Professional Documents
Culture Documents
Derivadas direccionales.
Gradiente. Extremos relativos.
Anlisis Matemtico II. Departamento de Matemticas.
Diplomatura en Estadstica / Ingeniera Tcnica de Informtica de
Gestin
In[1]:= Clear@"Global`"D
D@f@x@tD, y@tDD, tD
Out[3]= fH1,0L @x@t, sD, y@t, sDD xH1,0L @t, sD + fH0,1L @x@t, sD, y@t, sDD yH1,0L @t, sD
Out[4]= fH0,1L @x@t, sD, y@t, sDD yH0,1L @t, sD + xH0,1L @t, sD fH1,0L @x@t, sD, y@t, sDD
El siguiente programa genera una animacin de los dos objetos movindose a lo largo de sus trayectorias y de como vara
la distancia entre ambos:
2 Practica5.nb
In[6]:= Clear@"Global`"D
Manipulate@grafico =
88RGBColor@0, 0, 1D, Circle@80, 0<, 84, 2<D<, 8RGBColor@1, 0, 0D, Circle@80, 0<, 82, 3<D<,
8RGBColor@0, 0, 1D, Disk@84 Cos@iD, 2 Sin@iD<, 0.2`D<,
8RGBColor@1, 0, 0D, Disk@82 Sin@2 iD, 3 Cos@2 iD<, 0.2`D<,
8RGBColor@0, 1, 0D, Line@884 Cos@iD, 2 Sin@iD<, 82 Sin@2 iD, 3 Cos@2 iD<<D<<;
Show@Graphics@graficoD, AspectRatio Automatic, AxesOrigin 80, 0<,
PlotRange 885, 5<, 84, 4<<, Background GrayLevel@0.66DD, 8i, 0, 2 , 0.05<D
Out[7]=
In[13]:= der = x1 d@x1, x2, y1, y2D x1 '@tD + x2 d@x1, x2, y1, y2D x2 '@tD +
y1 d@x1, x2, y1, y2D y1 '@tD + y2 d@x1, x2, y1, y2D y2 '@tD
In[15]:= der1 . t
22
Out[15]=
5
Podemos resolver el problema de otra forma: calculamos la funcin compuesta y la derivamos como funcin de una
variable.
In[18]:= g '@D
22
Out[18]=
5
Se define el gradiente de f como f(a,b)=(x f Ha, bL, y f Ha, bL). El gradiente nos da la direccin de mximo incremento
de la funcin en el punto (a,b).
4 Practica5.nb
In[19]:= Clear@"Global`"D
Hx^2+yL
Out[21]=
(a) Hallar las direcciones sobre la placa en el punto (3,5) en las que no hay
cambio en el calor.
Ix2 yM Ix2 yM
1 1
Out[22]= 200 2 v2 400 2 v1 x
1200 v1 200 v2
Out[23]= 0
7 7
0, 8v1, v2<F
1200 v1 200 v2
In[24]:= SolveB
7 7
Solve::svars : Equations may not give solutions for all "solve" variables.
::v1 >>
v2
Out[24]=
6
En las direcciones de los vectores (-1,6) y (1,-6) no hay cambio de calor porque la derivada direccional vale 0.
Practica5.nb 5
: >
1200 200
Out[26]= ,
7 7
N
2 2
1200 200
In[27]:= +
7 7
Out[27]= 1.10935
In[28]:= Clear@"Global`"D;
f@x_, y_D := 2 x2 + y2 + 8 x 6 y + 20
Para calcular los puntos crticos resolvemos el sistema de ecuaciones obtenido al igualar las derivadas parciales a cero.
El punto (-2,3) es un posible mximo mnimo de la funcin. Calculamos ahora la matriz hessiana de la funcin.
Observar que, en este caso, la matriz hessiana tiene el mismo valor para cualquier punto (x,y). As, en particular, en el
punto (-2,3) es:
Out[33]//MatrixForm=
4 0
0 2
In[35]:= Hessiano@fD@2, 3D
Out[35]= 8
Como el Hessiano (determinante de la matriz hessiana) en el punto (-2,3) es mayor que 0 y x,x f H-2, 3L = 4 > 0 se
concluye que hay un mnimo relativo en dicho punto. La representacin grfica de la funcin f considerada nos
confirma el resultado obtenido.
In[36]:= Plot3D@f@x, yD, 8x, 3, 1<, 8y, 2, 4<, PlotRange 83, 4<D
Out[36]=
Para calcular los puntos crticos resolvemos el sistema de ecuaciones obtenido al igualar las derivadas parciales a cero.
Solve::svars : Equations may not give solutions for all "solve" variables.
Out[39]= 88x 0<, 8x 0<, 8y 0<, 8y 0<<
Practica5.nb 7
Out[40]= x 0 y 0
Los puntos de la forma (x,0) y (0,y) son puntos crticos. Calculamos ahora la matriz hessiana de la funcin.
Out[43]//MatrixForm=
0 0
0 2 x2
In[45]:= Hessiano@fD@x, 0D
Out[45]= 0
Como el Hessiano (determinante de la matriz hessiana) en los puntos (x,0) es 0 el criterio no decide. Calculamos ahora
la matriz hessiana en los puntos de la forma (0,y).
Out[46]//MatrixForm=
2 y2 0
0 0
In[48]:= Hessiano@fD@0, yD
Out[48]= 0
Como el Hessiano (determinante de la matriz hessiana) en el punto (0,y) es 0 el criterio tampoco decide. Veamos la
representacin grfica de la funcin.
8 Practica5.nb
In[49]:= Plot3D@f@x, yD, 8x, 3, 3<, 8y, 3, 3<, PlotRange 80, 10<D
Out[49]=
Estudiando directamente la funcin, como f Hx, yL = x2 y2 0 = f Hx, 0L = f H0, xL entonces en cualquier punto del Eje
X o del Eje Y la funcin alcanza su mnimo absoluto.
Para calcular los puntos crticos resolvemos el sistema de ecuaciones obtenido al igualar las derivadas parciales a cero.
El punto (0,0) es un posible mximo mnimo de la funcin. Calculamos ahora la matriz hessiana de la funcin.
Observar que, en este caso, la matriz hessiana tiene el mismo valor para cualquier punto (x,y). As, en particular, en el
punto (0,0) es:
Out[55]//MatrixForm=
2 0
0 2
In[57]:= Hessiano@fD@0, 0D
Out[57]= 4
Como el Hessiano (determinante de la matriz hessiana) en el punto (0,0) es menor que 0 se concluye que hay un punto
de silla en dicho punto. La representacin grfica de la funcin f considerada nos confirma el resultado obtenido.
Out[58]=
Ejercicio 3. Un montaista est escalando una montaa cuya altura est dada
por la funcin
10 Practica5.nb