二元函数 f ( x , y ) f(x, y) f(x,y) 在某点可微 的含义，可以从几何直观、严格数学定义、与一阶偏导数的关系三个层面来理解：
🔹1. 几何直观上的含义（最易理解）
二元函数 f ( x , y ) f(x, y) f(x,y) 在点 ( x 0 , y 0 ) (x_0, y_0) (x0,y0) 可微，意味着它的图像在这一点附近可以被一个切平面 很好地逼近。
也就是说，在该点处，函数的图像看起来非常接近一个平面，这个平面就是它的切平面。
✅ 图像上表现为"光滑无尖点、无突变"。
🔹2. 数学定义上的含义
函数 f ( x , y ) f(x, y) f(x,y) 在点 ( x 0 , y 0 ) (x_0, y_0) (x0,y0) 可微，指存在常数 A A A 和 B B B，使得函数在该点附近有如下表达式：
f ( x , y ) = f ( x 0 , y 0 ) + A ( x − x 0 ) + B ( y − y 0 ) + o ( ( x − x 0 ) 2 + ( y − y 0 ) 2 ) f(x, y) = f(x_0, y_0) + A(x - x_0) + B(y - y_0) + o(\sqrt{(x - x_0)^2 + (y - y_0)^2}) f(x,y)=f(x0,y0)+A(x−x0)+B(y−y0)+o((x−x0)2+(y−y0)2 )
- 其中 o ( ⋅ ) o(\cdot) o(⋅) 是高阶无穷小 ，意味着这个误差项随着 ( x , y ) → ( x 0 , y 0 ) (x, y) \to (x_0, y_0) (x,y)→(x0,y0) 比线性项还快地趋近于 0。
- A = f x ( x 0 , y 0 ) , B = f y ( x 0 , y 0 ) A = f_x(x_0, y_0),\quad B = f_y(x_0, y_0) A=fx(x0,y0),B=fy(x0,y0)，也就是说偏导数就是这个线性逼近的系数。
等价形式：
f ( x , y ) − f ( x 0 , y 0 ) = f x ( x 0 , y 0 ) ( x − x 0 ) + f y ( x 0 , y 0 ) ( y − y 0 ) + 高阶小量 f(x, y) - f(x_0, y_0) = f_x(x_0, y_0)(x - x_0) + f_y(x_0, y_0)(y - y_0) + \text{高阶小量} f(x,y)−f(x0,y0)=fx(x0,y0)(x−x0)+fy(x0,y0)(y−y0)+高阶小量
✅ 总结：可微的真正含义
| 层面 | 含义 |
|---|---|
| 几何角度 | 图像在该点附近是平滑的，有一个切平面可以很好地逼近函数图像 |
| 数学定义 | 函数增量可以被一阶线性函数逼近，误差为高阶无穷小 |
| 和偏导关系 | 偏导数存在且连续 ⇒ 可微，但反之不一定 |