Matemáticas I

DERIVADAS DIRECCIONALES Y
DERIVADAS PARCIALES
En esta última parte de la asignatura vamos a generalizar la definición de de-
rivadas. Recordemos que la derivada de una función real f en un punto a se
definı́a como f ′ (a) = lı́m f (h+a)−f
h
(h)
. Para generalizar este concepto nos encon-
h→0
tramos con el dilema de considerar el denominador como un punto h ∈ Rn (pero
no tiene sentido la división) o considerar derivadas según distintas direcciones
v. En un primer acercamiento consideraremos derivadas direccionales.

Para definir las derivadas direccionales trabajaremos sobre puntos interiores, es

decir, sobre puntos a ∈ A ⊆ Rn tales que existe un entorno de a contenido en
A.

Definición.- Sean f : A ⊂ Rn → R, a un punto del interior de A y v ∈ Rn con

kvk = 1. Se define la derivada direccional de f en la dirección del vector v en
el punto a y se denota por Dv f (a) como
f (a + hv) − f (a)
Dv f (a) = lı́m
h→0 h

La derivada direccional indica la variación de la función f en la dirección del

vector v.
Si consideramos ahora una función vectorial f = (f1 , . . . , fm ) : A ⊂ Rn → Rm ,
a un punto del interior de A y v ∈ Rn unitario, entonces diremos que f tiene
derivada direccional en la dirección del vector v en el punto a si y solo si todas
sus funciones componentes fj tienen derivada direccional en la dirección del
vector v en el punto a.

Universidad Antonio de Nebrija 1 Diferenciación y Extremos

 Matemáticas I

En este caso:
Dv f (a) = (Dv f1 (a), . . . , Dv fm (a))
Definición.- Sean f : A ⊂ Rn → R y a un punto del interior de A. Se define la
∂f
derivada parcial i-ésima de f en a y se denota por fxi (a) ≡ Dxi f (a) ≡ (a)
∂xi
i
g
a la derivada direccional según el vector ei = (0, . . . , 0, 1, 0, . . . , 0) :

∂f f (a1 , . . . , ai−1 , ai + h, ai+1 , . . . , an ) − f (a1 , . . . , an )

(a) = lı́m
∂xi h→0 h
Ejemplo.- Vamos a calcular la derivada direccional de f (x, y) = 3x2 + xy en
la dirección del vector (1, 1) y las derivadas parciales en el punto (0, 1).
Para calcular la derivada direccional lo primero que tenemos que hacer es to-
mar unvector unitario
 según la dirección de v = (1, 1), es decir, tomamos
v 1 1
= √ ,√ y posteriormente aplicamos la definición:
kvk 2 2
  
f (0, 1) + h √12 , √12 − f (0, 1)
D √1 , √1  f (0, 1) = lı́m
2 2 h→0  h
h h
f √
2
, 1 + 2 − f (0, 1)
√
= lı́m
h→0 h 
h2
3 2 + 2 1 + √h2 − 0
√h
= lı́m
h→0  h 
3h 1 h 1
= lı́m +√ 1+ √ =√
h→0 2 2 2 2
Las derivadas parciales son:
∂f f ((0, 1) + h(1, 0)) − f (0, 1)
(0, 1) = lı́m
∂x h→0 h
f (h, 1) − f (0, 1)
= lı́m
h→0 h
3h2 + h − 0
= lı́m
h→0 h
=1
∂f f ((0, 1) + h(0, 1)) − f (0, 1)
(0, 1) = lı́m
∂y h→0 h
f (0, 1 + h) − f (0, 1)
= lı́m
h→0 h
0
= lı́m
h→0 h
=0

Universidad Antonio de Nebrija 2 Diferenciación y Extremos

 Matemáticas I

Las derivadas parciales en puntos no problemáticos se pueden calcular de otra

∂f
manera, generalmnete más sencila. Para calcular (a), se considera la función
∂xi
vectorial f como una función en una única variable xi , se deriva respecto de
ella y posteriormente se sustituye en el punto a.

∂f
En el caso del ejemplo, para calcular (0, 1), se considera la variable y como
∂x
fija y se deriva respecto a x:

∂f
f (x, y) = (3)x2 + (y)x ⇒ (x, y) = (3)2x + (y)1 = 6x + y
∂x
∂f
⇒ (0, 1) = 6 · 0 + 1 = 1
∂x
∂f
y para calcular (0, 1), se considera la variable x como fija y se deriva respecto
∂y
a y:
∂f
f (x, y) = (3x2 )1 + (x)y ⇒ (x, y) = (3x2 )0 + (x)1 = x
∂x
∂f
⇒ (0, 1) = 0
∂x
En el caso de una variable si la función es derivable, es continua; en cambio en
el caso de varias variables no existe relación entre las derivadas parciales y la
continuidad. Para ilustrarlo, veamos varios ejemplos de una función continua en
un punto cuyas derivadas parciales existen, una función continua en un punto
en el que no existe alguna derivada parcial y otra que no es continua en un
punto, pero cuyas derivadas parciales en dicho punto existen.

Ejemplo.-Sea la función

2x3

si (x, y) 6= (0, 0)

f (x, y) = x2 + y 2
0 si (x, y) = (0, 0)


Veamos que es continua y tiene derivadas parciales en el punto (0, 0).

Comenzamos estudiando la continuidad en el punto (0, 0). Para el lı́mite utili-
zamos coordenadas polares. Nos acercamos a (0, 0) por puntos cuya imagen es
2x3
, y sustituyendo x = r cos θ, y = r sen θ, resulta
x2 + y 2

2(r cos θ)3 2r 3 cos3 θ

= = 2r cos3 θ
(r cos θ)2 + (r sen θ)2 r2

Universidad Antonio de Nebrija 3 Diferenciación y Extremos

 Matemáticas I

Entonces,
lı́m f (x, y) = lı́m 2r cos3 θ = 0
(x,y)→(0,0) r→0

por lo tanto lı́m f (x, y) = f (0, 0) y es continua.

(x,y)→(0,0)

Para las derivadas parciales, como (0, 0) es un punto problemático, tenemos que
utilizar la definición de derivada parcial. Para la derivada parcial respecto a x
en el (0, 0) nos acercamos al origen por puntos de la forma (h, 0) cuya imagen
2h3
es f (h, 0) = 2 :
h + 02
2h 3
∂f f (h, 0) + f (0, 0) 2 − 0
(0, 0) = lı́m = lı́m h =2
∂x h→0 h h→0 h
para calcular la derivada parcial respecto a y nos acercamos a (0, 0) por puntos
2 · 03
de la forma (0, h) cuya imagen es f (0, h) = 2 :
0 + h2
0
∂f f (0, h) + f (0, 0) h2
−0
(0, 0) = lı́m = lı́m =0
∂y h→0 h h→0 h
Como querı́amos demostrar, f es continua en el origen y posee derivadas par-
ciales.

Ejemplo.-Sea la función

 x cos 1
si (x, y) 6= (0, 0)
f (x, y) = x + y2
2
 0 si (x, y) = (0, 0)

Veamos que es continua en el punto (0, 0) pero no existe al menos una de las
derivadas parciales.
Comenzamos estudiando la continuidad en el punto (0, 0). Para el lı́mite
consideramos puntos cercanos a (0, 0) y dintintos de él, cuya imagen es
1
f (x, y) = x cos x2 +y 2:

1 0·(acotado)
lı́m f (x, y) = lı́m x cos = 0
(x,y)→(0,0) (x,y)→(0,0) x2 + y2

por lo tanto lı́m f (x, y) = f (0, 0) y es continua.

(x,y)→(0,0)

Para las derivadas parciales, como (0, 0) es un punto problemático, tenemos

que utilizar la definición de derivada parcial. Para calcular la derivada parcial
respecto de x consideramos puntos cercanos a (0, 0) de la forma (h, 0) cuya
1
imagen es f (h, 0) = h cos h2 +02:

Universidad Antonio de Nebrija 4 Diferenciación y Extremos

 Matemáticas I

∂f f (h, 0) + f (0, 0) h cos h12 − 0 1

(0, 0) = lı́m = lı́m = lı́m cos 2 , no existe.
∂x h→0 h h→0 h h→0 h
Como querı́amos demostrar, f es continua en el origen pero posee derivada
parcial con respecto a la variable x.

Ejemplo.-Sea la función
( xy
si (x, y) 6= (0, 0)
f (x, y) = x2 + y2
0 si (x, y) = (0, 0)

Veamos que no es continua en (0, 0) y sin embargo sı́ existen las derivadas
parciales en el punto.
Comenzamos estudiando la continuidad en el punto (0, 0) calculando los lı́mi-
tes direccionales. Nos acercamos a (0, 0) por puntos de la forma (x, mx) cuya
imagen es f (x, mx) = x2x(mx)
+(mx)2

mx2 mx2 m
lı́m f (x, y) = lı́m = lı́m =
(x,y)→(0,0) (x, y) → (0, 0) x2 + m 2 x2 (x, y) → (0, 0)
2 2
x (1 + m ) 1 + m2
{y = mx} {y = mx}

Al ser los lı́mites direccionales distintos, podemos asegurar que el lı́mite no

existe. Luego no es continua.
Para las derivadas parciales, como (0, 0) es un punto problemático, tenemos
que utilizar la definición de derivada parcial. Para calcular la derivada parcial
respecto a x nos acercamos a (0, 0) por puntos de la forma (h, 0) cuya imagen
h·0
es f (h, 0) = 2 :
h + 02
0
∂f f (h, 0) + f (0, 0) h2
−0
(0, 0) = lı́m = lı́m =0
∂x h→0 h h→0 h
para calcular la derivada parcial respecto a y nos acercamos a (0, 0) por puntos
0·h
de la forma (0, h) cuya imagen es f (0, h) = 2 :
0 + h2
0
∂f f (0, h) + f (0, 0) h2 −0
(0, 0) = lı́m = lı́m =0
∂y h→0 h h→0 h

Como querı́amos demostrar, f no es continua en (0, 0) y sin embargo sı́ existen

las derivadas parciales en el punto.

Universidad Antonio de Nebrija 5 Diferenciación y Extremos

 Matemáticas I

FUNCIÓN DERIVADA PARCIAL

Y DERIVADAS SUCESIVAS
Sea f : A ⊂ Rn → R tal que para todo punto a ∈ A existe fxi (a). Relacionando
cada punto de A con su derivada parcial, definimos la siguiente función.

Definición.- Definimos la derivada parcial i-ésima de la función f y la desig-

namos por
∂f
fxi ó ó Dxi f
∂xi
a la función que a cada punto x ∈ A le asigna el valor fxi (x).

Calculando las derivadas parciales de estas funciones, obtenemos unas nuevas

funciones:

Definición.- Definimos la derivada parcial segunda respecto de xi y xj de una

función f a:
∂fxi
∂xj
∂2f
y la designaremos por fxi xj ó ó Dxi xj f .
∂xi ∂xj

Siguiendo este proceso podemos definir las derivadas sucesivas de f , mientras

podamos seguir derivando.

Definición.- Sea f : A ⊂ Rn → R. Diremos que f es de clase r en A y lo

designaremos por f ∈ C r (A), si existen todas las derivadas de orden r de la
función f y son continuas en A.

Cuando derivamos una función f respecto de xi y después respecto de xj ,

en principio el resultado puede ser distinto de derivar primero respecto xj y
luego respecto xi . El siguiente resultado, bajo ciertas hipótesis, relaciona ambas
derivadas segundas.

Teorema de Schwarz.- Sean A ⊆ Rn abierto, f : A ⊂ Rn → R y

f ∈ C 2 (A). Entonces se verifica que para todo i, j tal que 1 ≤ i, j ≤ n

∂2f ∂2f
=
∂xi ∂xj ∂xj ∂xi

Este teorema de puede generalizar para derivadas de orden superior.

Universidad Antonio de Nebrija 6 Diferenciación y Extremos

 Matemáticas I

Volvemos a considerar ahora funciones vectoriales, f : A ⊆ Rn → Rm con

f = (f1 , . . . , fm ). Cada función componente es una función escalar de la cual
sabemos encontrar sus derivadas parciales. Si existen, se suelen manejar en
forma matricial.

Definición.- Sean f : A ⊂ Rn → Rm y a ∈ A verificando que para cualesquiera

∂fi
i = 1, . . . , m, j = 1, . . . , n existen las derivadas parciales (a).
∂xj
Se define la matriz jacobiana de f en el punto a y se designa por

∂f1 ∂f1 ∂f1

 
 ∂x1 (a) ∂x2 (a) · · · ∂xn (a) 
 
 
∂f ∂f ∂f
   
∂fi  2
(a)
2
(a) · · ·
2
(a)

Jf (a) = (a) =  ∂x

∂x ∂x

∂xi i = 1, . . . , m 1 2 n 
j = 1, . . . , n
 .. .. .. .. 

 . . . . 

 ∂fm ∂fm ∂fm 
(a) (a) · · · (a)
∂x1 ∂x1 ∂xn

Si m = n la matriz jacobiana es cuadrada y por tanto se puede calcular su

determinante. Dicho determinante se denomina jacobiano de f en a.

Ejemplo.- Vamos a calcular la matriz jacobiana de f (x, y, z) = (x3 y, y − z 2 )

en el punto (1, 1, 0).
Para un punto genérico la matriz es:

3x2 y x3
 
0
Jf (x, y, z) =
0 1 −2z

Sustituimos en el punto (1, 1, 0):

 
3 1 0
Jf (1, 1, 0) =
0 1 0

En el caso particular de funciones escalares lo que obtenemos es una matriz

columna. Las entradas de esta matriz, al ponerlas en forma de vector dan lugar
al vector gradiente de f en el punto a, que se denota por

∇f (a) = (fxi (a), . . . , fxn (a))

Como se puede observar, el vector gradiente es una función vectorial, ası́ que se
puede calcular, si existe, su matriz jacobiana:

Universidad Antonio de Nebrija 7 Diferenciación y Extremos

 Matemáticas I

Definición.- Sean f : A ⊂ Rn → R con A abierto y f ∈ C 2 (A). Llamaremos

matriz hessiana de f en a ∈ A y se designa por Hf (a) a:
 
fx1x1 (a) fx1x2 (a) · · · fx1 xn (a)
 
 
 fx x (a) fx x (a) · · · fx x (a) 
Hf (a) =  2 1 2 2 2 n 
 .. .. .. .. 
 . . . . 
fxnx1 (a) fxnx2 (a) · · · fxnxn (a)

Se denomina hessiano de f en a al determinante de Hf (a).

Ejemplo.- Vamos a calcular el hessiano de la función f (x, y) = x2 y + 3y 3 en

el punto (−1, 1).
El gradiente en un punto cualquiera es ∇f (x, y) = (2xy, x2 + 9y 2 ).
La matriz Hessiana en un punto cualquiera es:
 
2y 2x
Hf (x, y) =
2x 18y
sustituimos el punto:  
2 −2
Hf (−1, 1) =
−2 18
El hessiano es el determinante de esta matriz, es decir 32.

DIFERENCIABILIDAD
Las definiciones de derivadas direccionales y parciales, hemos visto que no po-
seen las mismas propiedades que la derivada de una función real. Por esta reazón
introducimos el concepto de función diferenciable y diferencial de una función,
que serı́a el equivalente en una variable a derivable y derivada de una función.

Definición.- Sean f : A ⊂ Rn → R y a = (a1 , . . . , an ) un punto interior de A.

Se dice que f es diferenciable en a si
 
∂f ∂f
f (x) − f (a) + ∂x 1
(a)(x 1 − a1 ) + · · · + ∂xn (a)(x n − an )
lı́m p =0
x→a (x1 − a1 ) + · · · + (xn − an )2
2

Si f es diferenciable, se denomina diferencial de f en a a la función

Df (a) : Rn −→ R
∂f ∂f
(x1 , . . . , xn ) 7−→ ∂x 1
(a)x1 + · · · + ∂xn (a)xn

Universidad Antonio de Nebrija 8 Diferenciación y Extremos

 Matemáticas I

Si consideramos ahora una función vectorial f = (f1 , . . . , fm ) : A ⊂ Rn → Rm

y a un punto del interior de A, entonces diremos que f es diferenciable en el
punto a si y solo si todas sus funciones componentes fj son diferenciables en el
punto a.
En este caso:
Df (a) = (Df1 (a), . . . , Dfm (a))
Ejemplo.- Vamos a ver si la función f (x, y) = (x2 + y 2 ) sen x es diferenciable
en (0, 0).
En primer lugar calculamos sus derivadas parciales en el origen
∂f ∂f
(x, y) = 2x sen x + (x2 + y 2 ) cos x ⇒ (0, 0) = 0
∂x ∂x
∂f ∂f
(x, y) = 2y sen x ⇒ (0, 0) = 0
∂y ∂0
Entonces
 
f (x, y) − f (0, 0) + ∂f
∂x (0, 0)(x − 0) + ∂f
∂y (0, 0)(y − 0)
lı́m p =
(x,y)→(0,0) 2
(x − 0) + (y − 0) 2

(x2 + y 2 ) sen x − (0 + 0 + 0) p
lı́m p = lı́m x2 + y 2 sen x = 0
(x,y)→(0,0) x2 + y 2 (x,y)→(0,0)

Por lo tanto, la función es diferenciable en el origen y su difencial es 0.

si y ≤ x2 ó 2x2 ≤ y

0
Ejemplo.- Vamos a ver si la función la función f (x, y) =
|x| si x2 < y < 2x2
es diferenciable en (0, 0).

Dominio de f Gráfica de f

Universidad Antonio de Nebrija 9 Diferenciación y Extremos

 Matemáticas I

En primer lugar calculamos sus derivadas parciales en el origen. Para calcular

la derivada respecto a x nos acercamos a (0, 0) mediante puntos de la forma
(h, 0), y como 0 ≤ h2 , son puntos del conjunto sobre el que la función vale 0,
ası́ que:
∂f f (h, 0) − f (0, 0) 0−0
(0, 0) = lı́m = lı́m =0
∂x h→0 h h→0 h

Para calcular la derivada respecto a y nos acercamos a (0, 0) mediante puntos

de la forma (0, h), y como h ≤ 02 ó 2 · 02 ≤ h, también son puntos del conjunto
sobre el que la función vale 0:

∂f f (0, h) − f (0, 0) 0−0

(0, 0) = lı́m = lı́m =0
∂y h→0 h h→0 h

Entonces tenemos que comprobar si el siguiente lı́mite vale 0:

 
f (x, y) − f (0, 0) + ∂f
∂x (0, 0)(x − 0) + ∂f
∂y (0, 0)(y − 0) f (x, y)
lı́m p = lı́m p
(x,y)→(0,0) (x − 0)2 + (y − 0)2 (x,y)→(0,0) x2 + y 2

La función f cerca del origen a veces es 0 y a veces es |x|, por esta razón
vamos a calcular el lı́mite sobre los conjuntos. Empezamos por el conjunto
{(x, y) ∈ R | y ≤ x2 ó 2x2 ≤ y}, donde la función vale 0:

f (x, y) 0
lı́m p = lı́m p =0
(x, y) → (0, 0) x2 + y 2 (x, y) → (0, 0) x2 + y2
{(y ≤ x2 ó 2x2 ≤ y} {(y ≤ x2 ó 2x2 ≤ y}

3 2 3
Calculamos ahora el lı́mite sobre la curva y = x . Como x2 ≤ x2 ≤ 2x2 la
2 2
curva está contenida en el conjunto sobre el que la función vale |x| (el rayado
en verde en el dibujo del dominio):

f (x, y) |x| 1
lı́m p = lı́m q = lı́m q =1
2
x +y 2 x→0 x→0
(x,
 y) → (0,0)
3
x2 + 94 x4 1 + 94 x2
y = x2
2

Como estos dos lı́mites no coindicen, no puede existir el lı́mite y la función no

es diferenciable.

Propiedades.-

1) Si f es diferenciable en a, entonces existen las derivadas de f en todas las

direcciones.

2) Si f es diferenciable en a, entonces es continua en a.

Universidad Antonio de Nebrija 10 Diferenciación y Extremos

 Matemáticas I

Sin embargo, que existan las derivadas en todas las direcciones no implica que
f sea diferenciable.

Condición suficiente de diferenciabilidad.- Sea f : A ⊂ Rn → R y a un

punto del interior de A verificando que

1) f es continua en a.

2) Existen fxi para todo i = 1, . . . , n y son continuas en a.

Entonces f es diferenciable en a.

En el ejemplo anterior, f (x, y) = (x2 +y 2 ) sen x es de clase C 1 y por la condición

suficiente de diferenciabilidad se puede deducir que es diferenciable. En estos
casos, se utiliza este resultado para ver la diferenciabilidad, sin necesidad de
usar la definición.

POLINOMIO DE TAYLOR
El polinomio de Taylor en varias variables se define y construye de forma total-
mente análoga al caso de una variable. En este caso no veremos nada referido
al resto.
Definición.- Sean f : A ⊂ Rn → R una función de clase C r (A) y a ∈ A. Se
define el polinomio de Taylor de orden r de la función f en a como el polinomio:
n
X 1 k
Tr (f, a)(x) = f (a) + d f (a)(x − a)k
k!
k=1

siendo
∂f ∂f
d1 f (a)(x − a) = (a)(x1 − a1 ) + · · · + (a)(xn − an )
∂x1 ∂xn
∂2f 2 ∂2f
d2 f (a)(x − a)2 = (a)(x 1 − a1 ) + (a)(x2 − a2 )(x1 − a1 ) + · · · +
∂x21 ∂x2 ∂x1
∂2f
+ (a)(xn − an )(x1 − a1 ) + · · · +
∂xn ∂x1
2f
+ ∂x∂1 ∂x n
(a)(x1 − a1 )(xn − an )+
∂2f
+··· + (a)(xn − an )2
∂x2n
..
.
n
X ∂k f
dk f (a)(x − a)k = (a)(xjk − ajk ) . . . (xj1 − aj1 )
∂xjk · · · ∂xj1
j1 ,...,jk =1

Universidad Antonio de Nebrija 11 Diferenciación y Extremos

 Matemáticas I

El polinomio de Taylor verifica que sus derivadas parciales en a coinciden con

las de f hasta el orden r.
Ejemplo.- Vamos a calcular el polinomio de Taylor de orden 3 de la función
f (x, y) = exy en el punto (0, 0), si existe.
Como la función es infinitamente derivable, con derivadas parciales sucesivas
continuas, se puede calcular el polinomio de Taylor. Además, al ser de clase
suficientemente grande, el orden en que derivemos no afecta, es decir

∂2f ∂2f ∂3f ∂3f ∂3f ∂3f

= , = , = , etc.
∂x∂y ∂x∂y ∂x2 ∂y ∂y∂x2 ∂x∂y 2 ∂y 2 ∂x

T3 (f, (0, 0))(x, y) =

 
∂f ∂f
f (0, 0) + (0, 0)x + (0, 0)y +
∂x ∂y

1 ∂2f ∂2f ∂2f

 
2 2
+ (0, 0)x + 2 (0, 0)xy + 2 (0, 0)y +
2  ∂x2 ∂x∂y ∂y
1 ∂3f 3f ∂3f ∂3f

3 ∂ 2 2 3
+ (0, 0)x + 3 (0, 0)x y + 3 2 (0, 0)xy + 3 (0, 0)y =
6 ∂x3 ∂y∂x2 ∂y ∂x ∂y

1 1
= 1 + (0 + 0) + (0 + 2xy + 0) + (0 + 0 + 0 + 0)
2 6
El polinomio de Taylor de f en (0, 0) es T3 (f, (0, 0))(x, y) = 1 + xy.

EXTREMOS RELATIVOS
La noción de extremo relativo se puede extender fácilmente a varias variables.
Y los procedimientos de cálculo serán similares.

En esta sección se considerará A un conjunto abierto, es decir, un conjunto

donde todos sus puntos son interiores.

Definición.- Sean f : A ⊂ Rn → R y a ∈ A. Se dice que a es un máximo

relativo de f si existe un entorno V de A tal que para todo x ∈ V ∩ A se verifica
que f (x) ≤ f (a)
Se dice que a es un mı́nimo relativo de f si existe un entorno V de A tal que
para todo x ∈ V ∩ A se verifica que f (x) ≥ f (a).

Universidad Antonio de Nebrija 12 Diferenciación y Extremos

 Matemáticas I

A los valores máximos y mı́nimos relativos de una función se les llama extremos
relativos de la función.
Condición necesaria de extremo relativo.- Sean f : A ⊂ Rn → R y
a ∈ A, tales que existen fxi (a), ∀i = 1, . . . , n. Entonces para que a pueda ser
un extremo relativo de f se tiene que verificar que

fx1 (a) = fx2 (a) = · · · = fxn (a) = 0

Sin embargo no todos los puntos que anulan las derivadas parciales son ex-
tremos relativos. En una variable se tiene un resultado similar, a los puntos
que anulaban la derivada se les denomina puntos crı́ticos. Generalizamos dicha
definición.

Definición.- Sean f : A ⊂ Rn → R y a ∈ A, tales que existen fxi (a),

∀i = 1, . . . , n. Se dice que a es un punto crı́tico de f si y sólo si fxi (a) = 0,
∀i = 1, . . . , n.

Encontrar los puntos crı́ticos es, en teorı́a, sencillo, pues sólo hay que encontrar
los puntos que anulan las derivadas parciales. Para distinguir los máximos y
mı́nimos relativos tenemos el siguiente resultado.

Condición suficiente.- Sean f : A ⊂ Rn → R tal que f ∈ C 2 (A) y a ∈ A

es un punto crı́tico de f . Sea d2 f (a) la forma cuadrática asociada a la matriz
Hessiana. Entonces:

1) Si d2 f (a) es definida positiva, entonces f alcanza un mı́nimo en a.

2) Si d2 f (a) es definida negativa, entonces f alcanza un máximo en a.

En los casos particulares de n = 2 y n = 3 esta condición queda de la siguiente

manera.

n=2

Sean f : A ⊂ R2 → R tal que f ∈ C 2 (A) y a = (a1 , a2 ) ∈ A un punto crı́tico de

f . La matriz hessiana es:
 
fxx (a) fxy (a)
Hf (a) =  
fyx (a) fyy (a)

Universidad Antonio de Nebrija 13 Diferenciación y Extremos

 Matemáticas I

1) Si |Hf (a)| > 0 y fxx (a) > 0, f alcanza un mı́nimo local en a.

2) Si |Hf (a)| > 0 y fxx (a) < 0, f alcanza un máximo local en a.

3) Si |Hf (a)| < 0 al punto a se le denomina punto de silla.

4) Si |Hf (a)| = 0 no podemos determinar nada.

Ejemplo.- Vamos a estudiar y clasificar los puntos crı́ticos de la función

f (x, y) = x3 + 3xy 2 − 15x − 12y, (x, y) ∈ R2 .

En primer lugar hallamos los puntos crı́ticos:
fx = 3x2 + 3y 2 − 15 3x2 + 3y 2 − 15 = 0

fx = 0
; ⇒
fy = 6xy − 12 fy = 0 6xy − 12 = 0
Resolviendo este sistema obtenemos los puntos:

P1 (2, 1), P2 (−2, −1), P3 (1, 2), P4 (−1, −2)

Posteriormente se calcula la matriz hessiana y el hessiano.

 
fxx = 6x fxy = 6y 6x 6y
⇒ ⇒ |Hf (x, y)| = 36x2 − 36y 2
fyx = 6y fyy = 6x 6y 6x

Finalmente, particularizando en los puntos crı́ticos, obtenemos la siguiente cla-

sificación:
|Hf (2, 1)| = 1260 > 0 y fxx (2, 1) = 12 > 0, entonces (2, 1) es un mı́nimo.
|Hf (−2, −1)| = 1260 > 0 y fxx (2, 1) = −12 < 0, entonces (−2, −1) es un
máximo.
|Hf (1, 2)| = −1260 < 0, entonces (1, 2) es un punto de silla.
|Hf (−1, −2)| = −1260 < 0, entonces (−1, −2) es un punto de silla.

n=3

Sean f : A ⊂ R3 → R tal que f ∈ C 2 (A) y a = (a1 , a2 , a3 ) ∈ A un punto crı́tico

de f . La matriz hessiana es:
 
fxx (a) fxy (a) fxz (a)
 
 
Hf (a) = 
 fyx (a) fyy (a) fyz (a) 

 
fzx (a) fzy (a) fzz (a)

Universidad Antonio de Nebrija 14 Diferenciación y Extremos

 Matemáticas I

Denotamos por

fxx (a) fxy (a)

A1 = fxx (a), A2 = , A3 = |Hf (a)|
fyx (a) fyy (a)

1) Si A1 > 0, A2 > 0 y A3 > 0, f alcanza un mı́nimo local en a.

2) Si A1 < 0, A2 > 0 y A3 < 0, f alcanza un máximo local en a.

3) Si A3 6= 0 y no se verifican ninguna de las condiciones anteriores, al punto

a se le denomina punto de silla.

4) Si A3 = 0 no podemos determinar nada.

Ejemplo.- Vamos a estudiar y clasificar los puntos crı́ticos de la función

f (x, y, z) = x2 + 2y 2 + 3z 2 − xyz, (x, y, z) ∈ R3 .

En primer lugar hallamos los puntos crı́ticos.

fx = 2x − yz fx = 0  2x − yz = 0
fy = 4y − xz ; fy = 0 ⇒ 4y − xz = 0
fz = 6z − xy fz = 0 6z − xy = 0


Resolviendo este sistema obtenemos los puntos:

√ √ √ √ √ √ √ √ √
P1 (0, 0,√0), P2 (2
√ 6,√
2 3, 2 2), P3 (2 6, −2 3, −2 2), P4 (−2 6, 2 3, −2 2),
P 5(−2 6, −2 3, 2 2)
Posteriormente se calcula A1 (x, y, z), A2 (x, y, z) A3 (x, y, z).

 fxx = 2 fxy = −z fxz = −y
f = −z fyy = 4 fyz = −x
 yx
fzx = −y fzy = −x fzz = 6
2 −z −y
2 −z
A1 = 2; A2 = = 8+z 2 ; A3 = −z 4 −x = 48−2xyz−2x2 −4y 2 −6z 2
−z 4
−y −x 6

Finalmente, particularizando en los puntos crı́ticos, obtenemos la siguiente cla-

sificación:

Universidad Antonio de Nebrija 15 Diferenciación y Extremos

 Matemáticas I

A1 (P1 ) = 2 > 0, A2 (P1 ) = 8 > 0 y A3 (P1 ) = 48 > 0, entonces P1 es un mı́nimo.

A1 (Pi ) = 2 > 0, A2 (Pi ) = 16 > 0 y A3 (Pi ) = −192 < 0, para i = 2, 3, 4, 5
entonces P2 , P3 , P4 y P5 son todos puntos de silla.

Hasta aquı́ hemos visto cómo estudiar los puntos crı́ticos de una función sobre
un conjunto abierto, si las derivadas parciales de la función se anulan. Queda
por estudiar lo que pasa en los puntos de la frontera del conjunto.

EXTREMOS CONDICIONADOS
En la sección anterior estudiábamos los extremos de una función sobre un con-
junto abierto. Ahora vamos a estudiar los extremos sobre ciertos subconjuntos
del dominio.

Definición.- Sea f : A ⊂ Rn → R, con A abierto. Sean r funciones gj : A → R,

j = 1, . . . , r y consideramos el conjunto:

S = {(x1 , . . . , xn ) ∈ A | g1 (x1 , . . . , xn ) = 0, . . . , gr (x1 , . . . , xn ) = 0}

se dice que un punto a ∈ S:

es un máximo de f sujeto a las condiciones gj (x1 , . . . , xn ) = 0, j = 1, . . . , r si
y solo si f (x) ≤ f (a) para todo x ∈ S.

es un mı́nimo de f sujeto a las condiciones gj (x1 , . . . , xn ) = 0, j = 1, . . . , r si

y solo si f (x) ≥ f (a) para todo x ∈ S.

Estos máximos y mı́nimos son relativos en S salvo que S sea compacto, en cuyo
caso, por el teorema de Weierstrass, son absolutos.

A veces la búsqueda de los extremos condicionados es relativamente sencilla. Por

ejemplo, si tenemos que calcular los extremos de una función f (x, y, z) en el con-
junto
S = {z = g(x, y)}, sustituyendo el valor de la variable z por su expresión
sobre S, equivale a calcular los extremos de la función f˜(x, y) = f (x, y, g(x, y)).
O bien si hay que calcular los extremos de f (x, y, z) en el conjunto
S = {z = g(x, y), h(x, y, z) = 0}, esto equivale a calcular los extremos de la
función f˜(x, y) = f (x, y, g(x, y)) en el conjunto {h(x, y, g(x, y)) = 0}. Veámoslo
con un ejemplo sencillo.
2
Ejemplo.- Vamos a buscar los extremos relativos de f (x, y) = x3 + 2 sobre
y
el conjunto S = {(x, y) ∈ R2 | xy = 1}.

Universidad Antonio de Nebrija 16 Diferenciación y Extremos

 Matemáticas I

g(x, y) = xy − 1. En el conjunto S se tiene que x, y 6= 0, por lo tanto podemos

despejar una de las dos variables, por ejemplo y = 1/x, el problema equivale a
2
encontrar los extremos de f˜(x) = f (x, 1/x) = x3 + 1 2 = x3 + 2x2 . Calculamos
(x)
los valores que anulan la primera derivada:

4
f˜′ (x) = 3x2 + 4x = 0 ⇒ x = 0, x = −
3

El valor x = 0 lo deshechamos, porque ningún punto (0, y) ∈ / S, ası́ que estu-

diamos el valor en la segunda derivada, f˜′′ (x) = 6x + 4, en x = −4/3 y como
f˜′′ (−4/3) = −4 < 0, es un máximo.
 
4 3
Por lo tanto − , − es un máximo de f (x, y) sobre S.
3 4

Sin embargo, en general no vamos a poder hacer este tipo de simplificaciones,

por lo que necesitaremos un método más general.

MULTIPLICADORES DE LAGRANGE

Este método nos proporciona una condición necesaria que deben verificar los
extremos de f (x1 , . . . , xn ) sujetos a las condiciones gj (x1 , . . . , xn ), 1 ≤ j ≤ r,
cuando las funciones f, gj , 1 ≤ j ≤ r, son de clase C 1 .
Consiste en considerar la combinación lineal
r
X
F (x1 , . . . , xn ) = f (x1 , . . . , xn )+ λj gj (x1 , . . . , xn ) donde λ1 , . . . , λr
j=1
son constantes denominadas multiplicadores de Lagrange y se basa en el hecho
de que los extremos condicionados de f deben ser puntos crı́ticos de F .

Teorema de Lagrange.- Sean f, g1 , . . . , gr funciones reales escalares de clase

C 1 en el abierto A ⊆ Rn con r < n.
Sean S = {x ∈ A | gi (x) = 0 ∀i = 1, . . . r} y a ∈ S tal que la matriz
 
∂gj
(a) tiene rango r
∂xi j = 1, . . . , r
i = 1, . . . , n

r
X
Sea F (x1 , . . . , xn ) = f (x1 , . . . , xn ) + λj gj (x1 , . . . , xn ).
j=1

Universidad Antonio de Nebrija 17 Diferenciación y Extremos

 Matemáticas I

Si a es un extremo relativo de f condicionado a gj (x1 , . . . , xn ) = 0, 1 ≤ j ≤ r,

entonces existen números reales λ1 , . . . , λr tales que las coordenadas de a satis-
facen el sistema de ecuaciones:

∂F
(x1 , . . . , xn ) = 0 1 ≤ i ≤ n


∂xi

(1)


 g (x , . . . , x ) = 0 1≤j≤r
j 1 n

La función F se denomina función de Lagrange o lagrangiano y el sistema (1)

es el sistema de Lagrange.

Ejemplo.- Vamos a estudiar y clasificar los puntos crı́ticos de la función

f (x, y, z) = x + y + z sobre el conjunto S = {(x, y, z) ∈ R3 | x2 + y 2 + z 2 = 2}.
Veamos primero que estamos en las condiciones del teorema de Lagrange:
Por ser polinómicas, la funciones f (x, y, z) = x+y+z y g(x, y, z) = x2 +y 2 +z 2 −2
están definidas en todo R3 y son de clase C 1 . Como tenemos una sola función
definiendo el conjunto S, se tiene que r = 1 < 3 y g cumple que
 
∂g ∂g ∂g

(x) (x) (x) = 2x 2y 2z
∂x ∂y ∂z

tiene rango 1 para cualquier punto de S, pues sólo tiene rango menor en el punto
(0, 0, 0), que no está en S. Por tanto, estamos en las condiciones del teorema de
Lagrange.
Construimos el lagrangiano:

F (x, y, z) = (x + y + z) + λ(x2 + y 2 + z 2 − 2)

Los posibles extremos relativos de la función deben ser soluciones del sistema
de Lagrange:
 

 Fx (x, y, z) = 0 
 1 + 2λx = 0
Fy (x, y, z) = 0 1 + 2λy = 0
 
⇒
F (x, y, z) = 0 1 + 2λz = 0
 2z

 

x + y2 + z2 − 2 = 0 x2 + y 2 + z 2 = 2


r r r !
1 2 2 2
Resolviendo el sistema obtenemos para λ = − √ tenemos a1 = , ,
6 3 3 3
r r r !
1 2 2 2
y para λ = √ tenemos a2 = − ,− ,− .
6 3 3 3

Universidad Antonio de Nebrija 18 Diferenciación y Extremos

 Matemáticas I

Como f es una función continua y el conjunto S es compacto, por el teorema de

Weierstrass se alcanza un mı́nimo y un máximo, que necesariamente se corres-
ponderán con los puntos hallados. Para ver cuál es el máximo y cuál el mı́nimo,
simplemente comparamos sus imágenes:
√
f (a1 ) = √6 a1 es máximo.
⇒
f (a2 ) = − 6 a2 es mı́nimo.

Vimos en la sección anterior cómo estudiar los extremos en un abierto, pero

quedaba por ver qué pasa en la frontera. La frontera en general se va a poder
describir como un conjunto S = {x ∈ Rn | g1 (x) = 0, . . . , gr (x) = 0}, ası́ que
sobre ella en principio se podrá aplicar el teorema de Lagrange.

Ejemplo.-Estudiar y clasificar los extremos relativos de la función f (x, y) =

xy + sen (xy) sobre el conjunto limitado por las rectas x = 0, y = 0 y x + y = 1.

Tenemos que estudiar los extremos de la función en el área triangular

T = {(x, y) ∈ R2 | x ≥ 0, y ≥ 0, x + y ≤ 1}

Comenzamos estudiando los puntos crı́ticos de la función en todo su dominio:


fx = y + cos (xy) y fx = 0 y + cos (xy) y = 0
; ⇒
fy = x + cos (xy) x fy = 0 x + cos (xy) x = 0

Universidad Antonio de Nebrija 19 Diferenciación y Extremos

 Matemáticas I

Resolviendo este sistema obtenemos como puntos crı́ticos: el punto (0, 0) y todos
los puntos de las hipérbolas {(x, πk/x) | x 6= 0, k ∈ Z}.

Vemos que ninguno de los puntos crı́ticos está en el interior del triángulo, ası́ que
los extremos deben estar en el borde del área triangular. Estudiamos lo que pasa
en cada lado del triángulo.
Sobre el lado {(0, y) ∈ R2 | 0 ≤ y ≤ 1}, f (0, y) = 0. Obsérvese que la función
toma valores positivos sobre el área triangular, en efecto, para todo (x, y) ∈ T ,
0 ≤ xy ≤ 1 entonces xy + sen (xy) ≥ 0. Por tanto todos los puntos del segmento
son mı́nimos.
Sobre el lado {(x, 0) ∈ R2 | 0 ≤ x ≤ 1}, f (x, 0) = 0. Como en el otro lado,
todos los puntos del segmento son mı́nimos.
Sobre el lado {(x, 1 − x) ∈ R2 | 0 ≤ x ≤ 1} la función es
f˜(x) = f (x, 1 − x) = x(1 − x) + sen (x(1 − x))

Universidad Antonio de Nebrija 20 Diferenciación y Extremos

 Matemáticas I

Estudiamos los puntos crı́ticos de la función f˜(x): f˜′ (x) = (1−2x)(1+cos(x(1−

x)) el único punto de [0, 1] en el que se anula f˜′ (x) es x = 1/2. Estudiamos la
segunda derivada en este punto:
 
1 1
f˜′′ (x) = −2−(1−2x)2 sen (x(1−x))−2 cos(x(1−x)) ⇒ f˜′′ = −2−2 cos < 0
2 4

se trata de un máximo.
 
1 1
Por tanto, el punto , es un máximo de f (x, y) sobre T .
2 2
 
1 1
La función f (x, y) tiene un máximo en el punto , y mı́nimo en los puntos
2 2
{(x, y) | xy = 0, x, y ∈ [0, 1]}.

En este ejemplo se puede observar que el punto (0, 0) es un punto crı́tico de la

función. Y sobre T es un mı́nimo, en cambio sobre R2 es un punto de silla.

En efecto, estudiando el Hessiano se tiene

−sen(xy)y 2
 
1 + cos(xy) − sen(xy)xy
Hf (x, y) =
1 + cos(xy) − sen(xy)xy −sen(xy)x2
 
0 1
Entonces Hf (0, 0) = y el hessiano es negativo. Es punto de silla.
1 0

Universidad Antonio de Nebrija 21 Diferenciación y Extremos