1

cmge - Clculo diferencial

Clculo diferencial
Una funcin f es una regla que asigna a cada elemento de un conjunto D de Rn (llamado dominio) otro
elemento, que puede ser de R, o ms generalmente, de Rm . La notacin habitual es
f : D Rn Rm ,
x = (x 1 , . . . , x n ) 7 f = f (x 1 , . . . , x n ) = ( f 1 , . . . , f m ).
En toda funcin f , distinguimos su dominio D = D f , su expresin algebraica (p.ej. f (x, y) = x 2 + y 2 ) y, si es
posible, su representacin grfica. En el caso de funciones reales de dos variables reales, z = f (x, y), una idea
de la representacin grfica la conseguimos examinando sus curvas de nivel (secciones horizontales, z =cte.)
y sus secciones verticales, x = 0, y = 0.

Paraboloide circular
f (x, y) = x 2 + y 2

Paraboloide hiperblico
f (x, y) = x 2 y 2

p
sen x 2 +y 2
f (x, y) = p 2 2
x +y

Curva: Hlice
(t ) = (4 cos t , 4 sin t , 3t )

El estudio de las funciones incluye su comportamiento en un punto o cerca de l, lo que nos lleva a los conceptos de lmite, continuidad, diferenciabilidad, . . . . Todos ellos nos permiten conocer mejor las propiedades
de las funciones: est la funcin definida en el punto? (dominio), tiene un comportamiento estable cerca
del punto? (lmite), coincide el lmite con el valor de la funcin en el punto? (continuidad), puede trazarse
la grfica de la funcin de manera suave? (diferenciabilidad), bajo qu circunstancias podemos sospechar de
mximos o mnimos?, hay una curvatura claramente definida?. . . .
Derivadas parciales y planos tangentes. Las derivadas parciales de una funcin f = f (x, y), real de dos variables reales, en un punto (x 0 , y 0 ), se definen como
f (x 0 + h, y 0 ) f (x 0 , y 0 )
f
(x 0 , y 0 ) = x f (x 0 , y 0 ) = f x (x 0 , y 0 ) = lm
,
h0
x
h
f
f (x 0 , y 0 + k) f (x 0 , y 0 )
(x 0 , y 0 ) = y f (x 0 , y 0 ) = f y (x 0 , y 0 ) = lm
.
k0
y
k
En la prctica, el clculo de derivadas parciales se hace usando las reglas habituales de derivacin, aplicadas
solo a la variable con respecto a la cual se deriva. Podemos incluso realizar derivadas sucesivas.
Ejemplo. Hallemos derivadas parciales de la funcin f (x, y) = cos(x 2 + y 2 ) 3x arc tg y 2 .
6x y
(a ) f x = 2x sen(x 2 + y 2 ) 3 arc tg y 2 ,
(b ) f y = 2y sen(x 2 + y 2 )
,
1 + y4
(c ) f xx = 2 sen(x 2 + y 2 ) 4x 2 cos(x 2 + y 2 ),

(d ) f y y = 2 sen(x 2 + y 2 ) 4y 2 cos(x 2 + y 2 )

6x(1 + y 4 ) 24x y 4
,
(1 + y 4 )2

6y
6y
,
(f ) f y x = 4x y cos(x 2 + y 2 )
= fx y .
4
1+ y
1 + y4
Nota. Cuando la funcin es lo suficientemente regular tenemos que el orden a la hora de calcular derivadas
sucesivas no importa: f x y = f y x , f xx y = f x y x = f y xx , . . . .
Nota. De la misma manera que se habla de derivadas parciales de funciones de dos variables, podemos
hablar de derivadas parciales de funciones de tres o ms variables.
(e ) f x y = ( f x ) y = 4x y cos(x 2 + y 2 )

En funciones de una variable, f = f (x), la derivada de la funcin en un punto x 0 , f 0 (x 0 ), denota la pendiente de la recta tangente a la grfica de la funcin en el punto (x 0 , f (x 0 )). El vector director de dicha recta
tangente es (1, f 0 (x 0 )), y la recta tangente tiene por ecuacin y = f (x 0 ) + f 0 (x 0 )(x x 0 ).
Ahora, tratando con funciones de dos variables, tenemos que f x (x 0 , y 0 ) denota la pendiente de la recta
tangente a la grfica de la funcin f = f (x, y) en la direccin de la x en el punto (x 0 , y 0 , z 0 ), donde z 0 = f (x 0 , y 0 ).
El vector director de esta recta es, por tanto, (1, 0, f x (x 0 , y 0 )), ya que nos movemos en la direccin de la x (por
eso el 1 en la primera componente), no hay desplazamiento en la direccin y (por eso el 0 de la segunda

Clculo diferencial - cmge

componente), y la pendiente f x (x 0 , y 0 ) (en la tercera componente) indica el desplazamiento vertical por cada
unidad de desplazamiento horizontal en la direccin deseada.
Anlogamente, f y (x 0 , y 0 ) denota la pendiente de la recta tangente a la grfica de la funcin f = f (x, y) en la
direccin de la y en el punto (x 0 , y 0 , z 0 ), por lo que el vector director de dicha recta tangente es (0, 1, f y (x 0 , y 0 )).
Estos dos vectores, (1, 0, f x (x 0 , y 0 )) y (0, 1, f y (x 0 , y 0 )), y el punto (x 0 , y 0 , z 0 ), z 0 = f (x 0 , y 0 ), generan un plano
que, en el caso de que la funcin sea lo suficientemente regular, lo llamaremos plano tangente a la grfica
de la funcin f = f (x, y) en el punto (x 0 , y 0 , z 0 ). Es fcil dar su ecuacin en forma paramtrica, (x, y, z) =
(x 0 , y 0 , z 0 ) + (1, 0, f x (x 0 , y 0 )) + (0, 1, f y (x 0 , y 0 )), para, a partir de ah, dar su ecuacin normal:

x = x0 +
y = x0
+

x = x 0 + f x (x 0 , y 0 ) + f y (x 0 , y 0 )

z = z 0 + f x (x 0 , y 0 )(x x 0 ) + f y (x 0 , y 0 )(y y 0 ).

Otra forma de llegar a la ecuacin normal del plano es pensando que los vectores (x x 0 , y y 0 , z z 0 ),
(1, 0, f x (x 0 , y 0 )) y (0, 1, f y (x 0 , y 0 )) han de ser linealmente dependientes, luego el determinante de la matriz formada por estos vectores ha de ser 0:

x x0

y y0

z z
0

1
0
f x (x 0 , y 0 )

0
1
f y (x 0 , y 0 )

=0

z = z 0 + f x (x 0 , y 0 )(x x 0 ) + f y (x 0 , y 0 )(y y 0 ).

La regularidad que se le ha de exigir a la funcin para que a este plano se le pueda llamar plano tangente es
que la funcin sea diferenciable en el punto (x 0 , y 0 ). Este concepto de diferenciabilidad es el que permite decir
que el contacto entre el plano (tangente) y la superficie de la grfica en el punto (x 0 , y 0 , z 0 ) es de orden 1, o sea,
que, cerca del punto (x 0 , y 0 ), podemos utilizar los valores del plano en vez de los de la funcin en s, sabiendo
que el error cometido es insignificante (de orden 1). Este concepto, expresado analticamente, queda as:
f (x, y)

(x, y) (x 0 , y 0 )

trmino de error

f (x 0 , y 0 ) + f x (x 0 , y 0 ) (x x 0 ) + f y (x 0 , y 0 ) (y y 0 ) + R f ,(x0 ,y 0 ),1 (x, y),

p
R f ,(x0 ,y 0 ),1 (x,y)
donde |(xx
(x x 0 )2 + (y y 0 )2 .

0
cuando
(x,
y)

(x
,
y
).
Nota:
|(x

x
,
y

y
)|
=
0
0
0
0
0 ,yy 0 )|
Deshacindonos del trmino de error, llegamos a la linealizacin de f en el punto (x 0 , y 0 ):
f (x, y)

(x, y) (x 0 , y 0 )

f (x 0 , y 0 ) + f x (x 0 , y 0 )(x x 0 ) + f y (x 0 , y 0 )(y y 0 ).

que puede expresarse en forma incremental o en forma diferencial total de f :

f f x x + f y y,

d f = f x d x + f y d y.

El vector que se forma con las derivadas parciales de f se llama gradiente de f y se denota por f . Para
funciones de dos variables, f = f (x, y), tenemos f = ( f x , f y ). Para funciones de tres variables, f = f (x, y, z),
tenemos f = ( f x , f y , f z ).
La aproximacin lineal antes descrita puede ser mejorada, si la funcin lo permite, a una aproximacin
cuadrtica, semejante a lo se hace para funciones de una sola variable cuando se usan polinomios de Taylor.
En este caso, el error que se comete al cambiar el valor de la funcin por el valor de la aproximacin cuadrtica
es todava ms insignificante, de orden 2, o sea, es una funcin R f ,(x0 ,y 0 ),2 (x, y) que satisface

R f ,(x0 ,y 0 ),2 (x,y)

|(xx 0 ,yy 0 )|2

cuando (x, y) (x 0 , y 0 ). Usando notacin matricial, esta aproximacin cuadrtica queda as

Hess f (x 0 ,y 0 )

f (x, y)

(x, y) (x 0 , y 0 )

f (x 0 , y 0 ) + f (x 0 , y 0 )

x
y

1
+ (x y)
2!

}|

f xx (x 0 ,y 0 ) f x y (x 0 ,y 0 )
f xx (x 0 ,y 0 ) f x y (x 0 ,y 0 )

x
y

trmino de error

+ R f ,(x0 ,y 0 ),2 (x, y) .

La matriz hessiana de f en el punto (x 0 , y 0 ), Hess f (x 0 , y 0 ), contiene la forma cuadrtica asociada a f en el

punto (x 0 , y 0 ), y est formada por las segundas derivadas parciales de f en el punto (x 0 , y 0 ). Cuando se trata
de una funcin de tres variables, la matriz Hess f es una matriz 3 3.

cmge - Clculo diferencial

Derivadas direccionales y propiedades del gradiente. Las derivadas parciales, f x y f y , pueden entenderse
como derivadas direccionales segn las direcciones de los vectores unitarios (1, 0) y (0, 1), respectivamente.
Ms precisamente, en caso de existir, definimos la derivada direccional de f = f (x, y) en el punto (x 0 , y 0 )
segn la direccin del vector unitario u = (a, b) como
D u f (x 0 , y 0 ) = lm

h0

f (x 0 + ha, y 0 + hb) f (x 0 , y 0 )
.
h

De nuevo, D u f (x 0 , y 0 ) denota la pendiente de la recta tangente a la grfica de f en el punto (x 0 , y 0 ) en la

direccin de u. Al ser u = (a, b) unitario, el vector director de dicha recta tangente es (a, b, D u f (x 0 , y 0 )).
Cuando la funcin es diferenciable (que es lo habitual), tenemos
f (x 0 + ha, y 0 + hb) f (x 0 , y 0 )
h0
h

f (x 0 , y 0 ) + f x (x 0 , y 0 )ha + f y (x 0 , y 0 )hb + R f ,(x0 ,y 0 ),1 (x 0 + ha, y 0 + hb) f (x 0 , y 0 )

= lm
h0
h
h
R f ,(x0 ,y 0 ),1 (x 0 + ha, y 0 + hb)
= lm f x (x 0 , y 0 )a + f y (x 0 , y 0 )b +
h0
h
= f x (x 0 , y 0 )a + f y (x 0 , y 0 )b = f (x 0 , y 0 ) u .

D u f (x 0 , y 0 ) = lm

Ejemplo. Dada f (x, y) = x 3 3x y + 4y 2 , hallar D u f (1, 2), siendo u el vector unitario que forma ngulo /6
con respecto al eje x positivo.

p
Solucin. Con un dibujo se ve que es u = cos 6 , sen 6 = 23 , 12 . Ahora, f x = 3x 2 3y, por lo que f x (1, 2) = 3.
Tambin, f y = 3x + 8y, por lo que f y (1, 2) = 13. Por consiguiente, f (1, 2) = (3, 13), y
p3 1 3p3 13 13 3p3
, =
+
=
.
D u f (1, 2) = f (1, 2) u = (3, 13)
2 2
2
2
2
Ejemplo. Dada f (x, y) = x 2 + sen(x y), hallar, si es posible, vectores unitarios u tales que D u f (1, 0) = 1.
Solucin. Al buscar vectores unitarios u = (a, b) estamos imponiendo una primera condicin, que es la de ser
unitarios, o sea, a 2 + b 2 = 1. Por otro lado, otra condicin la obtenemos del hecho de que se pide D u f (p) =
f (p) u = 1. Veamos qu ecuacin obtenemos por este camino. Observamos que f x = 2x + y cos(x y), luego
f x (1, 0) = 2. Tambin, f y = x cos(x y), luego f y (1, 0) = 1. Por consiguiente, f (1, 0) = (2, 1), por lo que 1 =
D u f (1, 0) = f (1, 0) u = (2, 1) (a, b) = 2a + b. Todo esto nos lleva al siguiente sistema (no lineal) de dos
ecuaciones con dos incgnitas:
)
( 2
)
(
)
(
)
(
b = 1 2a
b = 1 2a
(a = 0, b = 1 2a = 1),
a + b2 = 1
.

2a + b = 1
a = 54 , b = 1 2a = 35
a 2 + (1 2a)2 = 1
5a 2 4a = 0

Conclusin: existen dos vectores unitarios, u = (0, 1) y u = 54 , 35 , para los que D u f (1, 0) = 1.
El vector gradiente satisface ciertas propiedades que conviene destacar:
1.- f (p 0 ) indica la direccin ptima (de mayor ascenso de f ). En efecto, si denotamos por u el ngulo (entre
0 y ) que forma f (p 0 ) con el vector unitario u, observamos que la siguiente expresin
=1

D u f (p 0 ) = f (p 0 ) u = | f (p 0 )| |u| cos u
es mxima cuando cos u es mximo, o sea, cuando cos u = 1, o sea, cuando u = 0, o sea, cuando u apunta
f (p )
en la direccin de f (p 0 ), o sea, cuando u = | f (p 00 )| . En este caso, el mximo ascenso de f en p 0 es | f (p 0 )|.
De manera anloga, mirando el mnimo de cos u , f (p 0 ) indica la direccin de mximo descenso de f ,
y en ese caso, el mximo descenso de f en p 0 es | f (p 0 )| (el signo redunda en dicho descenso).
2.- f (p 0 ) es perpendicular a la curva de nivel que contiene a p 0 . En efecto, esta curva de nivel viene dada
por la ecuacin f (x, y) = f (p 0 ), as que derivando implcitamente, tenemos d f = f x d x + f y d y = 0, o sea,
f (d x, d y) = 0, o sea, f es perpendicular (d x, d y), lo cual se interpreta como que el vector f (p 0 ) es
perpendicular a la direccin tangente a la curva de nivel que contiene a p 0 .
Nota. El desarrollo que se ha hecho hasta ahora para funciones de dos variables encuentra su anlogo en
funciones reales de tres o ms variables.

Clculo diferencial - cmge

Extremos locales de funciones: mximos y mnimos locales.

Definiciones. Decimos que p 1 es un punto mximo absoluto (o global) de f en D si f (p) f (p 1 ) para todo
p D, en cuyo caso decimos que f (p 1 ) es el valor mximo de f en D.
Decimos que p 1 es un punto mximo local (o relativo) de f si f (p) f (p 1 ) para todo p cerca de p 1 .
Decimos que p 2 es un punto mnimo absoluto (o global) de f en D si f (p) f (p 2 ) para todo p D, en cuyo
caso decimos que f (p 2 ) es el valor mnimo de f en D.
Decimos que p 2 es un punto mnimo local (o relativo) de f si f (p) f (p 2 ) para todo p cerca de p 2 .
Decimos que p 0 es un punto extremo local de f si p 0 es punto mximo local o punto mnimo local de f .
Si p 0 es un punto extremo local de f , y f es diferenciable en p 0 , entonces ha de ocurrir que todas las derivadas direccionales en p 0 han de ser 0. Estas derivadas direccionales se obtienen de multiplicar escalarmente
el vector gradiente en p 0 por un vector unitario, luego, si han de ser cero, estamos afirmando que f (p 0 ) = 0.
Teorema. Si p 0 es punto extremo local de f (y f es diferenciable en p 0 ), entonces f (p 0 ) = 0.
Definicin de puntos crticos. Son aquellos puntos p sospechosos de ser puntos extremos locales. Normalmente son aquellos puntos p con f (p) = 0 (porque normalmente trataremos con funciones diferenciables).
Al calcular los puntos crticos de una funcin, solemos restringir a una cantidad finita el nmero de puntos
sospechosos de ser extremos locales. Sin embargo, hay que realizar todava un estudio ms profundo para
llegar a discernir si un punto crtico es verdaderamente un punto extremo. Cuando se trata de una funcin
de una sola variable, f = f (x), este estudio suele realizarse analizando el crecimiento de la funcin cerca del
punto crtico x 0 en cuestin. Por ejemplo, si f es creciente a la izquierda de x 0 y decreciente a la derecha de x 0 ,
entonces f alcanza un mximo en x 0 ,. . . . Tambin podemos hacer uso de lo que se conoce como Criterio de
la segunda derivada, que, recordamos, consiste en estudiar el signo de f 00 (x 0 ) cuando x 0 es un punto crtico
(o sea, cuando f 0 (x 0 ) = 0). Trabajando con la aproximacin cuadrtica de Taylor de f en x 0 , y recordando que
el trmino de error cuadrtico es verdaderamente insignificante cuando x est cerca de x 0 , tenemos

1
f (x 0 ), si f 00 (x 0 ) < 0,
= x 0 es p. MXIMO LOCAL.
f (x) = f (x 0 ) + f 00 (x 0 )(x x 0 )2 + o(|x x 0 |2 )
00

f
(x
),
si
f
(x
)
>
0,
= x 0 es p. MNIMO LOCAL.
2
0
0
O sea, si f 0 (x 0 ) = 0, se tiene
Si f 00 (x 0 ) < 0, entonces x 0 es punto mximo local de f .
Si f 00 (x 0 ) > 0, entonces x 0 es punto mnimo local de f .
Si f 00 (x 0 ) = 0, entonces no hay suficiente informacin para decidir. Ejemplos: Para f (x) = x 3 , f (x) = x 4 , f (x) =
x 4 , se tiene f 0 (0) = f 00 (0) = 0 y, sin embargo, la primera funcin es creciente en un entorno de 0, la segunda
funcin alcanza un mnimo en 0, y la tercera alcanza un mximo en 0.
Para el caso de funciones reales de dos variables, f = f (x, y), (y, en general, funciones de ms variables),
podemos realizar un estudio similar analizando la aproximacin cuadrtica de f alrededor de un punto crtico
p 0 : Para p lo suficientemente cerca de p 0 , podemos despreciar el trmino de error, y la decisin de si p 0 es
punto mximo, o punto mnimo, (o punto silla), depende del signo de la matriz hessiana de f en p 0 .

f (p 0 ), si Hess f (p 0 ) es definida negativa,

t
1
2
f (p) = f (p 0 ) + 2 (p p 0 ) Hess f (p 0 )(p p 0 ) + o(|p p 0 | )
f (p 0 ), si Hess f (p 0 ) es definida positiva.
Definicin. Sea A una matriz cuadrada simtrica real (de orden n n).
Decimos que A es definida positiva si x t Ax > 0 para todo vector x =
(x1, . . ., x n ) 6= 0. Por ejemplo, A =
definida positiva, pues para cada (x 1 , x 2 ) 6= (0, 0), tenemos (x 1 x 2 ) 20 03 xx12 = 2x 12 + 3x 22 > 0.

2 0

Decimos que A es definida negativa si x t Ax < 0 para todo vector x = (x 1 , . . . , x n ) 6= 0. Por ejemplo, A =
es definida negativa.

03

es

0
0 3

Decimos que A es indefinida si existe un vector

x = (x 1 , . . . , x n ) tal que x t Ax > 0, y existe un vector y = (y 1 , . . . , y n )

tal que y t Ay < 0. Por ejemplo A = 20 10 es indefinida porque corresponde con la forma cuadrtica q(x 1 , x 2 ) =
x t Ax = 2x 12 x 22 , de manera que q(1, 0) = 2 > 0, mientras que q(0, 1) = 1 > 0.
2 0
Decimos que A es semidefinida positiva si x t Ax 0 para todo vectorx =(x
1 ,. . . , x n ). Por ejemplo, A = 0 0 es

semidefinida positiva, pues para cada x = (x 1 , x 2 ), tenemos (x 1 x 2 ) 20 00 xx12 = 2x 12 0.

cmge - Clculo diferencial

Decimos que A es semidefinida negativa si x t Ax 0 para todo vector x = (x 1 , . . . , x n ). Por ejemplo, A =

es semidefinida negativa.

1 0
00

Hacemos aqu un pequeo inciso que puede servir de ayuda al lector que sepa algo sobre cambios de base
y diagonalizacin de matrices; el resto de los lectores podr captar, quizs, lo esencial de la discusin. El signo
de una matriz simtrica real A viene dado por el signo de sus autovalores. Expliquemos esto. Es un hecho que,
para toda matriz simtrica real A de orden n, es posible encontrar una base B = {v 1 , . . . , v n } ortonormal de
autovectores de A, lo que significa que los vectores de B forman base (son linealmente independientes y es
sistema generador) de Rn , son unitarios, son perpendiculares dos a dos, y, finalmente, que sean autovectores
significa que Av j = d j v j para algn d j R, llamado autovalor de A asociado a v j . Si consideramos las matrices
P = (v 1 | |v n ) y D = diag(d 1 , , d n ), entonces P es la matriz de cambio de base de B a C (la base cannica)
y satisface AP = P D, o P 1 AP = D, (en otras palabras, A es diagonalizable por semejanza). Adems, que B
sea base ortonormal se traduce como que P es ortogonal, o sea, P 1 = P t . Ahora, como P es la matriz de
cambio de base de B a C , tenemos que, para un mismo vector, sus coordenadas (viejas) con respecto a C ,
x = (x 1 , . . . , x n )t , y sus coordenadas (nuevas) con respecto a la base B, x = (x1 , . . . , xn )t , mantienen la siguiente
De esta manera, la forma cuadrtica definida por A, q(x) = x t Ax, puede expresarse en las
relacin: x = P x.
nuevas coordenadas como sigue:
t A(P x)
= x t P t AP x = x t P 1 AP x = x t D x = d 1 x12 + + d n xn2 .
q(x) = x t Ax = (P x)
Observamos que la expresin de la derecha, d 1 x12 + + d n xn2 , es positiva si todos los autovalores d j son positivos, puesto que los nmeros cuadrados son siempre positivos. Y la misma expresin es negativa si todos los
autovalores d j son negativos. Con todo esto, llegamos entonces a la siguiente conclusin.
Teorema. Sea A una matriz cuadrada simtrica real (de orden n). Sean d 1 , . . . , d n los autovalores de A repetidos
de acuerdo a su multiplicidad. Entonces:
A es definida positiva si y solo si todos sus autovalores son positivos.
A es semidefinida positiva si y solo si todos sus autovalores son mayores o iguales a cero. (Algunos autovalores
son cero y el resto de ellos son positivos).
A es definida negativa si y solo si todos sus autovalores son negativos.
A es semidefinida negativa si y solo si todos sus autovalores son menores o iguales a cero.
A es indefinida si y solo si al menos hay un autovalor positivo y otro negativo.
Desafortunadamente, no hay otro modo ms eficaz de conocer el signo de una matriz simtrica real. Hay
que pasar por el estudio de sus autovalores. Terminado el inciso, cabe decir que para el caso en el que la matriz
A es simtrica real de tamao 2 2 hay una forma equivalente de expresar el resultado anterior, que el lector
interesado puede intentar probar por su cuenta:

Teorema. Supongamos que A = ba db es una matriz simtrica real de tamao 2 2.
A es definida positiva si y solo si ad b 2 > 0 y a > 0.
A es definida negativa si y solo si ad b 2 > 0 y a < 0.
A es indefinida si y solo si ad b 2 < 0.
A es semidefinida (sin llegar a ser definida) si y solo si ad b 2 = 0.
Observamos que la expresin ad b 2 es precisamente el determinante de A. Recalcamos de nuevo que
para matrices simtricas reales de orden superior no hay modo eficaz de conocer su signo sin pasar por el
estudio de sus autovalores. Algn que otro resultado parcial s lo hay, para saber si una matriz simtrica real A
es definida positiva. Denotemos por A j la submatriz j j en el extremo superior izquierdo de A. O sea,

A 1 = (a 11 ),

A2 =

a 11 a 12
,
a 21 a 22

a 11 a 12 a 13
A 3 = a 21 a 22 a 23 ,
a 31 a 32 a 33

. . . , A n = A.

Teorema. Una matriz simtrica real A es definida positiva si y solo si det A j > 0 para todo j .

Clculo diferencial - cmge

Volviendo a nuestro estudio de extremos locales de funciones reales, podemos enunciar ahora el siguiente
resultado para funciones de dos variables.
Teorema (Criterio de las segundas derivadas). Sea f = f (x, y) una funcin con suficiente regularidad. Sea
p 0 = (x 0 , y 0 ) un punto crtico de f , es decir, tal que f (p 0 ) = (0, 0), y sea
D = det Hess f (p 0 ) = f xx (p 0 ) f y y (p 0 ) [ f x y (p 0 )]2 .
Si Hess f (p 0 ) es positiva, o sea, si D > 0 y f xx (p 0 ) > 0, entonces f alcanza un mnimo local en p 0 .
Si Hess f (p 0 ) es negativa, o sea, si D > 0 y f xx (p 0 ) < 0, entonces f alcanza un mximo local en p 0 .
Si Hess f (p 0 ) es indefinida, o sea, si D < 0, entonces f presenta un punto silla en p 0 .
Si Hess f (p 0 ) es semidefinida sin llegar a ser definida, o sea, si D = 0, entonces no hay suficiente informacin
para decidir.
El resultado similar para funciones de ms variables hace uso de los autovalores.
Teorema (Criterio de las segundas derivadas). Sea f una funcin con suficiente regularidad. Sea p 0 un punto
crtico de f , es decir, tal que f (p 0 ) = 0, y sean d 1 , . . . , d n los autovalores de Hess f (p 0 ).
Si Hess f (p 0 ) es positiva, o sea, si d j > 0 para todo j , entonces f alcanza un mnimo local en p 0 .
Si Hess f (p 0 ) es negativa, o sea, si d j < 0 para todo j , entonces f alcanza un mximo local en p 0 .
Si Hess f (p 0 ) es indefinida y det Hess f (p 0 ) 6= 0, o sea, si hay autovalores positivos y negativos y ninguno es cero,
entonces no hay ni mximo ni mnimo en p 0 , sino que hay direcciones en las que f alcanza un mximo en p 0
y otras direcciones en las que alcanza un mnimo en p 0 .
Si det Hess f (p 0 ) = 0 (puede ser semidefinida o indefinida), o sea, si algn autovalor es cero, entonces no hay
suficiente informacin para decidir.
y2

Ejemplo. Hallar y clasificar los puntos crticos de f (x, y) = x 2 y x 2 2 + 3.

Solucin. Primero hallamos los puntos crticos de f , aquellos donde se anulan f x y f y simultneamente.
f x = 2x y 2x = 2x(y 1),
2

f x = 0 x = 0 o y = 1,
f y = 0 y = x 2 .

f y = x y.

Obtenemos que f x se anula en todos los puntos de las rectas x = 0 e y = 1, mientras que
f y se anula en todos los puntos de la parbola y = x 2 . As que f x y f y se anulan simultneamente en los puntos de corte de la recta x = 0 con la parbola y = x 2 , y tambin en los
puntos de corte de la recta y = 1 con la misma parbola y = x 2 . El primer sistema da como
solucin el punto (0, 0). El segundo sistema da dos puntos, (1, 1) y (1, 1).
Los puntos crticos son, por tanto, (0, 0), (1, 1) y (1, 1). Para clasificarlos, calculamos las segundas derivadas
parciales: f xx = 2y 2, f y y = 1, f x y = 2x. Hemos de construir la matriz hessiana en cada uno de estos puntos
y ver, en cada caso, qu signo tiene. Como estas matrices son de orden 2, no necesitamos calcular autovalores.
Basta hacer una tabla de valores adecuada.

(x, y)

(0, 0)
3
(1, 1) 5/2
(1, 1) 5/2

f xx

fyy

fx y

D = f xx f y y ( f x y )2

Decisin

2
0
0

1
1
1

0
2
2

2
4
4

Punto Mximo
Punto Silla
Punto Silla

Extremos absolutos de funciones: mximos y mnimos absolutos. Cuando se trata de buscar extremos absolutos, tenemos que asegurarnos antes de su existencia.
Teorema (de los extremos absolutos). Sea f una funcin continua sobre un conjunto S, cerrado y acotado.
Entonces f alcanza el valor mximo absoluto y el valor mnimo absoluto en S.

cmge - Clculo diferencial

Con este resultado, los pasos a seguir para encontrar extremos absolutos de una f continua sobre un
cerrado y acotado S son los siguientes:
1.- Se hallan los puntos crticos de f en S. stos tienen la posibilidad de ser extremos locales y, en consecuencia, extremos absolutos.
2.- Se hallan todos los puntos de la frontera de S donde se puedan dar extremos absolutos: puntos crticos de
la frontera, extremos de segmentos,. . . .
3.- Decisin: Se halla el valor que f toma en cada uno de los puntos encontrados en los pasos anteriores. El
valor mximo absoluto de f en S ser el mayor de los valores obtenidos y el valor mnimo de f en S ser el
menor de los valores obtenidos.
Ejemplo. Si se nos pide hallar los extremos absolutos de f (x, y) = 4x 2 +9y 2 x 2 y 2 sobre el tringulo (cerrado)
T de vrtices (0, 0), (4, 0) y (4, 4), lo que hacemos es seguir los pasos que nos indica el procedimiento anterior.
1.- Puntos crticos de f en T . Son puntos donde f x y f y se anulan simultneamente.

f x = 8x 2x y 2 = 0 2x(4 y 2 ) = 0 x = 0, y = 2, y = 2,

y =2
y =0

y = 2
x = 3 x = 0 x = 3

f y = 18y 2x 2 y = 0 2y(9 x 2 ) = 0 y = 0, x = 3, x = 3.

O sea, f x se anula sobre las rectas x = 0, y = 2 e y = 2, y f y se anula sobre las rectas y = 0,

x = 3 y x = 3. Por tanto, los puntos crticos de f son los puntos donde se corta una recta
(roja) sobre la que se anula f x y una recta (azul) sobre la que se anula f y .

Estos puntos son entonces: (0, 0), (3, 2), (3, 2), (3, 2) y (3, 2). De todos estos, los que estn en el tringulo
son (0, 0) (como vrtice del tringulo) y (3, 2).
2.- Puntos sospechosos de la frontera del tringulo T . stos son los vrtices del tringulo: (0, 0) (ya ha sido
seleccionado antes), (4, 0) y (4, 4). Tambin hay que considerar los puntos crticos que podamos obtener al
restringir la funcin sobre cada uno de los lados del tringulo. As, examinamos cada lado por separado.
(a) El segmento de extremos (0, 0) y (4, 0) viene descrito por: x(t ) = t , y(t ) = 0, con t [0, 4]. Por tanto, la
restriccin de f sobre este segmento queda como sigue:
f (x, y) = f (t , 0) = 4t 2 = f 1 (t ),

t [0, 4].

Se ha formado una nueva funcin f 1 , de una variable, definida sobre el intervalo [0, 4]. Sus puntos crticos
son los extremos del intervalo, t = 0 y t = 4, que producen los puntos (0, 0) y (4, 0), (ya incluidos anteriormente como vrtices del tringulo), as como los puntos del intervalo donde se anula la derivada de f 1 :
f 10 (t ) = 8t = 0 t = 0 [0, 4]

(x, y) = (0, 0) vuelve a ser punto sospechoso.

(b) El segmento de extremos (4, 0) y (4, 4) viene descrito por x = 4, y = t , con t [0, 4]. La restriccin de f
sobre este segmento da lugar a una nueva funcin de una variable,
f (x, y) = f (4, t ) = 4 42 + 9t 2 42 t 2 = 64 7t 2 = f 2 (t ),

t [0, 4].

Los extremos del intervalo, t = 0 y t = 4, dan lugar a los puntos (4, 0) y (4, 4), ya incluidos anteriormente
como vrtices del tringulo. Queda buscar dnde se anula la derivada de f 2 ,
f 20 (t ) = 14t = 0 t = 0

(x, y) = (4, 0) vuelve a ser punto sospechoso.

(c) El segmento de extremos (0, 0) y (4, 4) viene descrito por x = t , y = t , con t [0, 4]. De nuevo, la restriccin
de f sobre este segmento da lugar a una nueva funcin de una variable,
f (x, y) = f (t , t ) = 4t 2 + 9t 2 t 2 t 2 = 13t 2 t 4 = f 3 (t ),

t [0, 4].

Los extremos del intervalo, t = 0 y t = 4, dan lugar a los puntos (0, 0) y (4, 4), ya incluidos anteriormente
como vrtices del tringulo. Queda buscar dnde se anula la derivada de f 3 ,
p
p
f 30 (t ) = 26t 4t 3 = 2t (13 2t 2 ) = 0 t = 0, t = 13/2, t = 13/2.
p
Descartamos t = 13/2
p porque
p no est en el intervalo [0, 4]. Los otros dos t s dan lugar a los puntos (0, 0)
(ya incluido antes) y ( 13/2, 13/2). Este lado ya no tiene ms puntos sospechosos.

Clculo diferencial - cmge

3.- Decisin. Recogemos todos los puntos sospechosos en una tabla junto con los
valores que les da f .
Conclusin: El mximo absoluto de f sobre el tringulo T se alcanza en el punto
(4, 0) con valor mximo f (4, 0) = 64 y el mnimo absoluto se alcanza en el punto
(4, 4) con valor mnimo f (4, 4) = 48.

(x, y)

f (x, y)

Decisin

(3, 2)

36

(0, 0)

(4, 0)

64

Mximo

(4, 4)

48

Mnimo

q 13 q 13
2 ,
2

42.25

Multiplicadores de Lagrange. En este apartado estudiamos un mtodo de bsqueda de mximos y mnimos

de una determinada funcin que est sujeta a cierta restriccin. La pregunta tpica pedira hallar los extremos
de una funcin f (x, y) (optimizarla) sujeto a la restriccin g (x, y) = 0.

z
y
x
y

Por ejemplo, si f = f (x, y) marca la altura de una montaa en la posicin (x, y), entonces
la restriccin g (x, y) = 0 sera un camino sobre dicha montaa, y la pregunta anterior pedira, en este caso, la cota ms alta del camino, as como su cota ms baja. Siguiendo con
este ejemplo, la cota ms alta del camino debe alcanzarse cuando este sea tangencial a
(no atraviese) una curva de nivel de f , (si la atraviesa quiere decir que todava puede subir ms alto). Estamos diciendo entonces que si el camino alcanza su cota ms elevada
en la posicin (x 0 , y 0 ), entonces la curva de nivel de f que pasa por (x 0 , y 0 ) y la misma
curva g (x, y) = 0 (que tambin es una curva de nivel de g ) han de tocarse tangencialmente en ese punto. Como los vectores gradientes son perpendiculares a las curvas de
nivel, lo de antes se puede expresar diciendo que los vectores gradientes de f y de g en
el punto (x 0 , y 0 ) han de ser paralelos, i. e., f (x 0 , y 0 ) = g (x 0 , y 0 ), para un cierto R,
que se llama multiplicador de Lagrange.
Teorema. Si p 0 es un punto extremo local de f sujeto a la restriccin g = 0 y g (p 0 ) 6= 0,
entonces existe R tal que f (p 0 ) = g (p 0 ).

Conclusin. A la hora de buscar puntos sospechosos de ser extremos locales de f bajo la restriccin g = 0,
basta fijarse en aquellos puntos p que satisfacen ecuaciones del tipo:

f x (x, y, z) = g x (x, y, z)

(
)
f x (x, y) = g x (x, y)

Para
funcs.
de
2
vars.
Para
funcs.
de
3
vars.
f (p) = g (p)
f y (x, y, z) = g y (x, y, z)
se trata de 3 ecs. con
se trata de 4 ecs. con
f (x, y) = g y (x, y)
y
4 incogns
f z (x, y, z) = g z (x, y, z)

g (p) = 0
3 incogns

g (x, y) = 0

g (x, y, z) = 0
Ejemplo. El dibujo de arriba corresponde al problema de optimizar f (x, y) = 50 x 2 y 2 sobre la restriccin
x 2 + (y 1)2 = 4 (circunferencia de centro (0, 1) y radio 2). Segn el dibujo, el mximo de f sobre la circunferencia se encuentra sobre el punto (0, 1) y el mnimo en el punto (0, 3) (En ambos puntos la circunferencia
(roja) x 2 + (y 1)2 = 1 es tangente a una curva de nivel de f (azul)). Comprobmoslo usando el mtodo de
los multiplicadores de Lagrange. Observemos que g (x, y) = x 2 + (y 1)2 1. Segn este mtodo, los puntos
sospechosos salen de resolver un sistema de 3 ecuaciones con 3 incgnitas:

2x = 2x
x( + 1) = 0

f x (x, y) = g x (x, y)

2y = 2(y 1)
y( + 1) =
f y (x, y) = g y (x, y)

g (x, y) = 0
x + (y 1)2 = 4
x + (y 1)2 = 4
De la primera ecuacin es x = 0 = 1, pero = 1 entra en contradiccin con la
segunda ecuacin, luego, a la fuerza, ha de ser x = 0. Con x = 0, la tercera ecuacin
da y = 3 y = 1. Obtenemos as dos puntos sospechosos: (0, 3) y (0, 1). Con estos
dos puntos sospechosos nos hacemos una tabla de valores para decidir.

(x, y)

f (x, y)

Decisin

(0, 1)

49

Mximo

(0, 3)

41

Mnimo

Hay otra forma de optimizar f (x, y) = 50 x 2 y 2 sobre la circunferencia x 2 + (y 1)2 = 4. Simplemente

parametrizamos la circunferencia y luego convertimos la funcin f en una funcin de una variable, cuyo
estudio de mximos y mnimos es fcil. (Ya hemos utilizado esta tcnica en el apartado anterior).
(
x = 2 cos ,
f (2 cos , 1 + 2 sen ) = 50 4 cos2 (1 + 2 sen )2
C
[0, 2] =
y = 1 + 2 sen ,
= 45 4 sen = f 1 (), [0, 2].

cmge - Clculo diferencial

Puntos crticos de f 1 son aquellos cuya derivada es 0, as como los extremos del intervalo ( = 0 y = 2),

3
= , =
, (solo aquellos que estn en el intervalo).
2
2
Con estos puntos, nos volvemos a hacer una tabla de valores para decidir.
f 10 () = 4 cos = 0

(x, y)

f (x, y)

(2, 1)

45

Decisin

2
3
2

(0, 3)

41

Mnimo

(0, 1)

49

Mximo

(2, 1)

45

Ejercicios.
1.- Hallar las primeras derivadas parciales de las siguientes funciones.
p
(a ) f (x, y) = (2x + 3y)10 ,
(b ) f (x, t ) = x ln t ,
xy
ev
(e ) f (u, v) = u+v
(d ) f (x, y) = x+y ,
2,
(h ) f = x y z 2 arc tg(y w),

(g ) f (x, y, z) = ln(x + 2y + 3z),

2.- Hallar todas las segundas derivadas parciales.

p
(a ) f (x, y) = x 3 y 5 + 2x 4 y,
(b ) w = u 2 + v 2 ,
(d ) f (x, y) = sen2 (mx + n y),

(e ) v =

xy
,
xy

(c ) f (x, y) = tg(x y),

(f ) f (x, y, z) = x sen(y z),
(i ) f (x, y) = e x cos y.
x+y

(c ) z = arc tg 1x y ,
y

(f ) v = e xe .

3.- Usar la siguiente tabla de valores de f (x, y) para estimar los valores de f x (3, 2), f y (3, 2), y f (2.8, 2.03). Estimar tambin el valor de f x y (3, 2).
1.8 2.0 2.2
x\y
2.5 12.5 10.2 9.3
3.0 18.1 17.5 15.9
3.5 20.0 22.4 26.1
f (3+h,2) f (3,2)

Solucin parcial: Teniendo en cuenta que f x (3, 2) = lmh0

, a la vista de los datos que teneh
mos, solo podemos aproximar el valor de f x (3, 2). Por un lado, tomando h = 0.5, tenemos que f x (3, 2)
f (2.5,2) f (3,2)
f (3.5,2) f (3,2)
= 22.417.5
= 9.8. Por otro lado, tomando h = 0.5, tambin tenemos que f x (3, 2)
=
0.5
0.5
0.5
10.217.5
=
14.6.
Como
no
tenemos
preferencia
por
un
valor
u
otro,
nos
quedamos
con
la
media
aritmtica
0.5
ya que hemos evaluado en puntos equidistantes a (3, 2). Por tanto, f x (3, 2) 9.8+14.6
= 12.2. Ahora, f y (3, 2) se
2
aproxima de manera anloga e, igualmente, para f x y (3, 2). Luego, para estimar el valor de f (2.8, 2.03), usamos que (2.8, 2.03) est lo suficientemente cercano a (3, 2) como para contentarnos con dar el valor del plano
tangente aproximado a la grfica de la funcin en el punto (3, 2, 17.5). O sea,
f (2.8, 2.03) f (3, 2) + f x (3, 2)(2.8 3) + f y (3, 2)(2.03 2) . . . .
2 2

4.- Verificar que la funcin u = e

k t

sen(kx) satisface (es solucin de) la ecuacin del calor u t = 2 u xx .

5.- Determinar cul de las siguientes funciones satisface la ecuacin de Laplace u xx + u y y = 0.

(a ) u = x 2 + y 2 ,
(b ) u = x 3p
+ 3x y 2 ,
(c ) u = sen x cosh y + cos x senh y,
2
2
(f ) u = e x cos y e y cos x.
(d ) u = x y ,
(e ) u = ln x 2 + y 2 ,
6.- Probar que cada una de las siguientes funciones satisface la ecuacin de ondas u t t = a 2 u xx .
(a ) u = sen(kx) sen(akt ),
(b ) u = t (a 2 t 2 x 2 )1 ,
(c ) u = (x at )6 + (x + at )6 ,
(d ) u = sen(x at ) + ln(x + at ),
7.- Si z = f (u v, v u), probar que z u + z v = 0.
8.- Si u(x, t ) = f (x + at ) + g (x at ), probar que u satisface la ecuacin de ondas u t t = a 2 u xx .
9.- Encontrar la ecuacin del plano tangente a la grfica de la funcin en cada punto especificado:
(a ) f = 4x 2 y 2 + 2y, (1, 2, 4),
(b ) f = 3(x 1)2 + 2(y + 3)2 + 7, (2, 2, 12),
p
(c ) f = x y, (1, 1, 1),
(d ) f = y ln x, (1, 4, 0),
2
2
(e ) f = y cos(x y), (2, 2, 2),
(f ) f = e x y , (1, 1, 1).
10.- Verificar las siguientes aproximaciones lineales en (0, 0):p
2x+3
(a ) 4y+1
3 + 2x 12y,
(b ) y + cos2 x 1 + 12 y.
11.- Encontrar la derivada direccional de la funcin en el punto indicado en la direccin del vector v.
p
(b ) f = ln(x 2 + y 2 ), (2, 1), v = (1, 2),
(a ) f = 1 + 2x y, (3, 4), v = (4, 3),
(c ) f = p 4 p 2 q 3 , (2, 1), v = (1, 3),
(d ) f = arc tg(r s), (1, 2), v = (5, 10),
p
(e ) f = x y z, (3, 2, 6), v = (1, 2, 2),
(f ) f = (x + 2y + 3z)3/2 , (1, 1, 2), v = (0, 2, 1).

10

Clculo diferencial - cmge

12.- Dada f (x, y) = ye x y , hallar, si existen, vectores unitarios u tales que D u f (0, 2) = 1.
2

13.- Dada f (x, y) = e y sen(y x), hallar, si existen, vectores unitarios u tales que D u f (, 0) = 1.
14.- Dada f (x, y) = e x y ln(x 2 + y 2 ), hallar, si existen, vectores unitarios u tales que D u f (1, 0) = 1.
15.- Dada f (x, y) =

x
, hallar,
x 2 +y 2

si existen, vectores unitarios u tales que D u f (1, 1) =

1
p .
2 2

16.- Supongamos que hay un foco de calor en el punto (0, 0, 0) y que la temperatura T (en grados Celsius) en un
punto genrico p = (x, y, z) es inversamente proporcional a su distancia al foco de calor. Si la temperatura en
el punto p 0 = (1, 2, 2) es de 120 C, dar una expresin para T . Cul es la velocidad de cambio de T en el punto
p 0 en la direccin hacia el punto p 1 = (2, 1, 3). Cul es la direccin de mayor crecimiento de temperatura en
un punto genrico p = (x, y, z)?
17.- La forma de una montaa tiene por ecuacin z = 1000 0.005x 2 0.01y 2 , donde x, y y z se miden en
metros, el eje x positivo apunta hacia el Este, y el eje y positivo apunta hacia el Norte. La posicin actual
de una cabra es p 0 = (60, 40, z 0 ). Calcular primero z 0 . Si la cabra empieza a caminar hacia el Sur, empieza a
bajar o a subir? Y si empieza a caminar hacia el Noroeste?En qu direccin la pendiente es mayor? Hallar
dicha pendiente y el ngulo que forma con la horizontal.
18.- Hallar, por un lado, la ecuacin del plano tangente y, por otro lado, la ecuacin de la recta normal a la superficie dada en el punto especificado.
(a ) y = x 2 z 2 , (4, 7, 3),
(b ) 2(x 2)2 + (y 1)2 + (z 3)2 = 10, (3, 3, 5),
2
2
2
(c ) x 2y + z + y z = 2, (2, 1, 1),
(d ) x z = 4 arc tg(y z), (1 + , 1, 1).
19.- Hallar los puntos crticos de la funcin indicada y clasificarlos.
(a ) f = x 4 + y 4 4x y + 1,
(b ) f = 4 + x 3 + y 3 3x y,
2
2
(d ) f = x 3 y + 12x 2 8y,
(e ) f = e 4yx y ,
(g ) f = y cos x,
(h ) f = x y + x 1 + y 1 ,

(c ) f = 3x x 3 2y 2 + y 4 ,
2
2
(f ) f = (x 2 + y 2 )e y x ,
(i ) f = (x 2 1)2 (x 2 y x 1)2 .

20.- Hallar la distancia del punto (2, 1, 1) al plano x + y z = 1.

21.- Hallar los puntos del cono z 2 = x 2 + y 2 ms prximos al punto (4, 2, 0).
22.- Encontrar 3 nmeros reales positivos cuya suma es 100 y su producto es mximo.
23.- Encontrar los puntos de la superficie x y 2 z 3 = 2 ms prximos al origen.
24.- Hallar los extremos absolutos de f (x, y) = x y sobre el trozo de curva
cuadrante.

x2
4

+ y 2 = 1 que est en el primer

25.- Hallar los extremos absolutos de f (x, y) = 2x 2 y 2 sobre el segmento de extremos (1, 1) y (1, 1).
26.- Hallar los extremos absolutos de f (x, y) = y 2 sobre la circunferencia de centro (1, 1) y radio 2.

11

cmge - Clculo diferencial

Soluciones.
p

x
pt , f t =
(b ) f x = ln
t ,
2 x

1.- (a ) f x = 20(2x + 3y)9 , f y = 30(2x + 3y)9 ,

y sec2 (x y), f y = x sec2 (x y),

(d )

v
2
e v
, f v = e (u+v 22v)
,
(u+v 2 )2
(u+v )2

(f ) f x
1
(g ) f x = x+2y+3z , f y

x cos(y z),

y z 2 arc tg(y w), f y = xz 2 arc tg(y w) +

x y 2 z2
,
1+y 2 w 2

(c ) f x = 18.- Sabemos que la superficie de nivel f (x, y, z) = f (x 0 , y 0 , z 0 ) tiene vector normal f (x 0 , y 0 , z 0 ) en el punto (x 0 , y 0 , z 0 ). De aqu es fcil sacar las ecuaciones
fu =
del plano tangente y la recta normal a la superficie en el punto dado.
(a ) Consideramos la funcin f (x, y, z) = yx 2 +z 2 . Como f (4, 7, 3) = 0, entonces
= sen(y z), f y = x cos(y z), f z =
p 0 = (4, 7, 3) est en la superficie de nivel 0 de f . Ahora, f (4, 7, 3) = (8, 1, 6) es
2
3
= x+2y+3z
, f z = x+2y+3z
, (h ) f x =
vector normal a dicha superficie en el punto (4, 7, 3). Por tanto el plano tangente
x y z2 w
tiene por ecuacin: 8(x 4) (y 7) 6(z 3) = 0, o sea, 8x y 6z = 7. Por otro
, f = 2x y z arc tg(y w), f =

fx =

2y
, f y = 2x 2 ,
(x+y)2
(x+y)

(e )

1+y 2 w 2

(i ) f x = e x cos y, f y = e x sen y.

2.- (a ) f xx = 6x y 5 + 24x 2 y, f y y = 20x 3 y 3 , f x y = 15x 2 y 4 + 8x 3 ,

v2
(u 2 +v 2 )3/2

, wv v =

2y
, z x y = 0,
(1+x 2 )2

v2
(u 2 +v 2 )3/2

(d )

(u 2 +v 2 )3/2

(c ) z xx =

2
2y 2
, v y y = 2x 3 , v x y =
(xy)3
(xy)
y
y
y
(f ) v xx = e xe +2y , v y y = x(xe y + 1)e xe +y , v x y = (xe y + 1)e xe +y .

2n y), f x y = 2mn cos(2mx + 2n y),

2x y
,
(xy)3

(e ) v xx =

3.- f x (3, 2) 12.2, f y (3, 2) 5.5, f (2.8, 2.03) f (3, 2) + f x (3, 2) (0.2) +
f y (3, 2) (0.03) 14.895, f x y (3, 2) 23.25 .
2 2 2 k 2 t

4.- u t = k e

sen(kx).

5.- (a ) u xx = 2, u y y = 2, NO, (b ) u xx = 6x, u y y = 6x, NO, (c ) u xx =

sen x cosh y cos x senh y = u y y , S, (d ) u xx = 2, u y y = 2, S, (e ) u xx =
y 2 x 2
= u y y , S,
(x 2 +y 2 )2

(f ) u xx = e x cos y + e y cos x = u y y , S.

6.- (a ) u t t = a 2 k 2 sen(kx) sen(akt ),

30a 2 (x at )4 + 30a 2 (x + at )4 ,

(d ) u t t

2
2 2
2)
(b ) u t t = 2a t2(a2 t +3x
,
(a t x 2 )3

(c ) u t t =

= a 2 sen(x at ) a 2 (x + at )2 .

7.- z u = f x (u v, v u) f y (u v, v u).
8.- u t t = a 2 f 00 (x + at ) + a 2 g 00 (x at ).
9.- (a ) f x = 8x, f y = 2y + 2, plano tangente: z = f (1, 2) + f x (1, 2) (x + 1) +
f y (1, 2) (y 2), o sea, z = 8x 2y, (b ) z = 6x + 4y + 8,
(d ) z = 4x 4, (e ) z = y, (f ) z = 2x + 2y + 1.

(c ) z = 21 x + 12 y,

2
f (x, y) f (0, 0) + f x (0, 0) x + f y (0, 0) y, f x = 4y+1
, f y = 4(2x+3)
,
(4y+1)2

cos x sen x
1
q
q
(b ) f x =
, fy =
.

10.- (a )

y+cos2 x

y+cos2 x

23
p
11.- (a ) u = 45 , 35 , f x = 2 y, f y = pxy , D u f (3, 4) = 4, 32 45 , 53 = 10
,

2y
(b ) u = p1 , p2 , f x = 22x 2 , f y = 2 2 , D u f (2, 1) = 0,
x +y
x +y
5
5

(c ) u = p1 , p3 , f p = 4p 3 2pq 3 , f q = 3p 2 q 2 , D u f (2, 1) = p8 ,
10
10 10

s
r
4
(d ) u = p1 , p2 , f r =
, fs =
, D u f (1, 2) = p
,
1+r 2 s 2
1+r 2 s 2
5
5
5
5

yz
xy
2 2
p
pxz
p
(e ) u = 1
3 , 3 , 3 , f x = 2 x y z , f y = 2 x y z , f z = 2 x y z , D u f (3, 2, 6) = 1,
2 1
(f ) u = 0, p , p , f x = 32 (x + 2y + 3z)1/2 , f y = 3(x + 2y + 3z)1/2 , f z = 23 (x +
5

y1
z+1
(c ) Plano tangente: 4x 5y z = 4. Recta normal: x2
4 = 5 = 1 .

y1
(d ) Plano tangente: x 2y 3z = 4. Recta normal: x 1 = 2 = z1
3 .

2x
, zy y =
(1+x 2 )2
19.- Sabiendo que D = f xx f y y [ f x y ]2 , tenemos
2
2
f xx = 2m cos(2mx + 2n y), f y y = 2n cos(2mx +

, w uv =

uv

(b ) w uu =

y7

z3
lado, la ecuacin de la recta normal es x4
8 = 1 = 6 .
(b ) Plano tangente: x + y + z = 11. Recta normal: x 3 = y 3 = z 5.

(a )
( 1, 1)
( 0, 0)
(1, 1)

f
1
1
1

f xx
12
0
12

fyy
12
0
12

fx y
4
4
4

D
128
16
128

Dec.
P. Mn.
P. Silla
P. Mn.

(b )
(0, 0)
(1, 1)

f
4
3

f xx
0
6

fyy
0
6

fx y
3
3

D
9
27

Dec.
P. Silla
P. Mn.

(c )
(1, 1)
(1, 0)
(1, 1)
( 1, 1)
( 1, 0)
( 1, 1)

f
3
2
2
1
2
1

f xx
6
6
6
6
6
6

fyy
8
4
8
8
4
8

fx y
0
0
0
0
0
0

D
48
24
48
48
24
48

Dec.
P. Mn.
P. Silla
P. Mn.
P. Silla
P. Mx.
P. Silla

(d )
( 2, 4)

f
48

f xx
24

fyy
0

fx y
12

D
144

Dec.
P. Silla

(e )
(0, 2)

f
e4

f xx
2e 4

fyy
2e 4

fx y
0

D
4e 8

Dec.
P. Mx.

(f )
( 0, 0)
(1, 0)
( 1, 0)

f
0
e 1
e 1

f xx
2
4e 1
4e 1

fyy
2
4e 1
4e 1

fx y
0
0
0

D
4
16e 2
16e 2

Dec.
P. Mn.
P. Silla
P. Silla

(g )
(
+k,
0)
2

f
0

f xx
0

fyy
0

fx y
(1)k

D
1

Dec.
P. Silla

(h )
(1, 1)

f
3

f xx
2

fyy
2

fx y
1

D
3

Dec.
P. Mn.

(i )
( 0, 1)
(1, 1)
( 1, 1)

f
1
0
0

f xx
2
26
10

fyy
2
2
2

fx y
2
6
2

D
8
16
16

Dec.
P. Silla
P. Mx.
P. Mx.

20.- Se trata de minimizar f = (x 2)2 + (y 1)2 + (z + 1)2 bajo la restriccin

x + y z = 1. Sustituimos z +1 = x + y en f , y reducimos el problema a minimizar
h = (x 2)2 +(y 1)2 +(x + y)2 . Resulta que h tiene un nico punto crtico, (1, 0),
12.- f x = y 2 e x y , f y = (1 x y)e x y , f (0, 2) = (4, 1). Buscamos u = (a, b) con
que es mnimo local y, tambin, mnimo global. Esto nos dice que (1, 0, 0) es el
a 2 + b 2 = 1 tal que 1 = D u f (0, 2) = f (0, 2) (a, b). El sistema que resulta da dos
15
punto del plano
x + y p
z = 1 de mnima distancia a (2, 1, 1), y dicha distancia
vectores posibles u = (0, 1), o u = 8
,
.
p
17 17
mnima es f (1, 0, 0) = 3.
13.- u = (0, 1), o u = (1, 0).
21.- Se trata de minimizar f = (x 4)2 +(y 2)2 +z 2 bajo la restriccin z 2 = x 2 +py 2 .
p

p
14.- u = 12 , 23 , o u = 12 , 2 3 .
Tras los clculos, los puntos del cono de mnima
distancia a (4, 2, 0) son (2, 1, 5)
q
p
p
1 1
1 1
y
(2,
1,

5),
y
dicha
distancia
mnima
es
f
(2,
1,
5) = 3.
15.- u = p , p , o u = p , p .
9
2y + 3z)1/2 , D u f (1, 1, 2) = p
.
2 5

22.- Se trata de maximizar f = x y z bajo la restriccin x + y + z = 100, x 0, y 0,

100 100
z 0. Puntos crticos son (100, 0, 0), (0, 100, 0), (0, 0, 100) y 100
3 , 3 , 3 , los tres
primeros minimizan el problema y solo el ltimo maximiza el problema, dando
p , siendo
dad de cambio de T en p 0 en la direccin de p 1 es D u T (p 0 ) = 40
los tres nmeros buscados.
3 3
1 1 1
u = p , p , p el vector unitario asociado a v = p 1 p 0 = (1, 1, 1). La direc- 23.- Se trata de minimizar la funcin f = x 2 + y 2 + z 2 bajo la restric-

16.- T = q

x 2 +y 2 +z 2

, y para que T (1, 2, 2) = 120, entonces es k = 360. La veloci-

cin de mayor crecimiento de temperatura en un punto genrico p = (x, y, z) es

T (p) = 2 360
2
2 3/2 (x, y, z).
(x +y +z )

17.- Sea h(x, y) = z = 1 000 0.005x 2 0.01y 2 . Entonces z 0 = h(60, 40) = 1 000
0.005 602 0.01 402 = 966 m es la altura a la que se encuentra la cabra. El Sur
viene marcado por el vector unitario u S = (0, 1), y como D uS h(60, 40) = 0.8,
entonces
la cabra
1
comienza a subir. El NW viene marcado por el vector unitario
p , entonces la cabra empezara
u NW = p
, p1 , y como D u NW h(60, 40) = 0.2
2

cin x y 2 z 3 = 2. Encontramos 4 puntos crticos: (31/4 , 21/2 31/4 , 31/4 ),

1/4 , 31/4 ), (31/4 , 21/2 31/4 , 31/4 ).
(31/4 , 21/2 31/4 , 31/4 ), (31/4 , 21/2
p3
El valor de f en estos 4 puntos es 2 3, lo que no nos permite decidir si estamos ante un mximo o un mnimo. As que comparamos con un punto cualquiera de laprestriccin, por ejemplo, p = (2, 1, 1) es punto de la restriccin y
f (p) = 6 > 2 3, lo que nos permite decir que los 4 puntos crticos minimizan f
bajo dicha restriccin.
p

24.- Puntos crticos del problema son 2, p1 , (0, 1) y (2, 0). El primero maximiza

2
a bajar. En el sitio en el que se encuentra la cabra, la pendiente es mayor en la
el problema y los dos ltimos lo minimizan.
direccin del vector u M = h(60, 40) = (0.6, 0.8), que ya es unitario. El vector
direccin de
de h en el punto p 0 en la direccin de 25.- Puntos crticos del problema son (0, 1), (1, 1) y (1, 1). El primero minimiza el
la recta tangente a la grfica

u M es v = 0.6, 0.8, D u M h(60, 40) = (0.6, 0.8, 1). En ngulo que v forma
problema y los dos ltimos lo maximizan.
p
p
con el plano horizontal satisface la relacin tg = p 1
= 1. Esto nos dice
26.- Puntos crticos del problema son (1 3, 0), (1 + 3, 0), (1, 3) y (1, 1). Los dos
0.62 +0.82
).
que =
(=
45
primeros
minimizan
el
problema
y
el
tercero
lo
maximiza.
4