Nu blir det riktigt spännande! Partiella derivator berättade hur funktioner förändras längs koordinataxlarna, men vad händer om vi vill veta förändringen i NÅGON riktning? Tänk dig att du står på en bergstopp och undrar i vilken riktning det är brantast nedför. Eller kanske du vill veta hur snabbt temperaturen förändras om du går nordost istället för bara norr eller öst. Det är här riktningsderivator kommer in!
Fördjupning
Riktningsderivatan generaliserar begreppet derivata till godtyckliga riktningar i rymden. Den berättar inte bara hur snabbt en funktion förändras, utan gör det för vilken riktning som helst. Detta leder oss till gradientvektorn - en av de viktigaste koncepten i multivariabelkalkyl som pekar i riktningen av maximal förändring.
Definition av riktningsderivata
Riktningsderivatan av f(x,y) i punkten (a,b) i riktning av enhetsvektorn û = (u₁, u₂) mäter hur snabbt f förändras när vi rör oss från (a,b) i riktning û.
![D_û f(a,b) = lim(t→0) [f(a+tu₁, b+tu₂) - f(a,b)]/t](/assets/bilder/ekvationer/ekv-partiell-derivata-definition.svg)
Beräkning med gradientvektorn
Det visar sig att riktningsderivatan kan beräknas enkelt med hjälp av gradientvektorn och skalärprodukten.
Praktisk beräkning
För f(x,y) = x² + y² i riktning û = (1/√2, 1/√2): D_û f = (2x, 2y) · (1/√2, 1/√2) = √2(x + y)
Gradientvektorn
Gradientvektorn ∇f = (∂f/∂x, ∂f/∂y) är en vektor som pekar i riktningen av maximal ökning av funktionen och vars längd ger hastigheten för denna ökning.
Maximal och minimal förändring
Riktningsderivatan är maximal när û pekar i samma riktning som ∇f, och minimal när û pekar i motsatt riktning.
Brantaste uppförsbacken
För att hitta brantaste vägen uppför ett berg, följ gradienten!
Vanliga misstag
❌ Använda icke-normaliserade riktningsvektorer
Riktningsvektorn û måste vara en enhetsvektor (längd 1) för att formeln D_û f = ∇f · û ska gälla
❌ Tro att gradienten alltid pekar 'uppåt'
Gradienten pekar i riktningen av maximal ÖKNING, vilket kan vara i vilken riktning som helst beroende på funktionen
❌ Förväxla riktningsderivata med partiell derivata
Partiella derivator är specialfall av riktningsderivator längs koordinataxlarna
Tillämpningar
Navigation och GPS
Gradienten av höjdfunktionen ger brantaste riktningen på berg
Optimering i maskininlärning
Gradient descent algoritmer följer negativa gradienten för att minimera kostnadsfunktioner
Värmeutbredning
Värme flödar i riktningen av negativa temperaturgradienten
Finansiell matematik
Gradienter används för att beräkna känslighet för portföljvärden
Övningar
Beräkna riktningsderivatan av f(x,y) = x² - y² i punkten (1,2) i riktning v = (3,4)
Tips
Normalisera först riktningsvektorn, beräkna sedan gradienten
Visa facit
- f(x,y) = x² - y², punkt (1,2), riktning v = (3,4)
- Normalisera v: |v| = √(3² + 4²) = 5
- û = v/|v| = (3/5, 4/5)
- Beräkna gradienten: ∇f = (2x, -2y)
- I punkten (1,2): ∇f(1,2) = (2, -4)
- D_û f = ∇f · û = (2, -4) · (3/5, 4/5) = 6/5 - 16/5 = -10/5 = -2
Svar: D_û f = -2
Hitta riktningen av maximal ökning för f(x,y) = xe^y i punkten (2,0)
Tips
Riktningen av maximal ökning är gradienten normaliserad
Visa facit
- f(x,y) = xe^y
- ∇f = (e^y, xe^y)
- I punkten (2,0): ∇f(2,0) = (e^0, 2e^0) = (1, 2)
- Längden: |∇f| = √(1² + 2²) = √5
- Riktningen av maximal ökning: û = ∇f/|∇f| = (1/√5, 2/√5)
Svar: Riktning: (1/√5, 2/√5), Maximal förändringshastighet: √5
En bergsfunktion är h(x,y) = 100 - x² - 2y². I vilken riktning från punkt (1,2) är lutningen noll?
Tips
Riktningar vinkelräta mot gradienten ger riktningsderivata noll
Visa facit
- h(x,y) = 100 - x² - 2y²
- ∇h = (-2x, -4y)
- I punkten (1,2): ∇h(1,2) = (-2, -8)
- För D_û h = 0 behöver û · ∇h = 0
- Detta betyder û ⊥ ∇h
- Vektorer vinkelräta mot (-2, -8) har formen (8, -2) eller (-8, 2)
- Normaliserade: û₁ = (8, -2)/√68 = (4/√17, -1/√17)
- eller û₂ = (-4/√17, 1/√17)
Svar: Riktningar: (±4/√17, ∓1/√17)
För f(x,y) = ln(x² + y²), visa att alla riktningsderivator i origo är odefinierade
Tips
Kontrollera om gradienten existerar i origo
Visa facit
- f(x,y) = ln(x² + y²)
- ∇f = (2x/(x² + y²), 2y/(x² + y²))
- I origo (0,0) blir nämnaren x² + y² = 0
- Gradienten är odefinierad i origo
- Eftersom riktningsderivatan beräknas som D_û f = ∇f · û
- och ∇f inte existerar i (0,0)
- är alla riktningsderivator odefinierade i origo
Svar: Alla riktningsderivator är odefinierade i origo
En temperaturfördelning är T(x,y) = 100 - x² - y². Om du står i punkt (3,4), i vilken riktning svalnar det snabbast och hur snabbt?
Tips
Snabbaste svalningen är i riktningen av -∇T
Visa facit
- T(x,y) = 100 - x² - y²
- ∇T = (-2x, -2y)
- I punkten (3,4): ∇T(3,4) = (-6, -8)
- Snabbaste svalningen är i riktning -∇T = (6, 8)
- Normaliserad: |(-6,-8)| = √(36 + 64) = 10
- Riktning: û = (6, 8)/10 = (3/5, 4/5)
- Hastigheten för svalning: |∇T| = 10
Svar: Riktning: (3/5, 4/5), Hastighet: 10 grader per längdenhet
Sammanfattning
Riktningsderivator mäter förändring i godtyckliga riktningar och beräknas som D_û f = ∇f · û. Gradientvektorn pekar i riktningen av maximal ökning och står vinkelrätt mot nivåkurvorna. Detta är fundamentalt för optimering, navigation och många fysikaliska tillämpningar.