INTRODUCCION.

En el siguiente trabajo se pretende explicar los diversos temas correspondientes al Bloque 3, los
cuales explican que son derivadas parciales, y las diferentes aplicaciones correspondientes a las
funciones de Varias Variables.

OBJETIVO GENERAL:

Entender el concepto de planos y las rectas o superficies que se pueden obtener en una función
por medio de derivación, además de todas las aplicaciones y todos los conceptos
correspondientes a funciones de varias variables.

OBJETIVO ESPECIFICO:

- Obtener la ecuación de la gradiente por medio de derivación.

- Obtener la ecuación de la gradiente.
- Encontrar la ecuación de la recta normal a la superficie de un plano tangente a una
función.
- Obtener los máximos y mínimos de una función
- Entender todos los conceptos que se relacionan con las funciones de varias variables.

FUNCIONES DE VARIAS VARIABLES.

Una función de valor real, f , de x, y, z; es una regla para obtener un nuevo número que se escribe
como f(x,y,z), a partir de los valores de una secuencia de variables independientes (x,y,z……).

DERIVADAS PARCIALES

 Las derivadas parciales son la continuación natural del estudio de las derivadas en una variable

y son el primer escalón en el camino para adentrarse en el cálculo diferencial avanzado. Las

derivadas parciales son una herramienta cotidiana en el estudio de cualquier ingeniería, física,

economía, etc.

 La razón de definir un nuevo tipo de derivada es que cuando una función es multivariable,

queremos ver cómo cambia la función al mover una sola variable mientras mantenemos fijas las

demás.

 Con respecto a las gráficas tridimensionales, puedes ver la derivada parcial df/dx al rebanar la

gráfica de f con un plano que representa un valor constante de Y medir la pendiente de la curva

que resulta a lo largo del corte.

 DERIVADA DIRECCIONAL

Cada vector del espacio ordinario tiene un módulo y una dirección. Cuando se fija un vector dr
= (dx,dy,dz) = dxi + dyj + dzk dando valores concretos a dx, dy, dz , se fija su módulo y su dirección.
Cada valor de la diferencial de la función f en un punto (x, y, z) es el producto escalar de su
gradiente en ese punto por un vector dr, es decir,

En cada punto (x, y, z) el gradiente ∇f es fijo, tiene un valor concreto; pero el vector dr puede
ser cualquiera; puede tener cualquier módulo y cualquier dirección.

GRADIENTE

El gradiente de una función de dos variables es una función vectorial de dos variables.

Esta función tiene múltiples aplicaciones importantes.

I. Supongamos que f es una función de dos variables x y y cuyas derivadas parciales fx y

fy existen. Entonces el gradiente de f se define como:

II. Supongamos que f es una función de tres variables x, y y z cuyas derivadas parciales fx,
fy y fz existen. Entonces el gradiente de f se define como:

Otra notación para la gradiente es grad f(x,y).

PLANO TANGENTE

En geometría diferencial, Un plano tangente a una superficie que está localizado en un punto P
de una función (i,j,k). Es un espacio vectorial de la misma dimensión que la dimensión de la
variedad.
Su fórmula para encontrar k es

𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑘
Donde:

- a, b y c son los valores numéricos de la gradiente.

- x, y y z son los valores del punto que se requiere evaluar.

Por ultimo solo remplazamos el valor de K en la ecuación de la gradiente y es nuestro plano

tangente.

Figura 1

RECTA NORMAL

La recta normal, es una recta perpendicular al plano tangente en el punto cualesquiera. Para
encontrar su ecuación, como ya tenemos el punto de tangencia sólo debemos encontrar la
pendiente de la recta tangente que se obtiene derivando la función y remplazando con los
puntos deseados y calcular la pendiente de la normal con la fórmula.

𝑥 − 𝑥0 𝑦 − 𝑦0 𝑧 − 𝑧0
= =
𝑎 𝑏 𝑐
Donde:

- x0, y0 y z0 son los puntos en los que se quiere evaluar.

- a, b y c son los valores numéricos de la ecuación del plano tangente.

EXTREMOS DE FUNCIONES.

En matemáticas, los máximos y mínimos de una función, son conocidos colectivamente como
extremos de una función, son los valores más grandes (máximos) o más pequeños (mínimos).
 Gráfico de Máximo y Mínimo Local.

Gráficamente los podemos observar en la gráfica anterior, para una mejor explicación, teniendo
en cuenta que en una función de varias variables vamos a tener un nuevo termino que es un
punto de silla.

Gráfico de un Punto de Silla.

- COMO IDENTIFICAR LOS EXTREMOS DE UNA FUNCIÓN.

Para identificar los puntos extremos de una función se debe trabajar con los Criterios De La
Primera Y De La Segunda Derivada.

Es decir igualamos la primera derivada de cada una de las variables que se encuentran en la
función a 0, tras resolver las ecuaciones vamos a obtener las Coordenadas de los puntos críticos.

A continuación vamos a obtener un nuevo término que es el discriminante, el mismo que

consiste en la resolución de la determinante que se estructura de la siguiente manera.
 Estructura del Determinante para hallar el Discriminante.

A continuación, tras hallar el discriminante vamos a reemplazar con las coordenadas obtenidas
en el punto anterior, con estas vamos a poder aplicar el siguiente teorema, el mismo que nos
indicara de que se tratan estos puntos críticos.

Teorema del Criterio de la Segunda Derivada para los Valores Extremos

EJERCICIO DE APLICACIÓN.

Encontrar los extremos de la función f(x,y)=14x2-2x3+2y2+4xy

- Trabajamos la primera derivada de la función.

𝑑𝑓
𝑓𝑥 = = 28𝑥 − 6𝑥 2 + 4𝑦
𝑑𝑥
𝑑𝑓
𝑓𝑦 = = 4𝑦 + 4𝑥
𝑑𝑦
- Encontramos la Segunda Derivada de la función.

𝑑2 𝑓
𝑓𝑥𝑥 = = 28 − 12𝑥
𝑑𝑥 2
𝑑2 𝑓
𝑓𝑦𝑦 = =4
𝑑𝑦 2
- Hallamos las llamadas derivadas cruzadas, las cuales serán las mismas por lo cual
pueden tener la misma simbología
 𝑑2 𝑓
𝑓𝑥𝑦 = 𝑓𝑦𝑥 = =4
𝑑𝑥𝑑𝑦
𝑑2 𝑓
𝑓𝑦𝑥 = 𝑓𝑥𝑦 =4
𝑑𝑦𝑑𝑥
- Igualamos la primera derivada de X a 0.
𝑓𝑥 = 0

28𝑥 − 6𝑥 2 + 4𝑦 = 0
Dividiendo ambos términos entre 2.

14𝑥 − 3𝑥 2 + 2𝑦 = 0
(Ecuación 1)

- Ahora usamos la primera derivada en Y.

𝑓𝑦 = 0
4𝑦 + 4𝑥 = 0
4𝑦 = −4𝑥
𝑦 = −𝑥
(Ecuación 2)

Reemplazamos la Ec. 2 en Ec.1 y la resolvemos.

14𝑥 − 3𝑥 2 − 2𝑥 = 0
−3𝑥 2 + 12𝑥 = 0
(Ecuación de Segundo Grado)

Resolvemos la Ecuación de Segundo Grado.

−𝑏 ± √𝑏 2 − 4𝑎𝑐
2𝑎
Donde:
a= -3
b=12
c=0

Entonces obtenemos:

X1=0 & X2=4

- Reemplazamos estos puntos en la Ecuación 2 para obtener las Coordenadas de los

Puntos Críticos.

Punto Crítico 1 (0,0)

Punto Crítico 2 (4,-4)

- A continuación vamos a encontrar el determinante el mismo que nos va a dar el

Discriminante.
𝑓𝑥𝑥 𝑓𝑥𝑦
= (𝑓𝑥𝑥 ∗ 𝑓𝑦𝑦) − (𝑓𝑥𝑦)2
𝑓𝑦𝑥 𝑓𝑦𝑦
 𝐷𝑖𝑠𝑐 = 112 − 48𝑥 − 16
𝐷𝑖𝑠𝑐 = 96 − 48𝑥
Discriminante.

- Aplicamos el Teorema estudiado anteriormente reemplazando las coordenadas de

nuestros Puntos Críticos, los mismos que nos darán la respuesta de que se trata.

Punto Crítico (0,0)

𝑓𝑥𝑥 = 28 − 12𝑥 = 28

𝐷𝑖𝑠𝑐 = 96 − 48𝑥 = 96
Se trata de un Mínimo Local.

Punto Crítico (4,-4)

𝑓𝑥𝑥 = 28 − 12𝑥 = −20

𝐷𝑖𝑠𝑐 = 96 − 48𝑥 = −96
Se trata de un Punto de Silla.

- Para comprobar podemos ver en la gráfica, la misma que se realiza usando los comandos
en Wolfram Alpha: stationary points o plot.

Gráfico de la Función Trabajada en el Ejercicio Modelo.

MULTIPLICADORES DE LAGRANGE

En los problemas de optimización, el método de los multiplicadores de Lagrange, llamados así

en honor a Joseph Louis Lagrange, es un procedimiento para encontrar los máximos y mínimos
de funciones de múltiples variables sujetas a restricciones. Este método reduce el problema
restringido con n variables a uno sin restricciones de n + k variables, donde k es igual al número
de restricciones, y cuyas ecuaciones pueden ser resueltas más fácilmente. Estas nuevas variables
escalares desconocidas, una para cada restricción, son llamadas multiplicadores de Lagrange.

La demostración usa derivadas parciales y la regla de la cadena para funciones de varias

variables. Se trata de extraer una función implícita de las restricciones, y encontrar las
condiciones para que las derivadas parciales con respecto a las variables independientes de la
función sean iguales a cero.

Geométricamente traducimos la condición de tangencia diciendo que los gradientes de f y g son

vectores paralelos en el máximo. Introduciendo un nuevo escalar, λ, resolvemos

[f(x, y) - λ (g(x, y) − c)] = 0

para λ ≠ 0.

Una vez determinados los valores de λ, volvemos al número original de variables y así
continuamos encontrando el extremo de la nueva ecuación no restringida.

de forma tradicional. Eso es, F(x,y) = f(x,y) para todo (x, y) satisfaciendo la condición
porque g(x,y) – c es igual a cero en la restricción, pero los ceros de gradiente F(x, y) están todos
en g(x,y) = c.

EJERCICIO DE APLICACIÓN.

Hallar el volumen máximo del siguiente objeto.

Y
X

Vmax= xyz Función objetivo

(2xy)8 + (2xz+2yz)5=60

(2xy)8 + (2xz+2yz) 5-60 = 0

λ = lambda

F(x,y,z,λ) = x y z + λ ( 16xy + 10xz + 10yz -60 )

Fx= yz + λ (16y + 10z) =0 1 yz = - λ( 16y + 10z)

Fy= xz + λ (16x + 10z) = 0 2 xz = - λ(16x + 10z)

Fz= xy + λ (10x y 10y) = 0 3 xy = - λ(10x y 10y)

f λ= xyz + 16xy + 10xz + 10yz – 60

- 1y2

yz = - λ ( 16y +10z) / xz= - λ (16x + 10z)

y(16x+10z) = x(16y + 10z)

16xy + 10zy = 16xy + 10zx

X=Y

- 1y3

yz = - λ ( 16y +10z) / xy= -λ(10x + 10y)

z(10x + 10y)=x(16y + 10z)

10xz + 10yz = 16xy + 10xz

Z= 1,6x

- Reemplazo con la ecuación de la restricción que quede todo en función de x

16xx + 10x*1.6x +10x*1.6x= 60

48x2 = 60

X= 1.11

Y= 1.11

Z= 1.78

Volumen max = x* y*z

Volumen max = 2.23

BIBLIOGRAFIA.

- Peressini, A. L., Sullivan, F. E., & Uhl, J. J. (1988). The mathematics of nonlinear

programming (pp. 10-13). New York: Springer-Verlag.

- Kaplan, W., & Aparicio, M. L. (1983). Cálculo avanzado (No. QA303. K36 1976.).

Compañía Editorial Continental.

- Lang, S., Pereyra, H., & Mateos, M. L. (1976). Cálculo (No. 04; QA303, L3.). Fondo

educativo interamericano.

- Zill, D. G. (1987). Cálculo con geometría analítica. Grupo Editorial Iberoamérica,.

APUNTES DEL DOCENTE:

Andrés Ávila

…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………

Henry Serrano

…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………

Luis Guerrero

…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………

Stalin Jimenez

…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………

Pablo Carrión

…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………