Riktningsderivata-kalkylator: formel, steg och lösta exempel
En kalkylator för riktningsderivata visar hur snabbt en funktion av flera variabler förändras i en bestämd punkt när du rör dig i en vald riktning, i stället för bara längs x- eller y-axeln. Den kombinerar funktionens gradient med en enhetsvektor och ger ett enda tal som talar om ifall funktionen växer, avtar eller är plan längs den vägen. Den här guiden går igenom formeln, de manuella stegen och två fullständigt lösta exempel med riktiga siffror så att du kan kontrollera vilken kalkylators svar som helst för hand — plus en förklaring till varför gradienten alltid pekar mot den brantaste ökningen.
Innehåll
- 01Vad är en riktningsderivata?
- 02Formeln för riktningsderivatan
- 03Hur fungerar en kalkylator för riktningsderivata?
- 04Steg för steg: beräkna en riktningsderivata för hand
- 05Löst exempel 1: riktningsderivata i en punkt
- 06Löst exempel 2: en riktningsderivata med tre variabler
- 07Varför ger gradienten riktningen för brantaste stigning?
- 08Vanliga misstag när du beräknar riktningsderivator
- 09Övningsuppgifter
- 10När behöver du en kalkylator för riktningsderivata?
Vad är en riktningsderivata?
En riktningsderivata mäter den momentana förändringshastigheten hos en funktion av flera variabler f(x, y) — eller f(x, y, z) — i en punkt, när du rör dig bort från punkten i en bestämd riktning som beskrivs av en enhetsvektor u. En partiell derivata tittar bara på rörelse parallellt med en axel, men riktningsderivatan låter dig ställa en mer allmän fråga: om jag tar ett steg bort från den här punkten längs exakt den här riktningen, hur snabbt förändras då funktionens värde? De två vanliga partiella derivatorna f_x och f_y är i själva verket bara specialfall av riktningsderivatan, tagna i riktningarna (1, 0) och (0, 1). Resultatet är alltid ett enda reellt tal, aldrig en vektor. Ett positivt värde betyder att funktionen växer när du rör dig i riktning u, ett negativt värde betyder att den avtar, och noll betyder att funktionen är momentant plan längs just den riktningen, även om den förändras i andra riktningar.
1. Hur den hänger ihop med partiella derivator
f_x och f_y beskriver förändring strikt längs x-axeln respektive y-axeln. En riktningsderivata D_u f generaliserar idén till vilken riktning u du än väljer, inklusive diagonala vägar.
2. Riktningen måste vara en enhetsvektor
För att formeln ska ge en verklig förändringshastighet per längdenhet måste u ha längden 1. Om du får en riktningsvektor som inte redan har längden 1 normerar du den först.
3. Resultatet är en skalär
D_u f är alltid ett enda tal — hur snabbt f förändras per enhetssteg i riktning u — aldrig en vektor eller en punkt.
Riktningsderivatan är den partiella derivatans mer flexibla syskon — den fungerar i vilken riktning som helst, inte bara längs axlarna.
Formeln för riktningsderivatan
För en deriverbar funktion f(x, y) ges riktningsderivatan i riktning av en enhetsvektor u = (u₁, u₂) av D_u f = ∇f · u = f_x·u₁ + f_y·u₂. För en funktion av tre variabler f(x, y, z) utvidgas den till D_u f = f_x·u₁ + f_y·u₂ + f_z·u₃. Gradienten ∇f är helt enkelt vektorn av alla första partiella derivator, utvärderade i den aktuella punkten.
1. Steg 1 — Bestäm gradienten
Beräkna ∇f = (f_x, f_y) för två variabler, eller (f_x, f_y, f_z) för tre.
2. Steg 2 — Ta fram en riktningsvektor
Utgå från den givna riktningsvektorn v, till exempel v = (3, 4).
3. Steg 3 — Normera den
Bestäm längden |v| = √(v₁² + v₂² + ...) och dividera sedan varje komponent med |v| för att få enhetsvektorn u = v ÷ |v|.
4. Steg 4 — Skalärprodukt
Multiplicera gradienten med u komponent för komponent och addera resultaten: D_u f = ∇f · u.
D_u f(x, y) = ∇f(x, y) · u — en skalärprodukt mellan gradienten och en riktad enhetsvektor.
Hur fungerar en kalkylator för riktningsderivata?
Bakom kulisserna utför en kalkylator för riktningsderivata precis samma fyra steg som en student gör för hand: den deriverar funktionen symboliskt för att få f_x, f_y och vid behov f_z, sätter in den givna punktens koordinater i varje partiell derivata, normerar riktningsvektorn till längden 1 och beräknar skalärprodukten mellan gradienten och enhetsvektorn. En välbyggd kalkylator visar dessutom gradientens längd, eftersom det talet är den största möjliga förändringshastigheten i punkten i någon riktning — en användbar referens när du rimlighetskontrollerar resultatet längs din specifika riktning. Bra verktyg flaggar också när den inmatade riktningsvektorn inte redan hade längden 1, så att du ser normeringssteget uttryckligen i stället för att tyst få ett "fel" svar för att steget hoppades över.
1. Tolka och derivera
Funktionen tolkas och dess symboliska partiella derivator beräknas en gång.
2. Sätt in punkten
Varje partiell derivata utvärderas i de specifika koordinaterna (a, b) eller (a, b, c) som du angav.
3. Normera och ta skalärprodukten
Riktningsvektorn skalas till längden 1 och multipliceras sedan skalärt med gradienten för att ge det slutgiltiga skalära svaret.
4. Visa den maximala förändringshastigheten
Gradientens egen längd visas vid sidan av resultatet, eftersom den motsvarar den brantaste möjliga ökningen i punkten.
En pålitlig kalkylator normerar alltid din riktningsvektor innan skalärprodukten beräknas — att hoppa över det steget är den vanligaste källan till fel svar.
Steg för steg: beräkna en riktningsderivata för hand
Innan vi går igenom fullständiga exempel är det bra att se hela processen sammanfattad som en checklista. Varje uppgift om riktningsderivata följer samma fem steg, oavsett hur funktionen eller punkten ser ut.
1. Steg 1
Bestäm f_x och f_y (samt f_z för tre variabler) genom vanlig partiell derivering.
2. Steg 2
Utvärdera gradienten i den specifika punkt som anges i uppgiften.
3. Steg 3
Normera den givna riktningsvektorn så att den får längden 1.
4. Steg 4
Beräkna skalärprodukten av gradienten och enhetsvektorn.
5. Steg 5
Tolka tecknet: positivt betyder växande, negativt betyder avtagande och noll betyder momentant plan i den riktningen.
Fem steg, varje gång: derivera, utvärdera, normera, skalärprodukt, tolka.
Löst exempel 1: riktningsderivata i en punkt
Bestäm riktningsderivatan av f(x, y) = x²y + 3xy² i punkten (1, 2) i riktning av v = (3, 4). Börja med de partiella derivatorna: f_x = 2xy + 3y² och f_y = x² + 6xy. I punkten (1, 2): f_x = 2(1)(2) + 3(2²) = 4 + 12 = 16 och f_y = 1² + 6(1)(2) = 1 + 12 = 13. Gradienten i (1, 2) är alltså ∇f(1, 2) = (16, 13). Normera sedan v = (3, 4). Längden är |v| = √(3² + 4²) = √25 = 5, så enhetsvektorn blir u = (3/5, 4/5). Ta till sist skalärprodukten: D_u f(1, 2) = 16(3/5) + 13(4/5) = 48/5 + 52/5 = 100/5 = 20. Eftersom värdet är positivt växer f med hastigheten 20 enheter per längdenhet när du rör dig från (1, 2) i riktningen (3, 4).
1. Derivera
f_x = 2xy + 3y², f_y = x² + 6xy.
2. Utvärdera i (1, 2)
f_x(1, 2) = 4 + 12 = 16, f_y(1, 2) = 1 + 12 = 13, alltså ∇f(1, 2) = (16, 13).
3. Normera v = (3, 4)
|v| = √(9 + 16) = 5, alltså u = (3/5, 4/5).
4. Skalärprodukt
D_u f = 16(3/5) + 13(4/5) = 100/5 = 20.
D_u f(1, 2) = 20 — funktionen växer med hastigheten 20 enheter per längdenhet i riktningen (3, 4).
Löst exempel 2: en riktningsderivata med tre variabler
Bestäm riktningsderivatan av f(x, y, z) = x² + y²z i punkten (2, 1, 3) i riktning av v = (1, -2, 2). De partiella derivatorna är f_x = 2x, f_y = 2yz och f_z = y². I (2, 1, 3): f_x = 2(2) = 4, f_y = 2(1)(3) = 6 och f_z = 1² = 1. Alltså är ∇f(2, 1, 3) = (4, 6, 1). Normera v = (1, -2, 2): |v| = √(1² + (-2)² + 2²) = √(1 + 4 + 4) = √9 = 3, vilket ger u = (1/3, -2/3, 2/3). D_u f = 4(1/3) + 6(-2/3) + 1(2/3) = 4/3 - 12/3 + 2/3 = -6/3 = -2. Det negativa resultatet betyder att f avtar med hastigheten 2 enheter per längdenhet när du rör dig från (2, 1, 3) i riktningen (1, -2, 2).
1. Derivera
f_x = 2x, f_y = 2yz, f_z = y².
2. Utvärdera i (2, 1, 3)
f_x = 4, f_y = 6, f_z = 1, alltså ∇f(2, 1, 3) = (4, 6, 1).
3. Normera v = (1, -2, 2)
|v| = √9 = 3, alltså u = (1/3, -2/3, 2/3).
4. Skalärprodukt
D_u f = 4/3 - 12/3 + 2/3 = -6/3 = -2.
En negativ riktningsderivata, som -2 här, betyder att funktionen avtar när du rör dig i den riktningen.
Varför ger gradienten riktningen för brantaste stigning?
Eftersom D_u f = ∇f · u = |∇f| |u| cos θ, och |u| = 1 per definition, förenklas formeln till D_u f = |∇f| cos θ, där θ är vinkeln mellan gradienten och din valda riktning. Cosinus är som störst — lika med 1 — exakt när θ = 0, det vill säga när u pekar i samma riktning som ∇f själv. Det innebär att den största möjliga riktningsderivatan i en punkt är lika med |∇f|, och att den uppnås just när du rör dig längs gradienten. I exempel 1 var gradienten i (1, 2) lika med (16, 13), med längden |∇f| = √(16² + 13²) = √(256 + 169) = √425 ≈ 20.62. Det är större än de 20 vi räknade fram längs (3, 4), vilket är rimligt — (3, 4) låg nära, men inte exakt i linje med, gradientens riktning. Rör du dig i exakt motsatt riktning, -∇f, får du den brantaste möjliga minskningen, lika med -|∇f|.
1. Skriv om skalärprodukten
D_u f = ∇f · u = |∇f| |u| cos θ = |∇f| cos θ, eftersom |u| = 1.
2. Hitta maximum
cos θ = 1 när θ = 0, så den maximala riktningsderivatan är lika med |∇f| och uppnås när u pekar längs gradienten.
3. Stäm av mot exempel 1
|∇f(1, 2)| = √425 ≈ 20.62, vilket mycket riktigt är större än D_u f = 20 som vi fick längs den icke-inriktade riktningen (3, 4).
4. Hitta minimum
Att röra sig längs -∇f ger den brantaste minskningen, lika med -|∇f|.
Gradienten pekar inte bara någonstans användbart — den pekar i exakt den riktning där ökningen är snabbast, och dess längd är just den hastigheten.
Vanliga misstag när du beräknar riktningsderivator
De flesta fel i uppgifter om riktningsderivator beror på att ett litet steg hoppas över eller används fel, inte på att själva deriveringen blir tokig. Håller du utkik efter dessa fem vanor fångar du merparten av misstagen innan de når fram till ett slutsvar.
1. Att glömma normeringen
Att sätta in en riktningsvektor som (3, 4) direkt i skalärprodukten utan att dividera med längden 5 ger ett svar som är fel med en skalfaktor.
2. Att utvärdera gradienten i fel punkt
De partiella derivatorna måste beräknas i exakt de koordinater som uppgiften anger — att återanvända en punkt från ett tidigare exempel är ett vanligt slarvfel.
3. Att blanda ihop f_x och f_y
Att skriva gradienten som (f_y, f_x) i stället för (f_x, f_y) byter vilken komponent som paras med vilken riktning och förstör skalärprodukten helt tyst.
4. Att förväxla en vinkel med en enhetsvektor
Om en riktning anges i grader måste den först omvandlas till en enhetsvektor, till exempel (cos θ, sin θ), innan den kan multipliceras skalärt med gradienten.
5. Att tappa minustecknet
En negativ riktningsderivata är ett giltigt och meningsfullt svar — det betyder att funktionen avtar i den riktningen — inte ett tecken på räknefel.
Det absolut vanligaste felet: att sätta in en riktningsvektor som (3, 4) direkt i skalärprodukten utan att först dividera med längden 5.
Övningsuppgifter
Prova de här två uppgifterna på egen hand och stäm sedan av mot facit nedan. Uppgift A: Bestäm riktningsderivatan av f(x, y) = 3x² - 2xy + y² i punkten (1, -1) i riktning av v = (4, 3). Uppgift B: Bestäm riktningsderivatan av f(x, y, z) = xyz i punkten (1, 2, 3) i riktning av v = (2, 2, 1).
1. Svar på uppgift A
f_x = 6x - 2y, f_y = -2x + 2y. I (1, -1): f_x = 6 + 2 = 8, f_y = -2 - 2 = -4, alltså ∇f = (8, -4). |v| = √(16 + 9) = 5, alltså u = (4/5, 3/5). D_u f = 8(4/5) + (-4)(3/5) = 32/5 - 12/5 = 4.
2. Svar på uppgift B
f_x = yz, f_y = xz, f_z = xy. I (1, 2, 3): f_x = 6, f_y = 3, f_z = 2, alltså ∇f = (6, 3, 2). |v| = √(4 + 4 + 1) = 3, alltså u = (2/3, 2/3, 1/3). D_u f = 6(2/3) + 3(2/3) + 2(1/3) = 4 + 2 + 2/3 = 20/3 ≈ 6.67.
Kontrollera ditt svar: skalärprodukten av gradienten och en enhetsvektor ska alltid bli ett enda reellt tal, aldrig en vektor.
När behöver du en kalkylator för riktningsderivata?
Riktningsderivator dyker upp så snart en storhet beror på fler än en variabel och du bryr dig om en specifik väg genom den, inte bara rörelse längs axlarna. I kurser i flervariabelanalys används de för att införa gradienten formellt, i fysikkurser för att beskriva hur temperatur-, tryck- eller potentialfält förändras längs en viss bana, och i kurser om maskininlärning återkommer samma skalärproduktsidé när man förklarar varför gradientnedstigning rör sig längs -∇f. En kalkylator är mest värdefull för att kontrollera räkningarna i en uppgift du redan har ställt upp för hand, särskilt när funktionen har många termer eller punkten innehåller bråk. För en snabb koll på läxan tar Solvifys lösare för riktningsderivata emot en funktion, en punkt och en riktningsvektor och visar sedan hela arbetet med gradient, normering och skalärprodukt så att du kan jämföra rad för rad med dina egna steg.
1. Läxor och tentaplugg
Kontrollera uppgiftsserier i flervariabelanalys eller Analys III inför ett prov.
2. Tillämpningar i fysik
Analysera hur temperatur-, tryck- eller potentialfält förändras i en viss riktning från en punkt.
3. Kurser i maskininlärning
Koppla skalärproduktformeln till varför stegen i gradientnedstigning går längs -∇f.
4. Röriga funktioner eller många variabler
Snabba upp repetitiv räkning när en funktion har många termer eller punkten innehåller bråk eller rotuttryck.
En kalkylator är mest användbar som kontroll, inte som ersättning — räkna algebran för hand först och bekräfta sedan siffrorna.
Relaterade artiklar
Kalkylator för partiella derivator: steg-för-steg-guide med lösta exempel
Gradienten som används i varje riktningsderivata byggs av samma partiella derivator som den här guiden går igenom.
Läxhjälp i statistik: centrala begrepp och lösta exempel
Fler lösta exempel och ett steg-för-steg-upplägg för att kontrollera dina egna beräkningar i olika matematikämnen.
Bästa AI-handledaren för tentaplugg
Tips på hur du använder en AI-handledare för att öva analys och andra STEM-ämnen inför ett prov.
Relaterade matematiklösare
Smart Scan-lösare
Ta ett foto av vilken uppgift i flervariabelanalys som helst och få en direkt genomgång steg för steg av gradienten och riktningsderivatan.
Steg-för-steg-lösningar
Få utförliga förklaringar till varje partiell derivata, normering och skalärprodukt — inte bara slutsvaret.
Stöd för flera ämnen
Lös uppgifter i matematisk analys, algebra, statistik, fysik, kemi och mycket mer.