可視化多變量函數需要認知上的轉變，從一維的線轉向二維的曲面和三維的體積。透過將因變量設為常數 $k$，我們降低了維度，產生「等高」集合，將複雜的地形映射到可管理的坐標系統中。
1. 等高線的邏輯
一個二元函數 $f(x, y)$ 將 $\mathbb{R}^2$ 平面上的一點映射到高度 $z$。我們透過 等高線來解釋，其定義為：
二元函數 $f$ 的等高線是方程為 $f(x, y) = k$ 的曲線，其中 $k$ 是 $f$ 值域中的常數。
科布-道格拉斯生產模型
在經濟學中，$P(L, K) = 1.01L^{0.75}K^{0.25}$ 模擬生產。這裡的等高線稱為 等產量線，顯示所有能產生相同產出 $P$ 的勞動力 ($L$) 與資本 ($K$) 的組合。氣象學：風寒指數
風寒指數 $W = 13.12 + 0.6215T - 11.37v^{0.16} + 0.3965Tv^{0.16}$ 使用等高線（等溫線）來表示在不同溫度 $T$ 和風速 $v$ 下恆定的「體感溫度」。2. 高維空間：等值面
三元函數將一個數字 $z = f(x, y, z)$ 分配給一個有序三元組。由於我們無法在四維空間繪圖，因此使用 等值面：
$$f(x, y, z) = k$$
例如，函數 $f(x, y, z) = x^2 + y^2 + z^2$ 會產生一組同心球面作為其等值面。相反地，請注意 表示限制：整個球面無法由單一的 $x$ 與 $y$ 函數表示。我們必須使用分段定義，例如 $g(x, y) = \sqrt{9 - x^2 - y^2}$（上半球）和 $h(x, y) = -\sqrt{9 - x^2 - y^2}$（下半球）。
3. 進階可視化結構
可視化是多變量微積分核心運算的基礎：
- 線性化： 函數 $L$ 是 $f$ 在 $(a, b)$ 處的線性化，而近似式 $f(x, y) \approx L(x, y)$ 正是切平面的幾何詮釋。
- 方向導數： 表示為 $D_{\mathbf{u}} f(x_0, y_0, z_0) = \lim_{h \to 0} \frac{f(x_0 + ha, y_0 + hb, z_0 + hc) - f(x_0, y_0, z_0)}{h}$。這是在方向 $\mathbf{u}$ 上曲面的「斜率」。
- 梯度 ($\nabla f$)： 已證明 $D_{\mathbf{u}} f = \nabla f \cdot \mathbf{u} = |\nabla f| \cos \theta$。梯度始終垂直於等高線，指向最陡上升的方向（$\theta=0$）。
🎯 核心洞察
- 克拉勒定律： 對於連續的混合偏導數，有 $f_{xy} = f_{yx}$。
- 拉普拉斯方程： 穩態溫度表面滿足 $u_{xx} + u_{yy} = 0$。
- 最佳化： 極值通常發生在 $f$ 的等高線與約束曲線 $g$ 相切之處，透過拉格朗日乘數法求解：$\nabla f = \lambda \nabla g$。