1

1. DIFERENCIABILIDADENVARIAS VARIABLES
1.1. DERIVADAS DIRECCIONALES Y PARCIALES
Denicin 1.1. Sea f : R
n
R, a R
n
y v R
n
. Se dene la derivada
direccional de f en a y en la direccin de v como:
D
v
f( a) = lm
h0
f
_
a + h
v
|| v||
_
f( a)
h
Si v es unitario, tenemos
D
v
f( a) = lm
h0
f ( a + h v) f( a)
h
Denicin 1.2. Derivadas parciales.
Sea f : R
n
R y a R
n
. Entonces se dene la derivada parcial i-sima
en a como
f
x
i
( a) = D
e
i
f( a) = lm
h0
f( a + h e
i
) f( a)
h
=
= lm
h0
f(a
1
, . . . , a
i
+ h, . . . , a
n
) f(a
1
, . . . , a
n
)
h
siendo e
i
= (0, . . . , 1
..
i)
, . . . , 0) el vector cannico i-simo (|| e
i
|| = 1).
Denotamos a las derivadas de segundo orden por

2
f
x
i
x
j
=

x
i
_
f
x
j
_
Se ha derivado primero con respecto a x
j
y luego con respecto a x
i
.

2
f
x
2
i
=

2
f
x
i
x
i
=

x
i
_
f
x
i
_
Se ha derivado dos veces con respecto a x
i
.
Teorema 1.1. Derivadas parciales mixtas. Teorema de Schwarz.
Sea f : R
n
R tal que
f
x
i
,
f
x
j
,

2
f
x
i
x
j
,

2
f
x
j
x
i
son continuas en un
entorno de a. Entonces

2
f
x
i
x
j
( a) =

2
f
x
j
x
i
( a)
2 1 DIFERENCIABILIDAD EN VARIAS VARIABLES
1.2. GRADIENTES Y DIFERENCIABILIDAD
Denicin 1.3. Sea f : R
n
R y a R
n
. Entonces se dene el gradiente
de f en a como
f( a) =
_
f
x
1
( a), . . . ,
f
x
n
( a)
_
Para que exista f( a) deben existir todas las derivadas parciales en a.
Denicin 1.4. Sea f : R
n
R y a R
n
. Se dice que f es diferenciable
en a si se verica que:
1.
f
x
i
( a) para todo i = 1, . . . , n 2. lm

0
f( a +

h) f( a) f( a)

h
||

h||
= 0
La propiedad 2. tambin se escribe como lm
x a
f( x) f( a) f( a)( x a)
|| x a||
=
0
En tal caso, la diferencial de f en a se dene como la aplicacin lineal
Df( a) : R
n
R tal que Df( a)( x) = f( a) x.
Propiedades. Sea f : R
n
R con a R
n
.
1. Si f es diferenciable en a, f es continua en a. El recproco es falso
(f(x, y) =
_
|xy| es continua en a = (0, 0) pero no diferenciable).
2. Si existe v R
n
tal que D
v
f( a), entonces f no es diferenciable en a.
3. Si
f
x
i
( x) son continuas en un entorno de a, entonces f es diferenciable
en a (el recproco es falso).
4. Sean f, g : R
n
R diferenciables en a R
n
. Entonces
4.1. D(f + g)( a) = Df( a) + Dg( a)
4.2. D(fg)( a) = g( a)Df( a) + f( a)Dg( a)
4.3. D
_
f
g
_
( a) =
g(a)Df(a)f(a)Dg(a)
g(a)
2
En la regla del cociente se supone que g(a) = 0.
Teorema 1.2. Sea f : R
n
R diferenciable en a R
n
y sea u R
n
un
vector unitario. Entonces
D
u
f( a) = f( a) u (producto escalar)
Si u no es unitario,
D
u
f( a) = f( a)
u
|| u||
1.2 GRADIENTES Y DIFERENCIABILIDAD 3
Como corolario de este resultado, se tiene que el valor mximo de las
derivadas direccionales de f en a se alcanza en la direccin del vector gra-
diente f( a), y el valor absoluto de esa derivada direccional es
|D
u,mx
f( a)| = ||f( a)| |
Otro hecho destacable es que, dada f : R
2
R, el vector gradiente
f( a), que supondremos no nulo, es perpendicular a la curva de nivel de
z = f(x, y) que pasa por a.
De igual modo, dada f : R
3
R , el vector gradiente f( a) es perpen-
dicular a la supercie de nivel de t = f(x, y, z) que pasa por a.
Denicin 1.5. Sea f : R
n
R
m
con a R
n
y f = (f
1
, . . . , f
m
). Entonces
se dice que f es diferenciable en a si f
i
es diferenciable a para todo i =
1, . . . , m. En tal caso, la diferencial de f en a se dene como la aplicacin
lineal Df( a) : R
n
R
m
Df( a)( x) =
_
_
_
f
1
x
1
( a)
f
1
x
n
( a)
.
.
.
.
.
.
.
.
.
f
m
x
1
( a)
f
m
x
n
( a)
_
_
_
x
A la matriz anterior se le llama matriz jacobiana de f en a y se denota
por Jf( a).
Regla de la cadena. Sean f : R
n
R
m
y g : R
m
R
p
tales que g f est
denida, f es diferenciable en a y g es diferenciable en f( a). Entonces g f
es diferenciable en a y D(g f)( a) = Dg(f( a))Df( a).
Casos particulares de la regla de la cadena.
Caso 1. Sea z = f(x, y) una funcin diferenciable de variables x e y, con
x = g(t), y = h(t) funciones diferenciables de variable t. Entonces z es una
funcin diferenciable de t con
dz
dt
=
f
x
dx
dt
+
f
y
dy
dt
o, de modo equivalente,
dz
dt
=
z
x
dx
dt
+
z
y
dy
dt
Escrito matricialmente, se tiene
dz
dt
=
_
z
x
z
y
_
_
dx
dt
dy
dt
_
Caso 2. Sea z = f(x, y) una funcin diferenciable de variables x e y, con
x = g(s, t), y = h(s, t) funciones diferenciables de variables s y t. Entonces,
z
s
=
z
x
x
s
+
z
y
y
s
4 1 DIFERENCIABILIDAD EN VARIAS VARIABLES
z
t
=
z
x
x
t
+
z
y
y
t
Escrito matricialmente, queda
_
z
s
z
t
_
=
_
z
x
z
y
_
_
x
s
x
t
y
s
y
t
_
Teorema 1.3. Teorema de la funcin implcita.
Supongamos que F : R
n+1
R tiene derivadas parciales continuas y que
el punto ( x
0
, z
0
) R
n+1
(con x
0
R
n
y z
0
R) cumple que F( x
0
, z
0
) = 0 y
F
z
( x
0
, z
0
) = 0. Entonces, la ecuacin F( x, z) = 0 dene, en un entorno del
punto ( x
0
, z
0
), a z como funcin implcita de x, esto es, se puede encontrar
una funcin (nica y diferenciable) f( x) = z denida en un entorno V de x
0
que cumple F( x, f( x)) = 0 x V . La funcin f tendr derivadas parciales:
f
x
i
=
z
x
i
=
F
x
i
F
z
con i = 1, . . . , n y x = (x
1
, . . . , x
n
)
Teorema 1.4. Teorema de la funcin inversa.
Sea f = (f
1
, . . . , f
n
) : R
n
R
n
tal que f
i
tiene derivadas parciales con-
tinuas para todo i = 1, . . . , n y sea f( x
0
) = y
0
. Si el determinante jacobiano
|Jf( x
0
)| es distinto de cero, entonces la funcin f admite inversa f
1
en un
entorno de y
0
= f( x
0
). La funcin f
1
tiene derivadas parciales continuas.
1.3. APLICACIONES
1.3.1. Derivadas direccionales mximas
Para una funcin diferenciable f : R
n
R el valor mximo de las
derivadas direccionales de f en a se alcanza en la direccin del vector gra-
diente f( a) y el valor absoluto de sta es |D
u,mx
f( a)| = ||f( a)| |.
1.3.2. Estimacin por incremento y diferencial total
Denicin 1.6. Diferencial total de y = f(x
1
, . . . , x
n
).
Si y = f(x
1
, . . . , x
n
) y x
1
, . . . , x
n
son incrementos de x
1
, . . . , x
n
, las
diferenciales de las variables independientes x
1
, . . . , x
n
son dx
1
= x
1
, . . . , dx
n
=
x
n
y la diferencial total de f se dene como:
df =
f
x
1
dx
1
+ +
f
x
n
dx
n
Se verica que si x
1
, . . . , x
n
son pequeos, entonces
y
f
x
1
x
1
+ +
f
x
n
x
n
1.3 APLICACIONES 5
1.3.3. Geometra diferencial
1. Planos tangentes y rectas normales a una supercie.
Sea S una supercie denida en R
3
por la ecuacin F(x, y, z) = 0 y
sea a = (a
1
, a
2
, a
3
) S (F( a) = 0). Entonces, si F es diferenciable en
a, el plano tangente a S en a es:
{(x a
1
)
F
x
( a) + (y a
2
)
F
y
( a) + (z a
3
)
F
z
( a) = 0}
Observacin 1.1. Un vector normal al plano tangente a S en a es
F( a), y la recta normal a S en a es
r
_

_
x = a
1
+
F
x
( a)
y = a
2
+
F
y
( a)
z = a
3
+
F
z
( a)
con R.
2. Recta tangente y plano normal a una curva en el espacio.
Sea C una curva en el espacio denida por la interseccin de dos su-
percies
C =
_
F(x, y, z) = 0
G(x, y, z) = 0
y sea p = (p
1
, p
2
, p
3
) C (F( p) = G( p) = 0) con f y G diferenciables
en p. Entonces, el vector tangente a C en p es u = (u
1
, u
2
, u
3
)
u = F( p) G( p) =

i

j

k
F
x
( p)
F
y
( p)
F
z
( p)
G
x
( p)
G
y
( p)
G
z
( p)

=
=
_

F
y
( p)
F
z
( p)
G
y
( p)
G
z
( p)

F
x
( p)
F
z
( p)
G
x
( p)
G
z
( p)

F
x
( p)
F
y
( p)
G
x
( p)
G
y
( p)

_
6 1 DIFERENCIABILIDAD EN VARIAS VARIABLES
La recta tangente a C en p es
r
_
_
_
x = p
1
+ u
1
y = p
2
+ u
2
z = p
3
+ u
3
con R.
El plano normal a C en p es
{(x p
1
)u
1
+ (y p
2
)u
2
+ (z p
3
)u
3
= 0}
1.3.4. Extremos relativos
Denicin 1.7. Sea f : R
n
R y a R
n
. Entonces se dice que f alcanza
en a:
1. Un mximo local si existe una bola B( a, ) centrada en a y de radio
> 0 tal que f( x) f( a) para todo x B( a, ).
2. Un mnimo local si B( a, ) tal que f( x) f( a) para todo x B( a, ).
1.3 APLICACIONES 7
3. Un punto de ensilladura si para todo > 0 existen x, y B( a, ) tales
que f( x) > f( a) y f( y) < f( a).
Denicin 1.8. Sea f : R
n
R. Se dice que f tiene un punto crtico en a
si f( a) =

0 o no existe alguna de las derivadas parciales
f
x
i
( a).
Observacin 1.2. Dada la supercie S de ecuacin z = f(x, y) (implci-
tamente F(x, y, z) = 0 con F(x, y, z) = f(x, y) z) y dado a = (a
1
, a
2
), el
plano tangente en p = (a
1
, a
2
, f(a
1
, a
2
)) S es
{(x a
1
)
f
x
( a) + (y a
2
)
f
y
( a) (z f( a)) = 0}
Si f tiene un punto crtico en a, el plano tangente ser z = a
3
= f( a)
(plano horizontal), ya que
f
x
( a) =
f
y
( a) = 0. Por tanto, una condicin
necesaria para que f tenga en a un extremo relativo es que a sea un punto
crtico de f.
Anlisis de los puntos crticos
Denicin 1.9. Sea f : R
n
R y a R
n
tal que existen y son continuas
las derivadas de segundo orden

2
f
x
i
x
j
para todo i, j = 1, . . . , n en B( a, ).
Entonces se dene la matriz hessiana de f en a como
H
f
( a) =
_
_
_
_

2
f
x
2
1
( a)

2
f
x
1
x
n
( a)
.
.
.
.
.
.
.
.
.

2
f
x
n
x
1
( a)

2
f
x
2
n
( a)
_
_
_
_
=
_

2
f
x
i
x
j
( a)
_
.
Por el teorema de Schwarz, la matriz hessiana es simtrica. Llamaremos
hessiano de f en a al determinante de la matriz hessiana.
Teorema 1.5. En las condiciones de la denicin anterior, sea a un punto
crtico de f. Entonces:
1. Si H
f
( a) es denida positiva, f tiene un mnimo local en a.
8 1 DIFERENCIABILIDAD EN VARIAS VARIABLES
2. Si H
f
( a) es denida negativa, f tiene un mximo local en a.
3. Si H
f
( a) es indenida, f tiene un punto de ensilladura en a.
Corolario 1.1. Sea f : R
2
R en las condiciones de la ltima denicin y
sea a un punto crtico de f con
H
f
( a) =
_
A B
B C
_
y |H
f
( a)| = D. Entonces:
1. Si D < 0, f tiene un punto de ensilladura en a.
2. Si D > 0 y A > 0, f tiene un mnimo local en a.
3. Si D > 0 y A < 0, f tiene un mximo local en a.
4. Si D = 0 no se concluye nada.
Multiplicadores de Lagrange
Cuando se intenta resolver un problema de mximos y mnimos sometido
a ligaduras, se suele hacer uso de los multiplicadores de Lagrange. Si deseamos
encontrar los extremos relativos de la funcin f( x) sometida a las ligaduras
{g
1
( x) = 0, . . . , g
r
( x) = 0}, con f, g
1
, . . . , g
r
derivables y con derivadas par-
ciales continuas, se considera
F( x) = f( x) +
1
g
1
( x) + +
r
g
r
( x),
donde los
i
son constantes denominadas multiplicadores de Lagrange. Los
extremos condicionados de f sern puntos crticos de F.
Teorema 1.6. Teorema de Lagrange.
Sean f(x, y) y g(x, y) con primeras derivadas parciales continuas y tales
que f tiene un extremo en el punto (x
0
, y
0
) sobre la curva de ligadura {g(x, y) =
0}. Si g(x
0
, y
0
) = 0, existe un nmero real tal que f(x
0
, y
0
) = g(x
0
, y
0
).
Corolario 1.2. Mtodo de los multiplicadores de Lagrange.
Supongamos que f(x, y), sujeta a la ligadura {g(x, y) = 0}, tiene un
extremo, donde f y g estn en las condiciones del teorema de Lagrange.
Para detectar los extremos de f basta resolver el sistema
{f(x, y) = g(x, y), g(x, y) = 0}
y evaluar f en cada uno de los puntos solucin. El mayor y el menor de
los valores obtenidos sern el mximo y el mnimo de f(x, y) sometida a la
ligadura {g(x, y) = 0}.