CAPÍTULO 3.

DERIVADAS DIRECCIONALES

1. CÁLCULO DE LA DERIVADA DIRECCIONAL

Definición. La derivada direccional de una función z  f ( x, y) en (x, y) en la dirección

del vector unitario u  cos  i  sen j está dada por

f ( x  h cos , y  hsen )  f ( x, y )
Du f ( x, y )  lim
h 0 h

siempre que el límite exista.

Interpretación geométrica. La derivada direccional mide la pendiente de la recta

tangente a la curva de intersección de la superficie dada por la función z  f ( x, y) y el
plano vertical en dirección del vector unitario u , en el punto (x, y).

En otras palabras, la derivada direccional en el punto (x, y) mide la tasa de cambio de la

función z  f ( x, y) en la dirección del vector unitario u .

(Zill & Wright, 2011)

Cálculo de la derivada direccional. Si f es una función derivable de x y de y, entonces

la derivada direccional de f en la dirección del vector unitario u   u1 , u2   (cos , sen  )
está dada por

Du f ( x, y)  ( f x ( x, y), f y ( x, y))  u  f x ( x, y)u1  f y ( x, y)u2

1
Ejemplo. Determine la derivada direccional Du f ( x, y ) si f ( x, y)  x  3xy  4 y y u
3 2

es el vector unitario dado por el ángulo    6 . Evalúe Du f ( x, y ) para el punto (1, 2) .

Las derivadas parciales de la función f ( x, y) son

f x ( x, y)  3x2  3 y f y ( x, y)  3x  8 y

Por lo tanto la derivada direccional Du f ( x, y ) es

 
Du f ( x, y )  (3 x 2  3 y )cos  ( 3 x  8 y )sen
6 6
3 1
 (3 x 2  3 y )  ( 3 x  8 y )
2 2
1
 3 3 x 2  3 x   8  3 3  y 
2 

Evaluando para el punto (1, 2) (James Stewart, 2018)

1 13  3 3
Du f (1, 2)  3 3(1) 2  3(1)   8  3 3  (2)    3.902
2  2

Verificación: https://www.geogebra.org/classic/becefhf8

2. GRADIENTE DE UNA FUNCIÓN

Definición. Sea z  f ( x1 , x2 , xn ) una función de n variables y cuyas derivadas parciales

existen. Entonces se define el gradiente de z  f ( x1 , x2 , xn ) como el vector cuyas
componentes son las derivadas parciales de la función

 f f f 
f ( x )   , , , 

 1x x2 xn 

Ejemplo. Calcule el gradiente e la función f ( x, y)  sen x  e

xy

Las derivadas parciales de la función son: f x ( x, y)  cos x  ye xy

f y ( x, y )  xe xy

Por lo tanto, el vector gradiente es: f ( x, y )   cos x  ye xy , xe xy 

2
Ejemplo. Calcule el gradiente de la función f ( x, y )  x  xy en el punto (1,1) .
y

Las derivadas parciales de f con respecto a x, y están dadas por

f f
 yx y 1  y  x y ln x  x
x y

El vector gradiente de f es: 

f ( x, y )  yx y 1  y, x y ln x  x 
Sustituyendo para (1, 1), se obtiene que: f ( x, y )   (1)(1)11  1, (1) 1 ln1  1   2,1

 f f f 
Nota. Dado que f ( x )   , , ,  , entonces la derivada direccional se puede

 1x x2 xn 
escribir como
Du f ( x )  f ( x )  u  f ( x ), u

Ejemplo. Determine la derivada direccional de la función f ( x, y )  x y  4 y en el punto

2 3

(2, 1) en la dirección del vector v  2i  5 j .

Primero, se halla el vector gradiente en el punto (2, 1)

f ( x, y )  2 xy 3i  (3x 2 y 2  4) j
f (2, 1)  4i  8 j

A continuación, se determina el vector unitario en la dirección del vector v

v 2i  5 j 2 5
u   i j
v 2 5
2 2
29 29

Finalmente, se calcula la derivada direccional

 2 5  8 40 32
Du f ( x )  (4i  8 j )   i j  
 29 29  29 29 29

Verificación: https://www.geogebra.org/classic/wpe4geps

3
3. SIGNIFICADO GEOMÉTRICO DEL GRADIENTE DE LA FUNCIÓN

Sea una función z  f ( x, y) con f  C ( D) y x0 )  (a, b)  D . Entonces se cumple que:

1

1. La dirección del vector f (a, b) es la dirección en la cual la derivada direccional

tiene su mayor valor. Es decir, determina sobre el punto (a, b) la dirección en la cual
la pendiente de la superficie es máxima.

2. La longitud del vector f (a, b) es el valor de la mayor derivada direccional de f en

(a, b).
 f (a, b)  Du f (a, b)  f (a, b)

Descrito de otra forma (1) y (2) establecen que:

 El vector gradiente f apunta en la dirección en la cual f crece con mayor rapidez,

en tanto que f apunta en la dirección en la cual f decrece con mayor rapidez.

Fuente: https://www.geogebra.org/m/QhfcuhqA

Demostración. Dado que la derivada direccional se expresa como un producto punto se

tiene que

Du f ( x )  f ( x )  u  f ( x ) u cos   f ( x ) cos  , ( u  1)

donde  es el ángulo entre los vectores f y u . Por lo tanto

 El valor máximo de la derivada direccional es f y ocurre cuando cos   1
(   0 ), es decir, cuando u tiene la misma dirección que f .
 El valor mínimo de la derivada direccional es  f y ocurre cuando cos  1
(    ), es decir, cuando u y f tienen direcciones opuestas.
4
Ejemplo.
a) Si f ( x, y )  xe , determine la razón de cambio de f en el punto P(2, 0) en la dirección
y

de P a Q (1 2, 2) .
b) ¿En qué dirección f tiene la máxima razón de cambio? ¿Cuál es esta máxima razón de
cambio?

Solución:
a) Calculando el vector gradiente: f ( x, y )  ( f x , f y )  (e y , xe y )
f (2,0)  (1, 2)

1   3 
El vector unitario en la dirección de PQ es: PQ    2, 2  0     , 2 
2   2 
3
PQ  2 2   3 4 
u  ,   , 

PQ  2 5 5   5 5
2

La razón de cambio de f en la dirección de PQ es

 3 4 3 8
Du f (2,0)  f (2,0)  u  (1,2)    ,      1
 5 5 5 5

b) El incremento máximo de f es f (2,0)  1  4  5 y ocurre en la dirección del

vector gradiente f (2,0)  (1, 2) .

5
4. PLANOS TANGENTES

Definición. Sea P( x0 , y0 , z0 ) un punto sobre la gráfica de

la superficie de nivel F ( x, y, z )  k donde F no es 0. El
plano tangente en P( x0 , y0 , z0 ) es aquel plano que pasa
por P y que es perpendicular a F ( x0 , y0 , z0 ) .

(Zill & Wright, 2011)

Ecuación de un plano tangente. El plano tangente a z  ( x, y) en el punto P( x0 , y0 , z0 ) ,

es el plano dado por la ecuación

z  f ( x0 , y0 )  f x ( x0 , y0 )( x  x0 )  f y ( x0 , y0 )( y  y0 )

Ejemplo. Encuentre una ecuación de un plano tangente a la gráfica del paraboloide

1 1
z  x 2  y 2  4 en (1, 1,5) .
2 2
1 2 1 2
Calculando las derivadas parciales de z  f ( x, y )  x  y  4
2 2

f x ( x, y)  x f y ( x, y)  y

6
Hallando el gradiente

f ( x0 )   x, y  f (1, 1)  1, 1

La ecuación del plano tangente es

z  5  (1)( x  1)  (1)( y  1)
z  x y3
(Zill & Wright, 2011)

5. FUNCIONES VECTORIALES: MATRIZ JACOBIANA (SISTEMAS)

Funciones vectoriales. Una función vectorial es una aplicación f : D   m , que

n

hace corresponder a un vector ( x1 , x2 , , xn )  D , el vector de m componentes definido

por:
 f1 ( x1, x2 , , xn ), f 2 ( x1 , x2 , , xn ), , f m ( x1, x2 , , xn ) 

donde fi : D  n
 , i = 1, 2, …, m.

De forma abreviada, si x  ( x1 , x2 , , xn ) , entonces la función vectorial f puede

representarse como
f  f1 ( x ), f 2 ( x ), , fm ( x) 

A las funciones f1 , f 2 , , f m se les denominan funciones componentes de la función

vectorial f.

Ejemplo. Sea D la demanda de dos bienes A y B cuyos precios respectivos son p1 y p2

, definida por:

D( p1, p2 )  (300  4 p1  p22 , 200  p12  2 p22 )

La función D es una función vectorial cuyas funciones componentes son:

D1  300  4 p1  p22 D2  200  p12  2 p22

7
Matriz Jacobiana. Sea f : D   m una función vectorial cuyas funciones
n

componentes son f1 , f 2 , , f m . La matriz jacobiana de f en el punto x0 es la matriz

J ( f )( x0 ) dada por
 f1 f1 f1 
 x x xn 
 1 2   f1 ( x0 ) 
 f 2 f 2 f 2   
   f ( x )
J ( f )( x0 )   x1 x2 xn    2 0 
 
   
   f m ( x0 ) 
 f m f m f m 
 x x xn  x
 1 2
0

Nota. Otra forma de representar la matriz jacobiana de la función es con la expresión

 ( f1 , f 2 , , fm )
( x0 )
 ( x1 , x2 , , xm )

Cuando n = m, la matriz jacobiana es cuadrada y su determinante se denomina jacobiano

de la función en el punto x0 y se representa por J ( f )( x0 ) .

Ejemplo. Determine la matriz jacobiana en el punto (1,0) de la función vectorial

f ( x, y )  ( x 2  y 2 , x3  sen y)

Las funciones componentes de la función vectorial son

f1 ( x, y)  x2  y 2 f 2 ( x, y)  x3  sen y

Calculando el gradiente de estas funciones se tiene

f1 ( x, y)  (2 x, 2 y) f 2 ( x, y)  (3x2 ,cos y)

Por lo tanto, la matriz Jacobiana es

 f (1,0)   2 x 2 y   2 0
J ( f )(1,0)   1 
  2    
 f 2 (1,0)   3x cos y (1,0)  3 1 

El jacobiano de la función en el punto (1,0) es el determinante de la matriz jacobiana en

dicho punto J ( f )(1,0)  2 .

8
6. DIFERENCIAL DE UNA FUNCIÓN

Diferencial total de una función de una variable. Si y  f ( x) es una función de una

variable derivable, el diferencial de la función en un punto x está dada por

dy  f ( x)dx
donde dx  x .

El diferencial de una función se usa para aproximar

el incremento de la función y  f ( x) cuando hay
incrementos pequeños de la variable independiente.
Es decir y  dy cuando x  0 .

Desde el punto de vista geométrico, esto significa

que toda función derivable puede ser aproximada
localmente en cada punto por una función lineal que
es la determinada por la recta tangente a la función
en dicho punto.
(Editado de Haeussler et al., 2008)

De forma similar cualquier función de varias variables puede ser aproximada localmente
por una función lineal.

Diferencial total de una función de dos variables. Se define la diferencial de la función

z  f ( x, y) (o denominada también diferencial total) como

z z
dz  f x ( x, y )dx  f y ( x, y )dy  dx  dy
x y

donde los diferenciales de x y y son dx  x y dy  y .

Ejemplo. Calcule las diferenciales de las siguientes funciones

a) z  x  y
2 2

dz  f x ( x, y )dx  f y ( x, y )dy
dz  2 xdx  2 ydy

 y2
b) f ( x, y )  e
2
x

df  f x ( x, y )dx  f y ( x, y )dy
 y2  y2  y2  y2
df  e x (2 x)dx  e x (2 y )dy  2 xe x dx  2 ye x
2 2 2 2
dy

9
Nota. Para incrementos infinitesimales ( x, y  0 ), se tiene que z  dz , por lo tanto

z z
z  dz  x  y
x y

Ejemplo. En cierta fábrica, la producción diaria es Q  20 K L unidades, donde K

12 12

representa la inversión de capital y L el tamaño de la fuerza laboral. La inversión actual

de capital es 900 unidades monetarias y el tamaño de la fuerza laboral L = 400.
Calculemos aproximadamente el incremento de la producción si la inversión de capital
aumenta en 1 unidad y la mano de obra, en 2.

Las derivadas parciales de la función de producción son

Q 10 L1 2 Q 10 K 1 2
 12  12
K K K L

Aplicando la ecuación obtenida previamente para K = 900, L = 400, K  1 y L  2

Q Q
Q  dQ  (900, 400)K  (900, 400)L
K L
10(400)1 2 10(900)1 2
 (1)  (2)
(900)1 2 (400)1 2
 36,66

Incremento real en la producción

Q  f (901,402)  f (900,400)  20(901)1 2 (402)1 2  20(900)1 2 (400)1 2  36.64

Error cometido dQ  Q  36.66  36.64  0.02

Diferencial total de una función de más de dos variables. La diferencial de la función

z  f ( x1 , x2 , , xn ) está dada por:

z z z n
z
dz  dx1  dx2   dxn   dxi
x1 x2 xn i 1 xi

Ejercicio. Calcule la diferencial total de la función w  x y  xyz .

2 2

w w w
dw  dx  dy   dz  (2 xy  yz 2 )dx  ( x 2  xz 2 )dy  2 xyzdz
x y z

10
7. DIFERENCIAL DE SEGUNDO ORDEN: FÓRMULA DE TAYLOR

Sea f : D  , D abierto y f  C ( D) . Se define la diferencial segunda de f

2 2

en el punto x0  D como la aplicación d f ( x0 ) :

2 2
 dada por:

 2 f 2 f 
 ( x0 ) ( x0 ) 
x 2
xy  h 
d 2 f ( x0 )(h, k )  (h, k )  2
 f 2 f   k 
 ( x0 ) ( x0 ) 
 yx y 2 

Matriz Hessiana H ( f )

Desarrollando la expresión matricial y llamando dx  h , dy  k , dx2  h2 , dy  k , se

2 2

obtiene la diferencial segunda como

2 f 2 f 2 f
d f ( x0 )  2 ( x0 )dx  2
2 2
( x0 )dxdy  2 ( x0 )dy 2
x xy y

Ejemplo. Dada la función f ( x, y )  x y  e , calcule d f (1,1)

2 2 x 2

f x ( x, y)  2 xy 2  e x , f y ( x, y )  2 x 2 y
f xx ( x, y)  2 y 2  e x , f xy ( x, y)  f yx ( x, y)  4 xy , f yy ( x, y )  2 x 2

 f xx f xy  2 y 2  e x 4 xy  2  e 4
 f  
f yt    2 
La matriz hessiana es H ( f )(1,1)
 yx (1,1)  4 xy 2 x 2  (1,1)  4

La diferencial segunda de f en el punto (1, 1) es

 2  e 4  h 
d 2 f (1,1)(h, k )  (h, k )     (2  e)h  2k  8hk
2 2

 4 2  k 

Usando notación con diferenciales

d 2 f (1,1)  (2  e)dx 2  8dxdy  2dy 2

INVESTIGACIÓN: Fórmula de Taylor.

11
8. DERIVADAS DE FUNCIONES COMPUESTAS: REGLA DE LA CADENA

Regla de la cadena para derivadas ordinarias. Suponga que z  f ( x, y) es

diferenciable en ( x, y) y x  g (t ) y que y  h(t ) son funciones diferenciables en t.
Entonces z  f ( g (t ), h(t )) es una función diferenciable de t y

dz z dx z dy
  Diagrama de árbol:
dt x dt y dt

(Zill & Wright, 2011)

t
Ejemplo. Dada la función z  xy  y , donde x  cos t e y  e , aplique la regla de la
2

cadena para calcular el valor de en el punto t = 0.

dz z dx z dy
   ( y )(sen t )  ( x  2 y)(et )   y sen t  ( x  2 y)e t
dt x dt y dt

0
Evaluando en t = 0, se tiene primero que x  cos0  1 e y  e  1 , por lo tanto

dz
 sen0  (1  2(1))e 0  3
dt t 0

Regla de la cadena para derivadas parciales. Si z  f ( x, y) y x  g (u, v) y y  h(u, v)

tienen primeras derivadas parciales continuas, entonces

z z x z y
 
u x u y u
Diagrama de árbol:
z z x z y
 
v x v y v
(Zill & Wright, 2011)

12
Ejemplo. Si z  x  y y x  e2u 3v , y  sen(u  v ) , determine z u y z v .
2 3 2 2

Derivadas parciales

z z x
 2x ,  3 y 2 ,  2e 2u  3v ,
x y u
x y y
 3e2u  3v ,  2u cos(u 2  v 2 ) ,  2v cos(u 2  v 2 )
v u v

Aplicando la regla de la cadena

z
 (2 x)(2e2u 3v )  (3 y 2 )(2u cos(u 2  v 2 ))  4 xe2u 3v  6 y 2u cos(u 2  v 2 )
u

z
 (2 x)(3e2u  3v )  (3 y 2 )(2v cos(u 2  v 2 ))  6 xe2u  3v  6 y 2v cos(u 2  v 2 )
v

9. GENERALIZACIONES DE LA REGLA DE LA CADENA

La regla de la cadena puede generalizarse para cualquier número de variables. Si

z  f ( x1 , x2 , , xn ) es diferenciable en ( x1 , x2 , xn ) y si xi , i = 1, 2,…, n, son funciones
diferenciables de una sola variable t, entonces

dz z dx1 z dx2 z dxn

   
dt x1 dt x2 dt xn dt

De igual manera, Si z  f ( x1 , x2 , xn ) y cada una de las variables x1 , x2 , , xn son

funciones de k variables u1 , u2 , , uk , entonces

z z x1 z x2 z xn

   
ui x1 ui x2 ui xn ui
donde i = 1, 2, …, k.

Ejemplo. Si r  x  y z y x  uve2s , y  u  v s , z  sen(uvs ) , encuentre a) r u y

2 5 3 2 2 2

b) r s .

r r x r y r z r
a)      2 x(ve2 s )  5 y 4 z 3 (2u)  3 y 5 z 2 (vs 2 cos(uvs 2 ))
u x u y u z u u

r r x r y r z r
b)      2 x(2uve2 s )  5 y 4 z 3 (v 2 )  3 y 5 z 2 (2uvs cos(uvs 2 ))
s x s y s z s s
13
Diagrama de árbol:

(Zill & Wright, 2011)

14