MATEMTICAS

Departamento de Economa Cuantitativa

Universidad de Oviedo

DERIVABILIDAD DE FUNCIONES
1.- Hallar el vector gradiente de las siguientes funciones:

f f
f ( x , y ) = ,
x y

a) f ( x, y ) = 3 x 2 y + 3 x + y

1
1

3
3
2
6 x y +

,
3
x
+

( 2/3 )
( 2 /3 )

(
x
+
y
)
(
x
+
y
)

b) f ( x, y ) = cos2 (3xy )

[ 6 cos( 3 x y ) sin( 3 x y ) y, 6 cos( 3 x y ) sin( 3 x y ) x ]

c) f ( x , y ) = x a + b y

xa a y

, b ln( b )
x

d) f ( x , y , z ) = e xy + 3 z 2 y

[ y2 e

e) f ( x, y ) = ln( x + y ) + x

2
(x y )

,2xye

2
(x y )

+ 3 z 2, 6 y z ]

xy y 1
1

+
,
+ x y ln( x )
x
+
y
x
+
y
x

2.- Hallar la matriz hessiana de las siguientes funciones:

1
1
1
2

,
,
a) f ( x , y , z ) = ln( 2 x y + z )

2
x

y
+
z
2
x

y
+
z
2
x

y
+
z

1
4

( 2 x y + z )2

1
2
( 2 x y + z )2

1
2

( 2 x y + z )2

b) f ( x , y ) = e

xy

c) f ( p1 , p2 ) =

[y e

1
ln( p2 )
p1

(x y)

,xe

1 ln( y ) ,

2 x ( 3 /2 )

1
( 2 x y + z )2
1

( 2 x y + z )2
1
( 2 x y + z )2
2

(x y)

(2 x y + z)

2
(2 x y + z)

2
(2 x y + z)

(x y)
(x y )
(x y)

y2 e
+ x y e
e

] (x y)

(x y)
(x y)
e

+xye
x2 e

x y

3 ln( y )

4 x ( 5/2 )

1 1

2 x ( 3/ 2 ) y

1 1

2 x( 3/2 ) y

2
x y

1
2

1
2

d) Q = f ( K , L) = 10 KL K L

10 y 1 1 , 10 x

2 x

1 1
( 3/2 )
4 x

10

10

DIFERENCIABILIDAD DE FUNCIONES

5.- El vector gradiente de las funciones de este ejercicio es:

a) f ( x, y ) = xy 2 sen ( 2 x )
b) f ( x , y , z ) =

[ y2 sin( 2 x ) + 2 x y2 cos( 2 x ), 2 x y sin( 2 x ) ]

1

xy 2 + sen ( xz )

c) f ( x, y , z ) = e x z + x 2 sen ( x y ) [ z e
d) g ( x, y ) = ln( x 2) + x 2 y
e) f ( x, y ) =

y 2 x2
x y2

(x z)

y2
x y2

+ cos( x z ) z,

, cos( x z ) x

x y2

xy

+ 2 x sin( x y ) + x2 cos( x y ), x2 cos( x y ), x e

(x z)

1 + 2 x y, x2

x2

2
2
x
y x
y
2 ( y2 x2 ) y

2
+

,
2

2
x y 2 ( x y2 ) 2 x y 2

(
x

y
)

Polinomios de Taylor
Damos el gradiente y la matriz hessiana para las siguientes funciones

2.- f ( x, y ) = x ln (1 + y ) ,
x
> grad(x*log(1+y),[x,y]); ln( 1 + y ),

1 + y

1
0

1
+
y

> hessian (x*log(1+y),[x,y]);

x
1

2
1 + y
(1 + y)

5.- f ( x, y ) = (2 x)e( y 1) + xy ,
> grad((2-x)*exp(y-1)+x*y,[x,y]); [ e

(y 1)

+ y, ( 2 x ) e

(y 1)

+ x]

(y 1)

0
e
+ 1

> hessian ((2-x)*exp(y-1)+x*y,[x,y]); ( y 1 )

( y 1 )
e

+
1
(
2

x
)
e

7. - f ( x, y, z ) = 2.x z + ln( x. y )

z
y

z
1
xz z 1 1
z
2

x + x , y + y2 , 2 x ln( x ) y

x z z2 2 x z z 1
2 2 2 2
x
x
x

xz z ln( x ) 2 xz
2
+

x
x

1 2z

y2 y3
1
y2

x z z ln( x ) 2 x z

+
x
x

y2

z
2

2 x ln( x )