1

Basado en: Notas para un curso de cálculo en varias variables. Escritas por Anibal Fernando
Álvarez. Modicadas por Mauricio Osorio y editadas por Hugo Arbeláez

Clase 9: Máximo y mínimo de una función de varias variables -

Extremos locales

Máximos y Mínimos locales

Al igual que en el caso de una variable, una de las principales aplicaciones de las derivadas

parciales, es la búsqueda de los valores máximos y mínimos de funciones de varias variables.

Como caso particular, consideraremos funciones de valor real y de dos variables, ya que estas

pueden ser ilustradas grácamente de manera cómoda, pero los resultados pueden ser extendidos

de manera natural a más de dos variables.

Comencemos con la siguiente denición que es muy similar a la que aprendimos para el caso de

funciones de una sola variable.

Denición 1. Valores Extremos

Sea f una función de dos variables x, y , denida en un región R de plano, la cual contiene el

punto (a, b).

Si f (a, b) ≥ f (x, y) para todo (x, y) en un disco con centro en (a, b) (es decir, cerca de

(a, b)), entonces diremos que f (a, b) es un máximo local de f .

Si f (a, b) ≤ f (x, y) para todo (x, y) en un disco con centro en (a, b) (es decir, cerca de

(a, b)), entonces diremos que f (a, b) es un mínimo local de f .

Si las desigualdades de las denición anterior se cumplen para todo los puntos (x, y) en el dominio
de f, entonces f tiene un máximo absoluto o un mínimo absoluto en (a, b).
La gura 1 muestra una función con dos máximos y dos mínimos locales.

El siguiente teorema nos indica dónde buscar los extremos locales de una función.

Teorema 1. Si f tiene un máximo o un mínimo local en (a, b) y allí existen las derivadas

parciales de primer orden, entonces, fx (a, b) = 0 y fy (a, b) = 0, es decir ∇f (a, b) = (0, 0).

Una interpretación geométrica de este hecho, consiste en que en un valor extremo el plano

tangente a f (de existir) deber ser horizontal. La razón de esto es que la ecuación del plano
2

Figura 1: Ejemplo de máximos y mínimos locales

tangente a f en el punto (a, b, f (a, b)) es

z = f (a, b) + fx (a, b)(x − a) + fy (a, b)(y − b),

y como ∇f (a, b) = (0, 0), entonces z = f (a, b), que corresponde a la ecuación de un plano

horizontal. Esto se puede apreciar en la gura 2.

Figura 2: Los planos tangentes, en extremos locales, son horizontales

Denición 2. Un punto (a, b) en el dominio de f se llama punto crítico si fx (a, b) = 0 = fy (a, b)

(o si alguna no existe), esto es, un punto crítico es un punto en donde las derivadas parciales de

primer orden se anulan (o no existen).

 3

De acuerdo con el teorema 1, los máximos y mínimos locales de una función f donde existen las

derivadas parciales de primer orden, suceden en los puntos críticos de f. Puede ocurrir que una

función f presente un punto crítico que no es ni máximo local ni mínimo local, a tales punto los

llamaremos puntos de silla.

Ejemplos.
1. Sea f : R2 −→ R la función denida por f (x, y) = y 2 − x2 para (x, y) ∈ R2 . Hallemos los

punto críticos de f.

fx (x, y) = 0 −2x = 0 x=0

⇔ ⇔
fy (x, y) = 0 2y = 0 y=0

El único punto crítico de f es (0, 0).

En este caso es fácil notar que para x 6= 0 y y 6= 0 se tiene que f (x, 0) < f (0, 0), así que en

(0, 0) no puede haber un mínimo local. Del mismo modo f (0, 0) < f (0, y), así que en (0, 0)
no puede haber un máximo local. Por lo tanto el punto (0, 0) es un punto de silla, como se

observa en la gura 3, donde es clara la razón del nombre a este tipo de puntos.

Figura 3: Paraboloide hiperbólico z = y 2 − x2 con un punto de silla en el origen

Nota: Otra manera de vericar que el punto (0, 0) no es ni mínimo ni máximo local, es

usando el método de las trayectorias: si nos acercamos al punto (0, 0) por el eje x, entonces
y = 0 y la supercie se convierte en z = −x2 , que corresponde a la ecuación de una

parábola en el plano xz que tiene un máximo en el origen. Mientras que si nos acercamos

por el eje y, obtenemos z = y2, es decir una parábola en el plano yz que tiene un mínimo

en el origen. Como, por dos trayectorias diferentes, en el punto obtenemos un máximo y

un mínimo, entonces éste no puede ser ni máximo ni mínimo local.

4

2. Sea g(x, y) = x2 + y 2 − 2x − 6y + 14. Hallemos los puntos críticos de g:

gx (x, y) = 0 2x − 2 = 0 x=1
⇔ ⇔
gy (x, y) = 0 2y − 6 = 0 y=3

(1, 3) es el único punto crítico de g. Veamos si corresponde a un máximo o mínimo local:

Completemos el cuadrado en la expresión para g:

g(x, y) = (x − 1)2 + (y − 3)2 + 4,

y notemos que g(x, y) ≥ 4 = g(1, 3), lo cual nos dice que g(1, 3) es un mínimo absoluto,

como se muestra en la gura 4.

Figura 4: g(x, y) = x2 + y 2 − 2x − 6y + 14

Como se observa en los ejemplos anteriores, usando los resultados de la primera derivada, no

siempre es fácil clasicar un punto crítico como máximo, mínimo local o punto de silla. Los

procedimientos descritos en los ejemplos dependen fuertemente de características propias de las

funciones escogidas y que no se pueden generalizar. Por tanto, necesitamos un procedimiento

más general para clasicar puntos críticos. Dicho criterio hace uso de las segundas derivadas

parciales, de un modo semejante al caso de funciones de una variable.

Criterio de las segundas derivadas para clasicar puntos críticos

Del cálculo en una variable recordamos que, si x0 es un punto crítico de una función f de una

variable entonces: en x0 hay un mínimo local si f 00 (x0 ) > 0 y en x0 hay un máximo local si

f 00 (x 0) < 0. El caso f 00 (x0 ) =0 no permite concluir.

 5

Para el caso de una función de varias variables podemos deducir un resultado semejante; sin

embargo, como en varias variables no tenemos una única segunda derivada, comencemos de-

niendo, para una función f : R2 → R, la matriz de segundas derivadas parciales o matriz

Hessiana de f :  
fxx (a, b) fxy (a, b)
H(a, b) =  .
fxy (a, b) fyy (a, b)
En álgebra lineal aprendimos a calcular el signo de una matriz (cuando es posible). Por el

criterio de Sylvester, si fxx (a, b) > 0 y det(H(a, b)) > 0, entonces la matriz se denomina denida
positiva. Del mismo modo si fxx (a, b) < 0 y det(H(a, b)) > 0, la matriz se denomina denida
negativa. En cualquier otro caso, se dice que la matriz es indenida.
Para una fuunción f, C 2 denamos
de clase
 
 
 fxx (a, b) fxy (a, b)
 = fxx (a, b)fyy (a, b) − (fxy (a, b))2 .

D = det(H(a, b)) = 
 fxy (a, b) fyy (a, b)



Prueba de la segunda derivada.

Sea f una función de clase C2 en un disco de centro (a, b) que tiene un punto crítico en (a, b)
para el cual fx (a, b) = 0 = fy (a, b).

(a) Si D>0 y fxx (a, b) > 0, entonces, f tiene un mínimo local en (a, b).

(b) Si D>0 y fxx (a, b) < 0, entonces, f tiene un máximo local en (a, b).

(c) Si D < 0, entonces, f tiene un punto silla en (a, b).

Importante: Si D = 0, el criterio no dice nada acerca del comportamiento de f en (a, b). Esto

es, si D = 0, entonces f podría tener un máximo local, un mínimo local o bien un punto silla;

pero, la prueba de la segunda derivada no permite determinarlo.

Ejemplos.
1. Hallemos los puntos críticos de f (x, y) = x2 + y 2 + x2 y + 4 y a clasiquémoslos.

Para encontrarlos, hacemos:

fx (x, y) = 0 2x + 2xy = 0 (1) x(1 + y) = 0

⇔ ⇔
fy (x, y) = 0 2y + x2 = 0 (2) 2y + x2 = 0.
De (1) : x = 0 ó y = −1. Si x = 0, entonces de (2) , y = 0. Si y = −1, entonces de (2) :
√ √ √
x = ± 2. Luego, los puntos críticos de f son (0, 0), (− 2, −1), ( 2, −1).

Calculemos las derivadas parciales de segundo orden:

fxx (x, y) = 2 + 2y, fyy (x, y) = 2 y fxy (x, y) = 2x.

6

Con la información anterior podemos decir:

En (0, 0),
D = fxx (0, 0)fyy (0, 0) − (fxy (0, 0))2 = (2)(2) − (0)2 = 4 > 0 y como fxx (0, 0) = 2 > 0,
el criterio nos dice que f en (0, 0) tiene un mínimo local.

√
En (− 2, −1),
√ √ √ √
D = fxx (− 2, −1)fyy (− 2, −1) − (fxy (− 2, −1))2 = (0)(2) − (−2 2)2 = −8 < 0,
√
el criterio nos dice que f en (− 2, −1) tiene un punto silla.

√
En ( 2, −1),
√ √ √ √
D = fxx ( 2, −1)fyy ( 2, −1)−(fxy ( 2, −1))2 = (0)(2)−(2 2)2 = −8 < 0, el criterio
√
nos dice que f en (− 2, −1) tiene un punto silla.

Estos resulados pueden ser apreciados en la gura 5.

Figura 5: f (x, y) = x2 + y 2 + x2 y + 4

2. Hallemos los puntos críticos de f (x, y) = x sen(y) y clasiquémoslos.

Como en el caso anterior, comenzamos calculando los puntos críticos, haciendo uso de las

primeras derivadas parciales:

fx (x, y) = 0 sen(y) = 0
⇔
fy (x, y) = 0 x cos(y) = 0.

De la primera ecuación tenemos que sen(y) = 0, esto es, y = nπ con n ∈ Z. Sustituyendo

en la segunda ecuación, obtenemos que x(−1)n = 0, de donde x = 0. De lo anterior, f tiene

innitos punto críticos de la forma (0, nπ) con n ∈ Z.

 7

Ahora calculemos las segundas derivadas parciales,

fxx (x, y) = 0, fyy (x, y) = −x sen(y) y fxy (x, y) = cos(y).

Si evaluamos en los puntos (0, nπ), tenemos

D = fxx (0, nπ)fyy (0, nπ) − (fxy (0, nπ))2 = −(cos(nπ))2 = −1 < 0.

Luego todos los puntos críticos de f son puntos de silla como se aprecia en la gura 6.

Figura 6: f (x, y) = x sen(y)

3. Hallemos el punto del plano T con ecuación 2x − y + z = 1 más cercano al punto (−4, 1, 3).

Primero, debemos recordar que la distancia de cualquier punto del plano T al punto

(−4, 1, 3) tiene la forma

p
d((x, y, 1 − 2x + y), (−4, 1, 3)) = (x + 4)2 + (y − 1)2 + (1 − 2x + y − 3)2 .

Así que debemos hallar el mínimo absoluto de la función optimizar la

d. Sin embargo,

función distancia es equivalente a optimizar la función distancia al cuadrado.

Luego, hallaremos el mínimo absoluto de f (x, y) = d2 , esto es,

f (x, y) = (x + 4)2 + (y − 1)2 + (y − 2x − 2)2

que es una función más fácil de manipular. Empecemos hallando los puntos críticos de f:

fx (x, y) = 0 2(x + 4) − 4(y − 2x − 2) = 0 5x − 2y = −8

⇔ ⇔
fy (x, y) = 0 2(y − 1) + 2(y − 2x − 2) = 0 −2x + 2y = 3.
8

Obtenemos un sistema lineal de dos ecuaciones con dos incógnitas, que se puede resolver

por cualquier método conocido. La única solución es (x, y) = (−5/3, −1/6), el cual es el

único punto crítico de f.

Usemos el criterio de las segundas derivadas. Primero, es fácil ver que:

fxx (x, y) = 10, fyy (x, y) = 4, y fxy (x, y) = −4.

De donde
      2
5 1 5 1 5 1
D = fxx − ,− fyy − ,− − fxy − , − = 24 > 0.
3 6 3 6 3 6

Como además, fxx (−5/3, −1/6) = 10 > 0, entonces f tiene un mínimo local en (−5/3, −1/6).
Podemos armar que es un mínimo absoluto, puesto que si nos alejamos cada vez más del

origen f crece. Es decir, lı́m f (x, y) = ∞.

k(x,y)k→∞

De la ecuación cartesiana del plano T, tenemos que el punto más cercano a (−4, 1, 3) es

 
5 1 25
P = − ,− , .
3 6 6

4. Determinemos el volumen de la mayor caja rectangular cuyas aristas sean paralelas a los

ejes y cuyos vértices estén sobre el elipsoide 9x2 + 36y 2 + 4z 2 = 36.

Para empezar, recordemos que el volumen de una caja es largo×alto×ancho. Sin embargo,
teniendo en cuenta que la caja hereda la simetría del elipsoide, tenemos que si un vértice

de la caja está en el punto (x, y, z) del primer octante (la parte del espacio donde x, y y z
son positivos) entonces el volumen de ésta será:

V (x, y, z) = 8xyz.
p
36 − 9x2 − 36y 2
A partir de la ecuación del elipsoide, tenemos que para z≥0: z= .
2
Debemos maximizar la función V (x, y)
p
36 − 9x2 − 36y 2 p
V (x, y) = 8xy = 4xy 36 − 9x2 − 36y 2 ,
2
con (x, y) ∈ D = {(x, y) ∈ R2 | x ≥ 0, y ≥ 0, 9x2 + 36y 2 ≤ 36}.

De nuevo, usamos el hecho que V es máximo cuando V2 es máximo y maximizamos

g(x, y) = V 2 (x, y) = 16x2 y 2 (36 − 9x2 − 36y 2 ), con (x, y) ∈ D.

Empecemos encontrando sus puntos críticos:

16y 2 (36 − 9x2 − 36y 2 )(2x) + x2 (−18x) = 0

 
gx (x, y) = 0
⇔
16x2 (36 − 9x2 − 36y 2 )(2y) + y 2 (−72x) = 0,
 
gy (x, y) = 0
 9

Luego,

576xy 2 2 − x2 − 2y 2 = 0
 

288x2 y 4 − x2 − 8y 2 = 0.
 

Dado que x=0 ó y =0 implicarían que la caja tiene volumen 0, podemos suponer que

x>0 y y > 0. Por lo tanto,

(1) 2 − x2 − 2y 2 = 0
(2) 4 − x2 − 8y 2 = 0.
r √ √
x2 2 3 3 √
De (1) : y = 1− y reemplazando en (2) : x = . Así, y= y z= 3.
2 3 3
Por lo cual, el volumen máximo de una caja inscripta en el elipsoide es

√ √ ! √
2 3 3 3
V , = 16 unid3 .
3 3 3

La situación se ilustra en la gura 7.

Figura 7: Caja inscrita en un elipsoide