高等数学 / 系统课时
偏导数
偏导数
多元函数同时依赖多个变量,但我们经常只想知道其中一个变量变化时,函数会怎样改变。偏导数的做法是固定其他变量,只对目标变量求导,从而得到函数沿某个坐标轴方向的瞬时变化率。
学习目标
- 理解“固定其他变量”的含义
- 能计算简单二元函数的一阶偏导数
- 能解释偏导数在模型参数更新中的作用
偏导数的核心规则
对于二元函数 ,对 求偏导时,把 当作常数;对 求偏导时,把 当作常数。常用记号为:
和
在定义域的内点 ,对 的偏导取下面的差商极限。
对 的偏导则固定 ,只扰动第二个坐标。两者分别描述沿两个坐标轴正方向的瞬时变化率。

主示例:分别固定一个变量
设函数为
对 求偏导时, 被视为常数。 对 的导数是 ,而 与 无关,因此导数为零:
对 求偏导时, 被视为常数。 对 的导数是 , 的导数是 :
在点 处,两者分别为 和 。这表示从该点只沿 方向或只沿 方向移动时,函数值的局部变化率都等于 。
几何意义:沿坐标轴切一刀
固定 ,三维曲面会与平面 相交,得到一条只随 变化的曲线。对 的偏导,就是这条曲线在目标点的切线斜率。
同理,固定 后得到另一条曲线,其切线斜率就是对 的偏导。这个“先切片,再求普通导数”的视角,可以把多元求导转化为熟悉的一元函数问题。
在 AI 训练中的作用
若损失函数写成 ,则每个偏导数 都表示只改变参数 时,损失的变化趋势。其他参数固定时,若该偏导为正,充分小的正向扰动会提高损失;若为负,充分小的正向扰动会降低损失。这个判断只描述基准点附近的行为。
常见的梯度下降把各偏导组成梯度向量,并按负梯度更新参数。要用梯度解释任意方向的一阶变化,还要确认损失在该点可微。
常见误区
求对 的偏导时,固定的是其他变量,不是把它们设为零。把 当作常数后, 仍然保留系数 。
偏导数还依赖函数所在的点。表达式 给出一般位置的变化率,只有代入具体坐标后,才得到某一点上的数值。最后,两个偏导数相同,并不表示函数在所有方向上的变化都相同,它只说明两个坐标轴方向在该点的变化率相同。