Análisis de Varias Variables Reales (2008)

Introduccion
Funciones con . . .
Funciones de dos . . .
Funciones Lineales . . .
Gracas de . . .
Funciones de tres o . . .
Funciones con . . .
Parametrizacion de . . .

Empezaremos el curso introduciendo algunos conceptos basicos para el estudio de funciones
de varias variables, que son el objetivo de la asignatura:
Funciones escalares de dos y tres variables.
Conjuntos de nivel, diagramas de contorno, gracas.
Funciones vectoriales de una y dos variables.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

1. Funciones con valores reales
f : R
n
R
La mayora de los fenomenos naturales y articiales dependen de mas de una variable: la
fuerza de gravedad entre dos cuerpos depende de sus masas, y de la distancia que los separa; la
velocidad de una reaccion qumica depende de la temperatura y de la presion del ambiente en
que se produce. El clima de una ciudad depende de su posicion en la supercie de la tierra, y del
tiempo, etc.
Empezaremos por conocer algunos elementos para estudiar funciones de dos variables.
En algunas ocasiones hay una formula matematica que establece una relacion entre una
cantidad y las variables que la determinan, mediante operaciones matematicas. Por ejemplo,
para determinar el area de la supercie total de un cilindro de base circular de radio r , y altura
h, tenemos
A(r, h) = 2 r
2
+ 2 rh
En otras ocasiones, la funcion puede expresarse geometricamente. Por ejemplo, un mapa
metereologico de isotermas, en el que se dibujan lneas que representan puntos donde la tempe-
ratura prevista es un determinado valor jo t, escogiendo para t diferentes valores signicativos.
Esas lneas donde la temperatura es una constante t se llaman isotermas, en este caso, porque
se reeren a la temperatura (isoterma = misma temperatura).
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Temperaturas maximas en Europa,
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

En general, dada una funcion f(x, y), se llaman curvas de nivel a los conjuntos de puntos
donde f toma un cierto valor constante, {(x, y) : f(x, y) = c}, es decir, el conjunto de
soluciones de la ecuacion f(x, y) = c. Y se llama diagrama de contorno a un mapa en el que
se dibuja el dominio de la funcion y algunas de sus curvas de nivel, que permitan interpretar el
comportamiento de la funcion. Suelen escogerse valores equidistantes para las constantes c que
determinan las curvas de nivel.
Ejemplo 1. Los siguientes diagramas de contorno representan diferentes escenarios en un mapa
topograco: un pico, un puerto entre dos monta nas, un valle a lo largo de un rio, y uno es falso.
Distinguir cual es cada uno.
3
0
0 100
2
0
0
200
1
0
0
300
300
300
2
0
0
400
3
0
0
500
500
500
700
800
800
700
Ejemplo 2. Dibujar los diagramas de contorno de las siguientes funciones, con al menos cinco
curvas de nivel:
(1) f(x, y) = x +y (2) f(x, y) = xy (3) f(x, y) = x
2
+y
2
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Otra forma de representar una funcion de dos variables es una tabla de valores, en la que se
indican algunos valores signicativos de la funcion:
x/y -1 0 1 2
0 1,5 1 0,5 0
1 3,5 3 2,5 2
2 5,5 5 4,5 4
3 7,5 7 6,5 6
Ejemplo 3. Construir una tabla de valores, y un diagrama de contorno para la funcion
f(x, y) = x
2
y
2
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Para funciones con mas de dos variables, la representacion mediante una formula es similar a
la que hemos visto, para el area total de un cilindro. Por ejemplo, el volumen de un paraleleppedo
rectangular de lados de longitud x, y y z, es V (x, y, z) = xyz
Sin embargo la representacion geometrica mediante conjuntos de nivel es mas compleja, ya
que no son curvas de nivel, sino supercies, o generalizaciones del concepto de supercie.
Por ejemplo, para la funcion f(x, y, z) = x
2
+ y
2
+ z
2
, los conjuntos de nivel N
c
=
{(x, y, z) : x
2
+y
2
+z
2
= c} para c > 0, son esferas de centro el origen de coordenadas y radio
c
S = {(x, y, z) : x
2
+ y
2
+ z
2
= c}
c
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Y no se puede construir una tabla de valores para una funcion de tres variables.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

2. Funciones de dos variables
Una tecnica elemental de estudio de funciones de varias variables consiste en estudiar su comporta-
miento respecto a una sola de las variables, manteniendo el resto constante.
Ejemplo: La Ola
Supongamos que estamos en un estadio de futbol, donde el p ublico esta haciendo la ola: se
levantan y se sientan creando la sensacion de una ola que recorre el estadio. Imaginemos que hay
una sucesion continua de olas, que no se para nunca, y, para simplicar, observemos una sola la
de espectadores.
Estudiamos el movimiento de cada individuo de la la, como una funcion de dos variables, x
el n umero de asiento, y t el tiempo, h(x, t) es la altura a la que esta la cabeza del espectador del
asiento x en el instante t.
La funcion h(x, t) es de la forma
h(x, t) = 150 + 25 cos(x/2 t)
Que signica h(x, 5), o h(2, t)?
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

En h(x, 5) estamos considerando la forma de la ola a lo largo del estadio en el instante t = 5.
Es como hacer una fotografa en ese instante.
h(x, 5) es una funcion periodica de perodo 4; eso quiere decir que en un perodo de x =
4 13 asientos se forma una ola completa, que luego se repite.
En cualquier otro instante t, la funcion h(x, t) es similar a esta. La diferencia es solo un
desplazamiento a izquierda o derecha de la graca.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

h(2, t) reeja el movimiento del espectador n umero 2 a lo largo del tiempo. Esto sera como
tomar una grabacion de ese espectador solamente, y luego extender la pelcula para observar su
movimiento a lo largo del tiempo.
h(2, t) es periodica de perodo 2; es decir, cada 2 6, 28 segundos el espectador repite su
movimiento.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Observemos que
h(7, t) = 150 + 25 cos(7/2 t) = 150 + 25 cos(1 + 5/2 t) =
150 + 25 cos(1 (t 5/2)) = h(2, t 5/2)
es decir, la funcion h(7, t) es la misma que h(2, t) pero desplazada 2, 5 segundos en el tiempo.
Esto quiere decir que el espectador n umero 7 se levanta justo 2,5 segundos despues que el
espectador n umero 2.
Para estudiar la velocidad a que avanza la ola, podemos estudiar la posicion de la primera
cresta de la ola a lo largo del tiempo.
h(x, 0) = 150 + 25 cos(x/2)
tiene la primera cresta cuando cos(x/2) = 1 por primera vez, es decir, cuando x/2 = 0 x = 0
Un segundo mas tarde, h(x, 1) = 150+cos(x/21) tiene la primera cresta cuando x/21 =
0 x = 2
Es decir, en un segundo la cresta de la ola ha avanzado 2 asientos.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

3. Funciones Lineales de dos variables
Entre las funciones de varias variables mas sencillas estan las funciones lineales. Una funcion
lineal de R
2
en R es de la forma
f(x, y) = Ax +By +C
La tabla de una funcion lineal se caracteriza facilmente por el hecho de que para un valor
constante de una variable, por ejemplo para y = y
0
constante, al aumentar en una unidad la
variable x, el valor de f(x, y
0
) aumenta siempre en la misma cantidad, y esta es independiente
de y
0
. Y analogamente actuando en orden contrario.
x/y -1 0 1 2
0 1,5 1 0,5 0
1 3,5 3 2,5 2
2 5,5 5 4,5 4
3 7,5 7 6,5 6
f(x + 1, y
0
) f(x, y
0
) = A(x + 1) + By
0
+C (Ax +By
0
+C) = A
f(x
0
, y + 1) f(x
0
, y) = Ax
0
+B(y + 1) + C (Ax
0
+By +C) = B
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Y para determinar el coeciente C, sabiendo el valor de f en un punto (x
0
, y
0
), tenemos
C = f(x
0
, y
0
) Ax
0
By
0
En este ejemplo, f(x, y) = 2x
1
2
y + 1
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Las curvas de nivel de una funcion lineal de dos variables son rectas en el plano, paralelas
entre si:
N
d
= (x, y) : Ax +By +C = d}, d R
En el ejemplo, N
d
= {(x, y) : 2x +
1
2
y + 1 = d} = {(x, y) : 4x +y = 2d 2}. Dibujamos
los casos d = 1, 0, 1, 2, 3
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

4. Gracas de funciones de dos variables
Para una funcion de una variable, y = f(x), la graca es el conjunto de puntos (x, y) que verican
y = f(x)
G
f
= {(x, y) : y = f(x)}
y representa una curva
x
f(x)
(x, y)
y = f(x)
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

En el caso de una funcion de dos variables, la graca es una supercie contenida en R
3
f : R
2
R, z = f(x, y)
G
f
= {(x, y, z) : z = f(x, y)}
f(x, y) =
sen (x
2
+y
2
)
x
2
+y
2
Un programa de ordenador puede dibujar la graca de una funcion de dos variables: se cons-
truye una tabla de valores, a continuacion se dibujan los puntos correspondientes (x, y, f(x, y))
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

en el espacio, se trazan luego las poligonales que unen puntos con la misma abscisa x, y las
poligonales que unen puntos con la misma ordenada y, de forma que queda denida una red en
R
3
, y rellenando los huecos de la red se obtiene una aproximacion de la supercie, que sera mejor
cuantos mas valores se den en la tabla. El dibujo anterior esta generado con Matlab.
Sin embargo este metodo no puede llevarse a la practica, salvo en casos muy sencillos, a
mano, ya que al pintar puntos aislados en R
3
, se pierde la sensacion de perspectiva que nos
permite identicar la supercie.
Uno de los procedimientos que se utilizan entonces para construir gracas es el estudio de las
secciones por planos paralelos a los planos coordenados, que son las curvas que se obtienen al
considerar una de las variables constante, y las curvas de nivel que son las secciones de la graca
por planos paralelos al plano xy.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Ejemplo 4. Dibujar la graca de la funcion f(x, y) = x
2
+y
2
Si x = 2, f(2, y) = 4 +y
2
es una funcion cuya graca es una parabola z = 4 + y
2
En general, para cada valor jo de x, la funcion tiene como graca una parabola similar a
z = y
2
, pero desplazada hacia arriba x
2
Analogamente, si y = 1, f(x, 1) = x
2
+1 es una funcion cuya graca es una parabola similar
a z = x
2
, pero desplazada hacia arriba una unidad; y para cada valor jo de y, la funcion tiene
una graca similar, desplazada hacia arriba y
2
.
Si estudiamos las curvas de nivel, obtenemos los conjuntos N
c
= {(x, y) : x
2
+y
2
= c}, que
son circunferencias en el plano horizontal de centro el origen de coordenadas y radio

c. Solo
tienen sentido si c > 0, as que solo hay puntos de la graca con z > 0, y todos los puntos con
(x, y) en una de esas circunferencias, estan a la misma altura c
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Dibujando varias secciones obtenemos una idea aproximada de la graca de la funcion.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

La graca de una funcion lineal f(x, y) = Ax +By +c es un plano en R
3
3x + 2y z = 400
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

5. Funciones de tres o mas variables
En muchos problemas de aplicacion de calculo aparecen funciones de mas de dos o tres variables.
Por ejemplo, para estudiar la temperatura del Universo necesitaramos una funcion de cuatro
variables, tres que nos indican la posicion del punto, y una que nos indica el tiempo.
La dicultad mas evidente que tienen estas funciones es que no podemos representar geome-
tricamente su graca: si la graca de una funcion de una variable es una curva en el plano, y la
de una funcion de dos variables es una supercie en el espacio, la de una funcion de tres variables
sera un solido en R
4
. Y as sucesivamente.
En R
3
, como herramienta, podemos estudiar sus secciones con planos obtenidos manteniendo
una variable constante, construyendo una familia de supercies para distintos valores de esa
variable. Y podemos utilizar tambien sus conjuntos de nivel, que son supercies en R
3
denidas
por una ecuacion f(x, y, z) = k, dando diferentes valores a k. O combinar ambas cosas.
En el caso de la temperatura del Universo, sera interesante considerar las secciones con
diferentes valores del tiempo, T(x, y, z, t
0
). As queda una funcion de tres variables, que a un
no podemos representar, pero podemos estudiar sus conjuntos de nivel, y representar aquellos
puntos donde la temperatura se mantiene constante, comparando las supercies obtenidas para
distintos valores de la temperatura.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

6. Funciones con valores vectoriales
Funciones con valores vectoriales son funciones que a cada conjunto de datos de sus variables
asocian como resultado un vector. Un ejemplo sencillo es el que describe la trayectoria de un
movil en el espacio a lo largo del tiempo: esta funcion nos da para cada valor del tiempo t, un
vector que identica la posicion del movil en ese instante mediante sus tres coordenadas
F(t) = (x(t), y(t), z(t)), F : R R
3
La imagen de esta funcion, el conjunto de puntos F(t) R
3
, al variar t a lo largo del tiempo, es
la trayectoria del movil. No podemos representar la graca de F, G
F
= {(t, F(t)), t R} R
4
,
pero podemos representar la imagen de F
t
f(t) = (x(t), y(t), z(t))
x(t)
y(t)
z(t)
Imagen de $f$
0
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

0.5
1
1.5
2
2.5
3
1
0.8
0.6
0.4
0.2
0.2
0.4
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
Imagen de la funcion F(t) = ( sen (3t) cos(t), sen (3t) sen (t), t) en t [0, ]
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

De esta forma, podemos representar algunas funciones vectoriales con pocas variables, que
den lugar a vectores de R
2
o R
3
. Pero no podemos pasar de estas dimensiones.
Para interpretar y estudiar funciones vectoriales de varias variables, la tecnica fundamental
consiste en estudiar por separado las funciones componentes.
Si F : R
n
R
m
es una funcion vectorial, quiere decir que a cada vector x R
n
le
asocia un vector F(x) de R
m
, F(x) = (y
1
, . . . , y
m
). Si estudiamos solo el comportamiento de la
componente i-esima de F(x), y
i
, al variar x, tenemos una funcion f
i
: R
n
R, f
i
(x) = y
i
, que
es una funcion real de n variables, del tipo de las estudiadas anteriormente. Estas funciones se
denominan funciones componentes de F: cada una se obtiene proyectando el punto F(x) sobre
el eje i-esimo de la base canonica de R
m
En el ejemplo anterior, de la trayectoria de un movil, las funciones componentes de F son
f
1
(t) = x(t), f
2
(t) = y(t) y f
3
(t) = z(t)
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

7. Parametrizacion de curvas y supercies
Uno de los ejemplos, o modelos, en los que vamos a utilizar funciones vectoriales, es en la
parametrizacion de curvas y supercies: para estudiar con tecnicas propias del analisis propiedades
de ciertos conjuntos de puntos, como son las curvas y las supercies, necesitamos encontrar la
forma de describir dichos conjuntos por medio de funciones. Se llama parametrizar una curva
o parametrizar una supercie, a encontrar una funcion de una variable en el caso de las
curvas, o de dos variables en el caso de las supercies, que describan las coordenadas de sus
puntos.
Por ejemplo, consideremos la denicion geometrica de una circunferencia de centro el origen
de coordenadas y radio 1, como el lugar geometrico de los puntos que distan de P = (0, 0)
exactamente uno.
La denicion de la distancia entre dos puntos en el plano eucldeo nos permite describir la
circunferencia de modo algebraico como el conjunto de soluciones de la ecuacion x
2
+y
2
= 1.
De esta ecuacion, despejando una de las variables en funcion de la otra, podemos poner la
circunferencia como el conjunto de puntos (x, y) que verican y =
1 x
2
, para lo cual tiene
que ser 1 x 1.
Y a su vez podemos expresar esta propiedad diciendo que la circunferencia es la union de
dos semicircunferencias C
1
y C
2
, que se obtienen como las imagenes de las funciones F(x) =
(x,
1 x
2
) y G(x) = (x,
1 x
2
), denidas en el intervalo cerrado [1, 1].
La imagen de la funcion F describe la semicircunferencia de arriba C
1
, y la llamaramos una
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

parametrizacion de C
1
, y la funcion G describe la semicircunferencia de abajo C
2
, y la llamaramos
una parametrizacion de C
2
En general, dada una curva C en el plano o en el espacio, llamamos una parametrizacion de
C a cualquier funcion F denida en un intervalo real (una funcion por tanto de una variable),
cuya imagen sea el conjunto C.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

1
1
y =
1 x
2
y =
1 x
2
1
x
2
+y
2
= 1
1
x
y
x
y
y
x
F(x) = (x,
1 x
2
)
G(x) = (x,
1 x
2
)
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Ejemplo 5. Encontrar una parametrizacion de la circunferencia de centro cero y radio 1
Con los ejemplos que hemos puesto antes, necesitamos dos funciones para describir una
circunferencia. Consideremos ahora la interpretacion geometrica de las funciones trigonometricas
seno y coseno: estas funciones nos permiten describir la circunferencia entera con una sola funcion
(t) = (cos(t), sen (t)), t [0, 2]
1
t
sen(t)
cos(t)
F(t) = (cos(t), sen(t))
En el caso de las supercies, se necesitan dos variables para poder describir las coordenadas
de sus puntos. Consideremos por ejemplo un cilindro que tenga como base una circunferencia de
centro el origen de coordenadas, y altura 1, paralelo al eje vertical.
Introduccion
Funciones con . . .
Gracas de . . .
Funciones con . . .

Las coordenadas de los puntos del cilindro se caracterizan porque su proyeccion sobre el plano
horizontal esta en la circunferencia centrada en el origen y radio uno, que es la base del cilindro,
luego tienen que cumplir la ecuacion x
2
+ y
2
= 1; y su altura puede ser un n umero cualquiera
entre cero y uno.
Si utilizamos la parametrizacion que hemos visto en el ejemplo anterior para denir la circun-
ferencia, ahora podemos denir los puntos del cilindro como la imagen de la funcion
(t, z) = (cos(t), sen (t), z)
denida en el rectangulo [0, 2] [0, 1]
x
y
z z
t
sen(t)
cos(t)
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

En el estudio de los conjuntos y las funciones es fundamental el sistema que se utilize para
representar los puntos. Estamos acostumbrados a utilizar la estructura de espacio afn o de
espacio vectorial de R
n
, utilizando el sistema de representacion cartesiana mediante pares de
n umeros, en el caso del plano, o mediante ternas en el caso del espacio, que identicamos con
un sistema de coordenadas ortogonal.
Sin embargo esta no es la unica forma posible de identicar los puntos. Hay otras formas
de representacion que en ocasiones pueden resultar mas utiles: el sistema de representacion
cartesiana es util para representar la supercie de la tierra en un plano, pero sin embargo los
barcos en el mas utilizan un sistema de radar bidimensional que sit ua los puntos del plano
en crculos centrados en el origen de coordenadas, y los aviones o las naves espaciales, o los
submarinos, utilizan un sistema de radar tridimensional. Estos sistemas se basan en los sistemas
de coordenadas polares, cilndricas y esfericas que vamos a ver en este captulo.
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

1. Coordenadas polares en el plano
Partimos de la representacion cartesiana del plano mediante pares ordenados de n umeros, que
representan la distancia del punto a dos ejes ortogonales, llamados ejes de coordenadas. La
costumbre es dibujar uno horizontal (abscisas) y otro vertical (ordenadas), y llamar x a la distancia
del punto P al eje vertical, e y a la distancia al eje horizontal.
De este modo cada punto del plano esta unvocamente determinado por sus dos coordenadas
P = (x, y)
P = (x, y)
x
y
r
t
Pues bien, tambien podemos identicar cada punto del plano por otros dos n umeros: uno es
la distancia que lo separa del origen de coordenadas, r, y otro el angulo t que forma el segmento
que une P con el origen con el sentido positivo del eje horizontal. r se denomina modulo de P
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

y t argumento de P, y el par (r, t) se denomina coordenadas polares de P.
Esta relacion no es unvoca, en el sentido de que a un punto P le corresponden innitos pares,
puesto que podemos escoger el angulo t o cualquier otro de la forma t + 2k. Para que a un
punto le corresponda un unico par, debemos escoger los angulos en un intervalo de longitud 2,
que normalmente sera el intervalo [0, 2). De esta manera, a cada punto P del plano distinto
del origen (0, 0) le corresponde un unico par (r, t), con r > 0 y 0 t < 2.
El origen de coordenadas se caracteriza porque r = 0, pero t puede ser cualquier angulo.
Aplicando un poco de trigonometra, la relacion entre las coordenadas cartesianas de un punto
y sus coordenadas polares es clara:
x = r cos(t)
y = r sen(t)
r =
x
2
+ y
2
t = arctan(y/x)
con una precaucion: para que la funcion arcotangente este bien denida (a un n umero real
le corresponda un unico angulo), debe escogerse un intervalo de longitud en el que denir
la imagen. Usualmente se dene la funcion arcotangente de R en el intervalo [/2, /2],
arctan : R [/2, /2]. En este caso para un punto P que este en el segundo o tercer
cuadrante del plano la funcion arctan(y/x) nos dara un angulo entre /2 y /2, y el verdadero
argumento de P sera t = + . Y si P esta en el cuarto cuadrante, el argumento de P sera
+ 2. Es decir, deberamos escribir
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

t =
t = +
t = +
t = +2
t =
arctan(y/x) si x 0, y 0
arctan(y/x) + si x < 0
arctan(y/x) + 2 si x 0, y < 0
Esto es evidentemente bastante incomodo. En muchos casos, para simplicar un poco, se
consideran los argumentos de los puntos del plano en [/2, 3/2], en vez de en [0, 2], y as
podemos eliminar la tercera opcion en la denicion de t, admitiendo que los puntos del cuarto
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

cuadrante tienen argumento negativo.
t =
t =
t = +
t = +
Ejemplo 1. Dibujar la curva denida en coordenadas polares por la ecuacion r = cos t
Conociendo el comportamiento de la funcion cos t, e interpretando la informacion que obte-
nemos sobre r, observamos que
Como tiene que ser r > 0, entonces cos t > 0, luego t [/2, /2] + 2k (k Z); es
decir, los puntos de la curva estaran todos en el semiplano de la derecha, x 0
Como la funcion r(t) = cos t es periodica de perodo 2, en cada intervalo de longitud 2
la curva se repite, luego basta considerar solo uno de los intervalos, t [/2, /2]
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

Como la funcion r(t) es par, es decir, r(t) = r(t), entonces la curva es simetrica respecto
al eje horizontal, as que se podra estudiar solo el intervalo [0, /2], y repetir el dibujo en
la parte inferior por simetra.
Los puntos de corte de la curva con los ejes de coordenadas son los que tienen t = /2,
t = 0, t = /2 (y t = , aunque en este ejemplo en particular este caso no puede darse,
por lo que hemos visto arriba).
Si t = /2, r(t) = r(/2) = cos(/2) = 0, es decir, el punto correspondiente esta en
el origen de coordenadas.
Si t = 0, r(t) = r(0) = cos 0 = 1, luego el punto correspondiente esta en el eje horizontal,
a distancia 1 del origen; es decir, es el punto (1, 0)
Y si t = /2, otra vez r(/2) = 0, luego es el origen de coordenadas.
Y en los intervalos intermedios de los angulos, si t [/2, 0], r(t) = cos t es monotona
creciente. Esto quiere decir que seg un aumenta el angulo desde el eje vertical hacia el eje
horizontal, la distancia de los puntos de la curva al origen de coordenadas va aumentando,
hasta llegar al punto (1, 0).
En cambio en si t [0, /2], la funcion r(t) = cos t es monotona decreciente, luego a
partir del eje horizontal, y hasta el eje vertical, los puntos vuelven a acercarse al origen de
coordenadas.
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

Si pasamos toda esta informacion al plano xy, podemos hacer un dibujo sucientemente
aproximado de la curva:
En este ejemplo concreto es facil pasar la ecuacion de coordenadas polares a coordenadas
cartesianas, para comprobar el resultado:
Si r = cos(t), multiplicando por r, r
2
= r cos(t), luego x
2
+y
2
= x, equivalente a la ecuacion
(x 1/2)
2
+ y
2
= 1/4, que es la de la circunferencia de centro (1/2, 0) y radio 1/2.
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

2. Coordenadas cilndricas en el espacio
En el espacio tridimensional partimos de la representacion cartesiana del espacio mediante ternas
ordenadas de n umeros, que representan la distancia del punto a tres ejes ortogonales, llamados
ejes de coordenadas.
De este modo cada punto del espacio esta unvocamente determinado por sus tres coordenadas
P = (x, y, z)
Pero tambien podemos identicar cada punto del espacio por otros tres n umeros: dos n umeros
r y t son las coordenadas polares en el plano horizontal de la proyeccion de P sobre este plano,
P
= (x, y, 0), y el tercero es la altura de P sobre el plano horizontal, la coordenada z. La terna

(r, t, z) se denomina coordenadas cilndricas de P.
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

P = (x, y, z)
x
y
z
r
z
t
x = r cos(t)
y = r sen(t)
z = z
r =
x
2
+ y
2
t = arctan(y/x)
con las mismas condiciones que
en las coordenadas polares
z = z
Ejemplo 2. Dibujar la curva denida en coordenadas cilndricas por las ecuaciones
r = s, t = s, z = s, con s R
+
= [0, )
Observamos facilmente que al ir creciendo el valor de s, el angulo aumenta, haciendo que el
punto vaya dando vueltas alrededor del eje vertical. Al mismo tiempo aumenta el radio, lo que
quiere decir que cada vez se aleja mas del eje vertical, y la altura aumenta, luego va subiendo
hacia arriba.
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

Con mas precision, las ecuaciones r = s, z = s al pasarlas a coordenadas cartesianas implican
z =
x
2
+ y
2
, luego la curva esta contenida en la hoja superior del cono x
2
+ y
2
= z
2
.
Las ecuaciones t = s, z = s implican que los puntos de la curva van subiendo mientras
dan vueltas alrededor del eje vertical.
Se trata de una helice conica.
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

3. Coordenadas esfericas en el espacio
Cada punto del espacio tridimensional se puede identicar tambien mediante otros tres n umeros:
dos angulos y una distancia
es el angulo que forma el vector P con el plano horizontal (latitud). es el angulo que forma
el vector P con el plano y = 0 (longitud). Y es la distancia de P al origen de coordenadas. La
terna (, , ) se denomina coordenadas esfericas de P.
[/2, /2], [0, 2), 0
P = (x, y, z)
x
y
z
M
O
N
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

Aplicando un poco de trigonometra a los triangulos OPM y OMN, tenemos
z = sen
OM = cos
x = OM cos = cos cos
y = OM sen = cos sen
que son las ecuaciones que permiten obtener las coordenadas cartesianas a partir de las coorde-
nadas esfericas.
Recprocamente,
=
x
2
+ y
2
+ z
2
= arcsen(z/)
=
arctan(y/x) si x 0, y 0
arctan(y/x) + si x < 0
arctan(y/x) + 2 si x 0, y < 0
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

Ejemplo 3. Escribir las ecuaciones en coordenadas polares de dos helices esfericas, que empiezan
en el polo sur y acaban en el polo norte, despues de dar alguna vuelta a la esfera de centro el
origen y radio 2 al rededor del eje vertical.
En cualquier caso, los puntos de la curva estan sobre la esfera de radio 2, luego tiene que ser
= 2.
Para conseguir el efecto de girar alrededor del eje vertical, dejamos como variable el angulo
.
Y para que los puntos vayan subiendo desde el polo sur hasta el polo norte, el angulo tiene
que ir aumentando desde /2 hasta /2.
Construimos dos ejemplos: en el primer caso, = /2 + /4 con [0, 4], y en el
segundo = /2 + /8 con [0, 8]
Coordenadas
polares en el
plano.
Coordenadas
cilndricas y
esfericas en el
espacio
Coordenadas . . .
Coordenadas . . .
Coordenadas . . .

Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Producto escalar, . . .
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

1. Producto escalar, metrica y norma asociada
Consideramos el espacio vectorial R
n
sobre el cuerpo R; escribimos los vectores o puntos de R
n
,
indistintamente, como
x = (x
1
, . . . , x
n
) =
n
i=1
x
i
e
i
donde e
i
son los vectores de la base canonica de R
n
, e
i
= (0, . . . , 0, 1
(i)
, 0, . . . , 0)
El producto escalar es una operacion denida entre dos vectores de R
n
de la siguiente manera:
Denicion (Producto Escalar. Espacio Eucldeo.). Dados x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
n
)
dos vectores en R
n
, se dene el producto escalar de x por y como
< x, y >=
n
i=1
x
i
y
i
El par (R
n
, < ., . >) se denomina espacio eucldeo.
Este producto tiene como propiedades fundamentales las siguientes:
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Proposicion.
1. < x, x > > 0 para todo x = 0
2. < x, y >=< y, x > para todos x, y R
n
3. < ax +by, z >= a < x, z > +b < y, z > para todos x, y, z R
n
y todos a, b R
La propiedad 2 indica que el producto escalar es simetrico, o conmutativo.
La propiedad 3 indica que el producto escalar es lineal respecto a la primera variable. Utilizando
las propiedades 2 y 3, se comprueba que tambien es lineal respecto a la segunda: dados x, y, z X
y a, b R,
< x, ay +bz >=< ay +bz, x >= a < y, x > +b < z, x >= a < x, y > +b < x, z >
Otra consecuencia de la denicion es que
< x, 0 >=< x, x > < x, x >= 0
y en particular < x, x >= 0 x = 0
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

De hecho, las tres propiedades anteriores determinan el comportamiento de esta operacion, y la
estructura del espacio R
n
. El concepto de producto escalar se generaliza a espacios vectoriales
sobre R, X, como una operacion cualquiera de X X en R que verique las tres propiedades
anteriores. Cuando X es un espacio R
n
, un producto escalar es una aplicacion bilineal simetrica
denida positiva no degenerada, que tiene asociada unvocamente una matriz A simetrica de
modo que < x, y >= xAy
t
A partir del producto escalar, denimos en R
n
la longitud de un vector y la distancia entre
dos puntos, que es la base para el estudio de los conceptos de lmites y continuidad de funciones,
y el desarrollo del analisis.
Denicion (Norma asociada al producto escalar. Modulo).
Dado un vector x, llamamos norma de x, modulo de x, o longitud de x, al n umero
x = (< x, x >)
1/2
=
i=1
x
2
i
1/2
La interpretacion geometrica del signicado de la norma asociada al producto escalar como
la longitud del vector x es obvia en el plano y en el espacio tridimensional, en virtud del Teorema
de Pitagoras.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Teorema (Desigualdad de Cauchy - Schwarz).
Para todos x, y R
n
se tiene:
| < x, y > | x y
Demostracion: (Saltar al nal de la demostracion)
Si y = 0, la desigualdad es obvia, pues < x, y >=< x, 0 >= 0 y y = 0 = 0, por lo que
se tiene la igualdad. As que supongamos que y = 0.
Consideremos los vectores x + ty, con t un n umero real cualquiera. Calculamos el producto
< x +ty, x +ty > que sera no negativo por las propiedades del producto escalar. As
0 < x +ty, x +ty >=< x, x > +t
2
< y, y > +2t < x, y >
Si escogemos t =
< x, y >
< y, y >
tenemos
0 < x, x > +
< x, y >
2
< y, y >
2
< x, y >
2
< y, y >
=< x, x >
< x, y >
2
< y, y >
de donde despejando < x, y > se obtiene
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

< x, y >
2
< x, x > < y, y >
luego sacando races cuadradas positivas,
| < x, y > | x y
(Volver al enunciado)
Como consecuencia, se demuestran las propiedades fundamentales de la norma

Como en el caso del producto escalar, en un espacio vectorial X, se llama norma a cualquier
aplicacion . : X R que verique estas cuatro propiedades, generalizando el concepto de
modulo de un vector en R
n
. Cualquier producto escalar tiene asociada una norma mediante esta
formula, aunque no toda norma proviene de un producto escalar.
Proposicion.
1. x 0 para todo x R
n
2. x = 0 x = 0
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

3. x +y x +y para todos x, y R
n
(desigualdad triangular de la norma)
4. ax = |a| x para todos x R
n
y a R
Demostracion.
Las propiedades 1, 2 y 4 son triviales.
Para demostrar la propiedad 3, aplicamos la desigualdad de CauchySchwarz:
x +y
2
= < x +y, x +y >=< x, x > +2 < x, y > + < y, y >
x
2
+y
2
+ 2| < x, y > | x
2
+y
2
+ 2x y =
= (x +y)
2
Tomando races cuadradas positivas se tiene la propiedad.
Hay ademas una quinta propiedad, tan importante como las anteriores que denen la norma,
que puede demostrarse como consecuencia de ellas:
Proposicion. Para todos x, y R
n
se verica
| x y | x y
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Demostracion:
Poniendo el vector x como x y +y, tenemos
x = (x y) +y x y +y
de donde se deduce
x y x y
Analogamente, cambiando los papeles de x e y, y teniendo en cuenta que
y x = (1)(x y) = | 1| x y = x y
tenemos:
y = (y x) +x y x +x
y
y x y x = x y
De las dos desigualdades se deduce que | x y | x y

Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Una vez denida la norma de un vector, se dene de forma natural la distancia entre dos
puntos x e y como la longitud del vector diferencia x y
Denicion (Distancia entre dos puntos).
Dados dos puntos x e y en R
n
, se dene la distancia entre x e y como
d(x, y) = x y =
i=1
|x
i
y
i
|
2
1/2
Y se verican las siguientes propiedades:
Proposicion.
1. d(x, y) 0 para todos x, y R
n
2. d(x, y) = 0 x = y
3. d(x, y) = d(y, x) para todos x, y R
n
4. d(x, y) d(x, z) +d(z, y) para todos x, y, z R
n
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Otra consecuencia de la denicion del producto escalar es la generalizacion a R
n
del concepto
de angulo entre vectores:
Denicion (
Angulo entre vectores).

Dados dos vectores x e y en R
n
, se llama angulo entre x e y al angulo
xy
[0, ] que verica
cos
xy
=
< x, y >
x y
x
y
x
xy
0
La denicion anterior es equivalente al teorema del coseno aplicado al triangulo que tiene un
vertice en el origen de coordenadas, y lados adyacentes formados por los vectores x e y, que
quedara
x y
2
= x
2
+y
2
2x y cos
xy
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Se dice que dos vectores son ortogonales cuando
xy
= /2, es decir, cuando < x, y >= 0
Un concepto que nos sera util en la interpretacion geometrica de los problemas que vamos a
estudiar es la proyeccion ortogonal. Dado un vector x, cualquier otro vector y de R
n
se puede
proyectar sobre x: se trata de descomponer y en suma de dos vectores, uno de los cuales es
paralelo a x, y el otro ortogonal. El primero de los dos es la proyeccion de y sobre x
Denicion (Proyeccion ortogonal). Sea x un vector de R
n
. Dado un vector y R
n
, se llama
proyeccion ortogonal de y sobre x al vector
y
x
=
< x, y >
x
2
x
x
y
y
x x
y
y
x
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

2. Otras normas en R
n
Como hemos indicado antes, la denicion de norma se puede generalizar a espacios vectoriales
cualesquiera a partir de sus propiedades: si X es un espacio vectorial (sobre R), se llama norma
en X a una aplicacion .
X
: X R que verique:
1. x
X
0 para todo x X
2. x
X
= 0 x = 0
3. x
X
= || x
X
para todos x X y R
4. x +y
X
x
X
+y
X
para todos x, y X
En particular nos interesa destacar dos normas habituales en R
n
, y su relacion con la norma
asociada al producto escalar.
Denicion (Norma .
1
).
Dado x = (x
1
, . . . , x
n
) se dene
x
1
=
n
i=1
|x
i
|
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

La metrica asociada a esta norma enR
n
sera
d
1
(x, y) = x y
1
=
n
i=1
|x
i
y
i
|
x
x
1
x
2
x
y
|x
1
y
1
|
|x
2
y
2
|
|x
2
|
|x
1
|
x
1
y
1
x
2
y
2
x
1
= |x
1
| +|x
2
| x y
1
= |x
1
y
1
| +|x
2
y
2
|
Denicion (Norma .
).
Dado x = (x
1
, . . . , x
n
) se dene
x
= max{|x
1
|, . . . , |x
n
|}
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Y la metrica asociada
d
(x, y) = x y
= max{|x
i
y
i
|, i n}
x
y
|x
1
y
1
|
|x
2
y
2
|
x
1
y
1
x
2
y
2
x y
= m ax{|x
1
y
1
|, |x
2
y
2
|}
x
x
1
x
2
|x
2
|
|x
1
|
x
= m ax{|x
1
|, |x
2
|}
Siguiendo este mismo tipo de notacion, la norma asociada al producto escalar se escribira
como
x
2
=
i=1
|x
i
|
2
1/2
= (< x, x >)
1/2
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Teorema (Relacion entre las normas de R
n
).
Para todo x R
n
se tiene:
x
x
2
x
1

nx
2
nx

Sea x R
n
1. En primer lugar, existira un i
0
tal que x
= max{|x
i
|, 1 i n} = |x
i
0
|.
Entonces trivialmente
x
2
2
=
n
i=1
|x
i
|
2
|x
i
0
|
2
= x
2
y tomando races positivas se tiene la primera desigualdad.

2. Tambien es evidente que
x
2
2
=
n
i=1
|x
i
|
2
i=1
|x
i
|
2
= x
2
1
y tomando races positivas se tiene la segunda desigualdad.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

3. Para la tercera, podemos escribir x
1
como un producto escalar, y aplicar la desigualdad
de CauchySchwarz:
x
1
=
n
i=1
|x
i
| =< (|x
1
|, . . . , |x
n
|), (1, . . . , 1) >
(|x
1
|, . . . , |x
n
|)
2
(1, . . . , 1)
2
=
nx
2
4. Por ultimo, si x
= max{|x
i
|, 1 i n} = |x
i
0
|, entonces
x
2
2
=
n
i=1
|x
i
|
2
n|x
i
0
|
2
= nx
2
y tomando races positivas de tiene

x
2

nx
de donde se obtiene la ultima desigualdad multiplicando a ambos lados por

n
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

3. Topologa en R
n
Una vez denidos el producto escalar, la norma y la metrica en R
n
, introducimos la topologa
de R
n
como un lenguaje en el que expresar las propiedades de conjuntos y puntos del espacio
referentes a aspectos metricos de proximidad, acotacion, etc, que nos van a permitir describir a
su vez las propiedades de limites y continuidad de funciones, y desarrollar el analisis de varias
variables.
En primer lugar introducimos la siguiente denicion:
Denicion.
Sea x R
n
y r > 0. se denen:
Bola abierta de centro x y radio r:
B(x, r) = {y R
n
: d(x, y) < r} = {y R
n
: x y < r}
Bola cerrada de centro x y radio r:
B(x, r) = {y R
n
: d(x, y) r} = {y R
n
: x y r}
Esfera de centro x y radio r:
S(x, r) = {y R
n
: d(x, y) = r} = {y R
n
: x y = r}
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Ejemplos:
1.- En R con la distancia del valor absoluto, B(x, r) = (xr, x+r),

B(x, r) = [xr, x+r]
y S(x, r) = {x r, x +r}
2.- En R
2
,
B((x
0
, y
0
), r) = {(x, y) :
(x x
0
)
2
+ (y y
0
)
2
< r} es el crculo de centro (x
0
, y
0
) y
radio r, sin incluir la circunferencia;
B((x
0
, y
0
), r) = {(x, y) :
(x x
0
)
2
+ (y y
0
)
2
r} es el circulo mas la circunferencia;
y la esfera S((x
0
, y
0
), r) = {(x, y) :
(x x
0
)
2
+ (y y
0
)
2
= r} es la circunferencia de
centro (x
0
, y
0
) y radio r.
(x
0
, y
0
)
(x, y)
(x
0
, y
0
)
(x, y)
(x
0
, y
0
)
(x, y)
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

3.- En R
2
, utilizando la norma .
1
, tenemos
B
1
(0, 1) = {(x, y) : |x| +|y| < 1}
Para dibujar este conjunto,
tenemos:
Si x 0, tiene que ser
x +|y| < 1, luego |y| < 1 x
1 +x < y < 1 x
Si x < 0, queda x +|y| < 1, de
donde
1 x < y < 1 +x
y = 1 x
y = 1 +x
y = 1 +x
y = 1 x
y
x
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

4.- En R
2
utilizando la norma .
, tenemos
B
(0, 1) = {(x, y) : max{|x|, |y|} < 1}}

luego tiene que ser |x| < 1 y
|y| < 1, o lo que es lo mismo,
1 < x < 1, 1 < y < 1
x = 1
x = 1
y = 1
y = 1
y
x
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

5.- De las desigualdades entre las normas .
1
, .
2
y .
, se deducen contenidos entre las

bolas de centro x,
B
1
(x, r) B
2
(x, r) B
(x, r)
B
(x, r) B
2
(x,
nr) B
1
(x, nr)
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Denicion (Conjuntos abiertos y cerrados).
Se dice que un conjunto A R
n
es abierto si verica:
para cada x A existe una bola B(x, r
x
) centrada en x que esta contenida en A (x
A r
x
> 0 / B(x, r
x
) A)
Se dice que un conjunto B R
n
es cerrado si su complementario es abierto.
En particular R
n
y el vaco son abiertos, y cerrados.
Y denimos tambien los siguientes conceptos, que clasican los puntos seg un su posicion
respecto a un conjunto:
Denicion (Interior, adherencia, acumulacion, frontera, aislados).
1. x es interior a A, si existe r > 0 tal que B(x, r) A.
2. x es adherente a A, si para todo r > 0, B(x, r) A = .
3. x es de acumulacion de A, si para todo r > 0, (B(x, r) \ {x}) A =
4. x esta en la frontera de A, si para todo r > 0, B(x, r) A = y B(x, r) (R
n
\ A) =
5. x es un punto aislado de A si existe r > 0 tal que B(x, r) A = {x}
Se llama interior de A, y se escribe A
0
, al conjunto de puntos interiores de A.
Se llama adherencia o clausura de A, y se escribe A, al conjunto de puntos adherentes de A
Se llama acumulacion de A, y se escribe A
, al conjunto de puntos de acumulacion de A.

Se llama frontera de A, y se escribe Fr(A) o A, al conjunto de puntos de la frontera de A.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Denicion (Conjuntos densos).
Dados dos conjuntos B A R
n
, se dice que B es denso en A si A

B
Es decir, B es denso en A si cerca de cada punto de A siempre hay puntos de B. Por ejemplo,
Q es denso en R, y Q
n
es denso en R
n
.
Denicion (Conjuntos acotados).
Un conjunto A es acotado si existe alguna bola B(0, r) que contenga a A; es decir, si existe un
n umero r > 0 tal que para todo x A se tiene x < r
Algunas propiedades evidentes de estos conjuntos son
A
0
A A
A
A
Fra(A) A
Si B A, entones B
0
A
0
, B A y B
A es acotado si y solo si A es acotado

Pero hay otras muchas propiedades, algunas de las cuales se ven en los problemas.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Teorema.
1. Un conjunto A es abierto si y solo si A = A
0
2. Un conjunto A es cerrado si y solo si A = A
Demostracion:
El primer apartado es trivial, por la propia denicion de conjunto abierto.
Para el segundo apartado, supongamos primero que A es cerrado. Sabemos que A A, as
que solo hay que demostrar que A A, o equivalentemente demostrar que R
n
\ A R
n
\ A
Como A es cerrado, R
n
\ A es abierto, y por tanto si x R
n
\ A existe una bola centrada en
x contenida en R
n
\ A, B(x, r) R
n
\ A. Entonces B(x, r) A = , luego x A y tenemos
lo que queramos.
Recprocamente, supongamos ahora que A = A, y veamos que A es cerrado, es decir, que
R
n
\ A es abierto:
Sea x R
n
\ A, x A = A, luego existe alguna bola centrada en x que no corta a A,
B(x, r) y B(x, r) A = . Entonces B(x, r) R
n
\ A, es decir, x es interior a R
n
\ A, luego
efectivamente R
n
\ A es abierto.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Teorema.
1. Las bolas abiertas son conjuntos abiertos.
2. Las bolas cerradas son conjuntos cerrados.
3. A
0
es el mayor conjunto abierto contenido en A (es decir, A
0
es abierto, y si B es abierto
y esta contenido en A, entonces B A
0
)
4. A es el menor cerrado que contiene a A (es decir, A es cerrado, y si C es un cerrado que
contiene a A, entonces A C)
x
y
r
s
x
y
r
s
Demostracion:
1) Consideremos una bola abierta B(x, r), y sea y B(x, r) un punto de la bola. Para
demostrar que B(x, r) es abierto hay que probar que existe una bola centrada en y contenida en
B(x, r), B(y, s) B(x, r).
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Como d(x, y) = xy < r, podemos denir s = r xy que es mayor que cero. Ahora
si z B(y, s), tenemos
xz = xy +y z xy +y z < xy +s = xy +r xy = s
as que z B(x, r). Es decir, todo punto z de la bola B(y, s) esta en B(x, r), como queramos
demostrar.
2) Para demostrar que una bola cerrada B(x, r) es un conjunto cerrado, hay que demostrar
que su complementario, R
n
\ B(x, r) = {y R
n
: x y > r} es abierto.
Sea entonces y R
n
\B(x, r); hay que demostrar que existe una bola centrada en y contenida
en R
n
\ B(x, r), B(y, s) R
n
\ B(x, r)
Como ahora d(x, y) = x y > r, podemos denir s = x y r, que es mayor que
cero. Entonces si z B(y, r) se tiene
x y = x z +z y x z +z y
de donde
x z x y y z > x y s = x y x y +r = r
luego en efecto z R
n
\ B(x, r). Es decir, todo punto de la bola B(y, s) esta en R
n
\ B(x, r),
como queramos demostrar.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

3) En primer lugar, A
0
es abierto: en efecto,dado x A
0
hay que demostrar que existe una
bola B(x, r) contenida en A
0
.
Como x A
0
, por denicion de punto interior, existe al menos una bola B(x, r) A. Ahora
bien, si y es un punto de esa bola, y B(x, r), que por el apartado (1) es un conjunto abierto,
existira otra bola B(y, s) B(x, r) A, luego y A
0
. Es decir todo punto de la bola B(x, r)
esta en A
0
, como queramos demostrar.
En segundo lugar, es evidente, como ya hemos dicho, que para cualquier conjunto A
0
A.
Y en tercer lugar, si B es otro conjunto abierto contenido en A, B A, entonces utilizando
el teorema anterior B = B
0
A
0
4) Para terminar, A es cerrado, ya que su complementario es (R
n
\ A)
0
: en efecto, si x A,
quiere decir que existe alguna bola centrada en x que no corta a A, B(x, r) A = , o lo que
es lo mismo, B(x, r) (R
n
\ A), luego x es interior a R
n
\ A
Es evidente que A A. Y si C es un conjunto cerrado que contiene a A, utilizando el
teorema anterior A C = C
Teorema.
1. La union de conjuntos abiertos es abierto. La interseccion nita de abiertos es abierto.
2. La union nita de conjuntos cerrados es cerrado. La interseccion de cerrados es cerrado.
3. La union nita de conjuntos acotados es acotado.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Observaciones:
Sin embargo la interseccion numerable de innitos abiertos puede ser cerrado, y la union
numerable de innitos cerrados puede ser abierto:
a) sean A
n
= B(0, 1 + 1/n). A
n
son conjuntos cerrados, y sin embargo
n=1
A
n
= B(0, 1)
es abierto
b) sean B
n
= B(0, 1 1/n). B
n
son conjuntos abiertos, y sin embargo
n=1
B
n
= B(0, 1)
es cerrado.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

4. Subespacios de R
n
En muchas ocasiones trabajaremos con espacios que son subconjuntos de R
n
. En este caso, la
forma de medir distancias entre dos puntos es la misma que como puntos de R
n
, paro hay que
darse cuenta de que ya no tendremos una estructura de espacio eucldeo: en general ni siquiera
tendremos un espacio vectorial.
Si Y es un subconjunto de R
n
, podemos considerar la restriccion de d a Y Y , deniendo lo
que llamamos un subespacio metrico de R
n
. Por ejemplo, si x Y , la bola de centro x y radio
r en el espacio (Y, d) es
B
Y
(x, r) = {y Y : d(x, y) < r} = B(x, r) Y
x
B(x, r)
B(x, r) Y
Y
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

y un conjunto M Y sera abierto en Y si para cada punto m M existe una bola B
Y
(m, r
m
)
en Y de modo que B
Y
(m, r
m
) M, o lo que es lo mismo, si para cada m M existe un n umero
r
m
> 0 tal que B(m, r
m
) Y M. Y M es cerrado en Y si Y \ M es abierto en Y
Proposicion. Un conjunto M Y es abierto en Y si y solo si existe un abierto A en X tal que
M = A Y , y es cerrado en Y si y solo si existe un cerrado C en X tal que M = C Y
Cuando trabajamos con subconjuntos Y de R
n
, nos interesara destacar en algunos casos el
hecho de que el conjunto Y este formado por un solo trozo. Esta propiedad tiene un nombre
especco dentro del estudio de la topologa de R
n
:
Denicion (Conjuntos conexos).
Sea Y R
n
. Se dice que Y es conexo si no se puede descomponer como union de dos conjuntos
abiertos (en Y como subespacio metrico) disjuntos no vacos.
Si Y no es conexo, se dice que es disconexo.
As, la denicion anterior es equivalente a decir que
Y es disconexo si existen dos conjuntos U, V abiertos en Y , no vacos, tales que
U V = y Y = U V
O, teniendo en cuenta que los complementarios de conjuntos abiertos son cerrados,
Y es disconexo si existen dos conjuntos M, N cerrados en Y , no vacos, tales que
M N = y Y = M N
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Y tambien es equivalente a decir que Y es conexo si y solo si los unicos subconjuntos de Y
que son a la vez abiertos y cerrados en Y son el propio conjunto Y y el vaco .
Denicion (Segmentos).
Dados dos puntos x, y R
n
, se llama segmento de x a y a
[x, y] = {z = ty + (1 t)x, 0 t 1} = {z = x +t(y x), 0 t 1}
Teorema (Abiertos conexos).
Sea A un conjunto abierto y conexo en R
n
, y sean x, y A. Entonces existe una poligonal
contenida en A que une x e y.
Una poligonal es una familia de segmentos de recta, unidos de modo que el extremo nal de
un segmento sea en extremo inicial del siguiente.
Para demostrar el teorema, escogemos un punto cualquiera x en A, y llamamos M al conjunto
de puntos de A que se pueden unir a x por una poligonal contenida en A, y N al conjunto de
puntos de A que no se pueden unir a x por una poligonal contenida en A. Se trata de demostrar
que M y N son conjuntos abiertos en A; como evidentemente M y N son disjuntos, y su union
es todo el conjunto A, y A conexo por hipotesis, uno se ellos tendra que ser vaco y el otro tendra
que ser todo el conjunto A. Por ultimo, como M no es vaco, pues al menos contiene al propio
punto x, tendra que ser M = A, luego todo punto de A puede unirse a x por una poligonal, y
esto termina la demostracion.
Producto
escalar, metrica
y norma
asociada.
Topologa de R
n
Otras normas en R
n
Topologa en R
n
Subespacios de R
n

Veamos entonces que M es abierto. Sea y M; como A es abierto, existe una bola centrada
en y contenida en A, B(y, r) A; vamos a ver que esa bola esta contenida en M:
Sea z B(y, r); el segmento que une y y z, [y, z] esta contenido en la bola. Por otra parte,
como y M, existe una poligonal de x a y contenida en A. Si a esa poligonal le a nadimos el
segmento [y, z], tendremos una poligonal de x a z contenida en A, luego efectivamente z M.
De forma analoga se demuestra que N es abierto, lo que termina la demostracion del teorema.
Sucesiones.
Compacidad
Sucesiones
Compacidad

1. Sucesiones
De una manera informal, una sucesion es una familia de elementos de un conjunto, ordenada seg un
el ndice de los n umeros naturales. Los elementos pueden estar repetidos o no. Por ejemplo la
familia de los n umeros de la forma
{(1)
n
, n N} = {1, 1, 1, 1, 1, 1, . . . }
es una sucesion de elementos del conjunto {1, 1}, y la familia
{2n, n N} = {2, 4, 6, 8, . . . }
es la sucesion de los n umeros pares, ordenados de menor a mayor.
No cualquier conjunto se puede ordenar de esta manera: por ejemplo, el conjunto de los
n umeros enteros se puede ordenar en una sucesion de varias maneras, una de ellas es
Z = {0, 1, 1, 2, 2, 3, 3, . . . }
Los n umeros racionales positivos tambien se pueden ordenar en sucesion: identicando cada
n umero racional con un cociente de dos n umeros naturales, podemos ordenarlos como el producto
cartesiano
Sin embargo el conjunto de todos los n umeros reales del intervalo [0, 1] no se puede ordenar
en una sucesion.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Denicion (Sucesion).
Sea X un conjunto cualquiera. Una sucesion en X es una aplicacion
x : N X
que a cada n umero natural hace corresponder un elemento de X.
x : N X
n x(n) = x
n
Se suele identicar la sucesion con el conjunto ordenado de sus imagenes, por lo que se escribe
x(n) = (x
n
)
nN
, o simplemente (x
n
)
n
En nuestro caso, el conjunto X es el espacio eucldeo R
m
, por lo que podemos denir las
siguientes operaciones:
Dadas dos sucesiones (x
n
)
n
e (y
n
)
n
, se dene
(x
n
)
n
+ (y
n
)
n
= (x
n
+ y
n
)
n
y si a R, se dene
a(x
n
)
n
= (ax
n
)
n
de modo que el conjunto de las sucesiones de vectores de R
n
es tambien un espacio vectorial (de
dimension innita)
Sucesiones.
Compacidad
Sucesiones
Compacidad

Denicion (Subsucesion).
Sea x : N R
m
una sucesion en R
m
, y sea n : N N una funcion estrictamente creciente.
A la composicion x n se le llama subsucesion de x
N
n
N
x
R
m
k n(k) = n
k
x n(k) = x
n
k
se escribe (x
n
k
)
k
Una subsucesion es una seleccion de innitos elementos de la sucesion (x
n
)
n
conservando el
orden de aparicion
Ejemplo 1. Toda sucesion es subsucesion de si misma, tomando n
k
= k la identidad.
Ejemplo 2. Si n
k
= 2k, (x
n
k
)
k
es la subsucesion de los terminos de ndice par de (x
n
)
n
Ejemplo 3. Sucesiones en R
2
y en R
3
a.
_
(1 +
1
n
,
1
2
n
)
_
n
b.
_
(n, (1)
n
, (1
1
n
)
n
)
_
n
Sucesiones.
Compacidad
Sucesiones
Compacidad

Denicion (Lmite de una sucesion).
Una sucesion en R
m
, (x
n
)
n
se dice convergente si existe un punto x R
m
de modo que para
cada > 0 existe un n umero natural n
0
(que depende de ) tal que para todo n > n
0
se verica
x
n
x <
El punto x se llama lmite de la sucesion, y se escribe lim
n
x
n
= x, o tambien (x
n
)
n
x, y
se dice que x es el lmite cuando n tiende a innito de (x
n
)
n
Observaciones:
1. Una sucesion convergente en R
m
tiene que tener como lmite un punto de R
m
. Esto
quiere decir en particular que no contemplamos sucesiones que tiendan a innito o a menos
innito, ni siquiera en el caso n=1.
2. Una sucesion convergente solo puede tener un lmite:
En efecto, si (x
n
)
n
x y (x
n
)
n
y, con x = y, tomando 0 < = x y/2, tienen que
existir dos n umeros naturales n
1
y n
2
de modo que si n n
1
, entonces x
n
x < , y si
n n
2
entonces x
n
y < . Si escogemos N = max{n
1
, n
2
} tenemos
x y = x x
N
+ x
N
y x x
N
+x
N
y <
< 2 = x y
Sucesiones.
Compacidad
Sucesiones
Compacidad

lo que es absurdo; luego tiene que ser x = y
3. (x
n
)
n
x en R
m
si y solo si (x
n
x)
n
0 en R
4. Si (x
n
)
x
x e (y
n
)
n
y entonces (x
n
+ y
n
)
n
x + y
5. Si (x
n
)
x
x, para todo a R, (ax
n
)
n
ax
Teorema. Una sucesion (x
n
)
n
converge a un punto x si y solo si toda subsucesion suya (x
n
k
)
k
converge tambien a x
Demostracion:
Supongamos primero que (x
n
)
n
converge a x, y sea (x
n
k
)
k
una subsucesion cualquiera de
(x
n
)
n
.
Dado > 0, sabemos que existe un n
0
N tal que si n n
0
entonces x
n
x <
Como (n
k
)
k
es una sucesion creciente de n umeros naturales, tiende a innito, luego dado ese
n
0
existira un k
0
N tal que si k k
0
entonces n
k
n
0
. Y entonces para todo k k
0
se
verica x
n
k
x < . Luego efectivamente (x
n
k
)
k
x
El recproco es trivial, ya que una sucesion es siempre subsucesion de si misma.
Hay una relacion directa entre la convergencia de sucesiones y la topologa de un conjunto: se

puede determinar la adherencia, el interior, la frontera,... de un conjunto mediante propiedades
Sucesiones.
Compacidad
Sucesiones
Compacidad

de convergencia de ciertas sucesiones. Por ejemplo, utilizaremos en muchas ocasiones el siguiente
resultado
Proposicion (Caracterizacion de la adherencia mediante sucesiones).
1. Si (x
n
)
n
x, entonces x es un punto adherente del conjunto {x
n
; n N}
2. Un punto x esta en la adherencia de un conjunto A si y solo si existe una sucesion (x
n
)
n
de elementos de A que converge a x
Denicion (Sucesion de Cauchy).
Una sucesion (x
n
)
n
se dice de Cauchy (o sucesion fundamental) si verica la siguiente condicion:
Para todo > 0 existe un ndice n
0
N tal que si n n
0
y m n
0
entonces x
n
x
m
<
Proposicion.
Dada una sucesion (z
n
)
n
de vectores de R
m
, cada z
n
= (z
n
1
, . . . , z
n
m
), (z
n
)
n
es convergente a un
punto z = (z
1
, . . . , z
m
) si y solo si cada sucesion (z
n
i
)
n
converge a z
i
; y (z
n
)
n
es de Cauchy si y
solo si cada sucesion (z
n
i
)
n
es de Cauchy.
Ejemplo 4. En los ejemplos 3, la sucesion a.
_
(1 +
1
n
,
1
2
n
)
_
n
tiende al punto (1, 0), y la sucesion
b.
_
(n, (1)
n
, (1
1
n
)
n
)
_
n
no tiene lmite.
Las sucesiones convergentes son siempre de Cauchy, y una de las propiedades fundamentales
del cuerpo de los n umeros reales es que en R toda sucesion de Cauchy es siempre convergente.
Esta propiedad es la completitud de R. La diferencia entre las dos deniciones radica entre
otras cosas en que para saber que una sucesion es de Cauchy no hace falta saber cual es el lmite.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Por ejemplo, la sucesion (
n
k=0
1
k!
)
n
es de Cauchy, y su lmite es, por denicion, el n umero e.
La proposicion anterior, aplicada a las componentes de los vectores de R
m
, demuestra que
tambien R
m
es completo: toda sucesion de vectores en R
m
que sea de Cauchy es tambien
convergente.
Sucesiones.
Compacidad
Sucesiones
Compacidad

2. Compacidad
Algunas propiedades y problemas fundamentales relacionadas con la continuidad de funciones de
una variable se deben a propiedades de los intervalos cerrados y acotado, como el hecho de que
si es continua alcance su maximo y su mnimo, o de que si es biyectiva tenga inversa continua.
Cuando estudiamos funciones denidas en espacios de dimension mayor, el papel de los intervalos
cerrados y acotados lo juegan los conjuntos que llamamos compactos. La denicion topologica de
un conjunto compacto es un tanto crptica, pero estudiando luego sus propiedades tendremos una
idea mas intuitiva de que clase de conjuntos son, hasta que lleguemos al Teorema de HeineBorel,
que caracteriza los conjuntos compactos en R
n
como aquellos que son cerrados y acotados.
Denicion (Recubrimientos Abiertos).
Dado un conjunto A en R
n
, se llama un recubrimiento abierto de A a una familia cualquiera
U = {U
i
, i I} de conjunto abiertos de R
n
tal que
A
_
iI
U
i
Por ejemplo, si para cada punto x de A llamamos U
x
a la bola abierta de centro x y radio 1,
U
x
= B(x, 1), la familia
U = {U
x
, x A}
es un recubrimiento abierto de A.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Se dice que un recubrimiento U admite un subrecubrimiento nito, si se puede extraer una
cantidad nita de conjuntos U
i
1
, U
i
2
, . . . , U
i
k
de la familia U que tambien recubra a A, es decir,
de modo que
A
k
_
j=1
U
i
j
Denicion (Conjuntos Compactos).
Un conjunto K contenido en R
n
es compacto si de todo recubrimiento abierto de K se puede
extraer un subrecubrimiento nito.
Ejemplo 5. Por ejemplo, el semiplano A = {(x, y) : y > 0} no puede ser un conjunto compacto:
Denamos la familia de conjuntos abiertos formada por todas las bolas abiertas de centro
(0, 0) y radio positivo, U = {U
r
= B((0, 0), r), r > 0}. Si U admitiese un subrecubrimiento
nito, tendramos
A
k
_
j=1
U
r
j
=
n
_
j=1
B((0, 0), r
j
)
si ordenamos los radios, podemos suponer r
1
< r
2
< < r
k
y entonces tendramos A
B((0, 0), r
k
), que es la bola de mayor radio, y esto es falso.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Ejemplo 6. Los puntos de una sucesion convergente, mas su lmite, forman un conjunto com-
pacto.
Por ejemplo, sea (x
n
)
n
= (
1
n
)
n
y sea K = {
1
n
, n N} {0}.
Si U = {U
i
, i I} es un recubrimiento abierto de K, K
iI
U
i
, y tiene que existir alg un
i
0
de modo que 0 U
i
0
.
Como U
i
0
es abierto, existe una bola B(0, r) = (r, r) contenida en U
i
0
.
Y como (
1
n
)
n
tiende a cero, dado r > 0, el radio de esa bola, existe un ndice n
0
N tal que
si n > n
0
entonces
1
n
B(0, r) (es decir, |
1
n
| < r)
Entonces para todo n > n
0
se tiene
1
n
B(0, r) U
i
0
: todos los elementos de K posteriores
al de ndice n
0
estan en el abierto U
i
0
. Para recubrir todo el conjunto K hara falta como mucho
un abierto mas para cada uno de los puntos de ndice menor o igual que n
0
, de modo que cada
1
n
U
in
para 1 n n
0
.
As K
n
0
j=0
U
i
j
, y efectivamente U admite un subrecubrimiento nito.
La manipulacion de la denicion de conjunto compacto es como se ve muy complicada, as que
uno de los teoremas mas importantes es el que viene a continuacion, que da una caracterizacion de
los conjuntos compactos de R
m
(y en general de cualquier espacio metrico) mediante sucesiones.
Para la demostracion del teorema utilizaremos el siguiente Lema.
Lema 1. Sea (x
n
)
n
una sucesion en R
m
, y sea A = {x
n
, n N}, el conjunto de puntos denidos
por la sucesion. Si x es un punto de acumulacion de A, entonces existe una subsucesion (x
n
k
)
k
de (x
n
)
n
que converge a x
Sucesiones.
Compacidad
Sucesiones
Compacidad

Demostracion:
Observemos en primer lugar que en general, un punto x es de acumulacion de un conjunto A
si y solo si lo es de A \ {x}, as que podemos suponer que x
n
= x para todo n.
Vamos a construir una subsucesion de (x
n
)
n
que converge a x: consideramos una bola de
centro x y radio r
1
= 1. Como x A, existe un punto x
n
1
de A tal que x
n
1
B(x, 1)
Llamamos ahora r
2
=
1
2
min{x x
i
, 1 i n
1
}. r
2
es mayor que cero, ya que
hemos supuesto que todos los elementos de A son distintos de x, y tiene que existir un punto
x
n
2
AB(x, r
2
). Por la denicion de r
2
, tienen que ser n
2
> n
1
, y ademas r
2

1
2
xx
n
1
<
1
2
Una vez construido x
n
k
, denimos r
k+1
=
1
2
min{x x
i
, 1 i n
k
} > 0, y existira
un punto x
n
k+1
A B(x, r
k+1
). Y por la denicion de r
k+1
necesariamente n
k+1
> n
k
y
r
k+1
<
1
2
k
.
De esta forma, (x
n
k
)
k
es una subsucesion de (x
n
)
n
, y converge a x
Sucesiones.
Compacidad
Sucesiones
Compacidad

Teorema (Teorema de Bolzano y Weierstrass).
Sea K un subconjunto de R
m
. Son equivalentes:
1. K es compacto.
2. Todo conjunto innito contenido en K tiene al menos un punto
de acumulacion perteneciente a K.
3. Toda sucesion de elementos de K tiene al menos una subsucesion
convergente a un elemento de K.
Supongamos en primer lugar que K es compacto, y sea A un subconjunto de K. Vamos a
suponer que A no tiene ning un punto de acumulacion en K, y a demostrar que entonces A es
nito.
Si A no tiene puntos de acumulacion en K, dado un punto cualquiera x de K existe un radio
r
x
> 0 de modo que la bola de centro x y radio r
x
no tiene ning un punto de A distinto de x:
para cada x K r
x
> 0 tal que B(x, r
x
) A {x}
Sucesiones.
Compacidad
Sucesiones
Compacidad

Llamemos U = {B(x, r
x
), x K} la familia formada por todas estas bolas. Como las bolas
abiertas son conjuntos abiertos, y cada punto de K es el centro de una de las bolas, U es un
recubrimiento abierto de K.
De la hipotesis de que K es compacto se deduce que U admite un subrecubrimiento nito, es
decir, que existe una cantidad nita de puntos x
1
, . . . , x
p
en K de modo que
K
p
_
i=1
B(x
i
, r
x
i
)
Pero entonces
A = A K A
_
p
_
i=1
B(x
i
, r
x
i
)
_
=
=
p
_
i=1
(A B(x
i
, r
x
i
)) {x
1
, . . . , x
p
}
y por tanto A es nito.
En segundo lugar, vamos a demostrar que la segunda hipotesis implica la tercera. Suponemos
ahora que todo conjunto innito contenido en K tiene al menos un punto de acumulacion en K.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Sea (x
n
)
n
una sucesion de elementos de K, y sea A el conjunto de puntos denido por la
sucesion, A = {x
n
, n N}.
Si A es nito, entonces en la sucesion (x
n
)
n
hay alg un elemento que se repite innitas veces,
formando una subsucesion constante de (x
n
)
n
, que por supuesto es convergente a ese elemento
de K.
Si por el contrario A es innito, entonces por hipotesis tiene al menos un punto de acumulacion
x en K. Y aplicando el lema anterior, entonces existe una subsucesion (x
n
k
)
k
que converge a x.
En tercer lugar, nos queda demostrar que de la tercera hipotesis se deduce que K es compacto.
Esta ultima parte la demostramos en dos pasos.
Primer paso: para todo > 0 existe una familia nita de puntos de K, {x
1
, . . . , x
p
} (que
cantidad de puntos y cuales dependera de ), tal que
K
p
_
i=1
B(x
i
, )
En efecto, si esto no es cierto, existe un > 0 tal que K no esta contenido en ninguna
union nita de bolas de radio y centro en puntos de K. Entonces dado x
1
un punto de K,
K B(x
1
, ), luego existe un punto x
2
K tal que x
1
x
2
.
Tampoco K puede estar contenido en la union de las dos bolas, K B(x
1
, ) B(x
2
, ),
luego existe un punto x
3
K con x
1
x
3
y x
2
x
3
.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Repitiendo el proceso, podemos construir una sucesion (x
n
)
n
de puntos de K, tal que si
i = j entonces x
i
x
j
. Evidentemente esta sucesion no contiene ninguna subsucesion
convergente, en contra de la hipotesis.
Segundo paso: vamos a suponer ahora que existe alg un recubrimiento abierto U = {U
i
, i I}
de K que no admite ning un subrecubrimiento nito, y a ver que esto nos lleva a una contradiccion.
Sea = 1/2; aplicando el paso anterior, existe una familia nita de puntos {x
1
, . . . , x
p
} de
K tal que K
p
i=1
B(x
i
, 1/2)
K = K
_
p
_
i=1
B(x
i
, 1/2)
_
=
p
_
i=1
(K B(x
i
, 1/2))
_
iI
U
i
Sucesiones.
Compacidad
Sucesiones
Compacidad

Si U no admite un subrecubrimiento nito, entonces para al menos una de estas bolas, que
vamos a llamar B
1
, el conjunto K B
1
no puede cubrirse con una cantidad nita de abiertos U
i
de U.
K
K
B
1
Sucesiones.
Compacidad
Sucesiones
Compacidad

Tomamos ahora = 1/4. Repitiendo el argumento, existira una familia nita de puntos
{x
1
, . . . , x
m
} de K tales que K

m
i=1
B(x
i
, 1/4). Consideramos entre estas bolas las que
cortan a B
1
, y entonces, como
K B
1
K B
1

_
m
_
i=1
B(x
i
, 1/4)
_
K
_
iI
U
i
existira al menos una de estas bolas de radio 1/4, B
2
, de modo que K B
1
B
2
no puede
cubrirse con una cantidad nita de abiertos de U
Repitiendo el proceso, construimos una sucesion de bolas tales que:
Sucesiones.
Compacidad
Sucesiones
Compacidad

el radio de cada B
n
es
1
2
n
;
para cada n N, B
n
B
n+1
=
K B
1
B
n
no puede nunca cubrirse por una cantidad nita de conjuntos de U.
Llamamos (x
n
)
n
a la sucesion formada por los centros de las bolas B
n
.
Por un lado de la condicion B
n
B
n+1
= se deduce que
x
n
x
n+1

1
2
n
+
1
2
n+1
=
3
2
n+1
<
1
2
n1
luego si m y n son dos n umeros naturales, con m > n tendremos
x
n
x
m
x
n
x
n+1
+x
n+1
x
n+2
+ +x
m1
x
m

1
2
n1
+
1
2
n
+ +
1
2
m2
=
=
1
2
n1

1
2
m2
1
2
1
1
2
1
2
n2
que evidentemente se puede hacer todo lo peque no que queramos con tal de que n ( y m) sean
sucientemente grandes. Es decir, la sucesion (x
n
)
n
es de Cauchy. Y como R
m
es completo,
(x
n
)
n
converge a un punto x R
m
Sucesiones.
Compacidad
Sucesiones
Compacidad

Por otro lado, por hipotesis la sucesion tiene que tener al menos una subsucesion (x
n
k
)
k
convergente a un punto x
de K. Por las propiedades de los lmites, entonces la subsucesion

tendra dos lmites, x y x
, luego tiene que ser x = x
K. As que (x
n
)
n
es convergente a un
punto x de K.
Como U es un recubrimiento abierto de K, existe alg un abierto U
i
0
en U tal que x U
i
0
.
Como U
i
0
es abierto, existe una bola centrada en x contenida en U
i
0
, B(x, r) U
i
0
.
Como la sucesion tiende a x, dado = r/2, existe un ndice n
0
N tal que si n > n
0
todos
los elementos x
n
B(x, r/2).
Tomando un n umero n sucientemente grande, podemos suponer que
1
2
n
, el radio de B
n
, es
menor que r/2.
Y entonces
B
n
= B(x
n
,
1
2
n
) B(x, r) U
i
0
y
K B
1
B
n
B
n
U
i
0
esta contenido en un solo abierto de U, en contradiccion con la construccion de las bolas B
n
.
Luego U tiene que admitir alg un subrecubrimiento nito.
Y esto termina la demostracion.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Hay a un otro teorema fundamental para la caracterizacion de los conjuntos compactos en
R
m
, el Teorema de Heine Borel. La demostracion de este teorema se basa en una propiedad
fundamental de los n umeros reales, que enunciamos en el siguiente Lema:
Lema 2. Toda sucesion acotada de n umeros reales tiene al menos una subsucesion convergente
(por ejemplo, a su lmite superior)
Teorema (Teorema de Heine Borel).
Un conjunto K de R
m
es compacto si y solo si es cerrado y acotado.
Supongamos primero que K es compacto.
K es cerrado: sea x un punto de la adherencia de K; tenemos que demostrar que x K.
Como x K, existe una sucesion (x
n
)
n
de puntos de K que tiende a x. Ademas aplicando
el Teorema de Bolzano y Weierstrass, (x
n
)
n
tiene al menos una subsucesion (x
n
k
)
k
convergente
a un punto x
0
de K. Pero entonces esa subsucesion tiene que converger a x y a x
0
, y como el
lmite de una sucesion es unico, tiene que ser x = x
0
K.
K es acotado: supongamos que K no es acotado, y sea x
1
un punto cualquiera de K.
Entonces K no esta contenido en B(x
1
, 1), luego existe un punto x
2
K tal que x
1
x
2
1
Tampoco puede estar K contenido en B(x
1
, 1) B(x
2
, 1), porque sera acotado, luego existe
un punto x
3
K tal que x
1
x
3
1 y x
2
x
3
1.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Repitiendo este procedimiento, construimos una sucesion (x
n
)
n
de puntos de K tal que si
i = j la distancia x
i
x
j
1, y que por tanto no tiene ninguna subsucesion convergente, en
contradiccion con la hipotesis de que K es compacto por el Teorema de Bolzano y Weierstrass.
Recprocamente, supongamos ahora que K es cerrado y acotado, y sea (x
n
)
n
una sucesion
de puntos de K. Pongamos cada vector x
n
de la forma x
n
= (x
n
1
, x
n
2
, . . . , x
n
m
).
Como K es acotado, existe una constante R > 0 de modo que x < R para todo x de K,
y en particular x
n
< R para todo n.
Consideremos la sucesion formada por las primeras coordenadas de cada vector, (x
n
1
)
n
, verica
|x
n
1
| x
n
< R
As (x
n
1
)
n
es una sucesion acotada de n umeros reales, y por tanto tiene una subsucesion conver-
gente (x
n
k
1
)
k
a un n umero real x
1
.
De la sucesion original nos quedamos con los terminos que corresponden a esta subsucesion,
(x
n
k
)
k
, y por comodidad, la volvemos a llamar (x
n
)
n
. Sabemos que la sucesion de las primeras
coordenadas es convergente, (x
n
1
)
n
x
1
.
Consideramos ahora la sucesion formada por las segundas coordenadas, (x
n
2
)
n
. Razonando
como antes,
|x
n
2
| x
n
< R
es tambien una sucesion acotada de n umeros reales, y por tanto tiene una subsucesion (x
n
k
2
)
k
convergente a un n umero real x
2
.
Sucesiones.
Compacidad
Sucesiones
Compacidad

Volvemos a quedarnos, de la sucesion original, con los terminos que corresponden a esta sub-
sucesion, y la volvemos a llamar (x
n
)
n
. As tenemos una subsucesion (x
n
)
n
de la sucesion original
en la que las primeras y las segundas coordenadas forman sucesiones convergentes, (x
n
1
)
n
x
1
y (x
n
2
)
n
x
2
Repitiendo este proceso m veces, construimos una subsucesion (x
n
)
n
en la que cada coorde-
nada es convergente a un n umero x
i
(x
n
i
)
n
x
i
As (x
n
)
n
x = (x
1
, . . . , x
m
). Para terminar la demostracion queda por ver que este punto
lmite esta en K. Ahora bien, el lmite de una sucesion siempre esta en la adherencia del conjunto
de puntos de la sucesion
x {x
n
, n N} K = K
por ser K cerrado por hipotesis, y esto termina la demostracion.
El teorema de Bolzano Weierstrass caracteriza los conjuntos compactos de cualquier espacio

metrico. Sin embargo el teorema de Heine Borel solo es cierto en espacios metricos de dimension
nita, similares a R
m
.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Tecnicas de estudio . . .
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

1. Lmites
Las deniciones de lmite de funciones de varias variables son similares a las de los lmites de
funciones de una variable estudiadas en cursos anteriores, y de hecho la mayora de las propiedades
se demuestran de la misma manera, cambiando solo los modulos de los n umeros reales por las
normas de los vectores en R
n
.
Recordemos que una funcion f : (a, b) R tiene lmite L en un punto x
0
[a, b] si para
todo > 0 existe un > 0 tal que si x (a, b) y 0 < |x x
0
| < entonces |f(x) L| <
x
0
L
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Denicion (Lmite de una funcion en un punto).
Sea A R
n
y x
0
un punto de acumulacion de A. Sea F : A R
m
una funcion. Se dice que
F tiene lmite cuando x tiende a x
0
, si se verica la siguiente condicion:
Existe y
0
R
m
de modo que para todo > 0 existe > 0 (que depende de ) tal que si
x A y 0 < x x
0
< entonces F(x) y
0
<
Se escribe lim
xx
0
F(x) = y
0
, y se dice que y
0
es el lmite de F cuando x tiende a x
0
F
y
0
F(x)
x
0
x
A
Observaciones:
Una funcion solo puede tener un lmite en un punto x
0
, as que la denicion de lmite es correcta
(la demostracion es analoga a la de la unicidad de los lmites de sucesiones).
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

La denicion anterior exige que el punto lmite sea un punto de R
m
, as que no incluye la
posibilidad de que una funcion tienda a innito. Para este caso, se da la siguiente denicion, que
solo tiene sentido para funciones con valores reales:
Denicion (Lmites innitos).
Sea A R
n
y x
0
un punto de acumulacion de A; y sea f : A R. Se dice que el lmite de f
cuando x tiende a x
0
es innito si
Para todo M > 0 existe > 0 tal
que si x A y 0 < x x
0
<
entonces f(x) > M
Se escribe lim
xx
0
f(x) =
Analogamente, se dice que el lmite es menos innito si
Para todo M > 0 existe > 0 tal que si x A y 0 < x x
0
< entonces f(x) < M
Se escribe lim
xx
0
f(x) =
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 1. La funcion f(x, y) =
1
_
x
2
+y
2
tiene lmite innito en (0, 0)
Observaciones:
En R
n
no existen los conceptos de lmite por la derecha o lmite por la izquierda, ya que
alrededor de un punto x
0
no solo hay izquierda y derecha, tambien habra arriba y abajo, y en
diagonal.
Denicion (Lmites en el innito). Sea F : R
n
R
m
Se dice que F tiene lmite en el innito
y
0
R
m
si
Para todo > 0 existe
M > 0 tal que si x > M
entonces F(x) y
0
<
Se escribe lim
x
f(x) = y
0
Ejemplo 2. La funcion f(x, y) = 1 +e
x
2
+y
2
tiene lmite 1 en el innito
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Proposicion. Sea A R
n
, x
0
un punto de acumulacion de A, y F : A R
m
una funcion,
F = (f
1
, . . . , f
m
). Son equivalentes:
1) lim
xx
0
F(x) = y
0
= (y
0
1
, . . . , y
0m
)
2) Para cada i = 1, . . . , m la funcion f
i
verica lim
xx
0
f
i
(x) = y
0
i
Demostracion: se deduce trivialmente de las ecuaciones
F(x) y
0
=
_
n
i=1
|f
i
(x) y
0
1
|
2
_
1/2
y
|f
i
(x) y
0
i
| F(x) y
0
para todo i = 1 . . . n
A partir de ahora consideraremos solo funciones con valores en R.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Proposicion (Caracterizacion de lmites por sucesiones).
Sea A R
n
y x
0
un punto de acumulacion de A; y sea f : A R. Entonces lim
xx
0
f(x) = y
0
si y solo si para toda sucesion (x
n
)
nN
de puntos de A \ x
0
que converja a x
0
se tiene que
(f(x
n
))
nN
converge a y
0
Demostracion:
Supongamos primero que f(x) tiende a y
0
cuando x tiende a x
0
, y sea (x
n
)
n
una sucesion
contenida en A \ {x
0
} que tienda a x
0
.
Dado cualquier > 0, existe un > 0 tal que para todo x A con 0 < x x
0
< se
tiene |f(x) y
0
| < .
Dado ese > 0, existe un n umero natural n
0
tal que para todo n n
0
se tiene x
n
x
0
< ,
y como x
n
A\{x
0
}, se tiene 0 < x
n
x
0
< . Luego estamos en las condiciones de la frase
anterior, y se tiene que |f(x
n
) y
0
| <
En consecuencia (f(x
n
))
n
tiende a y
0
.
Recprocamente, supongamos ahora que lim
xx
0
f(x) = y
0
. Entonces existe un n umero
> 0 tal que para todo > 0 hay puntos x A con 0 < x x
0
< pero |f(x) y
0
| >
Tomamos entonces = 1/n, y para cada n N tiene que existir un x
n
con 0 < x
n
x
0
<
1/n pero |f(x
n
) y
0
| > . As construimos una sucesion (x
n
)
n
de puntos de A \ {x
0
} que
converge a x
0
y tal que la sucesion de las imagenes (f(x
n
))
n
no tiende a y
0
.
Utilizando esta caracterizacion por sucesiones, y las propiedades de los lmites de sucesiones
de n umeros reales, se deducen facilmente las siguientes propiedades:
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

n
, x
0
Ac(A), y sean f : A R y g : A R dos funciones tales
que lim
xx
0
f(x) = y
0
y lim
xx
0
g(x) = z
0
. Entonces:
a) lim
xx
0
(f +g)(x) = y
0
+z
0
b) Para todo R, lim
xx
0
(f)(x) = y
0
c) lim
xx
0
(fg)(x) = y
0
z
0
;
d) Si z
0
= 0 tambien lim
xx
0
(f/g)(x) = y
0
/z
0
Para los lmites innitos y lmites en el innito se tienen propiedades analogas, teniendo en
cuenta el algebra de R = R {, }
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

2. Funciones Continuas
Denicion (Funcion Continua).
Sea A R
n
y x
0
un punto de A. Sea F : A R
m
una funcion. Se dice que F es continua
en x
0
si se verica la siguiente condicion:
Para todo > 0 existe > 0 tal que para todo x A con x x
0
< se tiene
F(x) F(x
0
) <
Dado un conjunto B A, se dice que F es continua en B si lo es en cada punto de B. Y
se dice simplemente que F es continua si lo es en A.
Como en el caso de los lmites de verican las siguientes propiedades:
n
, x
0
un punto de A, y F : A R
m
una funcion, F = (f
1
, . . . , f
m
).
Son equivalentes:
1) F es continua en x
2) Para cada i = 1, . . . , m la funcion f
i
es continua en x
n
, x A, y f : A R. Son equivalentes:
a) f es continua en x
b) Para toda sucesion (x
n
)
n
en A que converja a x, la sucesion (f(x
n
))
n
converge a f(x)
Observaciones: Restricciones
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Sean ahora A R
n
, y f : R
n
R. Utilizando la topologa en A como subespacio de R
n
,
denimos la restriccion de f a A, f|
A
: A R de modo que f|
A
(x) = f(x) para todo x de A.
Si f : R
n
R es continua en A, entonces la restriccion f|
A
es continua. Sin embargo el
recproco no es cierto: basta considerar como ejemplo la funcion
f(x) =
_
1 si x 0
0 si x < 0
y A el conjunto A = [0, 1]; es evidente que f|
A
(x) = 1 para todo x A es continua, y sin
embargo f no es continua en 0 A.
Proposicion. Sean A R
n
, y f : R
n
R.
a) Si f es continua en x
0
A, la restriccion f|
A
es continua en x
0
.
b) Si f|
A
es continua en un punto x
0
A
0
, entonces f es continua en x
0
.
c) Si f|
A
es continua, y A es abierto, entonces f es continua en A
Proposicion (Composicion de funciones). Sean A R
n
, F : A R
m
, g : F(A) R y
h = g F
a) Si F es continua en x
0
A, y g es continua en F(x
0
), entonces h es continua en x
0
b) Si F y g son continuas, h es continua.
Ademas se tienen las siguientes propiedades:
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

n
, y f y g dos funciones de A en R continuas en x
0
A. Se tiene:
1) f +g es continua en x
0
2) en R, f es continua en x
0
3) fg es continua en x
0
4) Si ademas g(x
0
) = 0, tambien f/g es continua en x
0
.
Observaciones:
Los resultados son ciertos para continuidad en todo A, teniendo en cuenta que para el cociente
de funciones habra que pedir que sea g(x) = 0 para todo x A
Ejemplo 3. 1. Las funciones constantes son continuas.
2. Las proyecciones p
i
: R
n
R, denidas por p
i
(x) = x
i
, son continuas.
3. Las inclusiones I
i
: R R
n
, denidas por I
i
(x) = (0, . . . , x
(i)
, . . . , 0) son continuas.
4. Cualquier funcion lineal f : R
n
R, f(x
1
, . . . , x
n
) = a
1
x
1
+ a
2
x
2
+ + a
n
x
n
es
continua.
Cualquier funcion lineal F : R
n
R
m
es continua.
Cualquier funcion polinomica f(x
1
, . . . , x
n
) = a
1
x
1
+ +a
n
x
x
+a
11
x
2
1
+a
12
x
1
x
2
+ +
a
nn
x
2
n
+ +. . . es continua.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

5. La funcion
f(x, y) =
_
x
2
x
2
+y
2
si (x, y) = 0
0 si (x, y) = (0, 0)
es continua en R
2
\ {(0, 0)}
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

3. Tecnicas de estudio de lmites y continuidad.
Una de las tecnicas mas usuales para determinar la existencia de lmite en un punto de una
funcion de este tipo, es estudiar el lmite a lo largo de rectas que pasen por el punto, es decir, el
comportamiento de la funcion al acercarnos al punto x
0
a lo largo de una recta.
Teorema (Lmites por rectas).
Sea f : R
n
R, y supongamos que lim
xx
0
f(x) = y
0
Entonces para todo vector v R
n
, con
v = 0, se tiene
lim
t0
f(x
0
+tv) = y
0
Los puntos x
0
+tv recorren la recta que pasa por x
0
y tiene vector director v.
x
0
v
x
0
+tv
Demostracion:
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Sea > 0; por la denicion de lmite en x
0
, existira un n umero > 0 tal que si 0 < xx
0
<
entonces |f(x) y
0
| < .
Tomando ahora t de modo que 0 < |t| < /v, los puntos de la forma x = x
0
+tv verican
x x
0
= tv = |t| v <

v
v =
y por tanto |f(x
0
+tv) y
0
| < . Luego en efecto lim
t0
f(x
0
+tv) = y
0
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 4. Estudiar el lmite en el origen de la funcion
f(x, y) =
_
x
2
x
2
+y
2
si (x, y) = (0, 0)
0 si (x, y) = (0, 0)
Si nos acercamos al origen por puntos del eje x, es decir, tomando v = (1, 0), tenemos
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

f(x
0
+tv) = f(t, 0) =
t
2
t
2
= 1
luego lim
t0
f(t, 0) = 1
Y sin embargo, acercandonos por el eje y, w = (0, 1), se tiene
f(x
0
+tw) = f(0, t) =
0
t
2
= 0
luego lim
t0
f(0, t) = 0
Por tanto f no tiene lmite en (0, 0).
Si consideramos un vector cualquiera u = (a, b) = (0, 0), y calculamos
f(x
0
+tu) = f(ta, tb) =
a
2
a
2
+b
2
es constante, y por tanto sobre cada recta que pasa por (0, 0) hay un lmite de la funcion, aunque
no siempre es el mismo.
En R
2
es mas frecuente escribir la ecuacion de una recta que pasa por el punto (x
0
, y
0
) en la
forma y = m(x x
0
) + y
0
, con m R, y x = x
0
la recta vertical que pasa por ese punto
(que correspondera a m = ).
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

El siguiente ejemplo prueba que puede ocurrir incluso que todos los lmites por rectas coin-
cidan, y sin embargo no exista el lmite de la funcion, lo que demuestra que el recproco del
teorema no es cierto.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 5. Estudiar el lmite en el origen de la funcion
f(x, y) =
(y
2
x)
2
y
4
+x
2
Si consideramos la recta vertical x = 0,
f(0, y) =
y
4
y
4
= 1
para todo y = 0, y lim
y0
f(0, y) = 1
Y para cualquier otra recta que pase por (0, 0), y = mx, se tiene
f(x, mx) =
m
2
x
2
x)
2
m
4
x
4
+x
2
=
m
4
x
4
+x
2
2m
2
x
3
m
4
x
4
+x
2
=
m
4
x
2
+ 1 2m
2
x
m
4
x
2
+ 1
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

luego lim
x0
f(x, mx) = 1
Es decir, a lo largo de cualquier recta que pase por (0, 0), existe el lmite cuando nos acercamos
a (0, 0), y siempre vale 1.
Sin embargo, si tomamos puntos (x, y) de la parabola x = y
2
que se acerquen a (0, 0), se
tiene f(y
2
, y) = 0 para todo y.
Por tanto f no tiene lmite en el origen.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

El resultado anterior se puede generalizar utilizando otra clase de curvas que pasen por el
punto, en vez de las rectas:
Teorema (Lmites por curvas).
Sea f : R
n
R, y supongamos que lim
xx
0
f(x) = L Sea G : (a, b) R
n
una funcion continua
tal que existe t
0
(a, b) con G(t
0
) = x
0
. Entonces:
lim
tt
0
f G(t) = L
G
f
L
t
0
t
f G(t)
x
0
= G(t
0
)
G(t)
La demostracion es analoga a la demostracion de que la composicion de funciones continuas
es continua.
Observaciones:
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Para estudiar el lmite en el origen de coordenadas de funciones de R
2
en R, podemos
considerar la familia de funciones G
m
(t) = (t, t
m
) con m Q
+
(es decir, y = x
m
), o
H
m
(t) = (t
m
, t) (es decir, x = y
m
)
El teorema anterior es un caso particular de este ultimo, con las funciones G
v
(t) = x
0
+tv =
(x
0
1
+tv
1
, . . . , x
0
n
+tv
n
)
Ejemplo 6. Sea f(x, y) =
x
2
y
sen(x
2
+y
2
) si y = 0,y f(x, 0) = 0. Estudiar el lmite en
(0, 0)
Si nos acercamos a (0, 0) por una
recta de la forma y = mx,
tenemos
f(x, mx) =
x
2
mx
sen(x
2
+m
2
x
2
) =
=
x
m
sen((1 +m
2
)x
2
)
que tiende a cero si x 0.
Para la recta vertical, x = 0, se tiene
f(0, y) = 0
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

y tambien tiende a cero cuando y tiende a cero.
Sin embargo si estudiamos el comportamiento de f sobre puntos de parabolas de la forma
y = x
n
, tenemos
f(x, x
n
) =
x
2
x
n
sen(x
2
+x
2n
) =
sen(x
2
+x
2n
)
x
n
2
Y aplicando la regla de LHopital
lim
x0
f(x, x
n
) = lim
x0
2x + 2nx
2n1
(n 1)x
n3
cos(x
2
+x
2
n) =
= lim
x0
2 +x
2n2
(n 1)x
n4
cos(x
2
+x
2
n)
As, si tomamos n = 4 queda
lim
x0
(2 + 8x
6
) cos(x
2
+x
8
)
2
= 1 = 0
Y si n > 4 ni siquiera existe el lmite.
Por tanto f podemos asegurar que f no tiene lmite en (0, 0).
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Otra tecnica habitual es el estudio de los lmites iterados:
Teorema (Lmites Iterados).
Sea f : R
2
R una funcion, y (a, b) R
2
.
Para cada x R, denimos la funcion g(x) = lim
yb
f(x, y) y para cada y R, la funcion
h(y) = lim
xa
f(x, y), suponiendo que estos lmites existen.
Si lim
(x,y)(a,b)
f(x, y) = L, entonces existen los lmites iterados, y son iguales a L:
lim
xa
g(x) = lim
yb
h(y) = L
Se escribe
lim
(x,y)(a,b)
f(x, y) = lim
xa
_
lim
yb
f(x, y)
_
= lim
yb
_
lim
xa
f(x, y)
_
= L
El teorema solo es cierto en las condiciones que se ponen en las hipotesis. Puede ocurrir que
los lmites iterados no existan, de lo cual no se deduce que no exista el lmite de la funcion. Puede
ocurrir tambien que los lmites iterados existan y sean iguales, pero la funcion no tenga lmite.
El teorema puede ser util cuando los lmites iterados existen pero son distintos: entonces la
funcion no puede tener lmite.
Demostracion del Teorema:
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Sea > 0. Queremos demostrar que existe > 0 tal que si 0 < |x a| < entonces
|g(x) L| <
Como por hipotesis lim
(x,y)(a,b)
f(x, y) = L, sabemos que existe r > 0 tal que si la distancia
0 < (x, y) (a, b) < r entonces |f(x, y) L| < /2 Sea =
r
2
, de modo que el cuadrado de
lado 2 y centro (a, b) esta contenido en la bola de centro (a, b) y radio r.
a
b
r
L
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Sea ahora x tal que 0 < |x a| < , jo. Tambien sabemos que lim
yb
f(x, y) = g(x),
luego dado ese , existe un
x
> 0 tal que si 0 < |y b| <
x
entonces |f(x, y) g(x)| < /2
Tomemos un y
x
que verique 0 < |y
x
b| < min{,
x
};
a
b
r
x
x
y
x
Tenemos
0 < |y
x
b| <
x
y 0 < (x, y
x
) (a, b) < r
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

luego
|g(x) L| = |g(x) f(x, y
x
) +f(x, y
x
) L|
|g(x) f(x, y
x
)| +|f(x, y
x
) L| <
< /2 +/2 =
El lmite iterado en el otro orden se demuestra analogamente.
Ejemplo 7. Estudiar los lmites iterados, y el lmite de f en el origen de la siguiente funcion.

f(x, y) =
_
y si x > 0
y si x 0
Sea x
0
R jo. Si x
0
> 0, f(x
0
, y) = y y
g(x
0
) = lim
y0
f(x
0
, y) = lim
y0
y = 0
Si x
0
0, f(x
0
, y) = y, y
g(x
0
) = lim
y0
f(x
0
, y) = lim
y0
(y) = 0
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Luego para todo x R, g(x) = lim
y0
f(x, y) = 0, y por tanto
lim
x0
g(x) = lim
x0
lim
y0
f(x, y) = 0
Sea ahora y
0
R,
f(x, y
0
) =
_
y
0
si x > 0
y
0
si x 0
Claramente, para todo y
0
= 0, la funcion que se obtiene no es continua en x = 0, luego no existe
h(y
0
) = lim
x0
f(x, y
0
), y por tanto no existe el otro lmite iterado.
Por ultimo, es evidente que para todo (x, y) R
2
que
|f(x, y)| = |y| 0 si (x, y) (0, 0)
luego lim
(x,y)(0,0)
f(x, y) = 0
El teorema se puede generalizar a funciones de mas de dos variables. Sea F es una funcion de
R
n
en R, y x
0
= (x
0
1
, . . . , x
0
n
); si lim
xx
0
f(x) = y
0
, entonces para toda permutacion {i
1
, . . . , i
n
}
de {1, . . . , n}, se tiene
lim
x
i
1
x
0
i
1
. . . lim
x
in
x
0
in
f(x
1
, . . . , x
n
) = y
0
siempre que todos estos lmites existan.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Vamos a ver por ultimo una tecnica especca para el calculo de lmites en el origen de
funciones denidas en R
2
, aunque tambien puede generalizarse a otras situaciones. Se trata de
estudiar el comportamiento de la funcion describiendo los puntos del dominio en coordenadas
polares
Proposicion. Sea A = (0, ) [0, 2) R
2
, y g : A R
2
denida por
g(r, ) = (r cos , r sen )
g es una biyeccion continua de A sobre B = R
2
\ {(0, 0)}
Ademas g({(r, ), 0 < r < p, 0 < 2}) = B((0, 0), p) \ {(0, 0)} (R
2
, .
2
)
Teorema (Lmites en Polares).
Sea f : R
2
R. Se tiene lim
(x,y)(0,0)
f(x, y) = L si y solo si
lim
r0
f(r cos , r sen ) = L
uniformemente en [0, 2) (es decir, para todo > 0 existe > 0 tal que si 0 < r <
entonces |f(r cos , r sen ) L| < para todo [0, 2))
(Bombal, vol 1, pg. 154)
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 8. Calcular el lmite en (0, 0) de la funcion f(x, y) =
x
2
y
2
x
2
+y
2
Escribiendo en coordenadas polares (x, y) = (r cos , r sen ), tenemos
|f(r cos , r sen )| =
r
4
cos
2
sen
2
r
2
= r
2
cos
2
sen
2
r
2
0
si r 0 uniformemente en [0, 2), luego lim
(x,y)(0,0)
f(x, y) = 0
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

4. Continuidad y topologa
Denicion (Funciones acotadas). Sea A R
n
y f : A R; se dice que f esta acotada en
un conjunto B A si existe M > 0 tal que |f(x)| M para todo x B.
n
, x
0
un punto de acumulacion de A, y f una funcion f : A R.
Si f tiene lmite en x
0
, entonces existe r > 0 tal que f es acotada en B(x
0
, r) A \ {x
0
}.
Si f es continua en un punto x
0
A, entonces existe r > 0 tal que f es acotada en
B(x, r) A
Teorema.
Sean A R
n
y F : A R
m
. Son equivalentes:
a) F es continua (en A)
b) Para todo conjunto abierto B de R
m
, F
1
(B) es abierto en A.
c) Para todo conjunto cerrado C en R
m
, F
1
(C) es cerrado en A.
Demostracion:
Supongamos primero que F es continua en A, y sea B abierto en R
m
.
Sea x F
1
(B); Hay que probar que existe una bola B(x, ) tal que B(x, ) A esta
contenida en F
1
(B). Ahora bien, si x F
1
(B), entonces F(x) B que es abierto, y por
tanto existe una bola B(F(x), ) contenida en B. Dado ese > 0, como F es continua en
x, existe > 0 tal que si y A y x y < entonces F(x) F(y) < ; es decir,
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

F(B(x, ) A) B(F(x), ) B, de donde se deduce que B(x, ) A F
1
(B) como
queramos demostrar.
Supongamos ahora la hipotesis (b), y sea C un conjunto cerrado en R
m
. Entonces R
m
\ C
es abierto, y por la hipotesis (b), F
1
(R
m
\ C) es abierto en A. Pero
F
1
(R
m
\ C) = {x A : F(x) C} = A \ F
1
(C)
por tanto F
1
(C) es cerrado en A
Por ultimo, supongamos que es cierta la hipotesis (c), y que f no es continua en alg un punto
x de A, y veamos que eso nos lleva a una contradiccion,
Si F no es continua en x, existe un > 0 tal que para todo > 0 hay puntos y A con
x y < pero F(x) F(y) > . Tomando para cada n N
n
= 1/n, podemos construir
una sucesion (y
n
)
n
de puntos de A con x y
n
< 1/n pero F(y
n
) F(x) > para todo
n N.
Sea ahora C = {F(y
n
), n N}, que es un conjunto cerrado de R
m
. Por la hipotesis (c),
F
1
(C) es cerrado en A.
Entonces por un lado, como (y
n
)
n
x, se tiene
x {y
n
; n N} F
1
(C) = F
1
(C)
luego F(x) C, y por otro lado
B(F(x), ) {F(y
n
); n N} =
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

luego F(x) {F(y
n
); n N} = C, lo que es una contradiccion.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Teorema.
Sea A R
n
, y F : A R
m
continua. Si M A es conexo, entonces F(M) es conexo.
Demostracion:
Supongamos que F(M) no es conexo. Entonces existen conjuntos abiertos U
0
y V
0
en F(M),
no vacos y disjuntos, tales que F(M) = U
0
V
0
.
Como U
0
y V
0
son abiertos en F(M), existen conjuntos abiertos U y V en R
m
de modo que
U
0
= U F(M) y V
0
= V F(M), y como U
0
y V
0
son disjuntos, U V F(M) = , y como
U
0
y V
0
son no vacos, U F(M) = y V F(M) =
Como F es continua, F
1
(U) y F
1
(V ) son abiertos en A, y tenemos
M =
_
F
1
(U) F
1
(V )
_
M =
_
F
1
(U) M
_
_
_
F
1
(V ) M
_
union de dos conjuntos abiertos en M, disjuntos, y no vacos, lo que contradice la hipotesis de
que M es conexo.
Corolario 1 (Valores Intermedios).

Sea A R
n
, f : A R continua y M A conexo, y sean x, y M Entonces para cada
n umero c R con f(x) < c < f(y) existe z M con f(z) = c
Demostracion:
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Si no existiese z M con f(z) = c, podramos denir U = (, c) y V = (c, ), de modo
que:
M =
_
f
1
(U) f
1
(V )
_
M
_
f
1
(U) M
_
_
f
1
(V ) M
_
=
y ambos conjuntos seran abiertos en M y no vacos, pues x f
1
(U) M e y f
1
(V ) M.
Luego M no sera conexo.
Teorema.
Sean K R
n
compacto y F : K R
m
continua. Entonces F(K) es compacto.
Demostracion:
Aplicaremos el teorema de Bolzano y Weierstrass.
Sea (y
n
)
n
una sucesion en F(K) cualquiera. Para cada n N existira un x
n
K tal
que F(x
n
) = y
n
. Como K es compacto, tiene que existir al menos una subsucesion (x
n
k
)
k
convergente a un punto x de K. Y como F es continua, entonces tiene que ser (F(x
n
k
))
k
=
(y
n
k
)
k
convergente a F(x) = y F(K)
Es decir, toda sucesion de puntos de F(K) tiene por lo menos una subsucesion convergente
a un punto de F(K). Por tanto F(K) es compacto.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Teorema.
Sean K R
n
compacto, y f : K R continua. Entonces f alcanza el maximo y el mnimo
en K, es decir, existen x
1
y x
2
en K tales que
f(x
1
) = max{f(x), x K}
f(x
2
) = min{f(x), x K}
Este resultado es consecuencia inmediata del anterior, y de las propiedades de R como cuerpo
ordenado y completo: si K es compacto, f(K) es un conjunto compacto de R, y por tanto tiene
un maximo, y
1
, y un mnimo y
2
. Basta tomar entonces x
1
f
1
(y
1
) y x
2
f
1
(y
2
).
Teorema (Funciones inversas sobre compactos).
Sean K R
n
compacto, y F : K R
m
continua e inyectiva. Entonces F
1
: F(K) R
n
es continua.
Demostracion:
Utilizaremos ahora los teoremas 4 y 4: sea C un conjunto cerrado en R
n
, y vamos a probar
que (F
1
)
1
(C) es cerrado en F(K).
Ahora bien
(F
1
)
1
(C) = {y F(K) : F
1
(y) C} =
= {y F(K) : F
1
(y) C K} = F(C K)
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Como C es cerrado, C K es un subconjunto cerrado de K, que es compacto, luego C K
es tambien compacto. Entonces F(C) es compacto, y en particular es cerrado, como queramos
demostrar.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 9. El resultado anterior no es cierto si K no es compacto:
Como ejemplo, podemos considerar la funcion
f : [0, 2) R
2
; f(t) = (cos t, sen t)
f(t) = (cos(t), sen (t))
0
t 2
f
f
1
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

5. Funciones Uniformemente Continuas
Por ultimo, estudiamos un tipo especial de funciones continuas: las funciones uniformemente
continuas, y algunas de sus propiedades.
Denicion (Funciones Uniformemente Continuas).
Sea A R
n
, y F : A R
m
. Se dice que F es uniformemente continua, si verica la siguiente
condicion:
Para todo > 0 existe > 0, que depende de , tal que para todos x e y en A con
x y se tiene F(x) F(y)
Si B es un subconjunto de A, se dice que F es uniformemente continua en B si F|
B
es
uniformemente continua.
Toda funcion uniformemente continua es continua en su dominio. Hay que tener cuidado
sin embargo en el siguiente sentido: si F : A R
m
es uniformemente continua en B A,
entonces solo se puede armar que F|
B
es continua, lo que no signica necesariamente que F
sea continua en B.
Por ejemplo si f(x) =
_
1 si |x| 1
0 si |x| > 1
es evidente que f es uniformemente continua en
B = [1, 1], y sin embargo f no es continua en B.
Proposicion.
Sea A R
n
y F : A R
m
. F es uniformemente continua si y solo si para cada i = 1, . . . , m
las funciones componentes f
i
: A R son uniformemente continuas.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 10. La funcion . : R
n
R es uniformemente continua.
En efecto, si f(x) = x, sabemos que
|f(x) f(y)| = | x y | x y
Ejemplo 11. La funcion f : (0, ) R denida por f(x) = 1/x no es uniformemente
continua.
Hay que demostrar que existe un n umero > 0 tal que para todo > 0 hay puntos x, y en
(0, ) con |x y| < pero |f(x) f(y)| >
Tomamos = 1. Y para cada > 0 escogemos dos puntos, x e y = x + /2 en (0, ).
Entonces |x y| = /2 < , y
|f(x) f(y)| =
1
x

1
y
y x
xy
=
=
/2
x(x +/2)
Fijo , este cociente tiende a innito cuando x tiende a cero, luego tomando x sucientemente
peque no podemos asegurar que |f(x) f(y)| es mayor que 1.
Por tanto f no es uniformemente continua.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Geometricamente, el que una funcion no sea uniformemente continua se reeja en que hay
alguna parte de su dominio en el que la pendiente de la graca es muy grande (tiende a innito),
con lo que no hay un lmite a la proporcion entre la distancia de dos puntos en el dominio y la
distancia entre sus imagenes
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Teorema (Caracterizacion de la Continuidad Uniforme por Suce-
siones).
Sean A R
n
, y f : A R. Son equivalentes:
1. f es uniformemente continua.
2. Para todo par de sucesiones (x
n
)
n
, (y
n
)
n
en A con (x
n
y
n
)
n
convergente a cero, se tiene (|f(x
n
) f(y
n
)|)
n
converge a cero.
3. Para todo par de sucesiones (x
n
)
n
, (y
n
)
n
en A con (x
n
y
n
)
n
convergente a cero, existe una subsucesion (|f(x
n
k
) f(y
n
k
)|)
k
convergente a cero.
1) = 2) Sean (x
n
)
n
e (y
n
)
n
dos sucesiones en A tales que (x
n
y
n
)
n
tiende a cero, y
sea > 0
Como f es uniformemente continua, existe un > 0 tal que para todos x, y A con
x y < se tiene |f(x) f(y)| < .
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Como (x
n
y
n
)
n
tiende a cero, dado ese > 0 existe un n
0
N tal que para todo n n
0
se tiene x
n
y
n
< . Por tanto, sustituyendo arriba, |f(x
n
) f(y
n
)| < , para todo n n
0
,
luego (|f(x
n
) f(y
n
)|)
n
tiende a cero, como queramos demostrar.
2) = 3) Es trivial, ya que basta tomar como sub-sucesion la misma sucesion original.
3) = 1) Vamos a probar ahora que si no se verica (1) tampoco se verica (3). Supongamos
que f no es uniformemente continua. Entonces existe un > 0 tal que para todo > 0 hay
puntos x, y A con x y < pero |f(x) f(y)| > . Tomando para cada n N = 1/n,
podemos construir dos sucesiones (x
n
)
n
e (y
n
)
n
de puntos de A tales que x
n
y
n
< 1/n pero
|f(x
n
) f(y
n
)| > para todo n, lo que contradice la hipotesis (3)
Corolario 2.
Sea A R
n
, y sean f, g : R uniformemente continuas. Entonces f + g y af son uniforme-
mente continuas para todo a R
Observaciones:
El producto y el cociente de funciones uniformemente continuas puede no ser uniformemente
continuo.
Ejemplo 12. La funcion f(x) = 1/x no es uniformemente continua en R.
Es cociente de las funciones h(x) = 1 y g(x) = x que son uniformemente continuas.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 13. La funcion f(x) = x
2
tampoco es uniformemente continua en R
f es producto de la funcion g por si misma, pero no es uniformemente continua:
Consideremos las sucesiones denidas por x
n
= n e y
n
= n + 1/n. Se tiene
|x
n
y
n
| = |n n 1/n| = 1/n 0
pero
|f(x
n
) f(y
n
)| = |n
2
(n + 1/n)
2
| = |n
2
n
2
2 1/n
2
| = 2 + 1/n
2
que es mayor que 2 para todo n, luego no tiende a cero.
Corolario 3 (Composicion de funciones uniformemente continuas).

Sean A R
n
, F : A R
m
y G : F(A) R
p
uniformemente continuas. Entonces G F es
uniformemente continua.
Teorema (de Heine).
Sean A R
n
, y f : A R continua. Si A es compacto, entonces f es uniformemente
continua.
Demostracion:
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Sean (x
n
)
n
e (y
n
)
n
dos sucesiones en A con (x
n
y
n
)
n
0 Como A es compacto, por el
Teorema de Bolzano - Weierstrass, existe una subsucesion (x
n
k
)
k
convergente a un punto x de
A. Es facil ver que entonces (y
n
k
)
k
tambien converge a x, puesto que
y
n
k
x y
n
k
x
n
k
+x
n
k
x
y como f es continua, se tiene
|f(x
n
k
) f(y
n
k
)| |f(x
n
k
) f(x)| +|f(x) f(y
n
k
)| 0
luego en efecto f es uniformemente continua.
Como consecuencia se puede demostrar el siguiente resultado, al que se ajustan algunos de

los modelos posibles de funciones uniformemente continuas:
Proposicion (Lmite en el innito).
Se f : R
n
R una funcion continua tal que lim
x
f(x) = L. Entonces f es uniformemente
continua.
Demostracion:
Sean (x
n
)
n
e (y
n
)
n
dos sucesiones en R
n
tales que x
n
y
n
tiende a cero.
Supongamos primero que (x
n
)
n
es acotada; existe M > 0 tal que x
n
M para todo n.
Por otro lado
y
n
y
n
x
n
+x
n
y
n
x
n
+M
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

y dado por ejemplo = 1 existe un n
0
0
se tiene y
n
x
n
< 1.
Por tanto y
n
max{1 +M, y
j
, 1 j n
0
}. Es decir, (y
n
)
n
tambien esta acotada.
Sea B una bola cerrada que contenga a las dos sucesiones, y consideremos la restriccion
de f a B. B es compacto, luego por el teorema de Heine f es uniformemente continua en
B, y por el teorema de caracterizacion de la continuidad uniforme por sucesiones la sucesion
(|f(x
n
) f(y
n
)|)
n
tiende a cero.
Si en cambio (x
n
)
n
no es acotada, contiene una subsucesion (x
n
k
)
k
cuya norma tiende a
innito. Como antes se ve que (y
n
k
)
k
tambien tiende a innito, y as
|f(x
n
k
) f(y
n
k
)| |f(x
n
k
) L| +|L f(y
n
k
)| 0
En cualquier caso existe por lo menos una subsucesion de |f(x
n
) f(y
n
)| que tiende a cero,
lo que prueba que f es uniformemente continua.
Este resultado es cierto tambien, en el caso de funciones de una variable, si existen los dos
lmites, cuando x tiende a (+) y cuando x tiende a (), aunque sean distintos. Para
demostrarlo solo hay que repetir el nal de la demostracion anterior distinguiendo cada uno de
los dos casos posibles.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

El ultimo teorema que vamos a demostrar da una caracterizacion de las funciones uniforme-
mente continuas, especialmente util cuando se trata de estudiar funciones denidas en conjuntos
acotados. Para la demostracion se necesita el siguiente lema, cuya demostracion se deja como
ejercicio.
Lema 1. Sean A R
n
, y f : A R uniformemente continua. Si (x
n
)
n
es una sucesion de
Cauchy en A, (f(x
n
))
n
es de Cauchy en R (y por tanto convergente a un n umero real).
Observaciones:
Este resultado no es cierto si solo se pide a f que sea una funcion continua: por ejemplo, en el
caso de la funcion f(x) = 1/x denida en A = (0, ), la sucesion x
n
= 1/n es de Cauchy en
A, pero la sucesion de las imagenes f(x
n
) = n no es de Cauchy
Teorema (Extension de funciones uniformemente continuas).
Sea A R
n
, y f : A R. f es uniformemente continua si y solo
si existe una extension f de f a A uniformemente continua.
Supongamos primero que f es uniformemente continua en A. Empezamos por construir la
extension de f a A: sea x A; existe una sucesion (x
n
)
n
de puntos de A que tiende a x;
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

entonces la sucesion (x
n
)
n
es de Cauchy, y por el lema anterior (f(x
n
))
n
tambien es de Cauchy
en R, y por tanto es convergente.
Denimos entonces
f(x) = lim
n
f(x
n
)
Para que esta denicion sea correcta, hay que ver primero que el lmite no depende de la
sucesion (x
n
)
n
: sea (y
n
)
n
otra sucesion en A que tienda a x; entonces (y
n
x
n
)
n
tiende a
cero, y como f es uniformemente continua, |f(y
n
) f(x
n
)| tambien tiende a cero. De aqu,
|f(y
n
) f(x)| |f(y
n
) f(x
n
)| +|f(x
n
) f(x)| 0
luego
lim
n
f(y
n
) = lim
n
f(x
n
) = f(x)
Y en segundo lugar, vamos a ver que f es uniformemente continua en A. Sea > 0;
sabemos que existe > 0 tal que para todos u, v A con uv < se tiene |f(u)f(v)| < /3
Sean ahora x, y A con x y < /3. Para calcular f(x), sea (u
n
)
n
una sucesion en A
que tienda a x, y f(x) = lim
n
f(u
n
). Entonces existen n
1
1
se tiene
u
n
x < /3, y n
2
2
se tiene |f(x) f(u
n
)| < /3.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Analogamente, para calcular f(y), sea (v
m
)
m
una sucesion en A que tienda a y y f(y) =
lim
m
f(v
m
). Existen m
1
N tal que para todo m m
1
se tiene v
m
y < /3, y m
2
N tal
que para todo m m
2
se tiene |f(y) f(v
m
)| < /3
x
y
u
n
v
n
A
Sea entonces N = max{n
1
, n
2
, m
1
, m
2
}; tenemos
u
N
v
N
u
N
x +x y +y v
N
< /3 +/3 +/3 =
y por tanto
|f(x) f(y)| |f(x) f(u
N
)| +|f(u
N
) f(v
N
)| +|f(v
N
) f(y)| <
< /3 +/3 +/3 =
lo que prueba que f es uniformemente continua.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

El recproco es trivial, ya que si existe una extension f de f a A que es uniformemente
continua, entonces f = f|
A
tambien es uniformemente continua.
Consecuencias:
Sea A R
n
, y f : A R.
1) Si f es uniformemente continua en A, necesariamente para cada punto x
0
Fr(A) existe
lim
xx
0
f|
A
(x)
2) Recprocamente, si f es continua en A, y para cada x
0
Fr(A) existe el lmite lim
xx
0
f|
A
(x) =
f(x), entonces f se puede extender a una funcion en A continua . Si ademas A es acotado, la
extension sera uniformemente continua, y por tanto f tambien.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Ejemplo 14. Estudiar la continuidad uniforme de la funcion f(x, y) =
x
2
y
2
x
2
+y
2
en el conjunto
M = {(x, y) : x < x
2
+y
2
< 2x}
M
Como el unico punto que anula el
denominador es (0, 0), es claro que
f se puede extender a todos los
puntos de la frontera de M, salvo
quiza al origen de coordenadas.
Para todo (x
0
, y
0
) Fr(A) \ {(0, 0)} se tiene
lim
(x,y)(x
0
,y
0
),(x,y)M
f(x, y) =
x
2
0
y
2
0
x
2
0
+y
2
0
Vamos a ver si existe lmite de f en (0, 0) al acercarnos por puntos de M. Si tomamos en
M puntos de la forma x
2
+y
2
= 3x/2, y hacemos x tender a cero,
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

lim
(x,y)(0,0);x
2
+y
2
=3x/2
f(x, y) = lim
x0
x
2
(3x/2 x
2
)
3x/2
=
= lim
x0
4x
2
3x
3x
= 1
Entonces si existe el lmite en el origen debe valer (1).
Estudiamos |f(x, y) + 1| cuando (x, y) M
|f(x, y) + 1| = |
x
2
y
2
x
2
+y
2
+ 1| = |
2x
2
x
2
+y
2
| =
=
2x
2
x
2
+y
2
<
2x
2
x
= 2x
que tiende a cero cuando x tiende a cero (como (x, y) M, x
2
+y
2
> x > 0). Luego en efecto
f se puede extender a toda la adherencia de M, f : M R
f(x, y) =
_
x
2
y
2
x
2
+y
2
si (x, y) = (0, 0)
1 si (x, y) = (0, 0)
Esta funcion f es continua en M, que es compacto (cerrado y acotado), y por tanto es
uniformemente continua. Entonces f es uniformemente continua en M.
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

6. Aplicaciones Lineales Continuas
Entre las aplicaciones lineales continuas, destacan por sus propiedades geometricas las aplicaciones
lineales:
Una aplicacion lineal de R
n
en R
m
es una funcion T : R
n
R
m
que verica
T(ax +by) = aT(x) +bT(y)
para todos x, y R
n
y a, b R, de modo que verica tambien siempre T(x) = T(x) y
T(0) = 0
La suma de aplicaciones lineales es lineal, y el producto por un n umero de una aplicacion
lineal tambien es lineal, por lo que el conjunto L(R
n
, R
m
) formado por todas las aplicaciones
lineales de R
n
en R
m
es un espacio vectorial.
Cada aplicacion lineal en L(R
n
, R
m
) tiene asociada una unica matriz M(mn) de m las y
n columnas, de modo que
T(x) = Mx =
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_
Las columnas de la matriz M son las imagenes por T de los elementos de la base canonica
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

de R
n
,
T(e
i
) =
_
_
_
a
1i
.
.
.
a
mi
_
_
_
Cuando m = 1, la matriz M tiene una sola la, M = (a
11
. . . a
1n
) y
T(x) = Mx = (a
11
. . . a
1n
)
_
_
_
x
1
.
.
.
x
n
_
_
_
=< (a
11
, . . . , a
1n
), (x
1
, . . . , x
n
) >
Y en general, las las de la matriz M son las matrices de las funciones componentes de
T = (t
1
, . . . , t
n
).
Para estas funciones lineales, se tiene el siguiente teorema de caracterizacion de la continuidad:
Teorema (Aplicaciones lineales continuas).
Sea T : R
n
R
m
lineal. Son equivalentes:
1. T es continua.
2. Existe una constante K > 0 tal que para todo x R
n
se tiene T(x) K x
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

Demostracion:
Supongamos primero que T es continua. En particular T es continua en 0, luego dado = 1
existe un > 0 tal que si x < entonces T(x) 1
Sea ahora x un punto cualquiera de R
n
distinto de 0, y consideremos el vector y =
x
2x
.
Evidentemente y = /2 < , luego T(y) 1. Sustituyendo Y pos su valor,
T(y) = T(
x
2x
) =

2x
T(x) 1
y por tanto
T(x) <
2
x = Kx
con K =
2
Por otra parte, es evidente que si x = 0 tambien T(x) = 0 = Kx.

Esto prueba que la primera hipotesis implica la segunda.
Recprocamente, supongamos que existe una constante K > 0 tal que para todo x de R
n
se
tiene
T(x) K x
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

y sean x e y dos vectores de R
n
. Como T es lineal
T(x) T(y) = T(x y) K x y
luego evidentemente T no solo es continua en x, sino que ademas es uniformemente continua en
todo R
n
.
Consecuencias:
1) En primer lugar, ya sabamos que las funciones lineales en R
n
eran continuas, pero ademas,
como hemos visto en el teorema, son uniformemente continua.
2) Si T : R
n
R
m
es lineal e inyectiva, la inversa T
1
: T(R
n
) R
n
sera continua si
existe una constante k > 0 tal que para todo y T(R
n
) se verica
T
1
(y) k y
o equivalentemente, poniendo y = T(x), sera continua si para cada x R
n
se tiene
x = T
1
(T(x)) k T(x)
o,
|
k
x T(x)
Continuidad y
Continuidad
Uniforme.
Aplicaciones
lineales
continuas.
Lmites
Funciones Continuas
Continuidad y . . .
Funciones . . .
Aplicaciones . . .

En particular, T : R
n
R
n
es lineal, es continua y con inversa continua si y solo si existe
constantes K, k > 0 tales que para todo x R
n
se tiene
kx T(x) Kx
En este caso se dice que T es un HOMEOMORFISMO.
Denicion. Sea T : R
n
R
m
una aplicacion lineal. se dene
T = inf{K > 0 : T(x) K x, x R
n
}
= max{T(x) : x 1}
= max{T(x) : x = 1}
y se llama norma de T. Con esta notacion para todo x en R
n
,
T(x) T x
En el espacio vectorial formado por el conjunto de todas las aplicaciones lineales continuas de R
n
en R
m
, L(R
n
.R
m
), la aplicacion
. : L(R
n
, R
m
) R
T T
es una norma
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .
Derivadas parciales.

1. Derivadas de funciones de una variable. Recta tangente.
Vamos a ver en este captulo la generalizacion del concepto de derivada de funciones reales de
una variable a funciones vectoriales con varias variables basada en la interpretacion geometrica
de la derivada como la pendiente de la recta tangente a la graca de una funcion en un punto.
Para una funcion f : (a, b) R se dene la derivada en un punto t
0
(a, b) como el lmite
lim
tt
0
f(t) f(t
0
)
t t
0
= f
(t
0
)
t
0
t
(t
0
, f(t
0
))
(t, f(t))
f(t
0
)
f(t)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Geometricamente, los cocientes
f(t) f(t
0
)
t t
0
= tan
t
son las pendientes de las rectas se-
cantes a la graca de f por los puntos (t
0
, f(t
0
)) y (t, f(t)). La existencia de la derivada se
interpreta como la existencia de una posicion lmite de las rectas secantes, cuando t tiende a t
0
,
que es la recta de pendiente tan = f
(t
0
). Esa recta lmite de las secantes es por denicion la
recta tangente a la graca de f en t
0
, o mejor dicho, en (t
0
, f(t
0
)), y su ecuacion sera
y = f(t
0
) + f
(t
0
)(x t
0
)
Esta denicion de la recta tangente se generaliza de forma inmediata a funciones vectoriales
de una variable:
Sea F : (a, b) R
m
, y t
0
un punto de (a, b). Para otro punto t (a, b) podemos estudiar
la recta secante a la imagen de F que pasa por F(t
0
) y por F(t). Si estas rectas tienden a una
posicion lmite cuando t tiende a t
0
, esa sera la recta tangente a la imagen de F en F(t
0
).
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

F(t
0
)
F(t)
t
0
t
F
Un vector director de la recta secante que pasa por F(t
0
) y por F(t) sera F(t) F(t
0
),
pero este vericara, si F es una funcion continua, que el lmite cuando t tiende a t
0
es cero.
Consideramos entonces los vectores
F(t) F(t
0
)
t t
0
, que tienen la misma direccion, ya que son
proporcionales a los anteriores.
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Denicion (Derivadas de funciones de una variable. Recta tangente.).
Sea F : (a, b) R
m
y t
0
(a, b). Se dene la derivada de F en t
0
como
F
(t
0
) = lim
tt
0
F(t) F(t
0
)
t t
0
R
m
si este lmite existe.
Se llama recta tangente a la imagen de F en F(t
0
) a la recta que pasa por F(t
0
) y tiene
vector director F
(t
0
). Su ecuacion, en forma parametrica, es
x = F(t
0
) + F
(t
0
) R
(donde x es un vector de R
m
)
Observaciones:
1) Si escribimos las componentes de F, F = (f
1
, . . . , f
m
), f
i
: (a, b) R entonces
F(t) F(t
0
)
t t
0
=
f
1
(t) f
1
(t
0
)
t t
0
, . . . ,
f
m
(t) f
m
(t
0
)
t t
0
y por tanto, si existe la derivada de F en t

0
, sera
F
(t
0
) = (f
1
(t
0
), . . . , f
m
(t
0
))
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

En particular, por ejemplo para que F sea derivable, cada componente f
i
debe ser derivable,
y por tanto continua, luego F tienen que ser continua en t
0
2) Volvamos a considerar funciones reales f : (a, b) R. La graca de f se puede describir
como la imagen de la funcion F : (a, b) R
2
denida por F(t) = (t, f(t)).
F
a b
t
a b
t
f(t)
(t, f(t))
Aparentemente tendramos dos deniciones de la recta tangente a la graca de f en (t
0
, f(t
0
)):
por un lado,
y = f(t
0
) + f
(t
0
)(x t
0
)
y por otro lado
(x, y) = F(t
0
) + F
(t
0
)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Pero sustituyendo en esta ecuacion F(t
0
) y F
(t
0
) por su valor,
(x, y) = (t
0
, f(t
0
)) + (1, f
(t
0
))
es decir
x = t
0
+
y = f(t
0
) + f
(t
0
)
de donde despejando en la primera ecuacion y sustituyendo en la segunda se obtiene de nuevo
la misma ecuacion de la recta tangente que ya tenamos.
Ejemplo 1. Trayectorias: Uno de los ejemplos mas utilizados de este tipo de funciones vectoriales
son las trayectorias: cuando un cuerpo se mueve por el plano o por el espacio, podemos representar
su trayectoria mediante una funcion del tiempo, que nos indique en cada instante la posicion del
movil, mediante sus coordenadas, F : (a, b) R
2
, F(t) = (x(t), y(t)), o F : (a, b) R
3
,
F(t) = (x(t), y(t), z(t)).
En estos casos, el vector F
(t) representa la velocidad del movil en el instante t, y su norma

F
(t) es la magnitud de la velocidad (unidad de longitud entre unidad de tiempo)

Si el movil que describe la trayectoria F(t) se libera de la fuerza que lo gua por ella en un
instante t
0
, en ese momento continuara su movimiento por la recta tangente a la curva F(t)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

en el punto F(t
0
), y con velocidad constante F
(t
0
). La ecuacion de esta nueva trayectoria a lo
largo de la recta tangente es
G(t) = F(t
0
) + F
(t
0
)(t t
0
), t > t
0
F(t
0
)
F
(t
0
)
Ejemplo 2. Hallar la velocidad a que se mueve un punto jo en el borde de un disco de radio
R que rueda sobre una recta, sabiendo que la velocidad a que se desplaza el centro del disco es
V m/seg. En que puntos la velocidad es cero?
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

2. Derivadas direccionales. Recta tangente en una direccion.
Consideremos ahora funciones reales de dos variables, f : R
2
R
El concepto de derivada que hemos denido antes no tiene sentido en este caso, ya que no
se puede denir la proporcion entre la variacion de f y el crecimiento de la variable. El cociente
f(t) f(t
0
)
t t
0
no tiene sentido, ya que el denominador es un vector.
Lo que s podemos hacer es, de forma semejante a las tecnicas de calculo de lmites de fun-
ciones de varias variables, escoger una direccion en el dominio de f y estudiar el comportamiento
de la funcion al movernos solo en esa direccion.
A partir de un punto x
0
R
n
, escogemos un vector v R
n
, v = 0, y consideramos la funcion
f sobre la recta que pasa por x
0
y tiene direccion v, f(x
0
+ tv) = g(t). Esto dene una funcion
g de una variable, con g(0) = f(x
0
), y tiene sentido estudiar si es derivable en t = 0.
Se llama derivada direccional de f en x
0
en la direccion de v a
d
v
f(x
0
) = lim
t0
f(x
0
+ tv) f(x
0
)
t
= g
(0)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

x
0
v
x = x
0
+ tv
f(x
0
+ tv)
f(x
0
)
El hecho de que esta derivada exista se traduce geometricamente en el hecho de que la graca
de f tenga en el punto (x
0
, f(x
0
) una recta tangente en la direccion del vector v.
Para entender el signicado geometrico de este n umero, consideremos el plano vertical que
contiene a la recta x
0
+tv, a la graca de f sobre esta recta, a las secantes y a la recta tangente.
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

x
0
v
x = x
0
+ tv
f(x
0
+ tv)
f(x
0
)
t
x
0
v
x
0
+ tv
f(x
0
)
f(x
0
+ tv)
La pendiente de la recta secante que pasa por (x
0
, f(x
0
)) y por (x
0
+ tv, f(x
0
+ tv)) es el
cociente
tan
t
=
f(x
0
+ tv) f(x
0
)
tv
y su lmite cuando t tiende a cero es la pendiente de la recta tangente
tan = lim
t0
tan
t
= lim
t0
f(x
0
+ tv) f(x
0
)
tv
=
1
v
d
v
f(x
0
)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Es decir, la derivada direccional d
v
f(x
0
) es el producto de la norma del vector v por la pendiente
de la recta tangente a la graca de f en x
0
en la direccion de v.
Si v = 1, el n umero d
v
f(x
0
) es justamente la pendiente de la recta tangente a la graca de
f en x
0
en la direccion de v (la tangente del angulo que forma la recta con el plano horizontal)
Por tanto un vector director de la recta tangente sera (v, d
v
f(x
0
)) R
n+1
.
La ecuacion de la recta tangente a la graca de f en ( x
0
, f(x
0
)) en la direccion de v queda
entonces
(x, x
n+1
) = ( x
0
, f(x
0
)) + (v, d
v
f(x
0
)), ( R)
En el caso n = 2,
(x, y, z) = (x
0
, y
0
, f(x
0
, y
0
)) + (v
1
, v
2
, d
v
f(x
0
, y
0
))
Resumiendo, tenemos la siguiente denicion:
Denicion (Derivadas direccionales).
Sea U un abierto de R
n
y f : U R. Sea v R
n
un vector no nulo. Se dene la derivada
direccional de f en un punto x
0
de U en la direccion de v como
d
v
f(x
0
) = lim
t0
f(x
0
+ tv) f(x
0
)
t
R
si es que este lmite existe.
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

La denicion de las derivadas direccionales se puede hacer para el caso general de funciones
vectoriales de la misma manera:
Denicion (Derivadas direccionales de funciones vectoriales).
n
y F : U R
m
. Sea v R
n
un vector no nulo. Se dene la derivada
direccional de F en un punto x
0
de U en la direccion de v como
d
v
F(x
0
) = lim
t0
F(x
0
+ tv) F(x
0
)
t
R
m
si es que este lmite existe. Por las propiedades de los lmites, si F = (f
1
, . . . , f
m
), entonces
d
v
F(x
0
) = (d
v
f
1
(x
0
), . . . , d
v
f
m
(x
0
))
Ejemplo 3. Hallar la derivada direccional en (0, 0), de la funcion
f(x, y) =
x
2
y
x
2
+y
2
si (x, y) = (0, 0)
0 si (x, y) = (0, 0)
en la direccion de los vectores v = (1, 1) y w = (2, 1)
Estudiamos la funcion f sobre los puntos de la recta que pasa por (0, 0) y tiene vector director
v,
g(t) = f((0, 0) + t(1, 1)) = f(t, t) =
t
3
2t
2
si t = 0
0 si t = 0
=
t
2
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Entonces
d
v
f(0, 0) = g
(0) =
1
2
En la direccion de w tenemos
g(t) = f((0, 0) + t(2, 1)) = f(2t, t) =
4t
3
5t
2
=
4t
5
y
d
w
f(0, 0) =
4
5
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

3. Derivadas parciales.
Entre las derivadas direccionales de una funcion, juegan un papel fundamental las derivadas en
las direcciones de los ejes de coordenadas:
Denicion (Derivadas Parciales).
n
, y f : U R. Se llama derivada parcial i-esima de f en un punto x
0
de U a la derivada de f en x
0
en la direccion del vector e
i
de la base canonica de R
n
, y se escribe
df
dx
i
(x
0
) = d
e
i
f(x
0
) = lim
t0
f(x
0
+ te
i
) f(x
0
)
t
R
Si F es una funcion vectorial, F : U R
m
, la denicion es analoga, aunque el resultado
sera un vector de R
m
dF
dx
i
(x
0
) = d
e
i
F(x
0
) = lim
t0
F(x
0
+ te
i
) F(x
0
)
t
R
m
Utilizando las componentes de F,
dF
dx
i
(x
0
) =
df
1
dx
i
(x
0
), . . . ,
df
m
dx
i
(x
0
)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Los vectores e
i
tienen norma uno, as que para funciones reales f : U R estas derivadas
son las pendientes de las rectas tangentes a la graca de f en x
0
en las direcciones de los ejes
de coordenadas.
x
0
f(x
0
)
e
1
e
2
Si estas derivadas existen, es decir, si existen esas rectas tangentes, sus vectores directores
( e
i
,
df
dx
i
(x
0
)) son linealmente independientes.
En el caso de funciones de dos variables, esto signica que determinan un plano, cuya ecuacion
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

sera
(x, y, z) = (x
0
, y
0
, f(x
0
, y
0
)) + (1, 0,
df
dx
(x
0
, y
0
)) + (0, 1,
df
dy
(x
0
, y
0
))
es decir
x = x
0
+
y = y
0
+
z = f(x
0
, y
0
) +
df
dx
(x
0
, y
0
) +
df
dy
(x
0
, y
0
)
o simplemente, despejando y en las dos primeras ecuaciones, y sustituyendo en la tercera,
z = f(x
0
, y
0
) +
df
dx
(x
0
, y
0
)(x x
0
) +
df
dy
(x
0
, y
0
)(y y
0
)
Partiendo de la idea de la relacion entre derivada y recta tangente en el caso de funciones de
una variable, se plantea ahora si hay un plano tangente a la graca de f en x
0
. Para ello no basta
que existan las dos rectas tangentes en las direcciones de los ejes, y por tanto que determinen un
plano; hara falta que existieran todas las rectas tangentes en todas las direcciones, y que todas
estuvieran contenidas en el mismo plano. Hay que encontrar una condicion analtica que exprese
esta propiedad.
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Esta funcion no tiene plano tangente en (0, 0, 0)
En el caso de funciones de una variable, podemos volver a expresar la relacion entre la derivada
y la recta tangente de la siguiente forma:
f : (a, b) R derivable en x
0
, equivale a que
lim
xx
0
f(x) f(x
0
)
x x
0
= f
(x
0
)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

lo que a su vez equivale a que
lim
xx
0
f(x) f(x
0
) f
(x
0
)(x x
0
)
x x
0
= lim
xx
0
f(x) y(x)
x x
0
= 0
donde y(x) = f(x
0
) +f
(x
0
)(xx
0
) es la ecuacion de la recta tangente a la graca de f en x
0
.
En el caso de funciones de dos variables, para que el plano generado por las rectas tangentes
en las direcciones de los ejes sea de verdad un plano tangente a la graca de f en x
0
se necesita
que
lim
(x,y)(x
0
,y
0
)
f(x, y) f(x
0
, y
0
)
df
dx
(x
0
, y
0
)(x x
0
)
df
dy
(x
0
, y
0
)(y y
0
)
(x, y) (x
0
, y
0
)
= 0
Esta formula se puede generalizar para funciones vectoriales de n variables, buscando la
ecuacion de un subespacio afn de dimension n en R
m
, que pase por F( x
0
) que seatangente a
F.
La ecuacion del subespacio es de la forma x = F( x
0
) +L(x x
0
), donde L : R
n
R
m
es
una aplicacion lineal, y la condicion de que sea tangente es que
lim
x x
0
F(x) F( x
0
) L(x x
0
)
x x
0
= 0
Esta condicion dara lugar a la denicion de las funciones diferenciables, que veremos en el
siguiente captulo.
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

Ejemplo 4. Calcular las derivadas parciales en el origen de la funcion
f(x, y) =
x
3
x
2
+y
2
si (x, y) = (0, 0)
0 si (x, y) = (0, 0)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

En la direccion del eje x,
df
dx
(0, 0) = lim
t0
f((0, 0) + t(1, 0)) f(0, 0)
t
= lim
t0
f(t, 0) f(0, 0)
t
=
= lim
t0
t
3
t
2
+0
0
t
= lim
t0
t
3
t
3
= 1
En la direccion del eje y
df
dy
(0, 0) = lim
t0
f(0, t) f(0, 0)
t
= lim
t0
0 0
t
= 0
Ejemplo 5. Calcular las derivadas parciales de f en (0, 0), y en un punto cualquiera (x, y)
f(x, y) = (x
2
+ y
2
) sen(x) cos(y)
Para calcular las derivadas parciales de f en (0, 0) podemos utilizar cualquiera de los metodos
de calculo que hemos visto en el captulo anterior:
Podemos calcular
df
dx
(0, 0) = lim
t0
f((0, 0) + t(1, 0) f(0, 0)
t
= lim
t0
f(t, 0) f(0, 0)
t
=
= lim
t0
0 0
t
= 0
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

O podemos denir la funcion g(t) = f((0, 0) + t(1, 0)) = f(t, 0) y calcular
df
dx
(0, 0) = g
(0)
En este caso
g(t) = t
2
sen(t)
y
g
(t) = 2t sen(t) + t
2
cos(t)
de donde se deduce g(0) = 0.
Analogamente
df
dy
(0, 0) = lim
t0
f(0, t) f(0, 0)
t
= lim
t0
0 0
t
= 0
Para calcular las derivadas parciales en un punto (x, y) cualquiera, es mas comodo utilizar el
siguiente metodo:
Para calcular la derivada de f respecto de x en (x, y) hay que estudiar el comportamiento de
f sobre la recta horizontal que pasa por (x, y), es decir, consideramos la funci on
h(x) = f(x, y)
Derivadas
direccionales,
derivadas
parciales.
Interpretacion
geometrica
Derivadas de . . .
Derivadas . . .

con y constante. Entonces
df
dx
(x, y) = h
(x): para comprobarlo basta escribir la denicion de

esta derivada
h
(x) = lim
t0
h(x + t) h(x)
t
=
= lim
t0
f(x + t, y) f(x, y)
t
=
= lim
t0
f((x, y) + t(1, 0)) f(x, y)
t
=
df
dx
(x, y)
En nuestro caso, h(x) = (x
2
+y
2
) sen(x) cos(y), es una funcion derivable en R, y su derivada
se puede calcular mediante las reglas de derivacion de la suma y el producto de funciones, de
modo que
h
(x) = 2x sen(x) cos(y) + (x

2
+ y
2
) cos(x) cos(y) =
df
dx
(x, y)
Analogamente, para calcular la derivada respecto de y, basta considerar x constante y derivar
f solo respecto de y
df
dy
(x, y) = 2y sen(x) cos(y) (x
2
+ y
2
) sen(x) sen(y)
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

1. Funciones diferenciables
Volvamos sobre el signicado de la derivada de una funcion real de una variable real,
Como vimos en el captulo anterior, f : (a, b) R derivable en x
0
, equivale a que
lim
xx
0
f(x) f(x
0
)
x x
0
= f
(x
0
)
lo que a su vez equivale a que
lim
xx
0
f(x) f(x
0
) f
(x
0
)(x x
0
)
x x
0
= lim
xx
0
f(x) y(x)
x x
0
= 0
donde y(x) = f(x
0
) +f
(x
0
)(xx
0
) es la ecuacion de la recta tangente a la graca de f en x
0
.
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

x
0 x
y(x)
f(x)
f(x
0
)
Con cualquier recta y(x) = f(x
0
) + m(x x
0
) que pase por el punto (x
0
, f(x
0
) y tenga
pendiente m, el lmite
lim
xx
0
f(x) y(x)
x x
0
es una indeterminacion del tipo 0/0, pero solo en el caso de la recta tangente, el valor del lmite
es cero.
En el caso de funciones de dos variables, para que el plano generado por las rectas tangentes
en las direcciones de los ejes sea de verdad un plano tangente a la graca de f en x
0
se necesita
que
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

lim
(x,y)(x
0
,y
0
)
f(x, y) f(x
0
, y
0
)
df
dx
(x
0
, y
0
)(x x
0
)
df
dy
(x
0
, y
0
)(y y
0
)
(x, y) (x
0
, y
0
)
= 0
y
z(x, y) = f(x
0
, y
0
) +
df
dx
(x
0
, y
0
)(x x
0
) +
df
dy
(x
0
, y
0
)(y y
0
)
es la ecuacion del plano tangente
Esta formula se puede generalizar para funciones vectoriales de n variables, buscando la
ecuacion de un subespacio afn de dimension n en R
m
, que pase por F( x
0
) que seatangente a
F.
Llamando { v
1
, . . . , v
n
} a la familia de los vectores directores del subespacio, su ecuacion es
de la forma
x =

F(x
0
) + h
1
v
1
+ + h
n
v
n
donde h
1
, . . . , h
n
son n umeros reales. Escribiendo las coordenadas de cada vector, ponemos
v
i
= (v
i1
, . . . , v
im
) para cada i entre 1 y n, y la ecuacion anterior queda
_
_
_
x
1
.
.
.
x
m
_
_
_
=
_
_
_
f
1
(x
0
)
.
.
.
f
m
(x
0
)
_
_
_
+
_
_
_
v
11
. . . v
n1
.
.
.
.
.
.
.
.
.
v
1m
. . . v
nm
_
_
_
_
_
_
h
1
.
.
.
h
n
_
_
_
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

La aplicacionL : R
n
R
m
denida por
L(h
1
, . . . , h
n
) =
_
_
_
v
11
. . . v
n1
.
.
.
.
.
.
.
.
.
v
1m
. . . v
nm
_
_
_
_
_
_
h
1
.
.
.
h
n
_
_
_
es una aplicacion lineal de R
n
en R
m
, asociada al espacio afn, de modo que la ecuacion del
subespacio se puede escribir
x =

F(x
0
) + L(
h);

h R
n
La descripcion analtica del hecho de que este subespacio afn sea tangente a la imagen de F
en x
0
se expresa de la siguiente manera
lim
h0
F( x
0
+
h) F( x
0
) L(
h)
h
=
0
o para que se parezca mas a las ecuaciones anteriores de la recta y el plano tangente, llamando
x = x
0
+ h
lim
x x
0
F(x) F( x
0
) L(x x
0
)
x x
0
0
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Denicion (Funcion diferenciable).
n
, F : U R
m
una funcion, y x
0
U un punto de U. Se dice que F
es diferenciable en x
0
si existe una aplicacion lineal L
x
0
: R
n
R
m
que verica
lim
h0
F( x
0
+
h) F( x
0
) L
x
0
(
h)
h
=
0 ( R
m
)
Esta aplicacion lineal se denomina diferencial de F en x
0
, y se denota por dF(x
0
)
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Observaciones:
1. dF(x
0
) esta bien denida, en el sentido de que si existe alguna aplicacion lineal cumpliendo
la condicion de arriba, es unica.
En efecto, supongamos que ademas de L
x
0
hay otra aplicacion lineal L de R
n
en R
m
,
L = L
x
0
, que verica tambien
lim
h0
F(x
0
+ h) F(x
0
) L(h)
h
= 0
Entonces
lim
h0
F(x
0
+ h) F(x
0
) L(h)
h
= lim
h0
F(x
0
+ h) F(x
0
) L
x
0
(h)
h
= 0
y pasando todo al mismo lado de la igualdad
lim
h0
_
F(x
0
+ h) F(x
0
) L(h)
h

F(x
0
+ h) F(x
0
) L
x
0
(h)
h
_
= 0
de donde, operando, queda
lim
h0
L(h) L
x
0
(h)
h
= 0
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Ahora bien, si L = L
x
0
, existe alg un vector v = 0 en R
n
tal que L(v) = L
x
0
(v). Consid-
eramos la sucesion v
n
= v/n, que es una sucesion que tiende a cero, y
L(v
n
) L
x
0
(v
n
)
v
n
=
1
n
L(v)
1
n
L
x
0
(v)
1
n
v
=
L(v) L
x
0
(v)
v
es constante, y no tiende a cero cuando n tiende a innito, lo que es una contradiccion.
As que necesariamente tienen que ser L y L
x
0
iguales.
2. Llamando x = x
0
+ h, la condicion de diferenciabilidad es equivalente a
lim
x x
0
F(x) F( x
0
) L(x x
0
)
x x
0
0
3. Si n = m = 1, f : R R es diferenciable en x
0
si y solo si es derivable. La aplicacion
lineal df(x
0
) en una aplicacion de R en R, que tiene asociada una matriz 1 1. El unico
coeciente de la matriz de df(x
0
) es exactamente la derivada f
(x
0
)
En efecto, si f es diferenciable en x
0
, la aplicacion df(x
0
) es una aplicacion lineal de R en
R, que tiene una matriz 1 1 con un solo elemento a, de modo que
df(x
0
) : R R
h (a)(h) = ah
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Entonces al escribir la condicion de diferenciabilidad, queda
lim
h0
f(x
0
+ h) f(x
0
) df(x
0
)(h)
|h|
= lim
h0
f(x
0
+ h) f(x
0
) ah
|h|
= 0
Esto equivale a que
lim
h0
f(x
0
+ h) f(x
0
) ah
h
= 0
es decir, f es derivable en x
0
y f
(x
0
) = a
4. En el caso general f : R
n
R
m
, la matriz asociada a dF(x
0
) es una matriz (mn) de
m las y n columnas. Las columnas de la matriz son los transformados de los elementos
de la base canonica de R
n
.
De otra forma, escribiendo las componentes de la aplicacion dF(x
0
)(h) = (l
1
(h), . . . , l
m
(h)),
las funciones componentes l
i
: R
n
R son lineales, y tienen asociadas matrices (1 n)
de una sola la, que se corresponden con las las de la matriz de dF(x
0
)
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Ejemplo 1. Una funcion constante F : U R
m
, F(x) = y
0
para todo x U es diferenciable,
y dF(x) = 0 en cualquier punto de U
En efecto, si calculamos el cociente
F(x + h) F(x) dF(x)(h)
h
=
y
0
y
0
0
h
= 0
luego trivialmente el lmite tiende a cero cuando h tiende a 0
Ejemplo 2. Una funcion lineal F : R
n
R
m
es diferenciable en todo punto x R
n
, y
dF(x) = F
En este caso, si utilizamos que F es lineal en el numerador del cociente
F(x + h) F(x) dF(x)(h)
h
=
F(x) + F(h) F(x) F(h)
h
= 0
y tambien tiende a cero cuando h tiende a 0.
Por ejemplo, F(x, y) = (x + y, 3x, 2y x), F es una funcion lineal de R
2
en R
3
, que se
puede escribir en forma matricial como
f(x, y) =
_
_
1 1
3 0
1 2
_
_
_
x
y
_
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

F es diferenciable en cualquier punto, y
dF(x, y) =
_
_
1 1
3 0
1 2
_
_
para todo (x, y) en R
2

En general, sera mas difcil saber si una funcion es o no diferenciable en un punto. En
primer lugar, sera necesario saber cual podra ser la aplicacion lineal que cumpla la condicion de
diferenciabilidad, y en segundo lugar, comprobar que de verdad cumple esa condicion.
Para dar el primer paso, y calcular cual puede ser la diferencial de una funcion en un punto,
utilizaremos los teoremas siguientes.
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Teorema.
Sea U un conjunto abierto de R
n
, x
0
un punto de U y F : U R
m
una funcion. F es
diferenciable en x
0
si y solo si cada una de sus funciones componentes f
i
0
.
Ademas entonces para cada i entre 1 y m, df
i
(x
0
) = dF(x
0
)
i
(la diferencial de la componente
i-esima de F es la componente i-esima de la diferencial de F)
Demostracion:
Si L es una aplicacion lineal de R
n
en R
m
, de componentes L = (l
1
, . . . , l
m
), tenemos
F(x) F(x
0
) L(x x
0
)
x x
0
=
=
_
f
1
(x) f
1
(x
0
) l
1
(x x
0
)
x x
0
, . . . ,
f
m
(x) f
m
(x
0
) l
m
(x x
0
)
x x
0
_
Si F es diferenciable en x
0
, existe una aplicacion L = dF(x
0
) de modo que ese cociente
tiende a cero cuando x tiende a x
0
, con lo que cada una de sus coordenadas tiende a cero, y por
tanto cada funcion f
i
0
, y su diferencial es df
i
(x
0
) = l
i
= dF(x
0
)
i
Recprocamente, si cada f
i
es diferenciable, existen aplicaciones l
i
= df
i
(x
0
) de modo que en
el cociente anterior cada una de las coordenadas tiende a cero cuando x tiende a x
0
. Entonces
F es diferenciable en x
0
, y su diferencial es la aplicacion L = (df
1
(x
0
), . . . , df
m
(x
0
))
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Teorema (Funciones diferenciables y derivadas direccionales).
n
, x
0
m
. Si F es diferenciable en
x
0
, entonces existen todas las derivadas direccionales de F en x
0
, y
d
v
F(x
0
) = dF(x
0
)(v)
para todo v R
n
\ {0}
Demostracion: Sabemos que
lim
h0
F(x
0
+ h) F(x
0
) dF(x
0
)(h)
h
= 0
Sea entonces v R
n
\ {0}, y consideremos los vectores h = tv. Cuando t tiende a cero, se
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

tiene
0 = lim
t0
F(x
0
+ tv) F(x
0
) dF(x
0
)(tv)
tv
=
= lim
t0
F(x
0
+ tv) F(x
0
) dF(x
0
)(tv)
tv
=
=
1
v
lim
t0
F(x
0
+ tv) F(x
0
) dF(x
0
)(tv)
|t|
=
=
1
v
lim
t0
_
_
_
_
F(x
0
+ tv) F(x
0
) tdF(x
0
)(v)
t
_
_
_
_
=
=
1
v
lim
t0
_
_
_
_
_
F(x
0
+ tv) F(x
0
)
t
dF(x
0
)(v)
__
_
_
_
luego
lim
t0
F(x
0
+ tv) F(x
0
)
t
= dF(x
0
)(v)
es decir, existe la derivada de F en x
0
en la direccion de v, y vale d
v
F(x
0
) = dF(x
0
)(v)
Observaciones:
El recproco del teorema anterior no es cierto: puede ocurrir que una funcion no sea diferenciable
en un punto x
0
, pero s existan todas las derivadas direccionales en ese punto.
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Como consecuencia de los teoremas anteriores, podemos saber para una funcion F cual es la
unica aplicacion que puede ser su diferencial, si es que es diferenciable:
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Teorema.
n
, x
0
un punto de U, y F : U R
m
. Si F es diferenciable en
x
0
, la matriz asociada a dF(x
0
) es
_
_
_
df
1
dx
1
(x
0
) . . .
df
1
dxn
(x
0
)
.
.
.
.
.
.
.
.
.
dfm
dx
1
(x
0
) . . .
dfm
dxn
(x
0
)
_
_
_
Demostracion:
La matriz asociada a dF(x
0
) esta formada por las imagenes de los vectores de la base canonica
de R
n
, colocados en columnas, dF(x
0
)(e
i
). Ahora bien, seg un el teorema anterior,
dF(x
0
)(e
i
) = d
e
i
F(x
0
) =
dF
dx
i
(x
0
) = (
df
1
dx
i
(x
0
), . . . ,
df
m
dx
i
(x
0
))
Denicion (Matriz Jacobiana y Gradiente).

La matriz
_
_
_
df
1
dx
1
(x
0
) . . .
df
1
dxn
(x
0
)
.
.
.
.
.
.
.
.
.
dfm
dx
1
(x
0
) . . .
dfm
dxn
(x
0
)
_
_
_
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

se llama Matriz Jacobiana de F en x
0
.
Como una aplicacion lineal tiene unvocamente asociada una matriz, suele identicarse la
aplicacion lineal dF(x
0
) con la matriz Jacobiana, aunque hay que tener cierta precaucion, ya que
puede ocurrir que exista la matriz (que existan las derivadas direccionales en las direcciones de
los ejes de coordenadas) pero que la funcion no sea diferenciable, en cuyo caso la aplicacion lineal
denida por esa matriz no sera la diferencial de F en x
0
.
En el caso m = 1, la matriz tiene una sola la, ya que F tiene una unica componente, y
df(x
0
) = (
df
dx
1
(x
0
), . . . ,
df
dx
n
(x
0
))
es un vector, que se llama Gradiente de f en x
0
, y se denota por f(x
0
)
Mirando otra vez la matriz Jacobiana de F en x
0
, las columnas son los vectores derivadas
parciales de F en x
0
, y las las son los gradientes de las funciones componentes de F
_
_
_
df
1
dx
1
(x
0
) . . .
df
1
dxn
(x
0
)
.
.
.
.
.
.
.
.
.
dfm
dx
1
(x
0
) . . .
dfm
dxn
(x
0
)
_
_
_
=
_
dF
dx
1
(x
0
) . . .
dF
dxn
(x
0
)
_
=
_
_
_
f
1
(x
0
)
.
.
.
f
m
(x
0
)
_
_
_
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Ejemplo 3. Calcular las derivadas parciales de la funcion
fx, y) =
_
xy
x
2
+y
2
si x
2
+ y
2
= 0
0 si x
2
+ y
2
= 0
y estudiar si es diferenciable en (0, 0)
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Calculamos las derivadas de f en (0, 0)
df
dx
(0, 0) = lim
t0
f((0, 0) + t(1, 0)) f(0, 0)
t
=
= lim
t0
f(t, 0) f(0, 0)
t
= lim
t0
0 0
t
= 0
df
dy
(0, 0) = lim
t0
f((0, 0) + t(0, 1)) f(0, 0)
t
=
= lim
t0
f(0, t) f(0, 0)
t
= lim
t0
0 0
t
= 0
Si f es diferenciable en (0, 0), la diferencial tiene que ser
df(0, 0) =
_
df
dx
(0, 0),
df
dy
(0, 0)
_
= (0, 0)
Hay que comprobar que
lim
(x,y)(0,0)
f(x, y) f(0, 0) df(0, 0)(x, y)
(x, y)
= 0
Ahora bien
f(x, y) f(0, 0) df(0, 0)(x, y)
(x, y)
=
xy
x
2
+y
2
0 0
_
x
2
+ y
2
=
xy
(x
2
+ y
2
)
3/2
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

no tiene lmite cuando (x, y) tiende a (0, 0): por ejemplo, si tomamos puntos de la recta y = x
con x 0 queda
x
2
2
3/2
|x|
3
=
1
2
3/2
|x|
que tiende a innito cuando x tiende a cero.
Por tanto f no es diferenciable en (0, 0)
En muchos casos, no sera necesario estudiar directamente la diferenciabilidad de una funcion

utilizando la denicion, sino que podremos utilizar la estructura del conjunto de las funciones
diferenciables; como ocurre con el estudio de la continuidad de funciones, el conjunto de las
funciones diferenciables forma un espacio vectorial: la suma de funciones diferenciables en un
punto, o el producto de una funcion diferenciable por un n umero, es tambien diferenciable.
Proposicion.
n
, x
0
un punto de U, y F : U R
m
, G : U R
m
dos funciones diferenciables en x
0
. Entonces F + G es diferenciable en x
0
, y d(F + G)(x
0
) =
dF(x
0
) + dG(x
0
), y para todo a R, aF es diferenciable en x
0
y d(aF)(x
=
) = adF(x
0
)
La demostracion se deja como ejercicio.
Ademas en el caso de funciones escalares (de U en R), el producto de funciones diferencia-
bles es diferenciables, y si el denominador no se anula, el cociente es diferenciable. Estos dos
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

resultados se demuestran como casos particulares de un teorema mas general, y mas importante:
la composicion de funciones diferenciables es diferenciable.
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

2. Regla de la Cadena
Lema 1.
n
, y F : U R
m
diferenciable en un punto x
0
U.
a) Existe una constante M
0
> 0 tal que dF(x
0
)(
h) M
0

h para todo

h R
n
.
b) Para cada > 0 existe > 0 tal que si
h < entonces
F(x
0
+
h) F(x
0
) dF(x
0
)(
h)
h
c) Existen dos constantes M
1
> 0 y
1
> 0 tal que si
h <
1
entonces
F(x
0
+
h) F(x
0
) M
1

h
Demostracion:
El apartado (a) es consecuencia de que dF(x
0
) es una aplicacion lineal de R
n
en R
m
, y por
tanto continua.
Para el apartado (b), de la denicion de funcion diferenciable se deduce que para cada > 0
existe un > 0 tal que si 0 <
h entonces
F( x
0
+
h) F( x
0
) dF( x
0
)(
h)
h

Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

luego
F(x
0
+
h) F(x
0
) dF(x
0
)(
h)
h
si 0 <
h < , y evidentemente tambien si
h = 0
Ahora, de (a) y (b) se deduce tomando por ejemplo = 1, que existe
1
> 0 tal que
F(x
0
+
h) F(x
0
)
F(x
0
+
h) F(x
0
) dF(x
0
)(
h) +dF(x
0
)(
h)

h +dF(x
0
)(
h) (1 + M
0
)
h = M
1
h
si
h <
1
Observaciones:
Si llamamos x = x
0
+ h, las desigualdades anteriores quedaran de la forma
a) Existe una constante M
0
> 0 tal que dF(x
0
)(xx
0
) M
0
xx
0
para todo x R
n
.
b) Para cada > 0 existe > 0 tal que si x x
0
< entonces
F(x) F(x
0
) dF(x
0
)(x x
0
) x x
0
c) Existen dos constantes M

1
> 0 y
1
> 0 tal que si x x
0
<
1
entonces
F(x) F(x
0
) M
1
x x
0
Como consecuencia se obtiene de forma inmediata otro importante resultado:

Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Teorema.
n
, x
0
m
. Si F es diferenciable en x
0
,
entonces es continua en x
0
.
Demostracion:
Aplicando el lema anterior, sabemos que existen dos constantes
1
y M
1
tales que si xx
0

1
.
F(x) F(x
0
) M
1
x x
0
Entonces dado > 0 basta tomar = min{

1
, /M
1
}, y evidentemente si x x
0

entonces
F(x) F(x
0
) M
1
x x
0
M
1
M
1
=
luego F es continua en x
0
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Observaciones:
El recproco de este resultado es falso: hay funciones continuas en un punto, que no son difer-
enciables en ese punto, como hay funciones continuas de una variable real que no son derivables
en un punto. Hay incluso funciones continuas en un intervalo que no son derivables en ning un
punto del intervalo.
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Teorema (Regla de la Cadena).
Sea U abierto de R
n
, F : U R
m
diferenciable en x
0
U; sea V
abierto en R
m
tal que F( x
0
) V ; y sea G : V R
p
diferenciable
en F( x
0
). Entonces H = G F : U R
p
0
,
y
dH( x
0
) = dG(F( x
0
)) dF( x
0
)
Hay que demostrar que
lim
h0
H( x
0
+
h) H( x
0
) dG(F( x
0
)) dF( x
0
)(
h)
h
= 0
Operando en el numerador, podemos escribir
H( x
0
+
h) H( x
0
) dH( x
0
)(
h) =
= G(F( x
0
+
h)) G(F( x
0
)) dG(F( x
0
)) dF( x
0
)(
h) =
= G(F( x
0
) + [F( x
0
+
h) F( x
0
)]) G(F( x
0
)) dG(F( x
0
)) dF( x
0
)(
h) =
poniendo

K = F( x
0
+
h) F( x
0
), sumando y restando dG(F( x
0
))(
K), aplicando la desigualdad

triangular de las normas, y la linealidad de dG(F( x
0
)),
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

= G(F( x
0
) +

K) G(F( x
0
)) dG(F( x
0
))(
K)+
+dG(F( x
0
))(
K) dG(F( x
0
))(dF( x
0
(
h))
G(F( x
0
) +

K) G(F( x
0
)) dG(F( x
0
))(
K)+
+dG(F( x
0
))(
K) dG(F( x
0
)) dF( x
0
)(
h) =
= G(F( x
0
) +

K) G(F( x
0
)) dG(F( x
0
))(
K)
. .
N
1
+
dG(F( x
0
))[
K dF( x
0
)(
h)]
. .
N
2
=
= N
1
+ N
2
= N
Sea ahora > 0.
Como F es diferenciable en x
0
, por la propiedad (c) del lema anterior existen
1
> 0, M
1
> 0,
tales que si
h <
1
, entonces
(i) F( x
0
+
h) F( x
0
) M
1
h
Como G es diferenciable en F( x
0
), existe una constante M
0
> 0 tal que para todo

j R
m
(apartado (a) del lema anterior aplicado a G en F(x
0
))
(ii) dG(F(x
0
))(
j) M
0

j
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

y existe
2
> 0 tal que si
j <
2
, entonces (apartado (b) del lema anterior aplicado a G en
F(x
0
))
(iii) G(F( x
0
) +
j) G(F( x
0
)) dG(F( x
0
))(
j)

2M
1
j
Tambien por ser F diferenciable en x
0
existe
3
> 0 tal que si
h <
3
, entonces (apartado
(b) del lema anterior)
(iv) F( x
0
+
h) F( x
0
) dF( x
0
)(
h)

2M
0
h
Denimos
0
= min{
1
,

2
M
1
,
3
}. Si 0 <
h <
0
, se tiene:
Por (i),
K = F( x
0
+
h) F( x
0
) M
1
h M
1
2
M
1
=
2
Por (iii) aplicado a

j =

K, en el primer sumando de (N)obtenemos
N
1
= G(F( x
0
) +

K) G(F( x
0
)) dG(F( x
0
))(
K)

2M
1
K
(por (i) otra vez)

2M
1
M
1
h =

2
h
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Y por (ii) y (iv), en el segundo sumando de (N) queda
N
2
= dG(F( x
0
))(
K dF( x
0
)(
h))
M
0

K dF( x
0
)(
h) =
= M
0
F( x
0
+
h) F( x
0
) dF( x
0
)(
h)
M
0
2M
0
h

2
h
Luego si 0 <
h <
0
se tiene
H( x
0
+
h) H( x
0
) dG(F( x
0
)) dF( x
0
)(
h)
h

lo que prueba el resultado.
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Utilizando la regla de la cadena podemos demostrar facilmente el siguiente resultado:
Teorema.
Sea U abierto de R
n
, y f : U R, g : U R dos funciones diferenciables en un punto
x
0
U. Entonces
a) el producto fg es diferenciable en x
0
, y
d(fg)(x
0
) = g(x
0
)df(x
0
) + f(x
0
)dg(x
0
)
b) y si g(x
0
) = 0, entonces el cociente f/g es diferenciable en x
0
, y
d(f/g)(x
0
) =
g(x
0
)df(x
0
) f(x
0
)dg(x
0
)
g
2
(x
0
)
Demostracion:
a) En primer lugar, consideremos la funcion h : R R denida por h(a) = a
2
. Sabemos
que esta funcion es derivable, y que h
(a) = 2a para todo a R. Entonces h es diferenciable, y

dh(a) : R R esta denida por dh(a)(t) = (h
(a))(t) = 2at para todo t R

Sea ahora k(x) = h f(x) = f
2
(x). Aplicando la regla de la cadena, k(x) es diferenciable,
y dk(x) = dh(f(x)) df(x), es decir,
dk(x) = 2f(x)df(x)
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Por ultimo, como
fg(x) =
(f(x) + g(x))
2
(f(x) g(x))
2
4
f + g, f g son diferenciables, como acabamos de ver sus cuadrados (f + g)
2
= h (f + g) y
(f g)
2
= h (f g) son diferenciables, y por tanto el producto fg es diferenciable.
Ademas aplicando las reglas de derivacion de la suma y el producto por un n umero, y la
derivacion del cuadrado,
d(fg)(x
0
) =
=
1
4
{2(f(x
0
) + g(x
0
))d(f + g)(x
0
) 2(f(x
0
) g(x
0
))d(f g)(x
0
)} =
=
1
2
{f(x
0
)df(x
0
) + f(x
0
)dg(x
0
) + g(x
0
)df(x
0
) + g(x
0
)dg(x
0
)
f(x
0
)df(x
0
) + f(x
0
)dg(x
0
) + g(x
0
)df(x
0
) g(x
0
)dg(x
0
)}
= f(x
0
)dg(x
0
) + g(x
0
)df(x
0
)
b) Se demuestra razonando analogamente utilizando la funcion h : R \ {0} R denida
por h(x) =
1
x
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Veamos para terminar algunos ejemplos y aplicaciones de la regla de la cadena:
Ejemplo 4. Sean R
n
F
R
m
g
R diferenciables, y sea h = g F. Calcular
dh
dx
i
, para
1 i n
Aplicando la regla de la cadena, dh(x) = dg(F(x)) dF(x). Aqu g es una funcion de R
m
en
R, es decir tiene un unica componente y m variables, y = (y
1
, . . . , y
m
), de modo que la matriz
de dg(F(x
0
)) tiene una sola la (es el gradiente g(F(x
0
))
dg(F(x
0
)) =
_
dg
dy
1
(F(x
0
)),
dg
dy
2
(F(x
0
)), . . . ,
dg
dy
m
(F(x
0
))
_
La funcion F : R
n
R
m
tiene en cambio m componentes y n variables. Si ponemos
x = (x
1
, . . . , x
n
) y F = (f
1
, . . . , f
m
), la matriz de dF(x
0
) tiene m las y n columnas:
dF(x
0
) =
_
_
_
df
1
dx
1
(x
0
)
df
1
dx
2
(x
0
) . . .
df
1
dxn
(x
0
)
.
.
.
.
.
.
.
.
.
.
.
.
dfm
dx
1
(x
0
)
dfm
dx
2
(x
0
) . . .
dfm
dxn
(x
0
)
_
_
_
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

La matriz de la diferencial de h en (x
0
) es el producto de las dos matrices:
dh(x
0
) =
=
_
dg
dy
1
(F(x
0
)), . . . ,
dg
dy
m
(F(x
0
))
_
_
_
_
df
1
dx
1
(x
0
) . . .
df
1
dxn
(x
0
)
.
.
.
.
.
.
.
.
.
dfm
dx
1
(x
0
) . . .
dfm
dxn
(x
0
)
_
_
_
=
_
m
j=1
dg
dy
j
(F(x
0
))
df
j
dx
1
(x
0
), . . . ,
m
j=1
dg
dy
j
(F(x
0
))
df
j
dx
n
(x
0
)
_
La coordenada i-esima es la derivada parcial de h respecto de x
i
en x
0
dh
dx
i
(x
0
) =
m
j=1
dg
dy
j
(F(x
0
))
df
j
dx
i
(x
0
)
Para recordar esta formula, puede utilizarse el siguiente criterio: la funcion g es funcion del
vector y de m coordenadas y = (y
1
, . . . , y
m
). Al hacer la composicion, la variable y se dene
como funcion a su vez de x = (x
1
, . . . , x
n
), y = F(x), de modo que la composicion h = g F
es funcion de x. Para obtener las derivadas parciales de h, la funcion g debe derivarse respecto
de sus variables y = (y
1
, . . . , y
m
), y esas variables, expresadas como funcion de x, y = F(x), o
y
j
= f
j
(x
1
, . . . , x
n
), son las que se deben derivar respecto de las variables x
1
, . . . , x
n
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Ejemplo 5. Sea f : R
2
R una funcion diferenciable, y denamos la funcion g(x) =
f(x, f(x, f(x, x))). Calcular g
(x)
Como f es una funcion de dos variables, escribimos f(u, v), de modo que
df(u, v) = (
df
du
(u, v),
df
dv
(u, v))
Ahora denimos una funcion de R en R
2
, que a cada x R asocia un punto (u(x), v(x)), y
consideramos la composicion g(x) = f(u(x), v(x)); entonces
g
(x) =
df
du
(u(x), v(x))
du
dx
(x) +
df
dv
(u(x), v(x))
dv
dx
(x)
En nuestro caso u(x) = x, luego
du
dx
(x) = 1, y v(x) = f(x, f(x, x)), y sustituyendo en la
ecuacion queda
g
(x) =
df
du
(x, f(x, f(x, x))) +
df
dv
(x, f(x, f(x, x)))
dv
dx
(x)
Ahora tenemos que calcular
dv
dx
(x); repitiendo la misma idea:
dv
dx
(x) =
df
du
(x, f(x, x)) +
df
dv
(x, f(x, x))
_
df
du
(x, x) +
df
dv
(x, x)
_
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Luego
g
(x) =
df
du
(x, f(x, f(x, x)))+
+
df
dv
(x, f(x, f(x, x)))
_
df
du
(x, f(x, x)) +
df
dv
(x, f(x, x))
_
df
du
(x, x) +
df
dv
(x, x)
__
Ejemplo 6. Sean R
n
F
R
m
G
R
p
diferenciables, y sea H = G F. Calcular
dh
j
dx
i
, para
1 i n y 1 j p.
Basta tener en cuenta que la coordenada j-esima de h, es h
j
= g
j
F, donde g
j
es la
componente j-esima de G. Entonces se puede aplicar la formula del ejemplo anterior.
Ejemplo 7. Relacion entre las transformaciones F : R
3
R
3
y las curvas en R
3
Sea c : R R
3
la trayectoria de un movil en el espacio, c es una funcion continua y
diferenciable. Y sea F : R
3
R
3
una funcion diferenciable. La composicion g = F c es una
nueva trayectoria en R
3
El vector tangente a g = F c en un punto t
0
es g
(t
0
) = (F c)
(t
0
) (matriz de la diferencial
de g en t
0
) y viene dado seg un la regla de la cadena por
g
(t
0
) = dF(c(t
0
))(c
(t
0
))
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

c(t
0
)
c
(t
0
)
F
F c(t
0
) = F(c(t
0
))
(F c)
(t
0
) = dF(c(t
0
))(c
(t
0
))
c
a t
0 b
Es decir, la aplicacion lineal dF(c(t
0
)) transforma en vector derivada de c en t
0
, en el vector
derivada de F c en t
0
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

Ejemplo 8. Gradientes
Hay dos propiedades de los gradientes que queremos destacar en este tema.
En primer lugar, sea f : U R una funcion diferenciable en un punto x
0
de un abierto
U R
n
. Consideremos las derivadas direccionales de f en x
0
seg un vectores de norma uno,
d
v
f(x
0
), con v = 1
d
v
f(x
0
) = df(x
0
)(v) =< f(x
0
), v >= f(x
0
) v cos
donde es el angulo que forman f(x
0
) y v.
Entonces, la derivada direccional seg un vectores de norma uno sera maxima cuando cos = 1,
es decir, cuando v tiene la misma direccion y el mismo sentido que f(x
0
). Y sera mnima cuando
cos = 1, es decir, cuando v y f(x
0
) tengan la misma direccion y sentidos opuestos.
Si estudiamos el modulo de las derivadas direccionales, sera maxima en la direccion del gra-
diente f(x
0
), en los dos sentidos, y sera mnima en la direccion perpendicular al gradiente, en
cuyo caso la derivada direccional valdra cero.
En segundo lugar, si N
k
= {(x, y, z) : f(x, y, z) = k} es un conjunto de nivel de f, y
x
0
N
k
, entonces f(x
0
) es ortogonal a N
k
, en el sentido de que para toda curva contenida
en N
k
, que pase por x
0
, el vector f(x
0
) es perpendicular al vector tangente a la curva en x
0
(Mas adelante en el curso veremos que el conjunto de todos los vectores tangentes a las curvas
contenidas en N
k
, en el punto x
0
, es un espacio vectorial, el n ucleo de df(x
0
), que llamaremos
espacio tangente a N
k
en x
0
)
Funciones
Diferenciables.
Regla de la
Cadena
Funciones . . .
Regla de la Cadena

En efecto, si G : (a, b) R
3
describe una curva contenida en N
k
, y t
0
es un punto de (a, b)
tal que G(t
0
) = x
0
, entonces la composicion h(t) = f G(t) = k de (a, b) en R, y aplicando la
regla de la cadena
0 = h
(t
0
) = df(G(t
0
)) G
(t
0
) =< f(x
0
), G
(t
0
) >
G(t
0
)
G
(t
0
)
f(G(t
0
))
N
k
Teorema de
Valor Medio en
R
n
Teorema del Valor . . .

1. Teorema del Valor Medio
Uno de los teoremas mas importantes del calculo diferencial de funciones reales de una variable
real es el Teorema del Valor Medio, del que se obtienen consecuencias como el Teorema de Taylor
y el estudio de extremos de una funcion.
Este teorema se puede generalizar para funciones vectoriales de varias variables.
Empezamos por recordar el Teorema del Valor Medio en el caso de funciones reales de una
variable:
Sea f : [a, b] R una funcion continua, derivable en (a, b); existe un punto c (a, b) tal
que
f(b) f(a) = f
(c)(b a) o f
(c) =
f(b) f(a)
b a
a
b
c
f(a)
f(b)
Geometricamente esto signica

que hay un punto del intervalo en
el que la recta tangente a la
graca de f tiene la misma
pendiente que la recta secante que
pasa por los puntos (a, f(a)) y
(b, f(b))
Teorema de
Valor Medio en
R
n

Otro ejemplo: Si f(t) representa la longitud que hemos recorrido hasta el instante t, la
velocidad media entre t = a y t = b es
f(b)f(a)
ba
, y la velocidad en un instante t es f
(t). Seg un
el teorema del valor medio, si la velocidad media es de 60 km/h, en alg un instante entre a y b
hemos circulado exactamente a 60 km/h.
En el caso de funciones vectoriales, F : [a, b] R
m
, (m > 1) parece facil generalizar el
teorema: podramos estudiar si existe un punto c en (a, b) en el que la recta tangente a la imagen
de F sea paralela a la recta que pasa por F(a) y por F(b)
F
(c) =
F(b) F(a)
b a
R
m
F(a)
F(b)
Fc)
F
c) a
c
b
F
Teorema de
Valor Medio en
R
n

El dibujo parece convincente, sin embargo el resultado no es cierto:
Consideremos la funcion F(x) = (x
2
, x
3
) denida en el intervalo [0, 1]. Buscamos un punto
x [0, 1] que verique
F(1) F(0) = F
(x)(1 0)
donde F(1) = (1, 1), F(0) = (0, 0), y F
(x) = (2x, 3x
2
). La ecuacion anterior es realmente un
sistema de dos ecuaciones, una por cada coordenada
1 0 = 2x
1 0 = 3x
2
que no tiene solucion, ya que tendra que ser x = 1/2 y x = 1/
3 a la vez.
En cambio el teorema si se puede generalizar al caso de funciones reales de varias variables,
y es lo que vamos a demostrar en este captulo.
Utilizaremos en el teorema el segmento entre dos puntos: dados x e y en R
n
, el segmento
[x, y] de x a y es el conjunto de puntos
[x, y] = {x + t(y x); t [0, 1]} = {ty + (1 t)x; t [0, 1]}
Teorema de
Valor Medio en
R
n

Teorema (Teorema del Valor Medio en R
n
).
n
, y f : U : R una funcion
diferenciable en todo U. Sean x e y dos puntos de U tales que el
segmento [x, y] este totalmente contenido en U. Entonces existe un
punto z [x, y] tal que
f(y) f(x) = df(z)(y x) =< f(z), y x >
x
y
x + t(y x)
Escribimos el segmento [x, y]
como imagen de una funcion:
Sea : [0, 1] R
n
denida por
(t) = x + t(y x). es
continua, su imagen es el
segmento [x, y], y es diferenciable,
con d(t) = (y x) en cualquier
punto t [0, 1].
Para estudiar el comportamiento de f sobre el segmento, consideramos la composicion de las
Teorema de
Valor Medio en
R
n

dos funciones, g(t) = f (t). Esta funcion g es ahora una funcion de [0, 1] en R, continua y
derivable, por lo que podemos aplicar el teorema del Valor Medio para ese tipo de funciones, y
tenemos
g(1) g(0) = g
(c)(1 0) = g
(c)
donde c es alg un punto en [0, 1].
Ahora bien, g(1) = f((1)) = f(y), g(0) = f((0)) = f(x), y aplicando la regla de la
cadena
dg(c) = df((c)) d(c)
es decir, escribiendo la igualdad entre las matrices correspondientes
g
(c) =< f((c)), y x >

Sustituyendo en la ecuacion anterior queda
f(y) f(x) =< f((c)), y x >
donde (c) = z es un punto de [x, y], lo que prueba el resultado.
Teorema de
Valor Medio en
R
n

Como hemos visto por el ejemplo antes del teorema, no se puede generalizar al caso de
funciones vectoriales, con valores en R
m
. En este caso, solo se puede aplicar a cada componente
por separado: si F : U : R
m
es diferenciable, F(f
1
, . . . , f
m
), y [x, y] U, entonces para
cada componente f
j
existira un punto z
j
[x, y] tal que
f
j
(y) f
j
(x) = df
j
(z
j
)(y x) =< f
j
(z
j
), y x >
pero no se puede asegurar que sea el mismo punto z
j
para todas las componentes de f.
A un as, esto es suciente para demostrar otra generalizacion a funciones de varias variables
de un resultado bien conocido de las funciones reales de una variable real: si una funcion derivable
tiene derivada cero en un intervalo, entonces es constante en el.
Corolario 1.
Sea U un conjunto abierto conexo de R
n
, y F : U R
m
una funcion diferenciable en U, tal
que la diferencial dF(x) es cero en todos los puntos de U (esto es, dF(x) es la aplicacion lineal
cero, cuya matriz esta formada solo por ceros). Entonces F es constante en U.
Demostracion:
Evidentemente bastara demostrar que cada componente de F es constante, as que vamos
a utilizar el teorema del valor medio aplicado a cada componente f
j
de F por separado. De la
hipotesis dF(x) = 0 para todo x de U, se deduce que las las de la matriz de la diferencial son
todas cero, es decir, df
j
(x) = (0, . . . , 0) para todo x
En primer lugar, supongamos que x e y son dos puntos de U tales que el segmento [x, y] U.
Teorema de
Valor Medio en
R
n

Aplicando el Teorema del Valor Medio a f
j
, existira un punto z
j
[x, y] tal que
f
j
(y) f
j
(x) = df
j
(z
j
)(y x) = 0
luego f
j
(y) = f
j
(x)
x
x
1
x
2
y
U
Sean ahora x e y dos puntos
cualesquiera de U. Como U es
abierto conexo, existe una
poligonal
P = {x = x
0
, x
1
, x
2
, . . . , x
k
= y}
que une x e y y esta contenida en
U.
Aplicando el paso anterior a cada segmento [x
i1
, x
i
] tenemos f
j
(x
i
) = f
j
(x
i1
) para todo
i, 1 i k, luego
f
j
(y) = f
j
(x
k
) = = f
j
(x
1
) = f
j
(x
0
) = f
j
(x)
Es decir, f
j
vale lo mismo en todos los puntos de U: es constante.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
Funciones de clase C
1
p
Teorema de Taylor

1. Funciones de clase C
1
Consideremos U un abierto de R
n
, y F : U R
m
. Si para cada x U existe
dF
dx
i
(x), podemos
denir una funcion
dF
dx
i
: U R
m
dF
dx
i
(x) = (
df
1
dx
i
(x), . . . ,
df
m
dx
i
(x))
y tiene sentido estudiar si esta funcion es continua, tiene derivadas parciales, es diferenciable, etc.
La importancia de este tipo de estudio es evidente en los distintos teoremas que vamos a
demostrar en este captulo. En primer Lugar,
Teorema (Condiciones Sucientes de Diferenciabilidad).
Sea U abierto en R
n
, F : U R
m
, y x U. Si existen todas las
derivadas parciales de F,
dF
dx
i
=
_
df
1
dx
i
, . . . ,
df
m
dx
i
_
, i = 1, . . . , n, en
todos los puntos de U, y las funciones
dF
dx
i
: U R
m
son continuas
en x, entonces F es diferenciable en x.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Para que F sea diferenciable en x basta que cada una de las componentes f
j
de F lo sea. As
que bastara demostrar que el teorema es cierto para funciones con valores reales, f : U R,
y aplicarlo luego a cada una de las componentes de F.
As pues, supongamos que f es una funcion de U en R, tal que existen todas las derivadas
parciales
df
dx
i
, 1 i n, en todos los puntos de U, y que las funciones denidas por esas
derivadas parciales son continuas en un punto x de U.
Tenemos que demostrar que
f(x +
h) f(x) df(x)(
h)
h
= 0
cuando

h tiende a cero.
En esa expresion,
df(x)(
h) =< f(x),
h >=
n
i=1
df
dx
i
(x)h
i
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

x +h
0
= x
x +h = x +h
n
x +h
1
x +h
2
U
h
Por otro lado, dado un vector
h = (h
1
, . . . , h
n
) R
n
, denimos
los vectores
h
0
= (0, . . . , 0)
h
1
= (h
1
, 0 . . . , 0)
h
2
= (h
1
, h
2
, 0, . . . , 0)
.
.
.
h
n
= (h
1
, h
2
, . . . , h
n
) = h
y consideramos la poligonal de
vertices x +
h
i
, 0 i n.
Si
h es sucientemente
peque na, todos los segmentos
[x +
h
i1
, x +
h
i
] estaran
contenidos en U.
Si calculamos la diferencia f(x+
h) f(x) sumando y restando los valores de f en todos los

Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

vertices de esa poligonal, y ordenamos adecuadamente el resultado, podemos poner
f(x +
h) f(x) = f(x +
h
n
) f(x +
h
0
) =
= f(x +
h
n
) f(x +
h
n1
) + f(x +
h
n1
) + f(x +
h
1
) f(x +
h
0
) =
=
n
i=1
_
f(x +
h
i
) f(x +
h
i1
)
_
Consideramos ahora uno cualquiera de esos sumandos, f(x+
h
i
) f(x+
h
i1
); si escribimos
las coordenadas de los vectores x +
h
i
y x +
h
i1
, tenemos
f(x +
h
i
) = f(x
1
+ h
1
, . . . , x
i1
+ h
i1
, x
i
+ h
i
, x
i+1
, . . . , x
n
)
f(x +
h
i1
) = f(x
1
+ h
1
, . . . , x
i1
+ h
i1
, x
i
, x
i+1
, . . . , x
n
)
Los dos puntos solo se diferencian en la coordenada i-esima. Podemos denir la funcion
g(t) = f(x
1
+ h
1
, . . . , x
i1
+ h
i1
, t, x
i+1
, . . . , x
n
)
para t [x
i
, x
i
+ h
i
] (g(t) es la funcion f denida solo en el segmento [x +
h
i1
, x +
h
i
]) de
modo que
f(x +
h
i
) f(x +
h
i1
) = g(x
i
+ h
i
) g(x
i
)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

La funcion g(t) es una funcion real de una sola variable real, continua y derivable (por las
hipotesis sobre la existencia de todas las derivadas parciales de f en todos los puntos de U).
Ademas,
g
(t) =
df
dx
i
(x
1
+ h
1
, . . . , x
i1
+ h
i1
, t, x
i+1
, . . . , x
n
)
Por tanto podemos aplicar a g el Teorema del Valor Medio en el intervalo [x
i
, x
i
+ h
i
], de
modo que
g(x
i
+ h
i
) g(x
i
) = g
(t
i
)(x
i
+ h
i
x
i
) =
=
df
dx
i
(x
1
+ h
1
, . . . , x
i1
+ h
i1
, t
i
, x
i+1
, . . . , x
n
)h
i
para alg un punto t
i
del intervalo [x
i
, x
i
+ h
i
]
Si llamamos por comodidad y
i
= (x
1
+h
1
, . . . , x
i1
+h
i1
, t
i
, x
i+1
, . . . , x
n
) [x+
h
i1
, x+
h
i
],
nos queda
f(x +
h
i
) f(x +
h
i1
) =
df
dx
i
(y
i
)h
i
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Volviendo al principio de la demostracion, tenemos
f(x +
h) f(x) df(x)(
h)
h
=
=
n
i=1
_
f(x +

h
i
) f(x +
h
i1
)
_
n
i=1
df
dx
i
(x
i
)h
i
h
=
=
n
i=1
df
dx
i
(y
i
)h
i
n
i=1
df
dx
i
(x)h
i
h
=
=
n
i=1
_
df
dx
i
(y
i
)
df
dx
i
(x)
_
h
i
h
Tomando modulos, y aplicando la desigualdad triangular en el sumatorio
f(x +
h) f(x) df(x)(
h)
i=1
df
dx
i
(y
i
)
df
dx
i
(x)
|h
i
|
i=1
df
dx
i
(y
i
)
df
dx
i
(x)
ya que cada
|h
i
|
h
1
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Si hacemos por n que

h tienda a cero, todos los puntos y
i
que estan en los segmentos
[x +
h
i1
, x +
h
i
] tienen que tender forzosamente a x. Y como por hipotesis las derivadas
parciales de f son continuas en x, cada uno de los sumandos de la expresion anterior
df
dx
i
(y
i
)
df
dx
i
(x)
tiende a cero.
Luego efectivamente f es diferenciable en x, como queramos demostrar.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Observaciones:
El teorema da solo una condicion suciente para que F sea diferenciable en x, pero no es necesaria:
hay funciones diferenciables cuyas derivadas parciales no son funciones continuas, igual que en
una variable hay funciones derivables cuya derivada no es continua.
Ejemplo 1. Sea
f(x) =
_
x
2
sen(1/x) si x = 0
0 si x = 0
Comprobar que f es derivable en todo R, pero su derivada no es continua en x = 0
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

En efecto, si x = 0,
f
(x) = 2x sen(1/x) + x
2
cos(1/x)(1/x
2
) = 2x sen(1/x) cos(1/x)
y
f
(0) = lim
t0
f(t) f(0)
t
= lim
t0
t
2
sen(1/t)
t
= lim
t0
t sen(1/t) = 0
f es derivable en todo punto de R, pero la funcion f
(x) no es continua en x = 0, ya que

x sen(1/x) tiende a cero, pero cos(1/x) no tiene lmite (oscila de 1 a 1) cuando x tiende a
cero.
El teorema anterior da lugar a la siguiente denicion:
Denicion (Funciones de Clase C
1
).
Sea U un abierto en R
n
, y F : U R
m
. Se dice que F es de clase C
1
en U, y se escribe F
C
1
(U), si existen todas las derivadas parciales
dF
dx
i
(x) para todo x U, para todo i = 1, . . . , n,
y las funciones
dF
dx
i
: U R
m
son continuas en U
Si escribimos las componentes de F, F = (f
1
, . . . , f
m
), F es de clase C
1
en U si existen
todas las derivadas parciales de todas las componentes de F en todos los puntos de U, y las
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

funciones
df
j
dx
i
: U R
son continuas en x para todo x U, para todo i = 1, . . . , n y para todo j = 1, . . . , m
Seg un el teorema, las funciones de clase C
1
en U son diferenciables en todos los puntos de
U. Se suele llamar D(U) al conjunto de todas las funciones diferenciables en U en R
m
, y C(U)
al conjunto de las funciones continuas de U en R
m
, y se tiene
C
1
(U) D(U) C(U)
donde los contenido son estrictos (hay funciones continuas que no son diferenciables, y funciones
diferenciables que no de clase C
1
)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

2. Funciones de clase C
p
Por otro lado, si
dF
dx
i
tiene derivadas parciales, seran
d
dx
j
(
dF
dx
i
)(x) = lim
t0
dF
dx
i
(x + te
j
)
dF
dx
i
(x)
t
Si i = j se escribe
d
2
F
dx
j
dx
i
(x)
y si j = i, se escribe
d
2
F
dx
2
i
(x).
Estas derivadas se llaman derivadas segundas de F en x, y verican
d
2
F
dx
i
dx
j
(x) =
_
d
2
f
1
dx
i
dx
j
(x),
d
2
f
2
dx
i
dx
j
(x), . . . ,
d
2
f
m
dx
i
dx
j
(x)
_
Si estas derivadas segundas existen para todo x U, se pueden considerar las funciones
correspondientes en U, y volver a estudiar si son continuas, tienen derivadas parciales, etc.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Ejemplo 2. Sea f(x, y) = x
2
y
3
. Calcular las derivadas primeras y segundas de f en cada punto
de R
2
En cualquier punto (x, y) se tiene
df
dx
(x, y) = 2xy
3
df
dy
(x, y) = 3x
2
y
2
d
2
f
dx
2
(x, y) = 2y
3
d
2
f
dydx
(x, y) = 6xy
2
d
2
f
dxdy
(x, y) = 6xy
2
d
2
f
dy
2
(x, y) = 6x
2
y
Ejemplo 3. Sea f(x, y) =
_
xy(x
2
y
2
)
x
2
+y
2
si (x, y) = (0, 0)
0 si (x, y) = (0, 0)
Calcular las derivadas segundas de f en (0, 0).
En primer lugar si (x, y) = (0, 0), podemos calcular as derivadas parciales
df
dx
(x, y) =
(y(x
2
y
2
) + xy2x)(x
2
+ y
2
) xy(x
2
y
2
)2x
(x
2
+ y
2
)
2
=
y(x
4
+ 4x
2
y
2
y
4
)
(x
2
+ y
2
)
2
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

df
dy
(x, y) =
(x(x
2
y
2
) xy2y)(x
2
+ y
2
) xy(x
2
y
2
)2y
(x
2
+ y
2
)
2
=
x(x
4
4x
2
y
2
y
4
)
(x
2
+ y
2
)
2
En (0, 0)
df
dx
(0, 0) = lim
t0
f(t, 0) f(0, 0)
t
= lim
t0
0 0
t
= 0
y
df
dy
(0, 0) = lim
t0
f(0, t) f(0, 0)
t
= lim
t0
0 0
t
= 0
Ahora calculamos las derivadas segundas en (0, 0)
d
2
f
dx
2
(0, 0) = lim
t0
df
dx
(t, 0)
df
dx
(0, 0)
t
= lim
t0
0 0
t
= 0
d
2
f
dy
2
(0, 0) = lim
t0
df
dx
(0, t)
df
dx
(0, 0)
t
= lim
t0
0 0
t
= 0
d
2
f
dydx
(0, 0) = lim
t0
df
dx
(0, t)
df
dx
(0, 0)
t
= lim
t0
t
5
t
4
0
t
= 1
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

y
d
2
f
dxdy
(0, 0) = lim
t0
df
dy
(t, 0)
df
dx
(0, 0)
t
= lim
t0
t
5
t
4
0
t
= 1
La situacion que aparece en este ejemplo, en el que las dos derivadas

d
2
f
dxdy
(0, 0) y
d
2
f
dydx
(0, 0)
son distintas, no es habitual, sino que lo mas frecuente es que sean iguales, como consecuencia
del siguiente teorema
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Teorema (Igualdad de las derivadas cruzadas).
Sea U abierto en R
n
, y F : U R
m
una funcion de clase C
1
en U. Supongamos que para todo x U existen las dos derivadas
d
2
F
dx
i
dx
j
(x) y
d
2
F
dx
j
dx
i
(x), y que las funciones
d
2
F
dx
i
dx
j
: U R
m
y
d
2
F
dx
j
dx
i
: U R
m
son continuas. Entonces
d
2
F
dx
i
dx
j
(x) =
d
2
F
dx
j
dx
i
(x)
para todo x U
En primer lugar, vamos a simplicar un poco las condiciones del enunciado: si escribimos las
componentes de F, F = (f
1
, . . . , f
m
), entonces
d
2
F
dx
i
dx
j
(x) =
_
d
2
f
1
dx
i
dx
j
(x), . . . ,
d
2
f
m
dx
i
dx
j
(x)
_
y sera suciente demostrar de las derivadas segundas de cada componente son iguales. As que
bastara demostrar el teorema para funciones con valores en R, y aplicarlo a cada componente de
F por separado.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Ademas, para calcular derivadas de f respecto de las variables x
i
y x
j
, en un punto jo
x
0
= (x
0
1
, . . . , x
0
n
) de U, podemos sustituir primero todas las variables distintas de x
i
y x
j
por el
valor de las coordenadas correspondientes del punto x
0
, y luego calcular las derivadas respecto
de esas dos variables y sustituir.
Es decir, si llamamos
g(x
i
, x
j
) = f(x
0
1
, . . . .x
0
i1
, x
i
, x
0
i+1
, . . . , x
0
j1
, x
j
, x
0
j+1
, . . . , x
0
n
)
(g es la funcion f sobre el plano que pasa por x
0
y es paralelo a los ejes x
i
y x
j
) entonces
d
2
f
dx
i
dx
j
(x
0
) =
d
2
g
dx
i
dx
j
(x
0
i
, x
0
j
)
x
0
= (x
0
1
, x
0
2
, x
0
3
)
x
0
1
x
0
2
x
0
3
g(x
1
, x
2
) = f(x
1
, x
2
, x
0
3
)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

En consecuencia, sera suciente demostrar el teorema para funciones de dos variables, y
aplicarlo a la funcion g.
As pues, suponemos que U es un conjunto abierto de R
2
y f : U R es una funcion tal
que existen
d
2
f
dxdy
(x, y) y
d
2
f
dydx
(x, y) en todos los puntos de U, y que estas derivadas segundas
son funciones continuas en U.
(x
0
, y
0
) (x
0
+ h, y
0
)
(x
0
+ h, y
0
+ j) (x
0
, y
0
+ j)
Sea (x
0
, y
0
) un punto jo en U, y
sean h y j dos n umeros reales
distintos de cero. Si |h| y |j| son
sucientemente peque nos,
podemos asegurar que el
rectangulo de vertices (x
0
, y
0
),
(x
0
+ h, y
0
), (x
0
, y
0
+ j) y
(x
0
+ h, y
0
+ j) esta contenido en
U.
Denimos el cociente
(I) =
f(x
0
+ h, y
0
+ j) f(x
0
+ h, y
0
) f(x
0
, y
0
+ j) + f(x
0
, y
0
)
hj
La demostracion del teorema va a consistir en calcular el lmite de este cociente cuando h y j
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

tienden a cero. Seg un como hagamos el lmite, saldra una de las derivadas segundas, o la otra.
Como el lmite tiene que ser unico, las dos derivadas tienen que ser iguales.
Primer Paso:
Denimos la funcion
(x) = f(x, y
0
+ j) f(x, y
0
)
en el intervalo [x
0
, x
0
+ h], de modo que
(I) =
(x
0
+ h) (x
0
)
hj
(II)
Esta funcion es continua y derivable por las hipotesis sobre f, puesto que para existir la
derivada segunda de f en todos los puntos de U,
d
2
f
dydx
, tiene que existir la derivada primera de
f respecto de x en todos los puntos de U. Ademas
(x) =
df
dx
(x, y
0
+ j)
df
dx
(x, y
0
)
Entonces podemos aplicar el Teorema del Valor Medio a , y tendremos
(x
0
+ h) (x
0
) =
()h =
_
df
dx
(, y
0
+ j)
df
dx
(, y
0
)
_
h
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

para alg un [x
0
, x
0
+ h].
Sustituyendo en (II), tenemos
(I) =
_
df
dx
(, y
0
+ j)
df
dx
(, y
0
)
_
h
hj
=
df
dx
(, y
0
+ j)
df
dx
(, y
0
)
j
(III)
Consideramos ahora en el numerador
df
dx
(, y) como funcion de y en el intervalo [y
0
, y
0
+j].
Otra vez las hipotesis sobre f aseguran que esta es una funcion continua y derivable, y su derivada
es
d
2
f
dydx
(, y). Aplicando el Teorema del Valor Medio
df
dx
(, y
0
+ j)
df
dx
(, y
0
) =
d
2
f
dydx
(, ) j
para alg un [y
0
, y
0
+ j], y sustituyendo en (III)
(I) =
d
2
f
dydx
(, )
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

x
0
x
o
+h
y
0
+j
y
0
Por ultimo, si ahora h y j tienden a cero, necesariamente el punto (, ) tiende a (x

0
, y
0
), y
como por hipotesis las derivadas segundas de f son continuas, se tiene
lim
(h,j)(0,0)
(I) = lim
(h,j)(0,0)
d
2
f
dydx
(, ) =
d
2
f
dydx
(x
0
, y
0
)
Segundo paso:
Repetimos ahora el mismo esquema de demostracion, pero partiendo de la funcion
(y) = f(x
0
+ h, y) f(x
0
, y)
denida en [y
0
, y
0
+ j], de modo que ahora
(I) =
(y
0
+ j) (y
0
)
hj
(IV )
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Como antes, (y) es continua y derivable, y
(y) =
df
dy
(x
0
+ h, y)
df
dy
(x
0
, y)
Aplicando el Teorema del Valor Medio a (y),
(I) =

() j
hj
=
df
dy
(x
0
+ h, )
df
dy
(x
0
, )
h
= (V )
Y tambien considerando
df
dy
(x, ) como funcion de x en [x
0
, x
0
+h], es derivable, y su derivada
es
d
2
f
dxdy
(x, ). Aplicando otra vez el Teorema del Valor Medio a esta funcion y sustituyendo en
(V ), tenemos
(I) =
d
2
f
dxdy
(, ) h
h
=
d
2
f
dxdy
(, )
para alg un [x
0
, x
0
+ h]
Por ultimo, si h y j tienden a cero, el punto (, ) tiende a (x
0
, y
0
), y por la continuidad de
las derivadas parciales de f
lim
(h,j)(0,0)
(I) = lim
(h,j)(0,0)
d
2
f
dxdy
(, ) =
d
2
f
dxdy
(x
0
, y
0
)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Como hemos dicho, el lmite tiene que ser unico, luego las dos derivadas segundas tienen que
ser iguales, y esto termina la demostracion.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Esta propiedad da lugar a las siguientes deniciones:
Denicion (Funciones de clase C
p
y C
).
n
, y F : U R
m
. Se dice que F es de clase C
p
en U, y se
escribe F C
p
(U), si existen todas las derivadas parciales hasta el orden p de F en todos los
puntos de U,
d
k
F
dx
i
1
. . . dx
i
k
(x), y las funciones
d
p
F
dx
i
1
. . . dx
ip
: U R
m
son continuas en U.
Se dice que F es de clase C
en U, y se escribe F C
(U), si es de clase C
p
para todo
p N.
Observaciones:
1. La clase de una funcion depende de la funcion, y del conjunto donde esta denida.
2. Sea F : U R
m
, F = (f
1
, . . . , f
m
). Si existen derivadas de orden p de F, seran
d
p
F
dx
i
1
. . . dx
ip
(x) =
_
d
p
f
1
dx
i
1
. . . dx
ip
(x), . . .
d
p
f
m
dx
i
1
. . . dx
ip
(x)
_
Es decir, F es de clase C
p
en U si y solo si cada una de las funciones componentes
f
j
: U R lo es.
3. C
p
(U) C
p1
(U) C
1
(U) D(U) C(U) y los contenidos son estrictos.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

4. Si F C
p
(U), para cada k entre 1 y p las derivadas de orden k son de clase C
pk
5. Ademas, al calcular una derivada parcial de orden k 2, no importa el orden de derivacion.
Por ejemplo
d
3
f
dxdydz
=
d
3
f
dzdydx
puesto que
d
3
f
dxdydz
=
d
dx
_
d
2
f
dydz
_
=
d
dx
_
d
2
f
dzdy
_
=
=
d
2
dxdz
_
df
dy
_
=
d
2
dzdx
_
df
dy
_
=
=
d
dz
_
d
2
f
dxdy
_
=
d
dz
_
d
2
f
dydx
_
=
d
3
f
dzdydx
6. El smbolo general para una derivada de orden k 2 puede ser
d
k
F
dx
i
1
. . . dx
i
k
(x)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

indicando todas las derivadas parciales que intervienen en el calculo, o
d
k
F
dx
a
1
1
. . . dx
an
n
con a
1
+ + a
n
= k, a
j
0, indicando el n umero de veces que interviene la derivada
respecto de cada una de las variables.
Denicion (Matriz Hessiana).
n
, y f : U R se llama matriz Hessiana de f en un punto x U a la
matriz
H(f)(x) =
_
_
_
_
d
2
f
dx
2
1
(x)
d
2
f
dx
2
dx
1
(x) . . .
d
2
f
dxndx
1
(x)
.
.
.
.
.
.
.
.
.
.
.
.
d
2
f
dx
1
dxn
(x)
d
2
f
dx
2
dxn
. . .
d
2
f
dx
2
n
(x)
_
_
_
_
Si f es de clase C
2
, la matriz Hessiana es una matriz simetrica.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Ejemplo 4. Funciones potenciales de funciones de clase C
1
Dada una funcion F : U R
n
denida en un abierto U de R
n
, se plantea en ocasiones el
problema de saber si F puede ser el gradiente de una funcion f : U R. Cuando existe, esa
funcion f se denomina funcion potencial de F.
En ese caso, F = (f
1
, . . . , f
n
), y cada componente de F sera la derivada parcial i-esima de
la funcion potencial f
f
i
(x) =
df
dx
i
(x)
Si la funcion F es ademas de clase C
1
, sus derivadas parciales son continuas, y tenemos
df
i
dx
j
(x) =
d
dx
j
_
df
dx
i
_
(x) =
d
2
f
dx
j
dx
i
(x)
Aplicando el teorema anterior, como las derivadas segundas de f son continuas, deberan ser
iguales.
df
i
dx
j
(x) =
d
2
f
dx
j
dx
i
(x) =
d
2
f
dx
i
dx
j
(x) =
df
j
dx
i
(x)
En resumen, para que una funcion F : U R
n
de clase C
1
tenga una funci on potencial en U
es condicion necesaria que sus derivadas cruzadas sean iguales.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Este es un problema que aparece con frecuencia en distintos modelos de la fsica, como en el
estudio de la energa y las leyes de conservacion de la energa: el nombre de energa potencial
esta relacionado con esta propiedad.
Ejemplo 5. Estudiar si puede existir alguna funcion f : R
2
R tal que
df
dx
(x, y) = 4x
2
y
2
3y
4
y
df
dy
(x, y) = 2x
4
y 12xy
3
Si llamamos F = (f
1
, f
2
), donde f
1
(x, y) = 4x
2
y
2
3y
4
y f
2
(x, y) = 2x
4
y 12xy
3
, el
problema pregunta si existe alguna funcion potencial de F. Como las componentes de F son
funciones de clase C
1
en R
2
(las derivadas parciales de f
1
y f
2
son polinomios, as que son
continuas), para que pueda existir una funcion potencial debera ser
df
1
dy
(x, y) =
df
2
dx
(x, y), pero
df
1
dy
(x, y) = 8x
2
y + 12y
3
y
df
2
dx
(x, y) = 8x
3
y 12y
3
Son distintas, as que la respuesta al problema es no.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

3. Teorema de Taylor
La clase de derivacion de una funcion juega un papel fundamental en los problemas de aproxi-
macion de funciones, en los que se trata de encontrar metodos para obtener de forma aproximada
el valor de una funcion en un punto, y para controlar los margenes de error en esa aproximacion.
Uno de estos metodos de aproximacion consiste en construir el Polinomio de Taylor. El Teorema
de Taylor permite construir para una funcion de clase C
p
el polinomio de grado p 1 que mejor
aproxima a la funcion, en un entorno de un punto dado.
Antes de demostrar el teorema, veamos un par de observaciones sobre la formula de un
polinomio de n variables.
Un polinomio de grado m de n variables es una funcion del tipo
p
m
(x
1
, . . . , x
n
) = a
0
+ [a
1
x
1
+ + a
n
x
n
] +
+ [a
11
x
2
1
+ a
12
x
1
x
2
+ + a
nn
x
2
n
] + . . .
+ [a
1...1
x
m
1
+ + a
12..m
x
1
...x
m
+ . . . ]
es decir, sumas de monomios formados por productos de constantes y como mucho m variables,
escogidas entre x
1
, . . . , x
n
, repetidas o no.
Pueden escribirse dos formulas compactas que describen la forma de cualquier polinomio de
grado m
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

p
m
(x
1
, . . . , x
n
) = a
0
+ [
n
i
1
=1
a
i
1
x
i
1
] + [
n
i
1
,i
2
=1
a
i
1
,i
2
x
i
1
x
i
2
] + . . .
+ [
n
i
1
,...,im=1
a
i
1
,...,im
x
i
1
. . . x
im
]
p
m
(x
1
, . . . , x
n
) = a
0
+
m
j=1
_
_
n
i
1
,...,i
j
=1
a
i
1
,...,i
j
x
i
1
. . . x
i
j
_
_
indicando para cada j entre 1 y m todos los posibles productos de j variables repetidas o no, en
todos los ordenes posibles.
O bien
p
m
(x
1
, . . . , x
n
) =
m
j=0
_

i
1
++in=j;i
k
N
a
i
1
,...,in
x
i
1
1
. . . x
in
n
_
indicando para cada j entre 0 y m cuantas veces aparece cada una de las variables x
1
, . . . , x
n
(es
decir, agrupando los sumandos donde aparecen las mismas variables).
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Teorema (Teorema de Taylor).
n
, y f : U R una funcion de clase C
p
(U).
Si x e y son dos puntos de U tales que el segmento [y, x] esta to-
talmente contenido en U, entonces existe un punto en el segmento
[y, x], z [y, x] tal que
f(x) = f(y) +
_
n
i
1
=1
df
dx
i
1
(y)(x
i
1
y
i
1
)
_
+ . . .
+
1
k!
_
n
i
1
,...,i
k
=1
d
k
f
dx
i
1
...dx
i
k
(y)(x
i
1
y
i
1
) . . . (x
i
k
y
i
k
)
_
+ . . .
+
1
(p1)!
_
n
i
1
,...,i
p1
=1
d
p1
f
dx
i
1
...dx
i
p1
(y)(x
i
1
y
i
1
) . . . (x
i
p1
y
i
p1
)
_
+
+
1
p!
_
n
i
1
...ip=1
d
p
f
dx
i
1
...dx
ip
(z)(x
i
1
y
i
1
) . . . (x
ip
y
ip
)
_
Estudiamos la funcion f solo sobre el segmento [y, x], para lo que denimos la funcion
G(t) = y + t(x y)
en el intervalo [0, 1]. La imagen de G es el segmento [y, x], G es continua y diferenciable, y
dG(t) = x y en cualquier punto t.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Y consideramos f sobre el segmento [y, x] mediante la composicion h(t) = f G(t) denida
en [0, 1]
h(t) es una funcion real de una variable, continua en [0, 1], y por la regla de la cadena
diferenciable, y
dh(t) = df(G(t)) dG(t)
Escribiendo las matrices correspondientes
h
(t) = < f(G(t)), x y >=

n
i=1
df
dx
i
(G(t))(x
i
y
i
)
=
n
i
1
=1
_
df
dx
i
1
G
_
(t)(x
i
1
y
i
1
)
En cada sumando, la funcion
df
dx
i
1
G es otra vez una funcion real de variable real, denida
en [0, 1], continua y derivable, y
h
(t) =
n
i
1
=1
_
df
dx
i
1
G
_
(t)(x
i
1
y
i
1
) =
=
n
i
1
=1
_
n
i
2
=1
_
d
2
f
dx
i
2
dx
i
1
G
_
(t)(x
i
2
y
i
2
)
_
(x
i
1
y
i
1
)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Repitiendo el mismo procedimiento, h se podra derivar tantas veces como se puedan obtener
todas las derivadas parciales de f. Si f es de clase C
p
, tambien h es de clase C
p
, y en general,
si 1 k p la derivada de orden k de h es
h
(k)
(t) =
n
i
1
,...,i
k
=1
_
d
k
f
dx
i
1
. . . dx
i
k
G
_
(t)(x
i
1
y
i
1
) . . . (x
i
k
y
i
k
)
Aplicando el Teorema de Taylor de funciones reales de una variable a la funcion h(t) en el
intervalo [0, 1], existira alg un s [0, 1] tal que
h(1) = h(0) + h
(0) +
1
2
h
(0) + +
1
k!
h
(k)
(0) + . . .
+
1
(p 1)!
h
(p1)
(0) +
1
p!
h
(p)
(s)
Y sustituyendo cada derivada de h por las expresiones que hemos calculado antes
h(1) = f(G(1)) = f(x)
h(0) = f(G(0)) = f(y)
h
(k)
(0) =
n
i
1
,...,i
k
=1
_
d
k
f
dx
i
1
. . . dx
i
k
(y)
_
(x
i
1
y
i
1
) . . . (x
i
k
y
i
k
)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

y
h
(p)
(s) =
n
i
1
,...,ip=1
_
d
p
f
dx
i
1
. . . dx
ip
(G(s))
_
(x
i
1
y
i
1
) . . . (x
ip
y
ip
)
Se obtiene la formula del enunciado, con z = G(s) [y, x]
Observaciones:
1. Si y es un punto jo de U, el Teorema de Taylor permite expresar la funcion f(x) como
suma de un polinomio de grado (p 1), que denominamos Polinomio de Taylor de grado
(p 1) de f entorno a y,
P
(p1)
y
(x) = f(y) +
_
n
i
1
=1
df
dx
i
1
(y)(x
i
1
y
i
1
)
_
+ . . .
1
(p 1)!
_
_
n
i
1
,...,i
p1
=1
d
p1
f
dx
i
1
. . . dx
i
p1
(y)(x
i
1
y
i
1
) . . . (x
i
p1
y
i
p1
)
_
_
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

y una expresion que llamamos Resto de Taylor de grado p de f entorno al punto y
R
p
y
(x) =
1
p!
_
_
n
i
1
...ip=1
d
p
f
dx
i
1
. . . dx
ip
(z)(x
i
1
y
i
1
) . . . (x
ip
y
ip
)
_
_
Seg un el Teorema,
f(x) = P
(p1)
y
(x) + R
p
y
(x)
donde hay una cierta indeterminacion, ya que se sabe que existe el punto z [y, x], pero
no se sabe cual es.
Desde aqu una parte de la teora relativa al Teorema de Taylor desarrolla tecnicas para
estimar el valor del Resto de Taylor, dependiendo del grado del desarrollo hasta el que se
pueda llegar, seg un la clase de derivacion de f, o dependiendo de la proximidad entre el
punto y y el punto x. La estimacion del resto es especialmente importante en los metodos
de calculo aproximado de funciones, ya que en algunos casos es mucho mas sencillo calcular
el valor de un polinomio P
k
y
(x) que el valor de la funcion f(x).
2. Como U es abierto, podemos encontrar una bola cerrada centrada en y contenida en U.
Si aplicamos el Teorema de Taylor en esa bola, y tenemos en cuenta que al ser compacta
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

las derivadas parciales de f seran funciones acotadas, podemos demostrar que
lim
xy
R
p
y
(x)
x y
p1
= 0
En efecto, si acotamos cada derivada parcial
d
p
f
dx
i
1
. . . dx
ip
(z)
K
entonces
|R
p
y
(x)|
x y
p1

n
i
1
,...,ip=1
d
p
f
dx
i
1
. . . dx
ip
(z)
|x
i
1
y
i
1
| . . . |x
ip
y
ip
|
x y
p1

i
1
,...,ip=1
Kx y
p
x y
p1
Mx y
que tiende a cero cuando x tiende a y.
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

Esta es una propiedad fundamental del Polinomio de Taylor: escrito de otra forma, si f es
p
(U), existe un polinomio de grado (p 1) tal que
lim
xy
f(x) P
p1
y
(x)
x y
p1
= 0
De hecho el polinomio P
(p1)
y
(x) es el unico que lo cumple.
Si f es de clase C
p
, tambien lo es de clase C
k
para cada k menor que p, luego para cada k
habra un polinomio de grado k 1 que cumple una propiedad como esa. Para una funcion
de una variable, si k = 2, el polinomio de grado 1 es la ecuacion de la recta tangente a f
en el punto y. Si k = 3, tendremos una parabola que aproxima a la graca de f cerca del
punto y
Por ejemplo, para la funcion
fx) = x
3
x + 1
f
(x) = 3x
2
1, f
(x) = 6x, f
(x) = 6
f(1) = 1, f
(1) = 2, f
(1) = 6, f
(1) = 6
El polinomio de grado 1 entorno a x = 1 es
P
1
1
(x) = f(1) + f
(1)(x 1) = 1 + 2(x 1)
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

y el polinomio de grado 2 es
P
2
1
(x) = f(1) + f
(1)(x 1) +
1
2
f
(1)(x 1)
2
= 1 + 2(x 1) + 3(x 1)
2
Geometricamente, esto signica
que, para una funcion f de
clase C
p
, el polinomio de Taylor
de grado (p 1) es el
polinomio de ese grado que
mejor aproxima a la funcion f
cerca del punto y.
El polinomio de grado 3 es
P
3
1
(x) = f(1) + f
(1) = (x 1) +
1
2
f
(1)(x 1)
2
+
1
6
f
(1)(x 1)
3
=
= 1 + 2(x 1) + 3(x 1)
2
+ (x 1)
3
=
= 1 + 2x 2 + 3x
2
6x + 3 + x
3
3x
2
+ 3x 1 =
= x
3
x + 1 = f(x)
que coincide con f
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

3. El teorema de Taylor no se puede generalizar para funciones vectoriales, con valores en R
m
.
Como mucho, se puede aplicar a cada componente de f por separado, pero no se puede
asegurar que el punto z
i
[y, x] que se obtenga para cada componente f
i
de F sea el
mismo para todas las componentes.
4. En el termino general del Polinomio de Taylor,
n
i
1
,...,i
k
=1
_
d
k
f
dx
i
1
. . . dx
i
k
(y)
_
(x
i
1
y
i1
) . . . (x
i
k
y
i
k
)
el sumatorio se extiende a todas las posibles derivadas de orden k: todas las formas posibles
de ordenar k variables entre n, repetidas o no. Como f es de clase C
p
, muchas de estas
derivadas son iguales, y pueden agruparse.
Para recordar la formula, y saber cuales son todas las derivadas posibles distintas, puede
pensarse en otro caso parecido y ya conocido: la potencia k-esima de n sumandos:
(a
1
+ + a
n
)
k
=
n
i
1
,...,i
k
=1
a
i
1
. . . a
i
k
En algunos textos se escribe
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

n
i
1
,...,i
k
=1
_
d
k
f
dx
i
1
. . . dx
i
k
(y)
_
(x
i
1
y
i1
) . . . (x
i
k
y
i
k
) =
=
_
d
dx
1
(x
1
y
1
) + +
d
dx
n
(x
n
y
n
)
_
k
f(y)
Esta expresion de la derecha se llama un operador; no es realmente una operacion de
potencia, sino un smbolo que representa las operaciones que hay que efectuar con la
funcion f y sus variables.
Por ejemplo, en el caso de dos variables, se tiene que el termino general de grado k del
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

polinomio de Taylor de una funcion f(x, y) entorno a un punto (x
0
, y
0
) es
_
d
dx
(x x
0
) +
d
dy
(y y
0
)
_
k
f(x
0
, y
0
) =
_
k
0
_
d
k
f
dx
k
(x
0
, y
0
)(x x
o
)
k
+
= +
_
k
1
_
d
k
f
dx
k1
dy
(x
0
, y
0
)(x x
0
)
k1
(y y
0
) +
+ . . .
_
k
j
_
d
k
f
dx
kj
dy
j
(x
0
, y
0
)(x x
0
)
kj
(y y
0
)
j
+
+ . . .
_
k
k
_
d
k
f
dy
k
(x
0
, y
0
)(y y
0
)
k
Ejemplo 6. Calcular el polinomio de Taylor de grado 3 de la funcion f(x, y) = x
2
y entorno al
punto (1, 1)
f(1, 1) = 1
df
dx
(x, y) = 2xy
df
dy
(x, y) = x
2 d
2
f
dx
2
(x, y) = 2y
d
2
f
dy
2
(x, y) = 0
d
2
f
dxdy
(x, y) = 2x
d
3
dx
3
f
(x, y) = 0
d
3
f
dx
2
dy
(x, y) = 2
d
3
f
dxdy
2
(x, y) = 0
d
3
f
dy
3
(x, y) = 0
Funciones de
Clase C
1
.
Funciones de
clase C
p
.
Teorema de
Taylor
1
p
Teorema de Taylor

y todas las derivadas de orden cuarto son nulas.
Entonces
f(x, y) = f(1, 1) +
df
dx
(1, 1)(x 1) +
df
dy
(1, 1)(y + 1)+
+
1
2
_
d
2
f
dx
2
(1, 1)(x 1)
2
+ 2
d
2
f
dxdy
(1, 1)(x 1)(y + 1)+
+
d
2
f
dy
2
(1, 1)(y + 1)
2
_
+
+
1
3!
_
d
3
f
dx
3
(1, 1)(x 1)
3
+ 3
d
3
f
dx
2
dy
(1, 1)(x 1)
2
(y + 1)+
+3
d
3
f
dxdy
2
(1, 1)(x 1)(y + 1)
2
+
d
3
dy
3
(1, 1)(y 1)
3
_
=
= 1 2(x 1) + (y + 1) (x 1)
2
+ 2(x 1)(y + 1) + (x 1)
2
(y + 1)
Extremos locales
de funciones de
varias variables.

1. Extremos locales
Uno de los tipos problemas que se plantean a un matematico con mas frecuencia son los problemas
de optimizacion, en los que se busca el mejor resultado para un modelo: el maximo benecio,
las menores perdidas, la mayor temperatura, la menor presion, la mnima distancia, ... Son
problemas de determinacion de maximos y mnimos.
Hasta ahora tenemos muy pocos resultados teoricos en los que basarnos para saber si una
funcion tendra alg un maximo o alg un mnimo, y ninguno sobre como encontrarlos: el unico
resultado del que disponemos es que una funcion continua denida en un conjunto compacto
alcanza siempre el maximo y el mnimo absolutos, pero no disponemos de ninguna tecnica para
encontrar en que puntos alcanza ese maximo o ese mnimo.
En este captulo vamos a ver algunos teoremas y algunas tecnicas para determinar los maximos
y mnimos de funciones diferenciables denidas en conjuntos abiertos, basadas en la aplicacion
del Teorema de Taylor.
Mas adelante, y gracias a algunos teoremas fundamentales que a un nos quedan por estudiar,
volveremos sobre los problemas de calculo de maximos y mnimos para abordar otra clase de
situaciones mas generales, con tecnicas mas sosticadas.
En primer lugar, damos una denicion precisa de los que son los maximos y mnimos de una
funcion.
Extremos locales
de funciones de
varias variables.

Denicion (Extremos locales).
Sea U un conjunto cualquiera de R
n
, f una funcion de U en R, y x
0
un punto de U.
Se dice que f tiene un maximo relativo o maximo local en x
0
si existe una bola B(x
0
, r)
tal que para todo x B(x
0
, r) U f(x) f(x
0
)
Se dice que f tiene un mnimo relativo o mnimo local en x
0
si existe una bola B(x
0
, r) tal
que para todo x B(x
0
, r) U f(x) f(x
0
)
Se dice que f tiene un maximo absoluto en x
0
si f(x) f(x
0
) para todo x U
Se dice que f tiene un mnimo absoluto en x
0
si f(x) f(x
0
) para todo x U
Se dice que los maximos o mnimos, relativos o absolutos, son estrictos si las desigualdades
anteriores son estrictas para x = x
0
El conjunto de todos los maximos y mnimos de f se denominan extremos de f en U locales
o absolutos.
Aunque las deniciones anteriores se reeren a funciones denidas en un conjunto cualquiera
de R
n
, los resultados que vamos a estudiar se reeren solo a funciones denidas en conjuntos
abiertos.
Denicion (Puntos crticos).
Sea U abierto de R
n
, y f : U R una funcion diferenciable en U. Se llama punto crtico de f
a cualquier punto x de U en el que la diferencial de f sea cero, df(x) = (
df
dx
1
(x), . . . ,
df
dxn
(x)) = 0
Extremos locales
de funciones de
varias variables.

Si f es una funcion de dos variables, es facil ver que en un punto crtico (x
0
, y
0
), el plano
tangente a la graca de f en (x
0
, y
0
) es horizontal; la ecuacion del plano tangente es z =
f(x
0
, y
0
) +
df
dx
(x
0
, y
0
)(x x
0
) +
df
dy
(x
0
, y
0
)(y y
0
), y si (x
0
, y
0
) es un punto crtico queda z =
f(x
0
, y
0
)
Como en el caso de las funciones de una variable, en el siguiente resultado mostramos que
los extremos de una funcion diferenciable deben estar entre los puntos crticos de la funcion
Proposicion. Sea U un abierto de R
n
y f : U R diferenciable en x
0
U. Si f tiene un
extremo en x
0
, entonces x
0
es un punto crtico de f.
Demostracion:
Extremos locales
de funciones de
varias variables.

Vamos a ver que para cualquier vector v = 0 de R
n
se tiene df(x
0
)(v) = 0.
Escogemos un vector v = 0 jo de R
n
, y estudiamos la funcion f sobre la recta que pasa por
x
0
y tiene direccion v: consideramos la funcion g(t) = f(x
0
+tv) denida en un entorno (, )
sucientemente peque no para que los puntos x
0
+ tv esten en U.
g es una funcion continua y derivable, ya que es composicion de funciones diferenciables.
Ademas si x
0
es un extremo de f, entonces t = 0 es un extremo de g (si por ejemplo f tiene un
maximo en x
0
, g tiene un maximo en t = 0) y por tanto tiene que ser g
(0) = 0. Ahora bien

0 = g
(0) = d
v
f(x
0
) = df(x
0
)(v)
Como esto ocurre para cualquier vector v R
n
, entonces la funcion df(x
0
) es la aplicacion
lineal cero.
Observaciones:
La condicion de punto crtico es necesaria para la existencia de un extremo, pero no es suciente:
un punto crtico que no es maximo ni mnimo de f se llama un punto de silla.
Ejemplo 1. Sea f(x, y) = (3x
2
y)(x
2
y)
Probar que (0, 0) es un punto crtico de f
Probar que f tiene un mnimo relativo en (0, 0) sobre cada recta que pasa por (0, 0)
Extremos locales
de funciones de
varias variables.

Probar que (0, 0) no es un mnimo relativo de f
Extremos locales
de funciones de
varias variables.

En primer lugar, f(x, y) = 3x
4
4x
2
y + y
2
df
dx
(x, y) = 12x
3
8xy
df
dy
(x, y) = 4x
2
+ 2y
luego efectivamente f(0, 0) = (
df
dx
(0, 0),
df
dy
(0, 0)) = (0, 0). As que (0, 0) es un punto crtico.
Consideremos ahora las rectas que pasan por (0, 0),
Si y = mx, g(x) = f(x, mx) = 3x
4
4mx
3
+ m
2
x
2
, de modo que
g
(x) = 12x
3
12mx
2
+ 2m
2
x
y
g
(x) = 36x
2
24mx + 2m
2
As g
(0) = 0 y g
(0) = 2m
2
> 0 si m = 0. Luego para m = 0 g tiene un mnimo relativo
estricto en x = 0, o lo que es lo mismo, en la direccion de las rectas y = mx con m = 0
f tiene un mnimo relativo estricto en (0, 0).
Si y = 0, g(x) = f(x, 0) = 3x
4
evidentemente tiene tambien un mnimo (absoluto) estricto
en x = 0, y por tanto sobre a recta y = 0 f tiene un mnimo estricto en (0, 0)
Extremos locales
de funciones de
varias variables.

Y si x = 0, h(y) = f(0, y) = y
2
tiene tambien un mnimo (absoluto) estricto en y = 0, y
por tanto f sobre la recta x = 0 tiene un mnimo estricto en (0, 0)
Sin embargo, si estudiamos el signo de la funcion en el plano, f(x, y) = 0 en las curvas
y = 3x
2
e y = x
2
.
En la region comprendida entre
las dos parabolas 3x
2
y > 0
pero x
2
y < 0, luego f es
negativa, y en el resto del plano
f es positiva.
Por tanto en cualquier bola centrada en (0, 0) se pueden encontrar puntos donde f vale mas
que en (0, 0), y puntos donde vale menos: (0, 0) es un punto de silla.
Extremos locales
de funciones de
varias variables.

2. Formas cuadraticas
Para determinar condiciones sucientes para que un punto crtico sea un extremo, y saber de que
tipo, utilizamos el desarrollo de Taylor entorno a x
0
.
Si f es una funcion de clase C
3
en U, y x
0
es un punto crtico, de desarrollo de Taylor entorno
a x
0
nos permite escribir
f(x) = f(x
0
) +
1
2
_
n
i
1
,i
2
=1
d
2
f
dx
i
1
dx
i
2
(x
0
)(x
i
1
x
0
i
1
)(x
i
2
x
0
i
2
)
_
+ R
3
x
0
(x)
ya que las derivadas primeras se anulan todas en x
0
. Y sabemos ademas que
lim
xx
0
R
3
x
0
(x)
x x
0
2
= 0
La parte de segundo grado del polinomio de Taylor se puede escribir en forma matricial como
(x
1
x
0
1
, . . . , x
n
x
0
n
)
_
_
_
_
d
2
f
dx
2
1
(x
0
) . . .
d
2
f
dxndx
1
(x
0
)
.
.
.
.
.
.
.
.
.
d
2
f
dx
1
dxn
(x
0
) . . .
d
2
f
dx
2
n
(x
0
)
_
_
_
_
_
_
_
x
1
x
0
1
.
.
.
x
n
x
0
n
_
_
_
es decir,
(x x
0
)Hf(x
0
)(x x
0
)
t
Extremos locales
de funciones de
varias variables.

donde Hf(x
0
) es la matriz Hessiana de f en x
0
.
La matriz Hessiana de una funcion de clase C
3
es simetrica, y por tanto esta unvocamente
asociada a una forma cuadratica en R
n
, denida por
q(h) = h Hf(x
0
) h
t
Y el desarrollo de Taylor de grado 3 entorno a x
0
queda
f(x) = f(x
0
) +
1
2
q(x x
0
) + R
3
x
0
(x)
Pues bien, gracias al Teorema de Taylor, comprobaremos que el comportamiento de la funcion
f cerca de x
0
es similar al de la forma cuadratica q cera del cero. Una vez que demostremos eso,
podremos clasicar los puntos crticos seg un el tipo de forma cuadratica que tengan asociada.
Recordamos que si q : R
n
R es una forma cuadratica, entonces para cualquier vector
h R
n
y cualquier n umero real t, se tiene
q(th) = t
2
q(h)
Tambien recordaremos que las formas cuadraticas en R
n
se clasican en
1. denida positiva si para todo h R
n
\ {0} se verica q(h) > 0
Extremos locales
de funciones de
varias variables.

2. denida negativa si para todo h R
n
\ {0} se verica q(h) < 0
3. semi-denida positiva si para todo h R
n
se verica q(h) 0
4. semi-denida negativa si para todo h R
n
se verica q(h) 0
5. no denida si no es semi-denida positiva ni semi-denida negativa: es decir, si existen
dos vectores u y v en R
n
tales que q(u) < 0 < q(v)
Extremos locales
de funciones de
varias variables.

Ejemplo 2. Formas cuadraticas en R
2
1. Denida positiva:
f(x, y) = x
2
+ y
2
= (x, y)
_
1 0
0 1
__
x
y
_
Extremos locales
de funciones de
varias variables.

2. Denida negativa
f(x, y) = x
2
y
2
= (x, y)
_
1 0
0 1
__
x
y
_
Extremos locales
de funciones de
varias variables.

3. Semi-denida positiva
f(x, y) = x
2
= (x, y)
_
1 0
0 0
__
x
y
_
Extremos locales
de funciones de
varias variables.

4. Semi-denida negativa
f(x, y) = y
2
= (x, y)
_
0 0
0 1
__
x
y
_
5. No denida
f(x, y) = x
2
y
2
= (x, y)
_
1 0
0 1
__
x
y
_
Extremos locales
de funciones de
varias variables.

A su vez, para saber si una forma cuadratica es de uno de estos tipos, basta estudiar los
signos de sus menores principales: si la matriz asociada a una forma cuadratica es
A =
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
Extremos locales
de funciones de
varias variables.

se llaman menores principales a los determinantes formados por las k primeras las y columnas
de A,
k
=
a
11
. . . a
1k
.
.
.
.
.
.
.
.
.
a
k1
. . . a
kk
para k = 1, . . . , n.
1. q es denida positiva si y solo si
k
> 0 para todo k = 1, . . . , n
2. q es denida negativa si y solo si (1)
k
k
> 0 para todo k = 1, . . . , n
3. q es semi-denida positiva si y solo si
k
0 para todo k = 1, . . . , n
4. q es semi-denida negativa si y solo si (1)
k
k
0 para todo k = 1, . . . , n
5. q es no denida en otro caso
Extremos locales
de funciones de
varias variables.

3. Teorema de Clasicacion
Como hemos anunciado,utilizando el Teorema de Taylor comprobaremos que el comportamiento
de la funcion f cerca de x
0
es similar al de la forma cuadratica q asociada a la matriz Hessiana
de f en x
0
cera del cero.
En la demostracion es fundamental una propiedad que demostramos sobre el polinomio de
Taylor en el tema anterior:
Si f es de clase C
3
en U
lim
xx
0
R
3
x
0
(x)
x x
0
2
= 0
o escrito de otra forma, llamando h = x x
0
,
lim
h0
R
3
x
0
(x
0
+ h)
h
2
= 0
Extremos locales
de funciones de
varias variables.

Teorema (Clasicacion de Puntos Crticos).
Sea U un conjunto abierto abierto de R
n
, y f : U R una funcion
de clase C
3
en U. Sea x
0
un punto crtico de f en U, y sea
q(h) = h Hf(x
0
) h
t
=
n
i
1
,i
2
=1
d
2
f
dx
i
1
dx
i
2
(x
0
)h
i
1
h
i
2
la forma cuadratica asociada a la matriz Hessiana de f en x
0
.
1. Si q es denida negativa, f tiene en x
0
un maximo relativo estricto.
2. Si q es denida positiva, f tiene en x
0
un mnimo relativo estricto.
3. Si f tiene en x
0
un maximo relativo, q es semidenida negativa.
4. Si f tiene en x
0
un mnimo relativo, q es semidenida positiva.
5. Si q es no denida, f tiene en x
0
un punto de silla.
Extremos locales
de funciones de
varias variables.

1. Supongamos primero que q es denida negativa.
Queremos demostrar que existe una bola B(x
0
, r) de modo que para todo x B(x
0
, r) U,
x distinto de x
0
, f(x) < f(x
0
). Dicho de otro modo, llamando h = x x
0
, queremos demostrar
que existe un r > 0 tal que si 0 < h < r entonces f(x
0
+ h) < f(x
0
).
Como U es abierto, empezamos por suponer que r es sucientemente peque no para que
B(x
0
, r) este contenida en U, y consideramos el desarrollo de Taylor de f entorno a x
0
en el
punto x = x
0
+ h
x
0
x = x
0
+h
U
f(x
0
+h) = f(x
0
)+
1
2
q(h)+R
3
x
0
(x
0
+h)
Es decir
f(x
0
+ h) f(x
0
) =
1
2
q(h) + R
3
x
0
(x
0
+ h)
Extremos locales
de funciones de
varias variables.

y tenemos que demostrar que esta diferencia es estrictamente negativa para h = 0 con h
sucientemente peque no.
Ahora bien,
f(x
0
+ h) f(x
0
) < 0
1
2
q(h) + R
3
x
0
(x
0
+ h) < 0
Como h = 0, podemos dividir por h
2
, y
1
2
q(h) + R
3
x
0
(x
0
+ h) < 0
1
2
q(h) + R
3
x
0
(x
0
+ h) < 0
h
2
< 0
1
2
q
_
h
h
_
+
R
3
x
0
(x
0
+ h)
h
2
< 0
Ahora bien, el vector
h
h
tiene norma 1, es decir es un vector de la esfera S(0, 1) = {v
R
n
, v = 1}, que es un conjunto compacto en R
n
. Como q es una funcion continua en R
n
(es
un polinomio de segundo grado), alcanzara el maximo en S(0, 1), es decir, existe un z S(0, 1)
tal que
q
_
h
h
_
) q(z) = max{q(v), v S(0, 1)}
Extremos locales
de funciones de
varias variables.

y q(z) < 0 por ser q denida negativa y z = 0.
Por otro lado, sabemos que cuando h tiende a cero, el cociente
R
3
x
0
(x
0
+ h)
h
2
tiende a cero,
luego dado =
|
4
|q(z)| =
1
4
q(z) existe un > 0 tal que si 0 < h < entonces
R
3
x
0
(x
0
+ h)
h
2
< =
1
4
q(z)
As pues, si 0 < h < , se tiene
1
2
q
_
h
h
_
+
R
3
x
0
(x
0
+ h)
h
2

1
2
q
_
h
h
_
+
R
3
x
0
(x
0
+ h)
h
2
1
2
q(z)
1
4
q(z) =
1
4
q(z) < 0
lo que demuestra el apartado 1.
2. El segundo apartado se demuestra analogamente, invirtiendo el sentido de las desigual-
dades, y cambiando el maximo de q en la esfera S(0, 1) por el mnimo.
3. Supongamos ahora que f tiene un maximo relativo en x
0
. Tenemos que probar que para
cualquier vector h R
n
\ {0} es q(h) 0
Extremos locales
de funciones de
varias variables.

Sabemos que existe una bola B(x
0
, r) tal que para todo x B(x
0
, r) U se tiene f(x)
f(x
0
). Como U es abierto, podemos suponer que el radio r es sucientemente peque no para que
B(x
0
, r) este totalmente contenida en U.
Sea h un vector cualquiera no nulo de R
n
. La idea de la demostracion es estudiar el com-
portamiento de f sobre la recta que pasa por x
0
y tiene direccion h, utilizando el desarrollo de
Taylor en los puntos de la forma x
0
+ th, e intentar despejar el valor de q(h) para comprobar su
signo.
Consideramos pues los puntos de la forma x
0
+ th, con 0 < |t| < , y sucientemente
peque no para que x
0
+ th este en la bola B(x
0
, r) de antes. Calculamos f(x
0
+ th) utilizando
el desarrollo de Taylor entorno a x
0
x
0
h
x
0
+th
U
f(x
0
+th) = f(x
0
)+
1
2
q(th)+R
3
x
0
(x
0
+th)
Extremos locales
de funciones de
varias variables.

Despejando
1
2
q(th) = f(x
0
+ th) f(x
0
) R
3
x
0
(x
0
+ th)
1
2
t
2
q(h) = f(x
0
+ th) f(x
0
) R
3
x
0
(x
0
+ th)
1
2
q(h) =
f(x
0
+ th) f(x
0
)
t
2

R
3
x
0
(x
0
+ th)
t
2
=
=
f(x
0
+ th) f(x
0
)
t
2

R
3
x
0
(x
0
+ th)
th
2
h
2
Aqu, f(x
0
+th)f(x
0
) 0 pues x = x
0
+th B(x
0
, r). Ademas sabemos que
R
3
x
0
(x
0
+ th)
th
2
tiende a cero cuando t tiende a cero, luego q(h) es un n umero tal que
1
2
q(h)
R
3
x
0
(x
0
+ th)
th
2
0
cuando t tiende a cero, as que q(h) 0 como queramos demostrar.
4.- El apartado cuarto se demuestra analogamente, cambiando el sentido de las desigualdades.
5. Por ultimo, si Q es no denida, por el apartado 3. se deduce que x
0
no puede ser un
maximo relativo, y por el apartado 4. se deduce que tampoco puede ser un mnimo relativo,
luego x
0
es un punto de silla.
Extremos locales
de funciones de
varias variables.

Esto termina la demostracion.
Ejemplo 3. Clasicar los puntos crticos de las funciones f(x, y) = x

4
+ y
4
y g(x, y) = x
4
y
4
Estudiamos en primer lugar la funcion f(x, y) = x
4
+ y
4
df
dx
(x, y) = 4x
3
df
dy
(x, y) = 4y
3
as que el unico punto crtico es P = (0, 0). Calculando las derivadas segundas de f
d
2
f
dx
2
(x, y) = 12x
2
d
2
f
dy
2
(x, y) = 12y
2
d
2
f
dxdy
(x, y) = 0
luego
Hf(0, 0) =
_
d
2
f
dx
2
(0, 0)
d
2
f
dxdy
(0, 0)
d
2
f
dxdy
(0, 0)
d
2
f
dy
2
(0, 0)
_
=
_
0 0
0 0
_
El teorema de clasicacion no da informacion en este caso.
Sin embargo, estudiando directamente la funcion es evidente que f(0, 0) = 0 y que f(x, y) > 0
si (x, y) = (0, 0), luego (0, 0) el un mnimo absoluto estricto de f
Extremos locales
de funciones de
varias variables.

Estudiamos ahora la funcion g(x, y) = x
4
y
4
.
dg
dx
(x, y) = 4x
3
dg
dy
(x, y) = 4x
3
luego el unico punto crtico de g es (0, 0). Hallando las derivadas segundas
d
2
g
dx
2
(x, y) = 12x
2
d
2
g
dy
2
(x, y) = 12x
2
d
2
g
dxdy
(x, y) = 0
y la matriz Hessiana de g en (0, 0) es
Hg(0, 0) =
_
0 0
0 0
_
Extremos locales
de funciones de
varias variables.

Sin embargo en este caso en cualquier bola centrada en (0, 0) podemos encontrar puntos del eje
x, (x, 0) con x = 0, de modo que g(x, 0) > 0 = g(0, 0), y puntos del eje y, (0, y) con y = 0, de
modo que g(0, y) < 0 = g(0, 0). Por tanto (0, 0) es un punto de silla de g.
Ejemplo 4. Calcular la Hessiana de la funcion del ejemplo 1 en (0, 0) e interpretar el resultado.
f(x, y) = (3x
2
y)(x
2
y) = 3x
4
4x
2
y + y
2
Extremos locales
de funciones de
varias variables.

Las derivadas de f son
df
dx
(x, y) = 12x
3
8xy
df
dy
(x, y) = 4x
2
+ 2y
d
2
f
dx
2
(x, y) = 36x
2
8y
d
2
f
dy
2
(x, y) = 2
d
2
f
dxdy
(x, y) = 9x
luego
Hf(0, 0) =
_
0 0
0 2
_
que es semidenida positiva. Esto solo prueba que (0, 0) puede ser un mnimo relativo de f. Pero
como hemos visto antes, no lo es.
Ejemplo 5. Clasicar los puntos crticos de la funcion f(x, y) = ln(x
2
+ y
2
+ 1)
Hallamos en primer lugar los puntos crticos de f
df
dx
(x, y) =
2x
x
2
+ y
2
+ 1
= 0
df
dy
(x, y) =
2y
x
2
+ y
2
+ 1
= 0
_
_
Extremos locales
de funciones de
varias variables.

implica que x = 0 e y = 0. El unico punto crtico es (0, 0).
Las derivadas segundas son
d
2
f
dx
2
(x, y) =
2(x
2
+ y
2
+ 1) 4x
2
(x
2
+ y
2
+ 1)
2
=
2y
2
2x
2
+ 2
(x
2
+ y
2
+ 1)
2
d
2
f
dxdy
(x, y) =
4xy
(x
2
+ y
2
+ 1)
2
d
2
f
dy
2
(x, y) =
2x
2
2y
2
+ 2
(x
2
+ y
2
+ 1)
2
y la matriz Hessiana de f en (0, 0) es
Hf(0, 0) =
_
2 0
0 2
_
que es denida positiva. por tanto (0, 0) es un mnimo relativo estricto de f.
En este caso ademas, sin utilizar el teorema, es facil ver que x
2
+ y
2
+ 1 es siempre mayor
que uno, y solo vale uno en (0, 0), y como el logaritmo es una funcion estrictamente creciente
entonces
f(x, y) = ln(x
2
+ y
2
+ 1) ln(1) = 0 = f(0, 0)
Extremos locales
de funciones de
varias variables.
Contenido

y la desigualdad es estricta si (x, y) = (0, 0), luego (0, 0) es el mnimo absoluto y estricto de f.
En muchos problemas, el estudio completo del caracter de los extremos de f requerira el

analisis directo de la funcion, ya que el teorema de clasicacion aporta una informacion muy
escasa, sobre todo en lo que se reere a los extremos absolutos de f.
En el ultimo tema de esta asignatura volveremos a estudiar problemas mas complejos de
extremos de funciones de varias variables, utilizando tecnicas mas sosticadas que se basan en
los teoremas que demostraremos en el tema siguiente. A un as, posiblemente en este campo
del estudio de extremos de funciones de varias variables es donde se pueden encontrar mayores
dicultades, precisamente por la escasez de recursos teoricos. De hecho, de aqu surge una parte
importante de la teora del Analisis Numerico, para afrontar el estudio mediante otro tipo de
Extremos locales
de funciones de
varias variables.

tecnicas basadas en metodos de aproximacion de funciones, programacion lineal, etc.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

1. Introduccion
En el captulo anterior estudiamos algunas propiedades de las funciones diferenciables que tenan
la diferencial nula. El desarrollo de Taylor de la Funcion permita compararla con una funcion
cuadratica, en un entorno del punto crtico, y a partir de ah podamos hacer un estudio de esos
puntos crticos para determinar los extremos de la funcion.
Cuando por el contrario la diferencial es no nula, la propia denicion de la diferenciabilidad nos
permite aproximar la funcion con una aplicacion lineal. Esta aproximacion, aunque es solamente
local, nos permite comparar las propiedades de una funcion con propiedades de las aplicaciones
lineales; y una de las propiedades mas importantes de las aplicaciones lineales es su inversibilidad.
En el Teorema de la Funcion Inversa se dan condiciones que aseguran que si la diferencial de una
funcion en un punto a de su dominio es inversible, la propia funcion tiene una inversa local en un
entorno de a, e incluso determina la forma de calcular la diferencial de la funcion inversa F
1
.
Este tipo de resultado es especialmente util en una asignatura de analisis para el estudio de
funciones que no estan denidas con una formula explcita, sino por el hecho de ser la inversa
de otra funcion. As por ejemplo en el analisis de funciones reales de una variable real se utiliza
el teorema de la funcion inversa para determinar la derivada de la funcion logaritmo, o de las
funciones trigonometricas inversas arcoseno, arcocoseno, arcotangente, ...
Ejemplo 1. La funcion logaritmo se dene como la inversa de la exponencial
La funcion exponencial, f(x) = e
x
, f : R R, es inyectiva en R y derivable, y verica
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

f
(x) = e
x
en cualquier punto de R. La funcion inversa g : R
+
R, denida por
g(y) = el unico x R tal que e
x
= y
es la funcion logaritmo, g(y) = ln y. Para calcular la derivada de g, utilizamos la regla de la
cadena aplicada a la composicion de las dos funciones:
(f g)(y) = f(g(y)) = y
derivando
(f g)
(y) = f
(g(y)) g
(y) = 1
luego
g
(y) =
1
f
(g(y))
=
1
e
g(y)
=
1
y
Para que este argumento sea correcto, hace falta comprobar que se puede aplicar la regla de la
cadena, es decir, hace falta demostrar primero que la funcion logaritmo g(y) = ln y es derivable.
Esto sera lo que demuestre el Teorema de la Funcion Inversa.
En el caso del analisis de varias variables veremos una primera aplicacion en la demostracion
del segundo teorema de este captulo, el Teorema de la Funcion Implcita. Y jugara un papel
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

fundamental en la teora de integracion, para la utilizacion de cambios de variables, y en el calculo
vectorial sobre curvas y supercies.
En un lenguaje algebraico, la condicion para que una funcion denida en un conjunto abierto
U de R
n
, F : U R
n
tenga inversa, es que sea inyectiva, es decir, que para cada y F(U)
exista un unico x U tal que F(x) = y. Escribiendo las coordenadas de y y las componentes
de F, se trata de que el sistema de ecuaciones
f
1
(x
1
, . . . , x
n
) = y
1
.
.
.
.
.
.
f
n
(x
1
, . . . , x
n
) = y
n
_
_
tenga para cada y F(U) una unica solucion en U. En el Teorema de la Funcion Inversa se
dan condiciones para que una funcion de clase C
1
denida en un abierto de R
n
pueda tener una
inversa tambien de clase C
1
, al menos local en un entorno de un punto de U. La regla de la
cadena nos permitira luego calcular la diferencial de esa funcion inversa.
El Teorema de la Funcion Implcita se basa en las propiedades de los sistemas de ecuaciones
con innitas soluciones: cuando un sistema de m ecuaciones con n+m incognitas es compatible
indeterminado, tiene innitas soluciones y se dice que el conjunto de soluciones esta denido
implcitamente por el sistema de ecuaciones. As, por ejemplo, se dene implcitamente una
recta en el espacio mediante un sistema de dos ecuaciones con tres incognitas que expresa la
interseccion de dos planos. La resolucion del sistema de ecuaciones despejando dos variables en
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

funcion de la tercera nos da una ecuacion que describe la recta como la graca de una funcion
(de R en R
2
).
En el Teorema de la Funcion Implcita se dan condiciones para que un sistema de ecuaciones
descrito por una funcion de clase C
1
de R
n+m
en R
m
dena implcitamente una funcion tambien
de clase C
1
, de modo que el conjunto de soluciones del sistema de ecuaciones se pueda expresar
como la graca de esa funcion; y para calcular la diferencial de esa funcion.
Aunque aparentemente los dos teoremas son muy distintos, el hecho es que son equivalentes:
vamos a demostrar primero el Teorema de la Funcion Inversa, y luego como aplicacion el Teorema
de la Funcion Implcita, pero pueden demostrarse tambien en el orden contrario, y deducir el
Teorema de la Funcion Inversa como aplicacion del Teorema de la Funcion Implcita.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

2. Teorema de la Funcion Inversa
El teorema de la Funcion Inversa se basa en la aproximacion de una funcion diferenciable por una
aplicacion lineal. Si F es una funcion denida en un abierto de R
n
y con valores en un espacio
de la misma dimension R
n
, su diferencial en un punto x
0
de U es una aplicacion lineal de R
n
en
R
n
.
Para que una aplicacion lineal entre espacios vectoriales de la misma dimension sea inversible,
basta que sea inyectiva, ya que automaticamente entonces es biyectiva. Y que sea inyectiva es
equivalente a que su n ucleo sea unicamente el vector cero (el n ucleo de una aplicacion lineal
es el conjunto de vectores que se transforman en cero). Cuando una aplicacion lineal no es
biyectiva, contrae el espacio en un subespacio de dimension menor (por ejemplo transforma el
espacio tridimensional en un plano, o en una recta). Cuando por el contrario es biyectiva, solo
produce una deformacion en el espacio, pero sigue manteniendo la misma dimension.
Cuando se trata de funciones no lineales, el comportamiento puede no ser el mismo en todo
en conjunto donde esta denida la funcion: puede aplastarlo por un lado, e inarlo por otro. As
que el estudio de la funcion no puede hacerse de forma global, sino que se hace de forma local: se
estudia el comportamiento de F en un entorno de un punto x
0
. Las observaciones o conclusiones
que se obtienen tiene validez solo de forma local. Esta es una caracterstica propia del Analisis
Matematico, que se reeja en especial en los dos teoremas de este captulo.
Para las proximas demostraciones utilizaremos en varias ocasiones las siguientes observaciones:
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Observaciones:
1. Recordemos que si F es una funcion diferenciable en un punto x
0
, se llama Jacobiano de
F en x
0
al determinante de la diferencial de F en x
0
JF(x
0
) = det dF(x
0
) =
df
1
dx
1
(x
0
) . . .
df
1
dxn
(x
0
)
.
.
.
.
.
.
.
.
.
dfn
dx
1
(x
0
) . . .
dfn
dxn
(x
0
)
2. Sea F : U R
n
una
funcion de clase C
1
(U) en un abierto U de R
n
. Denimos una funcion
(z
1
, . . . , z
n
) =
df
1
dx
1
(z
1
) . . .
df
1
dxn
(z
1
)
.
.
.
.
.
.
.
.
.
dfn
dx
1
(z
n
) . . .
dfn
dxn
(z
n
)
: U U R es continua. Si (a, . . . , a) = 0, existira un entorno B de

(a, . . . , a) en U U de modo que (z
1
, . . . , z
n
) = 0 para todos (z
1
, . . . , z
n
) B,
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

o equivalentemente, existira una bola B(a, r) U de modo que (z
1
, . . . , z
n
) = 0 para
todos z
1
, . . . , z
n
B(a, r). En particular (x, . . . , x) = 0 para todo x B(a, r).
U
U
U U
a
a
B
B(a, r)
B(a, r)
(a, a)
(x, x)
x
x
z
1
z
2
(z
1
, z
2
)
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Lema 1.
n
, F : U R
n
1
(U), y a U tal que
JF(a) = 0. Entonces:
a) Existe r > 0 tal que B(a, r) U, JF(x) = 0 para todo x de la bola cerrada B(a, r), y
F es inyectiva en B(a, r)
b) Existe s > 0 tal que B(F(a), s) F(B(a, r))
Demostracion:
a
r
U
F(a)
s
F(B(a, r))
F(U)
F
Consideremos como en la observacion anterior la funcion
(z
1
, . . . , z
n
) =
df
1
dx
1
(z
1
) . . .
df
1
dxn
(z
1
)
.
.
.
.
.
.
.
.
.
dfn
dx
1
(z
n
) . . .
dfn
dxn
(z
n
)
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Como F es de clase C
1
, es continua; y por hipotesis (a, . . . , a) = JF(a) = 0. Por tanto
existe una bola B(a, R) contenida en U de modo que (z
1
, . . . , z
n
) = 0 para todos z
1
, . . . , z
n
en B(a, R). Tomando un radio r < R podemos asegurar ademas que B(a, r) esta contenida en
U
Veamos ahora que se verica el apartado (a):
Sean x, y B(a, r) tales que F(x) = F(y). Aplicando el teorema del Valor Medio a cada
componente de F en el segmento [x, y], se tiene que para cada j {1, . . . , n} existe un punto
z
j
[x, y] tal que
0 = f
j
(x) f
j
(y) =< f
j
(z
j
), (x y) >
lo que nos da un sistema de ecuaciones
df
1
dx
1
(z
1
)(x
1
y
1
) + +
df
1
dx
n
(z
1
)(x
n
y
n
) = 0
.
.
.
.
.
.
df
n
dx
1
(z
n
)(x
1
y
1
) + +
df
n
dx
n
(z
n
)(x
n
y
n
) = 0
Es decir, el vector x y es una solucion del sistema, cuya matriz de coecientes es
_
_
_
df
1
x
1
(z
1
) . . .
df
1
dxn
(z
1
)
.
.
.
.
.
.
.
.
.
dfn
dx
1
(z
n
) . . .
dfn
dxn
(z
n
)
_
_
_
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Su determinante es (z
1
, . . . , z
n
) que por construccion de B(a, r) es distinto de cero. As el
sistema es homogeneo compatible determinado, que solo tiene la solucion trivial, y por tanto
tiene que ser x y = 0.
Luego en efecto F es inyectiva en B(a, r). Ademas JF(x) = (x, . . . , x) = 0 para todo x
de bola B(a, r)
Veamos ahora el apartado b)
Denimos la funcion : S(a, r) R por (x) = F(x) F(a)
a
U
F(a)
F(B(a, r))
F(U)
F
x
F(x)
(x) = F(x) F(a)
B(a, r)
es una funcion continua. Ademas (x) > 0 para todo x S(a, r), ya que F es inyectiva en
la bola cerrada de centro a y radio r y si x S(a, r), x = a. Y S(a, r) es un conjunto compacto.
Por tanto alcanza en mnimo en S(a, r). Es decir, existe un punto z S(a, r) tal que
(z) = F(z) F(a) = min{F(x) F(a); x S(a, r)} > 0
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Llamamos s = (z)/2. Vamos a ver que B(F(a), s) F(B(a, r))
a
U
F(a)
F(B(a, r))
F(U)
F
z
F(z)
B(a, r)
s = (z)/2
Sea y
0
B(F(a), s), jo. Hay que ver que existe un punto x
0
B(a, r) tal que y
0
= F(x
0
)
Denimos ahora la funcion : B(a, r) R por (x) = F(x) y
0
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

a
U
F(a)
F(B(a, r))
F(U)
F
B(a, r)
x
F(x)
y
0
(x) = F(x) y
0
Otra vez es continua, y B(a, r) es compacto, y por tanto alcanza el mnimo en un punto
x
0
de B(a, r)
Veamos que x
0
esta de hecho en la bola abierta de centro a y radio r.
Por un lado tenemos que
(x
0
) (a) = F(a) y
0
< s = (z)/2
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Por otro lado, si fuese x
0
S(a, r), tendramos
(x
0
) = F(x
0
) y
0
= F(x
0
) F(a) (y
0
F(a))
| F(x
0
) F(a) y
0
F(a) |
F(x
0
) F(a) y
0
F(a)
= (x
0
) y
0
F(a)
> (z) s = (z)/2
en contradiccion con la desigualdad anterior, luego necesariamente x
0
esta en la bola abierta y
no en la esfera.
Queda por probar que F(x
0
) = y
0
Como x
0
es un mnimo de , que es una funcion positiva, tambien es mnimo de
2
(x) =
n
j=1
(f
j
(x) y
0
j
)
2
; y como es un punto del interior de su dominio, tiene que ser un punto crtico
de
2
. Es decir, para todo i = 1, . . . , n se tiene
0 =
d
2
dx
i
(x
0
) =
n
i=1
2
df
j
dx
i
(x
0
) (f
j
(x
0
) y
0
j
)
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

lo que da lugar a un sistema de ecuaciones
df
1
dx
1
(x
0
) (f
1
(x
0
) y
0
1
) + +
df
n
dx
1
(x
0
) (f
n
(x
0
) y
0
n
) = 0
.
.
.
.
.
.
df
1
dx
n
(x
0
) (f
1
(x
0
) y
0
1
) + +
df
n
dx
n
(x
0
) (f
n
(x
0
) y
0
n
) = 0
Es decir, el vector F(x
0
) y
0
es solucion del sistema homogeneo que tiene como matriz
de coecientes dF(x
0
)
t
, la transpuesta de la diferencial de F en x
0
, que tiene determinante
distinto de cero por la construccion de B(a, r) al principio de la demostracion. As, el sistema es
compatible determinado, y solo puede tener la solucion trivial, luego tiene que ser F(x
0
) = y
0
,
Observaciones:
Si U es un abierto de R
n
, y F : U R
n
es una funcion de clase C
1
en U tal que JF(x) = 0
en todos los puntos x U, se puede aplicar el lema anterior en cada punto de U.
Aplicando el primer apartado, se obtiene que para cada punto x U existe una bola B(x, r
x
)
de modo que F es inyectiva en la bola cerrada B(x, r
x
). Sin embargo no se puede asegurar que
F sea inyectiva en todo U.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Aplicando el segundo apartado, para cada x de U hay una bola centrada en F(x), B(F(x), s
x
),
contenida en F(B(x, r
x
)), que a su vez esta contenido en F(U). Por tanto F(U) es abierto.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Teorema (de la Funcion Inversa).
n
, F : U R
n
1
en
U, y a U tal que JF(a) es distinto de cero. Entonces existen dos
conjuntos abiertos A U y B F(U), y una funcion G, tales que:
i) a A y b = F(a) B
ii) B = F(A)
iii) F es inyectiva en A
iv) G : B R
n
verica G(B) = A y G(F(x)) = x para todo
x A
v) G es de clase C
1
en B, y dG(F(x)) = (dF(x))
1
para todo
x A. En particular dG(b) = (dF(a))
1
Se dice entonces que F admite, en un entorno de a, una inversa
local de clase C
1
, o que G es una inversa local, de clase C
1
, de F en
un entorno de a
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Como en el teorema anterior, existe una bola B(a, r) tal que B(a, r) U, F es inyectiva en
B(a, r), y (z
1
, . . . , z
n
) = 0 para todos z
1
, . . . , z
n
B(a, r), con la funcion denida antes.
Y existe B(F(a), s) F(B(a, r))
Llamamos B = B(F(a), s), y A = F
1
(B) B(a, r)
Para entender esta construccion haremos una representacion graca en el caso de funciones
de R en R
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

a
b
=
F
(
a
)
F
(
B
(
a
,
r
)
)
B
=
B
(
F
(
a
)
,
s
)
F
1
(B)
A = F
1
(B) B(a, r)
B(a, r)
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

B es abierto, por ser una bola abierta. A es abierto, ya que como F es continua F
1
(B) es
abierto, y B(a, r) es abierto. Ademas B F(B(a, r)) F(U), y A B(a, r) U.
Y evidentemente b = F(a) B, y a F
1
(B) B(a, r) = A
Veamos que F(A) = B. Por un lado, como por denicion A F
1
(B), entonces F(A) B
Por otro lado, si y B, como B F(B(a, r)), existe un x B(a, r) tal que F(x) = y. En
particular x B(a, r) F
1
(B) = A y por tanto y = F(x) F(A). Luego B F(A)
Tambien tenemos que F es inyectiva en A, por ser un subconjunto de B(a, r)
Para construir G, consideramos la restriccion de F a B(a, r). F es inyectiva y continua en
la bola cerrada, que es compacto, y por tanto la inversa de F es continua
F : B(a, r) R
n
F
1
: F(B(a, r)) B(a, r)
y el unico x B(a, r)
tal que F(x) = y
Y denimos G = (F
1
)
|
B
la restriccion de F
1
a B.
Como B = F(A) y A B(a, r), es evidente que G(B) = A y que G(F(x)) = x para todo
x A.
Para terminar la demostracion del teorema hay que ver que G es de clase C
1
en B
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Sea y B, jo. Vamos a ver que existen todas las derivadas parciales
dg
k
dy
i
(y), y que esas
derivadas parciales son continuas en B.
Consideramos el i-esimo vector de la base canonica de R
n
, e
i
, y |t| = 0 sucientemente
peque no para que y + te
i
B. Entonces existen x y x
t
en A tales que y + te
i
= F(x
t
) e
y = F(x), o equivalentemente G(y +te
i
) = x
t
, G(y) = x.
a
B(a, r)
F
1
(B)
A
b = F(a)
y e
i
y + te
i
x = G(y)
x
t
= G(y + te
i
)
B
F
G
Partimos de la ecuacion F G(y) = y para todo y B, o f
j
(G(y)) = y
j
para cada
j = 1, . . . , n, y para todo y B
Por un lado
f
j
(G(y +te
i
)) f
j
(G(y))
t
=
(y +te
i
)
j
y
j
t
= (e
i
)
j
=
_
0 si i = j
1 si i = j
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

y por otro lado, aplicando el primer teorema del valor medio a cada componente de F en el
segmento [x
t
, x] (que esta contenido en B(a, r)),existen z
1
, . . . , z
n
en [x
t
, x] tales que
f
j
(G(y +te
i
)) f
j
(G(y))
t
=
f
j
(x
t
) f
j
(x)
t
=< f
j
(z
j
),
x
t
x
t
>
=< f
j
(z
j
),
G(y +te
i
) G(y)
t
>=
n
k=1
df
j
dx
i
(z
j
)
g
k
(y +te
i
) g
k
(y)
t
Desarrollando cada ecuacion, para j=1,. . . ,i,. . . ,n, obtenemos un sistema de ecuaciones
0 =
df
1
dx
1
(z
1
)
g
1
(y +te
i
) g
1
(y)
t
+ +
df
1
dx
n
(z
1
)
g
n
(y +te
i
) g
n
(y)
t
.
.
. =
.
.
.
.
.
.
1 =
df
i
dx
1
(z
i
)
g
1
(y +te
i
) g
1
(y)
t
+ +
df
i
dx
n
(z
i
)
g
n
(y +te
i
) g
n
(y)
t
.
.
. =
.
.
.
.
.
.
0 =
df
n
dx
1
(z
n
)
g
1
(y +te
i
) g
1
(y)
t
+ +
df
n
dx
n
(z
n
)
g
n
(y +te
i
) g
n
(y)
t
Es decir, el vector
G(y +te
i
) G(y)
t
es solucion del sistema de ecuaciones, que tiene como
matriz de coecientes
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

_
_
_
df
1
dx
1
(z
1
) . . .
df
1
dxn
(z
1
)
.
.
.
.
.
.
.
.
.
dfn
dxn
(z
n
) . . .
dfn
dxn
(z
n
)
_
_
_
cuyo determinante (z
1
, . . . , z
n
) es distinto de cero por la construccion de B(a, r).
La regla de Cramer nos permite escribir cada coordenada de la solucion del sistema de ecua-
ciones como un cociente de determinantes: el denominador es el determinante de la matriz de
coecientes, y el numerador es el determinante de la matriz que resulta de sustituir en la matriz
de coecientes la columna correspondiente por la de terminos independientes,
k
(z
1
, . . . , z
n
).
g
k
(y +te
i
) g
k
(y)
t
=
=
df
1
dx
1
(z
1
) . . . 0 . . .
df
1
dxn
(z
1
)
.
.
.
.
.
.
.
.
.
df
i
dx
1
(z
i
) . . . 1 . . .
df
i
dxn
(z
i
)
.
.
.
.
.
.
.
.
.
dfn
dxn
(z
n
) . . . 0 . . .
dfn
dxn
(z
n
)
(k)
((z
1
, . . . , z
n
))
1
=
=
k
(z
1
, . . . , z
n
) (z
1
, . . . , z
n
)
1
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Y ahora, haciendo que t tienda a cero, como G es continua en B se tiene que G(y + te
i
)
tiende a G(y), y por tanto los puntos z
j
que estan en el intervalo [x
t
, x] = [G(y + te
i
), G(y)]
tienden a x = G(y). Y como en F es de clase C
1
en U,
k
(z
1
, . . . , z
n
) tiende a
k
(x, . . . , x) =
k
(G(y), . . . , G(y)), y (z
1
, . . . , z
n
) tiende a (x, . . . , x) = (G(y) . . . , G(y)) que es distinto
de cero (por la construccion de B(a, r) al principio de la demostracion).
As pues, existe lim
t0
g
k
(y +te
i
) g
k
(y)
t
=
dg
k
dy
i
(y) y vale
dg
k
dy
i
(y) =

k
(G(y), . . . , G(y))
(G(y), . . . , G(y))
Ademas se deduce que G es de clase C
1
en B, ya que las derivadas parciales son cociente de
funciones continuas con denominador no nulo.
Para terminar la demostracion, sabiendo ya que F y G son diferenciables, y utilizando la regla
de la cadena, como G F(x) = I(x) = x para todo x A, se tiene
dG(F(x)) dF(x) = dI(x) = I
luego
dG(F(x)) = (dF(x))
1
para todo x A, y en particular dG(b) = (dF(a))
1
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Observaciones:
1. El teorema se puede resumir diciendo que en las condiciones dadas sobre F y a, existe
un entorno A de a en U en el que F es inyectiva, F(A) es abierto, y la inversa de F,
F
1
: F(A) A es tambien de clase C
1
2. Si F es de clase C
p
(U), la inversa F
1
tambien es de clase C
p
(F(A))
3. El teorema no es cierto si se sustituye la condicion de que F sea de clase C
1
por la condicion
mas debil de que sea solamente diferenciable. Como ejemplo, basta considerar la funcion
f(x) =
_
1
2
x +x
2
sen
1
x
si x = 0
0 si x = 0
f es continua y diferenciable en R, y f
(0) = 0, sin embargo no tiene inversa y menos a un

inversa diferenciable, en ning un entorno de x = 0, ya que no es inyectiva en ning un entorno
de x = 0
Denicion (Difeomorsmo). Dado un conjunto abierto U en R
n
, se llama un difeomorsmo
en U a una funcion F : U R
n
que es diferenciable en U, inyectiva, y con inversa diferenciable,
F
1
: F(U) U. Se dice que F es un difeomorsmo de clase C
p
si F y F
1
son de clase C
p
en sus dominios.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

3. Teorema de la Funcion Implcita
Como la mayora de los teoremas del Analisis, el teorema de la funcion implcita es tambien un
teorema local. Se trata de ver como en un entorno de un punto, se puede describir el conjunto
de soluciones de un sistema de ecuaciones como la graca de una funcion.
Consideremos como ejemplo la ecuacion de la circunferencia de centro (0, 0) y radio 1 en el
plano
x
2
+y
2
1 = 0
y un punto (a, b) de esa circunferencia con b > 0 En un entorno sucientemente peque no de
(a, b) se puede despejar y como funcion de x mediante la formula y =
1 x
2
.
a
a
b
b
a
y =
1 x
2
y =
1 x
2
x =
1 y
2
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Si b < 0 se despejara y =
1 x
2
. Y si b = 0, no podemos despejar y, pero si podemos
despejar x, mediante la funcion x =
_
1 y
2
si a > 0, o y =
_
1 y
2
si a < 0
La situacion general partira de un sistema de m ecuaciones con n + m incognitas, y nos
plantearemos la posibilidad de despejar m variables como funcion de las otras n. Un caso tpico
es la resolucion de sistemas lineales compatibles indeterminados.
Consideremos por ejemplo el sistema de ecuaciones
3x +2y z +u = 0
x +z +u = 0
_
3 2 1 1 0
1 0 1 1 0
_
Habitualmente este sistema se resuelve buscando en la matriz de coecientes un menor de orden
dos distinto de cero, como por ejemplo el correspondiente a las dos ultimas columnas
1 1
1 1
y pasando las otras dos variables al otro lado de la igualdad, con lo que queda un sistema dos
por dos compatible determinado, que determina el valor de z y u para cada valor de x e y
z +u = 3x 2y
z +u = x

z = x +y
u = 2x y
Otra manera de resolver el sistema es convertirlo en un sistema compatible determinado
a nadiendo ecuaciones, en vez de eliminar variables:
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Consideremos el sistema de ecuaciones
x = x
y = y
3x 2y z +u = 0
x +z +u = 0
que en forma matricial es, para cada valor de x e y
_
_
_
_
1 0 0 0 x
0 1 0 0 y
3 2 1 1 0
1 0 1 1 0
_
_
_
_
La matriz de coecientes tiene determinante distinto de cero, por lo que el sistema es compatible
determinado. Es decir, para cada valor de x e y, hay una unica solucion del sistema, que nos
permite escribir z y u como funcion de x e y (aplicando por ejemplo la regla de Cramer).
u =
1
2
1 0 x 0
0 1 y 0
3 2 0 1
1 0 0 1
z =
1
2
1 0 0 x
0 1 0 y
3 2 1 0
1 0 1 0
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

De otra manera, enunciando el problema en terminos de aplicaciones lineales, si H es la
aplicacion lineal de R
4
en R
4
denida por la matriz anterior, el sistema queda
H(x, y, z, u) =
_
_
_
_
1 0 0 0
0 1 0 0
3 2 1 1
1 0 1 1
_
_
_
_
_
_
_
_
x
y
z
u
_
_
_
_
=
_
_
_
_
x
y
0
0
_
_
_
_
El hecho de que la matriz de coecientes tenga determinante distinto de cero implica que H
es inversible, y que (x, u, z, u) = H
1
(x, y, 0, 0). Llamando K = H
1
, K = (k
1
, k
2
, k
3
, k
4
),
tenemos z = k
3
(x, y, 0, 0) y u = k
4
(x, y, 0, 0).
Es decir las soluciones de nuestro sistema de ecuaciones se pueden expresar poniendo z y u
como funciones implcitas de x e y.
Vamos a ver ahora otro ejemplo concreto de como se puede despejar en una ecuacion una
variable en funcion de otra, con el caso de la ecuacion de la circunferencia.
Consideremos de nuevo la ecuacion x
2
+y
2
1 = 0 , y (a, b) un punto de la circunferencia,
con b = 0. Consideramos la funcion F(x, y) = x
2
+ y
2
1, de R
2
en R, que es de clase C
1
en
todo R
2
; y denamos la funcion
H(x, y) = (x, x
2
+y
2
1)
de R
2
en R
2
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

H es una funcion de clase C
1
de R
2
en R
2
. Ademas
dH(x, y) =
_
1 0
2x 2y
_
luego JH(a, b) = 2b = 0
H verica las condiciones del teorema de la funcion inversa, y por tanto existe dos conjuntos
abiertos V U, W H(U), y una funcion K, tales que
(a, b) V ,
H(V ) = W,
H es inyectiva en V ,
K : W R
2
verica K(W) = V y K(H(x, y)) = (x, y) para todo (x, y) V ,
y K es de clase C
1
en W
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

a x
H
K = H
1
W = H(V )
x a
(x, y)
(a, b)
V
Si llamamos H(x, y) = (x, v), observando la formula de la funcion H, los puntos de la
circunferencia que estan en V se transforman justo en W {(x, v); v = 0}, y recprocamente
V {(x, y) : F(x, y) = x
2
+y
2
1 = 0} = K(W {v = 0})
Llamando A = {x R : (x, 0) W}, tenemos que para cada punto (x, y) en el conjunto
V {(x, y) : F(x, y) = x
2
+ y
2
1 = 0}, x A y (x, y) = K(x, 0), de donde se deduce que
y = k
2
(x, 0) = g(x) (k
2
la segunda componente de la funcion K)
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Es decir, la parte de la circunferencia que esta en V son los puntos (x, y) que verican
y = g(x) con x A: la graca de la funcion y = g(x) en A.
La demostracion del teorema en el caso general reproduce los pasos que hemos dado en este
ejemplo.
Observaciones:
Consideraremos funciones denidas en un abierto de R
n+m
. Para describir los puntos y la
funcion, expresaremos R
n+m
como el producto cartesiano R
n
R
m
, y sus puntos como pares
(x, y) donde x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
m
), y escribiremos F(x, y).
La matriz de la diferencial de F quedara de la forma
dF(x, y) =
_
_
_
df
1
dx
1
(x, y) . . .
df
1
dxn
(x, y)
df
1
dy
1
(x, y) . . .
df
1
dym
(x, y)
.
.
.
.
.
.
.
.
.
.
.
.
dfm
dx
1
(x, y) . . .
dfm
dxn
(x, y)
dfm
dy
1
(x, y) . . .
dfm
dym
(x, y)
_
_
_
Denotaremos por d
Y
F(x, y) la submatriz de dF(x, y) correspondiente a las columnas de las
variables y = (y
1
, . . . , y
m
) (es decir, las ultimas m columnas de la matriz de la diferencial de F
en (x, y)). Y llamaremos J
Y
F(x, y) al determinante de esta matriz,
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

J
Y
F(x, y) =
df
1
dy
1
(x, y) . . .
df
1
dym
(x, y)
.
.
.
.
.
.
dfm
dy
1
(x, y) . . .
dfm
dym
(x, y)
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Teorema (de la Funcion Implcita).
Sea U abierto en R
n+m
y F : U R
m
1
en U. Sea (a, b) U tal que F(a, b) = 0 y det(d
Y
F(a, b) = 0.
Entonces existen un abierto V contenido en U, con (a, b) V , un
abierto A en R
n
, y una funcion G : A R
m
tales que:
i) a A
ii) G(a) = b
iii) {(x, G(x)), x A} = {(x, y) V, F(x, y) = 0}
iv) G es de clase C
1
en A.
Se dice que la ecuacion F(x, y) = 0 dene implcitamente y como
funcion de x, y = G(x), en un entorno de (a, b).
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Denamos la funcion H : U R
n+m
por H(x, y) = (x, F(x, y)).
H es una funcion de clase C
1
en U, pues cada una de sus componentes lo es, y
dH(x, y) =
_
_
_
_
_
_
_
_
1 ... 0 0 ... 0
. . . . . .
0 ... 1 0 .. 0
df
1
dx
1
...
df
1
dxn
df
1
dy
1
...
df
1
dym
. . . . . .
dfm
dx
1
...
dfm
dxn
dfm
dy
1
...
dfm
dym
_
_
_
_
_
_
_
_
(x,y)
luego det(dH(a, b)) = det(d
Y
F(a, b)) = 0
Aplicando a H el Teorema de la Funcion Inversa entorno a (a, b), existen un entorno abierto
V de (a, b), V U, un entorno abierto W de H(a, b) = (a, F(a, b)) = (a, 0), W H(U), y
una funcion K : W V , de modo que H es inyectiva en V , H(V ) = W, K(W) = V , y
K(H(x, y)) = (x, y) para todo (x, y) V . Ademas K es de clase C
1
en W.
Denimos entonces A = {x R
n
: (x, 0) W} , y G : A R
m
por
G(x) = (k
n+1
(x, 0), . . . , k
n+m
(x, 0))
es decir, g
i
(x) = k
n+i
(x, 0) para todo x A.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Se verican:
A es abierto: en efecto, si consideramos la inclusion I
n
: R
n
R
n+m
denida por
I
n
(x
1
, . . . , x
n
) = (x
1
, . . . , x
n
, 0, . . . , 0)
entonces A = I
1
n
(W), e I
n
es continua, luego A es abierto.
Ademas a A, pues (a, 0) = H(a, b) H(V ) = W
Y G(a) = b: en efecto, como H(a, b) = (a, 0), aplicando K a ambos lados de la igualdad se
tiene
_
K(H(a, b)) = (a, b)
K(a, 0) = (k
1
(a, 0), . . . , k
n
(a, 0), k
n+1
(a, 0), . . . , k
n+m
(a, 0))
e igualando las m ultimas componentes,
b = (k
n+1
(a, 0), . . . , k
n+m
(a, 0)) = G(a)
Por ultimo, hay que probar que {(x, G(x)), x A} = {(x, y) V, F(x, y) = 0}.
Tomamos en primer lugar x A; vamos a ver que (x, G(x)) V y que F(x, G(x)) = 0.
x A equivale a que (x, 0) W = H(V ), y como H es inyectiva en V , existe un unico
(x
, y
) V tal que H(x
, y
) = (x, 0).
Por denicion de H,
(x, 0) = H(x
, y
) = (x
, F(x
, y
))
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

luego igualando las primeras componentes, x = x
, e igualando las ultimas F(x
, y
) = 0
Por otro lado, aplicando K a ambos lados de la igualdad,
_
K(H(x
, y
)) = (x
, y
)
K(x, 0) = (k
1
(x, 0), . . . , k
n
(x, 0), k
n+1
(x, 0), . . . , k
n+m
(x, 0))
e igualando las ultimas componentes,
y
= (k
n+1
(x, 0), . . . , k
n+m
(x, 0)) = G(x)
Por tanto (x, G(x)) = (x
, y
) V y F(x, G(x)) = F(x
, y
) = 0
Recprocamente, sea ahora (x, y) V con F(x, y) = 0. Aplicando H, H(x, y) = (x, F(x, y)) =
(x, 0) pertenece a H(V ) = W, luego x A.
Ademas, aplicado K,
_
K(H(x, y)) = (x, y)
K(H(x, y)) = K(x, 0) = (k
1
(x, 0), . . . , k
n
(x, 0), k
n+1
(x, 0), . . . , k
n+m
(x, 0))
e igualando las ultimas componentes, y = (k
n+1
(x, 0), . . . , k
n+m
(x, 0)) = G(x)
Por tanto (x, y) = (x, G(x)) con x A
Para terminar, seg un el teorema de la funcion inversa, K es de clase C
1
en W, y por tanto
lo sera cada componente k
n+i
, 1 i m. Y la inclusion I
n
que denimos antes tambien es
evidentemente de clase C
en R
n
, luego cada g
i
(x) = k
n+i
I
n
(x) sera de clase C
1
en A, y por
tanto G es de clase C
1
en A.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Esto termina la demostracion.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Observaciones:
1. En el caso F : R
2
R, el teorema nos indica que en las condiciones del enunciado, en
un entorno del punto (a, b) el conjunto de ceros de F no puede tener la forma de un aspa,
por ejemplo, ya que es ese caso no podra ser la graca de una funcion del tipo y = f(x)
ni x = g(y).
Para poder ser, por ejemplo, la graca de una funcion y = f(x) en un entorno de (a, b),
es necesario que en ese entorno de (a, b), para cada x exista un unico valor y de modo que
(x, y) V y F(x, y) = 0.
2. La ecuacion F(x, y) = 0, con F : U R
m
y U R
n
R
m
es un sistema de m
ecuaciones (no lineales en general) con n +m incognitas
f
1
(x
1
, . . . , x
n
, y
1
, . . . , y
m
) = 0
.
.
.
.
.
.
f
m
(x
1
, . . . , x
n
, y
1
, . . . , y
m
) = 0
_
_
En la demostracion se supone que las ultimas m incognitas determinan en la matriz de
dF(a, b) una submatriz con determinante no nulo. Igualmente se puede demostrar el resul-
tado para cualquier conjunto de m variables x
i
1
, . . . , x
im
siempre que formen en dF(a, b)
una submatriz de rango m. Como en el caso de un sistema de ecuaciones lineal, pueden
despejarse esas m variables como funcion implcita del resto de las variables.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

3. Si F es de clase C
p
en U, la funcion implcita G es tambien de clase C
p
en A.
4. Consideremos de nuevo en caso U R
2
y F : U R, y vamos a ver como se puede
calcular la derivada de la funcion implcita y = g(x)
Seg un el teorema g es de clase C
1
en A, y F(x, g(x)) = 0 para todo x A. As, la funcion
h(x) = F(x, g(x)), denida en A, es identicamente nula y de clase C
1
en A, luego para
todo x A tiene que ser h
(x) = 0
Ahora bien,
h
(x) =
dF
dx
(x, g(x)) +
dF
dy
(x, g(x))g
(x) = 0
luego
g
(x) =
dF
dx
(x, g(x))
dF
dy
(x, g(x))
(donde el denominador no se anula en A por las condiciones de las hipotesis sobre F
Para calcular derivadas de orden superior de g, si F es de clase C
p
, basta aplicar la derivacion
de un cociente y la regla de la cadena.
Por simplicar las notaciones, se suele escribir y = y(x) en vez de y = g(x), expresando
mas concisamente que la coordenada y se puede denir mediante una funcion implcita de
x, denida en un entorno del punto a, A, de modo que F(x, y(x)) = 0 para todo x A.
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

La formula anterior nos da la derivada de y(x),
y
(x) =
dF
dx
(x, y(x))
dF
dy
(x, y(x))
5. En el caso mas general de funciones F : U R
m
donde U es un abierto de R
n+m
se
escribe y = y(x), o y
j
= y
j
(x
1
, . . . , x
n
) para cada j = 1 . . . m.
Seg un el apartado (iii), H(x) = F(x, y(x)) es identicamente nula en A, es decir
f
1
(x, y(x)) = f
1
(x
1
, . . . , x
n
, y
1
(x
1
, . . . , x
n
), . . . , y
m
(x
1
, . . . , x
n
)) = 0
.
.
.
.
.
.
.
.
.
f
m
(x, y(x)) = f
m
(x
1
, . . . , x
n
, y
1
(x
1
, . . . , x
n
), . . . , y
m
(x
1
, . . . , x
n
)) = 0
_
_
para todo x A.
Derivando en cada ecuacion respecto de una de las variables x
i
, las derivadas parciales
seran tambien nulas
df
1
dx
i
(x, y(x)) +
df
1
dy
1
(x, y(x))
dy
1
dx
i
(x) + +
df
1
dym
(x, y(x))
dym
dx
i
(x) = 0
.
.
.
.
.
.
dfm
dx
i
(x, y(x)) +
dfm
dy
1
(x, y(x))
dy
1
dx
i
(x) + +
dfm
dym
(x, y(x))
dym
dx
i
(x) = 0
_
_
Teoremas de la
Funcion Inversa
y de la Funcion
Implcita
Introduccion
Teorema de la . . .
Teorema de la . . .

Este es un sistema de ecuaciones lineal, compatible determinado, del que se pueden despejar
las soluciones
dy
1
dx
i
(x), . . . ,
dym
dx
i
(x) para cada x de A.
Extremos
Condicionados
Introduccion
Funciones Regulares
Teorema de los . . .

1. Introduccion
A lo largo de la historia se han buscado leyes que describan los fenomenos del mundo fsico. El
primer cientco que formulo un principio general para el comportamiento del universo fue Pierre
Louis Moreau de Maupertuis, seg un el cual, y dicho brevemente, las leyes fsicas son consecuencia
de un principio de economa de medios: los fenomenos de la naturaleza siempre se producen de
manera que se minimice alguna cantidad. Por ejemplo, los sistemas fsicos tienden a un punto
de equilibrio de mnima energa; la forma esferica de las pompas de jabon esta relacionado con el
echo de que la esfera es la supercie de area mnima que encierra un volumen dado.
As, muchos problemas fsicos se describen en terminos equivalentes a encontrar el maximo o
el mnimo de alguna funcion, y los problemas de maximos y mnimos son uno de los objetivos de
las matematicas.
Ya hemos estudiado algunas tecnicas para la determinacion de maximos y mnimos. En este
captulo vamos a intentar completar el estudio. Hasta ahora sabemos que si una funcion escalar
diferenciable f tiene un maximo o un mnimo en un punto interior de su dominio, x
0
, este punto
debe ser un punto crtico: debe ser f(x
0
) =
0; y ademas en este caso, con un poco de suerte,

podemos aplicar el teorema de clasicacion de puntos crticos para saber si es de verdad maximo
o mnimo relativo, seg un el signo de la derivada segunda de f en x
0
. A un as no sabemos si es
o no un extremo absoluto de f. Y tambien sabemos que una funcion continua en un conjunto
compacto alcanza el maximo y el mnimo absolutos, pero no sabemos en que puntos.
Hay muchos problemas en los que la funcion a maximizar o minimizar no esta denida en un
Extremos
Condicionados
Introduccion
Funciones Regulares

conjunto abierto, o el objetivo x
0
no es un punto interior al dominio: consideremos el ejemplo de
las pompas de jabon, pero con una gura un poco mas sencilla para operar.
Tratamos de encontrar las dimensiones del paraleleppedo de menor area, que encierre un
volumen dado V.
x
y
z
Si las dimensiones del paraleleppedo son x, y, z (profundidad, anchura y altura), el area
total sera A(x, y, z) = 2xy + 2zx + 2yz, pero para que encierre un volumen V tiene que ser
V (x, y, z) = xyz = V . As que tenemos que encontrar el mnimo de la funcion A(x, y, z) denida
en el conjunto de puntos N = {(x, y, z) : xyz = V }, que no es un conjunto abierto en R
3
Este tipo de problemas se denominan problemas de extremos condicionados, o problemas
de extremos con restricciones. Las tecnicas para estudiar este tipo de problemas tienen en cuenta
condiciones sobre el tipo de conjuntos donde estan denidas las funciones (restricciones), y el
tipo de funcion.
Extremos
Condicionados
Introduccion
Funciones Regulares

2. Funciones Regulares
Denicion (Funcion regular).
p
, y G : U R
m
. Se dice que G es regular en U si es de clase C
1
en
U, y ademas para todo x U dG(x) tiene rango maximo.
Si p > m, G sera regular si es de clase C
1
y rg(dG(x)) = m para todo x. Y si p = m, es
regular si det(dG(x)) = 0 para todo x.
Por ejemplo, si G(x, y) = x
2
+ y
2
1, G sera regular en el conjunto de puntos U donde el
rango de la diferencial de G sea uno.
dG(x, y) = (2x, 2y)
el rango de G es cero si x = 0 e y = 0. En otro caso, el rango es uno. Entonces G es regular en
el conjunto U = R
2
\ {(0, 0)}
Generalizando el concepto de los conjuntos de nivel de una funcion escalar que vimos en el
primer captulo, podemos denir conjuntos de nivel de funciones vectoriales
Denicion (Conjuntos de Nivel).
p
, y F : R
p
R
m
, donde m < p. Se llaman conjuntos de nivel de F a
Extremos
Condicionados
Introduccion
Funciones Regulares

los conjuntos de puntos de U donde F toma un mismo valor: dado z R
m
, el conjunto de nivel
z de F es
N
z
= {x U : F(x) = z} = F
1
(z) U
Es decir, N
z
es el conjunto de soluciones, en U, del sistema de ecuaciones
f
1
(x
1
, . . . , x
p
) = z
1
.
.
.
.
.
.
f
m
(x
1
, . . . , x
p
) = z
m
_
_
siendo F = (f
1
, . . . , f
m
) y z = (z
1
, . . . , z
m
)
Los conjuntos de nivel de las funciones regulares de R
p
en R
m
(m < n) forman parte de
una clase mas amplia de conjuntos, llamados variedades diferenciales de dimension n = p m
en R
p
. La condicion de que F sea regular hace que estos conjuntos de nivel tengan un aspecto
geometrico singular, como vamos a ver.
Consideremos primero el caso del conjunto de nivel cero, N
0
, de una funcion regular F denida
en un abierto U de R
p
y con valores en R
m
, donde p > m.
N
0
= {x U : F(x) = 0} = F
1
(0) U
Sea x
0
N
0
. Como F es regular, rg(dF(x
0
)) = m, y por tanto en la matriz de la diferencial
de F en x
0
hay un menor de dimension m distinto de cero. Por comodidad, vamos a suponer
Extremos
Condicionados
Introduccion
Funciones Regulares

que es el formado con las ultimas m columnas. Podemos aplicar a F el Teorema de la Funcion
Implcita entorno a x
0
.
Escribimos R
p
= R
n
R
m
, los puntos de R
p
como pares (x, y), el punto x
0
= (a, b), y
tenemos F : U R
m
1
en U, con F(a, b) = 0,
dF(a, b) =
_
_
_
df
1
dx
1
. . .
df
1
dxn
df
1
dy
1
. . .
df
1
dym
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
dfm
dx
1
. . .
dfm
dxn
dfm
dy
1
. . .
dfm
dym
_
_
_
(a,b)
y J
Y
F(a, b) = 0
Aplicando el Teorema de la Funcion Implcita, existe un abierto V entorno de x
0
= (a, b),
V U, en el que el conjunto de soluciones del sistema F
1
(0) V es la graca de una funcion
de clase C
1
, y = y(x
1
, . . . , x
n
) denida en un entorno A de a en R
n
, con y(a) = b
Es decir, para cada punto del conjunto N
0
, hay un entorno en el que el conjunto N
0
es la
graca de una funcion de R
n
en R
m
Para otros conjuntos de nivel N
z
0
la situacion es similar, sustituyendo la funcion F por la
funcion F z
0
.
Ejemplo 1. Conjuntos de nivel de funciones regulares en el plano y en el espacio
Extremos
Condicionados
Introduccion
Funciones Regulares

Si n = 1, N
0
es una curva, variedad diferencial de dimension 1; si n = 2, N
0
es una supercie,
variedad diferencial de dimension 2.
F(x, y) = x
2
+ y
2
1
N
0
es la circunferencia de centro (0, 0) y radio 1.
F(x, y, z) = x
2
+ y
2
+ z
2
1
N
0
es la esfera de centro (0, 0, 0) y radio 1
G(x, y, z) = (x + y + z, x 1)
N
0
es una recta
Siguiendo con las propiedades de los conjuntos de nivel, hemos dicho que existe un entorno V
de (a, b) en R
n
R
m
de modo que la parte del conjunto de nivel N
0
que esta en V es la graca
de una funcion
V N
0
= {(x, y) V : F(x, y) = 0} = {(x, y(x)), x A}
Extremos
Condicionados
Introduccion
Funciones Regulares

Eso signica que la funcion H(x) = F(x, y(x)) es identicamente nula en A
H(x) = F(x, y(x)) = 0 para todo x A
lo que a su vez implica que todas las derivadas parciales de todas las componentes de H son cero
en todos los puntos de A.
Cada componente h
j
de H es de la forma
h
j
(x
1
, . . . , x
n
) = f
j
(x
1
, . . . , x
n
, y
1
(x
1
, . . . , x
n
), . . . , y
m
(x
1
, . . . , x
n
))
Calculando esas derivadas parciales,
0 =
dh
j
dx
i
(x) =
df
j
dx
i
(x, y(x)) +
df
j
dy
1
(x, y(x))
dy
1
dx
i
(x) + +
df
j
dy
m
(x, y(x))
dy
m
dx
i
(x)
Esta expresion se puede escribir en forma de un producto escalar
0 =< f
j
(x, y(x)), (e
i
,
dy
dx
i
(x)) >
donde
dy
dx
i
(x) = (
dy
1
dx
i
(x), . . . ,
dy
m
dx
i
(x)), y e
i
= (0, . . . , 1
(i)
, . . . , 0) es el i-esimo vector de la base
canonica de R
n
.
Extremos
Condicionados
Introduccion
Funciones Regulares

En consecuencia, en particular para x = a, y(a) = b, tenemos que el vector f
j
(a, b) es
ortogonal a todos los vectores de la forma (e
i
,
dy
dx
i
(a))
El espacio vectorial T generado por esta familia de vectores, {(e
i
,
dy
dx
i
(a)); 1 i n} tiene
dimension n en R
p
= R
n+m
, y se denomina espacio vectorial tangente a N
0
en (a, b)
Por otro lado, la condicion de que F sea regular, asegura que la familia de vectores que
forman la matriz de dF(a, b), {f
j
(a, b); 1 j m}, es linealmente independiente y por tanto
genera un espacio vectorial L de dimension m, que hemos visto que es espacio ortogonal a T en
R
n+m
. L se denomina espacio vectorial normal a N
0
en (a, b)
Utilizando los conocimientos de algebra lineal, podemos decir que el espacio normal a N
0
en (a, b) es la imagen de la aplicacion transpuesta de la diferencial de F en (a, b) y el espacio
tangente es el n ucleo de dF(a, b).
Denicion (Espacio tangente y espacio normal).
Sea U un conjunto abierto en R
p
, y F : R
p
R
m
una funcion regular en U (m < p). Sea
N
0
el conjunto de nivel cero de F, N
0
= {x U : F(x) = 0}, y x
0
N
0
. Se llama espacio
vectorial normal a N
0
en x
0
al espacio L imagen de la aplicacion transpuesta de dF(x
0
), y se
llama espacio tangente a N
0
en x
0
al espacio T ortogonal a L, que es el n ucleo de la aplicacion
dF(x
0
)
Extremos
Condicionados
Introduccion
Funciones Regulares

L =
_
_
x = (dF(x
0
))
t
=
_
_
_
df
1
dx
1
(x
0
) . . .
dfm
dx
1
(x
0
)
.
.
.
.
.
.
.
.
.
df
1
dxp
(x
0
) . . .
dfm
dxp
(x
0
)
_
_
_
_
_
_
1
.
.
.
m
_
_
_
_
_
R
n+m
T =
_
_
x R
n+m
:
_
_
_
df
1
dx
1
(x
0
) . . .
df
1
dxp
(x
0
)
.
.
.
.
.
.
.
.
.
dfm
dx
1
(x
0
) . . .
dfm
dxp
(x
0
)
_
_
_
_
_
_
x
1
.
.
.
x
p
_
_
_
=
_
_
_
0
.
.
.
0
_
_
_
_
_
Se llaman espacio afn normal a N
0
en x
0
y espacio afn tangente a N
0
en x
0
a los espacios
anes paralelos a L y T respectivamente que pasan por x
0
Ejemplo 2. Espacios Tangentes y Normales
1) Sea G(x, y) = x
2
+y
2
1, y (a, b) un punto de la circunferencia N
0
; dG(a, b) = (2a, 2b)
El espacio tangente a N
0
en (a, b) es el conjunto de los puntos (x, y) R
2
que verican
2ax + 2by = 0
y el espacio tangente afn en (a, b) es la recta
2ax + 2by = 2a
2
+ 2b
2
= 2
Extremos
Condicionados
Introduccion
Funciones Regulares

o equivalentemente
ax + by = 1
que corta a los ejes de coordenadas en los puntos (1/a, 0) y (0, 1/b)
(a, b) 1/b
1/a
a
x
+
b
y
=
1
2) Sea f(x) una funcion derivable con derivada continua en un intervalo (, ), y sea
G(x, y) = y f(x) G es de clase C
1
en (, ) R y
dG(x, y) = (f
(x), 1)
tiene siempre rango uno, luego G es regular.
Ademas N
0
= {(x, y : G(x, y) = 0} = {(x, y) : y = f(x)} es la graca de f. La ecuacion
de la recta vectorial tangente a N
0
en un punto (x
0
, f(x
0
) sera
Extremos
Condicionados
Introduccion
Funciones Regulares

{(x, y) : < G(x
0
, f(x
0
)), (x, y) >= 0} = {(x, y) : f
(x
0
)x + y = 0}
y la recta tangente afn a N
0
que pasa por (x
0
, f(x
0
) sera
{(x, y) : f
(x
0
)x + y = f
(x
0
)x
0
+ f(x
0
)} =
= {(x, y) : y f(x
0
) = f
(x
0
)(x x
0
)}
que coincide con la ecuacion de la recta tangente a una graca que ya conocemos.
Extremos
Condicionados
Introduccion
Funciones Regulares

3. Teorema de los Multiplicadores de Lagrange
Sea ahora U un abierto de R
p
, y F : U R
m
(m < p) una funcion regular. Consideramos el
conjunto de nivel 0 de F en U, N = {(x U : F(x) = 0}. N es el conjunto de soluciones del
sistema de ecuaciones
f
1
(x
1
, . . . , x
p
) = 0
.
.
.
f
m
(x
1
, . . . , x
p
) = 0
_
_
Y sea f : U R una funcion escalar. Se trata de encontrar los puntos extremos, maximos
o mnimos, de f sobre N, es decir, los extremos de f(x
1
, . . . , x
p
) con la condicion de que
x = (x
1
, . . . , x
p
) N, o dicho de otra forma, los extremos de f|
N
: N R
El teorema de los Multiplicadores de Lagrange da una condicion necesaria para que un punto
de N pueda ser un extremo relativo de f|
N
, similar a la condicion de punto crtico de los extremos
de una funcion en un conjunto abierto.
Vamos a ver dos demostraciones del teorema, una basada en la propiedad de los conjuntos
de nivel de las funciones regulares que hemos visto antes, de ser localmente la graca de una
funcion, y otra directa. Ambas demostraciones utilizan basicamente el teorema de la Funcion
Implcita.
Observemos que f|
N
tendra un maximo relativo en un punto x
0
N si existe una bola
B(x
0
, r) U en R
n
tal que f(x) f(x
0
) para todo x B(x
0
, r) N; y tendra un mnimo rela-
Extremos
Condicionados
Introduccion
Funciones Regulares

tivo si es f(x) f(x
0
) para todo x B(x
0
, r) N. El extremo sera estricto si las desigualdades
son estrictas.
Extremos
Condicionados
Introduccion
Funciones Regulares

Teorema (Teorema de los Multiplicadores de Lagrange).
p
, f : U R diferenciable, y F : U R
m
regular (m < p). Sea N el conjunto de nivel 0 de F, N = {x
U : F(x) = 0}, y x
0
N. Si f|
N
tiene un extremo relativo en x
0
,
entonces existen n umeros
1
, . . . ,
m
tales que
f(x
0
) =
m
i=1
i
f
i
(x
0
)
donde F = (f
1
, . . . , f
m
). Los n umeros
1
, . . . ,
m
se denominan
multiplicadores de Lagrange.
Supongamos que f|
N
tiene en x
0
un maximo relativo. La demostracion sera analoga si fuera
un mnimo. Entonces existe una bola B(x
0
, r) U tal que para todo x B(x
0
, r) N se tiene
f(x) f(x
0
). Podemos suponer que f esta denida en esa bola abierta (U = B(x
0
, r)).
Puesto que F es regular, en la matriz de dF(x
0
) hay un menor de orden m distinto de
cero. Vamos a suponer que es el menor formado por las ultimas m columnas, y vamos a escribir
Extremos
Condicionados
Introduccion
Funciones Regulares

R
p
= R
n
R
m
, donde n = p m, los vectores de R
p
como pares (x, y), x
0
= (a, b), y f y F
como f(x, y) y F(x, y).
Aplicando a F el Teorema de la Funcion Implcita, existira un abierto V contenido en U, con
(a, b) V , en el que la ecuacion F(x, y) = 0 permite despejar y = y(x) como funcion implcita
de clase C
1
en un abierto A R
n
, de modo que el conjunto de puntos de V que son soluciones
de la ecuacion F(x, y) = 0 es la graca de la funcion y(x) en R
n+m
. Es decir
V N = {(x, y(x)); x A}
Como f(x
0
) = f(a, b) f(x, y) para todo (x, y) B(x
0
, r) N, tambien f(a, b) f(x, y)
para todo (x, y) V N B(x
0
, r) N; luego f(a, b) f(x, y(x)) para todo x A
Ahora, la funcion h(x) = f(x, y(x)) es una funcion diferenciable en un conjunto abierto A
de R
n
, que tiene un maximo en el punto x = a, y por tanto tiene diferencial cero en ese punto.
Calculando las derivadas parciales de h, tenemos:
dh
dx
i
(x) =
df
dx
i
(x, y(x)) +
df
dy
1
(x, y(x))
dy
1
dx
(x) + +
df
dy
m
(x, y(x))
dy
m
dx
i
(x)
o lo que es lo mismo,
dh
dx
i
/(x) =< f(x, y(x)), (e
i
,
dy
dx
i
(x)) >
Extremos
Condicionados
Introduccion
Funciones Regulares

donde
dy
dx
i
(x) = (
dy
1
dx
(x), . . . ,
dym
dx
i
(x)) y e
i
es el i-esimo vector de la base canonica de R
n
.
En particular, si x = a, las derivadas de h se anulan, luego el vector f(a, b) es ortogonal
a todos los vectores (e
i
,
dy
dx
i
(a)), que como hemos estudiado antes generan el espacio vectorial
T tangente a N
0
en x
0
= (a, b). Por tanto el vector f(a, b) esta en el espacio normal a N
0
en (a, b), L, generado por los vectores f
j
(a, b), 1 j m, y se tiene el resultado: existen
n umeros
1
, . . . ,
m
tales que
f(x
0
) =
1
f
1
(x
0
) + +
m
f
m
(x
0
)
2
a
Demostracion: (Ver Analisis Matematico T.M. Apostol)
Se trata de demostrar que en las condiciones del enunciado, el sistema de ecuaciones
df
dx
1
(x
0
) =
1
df
1
dx
1
(x
0
) + +
m
dfm
dx
1
(x
0
)
.
.
.
.
.
.
df
dxp
(x
0
) =
1
df
1
dxp
(x
0
) + +
m
dfm
dxp
(x
0
)
_
_
en las variables
1
, . . . ,
m
tiene solucion.
La hipotesis de que F es regular, nos asegura que rang(dF(x
0
)) = m, as que vamos a
suponer, por comodidad, que las m ultimas columnas determinan en la matriz de dF(x
0
) un
menor distinto de cero.
Escribimos a partir de ahora, R
p
= R
n
R
m
, donde n = p m, x = (x, y), y x
0
= (a, b),
y f(x) = f(x, y), F(x) = F(x, y), donde x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
m
). La condicion de
regularidad implica que J
Y
F(a, b) = 0
Extremos
Condicionados
Introduccion
Funciones Regulares

El sistema de ecuaciones queda entonces de la forma
df
dx
1
(a, b) =
1
df
1
dx
1
(a, b) + +
m
dfm
dx
1
(a, b)
.
.
.
.
.
.
df
dxn
(a, b) =
1
df
1
dxn
(a, b) + +
m
dfm
dxn
(a, b)
df
dy
1
(a, b) =
1
df
1
dy
1
(a, b) + +
m
dfm
dy
1
(a, b)
.
.
.
.
.
.
df
dym
(a, b) =
1
df
1
dym
(a, b) + +
m
dfm
dym
(a, b)
_
_
= S
Si observamos las ultimas m las del sistema de ecuaciones, tenemos un sistema lineal de m
ecuaciones y m incognitas, cuya matriz de coecientes es la transpuesta de d
Y
F(a, b), que hemos
supuesto que tiene determinante distinto de cero. As pues, tiene solucion. Por tanto tenemos
una familia de n umeros
1
, . . .
m
que verican las ultimas m ecuaciones. Hay que demostrar
que para esos valores se verican tambien las n primeras ecuaciones.
Vamos a suponer tambien que f|
N
tiene un maximo relativo en x
0
. Si fuese un mnimo, la
demostracion sera analoga. Entonces existe una bola B(x
0
, r) U tal que f(x) f(x
0
) para
todo x B(x
0
, r) N. Consideraremos las funciones f y F en esta bola.
La condicion x
0
= (a, b) N signica que F(a, b) = 0, ademas F es de clase C
1
, y
J
Y
F(a, b) = 0. Todo esto nos permite utilizar el Teorema de la Funcion Implcita: existe un
Extremos
Condicionados
Introduccion
Funciones Regulares

abierto V B(x
0
, r) que contiene a (a, b), un entorno A de a en R
n
, y una unica funcion
y = y(x) denida en A, de clase C
1
, tal que y(a) = b y V N = {(x, y) V : F(x, y) = 0} =
{(x, y(x)), x A}. Es decir, en un entorno V de (a, b), N es la graca de la funcion y(x).
El teorema implica en particular que F(x, y(x)) = 0 para todo x A.
Y tambien que para todo x A, como (x, y(x)) V N B(x
0
, r) N, se tiene
f(x, y(x)) f(a, b) = f(a, y(a))
Denimos las funciones H(x) = F(x, y(x)) para x A, H : A R
m
H(x
1
, . . . , x
n
) = F(x
1
, . . . , x
n
, y
1
(x
1
, . . . , x
n
), . . . y
m
(x
1
, . . . , x
n
))
y h(x) = f(x, y(x)) para x A, h : A R,
h(x
1
, . . . , x
n
) = f(x
1
, . . . , x
n
, y
1
(x
1
, . . . , x
n
), . . . y
m
(x
1
, . . . , x
n
))
Tenemos que H(x) = 0 para todo x A, y que h(x) tiene un maximo relativo en a A
De la primera condicion,
h
i
(x
1
, . . . , x
n
) = f
i
(x
1
, . . . , x
n
, y
1
((x
1
, . . . , x
n
), . . . y
m
(x
1
, . . . , x
n
)) = 0
para todo i = 1, . . . , m, y para todo x A, se deduce que todas las derivadas parciales de h
i
son cero en todo A, luego al calcular las derivadas parciales de cada h
i
Extremos
Condicionados
Introduccion
Funciones Regulares

(I)
dh
i
dx
j
(x) =
=
df
i
dx
j
(x, y(x)) +
df
i
dy
1
(x, y(x))
dy
1
dx
j
(x) + +
df
i
dy
m
(x, y(x))
dy
m
dx
j
(x) =
=
df
i
dx
j
(x, y(x)) +
m
k=1
df
i
dy
k
(x, y(x))
dy
k
dx
j
(x) = 0
para todo x A, y en particular en x = a, y(a) = b, para todo i = 1, . . . , m y todo j = 1, . . . , n
Y de la segunda condicion, h tiene que tener un punto crtico en a luego dh(a) = 0, es decir,
todas las derivadas parciales de h se anulan en a:
(II)
dh
dx
j
(a) =
df
dx
j
(a, b) +
m
k=1
df
dy
k
(a, b)
dy
k
dx
j
(a) = 0
para todo j = 1, . . . , n
Para j jo, multiplicamos cada ecuacion de (I) por
i
, sumamos, y se lo restamos a (II),
Extremos
Condicionados
Introduccion
Funciones Regulares

df
dx
j
(a) +
m
k=1
df
dy
k
(a, b)
dy
k
dx
j
(a)
i=1
_
i
df
i
dx
j
(x, y(x)) +
m
k=1
i
df
i
dy
k
(x, y(x))
dy
k
dx
j
(x)
_
= 0
m
k=1
_
df
dy
k
(a, b)
m
i=1
i
df
i
dy
k
(a, b)
_
dy
k
dx
j
(a) +
df
dx
j
(a, b)
m
i=1
i
df
i
dx
j
(a, b) = 0
Aqu,
_
df
dy
k
(a, b)
m
i=1
i
df
i
dy
k
(a, b)
_
= 0
para todo k = 1, . . . , m por la denicion de
1
, . . . ,
m
(es la segunda parte del sistema de
ecuaciones S), luego el primer sumando se anula, y queda solo
Extremos
Condicionados
Introduccion
Funciones Regulares

df
dx
j
(a, b) =
m
i=1
i
df
i
dx
j
(a, b)
para todo j = 1, . . . , n, que es la primera parte del sistema de ecuaciones S, lo que termina la
demostracion.

Análisis de Varias Variables Reales (2008)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Análisis de Varias Variables Reales (2008)

Uploaded by

Copyright:

Available Formats

Introduccion

= (x, y, 0), y el tercero es la altura de P sobre el plano horizontal, la coordenada z. La terna

Como consecuencia, se demuestran las propiedades fundamentales de la norma

Angulo entre vectores).

Demostracion: (Saltar al nal de la demostracion)

y tomando races positivas se tiene la primera desigualdad.

y tomando races positivas de tiene

de donde se obtiene la ultima desigualdad multiplicando a ambos lados por

(0, 1) = {(x, y) : max{|x|, |y|} < 1}}

, se deducen contenidos entre las

, al conjunto de puntos de acumulacion de A.

A es acotado si y solo si A es acotado

Hay una relacion directa entre la convergencia de sucesiones y la topologa de un conjunto: se

de K. Por las propiedades de los lmites, entonces la subsucesion

, luego tiene que ser x = x

El teorema de Bolzano Weierstrass caracteriza los conjuntos compactos de cualquier espacio

Ejemplo 7. Estudiar los lmites iterados, y el lmite de f en el origen de la siguiente funcion.

Corolario 1 (Valores Intermedios).

Corolario 3 (Composicion de funciones uniformemente continuas).

Como consecuencia se puede demostrar el siguiente resultado, al que se ajustan algunos de

Por otra parte, es evidente que si x = 0 tambien T(x) = 0 = Kx.

y por tanto, si existe la derivada de F en t

(t) representa la velocidad del movil en el instante t, y su norma

(t) es la magnitud de la velocidad (unidad de longitud entre unidad de tiempo)

(x): para comprobarlo basta escribir la denicion de

(x) = 2x sen(x) cos(y) + (x

Denicion (Matriz Jacobiana y Gradiente).

En muchos casos, no sera necesario estudiar directamente la diferenciabilidad de una funcion

h < , y evidentemente tambien si

c) Existen dos constantes M

Como consecuencia se obtiene de forma inmediata otro importante resultado:

Entonces dado > 0 basta tomar = min{

K), aplicando la desigualdad

(a) = 2a para todo a R. Entonces h es diferenciable, y

(a))(t) = 2at para todo t R

Geometricamente esto signica

(c) =< f((c)), y x >

h) f(x) sumando y restando los valores de f en todos los

(x) no es continua en x = 0, ya que

La situacion que aparece en este ejemplo, en el que las dos derivadas

Por ultimo, si ahora h y j tienden a cero, necesariamente el punto (, ) tiende a (x

(t) = < f(G(t)), x y >=

(0) = 0. Ahora bien

Ejemplo 3. Clasicar los puntos crticos de las funciones f(x, y) = x

En muchos problemas, el estudio completo del caracter de los extremos de f requerira el

: U U R es continua. Si (a, . . . , a) = 0, existira un entorno B de

(0) = 0, sin embargo no tiene inversa y menos a un

) V tal que H(x

, e igualando las ultimas F(x

) V y F(x, G(x)) = F(x

0; y ademas en este caso, con un poco de suerte,

You might also like