Introduccin al Calculo Infinitesimal.

I.T.I. de SISTEMAS.

Funciones reales de varias variables reales.-

4.3.- DERIVADAS DIRECCIONALES ; VECTOR

GRADIENTE.Derivada de una funcin en una direccin dada.
Sea f(x,y) una funcin definida en un dominio D incluido en R2.
Dado un vector unitario v, la derivada de f en un punto p, en la direccin de v, se define por:
f( p + hv ) f( p )
.
fv( p ) = lim
h
h0
Este limite se puede calcular directamente si f se define como funcin de una variable vectorial. Si
se define como funcin de varias variables escalares, sera necesario escribir la expresin del limite
en esta forma: f( a1, .., an ) en lugar de f(a), de modo que si lo aplicamos a una funcin de dos
variables sera:
fv( x0, y0 ) = lim

h0

f( p + hv ) f( p )
h

siendo p=( x0, y0 )

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

la parte positiva del eje de abscisas.

Si f (x,y) es una funcin de dos variables y v = [ cos( ), sin( ) ] una direccin dada, la
derivada de f en la direccin de v sera:
f( x + h cos( ), y + h sin( ) ) f( x, y )
, si dicho limite existe y es finito.
h

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]);

Consideramos la superficie en el primer octante, que es donde esta el punto considerado.

De azul, el plano tangente a la superficie por P, que contiene a la recta de color rojo.
De rojo, la recta tangente a la superficie por P y en la direccion de V; es decir la recta tangente a la
curva de azul.
La curva de azul, que es la interseccion de la superficie en el plano, naranja, que pasando por P
tiene por vectores directores V y (0,0,1)= direccion del eje OZ.
En definitiva, fv( P ) es la pendiente ( tangente trigonometrica de la recta roja con la parte positiva
de la recta marron ) de la recta de color rojo.
> display([superficie,curva,suelo,R_tangente,rotulo],orientation=[
-9,79]);

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:

Grad f(p) = ( fx( p ), fy( p ))

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]

de modo que, el valor absoluto de la derivada direccional:

| fv( P ) | = || Grad(f) || || v || Cos () = || Grad(f) || 1 Cos () = || Grad(f) ||
Cos ()
por lo tanto el valor maximo de | fv( P ) | se dara cuando Cos () =1; es decir cuando Grad(f) y v
tengan la misma direccion.
Cuando necesitamos conocer la direccin en la que la funcin f( x, y ) crece mas rapidamente,
buscaremos el vector gradiente que nos sealara la direccin de maxima pendiente y si calculamos
su mdulo, dicho numero mide la tasa de dicho crecimiento.
4) Si Grad(f) = 0 en un punto P, entonces todas las derivadas direccionales en P son cero sea
cual sea la direccion v.
Ejemplos.
1.- La temperatura medida en grados sobre la superficie de una placa metalica esta dada
por la funcin T( x, y ) = 20 4 x2 y2donde x e y se miden en centimetros, si nos situamos en
el punto P= (2, -3) en qu direccin crece mas rapidamente la temperatura? cual es su tasa
de crecimiento?
fx= -8x ; fy = -2y ; luego Grad f (P) = ( -16 , 6) = direccin de crecimiento maximo.
2
Su mdulo: Mod = ( 16 )2 + 6 = 292 = tasa de crecimiento => la tempertura aumenta 17,
09 grados por centimetro que avanzemos en dicha direccin.

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

El campo de vectores gradientes de f, sera:

> gradplot(f(x,y),x=-3..3,y=-3..3,scaling=constrained);

Con menos densidad de vectores para que se aprecie mejor:

> Campo_Grad:=gradplot(f(x,y),x=-3..3,y=-3..3,scaling=constrained,
arrows=slim,
grid=[10,10]):
Campo_Grad;
Page 11

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

Ahora representamos la superficie .

> Superficie:=plot3d([x,y,f(x,y)],x=-3..3,y=-3..3):
Dominio:=plot3d([x,y,0],x=-3..3,y=-3..3,style=PATCHNOGRID,color=
yellow):
display([Superficie,Dominio],axes=framed,orientation=[101,78]);

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

si corre en la direccin opuesta

Warning, new definition for norm

Warning, new definition for trace

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 =

Warning, new definition for norm

Warning, new definition for trace

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

Calcular las derivadas direccionales de f( x, y ) = arctan( x2 + y2 ) en el punto P = (1,-2) en la

direccion marcadas por las rectas:
a) x = 0, b) y =0 , c) y = 3 x 5.
La direccion de la recta x =0 es (0,1), la de la recta y = 0 es (1,0) y la de y = 3 x -5 <=>
x y+5
=
es (1,3).
1
3
> restart:with(linalg):with(plottools):with(plots):
f:=(x,y)->arctan(x^2+y^2);
p:=[1,-2];
"Apartado
a)___________________________________________________";
v1:=[0,1];
LIM_DIREC_V:=limit((f(1+h*0,-2+h*1)-f(1,-2))/h,h = 0);
"Apartado
b)___________________________________________________";
v2:=[1,0];
LIM_DIREC_V:=limit((f(1+h*1,-2+h*0)-f(1,-2))/h,h = 0);
"Apartado
c)___________________________________________________";
v1:=[1/sqrt(10),3/sqrt(10)];
LIM_DIREC_V:=limit((f(1+h*1/sqrt(10),-2+h*3/sqrt(10))-f(1,-2))/h
,h = 0);

Warning, new definition for norm

Warning, new definition for trace

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