A graph of z = x2 + xy + y2. For the partial derivative at (1, 1) that leaves y constant, the corresponding tangent line is parallel to the xz-plane.
A slice of the graph above showing the function in the xz-plane at y = 1. Note that the two axes are shown here with different scales. The slope of the tangent line is 3.
에서 함수에 접하고 -평면에 평행한 직선의 기울기를 구하기 위해, 우리는 를 상수로 취급합니다. 그래프와 이 평면은 오른쪽 편에 보입니다. 아래에, 우리는 평면 에서 함수가 어떻게 보이는지 봅니다. 가 상수라고 가정하면서 방정식의 도함수(derivative)를 찾음으로써, 우리는 점 에서 의 기울기는 다음임을 구합니다:
그래서 에서, 대입에 의해, 기울기는 3입니다. 그러므로, 점 에서,
.
즉, 에서 에 관한 의 부분 도함수는, 그래프에서 보이는 것처럼, 3입니다.
Definition
Basic definition
함수 f는 다른 변수에 의해 인덱스된 한 변수의 함수의 가족으로 다시-해석될 수 있습니다:
다른 말로, y의 모든 각 값은, fy로 나타내는, 함수로 정의되며, 이것은 한 변수 x의 함수입니다.[a] 즉,
이 섹션에서 아래-첨자 표기법 fy은 y의 고정된 값에 따른 함수를 나타내고, 부분 도함수가 아닙니다.
한번 y의 값이 선택되면, 말하자면 a, f(x,y)가 함수 fa를 결정하며 이것은 -평면 위의 곡선 x2 + ax + a2을 추적합니다:
이 표현에서, a는 변수가 이니라 상수이므로, fa는 오직 한 실수 변수의 함수이며, 그것은 x입니다. 결과적으로, 한 변수의 함수에 대해 도함수의 정의가 적용됩니다:
위의 절차는 a의 임의의 선택에 대해 수행될 수 있습니다. 도함수를 함께 함수로 결합하면 x 방향에서 f의 변화를 설명하는 함수를 제공합니다:
이것은 x에 관한 f의 부분 도함수입니다. 여기서 ∂는 부분 도함수 기호로 불리는 둥근 d입니다. 그것을 문자 d와 구별하기 위해, ∂는 때때로 "부분(partial)"으로 발음됩니다.
일반적으로, 점 (a1, ..., an)에서 방향 xi에서 n-애리(n-ary) 함수 f(x1, ..., xn)의 부분 도함수는 다음으로 정의됩니다:
위의 차이 몫에서, xi를 제외한 모든 변수는 고정되어 있습니다. 고정된 값의 해당 선택은 한 변수의 함수를 결정합니다:
그리고 정의에 의해,
다른 말로, a의 다른 선택은 위의 예제에서 처럼 단지 한-변수 가족을 색인화합니다. 이 표현은 역시 부분 도함수의 계산이 한-변수 도함수의 계산으로 줄어듬을 보여줍니다.
여러 변수의 함수의 중요한 예제는 유클리드 공간 (예를 들어, 또는 )에서 도메인 위의 스칼라-값 함수(scalar-valued function)f(x1, ..., xn)의 경우입니다. 이 경우에서, f는 각 변수 xj에 관한 부분 도함수 ∂f/∂xj를 가집니다. 점 a에서, 이들 부분 도함수는 벡터를 정의합니다:
이 벡터는 a에서 f의 그래디언트(gradient)로 불립니다. 만약 f가 어떤 도메인에서 모든 각 점에서 미분-가능이면, 그래디언트는 벡터-값 함수 ∇f이며 이것은 점 a를 벡터 ∇f(a)로 가져갑니다. 결과적으로, 그래디언트는 벡터 필드(vector field)를 생성합니다.
보통 도함수에서 처럼, 부분 도함수는 극한(limit)으로 정의됩니다. U를 의 열린 부분-집합(open subset)이고 를 함수로 놓습니다. i-번째 변수 xi에 관한 점 에서 f의 부분 도함수는 다음으로 정의됩니다:
심지어 모든 부분 도함수 ∂f/∂xi(a)가 주어진 점 a에서 존재할지라도, 함수는 그곳에서 연속(continuous)일 필요가 없습니다. 어쨌든, 만약 모든 부분 도함수가 a의 이웃(neighborhood)에서 존재하고 그곳에서 연속이면, f는 해당 이웃에서 전체적으로 미분-가능(totally differentiable)이고 전체 도함수는 연속입니다. 이 경우에서, f는 C1 함수라고 말합니다. 이것은 성분-별 인수를 신중하게 사용함으로써 벡터-값 함수, 에 대해 일반화하기 위해 사용될 수 있습니다.
부분 도함수 는 U 위에 정의된 또 다른 함수로 볼 수 있고 부분적으로 다시 미분화될 수 있습니다. 만약 모든 혼합된 이차 부분 도함수가 한 점에서 (또는 한 집합 위에) 연속이면, f는 해당 점에서 (또는 해당 집합 위에) C2 함수로 지칭됩니다; 이 경우에서, 부분 도함수는 클레로의 정리(Clairaut's theorem)에 의해 교환될 수 있습니다:
부분 도함수는 목표-인식 이미지 크기-조정 알고리듬에 핵심입니다. 솔기 조각술(seam carving)로 널리 알려진, 이들 알고리듬은 이미지에서 각 픽셀(pixel)에 직교 인접 픽셀에 대한 비-유사성을 설명하기 위해 수치적 '에너지'를 할당하는 것이 요구됩니다. 그 알고리듬(algorithm)은 그런-다음 가장-낮은 에너지를 가진 행 또는 열을 점진적으로 제거합니다. 픽셀의 에너지 (한 픽셀에서 그래디언트(gradient)의 크기)를 결정하기 위해 확립된 그 공식은 부분 도함수의 구성에 크게 의존합니다.
여러 변수의 함수를 다룰 때, 이들 변수의 일부는 서로 관련될 수 있으며, 따라서 모호성을 피하기 위해 변수가 상수로 유지되는 것을 명시적으로 지정할 필요가 있을 것입니다. 통계적 역학(statistical mechanics)과 같은 분야에서, 와 를 상수로 유지되는, 에 관한 의 부분 도함수는 종종 다음으로 표현됩니다:
관례적으로, 표기법의 명확성과 단순성에 대해, 특정 점에서 부분 도함수 함수 및 함수의 값은 부분 도함수 기호 (라이프니츠 표기법)가 사용될 때 함수 인수를 포함시킴으로써 혼동(conflated)됩니다. 따라서, 다음과 같은 표현
은 함수에 대해 사용되지만, 다음은
점 에서 함수의 값에 대해 사용될 수 있습니다. 어쨌든, 이 관례는 우리가 처럼 한 점에서 부분 도함수를 평가하기를 원할 때 세분화됩니다. 그러한 경우에서, 기능 평가는 라이프니츠 표기법을 사용하기 위해 다음으로 다루기 어려운 방법에서 표현되어야 합니다:
또는
.
따라서, 이들 경우에서, i번째 변수에 관한 부분 미분 기호로 와 함께 오일러 미분 연산자 표기법을 사용하는 것이 선호될 수 있습니다. 예를 들어, 우리는 위에서 설명한 예제에 대해 를 쓸 수 있지만, 표현 는 첫 번째 변수에 관한 부분 도함수 함수를 나타냅니다.[2]
고차 부분 도함수에 대해, j번째 변수에 관한 의 부분 도함수 (함수)는 로 표시됩니다. 즉, 그 변수가 도함수가 취해지는 순서이고, 따라서, 연산자의 합성이 보통 쓰이는 방법의 반대 순서에서 목록화되도록 입니다. 물론, 클레로의 정리(Clairaut's theorem)는 f에 대한 비교적 온화한 규칙성 조건이 만족되는 한 가 만족시킴을 의미합니다.
Antiderivative analogue
정규 도함수에 대해 역도함수(antiderivative)와 유사한 부분 도함수에 대해 개념이 있습니다. 부분 도함수가 주어지면, 원래 함수의 부분 복구를 허용합니다.
다음의 예제를 생각해 보십시오:
"부분" 적분은 x에 관해 취할 수 있습니다 (부분 미분화에 대한 비슷한 방법에서, y를 상수로 취급합니다):
여기서 적분화의 "상수"("constant" of integration)는 더 이상 상수가 아니지만, 대신에 x를 제외한 원래 함수의 모든 변수의 함수입니다. 이것에 대해 이유는 모든 다른 변수는 부분 도함수를 취할 때 상수로 취급되므로, x를 포함하지 않는 임의의 함수는 부분 미분을 취할 때 사라질 것이고, 우리는 우리가 역도함수를 취할 때 이것을 고려해야 하는 것입니다. 이것을 나타내기 위한 가장 일반적인 방법은 모든 다른 변수의 미지수 함수를 나타내는 "상수"를 가지는 것입니다.
따라서, 함수 의 집합은, 여기서 g가 임의의 일-인수 함수이며, x-부분 도함수 를 생성할 수 있는 변수 x,y에서 함수의 완전한 집합을 나타냅니다.
만약 함수의 모든 부분 도함수가 알려져 있으면 (예를 들어, 그래디언트(gradient)를 가짐), 역도함수는 상수까지 원래 함수를 재구성하기 위해 위의 과정을 통해 일치시킬 수 있습니다. 단일-변수 경우에서와 달리, 어쨌든, 함수의 모든 각 집합은 단일 함수의 모든 (일차) 부분 도함수의 집합이 될 수 있는 것은 아닙니다. 다시 말해, 모든 각 벡터 필드가 보존적(conservative)인 것은 아닙니다.
Higher order partial derivatives
이차 및 고차 부분 도함수는 일변수 함수의 고차 도함수와 유사하게 정의됩니다. 함수 의 대해, x에 관한 "자신"의 이차 부분 도함수는 단순히 (둘 다 x에 관한) 부분 도함수의 부분 도함수입니다:[3]: 316–318
x와 y에 관한 교차 부분 도함수는, 다음을 얻기 위해, x에 관한 f의 부분 도함수를 취하고, 그런-다음 y에 관한 결과의 부분 도함수를 취함으로써 구해집니다:
슈바르츠의 정리(Schwarz's theorem)는 만약 이차 도함수가 연속이면, 교차 부분 도함수에 대해 표현은 부분 도함수가 첫 번째 변수에 관해 취해지고 두 번째 변수에 관해 취해지므로 영향을 받지 않습니다. 즉,