方向导数计算器：公式、步骤与例题详解
方向导数计算器可以求出多元函数在某一点沿着你指定方向的变化速度，而不只是沿 x 轴或 y 轴方向的变化率。它把函数的梯度与一个单位向量结合起来，最终返回一个数值，告诉你函数沿这条路径是在增大、减小还是保持不变。本文将完整讲解方向导数公式、手算步骤，以及两个带真实数字的完整例题，让你能手动验证任何计算器的输出结果；此外还会解释为什么梯度方向总是指向函数增长最快的方向。
目录
什么是方向导数？
方向导数衡量的是多元函数 f(x, y)（或 f(x, y, z)）在某一点处，沿着由单位向量 u 所描述的特定方向移动时的瞬时变化率。偏导数只考察平行于某一坐标轴的移动，而方向导数则回答一个更一般的问题：如果我从这一点沿着这个确切方向迈出一步，函数值的变化有多快？事实上，两个普通偏导数 f_x 和 f_y 只是方向导数的特例，分别对应方向 (1, 0) 和 (0, 1)。 计算结果永远是一个实数，而不是向量。结果为正表示沿方向 u 移动时函数递增；为负表示函数递减；为零则说明函数沿该特定方向暂时保持平坦，即使它在其他方向上仍在变化。
1. 它与偏导数的关系
f_x 和 f_y 只描述严格沿 x 轴和 y 轴方向的变化。方向导数 D_u f 把这一思想推广到你所选择的任意方向 u，包括各种斜向路径。
2. 方向必须是单位向量
要让公式给出真正意义上「每单位距离的变化率」，u 的长度必须为 1。如果题目给出的方向向量长度不是 1，就要先做单位化处理。
3. 结果是一个标量
D_u f 永远是一个数值——表示沿方向 u 每前进一个单位时 f 的变化快慢——绝不会是向量或点。
方向导数是偏导数更灵活的「兄弟」——它适用于任意方向，而不只限于坐标轴方向。
方向导数公式
对可微函数 f(x, y)，沿单位向量 u = (u₁, u₂) 方向的方向导数为 D_u f = ∇f · u = f_x·u₁ + f_y·u₂。对于三元函数 f(x, y, z)，公式扩展为 D_u f = f_x·u₁ + f_y·u₂ + f_z·u₃。梯度 ∇f 就是由所有一阶偏导数组成的向量，并在所考察的点上取值。
1. 第 1 步 —— 求梯度
二元函数计算 ∇f = (f_x, f_y)，三元函数则计算 (f_x, f_y, f_z)。
2. 第 2 步 —— 取得方向向量
从题目给出的方向向量 v 开始，例如 v = (3, 4)。
3. 第 3 步 —— 单位化
先求模长 |v| = √(v₁² + v₂² + ...)，再把每个分量除以 |v|，得到单位向量 u = v ÷ |v|。
4. 第 4 步 —— 求点积
把梯度与 u 逐分量相乘再求和：D_u f = ∇f · u。
D_u f(x, y) = ∇f(x, y) · u —— 梯度与单位方向向量之间的点积。
方向导数计算器是怎么工作的？
在后台，方向导数计算器执行的正是学生手算时的那四个步骤：对函数做符号求导得到 f_x、f_y（必要时还有 f_z）；把给定点的坐标代入每个偏导数；把方向向量单位化为长度 1；最后计算梯度与该单位向量的点积。做得好的计算器还会显示梯度的模长，因为这个数值等于该点在所有方向上可能达到的最大变化率——用它来检验你沿特定方向算出的结果是否合理非常有用。 优秀的工具还会提示你输入的方向向量原本长度不为 1，这样你就能明确看到单位化这一步，而不是因为漏掉它而得到一个「悄无声息就错了」的答案。
1. 解析并求导
工具先解析函数表达式，一次性算出它的符号偏导数。
2. 代入指定点
把你提供的具体坐标 (a, b) 或 (a, b, c) 代入每个偏导数求值。
3. 单位化并求点积
把方向向量缩放为长度 1，再与梯度做点积，得到最终的标量答案。
4. 显示最大变化率
结果旁边会一并给出梯度自身的模长，因为它代表该点上可能达到的最陡增长率。
可靠的计算器在做点积之前一定会先单位化你的方向向量——省略这一步是错误答案最常见的来源。
分步演示：手算方向导数
在做完整例题之前，先把整个流程整理成一份清单会很有帮助。无论函数或点如何变化，每一道方向导数题目都遵循同样的五步路径。
1. 第 1 步
用普通的偏微分方法求出 f_x 和 f_y（三元函数还要求 f_z）。
2. 第 2 步
在题目给定的具体点上计算梯度的值。
3. 第 3 步
把给定的方向向量单位化，使其长度为 1。
4. 第 4 步
计算梯度与单位向量的点积。
5. 第 5 步
解读符号：为正表示递增，为负表示递减，为零表示沿该方向暂时保持平坦。
每次都是这五步：求导、代值、单位化、求点积、解读结果。
例题 1：求某点处的方向导数
求函数 f(x, y) = x²y + 3xy² 在点 (1, 2) 处沿方向 v = (3, 4) 的方向导数。 首先求偏导数：f_x = 2xy + 3y²，f_y = x² + 6xy。在点 (1, 2) 处：f_x = 2(1)(2) + 3(2²) = 4 + 12 = 16，f_y = 1² + 6(1)(2) = 1 + 12 = 13。因此点 (1, 2) 处的梯度为 ∇f(1, 2) = (16, 13)。 接着把 v = (3, 4) 单位化。它的模长为 |v| = √(3² + 4²) = √25 = 5，所以单位向量是 u = (3/5, 4/5)。 最后计算点积：D_u f(1, 2) = 16(3/5) + 13(4/5) = 48/5 + 52/5 = 100/5 = 20。由于结果为正，说明从点 (1, 2) 沿方向 (3, 4) 移动时，f 以每单位距离 20 个单位的速度递增。
1. 求导
f_x = 2xy + 3y²，f_y = x² + 6xy。
2. 在 (1, 2) 处取值
f_x(1, 2) = 4 + 12 = 16，f_y(1, 2) = 1 + 12 = 13，因此 ∇f(1, 2) = (16, 13)。
3. 单位化 v = (3, 4)
|v| = √(9 + 16) = 5，因此 u = (3/5, 4/5)。
4. 求点积
D_u f = 16(3/5) + 13(4/5) = 100/5 = 20。
D_u f(1, 2) = 20 —— 沿方向 (3, 4) 每移动一个单位距离，函数值增加 20 个单位。
例题 2：三元函数的方向导数
求函数 f(x, y, z) = x² + y²z 在点 (2, 1, 3) 处沿方向 v = (1, -2, 2) 的方向导数。 各偏导数为 f_x = 2x，f_y = 2yz，f_z = y²。在 (2, 1, 3) 处：f_x = 2(2) = 4，f_y = 2(1)(3) = 6，f_z = 1² = 1。因此 ∇f(2, 1, 3) = (4, 6, 1)。 把 v = (1, -2, 2) 单位化：|v| = √(1² + (-2)² + 2²) = √(1 + 4 + 4) = √9 = 3，得到 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。结果为负，说明从点 (2, 1, 3) 沿方向 (1, -2, 2) 移动时，f 以每单位距离 2 个单位的速度递减。
1. 求导
f_x = 2x，f_y = 2yz，f_z = y²。
2. 在 (2, 1, 3) 处取值
f_x = 4，f_y = 6，f_z = 1，因此 ∇f(2, 1, 3) = (4, 6, 1)。
3. 单位化 v = (1, -2, 2)
|v| = √9 = 3，因此 u = (1/3, -2/3, 2/3)。
4. 求点积
D_u f = 4/3 - 12/3 + 2/3 = -6/3 = -2。
方向导数为负（例如这里的 -2），意味着沿该方向移动时函数值在减小。
为什么梯度指向最速上升的方向？
由于 D_u f = ∇f · u = |∇f| |u| cos θ，而根据定义 |u| = 1，公式可简化为 D_u f = |∇f| cos θ，其中 θ 是梯度与你所选方向之间的夹角。余弦值在 θ = 0 时取到最大值 1，也就是说 u 与 ∇f 本身方向一致。这意味着任意一点上方向导数的最大可能值等于 |∇f|，而且恰好在沿梯度方向移动时取到。 在例题 1 中，点 (1, 2) 处的梯度是 (16, 13)，模长 |∇f| = √(16² + 13²) = √(256 + 169) = √425 ≈ 20.62。这个值大于我们沿 (3, 4) 方向算出的 20，这完全合理——(3, 4) 接近梯度方向，但并未与之完全重合。沿着完全相反的方向 -∇f 移动，则得到最陡的下降率，等于 -|∇f|。
1. 改写点积
D_u f = ∇f · u = |∇f| |u| cos θ = |∇f| cos θ，因为 |u| = 1。
2. 求最大值
θ = 0 时 cos θ = 1，因此方向导数的最大值等于 |∇f|，在 u 沿梯度方向时取到。
3. 用例题 1 验证
|∇f(1, 2)| = √425 ≈ 20.62，确实大于沿非对齐方向 (3, 4) 算出的 D_u f = 20。
4. 求最小值
沿 -∇f 方向移动得到最陡的下降率，等于 -|∇f|。
梯度不只是随便指向某个有用的方向——它精确指向增长最快的方向，而它的长度就是这个最快变化率。
计算方向导数时的常见错误
方向导数题目中的大多数错误，并非源于微积分本身算错，而是因为漏掉或用错了某个小步骤。留意下面这五个习惯，就能在得出最终答案之前排除绝大部分错误。
1. 忘记单位化
把像 (3, 4) 这样的方向向量不除以其长度 5 就直接代入点积，会让答案相差一个比例因子。
2. 在错误的点上计算梯度
偏导数必须代入题目给出的精确坐标——沿用前一道例题中的点是很常见的疏漏。
3. 混淆 f_x 与 f_y
把梯度写成 (f_y, f_x) 而不是 (f_x, f_y)，会让各分量与方向分量错位配对，悄悄地毁掉整个点积结果。
4. 把角度当成单位向量
如果方向是以角度给出的，必须先转换成单位向量，例如 (cos θ, sin θ)，然后才能与梯度做点积。
5. 漏掉负号
方向导数为负是一个有效且有意义的答案——它表示函数沿该方向递减——并不代表算术出了错。
最常见的一个错误：把像 (3, 4) 这样的方向向量不先除以长度 5，就直接代入点积计算。
练习题
先自己尝试下面这两道题，然后再对照后面的答案检查你的解法。 题目 A：求函数 f(x, y) = 3x² - 2xy + y² 在点 (1, -1) 处沿方向 v = (4, 3) 的方向导数。 题目 B：求函数 f(x, y, z) = xyz 在点 (1, 2, 3) 处沿方向 v = (2, 2, 1) 的方向导数。
1. 题目 A 的答案
f_x = 6x - 2y，f_y = -2x + 2y。在 (1, -1) 处：f_x = 6 + 2 = 8，f_y = -2 - 2 = -4，因此 ∇f = (8, -4)。|v| = √(16 + 9) = 5，所以 u = (4/5, 3/5)。D_u f = 8(4/5) + (-4)(3/5) = 32/5 - 12/5 = 4。
2. 题目 B 的答案
f_x = yz，f_y = xz，f_z = xy。在 (1, 2, 3) 处：f_x = 6，f_y = 3，f_z = 2，因此 ∇f = (6, 3, 2)。|v| = √(4 + 4 + 1) = 3，所以 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。
检查你的解答：梯度与单位向量的点积结果永远应该是一个实数，而不是向量。
什么时候需要用方向导数计算器？
只要某个量依赖于多个变量，而你关心的是其中一条特定路径而非沿坐标轴的移动，方向导数就会派上用场。多元微积分课程用它来正式引入梯度概念；物理课程用它来描述温度场、压强场或势场沿特定轨迹的变化；机器学习课程在解释梯度下降为什么沿 -∇f 方向移动时，也用到同样的点积思想。计算器最有价值的用途，是核对你已经手动列好式子的题目的算术结果，尤其当函数项数较多或者点的坐标含有分数时。 想快速检查作业，可以用 Solvify 的方向导数求解器：输入函数、点和方向向量，它会完整展示梯度、单位化和点积的推导过程，方便你逐行比对自己的步骤。
1. 作业与考试练习
在考试前核对微积分 III 或多元微积分的习题集。
2. 物理应用
分析温度场、压强场或势场从某一点出发沿特定方向的变化情况。
3. 机器学习课程
把点积公式与梯度下降为何沿 -∇f 方向迭代联系起来。
4. 复杂或多变量函数
当函数项数很多、或点的坐标含有分数或根式时，加快重复性的算术运算。
计算器最适合作为检查工具，而不是替代品——先手动完成代数推导，再用它确认算术结果。
相关文章
相关数学解题工具
智能扫描求解器
拍下任意多元微积分题目，立即获得梯度与方向导数的分步解析。
分步解题过程
每一个偏导数、单位化和点积都有详细讲解，而不只是给出最终数字。
多学科支持
涵盖微积分、代数、统计、物理、化学等多个学科的题目求解。