Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Derivadas Direccionales
Derivadas Direccionales
I.T.I. de SISTEMAS.
h0
f( p + hv ) f( p )
h
v = ( v1 , v2 )
Para funciones de dos variables, un vector unitario v siempre se puede expresar de la forma
[ cos( ), sin( ) ] y hablaremos de la derivada direccional en la direccin correspondiente al
angulo . Se escribira: v = i cos( ) + j sin( ), y representa el angulo que forma el vector con
Page 1
fv ( x0, y0 ) = lim
h0
Notas.
-- Hay que resaltar que las derivadas parciales son casos particulares de las direccionales;
concretamente para los direcciones (1,0) y (0,1) respectivamente:
fx( p ) = f(1,0)( p )
fy( p ) = f(0,1)( p )
-- Es posible que exista la derivada parcial de f en p segun una direccin y que no exista en otra.
Interpretacin geometrica.
Si la funcin z = f(x,y) admite plano tangente en un punto p de su dominio, todas las derivadas
direccionales por dicho punto se encuentran sobre el plano tangente y los vectores v estan situados
en el dominio.
Page 2
El numero fv( x0, y0 ) nos da la pendiente de la recta tangente a la superficie por p = ( x0, y0
) , en la direccin del vector unitario v = [ cos( ), sin( ) ] y representa la tasa o razn de
cambio instantaneo de la funcin en la direccin del vector.
Page 3
Podemos expresar, si existe el plano tangente, que fv( p ) =cos( ) fx( p ) + sin( ) fy( p ),
expresin que se corresponde con el producto escalar de los vectores ( fx, fy) y (cos( ), sin( )
), donde el primero de ellos es especialmente interesante de modo que hablaremos de el de manera
inmediata: vector gradiente.
Ejemplo 1.
Calcular la derivada de f( x, y )= 1 x2 + 2 y2en el punto P = (1,-1) y la direccin v =( 3,4).
3 4
Como v no es unitario, dividimos por su mdulo => v = ( , ).
5 5
h3
h4
+ f( 1, 1 )
f 1 +
, 1 +
5
5
fv ( 1, 1 ) = lim
h
h0
h 3 2
h 4 2
22 h 23 h2
1 1 +
+
+ 2 1 +
2
5
25
25
22
= lim
=
= lim
h
h
5.
h0
h0
Usando el gradiente:
Entonces fx= -2x y fy= 4y de modo que en P queda:
(fx, fy)= (-2,-4) con lo que:
3 4
6 16
22
fv( P ) = ( , ) (-2,-4) =
= .
5 5
5
5
5
Y este camino es posible hacerlo ya que la funcion usada es diferenciable, admite plano tangente,
en cualquier punto de su dominio y por lo tanto en P.
Ejemplo 2.
Calcular la derivada de f( x, y )= 4 x2 y2en el punto P = [
=(
3 3 3 3
, , f , ] y la direccin v
4 4 4 4
).
2 2
> restart:f:=(x,y)->4-x^2-y^2;
f := ( x, y ) 4 x2 y2
> with(linalg):with(plottools):with(plots):
Warning, new definition for norm
Warning, new definition for trace
> f:=(x,y)->4-x^2-y^2;
v:=[cos(Pi/4),sin(Pi/4)];
p:=[3/4,3/4];P:=[3/4,3/4,f(3/4,3/4)];
print("_________________POR LA
DEFINICION__________________________");
Limit((f(3/4+h*cos(Pi/4),3/4+h*sin(Pi/4))-f(3/4,3/4))/h,h = 0);
Deriv_Direc_V:=limit((f(3/4+h*cos(Pi/4),3/4+h*sin(Pi/4))-f(3/4,3
Page 4
/4))/h,h = 0);
print("__________________POR EL
GRADIENTE_____________________________");
Gradiente:=grad(f(x,y),[x,y]);
Grad_en_V:=subs(x=3/4,y=3/4,%);
vector=v;
Deriv_Direc_V:=dotprod(Grad_en_V,v);
f := ( x, y ) 4 x2 y2
1
1
v :=
2,
2
2
2
3 3
p := ,
4 4
3 3 23
P := , ,
4 4 8
"_________________POR LA DEFINICION__________________________"
9
3 1
2
2 + h 2
8
4 2
lim
h
h0
Deriv_Direc_V :=
3
2
2
"__________________POR EL GRADIENTE_____________________________"
Gradiente := [ 2 x, 2 y ]
-3 -3
Grad_en_V := ,
2 2
1
1
vector =
2,
2
2
2
Deriv_Direc_V :=
3
2
2
Graficamente.
> superficie:=plot3d([x,y,f(x,y)],x=0..2,y=0..sqrt(4-x^2),
grid=[40,40],axes=normal,shading=zhue,style=patchnogrid,
color=aquamarine,linestyle=1,orientation=[6,76]):
plano:=plot3d([x,x,z],x=0..2.1,z=0..4.6,
style=wireframe,color=coral,linestyle=1):
curva:=spacecurve([x,x,f(x,x)],x=0..1.4,color=blue,thickness=3):
suelo:=spacecurve([x,x,0],x=0..2.4,color=tan,thickness=3):
recta_tang:=[3/4,3/4,f(3/4,3/4)]+t*[1,1,-3/sqrt(2)]:
R_tangente:=spacecurve(evalm(recta_tang),t=-1..1.4,color=red,thi
ckness=3):P_tangente:=plot3d([x,y,41/8-3/2*(x+y)],x=0..1.2,y=0..
Page 5
1.2,
style=wireframe,color=blue,linestyle=1):
rotulo:=textplot3d([0.73,0.73,3.1,`P `],color=black):
display([superficie,plano,curva,suelo,R_tangente,P_tangente,rotu
lo]);
Page 6
> ;
Veamos otro ejemplo hecho con Maple y de las dos maneras.
> restart:with(linalg):with(plottools):with(plots):
Warning, new definition for norm
Warning, new definition for trace
> f:=(x,y)->x+2*x*y-3*y^2;
v:=[cos(Pi/6),sin(Pi/6)];
p:=[1,2];
Limit((f(1+h*cos(Pi/6),2+h*sin(Pi/6))-f(1,2))/h,h = 0);
Deriv_Direc_V:=limit((f(1+h*cos(Pi/6),2+h*sin(Pi/6))-f(1,2))/h,h
= 0);
print("_________________________________________________________
__");
Gradiente:=grad(f(x,y),[x,y]);
Grad_en_V:=subs(x=1,y=2,%);
vector=v;
Deriv_Direc_V:=dotprod(Grad_en_V,v);
f := ( x, y ) x + 2 x y 3 y2
1
1
v :=
3 ,
2
2
p := [ 1, 2 ]
Page 7
8+
lim
h0
1
1
1
1 2
h 3 + 2 1 + h 3 2 + h 3 2 + h
2
2
2
2
h
Deriv_Direc_V := 5 +
5
3
2
"___________________________________________________________"
Gradiente := [ 1 + 2 y, 2 x 6 y ]
Grad_en_V := [ 5, -10 ]
1
1
vector =
3 ,
2
2
Deriv_Direc_V := 5 +
5
3
2
> ;
Vector gradiente.
Consideramos la funcin f( x, y ) de antes, diferenciable en todo su dominio.
Sabemos que df( p ) = fx( p ) dx + fy( p ) dy
Llamaremos vector gradiente de f en el punto p al vector:
El gradiente, como veremos mas adelante , es una componente de la diferencial de f puesto que
podemos ver que es el producto escalar:
df(p) = (fx( p ), fy p) (dx,dy).
Interpretacin geometrica.
Tambien, fv = fx v1+ fy v2 = producto escalar del vector gradiente por el vector direccin,
de modo que si es no nulo.
1) El vector gradiente, seala la direccin en que la derivada direccional es maxima; la
direccin sealada por el gradiente es la de maximo crecimiento de f(x,y) desde el punto p y
este valor maximo lo proporciona su mdulo ( pendiente maxima).
2) La direccin de minimo crecimiento de f desde p ser la sealada por el vector opuesto al
anterior: - Grad f( p ).
3) La derivada direccional es nula en direccion perpendicular al gradiente.
Veamos: si es el angulo que forman los vectores Grad( f ) =[ fx( P ), fy( P ) ] y v = [ v1,v2],
unitario, sabemos que: fv( P )= [ fx( P ), fy( P )Page
] [ v81,v2]
Como hemos visto, las derivadas parciales son casos particulares de las direccionales, asi tambien
podemos interpretarlas como la tasa o razn de cambio instantaneo de la funcin en la direccin en
que derivemos, por ejemplo:
2.- Un depsito de forma de cilindro recto tiene 2 metros de radio por 3 de altura, queremos
conocer la tasa de cambio de su volumen respecto del radio y despues respecto de su altura.
El volumen del cilindro es V = r2 h y el volumen con las dimensiones dadas es de 12 m3.
Nos proponemos medir la variacin de este volumen al aumentar, primero su radio y despues su
altura, para ver que nos interesa mas modificar para aumentar su capacidad.
Vr = 2 r h , de modo que para r = 2 y h = 3 la tasa de crecimiento en la linea del radio ser: Vr(2,3)
= 12 .
Vh= r2, de modo que para r = 2 y h = 3 la tasa de crecimiento en la linea de la altura ser : Vh (2,3)
= 4 .
Page 9
En el primer caso, el volumen aumenta a razn de 12 metros cubicos por metro de aumento de
radio mientras que en el segundo lo hace a razn de 4 metros cubicos por metro de altura.
> restart:with(linalg):with(plottools):with(plots):
Warning, new definition for norm
Warning, new definition for trace
Ejercicio 1.
Calcular la derivada direccional de la funcin f( x, y ) = 20 + x y en el punto (1,2) segun la
3 4
direccin del vector , .
5 5
Calcular el vector gradiente y dar la direccin en la que f crece mas rapidamente.
> f:=(x,y)->20+x*y;
v:=[3/5,4/5];
p:=[1,2];
LIM_DIREC_V:=limit((f(1+h*3/5,2+h*4/5)-f(1,2))/h,h = 0);
f := ( x, y ) 20 + x y
3 4
v := ,
5 5
p := [ 1, 2 ]
LIM_DIREC_V := 2
La direccin de mayor creciniento de f desde p la marca la direccin del vector gradiente.
> Gradiente:=grad(f(x,y),[x,y]);
Grad_en_P:=subs(x=1,y=2,%);
Gradiente := [ y, x ]
Grad_en_P := [ 2, 1 ]
Si nos apoyamos en el vector gradiente, para obtener el mismo resultado, podemos hacer:
> dotprod(Grad_en_P,v);
2
La grafica de f sera.
> plot3d(f(x,y),x=-3..3,y=-3..3,axes=normal,orientation=[101,78]);
Page 10
Si le aadimos las curvas de nivel podremos comprender mejor cmo es la superficie, recuerda que
las flechas del gradiente sealan la direccin de maximo crecimiento.
Teorema:
Si f(x,y) es una funcin diferenciable en (a,b) y su gradiente no es nulo, el vector gradiente en
(a,b) es ortogonal a la curva de nivel que pase por el punto.
Como se puede apreciar en el grafico.
> Curvas_Nivel:=contourplot(f(x,y),x=-3..3,y=-3..3,contours=15,num
points=1300,color=orange):
display({Campo_Grad,Curvas_Nivel});
Page 12
Por ltimo, representamos el dominio y, sobre l, el vector gradiente que seala la direccin de mxima
pendiente, mximo crecimiento.
Page 13
> rect:=plot([[-3,-3],[3,-3],[3,3],[-3,3],[-3,-3]],x=-5..5,y=-5..5
):
a1:=arrow([1,2],[3,3],0.06,0.3,0.1,color= green):
display(rect,a1,scaling=constrained);
> Superficie:=plot3d([x,y,f(x,y)],x=0..4,y=0..4,color=red):
Plano_Tang:=plot3d([x,y,18+2*x+y],x=-1..4,y=-1..4,
style=wireframe,shading=none,grid=[15,15],axes=none,color=blue,s
tyle=PATCHNOGRID,
shading=none,thickness=1):
Vect_grad:= arrow([1,2,22],[3,3,27],0.2,0.4,0.4,color=black):
display({Superficie,Plano_Tang,Vect_grad},axes=framed,orientatio
n=[20,75]);
Page 14
Ejercicio 2.
Un esquiador se encuentra en el punto P = ( -1,2,-14) de una montaa que responde a la
ecuacin f(x,y)= 2 x2 4 y2. Que direccin debe tomar para descender lo mas rapidamente
posible?
> restart:with(linalg):with(plottools):with(plots):
Warning, new definition for norm
Warning, new definition for trace
> f:=(x,y)->2*x^2-4*y^2;
Gradiente:=grad(f(x,y),[x,y]);
Grad_en_P:=subs(x=-1,y=2,%);
f := ( x, y ) 2 x2 4 y2
Gradiente := [ 4 x, 8 y ]
Grad_en_P := [ -4, -16 ]
Por lo tanto debemos tomar la direccin opuesta a la que seala el vector gradiente: V= (4,16) o
(1,4)
Ejercicio 3.
El nivel de radiaciones txicas existente en cierto territorio lo cuantifica la frmula f (x,y)=
3 x2 5 y2. Si un individuo esta situado en el punto de coordenadas (-1,1) del territorio, en
qu direccin se hace maximo el riesgo y cual es su tasa de crecimiento? hacia donde debe
correr para disminuirlo al maximo ?
Page 15
> restart:with(linalg):with(plottools):with(plots):
g:=(x,y)->3*x^2-5*y^2;
Gradiente:=grad(g(x,y),[x,y]);
Grad_en_P:=subs(x=-1,y=1,%);
print("El riesgo maximo lo corre si avanza en la direccin del
gradiente");
print("El riesgo
del gradiente");
se minimiza
g := ( x, y ) 3 x2 5 y2
Gradiente := [ 6 x, 10 y ]
Grad_en_P := [ -6, -10 ]
"El riesgo mximo lo corre si avanza en la direccin del gradiente"
"El riesgo se minimiza si corre en la direccin opuesta del gradiente"
> Tasa:=sqrt((-6)^2+(-10)^2);
Tasa := 2 34
Ejercicio 4.
x3 y2
en el punto ( -3,5) y en la
3
2
direccion del vector que forma 60 con la parte positiva del eje de abscisas.
> restart:with(linalg):with(plottools):with(plots):
V1:=cos(pi/3)=1/2;V2:=sin(pi/3)=sqrt(3)/2;V:=[1/2,sqrt(3)/2];
Determinar la derivada direccional de la funcion f =
1 1
V1 := cos =
3 2
1 1
V2 := sin =
3
3 2
1 1
V := ,
3
2 2
>
g:=(x,y)->(1/3)*x^2+(1/2)*y^2;
Gradiente:=grad(g(x,y),[x,y]);
Grad_en_P:=subs(x=-3,y=5,%);
1
1
g := ( x, y ) x2 + y2
3
2
Page 16
Gradiente := x, y
3
Grad_en_P := [ -2, 5 ]
> fv_P:=dotprod(Grad_en_P,V)=evalf(%);
fv_P := 1 +
5
3 = 3.330127020
2
Ejercicio 5.
Una gota de agua se deposita en el punto (0,0) de la superficie de ecuacion
S( x, y ) = ex cos( y ) + ey cos( x ) en que direccion correra.
> restart:with(linalg):with(plottools):with(plots):
S:=(x,y)-> exp(x)*cos(y)+exp(y)*cos(x);
Gradiente:=grad(S(x,y),[x,y]);
Grad_en_P:=evalf(subs(x=0,y=0,%));
"Se desliza en la direccion: V=(-1,-1)";
S := ( x, y ) ex cos( y ) + ey cos( x )
Gradiente := [ ex cos( y ) ey sin( x ), ex sin( y ) + ey cos( x ) ]
Grad_en_P := [ 1., 1. ]
"Se desliza en la direccion: V=(-1,-1)"
Ejercicio 6.
Dada la funcin f( x, y ) = x y , calcular el vector gradiente por el punto P = ( 3,2 ) y
demuestra que es ortogonal a la curva de nivel que pasa por dicho punto.
> restart:with(linalg):with(plottools):with(plots):
f:=(x,y)-> x*y;
Gradiente:=grad(f(x,y),[x,y]):
Grad_en_P:=evalf(subs(x=3,y=2,%));
Warning, new definition for norm
Warning, new definition for trace
f := ( x, y ) x y
Grad_en_P := [ 2., 3. ]
La curva de nivel que pasa por P (3,2) es:
6
z = 3x2 = 6 =>x y = 6 o lo que es lo mismo y = .
x
para encontrar la recta tangente a dicha curva de buscamos su pendiente:
6
2
2
y`= 2 de modo que en P sera: m =
=> y 2 = ( x 3 ). Esta recta tangente, tiene
3
3
x
por vector director U = (3, -2) claramente ortogonal al vector gradiente ( producto escalar nulo) lo
que prueba la ortogonalidad del gradiente y la curva de nivel correspondiente.
Ejercicio 7.
Page 17
f := ( x, y ) arctan( x2 + y2 )
p := [ 1, -2 ]
"Apartado a)___________________________________________________"
v1 := [ 0, 1 ]
LIM_DIREC_V :=
-2
13
"Apartado b)___________________________________________________"
v2 := [ 1, 0 ]
LIM_DIREC_V :=
1
13
"Apartado c)___________________________________________________"
3
1
v1 :=
10 ,
10
10
10
LIM_DIREC_V :=
Page 18
1
10
26
Ejercicio 8.
Calcular todas las derivadas direccionales de f( x, y ) = x2 + y2 en el punto P = (1,2),
distinguir entre ellas las derivadas parciales.
> restart:with(linalg):with(plottools):with(plots):
f:=(x,y)->(x^2+y^2);
v:=[cos(theta),sin(theta)];
p:=[1,2];
Limit((f(1+h*cos(theta),2+h*sin(theta))-f(1,2))/h,h = 0);
Deriv_Direc_V:=limit((f(1+h*cos(theta),2+h*sin(theta))-f(1,2))/h
,h = 0);
"_______________________________________________________________
________________";
fx(P):=subs(theta=0,Deriv_Direc_V)=2;fy(P):=subs(theta=pi/2,Deri
v_Direc_V)=4;
Warning, new definition for norm
Warning, new definition for trace
f := ( x, y ) x2 + y2
v := [ cos( ), sin( ) ]
p := [ 1, 2 ]
( 1 + h cos( ) )2 + ( 2 + h sin( ) )2 5
lim
h
h0
Deriv_Direc_V := 2 cos( ) + 4 sin( )
"___________________________________________________________________________\
____"
fx( P ) := 2 cos( 0 ) + 4 sin( 0 ) = 2
1
1
fy( P ) := 2 cos + 4 sin = 4
2
2
es cierto que el gradiente me seala la direccion de maximo crecimiento?
La derivada direccional en cualquier direccion , es una funcion de :
G( ) = 2 cos( ) + 4 sin( ).
Derivamos G`= 2 sin( ) + 4 cos( ) si igualamos a 0 y resolvemos: los valores que hacen
maximo o minimo el valor de la derivada direccional son:
1
2
; sin( )= (-,+)
; que sealaran la maxima y la minima pendientes, fijate
cos( )= (-,+)
5
5
1
2
que el vector gradiente es: (2,4) cuyo unitario es (
,
)
5
5
Solo falta probar que efectivamente es esta la que seala la pendiente maxima; segunda
derivada......, etc , etc.
Page 19
Ejercicio 9.
Queremos saber si partiendo del origen de coordenadas, la funcion f( x, y ) = ey + ( y + 1 ) ex
crece mas rapidamente en la direccion del eje OX o del OY.
> f:=(x,y)->exp(y)+(y+1)*exp(x) ;
print(`DERIVADAS PARCIALES y su valor en (0,0).`);
fx:=D[1](f);
fy:=D[2](f);
fx_p:=D[1](f)(0,0);
fy_p:=D[2](f)(0,0);
f := ( x, y ) ey + ( y + 1 ) ex
DERIVADAS PARCIALES y su valor en (0,0).
fx := ( x, y ) ( y + 1 ) ex
fy := ( x, y ) ey + ex
fx_p := 1
fy_p := 2
Este resultado nos dice que en la direccion de OX crece con tasa de creciniento 1 mientras que en
la direccion OY con el doble.
FIN
Page 20