Tema 4

Cálculo diferencial de funciones de varias variables

Aitor Gozalo Julia Navarro

22394 - Matemáticas II - Cálculo

Grado de Ingenierı́a Electrónica Industrial y Automática
Curso 2021/2022

1 / 40
Tema 4: Cálculo diferencial de funciones de varias variables

1. Introducción a funciones de varias variables

2. Derivadas parciales
3. Optimización

2 / 40
Introducción a funciones de varias variables

• La función real de variable real se usa para representar magnitudes escalares.

• Magnitudes escalares: aquellas representables por una escala numérica, en la que
cada valor especı́fico acusa un grado mayor o menor de la escala.
• Es suficiente con saber su valor numérico (con su unidad correspondiente) para
conocer su efecto.
• Ejemplos: temperatura, masa, longitud,...

3 / 40
Introducción a funciones de varias variables

• Las magnitudes vectoriales involucran mucha más información, requiriendo

frecuentemente un sentido o una dirección especı́fica dentro de un sistema de
coordenadas.
• Ejemplos: posición, velocidad, campo eléctrico,...
• En estos casos se usa el vector como representación de la magnitud. Además de un
módulo, tienen una dirección y un sentido.

Definición
~ : R → Rn como
Definiremos una función vectorial de variable real V

(V1 (t), V2 (t), ..., Vn (t))

Cada una de las componentes de la función vectorial Vi es una un función real de

variable real Vi : R → R, para i = 1, 2, ..., n.

• Consecuencia: todo lo que sabemos de cálculo es válido.

4 / 40
Introducción a funciones de varias variables

~ (t) = (V1 (t), V2 (t), ..., Vn (t)).

Consideraremos V

Proposición
~ (t) es continua si, y sólo si, Vi (t), i = 1, ..., n, son continuas.
V

Definición
• La derivada de V
~ (t) se define como

dV~ (t) 
dV1 (t) dV2 (t) dVn (t)

= , , ...,
dt dt dt dt

• La integral de V
~ (t) se define como
Z b Z b Z b 
~ (t)dt =
V V1 (t)dt, ..., Vn (t)dt
a a a

5 / 40
Introducción a funciones de varias variables
• Muchos fenómenos de la vida real necesitan considerar varias variables de manera
simultánea.
• Por ejemplo, el volumen de una caja rectangular de dimensiones x, y , z es V = xyz.
Tendrı́amos en este caso una función real de tres variables reales.

Definición
Una función real de n variables reales f : Rn → R es una correspondencia que asigna a
cada (x1 , ..., xn ) un único valor u = f (x1 , ..., xn ) ∈ R.

• Las variables x1 , ..., xn son variables independientes y u = f (x1 , ..., xn ) es la variable

dependiente.

Ejemplo
1. f1 (x, y ) = x + y 2
2. f2 (x, y , z, v ) = x + y − v 2
3. f3 (x, y ) = −x 2 y 5 + y − xy 3
x3y 4
4. f4 (x, y ) = x 5 −y 2

6 / 40
Introducción a funciones de varias variables

Se extienden de manera natural las definiciones de dominio y recorrido vistas en el tema 2

Definición
• Se define el dominio de una función como el conjunto de puntos para los que la
función está definida

Dom(f ) = {(x1 , x2 , ..., xn ) ∈ Rn /∃f (x1 , x2 , ..., xn )}

• Se define el recorrido o imagen de una función como el conjunto de valores que
toma la función

Im(f ) = {f (x1 , x2 , ..., xn )/∃(x1 , x2 , ..., xn ) ∈ Rn }

7 / 40
Introducción a funciones de varias variables

Las funciones de dos variables también se pueden representar gráficamente. La gráfica es

el conjunto de puntos de la forma (x, y , z), donde z = f (x, y ) y (x, y ) pertenece al
dominio de f . Geométricamente, es una superficie en el espacio, y z = f (x, y ) es la
ecuación de forma explı́cita de dicha superficie.

El dominio de f es la proyección sobre el plano XY de la superficie f (x, y ).

8 / 40
Introducción a funciones de varias variables
Ejemplo
La ecuación
p
z 2 = 9 − x 2 − y 2 ⇐⇒ (x − 0)2 + (y − 0)2 + (z − 0)2 = 3,

representa el conjunto de los puntos del espacio que distan 3 unidades del origen. Se
trata de la esfera de centro el origen y radio 3. La función considerada es positiva, z ≥ 0,
su gráfica es la semiesfera, con z positiva, de centro el origen y radio 3.

Observación
Se puede obtener una idea de la superficie z = f (x, y ) a través de sus curvas de nivel,
curvas de la superficie donde el valor de f (x, y ) permanece constante, f (x, y ) = c, siendo
c una constante arbitraria; gráficamente se obtienen cortando la superficie que representa
a la función por planos paralelos a OXY de ecuación z = c.
9 / 40
Introducción a funciones de varias variables

A modo de resumen:
• Función real de variable real:
f :R→R
• Funciones vectoriales:
~ : R → Rn
V
• Funciones reales de un vector o campos escalares:

φ : Rn → R
• Funciones vectoriales de un vector o campos vectoriales:

F : Rn → Rm

10 / 40
Campos escalares
• Recordemos que un campo escalar φ : Rn → R, asocia cada vector
~
x = (x1 , x2 , ..., xn ) un número real φ(~
x ).
• Si n = 2, podemos representar el campo escalar gráficamente en R3 mediante los
puntos (x1 , x2 , φ(x1 , x2 )) o las curvas de nivel φ(x1 , x2 ) = c, con c una constante
arbitraria.

Definición
En el caso de dos variables, diremos que

lim φ(x, y ) = L
(x,y )→(a,b)

siempre que φ(x, y ) se acerque arbitrariamente a un número L cuando (x, y ) tiende a

(a, b) por cualquier lado.

Ejemplo
1. lim (x 2 + y 2 ) = 02 + 02 = 0.
(x,y )→(0,0)

2. lim (x 2 + y 2 ) = 42 + (−3)2 = 25.

(x,y )→(4,−3)

3. lim x 2 y = (−1)2 2 = 2
(x,y )→(−1,2)

11 / 40
Campos escalares

Proposición
Si a es una constante y si

lim f (x, y ) = L1 , y lim g (x, y ) = L2 ,

(x,y )→(x0 ,y0 ) (x,y )→(x0 ,y0 )

siendo L1 , L2 ∈ R, entonces:
1. lim (f (x, y ) + g (x, y )) = lim f (x, y ) + lim g (x, y ) = L1 + L2
(x,y )→(x0 ,y0 ) (x,y )→(x0 ,y0 ) (x,y )→(x0 ,y0 )

2. lim af (x, y ) = a lim f (x, y ) = aL1

(x,y )→(x0 ,y0 ) (x,y )→(x0 ,y0 )
  
3. lim (f (x, y )g (x, y )) = lim f (x, y ) lim g (x, y ) = L1 L2
(x,y )→(x0 ,y0 ) (x,y )→(x0 ,y0 ) (x,y )→(x0 ,y0 )

lim f (x, y )
f (x, y ) (x,y )→(x0 ,y0 ) L1
4. lim = = , suponiendo que L2 6= 0.
(x,y )→(x0 ,y0 ) g (x, y ) lim g (x, y ) L2
(x,y )→(x0 ,y0 )

12 / 40
Campos escalares
Observación
• La aproximación se puede hacer de infinitas formas.
• Si el valor L del lı́mite no es el mismo para todas las trayectorias, entonces el lı́mite
no existe.

Ejemplo
El lı́mite no existe
x2 − y2
lim .
(x,y )→(0,0) x2 + y2
Si nos aproximamos siguiendo el eje x positivo (x > 0 e y = 0) el lı́mite vale 1. Si nos
aproximamos siguiendo el eje y positivo (y > 0 y x = 0) el lı́mite vale −1.
13 / 40
Campos escalares

Definición
Una función de dos variables φ(x, y ) es continua en un punto (a, b) de su dominio si
• Existe lim φ(x, y )
(x,y )→(a,b)
• Y lim φ(x, y ) = φ(a, b)
(x,y )→(a,b)

Ejemplo
1. La función
f (x, y ) = 2 + x 2 + y 2
es continua (0, 0).
2. La función (
x 2 −y 2
x 2 +y 2
para (x, y ) 6= (0, 0)
f (x, y ) =
0 para (x, y ) = (0, 0)
es discontinua en (0, 0), ya que, como vimos en el ejemplo anterior, el lı́mite no
existe.

14 / 40
Campos escalares

Definición
Sea φ : Rn → R una función en n variables x1 , x2 , ..., xn . Se define la derivada parcial de
φ respecto a su j-ésima variable xj como
∂φ(x1 , x2 , ..., xn ) φ(x1 , ..., xj + h, ..., xn ) − φ(x1 , ..., xj , ..., xn )
= lim .
∂xj h→0 h

• En la práctica, para obtener la derivada parcial j-ésima, se deriva φ respecto xj ,

permaneciendo las demás variables constantes.

Ejemplo
Sea φ(x, y ) = 2x 4 y 3 − xy 2 . Entonces
∂φ
φx = = 8x 3 y 3 − y 2 ,
∂x
∂φ
φy = = 6x 4 y 2 − 2xy
∂y

15 / 40
Campos escalares

Ejercicio
Hallar todas las derivadas parciales de las siguientes funciones:
1. φ(x, y ) = e x ln(x 2 y ).
2. φ(x, y , z) = xe x − xye x + ze −y .
3. φ(x, y ) = 2x 8 y 3 + xy 5 + 3y + 14.
4. φ(r , s, t) = r 2 e 2s cos t.
q 
x+y
5. φ(x, y ) = ln x−y

16 / 40
Derivada parcial: interpretación geométrica

• Φx = ∂Φ es la pendiente de la recta tangente a la curva C1 . Es la derivada en la

∂x
dirección de x (y es constante).
• Φy = ∂Φ es la pendiente de la recta tangente a la curva C2 . Es la derivada en la
∂y
dirección de y (x es constante).

• La derivada parcial nos indica el cambio de la función en la dirección del eje

correspondiente.

17 / 40
Derivada parcial: interpretación geométrica

Ejemplo
Determina la pendiente de las rectas tangentes a la superficie z = 4 − x 2 − 2y 2 en el
punto (1, 1, 1) en las direcciones de x y de y

18 / 40
Derivada parcial: interpretación geométrica

Ejemplo
Determina la pendiente de las rectas tangentes a la superficie z = 4 − x 2 − 2y 2 en el
punto (1, 1, 1) en las direcciones de x y de y

Solución:
• En la dirección de x:
∂z
zx = ∂x = −2x
zx (1, 1, 1) = −2
• En la dirección de y :
∂z
zy = ∂y = −4y
zy (1, 1, 1) = −4

18 / 40
Derivada parcial y continuidad

Observación
Para funciones f (x) de una sola variable real:
• La existencia de la derivada f 0 (x) implica que f (x) es continua.
Para funciones Φ(x1 , ..., xn ) de más de dos variables reales:
• La existencia de las derivadas parciales no implica que Φ(x1 , ..., xn ) sea continua.
• Existen funciones de varias variables:
I continuas que no tienen derivadas parciales
I que tienen derviadas parciales y no son continuas
I que no son continuas ni tienen derivadas parciales
I que son continuas y tienen derivadas parciales

19 / 40
Derivadas parciales sucesivas
• Al calcular las derivadas parciales de una función de varias variables se obtienen
funciones de varias variables, de las que se les puede calcular sus derivadas parciales,
a las que llamamos derivadas parciales segundas.
• Mediante este proceso se pueden ir obteniendo las derivadas sucesivas de orden
superior.
• Las notaciones más usuales son:
  2
∂ ∂Φ
∂xj
= ∂x∂j ∂x
Φ
= Φjj
 ∂xj  2
j
∂ ∂Φ ∂ Φ
∂xk
= ∂xk ∂xj = Φjk
 ∂xj  2
∂ ∂Φ
∂xj ∂xk
= ∂x∂j ∂x
Φ
k
= Φkj

Proposición
Teorema de Schwarz (permutabilidad de orden de derivación) Si Φ está definida en un
entorno de (a, b), y si existen las derivadas parciales Φx , Φy , Φxy en el mismo entorno,
siendo Φxy continua en (a, b), entonces existe Φyx (a, b) y se cumple

Φyx (a, b) = Φxy (a, b)

20 / 40
Derivadas parciales sucesivas

Ejemplo
Calcular las derivadas parciales segundas de Φ(x, y ) = y 2 e x + cos(xy ) + yx .

21 / 40
Derivadas parciales sucesivas

Ejemplo
Calcular las derivadas parciales segundas de Φ(x, y ) = y 2 e x + cos(xy ) + yx .

Solución:

Φx = ∂Φ
∂x
= y 2 e x − y sin(xy ) + y1
Φy = ∂Φ
∂y
= 2ye x − x sin(xy ) − yx2
2
∂ ∂Φ
= ∂∂xΦ2 = y 2 e x − y 2 cos(xy )


Φxx = ∂x ∂x

2
∂
Φyx = ∂y ∂Φ
= ∂ Φ = 2ye x − yx cos(xy ) − sin(xy ) − y12
 ∂x  ∂y2∂x
∂
Φyy = ∂y ∂Φ
= ∂∂yΦ2 = 2e x − x 2 cos(xy ) + y2x3
 ∂y 
∂2Φ
Φxy ∂
= ∂x ∂Φ
∂y
= ∂x∂y = 2ye x − yx cos(xy ) − sin(xy ) − y12

21 / 40
Derivadas parciales

Ejercicio
Calcular las derivadas parciales segundas de:
• Φ(x, y ) = 2x 2 y 3 + x 7 y 4 .
• Φ(x, y ) = x 3 y 2 − x 2 + x tan y + x 2 + y 2 .

p
x
• Φ(x, y , z) = x 2 + y 2 + z 2 + e xyz .
• Φ(x, y , z) = xy sin x + y 2 z + e −z .

Ejercicio
Calcular las derivadas parciales terceras y comprobar la igualdad de las derivadas
cruzadas:
Φ(x, y , z) = ye x + x ln z

22 / 40
Derivada según un vector

• En la derivada parcial mantenemos todas las variables, excepto una, fijas:

∂Φ(x1 , ...xn ) Φ(x1 , ..., xj + h, ..., xn ) − Φ(x1 , ..., xj , ..., xn )

= lim
∂xj h→0 h
• En dos variables: al definir la derivada parcial, una coordenada permanece fija y la
otra varı́a siguiendo la dirección de uno de los ejes coordenados.
• Esto condiciona bastante el problema.
• La derivada según un vector permite calcular la derivada en cualquier dirección,
variando las dos coordenadas siguiendo una dirección arbitraria.

23 / 40
Derivada según un vector

• El plano vertical pasa por P en la dirección de u~. Corta a la superficie S en una

curva C .
• La derivada en la dirección de u~ es la pendiente de la recta tangente a la curva C .
24 / 40
Derivada direccional

Definición
Dada una función escalar Φ : Rn → R, llamamos derivada direccional de Φ en la
dirección del vector unitario u~ = (u1 , u2 , ..., un ) a

Φ(x1 + hu1 , x2 + hu2 , ..., xn + hun ) − Φ(x1 , x2 , ..., xn )

D~u = lim
h→0 h

Observación
Si u~ = (u1 , ..., uj , ..., un ) = (0, ..., 1, ..., 0) se obtiene la derivada parcial respecto a la
variable xj .

Proposición
Dada una función escalar Φ : Rn → R derivable, la derivada direccional de Φ en la
dirección del vector unitario u~ = (u1 , u2 , ..., un ) es
∂Φ ∂Φ ∂Φ
D~uΦ = u1 + u2 + ... + un
∂x1 ∂x2 ∂xn

Nota: esta expresión se asemeja a un producto escalar entre vectores.

25 / 40
Vector gradiente

Definición
Dada una función escalar Φ : Rn → R derivable, si existen todas las derivadas parciales
de Φ, llamamos vector gradiente de Φ al vector cuyas componentes son las derivadas
parciales  
~ = ∂Φ , ∂Φ , ..., ∂Φ
∇Φ
∂x1 ∂x2 ∂xn

Observación
Con esta notación, podemos escribir
~ · u~
D~u Φ = ∇Φ

26 / 40
Derivada direccional
Ejemplo
Dado el campo escalar
f (x, y ) = 2x 2 y 3 + 6xy ,
obtener la derivada direccional en el punto (1, 1) según la dirección del vector unitario
cuyo ángulo con el semieje positivo X es de π/6.

27 / 40
Derivada direccional
Ejemplo
Dado el campo escalar
f (x, y ) = 2x 2 y 3 + 6xy ,
obtener la derivada direccional en el punto (1, 1) según la dirección del vector unitario
cuyo ángulo con el semieje positivo X es de π/6.

Solución: Calculamos las derivadas parciales:

fx = 4xy 3 + 6y , fy = 6x 2 y 2 + 6x
Calculamos el vector gradiente
 
~ (x, y ) = 4xy 3 + 6y , 6x 2 y 2 + 6x
∇f

Que evaluado en el punto (1, 1) toma la expresión:

~ (1, 1) = (10, 12)
∇f
√ 
3 1
El vector unitario u~ cuyo ángulo con el semieje positivo X es de π/6 es u~ = 2
,2 Por
tanto √
√

~ (1, 1) · u~ = (10, 12) · 3 1
D~u f (1, 1) = ∇f , =5 3+6
2 2
27 / 40
Derivada direccional

Ejercicio
Dado el campo escalar p 
Φ(x, y ) = ln x2 + y2 ,

1. Obtener las derivadas parciales y estudiar su continuidad.

2. Obtener la derivada direccional en el punto (1, 0) según la dirección (1, 1).

28 / 40
Propiedades del gradiente

Observación
Sea Φ : Rn → R un campo escalar derivable.
• Si ∇Φ
~ = ~0, i.e., Φj = 0 ∀j, entonces D~u Φ = 0, ∀~
u.
• Si ∇Φ
~ 6= ~0, entonces
~ · u~ = k∇k
D~u Φ = ∇ ~ · k~u k cos α
• Por tanto,
~
−k∇Φk ~
≤ D~uΦ ≤ k∇Φk
El valor máximo de D~u Φ ocurre cuando cos α = 1, es decir, cuando ∇Φ ~ y u~ tienen
la misma dirección y sentido. La dirección del gradiente da el valor máximo de la
derivada direccional, es decir, la dirección del gradiente da el máximo crecimiento de
la función, la dirección de máxima pendiente.
• Si cos α = −1, ∇Φ ~ da la dirección de máximo decrecimiento.

29 / 40
Propiedades del gradiente

Sea Φ : Rn → R un campo escalar derivable.

• Si ∇Φ
~ 6= ~0
I El vector gradiente es ortogonal a las curvas de nivel Φ(x, y ) = k, con k constante.
I A lo largo de la curva de nivel, el cambio en Φ es 0:
~ ·u
D~u Φ = ∇Φ ~
~ = k∇Φk · k~
u k cos α = 0.
I ~ yu
Esto implica que cos α = 0, el ángulo entre ∇Φ ~ es ± π2 , el gradiente es
perpendicular a los vectores unitarios que respresentan a las curvas de nivel. Todos los
vectores unitarios que representan a las curvas de nivel son tangentes al gradiente.
I En todos los puntos en los que ∇Φ~ 6= ~0, el gradiente apunta en la dirección de mayor
crecimiento de Φ.

30 / 40
Vector gradiente

Ejemplo
La temperatura (ºC) en la superficie de una placa metálica viene dada por

T (x, y ) = 20 − 4x 2 − y 2 .

¿En qué dirección a partir del punto (2, −3) aumenta la temperatura más rápidamente?
Calcula la razón de crecimiento.

31 / 40
Vector gradiente

Ejemplo
La temperatura (ºC) en la superficie de una placa metálica viene dada por

T (x, y ) = 20 − 4x 2 − y 2 .

¿En qué dirección a partir del punto (2, −3) aumenta la temperatura más rápidamente?
Calcula la razón de crecimiento.

Solución: El vector gradiente apunta en la dirección de máximo crecimiento:

~ (x, y ) = (Tx (x, y ), Ty (x, y )) = (−8x, −2y ),
∇T

y, por tanto,
~ (2, −3) = (−16, 6).
∇T
~
p
La razón de crecimiento es k∇Φk = 64x 2 + 4y 2 .

31 / 40
Optimización

Definición
Dado un campo escalar f (x, y ) diferenciable y un punto de su dominio (x0 , y0 ) se dice
que es un punto crı́tico de f si
~ (x0 , y0 ) = ~0
∇f

Definición
Diremos que un punto critico es:
• un mı́nimo local en (x0 , y0 ) si f (x0 , y0 ) ≤ f (x, y ) para todo (x, y ) en un entorno de
(x0 , y0 ).
• un máximo local en (x0 , y0 ) si f (x0 , y0 ) ≥ f (x, y ) para todo (x, y ) en un entorno de
(x0 , y0 ).
• un punto de silla en (x0 , y0 ) si todo entorno de (x0 , y0 ) contiene puntos (x, y ) tales
que f (x0 , y0 ) ≥ f (x, y ) y otros para los que f (x0 , y0 ) ≤ f (x, y ).

32 / 40
Optimización

33 / 40
Optimización

Proposición
Si la función f (x, y ) tiene un extremo relativo en un punto (x0 , y0 ) y es diferenciable en
dicho punto, entonces
~ (x0 , y0 ) = ~0.
∇f
Los puntos crı́ticos son soluciones del sistema
∂f
∂x
=0
∂f
∂y
=0

Definición
La matriz hessiana de una función f (x, y ) con derivadas parciales segundas continuas
está formada por las segundas derivadas parciales de la función f
" 2 2
#
∂ f ∂ f
∂x 2 ∂x∂y
H(f ) = ∂2f ∂2f
∂x∂y ∂y 2

34 / 40
Optimización

Definición
Llamamos hessiano al determinante de la matriz hessiana

|H(f )| = fxx fyy − fxy2

Proposición
Si (x0 , y0 ) es un punto crı́tico de f (x, y ) entonces:
• Si |H(f (x0 , y0 ))| = fxx fyy − fxy2 > 0 y fxx < 0, entonces (x0 , y0 ) es un máximo.
• Si |H(f (x0 , y0 ))| = fxx fyy − fxy2 > 0 y fxx > 0, entonces (x0 , y0 ) es un mı́nimo.
• Si |H(f (x0 , y0 ))| = fxx fyy − fxy2 < 0, entonces (x0 , y0 ) es un punto de silla.
• Si |H(f (x0 , y0 ))| = fxx fyy − fxy2 = 0, el criterio no es concluyente.

35 / 40
Optimización

Ejemplo
Hallar y clasificar los puntos crı́ticos de la función

f (x, y ) = x 3 + y 3 − 3xy

36 / 40
Optimización

Ejemplo
Hallar y clasificar los puntos crı́ticos de la función

f (x, y ) = x 3 + y 3 − 3xy

Solución:
• Es una función polinómica, i.e., diferenciable en R2 .
• Condición necesaria:
I ~ (x, y ) = (3x 2 − 3y , 3y 2 − 3x) = ~0.
Cálculo del gradiente: ∇f
I Puntos crı́ticos: (0, 0), (1, 1).
• Condición suficiente:
I 2 = 6x6y − (−3)2 .
Cálculo del hessiano: |H(f (x, y ))| = fxx fyy − fxy
I |H(f (0, 0))| = 6 · 0 · 6 · 0 − 9 < 0, por tanto (0, 0) es un punto de silla.
I |H(f (1, 1))| = 6 · 1 · 6 · 1 − (−3)2 = 27 > 0 y fxx (1, 1) = 6 > 0, por tanto (1, 1) es un
mı́nimo.

36 / 40
Optimización

Ejercicio
Una empresa fabrica dos productos. Los ingresos por la venta de x unidades del primer
producto y de y unidades del segundo producto son

R(x, y ) = −5x 2 − 8y 2 − 2xy + 42x + 102y

Hallar el número de unidades x e y que debe vender para que los ingresos obtenidos sean
máximos.

37 / 40
Optimización: generalización
Proposición
Si la función f (x1 , x2 , ..., xn ) tiene un extremo relativo en un punto (a1 , a2 , ..., an ) y es
diferenciable en dicho punto, entonces
~ (a1 , a2 , ..., an ) = ~0
∇f

Definición
La matriz heassiana se define como
···
 
f11 f12 f1n
 .. .. .. .. 
 . . . . 
f1n f21 ··· fnn

Definición
Se define los menores de orden 1 y orden 2 de la matriz hessiana como
• De orden 1: h1 = |f11 |.

• De orden 2: h2 = f11 f12

f21 f22

38 / 40
Optimización: generalización

Proposición
Si (a1 , a2 , ..., an ) es un punto crı́tico de f (x1 , x2 , ..., xn ), entonces:
• Si h1 < 0, h2 > 0, h3 < 0,..., es decir, los signos alternan empezando en h1 , entonces
(a1 , a2 , ..., an ) es un máximo.
• Si h1 > 0, h2 > 0, h3 > 0,..., es decir, son todos positivos, entonces (a1 , a2 , ..., an ) es
un mı́nimo.
• Si hi 6= 0 ∀i y no se verifica lo anterior, (a1 , a2 , ..., an ) es un punto de silla.
• Si hi = 0 para algún i, el criterio no es concluyente.

39 / 40
Optimización: generalización
Ejemplo
La empresa SAC fabrica tres productos: A, B y C. El producto A se vende a x€, el B a
y € y el C a z€. Según los asesores comerciales de la empresa, el beneficio total de
producción (en €) viene dada por:

B(x, y , z) = −x 2 − 2y 2 − z 3 + xy + 75z + 16x + 27y + 120

¿Para qué valores de x, y , z es máximo el beneficio?

40 / 40
Optimización: generalización
Ejemplo
La empresa SAC fabrica tres productos: A, B y C. El producto A se vende a x€, el B a
y € y el C a z€. Según los asesores comerciales de la empresa, el beneficio total de
producción (en €) viene dada por:

B(x, y , z) = −x 2 − 2y 2 − z 3 + xy + 75z + 16x + 27y + 120

¿Para qué valores de x, y , z es máximo el beneficio?

Solución:
• Condición necesaria. Cálculo del gradiente:
~
∇B(x, y , z) = (−2x + y + 16, −4y + x + 27, −3z 2 + 75) = ~0
De donde, obtenemos que el punto crı́tico es (13, 10, 5).
• Condición suficiente. Cálculo de menores del hessiano:
 
−2 1 0
H(13, 10, 5) =  1 −4 0 ,
0 0 −30
h1 = −2 < 0
h2 = (−2)(−4) − 12 = 7 > 0h3 = (−2)(−4)(−30) − (−30) = −210 < 0
Por tanto, en (13, 10, 5) hay un máximo y los beneficios máximos son 947€.
40 / 40