14.

1) Encuentre la derivada direccional de

f ( x , y )=x 2+ 2 y 2
Si x=2 y y=2, en la dirección de h=2i+3 j .

Solución. Considere la función

f ( x , y )=x 2+ 2 y 2
La derivada direccional de la función f es
D u f =grad f . u
Las derivadas parciales de f ( x , y ) con respecto a x , y son:
∂f ∂f
=2 x , =4 y
∂x ∂y
Por tanto, la derivada parcial en el punto (2,2) es
∂f
=2 x=2 ( 2 )=4
∂x
∂f
=4 y =4 ( 2 ) =8
∂y
El ángulo en la dirección de h=2i+3 j es

θ=tan −1 ( yx )=tan ( 32 )=56.30 °

−1

El vector unitario en la dirección h=2i+3 j está dado por u⃗ =⟨ cos θ , sen θ ⟩ entonces la
derivada direccional es
D u=4 cos θ+ 8 sen θ=4 cos ( 56.30° )+ 8 sen ( 56.30 ° )=8.875

14.2) Repita el ejemplo 14.2 para la función siguiente, en el punto (0.8, 1.2)
f ( x , y )=2 xy+1.5 y −1.25 x 2−2 y 2 +5
Solución. Con el gradiente evaluamos la dirección de máxima pendiente para la función
f (x , y ). La elevación se determina así
2 ( 0.8 ) ( 1.2 )+ (1.5 )( 1.2 )−1.25 ( 0.8 )2 −2 ( 1.2 )2 +5=5.04
Ahora se evalúan las derivadas parciales de la función f (x , y ) en (0.8,1.2)
∂f
=2 y−2.5 x=2 ( 1.2 )−2.5(0.8)=0.4
∂x
∂f
=2 x +1.5−4 y=2 ( 0.8 )+1.5−4 ( 1.2 )=−1.7
∂y
La dirección que debe tomarse es

θ=tan −1 ( yx )=tan ( −1.7

0.4 )
−1
=tan −1
(−4.25 )=¿−76.76° ¿

Respecto al eje x . La pendiente en esta dirección, que es la magnitud de ∇ f , se calcula

así:
2 2
√ ( 0.4 ) +(−1.7 ) =√ 3.05=1.7464 .
 Así durante el primer paso inicialmente se ha ganado 1.7464 unidades de aumento de
elevación por unidad de distancia recorrida a lo largo de esta trayectoria con la mayor
pendiente
∂f ∂f
g' ( 0 ) = cosθ+ senθ=0.4 cos (−76.76 ° )−1.7 sen (−76.76 ° )=1.7464
∂x ∂y
Conforme se mueve hacia adelante cambian tanto la dirección como la magnitud de la
trayectoria de mayor pendiente. Estos cambios se pueden cuantificar a cada paso
mediante el gradiente y la dirección de ascenso se modifica de acuerdo con ello.

14.3) Dada
f ( x , y )=2.25 xy+ 1.75 y −1.5 x 2−2 y 2
Construya y resuelva un sistema de ecuaciones algebraicas lineales que maximice f ( x ).
Observe que esto se logra por medio de igualar a cero las derivadas parciales de f con
respecto tanto de x como de y .
Solución. Haciendo las derivadas parciales de f con respecto a x , y tenemos

∂f
=−3 x +2.25 y
∂x
∂f
=2.25 x +1.75−4 y
∂y
Igualando a cero ambas derivadas parciales obtenemos el siguiente sistema de ecuaciones
lineales

−3 x+ 2.25 y =0(1)
2.25 x−4 y=−1.75(2)
Multiplicando la ecuación (1) por 3 y la ecuación (2) por 4, y eliminado x obtenemos

−9 x +6.75 y=0
9 x−16 y=−7
Por lo tanto
−7
−9.25 y=−7 → y= =0.756
−9.25
Reemplazando y=0.756 en (1) obtenemos
1.701
−3 x=−1.701 → x= =0.567
3
Por lo tanto el valor optimo que maximiza la función está en el punto (0.567, 0.756) y el
valor de f (x , y ) en este punto está dado por
f ( 0.567 ,0.756 )=0.662

14.4) Comience con un valor inicial de x=1 y y=1, y realice dos aplicaciones del método de
ascenso de máxima inclinación para f (x , y ), como en el problema 14.3.
 Solución. Usando el método de ascenso de máxima inclinación tenemos que

∂f
(1,1 ) =2.25−3=−0.75
∂x
∂f
( 1,1 )=2.25+1.75−4=0
∂y
Por lo tanto el vector gradiente es ∇ f =−0.75 i
Para encontrar el máximo se busca en la dirección del gradiente; es decir, a lo largo del eje
h que corre en la dirección de este vector. La función se expresa a lo largo de este eje
como
∂f ∂f
(
f x 0+
∂x
h , y0 +
∂y
h)
En x 0=1 , y 0=1, por lo tanto
∂f
=2.25 ( 1 )−3 ( 0.625 ) =0.375
∂x
∂f
=−0.84357
∂y
Por lo tanto el gradiente de f está dado por ∇ f =0.375i−0.843 j , esto implica que
x=0.625+ 0.375h
y=1−0.843 h
La función evaluada en este punto está dada por
f ( 0.625+ 0.375 h ,1−0.843 h )=g ( h ) =−2.3435 h2 +0.8519 h+0.5703
Por lo tanto
−0.8519
g' ( h¿ ) =0 → g' ( h¿ )=−4.687 h+0.8519=0→ h¿ = =0.1817
−4.687
En este caso

x=0.625+ 0.375 ( 0.1817 )=0.6931

y=1−0.843 ( 0.1817 )=0.8468
El procedimiento se puede repetir con más iteraciones y se obtiene un resultado final que
converge a la solución analítica hecha en el ejercicio 14.3 dada en el punto (0.567, 0.756),
en el cual la función tiene un máximo.

14.5 ) Encuentre el vector gradiente y la matriz hessiana para cada una de las funciones siguientes
a) f ( x , y )=2 x2 +3 e xy
Solución. La matriz hessiana está dada por:
∂2 f ∂2 f

( )
H= ∂ x2
2
∂x ∂ y
∂ f ∂2 f
∂ y ∂ x ∂ y2
Donde.
∂2 f 2
2 xy ∂ f 2 xy
2
=3 y e , 2
=4 x +3 x e
∂x ∂y
2
∂ f xy xy ∂2 f xy xy
=4 y+3 xy e +3 e , =4 y +3 xy e +3 e
∂x ∂ y ∂ y∂ x
Por lo tanto
3 y 2 e xy 4 y+ 3 xy e xy +3 e xy
H=
( 4 y +3 xy e xy + 3 e xy 4 x +3 x2 e xy )
Por otra parte el vector gradiente está dado por
∂f

∂f
∂y
( )( 2

4 xy+ 3 x e
xy
∇ f = ∂ x = 2 y +3 y e xy
)
b) f ( x , y , z )=x 2 + y 2+ 2 z 2
Solución. El hessiano está dado por

∂2 f ∂2 f ∂2 f

( )
∂ x2 ∂x ∂ y ∂ x∂ z
2 0 0
∂2 f ∂2 f ∂2 f
H=
∂ y∂ x
∂2 f
∂ y2
∂2 f
∂ y ∂z
∂2 f
=0 2 0
0 0 4 ( )
∂ z∂ x ∂ z∂ y ∂ z2

Por otra parte el vector gradiente está dado por

∂f

()
∂x
2x
∇f=
∂f
∂y
∂f
= 2y
4z ()
∂z
c) f ( x , y )=ln ⁡(x2 +2 xy +3 y 2)
Solución. El hessiano está dado por

∂2 f ∂2 f
−2 x 2−4 xy +2 y 2 −2 x 2−12 xy−6 y 2 2

( )(
H= ∂ x2
2
∂x ∂ y
∂ f ∂2 f
∂ y∂ x ∂ y 2
= 2 2

¿
2 2 2
( x ¿ ¿ 2+2 xy +3 y ) ¿ ( x +2 xy +3 y )
2 x −12 xy −18 y 2 ¿
( x 2
+2 xy +3 y 2 2
) )
 Por otra parte el vector gradiente está dado por
∂f 2 x+2 y

( )(
∂f
∂y
2
∇ f = ∂ x = x +2 xy +3 y
6 y +2 x
2

x +2 xy +3 y 2
2 )
14.6) Encuentre el valor mínimo de
2 2
f ( x , y )=( x−3 ) + ( y−2 )
Comience con x=1 y y=1, utilice el método de descenso de máxima inclinación con un
criterio de detención de ε s=1 %. Explique sus resultados.

Solución. Usando el método de descenso de máxima inclinación tenemos que

∂f ∂f
=2 ( x−3 ) = ( 1,1 )=2(1−3)=−4
∂x ∂x

∂f ∂f
=2 ( y −2 )= ( 1,1 )=2(1−2)=−2
∂y ∂y
Por lo tanto el vector gradiente de descenso es
−∇ f =4 i+2 j
Para encontrar el mínimo se busca en la dirección del gradiente; es decir, a lo largo del eje
h que corre en la dirección de este vector. La función se expresa a lo largo de este eje
como
∂f ∂f
(
f x 0+
∂x
h , y0 +
∂y
h )
Por tanto
f ( 1+ 4 h , 1+ 2h )=( 1+4 h−3 )2+ ( 1+2 h−2 )2
Luego
g ( h )=20 h2−20 h+5
¿
Ahora localizamos de forma directa el mínimo, es decir h=h , para esto
20
g '( h¿¿ ¿)=0 → 40 h−20=0 → h¿ = =0.5 ¿
40
Por tanto
x=1+ 4 ( 0.5 )=3
y=1+2 ( 0.5 ) =2
La función f (x , y ) evaluada en el punto (3,2), da como resultado
f ( 3,2 ) =02 +02=0
Por lo tanto f ( x , y ) converge en una sola iteración, el valor mínimo está en el punto (3,2).

14.7) Efectúe una iteración del método de ascenso de máxima inclinación para localizar el máximo
de
f ( x , y )=6.4 x +2 y+ x 2−2 x 4 +2 xy−3 y 2
Con los valores iniciales de x=0 y y=0. Emplee bisección para encontrar el tamaño óptimo
de paso en la dirección de la búsqueda del gradiente.
Solución. Usando el método de descenso de máxima inclinación tenemos que
∂f ∂f
=−8 x 3 +2 x+2 y +6.4 → ( 0,0 )=6.4
∂x ∂x

∂f ∂f
=2 x +2−6 y → ( 0,0 )=2
∂y ∂y
Por lo tanto el vector gradiente de descenso es
∇ f =6.4 i+ 2 j
Para encontrar el máximo se busca en la dirección del gradiente; es decir, a lo largo del eje
h que corre en la dirección de este vector. La función se expresa a lo largo de este eje
como
∂f ∂f
(
f x 0+
∂x
h , y0 +
∂y
h )
Por tanto
f ( 0+ 6.4 h , 0+2 h )=−3355.4432h 4 +54.56 h2 +10.4 h
Luego
g ( h )=−3355.4432h 4 +54.56 h2 +10.4 h
¿
Ahora localizamos una aproximación al punto máximo, para esto h=h
g '( h¿¿ ¿)=0 → g ' ( h ¿ )=−13421.7728 h3 +109.12 h+10.4=0 ¿
Empleamos método de bisección para encontrar el tamaño óptimo de paso en la dirección
de la búsqueda del gradiente en la ecuación
g ' ( h¿ )=−13421.7728 h3 +109.12 h+10.4=0
¿
De la siguiente gráfica podemos ver que g ' ( h ) tiene una raíz entre [0, 0.5]
 En la siguiente tabla de Excel se muestran los cálculos de la bisección en dicho intervalo

Iteración hi hu hr f(hi) f(hr) f(hi)f(hr) Ea

1 0 0,5 0,25 10,4 -172,0352 -1789,1661
2 0 0,25 0,125 4,5 4,8046875 21,6210938 1
3 0,125 0,25 0,1875 4,8046875 4,95117188 23,7888336 0,333333333
4 0,1875 0,25 0,21875 4,95117188 5,02294922 24,8694849 0,142857143
5 0,21875 0,25 0,234375 5,02294922 5,05847168 25,4084464 0,066666667
6 0,234375 0,25 0,2421875 5,05847168 5,07614136 25,6775173 0,032258065
7 0,2421875 0,25 0,24609375 5,07614136 5,08495331 25,8119418 0,015873016
8 0,24609375 0,25 0,24804688 5,08495331 5,08935356 25,8791252 0,007874016
9 0,24804688 0,25 0,24902344 5,08935356 5,09155226 25,9127096 0,003921569
10 0,24902344 0,25 0,24951172 5,09155226 5,09265125 25,9295 0,001956947
11 0,24951172 0,25 0,24975586 5,09265125 5,09320065 25,9378947 0,000977517
12 0,24975586 0,25 0,24987793 5,09320065 5,09347533 25,9420919 0,00048852
13 0,24987793 0,25 0,24993896 5,09347533 5,09361267 25,9441905 0,0002442
14 0,24993896 0,25 0,24996948 5,09361267 5,09368133 25,9452398 0,000122085
15 0,24996948 0,25 0,24998474 5,09368133 5,09371567 25,9457644 6,10389E-05
Por lo tanto el tamaño óptimo de paso en la dirección de la búsqueda del gradiente en la
ecuación
g ' ( h¿ )=−13421.7728 h3 +109.12 h+10.4=0
Está dado por
h¿ =0.24998474
Por tanto
x=0+ 6.4 ( 0.24998474 ) =1.59990234
y=0+2 ( 0.24998474 )=0.49996948
Así una primera iteración arroja que una primera aproximación donde f (x , y ) tiene un
máximo es el punto ( x ¿ ¿ 1 , y 1 )=(1.59990234 ,0.49996948) ¿, el valor de la función en
ese punto es
f (x ¿ ¿1 , y 1)=f ( 1.59990234 , 0.49996948 )=1.54489742 ¿

14.8) Realice una iteración del método de descenso de máxima inclinación del gradiente óptimo,
para localizar el mínimo de
f ( x , y )=−8 x + x 2+12 y +4 y 2−2 xy
Utilice valores iniciales de x=0 y y=0.
Solución. Usando el método de descenso de máxima inclinación tenemos que
∂f ∂f
=−8+2 x−2 y = ( 0,0 ) =−8
∂x ∂x

∂f ∂f
=12+ 8 y−2 x = ( 0,0 )=12
∂y ∂y
Por lo tanto el vector gradiente de descenso es
−∇ f =8 i−12 j
Para encontrar el mínimo se busca en la dirección del gradiente; es decir, a lo largo del eje
h que corre en la dirección de este vector. La función se expresa a lo largo de este eje
como
∂f ∂f
(
f x 0+
∂x
h , y0 +
∂y
h )
Por tanto
f ( 0+ 8 h , 0−12 h )=f ( 8 h ,−12 h ) =832 h2−208 h
Luego
g ( h )=832h 2−208 h
¿
Ahora localizamos de forma directa el mínimo, es decir h=h , para esto
208
g '( h¿¿ ¿)=0 →1664 h−208=0 → h¿= =0.125¿
1664
Por tanto
x=0+ 8 ( 0.125 )=1
y=0−12 ( 0.125 )=−1.5
La función f (x , y ) evaluada en la primera aproximación dada en el punto (1,-1.5), da
como resultado
f ( 1 ,−1.5 )=−13