Guı́a del tema:

Funciones de varias variables reales.

Cálculo diferencial
Maria-Angeles Zurro
30 de enero de 2023

Índice
1. Funciones en Rn 2
1.1. Curvas de nivel. Superficies de nivel . . . . . . . . . . . . . . . . . . 2
1.2. Lı́mites y continuidad de funciones de varias variables reales . . . . . 2

2. Derivada direccional de una función. Aplicaciones 4

2.1. El gradiente de una función . . . . . . . . . . . . . . . . . . . . . . . 5
2.2. Regla de la cadena en varias variables . . . . . . . . . . . . . . . . . . 7
2.2.1. Derivación de funciones definidas de forma implı́cita . . . . . . 10
2.3. Aproximación de funciones y Teorema de Taylor . . . . . . . . . . . . 10
2.3.1. Plano tangente a una superficie en un punto. Aproximación
lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2. Derivadas de orden superior. Teorema de Taylor . . . . . . . . 10
2.4. Máximos y mı́nimos de funciones de varias variables . . . . . . . . . . 13
2.4.1. Extremos condicionados de funciones . . . . . . . . . . . . . . 16

3. Aplicaciones 17
2 3
3.1. Cordenadas polares en R . Coordenadas cilı́ndricas y esféricas en R . 17
3.2. Operadores diferenciales y cambios de coordenadas . . . . . . . . . . 17
3.2.1. Operadores diferenciales: Gradiente, Laplaciano, Rotacional . 17

1
 En este documento presentamos una guı́a de estudio para el tema de Cálculo
diferencial. Se puede ampliar su desarrollo en los temas correspondientes en los
libros [2] y también [1].

1. Funciones en Rn
1.1. Curvas de nivel. Superficies de nivel
1.2. Lı́mites y continuidad de funciones de varias variables
reales
Presentaremos a continuación las nociones de lı́mite y continuidad para funciones
de 2 variables reales. Todos estos conceptos tienen sus análos para funciones de n ≥ 2
variables reales pero su exposición es menos intuitiva. Por otro lado, usaremos en
estos espacios Rn la distancia euclı́dea usual dada por
p
d(P, Q) = (q1 − p1 )2 + · · · + (qn − pn )2 , (1)
donde P = (p1 , . . . , pn ) y Q = (q1 , . . . , qn ).
En primer lugar, para estudiar las funciones en varias variables se necesita con-
siderar algunos tipos de conjuntos especiales. Los definiremos a continuación.
Definición 1.1. Sea r > 0 un úmero real positivo y P ∈ R2 , definimos:
La bola abierta de centro P y radio r, también llamada disco abierto, como:
B(P ; r) := (x, y) ∈ R2 |d((x, y); P ) < r

(2)

La bola cerrada de centro P y radio r, también llamada disco cerrado, como:

B(P ; r) := (x, y) ∈ R2 |d((x, y); P ) ≤ r

(3)

La bola abierta punteada de centro P y radio r, como:

B ∗ (P ; r) := (x, y) ∈ R2 |0 < ((x, y); P ) < r

(4)

Consideremos una función de dos variables reales f (x, y) que está definida alre-
dedor de un punto P = (a, b). Entonces, decimos que el lı́mite de f es L cuando
(x, y) tiende a P , y escribimos
lı́m f (x, y) = L,
(x,y)→P

2
si, para todo ϵ > 0, existe δ > 0 talque, para todo punto (x, y) ∈ B ∗ (P ; δ), entonces
|f (x, y) − L| < ϵ.
Los lı́mites de las funciones de varias variables verifican las siguientes propie-
dades, que sólo enunciaremos aquı́ para funciones de dos variables , pero que son
aplicables a funciones de n ≥ 2 variables.
Teorema 1.1. (Propiedades de los lı́mites) Supongamos que lı́m(x,y)→P f (x, y) y
lı́m(x,y)→P g(x, y) existen. Entonces:
1. Propiedad de la suma:

lı́m (f (x, y) + g(x, y)) = lı́m f (x, y) + lı́m g(x, y)

(x,y)→P (x,y)→P (x,y)→P

2. Propiedad del múltiplo constante: para cada constante k ∈ R se tiene

lı́m (k · f (x, y)) = k · lı́m f (x, y)

(x,y)→P (x,y)→P

3. Propiedad del producto:

   
lı́m (f (x, y) · g(x, y)) = lı́m f (x, y) · lı́m g(x, y)
(x,y)→P (x,y)→P (x,y)→P

4. Propiedad del cociente: si lı́m(x,y)→P g(x, y) ̸= 0, entonces

 
f (x, y) lı́m(x,y)→P f (x, y)
lı́m =
(x,y)→P g(x, y) lı́m(x,y)→P g(x, y)

La continuidad de funciones de varias variables es un poco más delicada que las

de una variable real debido al tipo de entornos que tienen los puntos en Rn , véase
1.1.
Definición 1.2. Una función f (x, y) es continua en un punto (a, b) si

lı́m f (x, y) = f (a, b).

(x,y)→P

Se dice que es continua, si es continua en cada punto P de su dominio de definición.

Una propiedad útil de las funciones continuas es la siguiente:
Proposición 1.1. La composición de funciones continuas es continua.

3
2. Derivada direccional de una función. Aplica-
ciones
Consideremos una función f : S → R, con S ⊂ R2 , y un vector unitario ⃗u =
(u1 , u2 ). En cada punto P = (a, b) del dominio de f podemos considerar la variación
de la función f en la dirección del vecto ⃗u. Matemáticamente esta variación de
calcula como el siguiente lı́mite:

f (a + hu1 , b + hu2 ) − f (a, b)

D⃗u f (P ) := lı́m , (5)
h→0 h
y se llama la derivada direccional de f en P en la dirección ⃗u. Hay dos casos particula-
res importante que tienen nombre propio, son las derivadas parciales de f , y que son
casos particulares de la definición anterior, para ⃗u = ⃗e1 = (1, 0), y ⃗u = ⃗e2 = (0, 1).
Definición 2.1. Para una función de 2 variables f : S → R, definimos:
1. La derivada parcial de f con respecto a x como
∂f f (a + h, b) − f (a, b)
(P ) = D⃗e1 f (P ) = lı́m . (6)
∂x h→0 h
2. La derivada parcial de f con respecto a y como
∂f f (a, b + h) − f (a, b)
(P ) = D⃗e2 f (P ) = lı́m . (7)
∂y h→0 h
En este tema estudiaremos cómo calcular tales derivadas para una función f da-
da. También su importancia y uso para aproximar f cerca de P . Para esto usaremos
el vector gradiente de f en P , que definimos a continuación.
Definición 2.2. Sean F : S → R una función de varias vriables reales con S ⊂
Rn , y un punto P ∈ S. Entonces, el gradiente de F es el vector que tiene por
componentes las derivadas parciales de F , es decir
 
∂F ∂F
∇F (P ) := (P ), . . . , (P ) . (8)
∂x1 ∂xn
Nota 2.1. En el caso de dos variables, la definición anterior es como sigue. Dada
una función de 2 variables f : S → R, y un punto P ∈ S, definimos el gradiente de
f en P , y lo denotamos por ∇f (P ), como
 
∂f ∂f
∇f (P ) := (P ), (P ) . (9)
∂x ∂y

4
 En una siatición general, la derivada direccional de una función se calcula usando
la fórmula (10) establecida en el siguiente teorema.

Teorema 2.1. (Cálculo de la derivada direccional)

Si ⃗v es un vector no nulo de Rn , entonces ⃗u = ||⃗⃗vv|| es el vector unitario en la
dirección de ⃗v , y la derivada direccional de F en esta dirección viene dada por la
fórmula:
∂F ∂F
D⃗u F = ∇F · ⃗u = u1 + · · · + un (10)
∂x1 ∂xn
donde ⃗u = (u1 , . . . un ).

Ejemplo 2.1. Consideremos F (x, y) = xey , y ⃗v = (2, 3). Entonces, la derivada

direccional de F en la dirección de ⃗v es
1 2 + 3x y
D⃗u F = √ (ey · 2 + xey · 3) = √ e .
22 + 32 13

Nota 2.2. En el caso de funciones de dos variables f : S → R2 , el gradiente define

una función (vectorial) ∇f : S → R2 dada por
 
∂f ∂f
(x, y) −→ ∇f = , ,
∂x ∂y

llamada habitualmente campo gradiente de la función f . En la siguiente sección

analizaremos algunas propiedades de esta función.

2.1. El gradiente de una función

Sea f : S → R una función de variable real, donce S es un abierto de Rn .
∂f
Supongamos que f tiene derivadas parciales ∂x i
, 1 ≤ i ≤ n, continuas y consideramos
n
el vector gradiente de f en R dado por
 
∂f ∂f
∇f = ,..., .
∂x1 ∂xn

Es de señalar que si ⃗u = (u1 , . . . , un ) es un vector unitario en Rn , entonces la derivada

direccional de f en la dirección ⃗u viene dada por la fórmula (10) y la del producto
escala, es decir
D⃗u f = ∇f · ⃗u = ||∇f || cos (∠ (∇f, ⃗u)) , (11)

5
donde ∠ (∇f, ⃗u) denota el ángulo entre ∇f y ⃗u. En consecuencia, tenemos las si-
guienes desigualdades que acotan los posibles valores de la dericada direccional de
una función:
−||∇f || ≤ D⃗u f ≤ ||∇f ||. (12)
Dicho de otro modo, el vector gradiente apunta en la dirección y sentido de la
máxima tasa de variación, y esta tasa máxima es ||∇f ||. Análogamente, la función
f decrece más rápidamente en el sentido opuesto al gradiente de f , es decir, en la
dirección −∇f . La tasa de variación de máximo decrecimiento de f es −|∇f ||. Por
otro lado, la derivada direccional es 0 en las direcciones ortogonales al gradiente.
Para afianzar estas ideas mostramos cómo usarlas en unos ejemplos.
Ejemplo 2.2. Sea f (x, y) = x4 y −2 una función definida en R2 \ {y = 0}, y P =
(2, 1). Halla el vector unitario que apunte en la dirección y sentido de la máxima
tasa de crecimiento de f en P .
Para calcular diche tasa calcularemos en gradiente de la función y lo evaluaremos
en P . Después tomaremos el vector unitario ⃗u correspondiente. Los cálculos son los
siguientes.
√ √
∇f = (4x3 y −2 , −2x4 y −3 ) , ∇f (P ) = (32, −32) , ⃗u = (1/ 2, 1/ 2) .

Ejemplo 2.3. La altitud de una montaña en variables (x, y) viene dada por la
función
2
h(x, y) = 2500 + 100(x + y 2 )e−0,3y ,
donde x, y vienen dadas en unidades de 100 metros (m).
1. Halla la derivada direccional de f en el punto P = (−1, −1) en la dirección
del vector unitario ⃗u que forma un ángula θ = π4 con el gradiente.

2. ¿Cuál es la interpretación de la derivada anterior?

La respuesta al primer apartado se halla usando la fórmula (11). En efecto,
π √
∇f (−1, −1) = (74, −148) , D⃗u f (−1, −1) = ||(74, −148)|| cos( ) ≃ 165, 5/ 2 ≃ 117.
4
La interpretación de esta derivada es sencilla. Si nos situamos en la montaña en
el punto (−1, −1, 2500), y empezamos a movernos sobre la montaña de forma que
nuestro desplazamiento horizontal se realice en la dirección ⃗u, entonces la altitud
aumenta a razón de 117 metros por cada 100 metros de desplazamiento horizontal,
o también 1, 17 m por cada metro.

6
 Otra propiedad importante del campo gradiente es que es perpendicular a las
curvas de nivel de la función. Este hecho es una consecuencia de la regla de la cadena
que estudiaremos a continuación, véase Proposición 2.1. Resumimos lo expuesto en
esta sección en el siguiente teorema.

Teorema 2.2. (Interpretación geométrica del gradiente) Sea f : S → R una fun-

ción de variable real, donde S es un abierto de R2 . Supongamos que f tiene derivadas
∂f
parciales ∂x i
, 1 ≤ i ≤ 2, continuas y que el vector gradiente de f en el punto P ∈ S
no es el vector nulo. Sea ⃗u un vector unitario formando un ángulo θ con ∇f (P ).
Entonces
D⃗u f (P ) = ||∇f (P )|| cos(θ).
Además, se verifica

∇f (P ) apunta en la dirección y sentido de la tasa de variación máxima de

crecimiento de f en P .

−∇f (P ) apunta en la dirección y sentido de la tasa de variación máxima de

decrecimiento de f en P .

∇f (P ) es normal a la curva de nivel de f en P .

Nota 2.3. Es un ejercicio interesante la formulación y verificación del resultado

análogo al anterior para funciones f : S → R, con S ⊂ Rn , que se propone al lector.

2.2. Regla de la cadena en varias variables

Recordemos en primer lugar que si una función de una variable, y = f (x), y la
variable x varı́a con el tiempo t, es decir x = x(t), entonces la fórmula de derivación
llamada “Regla de la cadena”proporciona el cálcula de la variación de y como función
de t. En concreto:
dy df df dx
= = · .
dt dt dx dt
Por ejemplo, si y = cos(3x2 +1), y la variable x es la función dada por x = x(t) = 2t3 ,
·
entonces y = dy
dt
= − sin(12t6 +1)·(6t2 ). Comenzaremos estudiando la generalización
de esta fórmula en el caso de varias variables. Es la llamada “Regla de la cadena
para trayectoria”.

Proposición 2.1. (Regla de la cadena para una trayectoria) Sea F : S → R una

función de varias vriables reales con S ⊂ Rn , y un punto P ∈ S. Supongamos

7
dada una curva en S con punto inivial P , es decir una función ⃗x(t) derivable y con
derivada continua definida en un intervalo [a, b] ⊂ R tal que ⃗x(a) = P ,
[a, b] → S , ⃗x(t) = (x1 (t), . . . , xn (t)) . (13)
Entonces, la derivada respecto de la variable t de la función compuesta F ◦ ⃗x(t) se
calculamediante la fórmula:
dF d⃗x ∂F dx1 ∂F dxn
(a) = ∇F (P ) · (a) = (P ) (a) + · · · + (P ) (a). (14)
dt dt ∂x1 dt ∂xn dt
La proposición anterior en el caso de dos variables (x, y) admite la siguiente
formulación:
dF d⃗x ∂F dx ∂F dy
= ∇F · = + . (15)
dt dt ∂x dt ∂y dt
Ilustraremos su aplicación sobre un ejemplo.
2 2
Ejemplo 2.4. Consideremos la función F (x, y) = 20+10e−0,3(x +y ) que modeliza la
función temperatura sobre una placa (en o C), y la trayectoria ⃗c = (cos(t−2), sin(2t))
(t en segundos), cuya gráfica se puede ver en la siguiente figura:

trayectoria-Teleco-T2.png

Entonces
 2 2 2 2
 d⃗c
∇F = −6xe−0,3(x +y ) , −6ye−0,3(x +y ) , = (− sin(t − 2), 2 cos(2t)) .
dt
En consecuencia,
dF 2 2 2 2
= 6x sin(t − 2)e−0,3(x +y ) − 12y cos(2t)e−0,3(x +y ) .
dt
Si nos interesara la tasa de variación de la función temperatura F en el punto
P = ⃗c(0) = (cos(2), 0) ≃ (0,9, 0) al desplazarnos sobre la curva ⃗c(t) obtendrı́amos
dF
dt
(0) ≃ 2,155o C/s.

8
Proposición 2.2. Sea f : S → R, con S ⊂ R2 abierto y f derivadas parciales
contı́nuas. Entonces, para cada punto P ∈ S, el vector ∇f (P ) es perpendicular a la
curva de nivel de f que pasa por P .
Demostración. En efecto, si ⃗c(t) = (x(t), y(t)) es una parametrización de la curva
de nivel de f que pasa por P , entonces, f ◦ ⃗c(t) = λ para una cierta constante λ;
luego, por (15), se tiene que
df ◦ ⃗c dλ
= = 0 =⇒ ∇f (P ) · ⃗c ′ (t) = 0,
dt dt
lo que da el resultado, ya que ⃗c ′ (t) es el vector tangente a la curva de nivel λ.
La versión general de la Regla de la cadena (no sólo para una trayectoria) esta-
blece el siguiente resultado.
Teorema 2.3. Regla de la cadena para funciones. Sea f : S → R una función
definida en un conjunto abierto S ⊂ Rn . Supongamos que cada función coordenada
xi es a su vez una función diferenciable de un conjunto de m variables reales, t =
(t1 , . . . , tm ), para i = 1, . . . , n. Si denotamos por ⃗x(t) = (x1 (t), . . . , xn (t)), entonces
tenemos la siguiente fórmula de derivación:
  X n
∂f ◦ ⃗x ∂x1 ∂xn ∂f ∂xi
(t) = ∇f · ,..., = (16)
∂tk ∂tk ∂tk i=1
∂xi ∂tk

Ilustraremos con un ejemplo cómo se aplica la fórmula (16).

Ejemplo 2.5. Consideremos la función f (x, y) = x2 + y 2 + x, y el cambio de
coordenadas a polares dado por

x = r cos θ, y = r sin θ.

Se pide calcular la variación de f con respecto a la variable radio r y también respecto

a la variable angular θ. Para esto aplicaremos la fórmula (16) para las variables

(x1 , x2 ) = (x, y) , (t1 , t2 ) = (t, θ).

En consecuencia
∂f
= (2x + 1, 2y) · (cos θ, sin θ) = (2r cos θ + 1, 2r sin θ) · (cosθ, sin θ) = 2r + cos θ,
∂r
∂f
= (2x + 1, 2y)·(−r sin θ, r cos θ) = (2r cos θ + 1, 2r sin θ)·(−r sin θ, r cos θ) = −r sin θ.
∂θ
9
2.2.1. Derivación de funciones definidas de forma implı́cita
Supondamos dada una superficie Γ en R3 definida por la ecuación F (x, y, z) = 0.
Supongamos que cerca de un punto P de Γ la coordenada z se puede poner como
función de (x, y), es decir z = z(x, y), en este caso, ∂F
∂x
̸= 0, y se dan las siguiente
fórmulas, llamadas de Fórmulas de derivación en implı́citas
∂z Fx ∂z Fy
=− , =− , (17)
∂x Fz ∂y Fz
donde hemos usado las notaciones Fx = ∂F ∂x
, Fy = ∂F
∂y
, Fz = ∂F
∂z
. La verificación de
la fónmula anterior es fácil: basta aplicar la regla de la cadena, (16), a la ecuación
F (x, y, z) = 0. Mostraremos su uso en el siguiente ejemplo.

Ejemplo 2.6. Si consideramos el hiperboloide de una hoja de ecuación

F (x, y, z) = x2 + y 2 − 2z 2 + 12x − 8z − 4 = 0,
∂z ∂z
entonces las variaciones ,
∂x ∂y
en el punto P = (1, 1, 1), vienen dadas por
 
∂z 2x + 12  7 ∂z 2y  1
(P ) = −  = , (P ) = −  = .
∂x −4z − 8  6 ∂y −4z − 8  6
P P

2.3. Aproximación de funciones y Teorema de Taylor

2.3.1. Plano tangente a una superficie en un punto. Aproximación lineal
2.3.2. Derivadas de orden superior. Teorema de Taylor
Las derivadas parciales de orden superior son las derivadas parciales de las deriva-
das parciales de una función f . Ası́, si f : S → R es una función de dos variables, por
ejemplo (x, y), las derivadas parciales de segundo orden son las derivadas parciales
de fx = ∂f
∂x
y de fy = ∂f
∂y
; es decir,

∂fx ∂ 2f ∂fy ∂ 2f ∂fx ∂ 2f ∂fy ∂ 2f

fxx = = , fyy = = , fyx = = , fxy = = .
∂x ∂x2 ∂y ∂y 2 ∂y ∂y∂x ∂x ∂x∂y
En las fórmulas anteriores se aprecia la importancia del orden de derivación
iterada a la hora de calcular las derivadas cruzadas fyx , fxy . Sin embargo, para
funciones muy generales tal ambig´’uedad desaparece debido al , también conocido
como teorema de Schwarz.

10
Teorema 2.4. Si fyx y fxy son continuas en una bola B, entonces fyx = fxy en
cada punto de B.
Ilustraremos el resultado anterior sobre un ejemplo.
Ejemplo 2.7. Consideremos f (x, y) = ex/y . Entonces fx = y1 ex/y , fy = − yx2 ex/y .
Entonces las derivadas segundas de f son:
 
1 x/y 1 x
fxx = 2 e , fyx = − 2 − 3 ex/y ,
y y y
   
2x x x/y x 1
fyy = 3
+ 4 e , fyx = − 3 − 2 ex/y ,
y y y y
lo que comprueba la igualdad fyx = fxy .
Las derivadas de orden superior son un elemento importante de las funciones
para construir sus aproximaciones polinómicas. En concreto, el teorema de Taylor
2.6 para funciones en varias variables establece este hecho. Comenzaremos con las
notaciones necesarias para establecer este resultado.
Si x = (x1 , . . . , xn ) y t = (t1 , . . . , tn ) son puntos en Rn , definimos las siguientes
expresiones:
n
X
f ′ (x, t) = Di f (x)ti
i=1
n X
X n
f ′′ (x, t) = Dij f (x)ti tj
i=1 j=1 (18)
..
.
n X
X n n
X
k)
f (x, t) = ··· Di1 i2 ...ik f (x)ti1 ti2 . . . tik
i1 =1 i2 =1 ik =1
Con las notaciones anteriores el teorema de Taylor se formula de la siguiente manera.
Teorema 2.5. (Teorema de Taylor para funciones de varias variables)
Sea f : S → R una función definida en un dominio S de Rn . Supongamos que f
y todas sus derivaas parciales de orden < m son diferenciales en cada punto de un
subconjunto abierto B ⊂ S de Rn . Si a, b son dos puntos de B tales que el segmento
que los une, L(a, b) está contenido en B, entonces existe un punto η en el segmento
L(a, b) tal que
m−1
X 1 k) 1 m)
f (b) = f (a) + f (a; b − a) + f (η; b − a) (19)
k=1
k! m!

11
 Dada la complejidad de la fórmula anterior la explicitaremos para el caso parti-
cular de funciones de dos variables n = 2 y orden de diferenciabilidad m = 3. En
este caso el teorema anterior se puede reformular como sigue.
Teorema 2.6. (Teorema de Taylor para funciones de dos variables y clase 2)
Sea f : S → R una función definida en un dominio S de R2 . Supongamos que f
y todas sus derivaas parciales de orden < 3 son diferenciales en cada punto de un
subconjunto abierto B ⊂ S de R2 . Si a = (x0 , y0 ), b = (x, y) son dos puntos de B
tales que el segmento que los une,

L(a, b) = {(x0 , y0 ) + t(x, y) | t ∈ [0, 1] }

está contenido en B, entonces existe un punto η en el segmento L(a, b) tal que

f (x, y) = f (x0 y0 ) +∇f (a) · (x − x0 , y − y0 )+  

1 fxx (a) fyx (a) x − x0
(x − x0 , y − y0 ) + 16 f 3) (η; b − a).
2 fxy (a) fyy (a) y − y0
(20)
La fórmula (20) proporciona la aproximación cuadrática de la función f
cerca del punto (x0 , y0 ), y el siguiente polinomio se denomina polinomio de Taylor
de segundo grado de f centrado en el punto (x0 , y0 ) ,

P2,(x0 ,y0 ) (x, y) = f (x0 y0 ) + ∇f (a) · (x − x0 , y − y0 )+

 
1 fxx (a) fyx (a) x − x0 (21)
(x − x0 , y − y0 )
2 fxy (a) fyy (a) y − y0
La matriz 2 × 2 de la fórmula anterior se llama la matriz Hessiana de f y será
fundamental para el estudio de los puntos extremos de la función f . Se denota por
Hessf , y si la evaluamos en un punto a, entonces escribiremos Hessa f .
Ejemplo 2.8. Calcula la fórmula de aproximación cuadrática (21) para la función
f (x, y) = x3 + y 3 − x en el punto P = (1, −1).
En primer lugar calculamos las derivadas necesarias:
 
2 2 6x 0
∇f = (3x − 1, 3y ) , Hessf = .
0 6y
Después evaluamos en el punto dado:
 
6 0
f (P ) = −1 , ∇f (P ) = (2, 3) , HessP f = ,
0 −6

12
lo que da la aproximación cuadrática:
  
1 6 0 x−1
P2,P (x, y) = −1+2(x−1)+3(y+1)+ (x−1, y+1) = 3 x2 −3 y 2 −4 x−3 y.
2 0 −6 y + 1

Observa que la superficie z = 3 x2 − 3 y 2 − 4 x − 3 y es un parabolide hiperbólico y

tiene la representación gráfica siguiente

Teoria/figuras/TaylorP2.png

y proporciona una aproximación cuadrática local de la función f cerca del punto P =

(1, −1). Por ejemplo, usando el comando plot3d([x3 +y 3 −x, 3 x2 −3 y 2 −4 x−3 y],
x = 0 .. 2, y = -2 .. 0, color = [blue, yellow]) de Maple podemos re-
presentar ambas gráficas y se observa lo siguiente:

Teoria/figuras/TaylorP2-lasDos.png

2.4. Máximos y mı́nimos de funciones de varias variables

La optimización es el proceso de hallar los valores extremos de una función.
Esto consiste en hallar por ejemplo los puntos donde se alcanzan valores máximos
y mı́nimos de la gráfica sobre un cierto dominio S. Análogamente al caso de una
variable, es importante distinguir entre extremos locales y globales. Para tratar este
tema necesitaremos establecer algunas definiciones básicas.

13
Definición 2.3. Una función f : S → R definida en un dominio S de Rn tiene un
extremo local en un punto P ∈ S si existe una bola centrada en P , B(P ; ϵ) ⊂ S tal
que se da alguna de las dos situaciones siguientes

1. Para todo punto x ∈ B(P ; ϵ) se verifica la desigualdad f (x) ≤ f (P ). Situación

llamada de máximo local en P .

2. Para todo punto x ∈ B(P ; ϵ) se verifica la desigualdad f (x) ≥ f (P ). Situación

llamada de mı́nimo local en P .

Definición 2.4. Un punto P ∈ S se dice un punto crı́tico de f si el gradiente de f

en P es el vector nulo, es decir ∇f (P ) = ⃗0, o alguna derivada parcial de f no existe
en el punto P .

Los conceptos anteriores están relacionados. El siguiente teorema (atribuido a

Fermat) establece su conexión.

Teorema 2.7. Si f tiene un máximo o un mı́nimo local en un punto P , entonces

P es un punto crı́tico de f .

Por simplicidad haremos la demostración en el caso de funciones de dos variables,

aunque el resultado es cierto para cualquier número n de variables.
Demostración. Supongamos en primer lugar que f tiene un mı́nimo local en P =
(x0 , y0 ). Entonces en una cierta bola B centrada en P se tiene que f (x, y) ≥ f (P ).
Entonces la función g(x) := f (x, y0 ) tiene un mı́nimo en x = x0 , y por tanto g ′ (x0 ) =
0, puesto que g ′ (x) = ∂f
∂x
(x, y0 ). Luego ∂f
∂x
(x0 , y0 ) = 0. Además, si definimo la función
auxiliar h(y) := f (x0 , y), se tiene que h (y) = ∂f
′
∂y
(x0 , y), y entonces h tiene un mı́nimo
en y0 . Por esto h (y0 ) = 0, lo que implica ∂y (x0 , y0 ) = 0, En consecuencia ∇f (P ) = ⃗0.
′ ∂f

Un razonamiento análogo se puede hacer para demostar el enunciado en el caso

de que P se un máximo local de f . Se propone al lector completar los detales de la
demostración en este caso.
Ilustraremos el método de cálculo de extremos locales mediante un ejemplo.

Ejemplo 2.9. Sea f (x, y) = 11x2 − 2xy + 2y 2 + 3y. Calcula los puntos crı́ticos de
f.
En primer lugar calcularemos el gradiente de la función:

∇f = (22x − 2y, −2x + 4y + 3),

14
para imponer la condición ∇f = ⃗0. Lo que nos proporciona el sistema de ecuaciones

22x − 2y = 0, −2x + 4y + 3 = 0 ,

cuya única solución es x = −1/14 , y = −11/14. Luego el extremo es el punto

P = (−1/14, −11/14). El valor de la función en este punto es f (P ) = −33/28.

En el caso de funciones de dos variables se puede establecer un criterio análogo

al que se tiene en el caso de las funciones de una variable para determinar el tipo
de extremo de la función. Lo enunciaremos a continuación.

Teorema 2.8. (Test de las segundas derivadas)

Sea P un punto crı́tico de una función f (x, y). Supongamos que existen las derivadas
segundas fxx , fyx , fyy y son continuas cerca de P . Consideremos la matriz Hessiana
de f en P :  
fxx (P ) fyx (P )
HessP f = .
fxy (P ) fyy (P )
Sea D := det(HessP f ). Entonces:

1. Si D > 0, entonces

Si fxx (P ) > 0, el punto P es un mı́nimo local de f .

Si fxx (P ) < 0, el punto P es un máximo local de f .

2. Si D < 0, entonces P es un punto de silla.

3. Si D = 0, el criterio no decide.

Es de señalar que si aplicamos este criterio a la función del ejemplo 2.9 obtenemos
que P = (−1/14, −11/14) es un mı́nimo de la función ya que D = 84 > 0 y también
fxx (P ) = 22 > 0. Quedarı́a por determinar si este extremo es global o sólamente
local.

Teorema 2.9. Sea f una función continua sobre un dominio cerrado y acotado
D ⊂ R2 . Entonces

La función f alcanza un valor máximo y uno mı́nimo en D.

Los extremos ocurren o bien en los puntos crı́ticos del interior de D, o bien en
los puntos de la frontera de D.

15
Ejemplo 2.10. Halla el valor máximo de la función f (x, y) = 2x + y − 3xy sobre
el cuadrado unidad D = [0, 1] × [0, 1].

1. Examina los puntos crı́ticos.

2. Analiza los puntos en la frontera.

3. Compara.

Ejemplo 2.11. Halla el volumen máximo de una caja inscrita en el tetraedro limi-
tado por los planos coordenados y el plano 31 x + y + x = 1.

1. Halla la función a maximizar.

2. Examina los puntos crı́ticos.

3. Analiza los puntos en la frontera.

4. Compara.

2.4.1. Extremos condicionados de funciones

Teorema 2.10. Supongamos dadas dos funciones diferenciables f (x, y) , g(x, y).
Si f tiene un mı́nimo o un máximo local sobre la curva dada implı́citamente por la
ecuación g(x, y) = 0 en el punto P = (x0 , y0 ) tal que ∇g(P ) ̸= ⃗0, entonces existe un
escalar λ tal que
∇f P ) = λ∇g(P ) . (22)

Ejemplo 2.12. Halla los valores crı́ticos de la función f (x, y) = 2x + 5y sobre la

elipse de ecuación:  x 2  y 2
+ = 1.
4 3
Procederemos de la manera siguiente:

1. Escribe la ecuación de Lagrange (22).

2. Aı́sla λ como función de (x, y).

3. Halla x0 e y0 usando la restricción.

16
3. Aplicaciones
3.1. Cordenadas polares en R2 . Coordenadas cilı́ndricas y
esféricas en R3
3.2. Operadores diferenciales y cambios de coordenadas
3.2.1. Operadores diferenciales: Gradiente, Laplaciano, Rotacional

Referencias
[1] T. M. Apostol. Análisis Matemático. Reverté, 1982.

[2] J. Rogawski. Cálculo. Varias Variables. Reverté, 2012.

17