UNIVERSIDAD MAYOR DE SAN ANDRES

FACULTAD DE INGENIERIA
CURSO BASICO

MAT-102 CALCULO II

CAPITULO 6
DERIVADAS

Ing. Tulio Mamani

 Contenido:
6.1 Derivadas Parciales

6.2 Derivación y Diferenciales

6.3 Teoremas de Derivadas Parciales

6.4 Derivada Direccional & Operador Nabla

6.5 Aplicaciones Derivadas Parciales

6.6 Plano Tangente y Recta Normal a una Sup.

6.1 Derivadas Parciales
 6.1 DERIVADAS PARCIALES
6.1.1 Definición Derivada Parcial
Dada una función de dos variables: 𝑓: 𝐷 ⊑ ℛ 2 → ℛ , se entiende
como Derivadas Parciales de la Función 𝑓(𝑥, 𝑦) como:

𝜕𝑓(𝑥, 𝑦) 𝜕𝑓 𝑓 𝑥 + ℎ, 𝑦 − 𝑓(𝑥, 𝑦)
= = 𝑓𝑥 = 𝐷1 𝑓(𝑥, 𝑦) = lim
𝜕𝑥 𝜕𝑥 ℎ→0 ℎ
𝜕𝑓(𝑥, 𝑦) 𝜕𝑓 𝑓 𝑥, 𝑦 + 𝑘 − 𝑓(𝑥, 𝑦)
= = 𝑓𝑦 = 𝐷2 𝑓(𝑥, 𝑦) = lim
𝜕𝑦 𝜕𝑦 𝑘→0 𝑘
Donde la existencia de cada limite determina la existencia de
cada derivada parcial
𝜕𝑓
:es una derivada normal de “f (x)” tomando a “y” como constante
𝜕𝑥
Esto significa:
𝜕𝑓
:es una derivada normal de “f(y)” tomando a “x” como constante
𝜕𝑦

Ing. Tulio Mamani

 6.1 DERIVADAS PARCIALES
6.1.2 Interpretación Derivada f(x)
Recordemos la interpretación de una derivada en funciones
de una variable: 𝑓(𝑥)

Ing. Tulio Mamani

 6.1 DERIVADAS PARCIALES
6.1.3 Interpretación Derivada Parcial
f(x,y)
Una derivada parcial de: 𝑓(𝑥, 𝑦)
respecto a “x” significa la tangente en
función a “x” de la curva resultante
de la intersección de la superficie
𝑓(𝑥, 𝑦) y el plano 𝑦 = 𝑦0

Una derivada parcial de: 𝑓(𝑥, 𝑦)

respecto a “y” significa la tangente en
función a “y” de la curva resultante
de la intersección de la superficie
𝑓(𝑥, 𝑦) y el plano 𝑥 = 𝑥0

Ing. Tulio Mamani

 6.1 DERIVADAS PARCIALES
6.1.3 Derivadas parciales de Orden
Superior
Una segunda Derivada Parcial es la Derivada Parcial de una
primera Derivada Parcial y así sucesivamente, entonces se tiene:
sea: 𝑓(𝑥, 𝑦) una función de dos variables
𝜕2𝑓 𝜕 𝜕𝑓 Segunda Derivada Parcial de “f”
= = 𝑓𝑥𝑥 respecto a “x” dos veces
𝜕𝑥 2 𝜕𝑥 𝜕𝑥
𝜕2𝑓 𝜕 𝜕𝑓 Segunda Derivada Parcial de “f”
= = 𝑓𝑦𝑦 respecto a “y” dos veces
𝜕𝑦 2 𝜕𝑦 𝜕𝑦
𝜕2𝑓 𝜕 𝜕𝑓 Segunda Derivada Parcial de “f”
= = 𝑓𝑥𝑦 respecto a “x” previamente y luego a “y”
𝜕𝑦𝜕𝑥 𝜕𝑦 𝜕𝑥
𝜕2𝑓 𝜕 𝜕𝑓 Segunda Derivada Parcial de “f”
= = 𝑓𝑦𝑥 respecto a “y” previamente y luego a “x”
𝜕𝑥𝜕𝑦 𝜕𝑥 𝜕𝑦

Ing. Tulio Mamani

 6.1 DERIVADAS PARCIALES

6.1.3 Funciones Explicita e Implícita

Función Explicita:
Son funciones donde “z” se expresa en términos de “x” e “y” ( “z” se
encuentra despejada). La derivación parcial de estas funciones e las
realiza por las técnicas ya mostradas. (ejm.)_

f x, y = 𝑧 = 3𝑥𝑦 + 𝑥 2 + 𝑥𝑦 2
Función Implícita:
Son funciones donde “z” no se puede expresar en términos de “x” e “y” ( “z”
no se encuentra despejada). La derivación parcial de estas funciones e las
realiza por dos formas (ejm.)_

𝑧 + 7𝑥 2 + 𝑦 3 + 𝑥𝑦𝑧 2 − 𝑥 4 𝑦𝑧 3 = 0

Ing. Tulio Mamani

 6.1 DERIVADAS PARCIALES

6.1.4 Derivación Implícita

Sea una función implícita de la forma: F x, y. z donde “z” es la variable
dependiente y “x” e “y” son las variables independientes, entonces las
derivadas parciales se hallaran derivando ambos miembros de la igualda
aplicando la regla de la cadena considerando a z como z = x, y :

𝐹𝑥 x, y, z = 0 , 𝐹𝑦 x, y, z = 0

Otra forma es aplicando la formulas:

𝜕𝐹 𝜕𝐹
𝜕𝑧 𝜕𝑥 𝐹𝑥 𝜕𝑧 𝜕𝑦 𝐹𝑦
=− =− =− =−
𝜕𝑥 𝜕𝐹 𝐹𝑧 𝜕𝑦 𝜕𝐹 𝐹𝑧
𝜕𝑧 𝜕𝑧

Ing. Tulio Mamani

6.2 Derivación y
Diferenciales
 6.2 DERIVACION Y DIFERENCIALES

6.2.1 Incremento de una función

Sea la función 𝑓 𝑥, 𝑦 : se define su incremento como:
∆𝑓 = 𝑓 𝑥 + ∆𝑥, 𝑦 + ∆𝑦 − 𝑓(𝑥, 𝑦)

Que representa el cambio que sufre “f” cuando las variables

independientes varían "x" ca𝑚𝑏𝑖𝑎 𝑎 ∆𝑥 𝑒 y 𝑐𝑎𝑚𝑏𝑖𝑎 𝑎 ∆𝑦

Ing. Tulio Mamani

 6.2 DERIVACION Y DIFERENCIALES

6.2.2 Diferencial
El Diferencial de una Función Escalar de variable Vectorial se
denomina también Diferencial Total, sea 𝑓 𝑥, 𝑦 :

𝑑𝑓 = 𝑓𝑥 𝑑𝑥 + 𝑓𝑦 𝑑𝑦
De manera general si : 𝑓 𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛

𝑑𝑓 = 𝑓𝑥1 𝑑𝑥1 + 𝑓𝑥2 𝑑𝑥2 +𝑓𝑥3 𝑑𝑥3 … 𝑓𝑥𝑛 𝑑𝑥𝑛

Ing. Tulio Mamani

 6.2 DERIVACION Y DIFERENCIALES

6.2.3 Cálculos aproximados con

Diferenciales
Si z = 𝑓(𝑥, 𝑦) se verifica la igualdad aproximada: ∆𝑓 = 𝑑𝑓 esto
significa:
Sea la función 𝑓 𝑥, 𝑦 : se define su incremento como:
∆𝑓 = 𝑓 𝑥 + ∆𝑥, 𝑦 + ∆𝑦 − 𝑓 𝑥, 𝑦 ≅ 𝑓𝑥 𝑑𝑥 + 𝑓𝑦 𝑑𝑦

Ing. Tulio Mamani

 6.2 DERIVACION Y DIFERENCIALES

6.2.4 Diferenciales de orden superior

Las diferenciales de segundo y tercer orden de una función
z = 𝑓(𝑥, 𝑦) se pueden calcular de la siguiente forma:

2
2
𝜕 𝜕 𝜕2 𝜕 𝜕 𝜕2
𝑑 𝑓 = 𝑑𝑥 + 𝑑𝑦 𝑓 𝑥, 𝑦 = 𝑑𝑥 2 + 2𝑑𝑥 𝑑𝑦 + 𝑑𝑦 2 𝑓 𝑥, 𝑦
𝜕𝑥 𝜕𝑦 𝜕𝑥 2 𝜕𝑥 𝜕𝑦 𝜕𝑦 2

3
𝜕 𝜕
𝑑 3 𝑓 = 𝑑𝑥 + 𝑑𝑦 𝑓 𝑥, 𝑦
𝜕𝑥 𝜕𝑦

Ing. Tulio Mamani

 6.2 DERIVACION Y DIFERENCIALES

6.2.5 Diferenciales exactas

Si en la expresión:

𝑃 𝑥, 𝑦 𝑑𝑥 + 𝑄 𝑥, 𝑦 𝑑𝑦

Se cumple:
𝜕𝑄 𝜕𝑃
=
𝜕𝑥 𝜕𝑦

Entonces : dF = 𝑃 𝑥, 𝑦 𝑑𝑥 + 𝑄 𝑥, 𝑦 𝑑𝑦 es diferencial exacta

Ing. Tulio Mamani

 6.2 DERIVACION Y DIFERENCIALES

6.2.6 Derivación de Funciones

Compuestas (Una variable dependiente)
Si z = 𝑓(𝑥, 𝑦) es una función diferenciable en “x” e “y” y además
estas ultimas son diferenciables de una variable dependiente “t”
𝑥 = 𝜑 𝑡 , 𝑦 = 𝜔(𝑡) entonces la diferenciación de la función
compuesta
z = 𝑓 𝜑 𝑡 , 𝜔(𝑡) se puede hallar aplicando:

𝑑𝑧 𝜕𝑧 𝑑𝑥 𝜕𝑧 𝑑𝑦
= +
𝑑𝑡 𝜕𝑥 𝑑𝑡 𝜕𝑦 𝑑𝑡
Para un mejor análisis 𝑥→𝑡
se puede crear un
árbol de dependencias: 𝑧→
𝑦→𝑡
Ing. Tulio Mamani
 6.2 DERIVACION Y DIFERENCIALES

6.2.7 Derivación de Funciones Compuestas

(varias variables dependiente)
Si z = 𝑓(𝑥, 𝑦) es una función diferenciable en “x” e “y” y
además estas ultimas son diferenciables de una variable
dependiente “t”
𝑥 = 𝜑 𝑢, 𝑣 , 𝑦 = 𝜔(𝑢, 𝑣) entonces las derivadas parciales de
“z” respecto a “u” y “v” quedarían:

𝜕𝑧 𝜕𝑧 𝜕𝑥 𝜕𝑧 𝜕𝑦
= +
𝑢
𝜕𝑢 𝜕𝑥 𝜕𝑢 𝜕𝑦 𝜕𝑢 𝑥
𝑣
𝜕𝑧 𝜕𝑧 𝜕𝑥 𝜕𝑧 𝜕𝑦 𝑧→
= + 𝑢
𝜕𝑣 𝜕𝑥 𝜕𝑣 𝜕𝑦 𝜕𝑣 𝑦
𝑣
Ing. Tulio Mamani
 6.2 DERIVACION Y DIFERENCIALES

6.2.8 Jacobianos

Ing. Tulio Mamani

 6.2 DERIVACION Y DIFERENCIALES

6.2.9 Propiedades Jacobianos

Ing. Tulio Mamani

6.3 Teoremas Derivadas
Parciales
 6.3 TEOREMAS DERIVADAS PARCIALES

6.3.1 Funciones Homogeneas

Una función z = 𝑓(𝑥, 𝑦) escalar de variable vectorial es
homogénea si se verifica:

𝑓 𝜆𝑥, 𝜆𝑦 = 𝜆𝑝 𝑓 𝑥, 𝑦

Donde “p” indica el grado de la función homogenea

Ing. Tulio Mamani

 6.3 TEOREMAS DERIVADAS PARCIALES

6.3.2 Teorema de Euler

Si z = 𝑓(𝑥, 𝑦) es una función homogénea de grado “p”
entonces se verifica:

𝜕𝑓 𝜕𝑓
𝑥 +𝑦 = 𝑝𝑓 𝑥, 𝑦
𝜕𝑥 𝜕𝑦
Donde “p” indica el grado de la función homogénea

Ing. Tulio Mamani

 6.3 TEOREMAS DERIVADAS PARCIALES

6.3.3Teorema del valor medio (Calculo 1)

Sea y = 𝑓(𝑥) es una función continua en una región cerrada
[a,b] y diferenciable en el intervalo ]a,b[ ,entonces existe un
punto c ∈ (a, b) tal que la recta tangente a la gráfica de f en c
es paralela a la recta secante que conecta (a, f (a)) y (b, f (b))

𝑓 𝑏 − 𝑓(𝑎)
= 𝑓′(𝑐)
𝑏−𝑎

Ing. Tulio Mamani

 6.3 TEOREMAS DERIVADAS PARCIALES

6.3.4Teorema del valor medio

Sea z = 𝑓(𝑥, 𝑦) es una función continua en una región cerrada
rectangular R : 𝑎 ≤ 𝑥 ≤ 𝑏, 𝑑 ≤ 𝑦 ≤ 𝑒 en el plano XY con derivadas
parciales existentes , si f no tiene puntos críticos en R entonces
existirá un punto P(m,n) dentro de R tal que

𝜕𝑓
′
𝜕𝑓
𝑓 𝑏, 𝑑 − 𝑓 𝑎, 𝑐 𝑓 𝑐 = 𝑏−𝑎 + (𝑑 − 𝑐)
𝜕𝑥 𝜕𝑥

Las derivadas parciales son evaluadas en el punto P(m,n)

Ing. Tulio Mamani

6.4 Derivada Direccional &
Operador Nabla
 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.4.1 Introducción
Recordemos que las derivadas
parciales de una función z =
𝑓(𝑥, 𝑦) representan la tasa de
cambio de la función en
direcciones paralelas al eje “x” y
eje “y”.

En términos de Derivada
Direccional lo que se quiere es
usar las derivadas parciales
para encontrar la tasa de
cambio de la función en una
direcciona cualquiera dada
Ing. Tulio Mamani
 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.4.2 Definición
Sea z = 𝑓(𝑥, 𝑦) diferenciable en el punto (𝑎, 𝑏) , sea u =
𝑓(𝑢1 , 𝑢2 ) un vector unitario, entonces la derivada direccional
de “f” en la dirección de “u” en el punto (𝑎, 𝑏), viene dada por:

𝑓 𝑎 + ℎ𝑢1 , 𝑏 + ℎ𝑢2 , − 𝑓(𝑎, 𝑏)

𝐷𝑢 𝑓(𝑎, 𝑏) = lim
ℎ→0 ℎ

𝐷𝑢 𝑓(𝑎, 𝑏) = 𝑓𝑥 (𝑎, 𝑏)𝑢1 + 𝑓𝑦 (𝑎, 𝑏)𝑢2

Ing. Tulio Mamani

 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.4.3 Vector Gradiente

Se define vector gradiente de z = 𝑓(𝑥, 𝑦) ,simbolizado por:
𝛻𝑓(𝑥, 𝑦) , al vector que genera las derivadas parciales de la
función “f”, de tal manera que:

𝛻𝑓 𝑥, 𝑦 = (𝑓𝑥 𝑥, 𝑦 , 𝑓𝑦 (𝑥, 𝑦))

El Operador Nabla

𝜕 𝜕 𝜕
𝛻= 𝑖Ԧ + 𝑗Ԧ + 𝑘
𝜕𝑥 𝜕𝑦 𝜕𝑧
Ing. Tulio Mamani
 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.4.4 Significado Vector Gradiente

El gradiente se extrae de un campo escalar , en este caso de una función escalar de dos
variables, gráficamente significa lo siguiente: Dada una superficie en el espacio, si yo
colocase una esfera en la superficie , hacia donde tendería a dirigirse esa esfera y con
que velocidad , esto es determinado por el vector gradiente:

Ing. Tulio Mamani

 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.4.5 Derivada Direccional y Gradiente

Con lo expuesto hasta ahora se puede representar una
derivada direccional en términos de u vector gradiente de la
siguiente forma: Sea z = 𝑓(𝑥, 𝑦) :

𝐷𝑢 𝑓 𝑎, 𝑏 = 𝛻𝑓 𝑥, 𝑦 ∘ 𝑢

Ing. Tulio Mamani

 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.4.6 Divergencia de una función vectorial

Ԧ 𝑟)=
Sea la función vectorial 𝑓( Ԧ 𝑓1 , 𝑓2 , 𝑓3 una función vectorial de
variable vectorial derivable , entonces se denota a la divergencia
como:

𝑑𝑖𝑣 𝑓Ԧ = 𝛻 ∘ 𝑓Ԧ

𝜕 𝜕 𝜕
𝑑𝑖𝑣𝑓Ԧ = 𝑖Ԧ + 𝑗Ԧ + 𝑘 ∘ 𝑓1 𝑖Ԧ + 𝑓2 𝑗Ԧ + 𝑓3 𝑘
𝜕𝑥 𝜕𝑦 𝜕𝑧

Ing. Tulio Mamani

 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.3.6 Significado de la Divergencia

La Divergencia mide la diferencia entre el flujo saliente y el flujo entrante de un campo
vectorial sobre la superficie que rodea a un volumen de control, por tanto, si el campo
tiene "fuentes" la divergencia será positiva, y si tiene "sumideros", la divergencia será
negativa

Ing. Tulio Mamani

 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.3.7 Rotacional de una función vectorial

También conocido como Rotor de una función vectorial 𝑓( Ԧ 𝑟)
Ԧ =
𝑓1 , 𝑓2 , 𝑓3 , es una función vectorial de variable vectorial , derivable,
definida por:

𝑖Ԧ 𝑗Ԧ 𝑘
Ԧ 𝜕 𝜕 𝜕
𝛻×𝑓 =
𝜕𝑥 𝜕𝑦 𝜕𝑧
𝑓1 𝑓2 𝑓3

Ing. Tulio Mamani

 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.3.7 Significado de un Rotacional

Suponiendo un fluido de liquido como un campo vectorial, si se pone en un
punto dado una rueda hidráulica, esta podría:
Girar en sentido antihorario, No girar, Girar en Sentido horario, el valor de
este giro es determinado por el Rotor

𝛻 × 𝑓Ԧ < 0 𝛻 × 𝑓Ԧ = 0 𝛻 × 𝑓Ԧ > 0

Ing. Tulio Mamani

 6.4 DERIVADA DIRECCIONAL OP. NABLA

6.3.8 Propiedades Operador Nabla

Ing. Tulio Mamani

6.5 Aplicaciones Derivadas
Parciales
 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.1 Máximos y Mínimos en Calculo I

Recordemos en una función univariable , que los puntos críticos
eran aquellos en los cuales la pendiente (Derivada) se hacia cero,
entonces se determinaban máximos y mínimos absolutos y relativos

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.1 Máximos y Mínimos en Calculo I (cont.)

El procedimiento para determinar si un punto es critico o no ,
y si es máximo y mínimo era el siguiente:

Hallar los puntos críticos :𝑓 ′ (𝑥) = 0

Determinar los máximos o mínimos

𝑓 ′′ 𝑥 < 0 es Máximo

𝑓 ′′ 𝑥 > 0 es Mínimo

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.2 Maximos y Minimos Relativos

Sea la función escalar de variable vectorial 𝑓(𝑟)=
Ԧ 𝑓1 , 𝑓2 , 𝑓3 se dice
que el punto 𝑟0 = (𝑟1 , 𝑟2 , 𝑟3 ) será un máximo o minimo en una
vecindad del mismo si se cumple:

Si :𝑓 𝑟0 ≥ 𝑓 𝑟 → 𝑟0
es máximo relativo

Si :𝑓 𝑟0 ≤ 𝑓 𝑟 → 𝑟0
es minimo relativo

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.3 Maximos y Minimos Absolutos

Se obtendrá un máximo o mínimo absolutos en 𝑟0 si las desigualdades :
𝑓 𝑟0 ≥ 𝑓 𝑟 , 𝑓 𝑟0 ≤ 𝑓 𝑟 se cumplen en todo el dominio de definición de
la función “f”

Nota.- Se llaman extremos a los máximos y mínimos de la

misma función definida en un dominio dado
Ing. Tulio Mamani
 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.4 Puntos Criticos

Se llaman puntos críticos de una función a aquellos donde las
derivadas parciales respecto a “x” y respecto a “y” son cero o no
existen.
𝜕𝑓(𝑥0 , 𝑦0 ) 𝜕𝑓(𝑥0 , 𝑦0 )
=0 , =0
𝜕𝑥 𝜕𝑦

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.5 Punto de Ensilladura (Silla de montar)

Los extremos de una función se presentaran siempre en los puntos críticos pero no todo
punto critico puede llegar a ser un extremo, P.E. en los casos siguientes se tienen
derivadas parciales de “x” e “y” iguales a ceros pro no son ni máximos ni minimos

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.6 Condiciones Puntos Extremos

Sea el punto 𝑃0 (𝑥0 , 𝑦0 ) considerado punto critico (Derivadas
parciales respecto s “x” e “y” iguales a cero) , para saber si es punto
Extremo se recurre al análisis de la Matriz Hessiana.

𝑓𝑥𝑥 𝑓𝑥𝑦
Δ= =𝑓𝑥𝑥 𝑓𝑦𝑦 - 𝑓𝑥𝑦 𝑓𝑦𝑥
𝑓𝑦𝑥 𝑓𝑦𝑦

Si Δ > 0 Hay un extremo en 𝑃0 (Máximo o Mínimo)

Si Δ < 0 No Hay un extremo en 𝑃0 (Punto de Silla)
Si Δ = 0 No se concluye nada (hacer otro análisis)

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.7 Condiciones Puntos Extremos (cont.)

Si Δ > 0 Hay un extremo en 𝑃0 (Máximo o Mínimo), para saber si es
máximo o mínimo se recurre a las segundas derivadas

Si 𝑓𝑥𝑥 > 0 ∨ 𝑓𝑦𝑦 > 0 Hay un mínimo en 𝑃0

Si 𝑓𝑥𝑥 < 0 ∨ 𝑓𝑦𝑦 < 0 Hay un maximo en 𝑃0

Si Δ = 0 si se quiere determinar si el punto critico es máximo o

mínimo se debe verificar por reemplazo y definición de máximos y
mínimos.

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.8 Multiplicadores de Lagrange

Si se quiere determinar puntos críticos de una función de dos variables 𝑓(𝑥, 𝑦)
(Superficie en dos variables) sujetas a funciones restrictivas 𝑔 𝑥, 𝑦 = 0 (curva en el
plano XY implícita), se puede efectuar a partir de una tercera función de 3 variables:

𝐹(𝑥, 𝑦, 𝜆) = 𝑓(𝑥, 𝑦) + 𝜆𝑔(𝑥, 𝑦)

Donde “F” tendrá puntos críticos a encontrarse con:
𝜕𝐹 𝜕𝐹 𝜕𝐹
= 0, = 0, =0
𝜕𝑥 𝜕𝑦 𝜕𝜆
El teorema de Lagrange indica que si se tiene un punto Q(a,b) considerado
extremo si “f(x,y)” esta condicionada con “g(x,y)=0”, entonces se cumplirá
que los gradientes de ambas funciones han de ser proporcionales
𝛻𝑓 = 𝜆𝛻𝑔

Ing. Tulio Mamani

 6.5 APLICACIONES DERIVADAS PARCIALES

6.5.8 Multiplicadores de Lagrange (cont.)

DE manera general para una función “f” de “n” variables
sujeta a “k” restricciones:

𝐹(𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛 , 𝜆1 , 𝜆2 , 𝜆3 , … 𝜆𝑛 ) = 𝑓(𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛 ) + 𝜆1 𝑔1 +𝜆2 𝑔2 + ⋯ 𝜆𝑘 𝑔𝑘

Ing. Tulio Mamani

6.6 Plano Tangente y recta
normal a una Superficie
 6.6 PLANO TANGENTE Y RECTA NORMAL A UNA SUP..

6.6.1 Plano Tangente a una Superficie

Se define Plano Tangente 𝜋 𝑇 ,a una superficie en el punto “P” de la
misma, a aquel plano que contiene a todas las tangentes a las
curvas trazadas sobre la superficie por el punto P.

Ing. Tulio Mamani

 6.6 PLANO TANGENTE Y RECTA NORMAL A UNA SUP..

6.6.2 Plano Tangente y Recta Normal

Sea “S” una superficie representada por una función de dos variables, definida
implícitamente por la ecuación:𝐹 𝑥, 𝑦, 𝑧 = 0 ,y sea 𝑃0 (𝑥0 , 𝑦0 , 𝑧0 ) un punto sobre “S” , si
existen las derivadas parciales en ese punto, entonces el vector: 𝛻𝐹(𝑥0 , 𝑦0 , 𝑧0 ) es
normal al plano tangente a F en 𝑃0 .

Para deducir la formula Para hallar el plano tangente a la

superficie: 𝐹 𝑥, 𝑦, 𝑧 = 0 en el punto 𝑃0 (𝑥0 , 𝑦0 , 𝑧0 )
suponemos la curva:
𝑟Ԧ 𝑡 = (𝑥 𝑡 , 𝑦 𝑡 , 𝑧 𝑡 ) :

𝛻𝐹(𝑥0 , 𝑦0 , 𝑧0 ) es normal al plano tangente a F en 𝑃0 .

Derivando F :
𝐹𝑥 x’(t)+𝐹𝑦 y’(t)+𝐹𝑧 z’(t)=0

𝐹𝑥 ,𝐹𝑦 ,𝐹𝑧 ∘ (𝑥′ 𝑡 , 𝑦′ 𝑡 , 𝑧′ 𝑡) = 0

𝛻𝐹 ∘ 𝑟 ′ 𝑡 = 0
Lo que significa que: 𝛻𝐹 ⊥ 𝑟 ′ 𝑡

Ing. Tulio Mamani

 6.6 PLANO TANGENTE Y RECTA NORMAL A UNA SUP..

6.6.2 Plano Tangente y Recta Normal (cont)

Las ecuaciones del plano tangente a una superficie y recta
normal en el punto 𝑃0 estarán dadas por:

La ecuación del Plano tangente será:

𝐹𝑥 𝑥0 , 𝑦0 , 𝑧0 𝑥 − 𝑥0 + 𝐹𝑦 𝑥0 , 𝑦0 , 𝑧0 𝑦 − 𝑦0 + 𝐹𝑧 (𝑥0 , 𝑦0 , 𝑧0 )(𝑧 − 𝑧0 )=0

La ecuación de la Recta normal será:

𝑥 − 𝑥0 𝑦 − 𝑦0 𝑧 − 𝑧0
= =
𝐹𝑥 (𝑥0 , 𝑦0 , 𝑧0 ) 𝐹𝑦 (𝑥0 , 𝑦0 , 𝑧0 ) 𝐹𝑧 (𝑥0 , 𝑦0 , 𝑧0 )

Ing. Tulio Mamani

Gracias