Baixe o app para aproveitar ainda mais
Prévia do material em texto
Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Daniel Leite IENG - UFMT 20 de fevereiro de 2019 Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Suma´rio 1 Derivadas Direcionais 2 Vetor Gradiente 3 Extremos de Func¸o˜es de Duas Varia´veis 4 Multiplicadores de Lagrange Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Seja z = f (x , y) uma func¸a˜o que determina o valor de z em func¸a˜o das varia´veis x e y . A taxa de variac¸a˜o de z na direc¸a˜o positiva de x e y sa˜o, respectivamente, as derivadas parciais fx(x0, y0) = lim h→0 f (x0 + h, y0)− f (x0, y0) h , e fy (x0, y0) = lim h→0 f (x0, y0 + h)− f (x0, y0) h Elas podem ser vistas, respectivamente, como as taxas de variac¸o˜es nas direc¸o˜es e sentidos dos vetores canoˆnicos~i = (1, 0) e ~j = (0, 1). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Representac¸a˜o Geome´trica de fx(x0, y0) Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Representac¸a˜o Geome´trica de fy (x0, y0) Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Agora, suponha que queiramos determinar a taxa de variac¸a˜o da func¸a˜o f no ponto (x0, y0) na direc¸a˜o e sentido de um vetor unita´rio ~u = (a, b). Para isso, consideramos o ponto P = (x0, y0, z0) do gra´fico de f , ou seja, z0 = f (x0, y0). O plano vertical que passa por P na direc¸a˜o do vetor ~u intersecta o gra´fico de f ao longo de uma curva C . A inclinac¸a˜o da reta tangente T a` curva C e´ a taxa de variac¸a˜o de z na direc¸a˜o e sentido do vetor ~u. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Se Q = (x , y , z) e´ outro ponto sobre a curva C e P ′, Q ′ sa˜o as respectivas projec¸o˜es dos pontos P e Q no plano xy, enta˜o o vetor −−→ P ′Q ′ e´ paralelo ao vetor ~u. Isso significa que existe um escalar h tal que −−→ P ′Q ′ = h~u, ou seja, (x − x0, y − y0) = (ah, bh). Segue que x = x0 + ah e y = y0 + bh. Portanto, a taxa de variac¸a˜o de z (em relac¸a˜o a` distaˆncia) na direc¸a˜o e sentido de ~u e´ definida, quando o limite existir, por lim h→0 f (x0 + ah, y0 + bh)− f (x0, y0) h Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Chamamos essa taxa de derivada direcional de f na direc¸a˜o e sentido do vetor unita´rio ~u e a denotamos por D~uf (x0, y0). Assim D~uf (x0, y0) = lim h→0 f (x0 + ah, y0 + bh)− f (x0, y0) h Observac¸a˜o Para os vetores canoˆnicos ~i e ~j , temos D~i f (x0, y0) = fx(x0, y0) e D~j f (x0, y0) = fy (x0, y0). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Suponha que f (x , y) seja diferencia´vel em (x0, y0). Enta˜o, existe a derivada direcional de f na direc¸a˜o e sentido de qualquer vetor unita´rio ~u. Ale´m disso, podemos usar a regra da cadeia para calcular a derivada direcional assim: Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Tome g(h) = f (x0 + ah, y0 + bh). Por um lado, dg dh |h=0 = lim h→0 g(0 + h)− g(0) h = lim h→0 f (x0 + ah, y0 + bh)− f (x0, y0) h = D~uf (x0, y0) Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Por outro lado, como f (x , y) e g(h) sa˜o diferencia´veis, a regra da cadeia diz que dg dh |h=0 = ∂f ∂x | (x ,y)=(x0,y0) dx dh |h=0 + ∂f ∂y | (x ,y)=(x0,y0) dy dh |h=0 = fx(x0, y0)a + fy (x0, y0)b = (fx(x0, y0), fy (x0, y0))︸ ︷︷ ︸ vetor gradiente • (a, b)︸ ︷︷ ︸ vetor ~u Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Portanto, D~uf (x0, y0) = (fx(x0, y0), fy (x0, y0)) • ~u ou seja, a derivada direcional e´ um produto escalar entre o vetor unita´rio ~u e o vetor (fx(x0, y0), fy (x0, y0)) que definiremos a seguir. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Suma´rio 1 Derivadas Direcionais 2 Vetor Gradiente 3 Extremos de Func¸o˜es de Duas Varia´veis 4 Multiplicadores de Lagrange Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis O vetor gradiente de f (x , y) no ponto (x0, y0) e´ definido por ∇f (x0, y0) = (fx(x0, y0), fy (x0, y0)) Com isso, a equac¸a˜o acima da derivada direcional pode ser descrito assim D~uf (x0, y0) = ∇f (x0, y0) • ~u. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Exemplo 1 Determine a taxa D~uf (1, 2) onde f (x , y) = x 3 − 3xy + 4y 2 e ~u e´ o versor definido pelo aˆngulo θ = pi6 . Temos ∇f (x , y) = (fx(x , y), fy (x , y)) = (3x2 − 3y ,−3x + 8y) ∇f (1, 2) = (fx(1, 2), fy (1, 2)) = (−3, 13) ~u = ( cos ( pi 6 ) , sen ( pi 6 )) = (√ 3 2 , 1 2 ) D~uf (1, 2) = ∇f (1, 2)•~u = (−3) (√ 3 2 ) +(13) ( 1 2 ) = −3√3 + 13 2 Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Exemplo 2 Nas proximidades de uma bo´ia, a profundidade de um lago em um ponto (x , y) e´ dada por z = 200 + 0, 02x2 − 0, 001y 3, onde x , y e z sa˜o medidos em metros. Um pescador que esta´ em um pequeno barco parte do ponto P = (80, 60) em direc¸a˜o a` bo´ia, que esta´ localizada no ponto O = (0, 0). A a´gua sob o barco esta´ ficando mais profunda ou mais rasa quando ele comec¸a a se mover? Temos ∇z = ( ∂z ∂x , ∂z ∂y ) = (0.04x ,−0.003y 2) Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis ∇z |P = ((0.04)(80), (−0.003)(60)2) = (3.2,−10.8) ~u = 1 ‖ −→PO ‖ −→ PO = 1 100 (−80,−60) = ( −4 5 ,−3 5 ) = (−0.8,−0.6)D~uz = ∇z |P • ~u = (3.2)(−0.8) + (−10.8)(−0.6) = 3.92 e conclu´ımos que a a´gua fica mais profunda porque a taxa e´ positiva (ou seja, z esta´ crescendo). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Va´rias Varia´veis Analogamente, para uma func¸a˜o f nas varia´veis x1, x2, · · · , xn definimos o gradiente no ponto P como sendo ∇f (P) = ( ∂f ∂x1 |P , · · · , ∂f ∂xn |P ) Com isso, a taxa de variac¸a˜o de f em P na direc¸a˜o e sentido de um vetor unita´rio ~u do espac¸o Rn e´ a derivada direcional obtida pelo produto escalar D~uf (P) = ∇f (P) • ~u Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Va´rias Varia´veis Exemplo Existe uma direc¸a˜o ~u na qual a taxa de variac¸a˜o da func¸a˜o temperatura T (x , y , z) = 2xy − yz (temperatura em ◦C , distaˆncia em pe´s) em P = (1,−1, 1) seja −3 ◦C/pe´s? Justifique sua resposta. Temos ∇T (x , y , z) = (2y , 2x − z ,−y) e ∇T (1,−1, 1) = (−2, 1, 1). Ale´m disso, se ~u = (a, b, c), enta˜o D~uT (1,−1, 1) = ∇T (1,−1, 1) • ~u = −2a + b + c Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Exemplo Mas, D~uT (1,−1, 1) = −3 implica que −2a + b + c = −3. Por outro lado, como ~u e´ unita´rio, temos a2 + b2 + c2 = 1. Isso significa que o ponto de coordenadas a, b, c (extremidade do vetor ~u) deve ser um ponto comum a` esfera unita´ria e ao plano −2x + y + z = −3. No entanto, na˜o ha´ intersec¸a˜o entre o plano e a esfera porque a distaˆncia da origem ao plano e´ maior do que 1 (verifique!). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Taxas Ma´ximas e M´ınimas Como D~uf = ∇f • ~u, segue da propriedade de vetores que D~uf =‖ ∇f ‖ ‖ ~u ‖︸ ︷︷ ︸ =1 cos(θ) =‖ ∇f ‖ cos(θ) onde θ e´ o aˆngulo formado entre ∇f e ~u. Portanto, D~uf e´ ma´xima quando cos(θ) = 1, ou seja, quando ~u e´ o versor de ∇f . Ale´m disso, a taxa ma´xima e´ igual a ‖ ∇f ‖. D~uf e´ m´ınima quando cos(θ) = −1, ou seja, quando ~u e´ o oposto do versor de ∇f , e a taxa m´ınima vale − ‖ ∇f ‖. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Taxas Ma´ximas e M´ınimas Resumindo Em outras palavras, uma func¸a˜o f cresce mais rapidamente na direc¸a˜o e sentido do seu vetor gradiente ∇f e a sua taxa ma´xima vale ‖ ∇f ‖. Consequentemente, decresce mais ra´pido no sentido contra´rio ao seu vetor gradiente com taxa − ‖ ∇f ‖. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Vetor Gradiente e Curvas/Superf´ıcies de N´ıvel Lembre que por definic¸a˜o uma func¸a˜o f e´ sempre constante ao longo da sua curva de n´ıvel. Enta˜o, a taxa de variac¸a˜o de f em um ponto P = (x0, y0) da sua curva de n´ıvel e´ nula. Se a curva esta´ parametrizada por x(t), y(t), enta˜o a taxa de variac¸a˜o em P e´ dada pela regra da cadeia por df dt = ∂f ∂x dx dt + ∂f ∂y dy dt = ∇f • ( x ′(t)~i + y ′(t)~j ) Mas, dfdt |P = 0, implica que ∇f (x0, y0) • ( x ′(t0)~i + y ′(t0)~j ) = 0 Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Vetor Gradiente e Curvas/Superf´ıcies de N´ıvel onde estamos supondo x(t0) = x0, y(t0) = y0, ou seja, o vetor gradiente e´ ortogonal ao vetor tangente a` curva, x ′(t)~i + y ′(t)~j . Portanto, o vetor gradiente ∇f (x0, y0) aponta na direc¸a˜o de maior crescimento da func¸a˜o e e´ ortogonal a` curva de n´ıvel no ponto P = (x0, y0). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Vetor Gradiente e Curvas/Superf´ıcies de N´ıvel Observac¸a˜o Conclusa˜o semelhante se obte´m para func¸o˜es de treˆs ou mais varia´veis. Isso significa, por exemplo, que o vetor gradiente de uma func¸a˜o de treˆs varia´veis aponta na direc¸a˜o ortogonal a` superf´ıcie de n´ıvel, ou seja, aponta na mesma direc¸a˜o do vetor normal do plano tangente a` superf´ıcie. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Vetor Gradiente e Curvas/Superf´ıcies de N´ıvel Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo (Exerc´ıcio) (a) Se f (x , y) = xy , encontre o vetor gradiente ∇f (3, 2) e use-o para encontrar a reta tangente a` curva de n´ıvel f (x , y) = 6 no ponto (3, 2). Esboce a curva de n´ıvel, a reta tangente e o vetor gradiente. (b) Em quais pontos a reta normal que passa pelo ponto (1, 2, 1) no elipso´ide 4x2 + y 2 + 4z2 = 12 intersepta a esfera x2 + y 2 + z2 = 102? Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo (Exerc´ıcio) (c) Determine as equac¸o˜es parame´tricas da reta tangente a` curva formada pela intersec¸a˜o do parabolo´ide z = x2 + y 2 com o elipso´ide 4x2 + y 2 + z2 = 9 no ponto (−1, 1, 2). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo (Exerc´ıcio) Suponha que voceˆ esta´ escalando um morro cujo formato e´ dado pela equac¸a˜o z = 1000− 0.01x2 − 0.02y 2 onde x , y , z sa˜o dados em metros e voceˆ esta´ em pe´ no ponto de coordenadas P = (50, 80, 847). O eixo positivo dos x aponta para o Leste, enquanto que o eixo positivo dos y aponta para o Norte. Se voceˆ andar exatamente para o Sul, comec¸ara´ a subir ou a descer? Com que taxa? Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo (Exerc´ıcio) Se comec¸ar a andar para Noroeste, voceˆ comec¸ara´ a subir ou a descer? Com que taxa? Em qual sentido e direc¸a˜o a inclinac¸a˜o e´ maior? Qual e´ a taxa de elevac¸a˜o nesse sentido? Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Suma´rio 1 Derivadas Direcionais 2 Vetor Gradiente 3 Extremos de Func¸o˜es de Duas Varia´veis 4 Multiplicadores de Lagrange Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Ma´ximos e M´ınimos Locais/Globais Uma func¸a˜o de duas varia´veis f (x , y) tem um ma´ximo local em (x0, y0), se para todo ponto (x , y) pro´ximo de (x0, y0) tem-se f (x , y) ≤ f (x0, y0). Se esta desigualdade for verdadeira para todo (x , y) no dom´ınio de f , enta˜o dizemos que f tem um ma´ximo absoluto em (x0, y0). O nu´mero f (x0, y0) e´ chamado de valor ma´ximo local de f . Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Ma´ximos e M´ınimos Locais/GlobaisDe maneira semelhante definimos m´ınimo local, m´ınimo absoluto, valor de m´ınimo de f (x , y). Ilustrac¸a˜o de Ma´ximo e Mı´nimo Local Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Ma´ximos e M´ınimos Locais/Globais Observac¸a˜o Podem ocorrer com func¸o˜es de duas varia´veis: Ter dois ma´ximos locais sem que haja m´ınimo local algum (Isso e´ imposs´ıvel para func¸o˜es diferencia´veis de uma varia´vel, (Stewart, 5◦ ed, pa´g. 960, exerc. 35)). Ter u´nico ma´ximo local e na˜o ter ma´ximo absoluto (ana´logo para m´ınimo). Tambe´m e´ imposs´ıvel para func¸o˜es diferencia´veis de uma varia´vel (Stewart, 5◦ ed, pa´g. 960, exerc. 36). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos Os pontos cr´ıticos de uma func¸a˜o f (x , y) sa˜o os pontos (x0, y0) onde podem ocorrer valores ma´ximos ou m´ınimos. Para defini-los precisamos das seguintes observac¸o˜es. Primeiro, suponha que f (x , y) seja diferencia´vel, com derivadas parciais cont´ınuas, e tenha um ma´ximo ou m´ınimo local em (x0, y0). Enta˜o, a curva Cx0 (intersec¸a˜o do gra´fico com o plano vertical y = y0) possui um ma´ximo ou m´ınimo local em (x0, y0) e portanto sua reta tangente tem inclinac¸a˜o nula, fx(x0, y0) = 0. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos De modo ana´logo, a curva Cy0 e´ tal que a sua reta tangente tem inclinac¸a˜o nula em (x0, y0), ou seja, fy (x0, y0) = 0. Ponto de Ma´ximo Local Com Variac¸o˜es Nulas em X e Y Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos Ponto de Mı´nimo Local Com Variac¸o˜es Nulas em X e Y Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos Portanto, se f (x , y) tem um ma´ximo ou m´ınimo local em (x0, y0) devemos ter ∇f (x0, y0) = ~0. Segundo, na˜o podemos esquecer que uma func¸a˜o f (x , y) pode admitir um ma´ximo ou m´ınimo local em (x0, y0) mesmo na˜o sendo diferencia´vel em (x0, y0). Por exemplo, o cone de uma folha com ve´rtice na origem. Sendo assim, temos a seguinte definic¸a˜o para pontos cr´ıticos Um ponto (x0, y0) e´ ponto cr´ıtico de f (x , y) se ∇f (x0, y0) = ~0 ou ∇f (x0, y0) na˜o existe. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos Cone Com Mı´nimo Local no Ve´rtice Onde ∇f Na˜o Existe Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos Observac¸a˜o Pontos cr´ıticos sa˜o apenas candidatos a ma´ximos e m´ınimos locais. Isso significa que pode haver ponto onde o gradiente se anula, sem que ele seja ma´ximo ou m´ınimo da func¸a˜o. Veremos adiante que isso ocorre com a func¸a˜o f (x , y) = x2 − y 2 no ponto P = (0, 0). Ponto com esta propriedade sera´ chamado de ponto de sela ou simplesmente sela. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos Ponto de Sela no Gra´fico do Parabolo´ide Hiperbo´lico Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Crite´rios Para Obter Ma´ximos de M´ınimos Para uma func¸a˜o diferencia´vel h(t) em uma varia´vel, o que determina se um ponto cr´ıtico t0 e´ ma´ximo ou m´ınimo local e´ o sinal da sua derivada segunda: Se h′′(t0) > 0, o ponto e´ de m´ınimo local. Se h′′(t0) < 0, o ponto e´ de ma´ximo local. Isso porque a derivada segunda determina a concavidade do gra´fico de h. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Crite´rios Para Obter Ma´ximos de M´ınimos Para uma func¸a˜o diferencia´vel de duas varia´veis f (x , y), se existe um ponto de ma´ximo ou de m´ınimo em (x0, y0), o gra´fico de f deve ser semelhante a um parabolo´ide el´ıptico pro´ximo de (x0, y0), enquanto que na vizinhanc¸a de uma sela, o gra´fico e´ semelhante a um parabolo´ide hiperbo´lico, conforme ilustrac¸o˜es acima. Precisamos estabeler um “paraˆmetro” que determina quando teremos um ou outro comportamento para o gra´fico de f pro´ximo de um ponto cr´ıtico (x0, y0) onde o gradiente se anula. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Crite´rios Para Obter Ma´ximos de M´ınimos Existem duas matrizes para uma func¸a˜o diferencia´vel em duas varia´veis que descrevem propriedades importantes de f (x , y): A Matriz Jacobiana, ou seja, a matriz da derivada Jf (x0, y0) = [ fx(x0, y0) fy (x0, y0) ] A Matriz Hessiana Hf (x0, y0) = fxx(x0, y0) fxy (x0, y0) fyx(x0, y0) fyy (x0, y0) Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Crite´rios Para Obter Ma´ximos de M´ınimos Supondo derivadas parciais de segunda ordem cont´ınuas, temos fxy (x0, y0) = fyx(x0, y0). Com isso, a Hessiana torna-se Hf (x0, y0) = fxx(x0, y0) fxy (x0, y0) fxy (x0, y0) fyy (x0, y0) O determinante da Matriz Hessiana de f sera´ denotado por D(x0, y0) (ou simplesmente por D) e o chamaremos de Hessiano de f . Assim, D(x0, y0) = fxx(x0, y0)fyy (x0, y0)− [fxy (x0, y0)]2 Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Crite´rios Para Obter Ma´ximos de M´ınimos Observac¸a˜o O gra´fico de uma func¸a˜o f se parece localmente com um parabolo´ide el´ıptico se D(x0, y0) > 0”. O gra´fico de uma func¸a˜o f se parece localmente com um parabolo´ide hiperbo´lico se D(x0, y0) < 0”. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Crite´rios Para Obter Ma´ximos de M´ınimos Teorema (Teste da Derivada Segunda) Seja f (x , y) uma func¸a˜o diferencia´vel e com derivadas parciais de segunda ordem cont´ınuas em um ponto cr´ıtico (x0, y0). Enta˜o, Se fxx(x0, y0) > 0 e D(x0, y0) > 0, enta˜o (x0, y0) e´ um ponto de m´ınimo local. Se fxx(x0, y0) < 0 e D(x0, y0) > 0, enta˜o (x0, y0) e´ um ponto de ma´ximo local. Se D(x0, y0) < 0, enta˜o (x0, y0) na˜o e´ ponto de ma´ximo nem de m´ınimo local. Neste caso, (x0, y0) e´ um ponto de sela. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Crite´rios Para Obter Ma´ximos de M´ınimos Teorema (Teste da Derivada Segunda) Se D(x0, y0) = 0, na˜o sabemos decidir. Neste caso, o ponto pode ser de ma´ximo, m´ınimo ou sela. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Determine os ma´ximos, m´ınimos e pontosde selas da func¸a˜o f (x , y) = 4 + x3 + y 3 − 3xy . Temos fx(x , y) = 3x 2 − 3y e fy (x , y) = 3y 2 − 3x . Os pontos cr´ıticos sa˜o obtidos pelo sistema 3x2 − 3y = 03y 2 − 3x = 0 equivalente a ∇f (x , y) = ~0. Na primeira, temos y = x2 e substituindo na segunda, obtemos x(x3 − 1) = 0. Isto implica, x = 0 ou x = 1. Substituindo x = 0 na equac¸a˜o y = x2, obtemos y = 0. Com isso, temos o ponto Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo P = (0, 0). Agora, substituindo x = 1 em y = x2, obtemos y = 1 e temos o ponto Q = (1, 1). Portanto, temos dois pontos cr´ıticos P = (0, 0) e Q = (1, 1). Em seguida, tomamos as derivadas parciais de segunda ordem fxx(x , y) = 6x , fxy (x , y) = −3, fyx(x , y) = −3, fyy (x , y) = 6y . Para o ponto P = (0, 0) temos Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo fxx(0, 0) = 0, D = fxx(0, 0)︸ ︷︷ ︸ =0 fyy (0, 0)︸ ︷︷ ︸ =0 − fxy (0, 0)︸ ︷︷ ︸ =−3 2 = 0− 9 = −9 Como D < 0, P = (0, 0) e´ ponto de sela. Para o ponto Q = (1, 1) temos fxx(1, 1) = 6, D = fxx(1, 1)︸ ︷︷ ︸ =6 fyy (1, 1)︸ ︷︷ ︸ =6 − fxy (1, 1)︸ ︷︷ ︸ =−3 2 = 36−9 = 27 Como fxx(1, 1) > 0 e D > 0, Q = (1, 1) e´ ponto de m´ınimo local. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos/Curvas de N´ıvel/Vetor Gradiente Para um ponto cr´ıtico (x0, y0) onde ∇f (x0, y0) = ~0, e´ poss´ıvel reconhecer quando ele e´ de ma´ximo, m´ınimo ou sela atrave´s da ana´lise das curvas de n´ıvel e do “campo gradiente” (esboc¸o do vetor gradiente em ”todos” os pontos de uma regia˜o) pro´ximo de (x0, y0). Pelo que observamos acima, se o ponto (x0, y0) e´ de ma´ximo ou m´ınimo local, o gra´fico e´ semelhante a um parabolo´ide el´ıptico. Isso significa que as curvas de n´ıvel sa˜o semelhantes a elipses ou c´ırculos como centro em (x0, y0). Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos/Curvas de N´ıvel/Vetor Gradiente Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos/Curvas de N´ıvel/Vetor Gradiente Como saber se o ponto (x0, y0) e´ de ma´ximo ou m´ınimo? Aqui e´ onde entra o papel do vetor gradiente. Sabemos que ele aponta no sentido de maior crescimento e ortogonal a`s curvas de n´ıvel. Logo, se o campo gradiente aponta para o centro (x0, y0), o ponto e´ de ma´ximo local. Caso contra´rio, se o campo aponta no sentido saindo do centro, enta˜o o ponto (x0, y0) e´ de m´ınimo local. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos/Curvas de N´ıvel/Vetor Gradiente Curvas de N´ıvel e Vetor Gradiente Para Ma´ximo Local Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos/Curvas de N´ıvel/Vetor Gradiente Curvas de N´ıvel e Vetor Gradiente Para Mı´nimo Local Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos/Curvas de N´ıvel/Vetor Gradiente Como reconhecer um ponto de sela atrave´s das curvas de n´ıvel? Pro´ximo de um ponto de sela (x0, y0), as curvas de n´ıvel sa˜o semelhantes a hipe´rboles com centro em (x0, y0). Isso porque o gra´fico de f (x , y) e´ semelhante a um parabolo´ide hiperbo´lico. Em termos dos vetores gradientes, alguns apontam chegando e outros saindo do centro. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Pontos Cr´ıticos/Curvas de N´ıvel/Vetor Gradiente Curvas de N´ıvel e Vetor Gradiente Para Mı´nimo Local Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Vamos fazer nossa ana´lise pelas curvas de n´ıvel da func¸a˜o do exemplo anterior f (x , y) = x3 + y 3 − 3xy . Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcio Determine os ma´ximos, m´ınimos e pontos de sela da func¸a˜o f (x , y) = 3x − x3 − 2y 2 + y 4. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcio (a) Analisando as curvas de n´ıvel (pelo menos a`queles vis´ıveis no mapa de contorno acima). (b) Desenhe vetores gradientes pro´ximos de cada ponto cr´ıtico. (c) Usando o teste da derivada segunda. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcio Encontre a distaˆncia mais curta entre o ponto P = (2, 1,−1) e o plano x + y − z = 1. Uma empresa produz dois produtos cujas quantidades sa˜o expressas por x e y . Tais produtos sa˜o oferecidas ao mercado consumidor com prec¸os unita´rios p1 e p2, respectivamente, que dependem de x e y conforme equac¸o˜es p1 = 120− 2x , p2 = 200− y . O custo total da empresa para produzir e vender quantidades x e y dos produtos e´ dado por Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcio C = x2 + 2y 2 + 2xy . Admitindo que toda produc¸a˜o da empresa seja absorvido pelo mercado, determine a produc¸a˜o que maximiza o lucro. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Ma´ximos e M´ınimos em Regio˜es Limitadas e Fechadas Uma regia˜o no plano e´ dita limitada e fechada se puder ser colocada dentro de um c´ırculo com centro na origem e conter todo os pontos do seu contorno. Como exemplos temos As regio˜es limitadas pelas circunfereˆncias. As regio˜es limitadas por triaˆngulos. As regio˜es limitadas por retaˆngulos. Regio˜es limitadas pelas elipses. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Ma´ximos e M´ınimos em Regio˜es Limitadas e Fechadas Observac¸a˜o As regio˜es acima com poss´ıveis “buracos”. Em todos os casos as regio˜es sa˜o consideradas juntamente com as suas “fronteiras” (curvas que contornam a regia˜o). Essas regio˜es podem ter suas fronteiras como unia˜o de curvas de tipos diferentes como, por exemplo, o semic´ırculo tem sua fronteira como a unia˜o de um segmento de reta com um arco de circunfereˆncia. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Ma´ximos e M´ınimos em Regio˜es Limitadas e Fechadas Regio˜es Planas Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Teoremade Weierstrass Uma func¸a˜o f (x , y) que e´ cont´ınua em uma regia˜o limitada e fechada (compacta) R, admite um valor ma´ximo absoluto e valor m´ınimo absoluto em R. Observac¸a˜o O teorema acima na˜o diz respeito a extremos da func¸a˜o em todo o seu dom´ınio, mas sim em uma regia˜o limitada e fechada contida no dom´ınio. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Observac¸a˜o Mesmo que a func¸a˜o na˜o admita valores extremos no seu dom´ınio, ela admitira´ quando restringirmos a uma tal regia˜o. Exemplo Uma placa circular plana tem o formato da regia˜o circular x2 + y 2 ≤ 1. A placa, incluindo a fronteira x2 + y 2 = 1, e´ aquecida de tal modo que a temperatura no ponto (x , y) e´ dada por T (x , y) = x2 + 2y 2 − x . Encontre as temperaturas nos pontos mais quentes e mais frios da placa. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Vamos dividir a soluc¸a˜o em duas partes: Usar o Teste da Derivada Segunda para identificar os extremos no interior da regia˜o. Determinar os extremos na fronteira da regia˜o. O maior e o menor valor de T nos itens acima, sera˜o os extremos da func¸a˜o. Extremos no interior da regia˜o: Tomamos as derivadas parciais de primeira ordem Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Tx(x , y) = 2x − 1 e Ty (x , y) = 4y . Os pontos cr´ıticos satisfazem o sistema 2x − 1 = 04y = 0 A u´nica soluc¸a˜o e´ x = 12 e y = 0. Isto e´, temos um u´nico ponto cr´ıtico, A = ( 1 2 , 0 ) . Como ele esta´ dentro da regia˜o devemos considera´-lo. O valor da temperatura em A e´ T ( 1 2 , 0 ) = ( 1 2 )2 + 2(0)2 − 1 2 = 1 4 − 1 2 = −1 4 . Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Extremos na fronteira da regia˜o. Para restringir a func¸a˜o na fronteira da regia˜o, basta substituir a varia´vel y em func¸a˜o de x (ou x em func¸a˜o de y) usando a equac¸a˜o que descreve a fronteira. Se na˜o for conveniente devido a complexidade da equac¸a˜o, podemos parametrizar a fronteira (escrever x e y em func¸a˜o de um u´nico paraˆmetro t) quando for conhecida. Seguiremos este caminho por julgar mais conveniente. A fronteira e´ uma circunfereˆncia de raio 1 Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo com centro na origem. Portanto tem parametrizac¸a˜o x = cos(t), y = sen(t), 0 ≤ t ≤ 2pi. Substituindo na func¸a˜o temos T = cos2(t) + 2sen2(t)− cos(t). Usando a identidade trigonome´trica fundamental, temos T = sen2(t)− cos(t) + 1. Agora, os extremos de T sa˜o obtidos de T ′ = 0. T ′ = 0 se e somente se 2sen(t)cos(t) + sen(t) = 0. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Isto e´, quando t = 0, t = pi, t = 2pi, t = 2pi3 ou t = 4pi 3 . Temos os pontos B = (1, 0), C = ( −12 , √ 3 2 ) , D = (−1, 0) e E = ( −12 ,− √ 3 2 ) . Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Nesses pontos temos, T (0) = T (2pi) = 0, T (pi) = 2, T ( 2pi 3 ) = T ( 4pi 3 ) = 9 4 Comparando as temperaturas nos dois casos, concluimos que o m´ınimo acontece no ponto A = ( 1 2 , 0 ) onde T = −14 e o ma´ximo nos pontos C e E onde T = 94 . Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Ilustrac¸a˜o Geome´trica do Problema Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Ilustrac¸a˜o Geome´trica do Problema Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcio Encontre os extremos da func¸a˜o f (x , y) = 2x2 + 3y 2 − 4x − 5 na regia˜o x2 + y 2 ≤ 16. Encontre os extremos da func¸a˜o f (x , y) = 2x2 − 4x + y 2 − 4y + 1 na regia˜o limitada pelas retas x = 0, y = 2 e y = 2x no primeiro quadrante. Encontre dois nu´meros a e b, a ≤ b, tais que∫ b a ( 6− x − x2) dx tenha seu valor ma´ximo. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Suma´rio 1 Derivadas Direcionais 2 Vetor Gradiente 3 Extremos de Func¸o˜es de Duas Varia´veis 4 Multiplicadores de Lagrange Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Suponha que f (x , y) seja uma func¸a˜o diferencia´vel cujos extremos devem ser determinados sobre uma curva de n´ıvel g(x , y) = c , onde g e´ diferencia´vel com derivadas parciais cont´ınuas e ∇g 6= ~0. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Pela figura parece que os extremos devem ocorrer quando existe uma tangeˆncia entre a curva g(x , y) = c e as curvas de maior e menor n´ıvel de f (x , y), quando existirem. Para verificarmos essa situac¸a˜o, tomamos parametrizac¸a˜o da curva g(x , y) = c, digamos x(t), y(t). Sejam x(t0) = x0, y(t0) = y0. Enta˜o, um ponto (x0, y0) da curva sera´ um extremos de f quando d dt f (x(t), y(t)) |t=t0 = 0. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis Pela regra da cadeia fx(x0, y0)x ′(t0) + fy (x0, y0)y ′(t0)︸ ︷︷ ︸ ∇f (x0,y0)• (x ′(t0), y ′(t0))︸ ︷︷ ︸ tangente a` curva = 0 Portanto, o gradiente de f deve ser ortogonal a` curva g(x , y) = c, e portanto paralelo ao gradiente de g . Isto e´, ∇f (x0, y0) = λ∇g(x0, y0) para algum escalar λ. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Duas Varia´veis O escalar λ da equac¸a˜o acima e´ chamado de multiplicador de Lagrange. Para determinar os extremos de f (x , y) sobre uma curva de n´ıvel g(x , y) = c , ambos diferencia´veis, devemos determinar as soluc¸o˜es do “sistema” ∇f (x , y) = λ∇g(x , y)g(x , y) = c nas varia´veis x , y e λ. O maior valor de f nesses pontos sera´ o ma´ximo e o menor sera´ o m´ınimo. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Treˆs Varia´veis Repetindo um argumento ana´logo para uma func¸a˜o f (x , y , z) sobre uma superf´ıcie g(x , y , z) = c , f e g tendo as mesmas propriedades do caso anterior, concluiremos que para quaisquer duas curvas transversais passando por um extremo (x0, y0, z0) de f na superf´ıcie,deveremos ter o gradiente de f ortogonal a ambas as curvas e, portanto, ortogonal a` superf´ıcie. Enta˜o, outra vez deveremos ter o gradiente de f paralelo ao gradiente de g . Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Treˆs Varia´veis Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Para Func¸o˜es de Treˆs Varia´veis Analogamente, para determinar os extremos de f (x , y , z) sobre uma superf´ıcie de n´ıvel g(x , y , z) = c , ambos diferencia´veis, devemos determinar as soluc¸o˜es do “sistema” ∇f (x , y , z) = λ∇g(x , y , z)g(x , y , z) = c nas varia´veis x , y , z e λ. O maior valor de f nesses pontos sera´ o ma´ximo e o menor sera´ o m´ınimo. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo No exemplo acima, determinamos os extremos da func¸a˜o temperatura T (x , y) = x2 + 2y 2 − x sobre a regia˜o x2 + y 2 ≤ 1. Podemos usar os multiplicadores de lagrange para determinar a sua temperatura na fronteira x2 + y 2 = 1 sem que haja necessidade da parametrizac¸a˜o. Para isso, tomamos g(x , y) = x2 + y 2. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Enta˜o, precisamos determinar as soluc¸o˜es do sistema (2x − 1︸ ︷︷ ︸ Tx , 4y︸︷︷︸ Ty ) = λ ( 2x︸︷︷︸ gx , 2y︸︷︷︸ gy ) x2 + y 2︸ ︷︷ ︸ g(x ,y) = 1︸︷︷︸ c Da segunda componente na primeira equac¸a˜o obtemos y = 0 ou λ = 2. Substituindo o λ = 2 na primeira componente encontramos x = −12 . Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exemplo Substituindo y = 0 na segunda equac¸a˜o, encontramos x = 1. Temos o ponto P = (1, 0). Agora, substituindo x = −12 na segunda equac¸a˜o, encontramos y = ± √ 3 2 . Temos os pontos Q = ( −12 ,− √ 3 2 ) e R = ( −12 , √ 3 2 ) . Ja´ sabemos que o m´ınimo ocorre em P (temperatura igual a zero) e o ma´ximo nos pontos Q e R (temperatura igual a 9/4) sobre a fronteira. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcios Encontre os pontos no plano xy sobre a curva x2 + xy + y 2 = 1 que esta˜o mais pro´ximos e mais distantes da origem. Suponha que a temperatura em Celsius em um ponto (x , y , z) sobre uma esfera x2 + y 2 + z2 = 1 seja T = 400 x y z2. Localize as temperaturas mais baixas e mais altas sobre a esfera. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcios Treˆs alelos (verso˜es alternativas de um gene) A, B e O determinam os quatro tipos de sangue: A (AA ou AO), B (BB ou BO), O (OO) e AB. A lei de Hardy-Weinberg estabelece que a proporc¸a˜o de indiv´ıduos em uma populac¸a˜o que carregam dois alelos diferentes e´ P = 2pq + 2pr + 2rq onde p, q e r sa˜o proporc¸o˜es de A, B e O na populac¸a˜o. Use o fato de p + q + r = 1 para mostrar que P e´ no ma´ximo 2/3. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcios A produc¸a˜o total P de certo produto depende da quantidade L de trabalho empregado e da quantidade K de capital investido. Cobb-Douglas modelaram que P = b Lα K 1−α seguindo certas hipo´teses econoˆmica, onde b e α sa˜o constantes positivas e α < 1. Se o custo por unidade de trabalho for m e o custo por unidade de capital for n, e uma companhia pode gastar somente uma quantidade p de dinheiro como despesa total, maximizar a produc¸a˜o P estara´ Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Exerc´ıcios sujeita a restric¸a˜o mL + nK = p. (a) Mostre que a produc¸a˜o ma´xima ocorre quando L = α pm e K = (1−α) pn . (b) Suponha agora que a produc¸a˜o esteja fixada em b Lα K 1−α = Q, onde Q e´ uma constante. Que valores L e K minimizam a func¸a˜o custo C (L,K ) = mL + nK ? Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Multiplicadores de Lagrange Com Duas Restric¸o˜es Suponha que queiramos determinar os extremos de uma func¸a˜o diferencia´vel sobre os pontos de intersec¸a˜o das superf´ıcies g(x , y , z) = k e h(x , y , z) = c , onde g e h tambe´m sa˜o diferencia´veis com derivadas parciais cont´ınuas. Suponha que as superf´ıcies se intersectam ao longo de uma curva C . Como antes, f (x , y , z) tera´ um extremo sobre um ponto da curva onde os gradientes de g e h na˜o se anulam, se ∇f for ortogonal ao vetor tangente a` curva. Mas, tanto ∇g quanto ∇h tambe´m sa˜o Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Multiplicadores de Lagrange Com Duas Restric¸o˜es ortogonais ao vetor tangente a` curva C , pois a curva esta´ contida na superf´ıcie de n´ıvel de ambas as func¸o˜es. Portanto, os treˆs vetores gradientes sa˜o coplanares. Segue que existem escalares α e β tais que ∇f = α∇g + β∇h. Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Multiplicadores de Lagrange Com Duas Restric¸o˜es Ilustrac¸a˜o Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Func¸o˜es de Duas Varia´veis Multiplicadores de Lagrange Multiplicadores de Lagrange Com Duas Restric¸o˜es Portanto, um ponto (x0, y0, z0) e´ extremo de uma func¸a˜o f (x , y , z) restrito a`s condic¸o˜es g(x , y , z) = k e h(x , y , z) = c se satisfaz simultaneamente as equac¸o˜es ∇f (x0, y0, z0) = α∇g(x0, y0, z0) + β∇h(x0, y0, z0) g(x0, y0, z0) = k h(x0, y0, z0) = c Daniel Leite FUNC¸O˜ES DE VA´RIAS VARIA´VEIS Derivadas Direcionais Vetor Gradiente Extremos de Funções de Duas Variáveis Multiplicadores de Lagrange
Compartilhar