欢迎来到多变量微积分的世界！
在标准的 A Level 数学中，你花了很多时间研究二维图表，也就是经典的 \(y\) 对 \(x\)。但真实世界是发生在三维空间里的！在 进阶纯数 (Extra Pure) 的这一章，我们将踏入第三维度。你将学习如何描述曲面、找出它们的“平坦”点，并精确计算山坡在任何一点的陡峭程度。如果一开始觉得有点棘手，不用担心； 只要你会微分一般的 \(x^2\)，你就已经具备完成这些计算的技能了！
1. 三维空间中的曲面： \(z = f(x, y)\)
在二维空间中，函数给出的是一条线。在三维空间中，像 \(z = f(x, y)\) 这样的函数给出的是一个 曲面 (surface)。你可以把 \(x\) 和 \(y\) 想成你在地面上的坐标，而 \(z\) 则是该点上方天花板的高度。如果你对地面上的每一个点都进行此操作，就会得到一个立体的形状，比如起伏的山丘或碗状物。
剖切曲面：等高线与截面
要在二维纸张上想象三维形状是很困难的！为了辅助思考，我们主要使用两个技巧：
- 等高线 (Contours)： 这是高度 \(z\) 为定值的线。比喻：想想一般的登山地图。圆圈代表不同的高度。如果你沿着等高线走，你始终保持在同一个海拔高度。
- 截面 (Sections)： 这就像拿一把大刀切过曲面。
- 形式为 \(z = f(a, y)\) 的截面是平行于 \(y\) 轴的切片（此时 \(x\) 固定为某个值 \(a\)）。
- 形式为 \(z = f(x, b)\) 的截面是平行于 \(x\) 轴的切片（此时 \(y\) 固定为某个值 \(b\)）。
你知道吗？ 气象学家会使用多变量微积分来建立天气系统模型。他们所研究的“曲面”就代表地图上的气压或温度！
重点总结： 我们可以通过查看三维曲面的“影子”（等高线），或将其“剖切”（截面）来观察它在特定位置的二维曲线形态，从而理解该曲面。
2. 偏微分 (Partial Differentiation)
如果我们有一个曲面，我们会想知道它有多陡。但这里有个窍门：往北走可能很陡，但往东走却是平坦的！为了解决这个问题，我们使用 偏导数 (Partial Derivatives)。
如何操作：
我们使用圆体 'd' 符号： \(\partial\)。
- \(\frac{\partial z}{\partial x}\) 的意思是“对 \(x\) 微分，并 假装 \(y\) 只是常数（例如 5）。”
- \(\frac{\partial z}{\partial y}\) 的意思是“对 \(y\) 微分，并 假装 \(x\) 只是常数。”
例子： 若 \(z = x^2y + 3y^3\)
要找出 \(\frac{\partial z}{\partial x}\)：视 \(y\) 为常数。\(x^2y\) 的导数是 \(2xy\)。\(3y^3\) 的导数是 \(0\)（因为里面没有 \(x\)）。
所以， \(\frac{\partial z}{\partial x} = 2xy\)。
常见错误： 在求 \(\frac{\partial z}{\partial x}\) 时，除非 \(y\) 本身真的是 \(x\) 的函数，否则不要对 \(x^2y\) 使用乘积法则。在这里，\(y\) 是独立的，所以它就像一个数字“系数”而已。
快速复习：
1. 观察你正在对哪个变量进行微分。
2. 将其他所有变量都视为静态的数字。
3. 照常进行微分！
3. 驻点 (Stationary Points)：山峰、山谷与鞍点
就像在二维空间一样，驻点是指曲面平坦的地方。要达到这一点，曲面必须在 \(x\) 方向和 \(y\) 方向上同时保持平坦。
条件：
要找出驻点，你必须同时解出这两个方程：
$$\frac{\partial z}{\partial x} = 0 \text{ 且 } \frac{\partial z}{\partial y} = 0$$
驻点的类型：
- 局部极大值 (Local Maximum)： 山顶。
- 局部极小值 (Local Minimum)： 碗底。
- 鞍点 (Saddle Point)： 这是一个特殊的点，从一个方向看像极大值，但从另一个方向看却像极小值。
比喻：想想洋芋片或马鞍。如果你坐在马鞍上，前后方向是向上翘的（极小值），但左右两侧却是向下倾斜的（极大值）。
注意： 在本课程大纲中，如果题目要求你判断点的“性质”（是极大、极小还是鞍点），题目会提供你相应的方法。你只需要学会如何找出坐标即可！
重点总结： 驻点发生在 两个 偏导数皆为零的地方。
4. 梯度向量 (Gradient Vector)： \(\text{grad } g\)
有时曲面是以隐函数形式定义的，例如 \(g(x, y, z) = c\)。梯度向量（通常写作 grad \(g\) 或 \(\nabla g\)）是一个指向特定点最陡上升方向的向量。
公式：
梯度向量就是由各偏导数组成的列向量：
$$\text{grad } g = \begin{pmatrix} \frac{\partial g}{\partial x} \\ \frac{\partial g}{\partial y} \\ \frac{\partial g}{\partial z} \end{pmatrix}$$
如果曲面是以 \(z = f(x, y)\) 给出的，你可以将其改写为 \(z - f(x, y) = 0\)。在这种特定情况下，梯度向量的公式为：
$$\text{grad } g = \begin{pmatrix} \frac{\partial f}{\partial x} \\ \frac{\partial f}{\partial y} \\ -1 \end{pmatrix}$$
重要性质： 某一点的梯度向量始终 垂直 (法向) 于该点的曲面。这是下一节的“黄金法则”！
5. 切平面与法线
想象放一块平坦的纸板，让它刚好在一点触碰到曲面。那就是 切平面 (Tangent Plane)。现在想象一根旗杆以 90 度角垂直插在曲面上。那就是 法线 (Normal Line)。
切平面：
由于梯度向量 \(\mathbf{n} = \text{grad } g\) 垂直于曲面，它同时也是切平面的 法向量 (normal vector)。
利用平面的向量方程 \(\mathbf{r} \cdot \mathbf{n} = \mathbf{a} \cdot \mathbf{n}\)，其中 \(\mathbf{a}\) 是你的点 \((x_0, y_0, z_0)\)：
$$\frac{\partial g}{\partial x}(x - x_0) + \frac{\partial g}{\partial y}(y - y_0) + \frac{\partial g}{\partial z}(z - z_0) = 0$$
法线：
法线通过点 \(\mathbf{a}\) 并沿着梯度向量的方向延伸。
其向量方程为： \(\mathbf{r} = \mathbf{a} + \lambda(\text{grad } g\))。
记忆小撇步：
梯度向量是这两者的“钥匙”！
- 对于 平面：梯度向量是它的“朝向”（法向量）。
- 对于 直线：梯度向量是它的“行进方向”。
重点总结： 计算偏导数，将它们放入列向量中，然后运用你的核心纯数向量知识来建立直线或平面的方程。
最终总结复习
- 曲面： 由 \(z = f(x, y)\) 或 \(g(x, y, z) = c\) 定义。
- 偏导数： 对一个变量微分，将其他变量视为常数。
- 驻点： 解 \(\frac{\partial z}{\partial x} = 0\) 和 \(\frac{\partial z}{\partial y} = 0\)。
- 梯度 (Grad)： 由偏导数组成的向量，垂直于曲面。
- 法线/切平面： 使用梯度向量作为你的法向量 \(\mathbf{n}\) 或方向向量 \(\mathbf{d}\)。
你一定没问题的！ 多变量微积分只是把你已知的二维知识应用两次而已。保持变量清晰，分数自然会到手！