歡迎來到多變數微積分的世界！
在標準的 A Level 數學中，你花了很多時間研究二維圖表，也就是經典的 \(y\) 對 \(x\)。但真實世界是發生在三維空間的！在 進階純數 (Extra Pure) 的這一章，我們將踏入第三維度。你將學習如何描述曲面、找出它們的「平坦」點，並精確計算山坡在任何一點的陡峭程度。如果一開始覺得有點棘手，不用擔心； 只要你會微分一般的 \(x^2\)，你就已經具備完成這些計算的技能了！
1. 三維空間中的曲面： \(z = f(x, y)\)
在二維空間中，函數給出的是一條線。在三維空間中，像 \(z = f(x, y)\) 這樣的函數給出的是一個 曲面 (surface)。你可以把 \(x\) 和 \(y\) 想成你在地面上的坐標，而 \(z\) 則是該點上方天花板的高度。如果你對地面上的每一個點都進行此操作，就會得到一個立體的形狀，比如起伏的山丘或碗狀物。
剖切曲面：等高線與截面
要在二維紙張上想像三維形狀是很困難的！為了輔助思考，我們主要使用兩個技巧：
- 等高線 (Contours)： 這是高度 \(z\) 為定值的線。比喻：想想一般的登山地圖。圓圈代表不同的高度。如果你沿著等高線走，你始終保持在同一個海拔高度。
- 截面 (Sections)： 這就像拿一把大刀切過曲面。
- 形式為 \(z = f(a, y)\) 的截面是平行於 \(y\) 軸的切片（此時 \(x\) 固定為某個值 \(a\)）。
- 形式為 \(z = f(x, b)\) 的截面是平行於 \(x\) 軸的切片（此時 \(y\) 固定為某個值 \(b\)）。
你知道嗎？ 氣象學家會使用多變數微積分來建立天氣系統模型。他們所研究的「曲面」就代表地圖上的氣壓或溫度！
重點總結： 我們可以透過查看三維曲面的「影子」（等高線），或將其「剖切」（截面）來觀察它在特定位置的二維曲線形態，從而理解該曲面。
2. 偏微分 (Partial Differentiation)
如果我們有一個曲面，我們會想知道它有多陡。但這裡有個竅門：往北走可能很陡，但往東走卻是平坦的！為了解決這個問題，我們使用 偏導數 (Partial Derivatives)。
如何操作：
我們使用圓體 'd' 符號： \(\partial\)。
- \(\frac{\partial z}{\partial x}\) 的意思是「對 \(x\) 微分，並 假裝 \(y\) 只是常數（例如 5）。」
- \(\frac{\partial z}{\partial y}\) 的意思是「對 \(y\) 微分，並 假裝 \(x\) 只是常數。」
例子： 若 \(z = x^2y + 3y^3\)
要找出 \(\frac{\partial z}{\partial x}\)：視 \(y\) 為常數。\(x^2y\) 的導數是 \(2xy\)。\(3y^3\) 的導數是 \(0\)（因為裡面沒有 \(x\)）。
所以， \(\frac{\partial z}{\partial x} = 2xy\)。
常見錯誤： 在求 \(\frac{\partial z}{\partial x}\) 時，除非 \(y\) 本身真的是 \(x\) 的函數，否則不要對 \(x^2y\) 使用乘積法則。在這裡，\(y\) 是獨立的，所以它就像一個數字「係數」而已。
快速複習：
1. 觀察你正在對哪個變數進行微分。
2. 將其他所有變數都視為靜態的數字。
3. 照常進行微分！
3. 駐點 (Stationary Points)：山峰、山谷與鞍點
就像在二維空間一樣，駐點是指曲面平坦的地方。要達到這一點，曲面必須在 \(x\) 方向和 \(y\) 方向上同時保持平坦。
條件：
要找出駐點，你必須同時解出這兩個方程式：
$$\frac{\partial z}{\partial x} = 0 \text{ 且 } \frac{\partial z}{\partial y} = 0$$
駐點的類型：
- 局部極大值 (Local Maximum)： 山頂。
- 局部極小值 (Local Minimum)： 碗底。
- 鞍點 (Saddle Point)： 這是一個特殊的點，從一個方向看像極大值，但從另一個方向看卻像極小值。
比喻：想想洋芋片或馬鞍。如果你坐在馬鞍上，前後方向是向上翹的（極小值），但左右兩側卻是向下傾斜的（極大值）。
注意： 在本課程大綱中，如果題目要求你判斷點的「性質」（是極大、極小還是鞍點），題目會提供你相應的方法。你只需要學會如何找出坐標即可！
重點總結： 駐點發生在 兩個 偏導數皆為零的地方。
4. 梯度向量 (Gradient Vector)： \(\text{grad } g\)
有時曲面是以隱函數形式定義的，例如 \(g(x, y, z) = c\)。梯度向量（通常寫作 grad \(g\) 或 \(\nabla g\)）是一個指向特定點最陡上升方向的向量。
公式：
梯度向量就是由各偏導數組成的列向量：
$$\text{grad } g = \begin{pmatrix} \frac{\partial g}{\partial x} \\ \frac{\partial g}{\partial y} \\ \frac{\partial g}{\partial z} \end{pmatrix}$$
如果曲面是以 \(z = f(x, y)\) 給出的，你可以將其改寫為 \(z - f(x, y) = 0\)。在這種特定情況下，梯度向量的公式為：
$$\text{grad } g = \begin{pmatrix} \frac{\partial f}{\partial x} \\ \frac{\partial f}{\partial y} \\ -1 \end{pmatrix}$$
重要性質： 某一點的梯度向量始終 垂直 (法向) 於該點的曲面。這是下一節的「黃金法則」！
5. 切平面與法線
想像放一塊平坦的紙板，讓它剛好在一點觸碰到曲面。那就是 切平面 (Tangent Plane)。現在想像一根旗桿以 90 度角垂直插在曲面上。那就是 法線 (Normal Line)。
切平面：
由於梯度向量 \(\mathbf{n} = \text{grad } g\) 垂直於曲面，它同時也是切平面的 法向量 (normal vector)。
利用平面的向量方程式 \(\mathbf{r} \cdot \mathbf{n} = \mathbf{a} \cdot \mathbf{n}\)，其中 \(\mathbf{a}\) 是你的點 \((x_0, y_0, z_0)\)：
$$\frac{\partial g}{\partial x}(x - x_0) + \frac{\partial g}{\partial y}(y - y_0) + \frac{\partial g}{\partial z}(z - z_0) = 0$$
法線：
法線通過點 \(\mathbf{a}\) 並沿著梯度向量的方向延伸。
其向量方程式為： \(\mathbf{r} = \mathbf{a} + \lambda(\text{grad } g\))。
記憶小撇步：
梯度向量是這兩者的「鑰匙」！
- 對於 平面：梯度向量是它的「朝向」（法向量）。
- 對於 直線：梯度向量是它的「行進方向」。
重點總結： 計算偏導數，將它們放入列向量中，然後運用你的核心純數向量知識來建立直線或平面的方程式。
最終總結複習
- 曲面： 由 \(z = f(x, y)\) 或 \(g(x, y, z) = c\) 定義。
- 偏導數： 對一個變數微分，將其他變數視為常數。
- 駐點： 解 \(\frac{\partial z}{\partial x} = 0\) 和 \(\frac{\partial z}{\partial y} = 0\)。
- 梯度 (Grad)： 由偏導數組成的向量，垂直於曲面。
- 法線/切平面： 使用梯度向量作為你的法向量 \(\mathbf{n}\) 或方向向量 \(\mathbf{d}\)。
你一定沒問題的！ 多變數微積分只是把你已知的二維知識應用兩次而已。保持變數清晰，分數自然會到手！