Criterio de la Segunda

Derivada Parcial

Aprende a comprobar si una función con dos entradas tiene un

máximo o mínimo local.

La Matriz Hessiana
También, si no recuerdas el criterio de la segunda derivada en
el cálculo de una sola variable, vamos a revisarlo rápidamente
aquí, pues es una buena comparación para el criterio de la
segunda derivada parcial.

[Revisión del criterio de la segunda derivada]

En el mundo de una sola variable, cuando encuentras un

valor de entrada donde la derivada de la función es 0,

f '(a) = 0

la segunda derivada en ese punto puede determinar si es un

máximo local o un mínimo local. En particular,
 ➢ f ''(a)  0 indica concavidad positiva en a , por lo
que f tiene un mínimo local en a .
[Mínimo local]

➢ f ''(a)  0 indica concavidad negativa en a , por lo

que f tiene un máximo local en a .
[Máximo local]

➢ f ''(a) = 0 deja las cosas ambiguas, pues puede ser un

punto de inflexión, como en el caso de f ( x ) = x en x = 0

3

o un máximo o mínimo, como en el caso de f ( x ) = x 4 .

[Punto de inflexión]

El enunciado del criterio de la segunda derivada parcial

Si buscas el máximo o el mínimo local de la función de dos

variables f ( x, y ) , el primer paso es encontrar puntos de

entrada ( x0 , y0 ) donde el gradiente es el vector ( 0, 0 ) ,

f ( x0 , y0 ) = 0 = ( 0,0 )

Estos básicamente son puntos donde el plano tangente a la

gráfica de f es horizontal. [Ver Imagen: Plano Tangente]
 Plano tangente

El criterio de la segunda derivada parcial nos dice cómo

verificar si este punto crítico es un máximo local, mínimo local
o un punto silla. Específicamente, se empieza calculando
esto:

H ( x0 , y0 ) = f xx ( x0 , y0 ) f yy ( x0 , y0 ) − f xy 2 ( x0 , y0 )
Luego, el criterio de la segunda derivada parcial consiste en
esto:

➢ Si H  0 , entonces ( x0 , y0 ) es un punto silla.

[Ver imagen: Punto Silla]

Punto silla
➢ Si H  0 , entonces ( x0 , y0 ) es o un punto máximo o un
mínimo; y debes hacer una pregunta adicional:
a) Si f xx ( x0 , y0 )  0 , ( x0 , y0 ) es un punto máximo local.
[Ver imagen: Máximo Local Local]

Máximo local
 b) Si f xx ( x0 , y0 )  0 , ( x0 , y0 ) es un punto mínimo local.
[Ver imagen: Punto Mínimo Local]

Mínimo local

(También puedes usar f yy ( x0 , y0 ) en vez de f xx ( x0 , y0 ) , lo cual

realmente no hace una diferencia).

➢ Si H = 0 , no tenemos información suficiente para

determinarlo.

[Expresado mediante el determinante del Hessiano]

Intuición vaga

Concavidad en la Concavidad en la
dirección-x dirección-y

H = f xx ( x0 , y0 ) f yy ( x0 , y0 ) − f xy 2 ( x0 , y0 )

Son positivos solo cuando las direcciones Qué tanto f se parece

x e y coinciden con la concavidad a g(x,y) = xy

Concéntrate primero en este término:

f xx ( x0 , y0 ) f yy ( x0 , y0 )

Puedes pensarlo como una codificación inteligente de si la

concavidad de f es la misma en las direcciones x y y .

Por ejemplo,

[Observa en el video de la función f ( x, y) = x 2 − y 2 ]

Esta función tiene un punto silla en ( x, y ) = ( 0,0 ) . La segunda
derivada parcial con respecto a x es una constante positiva:

  2
f xx ( x, y ) =
x x
( x − y2 )


= ( 2x)
x
=20

En particular f xx ( 0, 0 ) = 2  0 , y el hecho de que esta cantidad

sea positiva significa que f ( x, y ) tiene concavidad positiva

cuando viajamos en la dirección x . Por otro lado, la segunda
derivada parcial con respecto a y es una constante negativa:

  2
f yy ( x, y ) =
y y
( x − y2 )


= ( −2 y )
x
= −2  0

Esto indica una concavidad negativa conforme viajamos en la

dirección y . Esta diferencia significa que debemos tener un
punto silla, y está codificada como el producto de las dos
derivadas parciales de segundo orden:

f xx ( 0,0) f yy ( 0,0 ) = 2 ( −2 ) = −4  0

Puesto que el término f xy ( 0, 0 ) solo puede ser positivo,

2

restarlo hará que la expresión completa sea más negativa

H ( x0 , y0 ) = f xx ( x0 , y0 ) f yy ( x0 , y0 ) − f xy 2 ( x0 , y0 )

Por otro lado, cuando los signos de f xx ( x0 , y0 ) o f yy ( x0 , y0 ) son

ambos positivos o negativos, la concavidad de f en las
direcciones x y y es la misma. En cualquiera de estos casos,
el término f xx ( x0 , y0 ) f yy ( x0 , y0 ) será positivo.
¡Pero esto no es suficiente!

El término f xy ( x0 , y0 )
2

Considera la función

f ( x, y ) = x 2 + y 2 + pxy, p

Verificación de conceptos Con esta definición de f , calcula

sus segundas derivadas:

  2
f xx ( x, y ) =
x x
( x + y 2 + pxy )


= ( 2 x + py )
x
=2

  2
f yy ( x, y ) =
y y
( x + y 2 + pxy )


= ( 2 y + px )
x
=2

  2
f xy ( x, y ) =
y x
( x + y 2 + pxy )


= ( 2 x + py )
y
=p
Explicación

Como las segundas derivadas f xx ( 0, 0 ) y f yy ( 0, 0 ) son positivas,

la gráfica será cóncava hacia arriba mientras viajamos
únicamente en la dirección de x o de y (sin importar qué
sea p ).

Sin embargo,

[Ver Video: Función f ( x, y ) = x + y + pxy, p

2 2
]

donde se muestra cómo cambia la gráfica conforme dejamos

que p varíe de 1 a 3 y de regreso a 1:
¿Qué está sucediendo? ¿Cómo puede la gráfica tener un punto
silla cuando es cóncava hacia arriba tanto en la
dirección x como en la dirección y ? La respuesta corta es
que las otras direcciones también importan, y en este caso el
término pxy las captura.

Por ejemplo, si despejamos el término xy , y examinamos

[La Gráfica de g ( x, y ) = xy ] ésta se ve así:

Gráfica de g ( x, y ) = xy . Muy similar a la gráfica de x 2 − y 2 , pero rotado 45° y

un poco expandido.
Tiene un punto silla en ( 0, 0 ) . Esto no es porque las
concavidades en las direcciones x y y sean distintas, sino
1
porque la concavidad es positiva en la dirección diagonal 1 y
 
 −1
negativa en la dirección  1  .
 

Vamos a ver lo que nos dice el criterio de la segunda derivada

de la función f ( x, y ) = x + y + pxy, p  . Se pidió hacer los
2 2

cálculos usando los valores de las segundas derivadas. Esto es

lo que obtenemos:

f xx ( 0,0) f yy ( 0,0 ) − f xy 2 ( 0,0 ) = 2 ( 2 ) − p

Cuando p  0 , la expresión es negativa, por lo que f tiene un

punto silla.

Cuando p  0 , es positiva, por lo que f tiene un mínimo local.

Puedes pensar la cantidad f xx ( x0 , y0 ) como una medida de

qué tanto la función f se parece a la gráfica de g ( x, y ) = xy

cerca del punto ( x0 , y0 ) .

Al considerar cuántas direcciones deben concordar, de hecho
es bastante sorprendente que solo necesitemos considerar

tres valores, f xx ( 0,0 ) , f yy ( 0,0 )  f xy ( 0,0 ) .

¿Qué es lo que sucede detrás del criterio de la segunda

derivada?

Resumen

➢ Cuando encuentras un punto donde el gradiente de una

función multivariable es el vector cero, lo que significa
que el plano tangente de la gráfica es horizontal en este
punto, el criterio de la segunda derivada parcial es una
forma de saber si ese punto es un mínimo local, un
máximo local o un punto silla.

➢ El término clave del criterio de la segunda derivada

parcial es este:
H ( x, y ) = f xx ( x0 , y0 ) f yy ( x0 , y0 ) − f xy 2 ( x0 , y0 )

➢ Si H  0 , la función definitivamente tiene un máximo o

mínimo local en el punto ( x0 , y0 ) .
a) Si f xx ( x0 , y0 )  0 , es un mínimo
 b) Si f xx ( x0 , y0 )  0 , es un máximo

➢ Si H  0 , la función definitivamente tiene un punto silla

en el punto ( x0 , y0 ) .

➢ Si H = 0 , no hay suficiente información para

determinarlo.