⚡ Aula 02: Funções de Várias Variáveis, Derivadas Parciais, Gradiente, Diferenciabilidade e Otimização

MOC da Disciplina • MOC da Área 01 ← Aula Anterior: Funções Vetoriais e Curvas • Próxima Aula: Integrais Duplas →

---

Integração Curricular & Contexto

• Disciplina: Cálculo de Múltiplas Variáveis
• Área: 01 Matemática e Estatística
• Material Oficial Base: Funções de Várias Variáveis e suas Derivadas
• Objetivo: Compreender a topologia de funções de várias variáveis reais $z=f(x,y)$ e $w=f(x,y,z)$, analisar curvas de nível e superfícies equipotenciais, calcular derivadas parciais e demonstrar o Teorema de Clairaut/Schwarz, definir formalmente diferenciabilidade e equações do plano tangente, utilizar o diferencial total na propagação analítica de erros instrumentais, dominar a geometria do vetor Gradiente $\nabla f$ e da derivada direcional, e resolver problemas de otimização irrestrita (Teste da Hessiana) e restrita através dos Multiplicadores de Lagrange com aplicação direta na eletrostática ($\mathbf{E}=-\nabla V$) e na eficiência de redes elétricas.

---

📌 Sumário da Aula

1. 1. Funções de Várias Variáveis: Domínio, Imagem e Curvas de Nível
   • 1.1 Definição Formal
   • 1.2 Curvas de Nível e Superfícies Equipotenciais
2. 2. Limites e Continuidade em Duas ou Mais Variáveis
   • 2.1 A Definição Topológica
   • 2.2 O Teste dos Dois Caminhos para Inexistência
3. 3. Derivadas Parciais e Teorema de Schwarz
   • 3.1 Definição Incremental
   • 3.2 Teorema de Clairaut / Schwarz (Igualdade das Mistas)
4. 4. Diferenciabilidade, Plano Tangente e Diferencial Total
   • 4.1 Plano Tangente
   • 4.2 O Diferencial Total e Propagação de Erros
5. 5. A Regra da Cadeia Multivariável
6. 6. O Vetor Gradiente e a Derivada Direcional
   • 6.1 Definição do Gradiente $\nabla f$
   • 6.2 Derivada Direcional
   • 6.3 Propriedades Cardeais do Gradiente:
7. 7. Otimização de Funções Multivariáveis: Extremos e Lagrange
   • 7.1 Pontos Críticos e a Matriz Hessiana
   • 7.2 Método dos Multiplicadores de Lagrange
8. 8. 💻 Laboratório Computacional em Python (SymPy & NumPy)
9. 9. 📚 Questões de Fixação Resolvidas e Exercícios Práticos (Auditadas)
   • Questão 1 — Determinação do Vetor Campo Elétrico a partir do Potencial
   • Questão 2 — Taxa de Variação Máxima e Derivada Direcional
   • Questão 3 — Diferencial Total e Propagação de Erros em Impedância
   • Questão 4 — Classificação de Pontos Críticos pela Hessiana
10. 10. Considerações Finais e Próximos Passos

---

1. Funções de Várias Variáveis: Domínio, Imagem e Curvas de Nível

1.1 Definição Formal

Uma função real de duas variáveis independentes $f:D\to \mathbb{R}$ associa a cada par ordenado $(x,y)$ pertencente ao subconjunto $D\subseteq {\mathbb{R}}^2$ (domínio) um único valor real $z\in \mathbb{R}$: $z=f(x,y)$ O gráfico de $f$ é o conjunto de todos os pontos $(x,y,z)\in {\mathbb{R}}^3$ tais que $z=f(x,y)$, constituindo geometricamente uma superfície bidimensional no espaço tridimensional.

1.2 Curvas de Nível e Superfícies Equipotenciais

As curvas de nível de uma função $f(x,y)$ são os traços horizontais obtidos pela interseção da superfície com planos paralelos ao plano $xy$ de cota constante $z=k$: ${\mathcal{C}}_k=\{(x,y)\in D\mid f(x,y)=k\}$

Na Engenharia Elétrica, se $V(x,y,z)$ representa o potencial eletrostático produzido por uma distribuição de cargas, as curvas (ou superfícies em 3D) de nível $V(x,y,z)=V_0$ são denominadas Superfícies Equipotenciais. O trabalho para mover uma carga teste $q$ sobre uma superfície equipotencial é identicamente nulo: $W=q\Delta V=q(V_0-V_0)=0$

Figura 1: Taxas de Variação Parciais, Operador Gradiente, Plano Tangente e Critérios de Otimização (Hessiana e Lagrange).

---

2. Limites e Continuidade em Duas ou Mais Variáveis

2.1 A Definição Topológica

Dizemos que o limite de $f(x,y)$ quando $(x,y)$ tende a $(x_0,y_0)$ é $L$, denotado por ${\lim }_{(x,y)\to (x_0,y_0)}f(x,y)=L$, se para todo $\epsilon >0$ existir um $\delta >0$ tal que: $0<\sqrt{(x-x_0{)}^2+(y-y_0{)}^2}<\delta ⟹|f(x,y)-L|<\epsilon$

2.2 O Teste dos Dois Caminhos para Inexistência

Diferente do cálculo de uma variável (onde só existem dois caminhos: pela esquerda e pela direita), no plano existem infinitos caminhos e trajetórias para se aproximar de $(x_0,y_0)$.

Regra dos Caminhos: Se $f(x,y)$ se aproxima de valores distintos $L_1\ne L_2$ quando $(x,y)\to (x_0,y_0)$ ao longo de dois caminhos diferentes (por exemplo, retas $y=mx$ ou parábolas $y=k{x}^2$), então o limite NÃO existe.

---

3. Derivadas Parciais e Teorema de Schwarz

3.1 Definição Incremental

A derivada parcial de $f(x,y)$ em relação a $x$ no ponto $(x_0,y_0)$ é a taxa instantânea de variação de $f$ mantendo-se a variável $y$ rigorosamente constante: $\frac{\partial f}{\partial x}(x_0,y_0)=f_x(x_0,y_0)={\lim }_{\Delta x\to 0}\frac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x}$ Analogamente, mantendo $x$ fixo constante: $\frac{\partial f}{\partial y}(x_0,y_0)=f_y(x_0,y_0)={\lim }_{\Delta y\to 0}\frac{f(x_0,y_0+\Delta y)-f(x_0,y_0)}{\Delta y}$

Geometricamente, $f_x(x_0,y_0)$ é a inclinação da reta tangente à curva obtida cortando a superfície pelo plano vertical $y=y_0$.

3.2 Teorema de Clairaut / Schwarz (Igualdade das Mistas)

As quatro derivadas parciais de segunda ordem são $f_{xx},f_{yy},f_{xy},f_{yx}$, onde: $f_{xy}=\frac{{\partial }^{2}f}{\partial y\partial x}=\frac{\partial }{\partial y}\left(\frac{\partial f}{\partial x}\right),f_{yx}=\frac{{\partial }^{2}f}{\partial x\partial y}=\frac{\partial }{\partial x}\left(\frac{\partial f}{\partial y}\right)$

Teorema de Clairaut / Schwarz: Se as funções $f_{xy}$ e $f_{yx}$ forem contínuas em uma vizinhança aberta contendo $(x_0,y_0)$, então a ordem de derivação é irrelevante: $f_{xy}(x_0,y_0)=f_{yx}(x_0,y_0)$

---

4. Diferenciabilidade, Plano Tangente e Diferencial Total

4.1 Plano Tangente

Se $f$ possui derivadas parciais contínuas em uma vizinhança de $(x_0,y_0)$, a superfície $z=f(x,y)$ possui um Plano Tangente no ponto $P_0(x_0,y_0,z_0)$ com $z_0=f(x_0,y_0)$, cuja equação cartesiana é: $z-z_0=f_x(x_0,y_0)(x-x_0)+f_y(x_0,y_0)(y-y_0)$ O vetor normal ao plano tangente é dado por: $\mathbf{n}=\left(f_x(x_0,y_0),f_y(x_0,y_0),-1\right)$

4.2 O Diferencial Total e Propagação de Erros

O diferencial total $dz$ representa a variação linearizada de $z$ em resposta a pequenas perturbações $dx$ e $dy$: $dz=\frac{\partial f}{\partial x}dx+\frac{\partial f}{\partial y}dy$

Aplicação em Metrologia Elétrica:

Considere a medição da potência dissipada em um resistor $P=R\cdot I^2$. Se os instrumentos possuem incertezas de medição $\Delta R$ e $\Delta I$, a incerteza máxima acumulada de potência $\Delta P$ é dada pelo diferencial total: $\Delta P\approx |dP|\le \left|\frac{\partial P}{\partial R}\right|\Delta R+\left|\frac{\partial P}{\partial I}\right|\Delta I=(I^2)\Delta R+(2RI)\Delta I$ Dividindo pela potência nominal $P=R{I}^2$, obtém-se o erro relativo: $\frac{\Delta P}{P}\approx \frac{\Delta R}{R}+2\frac{\Delta I}{I}$ Isso demonstra analiticamente por que o erro na corrente afeta a potência com o dobro do peso em relação ao erro na resistência.

---

5. A Regra da Cadeia Multivariável

Seja $z=f(u,v)$ onde $u=g(s,t)$ e $v=h(s,t)$ são funções diferenciáveis de duas variáveis $s$ e $t$. As derivadas parciais de $z$ em relação a $s$ e $t$ são calculadas somando as contribuições de todas as trajetórias intermediárias da árvore de variáveis: $\frac{\partial z}{\partial s}=\frac{\partial z}{\partial u}\frac{\partial u}{\partial s}+\frac{\partial z}{\partial v}\frac{\partial v}{\partial s}$ $\frac{\partial z}{\partial t}=\frac{\partial z}{\partial u}\frac{\partial u}{\partial t}+\frac{\partial z}{\partial v}\frac{\partial v}{\partial t}$

---

6. O Vetor Gradiente e a Derivada Direcional

6.1 Definição do Gradiente $\nabla f$

Se $f(x,y,z)$ é uma função escalar diferenciável, o Gradiente de $f$ (lê-se “del $f$”) é o operador vetorial definido por: $\nabla f(x,y,z)=\mathrm{grad}(f)=\frac{\partial f}{\partial x}\mathbf{i}+\frac{\partial f}{\partial y}\mathbf{j}+\frac{\partial f}{\partial z}\mathbf{k}$

6.2 Derivada Direcional

A derivada direcional de $f$ no ponto $P$ na direção do vetor unitário $\mathbf{u}=(u_x,u_y,u_z)$ com $|\mathbf{u}|=1$ expressa a taxa instantânea de variação de $f$ ao nos movermos na direção de $\mathbf{u}$: $D_{\mathbf{u}}f(P)=\nabla f(P)\cdot \mathbf{u}=|\nabla f(P)|\cos \theta$ Onde $\theta$ é o ângulo entre o vetor gradiente $\nabla f$ e a direção $\mathbf{u}$.

6.3 Propriedades Cardeais do Gradiente:

1. Direção de Crescimento Máximo: Como $\cos \theta \le 1$, o valor máximo da derivada direcional ocorre quando $\theta =0^{\circ }$ ($\mathbf{u}$ na mesma direção do gradiente): $\max (D_{\mathbf{u}}f)=|\nabla f|$ O vetor gradiente $\nabla f$ aponta rigorosamente na direção de maior taxa de crescimento da função escalar.
2. Direção de Decréscimo Máximo: Ocorre na direção oposta ao gradiente ($-\nabla f$), com valor $-|\nabla f|$.
3. Ortogonalidade às Superfícies de Nível: O vetor gradiente $\nabla f(P_0)$ é sempre estritamente perpendicular (normal) à curva ou superfície de nível que passa por $P_0$.

Aplicação Central no Eletromagnetismo: $\mathbf{E}=-\nabla V$

Cargas elétricas positivas deslocam-se espontaneamente de potenciais maiores para potenciais menores (descendo o gradiente de potencial). Portanto, o vetor Campo Elétrico $\mathbf{E}$ é definido como o gradiente negativo do potencial eletrostático: $\mathbf{E}(x,y,z)=-\nabla V(x,y,z)=-\left(\frac{\partial V}{\partial x}\mathbf{i}+\frac{\partial V}{\partial y}\mathbf{j}+\frac{\partial V}{\partial z}\mathbf{k}\right)$ Consequentemente, as linhas de campo elétrico são sempre ortogonais às superfícies equipotenciais.

---

7. Otimização de Funções Multivariáveis: Extremos e Lagrange

7.1 Pontos Críticos e a Matriz Hessiana

Um ponto $(x_0,y_0)$ é um ponto crítico de $f(x,y)$ se $\nabla f(x_0,y_0)=0$, isto é: $f_x(x_0,y_0)=0\text{e}{f}_y(x_0,y_0)=0$

Para classificar o ponto crítico, monta-se o determinante da Matriz Hessiana $H$: $D=\det (H)=\det \left[\begin{array}{cc}{f}_{xx}& f_{xy}\\ f_{yx}& f_{yy}\end{array}\right]=f_{xx}{f}_{yy}-(f_{xy}{)}^2$

1. Se $D>0$ e $f_{xx}>0$: O ponto é um Ponto de Mínimo Local;
2. Se $D>0$ e $f_{xx}<0$: O ponto é um Ponto de Máximo Local;
3. Se $D<0$: O ponto é um Ponto de Sela (a superfície sobe em uma direção e desce em outra);
4. Se $D=0$: O teste é inconclusivo.

7.2 Método dos Multiplicadores de Lagrange

Para encontrar os valores máximos ou mínimos de $f(x,y,z)$ sujeita a uma restrição de igualdade $g(x,y,z)=k$: Nos pontos de extremo condicionado, as curvas de nível de $f$ tangenciam a superfície de restrição $g=k$. Logo, seus vetores gradientes devem ser estritamente colineares: $\nabla f=\lambda \nabla g\text{e}g(x,y,z)=k$ Onde $\lambda \in \mathbb{R}$ é o Multiplicador de Lagrange.

---

8. 💻 Laboratório Computacional em Python (SymPy & NumPy)

O script a seguir calcula analiticamente derivadas parciais, o gradiente de potencial elétrico, a matriz Hessiana e gera o campo vetorial $\mathbf{E}=-\nabla V$:

Parâmetros de Projeto e Considerações Analíticas:

• 1. Potencial Eletrostático de Dipolo: V(x,y) = x / (x^2 + y^2)
• Campo Elétrico E = -grad(V)
• 2. Teste da Hessiana para Otimização: f(x,y) = x^3 + y^3 - 3xy
• Plot 2D de Curvas Equipotenciais e Linhas de Campo E

---

9. 📚 Questões de Fixação Resolvidas e Exercícios Práticos (Auditadas)

Abaixo, a resolução analítica rigorosa dos exercícios clássicos sobre funções multivariáveis e derivadas parciais:

Questão 1 — Determinação do Vetor Campo Elétrico a partir do Potencial

Questão 1

O potencial eletrostático em uma região do espaço é dado por $V(x,y,z)=2x^{2}y-3y{z}^2+xz\text{ (V)}$. Determine o vetor campo elétrico $\mathbf{E}=-\nabla V$ no ponto $P(1,2,-1)$:

• A) $\mathbf{E}=(-7,1,-13)\text{ V/m}$

• B) $\mathbf{E}=(7,-1,13)\text{ V/m}$

• C) $\mathbf{E}=(-9,1,-11)\text{ V/m}$

• D) $\mathbf{E}=(9,-1,11)\text{ V/m}$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A ($\mathbf{E}=(-7,1,-13)\text{ V/m}$)

Resolução Analítica:

1. Calculam-se as derivadas parciais de $V$:
   • $\frac{\partial V}{\partial x}=4xy-0+z=4xy+z$
   • $\frac{\partial V}{\partial y}=2x^2-3z^2+0=2x^2-3z^2$
   • $\frac{\partial V}{\partial z}=0-6yz+x=-6yz+x$
2. Avaliando no ponto $P(1,2,-1)$:
   • $V_x(1,2,-1)=4(1)(2)+(-1)=8-1=7$
   • $V_y(1,2,-1)=2(1{)}^2-3(-1{)}^2=2-3=-1$
   • $V_z(1,2,-1)=-6(2)(-1)+1=12+1=13$
3. Aplicando a relação física $\mathbf{E}=-\nabla V$: $\mathbf{E}=-\left(V_x\mathbf{i}+V_y\mathbf{j}+V_z\mathbf{k}\right)=-7\mathbf{i}-(-1)\mathbf{j}-13\mathbf{k}=(-7,1,-13)\text{ V/m}$

---

Questão 2 — Taxa de Variação Máxima e Derivada Direcional

Questão 2

Dada a função de temperatura de uma placa $T(x,y)=80-2x^2-4y^2$, o valor da taxa de decréscimo máximo de temperatura no ponto $P(2,1)$ vale:

• A) $8\sqrt{2}$

• B) $10$

• C) $4\sqrt{5}$

• D) $12$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A (ou $8\sqrt{2}\approx 11,31$)

Resolução Analítica:

1. Vetor gradiente: $\nabla T(x,y)=\frac{\partial T}{\partial x}\mathbf{i}+\frac{\partial T}{\partial y}\mathbf{j}=-4x\mathbf{i}-8y\mathbf{j}$
2. No ponto $P(2,1)$: $\nabla T(2,1)=-4(2)\mathbf{i}-8(1)\mathbf{j}=(-8,-8)$
3. O módulo do gradiente fornece a magnitude da taxa máxima: $|\nabla T(2,1)|=\sqrt{(-8{)}^2+(-8{)}^2}=\sqrt{64+64}=\sqrt{128}=8\sqrt{2}$ A taxa máxima de decréscimo ocorre na direção oposta ao gradiente com valor $-8\sqrt{2}$.

---

Questão 3 — Diferencial Total e Propagação de Erros em Impedância

Questão 3

A impedância de um circuito é dada por $Z=\sqrt{R^2+X_L^2}$. Se $R=40\Omega$ com incerteza de $0,4\Omega$ e $X_L=30\Omega$ com incerteza de $0,3\Omega$, a incerteza estimada máxima no módulo da impedância $dZ$ é:

• A) $0,5\Omega$

• B) $0,7\Omega$

• C) $0,35\Omega$

• D) $0,25\Omega$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A ($0,5\Omega$)

Resolução Analítica:

1. $Z=\sqrt{40^2+30^2}=\sqrt{1600+900}=\sqrt{2500}=50\Omega$.
2. Derivadas parciais: $\frac{\partial Z}{\partial R}=\frac{R}{\sqrt{R^2+X_L^2}}=\frac{40}{50}=0,8$ $\frac{\partial Z}{\partial X_L}=\frac{X_L}{\sqrt{R^2+X_L^2}}=\frac{30}{50}=0,6$
3. Diferencial total acumulado: $dZ\le \left|\frac{\partial Z}{\partial R}\right|dR+\left|\frac{\partial Z}{\partial X_L}\right|d{X}_L=(0,8)(0,4)+(0,6)(0,3)=0,32+0,18=0,50\Omega$

---

Questão 4 — Classificação de Pontos Críticos pela Hessiana

Questão 4

Para a função $f(x,y)=x^2+y^2-4x+6y+13$, a classificação de seu ponto crítico é:

• A) Ponto de Mínimo Local em $(2,-3)$ com $f(2,-3)=0$

• B) Ponto de Máximo Local em $(2,-3)$

• C) Ponto de Sela em $(2,-3)$

• D) Ponto de Mínimo Local em $(-2,3)$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A

Resolução Analítica:

1. Derivadas parciais: $f_x=2x-4=0⟹x=2$; $f_y=2y+6=0⟹y=-3$. Ponto crítico: $(2,-3)$.
2. Segunda derivada: $f_{xx}=2$, $f_{yy}=2$, $f_{xy}=0$.
3. Discriminante Hessiano: $D=f_{xx}{f}_{yy}-(f_{xy}{)}^2=(2)(2)-0=4>0$ Como $D>0$ e $f_{xx}=2>0$, trata-se de um Mínimo Local. $f(2,-3)=2^2+(-3{)}^2-4(2)+6(-3)+13=4+9-8-18+13=0$.

---

10. Considerações Finais e Próximos Passos

Nesta Aula 02, desvendamos o cálculo diferencial multidimensional:

• As curvas de nível e sua conexão física direta com as superfícies equipotenciais.
• As derivadas parciais, o Teorema de Clairaut e o diferencial total na metrologia.
• O significado do operador Gradiente $\nabla f$ e a relação $\mathbf{E}=-\nabla V$.
• A otimização com Hessiana e Multiplicadores de Lagrange.

Na Aula 03, ingressaremos no cálculo integral bidimensional investigando Integrais Duplas, Teorema de Fubini, Coordenadas Polares e Aplicações no Cálculo de Cargas e Fluxos Elétricos.

---

Referências Bibliográficas Citadas

• STEWART, James. Cálculo, Volume 2. 8. ed. São Paulo: Cengage Learning, 2016.
• ANTON, Howard; BIVENS, Irl; DAVIS, Stephen. Cálculo, Volume 2. 10. ed. Porto Alegre: Bookman, 2014.
• HAYT, William H.; BUCK, John A. Eletromagnetismo. 8. ed. Porto Alegre: McGraw-Hill, 2014.
• Material didático oficial de Cálculo de Múltiplas Variáveis, 2026.