MATEMÁTICAS EMPRESARIALES (GDE)

Tema 5: Derivadas parciales

5.1 Derivadas parciales. Vector gradiente. Planos tangentes (401-409)
5.1.1 Derivadas parciales

5.1.2 Vector gradiente

5.1.3 Interpretación geométrica del gradiente: recta tangente y plano tangente

5.2 Derivadas parciales en economía (412-414)

5.3 Derivadas parciales de orden superior. Matriz hessiana (410-411)

Lecturas previas recomendadas

Páginas 401-414 del libro de Sydsaeter-Hammond de la bibliografía básica
Objetivos
Los objetivos de carácter general de este tema son que el alumno sea capaz de conocer y saber
calcular:

- la derivada parcial respecto de cualquier variable de una función real;

- el vector gradiente de una función real;

- la ecuación general de la recta tangente a una curva plana en un punto;

- la ecuación general del plano tangente a la gráfica de una función de dos variables en un punto;

- la productividad marginal del capital y la productividad marginal del trabajo, …;

- las derivadas parciales segundas de una función real;

- la matriz hessiana de una función real.

2
5.1 Derivadas parciales. Vector gradiente. Planos tangentes
5.1.1 Derivadas parciales

Dada una función real z = f ( x, y ) de dos variables definida en un conjunto D ⊆ R 2 , y dado un punto
(a, b) ∈ D , vamos a definir las derivadas parciales, respecto de cada una de sus variables, de la función
en el punto.

• La derivada parcial de f ( x, y ) respecto de x en (a, b) es

∂f f ((a, b) + h ⋅ (1,0) ) − f (a, b) f (a + h, b) − f (a, b)

(a, b) := lim = lim .
∂x h →0 h h →0 h

• La derivada parcial de f ( x, y ) respecto de y en (a, b) es

∂f f ((a, b) + h ⋅ (0,1) ) − f (a, b) f ( a, b + h) − f ( a, b)

(a, b) := lim = lim .
∂y h→0 h h→0 h

Observación: De la definición obtenemos que la derivada parcial respecto de x (resp. respecto de y )

la calcularemos derivando la función respecto esta variable x (resp. y ) pensado y (resp. x ) como
una constante.

Ejemplo: Calcular las derivadas parciales de la función f ( x, y ) = x 3 y 2 −2 x + 3 y en el punto (2,1) .

Tenemos que:

∂f ∂f
( x, y ) = 3 x 2 y 2 −2 + 0 = 3 x 2 y 2 −2 , (2,1) = 3 ⋅ 22 ⋅12 −2 = 10 ;
∂x ∂x

∂f ∂f
( x, y ) = x 3 2 y − 0 + 3 = 2 x 3 y + 3 , (2,1) = 2 ⋅ 23 ⋅1 + 3 = 19 .
∂y ∂y

En general, dada una función real z = f ( x1 ,, xn ) de n ≥ 2 variables definida en un conjunto D ⊆ R n ,

y dado un punto (a1 ,, an ) ∈ D , podemos definir análogamente las derivadas parciales, respecto de
cada una de sus variables, de la función en el punto.

• La derivada parcial de f ( x1 ,, xn ) respecto de xi ( i = 1,, n ) en (a1 ,, an ) es

∂f f ((a1 ,, an ) + h ⋅ (0,,1,,0) ) − f (a1 ,, an )

(a1 ,, an ) := lim
∂xi h→0 h
f ((a1 ,, ai + h, an ) ) − f (a1 ,, ai , an )
= lim
h→0 h

Observación: De la definición obtenemos que la derivada parcial respecto de xi la calcularemos

derivando la función respecto esta variable xi pensado el resto de variables x j ( j ≠ i ) como
constantes.

3
 y2
Ejemplo: Calcular las derivadas parciales de la función f ( x, y, z ) = x z + 3
en el punto (2, 3,1) .
z

Tenemos que:

∂f ∂f
( x, y , z ) = 3 x 2 z , (2, 3,1) = 3 ⋅ 22 ⋅ 1 = 12 ;
∂x ∂x

∂f 2 y ∂f 2⋅3
( x, y , z ) = , (2, 3,1) = = 6;
∂y z ∂y 1

∂f y 2 ∂f 32
( x, y , z ) = x 3 − 2 , (2, 3,1) = 23 − 2 = −1 .
∂z z ∂z 1

5.1.2 Vector gradiente

• Definimos el vector gradiente de una función f ( x1 ,, xn ) en un punto (a1 ,, an ) como el vector
que recoge todas las derivadas parciales de la función en ese punto:

 ∂f ∂f 
∇f (a1 ,, an ) :=  (a1 ,, an ),, (a1 ,, an )  ∈ R n .
 ∂x1 ∂xn 

Ejemplos:

1. ( n = 2 ) El vector gradiente de la función f ( x, y ) = x 3 y 2 −2 x + 3 y en el punto (2,1) es:

 ∂f ∂f 
∇f (2,1) =  (2,1), (2,1)  = (10,19) ∈ R 2 .
 ∂x ∂y 

y2
2. ( n = 3 ) El vector gradiente de la función f ( x, y, z ) = x 3 z + en el punto (2, 3,1) es:
z

 ∂f ∂f ∂f 
∇f (2, 3,1) =  (2, 3,1), (2, 3,1), (2, 3,1)  = (12, 6, − 1) ∈ R 3 .
 ∂x ∂y ∂z 

5.1.3 Interpretación geométrica del gradiente: recta tangente y plano tangente

Consideramos una función real z = f ( x, y ) de dos variables.

En primer lugar, la ecuación de la recta tangente a la curva plana f ( x, y ) = c ( c ∈ R ) en un punto

(a, b) de dicha curva no singular (es decir, con (a, b) ∈ D f , f (a, b) = c , ∇f (a, b) ≠ ( 0, 0 ) ) es:

∂f ∂f
0.
( a, b) ⋅ ( x − a ) + ( a, b) ⋅ ( y − b) =
∂x ∂y

 ∂f ∂f 
Por tanto, el vector gradiente ∇f (a, b) =  (a, b), (a, b)  es un vector normal a esa recta tangente.
 ∂x ∂y 

4
 5 en el punto (1, 2 )
Ejemplo: La ecuación de la recta tangente a la curva plana de ecuación x 2 + y 2 =
es:

2 ⋅ ( x − 1) + 4 ⋅ ( y − 2) =0 , es decir 2 x + 4 y − 10 =
0.

∂f ∂f ∂f ∂f
ya que para la función f ( x, y ) = x 2 + y 2 tenemos: = 2x, (1, 2) = 2 ; =2y, (1, 2) = 4 .
∂x ∂x ∂y ∂y

Figura 5.1

En segundo lugar, el plano tangente a la superficie determinada por la gráfica de la función

z = f ( x, y ) en un punto (a, b, f (a, b)) , con (a, b) ∈ D f , se define como el límite de ciertos planos
secantes. La ecuación de este plano tangente es:

∂f ∂f
z − f (=
a, b) ( a, b) ⋅ ( x − a ) + ( a, b) ⋅ ( y − b) .
∂x ∂y

Por tanto, el vector gradiente ∇f (a, b) nos permite calcular este plano tangente; de hecho, el vector
 ∂f ∂f 
 (a, b), (a, b), − 1 es un vector normal a ese plano tangente.
 ∂x ∂y 

Ejemplo: La ecuación del plano tangente al paraboloide de ecuación z = x 2 + y 2 en el punto (1, 2, 5)

es:

z − 5 = 2 ⋅ ( x − 1) + 4 ⋅ ( y − 2) , es decir 2 x + 4 y − z − 5 =0;

∂f ∂f ∂f ∂f
ya que para la función f ( x, y ) = x 2 + y 2 tenemos: = 2x, (1, 2) = 2 ; =2y (1, 2) = 4 .
∂x ∂x ∂y ∂y

5
5.2 Derivadas parciales en economía

• Consideramos una función de producción q = Q( K , L) , donde q es el número de unidades

producidas, K es el capital invertido (en u.m.) y L es el número de horas de trabajo.
∂Q
Se llama productividad marginal del capital en ( K 0 , L0 ) a la derivada parcial ( K 0 , L0 ) , y
∂K
∂Q
productividad marginal del trabajo en ( K 0 , L0 ) a la derivada parcial ( K 0 , L0 ) .
∂L

Así, tenemos que

∂Q Q( K 0 + h, L0 ) − Q( K 0 , L0 )
( K 0 , L0 ) = lim ≈ Q( K 0 + 1, L0 ) − Q( K 0 , L0 ) ;
∂K h → 0 h

∂Q
es decir, la productividad marginal del capital ( K 0 , L0 ) es aproximadamente igual al incremento de
∂K
producción Q( K 0 + 1, L0 ) − Q( K 0 , L0 ) , que es la producción adicional que obtenemos al invertir una
unidad más de capital manteniendo constante el trabajo.

También, tenemos que

∂Q Q( K 0 , L0 + h) − Q( K 0 , L0 )
( K 0 , L0 ) = lim ≈ Q( K 0 , L0 + 1) − Q( K 0 , L0 ) ;
∂L h→0 h

∂Q
es decir, la productividad marginal del trabajo ( K 0 , L0 ) es aproximadamente igual al incremento de
∂L
producción Q( K 0 , L0 + 1) − Q( K 0 , L0 ) , que es la producción adicional que obtenemos al disponer de
una hora más de trabajo manteniendo constante el capital.

Ejemplo: La producció diaria en una fábrica viene dada por la función Q( K , L) = 6 K 0,5 L0,5 donde K
es el capital invertido en miles de euros y L es el número de horas de trabajo. Suponemos que el
capital invertido actualmente es de 900.000 € y que se utilizan 400 horas de trabajador. Así, la
producción actual es de Q(900,400) = 6 ⋅ 9000,5 4000,5 = 3.600 unidades.

Si invertimos 1.000 € más de capital y no variamos la fuerza de trabajo, entonces la producción

adicional será aproximadamente de:
∂Q ∂Q
(900,400) = 2 unidades (pues = 3K − 0,5 L0,5 );
∂K ∂K
de hecho, la producción adicional será de:

Q(901,400) − Q(900,400) = 1,9994... unidades.

Si invertimos 1 hora más de trabajo y no variamos el capital, entonces la producción adicional será
aproximadamente de:
∂Q ∂Q
(900, 400) = 4,5 unidades (pues = 3K 0,5 L−0,5 );
∂L ∂K
de hecho, la producción adicional será de:

4, 4971... unidades.
Q(900, 401) − Q(900, 400) =
6
5.3 Derivadas parciales de orden superior. Matriz hessiana
Consideramos una función real f ( x1 ,, xn ) de n variables x1 , ..., xn . Entonces cada una de las
∂f ∂f
derivadas parciales de primer orden = ( x1 ,, xn ) es a su vez una función real de estas n
∂xi ∂xi
variables que, por tanto, podemos volver a derivar respecto de cualquiera de esas variables, obteniendo
las derivadas parciales de segundo orden.

• Definimos la derivada parcial segunda de una función f ( x1 ,, xn ) respecto de xi , x j ( i = 1,, n ,

∂f
j = 1,, n ), como la función derivada parcial respecto de x j de la función :
∂xi
∂2 f ∂  ∂f 
:=
∂x j ∂xi ∂x j  ∂x  .
 i

∂2 f ∂2 f
Cuando x j = xi escribimos 2
:= .
∂xi ∂xi ∂xi

Un conocido teorema de Schwarz nos dice que las derivadas parciales cruzadas coinciden (cuando
existen y son continuas en un abierto donde esté definida la función); es decir:

∂2 f ∂2 f
= para cada i = 1,, n , j = 1,, n .
∂x j ∂xi ∂xi ∂x j

• Definimos la matriz hessiana de una función f ( x1 ,, xn ) en un punto (a1 ,, an ) como la matriz
que recoge todas las derivadas parciales de segundo orden de la función en ese punto:

 ∂2 f ∂2 f 
 2 ( a1 ,  , an )  ( a1 , , an ) 
 ∂x1 ∂x1∂xn 
Hf ( a1 , , an ) :=     .
 2 
 ∂ f a , , a ∂2 f
 ∂x ∂x ( 1 n)  a , , an ) 
2 ( 1
 n 1 ∂xn 

Observemos que la matriz hessiana es una matriz cuadrada con n filas y n columnas. Ademas, por el
teorema de Schwarz mencionado anteriormente, sabemos que la matriz hessiana de cualquier función
(con derivadas parciales segundas y continuas) es una matriz simétrica; es decir, coincide con su
transpuesta.

Ejemplos:

1. Consideramos la función f ( x, y ) = x 3 y 2 −2 x + 3 y . Entonces tenemos que:

 ∂2 f ∂2 f 
 2 
∂x ∂y   6 x y 6 x2 y 
2
 ∂f ∂f   ∂x
2 2 3
∇f ( x, y ) =  ,  = (3x y −2, 2 x y + 3) , Hf ( x, y ) = = .
 ∂x ∂y   ∂2 f ∂ 2 f   6 x 2 y 2 x 3 
 
 ∂y ∂x ∂y 2 

7
 y2
2. Consideramos la función f ( x, y, z ) = x z + . Entonces tenemos que:
3

 ∂f ∂f ∂f   2 y 3 y2 
∇f ( x, y, z ) =  , ,  =  3 x 2 z , , x − 2  ,
 ∂x ∂y ∂z   z z 
 ∂2 f ∂2 f ∂2 f   
 2 
 ∂x ∂x ∂y ∂x ∂z   6 x z 0 3x 2 
 ∂2 f  
∂2 f ∂2 f   2 2y
Hf ( x, y, z ) =  = 0 − 2 .
 ∂y2∂x ∂2y
2
∂y ∂z   z z 
∂ f ∂ f 2
∂ f   2 2 y 2 y 2 
3 x −
 ∂z ∂x ∂z ∂y ∂z 2   z2 z3 

 

8
ESQUEMA-RESUMEN
• La derivada parcial de una función real f ( x1 ,, xn ) respecto de una variable xi ( i = 1,, n ) en un
∂f f ( (a1 , , ai + h, an ) ) − f (a1 , , ai , an )
punto (a1 , , an ) ∈ D f es: (a1 , , an ) := lim .
∂xi h →0 h
Por tanto, la derivada parcial de la función f ( x1 ,, xn ) respecto de xi la calcularemos derivando la
función respecto esta variable xi pensado el resto de variables x j ( j ≠ i ) como constantes.

• El vector gradiente de una función f ( x1 ,, xn ) en un punto (a1 , , an ) ∈ D f es el vector siguiente:

 ∂f ∂f 
∇f (a1 ,, an ) :=  (a1 ,, an ),, (a1 ,, an )  ∈ R n .
 ∂x1 ∂xn 

▪Interpretación geométrica del vector gradiente

 ∂f ∂f 
El vector ∇f (a, b) =  (a, b), (a, b)  es un vector normal a la recta tangente a la curva plana
 ∂x ∂y 
f ( x, y ) = c en un punto (a, b) de dicha curva no singular. Por tanto, la ecuación de esta recta tangente
∂f ∂f
es: (a, b) ⋅ ( X − a ) + (a, b) ⋅ (Y − b) =0.
∂x ∂y

 ∂f ∂f 
El vector  (a, b), (a, b), − 1 es un vector normal al plano tangente a la superficie determinada
 ∂x ∂y 
por la gráfica de una función z = f ( x, y ) en el punto (a, b, f (a, b)) , con (a, b) ∈ D f . Por tanto, la
∂f ∂f
ecuación de este plano tangente es: Z − f (a, b) = (a, b) ⋅ ( X − a ) + (a, b) ⋅ (Y − b) .
∂x ∂y

▪Intepretación económica de la derivada

Marginalismo: la función (producción, …) marginal de una variable es la derivada parcial de la
función respecto de esa variable.

• La derivada parcial segunda de una función f ( x1 ,, xn ) respecto de xi , x j ( i, j = 1, , n ,) es:

∂2 f ∂  ∂f 
:=
∂x j ∂xi ∂x j  ∂x  .
 i
∂2 f ∂2 f
Cuando x j = xi escribimos 2
:= .
∂xi ∂xi ∂xi

• La matriz hessiana de una función f ( x1 ,, xn ) en un punto (a1 , , an ) ∈ D f és la matriz siguiente:

 ∂2 f ∂2 f 
2 ( 1
 a , , an )  ( a1 , , an ) 
 ∂x 1 ∂x1∂xn 
Hf ( a1 , , an ) :=     .
 2 
 ∂ f a , , a ∂2 f
 (1 n)  a , , an ) 
2 ( 1
 ∂xn ∂x1 ∂xn 
El teorema de Schwarz nos dice que la matriz hessiana de cualquier función (con derivadas parciales
segundas y continuas) es una matriz simétrica.
9