高阶偏导数描述多元函数沿不同变量连续变化时,变化率本身如何继续变化。本课将建立二阶偏导、混合偏导与 Hessian 矩阵之间的联系,并给出可直接复用的计算顺序。
设 。先对 求偏导得到 ,再对结果继续求偏导,就得到二阶偏导。对同一个变量连续求导称为纯偏导,对不同变量依次求导称为混合偏导:
下标按求导发生的顺序阅读: 表示先对 求导,再对 求导。三阶及更高阶偏导继续沿用同样规则,例如 表示先对 求两次,再对 求一次。

考虑函数
先求一阶偏导:
再分别对 、 求导:
在点 处,四个二阶偏导分别为 、、、,其中 与 分别贡献 和 。计算时最稳妥的做法是先明确“当前表达式对哪个变量求导”,并把其他变量暂时视为常数。
从示例可见,,但这不是仅凭符号就能保证的。若函数的两个二阶混合偏导在目标点附近存在且连续,则由 Clairaut 定理可得:
“在目标点附近连续”比“只在目标点存在”更强。实际计算中,常见的多项式、指数函数、对数函数及其在定义域内部的有限组合通常满足该条件;遇到分段函数或含奇点的函数时,应先检查连续性,不能直接交换求导次序。
只在一个点存在还不足以交换。例如令 ,并在其余点定义
沿 轴,有 。沿 轴,有 。按本课约定的求导次序,,而 。
二元函数的全部二阶偏导可以组成 Hessian 矩阵:
按本课的下标约定,第 行先对第 个变量求偏导,第 列再对第 个变量求导。混合偏导可交换时,Hessian 对称。若函数在内点附近二阶连续可微,且该点的一阶梯度为零,Hessian 正定可判为严格局部极小,负定可判为严格局部极大,同时有正负特征值可判为鞍点。若二阶信息不足,例如 Hessian 为零,还需检查更高阶项或邻近函数值。