3-D 曲面简介
欢迎来到三维空间！到目前为止，你处理的大多是 \( y \) 随 \( x \) 变化的二维图像。在本章中，我们将通过观察 \( z \)（高度）随 \( x \) 和 \( y \) 两个不同变量变化的曲面，来深入探讨进阶纯数学 (Additional Pure Mathematics)。试想你正站在山上：你的海拔（\( z \)）取决于你在东西方向（\( x \)）和南北方向（\( y \)）的位置。这就是一个 3-D 曲面！
如果刚开始觉得这些概念有点“遥不可及”，不用担心。我们将运用你已掌握的坐标和梯度知识，在此基础上再增加一个维度。读完这些笔记后，你将能像专家一样自如地驾驭这些 3-D 地形。
1. 理解 3-D 曲面
定义 3-D 曲面的方式有两种：
- 显式 (Explicitly)： \( z = f(x, y) \)。这直接告诉你如果知道 \( x \) 和 \( y \)，如何计算高度 \( z \)。例如：\( z = x^2 + y^2 \)。
- 隐式 (Implicitly)： \( g(x, y, z) = c \)。在这里，所有变量都混合在一起。例如球体的方程：\( x^2 + y^2 + z^2 = 25 \)。
你知道吗？在课程的第二阶段 (Stage 2)，你会遇到不仅仅涉及 \( x \) 和 \( y \) 幂次的曲面。你会看到三角函数、对数和指数函数，例如 \( z = e^x \sin(y) \)。基本规则保持不变，但代数运算会变得更有趣！
快速复习：
看到 \( z = f(x, y) \) 时，可以把 \( x \) 和 \( y \) 看作房间的地板，而 \( z \) 则是该点到天花板的距离。
重点总结：二元函数描述了 3-D 空间中的一个曲面，平面上的每个点 \( (x, y) \) 都对应一个高度 \( z \)。
2. 截面与等高线
要在二维纸张上可视化 3-D 形状是很困难的。为了辅助理解，我们使用两种技巧：截面 (Sections) 和 等高线 (Contours)。
截面
如果你用一个垂直平面“切开”曲面，得到的就是截面。
类比：切面包。每一片面包都展示了该处面包的横截面形状。
- 如果保持 \( x \) 不变（\( x = a \)），我们得到形如 \( z = f(a, y) \) 的截面。
- 如果保持 \( y \) 不变（\( y = b \)），我们得到形如 \( z = f(x, b) \) 的截面。
等高线
如果你水平“切开”曲面，得到的就是等高线。
类比：想想徒步旅行者使用的地形图。地图上的线条就是连接高度相同点的等高线。
要找到等高线，我们将 \( z \) 设定为常数 \( c \)。方程变为 \( f(x, y) = c \)，这会在 \( xy \) 平面上给出一条二维曲线。
重点总结：截面是垂直切割（展示侧面图），而等高线是水平切割（展示鸟瞰图）。
3. 偏微分
这是本章的核心工具。偏微分 (Partial Differentiation) 让我们能找到曲面在特定方向上的梯度。
黄金法则：当你对一个变量进行微分时，将另一个变量视为数字（常数）。
符号
偏导数有两种常见的写法：
- 对 \( x \) 微分： \( \frac{\partial f}{\partial x} \) 或 \( f_x \)
- 对 \( y \) 微分： \( \frac{\partial f}{\partial y} \) 或 \( f_y \)
范例：
若 \( z = x^3 y^2 + 5x \)：
求 \( f_x \) 时，将 \( y \) 视为常数：\( f_x = 3x^2 y^2 + 5 \)。
求 \( f_y \) 时，将 \( x \) 视为常数：\( f_y = 2x^3 y \)。
二阶导数与混合偏导数
就像常规微积分一样，你可以再次微分！
\( f_{xx} \)：对 \( f_x \) 再关于 \( x \) 微分。
\( f_{yy} \)：对 \( f_y \) 再关于 \( y \) 微分。
混合偏导数 (\( f_{xy} \) 和 \( f_{yx} \))：这意味着先对一个变量微分，再对另一个变量微分。
混合偏导数定理：对于本课程中遇到的函数，微分顺序并不重要！即 \( f_{xy} = f_{yx} \)。如果你计算出来的结果不同，这是一个发现错误的好方法！
重点总结：偏微分就是“冻结”一个变量，观察高度如何随另一个变量的方向改变。
4. 驻点
在二维曲线上，驻点是梯度为零的地方。在 3-D 曲面上，驻点是曲面在所有方向上都平坦的地方。这发生在两个一阶偏导数都为零时：
\( f_x = 0 \) 且 \( f_y = 0 \)
驻点主要有三种类型：
- 局部极大值 (Local Maximum)： 山峰。
- 局部极小值 (Local Minimum)： 山谷底部。
- 鞍点 (Saddle Point)： 从一个方向看像极大值，从另一个方向看像极小值的点（像品客薯片中心或马鞍）。
重点总结：要找到驻点，需联立求解 \( f_x = 0 \) 和 \( f_y = 0 \)。
5. 分类驻点（海森矩阵）
在第二阶段，你需要证明所找到的驻点是哪种类型。我们使用海森矩阵 (Hessian Matrix)，\( \mathbf{H} \)：
\( \mathbf{H} = \begin{pmatrix} f_{xx} & f_{xy} \\ f_{yx} & f_{yy} \end{pmatrix} \)
该矩阵的行列式 (Determinant)，\( |\mathbf{H}| = (f_{xx} \times f_{yy}) - (f_{xy})^2 \)，告诉我们该点的性质：
- 若 \( |\mathbf{H}| > 0 \)： 这是一个确定的“转折点”。
- 若 \( f_{xx} > 0 \)，则为局部极小值。（记法：正数 = 笑脸/山谷）。
- 若 \( f_{xx} < 0 \)，则为局部极大值。（记法：负数 = 哭脸/山峰）。
- 若 \( |\mathbf{H}| < 0 \)： 这是一个鞍点。
- 若 \( |\mathbf{H}| = 0 \)： 测试无效（可能是任何情况！）。
重点总结：计算二阶导数，求出海森行列式，并检查 \( f_{xx} \) 的正负号以对点进行分类。
6. 切平面
正如二维曲线有切线一样，3-D 曲面在任意给定点 \( (a, b) \) 处都有一个切平面 (Tangent Plane)。
类比：想象放置一块硬纸板，使其刚好接触足球的一个特定点。那块纸板就代表了切平面。
要找到点 \( (a, b, f(a, b)) \) 处切平面的方程，请使用以下公式：
\( z = f(a, b) + (x - a)f_x(a, b) + (y - b)f_y(a, b) \)
步骤流程：
- 通过计算 \( f(a, b) \) 找到该点的高度 \( z \)。
- 计算偏导数 \( f_x \) 和 \( f_y \)。
- 将坐标 \( (a, b) \) 代入导数中得到数值梯度。
- 将所有数值代入切平面公式。
重点总结：切平面公式其实就是直线方程 \( y - y_1 = m(x - x_1) \) 的 3-D 版本。
总结检查表
- 我能区分显式 (\( z=... \)) 和隐式 (\( g=... \)) 曲面吗？
- 我理解等高线是水平切片 (\( z=c \)) 吗？
- 我能在保持一个变量不变的情况下进行偏微分吗？
- 我记住 \( f_{xy} = f_{yx} \) 了吗？
- 我能通过设定 \( f_x = 0 \) 和 \( f_y = 0 \) 来寻找驻点吗？
- 我会使用海森行列式将点分类为极大值、极小值或鞍点吗？
- 我能构建特定点的切平面方程吗？
继续练习！一旦习惯了“忽略”一个变量，偏微分其实非常符合逻辑。你一定没问题的！