3-D 曲面簡介
歡迎來到三維空間！到目前為止，你處理的大多是 \( y \) 隨 \( x \) 變化的二維圖像。在本章中，我們將通過觀察 \( z \)（高度）隨 \( x \) 和 \( y \) 兩個不同變量變化的曲面，來深入探討進階純數學 (Additional Pure Mathematics)。試想你正站在山上：你的海拔（\( z \)）取決於你在東西方向（\( x \)）和南北方向（\( y \)）的位置。這就是一個 3-D 曲面！
如果剛開始覺得這些概念有點「遙不可及」，不用擔心。我們將運用你已掌握的坐標和梯度知識，在此基礎上再增加一個維度。讀完這些筆記後，你將能像專家一樣自如地駕馭這些 3-D 地形。
1. 理解 3-D 曲面
定義 3-D 曲面的方式有兩種：
- 顯式 (Explicitly)： \( z = f(x, y) \)。這直接告訴你如果知道 \( x \) 和 \( y \)，如何計算高度 \( z \)。例如：\( z = x^2 + y^2 \)。
- 隱式 (Implicitly)： \( g(x, y, z) = c \)。在這裡，所有變量都混合在一起。例如球體的方程：\( x^2 + y^2 + z^2 = 25 \)。
你知道嗎？在課程的第二階段 (Stage 2)，你會遇到不僅僅涉及 \( x \) 和 \( y \) 冪次的曲面。你會看到三角函數、對數和指數函數，例如 \( z = e^x \sin(y) \)。基本規則保持不變，但代數運算會變得更有趣！
快速複習：
看到 \( z = f(x, y) \) 時，可以把 \( x \) 和 \( y \) 看作房間的地板，而 \( z \) 則是該點到天花板的距離。
重點總結：二元函數描述了 3-D 空間中的一個曲面，平面上的每個點 \( (x, y) \) 都對應一個高度 \( z \)。
2. 截面與等高線
要在二維紙張上視覺化 3-D 形狀是很困難的。為了輔助理解，我們使用兩種技巧：截面 (Sections) 和 等高線 (Contours)。
截面
如果你用一個垂直平面「切開」曲面，得到的就是截面。
類比：切麵包。每一片麵包都展示了該處麵包的橫截面形狀。
- 如果保持 \( x \) 不變（\( x = a \)），我們得到形如 \( z = f(a, y) \) 的截面。
- 如果保持 \( y \) 不變（\( y = b \)），我們得到形如 \( z = f(x, b) \) 的截面。
等高線
如果你水平「切開」曲面，得到的就是等高線。
類比：想想徒步旅行者使用的地形圖。地圖上的線條就是連接高度相同點的等高線。
要找到等高線，我們將 \( z \) 設定為常數 \( c \)。方程變為 \( f(x, y) = c \)，這會在 \( xy \) 平面上給出一條二維曲線。
重點總結：截面是垂直切割（展示側面圖），而等高線是水平切割（展示鳥瞰圖）。
3. 偏微分
這是本章的核心工具。偏微分 (Partial Differentiation) 讓我們能找到曲面在特定方向上的梯度。
黃金法則：當你對一個變量進行微分時，將另一個變量視為數字（常數）。
符號
偏導數有兩種常見的寫法：
- 對 \( x \) 微分： \( \frac{\partial f}{\partial x} \) 或 \( f_x \)
- 對 \( y \) 微分： \( \frac{\partial f}{\partial y} \) 或 \( f_y \)
範例：
若 \( z = x^3 y^2 + 5x \)：
求 \( f_x \) 時，將 \( y \) 視為常數：\( f_x = 3x^2 y^2 + 5 \)。
求 \( f_y \) 時，將 \( x \) 視為常數：\( f_y = 2x^3 y \)。
二階導數與混合偏導數
就像常規微積分一樣，你可以再次微分！
\( f_{xx} \)：對 \( f_x \) 再關於 \( x \) 微分。
\( f_{yy} \)：對 \( f_y \) 再關於 \( y \) 微分。
混合偏導數 (\( f_{xy} \) 和 \( f_{yx} \))：這意味著先對一個變量微分，再對另一個變量微分。
混合偏導數定理：對於本課程中遇到的函數，微分順序並不重要！即 \( f_{xy} = f_{yx} \)。如果你計算出來的結果不同，這是一個發現錯誤的好方法！
重點總結：偏微分就是「凍結」一個變量，觀察高度如何隨另一個變量的方向改變。
4. 駐點
在二維曲線上，駐點是梯度為零的地方。在 3-D 曲面上，駐點是曲面在所有方向上都平坦的地方。這發生在兩個一階偏導數都為零時：
\( f_x = 0 \) 且 \( f_y = 0 \)
駐點主要有三種類型：
- 局部極大值 (Local Maximum)： 山峰。
- 局部極小值 (Local Minimum)： 山谷底部。
- 鞍點 (Saddle Point)： 從一個方向看像極大值，從另一個方向看像極小值的點（像品客洋芋片中心或馬鞍）。
重點總結：要找到駐點，需聯立求解 \( f_x = 0 \) 和 \( f_y = 0 \)。
5. 分類駐點（海森矩陣）
在第二階段，你需要證明所找到的駐點是哪種類型。我們使用海森矩陣 (Hessian Matrix)，\( \mathbf{H} \)：
\( \mathbf{H} = \begin{pmatrix} f_{xx} & f_{xy} \\ f_{yx} & f_{yy} \end{pmatrix} \)
該矩陣的行列式 (Determinant)，\( |\mathbf{H}| = (f_{xx} \times f_{yy}) - (f_{xy})^2 \)，告訴我們該點的性質：
- 若 \( |\mathbf{H}| > 0 \)： 這是一個確定的「轉折點」。
- 若 \( f_{xx} > 0 \)，則為局部極小值。（記法：正數 = 笑臉/山谷）。
- 若 \( f_{xx} < 0 \)，則為局部極大值。（記法：負數 = 哭臉/山峰）。
- 若 \( |\mathbf{H}| < 0 \)： 這是一個鞍點。
- 若 \( |\mathbf{H}| = 0 \)： 測試無效（可能是任何情況！）。
重點總結：計算二階導數，求出海森行列式，並檢查 \( f_{xx} \) 的正負號以對點進行分類。
6. 切平面
正如二維曲線有切線一樣，3-D 曲面在任意給定點 \( (a, b) \) 處都有一個切平面 (Tangent Plane)。
類比：想像放置一塊硬紙板，使其剛好接觸足球的一個特定點。那塊紙板就代表了切平面。
要找到點 \( (a, b, f(a, b)) \) 處的切平面方程，請使用以下公式：
\( z = f(a, b) + (x - a)f_x(a, b) + (y - b)f_y(a, b) \)
步驟流程：
- 通過計算 \( f(a, b) \) 找到該點的高度 \( z \)。
- 計算偏導數 \( f_x \) 和 \( f_y \)。
- 將坐標 \( (a, b) \) 代入導數中得到數值梯度。
- 將所有數值代入切平面公式。
重點總結：切平面公式其實就是直線方程 \( y - y_1 = m(x - x_1) \) 的 3-D 版本。
總結檢查表
- 我能區分顯式 (\( z=... \)) 和隱式 (\( g=... \)) 曲面嗎？
- 我理解等高線是水平切片 (\( z=c \)) 嗎？
- 我能在保持一個變量不變的情況下進行偏微分嗎？
- 我記住 \( f_{xy} = f_{yx} \) 了嗎？
- 我能通過設定 \( f_x = 0 \) 和 \( f_y = 0 \) 來尋找駐點嗎？
- 我會使用海森行列式將點分類為極大值、極小值或鞍點嗎？
- 我能構建特定點的切平面方程嗎？
繼續練習！一旦習慣了「忽略」一個變量，偏微分其實非常符合邏輯。你一定沒問題的！