偏函数求导这事儿，跟咱们平时看一般/平平函数求导不忒一样。

一般/平平函数看着是个 $y = f(x)$，你拿个尺子量一下 $x$ 变了 0.1，$y$ 也正好变了 0.5，那导数就是 5。可一涉及到 $z = f(x, y)$，也就是两个变量搞在一起的情况，那股子“变起来”的感觉就有点不一样了。

这时候散开了想，光看 $x$ 的细小变动，可能忽略了 $y$ 也在跟着变，光看 $y$ 的变动，又忽略了 $x$ 也在跟着变。

这就好比你想问一个随两个人运动的人的位置变化率，单看其中一个人的动作仿佛有点片面。

故此，咱们得换个思路，把 $y$ 给“锁死”，让它是个常数，只盯着 $x$ 这头打转，算出 $x$ 变的时候 $z$ 跟着如何动；然后再把 $y$ 也锁死，只盯着 $y$ 这头打转，算出 $y$ 变的时候 $z$ 跟着如何动。最终这两条路走出来的答案，加起来就是本题的导数。 好，咱们掰开了揉碎了拆。以 $z = xy$ 这个最好办的例子来说吧。假设你手里有一张纸，正面写着 $x$，背面写着 $y$，把这两张纸拼在一起就是 $z$，并且它们之间是乘死的死扣在一起，动一张都动不了另一张。目前你问：当 $x$ 增添一点点时，$z$ 如何变？这时候你脑子里闪过的第一个念头实际上就是“乘数变号”。

你看，$z = x cdot y$，要是把 $x$ 看作一个系数，$y$ 就是底，那 $x$ 变了，底能不能不变呢？能啊，出于 $y$ 被锁在了原位。

故此这一项的增量就是 $y , dx$，也就是一个常数乘以 $x$ 的增量。

那再看一项，把 $y$ 看作系数，$x$ 是底。

这时候 $y$ 被锁死不动了，$x$ 在动，那增量就是 $x , dy$。把这两局部加起来，你就拿到了偏导 $frac{partial z}{partial x} = y$；同理，要是你换个角度，把 $x$ 当底，$y$ 当系数，那 $frac{partial z}{partial y} = x$。

你看，这两个结局自然不一样了，出于 $x$ 和 $y$ 在函数里地位平等，没有哪位是哪位的系数。 要是你是在课堂底下提问，老师可能会问：“那要是 $z = e^{xy}$ 呢？”这时候大家脑子里的火花全是一堆指数啊、对数啊、链式法则啊。

这时候最稳的办法就是先设 $k = xy$，把 $z$ 写成 $e^k$。

第一步，$x$ 变，$y$ 不变。

这时候 $k$ 变了，但 $z = e^k$， $k$ 对 $z$ 的导数是 $e^k$，再乘上 $y$ 的变化量 $dy$，这就拿到了 $e^{xy} y d y$。

第二步，$y$ 变，$x$ 不变。

同理，$k = xy$ 变了，导数还是 $e^k$，乘上 $x$ 的变化量 $dx$，结局就是 $e^{xy} x d x$。最终把这两块拼起来，$z$ 对 $x$ 的偏导就是 $y e^{xy}$，对 $y$ 的偏导就是 $x e^{xy}$。

你看，还是那个乘法口诀，只不过多了一层指数外壳罢了。 实际上只要掌握了这个核心逻辑，后面就没得计较了。

不管是算 $z = sin(x+y)$，还是 $z = x^2 y^3$，就连那个看起来特别复杂的 $z = f(x, y) = int_a^x f(t, y) dt$，只要抓住“固定一个变量”这个点，公式就是通用的。

那个积分符号帕斯卡斯蒂尔，别看看着怪，但本质上就是把 $y$ 吸进去形成的“隐式”依赖关系，求导时它就不动了，只跟外面的 $x$ 打交道，故此拿到的还是 $f(x, y) cdot frac{partial x}{partial x}$，也就是 $f(x, y)$。

这种“不动”的感觉，是偏导最迷人的地方。 不过说确实，有时候大家求偏导还是好办犯“双重变量陷阱”。比方说求 $z = x^2 + y^2$ 的梯度。

这时候有人会急着写“反正两个变量，求导就得加个乘号，最终变成 $2x + 2y$ 这种形式”。大家想一想，这确实是偏导吗？偏导的定义里，那个 $x$ 和 $y$ 绝对不能混用，务必区分清楚是对 $x$ 的偏导，还是对 $y$ 的偏导。

要是写成 $2x + 2y$，那这整个式子既像是 $x$ 的导数，也像是 $y$ 的导数，它们哪位是偏导哪位？这就乱了。

故此，任何时候求偏导，脑子里都要有个秤：左边是 $dx$，右边是 $dy$，看哪位的量纲是对应的，哪位就是哪位的偏导。

要是题目是 $dz = f_x dx + f_y dy$，那 $f_x$ 和 $f_y$ 就长得一模一样，但你要把它们和 $dx, dy$ 配起来，$f_x$ 配 $dx$，$f_y$ 配 $dy$，这样 everything 就站得稳了。 再举个实际的例子吧，比如这个物理题。一个质量为 $m$ 的点粒子在 $x$ 和 $y$ 平面上运动。它的总动能 $T = frac{1}{2}m(v_x^2 + v_y^2)$。目前你想知道它对 $x$ 的偏导数 $frac{partial T}{partial x}$。

这时候 $y$ 是固定的，$v_y$ 就是常数，$v_x$ 是变量。直接对 $x$ 求导，$v_x$ 的平方得 $v_x v_x'$，再乘上 $m/2$，最终 $v_x'$ 就是 $dx/dt$，故此 $frac{partial T}{partial x} = mv_x frac{dx}{dt}$。而要是你对 $y$ 求偏导，那 $x$ 固定，$v_x$ 变成 $v_x' dx/dt$，答案就是 $mv_y frac{dy}{dt}$。

你看，这两个结局彻底不是同一个函数，一个是 $x$ 的影响，一个是 $y$ 的影响。

要是你硬要把它写成 $f(x, y)$ 的导数，那就要小心，别把 $x$ 和 $y$ 搞混了。 实际上你会发现，大局部求偏导的题目，最终结局都不是多复杂的函数，而是一串好办的乘法。

这是出于偏导实际上就是局部线性化，把曲面看成切平面，切平面的斜率就是导数。对于多项式函数、指数函数、对数函数，它们的偏导往往就是原来的底数或指数本身，只是多乘了一个其他变量罢了。

哪怕是最难的那个隐函数，它的偏导也是通过链式法则一步步“剥”下来的。

故此，不要被那些复杂的形式吓倒，只要记得“固定一个，另求一个”这个铁律，再配合一点点耐心，再结合些数据代入，哪怕面对再复杂的偏导公式，也能把它拆解成你熟悉的单项式。 最终再啰嗦两句，总结一下。求偏导就是求“固定其他变量时的变化率”。它不关心整体，只关心局部。它不关心 $x$ 和 $y$ 的总和，只关心它们各自的变化。

故此，当你看到 $z = f(x, y)$ 的时候，别急着求二阶导，也别急着求总导数，先问自己：这里哪位是主角？$x$ 是主角，$y$ 就是配角。主角动了，配角不动，算 $dx$ 对应的贡献；配角动了，主角不动，算 $dy$ 对应的贡献。两边加起来，就是偏导数了。

记住，偏导是工具，不是终点。用它来计算，是为了更清楚地理解函数本身。