편도함수

작성자

익명

작성일

2026.08.05

조회수

버전

편도함수 (Partial Derivative)

편도함수란 다변수 함수에서 다른 모든 변수를 상수로 고정하고, 특정 하나의 변수만을 변화시켰을 때 함수 값이 변화하는 비율을 나타내는 미분값이다.

1. 정의 및 개념

다변수 함수 $f(x, y, z, \dots)$가 있을 때, 특정 변수 $x$에 대한 편미분(Partial Differentiation)은 나머지 변수($y, z, \dots$)를 상수로 취급하여 $x$에 대해서만 미분을 수행하는 것을 말하며, 그 결과로 얻어지는 함수를 편도함수라고 한다.

수학적 정의

함수 $f(x, y)$가 점 $(x, y)$에서 $x$에 대해 편미분 가능하다면, $x$에 대한 편도함수는 다음과 같은 극한으로 정의된다. $$\frac{\partial f}{\partial x} = \lim_{h \to 0} \frac{f(x+h, y) - f(x, y)}{h}$$ 이는 일변수 함수의 미분 정의와 동일하지만, $y$값이 고정되어 있다는 점이 핵심이다.

기하학적 의미

3차원 공간에서 함수 $z = f(x, y)$는 하나의 곡면을 형성한다. 이때 $x$에 대한 편도함수는 변수 $y$를 상수로 고정하여 $xz$ 평면에 평행한 평면(즉, $y=k$인 평면)으로 곡면을 절단했을 때 나타나는 단면 곡선의 접선 기울기를 의미한다.

[시각적 도식] - 곡면 $z=f(x,y)$ $\xrightarrow{\text{평면 } y=k \text{로 절단}}$ 2차원 곡선 $\xrightarrow{\text{특정 점에서의 접선}}$ 기울기 $\frac{\partial f}{\partial x}$ - (상상도: 3차원 산 모양의 곡면을 $y$축에 수직인 칼로 잘랐을 때, 그 단면의 경사도가 바로 편도함수의 값임)

2. 수학적 표기법

편도함수는 일반적인 미분 기호인 $d$ 대신 '라운드 디'라고 읽는 $\partial$ 기호를 사용하여 구분한다.

표기법	읽는 법	설명
$\frac{\partial f}{\partial x}$	라운드 $f$ 라운드 $x$	함수 $f$를 변수 $x$에 대해 편미분함
$f_x$	에프 엑스	함수 $f$의 $x$에 대한 1차 편도함수 (첨자 표기법)
$\partial_x f$	파셜 엑스 에프	연산자 표기법으로, $x$ 방향의 미분 연산을 수행함
$f_{xy}$	에프 엑스 와이	$x$로 먼저 미분한 후, 그 결과를 다시 $y$로 미분함. $\frac{\partial}{\partial y}(\frac{\partial f}{\partial x})$와 같음

3. 계산 방법 및 예제

편도함수를 계산할 때는 "미분 대상이 아닌 모든 변수는 숫자(상수)와 같다"고 가정하는 것이 가장 중요하다.

예제: $f(x, y) = x^2 + 3xy + \sin(x)e^y$

1) $x$에 대한 편미분 ($\frac{\partial f}{\partial x}$): $y$를 상수로 취급한다. - $x^2 \to 2x$ - $3xy \to 3y$ (상수 $3y$가 곱해진 $x$의 미분) - $\sin(x)e^y \to \cos(x)e^y$ (상수 $e^y$가 곱해진 $\sin(x)$의 미분) $$\therefore f_x = 2x + 3y + \cos(x)e^y$$

2) $y$에 대한 편미분 ($\frac{\partial f}{\partial y}$): $x$를 상수로 취급한다. - $x^2 \to 0$ (상수항 미분) - $3xy \to 3x$ (상수 $3x$가 곱해진 $y$의 미분) - $\sin(x)e^y \to \sin(x)e^y$ (상수 $\sin(x)$가 곱해진 $e^y$의 미분) $$\therefore f_y = 3x + \sin(x)e^y$$

4. 편미분 가능성과 연속성

다변수 함수에서도 '[[전미분]] 가능 $\implies$ 연속'이라는 명제는 성립한다. 하지만 다변수 함수에서는 편미분 가능성이 연속성을 보장하지 않는다는 중요한 차이점이 있다.

편미분 가능 $\not\implies$ 연속: 특정 점 $(a, b)$에서 $x$ 방향과 $y$ 방향으로 각각 편미분이 가능하더라도, 그 점으로 접근하는 경로가 축 방향이 아닐 경우 극한값이 존재하지 않아 함수가 불연속일 수 있다.
전미분 가능 $\implies$ 연속: 모든 방향으로의 변화율을 고려하는 '전미분'이 가능해야만 해당 점에서 함수가 연속임을 보장할 수 있다.

5. [[그라디언트]] (Gradient)

그라디언트(Gradient)란 다변수 함수의 모든 1차 편도함수를 성분으로 갖는 벡터 함수를 말하며, 기호 $\nabla$(나블라)를 사용하여 표기한다.

정의

함수 $f(x, y, z)$의 그라디언트는 다음과 같이 정의된다. $$\nabla f = \left( \frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}, \frac{\partial f}{\partial z} \right) = f_x \mathbf{i} + f_y \mathbf{j} + f_z \mathbf{k}$$

성질

최대 증가 방향: $\nabla f$ 벡터는 함수 $f$의 값이 가장 가파르게 증가하는 방향을 가리킨다.
법선 벡터: 등치선(Level Curve) 또는 등치면(Level Surface)에 수직인 방향을 갖는다.

6. 고계 편도함수와 [[클레로의 정리]]

편도함수를 다시 미분하는 것을 고계 편도함수(Higher-order Partial Derivative)라고 한다.

혼합 편도함수

$x$로 미분한 후 $y$로 미분하는 경우($f_{xy}$)와 $y$로 미분한 후 $x$로 미분하는 경우($f_{yx}$)가 존재한다.

클레로의 정리 (Clairaut's Theorem)

함수 $f$의 2차 편도함수들이 연속이라면, 미분 순서에 상관없이 그 결과는 동일하다. $$\frac{\partial^2 f}{\partial x \partial y} = \frac{\partial^2 f}{\partial y \partial x} \quad (f_{xy} = f_{yx})$$

7. 연쇄 법칙 (Chain Rule)

다변수 함수가 다른 변수에 의존하는 합성함수 형태일 때, 편도함수를 이용하여 미분하는 방법이다.

일반화된 공식

$z = f(x, y)$이고, $x$와 $y$가 다시 다른 변수 $u, v$의 함수($x = g(u, v), y = h(u, v)$)일 때, $z$의 $u$와 $v$에 대한 편도함수는 다음과 같다. $$\frac{\partial z}{\partial u} = \frac{\partial z}{\partial x} \frac{\partial x}{\partial u} + \frac{\partial z}{\partial y} \frac{\partial y}{\partial u}$$ $$\frac{\partial z}{\partial v} = \frac{\partial z}{\partial x} \frac{\partial x}{\partial v} + \frac{\partial z}{\partial y} \frac{\partial y}{\partial v}$$

적용 사례 (단일 매개변수)

$z = f(x, y)$이고, $x = g(t), y = h(t)$일 때, $z$를 $t$에 대해 미분하면 다음과 같다. $$\frac{dz}{dt} = \frac{\partial f}{\partial x} \frac{dx}{dt} + \frac{\partial f}{\partial y} \frac{dy}{dt}$$

예시: $z = x^2 + y^2$ 이고 $x = \cos(t), y = \sin(t)$ 일 때 1. $\frac{\partial z}{\partial x} = 2x, \quad \frac{\partial z}{\partial y} = 2y$ 2. $\frac{dx}{dt} = -\sin(t), \quad \frac{dy}{dt} = \cos(t)$ 3. $\frac{dz}{dt} = (2\cos t)(-\sin t) + (2\sin t)(\cos t) = 0$

8. 주요 활용 분야

경사하강법 (Gradient Descent): 머신러닝의 오차 함수(Loss Function)를 최소화하기 위해 그라디언트의 반대 방향으로 매개변수를 업데이트하는 최적화 알고리즘에 핵심적으로 사용된다.
[[전미분]] (Total Differential): 모든 독립 변수가 미세하게 변할 때 함수 값의 전체 변화량을 근사하는 데 사용된다.
물리학 및 공학: 전자기학의 맥스웰 방정식, 유체역학의 나비에-스토크스 방정식 등 대부분의 물리 법칙이 편미분 방정식(PDE) 형태로 기술된다.
- 예: 열전도 방정식 $\frac{\partial u}{\partial t} = \alpha \nabla^2 u$는 시간에 따른 온도 변화를 공간적 온도 분포의 편미분으로 설명한다.
경제학: 다른 조건이 일정할 때 한 변수만이 변하는 효과를 분석하는 '한계 분석(Marginal Analysis)'의 수학적 기초가 된다.
- 예: 생산 함수 $Q = f(L, K)$에서 노동($L$)의 한계 생산성은 $\frac{\partial Q}{\partial L}$로 계산하여, 자본($K$)이 고정되었을 때 노동 투입 증가에 따른 생산량 변화를 분석한다.

분류: 수학 / 미적분학 / 미분

📝 마크다운 원본

이 문서의 마크다운 원본 내용입니다.

# 편도함수 (Partial Derivative)

편도함수란 다변수 함수에서 다른 모든 변수를 상수로 고정하고, 특정 하나의 변수만을 변화시켰을 때 함수 값이 변화하는 비율을 나타내는 미분값이다.

## 1. 정의 및 개념

다변수 함수 $f(x, y, z, \dots)$가 있을 때, 특정 변수 $x$에 대한 **편미분(Partial Differentiation)**은 나머지 변수($y, z, \dots$)를 상수로 취급하여 $x$에 대해서만 미분을 수행하는 것을 말하며, 그 결과로 얻어지는 함수를 **편도함수**라고 한다.

### 수학적 정의
함수 $f(x, y)$가 점 $(x, y)$에서 $x$에 대해 편미분 가능하다면, $x$에 대한 편도함수는 다음과 같은 극한으로 정의된다.
$$\frac{\partial f}{\partial x} = \lim_{h \to 0} \frac{f(x+h, y) - f(x, y)}{h}$$
이는 일변수 함수의 미분 정의와 동일하지만, $y$값이 고정되어 있다는 점이 핵심이다.

### 기하학적 의미
3차원 공간에서 함수 $z = f(x, y)$는 하나의 곡면을 형성한다. 이때 $x$에 대한 편도함수는 변수 $y$를 상수로 고정하여 $xz$ 평면에 평행한 평면(즉, $y=k$인 평면)으로 곡면을 절단했을 때 나타나는 **단면 곡선의 접선 기울기**를 의미한다.

**[시각적 도식]**
- **곡면 $z=f(x,y)$** $\xrightarrow{\text{평면 } y=k \text{로 절단}}$ **2차원 곡선** $\xrightarrow{\text{특정 점에서의 접선}}$ **기울기 $\frac{\partial f}{\partial x}$**
- (상상도: 3차원 산 모양의 곡면을 $y$축에 수직인 칼로 잘랐을 때, 그 단면의 경사도가 바로 편도함수의 값임)

## 2. 수학적 표기법

편도함수는 일반적인 미분 기호인 $d$ 대신 '라운드 디'라고 읽는 $\partial$ 기호를 사용하여 구분한다.

| 표기법 | 읽는 법 | 설명 |
| :--- | :--- | :--- |
| $\frac{\partial f}{\partial x}$ | 라운드 $f$ 라운드 $x$ | 함수 $f$를 변수 $x$에 대해 편미분함 |
| $f_x$ | 에프 엑스 | 함수 $f$의 $x$에 대한 1차 편도함수 (첨자 표기법) |
| $\partial_x f$ | 파셜 엑스 에프 | 연산자 표기법으로, $x$ 방향의 미분 연산을 수행함 |
| $f_{xy}$ | 에프 엑스 와이 | $x$로 먼저 미분한 후, 그 결과를 다시 $y$로 미분함. $\frac{\partial}{\partial y}(\frac{\partial f}{\partial x})$와 같음 |

## 3. 계산 방법 및 예제

편도함수를 계산할 때는 **"미분 대상이 아닌 모든 변수는 숫자(상수)와 같다"**고 가정하는 것이 가장 중요하다.

### 예제: $f(x, y) = x^2 + 3xy + \sin(x)e^y$

**1) $x$에 대한 편미분 ($\frac{\partial f}{\partial x}$):**
$y$를 상수로 취급한다.
- $x^2 \to 2x$
- $3xy \to 3y$ (상수 $3y$가 곱해진 $x$의 미분)
- $\sin(x)e^y \to \cos(x)e^y$ (상수 $e^y$가 곱해진 $\sin(x)$의 미분)
$$\therefore f_x = 2x + 3y + \cos(x)e^y$$

**2) $y$에 대한 편미분 ($\frac{\partial f}{\partial y}$):**
$x$를 상수로 취급한다.
- $x^2 \to 0$ (상수항 미분)
- $3xy \to 3x$ (상수 $3x$가 곱해진 $y$의 미분)
- $\sin(x)e^y \to \sin(x)e^y$ (상수 $\sin(x)$가 곱해진 $e^y$의 미분)
$$\therefore f_y = 3x + \sin(x)e^y$$

## 4. 편미분 가능성과 연속성

다변수 함수에서도 **'[[전미분]] 가능 $\implies$ 연속'**이라는 명제는 성립한다. 하지만 다변수 함수에서는 **편미분 가능성이 연속성을 보장하지 않는다**는 중요한 차이점이 있다.

- **편미분 가능 $\not\implies$ 연속**: 특정 점 $(a, b)$에서 $x$ 방향과 $y$ 방향으로 각각 편미분이 가능하더라도, 그 점으로 접근하는 경로가 축 방향이 아닐 경우 극한값이 존재하지 않아 함수가 불연속일 수 있다.
- **전미분 가능 $\implies$ 연속**: 모든 방향으로의 변화율을 고려하는 '전미분'이 가능해야만 해당 점에서 함수가 연속임을 보장할 수 있다.

## 5. [[그라디언트]] (Gradient)

**그라디언트(Gradient)**란 다변수 함수의 모든 1차 편도함수를 성분으로 갖는 벡터 함수를 말하며, 기호 $\nabla$(나블라)를 사용하여 표기한다.

### 정의
함수 $f(x, y, z)$의 그라디언트는 다음과 같이 정의된다.
$$\nabla f = \left( \frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}, \frac{\partial f}{\partial z} \right) = f_x \mathbf{i} + f_y \mathbf{j} + f_z \mathbf{k}$$

### 성질
1. **최대 증가 방향**: $\nabla f$ 벡터는 함수 $f$의 값이 가장 가파르게 증가하는 방향을 가리킨다.
2. **법선 벡터**: 등치선(Level Curve) 또는 등치면(Level Surface)에 수직인 방향을 갖는다.

## 6. 고계 편도함수와 [[클레로의 정리]]

편도함수를 다시 미분하는 것을 **고계 편도함수(Higher-order Partial Derivative)**라고 한다.

### 혼합 편도함수
$x$로 미분한 후 $y$로 미분하는 경우($f_{xy}$)와 $y$로 미분한 후 $x$로 미분하는 경우($f_{yx}$)가 존재한다.

### 클레로의 정리 (Clairaut's Theorem)
함수 $f$의 2차 편도함수들이 연속이라면, 미분 순서에 상관없이 그 결과는 동일하다.
$$\frac{\partial^2 f}{\partial x \partial y} = \frac{\partial^2 f}{\partial y \partial x} \quad (f_{xy} = f_{yx})$$

## 7. 연쇄 법칙 (Chain Rule)

다변수 함수가 다른 변수에 의존하는 합성함수 형태일 때, 편도함수를 이용하여 미분하는 방법이다.

### 일반화된 공식
$z = f(x, y)$이고, $x$와 $y$가 다시 다른 변수 $u, v$의 함수($x = g(u, v), y = h(u, v)$)일 때, $z$의 $u$와 $v$에 대한 편도함수는 다음과 같다.
$$\frac{\partial z}{\partial u} = \frac{\partial z}{\partial x} \frac{\partial x}{\partial u} + \frac{\partial z}{\partial y} \frac{\partial y}{\partial u}$$
$$\frac{\partial z}{\partial v} = \frac{\partial z}{\partial x} \frac{\partial x}{\partial v} + \frac{\partial z}{\partial y} \frac{\partial y}{\partial v}$$

### 적용 사례 (단일 매개변수)
$z = f(x, y)$이고, $x = g(t), y = h(t)$일 때, $z$를 $t$에 대해 미분하면 다음과 같다.
$$\frac{dz}{dt} = \frac{\partial f}{\partial x} \frac{dx}{dt} + \frac{\partial f}{\partial y} \frac{dy}{dt}$$

**예시:** $z = x^2 + y^2$ 이고 $x = \cos(t), y = \sin(t)$ 일 때
1. $\frac{\partial z}{\partial x} = 2x, \quad \frac{\partial z}{\partial y} = 2y$
2. $\frac{dx}{dt} = -\sin(t), \quad \frac{dy}{dt} = \cos(t)$
3. $\frac{dz}{dt} = (2\cos t)(-\sin t) + (2\sin t)(\cos t) = 0$

## 8. 주요 활용 분야

- **경사하강법 (Gradient Descent)**: 머신러닝의 오차 함수(Loss Function)를 최소화하기 위해 그라디언트의 반대 방향으로 매개변수를 업데이트하는 최적화 알고리즘에 핵심적으로 사용된다.
- **[[전미분]] (Total Differential)**: 모든 독립 변수가 미세하게 변할 때 함수 값의 전체 변화량을 근사하는 데 사용된다.
- **물리학 및 공학**: 전자기학의 맥스웰 방정식, 유체역학의 나비에-스토크스 방정식 등 대부분의 물리 법칙이 편미분 방정식(PDE) 형태로 기술된다.
    - *예: 열전도 방정식 $\frac{\partial u}{\partial t} = \alpha \nabla^2 u$는 시간에 따른 온도 변화를 공간적 온도 분포의 편미분으로 설명한다.*
- **경제학**: 다른 조건이 일정할 때 한 변수만이 변하는 효과를 분석하는 '한계 분석(Marginal Analysis)'의 수학적 기초가 된다.
    - *예: 생산 함수 $Q = f(L, K)$에서 노동($L$)의 한계 생산성은 $\frac{\partial Q}{\partial L}$로 계산하여, 자본($K$)이 고정되었을 때 노동 투입 증가에 따른 생산량 변화를 분석한다.*

분류: 수학 / 미적분학 / 미분

AI 생성 콘텐츠 안내

이 문서는 AI 모델(gemma-4-31b)에 의해 생성된 콘텐츠입니다.

주의사항: AI가 생성한 내용은 부정확하거나 편향된 정보를 포함할 수 있습니다. 중요한 결정을 내리기 전에 반드시 신뢰할 수 있는 출처를 통해 정보를 확인하시기 바랍니다.

위키너와나