CÁLCULO DIFERENCIAL EN FUNCIONES DE

VARIAS VARIABLES

• Introducción
• Límites y Continuidad
• Diferenciabilidad
• Derivadas parciales
• Diferencial de una función
• Diferencial de la función compuesta
• Derivadas direccionales y gradiente
• Aplicaciones de la derivación
• Función implícita e inversa
• Extremos de funciones: extremos relativos
Aplicaciones de la derivación: Extremos de funciones
 máximo
Def : Se dice que f ( x ) : D  n
 alcanza un extremo 
 mínimo
 f ( x0 )  f ( x )
absoluto en x0 si  xD
 f ( x0 )  f ( x )
 máximo
Def : Se dice que f ( x ) : D   alcanza un extremo 
n

 mínimo
relativo / local en x0 si  un entorno centrado en x0 , E ( x0 ,  ),
 f ( x0 )  f ( x )
tal que   x  E ( x0 ,  ).
 f ( x0 )  f ( x )
Máximo absoluto

Máximo relativo
(0,0)
f ( x)  x 3  3x 2

Mínimo relativo
(2,-4) Mínimo absoluto 2
Teorema del Valor Extremo:

Sea f ( x ) : D  n  función continua en D compacto

(cerrado y acotado) entonces f ( x ) alcanza máximo y
mínimo absoluto en D.
Máximo absoluto

Máximo local

D
En D dominio de la función,
cerrado y acotado la función
alcanza mínimo absoluto (interior)
Mínimo absoluto y máximo absoluto en la frontera.
3
Candidatos a extremos relativos ( f : D   )

1) Puntos Críticos o Estacionarios : x  t.q. f '( x)  0

2) Puntos Singulares : x  t.q.  f '( x)

3) Puntos Extremos : x  t.q. x  Frontera(D)

Puntos candidatos a ser extremos

Veremos primero que criterios utilizabais en Calculo I para encontrar extremos e

intentaremos encontrar su correspondiente para funciones de varias variables:

f: 

1) Puntos Críticos : x  t.q. f '( x)  0

Significado geométrico: recta tangente tiene pendiente 0 en ese punto, es decir
es horizontal. y
f '(c)  0

•
•

5
a c b
Puntos candidatos a ser extremos

f: 

2) x  t.q.  f '( x)
Significado geométrico: Punto en el que la función no es derivable
puede tener un pico, asíntota...
y
 f '(c)

x
0

3) x  t.q. x  Frontera(D)
Significado geométrico: Extremos del dominio de definición de la función
Ej: Hallar los extremos de

f ( x )  9 x  3 x 3 en el intervalo [-1,3]
La función está definida y es derivable en ese intervalo
luego los extremos los busco entre los puntos críticos,
f '( x)  0
f '( x )  9  9 x 2  0  x 2  1  x  1
Analizo los puntos críticos:
x  1 f ''( x )  18 x  f ''(1)  18  0
 Máximo local f (1)  6
x  1 f ''( x )  18 x  f ''(1)  18  0
 Mínimo local f ( 1)  6

Por último miro los extremos del intervalo de definición:

x  3 f (3)  54 7
f ( x )  9 x  3 x 3 en el intervalo [-1,3]
Máximo local y global f (1)  6
Mínimo local f ( 1)  6
Mínimo global f (3)  54

8
 1
f ( x)  2
en el intervalo [-1,1]
x

Puntos críticos:
2 x 2
f '( x)  4  3  0 x
x x

La función no está definida en x  0

Para ver el comportamiento de la función hallo el límite:
1
lim 
x 0 x 2

1 1
lim 2  lim 2  0
x  x x  x

1 y  1 son mínimos absolutos dentro del intervalo. 9

Definición de extremo (máximo / mínimo) relativo : Sea f : C  p
 y a  C.

1) f tiene un mínimo relativo (estricto) en a si en un entorno U  C de a, f ( x)  f (a ) x  U .

2) f tiene un máximo relativo (estricto) en a si en un entorno U  C de a, f ( x)  f (a ) x  U .

(Si > y < se sustituyen por  y  se habla de extremos en sentido amplio).

Si f ( x)  f (a ) x  C se habla de mínimo absoluto

Si f ( x)  f (a ) x  C se habla de máximo absoluto

Como siempre, que haya extremos direccionales

(según rectas o trayectorias particulares) NO
implica que exista extremo.
Puntos candidatos a ser extremos
f: 2

1) Puntos Críticos : ( x, y )  2
t.q. f ( x, y )  (0, 0)
Significado geométrico: El plano tangente en un máximo/mínimo es horizontal
(paralelo al plano z  0). Por tanto el vector perpendicular debe ser proporcional
al (0, 0,1). Como vimos anteriormente las dos primeras coordenadas corresponden
al vector gradiente  f ( x, y )  (0, 0)

11
Puntos candidatos a ser extremos
f: 2

 f x ( x, y ) ó
2) ( x, y )  2
t.q.
 f y ( x, y )
Significado geométrico:
La función no es diferenciable.
No existe plano tangente

3) ( x, y )  2
t.q. ( x, y )  Frontera( D)

12
Clasificación de Puntos Críticos : f: 

Si c es un punto crítico de f en el que

f ´(c)  0 y f ''(c)  0, entonces f tiene un máximo relativo en c

f ´(c)  0 y f ''(c)  0, entonces f tiene un mínimo relativo en c

f ´(c)  0 y f ''(c)  0, entonces f tiene un punto de inflexión en c

Para hallar los extremos absolutos de una función en un intervalo [a, b]

procederemos del siguiente modo:
1. Hallar los puntos críticos de f en ( a, b)
2. Hallar los puntos en los que f no es derivable en (a, b)
3. Evaluar f en cada punto crítico de ( a, b)
4. Evaluar f en cada punto no derivable de (a, b)
5. Evaluar f en a y en b
13
6. El más grande de esos valores es el máximo. El más pequeño es el mínimo.
Clasificación de Puntos Críticos :
f : 2   C 2 (necesario para el desarrollo deTaylor )
Para clasificar los puntos críticos interiores voy a usar el
desarrollo de Taylor de orden 2.
f ( x, y )  f ( x0 , y0 )  f ( x0 , y0 )(( x  xo ) , ( y  yo )) 
1  f xx ( x0 , y0 ) f xy ( x0 , y0 )   x  xo 
( x  xo , y  yo )  
2  f xy ( x0 , y0 ) f yy ( x0 , y0 )   y  yo 
Matriz Hessiana

Por ser ( x0 , y0 ) punto crítico f ( x0 , y0 )  0

1    x 
f ( x, y )  f ( x0 , y0 )  ( x, y )  H     C
2    y  14
 1    x 
f ( x, y )  f ( x0 , y0 )  (x, y )  H     C
2    y 
La diferencia entre imagenes en puntos cercanos
al punto crítico se comporta como esa expresión matricial.
(¿A qué os recuerda? CÓNICAS)
Al igual que hacíamos con la expresión general de una cónica
vamos a diagonalizar H.
1
   B'   1 0   B' 
 H  =  CB   0    CB 
     2  
Por Álgebra sabemos que el determinante es un invariante

(no cambia al cambiar la base)

15
Clasificación de Puntos Críticos :

Si det( H )  H  0  1 y 2 tienen el mismo signo  (Tipo elíptico)

1 La distancia se mantiene constante en curvas elípticas

f ( x, y )  f ( x0 , y0 )  C    0  x 
2 C no cambia de signo: ( x, y)  1    1 x  2 y
2 2

 0 2   y 

1 Las distintas elipses son los puntos cuya imagen está

f ( x, y)  f ( x0 , y0 )  C
a distancia constante del valor de f ( x0 , y0 )

2 ¿Qué significa que C no cambie de signo ? f ( x, y )  f ( x0 , y0 )  C

Si 1 y 2  0  C  0  f ( x, y )  f ( x0 , y0 )  0 
 f ( x, y )  f ( x0 , y0 )  ( x0 , y0 ) mínimo

Si 1 y 2  0  C  0  f ( x, y )  f ( x0 , y0 )  0 
 f ( x, y )  f ( x0 , y0 )  ( x0 , y0 ) máximo
16
Clasificación de Puntos Críticos :

Si det( H )  H  0  1 y 2 tienen distinto signo  (Tipo hiperbólico)

1 La distancia se mantiene constante en curvas hiperbólicas

f ( x, y )  f ( x0 , y0 )  C   1 0   x 
2 C cambia de signo: ( x, y )      1 x  2 y
2 2

 0 2   y 

1 Las distintas hipérbolas son los puntos cuya imagen está

f ( x, y)  f ( x0 , y0 )  C
a distancia constante del valor de f ( x0 , y0 )
2 ¿Qué significa que C cambie de signo ?

f ( x, y )  f ( x0 , y0 )  C

Hay direcciones (combinaciones de x y y ) para las que:

f ( x, y )  f ( x0 , y0 )  ( x0 , y0 ) mínimo 
  Punto de Silla
f ( x, y )  f ( x0 , y0 )  ( x0 , y0 ) máximo 

17
Clasificación de Puntos Críticos : f : 2


 f xx ( x0 , y0 ) f xy ( x0 , y0 ) 
Construimos la matriz Hessiana H    y:
 f xy ( x0 , y0 ) f yy ( x0 , y0 ) 

f xx ( x0 , y0 )  0  mínimo local en ( x0 , y0 )
 Si det( H )  H  0 
f xx ( x0 , y0 )  0  máximo local en ( x0 , y0 )

 Si det( H )  H  0  punto de silla en ( x0 , y0 )

 Si det( H )  H  0  ???
18
Criterio de los menores principales : f: n

 c11 c12 c1 p 
 
 c21 c22 c2 p 
Hf (a) 
 
 
 c p1 c p 2 c pp 
c11 c12 c13
c11 c12
Menores principales: c11 , , c21 c22 c23 ,..., Hf ( a)
c21 c22
c31 c32 c33
1. Si Hf (a)  0
1.a Todos los menores principales son positivos  a es un mínimo relativo
1.b Los menores principales tienen signos alternos empezando en  
a es un máximo relativo
1.c En cualquier otro caso  a punto de silla.
Criterio de los menores principales : f: n

 c11 c12 c1 p 
 
 c21 c22 c2 p 
Hf (a) 
 
 
 c p1 c p 2 c pp 
c11 c12 c13
c11 c12
Menores principales: c11 , , c21 c22 c23 ,..., Hf ( a)
c21 c22
c31 c32 c33

2. Hf (a)  0. d 2 f es semidefinida (caso dudoso) o indefinida (punto de silla).

2.a Si no se anula ningún otro menor principal:
2.a.1 Todos los menores principales no nulos son positivos  semidefinida (caso dudoso)
2.a.2 Los menores principales no nulos tienen signos alternos empezando en  
semidefinida (caso dudoso)
2.a.3 En cualquier otro caso  a punto de silla.
2.b Se anula algún otro menor principal. Caso dudoso (investigar por otros métodos)
Ej. Dada la función f ( x, y )  ( x 2  2 y 2 )e1 x  y2
2
2
. Halla los extremos relativos de f ( x, y ) en y clasificalos
2
Como la función es diferenciable en (pruébalo) para calcular los extremos relativos busco los puntos críticos de la forma:


 f x ( x, y )  (2 x)e
1 x  y
 ( 2 x)e1 x  y ( x 2  2 y 2 )
2 2 2 2

f ( x, y )  (0, 0)   
1 x 2  y 2 1 x 2  y 2

 yf ( x , y )  (4 y ) e  ( 2 y ) e ( x 2
 2 y 2
)

e
1 x 2  y 2
(2 x(1  ( x 2  2 y 2 )))  0

1 x 2  y 2

e (2 y (2  ( x 2  2 y 2 )))  0

Operando en la primera ecuación:

 y  0  (0, 0)

a) x  0 
2ª ecuación
 
2  2 y  0  y  1 (0, 1)

2 2

b) 1-(x 2  2 y 2 )  0 
2ª ecuación
 y  0 
1ª ecuación
1  x 2  0  (1, 0)

Clasificación de Puntos Críticos :Utilizo el criterio del Hessiano

f x ( x, y )  e1 x  y2
(2 x(1  ( x 2  2 y 2 )))
2

f y ( x, y )  e1 x  y2
(2 y (2  ( x 2  2 y 2 )))
2

f xx ( x, y )  e1 x  y2
(2  10 x 2  4 y 2  4 x 4  8 x 2 y 2 )
2

f yy ( x, y )  e1 x  y2
(4  2 x 2  20 y 2  8 y 4  4 x 2 y 2 )
2

f xy ( x, y )  e1 x  y2
(4 xy (3  ( x 2  2 y 2 )))
2

21
Estudio cada punto crítico
f xx f xy 2e1 0
a)  1
 8e 2  0; f xx  2e1  0  (0, 0) Mínimo
f xy f yy 0 4e
(0,0)

f xx f xy 4 0
b)   8  0  (1, 0) Punto de silla
f xy f yy 0 2
(1,0)

f xx f xy 4 0
c)   8  0  (1, 0) Punto de silla
f xy f yy 0 2
( 1,0)

f xx f xy 4 0
d)   32  0; f xx  4  0  (0,1) Máximo
f xy f yy
(0,1)
0 8
f xx f xy 4 0
c)   32  0; f xx  4  0  (0, 1) Máximo
f xy f yy
(0, 1)
0 8

(0, 0) Mínimo

(1, 0) Punto de silla

(1, 0) Punto de silla

(0,1) Máximo

(0, 1) Máximo

22
 f ( x, y)  x 2 y  y  2 xy

recta (1, y )

A lo largo de esa recta:

si y  0 Mínimos
si y  0 Máximos
 f ( x, y)  x 2 y  y  2 xy

recta (1, y )

A lo largo de esa recta:

y  0 Punto de silla
f ( x, y )  (2 x  y ) 2  hx 4 . (0, 0) Punto crítico
 8 4 
Hf (0, 0)    , H (0, 0)  0  d f (0, 0) semidefinida h. Si h  0, f tiene en (0,0)
2

 4 2 
un mínimo en sentido amplio (f ( x, y )  0  ( x, y), y se anula si y  2 x). Cuando h  0,
(0,0) se convierte en mínimo en sentido estricto, mientras que si h  0, f ( x, y ) y  2 x  0
 en ese caso, (0,0) es punto de silla.
Determinación de extremos absolutos : f :D 2


Para hallar los extremos absolutos de una función en su dominio de definición D

procederemos del siguiente modo:

1. Hallar los puntos críticos de f ( x, y ) en el interior de D

2. Hallar los puntos en los que f ( x, y ) no es diferenciable en el interior de D
3. Hallar los puntos críticos de f ( x, y ) en la frontera de D
4.Evaluar f en cada punto crítico del interior de D
5. Evaluar f en cada punto no derivable del interior de D
6. Evaluar f en los puntos críticos de la frontera
7. El más grande de esos valores es el máximo absoluto. El más pequeño es el mínimo.

27
Determinación de extremos absolutos :
(-3, 0)
f :D 2

f ( x, y )  x 2  y 2  xy  x  y
D

D  ( x, y )  2
/ x  0; y  0; x  y  3
(0, -3)

1. Hallar los puntos críticos de f ( x, y ) en el interior de D

f x ( x, y )  2 x  y  1  0 
  3 y  3  0  y  1  x  1 (1, 1)  D
f y ( x, y )  2 y  x  1  0 

f xx ( x, y )  2 
 2 1
f yy ( x, y )  2    3  0 f xx (1, 1)  2  0  (1, 1)Mínimo
 1 2
f xy ( x, y )  f yx ( x, y )  1

2. Hallar los puntos en los que f ( x, y ) no es diferenciable en el interior de D

Es diferenciable (x,y)
28
3. Hallar los puntos críticos de f ( x, y ) en la frontera de D

La frontera está formada por tres rectas, vamos a estudiar la función en cada una de ellas:
I-) x  0 En esta recta la función se transforma en f ( x, y )  f (0, y )  f ( y )  y 2  y
La estudiamos como una función de una variable:
1 1
f '( y )  2 y  1  0  y  -  (0, - ) Candidato a extremo absoluto.
2 2
1
f ''( y )  2  0  (0, - ) Candidato a minimo absoluto.
2

II-) y  0 En esta recta la función se transforma en f ( x, y )  f ( x, 0)  f ( x)  x 2  x

La estudiamos como una función de una variable:
1 1
f '( x)  2 x  1  0  x  -  (- , 0) Candidato a extremo absoluto.
2 2
(-3, 0) (0, 0)
1
f ''( x)  2  0  (- , 0) Candidato a minimo absoluto.
2 D

(0, -3)
 III-) x  y  3 En la función sustituimos y  3  x y se transforma en
f ( x, y )  x 2  (3  x) 2  x(3  x)  x  (3  x)  3x 2  9 x  6.
La estudiamos como una función de una variable:
3 3 3 3
f '( x)  6 x  9  0  x  -  y  -  (- , - )
2 2 2 2
Candidato a extremo absoluto.
3 3
f ''( x)  6  0  (- , - ) Candidato a minimo absoluto.
2 2

A su vez cada una de estas rectas está definida dentro de un compacto

I- x  0 en [-3,0];
II- y  0 en [-3,0]....
Debo estudiar sus extremos, que se corresponden con los vértices del dominio D.
Esto añade 3 candidatos más: (0,0); (-3,0) y (0,-3).
30
4.Evaluar f en cada punto crítico del interior de D
(-1, -1)  f (-1, -1)  -1

6. Evaluar f en los puntos críticos de la frontera

1 1 1
(0, - )  f (0, - )  -
2 2 4
1 1 1
(- , 0)  f (- , 0)  -
2 2 4
3 3 3 3 3
(- , - )  f (- , - )  -
2 2 2 2 4
Vértices del dominio

(0, 0)  f (0, 0)  0
(-3, 0)  f (-3, 0)  6
(0, -3)  f (0, -3)  6

7. El más grande de esos valores es el máximo absoluto. El más pequeño es el mínimo.

(-3, 0)  f (-3, 0)  6 
 Máximos globales
(0, -3)  f (0, -3)  6 
31
(-1, -1)  f (-1, -1)  -1 Mínimo global
Determinación de extremos absolutos :
f :D 2

f ( x, y )  x 2  y 2  2 D

 y2 
D  ( x, y )  2
/x 
2
 1
 4 

1. Hallar los puntos críticos de f ( x, y ) en el interior de D

f x ( x, y )  2 x  0 
  (0, 0)  D
f y ( x, y )  2 y  0 

f xx ( x, y )  2 
 2 0
f yy ( x, y )  2    4  0 f xx (0, 0)  2  0  (0, 0)Mínimo
 0 2
f xy ( x, y )  f yx ( x, y )  0 

2. Hallar los puntos en los que f ( x, y ) no es diferenciable en el interior de D

Es diferenciable (x,y) 33
3. Hallar los puntos críticos de f ( x, y) en la frontera de D

La frontera es una elipse que debemos descomponer en dos funciones:

D
I-) y  2 1  x 2
Sobre esta curva la función original se transforma
f ( x, y )  f ( x, 2 1  x 2 )  f ( x)  x 2  (2 1  x 2 ) 2  2  3 x 2  6
La estudiamos como una función de una variable:
f '( x)  6 x  0  x  0  y  2 1  0 2  2  (0, 2) Candidato a extremo absoluto.
f ''( x)  6  0  (0, 2) Candidato a máximo absoluto.

II-) y  -2 1  x 2 Sobre esta curva la función original se transforma

f ( x, y )  f ( x, -2 1  x 2 )  f ( x)  x 2  (-2 1  x 2 ) 2  2  3 x 2  6
La estudiamos como una función de una variable:
f '( x)  6 x  0  x  0  y  -2 1  0 2  2  (0, 2) Candidato a extremo absoluto.
f ''( x)  6  0  (0, 2) Candidato a máximo absoluto.

De nuevo hemos de estudiar los "vertices" de la frontera. En este caso los "vertices" son los puntos
donde se unen dos curvas que limitan la frontera: (1, 0) y (-1, 0) 34
3. Hallar los puntos críticos de f ( x, y ) en la frontera de D (Opción II )

La frontera es una elipse que podemos parametrizar:

y2  x  cos t
x 
2
 1 
" polares "
  f ( x, y )  f (t )  cos 2 t  4sen 2 t  2
4  y  2  sent

Hallamos los extremos de f (t )

f (t )  cos 2 t  4sen 2 t  2  (1  sen 2 t )  4sen 2 t  2  3  3sen 2 t

 t  0  ( x, y )  (1, 0)

 t    ( x, y )  (0, 2)
D

 2
f '(t )  6  sent  cos t  0  
 t    ( x, y )  (-1, 0)
 3
t   ( x, y )  (0, -2)
 2

La ventaja de parametrizar usando una sola función es que no necesitamos estudiar

35
de modo particular los "vértices" de la región.
4.Evaluar f en cada punto crítico del interior de D
(0, 0)  f (0, 0)  2

6. Evaluar f en los puntos críticos de la frontera

(0, 2)  f (0, 2)  4
(0, -2)  f ( 0, -2)  4

Vértices del dominio

(1, 0)  f (0, 0)  3
(-1, 0)  f (-2, 0)  3

7. El más grande de esos valores es el máximo absoluto. El más pequeño es el mínimo.

(0, 2)  f (0, 2)  4 
 Máximos globales
(0, -2)  f ( 0, -2)  4 

(0, 0)  f (0, 0)  2 Mínimo global 36

 1  x2 y2
dz  3 dx  2 dy
2z 1 2z 1
(1, 2, 2), (1, 2,1) (rama superior)
dz  0  ( x, y )  (1, 2)  
z ( x, y ) 
1  4( x3  y 2  3x  4 y  8)  1  (1, 2, 3), (1, 2, 2) (rama inferior)
2
6x 2 2
d 2z   dx 2  dy 2  dz
2z 1 2z 1 2z 1
6 2
d 2 z (1, 2, 2)   dx 2  dy 2 (punto de silla)
5 5
2
d 2 z (1, 2,1)  2dx 2  dy 2 (mínimo relativo)
3
1  4( x3  y 2  3x  4 y  8)  1 6 2
z ( x, y )  
2 d 2 z (1, 2, 3)  dx 2  dy 2 (punto de silla)
5 5
2
d 2 z (1, 2, 2)  2dx 2  dy 2 (máximo relativo)
3

x 3  y 2  3x  4 y  z 2  z  8  0
 du (1, 0)  dx  dy

(u , v)  f ( x, y )  ( x  y, e )  
xy

 dv (1, 0)  ye xy
dx  xe xy
dy  dy
 (1,0)

dF (1, 0)  dg ((1,1);(du (1, 0), dv(1, 0))  0

d 2 F (1, 0)  d 2 g ((1,1);(du (1, 0), dv(1, 0))  g (1,1)  ( d 2u (1, 0), d 2v(1, 0) 
5du 2 (1, 0)  10du (1, 0) dv(1, 0)  6dv 2 (1, 0)  5(dx  dy ) 2  10(dx  dy )dy  6dy 2 
 5 10   dx 
5dx  20dxdy  21dy  (dx, dy ) 
2 2
 
10 21  dy 
matriz Hessiana

5 10 
 5  0
  d F (1, 0) definida positiva  (1,0) mínimo relativo
2
10 21
Fxx (1, 0)  5  0 

 x  y 1

(  5/8 , 3/8 ) ( 5/8 , 3/8 )

(  5/8 ,  3/8 ) ( 5/8 ,  3/8 )

Como f (0, 0)  0, f tiene signo constante en un entorno U de (0,0). Pero xyf ( x, y ) no tiene
signo constante en U  xyf ( x, y ) no puede tener un extremo relativo en (0,0). Si f ( x, y )  0 no
se puede asegurar nada).

z  x 2 y  x 2  2 y 2  5.
 (0, 0)
Puntos críticos z  (2 xy  2 x, x  4 y )  (0, 0)  
2

(2,1)
 2 y  2 2x 
Hz ( x, y )   
 2 x 4 
 2 0
Hz (0, 0)     (0, 0) máximo relativo
 0 4 
 0 4 
Hz (2,1)     H (2,1)  16  ( 2,1) puntos de silla
 4 4 
df (1, 0, 0)  ( yz  2 x  2)x  ( xz  2 y)y  ( xy  2 z ) z (1,0,0)  0  (1, 0, 0) es punto crítico.
d 2 f (1, 0, 0)  2x 2  2 z xy  2 yxz  2y 2  2 xyz  2 z 2  2x 2  2y 2  2yz  2z 2
(1,0,0)

 2 0 0
 
 0  (x, y, z )  (0, 0, 0) ( Hf (1, 0, 0)   0 2 1  tiene autovalores 1,2,3 todos positivos)
 0 1 2
 
 (1, 0, 0) es mínimo relativo estricto
 f ( x, y )  3 x 2  x 3  y 2 .
(0,0) mínimo relativo estricto
Puntos críticos  2
 (2,0) d f indefinida
f (0, 0)  0 
  (0, 0) no es mínimo absoluto
f (4, 0)  16 

f (2  x, 0)  4  3 x 2  x 3  máximo local eje x 

  (2,0) punto de silla
f (2, y )  4  y 2  mínimo local eje y 

z sen ( x 2  y 2 )
 Mínimos relativos estrictos (z  0) en x 2  y 2  n , n 
 Máximos relativos estrictos (z  1) en x 2  y 2  (2n  1) / 2, n 
EXTREMOS CONDICIONADOS.
Método de los multiplicadores de Lagrange
• Hasta ahora hemos calculado extremos de funciones «libres», sin
restricciones. Vamos a plantear problemas de obtención de extremos, de
manera que estos cumplan determinadas condiciones.
• Estos problemas se presentan en multitud de campos. Por ejemplo
(Economía) nos puede interesar maximizar el beneficio, teniendo en
cuenta las restricciones impuestas por el precio de las materias primas, la
política medioambiental responsable, etc.. o (Aeronáutica) determinar la
distancia máxima recorrida por un avión, sabiendo su carga mínima de
combustible, el número de pasajeros, etc...

Ej. Determinar los extremos de la función: f ( x, y, z )  x 2  y 2  z 2

, verificando x  y  2.z  1. La función dada, en principio, es de tres
variables, pero se reduce fácilmente a una función de dos variables:
x 1  2 z  y
f ( y, z )  (1  2 z  y ) 2  y 2  z 2  2 y 2  5 z 2  4 yz  2 y  4 z  1

Que se resuelve como hemos visto hasta ahora.

Sin embargo este procedimiento no es normalmente tan fácil, incluso puede
no ser posible. Por ejemplo:

Determinar la mínima distancia del punto P(1, 0) a la parábola y2  4x

Se trata de obtener el mínimo de la función distancia, o lo que es equivalente,
el mínimo de su cuadrado; es decir, de la función:

f ( x, y)  ( x  1) 2  y 2
con la ligadura y2  4x
Sustituyendo: f ( x)  ( x  1)  4 x
2

Si ahora derivamos la función: f ' ( x)  2( x  1)  4  0  x   1

El valor correspondiente de y es

y 2  4x  y 2   4 IMPOSIBLE!!!
Sea f ( x, y) : D  R 2  R una función de la que quiero conocer sus
extremos condicionados a que g ( x, y)  0; g : D  R 2  R , ambas
funciones son de clase C 1.

Veamos las condiciones

necesarias para que un punto ( x0 , y0 )

sea extremo de la función f ( x, y )

cumpliendo la restricción g ( x0 , y0 )  0.

( x0 , y0 )
g ( x, y )  0
Recordatorio
Teorema función implícita (Ia) : F : C  2

Sea F ( x, y ) C 1 (continua con derivadas parciales continuas  diferenciable)

F ( x, y )  a define implícitamente y como función de x,

 F ( x0 , y0 )  a
y  f ( x), en un entorno centrado en ( x0 , y0 ) si 
 Fy( x0 , y0 )  0

Además, si se cumple lo anterior, utilizando la regla de la cadena obtenemos

dF ( x, y ) dx dy
F ( x, y )  a  F ( x, y ( x))  a   Fx( x, y )  Fy( x, y )  0 
dx dx dx
Fx( x, y )
 
 Fx ( x, y )  Fy ( x, y ) y '( x)  0  y '( x)   en un entorno de( x0 , y0 )

Fy ( x, y )
Fx( x, y )
y  f ( x) es derivable en ese entorno y y '( x)  
Fy( x, y )
y  f ( x) es de clase C 1 , y si F de clase C n  f es de clase C n
 f ( x, y ) g ( x0 , y0 )  0.
Supongo que g ( x0 , y0 )  0 ,y como g ( x0 , y0 )  0 por el

teorema de la función implícita g ( x, y ) define y   (x )

 g x ( x0 , y0 )
y '   x ( x) 
( x0 , y0 )
Además como g es de clase C 1 g ( x, y )  0
g y ( x0 , y0 )

Si sustituimos la función implícita y   (x ) en la definición de la función f ( x, y )

f ( x, y )  f ( x,  ( x))  z ( x) función que depende únicamente de x

Si ( x0 , y0 )  ( x0 ,  ( x0 )) es un extremo de f ( x,  ( x )) debe cumplir z '( x)  0

 Aplicando la regla de la cadena

df ( x0 ,  ( x0 )) f ( x0 ,  ( x0 )) f ( x0 ,  ( x0 ))  ( x0 )
z '( x)   
dx x  x
como y   ( x)  z ' 
f ( x0 , y0 ) f ( x0 , y0 )  ( x0 )

( x0 , y0 )
g ( x, y )  0

x y x

 ( x0 )
Por otra parte podemos sustituir el valor de  ' ( x0 )  resultando
x
f ( x0 , y0 ) f ( x0 , y0 )  g x ( x0 , y0 ) al ser ( x , y ) extremo:
z'   0 0
x y g y ( x0 , y0 )

f ( x0 , y0 ) f ( x0 , y0 )   g x ( x0 , y0 ) 
 0

x y  g (x , y ) 
 y 0 0 
 f ( x0 , y0 ) f ( x0 , y0 )   g x ( x0 , y0 ) 
 0

x y  g (x , y ) 
 y 0 0 

f x ( x0 , y0 ) f y ( x0 , y0 )
Operando:  
g x ( x0 , y0 ) g y ( x0 , y0 )

Con lo cual para que un punto sea crítico es necesario:

(1) Que en el punto los vectores gradientes de la ( x0 , y0 )
función y de la restricción sean proporcionales. g ( x, y )  0

f ( x0 , y0 )   g ( x0 , y0 )

A la constante de proporcionalidad 
se la conoce como
multiplicador de Lagrange asociado a la restricción

(2) Y obviamente, que el punto pertenezca a la restricción

g ( x0 , y0 )  0
Geométricamente:
f ( x0 , y0 )   g ( x0 , y0 )

( x0 , y0 )
¿Cómo operar?:

Si se quieren determinar los puntos extremos de una función f ( x, y ) sometida

a una restricción g ( x, y )  0 , construiremos la función de Lagrange

F ( x, y,  )  f ( x, y )    g ( x, y ) ,función de tres variables, siendo  el

multiplicador de Lagrange.

Si F ( x, y,  ) es de clase C 1 y si aplicamos F ( x, y,  )  0 obtenemos:

F f g 
   0
x x x


F f g 
   0  f    g 
y y y   
 g ( x, y )  0 

F
 g ( x, y )  0 
 


 CONDICIONES SUFICIENTES.

Una vez encontrados los candidatos ( x0 , y0 , 0 )  F ( x0 , y0 , 0 )  0 vamos a

clasificarlos. Para ello determinamos la matriz Hessiana de la función de
Lagrange particularizada en esos puntos:
F~( x, y)  F ( x, y, 0 )  f ( x, y)  0  g ( x, y)
~ ( x , y ) F~ ( x , y )
F
det H F~ ( x0 , y0 )    ~
xx 0 0 xy 0 0

Fxy ( x0 , y0 ) F~yy ( x0 , y0 )

Aplicamos las condiciones de clasificación ya estudiadas:

• det H F ( x0 , y0 )    0 ; Fxx ( x0 , y0 )  0
~ ~
mínimo relativo

• det H F ( x0 , y0 )    0 ; Fxx ( x0 , y0 )  0
~ ~
máximo relativo

En los demás casos el criterio no concluye nada y debemos aplicar la

definición. (OJO!!! CUMPLIENDO LA RESTRICCIÓN)
Si la función es de tres variables y tiene una restricción la manera de proceder
es la misma. Para el caso de dos ligaduras la función de Lagrange se escribe:

F ( x , y , z ,  ,  )  f ( x , y , z )    g ( x , y , z )    h ( x, y , z )
Aplicando las condiciones necesarias de primer orden obtenemos el sistema
que proporciona los extremos

F f g h 
    0
x x x x

F f g h
    0 El sistema equivale a imponer que el
y y y y 
 gradiente de f ( x, y, z ) sobre un punto de
F f g h
    0 la curva de ligadura (intersección de las
z z z z  superficies de ligadura) sea combinación
F  lineal de los vectores normales a las
 g ( x, y , z )  0 
 
superficies de ligadura
F 
 h ( x, y , z )  0
 
Determinación de extremos condicionados :
f :D 2 
f ( x, y )  2  sen x  sen y condicionado a
g ( x, y )  3 x 2  3 y 2  2 xy  2 x  4 y  1  0

Visualización Geométrica 74
3 x 2  3 y 2  2 xy  2 x  4 y  1  0 
T.F.Implicita
y  h( x )
f ( x, h( x) )  2  sen( x)  sen( h( x) )
3 x 2  3 y 2  2 xy  2 x  4 y  1  0 
T.F.Implicita
y  h( x )
f ( x, h( x) )  2  sen( x)  sen( h( x) )
En los extremos se verifica f ( x0 , y0 )   g ( x0 , y0 )
En los extremos se verifica f ( x0 , y0 )   g ( x0 , y0 )
Ejercicio JUNIO 08.
Hallar los puntos de la curva de nivel f ( x, y )  x 2  y 2  xy  3
cuya distancia al origen es mínima/máxima.
Función a minimizar/maximizar D( x, y )  x 2  y 2 (distancia al cuadrado)
Restricción f ( x, y )  x 2  y 2  xy  3
Función de Lagrange: F ( x, y,  )  D( x, y )   f ( x, y )  x 2  y 2    x 2  y 2  xy  3 
1ª Ecuación
 2 x   (2 x  y )  0   2 x  2 x  y x
 2 x y  2 y  (2 y  x )  0  
F ( x, y,  )  0  2 y   (2 y  x)  0   2x  y   2 y  x 2x  y 
 x 2  y 2  xy  3  x 2  y 2  xy  3  x 2  y 2  xy  3
  
  x y I
 2 xy  y 2
 2 xy  x 2
 
  x   y II
 x 2  y 2  xy  3

x y  x  1 x y
y 1
I) x  y  xy  3  3 x  3  
2 2 2
x y
 x  -1  y  -1
x  y

 x  3 
x  y
 y- 3
II) x  y  xy  3 
2 2
x 3 
2
x  y
 x  - 3 
  y 3
D(1,1)  2  D( 3,  3)  6 

 Mín. distancia  Máx. distancia
D(1, 1)  2  D( 3, 3)  6 
f ( x, y)  x 2  y 2  xy
f ( x, y)  x 2  y 2  xy  3
D ( x, y )  x 2  y 2
Distancia al origen (al cuadrado)
Los gradientes de la funcion a minimizar/maximizar D( x, y )  x 2  y 2 y de la
restricción f ( x, y)  x 2  y 2  xy  3 son proporcionales en los extremos condicionados

Mínima distancia
Máxima distancia