偏导存在 / 可微」之间关系的命题真假(本知识点考查频率最高);
- 填空题:求某点处的偏导数或全微分;
- 解答题:讨论分段函数在分界点处的连续性、偏导数存在性与可微性(要求写出完整过程);
- 隐含考查:在极值、方向导数、曲线曲面积分的大题中,第一步往往就是求偏导数。
数学二、数学三同样考查偏导数与全微分,但对「连续 / 偏导 / 可微关系」的完整讨论要求低于数学一,也不要求掌握定理 8.5 的证明。
一句话总结对照
国内教材:重三者关系的辨析、重定理证明、重分段函数的可微性讨论;国外教材:重切平面的几何直观、重线性逼近的向量写法、重误差传播的应用。考试按国内标准准备,理解按国外思路建立,具体以授课教材为准。
本篇小结
小结:偏导数、可微与全微分
一句话 偏导数是「沿坐标轴方向的切片斜率」,全微分是「切平面的高度增量」;可微要求的是「存在一个平面在整个邻域内一致地逼近曲面」,它比偏导数存在强得多。
① 必须记住的结论清单
- 偏导数定义:,求导时把其他变量当常数。
- 几何意义: 是曲面被平面 截出的曲线在 处的切线斜率; 同理。
- 可微定义:,;。
- 可微 偏导存在,且 、,故 。
- 可微 连续;但连续推不出偏导存在,偏导存在推不出连续,偏导存在推不出可微。
- 偏导数连续 可微(定理 8.5,充分不必要)。
- 判断可微的可靠方法:判定式 。
- 混合偏导数 与 在连续的前提下相等(定理 8.6);初等函数一般自动满足。
- 记忆法:下标从左往右读,分母从右往左读:。
- 一阶全微分形式不变性: 对中间变量同样成立;二阶微分没有这个性质。
- 切平面:。
- 近似公式:。
② 最容易混淆的几组概念对照表
概念 A | 概念 B | 关键区别 | 典型反例
---|---|---|---
偏导数 | 全导数 | 前者固定其他变量,后者其他变量也是 的函数 | 且 时
可微 | 偏导存在 | 前者要求 的一致逼近,后者只查两条射线 | :偏导为 ,不可微
可微 | 连续 | 前者强,可微必连续,反之不成立 | :连续但偏导不存在
连续 | 偏导存在 | 互不推出 | (连续无偏导);(有偏导不连续)
偏导连续 | 偏导存在 | 前者是可微的充分条件 | :偏导存在但不连续
| | 求导次序不同;连续时相等 | 补零:得 与
| | 前者是真实增量,后者是切平面增量 | ,,: 与
偏导在一点连续 | 偏导在邻域内连续 | 前者只是点态性质 | , 只在 处连续
③ 通往后面章节的接口表
本篇概念 | 在哪里被升级 | 升级成什么
---|---|---
偏导数 | 8-3-多元复合函数与隐函数求导 | 链式法则:
全微分 | 8-3-多元复合函数与隐函数求导 | 隐函数求导公式 ;雅可比行列式
偏导数(作为斜率) | 8-4-方向导数与梯度 | 沿任意方向的斜率;梯度
切平面与法向量 | 8-4-方向导数与梯度 | 等高线的法向量就是梯度;梯度垂直于等值线
二阶偏导数 | 8-5-多元函数极值与拉格朗日乘数法 | 海森矩阵与极值判别( 判别法)
可微与线性逼近 | 8-5-多元函数极值与拉格朗日乘数法 | 极值的必要条件
可微性 | 9-1-二重积分 | 可积性与连续性的关系;累次积分次序交换的条件
全微分形式 | 10-2-一阶微分方程 | 全微分方程 与积分因子
相关笔记
- 8-1-多元函数的概念与极限连续 — 本篇的直接前置:可微性的判定式里那个极限就是一个二重极限,二重极限的路径依赖现象在这里变成了「偏导存在但不可微」的反例。
- 3-6-微分与线性逼近 — 一元微分的定义 ,本篇的可微定义就是它把 换成 的推广。
- 3-5-隐函数与参数方程求导 — 一元隐函数求导与参数方程求导,第 8-3 篇会把它推广到多元隐函数组与雅可比行列式。
- 3-4-高阶导数与莱布尼茨公式 — 一元高阶导数的记号与计算,本篇的二阶偏导记号(含混合偏导的顺序约定)由它类比而来。
- 8-3-多元复合函数与隐函数求导 — 直接承接本篇:把偏导数与全微分用于复合函数,导出链式法则与隐函数求导公式。
- 8-5-多元函数极值与拉格朗日乘数法 — 二阶偏导数在那里组装成海森矩阵,用于判别驻点是否为极值点。
- 8-4-方向导数与梯度 — 把 、 打包成向量 ,并回答「沿任意方向的斜率是多少」。
- 4-2-洛必达法则及其适用条件辨析 — 一元极限的重要工具,但不能用于二元极限,本篇的判定式必须用放缩或极坐标计算。
参考来源
- Banner, The Calculus Lifesaver: The Complete Guide to Calculus and Its Applications(《普林斯顿微积分读本》)——多元部分讲偏导数、切平面与线性逼近。教材本身,无 URL。对应 frontmatter 中 sources 第 1 条。
- MathWorld, "Partial Derivative" ——偏导数的标准定义、记号与例子:https://mathworld.wolfram.com/PartialDerivative.html 。对应 frontmatter 中 sources 第 2 条。
- MathWorld, "Total Derivative" ——全导数与全微分的定义与链式法则:https://mathworld.wolfram.com/TotalDerivative.html 。对应 frontmatter 中 sources 第 3 条。
- MIT OpenCourseWare, 18.02SC Multivariable Calculus, Fall 2010 ——偏导数、切平面、线性逼近的讲义与习题,本库参考其「放大后像平面」的几何讲法:https://ocw.mit.edu/courses/18-02sc-multivariable-calculus-fall-2010/ 。
- 同济大学数学系《高等数学》下册,多元函数微分法及其应用一章的「偏导数」「全微分」两节——国内标准叙述,含连续/偏导/可微三者关系的完整讨论与反例。教材本身,无 URL。
- 浙江大学《微积分》(苏德矿、吴明华等编)下册,多元函数微分学中「偏导数与全微分」部分——定理 8.5 的证明与本篇 3.2 的写法一致。教材本身,无 URL。
- 《全国硕士研究生招生考试数学考试大纲》(数学一)——偏导数、高阶偏导数、全微分的考查要求。以当年最新大纲为准。