Introducción al Calculo Infinitesimal.

I.T.I. de SISTEMAS.

Funciones reales de varias variables reales.-

4.3.- DERIVADAS DIRECCIONALES ; VECTOR

GRADIENTE.-

Derivada de una función en una dirección dada.

Sea f(x,y) una función definida en un dominio D incluido en R2.

Dado un vector unitario v, la derivada de f en un punto p, en la dirección de v, se define por:

f( p + hv ) − f( p )
fv( p ) = lim .
h→0 h

Este limite se puede calcular directamente si f se define como función de una variable vectorial. Si
se define como función de varias variables escalares, sera necesario escribir la expresión del limite
en esta forma: f( a1, .., an ) en lugar de f(a), de modo que si lo aplicamos a una función de dos
variables sera:

f( p + hv ) − f( p )
fv( x0, y0 ) = lim
h→0 h

siendo p=( x0, y0 ) y v = ( v1 , v2 )

Para funciones de dos variables, un vector unitario v siempre se puede expresar de la forma
[ cos( θ ), sin( θ ) ] y hablaremos de la derivada direccional en la dirección correspondiente al
angulo θ. Se escribira: v = i cos( θ ) + j sin( θ ), y θ representa el angulo que forma el vector con
Page 1
la parte positiva del eje de abscisas.

Si f (x,y) es una función de dos variables y v = [ cos( θ ), sin( θ ) ] una dirección dada, la
derivada de f en la dirección de v sera:

f( x + h cos( θ ), y + h sin( θ ) ) − f( x, y )
fv ( x0, y0 ) = lim , si dicho limite existe y es finito.
h→0 h

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 ) y fy( p ) = f(0,1)( p )

-- Es posible que exista la derivada parcial de f en p segun una dirección y que no exista en otra.

Interpretación geometrica.

Si la función 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 dirección del vector unitario v = [ cos( θ ), sin( θ ) ] y representa la tasa o razón de
cambio instantaneo de la función en la dirección del vector.
Page 3
Podemos expresar, si existe el plano tangente, que fv( p ) =cos( θ ) fx( p ) + sin( θ ) fy( p ),
expresión que se corresponde con el producto escalar de los vectores ( fx, fy) y (cos( θ ), sin( θ )
), 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 dirección v =( 3,4).

3 4
Como v no es unitario, dividimos por su módulo => v = ( , ).
5 5
⎛ h3 h4⎞
f⎜⎜ 1 + , −1 + ⎟⎟ + f( 1, −1 )
⎝ 5 5 ⎠
fv ( 1, −1 ) = lim
h→0 h
⎛ h 3 ⎞2 ⎛ h 4 ⎞2 22 h 23 h2
⎜
1 − ⎜1 + ⎟ ⎜
⎟ + 2 ⎜ −1 + ⎟
⎟ −2 − +
⎝ 5 ⎠ ⎝ 5 ⎠ 25 25 22
= lim = lim = −
h→0 h h→0 h 5.

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.
3 3 ⎛3 3⎞
Calcular la derivada de f( x, y )= 4 − x2 − y2en el punto P = [ , , f⎜⎜ , ⎟⎟ ] y la dirección v
4 4 ⎝4 4⎠
1 1
=( ,
).
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→0 h
3
Deriv_Direc_V := − 2
2
"__________________POR EL GRADIENTE_____________________________"
Gradiente := [ −2 x, −2 y ]
⎡ -3 -3 ⎤
Grad_en_V := ⎢⎢ , ⎥⎥
⎣2 2⎦
⎡1 1 ⎤
vector = ⎢⎢ 2, 2 ⎥⎥
⎣2 2 ⎦
3
Deriv_Direc_V := − 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
 1 ⎛ 1 ⎞⎛ 1 ⎞ ⎛ 1 ⎞2
8+ h 3 + 2 ⎜⎜ 1 + h 3 ⎟⎟ ⎜⎜ 2 + h ⎟⎟ − 3 ⎜⎜ 2 + h ⎟⎟
2 ⎝ 2 ⎠⎝ 2 ⎠ ⎝ 2 ⎠
lim
h→0 h
5
Deriv_Direc_V := −5 + 3
2
"___________________________________________________________"
Gradiente := [ 1 + 2 y, 2 x − 6 y ]
Grad_en_V := [ 5, -10 ]
⎡1 1⎤
vector = ⎢⎢ 3 , ⎥⎥
⎣2 2⎦
5
Deriv_Direc_V := −5 + 3
2
> ;

Vector gradiente.

Consideramos la función 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).

Interpretación geometrica.

Tambien, fv = fx v1+ fy v2 = producto escalar del vector gradiente por el vector dirección,
de modo que si es no nulo.

1º) El vector gradiente, señala la dirección en que la derivada direccional es maxima; la

dirección señalada por el gradiente es la de maximo crecimiento de f(x,y) desde el punto p y
este valor maximo lo proporciona su módulo ( pendiente maxima).

2º) La dirección de minimo crecimiento de f desde p ser la señalada por el vector opuesto al
anterior: - Grad f( p ).

3º) La derivada direccional es nula en direccion perpendicular al gradiente.

Veamos: si α 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 (α) = || Grad(f) || 1 Cos (α) = || Grad(f) ||
Cos (α)
por lo tanto el valor maximo de | fv( P ) | se dara cuando Cos (α) =1; es decir cuando Grad(f) y v
tengan la misma direccion.

Cuando necesitamos conocer la dirección en la que la función f( x, y ) crece mas rapidamente,

buscaremos el vector gradiente que nos señalara la dirección de maxima pendiente y si calculamos
su módulo, dicho numero mide la tasa de dicho crecimiento.

4º) 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 función 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 dirección crece mas rapidamente la temperatura? ¿ cual es su tasa
de crecimiento?

fx= -8x ; fy = -2y ; luego Grad f (P) = ( -16 , 6) = dirección de crecimiento maximo.

Su módulo: Mod = ( −16 )2 + 6 = 292 = tasa de crecimiento => la tempertura aumenta 17,
2

09 grados por centimetro que avanzemos en dicha dirección.

Como hemos visto, las derivadas parciales son casos particulares de las direccionales, asi tambien
podemos interpretarlas como la tasa o razón de cambio instantaneo de la función en la dirección en
que derivemos, por ejemplo:

2.- Un depósito 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 = π r2 h y el volumen con las dimensiones dadas es de 12 π m3.

Nos proponemos medir la variación 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 π 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 π.

Vh= πr2, de modo que para r = 2 y h = 3 la tasa de crecimiento en la linea de la altura ser : Vh (2,3)
= 4 π.

Page 9
En el primer caso, el volumen aumenta a razón de 12 π metros cubicos por metro de aumento de
radio mientras que en el segundo lo hace a razón de 4 π 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 función f( x, y ) = 20 + x y en el punto (1,2) segun la
⎡3 4⎤
dirección del vector ⎢⎢ , ⎥⎥.
⎣5 5⎦
Calcular el vector gradiente y dar la dirección 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 dirección de mayor creciniento de f desde p la marca la dirección 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 añadimos las curvas de nivel podremos comprender mejor cómo es la superficie, recuerda que
las flechas del gradiente señalan la dirección de maximo crecimiento.

Teorema:

Si f(x,y) es una función 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 dirección 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 montaña que responde a la
ecuación f(x,y)= 2 x2 − 4 y2. ¿Que dirección 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 dirección opuesta a la que señala el vector gradiente: V= (4,16) o
(1,4)

Ejercicio 3.
El nivel de radiaciones tóxicas existente en cierto territorio lo cuantifica la fórmula f (x,y)=
3 x2 − 5 y2. Si un individuo esta situado en el punto de coordenadas (-1,1) del territorio, ¿ en
qu dirección 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 dirección del
gradiente");

print("El riesgo se minimiza si corre en la dirección opuesta

del gradiente");
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 máximo lo corre si avanza en la dirección del gradiente"
"El riesgo se minimiza si corre en la dirección opuesta del gradiente"
> Tasa:=sqrt((-6)^2+(-10)^2);
Tasa := 2 34

Ejercicio 4.
x3 y2
Determinar la derivada direccional de la funcion f = − en el punto ( -3,5) y en la
3 2
direccion del vector que forma 60º 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];
Warning, new definition for norm
Warning, new definition for trace
⎛1 ⎞ 1
V1 := cos⎜⎜ π ⎟⎟ =
⎝3 ⎠ 2
⎛1 ⎞ 1
V2 := sin⎜⎜ π ⎟⎟ = 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
 ⎡2 ⎤
Gradiente := ⎢⎢ x, y ⎥⎥
⎣3 ⎦
Grad_en_P := [ -2, 5 ]
> fv_P:=dotprod(Grad_en_P,V)=evalf(%);

5
fv_P := −1 + 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 función 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
x 3 ⎝ 3⎠
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 ]
-2
LIM_DIREC_V :=
13
"Apartado b)___________________________________________________"
v2 := [ 1, 0 ]
1
LIM_DIREC_V :=
13
"Apartado c)___________________________________________________"
⎡1 3 ⎤
v1 := ⎢⎢ 10 , 10 ⎥⎥
⎣ 10 10 ⎦
1
LIM_DIREC_V := − 10
26
Page 18
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( θ ), sin( θ ) ]
p := [ 1, 2 ]
( 1 + h cos( θ ) )2 + ( 2 + h sin( θ ) )2 − 5
lim
h→0 h
Deriv_Direc_V := 2 cos( θ ) + 4 sin( θ )
"___________________________________________________________________________\
____"
fx( P ) := 2 cos( 0 ) + 4 sin( 0 ) = 2
⎛1 ⎞ ⎛1 ⎞
fy( P ) := 2 cos⎜⎜ π ⎟⎟ + 4 sin⎜⎜ π ⎟⎟ = 4
⎝2 ⎠ ⎝2 ⎠
¿ es cierto que el gradiente me señala la direccion de maximo crecimiento?

La derivada direccional en cualquier direccion θ , es una funcion de θ:

G( θ ) = 2 cos( θ ) + 4 sin( θ ).

Derivamos G`= −2 sin( θ ) + 4 cos( θ ) si igualamos a 0 y resolvemos: los valores que hacen
maximo o minimo el valor de la derivada direccional son:
1 2
cos( θ )= (-,+) ; sin( θ )= (-,+) ; que señalaran la maxima y la minima pendientes, fijate
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 señala 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