Derivadas Parciais

Nas funções de várias variáveis existem derivadas em relação a cada

uma destas variáveis, estas são chamadas de derivadas parciais.

Para representar estas derivadas usamos o caracter ∂ ”dround”.

Para uma função de duas variáveis f (x , y ) temos as seguintes
derivadas parciais:

∂f
, lê-se derivada parcial de f em relação a x ;
∂x
∂f
, lê-se derivada parcial de f em relação a y .
∂y

O cálculo destas derivadas é feito da seguinte forma, quando

derivamos a função em relação a uma variável, consideramos as
outras constantes.
Derivadas Parciais
Exemplos:
Calcule as derivadas parciais:
2
1 f (x , y ) = x 3 seny + 2xe y − 3x + y .

∂f 2
= 3x 2 seny + 2e y − 3
∂x
∂f 2
= x 3 cosy + 4xye y + 1
∂y
x
2 f (x , y ) = x 2 +y 2
.

∂f 1 · (x 2 + y 2 ) − x · 2x y2 − x2
= =
∂x (x 2 + y 2 )2 (x 2 + y 2 )2

∂f −2xy
= x · (−1)(x 2 + y 2 )−2 2y = 2
∂y (x + y 2 )2
Derivadas Parciais

Exemplos:
Calcule as derivadas parciais:
1 f (x , y , z) = xe z − ye x + ze −y .

Solução:

∂f
= e z − ye x
∂x
∂f
= −e x − ze −y
∂y
∂f
= xe z + e −y
∂z
Derivadas Parciais

Exemplos:
Calcule as derivadas parciais:
1 f (r , s, t) = r 2 e 2s cos(t).

Solução:

∂f
= 2re 2s cos(t)
∂r
∂f
= 2r 2 e 2s cos(t)
∂s
∂f
= −r 2 e 2s sen(t)
∂t
Derivadas Num Ponto

Podemos calcular o valor das derivadas parciais de uma função em

um determinado ponto. No caso de uma função de duas variáveis,
por exemplo, calular as derivadas parciais num ponto (x0 , y0 ).
Estas derivadas parciais são representadas por

∂f ∂f
(x0 , y0 ) e (x0 , y0 )
∂x ∂x

Vejamos um exemplo.
Exemplo

Exemplo
Calcule as derivadas parciais de f (x , y ) = x ln(xy ) no ponto
(1, e).:
Solução:

∂f y ∂f
= ln(xy )+x = 1+ln(xy ) → (1, e) = 1+ln(e) = 1+1 = 2
∂x xy ∂x
∂f x x ∂f 1
= x. = → (1, e) = .
∂y xy y ∂y e
∂f
Obs.1: Note que para calcular usamos a regra do produto:
∂x
(u · v )0 = u 0 v + uv 0 onde u = x e v = ln(xy )
w0
Obs.1: Usamos também a regra da cadeia para (lnw )0 = w , onde
w é uma função.
Derivadas de Ordens Superiores
Assim como nas funções de uma variável, podemos definir as
deridas de ordens superiores para as funções de várias variáveis,
que serão representadas das seguintes formas:

∂2f
, lê-se derivada parcial de segunda ordem de f em
∂x 2
relação a x ;
∂2f
, lê-se derivada parcial de segunda ordem de f em
∂y 2
relação a y .

Nas derivadas parciais de ordens superiores temos as derivadas

parciais de segunda ordem mistas, ou seja,
∂2f ∂2f
, e
∂x ∂y ∂y ∂x
Derivadas de Ordens Superiores

Exemplos
Calcule as derivadas parciais de segunda ordem da função
2
f (x , y ) = x 3 seny + 2xe y − 3x + y
∂f ∂f
Solução: Vamos usar os resultados de e do primeiro
∂x ∂y
exemplo da seção anterior. Logo para as derivadas parciais de
segunda ordem temos:

∂2f ∂ ∂f ∂
 
2
= = (3x 2 seny + 2e y − 3) = 6x seny
∂x 2 ∂x ∂x ∂x

∂2f ∂ ∂f ∂ 3
 
2 2 2
2
= = (x cosy +4xye y +1) = −x 3 seny +4xe y +8xy 2 e y
∂y ∂y ∂y ∂y
∂2f ∂ ∂f ∂ 3
 
2 2
= = (x cosy + 4xye y + 1) = 3x 2 cosy + 4ye y
∂x ∂y ∂x ∂y ∂x
Exemplos
Calcule as derivadas parciais de segunda ordem da função
2
f (x , y ) = x 3 seny + 2xe y − 3x + y
∂f ∂f
Solução: Vamos usar os resultados de e do primeiro
∂x ∂y
exemplo da seção anterior. Logo para as derivadas parciais de
segunda ordem temos:

∂2f ∂ ∂f ∂
 
2
2
= = (3x 2 seny + 2e y − 3) = 6x seny
∂x ∂x ∂x ∂x

∂2f ∂ ∂f ∂ 3
 
2 2 2
= = (x cosy +4xye y +1) = −x 3 seny +4xe y +8xy 2 e y
∂y 2 ∂y ∂y ∂y
∂2f ∂ ∂f ∂ 3
 
2 2
= = (x cosy + 4xye y + 1) = 3x 2 cosy + 4ye y
∂x ∂y ∂x ∂y ∂x
Derivadas de Ordens Superiores
Observe que

∂2f ∂ ∂f ∂
 
2 2
= = (3x 2 seny + 2e y − 3) = 3x 2 cosy + 4ye y
∂y ∂x ∂y ∂x ∂y
Não é atoa que as derivadas parciais mistas de segunda ordem são
iguais. Para alguns tipos de funções que isto acontece, a saber, as
funções que cumprem a condição do teorema a seguir.

Teorema.

Se f (x , y ) é uma função com as derivadas parciais de ordem

menor ou igual a 2 existem e são contı́nuas, temos:

∂2f ∂2f
=
∂x ∂y ∂y ∂x
Derivadas Direcionais

Vetor Gradiente

~ = ( ∂f , ∂f )
Of (1)
∂x ∂y
Derivada Direcional
Dada uma função f , um ponto P0 e uma direção, a taxa de
variação de f no ponto P0 na direção de um vetor ~u é dada por

~ · û
Dû f (P0 ) = Of (2)
Ou
∂f ∂f
Dû f (P0 ) = ( (P0 ), (P0 )) · û (3)
∂x ∂y
Onde û é o vetor unitário na direção do vetor ~u
Derivada Direcional
Direção de Maior Crescimento

Vemos na fórmula (2) que a derivada direcional é o

produto interno entre o vetor gradiente de f no ponto P0 e o
vetor unitário û. Uma outra forma de escrver o produto interno
entre os vetores v1 e v2 é:
v1 · v2 = kv~1 [Link]~2 kcosθ,
onde θ é o ângulo entre os vetores v1 e v2 .
Logo a derivada direcional na fórmula (2) pode ser escrita como:
~ [Link]̂[Link]θ
Dû f (P0 ) = kOf
Mas kûk = 1, então chegamos a seguinte fórmula para a derivada
direcional
~ [Link]θ
Dû f (P0 ) = kOf (4)
~ e û.
Onde θ é o ângulo entre os vetores Of
Direção de Maior Crescimento

Vemos na fórmula (3) que o maior valor da derivada direcional será

para cosθ = 1 ⇒ θ = 0◦ , então a direção de maior crescimento
será a direção do vetor gradiente. Então a máxima taxa de
crscimento de f em P0 será:

~ k
Dmax f (P0 ) = kOf (5)

A maior taxa de decrescimento ocorre quando

cosθ = −1 ⇒ θ = 0◦ , então, a direção da maior taxa de
descrescimento também será a direção do vetor gradiente, porém
vamos ”caminhar” no sentido oposto deste vetor. Então a maior
taxa de decrescimento será:

~ k
Dmax f (P0 ) = −kOf (6)
Direção de Crescimento Nulo

Decorre também da fórmula (3) que a taxa de crescimento nulo

ocorrerá quando cosθ = 0 ⇒ θ = 90◦ , ou seja a direção de
crescimento nulo para a função f no ponto P0 é a direÃğão
perpendicular ao vetor gradiente de f no ponto P0 . Para û
nesta direção temos que:

Dmin f (P0 ) = 0
Exemplos

Exemplos:
Para a função f (x , y ) = x 2 y 3 − 4y , determine:
a) A derivada direcional de f na direção dovetor (2, 5).
b) A direção de maior crescimento e a máxima taxa de
crescimento.
c) A direção de crescimento nulo.
Máximos e Mı́nimos Sem Restrição

Antes de fazer a análise dos pontos que maximizam ou minimizam

uma uma função f : Rn → R, vamos introduzir o conceito de
pontos crı́ticos. Estes pontos são os pontos do R2 que satisfazem
as condições de primeira ordem.

Pontos Crı́ticos

Definição:
Um ponto P0 = (x0 , y0 ) ∈ R2 é um ponto crı́tico de f , se

Of (x0 , y0 ) = 0
Exemplos

Exemplos:
Encontres o(s) ponto(s) crı́tico(s) da função
f (x , y ) = xy 2 + x 3 y − xy .
Solução: Calculemos as derivadas parciais de f e igualemos a 0:

∂f
= y 2 + 3x 2 y − y = 0 ⇒ y (y + 3x 2 − 1) = 0 (i)
∂x
∂f
= 2xy + x 3 − x = 0 (ii)
∂y
De (i) temos que

y =0 ou y = −3x 2 + 1

A partir daı́ temos dois ”caminhos”. 1) Substituindo y = 0 em

(ii) temos:
Continução:

x 3 − x = 0 ⇒ x (x 2 − 1) = 0 ⇒ x = 0 ou x = ±1

Então, para cada um destes valores de x , temos y = 0, portanto

temos os seguintes pontos crı́ticos:

P1 = (0, 0), P2 = (−1, 0) e P3 = (1, 0).

2) Substituindo y = −3x 2 + 1 (iii) em (ii) temos:

2x (−3x 2 + 1) + x 3 − x = 0 ⇒ −6x 3 + 2x + x 3 − x = 0

−5x 3 + x = 0 ⇒ x (−5x 2 + 1) = 0
1
x =0 ou 5x 2 = 1 ⇒ x = ± √
5
Donde substituindo os valores de x em (iii) temos os seguintes
pontos crı́ticos:
1 2 1 2
P4 = (0, 1), P5 = (− √ , ) e P6 = ( √ , )
5 5 5 5
Classificação dos Pontos Crı́ticos

Uma vez descobertos os pontos crı́ticos, devemos agora saber

quais os critérios usados para saber quais desses pontos são os que
maximizam ou minimizam uma uma função f : Rn → R. Vamos
ver também que alguns desses pontos crı́ticos não serão pontos de
máximo nem de mı́nimo e estes pontos serão chamados pontos de
sela.

Na classificação dos pontos crı́ticos, vamos usar as condições de

segunda ordem. Vamos usar a definição de matriz hessiana, e
através da anaálise da positividade desta matriz em um ponto,
vamos classificar os pontos crı́ticos como: pontos de máximo,
pontos de mı́nimo ou pontos de sela.
Matriz Hessiana

A matriz hessiana de uma função f : Rn → R é a matriz cujos

elementos são as derivadas de segunda ordem de f . Os elementos
da diagonal principal são as derivadas de segunda ordem ”puras”, e
os demais elementos são as derivadas mistas.

Vejamos, sem perda de generalidade, um exempo para uma função

f : R2 → R.

∂2f ∂2f
 
 ∂x 2 (x0 , y0 ) ∂x ∂y
(x0 , y0 ) 
H(x0 , y0 ) = 
 ∂2f

∂2f 
(x0 , y0 ) (x0 , y 0 )
∂y ∂x ∂y 2
Positividade de Uma Matriz

A classificação dos pontos crı́ticos é feita analisando a positividade

de uma matriz, que é análogo ao sinal de um número real. Vamos
então, sem perda de generalidade, às seguintes definições para uma
matriz 2 × 2:

Definição: " #
a b
Uma matriz A = , é:
c d
positiva definida, se det(A) > 0 e a > 0,
negativa definida, se det(A) > 0 e a < 0,
indefinida, se det(A) < 0.
Há também as deifinições de matrizes positiva semidefinida e
matrizes negativa semidefinida as quais serão apresentadas abaixo:

Definição: " #
a b
Uma matriz A = , é:
c d
positiva semidefinida, se det(A) ≥ 0 e a ≥ 0,
negativa definida, se det(A) ≥ 0 e a ≤ 0.
Vamos agora aplicar estas definições à classificação dos pontos
crı́ticos de uma função f : R2 → R.

Teorema. (Condições de Segunda Ordem)

Considere uma função f : D ⊂ R2 R de classe C 2 e p um ponto
crı́tico de f no interior do conjunto D.
a) Se H(x , y ) é uma matriz positiva definida, então p é um
ponto de mı́nimo local de f .
b) Se H(x , y ) é uma matriz negativa definida, então p é um
ponto de máximo local de f .
c) Se H(x , y ) é uma matriz indefinida, então p é um ponto de
sela de f .
d) Se H(x , y ) é uma matriz positiva semidefinida ou uma
matriz negativa semidefinida , então é um ponto de nada
podemos afirmar sobre o ponto p.
Exemplo

Vamos, neste exemplo, classificar os pontos crı́ticos do exemplo*

da página , lembrando que naquele exemplo analisávamos os
pontos crı́ticos da função f (x , y ) = xy 2 + x 3 y − xy , e, cujas
derivadas parciais de primeira ordem são:
∂f ∂f
= y 2 + 3x 2 y − y e = 2xy + x 3 − x .
∂x ∂y
Afim de calcular a matriz hessiana de f , vamos calcular as
derivadas parciais de segunda ordem de f :

∂2f ∂ 2
2
= (y + 3x 2 y − y ) = 6xy
∂x ∂x
∂2f ∂
2
= (2xy + x 3 − x ) = 2x
∂y ∂y
Exemplo (continuação)

∂2f ∂2f ∂
= = (2xy + x 3 − x ) = 2y + 3x 2 − 1
∂y ∂x ∂x ∂y ∂x

Então a matriz hessiana de f (x , y ) é:

" #
6xy 2y + 3x 2 − 1
H(x0 , y0 ) = 2
2y + 3x − 1 2x

O próximo passo na classificação dos pontos crı́ticos será calcular a

matriz hessiana em cada um desses pontos. Vamos omitir os
cálculos (fica a cargo do leitor) e apenas apresentar os resultados
da matriz hessiana para cada ponto.
Exemplo (continuação)

" #
0 −1
H(0, 0) =
−1 0

Como a11 = 0 e det(H(0, 0)) = −1, a amtriz é indefinida,

portanto o ponto P1 = (0, 0) é um ponto de sela de f .
" #
0 2
H(−1, 0) =
2 −2

Como a11 = 0 e det(H(0, 0) = −4, a amtriz é indefinida,

portanto o ponto P2 = (0, 0) é um ponto de sela de f .
Exemplo (continuação)

" #
0 2
H(1, 0) =
2 2

Como a11 = 0 e det(H(0, 0)) = −4, a amtriz é indefinida,

portanto o ponto P3 = (0, 0) é um ponto de sela de f .
" #
0 1
H(0, 1) =
1 0

Como a11 = 0 e det(H(0, 0)) = −1, a amtriz é indefinida,

portanto o ponto P4 = (0, 0) é um ponto de sela de f .
Exemplo (continuação)

− 512 − 25
" #
1 2 √
H(− √ , ) = 5
2
5 5 5 − √25

Como a11 = − 512

√
5
e det(H(0, 0)) = 54 , a amtriz é
negativa definida, portanto o ponto P5 = (− √15 , 25 ) é um
máximo local de f .
" 12 2
#
1 2 √
5 5 5
H( √ , ) = 2 √2
5 5 5 5

12
Como a11 = √
5 5
e det(H(0, 0)) = 54 , a matriz é
positiva definida, portanto o ponto P6 = ( √15 , 52 ) é um
mı́nimo local de f .
Otimização Com Restrições

Agora vamos calcular os valores máximos e mı́nimos de funções

definidas em um conjunto f : D ⊂ Rn → R, funções sujeitas a
restrições, ou seja, funções definidas em um conjunto admissı́vel.
Nesta nota vamos estudar a otimização de funções com uma
restrição em igualdade, com duas ou mais restrições em igualdadee
com restições mistas (restições de igualdad e desigualdade).
Nos problemas com uma ou váris restrições em igualdade vamos
usar o método dos multiplicadores de Lagrange, e nos problemas
com restrições mistas, é garantida, devido o Teorema de
Weierstrass, a existência do máximo e do mı́nimo da função na
região limitada pelas restirções (conjunto admissı́vel).
Uma Restrição de Igualdade

O problema de maximimzar uma função f : R2 → R sujeito a

restição g(x , y ) = c.

A função f é chamada de função objetivo e o conjunto

D = (x , y ) ∈ R2 |g(x , y ) = c é chamado de conjunto admissı́vel.

Assim temos o seguinte problema:

(
maximizar f (x , y )
sujeito a g(x , y ) = c
Uma Restrição de Igualdade

Agora vamos, sem perda de generalidade, enunciar o Teorema dos

Multiplicadores de Lagrange para funções no R2 , e assim
estabelecer um método para achar os valores máximos e mı́nimos
de funções sujeitas a uma restrição de igualdade.
Uma Restrição de Igualdade

Teorema. Sejam f e h funções de classe C 1 de duas variáveis

e seja p = (x0 , y0 ) um extremo (máximo ou m’inimo) local de f
no conjunto admissı́vel

D = (x , y ) ∈ R2 |g(x , y ) = c.
(
maximizar f (x , y )
sujeito a g(x , y ) = c

Suponha que p = (x0 , y0 ) satisfaça a condição de regularidade:

∂g ∂g
 
Og(p) = (x0 , y) ), (x0 , y0) ) 6= (0, 0).
∂x ∂y

então existe um número real λ0 (multiplicadpor de Lagrange) tal

que (p, λ0 ) = (x0 , y0 , λ0 ) é ponto crı́tico do Lagrangeano
Uma Restrição de Igualdade

Em outras palavras, o ponto (x0 , y0 , λ0 ) é solução do sistema:

∂L


 (x , y , λ) = 0,
∂x







 ∂L
(x , y , λ) = 0,


 ∂y



 ∂L


 (x , y , λ) = 0.
∂λ
Exemplos:

Exemplos
Resolva o problema de otimização:
(
maximizar x + y
sujeito a x 2 + y 2 = 1

Solução

Vamos começar montando a função lagrangeana

L(x , y ) = f (x , y ) − λg(x , y ). De acordo com as explicações na
parte teórica temos que f (x , y ) = x + y e g(x , y ) = x 2 + y 2 .
Então:
L(x , y ) = x + y − λ(x 2 + y 2 − 1)
Exemplo (continuação)

Derivamos o langrangeano em relação a x , y e λ e igualamos a 0,

∂L

1

 (x , y , λ) = 1 − 2λx = 0 → x = 2λ (i),
∂x







 ∂L
1
(x , y , λ) = 1 − 2λy = 0 → y = 2λ (ii),


 ∂y



 ∂L


(x , y , λ) = −(x 2 + y 2 − 1) = 0 → x 2 + y 2 = 1 (iii).

∂λ
Substituindo (i) e (ii) na equação (iii), temos:
2 2
1 1 1 1
 
+ + =1→
=1
2λ 4λ2 4λ2
2λ
√
2 2 2 2
4λ = 2 → λ = → λ = ± .
4 2
Exemplo (continuação)

Agora, substituindo os valores de λ nas equações (i) e (ii), temos

os seguintes candidadtos a máximo e mı́nimo
√ √ √ √
2 2 2 2
P1 = ( , ) e P2 = (− ,− ).
2 2 2 2
Agora, devemos substituir os valores de x e y desses pontos na
função objetivo f e verificar qual deles é o ponto de máximo e de
mı́nimo.
√ √ √ √ √ √ √ √
2 2 2 2 √ 2 2 2 2 √
f( , )= + = 2 e f (− ,− )=− − =− 2
2 2 2 2 2 2 2 2
√ √
Portanto o ponto ( −2 2 , − 2
2 ) é um ponto de mı́nimo global e o
√ √
2 2
ponto ( 2 , 2 ) é um ponto de máximo global de f .
Exercı́cios da ANPEC

Agora vamos aplicar os conhecimentos adquiridos até aqui

Exemplo: ANPEC-2017

Dada a função f (x , y ) = x 2 lny + y 3 e x + 3x + 2y , quais das

seguintes afirmações são verdadeiras e quais sÃčo falsas?
1 No ponto (x , y ) = (1, 1) a direção (−3, 1) é uma direção
de crescimento da função f ;
2 No ponto (x , y ) = (0, 1) a direção (4, 5) é a direção de
máximo incremnto da função f ;
3 A função f tem um máximo relativo no interior do seu
domı́nio;
4 Ao longo do eixo vertical (quando x = 0) a direção horizontal
à direita (ou seja, (1, 0), é a direção de máximo incremento
da função f ;
5 Em todo ponto do domı́nio a função f é crescente em ambas
as variáveis.
Solução:

Antes de responder cada item vamos calcular o vetor gradiente da

função f .

∂f ∂f x2
= 2x lny + y 3 e x + 3 e = + 3y 2 e x + 2
∂x ∂y y

0) Usando as expressões das derivadas parciais calculadas acima,

temos que no ponto (x , y ) = (1, 1) o gradiente da função f é:
Of (1, 1) = (e + 3, 3e + 3), portanto a derivada direcional de f na
direção (−3, 1) é:

3 1 3 1
Dû f (1, 1) = Of (1, 1)·(− √ , √ ) = (e+3, 3e+3)·(− √ , √ )
10 10 10 10
−3e − 9 + 3e + 3 6
Dû f (1, 1) = √ = −√
10 10
Solução:

portanto a direção (−3, 1) não é uma direção de crescimento da

função f ;

1) Usando as expressões das derivadas parciais calculadas acima,

temos que no ponto (x , y ) = (1, 1) o gradiente da função f é:
Of (1, 1) = (e + 3, 3e + 3), portanto a derivada direcional de f na
direção (−3, 1) é:

3 1 3 1
Dû f (1, 1) = Of (1, 1)·(− √ , √ ) = (e+3, 3e+3)·(− √ , √ )
10 10 10 10
−3e − 9 + 3e + 3 6
Dû f (1, 1) = √ = −√
10 10
portanto a direção (−3, 1) não é uma direção de crescimento da
função f , logo a afirmação é falsa;
Solução (cont.)

2) Novamente usando as expressões das derivadas parciais

calculadas acima, temos que no ponto (x , y ) = (0, 1) o gradiente
da função f é: Of (0, 1) = (4, 5). Note que a direção onde
queremos calcular a variação da função f no ponto (0.1) é a
mesma que a direção do gradinte de f no ponto dado, portanto a
direção (4, 5) é a direção de máximo incremento da função f ,
logo a afirmação é verdadeira;

3) O domı́nio de uma função ou campo de existência, é o conjunto

de pontos no plano xy para os quais a fun¸ão está definida. De
acordo coma expressão de f (x , y ), a única reigão do plano xy
onde a funçâo não está definida é sobre o eixo OX (y = 0).
Sabemos também que uma função terá um máximo relativo no
interior do seu domı́nio se existir algum ponto (x0 , y0 ) em seu
domı́nio tal que Of (x0 , y0 ) = 0 e a matriz hessiana Hf (x0 , y0 )
for negativa definida.
Solução (cont.)

Ora para que o gradiente de f seja nulo terámos que anular

ambas a derivadas parciais simultanemamente , mas analisando as
expressões das mesmas, veremos que é impossı́vel fazer isso, pois,
ainda que tomemos x = 0, não conseguirı́amos anular
simultâneamente as expressões com y nas derivadas parciais, e não
podemos tomar y = 0 pois estes pontos não pertencem ao
domı́nio da função. Portanto a função nâo possui um máximo
relativo no inteiror do seu domı́nio, portanto a afirmação é falsa.

4) No eixo vertical (eixo OY, x=0), usando as expressões das

derivadas parciais, temos que Of (0, y ) = (y 3 + 3, 3y 2 + 2),
portanto a derivada de f na direção (1, 0), será:

D(1,0) f (0, y ) = (y 3 + 3, 3y 2 + 2) · (1, 0) = y 3 + 3,

Solução (cont.)

que é diferente da direção do gradiente num ponto (0, y ),

portanto esta direção não é a direção de máximo incremento de f
no eixo vertical, logo a afirmação é falsa;

5) Para que a função f seja crescente em todas a variáveis num

ponto, temos que a derivada direcional de f naquele ponto seja
positiva para todas as direções. Então se encontrarmos um contra
exemplo, ou seja, um ponto em que a derivada direcional seja
negativa em pelo menos uma dreção, a afirmativa será falsa.
Com efeito, considere no item anterior o ponto (0, −2), que está
sobre o eixo OY . Temos que a derivada direcional naquele ponto
na direção do vetor (0, 1), de acordo coma fórmula no item
anterior, será igual a −5, portanto a afirmação é falsa.
Exemplo: ANPEC-2016

Considere a função f : R2 → R, dada por f (x , y ) = xe −y + 3y .

Julgue as seguintes afirmativas:
1 A taxa de variação
√ √
de f em (1, 0) é máxima na direção do
2 2
vetor v = ( 2 , 2 );
2 A taxa de variação máxima de f em (1, 0) é 2;
∂2f ∂2f ∂f
3
2
− 2
= − 3 para todo (x , y ) ∈ R2 ;
∂x ∂y ∂y
4 Se x (t) = 2t + 1 e y (t) = t 3 , então dz
dt = 2, em t = 0, em
que z = f (x , y );
5 Se g(x , y ) = xe −y , então os pontos da curva de nı́vel um de
g satisfazem à equação y = lnx .
Solução:

Antes de responder cada item vamos calcular o vetor gradiente da

função f .
∂f ∂f
= e −y e = −xe −y + 3
∂x ∂y
0) Usando as expressões das derivadas parciais calculadas acima,
temos que no ponto (x , y ) = (1, 0) o gradiente da função f é:
Of (1, 0) = (1, 2). Sabemos que a taxa de variação máxima ocorre
na direção do vetor gradiente da função, portanto na direção do
 
vetor unitário û = √1 , √2 , portanto a afirmativa é falsa.
5 5

1) A taxa de variação máxima de f em (1, 0) é o módulo do

vetor gradiente no ponto,√ portanto, a taxa de variação máxima de
f em (1, 0) é igual a 5, portanto a afirmativa é falsa.
Solução:

2) Calculemos as derivadas parciais de segunda ordem.

∂2f ∂ ∂f ∂ −y
 
= = (e ) = 0
∂x 2 ∂x ∂x ∂x

∂2f ∂ ∂f ∂
 
2
= = (−xe −y + 3) = xe −y
∂y ∂y ∂y ∂y
Logo,
∂2f ∂2f
− = 0 − xe −y = −xe −y , e
∂x 2 ∂y 2
∂f
− 3 = −xe −y + 3 − 3 = −xe −y .
∂y
Portanto temos a igualdade desejada, logo a afirmação é
verdadeira.
Solução (cont.)

3) Usemos a regra da cadeia

dz ∂f dx ∂f dy
= + (∗)
dt ∂x dt ∂y dt
dx dx dy dy
Mas, =2→ |t=0 = 2 e = 3t 2 → |t=0 = 0, e
dt dt dt dt
usando o fato de quando t = 0 → x = 1 e y = 0, então, para
t = 0, temos que:
∂f ∂f
(1, 0) = e −0 = 1 e (1, 0) = −1e −0 = −1
∂x ∂y

Então, substituindo os valores na expressão (*), temos:

dz
|t=0 = 1 · 2 + (−1) · 0 = 2, logo a afirmação é verdadeira;
dt
Solução (cont.)

4) Para g(x , y ) = xe −y , temos que os pontos pertencentes a

curva de nı́vel um de g satisfazem a equação
1 y
xe −y = 1 ⇒ e −y = e = x ⇒ y = lnx
x
Portanto a afirmação é verdadeira.
ANPEC - 2013

Agora vamos resolver um problema da ANPEC que é muito

parecido com o exemploda seção de Multiplicadores de Lagrange.
(ANPEC 2013)
Encontre x0 + y0 , em que (x0 , y0 ) é a solução do seguinte
problema de otimização:

max (x + 2y )
x ,y
sujeito à 2x 2 + y 2 = 18

Solução
Montando o lagrangeano temos:

L(x , y , ) = x + 2y − λ(2x 2 + y 2 − 18)

Continuaçã0

Calculando as derivadas parciais e igulando a zero temos:

∂L

1

 (x , y , λ) = 1 − 4λx = 0 → x = 4λ (i),
∂x







 ∂L
1
(x , y , λ) = 2 − 2λy = 0 → y = λ (ii),


 ∂y



 ∂L


(x , y , λ) − (2x 2 + y 2 − 18) = 02x 2 + y 2 = 18 (iii).

∂λ
Substituindo (i) e (ii) na equação (iii), temos:
2  2
1 1 1 1

2 + =1→ + = 18
4λ λ 8λ2 λ2
9 3 1
144λ2 = 9 → λ2 = → λ=± =± .
144 12 4
Exemplo (continuação)

Agora, substituindo os valores de λ nas equações (i) e (ii), temos

os seguintes candidadtos a máximo e mı́nimo

P1 = (1, 4) e P2 = (−1, −4).

Agora, devemos substituir os valores de x e y desses pontos na

função objetivo f e verificar qual deles é o ponto de máximo e de
mı́nimo.
f (1, 4) = 9 e f (−1, −4) = −9
Portanto o ponto (−1, −4) é um ponto de mı́nimo global e o
ponto (1, 4) é um ponto de máximo global de f . Então, x0 = 1
e y0 = 4, logo a resposta do problema é:

x0 + y0 = 5.
Problemas com Restrições Mistas

Nesta seção vamos estudas o s problemas com restrições mistas,

ou seja, restirções de igualdade e desigulades, de modo que a
função objetivo esteja sujeita a um domı́nio compacto.
Neste tipo de domı́nio ou região admissı́vel, temos a garantia da
existência do máximo e mı́nimo da função devido o Teorema de
Weierstrass.

Teorema (Weierstrass): Uma função contı́nua f : D ⊂ Rn → R,

onde D é um conjunto fechado e limitado (compacto), admite
um máximo e um mı́nimo global em D.
Problemas com Restrições Mistas
Vamos, então, montar um método para encontrar os valores
máximos e mı́nimos de uma função de várias variáveis num
domı́nio compacto. Sigamos os seguintes passos:

1o. Passo: Procurar candidatos no interior do conjunto D fazendo

∇f (x , y ) = (0, 0).

2o. Passo: Procurar candidatos na fronteira do conjunto usando o

método dos multiplicadores de Lagrange. Se a fronteira do
conjunto for composta por mais de uma restrição (equação),
devemos resolver usar o método dos multiplicadores de Lagrange
para cada uma das restrições.

3o. Passo: Substituir na função cada candiadto encontrado nos

passos anteriores e verificr qual é o máximo e qual é o mı́nimo.
Exemplo

ANPEC - 2019
Considere o problema do investidor que pode investir os pesos w1
e w2 de sua riqueza em dois instrumentos financeiros arriscados.
Suas preferências implicam que ele quer maximizar a função

U(w1 , w2 ) = 1, 15w1 + 1, 2w2 − 0.5(0.04w12 + 0.09w22 )

Sujeita Ãăs restrições:

w1 + w2 = 1,
w1 ≥ 0 e w2 ≥ 0.
Indique abaixo os itens verdadeiros e os falsos:
ANPEC - 2019
0) A função U é homogênea de grau 1;

1) O gradiente de U é ( 115
100 −
4 12
100 w1 , 10 − 9
100 )w2 .

2) Seja (w1∗ , w2∗ ) a solução do problema de maximização com

restrições acima. Se w1∗ > 0 e w2∗ ≥ 0, então o vetor gradiente de
U em (w1∗ , w2∗ ) deve ser perpendicular à reta definida pela
equação w1 + w2 = 1;

3) A derivada direcional de U no ponto ( 100 100

4 , 9 ) e na direção
√ √ √
( 22 , 22 ) é 100
45
2;

4 A solução do problema de maximização com restrição acima é

(w1∗ , w2∗ ) = (0, 1), ou seja, o investidor prefere investir todo o seu
dinheiro em apenas um instrumento financeiro;
Solução

Vamos resolver os itens 2 e 4 por último pelo fato deles serem os

mais difı́ceis.

0) Calculemos U(cw1 , cw2 )

U(cw1 , cw2 ) = 1, 15cw1 +1, 2cw2 −0.5(0.04(cw1 )2 +0.09c(w2 )2 ) ⇒

U(cw1 , cw2 ) = c(1, 15w1 +1, 2w2 )−0.5c 2 (0.04w12 +0.09w22 ) 6= cU(w1 , w2 )
portanto a função U não é homogênea de grau 1, logo a
afirmação é falsa;

1) Calculando as derivadas parciais da função U em relação a x

e a y temos exatamente o vetor do item 1), portanto a afirmação
é verdadeira;
Solução

√ √
3) Note que o vetor v̂ = ( 22 , 22 ) da direção dada já é unitário,
então, derivada direcional pedida é:
√ √
100 100 100 100 2 2
Dv̂ U( , ) = ∇U( , )·( , )
4 9 4 9 2 2
Substituindo as coordenadas do ponto dado na expressão do
gradiente de U, temos:
100 100 115 4 100 12 9 100
∇f ( , )=( − · , − · ) = (1.15−1, 1.2−1) =
4 9 100 100 4 10 100 9
= (0.15, 0.2)
√ √
100 100 2 2
Dv̂ U( , ) = (0.15, 0.2) · ( , )
4 9 2 2
Solução - item 4
√ √ √ √
2 2 2 35 2
0.15 · + 0.2 · = 0.35 = ,
2 2 2 200 2
45
√
que é diferente de 100 2, portanto a afirmação é falsa;
4) Primeiramente vamos verificar se há candidatos a solução do
problema de otmização no interior do conjunto, para isto devemos
igualar o gradiente de U a zero, então:
115 4 12 9
∇U(w1 , w2 ) = ( − w1 , − w2 ) = (0, 0)
100 100 10 100
(
115 4 4 115 115
100 − 100 w1 = 0 ⇒  w1 = 
100  ⇒ w1 = 4
100
12 9 9 12 40
10 − 100 w2 = 0 ⇒ 100 w2 = 10 ⇒ w2 = 3

que nos dá o ponto ( 115 40

4 , 3 ) que não pertence ao interior do
conjunto admissı́vel, logo este ponto não é um candidato a solução
do problmea de maximização.
Solução - item 4

4) Vamos agora buscar os candidatos na fronteira do conjunto

admissı́vel
(i) Fronteira w2 = 0: Nessa restrição, temos que a função U fica

U(w1 , 0) = 1, 15w1 − 0.02w12 ,

que é uma parábola com concavidade para baixo, portanto seu

máximo ocorre quando
dU 115
= 0 ⇒ 1.15 − 0.04w1 = 0 ⇒ w1 = ,
dw1 4

que nos dá o ponto ( 115

4 , 0), que obviamente não pertence a
fronteira.
Solução - item 4

(ii) Fronteira w1 = 0, nessa restrição, temos que a função U fica

U(0, w2 ) = 1, 2w2 − 0.045w22

que é uma parábola com concavidade para baixo, portanto seu

máximo ocorre quando
dU 120 40
= 0 ⇒ 1.2 − 0.09w1 = 0 ⇒ w2 = = ,
dw2 9 3

que nos dá o ponto (0, 40

3 ), que obviamente não pertence a
fronteira.
Solução - item 4

Agora, finalmente, vamos analisar a fronteira w1 + w2 = 1. Nesse

caso, fazemos w2 = 1 − w1 , daı́ temos que:

U(w1 ) = 1, 15w1 + 1, 2(1 − w1 ) − 0.5(0.04w12 + 0.09(1 − w1 )2 )

U(w1 ) = 1.15w1 + 1.2 − 1.2w1 − 0.02w12 − 0.045(1 − 2w1 + w12 )

U(w1 ) = 1.155 + 0.04w1 − 0.065w12
que é uma parábola com concavidade para baixo, portanto seu
máximo ocorre quando
dU 0.04 4
= 0 ⇒ 0.04 − 0.13w1 = 0 ⇒ w1 = = ,
dw1 0.13 13
4 9
logo podemos calcular w2 = 1 − 13 ⇒ w2 = 13 , que nos dá o
4 9
ponto ( 13 , 13 ), que pertence a fronteira, poranto este ponto
é um candidato a solução do problema de otimização.
Solução

Temos também como candidatos os pontos da fronteira que

possuem duas restrições ativas, ou seja, os vértices do conjunto
admissı́vel, a saber, os pontos (0, 1), (0, 0) e (1, 0).
Temos então quatro candidatos a solução do problema de
otimização. Calculando o valor da função U em cada um destes
pontos temos:
4 9
U(0, 0) = 0, U(0, 1) = 1.155, U(1, 0) = 1.13 e U( , ) = 1.161
13 13
portanto o máximo da função U(w1 , w2 ) é atingido no ponto
4 9
( 13 , 13 ), logo a afirmação é falsa.
2)