UNIVERSIDAD TECNICA D ORURO

FACULTAD DE CIENCIAS ECONOMICAS, FINANCIERAS Y ADMINISTRATIVAS

ESTUDIANTE. Colque Gutiérrez Alex Rodrigo

PARALELO. 2D10

AREA. Análisis matemático 2

6/12/22
Derivada parcial
En matemáticas, la derivada parcial de una función de varias variables es la derivada con
respecto a cada una de esas variables manteniendo las otras como constantes. Las derivadas
parciales son usadas en cálculo vectorial y geometría diferencial.

La derivada parcial de una función f(x, y) con respecto a la variable x se puede denotar de
distintas maneras:

∂f ∂
, f , o fx
∂x ∂ x

Donde ∂ es la letra 'd' redondeada, conocida como la 'd de Jacobi'. También se puede
representar como D 1 f ¿ que es la primera derivada respecto a la variable x 1 y así
sucesivamente.

Cuando una magnitud A es función de diversas variables (x, y, z...) es decir:

A=f (x , y , z , …)

Al realizar esta derivada obtenemos la expresión que nos permite calcular la pendiente de la
recta tangente a dicha función A en un punto dado. Esta recta es paralela al plano formado por
el eje de la incógnita respecto a la cual se ha hecho la derivada con el eje que representa los
valores de la función.

Analíticamente el gradiente de una función es la máxima pendiente de dicha función en la

dirección que se elija. Mientras visto desde el álgebra lineal, la dirección del gradiente nos
indica hacia donde hay mayor variación en la función.

Introducción

Suponga que f es una función de más de una variable, esto es, suponga que f está dada por
2 2
z=f ( x , y )=x + xy+ y

La gráfica de esta función define una superficie en el espacio euclidiano. Para cada punto en
esta superficie, hay un número infinito de líneas tangentes.

La derivación parcial es el acto de elegir una de esas líneas y encontrar su pendiente.

Generalmente, las líneas que más interesan son aquellas que son paralelas al plano xz y
aquellas que son paralelas al plano yz.
Para encontrar la pendiente de la línea tangente de la función en P (1,1)} que es paralela al
plano xz, consideramos a la variable “y” como constante. La gráfica de la función y este plano
se muestran a la derecha. A la izquierda, vemos cómo se ve la función en el plano y=1.
Encontremos la pendiente de f en el punto (x, y) derivando la función f considerando a “y”
como constante:

∂f
=2 x+ y
∂x

Por lo que en el punto (1,1) (reemplazando en la derivada) la pendiente es 3. Esto es, la

derivada parcial de f con respecto a x en el punto (1,1) es 3 como se muestra en la gráfica.

Fórmulas de derivación.

Diferencial total
En análisis matemático, la diferencial total de una función real de diversas variables reales
corresponde a una combinación lineal de diferenciales cuyos componentes (coeficientes) son
los del gradiente de la función.

Formalmente el diferencial total de una función es una 1-forma o forma pfaffiana y puede ser
tratada rigurosamente como un elemento de un espacio vectorial de dimensión n, donde n es
el número de variables dependientes de la función. Por ejemplo, si z=z(x, y) una función
diferenciable entonces el diferencial total de z es:

∂f ∂f
dz= dx + dy
∂x ∂y

Método para funciones implícitas

f ( x , y )=0

∂f
dy ∂ x
=
dx ∂ f
∂y

Derivada total

La derivada total viene de derivar una función f que tiene variables (x, y, z) que dependen de
otras variables x=x (t), y=y (t), z=z (t). En ese caso, se puede derivar la función respecto a t, y se
obtiene que:

df ∂ f ∂f ∂f
= ∗x ´ + ∗ y ´+ ∗z ´
dt ∂ x ∂y ∂z

dx
Donde x' es la derivada respecto a t de x, x ´ =
dt

Derivadas de Orden Superior

La derivada de orden superior se conoce como la segunda derivada de la función, es decir, si
f(x) es una función y existe su primera derivada f´(x).

Es importante tener en cuenta:

de manera similar se puede obtener las derivadas de mayor orden, sin embargo es necesario
aclarar que las derivadas de una función dependen de las características de la función y es
posible, y frecuentemente sucede, que algunas derivadas existen pero no para todos los
órdenes pese a que se puedan calcular con las formulas.

Las notaciones usuales utilizadas con mayor frecuencia para derivadas de segundo orden son:
El orden de las derivadas, se pueden expresar de la siguiente manera:

Jacobiano
El Jacobiano es una medida del cambio en "i"ésimo punto de datos cuando el "k"ésimo
parámetro es cambiado; es una medida de qué tan fuertemente los datos dependen de un
parámetro. En soluciones iterativas, puede ser utilizado para indicar el grado de convergencia.
En la inversión de datos electromagnéticos, las columnas generalmente se ordenan por
resistividades (primero), espesores (segundo), factores de calibración (tercero) (en el caso de
inversión simultánea)

La matriz Jacobiana transforma un vector en otro, como en una transformación de

coordenadas. El inverso de Jacobiano a veces es llamado matriz de influencia de datos ya que
muestra como un pequeño cambio en los datos podría influir en el resultado de la inversión. La
desaparición de la determinante del Jacobiano muestra que las relaciones no son
independientes. Para una matriz de 2x2, la independencia es mostrada ad−bc ≠ 0 Nombrada
para Karl Gustav Jacob Jacobi (1804-1851), matemático alemán.

J= ( ∂∂fx )( ∂∂ fy )−( ∂∂ fy )( ∂∂fx )

1 2 1 2
Hessiano
También se lo denomina hessiano orlado, considera las segundas derivadas parciales de una
función bibariantes. Se simboliza por H

( )( )
2 2 2 2
∂ f ∂ f ∂ f
H= 2 2
−( )
∂x ∂y ∂x∂ y

Con el hessiano también podemos identificar si existen máximos o mínimos

Sí. H >0

Entonces existe un máximo o un mínimo

Sí. H <0

Entonces existe un punto silla

Sí. H=0

No existe un punto crítico

2
∂ f
Si 2
>0
∂y

Es un punto mínimo
Multiplicador de lagrange.
En matemáticas, existe un concepto denominado programación no lineal (PNL), contraria a la
PL, que es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un
conjunto de restricciones sobre un conjunto de variables reales desconocidas. Tiene una
función objetivo a maximizar (o minimizar) cuando alguna de las restricciones la función
objetivo no son lineales.

El método de los multiplicadores de Lagrange nos permite encontrar los máximos y mínimos
de una función multivariable cuando hay alguna restricción en los valores de entrada que
puede usar.

La función de Lagrange, por tanto, ayuda a resolver problemas de optimización, ya que

permite encontrar los máximos y los mínimos a partir de unas condiciones necesarias y unas
condiciones suficientes para trabajar con múltiples variables.

Función normal

z=f (x , y )

Función de restricción

g ( x , y )−k=0

La función de LaGrange viene definida por:

l=f ( x , y ) ± λ (g ( x , y )−k )

Donde + es para maximizar y – es para minimizar.