1

UNIVERSIDAD DEL BIO-BIO

FACULTAD DE CIENCIAS
DEPARTAMENTO DE MATEMATICA
Juan Bobenrieth H. /jbh

Cálculo 3 para ICQ, Primer Semestre 2020

Máximos y Mı́nimos

1.1. Extremos de Funciones de varias variables

Definición 1.1 Sean f : D ⊆ Rn → R una función, y x0 ∈ D. Se dice que:
1
a) x0 es un punto de Máximo local de f si existe una vecindad V de x0 tal que:

f (x) ≤ f (x0 ), ∀x ∈ V

b) x0 es un punto de Mı́nimo local de f si existe una vecindad V de x0 tal que:

f (x) ≥ f (x0 ), ∀x ∈ V

c) x0 es un punto de Extremo local de f si x0 es punto de máximo o de mı́nimo

local de f .

d) x0 es un punto de Máximo absoluto de f si:

f (x) ≤ f (x0 ), ∀x ∈ D

e) x0 es un punto de Mı́nimo absoluto de f si:

f (x0 ) ≤ f (x), ∀x ∈ D

f ) x0 es un punto de Extremo absoluto de f si x0 es un punto de máximo o de

mı́nimo absoluto de f .

Observación 1.1 En lugar de los términos de máximo local, mı́nimo local y extremo
local, a veces se utiliza máximo relativo, mı́nimo relativo y extremo relativo, respecti-
vamente.

Ejemplo 1.1 Sea f : R2 → R, f (x, y) = x2 + y 2 . Es claro que:

f (0, 0) = 0 ≤ x2 + y 2 = f (x, y), ∀(x, y) ∈ R2

es decir, (0, 0) es un punto de Mı́nimo absoluto de f , y f (0, 0) = 0 es el mı́nimo

absoluto de f .
1
Vecindad de x0 = conjunto abierto que contiene a x0
2

Teorema 1.1 Sean f : D ⊆ Rn → R una función, D un abierto, x0 ∈ D, y f

diferenciable en x0 . Si x0 es un punto de extremo de f (local o absoluto), entonces la
df (x0 ) es la aplicación nula. En particular:

∂f ∂f ∂f
(x0 ) = (x0 ) = · · · = (x0 ) = 0
∂x1 ∂x2 ∂xn

Observaciones 1.1 a) El Teorema anterior nos dice que si f : D ⊆ Rn → R es

diferenciable en x0 ∈ D, entonces:

x0 punto de extremo de f =⇒ ∂f
∂x1
(x0 ) = ··· = ∂f
∂xn
(x0 ) =0

b) El recı́proco del teorema anterior es falso, es decir, hay funciones que son dife-
∂f ∂f
renciables en un punto x0 con (x0 ) = · · · = (x0 ) = 0, y sin embargo x0
∂x1 ∂xn
no es un punto de extremo de f . Por ejemplo, la función f : R2 → R, f (x, y) =
x2 − y 2 es diferenciable en (0, 0)y además:

∂f ∂f
(0, 0) = (0, 0) = 0,
∂x ∂y

y sin embargo (0, 0) no es punto de extremo de f , es decir no es ni punto de

mı́nimo ni punto de máximo. Para ver esto basta observar que:

f (x, 0) = x2 > 0 = f (0, 0), ∀x ̸= 0

y
f (0, y) = −y 2 < 0 = f (0, 0), ∀y ̸= 0
luego como cualquier vecindad de (0, 0) tiene puntos de la forma (x, 0) y (0, y), (0, 0)
no es ni punto de máximo, ni punto mı́nimo.
En este caso, a (0, 0) se le llama Punto de silla de f .

Definición 1.2 Sea f : D ⊆ Rn → R una función, D abierto, x0 ∈ D y f diferen-

ciable en x0 . Si la df (x0 ) es la aplicación nula, entonces diremos que x0 es un punto
crı́tico de f
Lo anterior se puede escribir como:
Si f : D ⊆ Rn → R es diferenciable en x0 , entonces:

x0 es punto crı́tico de f ⇐⇒ ∂f
∂x1
(x0 ) = ··· = ∂f
∂xn
(x0 ) =0
 3

Observación 1.2 El teorema (1.1) nos dice que: si f : D ⊆ Rn → R es diferenciable

en x0 , entonces

x0 es punto de extremo de f =⇒ x0 punto crı́tico de f

Definición 1.3 Un punto crı́tico que no es un punto de extremo se llama un Punto

de silla. Más precisamente:
“Sea f : D ⊆ Rn → R una función diferenciable. Si x0 es un punto crı́tico de f
que no es un punto de extremo de f , entonces x0 es llamado un Punto de silla de f .”

Ejemplo: (0, 0) es un punto de silla de f (x, y) = x2 − y 2 .

A continuación veremos un criterio que nos servirá para determinar la naturaleza

de los punto crı́ticos. Primero veamoslo para n = 2.

Teorema 1.2 Sean f : D ⊆ R2 → R una función de clase C 2 (D), D un abierto, y

(x0 , y0 ) ∈ D un punto crı́tico de f . Sea:
 2 
 ∂ f (x , y ) ∂ 2 f (x , y ) 
 ∂x2 0 0 0 0 
 ∂y∂x

∆(x0 , y0 ) =  
 ∂2f 
 ∂x∂y (x0 , y0 ) ∂y2 (x0 , y0 ) 
∂2f

Entonces:

∂ 2f
a) ∆(x0 , y0 ) > 0 y (x0 , y0 ) > 0 =⇒ (x0 , y0 ) es un punto de mı́nimo local de f .
∂x2
∂2f
b) ∆(x0 , y0 ) > 0 y (x0 , y0 ) < 0 =⇒ (x0 , y0 ) es un punto de máximo local de f .
∂x2
c) ∆(x0 , y0 ) < 0 =⇒ (x0 , y0 ) es un punto de silla de f .

Observación 1.3 En el teorema anterior, si ∆(x0 , y0 ) = 0, entonces el criterio no

da información, y podrı́a ocurrir que (x0 , y0 ) sea un punto de mı́nimo local, o un
punto de máximo local, o un punto de silla.

Ejercicio 1.1 Identifique y clasifique los punto crı́ticos de las siguiente funciones:

1. f (x, y) = 2x2 + y 2 + x2 y.

2. f (x, y) = x3 − 6x2 − 3y 2 .

Ahora veremos el caso n = 3

4

Teorema 1.3 Sean f : D ⊆ R3 → R una función de clase C 2 (D), D un abierto, y

(x0 , y0 , z0 ) ∈ D un punto crı́tico de f . Sean además:
 2 
 ∂ f (x , y , z ) ∂ 2 f (x , y , z ) 
∂ 2f  2 0 0 0 0 0 0 
 ∂x ∂y∂x

∆1 (x0 , y0 , z0 ) = (x0 , y0 , z0 ) , ∆2 (x0 , y0 , z0 ) =  
∂x 2  ∂2f 
 ∂x∂y (x0 , y0 , z0 ) ∂∂yf2 (x0 , y0 , z0 ) 
2

 
 ∂2f
(x0 , y0 , z0 ) ∂2f
(x0 , y0 , z0 ) ∂2f
(x0 , y0 , z0 ) 
 ∂x2 ∂y∂x ∂z∂x 
 
 
 2 2 2 
∆3 (x0 , y0 , z0 ) =  ∂ f
(x0 , y0 , z0 ) ∂y2 (x0 , y0 , z0 ) ∂z∂y (x0 , y0 , z0 ) 
∂ f ∂ f
 ∂x∂y 
 
 
 ∂2f
(x 0 , y 0 , z 0 ) ∂2f
(x 0 , y 0 , z 0 ) ∂2f
2 (x 0 , y 0 , z 0 ) 
∂x∂z ∂y∂z ∂z

Entonces:

a) ∆1 (x0 , y0 , z0 ) > 0, ∆2 (x0 , y0 , z0 ) > 0, ∆3 (x0 , y0 , z0 ) > 0 =⇒ (x0 , y0 , z0 ) es

un punto de mı́nimo local de f .

b) ∆1 (x0 , y0 , z0 ) < 0, ∆2 (x0 , y0 , z0 ) > 0, ∆3 (x0 , y0 , z0 ) < 0 =⇒ (x0 , y0 , z0 ) es

un punto de máximo local de f .

Observación 1.4 ∆1 , ∆2 y ∆3 se llaman Hessianos de orden 1,2 y 3 respectiva-

mente.

Ejercicio 1.2 Identifique y clasifique los puntos crı́ticos de la función f (x, y, z) =

x2 + y 2 + z 2 + xy.

Más generalmente, para n ∈ N cualquiera, se tiene el siguiente :

Teorema 1.4 Sea f : D ⊆ Rn → R una función de clase C 2 (D), x0 ∈ D un punto

crı́tico de f , y sean:
 2 
 ∂ f (x ) · · · ∂ 2 f (x ) 
 ∂x21 0 0 
 ∂xi ∂x1

 
 
∆i =  .
.. . .. .
..  i = 1, 2, . . . , n

 
 
 ∂2f 2 
 ∂x1 ∂xi (x0 ) · · · ∂∂xf2 (x0 ) 
i

Se tiene que:
a) ∆i > 0 ∀i ∈ {1, 2, . . . , n} =⇒ f tiene un mı́nimo local en x0 .

b) (−1)i ∆i > 0 ∀i ∈ {1, 2, . . . , n} =⇒ f tiene un máximo local en x0 .

 5

1.2. Problemas prácticos de Optimización

no-restringida

En el ejemplos que siguen, se ilustra cómo aplicar la teorı́a de los extremos loca-
les (cuya teorı́a acabamos de ver en la sección anterior) para resolver un problema
práctico de optimización. En realidad, se intentará hallar el máximo absoluto de cier-
ta función. Sin embargo, resultará que los máximos absolutos y los locales de esta
función coinciden. De hecho, en muchos (y en la mayorı́a de los que veremos) de los
problemas prácticos de optimización no-restringida, los extremos locales y los extre-
mos absolutos coinciden. Existe una teorı́a de extremos absolutos para funciones de
varias variables que no se desarrollará en este curso; sin embargo, en este tipo de
problemas, como los que vamos a resolver a continuación, puede suponerse que el
extremo local que se encuentre es realmente el extremo absoluto buscado.

Ejemplo 1.2 El único almacén de comestibles en una pequeña comunidad rural vende
dos marcas de jugo de naranja helado : una marca local que obtiene a un costo de 30
centavos por lata y una marca nacional muy conocida que obtiene a un costo de 40
centavos por lata. El dueño del almacén calcula que si la marca local se vende a x
centavos por lata y la marca nacional a y centavos por lata, se venderán cada dı́a
aproximadamente (70 − 5x + 4y) latas de la marca local y (80 + 6x − 7y) latas de la
marca nacional. ¿Qué precio deberı́a poner el dueño del almacén a cada marca para
maximizar las utilidades obtenidas de la venta del jugo ? (Suponga que el máximo
absoluto y el máximo local de la función utilidad son el mismo ).

Ejemplo 1.3 La compañı́a de teléfonos está planeando introducir dos nuevos sis-
temas de comunicaciones que espera vender a sus mayores clientes comerciales. Se
estima que si el primer tipo de sistema está valorado en x cientos de dólares por
sistema y el segundo tipo en y cientos de dólares por sistema, aproximadamente
(40 − 8x + 5y) consumidores comprarán el primer tipo y (50 + 9x − 7y) comprarán el
segundo tipo. Si el costo de fabricación del primer tipo es de 1,000 dólares por sistema
y el costo de fabricación del segundo tipo es de 3,000 dólares por sistema, ¿qué precio
deberı́a poner la compañı́a de teléfonos a los sistemas para generar el mayor beneficio
posible ? (Suponga que el máximo absoluto y el máximo local de la función beneficio
son el mismo ).
6

1.3. Máximos y mı́nimos con condiciones laterales.

Método de los Multiplicadores de Lagrange

Consideremos el siguiente :

Problema: A un editor le han asignado 60000 dólares para gastar en el desarro-

llo y la promoción de un nuevo libro. Se calcula que si se gastan x miles de dólares
en desarrollo e y miles de dólares en promoción , se venderán aproximadamente
f (x, y) = 20x3/2 y ejemplares del libro. ¿Cuánto dinero debe asignar el editor a desa-
rrollo y cuánto a promoción para maximizar las ventas ?

Para solucionar este problema, debemos:


 Maximizar f (x, y) = 20x3/2 y

sujeto a la condición: 1000x + 1000y = 60000

Observaciones 1.2 1. Problemas como el anterior se llaman problemas de máxi-

mos y mı́nimos con condiciones laterales; una manera de resolverlos es despejar
una variable en la(s) condición(es) y reemplazarla en la función dada. Otro
método (directo) es el que vamos a estudiar.

2. Los problemas de máximo y mı́nimo sin condiciones laterales se llaman proble-

mas de máximo y mı́nimos libres.

Definición 1.4 Sean f, gi : D ⊆ Rn → R de clase C 1 en D (D abierto) i =

1, 2, . . . , m, m < n.
Sea D1 = {x ∈ D : g1 (x) = g2 (x) = · · · = gm (x) = 0} y x0 ∈ D.
a) Se dice que x0 es un punto de máximo local de f sujeto a las condiciones

g1 (x) = g2 (x) = · · · = gm (x) = 0 (1.1)

si existe una bola abierta B con centro en x0 tal que:

f (x) ≤ f (x0 ), ∀x ∈ B ∩ D1

b) Se dice que x0 es un punto de mı́nimo local de f sujeto a las condiciones (1.1) si

existe una bola abierta B con centro en x0 tal que:

f (x0 ) ≤ f (x), ∀x ∈ B ∩ D1

c) Si x0 es un punto de máximo o mı́nimo local de f sujeto a las condiciones (1.1),

entonces se dice que x0 es un punto de extremo condicionado de f .
 7

Observaciones 1.3 1. Si x0 es un punto de máximo (o mı́nimo) local de f sujeto

a las condiciones (1.1), entonces se dice también que “x0 es un punto de extremo
de f sobre D1 ”.

2. Un extremo de f no es necesariamente un extremo condicionado (podrı́a no

satisfacer (1.1).

1.3.1. El Método de los Multiplicadores de Lagrange para

funciones de Rn en R. (n ≥ 2)
Teorema 1.5 Sea D un abierto de Rn , f : D ⊆ Rn → R de clase C 1 en D y
g1 , g2 , . . . , gm : D ⊆ Rn → R también de clase C 1 en D, con m < n. Supongamos que
el rango de la matriz:
 
∂g1
∂x1
(x)··· ∂g1
∂xn
(x)
 .. .. .. 
 . . . 
∂gm
∂x1
(x) · · · ∂gm
∂xn
(x)

es igual a m en todo punto x del conjunto

D1 = {x ∈ D : g1 (x) = g2 (x) = · · · = gm (x) = 0}

Si x0 ∈ D1 es un punto de extremo de f sobre D1 , entonces existen m números

reales λ1 , λ2 , . . . , λm tales que:

∂f
∂x1
(x0 ) ∂g1
= λ1 ∂x 1
∂g2
(x0 ) + λ2 ∂x1
(x0 ) + · · · + λm ∂g
∂x1
m
(x0 )

∂f
∂x2
(x0 ) ∂g1
= λ1 ∂x 2
∂g2
(x0 ) + λ2 ∂x2
(x0 ) + · · · + λm ∂g
∂x2
m
(x0 )
.. .. ..
. . .
∂f
∂xn
∂g1
(x0 ) = λ1 ∂x n
∂g2
(x0 ) + λ2 ∂xn
(x0 ) + · · · + λm ∂g
∂xn
m
(x0 )

Observaciones 1.4

Los números λ1 , λ2 , . . . , λm se llaman los Multiplicadores de Lagrange; se intro-

duce un multiplicador por cada condición.
∂(g1 , . . . , gm )
En el caso que f tenga valores extremos sobre D1 y que el rango de la matriz (x)
∂(x1 , . . . , xn )
sea igual a m para todo punto x ∈ D1 , se puede aplicar el siguiente método para en-
contrar los extremos de f sobre D1 :
8

Paso 1: Resolver el sistema:

 ∂f


∂g1
(x) = λ1 ∂x ∂g2
(x) + λ2 ∂x (x) + · · · + λm ∂g m
(x)


∂x1 1 1 ∂x1






∂f ∂g1
(x) = λ1 ∂x ∂g2
(x) + λ2 ∂x (x) + · · · + λm ∂g m
(x)

 ∂x2 2 2 ∂x2

 .
.. .
..




 ∂xn (x) = λ1 ∂xn1 (x) + λ2 ∂x
∂f ∂g ∂g2
n
(x) + · · · + λm ∂g m
∂xn
(x)



 g1 (x) = 0







 g2 (x) = 0



 .. ..

 . .

gm (x) = 0
Paso 2: Calcular el valor de f en cada punto x obtenido en el Paso 1. Si f tiene
un valor máximo sobre D1 , éste será el mayor de los valores calculados. Si f tiene un
valor mı́nimo sobre D1 , éste será el menor de los valores calculados.

1.3.2. Casos Particulares que más nos interesan

Antes de ver los casos particulares, consideremos el siguiente importante resultado:
Teorema 1.6 (Teorema de los valores extremos) Sea f : K ⊆ Rn → R. Si K
es cerrado y acotado, y si f es continua sobre K, entonces f tiene un máximo y un
mı́nimo absoluto en K, es decir, existen x1 , x2 ∈ K tales que:

∀x ∈ K : f (x1 ) ≤ f (x) ≤ f (x2 ).

(A) Caso Particular n = 2 y m = 1 (Encontrar los extremos de una función

de dos variables sujeto a una condición).
Es el caso en el que se desea encontrar los extremos de

 f : D ⊆ R2 → R

sujeto a : g(x, y) = 0

Paso 1: Debemos resolver el sistema:

 ∂f ∂g

 (x, y) = λ ∂x (x, y)


∂x

∂f ∂g
(x, y) = λ ∂y (x, y)


∂y



g(x, y) = 0 (x, y y λ son las incognitas)
 9

Paso 2: Se debe calcular el valor de f en cada punto (x, y) obtenido en el Paso

1. Si f tiene un valor máximo sobre g(x, y) = 0, este será el mayor de los valores
calculados. Si f tiene un valor mı́nimo sobre g(x, y) = 0, este será el menor de los
valores calculados.

Ejercicio 1.3
Encontrar los extremos de f (x, y) = x2 + 4y 3 sobre la elipse x2 + 2y 2 = 1.

(B) Caso Particular n = 3 y m = 1 (Encontrar los extremos de una función

de tres variables sujeto a una condición).
Es el caso en el que se desea encontrar los extremos de

 f : D ⊆ R3 → R

sujeto a : g(x, y, z) = 0

Paso 1: Debemos resolver el sistema:

 ∂f ∂g

 (x, y, z) = λ ∂x (x, y, z)


∂x


 ∂f
 ∂g
 ∂y (x, y, z) = λ ∂y (x, y, z)




∂f
(x, y, z) = λ ∂g (x, y, z)

 ∂z ∂z



g(x, y, z) = 0 (x, y, z y λ son las incognitas)

Paso 2: Se debe calcular el valor de f en cada punto (x, y, z) obtenido en el Paso

1. Si f tiene un valor máximo sobre g(x, y, z) = 0, este será el mayor de los valores
calculados. Si f tiene un valor mı́nimo sobre g(x, y, z) = 0, este será el menor de los
valores calculados.

Ejercicio 1.4
Encontrar el valor máximo y el valor mı́nimo de f (x, y, z) = x − y + z, sujeto a la
condición x2 + y 2 + z 2 = 1.
10

1.4. Problemas prácticos de Optimización restrin-

gida

En los ejemplos que siguen, se ilustra cómo aplicar el Método de los Multiplica-
dores de Lagrange para resolver un problema práctico de optimización restringida.

Ejemplo 1.4 A un editor le han asignado 60000 dólares para gastar en el desarro-
llo y la promoción de un nuevo libro. Se calcula que si se gastan x miles de dólares
en desarrollo e y miles de dólares en promoción , se venderán aproximadamente
f (x, y) = 20x3/2 y ejemplares del libro. ¿Cuánto dinero debe asignar el editor a desa-
rrollo y cuánto a promoción para maximizar las ventas ?

Ejemplo 1.5 Para surtir un pedido de 100 unidades de su producto, una empresa
desea distribuir la producción entre sus dos plantas, la 1 y la 2. La función de costos
totales está dada por C = f (q1 , q2 ) = 0, 1q12 + 7q1 + 15q2 + 1000, en donde q1 y q2
son el número de unidades fabricadas en las plantas 1 y 2, respectivamente. ¿Cómo
se debe distribuir la producción con el objeto de minimizar los costos ?

Ejemplo 1.6 Una lata cilı́ndrica ha de contener 4π pulgadas cúbicas de jugo de

naranja helado. El costo por pulgada cuadrada del material de construcción de la tapa
y de la base es dos veces el costo por pulgada cuadrada del material de construcción
del lado. Determinar las dimensiones de la lata menos cara. (Indicación . Suponga
que a > 0 es el costo por pulgada cuadrada del material de construcción del lado ).