Professional Documents
Culture Documents
Apunts de Matemàtiques I PDF
Apunts de Matemàtiques I PDF
DE
MATEMÀTIQUES I
Gonzalo Rodríguez
Departament de Matemàtica Econòmica,
Financera i Actuarial
El contingut s’ha estructurat seguint ben de prop el programa que hom troba
amb cert rigor els continguts dels temes següents; en el segon bloc (Bloc de
així com els mètodes analítics que ens permetran trobar els màxims i mínims
d’aquestes funcions –òptims lliures- (tema 4). Aquest darrer tema prepara el
Val a dir que la majoria dels conceptes exposats aquí -i que hem destacat en
decurs de les classes presencials. Així mateix, i al final del document, hom
Per últim indicar que aquest document ha estat acceptat i arxivat en el Dipòsit
Digital de la UB dins la col·lecció OMADO i que el seu contingut, així com les
possibles errades que hom hi pugui trobar, són responsabilitat única i exclusiva
de l’autor.
2
ÍNDEX
Bloc I: Àlgebra 4
1.4. Exercicis 16
2.4. Exercicis 33
3.6. Exercicis 65
4.4. Exercicis 78
Bibliografia 79
Glossari 80
3
BLOC I: Àlgebra
Les magnituds numèriques amb les que treballa la ciència solen ser de dos
tipus: escalars i vectorials. Les escalars són les que venen determinades per un
únic valor numèric com, per exemple, el pes d’un cos, el preu d’un bé econòmic o
els tipus d’interès. Per contra, les magnituds de tipus vectorial necessiten més
d’un valor numèric per ser definides; pensem, per exemple, en el vector-força
quantitat produïda Q (output) amb els factors de producció del capital K i del
la noció d’espai vectorial recull les propietats més importants de la “suma” i del
1
Estudiem les funcions escalars en el Bloc II.
2
És a dir, del producte d’un vector per un número.
4
1.1.1. Espai vectorial, vectors i escalars
{
Rn = x = ( x1 ,…, xn ) : x1 ,…, xn ∈ R}
una suma interna de vectors:
n)
0 = 0,…, 0 .4
Per un altre cantó, i per a tot vector x ∈ Rn , el seu vector oposat serà:
−x = ( −1 ) ⋅ x .
propietats:
• λ ⋅ 0 = 0 . En particular: 0 ⋅ x = 0 .
• λ ⋅ x = 0
implica
→λ = 0 ó x = 0 .
• − ( λ ⋅ x ) = ( −λ ) ⋅ x .
• x = y ←
Equivalent
→x − y = 0 .
3
Per a una definició d’espai vectorial més general hom pot veure qualsevol dels manuals
d’àlgebra que apareixen en la bibliografia.
4
No hem de confondre aquest vector amb l’escalar 0.
5
1.1.2. Combinació lineal de vectors
de combinació lineal. Per exemple, el vector (3, −1,7 ) és combinació lineal dels
k
x = λ1 ⋅ x1 + + λk ⋅ xk = ∑ λi ⋅ xi .5
i =1
Exemple: Prova que el vector ( −1,9, 4 ) és combinació lineal dels vectors (1,2, 0 )
λ1 − 4λ2 = −1
Solució λ1 = 3 implica
2λ1 + 3λ2 = 9 → → Hi ha combinació lineal .
λ2 = 1
4λ2 = 4
λ1 − 4λ2 = 7
Sistema incompatible
2λ1 + 3λ2 = 3 → No hi ha combinació lineal. 7
4λ2 = 4
5
Fixem-nos que, en general, el nombre k de vectors de la combinació no té per que coincidir
amb el nombre n de components dels vectors.
6
D’ara en endavant suposarem que hom sap discutir i resoldre sistemes d’equacions lineals.
7
Recordem que un sistema d’equacions lineals és incompatible si no té solució.
6
1.1.3. Dependència i independència lineal de vectors
Com hem vist, el vector ( −1,9, 4 ) es pot expressar com a combinació lineal dels
vectors (1,2, 0 ) i ( −4,3, 4 ) . En aquest cas direm que els tres vectors ( −1,9, 4 ) ,
(1,2, 0 ) i ( −4,3, 4 ) són linealment dependents. Per contra, això no passa amb el
vector ( 7,3, 4 ) ; en aquesta tessitura direm que ( 7,3, 4 ) , (1,2, 0 ) i ( −4,3, 4 ) són
xi = λ1 ⋅ x1 + + λi −1 ⋅ xi −1 + λi +1 ⋅ xi +1 + + λk ⋅ xk .
2. Linealment independents quan això no passa, és a dir, quan cap d’ells es pot
de vectors a partir de les combinacions lineals “nul·les” de vectors que són les
de la forma:
λ1 ⋅ x1 + + λk ⋅ xk = 0 .
si tota combinació lineal nul·la entre ells té els seus escalars nuls. En altres
paraules:
λ1 ⋅ x1 + + λk ⋅ xk = 0
implica
→ λ1 = = λk = 0 .10
8
Val a dir que el vector (1,2, 0 ) tampoc és combinació lineal dels vectors ( 7,3, 4 ) i ( −4,3, 4 ) , i
que passa el mateix amb el vector ( −4,3, 4 ) respecte de ( 7,3, 4 ) i (1,2, 0 ) .
9
La demostració d’aquest teorema està penjada al Campus Virtual.
10
Evidentment, un conjunt de vectors seran linealment dependents si i només si existeix
alguna combinació lineal nul·la entre ells amb algun dels escalars diferent de zero.
7
Exemple: Demostra que els vectors ( 7,3, 4 ) , (1,2, 0 ) i ( −4,3, 4 ) són linealment
SOLUCIÓ:
7 λ1 + λ2 − 4λ3 = 0
3λ1 + 2λ2 + 3λ3 = 0 .
4λ1 + 4λ3 = 0
7 λ1 + λ2 − 4λ3 = 0 λ1 = 0
Solució única implica
3λ1 + 2λ2 + 3λ3 = 0 → λ2 = 0 → Linealment independents .
4λ1 + 4λ3 = 0
λ3 = 0
−λ1 + λ2 − 4λ3 = 0
9λ1 + 2λ2 + 3λ3 = 0 .
4λ1 + 4λ3 = 0
−λ1 + λ2 − 4λ3 = 0
Compatible i indeterminat
9λ1 + 2λ2 + 3λ3 = 0 → Té més d'una solució .
4λ1 + 4λ3 = 0
Així doncs, els tres vectors són ara linealment dependents ja que, òbviament,
11
Recordem que un sistema d’equacions lineals és homogeni si té tots els termes independents
nuls, i és de Cramer si és compatible i determinat amb matriu associada quadrada. Tot sistema
homogeni és sempre compatible ja que, com a mínim, té la solució trivial igual a zero.
8
1.1.3.1. Relació entre independència lineal de vectors i rang d’una matriu
Si recordem que el rang d’una matriu és l’ordre més gran possible de les seves
Exemple: Demostra que els tres vectors (1, −1,3,7 ) , ( 5,2, 4, −2 ) i ( 0, −6, 0,1 ) són
SOLUCIÓ:
1 −1 3 7
A = 5 2 4 −2 .
0 −6 0 1
Com que:
1 −1 3
implica
5 2 4 = −66 ≠ 0 → rang A = 3
0 −6 0
2 −2 8
A = 5 implica
1 3 = 0 → rang A < 3
4 2 −1
12
Conseqüentment, el rang d’una matriu serà el nombre màxim de vectors fila (o columna)
linealment independents. És evident que si el rang és menor que el nombre de vectors k , els
vectors seran linealment dependents.
9
1.1.4. Sistema de generadors d’un espai vectorial
vectorial. Per exemple, els tres vectors (1, 0, 0 ) , ( 0,1, 0 ) i ( 0, 0,1 ) formen un
Exemple: Prova que els quatres vectors (1, 0, 0 ) , (2,3, −1) , (5,11, −4 ) i ( −4,5, 0 )
formen un sistema de generadors de R3 .
SOLUCIÓ:
1 0 0
2 3 −1
A= .
5 11 −4
−4 5 0
Com que:
1 0 0
3 −1
2 3 −1 = implica
= −12 + 11 = −1 ≠ 0 → rang A = 3 = n
11 −4
5 11 −4
10
1.2. Base i dimensió d’un espai vectorial
1 0 0
0
In =
implica implica
→ det In = 1 ≠ 0 → rangIn = n .
0
0 0 1
espai vectorial tenen el mateix nombre de vectors. Així doncs, i per definició,
13
És l’anomenada base canònica de Rn .
14
Una matriu quadrada és regular si el seu determinant és diferent de zero. Cal tenir present
que aquestes són les úniques matrius que admeten matriu inversa.
15
Val a dir que existeixen espais vectorials de dimensió infinita.
11
1.2.1. Relació entre base d’un espai vectorial i determinant d’una matriu
Com que la matriu que formen és quadrada i regular, ja que el seu determinant
és diferent de zero:
1 1 0 0
1 1 0 1 1 −1 0 1 0 0
2 3 1 8
= ( −1 ) ⋅ 1 ⋅ 2 3 8 = − 2 3 − 2 8 = − 2 1 8 =
3 3 1 5
3 3 5 3 3−3 5 3 0 5
0 0 1 0
1 8
=− = −5 ≠ 0
0 5
• Tot sistema de generadors d’un espai vectorial conté, entre els seus
12
1.2.2. Vector de components d’un vector en una base
x = λ1 ⋅ x1 + + λn ⋅ xn
λ = ( λ1 ,…, λn ) ∈ Rn
SOLUCIÓ:
( λ , λ , λ ) = − 23 , 53 , 41
.
1 2 3
6
16
Es pot provar que aquest vector és únic (la demostració està penjada al Campus Virtual).
17
Els sistemes d’equacions lineals que s’obtenen al calcular els vectors de components són
sempre sistemes de Cramer.
13
1.3. Subespai vectorial
“tancat” per les operacions suma i producte, la qual cosa fa que sigui també un
espai vectorial amb les mateixes operacions que l’espai inicial. En general, diem
x , y ∈ S
implica
→x + y ∈S
x ∈ S i λ ∈ R
implica
→λ ⋅ x ∈S
{
S = ( a , b , 0 ) ∈ R3 : a , b ∈ R }
és un subespai vectorial de R3 .
SOLUCIÓ:
Cal veure que la suma de dos vectors de S i el producte d’un escalar per un
(a , b, 0 ) + (c ,d , 0 ) = (a + c , b + d , 0 + 0 ) = {0 + 0 = 0} = (a + c , b + d , 0 ) ∈ S
i:
λ ⋅ ( a , b , 0 ) = ( λa , λb , λ ⋅ 0 ) = {λ ⋅ 0 = 0} = ( λa , λb , 0 ) ∈ S .
14
1.3.1. Subespai vectorial generat per un conjunt de vectors
conjunt finit de vectors és, precisament, el conjunt format per totes les
combinacions lineals d’aquests vectors.
{
S = ( a , b , 0 ) ∈ R3 : a , b ∈ R . }
SOLUCIÓ: Ja que, per a tot vector ( a , b , 0 ) ∈ S , tenim que:
(a , b , 0 ) = a ⋅ (1, 0, 0 ) + b ⋅ ( 0,1, 0 )
deduïm que S està generat pels vectors:
(1, 0, 0 ) i ( 0,1, 0 )
i com que aquests dos vectors són linealment independents, formen una base.
d’aquest subespai, notem que els seus vectors són, ni més ni menys, els vectors
{
S = ( x , y , z ) ∈ R3 : z = 0 . }
Gràficament:
15
1.4. Exercicis
1. Troba els valors del paràmetre a ∈ R de manera que el vector ( −2, −1,5, 0 )
(1,3, 0, −1) , (5, −4,1, 0 ) , ( 0,3, −1, m ) i (m,2,1, −6) són linealment independents.
4. Prova que ( −1, 0, 4,3) , ( 6,5, 0,3) i ( 0, −2,1, 0 ) són linealment independents i
troba un vector que, juntament amb ells, doni lloc a una base de R 4 .
5. Prova que, per a tot a ≠ −1 , els vectors ( a , 0, −3) , (2, −a ,5 ) i ( 0,1, a ) formen
y 1 = x1
y 2 = x1 + x 2
y = x + x + + xn
n 1 2
a. S = {( x , y , z ) ∈ R3 : 2x − y = 0, x − 2z = 0} .
b. S = {( x , y , z ) ∈ R3 : x + 2y + 3z = 0} .18
18
Es pot demostrar que qualsevol subespai vectorial està format pels vectors que són solució
d’un sistema d’equacions lineals homogeni.
16
2. L’ESPAI VECTORIAL EUCLIDIÀ
permet introduir nocions “mètriques” en un espai vectorial real com són, a tall
d’exemple, la grandària d’un vector, l’angle i la distància entre dos vectors. Per
y1 n
x ⋅ y = ( x 1 , …, x n ) ⋅ = x 1 y 1 + + xn yn = ∑ xi yi ∈ R .19
y i =1
n
Vegem un exemple:
19
Notem que el producte escalar entre dos vectors és sempre un escalar i d’aquí li ve el nom.
20
Fixem-nos que el producte escalar entre dos vectors no nuls pot ser 0.
21
Estrictament parlant, un espai euclidià seria el conjunt format pels “punts extrems” dels
vectors de “posició” (vectors amb origen l’origen de coordenades) d’un espai vectorial euclidià
tal com l’hem definit.
17
2.1.2. Norma d’un vector
norma del vector x ∈ Rn és igual a l’arrel quadrada del producte escalar del
vector per sí mateix:
• x ≥ 0 . A més, x = 0 ←
Equivalent
→x = 0 .
• Desigualtat triangular: x + y ≤ x + y .
• Desigualtat de Schwarz: x ⋅ y ≤ x ⋅ y .
1
• Si x ≠ 0 , el vector ⋅ x és un vector unitari.23
x
22
La norma d’un vector rep també el nom de mòdul.
23
Un vector unitari és aquell que té per norma la unitat.
18
2.1.3. Angle entre vectors
Notem que el cosinus d’un angle ens permet “redefinir” el producte escalar en
x ⋅ y = x ⋅ y ⋅ cos α .24
deduïm que:
x ⋅y 11 1 π
cos α = = = implica
→α = radians .
x ⋅ y ( 12 + 12 + 02 )( 22 + 92 + 62 ) 2 4
24
Així doncs, el producte escalar ens mesura la “tendència” de dos vectors a apuntar en la
mateixa direcció.
19
2.1.4. Vectors i bases ortogonals i ortonormals
Si ens fixem bé en la fórmula del cosinus, veiem que l’anul·lació del producte
Així doncs, diem que dos vectors no nuls x , y ∈ Rn són ortogonals (o també
1. Ortogonal si tots els vectors que la formen són ortogonals dos a dos.
Exemple: Troba una base ortonormal de R3 que contingui els vectors unitaris
SOLUCIÓ:
dos i que, tots junts, formin base. Així doncs, caldrà imposar dues condicions:
1 0 −5
0 = ( a , b , c ) ⋅ (1, 0, −5 ) = a − 5c a = 5c
→ i 5 −2 1 = −390c ≠ 0 .
0 = ( a , b , c ) ⋅ ( 5, −2,1 ) = 5a − 2b + c b = 13c
5c 13c c
1 −5 5 −2 1 5 13 1 26
, 0, , , , i , , .
26 26 30 30 30 195 195 195
25
Els dos vectors de l’exemple de la plana 17 són ortogonals.
26
Cal considerar els vectors unitaris associats per a formar aquesta base.
20
2.1.5. Distància entre vectors
De fet, si des d’un punt de vista geomètric anomenen punt d’un espai euclidià a
podria parlar també de distància entre punts. Per definició, la distància entre
d (x , y ) = x − y .
SOLUCIÓ:
d ( x , y ) = x − y = (2,2, 0, −1 ) = + 22 + 22 + 02 + ( −1 ) = + 9 = 3 .28
2
27
Veure el comentari a peu de pàgina de la plana 17.
28
Conseqüentment, la distància entre els punts P = (3, −2, 0,1 ) i Q = (1, −4, 0,2 ) és igual a 3.
21
2.2. Introducció a la topologia de l’espai euclidià
que s’entén per distància entre dos vectors (o punts) d’un espai euclidià.29
que r . Així doncs, un punt o vector x ∈ Rn pertany a aquesta bola oberta si:
d ( x , P ) = x − P < r .30
d ( ( x , y ) , ( −1, 0 ) ) = ( x , y ) − ( −1, 0 ) = ( x + 1, y ) = + (x
2
+ 1) + y 2
i:
2 2
(x + 1 ) + y 2 < 2 →
Equivalent
( x + 1 ) + y 2 < 4 = 22
deduïm que la bola oberta de centre ( −1, 0 ) i de radi 2 és el cercle de centre
29
Recordem que no estem fent distinció entre punts i vectors de posició associats (és a dir,
entre els vectors amb origen l’origen de coordenades i els punts extrems associats).
30
Si la desigualtat fos no estricta parlaríem de la bola tancada.
31
Es pot demostrar que totes les boles obertes del pla són cercles.
22
2.2.2. Punt interior, punt exterior i punt frontera d’un conjunt
Notem que, en general, un punt d’un espai euclidià es pot relacionar de tres
continguda en S. 32
Gràficament:
32
El radi d’aquesta bola oberta pot ser tant petit com calgui.
33
Cal recordar que el complementari d’un conjunt està format pels punts de l’espai que no
pertanyen al conjunt.
23
Vegem un exemple d’aplicació:
S = {( x , y ) ∈ R2 : 1 ≤ x 2 + y 2 ≤ 2} .
SOLUCIÓ: a) En aquest cas, S està format pels punts que es troben entre els
circumferències. Gràficament:
Així doncs, la “frontera” de S (els punts frontera de S) està formada per les
24
2.2.3. Conjunt obert i conjunt tancat
pertanyin i d’altres que no. En aquest sentit, i com a casos extrems, tenim els
a. S = {( x , y ) ∈ R2 : 1 ≤ x 2 + y 2 ≤ 2} .
b. S = {(x , y ) ∈ R 2 2
}
: (x − 5) + y < 1 .
c. S = {( x , y ) ∈ R2 : x + y ≠ 1, x , y ≥ 0} .
34
Falta el segment d’extrems ( 0,1 ) i (1, 0 ) . Veure la plana 27 per a una definició de segment
entre dos punts.
25
2.2.3. Conjunt acotat i conjunt compacte
a. S = {( x , y ) ∈ R2 : 1 ≤ x 2 + y 2 ≤ 2} .
b. S = {(x , y ) ∈ R 2 2
}
: (x − 5) + y < 1
c. S = {( x , y ) ∈ R2 : x 2 + y 2 ≤ 4, x , y > 0} .
b) Com que aquest conjunt no està contingut en cap bola oberta i és obert,36
c) Ja que S està format pels punts del cercle tancat de centre ( 0, 0 ) i de radi
35
Està inclòs, per exemple, en la bola oberta de centre ( 0, 0 ) i radi 2.
36
Veure la plana anterior.
26
2.2.4. Segment entre dos punts i conjunt convex
y = x 2 − 2x + 2
d’ordenades en el punt ( 0,2 ) , deduïm que S està format pels punts que, o bé
un conjunt convex ja que, com podem constatar, conté tots el seus segments.37
Gràficament:
37
Si la desigualtat de definició hagués estat la contrària, el conjunt no seria convex.
27
2.3. Formes quadràtiques i classificació
El interès que tenen per nosaltres les formes quadràtiques rau en la condició
donada per:40
3 1 0
A = 1 4 −1
0 −1 3
que té per elements de la diagonal els coeficients de x12 , x22 i x32 , i per terme
3 1 0 x1
( x1 , x2 , x3 ) ⋅ 1 4 −1 ⋅ x2 = 3x12 + 4x22 + 3x32 + 2x1x2 − 2x2x3 = f ( x1 , x2 , x3 ) .
0 −1 3 x
3
Doncs bé, en aquest cas, diem que la forma quadràtica té per matriu simètrica
a11 … a1n x1
n
f ( x ) = x '⋅ A ⋅ x = ( x1 ,…, xn ) ⋅ ∑ aij xi x j
=
a ann xn
i , j =1
1n
38
Aquesta qüestió s’estudia a l’últim tema del Bloc de Càlcul.
39
Notem que les variables apareixen multiplicades dos a dos.
40
Cal recordar que una matriu quadrada és simètrica si coincideix amb la seva transposada.
28
2.3.1. Signe d’una forma quadràtica
El que ens interessa de les formes quadràtiques és, bàsicament, el seu signe i,
forma quadràtica Rn
f
→ R és:
5. Indefinida quan no sigui cap de les anteriors, és a dir, quan existeixin dos
f ( x , y , z ) = x 2 + y 2 + z 2 − 2xy
és semidefinida positiva.
SOLUCIÓ:
f ( x , y , z ) = x 2 + y 2 + z 2 − 2xy = ( x − y ) + z 2 ≥ 0
2
29
2.3.2. Mètode de classificació d’una forma quadràtica per menors principals
a11 a1n
A=
a ann
n1
per diagonal alguns dels elements a11 ,…, ann de la diagonal principal.
Vegem un exemple:
−5 3 1
A = 3 −2 0 .
1 0 −3
SOLUCIÓ:
D’entrada tenim els menors principals d’ordre 1 que són, precisament, els
−5, −2 i − 3 .
−5 3 −2 0 −5 1
= 1, =6i = 14 .
3 −2 0 −3 1 −3
Finalment, és evident que, en el cas que ens ocupa, els menors principals
−5 3 1
A = 3 −2 0 = −1 .
1 0 −3
30
2.3.2.1. Relació entre signe d’una forma quadràtica i menors principals
amb det A = 0 .
−5 3 1
A = 3 −2 0 .
1 0 −3
−5 3 −2 0 −5 1
= 1 > 0, =6>0 i = 14 > 0
3 −2 0 −3 1 −3
i el d’ordre 3 és negatiu:
A =1>0
41
Notem que si el determinant de la matriu simètrica associada a una forma quadràtica és
diferent de zero, aquesta forma quadràtica no pot ser semidefinida (ni positiva ni negativa).
31
2.3.3. Forma quadràtica restringida
g ( x , z ) = f ( x , −x − z , z ) = 3x 2 + 3z 2 + 4x ( −x − z ) + 8xz + 4 ( −x − z ) z =
= −x 2 − z 2
que, com podem constatar, és definida negativa. Per tant, la forma quadràtica
42
Això passarà amb la condició suficient d’optimització restringida per igualtats que s’estudia
a Matemàtiques II.
43
El determinant de la matriu simètrica associada és diferent de zero i no és definida.
44 n
Cal remarcar que si una forma quadràtica és definida sobre tot l’espai R també ho serà
sobre qualsevol subconjunt no buit d’aquest.
32
2.4. Exercicis
% P Q
A 60% 40%
B 30% 70%
a. f ( x , y , z ) = 2x 2 + 3y 2 + 2z 2 + 2xz .
b. f ( x , y , z ) = x 2 + 2y 2 + z 2 − 2xy + 2yz .
f ( x , y , z ) = x 2 + y 2 + z 2 − xy − xz − yz
restringida al subespai S = {( x , y , z ) ∈ R3 : z = 5y } .
33
BLOC II: Càlcul
L’estructura bàsica sobre la què ens mourem serà l’espai euclidià Rn associat
A ⊂ Rn f
→R
x = ( x1 ,…, xn ) ∈ A → z = f ( x ) = f ( x1 ,…, xn ) ∈ R
f (x , y ) = + x 2 + y 2 − 1 .
SOLUCIÓ:
És evident que es tracta d’una funció escalar ja que està definida sobre R2 i
z = f (x , y ) = + x 2 + y 2 − 1 ∈ R .
Per una altra banda, i degut a la presència de l’arrel quadrada, el domini serà:
A = {( x , y ) ∈ R2 : x 2 + y 2 ≥ 1} .
45
Notem que si n = 1 la funció escalar és una funció real d’una variable. A partir d’ara hom
donarà per conegudes les propietats més importants d’aquestes funcions relatives a la
continuïtat i a la derivabilitat.
34
Representar gràficament dominis de funcions escalars amb dues variables és
lo primer que analitzarem amb cert detall. Vegem, de nou, l’exemple anterior:
f (x , y ) = + x 2 + y 2 − 1 .
SOLUCIÓ:
A = {( x , y ) ∈ R2 : x 2 + y 2 ≥ 1}
x2 + y2 =1
( x − a ) + ( y − b ) = r 2 , amb r > 0
2 2
35
3.1.2. Corbes de nivell d’una funció escalar
Ja sabem que la representació gràfica d’una funció d’una variable és una corba
que en resulten sobre el pla base XY. Així doncs, les corbes de nivell de la
funció A ⊂ R2
f
→ R són les corbes del pla XY donades per la igualtat:
f ( x , y ) = k , amb k ∈ R paràmetre
46
Notem que les corbes de nivell d’una funció es troben dins del seu domini de definició.
36
Exemple: Representa gràficament les corbes de nivell de les funcions:
a. z = 1 − ( x − 1 ) − ( y − 1 ) .
2 2
b. f ( x , y ) = xy .
de nivell que hi té associades són les corbes ck que tenen per equació:
1 − ( x − 1 ) − ( y − 1 ) = k → (x − 1) + ( y − 1) = 1 − k .
2 2 Equivalent 2 2
b) Ara les corbes de nivell ck són les corbes del pla que tenen per equació:
xy = k .
Aquestes corbes són les hipèrboles equilàteres amb asímptotes els eixos
1er. i 3er. quadrants, i per k < 0 tenim una en el 2on. i 4rt. quadrants; per
37
3.1.3. Límit d’una funció escalar en un punt
funció d’una variable ja que es vol formalitzar la mateixa idea. Així doncs, i des
A ⊂ Rn
f
→ R quan la variable x ∈ Rn tendeix cap al punt a ∈ Rn , i posem:
L = lim f ( x )
x →a
En aquest cas:
L = f (a , b ) = lim f (x , y ) .
( x ,y )→(a ,b )
47
Es pot trobar la definició formal de límit en la majoria dels textos d’anàlisi matemàtica.
38
Anem a comentar, breument i amb un exemple, la problemàtica associada al
4x − y 2
f (x , y ) =
x − 2y
no té límit en el punt ( a , b ) = ( 0, 0 ) .
SOLUCIÓ:
4x − y 2 4 ⋅ 0 − 02 0
lim = =
( x ,y )→( 0,0 ) x − 2y 0 − 2 ⋅ 0 0
manera com s’estudien els d’una variable.49 Tanmateix, i en aquest cas concret,
4x − y 2 4x − 0 2 4x
lim lim = xlim = xlim =4
x → 0 y → 0 x − 2y →0 x − 2 ⋅ 0 →0 x
i:
4x − y 2 4⋅0 − y2 −y 2 y
lim lim = lim = lim = lim = 0 .
y → 0 x → 0 x − 2y
y →0 0 − 2y y →0 −2y y →0 2
Com que són diferents, podem assegurar ja que el límit inicial no existeix.50
48
Fixem-nos que el domini d’aquesta funció és el conjunt de punts del pla que no es troben
sobre la recta y = 0.5x .
49
Això passa amb més raó amb els límits de funcions escalars amb més de dues variables.
50
Un altre tipus de límit a considerar serien, per exemple, el límits anomenats direccionals o
radials que són els que s’obtenen al imposar que les trajectòries d’aproximació cap al punt
siguin rectes. En aquest cas concret, però, no ha fet falta estudiar-los.
39
3.1.4. Continuïtat d’una funció escalar
real R per vectors de l’espai Rn . Així doncs, diem que la funció escalar
f
A ⊂ Rn → R és contínua en el punt a ∈ A si:
lim f ( x ) = f ( a ) .51
x →a
Notem que la existència del límit d’una funció escalar en un punt no és condició
suficient per assegurar la seva continuïtat; cal que aquest límit sigui,
a. f ( x , y ) = ln ( xy ) .
4x − y 2
b. f ( x , y ) = .
x − 2y
SOLUCIÓ:
1 1 1
lim f (x , y ) = lim ln ( xy ) = ln i f −1, − = ln .
( x , y )→ −1, −
1
( x ,y )→ −1, −
1
2 2 2
2 2
51
El gràfic de la plana 38 és un exemple de funció escalar en dues variables contínua en el
punt ( a , b ) .
40
3.2. Derivades d’una funció escalar i vector gradient
de la forma A ⊂ Rn
f
→ R ja que no té sentit la suma a + t , i molt menys la
f ( a + t ⋅ u0 ) − f ( a )
lim = fu ' ( a ) ∈ R
t →0 t 0
∂f ( a )
Aquesta derivada la podem denotar per o bé per fx'i ( a ) .
∂xi
52
O derivada segons la direcció del vector u ∈ Rn .
53
De fet no caldria considerar el vector unitari associat. La raó d’agafar-lo és degut a que la
derivada direccional s’ajusta millor al concepte de derivada d’una variable que ja coneixem
(veure la plana següent).
54
Notem que els vectors de la base canònica d’un espai vectorial són sempre vectors unitaris.
41
3.2.2. Interpretació geomètrica de la derivada direccional d’una funció escalar
( )
segons la direcció del vector 1, 3 a partir de la definició.
1 3
a = (1,1 ) i u = , .
2 2
Per tant:
f ( a + t ⋅ u ) − f ( a ) a = (1,1 )
fu ' ( a ) = lim = =
t →0 t (
u = 1/2, 3 /2
)
1 3 t 3t
f (1,1 ) + t ⋅ , − f (1,1 ) f 1 + ,1 + − f (1,1 )
2 2 2 2
= lim = lim =
t →0 t t →0 t
(
1 + 3t /2 ) − 1 2 + 3t 3t − t
1 + t /2 1 −1
= lim = lim 2 +t = lim 2 +t
= lim
3 −1
=
3 −1
.
t →0 t t →0 t t →0 t t →0 2 + t 2
42
3.2.3. Interpretació geomètrica de les derivades parcials d’una funció escalar
És a dir:
∂f ( a , b )
= tan α .
∂x
És a dir:
∂f ( a , b )
= tan α .
∂y
43
3.2.4. Càlcul de les derivades parcials d’una funció escalar
y
z = f (x , y ) = .
x
SOLUCIÓ: Pel que fa a la derivada parcial respecte x cal considerar:
a = (1,1 ) i u = e1 = (1, 0 ) .
Per tant:
∂f ( a )
= lim
f ( a + t ⋅ u ) − f ( a ) a = (1,1 )
= = lim
f ( (1,1) + t ⋅ (1, 0 ) ) − f (1,1) =
∂x t →0 t u = (1, 0 ) t →0 t
1
f (1 + t ,1 ) − f (1,1 ) −1 −t −1
1 +t
= lim = lim = lim = lim = −1.
t →0 t t →0 t t → 0 t (1 + t ) t →0 1 + t
a = (1,1 ) i u = e2 = ( 0,1 )
i, conseqüentment:
Fixem-nos que la derivada parcial i-èsima d’una funció és el límit d’una variable:
55
Com a molt existeixen n derivades parcials d’una funció escalar de n variables en un punt.
44
A partir de la fórmula anterior hom dedueix que el càlcul de les derivades
derivada parcial respecte una variable s’obté derivant l’expressió funcional tot
a. z = f ( x , y ) = 4x 2 − 7 y 3 + 2x 2y − 75y + 8 .
1 x −y
b. z = f ( x , y ) = ln .
2 x +y
c. z = f ( x , y ) = x y .
∂z 1 x + y 1 ⋅ (x + y ) − (x − y ) ⋅ 1 y
= {y constant} = = 2
∂x 2x − y (x + y )
2
x −y2
i:
∂z 1 x + y ( −1 ) ⋅ ( x + y ) − ( x − y ) ⋅ 1 −x
= {x constant} = = 2 .
∂y 2x − y ( x + y )
2
x −y2
i:
∂z
= {x constant} = x y ⋅ ln x .
∂y
45
Vegem, finalment, cóm calcular derivades parcials en situacions diverses:
x 2 + y
,x + y 2 ≠ 0
f (x , y ) = x + y 2
0 , ( x , y ) = ( 0, 0 )
t 2 + 0
∂f ( 0, 0 ) f (t , 0 ) − f ( 0, 0 ) t + 02 − 0
t
= lim = lim = lim = 1
∂x t →0 t t →0 t t →0 t
i:
02 + t
∂f ( 0, 0 ) f ( 0,t ) − f ( 0, 0 ) 0 +t 2 − 0
1
= lim = lim = lim 2 = ∃ .
∂y t →0 t t →0 t t →0 t
∂f 2x ( x + y ) − ( x + y ) ⋅ 1 2x 2 + 2xy 2 − x 2 − y x 2 + 2xy 2 − y
2 2
= = =
∂x (x + y 2 ) (x + y 2 ) (x + y 2 )
2 2 2
i:
∂f 1 ⋅ ( x + y ) − ( x + y ) ⋅ 2y x + y 2 − 2x 2y − 2y 2 x − 2x 2y − y 2
2 2
= = = .
∂y ( x + y )
2 2
( x + y )
2 2
( x + y )
2 2
Per tant:
2
∂f x 2 + 2xy 2 − y ∂f 02 + 2 ⋅ 0 ⋅ ( −3) − ( −3) 1
= ( 0, − 3 ) = =
( x + y 2 ) x =0, y =−3 ∂x ( )
2
∂x 2
0 + ( −3)
2 27
→
∂f x − 2x 2y − y 2 ∂f 0 − 2 ⋅ 02 ⋅ ( − 3 ) − ( − 3 )
2
1
=
( 0, −3 ) = =−
∂y (x + y )
2 2
∂y
(
0 + ( −3)
2
)
2
9
56
Això caldrà fer-ho sempre que ens trobem amb situacions similars a aquesta.
57
De fet aquest punt és un punt interior del domini de definició de la funció.
46
3.2.5. Aplicacions econòmiques
3.2.5.1. Marginalitat
∂f ( a )
f ( a1 ,…, ai + 1,…, an ) − f ( a1 ,…, ai ,…, an ) .
∂xi
Vegem un exemple:
Exemple: Si:
∂B ∂B (250,220 )
= −5y + 1300
x =250, y =220
→ = 200
∂y ∂y
58
Val a dir que aquesta aproximació s’ajusta força bé a la realitat ja que el increment és
exactament igual a 197.5 u.m.
47
3.2.5.2. Elasticitat parcial
Si A ⊂ Rn
f
→ R admet derivada parcial i-èsima en a = ( a1 ,…, an ) ∈ A tal que
ai ∂f ( a )
E xi f ( a ) = .
f ( a ) ∂xi
∆ xi f ( a ) a ∆ x f ( a ) ∆ai ∆ai
= i ⋅ i E xi f ( a ) .
f (a ) f (a ) ∆ai ai ai
E xi f ( a ) ⋅ r .
x ∂B ( x , y ) −x 2 + 1100x
Ex B ( x , y ) = ⋅ = → E x B (250,220 ) = 0.102041
B (x , y ) ∂x B (x , y )
hom dedueix, aplicant l’expressió anterior, que l’increment relatiu del benefici
∆ x B (250,220 )
E x B (250,220 ) ⋅ 0.02 = 0.00204082 0.2% .59
B (250,220 )
59
En realitat, el increment percentual real és d’un 0.184%.
48
3.2.6. Vector gradient d’una funció en un punt
∂f ( a ) ∂f ( a )
∇f ( a ) = , …, .
∂x1 ∂xn
Vegem un exemple:
funcions escalars:
y
a. f ( x , y ) =
x
b. f ( x , y ) = xy
∂f y
= − 2
∂x x x =1,y =0 ∂f (1, 0 ) ∂f (1, 0 ) 0 1
→∇f (1, 0 ) = , = − 2 , = ( 0,1 ) .
∂f 1 ∂ x ∂ y 1 1
=
∂y x
∂f 1 1 y
= ⋅y =
∂x 2 xy 2 x x =1 i y =0 ∂f (1, 0 ) 1 1
→ = = ∃.
∂f 1 1 x ∂y 2 0
= ⋅x =
∂y 2 xy 2 y
49
3.3. Funcions escalars diferenciables i implícites
Una diferència cabdal entre les funcions reals d’una variable i les funcions
escalars es troba en el fet que mentre que tota funció derivable del primer
tipus és contínua això no sempre és cert per a funcions escalars. Per exemple,
la funció escalar:
x 2y
2 , x2 + y ≠ 0
f (x , y ) = (x + y )
2
0, x2 + y = 0
punt.60 Això és degut, entre d’altres, a que les derivades són tant sols límits
la noció de pla en R3 que no és més que el lloc geomètric dels punts de l’espai
Ax + By + Cz = D , amb A, B , C , D ∈ R .
Val a dir que el vector (A, B , C ) format pels coeficients de l’equació és sempre
60
A una funció escalar amb derivades de tot tipus en un punt li podem dir derivable en el punt.
50
Doncs bé, es pot demostrar que si una funció escalar A ⊂ R2
→ R en dues
∂f ( a , b ) ∂f ( a , b )
z = f (a , b ) + (x − a ) + (y − b ) .
∂x ∂y
Gràficament:
Val a dir que el concepte de pla tangent es pot generalitzar a n variables i que
∂f ( a ) ∂f ( a )
z = f (a ) + ( x1 − a1 ) + + ( xn − an ) .
∂x1 ∂xn
x −y
Exemple: Troba la equació del pla tangent en (2,1 ) a la funció f ( x , y ) = .
x +y
1 2y −2x x =2 i y =1 2 −4
f (2,1 ) = i ∇f = , →∇f (2,1 ) = ,
3 (x + y ) (x + y )
2 2
9 9
∂f (2,1 ) ∂f (2,1 ) 1 2 4
z = f (2,1 ) + ⋅ ( x − 2) + ⋅ ( y − 1) = + ( x − 2) − ( y − 1)
∂x ∂x 3 9 9
51
3.3.2. Funció escalar diferenciable
càlcul aproximat del valor d’una funció escalar en un punt. A tal fi, es pot
provar que si A ⊂ Rn
f
→ R és diferenciable en a ∈ A llavors el valor de
∂f ( a ) ∂f ( a )
f ( x ) f (a ) + ( x1 − a1 ) + + ( xn − an ) .61
∂x1 ∂xn
(a , b ) = (e ,1 ) i ( x , y ) = (e ,1.0025 ) .
Així doncs:
∂f ( a , b ) ∂f ( a , b )
e 1.0025 = f ( x , y ) f ( a , b ) + (x − a ) + (y − b ) =
∂x ∂y
∂f (e ,1 ) ∂f (e ,1 ) ∂f (e ,1 )
= f (e ,1 ) + (e − e ) + ⋅ (1 − 1.0025 ) = e + ⋅ 0.0025.
∂x ∂y ∂y
∂f ∂f (e ,1 )
Ja que: = x y ln x →
x =e i y =1
= e , deduïm, finalment, que:
∂y ∂y
∂f (e ,1 )
e 1.0025 e+ ⋅ 0.0025 = e + e ⋅ 0.0025 = e ⋅ 1.0025 2.725077533. 62
∂y
61
Quan més a prop estigui x de a , millor serà l’aproximació.
62
Amb la calculadora hauríem obtingut el valor 2.725086035.
52
3.3.2.1. Teoremes sobre funcions escalars diferenciables
Enunciarem ara alguns del teoremes més importants relatius a les funcions
Així doncs, el concepte de funció escalar diferenciable és, ara, més potent que
són contínues, cosa que no passa amb les funcions d’una variable.63
x − y
, x +y ≠0
f (x , y ) = x + y
0, x +y =0
no és diferenciable en el punt ( 0, 0 ) .
x −y x x −y −y
lim lim = lim = 1 i lim lim = lim = −1
x →0 y →0 x + y
x →0 x y → 0 x →0 x + y
y →0 y
en el punt ( 0, 0 ) .66
63
Veure l’exemple de la plana 50.
64
Per tant no existeix el límit de la funció en el punt i, en conseqüència, no pot ser contínua.
65
El contrarecíproc d’un teorema de la forma “ A → B ” és “ NoB → NoA ”.
66
Val a dir que les funcions escalars que estudiem són diferenciables en els punts del interior
del domini de definició, la qual cosa no passa sempre amb aquells que es troben sobre la seva
frontera.
53
El 2on. teorema parla de la relació entre la diferenciabilitat i la derivabilitat.
En efecte:
• Si A ⊂ Rn
f
→ R és diferenciable en a ∈ A aleshores és derivable segons
fu ' ( a ) = ∇f ( a ) ⋅ u .
SOLUCIÓ:
13 −7
u = ,
218 218
i que:
tenim que la derivada en (10,3) segons el vector unitari associat a (13, −7 ) és,
13 −7 6 −20 13 −7
fu ' (10,3) = ∇f (10,3) ⋅ , = 169 , 169 ⋅ , =
218 218 218 218
6 ⋅ 13 + 20 ⋅ 7 218
= = 0.087366.
169 218 169
67
Aquest resultat també és cert si el vector u no és unitari.
54
El 3er. teorema posa en relació les funcions diferenciables amb les funcions
si totes les funcions derivada parcial són contínues sobre una bola oberta de
∂f x ∂f −y
= i =
∂x x2 −y2 ∂y x2 −y2
• Si A ⊂ Rn
f
→ R és diferenciable en a ∈ A llavors la derivada direccional
punt ( 5, 4 ) .
SOLUCIÓ: Ja que
x −y 5 −4
∇f ( x , y ) = , x =5 i y = 4
→∇f ( 5, 4 ) = ,
x −y
2 2
x2 −y2
3 3
2 2
5 −4 5 −4 41
∇f ( 5, 4 ) = , = + + = .
3 3 3 3 3
68
Una conseqüència important d’aquest teorema diu que si volem maximitzar (minimitzar) una
funció escalar a partir d’un punt cal seguir la direcció i sentit (sentit contrari) del vector
gradient associat.
55
3.3.3. Composició de funcions escalars i regla de la cadena
partir d’un exemple concret, com es poden calcular les derivades parcials d’una
x =u 2 +v u
x →
z =2xy + y 2x v
z →
y
y =2u −v 2 u
→
v
∂z ∂z ∂x ∂z ∂y
= ⋅ + ⋅ = (2y + y 2 ) ⋅ 2u + (2x + 2yx ) ⋅ 2
∂u ∂x ∂u ∂y ∂u
i:
∂z ∂z ∂x ∂z ∂y
= ⋅ + ⋅ = (2y + y 2 ) ⋅ 1 + (2x + 2yx ) ⋅ ( −2v ) .
∂v ∂x ∂v ∂y ∂v
Com que:
x = {u + v } = 1 + 1 = 2
(u ,v ) = (1,1) → y =
implica
{2u − v } = 2 ⋅ 1 − 1 = 1
aleshores:
∂z (1,1 ) ∂z (1,1 )
∇z (1,1 ) = , = {u = v = 1, x = 2 i y = 1} = (22, −13) .
∂u ∂v
69
Arbres de dependència entre variables com aquest sorgeixen sempre en un context de
composició de funcions.
56
3.3.4. Funcions escalars implícites
Val a dir que les funcions escalars implícites són funcions on la relació entre la
direm funció implícita. Sol passar, en molts casos, que la variable implícita z
defineix. Malgrat això, sempre podrem calcular les seves derivades parcials.
En efecte:
∂F
∂z ∂x
= − i , per a tot i = 1,…, n .
∂xi ∂F
∂z
x1
xn
F ( x1 ,…, xn , z )
=0
→
x1
z →
z =z ( x1 ,…,xn )
xn
∂F ∂F ∂z implica ∂z ∂F ∂F
s’obté directament que: 0 = + ⋅ → = − : .
∂xi ∂z ∂xi ∂xi ∂xi ∂z
57
Exemple: Donada l’equació:
partir de la igualtat:
x
F ( x , y , z )
=0
→ y
x
z =z ( x , y )
z →
y
∂F
∂z 2z 2 − 3y
∂x
= − =−
∂F ∂F ∂z ∂x ∂F 4xz + 5y
0= + ⋅
∂x ∂z ∂x ∂z
∂F ∂F ∂z →
∂F
0= + ⋅
∂y ∂z ∂y ∂z ∂y −3x + 5z
=− =−
∂y ∂F 4xz + 5y
∂z
2z 2 − 3y −3x + 5z x =0.5, y =0 i z =2 1 17 70
∇z ( x , y ) = − ,− →∇z , 0 = −2, − .
4xz + 5y 4xz + 5y 2 8
70
Cal emfatitzar el fet que s’han pogut calcular les derivades parcials de la funció implícita
sense conèixer la seva expressió funcional.
58
3.4. Derivades segones d’una funció escalar i matriu hessiana
hessiana d’una funció escalar en un punt. Aquesta matriu està formada per les
parcial segona de A ⊂ Rn
f
→ R en a ∈ A respecte les variables ( xi , x j ) -en
∂f
∂ (a )
∂ f (a )
2
∂xi ∂2f ( a )
= i, si xi = x j , posarem .
∂xi ∂x j ∂x j ∂xi2
f ( x , y ) = x ⋅ ln y .
SOLUCIÓ:
∂f ∂f x
Ja que el vector gradient és ∇f = , = ln y , tenim que:
∂x ∂y y
∂2f ∂f ∂ (ln y )
∂ ∂2f (1,1 )
= ∂x = = { y constant } = 0 x =1, y =1
→ =0
∂x 2
∂x
∂x ∂x 2
∂2f ∂ ∂f ∂ (ln y ) 1
= = =
∂x ∂y ∂y ∂x ∂y y x =1, y =1 ∂2f (1,1 ) ∂2f (1,1 )
→ = =1
∂2f ∂ ∂f ∂ ( x / y ) 1 ∂x ∂y ∂y ∂x
= = =
∂y ∂x ∂x ∂y ∂x y
∂2f ∂ ∂f ∂ ( x / y ) x x =1, y =1 ∂2f (1,1 )
= = = − 2 → = −1.
∂y 2 ∂y ∂y ∂y y ∂y 2
59
3.4.1.2. Derivades parcials segones creuades i teorema de Schwarz
Hem de dir que, en general, les derivades parcials 2es. que podem anomenar
x +y
xy , x ≠ y
f (x , y ) = x − y
x =y
0,
∂2f ( 0, 0 ) ∂2f ( 0, 0 )
= −1 i = 1.
∂x ∂y ∂y ∂x
Doncs bé, el teorema de Schwarz ens dóna les condicions sota les quals les
derivades parcials segones creuades són iguals. Aquest teorema afirma que:
• Si A ⊂ Rn
f
→ R és de classe C 1 en a ∈ A tal que la funció escalar:
∂2f
∂xi ∂x j
∂2f ( a ) ∂2f ( a )
= .
∂x j ∂xi ∂xi ∂x j
Cal fer notar que les funcions escalars que estem estudiant satisfan les
60
3.4.2. Matriu hessiana d’una funció escalar
derivades parcials 2es. de la funció en el punt (1,1 ) , l’únic que ens cal fer és
71
De fet juga un paper semblant al de la 2a. derivada d’una funció real d’una variable.
61
3.5. Funcions homogènies i teorema d’Euler
Les funcions escalars homogènies són aquelles funcions que varien de forma
proporcional quan les seves variables varien totes en la mateixa proporció. Per
m ∈ R si, per a tot punt x ∈ A i tot escalar positiu t > 0 hom té que:
f (t ⋅ x ) = t m ⋅ f ( x ) .
Vegem un exemple:
x −y
Exemple: Prova que la funció z = és homogènia de grau m = 0.5 .
x +y
(tx ) − (ty ) t (x − y ) 1−
1
x −y 1
f (tx ,ty ) = = =t ⋅
2
= t ⋅ f ( x , y ) .
2
(tx ) + (ty ) t ⋅ x +y x +y
aquesta tessitura, l’output varia en una proporció més petita que els inputs.
62
3.5.2. Teorema d’Euler
d’aquelles funcions escalars que venen definides de forma implícita. Notem que
• A ⊂ Rn
f
→ R diferenciable és homogènia de grau m ∈ R si i només si:
∂f ∂f
⋅ x1 + + ⋅ xn = m ⋅ f ( x ) .
∂x1 ∂xn
i:
1
( −1 ) ⋅ x + y − ( x − y )
∂f 2 x +y −2 ( x + y ) − ( x − y ) −3x − y
= = =
∂y x +y 2 x + y (x + y ) 2 (x + y ) x + y
tenim que:72
∂f ∂f x + 3y −3x − y
x+ y = x + y =
∂x ∂y 2 (x + y ) x + y 2 (x + y ) x + y
x 2 + 3yx − 3xy − y 2 x2 − y2 x +y 1
= = = = ⋅ f (x , y ) .
2 (x + y ) x + y 2 (x + y ) x + y 2 x + y 2
72
És evident que si la funció objecte d’estudi és “explicita”, com aquesta, no cal aplicar el
teorema d’Euler ja que la pròpia definició resol directament la qüestió de la homogeneïtat.
63
Vegem, finalment, una aplicació econòmica:
Exemple:
∂Q (2, 4 ) ∂Q (2, 4 )
= −1 i = 3.
∂K ∂L
d’Euler, que:
∂Q (2, 4 ) ∂Q (2, 4 )
Q (2, 4 ) = 1 ⋅ Q (2, 4 ) = ⋅2 + ⋅ 4 = ( −1 ) ⋅ 2 + 3 ⋅ 4 = 10 unitats.
∂K ∂L
b) Com podem veure, aquesta funció de producció és, com en el cas anterior,
64
3.6. Exercicis
x2 +y
f (x , y ) = .
x2 −y
2. Prova que:
∂z ∂z
a. z = 0.5ln ( x 2 + xy − y 2 ) satisfà la igualtat x +y = 1.
∂x ∂y
∂r ∂r ∂r
b. r = + x 2 − y 2 + 2z 2 satisfà la igualtat x +y +z =r .
∂x ∂y ∂z
3. Determina les equacions dels plans tangents en el punt ( 0,1 ) a les funcions:
a. f ( x , y ) = e x −3y . b. f ( x , y ) = + y − x 2 + 1 .
4. Donada la funció:
x 2 − 3y 2
, x ≠y
f (x , y ) = x − y
0, ( x , y ) = ( 0, 0 )
fabricar una caixa tancada de 3x2x1 m3 que està feta amb un metall de
0.4053 cm d’espessor i amb un preu de cost de 2.5 u.m. el quilo.73
( )
6. Prova que z = ln ( x − a ) + ( y − b ) , amb a i b paràmetres, satisfà:
2 2
∂2z ∂2z
+ 2 = 0 .74
∂x 2
∂y
73
u.m. denoten unitats monetàries. Suposarem que un quilo d’aquest material ocupa un volum
d’un litre (1 dm3).
74
Aquesta equació rep el nom d’equació de Laplace.
65
4. OPTIMITZACIÓ SENSE RESTRICCIONS
L’objectiu d’aquest tema és trobar els màxims i mínims, és a dir, els òptims
escalars de classe C 2 ).76 Val a dir que les definicions són idèntiques a les d’una
variable. Començarem amb les de màxim i mínim globals. En general, diem que
la funció escalar A ⊂ Rn
f
→ R té en el punt a ∈ A un:
f ( x ) ≤ f ( a ) , per a tot x ∈ A .
f ( a ) ≤ f ( x ) , per a tot x ∈ A .
f ( x , y ) = + 4 − x 2 − 4y 2
f ( x , y ) = 4 − x 2 − 4y 2 ≤ 4 = 2
f ( 0, 0 ) = 4 − 02 − 4 ⋅ 02 = 4 = 2
75
Lliures en el sentit que les variables independents no estan subjectes a cap mena de
restricció llevat de les pròpies del domini de definició.
76
Aquestes funcions són en particular funcions de classe C 1 i, per tant, diferenciables.
66
4.1.2. Teorema de Weierstrass
globals.77
mínim globals.
SOLUCIÓ: El domini de definició de la funció és:
{
A = ( x , y ) ∈ R2 : ( x 2 + y 2 − 2 )(1 − x 2 − y 2 ) ≥ 0 .}
Com que:
x 2 + y 2 ≥ 2 i 1 ≥ x 2 + y 2
( x 2 + y 2 − 2)(1 − x 2 − y 2 ) ≥ 0 ←
Equivalent
→ ó
2 2
x + y ≤ 2 i 1 ≤ x + y
2 2
77
El teorema de Weierstrass és fonamental a l’hora d’optimitzar funcions escalars subjectes
a restriccions de desigualtat. Aquest tipus d’optimització s’estudia a Matemàtiques II.
78
Es pot provar que els mínims són els punts de les circumferències de centre ( 0, 0 ) i de radis
1i 2 , i els màxims els de la circumferència de centre ( 0, 0 ) i radi 1.5 .
67
4.1.3. Màxim i mínim locals o relatius, òptim i valor òptim d’una funció escalar
Tanmateix, però, els màxims i els mínims globals no són el tipus d’òptims que,
en principi, detecten les eines analítiques que hem estudiat. L’objecte d’estudi
serà, més aviat, els màxims i els mínims locals. Per definició, diem que la funció
escalar A ⊂ Rn
f
→ R té en el punt a ∈ A un:
f ( x ) ≤ f (a ) .
f (a ) ≤ f (x ) .
Així doncs, els màxims i mínims locals són com els màxims i mínims globals però
“restringits” ara a una certa bola oberta. Per exemple, la funció escalar:
x 2 + y 2 , 0 ≤ x2 + y2 ≤ 1
f (x , y ) =
2 − x − y , x + y > 1
2 2 2 2
escalar A ⊂ Rn
f
→ R si és un màxim o mínim, ja sigui global o local. Al valor
z 0 = f (a )
68
4.2. Condicions necessàries i suficient d’òptims locals
teorema la recull:
• Si la funció escalar A ⊂ Rn
f
→ R és de classe C 1 i si el punt a ∈ A és un
∂f ( a ) ∂f ( a ) n )
∇f ( a ) = , , = 0,…, 0 .
∂x1 ∂xn
f ( x , y ) = 4 − x 2 − 4y 2
∂f −x
=
∂x 4 − x 2 − 4y 2 x =0, y =0 ∂f ( 0, 0 ) ∂f ( 0, 0 )
→ = =0 .
∂f −4 y ∂x ∂y
=
∂y 4 − x 2 − 4y 2
Notem, per exemple, que el punt ( 0,1 ) , que és un mínim global, no satisfà
aquesta condició ja que les dues derivades parcials no hi estan definides. Cal
remarcar, doncs, que els òptims locals que satisfan la condició necessària de
1er. ordre han de ser punts interiors del domini de la funció objecte d’estudi.
79
Hom diu de 1er. ordre ja que fa intervenir només les derivades parcials primeres. La prova
d’aquest teorema està penjada al Campus Virtual.
69
4.2.1.1. Punt crític i punt de sella d’una funció escalar
Sembla ser, doncs, que els punts que anul·len el gradient d’una funció escalar
juguen un paper molt important. Per definició, i donada una funció escalar
A ⊂ Rn
f
→ R de classe C 1 , diem que un punt a ∈ A és un punt crític o
f ( x , y , z ) = 2x 2 + y 2 − z 2 + x + 5 .
∂f
0= = 4x + 1
∂x
∂f Solució 1
0= = 2y →x = − ,y = z = 0 .
∂y 4
∂f
0= = −2z
∂z
No tot punt crític d’una funció escalar és sempre un òptim. El que sí podem
afirmar és que tot punt crític és, o bé un òptim, o bé un punt de sella. Per
80
Precisament el punt crític del exemple anterior, com veurem endavant, és un punt de sella.
70
4.2.2. Condició necessària de 2on. ordre
funció escalar a optimitzar -que caldrà assumir que és de classe C 2 -, i ens diu
que si A ⊂ Rn
f
→ R és una funció escalar de classe C 2 aleshores:
f ( x , y ) = + 4 − x 2 − 4y 2 .
2
∂ f −4 + 4y 2
∂x 2 = 3
∂f
=
−x ( 4 − x 2 − 4y 2 ) 2
∂x
4 − x 2 − 4y 2 ∂2f ∂2f 4xy
→ = =
∂f −4y ∂x ∂y ∂y ∂x ( 4 − x 2 − 4y 2 ) 2
3
=
∂y 4 − x 2 − 4y 2
∂2f −16 + 4x 2
2 =
∂y
3
( 4 − x 2
− 4 y )
2 2
∂2f ( 0, 0 ) ∂2f ( 0, 0 )
∂x
2
∂x ∂y −0.5 0
Hf ( 0, 0 ) = 2 = .
∂ f ( 0, 0 ) ∂2f ( 0, 0 ) 0 −2
∂y ∂x ∂y 2
71
4.2.2.1. Relació entre la condició necessària de 2on. ordre i els punts de sella
Així doncs, el que afirma la condició necessària de 2on. ordre anterior és que ,
en un òptim lliure d’una funció escalar, la matriu hessiana associada no pot ser
indefinida. Per tant, i com a conseqüència immediata, tenim el teorema que ens
diu que:
A ⊂ Rn
f
→ R de classe C 2 és indefinida aleshores a ∈ A és un punt de
sella.
f ( x , y , z ) = 2x 2 + y 2 − z 2 + x + 5
1
té un punt de sella en − , 0, 0 .
4
4 0 0
1
Hf − , 0, 0 = 0 2 0 .
4 0 0 −2
1
és indefinida. Per tant, i aplicant l’anterior, − , 0, 0 és un punt de sella.
4
81
Veure l’exemple de la plana 70.
72
4.2.3. Condició suficient de 2on. ordre
ordre, amb les matrius hessianes de la funció escalar a optimitzar. Notem que
malgrat que el teorema que enunciarem tot seguit sembla el recíproc del
mínim local.
màxim local.
f ( x , y ) = + 4 − x 2 − 42 .
SOLUCIÓ:
Com que ja hem vist més amunt que ( 0, 0 ) és un punt crític de la funció i que la
−0.5 0
Hf ( 0, 0 ) =
0 −2
82
En aquest cas sabem més ja que es tracta d’un màxim global. Tant aquest resultat com el
anterior justifiquen l’estudi del signe de les formes quadràtiques dut a terme en el Bloc I.
73
Vegem ara un exemple complet:
1 1
f ( x , y ) = 8xy + + .
x y
SOLUCIÓ:
{
A = ( x , y ) ∈ R2 : x , y ≠ 0 . }
Trobar els punts crítics voldrà dir resoldre el sistema d’equacions no lineal:
∂f 1
0= = 8y − 2
∂x x
En particular 8yx = 1
2
→
8xy = 1
2
∂f
1
0= = 8x − 2
∂y y
Com que:
aleshores:
1
1 = 8xy 2 = {x = y } = 8x 3
Solució
→x = y = .
2
(a , b ) = 21 , 21 .
2 2
x3 8 8
1 1 0.53 16 8
Hf = x = y =1 / 2
→ Hf , = =
8 2 2 2 8 2 8 16
3
y
0.53
hom dedueix que aquest punt crític és un mínim local de la funció ja que
74
4.3. Optimització convexa i teorema local-global
dels òptims (mínims en el 1er. cas i màxims en el 2on.) es pot simplificar molt.
Val a dir que moltes de les funcions escalars que solen aparèixer en els models
econòmics d’optimització són d’aquests dos tipus. En general, diem que una
funció escalar A ⊂ Rn
f
→ R de classe C 1 amb A ⊂ Rn conjunt convex és:
75
4.3.1.1. Relació entre la convexitat i/o concavitat i les matrius hessianes
còncaves a partir de les seves matrius hessianes. En efecte, una funció escalar
A ⊂ R n
f
→ R de classe C 2 sobre A ⊂ Rn conjunt convex és:
semidefinida positiva.
semidefinida negativa.
b. f ( x , y ) = 2xy − x 2 − 5y 2 és còncava.
SOLUCIÓ: a) Ja que:
14 0 0
∇f ( x , y , z ) = (14x − 12,10y + 3,2z − 14 )
→ Hf ( x , y , z ) = 0 10 0
implica
0 0 2
definida positiva.83
b) Ja que:
−2 2
∇f ( x , y ) = (2y − 2x ,2x − 10y )
implica
→ Hf ( x , y ) =
2 −10
83
Tots els menors principals són estrictament positius.
76
4.3.2. Teorema local-global
El teorema local-global ens diu que tot punt crític d’una funció convexa o
escalar A ⊂ Rn
f
→ R de classe C 2 definida sobre un conjunt A ⊂ Rn convex
f ( x , y , z ) = x 2 + y 2 + z 2 − 2xy .
∂f
0= = 2x − 2y
∂x
∂f Solucions
0= = 2y − 2x → x = y , z = 0
En particular
→ ( a , b , c ) = (3,3, 0 ) .
∂y
∂f
0= = 2z
∂z
2 −2 0 2 −2 0
x =y =3, z =0
Hf ( x , y , z ) = −2 2 0 → Hf (3,3, 0 ) = −2 2 0
0 0 2 0 0 2
84
Notem que aquest mínim global no és únic ja que, per exemple, el punt (1,1, 0 ) també ho és.
77
4.4. Exercicis
b. f ( x , y ) = 2x + 3y − x 2 − 2y 2 + xy .
c. f ( x , y ) = x 2 + y 2 − 2ln x − 18ln y .
d. f ( x , y ) = xy − x 3 − y 3 .
a. f ( x , y ) = 3x 2 + 4y 2 − 2xy .
b. f ( x , y ) = 2x 0.5 y 0.5 .
c. f ( x , y , z ) = 6x + 3y + z − 4x 2 − y 2 + z 2 .
producció que maximitza els beneficis si: a) Els preus de venda són de 42 i
51 u.m. b) Les funcions de demanda són pA = 66 − 3q1 i pB = 72 − q2 .
6. Un empresari que fabrica dos productes sap que, a un preu de 25 u.m., pot
vendre 175 unitats del primer i que per cada u.m. de augment ven 5 unitats
menys. Si el preu de venda del segon és de 30 u.m. i si:
C = (1 / 5 ) x 2 + (1 / 3) y 2 + 1925
78
BIBLIOGRAFIA
Madrid: McGraw-Hill.
Barcelona: Paraninfo.
Madrid: Pirámide.
79
GLOSSARI
“ convex, 27 “ “ local “ “ , 68
“ contínua, 40 “ unitari, 18
“ “ “ C 2 , 66 “ “ independents, 7
“ derivable, 50 ortogonals, 20
80