You are on page 1of 42

Julio C. Carrillo E. Profesor Escuela de Matem aticas Universidad Industrial de Santander Monday, November 5, 2007 at 8:44 am (FA07.

01,02)

Para uso exclusivo en el sal on de clase. 2007 c Julio C. Carrillo E.

Universidad Industrial de Santander


Escuela de Matem aticas Universidad Industrial de Santander 2008

Agradecimientos a todos aquellos estudiantes que con sus preguntas ayudan a mejor los contenidos de este material.

Denitivamente, hasta los que ense namos tambi en aprendemos, si prestamos un poco de atenci on en clase. El Autor

Tabla de contenidos

1. Preliminares

11

1.1. El espacio euclidiano ndimensional . . . . . . . . . . . . . . 11 1.2. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3. Longitud o norma . . . . . . . . . . . . . . . . . . . . . . . . 12 1.4. Angulo entre dos vectores . . . . . . . . . . . . . . . . . . . . 13 1.5. Angulos directores y cosenos directores . . . . . . . . . . . . . 14 1.6. Proyecciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.7. Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.7.1. Con desplazamiento a lo largo de una l nea recta . . . 15 1.7.2. Con desplazamiento a lo largo de una trayectoria no lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.8. El producto cruz de vectores . . . . . . . . . . . . . . . . . . 17 1.9. Triple producto escalar de vectores . . . . . . . . . . . . . . . 18 1.10. L neas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.11. Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2. Funciones vectoriales 21

2.1. Denici on, dominio, imagen, gr aca . . . . . . . . . . . . . . 21 2.2. Operaciones algebraicas con funciones vectoriales . . . . . . . 22 2.3. L mite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.5. Derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.6. Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.7. Movimiento curvil neo . . . . . . . . . . . . . . . . . . . . . . 27 2.7.1. Vector tangente, Vector tangente unitario, vector normal y plano osculador . . . . . . . . . . . . . . . . . . 27 2.7.2. Velocidad, rapidez y aceleraci on . . . . . . . . . . . . 29 2.7.3. Longitud de arco . . . . . . . . . . . . . . . . . . . . . 30 2.7.4. Curvatura de una curva . . . . . . . . . . . . . . . . . 33 2.7.5. Fuerzas denidas mediante funciones vectoriales . . . 34 2.7.6. Fuerzas denidas mediante campos vectoriales . . . . 38 3. Funciones de varias variables 41

3.1. Las funciones de varias variables . . . . . . . . . . . . . . . . 41 3.2. L mite y continuidad . . . . . . . . . . . . . . . . . . . . . . . 45 3.2.1. L mite . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3.2.2. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . 50 3.3. Derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 3.4. Gradientes y derivadas direccionales . . . . . . . . . . . . . . 67 3.5. Extremos de funciones de varias variables . . . . . . . . . . . 68 3.5.1. Extremos locales y optimizaci on global . . . . . . . . . 69 3.5.2. Optimizaci on con restricciones . . . . . . . . . . . . . 74 4. Integraci on m ultiple 77

4.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 4.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . 77 4.2.1. Integrales doble sobre dominios rectangulares . . . . . 77 4.2.2. Integrales iteradas . . . . . . . . . . . . . . . . . . . . 79 4.2.3. Integrales dobles sobre regiones mas generales . . . . . 83 4.2.4. Cambio en el orden de integraci on . . . . . . . . . . . 84 4.2.5. Integrales dobles en coordenadas polares . . . . . . . . 85 4.2.6. Aplicaciones de las integrales dobles . . . . . . . . . . 86 4.3. Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . 88 4.3.1. Aplicaciones de las integrales triples . . . . . . . . . . 91 4.4. Integrales triples en coordenadas cil ndricas y esf ericas . . . . 92 4.4.1. Coordenadas cil ndricas . . . . . . . . . . . . . . . . . 93 4.4.2. Coordenadas esf ericas . . . . . . . . . . . . . . . . . . 93 4.5. Cambio de variables . . . . . . . . . . . . . . . . . . . . . . . 94 5. C alculo vectorial 95

5.1. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 95 5.1.1. Denici on de campo vectorial, y su primera clasicaci on 95 5.1.2. Segunda clasicaci on de los campos vectoriales . . . . 98 5.1.3. L neas de ujo y ujos de campos vectoriales . . . . . 101 5.2. Calculo integral en el plano . . . . . . . . . . . . . . . . . . . 104 5.2.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . 104 5.2.2. Trabajo e integral de l nea . . . . . . . . . . . . . . . . 104 5.2.3. Curvas y parametrizaci on de curvas . . . . . . . . . . 104 5.2.4. Teorema de Green . . . . . . . . . . . . . . . . . . . . 104 5.2.5. El Teorema de Green y campos vectoriales divergentes, rotacionales y conservativos . . . . . . . . . . . . . 104 5.3. Calculo integral en el espacio . . . . . . . . . . . . . . . . . . 104 5.3.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . 104 5.3.2. Integral de l nea en el espacio . . . . . . . . . . . . . . 106 5.3.3. Supercies y parametrizaci on de una supercie . . . . 106 5.3.4. Integral de supercie . . . . . . . . . . . . . . . . . . . 106 5.3.5. Trabajo e integral de supercie . . . . . . . . . . . . . 106 5.3.6. Teorema de la divergencia de Gauss . . . . . . . . . . 106 iv
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

5.3.7. Teorema de Stokes . . . . . . . . . . . . . . . . . . . . 106 5.3.8. Consecuencias e implicaciones del Teorema de Green y Teorema de Stokes sobre campos vectoriales divergentes, rotacionales y conservativos . . . . . . . . . . . 106 5.4. Aplicaciones f sicas . . . . . . . . . . . . . . . . . . . . . . . . 106 5.4.1. Din amica . . . . . . . . . . . . . . . . . . . . . . . . . 106 5.4.2. Din amica de uidos . . . . . . . . . . . . . . . . . . . 106 5.4.3. Electromagnetismo . . . . . . . . . . . . . . . . . . . . 106 5.4.4. Conducci on de calor . . . . . . . . . . . . . . . . . . . 106 5.4.5. Termodin amica . . . . . . . . . . . . . . . . . . . . . . 106

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

Funciones de varias variables

3.1.

Las funciones de varias variables


Sea D un subconjunto no vac o de Rn . Una funci on f que asigna a cada punto x = (x1 , . . . , xn ) de D un n umero real f (x) = f (x1 , . . . , xn ) se llama una funci on de n variables con dominio D y valores reales. La raz on de llamarse a f una funci on de n variables es simplemente por las n coordenadas que tiene el punto x = (x1 , . . . , xn ) y la imagen f (x) = f (x1 , . . . , xn ) depende de esas n coordenadas. Las coordenadas x1 , . . . , xn ser an las variables independientes de f y xn+1 = f (x) = f (x1 , . . . , xn ) la variable independiente. Entonces, x = (x1 , . . . , xn ) sera la preimagen y xn+1 = f (x) = f (x1 , . . . , xn ) la imagen. Por ejemplo, f (x, y ) = xy + ln(x2 + y 2 ) xy f (x, y ) = x2 + y 2

Funciones de n variables, dominio, imagen y gr aca

son funciones en dos variables, las independientes son x, y y la variable dependiente es z = f (x, y ). De igual modo, f (x, y, z ) = x2 + y 2 z 2 es una funci on en tres variables dependientes x, y, z y la variable dependiente es w = f (x, y, z ). Un ejemplo mas general es la funci on polin omica en cinco variables 3 2 f (x1 , x2 , x3 , x4 , x5 ) = x1 2x2 2 + x3 x4 x5 en la cual las cinco variables independientes son x1 , x2 , x3 , x4 , x5 y la variable dependiente es x6 = f (x1 , x2 , x3 , x4 , x5 ). Observaci on 3.1. Las funciones de n variables tambi en se suelen denotar de la forma f : D Rn R. Desde el punto de vista f sico, las funciones de varias variables son llamadas campos escalares. Sea f : D Rn R una funci on en n variables. El subconjunto D de Rn es llamado el dominio de f y el subconjunto R de todas los valores f (x) la imagen de f . La gr aca de f es el subconjunto de Rn+1 que consta de todos los puntos (x, f (x)). Simb olicamente, D f = D Rn If = {f (x) R | x D}) Gf = {(x, f (x)) Rn+1 | x D} Tambi en, la imagen y gr aca de f se pueden representar en t erminos de las variables independientes x1 , . . . , xn y la variable dependiente xn+1 = f ((x1 , . . . , xn )): If = {f (x1 , . . . , xn ) | (x1 , . . . , xn ) D} Gf = {(x1 , . . . , xn , f (x1 , . . . , xn )) Rn+1 | (x1 , . . . , xn ) D}.

Tambien se puede considerar Gf = {(x1 , . . . , xn , xn+1 ) Rn+1 | xn+1 = f (x1 , . . . , xn ) para alg un (x1 , . . . , xn ) Df } Una funci on escalar es una funci on en una variable. Para hacer hacer consistentes las deniciones de la gr aca de funciones de una y varias variables se debe considerar en general la gr aca f como un subconjunto de Rn+1 . Tambi en por esta raz on las funciones de varias variables se designan mediante letras min usculas del alfabeto tales como f , g , etc. Desde el punto de vista geom etrico se consideran u nicamente gr acas de funciones de n variables cuando n = 1, 2. Si n = 1, la gr aca de f representa una curva en el plano xy , y una supercie en el espacio tridimensional xyz cuando n = 3. Por ejemplo, f (x) = x 3 es una funci on en una variable. Su dominio e imagen consiste del conjunto de los n umeros reales y la gr aca de todos los puntos (x, x 3) en R2 que geom etricamente representa una linea recta en el plano xy . A cada punto en el plano xy la funci on f (x, y ) = x2 + y 2 le asigna un n umero real no negativo. Por lo tanto, el dominio de f consiste de R2 , gr acamente el plano xy . La imagen consiste de todos los reales no negativos (gr acamente la parte no negativa del eje z ) y la gr aca de f de todos los punto (x, y, x2 + y 2 ), que gr acamente representa una supercie en el espacio tridimensional xyz llamada paraboloide. z

x La funci on f (x, y ) = esta denida cuando 1 x2

y2

x2 y 2 > 0 y 2 < x2 |y | < |x| |x| < y < |x|. Geom etricamente el dominio de f esta representado en la siguiente gura y consiste de todos los puntos del plano xy que permanecen entre las gr acas de y = |x|. La imagen es el conjunto de todos los reales positivos, y la 42
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

gr aca el conjunto de todos los puntos (x, y, z ) con z = 1/ x2 y 2 . Esta gr aca no es f acil de realizar y el uso de software gr aco apropiado es recomendado, GnuPlot por ejemplo. y
3 2 1

x
3 2 1 1 2 3 1 2 3

El dominio de la funci on

f (x, y ) =

x2 y,

consiste de todos los puntos del plano xy tales que y x2 . y


3 2 1

x
3 2 1 1 2 3 1 2 3

La imagen consiste de todos los reales no negativos y la gr aca de todos los 2 puntos (x, y, z ) = x, y, x y . La representaci on de la gr aca requiere de software. El dominio de la funci on f (x, y ) = 10 x3 + xy 4
2 2 x ( x 2 +y 2 ) e + e((x1,225) +y ) 5

consiste todos los puntos del plano xy y la imagen de los n umeros reales. Formalmente la gr aca de f se puede denir del modo hasta ahora hecho y esta en el espacio tridimensional xyz . La siguiente gura representa esta
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

43

gr aca en el dominio [4, 4] [4, 4]. z

Denici on de composici on de funciones

Al ser las im agenes de las funciones de varias variables n umeros, las operaciones algebraicas que se realicen con ellas se encuentran determinadas por las operaciones algebraicas de los n umeros reales. Adicionalmente se pueden componer esas funciones con las funciones escalares (o de una variable) y las funciones vectoriales que ya conocemos. A n de evitar malentendidos con la denici on de composici on de funciones, se incluye la siguiente denici on formal de la composici on de funciones. Sean A, B, C, D conjuntos no vac os tales que B, C son de la misma naturaleza, y f : A B y g : C D dos funciones. Si la intersecci on If Dg es no vac a, entonces la composici on de las funciones f y g , denotada por g f , tiene sentido y esta denida por (g f )(x) = g (f (x)) para todo x en el dominio de f tal que f (x) esta en la imagen de g .
g f

A x

B C f (x) Dg If Dg =

D g (f (x))

Algebra de funciones de varias variables

Cuando esto sucede se dice que la funci on composici on g f tiene sentido. n Sean f, g : D R R funciones de varias variables, h : D R R una funci on real y R : I R Rn una funci on vectorial. Para todo x en D se denen las siguientes funciones: 1. (f + g )(x) = f (x) + g (x) 2. (cf )(x) = cf (x) para toda constante c 3. (f g )(x) = f (x)g (x) f f (x) 4. (x) = si g (x) = 0. g g (x)

44

Julio C. Carrillo E.

n de clase UIS Para uso exclusivo en el salo

5. Si la funci on composici on h f tiene sentido, entonces dene la funci on de varias variables (h f )(x) = h(f (x)). 6. Si la funci on composici on f R tiene sentido, entonces dene la funci on real (f R)(t) = f (R(t)). Ejemplo 3.2. Si f (x, y ) = entonces (h f )(x, y ) = h(f (x, y )) = h 2xy +1 x+1 t3 t2 (f R)(t) = f (R(t)) = f (t, t2 ) = = con t = 0. 2 t+t 1+t = xy x+y xy , x+y h(t) = 2t + 1, R(t) = (t, t2 ),

Por lo tanto, h f es una funci on de dos variables y f R es una funci on de una variable. El dominio de h f consiste de todos los puntos del plano xy tales que x = 1, y el dominio de f R de todos los n umeros reales t diferentes de 0 y 1. Observe adem as que f se puede representar como el cociente de dos funciones de dos variables, digamos f1 (x, y ) = xy y f2 (x, y ) = x + y

3.2.

L mite y continuidad

Persona que trabaje en el campo de la f sicamatem atica y sus aplicaciones y no entienda de que trata el concepto de l mite, tendr a una noci on muy limitada de lo que realmente signica este campo en el area de las ciencias naturales.

La noci on de l mite esta ntimamente ligada al problema de la aproximaci on y continuidad en problemas del tipo causaefecto. Matem aticamente, un problemas causaefecto se representa mediante una funci on f denida de un conjunto no vaci o D A en un conjunto B . Las causas est an representadas por los elementos de A y los efectos por elementos de B . Entonces la funci on f : D A B , tal que f (a) = b esta en B , para alg un a en D, representa la relaci on funcional entre causas y efectos, y adem as enfatiza que el efecto b es consecuencia o lo produce la causa a: b = f (a). El conjunto A representa el espacio de las causas, los elementos de D las causas predecibles y los elementos de A \ D las causas no predecibles. Similarmente, B representa el
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

45

espacio de las efectos, la imagen If el espacio de las efectos predecibles, y B \ If el de los efectos no predecibles. A D a f B If b = f (a )

a y b representan posibles causas y efectos no predecibles, respectivamente. A la causa predecible a le corresponde un efecto predecible b = f (a ).

En la practica y en general, se obtienen (en el laboratorio, por ejemplo) y con mediana certeza los valores ideales del efecto b y la causa a que lo produce. Los valores reales son u nicamente estimaciones de ellos y adem as a puede ser eventualmente una causa no predecible. Entonces, el problema de establecer que tan buena es una estimaci on de estos valores consiste de lo siguiente: 1. Fase de aproximaci on: Dada un efecto aproximado, establecer la causa aproximada que lo produce. Se debe cumplir que el efecto aproximado y debe estar cercano del valor b (i.e., y b) y ser consecuencia de una causa x (i.e., y = f (x)), siempre que la causa x este muy cercana del valor a, aun si no es exactamente a (i..e, x b y x = a). Simb olicamente, f (x) b cuando x a, x = a, 2. Fase de cuanticaci on del error: En donde hay aproximaciones, hay errores. En los conjuntos A y B se deben disponer de alg un medio (instrumento) para cuanticar el error en las aproximaciones entre las causas y los efectos. El error debe entenderse como la medida de la distancia entre el valor estimado y el valor real, sean en causas o efectos. Cuanticar el error sera el proceso de medir la distancia entre los valores reales y estimados. Si los conjuntos A y B son subconjuntos de R, estos errores de aproximaci on son obtenidos mediante el valor absoluto, y por tanto dB (f (x), b) := |f (x) b|, dA (x, a) := |x a|.

representaran el error en la aproximaci on o distancia entre los valores reales y estimados en los efectos y las causas, respectivamente. En general, se supone que en los conjuntos A y B es posible denir una forma de medir distancia de una forma similar a la anterior. Por lo tanto, si sucede que en las causas f (x) b cuando en los efectos x b, aun si x = b, entonces debe tenerse que el error en la aproximaci on del efecto, dB (f (x), b), debe ser muy peque no cuando el error en la aproximaci on del efecto, dA (f (x), a), es muy peque no, aun si x = a. Observe que x = a si y solo si dA (x, a) > 0. Simb olicamente, dB (f (x), b) 0 cuando dA (x, a) 0 aun si dA (x, a) > 0. 46
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

3. Fase de estimaci on de la magnitud del error: Las magnitudes en el error deben ser de cierto orden. Este es un requerimiento que es est andar cuando se realizan estudios experimentales de problemas causaefecto. En este tipo de problemas es conocido o dado el orden del error en la aproximaci on de los efectos (en el mundo real esto es precisamente lo que se puede ver o determinar) y se busca entonces establecer o encontrar el orden del error en la aproximaci on en las causas, pero de tal modo que el error en la aproximaci on de los efectos sea del orden previamente dado cuando el error en la aproximaci on en las causas sea del orden encontrado, aun si el error en las causas no es cero, Decir que el error en la aproximaci on es de cierto orden signica que el error en la aproximaci on es menor que el orden de aproximaci on. Por lo tanto, en el caso en discusi on debemos tener lo siguiente. Dado el orden > 0 del error en la aproximaci on del efecto b, se busca establecer un orden > 0 del error en la aproximaci on de la causa a, de tal modo que dB (f (x), b) < cuando dA (x, a) < , aun si dA (x, a) > 0. Simb olicamente, Dado un > 0, se busca un > 0 tal que dB (f (x), b) < cuando 0 < dA (x, a) < . La notaci on matem atica de l mite resume estos tres procesos:
xa

l m f (x) = b.

El problema causaefecto denido mediante f es un continuo o es continuo cuando


xa

l m f (x) = f (a).

3.2.1.

L mite Sea f : D Rn R una funci on de varias variables y a un punto que no necesariamente pertenece al dominio de f . Se dice que l mxa f (x) = L si dado un > 0 existe un > 0 tal que |f (x) L| < siempre que 0 < x a < . Observe que xa = (x1 a1 )2 + + (xn an )2

L mite de una funci on de varias variables

representa la distancia entre los puntos x y a en Rn y |f (x) L| la distancia entre los n umeros reales f (x) y L. En el siguiente sentido debe entenderse el concepto de existencia del l mite L de f en a: Cuando el punto x est a sucientemente cercano de a, pero x = a, entonces el valor de f (x) estar a muy cercano de L. La norma x a y el valor absoluto |f (x) L| son una medida del error en esas aproximaciones. Cuanticado el orden del error en la aproximaci on de f (x) a L, se busca entonces cuanticar el orden del error en la aproximaci on de x a a. Por eso se suele tambi en denotar el l mite de la forma f (x) a cuando x a, y se lee f (x) tiende a a cuando x tiende a a.
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

47

Unicidad del l mite

Geom etricamente, los puntos x se encuentran localizados en el interior de una esfera ndimensional de centro en a y radio , sin el punto a, y los valores f (x) en el intervalo abierto (L , L + ). Proposici on 3.3. Sea f : D Rn R una funci on de varias variables y a un punto que no necesariamente pertenece al dominio de f . Si el l mite l mxa f (x) existe entonces el l mite es u nico; es decir, si l mxa f (x) = L1 y l mxa f (x) = L2 entonces L1 = L2 . El contrarrec proco de este resultado es una herramienta valiosa para probar que un cierto l mite no existe: Si el l mite l mxa f (x) no es u nico, entonces l mxa f (x) no existe. A diferencia del calculo de funciones de una variables, en donde existen u nicamente dos direcciones para aproximar el punto al cual se toma el l mite, para las funciones de varias variables existen multiplies direcciones, y adem as trayectorias, para que el punto x aproxime el punto l mite a. Si el l mite existe, entonces el l mite es independiente de la trayectoria que pase por el punto. Si el l mite no existe, es suciente demostrar que a lo largo de dos trayectorias C1 y C2 que pasen por el punto a, la funci on f (x) tiene dos limites distintos. Ejemplo 3.4. Sea xy f (x, y ) = 2 . x + y2 El dominio de f consiste de todos los puntos del plano xy con excepci on del origen. Consideremos la ecuaci on y = mx de una recta de pendiente m que pasa por el origen. Entonces f (x, y ) = o
x0 y =mx

mx2 m m = cuando x 0, y = mx, x2 + m2 x2 1 + m2 1 + m2 l m f (x, y ) = l m m mx2 = . x0 x2 + m2 x2 1 + m2

Por lo tanto el l mite de f en el origen del plano no existe: diferentes valores de m producen curvas diferentes a lo largo de las cuales f tiene limites diferentes. Para cualquier otro punto del plano xy el l mite de f existe (probarlo). Ejemplo 3.5. La funci on f (x, y ) = x2 y 2 x2 + y 2

tambi en esta denida para todo punto del plano xy con excepci on del origen. De nuevo, observe que
x0 y =0

l m f (x, y ) = l m

x2 0 = 1, x0 x2 + 0

x=0 y 0

l m f (x, y ) = l m

0 y2 = 1, y 0 0 + y 2

en donde x = 0 es una recta horizontal que pasa por el origen y y = 0 es una recta vertical que tambi en pasa por el origen. Por lo tanto, f no tiene l mite en el origen del plano xy . 48
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

Ejemplo 3.6. Tambi en la funci on f (x, y ) = x4 y 4 x2 + y 2

esta denida para todo punto del plano xy con excepci on del origen. No obstante, como el l mite x4 y 4 (x2 y 2 )(x2 + y 2 ) = l m (x,y )(0,0) x2 + y 2 (x,y )(0,0) x2 + y 2 l m =
(x,y )(0,0)

l m

(x2 y 2 ) = 0 0 = 0

e independiente de la trayectoria que pase por el origen del plano xy , entonces f tiene l mite cero en el origen. 3x2 y existe Ejemplo 3.7. Determine si el l mite de la funci on f (x, y ) = 2 x + y2 en (0, 0). Soluci on. Como
x0 y =mx

l m f (x, y ) = l m

x0 x2

3x2 (mx) 3mx = =0 + (mx)2 1 + m2

y
x=0 y 0

l m f (x, y ) = l m

y 0

0 = 0, y2

e igual sucede tomando el l mite a lo largo de las parabolas y = ax2 y x = ay 2 con a = 0, se puede intuir que el l mite vale 0. Desafortunadamente esto no prueba que el l mite es 0, pues el resultado depende de la trayectoria que pasa por el origen. Para demostrar que el l mite es cero se aplica la denici on de l mite. Sea > 0 dado. Se debe encontrar un > 0 tal que 3x2 y 0 < x2 + y 2 o equivalentemente, 3x2 |y | < siempre que x2 + y 2 Pero x2 < x2 + y 2 , Por lo tanto, 3x2 |y | < 3|y | = 3 y 2 < 3 x2 + y 2 < 3. x2 + y 2 Como se requiere que 3x2 |y | < , x2 + y 2
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

siempre que

0 < (x, y ) (0, 0) <

0<

x2 + y 2 <

y 2 < x2 + y 2 .

49

es suciente elegir 3 = . Entonces = /3 y al hacer 0 < se obtiene 3x2 y 0 3 x2 + y 2 < 3 = x2 + y 2 3 Por consiguiente, 3x2 y = 0. (x,y )(0,0) x2 + y 2 l m Propiedades del l mite

x2 + y 2 < /3

Proposici on 3.8. Sean f, g : D Rn R funciones de n variables que poseen l mite en un punto a que no necesariamente pertenece a D. Entonces las funciones f + g , cf (c un constante cualquiera), f g , f /g tambi en poseen l mite en a y adem as 1. l m (f (x) + g (x)) = l m f (x) + l m g (x)
xa xa xa

2. l m (cf (x)) = c l m f (x)


xa xa xa

3. l m f (x)g (x) = l m f (x) l m g (x)


xa xa

4. l m

xa

f (x) = xa si l m g (x) = 0. xa g (x) l m g (x)


xa

l m f (x)

5. Sea h : D R R una funci on real tal que la funci on compuesta h f esta denida. Si los l mites l m f (x)( L) y l m h(t) existen, entonces
xa

el l mite de h f existe en a y adem as


xa xa

tL

l m h(f (x)) = h l m f (x) .

6. Sea R : D R Rn una funci on vectorial tal que la funci on compuesta f R esta denida. Si los l mites l m R(t)( L) y l m f (x) existen,
tt0 xL

entonces el l mite de f R existe en t0 y adem as l m f (R(t)) = f l m R(t) .

tt0

tt0

3.2.2.

Continuidad Denici on 3.9. Se dice que una funci on de varias variables f : D Rn R es continua en a si y solo si
xa

Continuidad puntual

l m f (x) = f (a),

o lo que es lo mismo,
h0

l m f (a + h) = f (a).

En caso contrario, f se dice es discontinua en a. Esta denici on signica que f (a) y l mite de f en a existen, y el valor de f y el l mite de f son iguales en a. De otro lado, la condici on de existencia de f (a) es equivalente a la condici on que el punto a pertenezca al dominio de f. 50
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

Propiedades de la continuidad puntual

tiene l mite cero en el origen del plano y f (0, 0) = 1. Entonces f es discontinua en el origen. Proposici on 3.12. Sean f, g : D Rn R funciones de n variables que son continuas en el punto a. Entonces las funciones f + g , cf (c un constante cualquiera), f g , f /g tambi en continuas en a y adem as 1. l m (f (x) + g (x)) = f (a) + g (a)
xa xa xa

x2 y 2 no tiene l mite en el origen x2 + y 2 del plano. Entonces f es discontinua en (0, 0). Tambi en se puede argumentar que f no esta denida en el origen del plano. Ejemplo 3.11. La funci on 4 4 x y si (x, y ) = (0, 0) 2 f (x, y ) = x + y 2 1 si (x, y ) = (0, 0) Ejemplo 3.10. La funci on f (x, y ) =

2. l m (cf (x)) = cf (a) 3. l m f (x)g (x) = f (a) g (a) 4. l m f (x) f (a) = si g (a) = 0. g (x) g (a) 5. Sea h : D R R una funci on de una variable tal que la funci on compuesta h f esta denida. Si f es continua en a y h es continua en f (a), entonces la funci on de varias variables h f es continua en a y adem as
xa xa

l m h(f (x)) = h l m f (x) .


xa

6. Sea R : D R Rn una funci on vectorial tal que la funci on compuesta f R esta denida. Si R es continua en t0 y f es continua en R(t0 ), entonces la funci on escalar f R es continua en t0 y adem as
tt0

l m f (R(t)) = f (R(t0 )).

Continuidad global y propiedades

Denici on 3.13. Una funci on de varias variables f es continua en el un conjunto D si f es continua en cada punto de D . Las propiedades de continuidad de funciones de varias variables en un conjunto de su dominio se obtienen de una manera natural de las propiedades de continuidad puntual. Los monomios x, y y c, con c un escalar cualquiera, se puede demostrar f acilmente son funciones continuas en R2 :
(x,y )(a,b) (x,y )(a,b) (x,y )(a,b)

l m

x=a y=b c=c

l m

l m

para cualquier punto (a, b) en R2 . Por lo tanto, de las propiedades del producto de funciones continuas el monomio cxn y m , para alg un n umero entero no negativo m, es tambi en continuo en R2 :
(x,y )(a,b)

l m

cxm y m = cam bm

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

51

para cualquier punto (a, b) en R2 . De la propiedad de la suma de funciones continuas el polinomio p(x, y ) en dos variables sera tambi en una funci on continua en R2 :
(x,y )(a,b)

l m

p(x, y ) = p(a, b)

para todo punto (a, b) en R2 . Ejemplo 3.14. Evaluar


(x,y )(1,2)

l m

(x2 y 3 x3 y 2 + 3x + 2y ).

Soluci on. Como los polinomio son funciones continuas en R2 , entonces


(x,y )(1,2)

l m

(x2 y 3 x3 y 2 + 3x + 2y ) = 8 4 + 3 4 = 13.

Una funci on racional f en dos variables es el cociente de dos polinomios, y sera una funci on continua en R2 con excepci on de aquellos puntos (x, y ) en donde el denominador de f se anula. Por ejemplo, la funci on racional f (x, y ) = 2xy + 1 x2 + y 2

esta denida en todo R2 con excepci on del origen. Por tanto, f es continua en R2 con excepci on del origen. Ejemplo 3.15. Determine la continuidad de la funci on f (x, y ) = ln(x2 + y 2 1). Soluci on. La funci on logaritmo natural es continua para todo n umero real positivo, y la funci on g (x, y ) = x2 + y 2 1 es continua para todo valor de x y y . De la propiedad de composici on de funciones continuas se concluye que la funci on f es continua para todos los puntos (x, y ) en R2 tales que x2 + y 2 > 1. Ejemplo 3.16. Determine la continuidad de la funci on f (x, y ) = 1 x2 y 2 . x2 y 2

Soluci on. De la propiedad de composici on de funciones continua se tiene que el numerador de f es continuo para todo punto (x, y ) en R2 tal que x2 + y 2 < 1. El denominador de f es continuo para todo punto (x, y ) en R2 , y es cero cuando y = |x|. De la propiedad del cociente de funciones continuas se obtiene que f es continua para todo punto (x, y ) en R2 tal que x2 + y 2 < 1 y y = |x|.

3.3.

Derivada
La derivada de una funci on escalar f (x) se puede considerar como el l mite del cociente diferencias de Newton de la funci on a lo largo del eje x: f (x) = l m f (x + h) f (x) . h

h0

52

Julio C. Carrillo E.

n de clase UIS Para uso exclusivo en el salo

Derivadas parciales

La derivada de una funci on en n variables su puede considerar de igual manera, solo que existir an n posibles alternativas (o ejes coordenados) cada una de las cuales se llaman las derivadas parciales de la funci on con respecto a la direcci on considerada. Denici on 3.17. Sea f : D Rn R una funci on de n variables. Las derivadas parciales fx1 , . . . , fxn de f con respecto a las variables x1 , . . . , xn en el punto x = (x1 , . . . , xn ) se dene en forma vectorial como fxj (x) = l m o en forma cartesiana como fxj (x1 , . . . , xn ) = l m f (x1 , . . . , xj + h, . . . , xn ) f (x1 , . . . , xn ) , h0 h f (x + hej ) f (x) h0 h

para j = 1, . . . , n, si cada uno de estos limites existe. Otras notaciones de las derivada parcial de f con respecto a la variable xj son las siguientes: fxj (x) = fj (x) = f (x) = j f (x) = Dxj f (x) = Dj f (x). xj

Cuando n = 2, se denota z = f (x, y ) y las derivadas parciales de f tambi en se denotan como fx = f z = = zx x x f z fy = = = zy y x

Cuando n = 3, se considera w = f (x, y, z ) y las derivadas parciales de f tambi en se denotan como fx = f w = = wx x x f w fy = = = wy y y f w fz = = = wz z z

Ejemplo 3.18. Considere la funci on f (x, y ) = x2 y . Entonces fx (x, y ) = l m f (x + h, y ) f (x, y ) (x + h)2 y x2 y = l m h0 h0 h h (x + h)2 x2 d(x2 ) = l m y = y = 2xy h0 h dx fx (x, y ) = x2 . Al calcularse la derivada parcial de f con respecto a la variable xj como el l mite de la variaci on de los cocientes de diferencias de Newton a lo largo de la direcci on del eje coordenado xj , ej , se mantienen jas las restantes direcciones. Por esto, en lugar de calcular la derivada parcial de f con respecto a la variable xj mediante la denici on, la derivada parcial fxj se pueden calcular de forma directa manteniendo las otras variables jas y derivando con respecto a la variable xj . Las reglas ordinarias de la derivaci on aplican.
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

Similarmente,

53

Ejemplo 3.19. Encuentre fx y fy si f (x, y ) = x3 y x sen y .

Soluci on. para encontrar fx se considera y constante y se deriva con respecto a x: fx (x, y ) = 3x2 y sen y. Similarmente, para encontrar fy se considera x constante y se deriva con respecto a y : fy (x, y ) = x3 x cos y. Ejemplo 3.20. Encuentre las derivadas parciales de la funci on f (x, y, z ) = x 2 y 2 z 2 xyze .

Soluci on. Al igual que en el caso de las funciones de dos variables, cada vez que se va a derivar con respecto a una de las variable se consideran las otras dos como constantes y se deriva aplicando las reglas ordinarias de la derivada. En este caso, fx (x, y ) = yzex
2

y 2 z 2 y 2 z 2 y 2 z 2

2x2 yzex

y 2 z 2 y 2 z 2 y 2 z 2

fy (x, y ) = xzex

2xy 2 zex 2xyz 2 ex

fz (x, y ) = xyex Interpretaci on de las derivadas parciales

Considere la gr aca de funci on de dos variables z = f (x, y ). El plano x = x0 interseca la gr aca de f en la curva plana de la gura y el valor fy (x0 , y0 ) es la pendiente de la recta tangente a esta curva en el punto P .
z

P (x0 , y0 , z0 )

(x0 , y0 , 0)

Tambi en, el plano y = y0 interseca la gr aca de f en la curva plana de la gura y el valor fx (x0 , y0 ) es la pendiente de la recta tangente a esta curva en el punto P . 54
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

P (x0 , y0 , z0 )

(x0 , y0 , 0)

Ejemplo 3.21. Considere el paraboloide de ecuaci on f (x, y ) = 9 x2 y 2 . (a) El paraboloide y el plano x = 1 se intersecan en una curva C1 . Encontrar las ecuaciones param etricas de la recta tangente en (1, 1, 7). (b) Igualmente, el paraboloide y el plano y = 1 se intersecan en curva C2 . Encontrar las ecuaciones param etricas de la recta tangente en (1, 1, 7). (c) Encuentre al ecuaci on del plano tangente al paraboloide en el punto (1, 1, 7). Soluci on. (a) Como fy (x, y ) = 2y entonces fy (1, 1) = 2 es la pendiente de la recta tangente a la curva en (1, 1, 7) y como esta recta tiene el vector director d1 = (0, 1, 2), entonces x = 1, y = 1 + t, z = 7 2t

representan las ecuaciones param etricas de la recta tangente en (1, 1, 7). (b) En este caso, fy (x, y ) = 2x y fx (1, 1) = 2 es la pendiente de la recta tangente a C2 en (1, 1, 7). Como el vector director de esta recta es d2 = (1, 0, 2), entonces x = 1 + t, y = 1, z = 7 2t

representan las ecuaciones param etricas de la recta tangente en (1, 1, 7). (c) El vector normal al plano tangente esta dado por i 0 = d1 d2 = 1 y 2(x 1) 2(y 1) (z + 7) = 0 representa la ecuaci on del plano tangente en el punto (1, 1, 7). Derivadas parciales de segundo orden Por ser las derivadas parciales de una funci on de varias variables otra funci on de varias variables, se puede nuevamente intentar calcular sus derivadas parciales. Sea f : D Rn R una funci on de n variables. Las segunda derivada parcial fxi xj de f con respecto a las variables x1 , . . . , xn en el punto x = (x1 , . . . , xn ) se dene en forma vectorial como fxj xk (x) = l m
h0

j 1 0

k 2 = (2, 2, 1). 2

fxj (x + hek ) fxj (x) h 55

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

para j, k = 1, . . . , n, si el l mite existe. Las segundas derivadas parciales de f se suelen llamar derivadas parciales de segundo orden, y tambi en se denotan de la siguiente forma: fxj xk (x) = fxj (x) Segundas derivadas parciales mixtas
xk

= fjk (x) =

xk

f (x) xj

2f (x) xk xj

Las segundas derivadas parciales fxj xk se llaman mixtas cuando j es diferente de k . Una funci on z = f (x, y ) en dos variables tiene cuatro segundas derivadas parciales, de las cuales dos son derivadas parciales mixtas: x fxy = y fyx = x fyy = y fxx = f 2f = x x2 f 2f = x yx f 2f = y xy f 2f = y y 2

Derivadas parciales de orden superior

Operativamente hablando, es f acil pensar como calcular las derivadas parciales de orden m de una funci on de n variables. Desde el punto de vista matem atico la notaci on se complica un poco, pero no es sustancialmente importante en la comprensi on de lo que entenderemos como todas las derivadas parciales de orden m de f . Las derivadas parciales de orden m de una funci on en n variables f se pueden denotar por mf
j2 1 xj 1 x2
m xj n

en donde los escalares j1 , . . . , jm son n umeros enteros no negativos tales que j1 + j2 + + jm = m. Es decir, mf
j2 1 xj 1 x2
m xj n

j1 +j2 ++jm f
j2 1 xj 1 x2
m xj n

j1
1 xj 1

j2
2 xj 2

jm f
m xj m

Por ejemplo, si f es una funci on en cuatro variables x, y, z, w entonces una derivada parcial de sexto orden de f es 6f 2 = x2 yw3 x2 Derivadas parciales mixtas de orden superior y 3f w3 := f3012 := fw3 yx2

Las derivadas parciales de orden m de f se pueden clasicar en dos categor as. Las derivadas parciales de exactamente orden m de f con respecto a la variable xk ser an mf = xm x k k xk f xk (m veces) para k = 1, . . . , n.

Cualquier otra derivada de orden m de f que no sea con respecto u nicamente a una de las variables x1 , . . . , xn ser an las derivadas parciales mixtas de orden m de f . 56
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

Ejemplo 3.22. Encuentre las terceras derivadas parciales de la funci on f (x, y ) = xey 3 cos(x y ). Soluci on. fx (x, y ) = ey + sen(x y ) fxx (x, y ) = cos(x y ) fyx (x, y ) = ey cos(x y ) fxxx (x, y ) = sen(x y ) fxyx (x, y ) = sen(x y ) fyxx (x, y ) = sen(x y ) fyyx (x, y ) = ey sen(x y ) fy (x, y ) = xey sen(x y ) fxy (x, y ) = ey cos(x y ) fyy (x, y ) = xey + cos(x y ) fxxy (x, y ) = sen(x y ) fxyy (x, y ) = ey sen(x y ) fyxy (x, y ) = ey sen(x y ) fyyy (x, y ) = xey + sen(x y )

En el ejemplo anterior, las derivadas parciales mixtas de segundo y tercer orden son iguales: fxy = fyx , fxxy = fxyx = fyxx , fxyy = fyxy = fyyx . Leonard Euler estableci o y demostr o por primera vez en 1734, en relaci on con sus estudios de hidrodin amica, las condiciones que garantizaban esta igualdad. En general, este resultado se cumple bajo las siguientes condiciones. Proposici on 3.23. Sea f : D Rn R una funci on de varias variables. Las derivadas parciales mixtas con respecto a las mismas variables y de orden m de f son iguales si tales derivadas parciales son continuas. En otras palabras, si f : D Rn R es una funci on de varias variables cuyas derivadas parciales hasta de orden m son continuas entonces las derivadas parciales mixtas de f con respecto a las mismas variables y hasta de orden m son continuas. Intuitivamente, la derivada parcial de una funci on de dos variables no existe cuando la gr aca de la funci on tiene dobleces, esquinas, huecos, hoyos o picos. Por ejemplo, la funci on f (x, y ) = x2 |y | no tiene derivada parcial con respecto a y en todo punto de la forma (x, 0), en donde x es un n umero real cualquiera diferente de cero. Se observa de la gura que gr aca de f tiene un doblez a lo largo del eje x debido a la funci on |y |. De acuerdo a la denici on de la derivada parcial de f , fy (x, 0) = l m f (x, 0 + h) f (x, 0) x2 |h| = l m = h0 h0 h h x2 x2 si h 0 si h 0+

Problema de la no existencia de las derivadas parciales

Como el l mite no es u nico para todo x diferente de cero, entonces fx (x, 0) no existe para todos esos valores de x; no obstante, fy (0, 0) = 0. Tambi en se puede demostrar que la derivada parcial fx (0, 0) existe y es cero. z

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

57

Ejemplo 3.24. Sea f (x, y ) = x2 |y |. (a) Determine si existen un plano que pasa por el punto (0, 0, 0) de la gr aca de f . En caso armativo, encuentre la ecuaci on del plano. (b) Es el plano tangente a la gr aca de f en (0, 0, 0)? Se puede garantiza que el plano tangente a la gr aca de f en (0, 0, 0) existe? (c) Que relaci on se puede establecer entre la existencia de las derivadas parciales en un punto y la existencia de un plano tangente a la gr aca de f en ese mismo punto?

Soluci on. (a) Ambas derivadas parciales fx (0, 0) y fy (0, 0) existen y son cero. Por lo tanto, los vectores directores a las rectas tangentes cuando x = 0 y y = 0 son d1 = (0, 1, 0) = j y d2 = (1, 0, 0) = i, respectivamente. La existencia de esto dos vectores no colineales determina la existencia del plano que pasa por el punto (0, 0, 0) de la gr aca de f . El vector normal al plano es = j i = k y la ecuaci on del plano que pasa por (0, 0, 0) es z = 0. (b) El plano que pasa por el punto (0, 0, 0) existe, pero desafortunadamente no es tangente a la gr aca en ese punto. Este hecho se puede observar directamente de la gr aca de f . Formalmente, por ejemplo los dos puntos (0, 0, 0) y (0, 2, 0) son distintos y pertenecen tanto a la gr aca de f como al plano z = 0. Esto nos garantiza que existe un plano que pasa por el punto (0, 0, 0) de la gr aca de f pero no es tangente a la gr aca de f en (0, 0, 0). En consecuencia, no existe un plano tangente a la gr aca de f en (0, 0, 0). (c) Este ejemplo permite concluir que en general la existencia de las derivadas parciales de una funci on en varias variables no garantizan la existencia del plano tangente a la gr aca de la funci on. Cosa bien distinta sucede en las funciones de una variable en donde la existencia de la derivada de la funci on implica la existencia de la recta tangente a la gr aca de la funci on. En conclusion, la existencia de las derivadas parciales de una funci on en mas de una variable no garantiza la existencia del plano tangente a la gr aca de la funci on.

Funciones suaves de varias variables

Intuitivamente una funci on en dos variables se puede considerar suave si su gr aca no tiene dobleces, esquinas, huecos, hoyos o picos. El problema es como convertir esta noci on intuitiva de suavidad en una noci on matem atica que aplique a cualquier funci on en varias variables. Al igual que en funciones de una variable, la clave esta en la existencia de las derivadas parciales. Denici on 3.25. Una funci on de varias variables f : D Rn R se dice suave de orden k en D si las derivadas parciales de orden k de f existen y son continuas para todo x en D. Se asume que f tiene suavidad de orden cero si f es continua, y que f es suave si f tiene suavidad de cualquier orden. Ejemplo 3.26. La funci on f (x, y ) = x|x|y 4 tiene suavidad de orden cero y de primer orden, pero no tiene suavidad de segundo orden ni de ning un orden mayor que dos. Claramente f es continua, y las primeras derivadas parciales de f existen y son continuas: fx (x, y ) = 2|x|y, fy (x, y ) = 4x|x|y 3 .

No obstante, la segunda derivada parcial fxx de f no existe a largo de todo 58


Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

punto (0, y ) en el eje y , con y = 0: fxx (0, y ) = l m fx (0 + h, y ) f (0, y ) 2|0 + h|y 2|0|y = l m h0 h h = l m |h| (2y ) = h0 h 2y 2y si h 0 si h 0+

h0

Por lo tanto f tiene suavidad de primer orden. Diferenciabilidad Aparentemente la diferenciabilidad de una funci on f en varias variables es, en cierto modo, una medida de que tan suave es la funci on. Y por que tanto ruido con la diferenciabilidad? Bien, se me ocurre explicarlo de otra manera que no sea la del mecanismo que decide que tan suave es no una funci on en varias variable, y ella es una raz on practica. Aunque pueda parecer una idea sin sentido, la diferenciabilidad de f es de gran utilidad en el campo de las aplicaciones; en particular, desde el punto de vista computacional. Suponga que f es una funci on de varias variables que involucra funciones trascendentes. En la practica los valores de f (x) para un x dado, no se podr an obtener de forma exacta; de hecho, ni las calculadoras y computadoras mas avanzadas de hoy d a lo pueden hacer. Lo que se hace es recurrir a estimar una aproximaci on de f (x) mediante el valor p(x) de un polinomio lineal p en n variables. Porqu e un polinomio lineal? Porque ellos son los polinomios de menor grado en n variables que involucran las cuatro operaciones elementales con las cuales los seres humanos y las computadoras sabemos operar: suma, resta, multiplicaci on y division en sus variables. Tratemos de entender lo que vamos a hacer. Empecemos por el caso mas sencillo. En las funciones de una variable el valor de f (x) es aproximado por el valor de un polinomio lineal p(x) que representa la ecuaci on de la recta tangente a la gr aca de f en el punto (x0 , f (x0 )), en donde x0 un valor muy cercano a x. Si pretendemos seguir este camino para el caso de las funciones f en varias variables y tratamos encontrar la ecuaci on del plano tangente mediante las derivadas parciales como se hizo en el Ejemplo 3.21, nos vamos a encontrar con una seria dicultad. En el Ejemplo 3.24 se muestra el caso de una funci on que tiene derivadas parciales en un punto, pero no tiene un plano tangente a la gr aca de la funci on en ese punto. En ese caso la funci on f no es suave, tiene un doblez a lo largo del eje x. Debemos intuir entonces que parte de la medida que tan suave es una funci on f de varias variables esta ligada a la existencia de sus derivadas parciales. Lo que no esta claro es como esto eventualmente implique que se puedan aproximar localmente los valores de f (x) por los valores p(x) de un polinomio lineal p en n variables que pasa por el punto (a, f (a)). No nos desanimemos y continuemos. Si la idea previa de encontrar la ecuaci on de un plano tangente a la gr aca de una funci on en mas de una variable con las derivadas parciales no funciona, busquemos otra manera de hacerlo, y adem as tratemos de dise nar alg un instrumento (matem atico) que nos indique cuando nos vamos a enfrentar a ese dicultad. De ser f suave alrededor de un punto (a, f (a)), esperamos (lo mismo que sucede con funciones de una variable) que los valores f (x) de la funci on en puntos x muy cercanos a a, se puedan aproximar localmente por los valores p(x) de un polinomio lineal p en n variables que pasa por el punto (a, f (a)). Obviamente existir a un error en esta aproximaci on y deber a ser
lculo en Varias Variables Ca

n de clase UIS Para uso exclusivo en el salo

59

posible estimarlo de la forma |f (x) p(x)|, para todo x cercano a a; cercan a que depender a de que tan distante se encuentre x de a y la cual se mide por x a . Como el error en la aproximaci on de p(x) a f (x) depende que tan cercano est e x de a, se requiere entonces que error en la aproximaci on |f (x) p(x)| relativo a la distancia entre x y a tienda a cero siempre que x est e muy cercano de a; i.e., |f (x) p(x)| 0 xa o en otras palabras |f (x) p(x)| = 0. xa xa l m Si denimos el error1 (no absoluto) E (x, a) como E (x, a) := entonces tendremos que f (x) = p(x) + E (x, a) x a donde
xa

siempre que x a,

f (x) p(x) , xa

l m |E (x, a)| = 0.

Evidentemente, esto nos indica que el valor f (x) es aproximado por el valor de p(x) y que el error E (x, a) x a en esa aproximaci on es muy peque no, casi cero, en cercan as de a. Nos queda aun por establecer la cuesti on de como obtener el polinomio lineal p. Del Calculo de funciones en una variable sabemos que las valores de f (x) se pueden aproximar por los valores de la recta tangente (un polinomio lineal en una variable) a la gr aca de f en un punto (x0 , f (x0 )), donde el valor x esta sucientemente cercano al valor x0 . Recordemos que la pendiente de la recta tangente en el punto (x0 , f (x0 )) esta dada por f (x0 ) = l m
xx0

f (x) f (x0 ) , x x0

si el l mite existe. Supongamos que el l mite existe. El l mite anterior signica que existe un n umero m = f (x0 ) tal que
xx0

l m

|f (x) f (x0 ) m(x x0 )| = 0. |x x0 |

De nuevo, al denir el error E (x, x0 ) de la forma E (x, x0 ) :=


1

f (x) f (x0 ) m(x x0 ) |x x0 |

Porque esta denici on es consistente?

60

Julio C. Carrillo E.

n de clase UIS Para uso exclusivo en el salo

tendremos que f es derivable en x0 si existe un n umero m = f (x0 ) tal que f (x) = f (x0 ) = m(x x0 ) + E (x, x0 )|x x0 | donde
xx0

l m |E (x, x0 )| = 0.

Diferenciabilidad, aproximaci on lineal y plano tangente

Es claro entonces como generalizar esta idea al problema de la aproximaci on de los valores de una funci on en n variables mediante un polinomio lineal en n variables. Denici on 3.27. Se dice que una funci on f en n variables es diferenciable en a si existe un vector Df (a) en Rn tal que f (x) = f (a) + Df (a) (x a) + E (x, a) x a donde
xa

l m |E (x, a)| = 0.

El gradiente

El vector Df (a) se llama la derivada o gradiente de f en a, y se suele denotar por f (a). Si f es diferenciable en a, entonces el polinomio lineal en n variables p(x) = f (a) + Df (a) (x a) se llama la ecuaci on cartesiana del plano tangente a f que pasa por el punto (a, f (a)), y as la diferenciabilidad de f en a es equivalente a la existencia de un plano en el cual el punto p(x) aproxima el valor de f (x) en el sentido indicado anteriormente. Observaci on 3.28. Al reescribir la ecuaci on del polinomio p en la forma vectorial: (Df (a), 1) (x a, p(x) f (a)) = 0 concluimos que el vector (Df (a), 1) es normal a la gr aca de f en el punto (a, f (a)), y que efectivamente el polinomio lineal p(x) dado es la ecuaci on de un plano tangente a f en el punto (a, f (a)). Voila! Podemos decir que resolvimos nuestro problema, a un sea necesario un poco mas de formalismo para establecer que esta conjetura es cierta (cf. Proposici on ??). Observaci on 3.29. Muchos problemas en la f sica e ingenier a requieren del uso de m etodos vectoriales o matriciales relacionados con funciones de varias variables, el llamado an alisis vectorial. El ejemplo mas evidente y necesario es el de obtener una notaci on eciente de la regla de la cadena. En este caso los vectores Df (x0 ) y f (a) son diferentes. Primero que todo, se deben considerar los vectores de Rn como matrices en Rn1 de n las y una columna y redenir su producto escalar: si x y y son dos vectores de Rn Rn1 , entonces se dene el producto escalar entre x y x por x y = xT y = x1 y1 + + xn yn , donde xT representa la transpuesta de x, una matriz de orden 1 n. Segundo, si la funci on en n variables f : D Rn R es diferenciable en a entonces la derivada de f en a, Df (a) existe y es una matriz de orden

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

61

1 n. El gradiente de f en a, f (a), es la matriz de orden n 1 obtenida como la transpuesta de la derivada Df (a): f (a)T = Df (a), o viceversa: Df (a)T = f (a). De acuerdo con esta notaci on, el polinomio del plano tangente a la gr aca de f en (a, f (a)) tendr a la forma p(x) = f (a) + f (a) (x a) = f (a) + f (a)T (x a) = f (a) + Df (a)(x a) en donde x a se considera como una matriz de orden n 1. Ahora el problema de aproximar los valores de f (x) mediante los valores del polinomio p(x) se reduce a poder encontrar el gradiente (o la derivada) de f . Vamos por partes. Al igual que en el caso de funciones en una variable, para empezar se debe establece la unicidad de la derivada y que derivabilidad implica continuidad. Proposici on 3.30. Si el gradiente de la funci on f : D Rn R en n variables existe en un punto a, entonces el gradiente es u nico. Entre otras cosas, este resultado nos garantiza que existe un u nico plano tangente a la gr aca de f y en consecuencia existe un u nico polinomio p(x) que satisface el punto (a, p(x)) y permite aproximar el valor de f (x) para x en cercan a de a. Proposici on 3.31. Si la funci on f : D Rn R en n variables es diferenciable en a en D, entonces f es continua en a. Demostraci on. Si f es diferenciable en a, f (x) = f (a) + f (a) (x a) + E (x, a) x a en donde
xa

Continuidad y diferenciabilidad

l m |E (x, a)| = 0.

Por lo tanto, 0 |f (x) f (a)| |f (a) (x a)| + |E (x, a)| x a = f (a) f (a) x a | cos | + |E (x, a)| x a x a + |E (x, a)| x a

en donde los t erminos del lado derecho de la ultima desigualdad tienden a cero cuando x a, y entonces
xa

l m f (x) = f (a).

Por lo tanto, f es continua en a. Diferenciabilidad y existencia de las derivadas parciales Hasta ahora seguimos sin disponer de una herramienta para encontrar el gradiente de una funci on de varias variables, y de por si la denici on no es u til para hacerlo. Sin embargo, y como se vera a continuaci on, la diferenciabilidad de la funci on implica la existencia de sus derivadas parciales y una forma de calcular el gradiente de la funci on.
n de clase UIS Para uso exclusivo en el salo

62

Julio C. Carrillo E.

Proposici on 3.32. Si la funci on de n variables f : D Rn R es diferenciable en x, entonces las primeras derivadas parciales de f existen en x y adem as el gradiente es el vector de esas derivadas parciales en x: f (x) = f f (x), . . . , (x) x1 xn

Demostraci on. Si f es diferenciable en a, entonces l m |f (x) f (a) f (a) (x a)| =0 xa

xa

Sea x = a + hej . Entonces l m |f (a + hej ) f (a) h(f (a))j | =0 |h|

xa

o tambi en, l m f (a + hej ) f (a) (f (a))j = 0. h

xa

Esto implica que l m f (a + hej ) f (a) = (f (a))j h

xa

y por tanto, f (a) = (f (a))j , xj la j esima componente del gradiente. No obstante lo anterior, poder obtener el gradiente de f depende que f sea diferenciable, cosa que aun no sabemos como establecer ni condiciones que las garantizan. Afortunadamente el siguiente criterio nos resuelve el problema. Proposici on 3.33. Si la funci on f : D Rn R en varias variables tiene primeras derivadas parciales en todo punto cercano a a y si adem as esas derivadas parciales son continuas en x, entonces f es diferenciable en a. El siguiente diagrama resume los resultados anteriores. Denici on de diferenciabilidad Existencia de las derivadas parciales Gradiente

Parciales continuas

Diferenciabilidad

Continuidad

Obviamente este diagrama nos dice tambi en que la existencia del gradiente no implica que la funci on es continua. Existe un ejemplo?
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

63

Ejemplo 3.34. Mostrar que la funci on f (x, y ) = x2 y 2 x2 + y 2

es diferenciable en todos en plano xy excepto en el origen. Soluci on. Las derivadas parciales de f f 2x(x2 + y 2 ) 2x(x2 y 2 ) 4xy 2 = = x (x2 + y 2 )2 (x2 + y 2 )2 2 2 2 2 2y (x + y ) 2y (x y ) 4x2 y f = = y (x2 + y 2 )2 (x2 + y 2 )2 son continuas excepto cuando (x, y ) = (0, 0). La Proposici on 3.31 y su contrarrec proco garantizan que f es diferenciable en todos los puntos del plano xy con excepci on del origen. Adem as la Proposici on 3.32 garantiza que el gradiente de f existe y est a denido por f (x, y ) = (x2 4xy (y, x) + y 2 )2

todos los puntos del plano xy con excepci on del origen. Tenemos un asunto por resolver respecto a la diferenciabilidad de funciones de varias variables. A la diferencial se le debe exigir que cumpla las mismas propiedades de la derivada usual: Si f, g son funciones en varias variables y diferenciables y c es un escalar, entonces las funciones f + g y cf deben ser diferenciables y D(f + g ) = Df + Dg D(cf ) = cD(f ) Es decir, D debe ser una transformaci on lineal, y Df (x) es un vector (W.H. Young, 1908; M. Fr echet, 1911). A continuaci on se establece que las propiedades algebraicas del gradiente se comportan como las reglas usual de las derivadas. Proposici on 3.35. Supongamos de los gradiente de las funciones f y g existen. Entonces 1. (f (x) + g (x)) = f (x) + g (x) 2. (cf (x)) = cf (x) 3. (f (x)g (x)) = f (x)f (x) + g (x)f (x) g (x)f (x) f (x)g (x) f (x) = 4. g (x) g 2 (x) Demostraci on. (f g ) = (f g ) (f g ) g f g f ,..., = f +g ,...,f +g x1 xn x1 x1 xn xn g g f f =f ,..., +g ,..., = f g + g f x1 xn x1 xn

Reglas del gradiente

Las otras demostraciones son similares. 64


Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

Ejemplo 3.36. Encuentre la derivada de f si f (x, y ) = (x2 y 2 )/(x2 + y 2 ). Soluci on. De las reglas de la derivada, y la Proposici on 3.32 el gradiente o derivada de f existe y esta denido por f (x, y ) = 2x(x2 + y 2 ) 2x(x2 y 2 ) 2y (x2 + y 2 ) 2y (x2 y 2 ) , (x2 + y 2 )2 (x2 + y 2 )2 4xy 2 4x2 y = , (x2 + y 2 )2 (x2 + y 2 )2

para todo punto del plano con excepci on del origen. Diferenciales Si f es una funci on de n variables y diferenciable en a entonces f (x) f (a) = f (a) (x a) + E (x, a) x a en donde
xa

l m E (x, a) = 0.

Sea f (x) = f (x f (a) el incremento de f , y x = x a el incremento en x. Entonces f (x) = f (a) x + E (x, a) x en donde
x0

l m E (x, a) = 0.

Tenemos as que f (a) x ser a una buena aproximaci on del incremento f (x). Esto sugiere la siguiente denici on. Denici on 3.37. Sea f una funci on diferenciable, y sea dx = (dx1 , . . . , dxn ) el vector diferencial de x (el vector de los diferenciales dx1 , . . . , dxn de x1 , . . . , xn ). La diferencial (total) de f , denotada como df (x), se dene en forma vectorial como df (x) = f (x) dx o en forma cartesiana como df (x1 , . . . , xn ) = f f (x1 , . . . , xn )dx1 + + (x1 , . . . , xn )dxn x1 xn

Ejemplo 3.38. Encuentre la ecuaci on del plano tangente a f (x, y ) = x2 +y 2 en el punto (1, 1, 2). Soluci on. Observe que f (x, y ) = (2x, 2y ). Por lo tanto z 2 = 2(x 1) + 2(y 1) o bien 2x + 2y z = 2
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

65

El campo gradiente

Regla de la cadena

La diferencial con el uso adquiri o el nombre de gradiente o campo gradiente, debido a que este vector genera un campo vectorial que es tangente en cada punto a las curvas de nivel de f . El gradiente asociado con cada punto x en el dominio de f es el vector f (x). El conjunto de todos esos vectores en Rn se llama el campo gradiente de f . Geom etricamente, el gradiente se representa una echa de origen en x y extremo x + f (x). Si z = 9 x2 y 2 entonces f (x, y ) = 2(x, y ) La Regla de la cadena establece condiciones para la existencia de la derivada de la composici on de funciones, y una forma de calcularla. Las funciones de varias variables se pueden componer, hasta el momento, con una funci on de una variable o una funci on de una variable:
h f f h

D Rn x

If I R f (x)
f R R

R h(f (x))

o de una funci on vectorial con una funci on de varias variables

I R t

IR D Rn R(t)

R f (R(t))

En el primer caso la composici on es una funci on en varias variables y en el segundo una funci on escalar o de una variable. Proposici on 3.39. Sean f : I Rn R una funci on de n variables y h : I R R una funci on escalar tales que la intersecci on If Dh es no vac a. Se dene la funci on compuesta v = h f como v (t) = h(f (x)). Si f es diferenciable es x y h es derivable en f (x) entonces v es diferenciable en x y es igual v (x) = h (f (x))f (x) Sea t = f (x). Entonces la derivada v (x) = h (t)f (x) se podr a escribir de la forma v dh f = x1 dt x1 Proposici on 3.40. Sean R : I R Rn una funci on vectorial y f : D n R R una funci on de n variables tales que la intersecci on IR Df es no vac a. Se dene la funci on compuesta u = f R como u(t) = f (R(t)). Si existe un punto t en el que R (t) existe y f es diferenciable en R(t) entonces u (t) existe y es igual al producto escalar u (t) = f (R(t)) R (t) Las componentes de x = R(t) depender an de t: R(t) = x = (x1 (t), . . . , xn (t)). Entonces la derivada u (t) = f (x) R (t) se podr a escribir de la forma du f dx1 f dxn = + + dt x1 dt xn dt 66
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

3.4.

Gradientes y derivadas direccionales


Las derivadas direccionales son especialmente importantes para establecer un sentido f sico y geom etrico de la derivada o gradiente de una funci on f en n varias variables, y en especial para demostrar que el polinomio lineal en n variables, p(x) = f (a) + f (a) (x a) representa efectivamente la ecuaci on del plano tangente a la gr aca de f en el punto de coordenadas (a, f (a)); asunto que a un esta por demostrar. Denici on 3.41. Sea f : D Rn R una funci on de n variables. Se dene la derivada de f en a en la direcci on del vector u como Du f (a) = l m f (a + hu) f (a) , h0 h

Derivada direccional

Diferenciabilidad y derivada direccional

si el l mite existe. Si u es un vector unitario, Du f (a) se llama la derivada direccional de f en a en la direcci on u. Proposici on 3.42. Si f es diferenciable en a entonces Du f (x0 ) = f (x0 ) u. Demostraci on. Si f es diferenciable en a las derivadas parciales de f en a existen y adem as f (x) = f (a) + f (a) (x a) + E (x, a) x a en donde E (x, a) 0 cuando t 0. Supongamos que x es un punto en la recta x = a + hu para alg un escalar h. Observe que x a si y solo si h 0. Por lo tanto, f (a + hu) f (a) = f (a) u E (a + hu, a) h en donde E (a + hu, a) 0 cuando h 0. Como el l mite del lado izquierdo de esta ecuaci on existe, entonces se concluye que Du f (a) existe. Tomando l mite cuando h tiende a cero en ambos lados de la ecuaci on anterior se obtiene el resultado.

Sentido geom etrico del gradiente

Proposici on 3.43. Si f (a) es diferente de cero, entonces f (a) apunta en la direcci on a lo largo de la cual f crece mas r apido. Demostraci on. Si u es un vector unitario entonces Du f (a) = f (a) u = f (a) u cos = f (a) cos ,

donde representa el angulo entre u y f (a). Este angulo es m aximo cuando = 0; esto es, cuando u y f (a) son paralelos. Se considera en la hip otesis que f (a) = 0, porque si f (a) = 0 entonces Du f (a) = 0 para cualquier u. Es decir, si nos queremos mover en la direcci on en la cual f crece mas r apido, debemos hacerlo en la direcci on f (a). An alogamente, si deseamos movernos en la direcci on en la cual f decrece mas r apido, debemos hacerlo en la direcci on f (a). La siguiente proposici on establece una relaci on directa entre el gradiente y las curvas de nivel.
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

67

Sentido geom etrico del gradiente

Proposici on 3.44. Sea f : Rn R una funci on con primeras derivadas parciales continuas y a un punto en el conjunto de nivel Lk (f ) denida por f (x) = k , para alguna constante k . Entonces f (a) es normal a Lk (f ) en el siguiente sentido: para todo vector v tangente a una trayectoria C en Lk (f ) que pasa por a se cumple que f (a) v = 0. Demostraci on. Si C es una trayectoria en Lk (f ) que pasa por a y esta denida por R(t), entonces existe un escalar t0 tal que R(t0 ) = a y adem as f (R(t0 )) = k . Como v es tangente a C en a entonces v y R (t0 ) son colineales. Sin p erdida de generalidad supongamos que v = R (t0 ). As que derivando en ambos lados de la ecuaci on f (R(t0 )) = k con respecto a t y aplicando la regla de la cadena tenemos que 0= d d f (R(t0 )) = f (R(t)) dt dt = f (R(t)) R (t)
t=t0 t=t0

= f (R(t0 )) R (t0 ) = f (a) v Plano tangente Denici on 3.45. Sea S el conjunto de nivel ndimensional formada por los puntos x en Rn tales que f (x) = k , para k una constante dada. El plano tangente a S en un punto a de S se dene por la ecuaci on vectorial f (a) (x a) = 0 Sentido geom etrico del gradiente si f (a) es diferente del vector nulo. Proposici on 3.46. Sea f una funci on en n variables que es diferenciable en a. Entonces la ecuaci on del plano tangente a la gr aca de f en el punto de coordenadas (a, f (a)) esta dada por el polinomio lineal en n variables, p(x) = f (a) + f (a) (x a). Demostraci on. Consideremos el caso n = 2 y sea z = f (x, y ). Sea g la funci on en tres variables denida de la forma g (x, y, z ) = f (x, y ) z . Observe que la gr aca Gf de f coincide con la curva de nivel Lk (g ) de g cuando k = 0; es decir, Gf = L0 (g ). Entonces tendremos que el vector g (x0 , y0 , z0 ) = (fx (x0 , y0 ), fy (x0 , y0 ), 1) = (f (x0 , y0 ), 1) es normal a la gr aca de f en el punto (x0 , y0 , z0 ) = (x0 , y0 , f (x0 , y0 )). En consecuencia, este vector y este punto determinan un plano tangente a la gr aca de f en tal punto, y su ecuaci on esta dada de la forma, (f (x0 , y0 ), 1) (x x0 , y y0 , z f (x0 , y0 )) = 0; o lo que es lo mismo, z = f (x0 , y0 ) + f (x0 , y0 ) (x x0 , y y0 ).

3.5.

Extremos de funciones de varias variables


Sea f : D Rn R una funci on y M un subconjunto de Rn tal que la intersecci on D M es no vac a; usualmente se considera M es un subconjunto del dominio D de f . Un problema de optimizaci on no lineal tiene la estructura est andar dada por m n{f (x) | x M }

68

Julio C. Carrillo E.

n de clase UIS Para uso exclusivo en el salo

o m ax{f (x) | x M }, donde M es un subconjunto de Rn , el cual puede representar o no una trayectoria en Rn . Por ejemplo, M puede ser la bola ndimensional B (O , r) = {x Rn | x r} con centro en el origen de Rn y radio positivo r; o el conjunto de nivel Lk (g ) = {x Rn | g (x) = k }, donde k es una constante apropiada. Cuando M = B (O , r), el problema se suele llamar de optimizaci on global, y cuando M = Lk (g ) un problema de optimizaci on con restricciones. Ambos tipos de problemas de optimizaci on ser an discutidos en esta secci on. 3.5.1. Extremos locales y optimizaci on global Un problema de optimizaci on sin restricciones (o global) consiste en el problema de encontrar los extremos locales o extremos absolutos de una cierta funci on f de varias variables, donde f se considera denida en todo su dominio. Se estudian resultados que garantizan condiciones que permiten establecer cuales son los extremos locales de f , si ellos existen. Como veremos, el criterio de la primera derivada para funciones de una variable no se puede extender al caso de funciones de varias variables. La extension del criterio de la segunda derivada es posible y su demostraci on require del teorema de Taylor para funciones variables. Las condiciones que permiten cuales son los extremos locales de f requieren de algunos resultados de Algebra Lineal. Finalmente, es oportuno aclarar que desafortunadamente no se pueden establecer criterios que permitan encontrar los extremos absolutos de un problema de optimizaci on sin restricciones. Para a en Rn y > 0, B (a, ) denota la vecindad (abierta) de a de radio denida como B (a, ) = {x Rn | x a < } M aximos, m nimos y puntos de silla Primero que todo consideremos un subconjunto M de Rn que no sea una trayectoria. Denici on 3.47. Sea f : D Rn R una funci on de varias variables y M un subconjunto de Rn tal que M D. Se dice que f tiene un m nimo local o relativo en un punto a de M si existe una vecindad abierta U de a en M tal que f (x) f (a) para todo x en U . El n umero f (a) se llama el m nimo relativo de f en M . Se dice que f tiene un m nimo global o absoluto en un punto a de M si f (x) f (x) para todo x en M , y el n umero f (a) se llama el m aximo global/absoluto de f en M . Si las dos anteriores desigualdades se cumplen en el sentido estricto, se dice que f tiene un m nimo local estricto en M y un m nimo global estricto en M , respectivamente. El m aximo local o relativo y el m aximo global o absoluto se denen de forma similar.
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

69

Denici on 3.48. Un extremo local (absoluto) es un n umero que es un m nimo local (absoluto) o un m aximo (global). Por convenci on, un extremo sera un extremo absoluto y un m aximo o un m nimo ser an un m aximo absoluto o un m nimo absoluto. Las siguientes deniciones y resultados son necesarios para obtener el criterio de la segunda derivada para funciones de varias variables. Teorema de Taylor de segundo orden Si f es diferenciable en a y tiene un punto cr tico en a entonces f (x) f (a) = E1 (x, a) x a donde E1 (x, a) 0 cuando x a. Por lo tanto, se necesita mas informaci on de f en a en t erminos de E1 (x, a) x a para determinar el signo algebraico de f (x) f (a). El Teorema de Taylor de segundo orden permite resolver esta dicultad. Denici on 3.49. Sea f : D Rn R una funci on de varias variables con segundas derivadas parciales 2 f /xi xj continuas. La matriz hessiana de f es la matriz de las segundas derivadas parciales de f , 2f 2f 2 f ( x ) ( x ) ( x ) 2 x x x x x1 1 2 1 n 2 2 f f 2f ( x ) ( x ) 2 2f x2 xn (x) x2 x1 x2 (x) = . . . .. xi xj . . . . . . . 2f 2 f 2f xn x1 (x) xn x2 (x) x2 (x)
n

La matriz hessiana y el hessiano

y se denota como D f (x). Observemos que la matriz hessiana es una matriz cuadrada de orden n y sim etrica. El determinante de la matriz hessiana de f se llama el hessiano de f . Adem as, D2 f (x) =
f x1 (x)

f x2 (x)

f xn (x)

Formula de Taylor de segundo orden

El t ermino hessiana fue acu nado por James Joseph Sylvester en honor del matem atico alem an Ludwig Otto Hesse, quien hab a usado el t ermino determinantes funcionales. Proposici on 3.50. Sea f : D Rn R una funci on de varias variables con segundas derivadas parciales 2 f /xi xj continuas en una vecindad V de a. Entonces para x en V se tiene f (x) = f (a) + Df (a)(x a) + 1 (x a)T D2 f (a)(x a) 2! + E2 (x, a) x a

en donde E2 (x, a) 0 cuando x a. Demostraci on. Sea {a + td | t R} la ecuaci on de la recta que pasa por el punto a en la direcci on del vector d = x a. Denamos la funci on escalar (t) = f (a + td). Observe que tiene segundas derivadas continuas en una vecindad de t = 0 tal que (0) = f (a) y (1) = f (x). Por el Teorema de Taylor para funciones de una variable, (1) = (0) + (0) + 1 (c), 2! donde 0 < c < 1.

70

Julio C. Carrillo E.

n de clase UIS Para uso exclusivo en el salo

De la regla de la cadena, (0) = y (c) = d (Df (a + td) d) dt =


t=c

d f (a + td) dt

= Df (a)d = f (a) d
t=0

d Df (a + td) dt

d
t=c

= (D2 f (a + cd)d)d dT D2 f (a + cd)d, en notaci on vectorial. Ahora denamos E2 (d + a, a) por la ecuaci on E2 (d + a, a) d


2

1 T 2 d [D f (a + cd) D2 f (a)]d, 2!

si d = O , y E2 (a, O ) si d = O . Entonces, f (x) = f (a) + Df (a)d + Como dT [D2 f (a + cd) D2 f (a)]d


n n

1 T 2 d D f (a)d + E2 (a + d, a) d 2!

i=1 j =1

2f 2f (a + cd) (a) d xi xj xi xj

se tiene que |E2 (d + a, a)| 1 2!


n n

i=1 j =1

2f 2f (a + cd) (a) xi xj xi xj

para d no nulo. Como las segundas derivadas parciales son continuas en a, entonces 2f 2f (a + cd) = (a), d0 xi xj xi xj l m as que E2 (d + a, a) 0 cuando d 0. Observe que x a cuando d O . Esto termina la demostraci on. Condiciones para la existencia de extremos Para dar condiciones necesarias y sucientes para la existencia de extremos locales se consideran resultados de Algebra Lineal avanzada. Estos resultados conciernen a los t opicos de matrices sim etricas, formas bilineales, matrices denido positivas y denido negativas, valores y vectores propios. Este enfoque fue apropiadamente establecido por James Joseph Sylvester, especialmente, y aunque solo se considera parte de su teor a, se recomienda la lectura de libros avanzados en estos t opicos cuando se requiera realizar aplicaciones matem aticas que involucren el problema de determinar los extremos relativos de funciones en mas de dos variables. Proposici on 3.51. Si f tiene primeras derivadas parciales continuas en M y f tiene un m nimo local en a entonces Df (a) = O .
lculo en Varias Variables Ca

Condiciones necesarias de primer orden

n de clase UIS Para uso exclusivo en el salo

71

Demostraci on. Supongamos que Df (a) = O . Entonces existe un vector no nulo en Rn tal que D f (a) = Df (a) = < 0 (Por ejemplo = Df (a)T = f (a)). Considerando la variaci on de f a lo largo de la linea recta que pasa por a en la direcci on del vector , se tiene la funci on escalar (t) = f (a + t ) Por la regla de la cadena, (t) = Df (a + t ) . Como (0) = f (a) y es diferenciable en t = 0, del teorema de Taylor en funciones de una variable tenemos que si t = 0 (t) = (0) + (0)t + E1 (t, 0)|t| = (0) + t (0) + E1 (t, 0)|t| t

0)|t| Como E1 (t, 0 cuando t 0 y (0) = Df (a) = < 0 entonces t 0)|t| existe un t0 tal que (0) + E1 (t, t 2 para todo t (0, t0 ). Entonces

1 (t) (0) + t 2 para todo t (0, t0 ). Como < 0 esto implica que (t) < (0), o lo que es igual f (a + t ) < f (a) para todo t (0, t0 ). Sin embargo esto contradice que a sea un m nimo local de f . Aunque el rec proco de este resultado no es cierto en general, el nos indica que si una funci on f en varias variables es diferenciable, entonces f puede tener un extremo local en todos aquellos puntos de su dominio en donde su gradiente se anula. Esta observaci on motiva la siguiente denici on. Denici on 3.52. Sea f : D Rn R una funci on de varias variables diferenciable en a. Si f (a) = 0 entonces el punto a se llama un punto cr tico o estacionario, de f . Un punto cr tico de f es un punto de silla si toda vecindad U de a contiene puntos x y x distintos tales que f (x) > f (a) y f (x ) < f (a). La Proposici on 3.51 establece una condici on necesaria para que f tenga un punto critico en a, pero no es una condici on suciente para que f tenga un m nimo local en a. Condiciones sucientes son dadas en la Proposici on 3.56, pero antes se hace necesario considerar algunos preliminares para obtener este resultado. Denici on 3.53. Sea A una matriz sim etrica de orden n n. A es denido positiva (negativa) si xT Ax > 0 (< 0) para todo vector no nulo x de Rn . Se dice que A es semidenido positiva (negativa) si xT Ax 0 ( 0) para todo vector x de Rn . 72
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

Sea A = [aij ] una matriz de orden n n. Entonces A tiene n submatrices diagonales Ak de orden k k , para k = 1, . . . , n, denidas por a11 a12 a1k a21 a22 a2k Ak = . ; . . .. . . . . . . . ak 1 ak 2 akk Lema de Sylvester o por simplicidad, Ak = [aij ]kk . Los n umeros reales det Ak = |Ak | se llaman los subdeterminantes diagonales de A. Proposici on 3.54. Sea A una matriz sim etrica de orden n n.

Condici on necesaria de segundo orden

a. A es denido positiva si y solo si |Ak | > 0 para k = 1, . . . , n. b. A es denido negativa si y solo si |A1 | < 0, |A2 | > 0, |A3 | < 0, . . . Proposici on 3.55. Sea f : D Rn R una funci on de varias variables con terceras derivadas parciales continuas y a un m nimo local de f . Entonces Df (a) = 0 y D2 f (a) es semidenido positiva. Demostraci on. La demostraci on se sigue del Teorema de Taylor para funciones de varias variables y el criterio de Sylvester. La siguiente proposici on establece condiciones suciente para la existencia de la extremos locales. Proposici on 3.56. Sea f : D Rn R una funci on de varias variables con terceras derivadas parciales continuas y a un punto cr tico de f . Si D2 f (a) es semidenido positiva entonces f (a) es un m nimo local fuerte de f. Demostraci on. Del Teorema de Taylor y la hip otesis que f (a) = 0 tenemos 1 f (x) = f (a) + (x a)T D2 f (a)(x a) + E2 (x, a) x a 2
2

Criterio de la segunda derivada

en donde E2 (x, a) 0 cuando x a. Si la matriz sim etrica D2 f (a) es denido positiva, entonces existe una constante positiva 1 (que puede ser tomada como el menor valor propio de 2 D2 f (a)) tal que (x a)T D2 f (a)(x a) 1 x a para todo vector x de Rn (cf. Gilbert Strang, Linear Algebra). Por lo tanto, f (x) f (a) 1 1 x a 2
2

+ E2 (x, a) x a

en donde E2 (x, a) 0 cuando x a. Como la expresi on del lado derecho debe ser positiva cuando x a, se sigue que f (x) > f (a) en alguna vecindad de a; i.e., f (a) es un m nimo local fuerte de f . En el caso de m aximos locales de f la situaci on es totalmente an aloga. Si f tiene un m aximo local en a entonces a debe ser un punto critico de f . Si adem as D2 f (a) es denido negativa, entonces f (a) es un m aximo local fuerte de f . Adem as es f acil de demostrar que si a es un punto estacionario de f , entonces 1. f (a) no es ni m aximo local ni m nimo local si D2 f (a) tiene valores propios positivos y negativos.
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

73

2. f (a) puede ser o no un m aximo local si D2 f (a) es semidenido positiva. El siguiente resultado es un caso particular de la anterior proposici on. Corolario 3.57. Sea f (x, y ) una funci on con terceras derivadas parciales continuas en un conjunto abierto D en R2 . Sea adem as (x0 , y0 ) un punto cr tico de f . Entonces,
2 a. Si fxx (x0 , y0 ) > 0 y fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) > 0 entonces f tiene un m nimo local en (x0 , y0 ). 2 b. Si fxx (x0 , y0 ) < 0 y fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) > 0 entonces f tiene un m aximo local en (x0 , y0 ). 2 c. Si fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) < 0 entonces f tiene un punto de silla en (x0 , y0 ). 2 d. Si fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) = 0 el criterio no decide nada.

De nuevo se aclara que el criterio de la segunda derivada garantiza condiciones que permiten clasicar los puntos cr ticos de una funci on en varias variables como extremos locales. Desafortunadamente, el criterio no existe criterio alguno que permita obtener los extremos absolutos de la funci on. 3.5.2. Optimizaci on con restricciones Un problema de optimizaci on con restricciones consiste en el problema de encontrar los extremos locales o extremos absolutos de una cierta funci on f de varias variables en un subconjunto M de su dominio. Se considera los casos cuando M es un conjunto cerrado y acotado y cuando M es el conjunto de nivel de una funci on g en varias variables dada. Extremos de funciones denidas en conjuntos cerrados y acotados El siguiente resultado es un criterio para obtener los extremos de una funci on en varias variables en un conjunto cerrado y acotado de su dominio. Proposici on 3.58 (Weierstrass). Sea M un subconjunto no vac o, cerrado y acotado de Rn . Si f : M Rn R es una funci on continua, entonces existen puntos a y a en M tal que f (a) f (x) f (a ) para todo x en M . La prueba est andar se obtiene notando que si f es continua entonces la imagen de un conjunto cerrado y acotado es tambi en un conjunto cerrado y acotado. Como M es cerrado y acotado, se sigue que f (M ) debe ser tambi en cerrado y acotado. Por tanto, f alcanza su m nimo absoluto y su m aximo absoluto en algunos puntos a y a en M , respectivamente. Esto precisamente garantiza que f (a) f (x) f (a ) para todo x en M . Como M es un conjunto es un conjunto cerrado, se puede considerar a M como un conjunto formado por su interior y su frontera. Para encontrar los extremos de f se procede primero a encontrar los extremos locales de f en el interior de M mediante el criterio de la segunda derivada. Luego se encuentran los extremos locales de f sobre su frontera. De acuerdo con el Teorema de Weierstrass podemos garantizar que el menor y el mayor de estos extremos locales ser an los extremos de f en el conjunto M . Ejemplo 3.59. Encuentre los extremos de la funci on f (x, y ) = x2 y 2 2xy + 1 en el conjunto [1, 2] [1, 2]. Extremos de funciones a lo largo de conjuntos de nivel, multiplicadores de Lagrange Ahora se busca resolver el problema de encontrar los extremos de una funci on de varias variables f (x) cuando x tiene la restricci on de pertenecer a un 74
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo

conjunto de nivel M en el dominio de f . Simb olicamente, se busca resolver el problema m n{f (x) | x M } o m ax{f (x) | x M } donde M Df usualmente dado de la forma M = {x Rn | g (x) = k } para alguna constante apropiada k . Observe que M = Lk (g ) y por tanto la ecuaci on g (x) = k , llamada de igualdad, es la restricci on que dene a M . Por lo tanto, se busca optimizar la funci on f para todo vector x en el conjunto de nivel de g , Lk (g ) con k dado. En general, tambi en se puede considerar M = {x Rn | gi (x) = ki , i = 1, . . . , m} para constantes apropiadas ki , y m < n. Es claro que el conjunto n dimensional M esta denido por las restricciones gi (x) = ki para i = 1 , . . . , m. Teorema de multiplicadores de Lagrange Geom etricamente, Proposici on 3.60. Sean f, g : D Rn R dos funciones suaves dadas. Sean M el conjunto de nivel de g con valor k y a un punto en D tal que g (a) = k . Si g (a) = O y f tiene un extremo en a entonces existe un n umero real tal que f (a) = g (a). Demostraci on. Sea R(t) una trayectoria en M que pasa por a. Entonces R(t0 ) = a para alg un t = t0 . Adem as se tendr a que g (a) es tangente a M en el punto a, en el sentido que g (a) R (t0 ) = 0. De otro lado si f restringida a M tiene un m aximo en a, entonces la funci on en una variable f (R(t)) tiene un m aximo en t = t0 . Del calculo de funciones de una variable se tiene que d f (R(t0 )) = 0. dt De la regla de la cadena, d f (R(t)) = f (R(t)) R (t). dt Por lo tanto, en t = t0 se tiene que f (a) R (t0 ) = 0; es decir, f (a) tambi en es perpendicular a M en a. Como el espacio tangente a M en a es una recta, entonces los vectores gradientes f (a) y g (a) son paralelos. Como g (a) = O , entonces f (a) es m ultiplo escalar de g (a).
n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca

75

Criterio de la segunda derivada para extremos restringidos

Proposici on 3.61. Sean f, g : D Rn R dos funciones suaves dadas (con segundas derivadas parciales continuas al menos). Sean M el conjunto de nivel de g con valor k y a un punto en D tal que g (a) = k . Supongamos que g (a) = O y f (a) = 0 g (a) para alg un escalar 0 . Se dene la funci on auxiliar h = f g en n + 1 variables (, x) = (, x1 , . . . , xn ), y el punto x0 = (0 , a) = (0 , a1 , . . . , an ) en su dominio. Sea |D2 h(x0 )| el hessiano de h, el cual esta dado como sigue: 0 gx1 gx2 . . . gxn gx1 hx 1 x 1 hx 1 x 2 . . . hx 1 x n gx2 hx 1 x 2 hx 2 x 2 . . . hx n x 2 .. . gxn hx 1 x n hx 2 x n . . . hx n x n

Sean D2 h(x0 )k las submatrices diagonales de D2 h(x0 ) de orden k 3. Entonces, a. Si los subdeterminantes |D2 h(x0 )k | son positivos para todo orden k 3 entonces f restringida a M tiene un m nimo local en a. b. Si los subdeterminantes alternan los signos de la forma |D2 h(x0 )3 | > 0, |D2 h(x0 )4 | < 0, |D2 h(x0 )5 | > 0, . . . entonces f restringida a M tiene un m aximo local en a. c. Sea n = 2. Si |D2 h(x0 )| = 0 entonces el criterio no decide y f restringida a M puede tener un m aximo local o un m nimo local en a o ni una u otra cosa. Sea n > 2. Si para k 3 alguno de los subdeterminantes |D2 h(x0 )k | es diferente de cero y no siguen los patrones anteriores entonces f restringida a M no tiene un m nimo local ni un m aximo local en a; tendr a un punto de silla en a.

76

Julio C. Carrillo E.

n de clase UIS Para uso exclusivo en el salo