Tema 5

Aplicaciones del cálculo diferencial

1. A PLICACIONES EN UNA VARIABLE

1.1. Extremos relativos.

Proposición 1.1: Monotonía

Sea f : [a, b] → R continua en [a, b] y derivable en (a, b), entonces:

(1) Si f 0 (x) ≥ 0 (f 0 (x) > 0) ∀ x ∈ (a, b) entonces f es creciente (estrictamente creciente)
en [a, b].
(2) Si f 0 (x) ≤ 0 (f 0 (x) < 0) ∀ x ∈ (a, b) entonces f es decreciente (estrictamente decre-
ciente) en [a, b].
(3) f (x) es constante (f (x) = c ∀ x ∈ [a, b]) si y sólo si f 0 (x) = 0 ∀ x ∈ (a, b).

Definición 1.2: Extremos relativos

Sea f : R → R, continua y derivable en un entorno del punto x0 ∈ R.
(1) Se dice que en x = x0 f tiene un máximo relativo si existe I, entorno de x0 , tal que
f (x) ≤ f (x0 ) ∀ x ∈ I.
(2) Se dice que en x = x0 f tiene un mínimo relativo si existe I, entorno de x0 , tal que
f (x) ≥ f (x0 ) ∀ x ∈ I.
Los extremos relativos son los puntos donde la función cambia de monotonía.

Proposición 1.3

Sea f : R → R, continua y derivable en un entorno del punto x0 ∈ R.

(1) Si f tiene en x = x0 un máximo o mínimo relativo, entonces f 0 (x0 ) = 0. (El recíproco
no es cierto).
(2) Si f 0 (x0 ) = 0, se dice que x = x0 es un punto crítico de f . (Los extremos relativos son
puntos críticos pero no al revés).

Teorema 1.4
Sea f : R → R, continua y dos veces derivable en un entorno del punto x0 ∈ R, tal que
f 0 (x0 ) = 0, entonces:
(1) Si f 00 (x0 ) > 0 en x = x0 f tiene un mínimo relativo.
(2) Si f 00 (x0 ) < 0 en x = x0 f tiene un máximo relativo.
(3) Si f 00 (x) = 0 no se puede afirmar nada.

1
2

Proposición 1.5

Sea f : [a, b] → R continua en [a, b] y derivable en (a, b), entonces si f no alcanza algún extremo
absoluto en los extremos (a o b) entonces éste es un extremo relativo.

1.2. Propiedades de las funciones derivables.

Teorema 1.6: Rolle
Sea f : [a, b] → R, continua en [a, b] y derivable en (a, b) tal que f (a) = f (b). Entonces existe
x0 ∈ (a, b) tal que f 0 (x0 ) = 0.

Teorema 1.7: Valor medio de Lagrange

Sea f : [a, b] → R, continua en [a, b] y derivable en (a, b). Entonces existe x0 ∈ (a, b) tal que
f (b) − f (a)
f 0 (x0 ) = .
b−a

Teorema 1.8: Regla de L’Hôpital

Sean f, g : R → R dos funciones derivables en un entorno reducido del punto x0 ∈ R, tales que
lı́m f (x) = lı́m g(x) = 0 ó ∞, entonces:
x→x0 x→x0

f (x) f 0 (x)
lı́m = lı́m 0
x→x0 g(x) x→x0 g (x)

El teorema sigue siendo cierto si consideramos límites en el infinito.

Ejemplos 1.9
sen x cos x
(1) lı́m = lı́m =1
x→0 x x→0 1
x − sen x 1 − cos x sen x cos x 1
(2) lı́m 3
= lı́m 2
= lı́m = lı́m =
x→0 x x→0 3x x→0 6x x→0 6 6
1
ln x x
(3) lı́m x ln x = lı́m 1 = lı́m −1 = lı́m −x = 0
x→0 x→0 x→0 x→0
x x2
 3

1.3. Desarrollo de Taylor en series de potencias.

Teorema 1.10
Sea f : R → R, n veces derivable en un entorno del punto x0 ∈ R, entonces:
f 0 (x0 ) f 00 (x0 ) f (n) (x0 )
f (x) = f (x0 ) + (x − x0 ) + (x − x0 )2 + · · · + (x − x0 )n + Rn (x)
1! 2! n!
Rn (x)
para valores de x suficiente próximos a x0 (|x−x0 | <  para algún  > 0), con lı́m =
x→x0 (x − x0 )n
0.
A este desarrollo en serie de potencias se le denomina desarrollo de Taylor de grado n de f en x0 .
Si x0 = 0 recibe el nombre de desarrollo de McLaurin.
Se denomina polinomio y resto de Taylor de f en x0 a
n
f 0 (x0 ) f 00 (x0 ) f (n) (x0 ) X f (k) (x0 )
Pn (x) = f (x0 )+ (x−x0 )+ (x−x0 )2 +· · ·+ (x−x0 )n = (x−x0 )k
1! 2! n! k!
k=0
y Rn (x) respectivamente.

Observación: Para valores muy próximos a x0 , f (x) la podemos aproximar con Pn (x) con un error
|Rn (x)|. Cuanto mayor sea el grado n, mejor será la aproximación.
Ejemplo 1.11

Vamos a calcular el desarrollo de McLaurin de f (x) = sen x de grado 4:

f (0) = 0, f 0 (x) = cos x → f 0 (0) = 1, f 00 (x) = − sen x → f 00 (0) = 0,
f 000 (x) = − cos x → f 000 (0) = −1, f (iv) (x) = sen x → f (iv) (0) = 0,
f (x) = 0 + 1!1 (x − 0) + 2!0 (x − 0)2 − 3!1 (x − 0)3 + 4!0 (x − 0)4 + R4 (x) ⇒
3
sen x = x − x6 + R4 (x) para x próximo a 0 (x ∼ 0).
Podemos observar que el desarrollo de grado 4 coincide con el de grado 3 al ser nulo el coeficiente
de grado 4, así los polinomios de Taylor coinciden
3
P3 (x) = P4 (x) = x − x6 .

Ejemplos 1.12

Algunos de los polinomios de Taylor más utilizados:

3 5 7 9
sen x ≈ x − x6 + x5! − x7! + x9! − · · · x ∼ 0
2 4 6 8
cos x ≈ 1 − x2 + x4! − x6! + x8! + · · · x ∼ 0
2 3 4 5
n
xk
ex ≈ 1 + x + x2 + x3! + x4! + x5! + · · · =
P
k! x∼0
k=0
4

1.3.1. Cota del error.

Teorema 1.13: Resto de Lagrange

Sea f : R → R n + 1 veces derivable en un entorno del punto x0 ∈ R, entonces:

f (n+1) (ξx )
Rn (x) = (x − x0 )n+1
(n + 1)!
para algún ξx comprendido entre x y x0 (|x − ξx | < |x − x0 |).

Observación: Si M ≥ máx{|f (n+1) (z)| : z ∈ [x, x0 ] o z ∈ [x0 , x]} entonces

M
|Rn (x)| ≤ (x − x0 )n+1
(n + 1)!

Ejemplo 1.14

Dar una cota del error al calcular e0,1 utilizando el polinomio de Taylor de grado 2 de ex en x = 0.
2
Fijándoos en el ejemplo 1.3, P2 (x) = 1 + x + x2 ⇒ e0,1 ≈ P2 (0,1) = 1,105.
1
f 000 (x)√= ex ⇒ M ≥ {ez : z ∈ [0, 0,1]} = e0,1 , ahora vamos a acotar este valor: e0,1 < e 2 =
√
e < 4 = 2, por tanto bastará con coger M = 2.
Ahora teniendo en cuenta la observación 1.3.1:
M
R2 (x) ≤ (0,1 − 0)3 = 26 10−3 = 0,000b 3 < 0,00034.
3!
Por tanto podemos afirmar que e0,1 = 1,105 con un error inferior a 0,00034.

Ejemplo 1.15

Calcular el valor del sen(0, 5) con un error inferior a una milésima.

En primer lugar tendremos que determinar el grado del desarrollo de Taylor, de f (x) = sen x
en x = 0, que nos de un error inferior a 10−3 , para ello sabemos que dicho error se encuentra
acotado por
M M
Rn (0,5) ≤ (0,5 − 0)n+1 = (0,5)n+1 , donde
(n + 1)! (n + 1)!
M ≥ máx{|f (n+1)( (z)| : z ∈ [0, 0,5]}
| sen z| si n par
|f (n+1) (z)| = ⇒ |f (n+1) (z)| ≤ 1 por lo que nos bastará coger M = 1,
| cos z| si n impar
(0,5)n+1
de esta forma tenemos que Rn (0,5) ≤ . Por tanto deberemos de encontrar un n que
(n + 1)!
(0,5)n+1
cumpla ≤ 10−3 , para lo cual es suficiente con coger n = 4. Así el valor del sen(0,5)
(n + 1)!
3
nos lo dará su polinomio de grado 4, P4 (x) = x − x6 (ver ejemplo 1.3). P4 (0,5) = P4 ( 12 ) =
1 1 23
2 − 48 = 48 = 0,47916.
b
23
Para finalizar podemos afirmar que sen(0,5) = 48 con un error inferior a una milésima.
 5

Proposición 1.16

El polinomio de Taylor de f (x) en x0 es el único polinomio de grado menor o igual que n que
verifica:
f (x0 ) = Pn (x0 ), f 0 (x0 ) = Pn0 (x0 ), . . . , f (n) (x0 ) = Pn(n) (x0 ).
Por tanto si consideramos el desarrollo en potencias de (x − a) de un polinomio p(x) de grado k,
p(x) = c0 + c1 (x − a) + c2 (x − a)2 + · · · + ck (x − a)k , se cumple:
p0 (a) p00 (a) p(k) (a)
c0 = p(a), c1 = , c2 = , . . . , ck =
1! 2! k!

Ejemplo 1.17

Desarrollar el polinomio p(x) = x3 + x2 + x + 1 en potencias de (x − 1).

p(x) = c0 + c1 (x − 1) + c2 (x − 1)2 + c3 (x − 1)3 , para calcular los valores de las ci precisamos
de las sucesivas derivadas de p(x) hasta la de orden tres.
p0 (x) = 3x2 + 2x + 1, p00 (x) = 6x + 2, p000 (x) = 6, ahora podemos calcularlas:
p0 (1) p00 (1) p000 (1)
c0 = p(1) = 4, c1 = = 6, c2 = = 4, c3 = =1
1! 2! 3!
por tanto p(x) = 4 + 6(x − 1) + 4(x − 1)2 + (x − 1)3 .

2. A PLICACIONES EN VARIAS VARIABLES

2.1. Extremos relativos.

Definición 2.1: Extremos relativos
Sea f : Rn → R una función definida en un entorno de a ∈ Rn .
(1) f tiene un máximo relativo (estricto) en a si existe una bola abierta B(a, r) tal que f (a) ≥
f (x) (f (a) > f (x)) ∀ x ∈ B(a, r) (∀ x ∈ B ∗ (a, r)).
(2) f tiene un mínimo relativo (estricto) en a si existe una bola abierta B(a, r) tal que f (a) ≤
f (x) (f (a) < f (x)) ∀ x ∈ B(a, r) (∀ x ∈ B ∗ (a, r)).
(3) Se dice que f tiene un extremo relativo (estricto) en a, si f tiene un máximo (estricto) o
un mínimo relativo (estricto) en a.

Teorema 2.2
Sea f : Rn → R una función diferenciable en un entorno de a ∈ Rn , entonces si f tiene un
extremo relativo en a la df (a) ≡ 0.
−→ →
− ∂f
El que df (a) ≡ 0 es equivalente a que ∇f (a) = 0 o, lo que es lo mismo, que (a) = 0 ∀ i =
∂xi
1, . . . , n.

Observación: El recíproco no es cierto, es decir, que si df (a) ≡ 0 no implica que f tenga en a un

extremo relativo.
Recordar que para funciones de una variable si f 0 (x0 ) = 0 no implica que x0 sea un extremo relativo,
para que lo fuera teníamos que tener f 00 (x0 ) > 0 (mínimo) o f 00 (x0 ) < 0 (máximo).
6

Definición 2.3: Punto crítico

Sea f : Rn → R una función diferenciable en un entorno de a ∈ Rn . Si df (a) ≡ 0, diremos que
f tiene en a un punto crítico o estacionario.
Si a es un punto crítico de f , en el que para cualquier bola abierta B(a, r) existen puntos x, y ∈
B(a, r) con f (x) > f (a) y f (y) < f (a), entonces diremos que f tiene en a un punto de silla o
un puerto.

Teorema 2.4

Sea f : Rn → R una función de clase C 2 en un entorno de a ∈ Rn , supongamos que a es un

punto crítico de f (df (a) ≡ 0) entonces:
(1) Si la forma cuadrática d2 f (a)(u) es semidefinida positiva (definida positiva), esto es
d2 f (a)(u) ≥ 0 ∀ u ∈ Rn (d2 f (a)(u) > 0 ∀ u ∈ Rn r {0}), f tiene un mínimo re-
lativo (estricto) en a.
(2) Si la forma cuadrática d2 f (a)(u) es semidefinida negativa (definida negativa), esto es
d2 f (a)(u) ≤ 0 ∀ u ∈ Rn (d2 f (a)(u) < 0 ∀ u ∈ Rn r {0}), f tiene un máximo relativo
(estricto) en a.
(3) Si la forma cuadrática d2 f (a)(u) es no degenerada e indefinida, f tiene en a un punto de
silla.

Sea f : Rn → R una función de clase C 2 , denotamos por:

∂2f ∂2f ∂2f
∂x21
(a) ∂x1 ∂x2 (a) ... ∂x1 ∂xj (a)

∂2f ∂2f ∂2f

∆j (a) = ∂x2 ∂x1 (a) ∂x22
(a) ... ∂x2 ∂xj (a)
.. .. .. ..
. . . .
∂2f ∂2f ∂2f
∂xj ∂x1 (a) ∂xj ∂x2 (a) ... ∂x2j
(a)

∂2f ∂2f
∂2f ∂x21
(a) ∂x1 ∂x2 (a)
∆1 (a) = ∂x21
(a), ∆2 (a) = 2
∂ f ∂2f , . . . , ∆n (a) = det(Hf (a))
∂x2 ∂x1 (a) ∂x22
(a)
Esto es, los ∆j son los menores principales, de orden j, de la matriz hessiana.

Teorema 2.5

Sea f : Rn → R una función de clase C 2 en un entorno de a ∈ Rn , supongamos que a es un

punto crítico de f (df (a) ≡ 0) entonces:
(1) Si ∆j (a) > 0 ∀ j = 1, . . . , n, f tiene en a un mínimo relativo.
(2) Si (−1)j ∆j (a) > 0 ∀ j = 1, . . . , n, f tiene en a un máximo relativo.
(3) Si no se cumple ninguna de las condiciones anteriores y
∆n (a) = det(Hf (a)) 6= 0, f tiene en a un punto de silla.

Observación: Cuando ∆n (a) 6= 0 diremos que a es un punto crítico no degenerado, y si ∆n (a) = 0

diremos que es degenerado.
La condición (2) es lo mismo que ∆1 < 0, ∆2 > 0, ∆3 < 0, . . ., es decir, que ∆1 , ∆2 , ∆3 , . . . , ∆n
alternan su signos, siendo negativo el primero (∆1 ).
 7

2.1.1. Caso particular: Si f : R2 → R, f (x, y), es una función de clase C 2 en un entorno de a ∈ R2 y

df (a) ≡ 0.
∂2f
(1) Si > 0 y det(Hf (a)) > 0, entonces f tiene en a un mínimo relativo.
∂x2
∂2f
(2) Si < 0 y det(Hf (a)) > 0, entonces f tiene en a un máximo relativo.
∂x2
(3) Si det(Hf (a)) < 0, entonces f tiene en a un punto de silla.

Ejemplo 2.6

Calcular los puntos críticos de la función

f (x, y) = x2 y + 2xy − y 2 − 3y, e indicar la naturaleza de estos.
Los puntos ( críticos son los que cumplen df (x, y) ≡ 0, es decir, las soluciones del sistema de
∂f
ecuaciones ∂f ∂x (x, y) = 0
∂y (x, y) = 0
∂f ∂f
(x, y) = 2xy + 2y, (x, y) = x2 + 2x − 2y − 3, por tanto tendremos que resolver el
∂x ( ∂y
2xy + 2y = 0
sistema , sacando factor común en la primera ecuación tenemos que
x2 + 2x − 2y − 3 = 0
2y(x + 1) = 0 cuya solución es y = 0 ó x = −1
Haciendo y = 0 en la segunda ecuación nos queda x2 + 2x − 3 = 0 cuyas soluciones son x = 1
y x = −3, de aquí salen dos puntos críticos (1, 0) y (−3, 0).
Haciendo x = −1 en la segunda ecuación nos queda y = −2, luego otro punto crítico es
(−1, −2).
Ahora tenemos que calcular de que clase son para lo cual necesitamos calcular las derivadas
parciales segundas.
∂2f ∂2f ∂2f
2
(x, y) = 2y, (x, y) = 2x + 2, (x, y) = −2,
∂x ∂x∂y ∂y 2
2y 2x + 2
Hf (x, y) = = −4y − 4x2 − 8x − 4,
2x + 2 −2
∂2f
(x, y) ∂x2
(x, y) Hf (x, y) clase
(1, 0) 0 −16 punto de silla
(−3, 0) 0 −16 punto de silla
(−1, −2) −4 8 máximo relativo

2.2. Extremos condicionados, multiplicadores de Lagrange. Si tenemos f : Rn → R, f (x1 , . . . , xn ),

y queremos conocer los extremos relativos de f de entre aquellos puntos que satisfacen unas ciertas
condiciones o ecuaciones. Esto es, queremos calcular los extremos relativos de f cuando (x1 , . . . , xn )
cumplan ciertas ecuaciones

g1 (x1 , . . . , xn ) = 0

..
(1) . , con r < n


gr (x1 , . . . , xn ) = 0
En ocasiones podemos despejar de la ecuación algunas variables en función de las otras, por ejemplo
podemos despejar las r primeras variables x1 , . . . , xr en función de las n − r últimas, así tendríamos que
xi = g̃i (xr+1 , . . . , xn ), i = 1, . . . , r. Entonces si definimos,
8

f˜(xr+1 , . . . , xn ) = f (g̃1 (xr+1 , . . . , xn ), . . . , g̃r (xr+1 , . . . , xn ), xr+1 , . . . , xn ), los extremos relativos

que estamos buscando son los de la función f˜.
Pero en ocasiones resulta complicado o no es posible despejar variables en función de otras en el
sistema de ecuaciones 1, por lo que necesitamos otras técnicas para calcular esos extremos relativos
condicionados. A continuación veremos el método de los multiplicadores de Lagrange para resolver este
tipo de problemas.
Teorema 2.7: Método de los multiplicadores de Lagrange

Sean f : Rn → R, gi : Rn → R i = 1, . . . , r con r < n funciones de clase C 2 en un entorno

de a ∈ Rn . Definimos g = (g1 , . . . , gr ) : Rn → Rr y supongamos que rang(Jg(a)) = r y
g(a) = 0 (gi (a) = 0 ∀ i = 1, . . . , r).
Si existen r números reales λ1 , . . . , λr , tales que a es un punto crítico de la función L(x) =
f (x) + λ1 g1 (x) + · · · + λr gr (x), es decir dL(a) ≡ 0. Entonces a es un extremo relativo de f
condicionado por g(x) = 0 (gi (x) = 0 ∀ i = 1, . . . , r), además si ∀ v ∈ Rn r{0} con v ∈ Ker f ,
esto es, ∀ v ∈ Rn r {0} con Jg(a) · v = 0, se verifica:
(1) d2 L(a)(v) > 0, entonces f tiene un mínimo relativo condicionado en a.
(2) d2 L(a)(v) < 0, entonces f tiene un máximo relativo condicionado en a.
Los números λ1 , . . . , λr reciben el nombre de multiplicadores de Lagrange.

2.2.1. Como calcular extremos relativos condicionados. Un proceso para calcular extremos relativos
condicionados sería el siguiente:
( Supongamos que queremos calcular los extremos relativos de f (x, y, z), condicionados por
g1 (x, y, z) = 0
, esto es, g = (g1 , g2 ) : R3 → R2 (aquí r = 2 < 3 = n), entonces podemos
g2 (x, y, z) = 0
proceder como sigue:
(1) Se calculan los puntos críticos de la función
L(x, y, z) = f (x, y, z) + λ1 g1 (x, y, z) + λ2 g2 (x, y, z), esto es, los puntos que verifican
dL(x, y, z) ≡ 0 y que cumplan las condiciones dadas al principio. Luego hay que resolver el
sistema: 
∂L
∂x (x, y, z) = 0



∂L
 ∂y (x, y, z) = 0



∂L
 ∂z (x, y, z) = 0
g 1 (x, y, z) = 0





g (x, y, z) = 0
2

Le hemos añadido las dos ultimas ecuaciones ya que son las condiciones que deben de cumplir
los puntos, también observar que así obtenemos un sistema de 5 ecuaciones con 5 incógnitas
{x, y, z, λ1 , λ2 }.
Supongamos que hemos obtenido el punto (a, b, c) como solución de x, y, z en el sistema de
ecuaciones, es decir, que (a, b, c) es un punto crítico de L.
(2) Ahora tendremos que comprobar si (a, b, c) es un extremo relativo condicionado de f , esto es,
tendremos que ver que rang(Jg(a, b, c)) = 2 (aquí r = 2). Luego tendremos que calcular el
rango de la matriz jacobiana de g en (a, b, c),
!
∂g1 ∂g1 ∂g1
∂x (a, b, c) ∂y (a, b, c) ∂x (a, b, c)
Jg(a, b, c) = ∂g 2 ∂g2 ∂g2
∂x (a, b, c) ∂y (a, b, c) ∂x (a, b, c)
 9

si resulta que rang(Jg(a, b, c)) = 2, luego tendremos que (a, b, c) es un extremo relativo condi-
cionado. Entonces nos quedará por ver si es máximo o mínimo.
(3) Calculamos el núcleo de dg(a), es decir los vectores v = (v1 , v2 , v3 ) ∈ R3 tal que Jg(a, b, c) ·
(v1 , v2 , v3 ) = (0, 0)
(4) Para estos vectores (y sólo para estos) hay que ver el signo que tiene d2 L(a, b, c)(v1 , v2 , v3 ) con
(v1 , v2 , v3 ) 6= (0, 0, 0)
∂2L 2 2
2 + ∂ L (a, b, c) · v 2 + ∂ L (a, b, c) · v 2 +
d2 L(a, b, c)(v1 , v2 , v3 ) = (a, b, c) · v 1 2 3
∂x2 ∂y 2 ∂z 2
2
∂ L 2
∂ L 2
∂ L
+2 (a, b, c) · v1 v2 + 2 (a, b, c) · v1 v3 + (a, b, c) · v2 v3
∂x∂y ∂x∂z ∂y∂z
(
d2 L(a, b, c)(v1 , v2 , v3 ) > 0 ⇒ (a, b, c) mínimo
si ∀ (v1 , v2 , v3 ) ∈ Ker(dg(a)) no nulo
d2 L(a, b, c)(v1 , v2 , v3 ) < 0 ⇒ (a, b, c) máximo
Observación: A veces d2 L(a, b, c)(v1 , v2 , v3 ) tiene signo constante para todo vector (v1 , v2 , v3 ) ∈ R3
no nulo, entonces en este caso nos podemos saltar el paso (3) y calcular
d2 L(a, b, c)(v1 , v2 , v3 ) ∀ (v1 , v2 , v3 ) ∈ R3 no nulo.
10

Ejemplo 2.8

Calcular los extremos relativos de f (x, y, z) = x + y + z condicionados por

(
x2 + y 2 + z 2 = 2
.
x+y =1
Siguiendo los pasos vistos en el proceso anterior, en este caso
g1 (x, y, z) = x2 + y 2 + z 2 − 2 y g2 (x, y, z) = x + y − 1
(1) L(x, y, z) = f (x, y, z) + λ1 g1 (x, y, z) + λ2 g2 (x, y, z) ⇒
L(x, y, z) = x + y + z + λ1 (x2 + y 2 + z 2 − 2) + λ2 (x + y − 1)
∂L ∂L ∂L
= 1 + 2λ1 x + λ2 , = 1 + 2λ1 y + λ2 , = 1 + 2λ1 z, luego el sistema a
∂x ∂y ∂z
resolver es 


 1 + 2λ1 x + λ2 = 0

1 + 2λ1 y + λ2 = 0


1 + 2λ1 z = 0
x2 + y 2 + z 2 = 2






x + y = 1
Si restamos las dos primeras ecuaciones nos queda
2λ1 x − 2λ1 y = 0 ⇒ 2λ1 (x − y) = 0 por tanto obtenemos que o bien λ1 = 0 ó x = y.
Si λ1 = 0, sustituyendo en la tercera ecuación nos queda 1 = 0 que es absurdo, por lo
que esta posibilidad queda descartada, por tanto x = y. Teniendo en cuenta esto último y
sustituyendo en la última ecuación nos queda x = y = 21 . Para calcular z, despejando en
la cuarta
p ecuación q q
z = ± 2 − x2 − y 2 = 2 − 14 − 14 = ± 32 .
q q
Luego hemos obtenido los puntos ( 21 , 12 , 32 ) y ( 12 , 21 , − 32 ). Pasamos a calcular los
valores de λ1 y λ2 .
Despejando en la tercera y luego en la segunda ecuación obtenemos λ1 = −1 2z y λ2 =
1
−1 + 2z .  q √
si z = 3 ⇒ λ1 = √ −1 −2− 6
2 6
y λ 2 = 2
q √
si z = − 3 ⇒ λ1 = √1 y λ2 = −2+ 6
2 6 2
(x, y,q
z) (λ1 , λ2 )
√
1 1 3 −1 −2− 6
Las soluciones obtenidas son ( 2 , 2 , ) (√ , 2 )
√2 6 √
1 1 − 3
(2, 2, 2 ) ( √16 , −2+2 6 )
q q
(2) Ahora pasamos a ver si ( 12 , 21 , 3
2) y ( 2 , 2 , − 32 ) son extremos
1 1
relativos.
g = (g1 , g2 ) g1 (x, y, z) = x2 + y 2 + z 2 − 2 g2 (x, y, z) = x + y − 1

∂g1 ∂g1 ∂g1 ∂g2 ∂g2 ∂g2

= 2x, = 2y, = 2z, = 1, = 1, =0
∂x ∂y ∂z ∂x ∂y ∂z
   √ 
2x 2y 2z 1 1 6
q q
Jg(x, y, z) = Jg( 12 , 12 , 3
2
) = Jg( 12 , 12 , − 3
2
) =
1 1 0 1 1 0
 √ 
1 1 − 6
1 1 0
y como podemos
q ver fácilmente q
rang(Jg( 12 , 21 , 32 )) = rang(Jg( 12 , 21 , − 32 )) = 2, luego ambos puntos son extremos
relativos condicionados.
 11

Ejemplo 2.9

Nos queda por ver si son máximos o mínimos.

4. Calculamos d2 L(x, y, z)

∂2L ∂2L ∂2L ∂2L ∂2L ∂2L

= = = 2λ1 = = =0
∂x2 ∂y 2 ∂z 2 ∂x∂y ∂x∂z ∂y∂z

⇒ d2 L(x, y, z)(v1 , v2 , v3 ) = 2λ1 v12 + 2λ1 v22 + 2λ1 v32 = 2λ1 (v12 + v22 + v32 )
q
−1
Para ( 12 , 12 , 32 ) → λ1 = √ 6
⇒
q
−2 2
⇒ d2 L( 21 , 12 , 32 )(v1 , v2 , v3 ) = √ (v + v22 + v32 ) < 0 ∀ (v1 , v2 , v3 ) ∈ R3 no nulo, por
6 1
q
tanto ( 21 , 21 , 32 ) es un máximo relativo condicionado.
q
Para ( 12 , 12 , − 32 ) → λ1 = √16 ⇒
q
⇒ d2 L( 21 , 12 , 32 )(v1 , v2 , v3 ) = √26 (v12 + v22 + v32 ) > 0 ∀ (v1 , v2 , v3 ) ∈ R3 no nulo, por
q
tanto ( 21 , 21 , − 32 ) es un mínimo relativo condicionado.
Observar que en este caso no ha hecho falta el paso (3) ya que la d2 L conserva el signo para
cualquier vector de R3 , luego a veces es conveniente hacer el paso (4) antes que el (3).

2.3. Cálculo de extremos absolutos en dominios compactos. Sea D ∈ Rn un dominio compacto de

Rn y sea f : D → R una función diferenciable. Por ser D compacto y f continua, ésta alcanza sus
extremos absolutos en D, estos extremos o bien están en el interior de D, por lo que serán extremos
relativos de f , o bien se encuentran en la frontera, por lo que serán extremos condicionados de f .
2.3.1. Como calcularlos: Supongamos que D = {(x1 , . . . , xn ) ∈ Rn : g(x1 , . . . , xn ) ≤ 0}, donde
g : Rn → R es diferenciable:
(1) Calculamos los puntos críticos de f y nos quedamos con los puntos que pertenezcan a D (en este
caso los que cumplan g(x1 , . . . , xn ) ≤ 0).
(2) Calculamos los extremos condicionados de f en la frontera de D (en este caso condicionados por
g(x1 , . . . , xn ) = 0).
De los puntos obtenidos en los pasos (1) y (2) el que nos de el mayor valor de la función será el
máximo absoluto y el que nos de el menor valor será el mínimo absoluto.