Inicio · Parte 07 — Cálculo diferencial e integral
x² + y² = r² ⟹ dy/dx = −x/y
derivar ambos lados tratando y como función de x
No toda relación entre x e y se puede despejar. x² + y² = 25 define una circunferencia, y despejar y obliga a elegir una de las dos ramas. La derivación implícita evita el problema: se deriva la ecuación entera respecto a x, tratando y como función de x y aplicando la regla de la cadena a cada término que la contenga.
Del término y² sale 2y·(dy/dx), y de ahí se despeja dy/dx. El resultado, −x/y, depende de ambas coordenadas, lo que es coherente: la pendiente de la tangente a una circunferencia depende de en qué punto se esté.
La verificación geométrica es bonita: la tangente a una circunferencia es perpendicular al radio en ese punto. La pendiente del radio es y/x y la de la tangente es −x/y, y su producto es −1, que es exactamente la condición de perpendicularidad de la clase 069. El laboratorio comprueba esa relación.
La técnica se generaliza al caso multivariable como el teorema de la función implícita, y aparece en machine learning en la diferenciación implícita de capas definidas como la solución de un problema de optimización —modelos de equilibrio profundo, capas de optimización diferenciables—, donde no hay fórmula explícita que derivar.
Tangente a la circunferencia de radio 5 en (3,4).
x² + y² = 25
Derivar: 2x + 2y·(dy/dx) = 0
Despejar: dy/dx = −x/y = −3/4 = −0.75
Verificación numérica con y = √(25−x²):
dy/dx en x=3 → −0.750000 ✓
Recta tangente: y − 4 = −0.75(x − 3)
Perpendicularidad con el radio:
pendiente del radio = 4/3
(−3/4)·(4/3) = −1 ✓
Derivación implícita sobre la circunferencia x²+y²=25.
python classes/part-07-calculo-diferencial-e-integral/150-derivacion-implicita/lab.py
compmath run 150
ecuacionpuntody/dx_implicitady/dx_numericacoincidenrecta_tangentetangente_perpendicular_al_radio{
"ecuacion": "x² + y² = 25",
"punto": [
3.0,
4.0
],
"dy/dx_implicita": -0.75,
"dy/dx_numerica": -0.75,
"coinciden": true,
"recta_tangente": "y - 4.0 = -0.7500(x - 3.0)"
}
Curvas definidas implícitamente, teorema de la función implícita, capas de optimización diferenciables y modelos de equilibrio profundo.
Sin regla de la cadena no hay entrenamiento por gradiente; sin Taylor no hay métodos de segundo orden ni análisis de convergencia.
9780914098911 verificado en International ISBN Agency (2026-08-19).10.48550/arxiv.1909.01377 verificado en DataCite (2026-08-19).