Matemáticas III

Clase 11

Jorge Rivera

1
Agenda

Objetivos de la clase

Derivadas parciales

Gradiente de una función de varias variables a valores reales

Reglas de derivación

2
Objetivos de la clase
Objetivos de la clase

1. Conocer la idea y concepto de la derivada parcial (primer orden) de

una función de varias variables a valores reales.
2. Conocer qué es el gradiente de una función de varias variables a
valores reales.
3. Conocer las reglas de derivación de la suma y ponderación, producto
y cociente de funciones de varias variables a valores reales.

3
Derivadas parciales
Motivación

• Una superficie (cerro) en el espacio (R3 ) se puede entender como el

gráfico de una función f : R2 → R.
• Un punto P en esa superficie tiene “coordenadas”
P : f (x̄1 , x̄2 , f (x̄1 , x̄2 ))t ∈ R3 .

Figura 1: Punto P en superficie definida por f : R2 → R

4
• Parados en P, al movernos en la dirección del eje X1 recorremos un
sendero sobre la superficie tal como se muestra en la siguiente figura.

Figura 2: Sendero desde el punto P en la dirección del eje X1

5
• Parados en P, al movernos en la dirección del eje X2 recorremos un
sendero sobre la superficie tal como se muestra en la siguiente figura.

Figura 3: Sendero desde el punto P en la dirección del eje X2

6
• Parados en P, la pendiente del sendero rojo, es decir, según la
dirección del eje X1 , es la derivada de la curva roja.

Figura 4: Pendiente del sendero rojo desde el punto P

f (x̄1 + h, x̄2 ) − f (x̄1 , x̄2 )

Pendiente = lı́m .
h→0 h
7
• De manera análoga, parados en P, la pendiente del sendero azul,
según la dirección del eje X2 , es la derivada de la curva azul.

Figura 5: Pendiente del sendero azul desde el punto P

f (x̄1 , x̄2 + h) − f (x̄1 , x̄2 )

Pendiente = lı́m .
h→0 h
8
Concepto de derivada parcial

• La pendiente del sendero en la dirección del eje X1 (rojo) se llama

derivada parcial de la función f (x1 , x2 ) con respecto a la primera
variable, la que evaluada en (x̄1 , x̄2 ) se representa como
∂f (x̄1 , x̄2 )
.
∂x1

• La pendiente del sendero en la dirección del eje X2 (azul) se llama

derivada parcial de la función f (x1 , x2 ) con respecto a la segunda
variable, que evaluada en (x̄1 , x̄2 ) se representa como
∂f (x̄1 , x̄2 )
.
∂x2

• Ası́:
∂f (x̄1 , x̄2 ) f (x̄1 + h, x̄2 ) − f (x̄1 , x̄2 ) ∂f (x̄1 , x̄2 ) f (x̄1 , x̄2 + h) − f (x̄1 , x̄2 )
= lı́m , = lı́m
∂x1 h→0 h ∂x2 h→0 h

9
Definición
En general, para una función f : Rk → R, la derivada parcial de f
respecto de la variable i ∈ {1, 2, . . . , k} evaluada en el vector
x̄ = (x̄1 , x̄2 , · · · , x̄k )t ∈ Rk se define como
∂f (x̄)
=
∂xi
f (x̄1 , x̄2 , · · · , x̄i−1 , x̄i + h, x̄i+1 , · · · , x̄k ) − f (x̄1 , x̄2 , · · · , x̄i−1 , x̄i , x̄i+1 , · · · , x̄k )
lı́m .
h→0 h

• En términos prácticos, ¿cómo se encuentra una derivada parcial

respecto de cierta variable? Por la definición, el cálculo de derivadas
parciales de funciones de varias variables es análogo al cálculo de
derivadas de funciones de una variable, solo que el ejercicio se repite
tantas veces como variables haya: se deriva respecto de la variable de
interés suponiendo que las demás variables son constantes.

10
Ejemplo 1

Si f (x, y ) = x 2 − xy + ln(y + x 2 ), se tiene que:

• La derivada parcial ∂f ∂x
(x,y )
se obtiene derivando la expresión de f (x, y )
suponiendo que la variable es “x” y que “y ” es una constante:
∂f (x, y ) 2x
= 2x − y + .
∂x y + x2

NOTA. Dada α una constante, ¿cuál es la derivada de la función

h(x) = x 2 − αx + ln(α + x 2 )? Claramente es
2x
h′ (x) = 2x − α + .
α + x2

• La derivada parcial ∂f ∂y
(x,y )
se obtiene derivando la expresión de f (x, y )
suponiendo que la variable es “y ” y que “x” es una constante:
∂f (x, y ) 1
= −x + .
∂y y + x2

11
 ∂f (4,3)
• Para la función anterior, determinemos ∂x .

Para responder, sigue aplicando la regla de oro: primero se deriva y

luego se evalúa. Se tiene entonces que:

∂f (x, y ) 2·x x=4, y =3 ∂f (4, 3) 2·4

= 2·x −y + =⇒ = 2·4−3+ ,
∂x y + x2 ∂x 3 + (4)2

es decir,
∂f (4, 3) 8 87
=5− = .
∂x 19 19
• Por otro lado:
∂f (4, 3) 1 75
= −4 + =− .
∂y 3 + 16 19

• La lectura de lo anterior es la siguiente: parados en el punto (4, 3), la

pendiente del “sendero” sobre la superficie que define la función f (x, y )
según el eje X es 87
19 , mientras que la pendiente del “sendero” según el
eje Y es − 75
19 .

12
Ejemplo 2

Si f (K , L) = K α · Lβ , con α, β > 0, se tiene que

∂f (K , L) ∂f (K , L)
= α · K α−1 · Lβ , = β · K α · Lβ−1 .
∂K ∂L
• Por lo tanto:
∂f (s, s) ∂f (1, m)
= α·s α−1 ·s β = αs α+β−1 , = β ·1α ·mβ−1 = β ·mβ−1 .
∂K ∂L
• Por otro lado:
f (2, 3) f (2, 3)
= α2α−1 3β , = β2α 3β−1 .
∂K ∂L

• Finalmente, notamos que (cociente de derivadas parciales):

∂f (K ,L)
∂K α · K α−1 · Lβ αL
= = .
∂f (K ,L) β · K α · Lβ−1 βK
∂L

13
Gradiente de una función de
varias variables a valores reales
Idea y concepto

Para la función f (x, y ) = x 2 − xy + ln(y + x 2 ) tenı́amos que

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

• Desplegando esas dos derivadas parciales como un vector de R2 se

obtiene:  ∂f (x,y )   
2x
∂x
2x − y + y +x 2
2
= ∈R .
   

∂f (x,y ) 1
∂y
−x + y +x 2

• El vector anterior se llama gradiente de f , evaluado en (x, y ), que se

denota como ∇f (x, y ) ∈ R2 (se lee “nabla f”). Ası́,
 2x

2x − y + y +x 2

f (x, y ) = x 2 −xy +ln(y +x 2 ) =⇒ ∇f (x, y ) =  ∈R .

2
 
1
−x + y +x 2

14
En general: dada f : Rk → R y dado x̄ = (x̄1 , x̄2 , . . . , x̄k )t ∈ Rk , se tiene
que
 ∂f (x̄) 
∂x1
 
 
 ∂f (x̄)  k
∇f (x̄) =  ∂x2 

∈R .
 .. 
 . 
∂f (x̄)
∂xk

• Note que si la función es de dos variables entonces su gradiente es un

vector de R2 , si la función es de tres variables entonces su gradiente es
un vector de R3 , etc.
• Obtener el gradiente evaluado en algún punto en particular implica
obtener todas las derivadas parciales de manera genérica, y luego
evaluarlas en el punto en cuestión.

15
Ejemplo 3

Dada f (x, y ) = x y se tiene que

∂f (x, y ) ∂f (x, y )
= yx y −1 , = ln(x)x y .
∂x ∂y

NOTA. Para la función g (x) = x α se tiene que g ′ (x) = αx α−1 , y para

la función h(x) = β x se tiene que h′ (x) = ln(β)β x .
• Volviendo a la función f (x, y ) = x y , tenemos que
∂f (2, 3) ∂f (2, 3)
= 3 · 23−1 = 12, = ln(2) · 23 = 8 · ln(2).
∂x ∂y
Por lo tanto:

 
12
2
∇f (2, 3) =  ∈R .
 
8 · ln(2)

16
Ejemplo 4

Dada g (x1 , x2 ) = x12 − 2x22 + x1 x2 + x1 − x2 , encontrar los valores de las

variables para que ∇g (x1 , x2 ) = 02 (vector de ceros de R2 ).

• Para el caso, se tiene que:

∂g (x1 , x2 ) ∂g (x1 , x2 )
= 2x1 + x2 + 1, = −4x2 + x1 − 1,
∂x1 ∂x2
por lo que ∇g (x1 , x2 ) = 02 cuando se cumple que 2x1 + x2 + 1 = 0 y
−4x2 + x1 − 1 = 0. Es decir, el punto que buscamos resuelve el siguiente
sistema de ecuaciones:
2x1 + x2 = −1 (1)
x1 − 4x2 = 1 (2)

De (1) se tiene que x2 = −1 − 2x1 , y eso en (2) implica que

x1 − 4 · (−1 − 2x1 ) = 1, por lo que x1 = − 13 , y ası́ x2 = − 31 . De esta
manera: !
0
∇f (−1/3, −1/3) = ∈ R2 .
0 17
Comentario

En general, para el sistema de ecuaciones

a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2

definiendo
" # " # " #
a11 a12 b1 a12 a11 b1
A= , A1 = , A2 = ,
a21 a22 b2 a22 a21 b2

la regla de Cramer sostiene que la solución del sistema lineal es:

det(A1 ) det(A2 )
x1 = , x2 = .
det(A) det(A)

18
Reglas de derivación
Reglas de derivación: suma y ponderación, producto, cociente

• Ya que las derivadas parciales de una función de varias variables a

valores reales son, en definitiva, una serie de derivadas de funciones de
una variable, las reglas de derivación que tenı́amos para funciones de R
en R siguen aplicando.

19
Dadas f : Rk → R, g : Rk → R, β ∈ R una constante y
x = (x1 , x2 , . . . , xk )t ∈ Rk , para todo i ∈ {1, . . . , k} se tiene lo siguiente:

(a) Regla de la suma y ponderación:

∂(f (x) + β g (x)) ∂f (x) ∂g (x)

= +β .
∂xi ∂xi ∂xi
(b) Regla del producto:

∂(f (x) · g (x)) ∂f (x) ∂g (x)

= · g (x) + f (x) · .
∂xi ∂xi ∂xi

(c) Regla del cociente:

 
f (x) ∂f (x) ∂g (x)
∂ g (x) · g (x) − f (x) ·
∂xi ∂xi
= .
∂xi [g (x)]2

20
Ejemplo 5

Para
x 2y − e y
f (x, y ) =
1 + e xy
se tiene que
∂f (x, y ) (1 + e xy ) · (2xy ) − (x 2 y − e y ) · ye xy
= ,
∂x (1 + e xy )2
mientras que
∂f (x, y ) (1 + e xy ) · (x 2 − e y ) − (x 2 y − e y ) · xe xy
= .
∂y (1 + e xy )2

Note entonces lo siguiente:

∂f (1, 1) (1 + e) · 2 − (1 − e) · e 2 + e + e2
= = ,
∂x (1 + e)2 (1 + e)2
y, por otro lado,
∂f (0, 1) (1 + e 0 ) · (02 − e 1 ) − (02 1 − e 1 ) · 0e 0 e
= 0 2
=−
∂y (1 + e ) 2
21