Академический Документы
Профессиональный Документы
Культура Документы
n
Eduardo Liz Marza
Noviembre de 2012
Indice general
1. Preliminares
1.1. Introducci
on. . . . . . . . . . . . .
1.2. La relaci
on de orden en el conjunto
1.3. El valor absoluto. . . . . . . . . . .
1.4. Funciones reales de variable real. .
. . . . . . . . . . . . .
de los n
umeros reales.
. . . . . . . . . . . . .
. . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
2
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
5
5
7
8
9
9
3. Derivaci
on de funciones de una variable
3.1. Introducci
on. . . . . . . . . . . . . . . . . . . . .
3.2. El problema de la tangente. . . . . . . . . . . . .
3.3. Derivada de una funci
on en un punto. . . . . . .
3.4. Funci
on derivada. Derivadas sucesivas. . . . . . .
3.5. Propiedades de las derivadas. . . . . . . . . . . .
3.6. C
alculo de derivadas en algunos casos especiales.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
11
12
14
15
16
4. Aplicaciones de la derivaci
on
4.1. Introducci
on. . . . . . . . . . . . .
4.2. La regla de LH
opital. . . . . . . .
4.3. Extremos relativos de una funcion.
4.4. El teorema del valor medio. . . . .
4.5. El teorema de Taylor. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17
17
17
18
20
22
5. Introducci
on a las funciones vectoriales
5.1. Funciones vectoriales de una variable. Curvas en Rn . . . . . . . . . . . . . . . . .
5.2. Campos escalares y vectoriales. Curvas de nivel . . . . . . . . . . . . . . . . . . .
5.3. Nociones b
asicas de topologa en Rn . . . . . . . . . . . . . . . . . . . . . . . . . .
27
27
29
30
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6. Continuidad y c
alculo diferencial de funciones de varias
6.1. Lmites y continuidad de funciones de varias variables. . .
6.2. Derivadas parciales y plano tangente. . . . . . . . . . . . .
6.3. Diferenciabilidad. . . . . . . . . . . . . . . . . . . . . . . .
6.4. Regla de la cadena. . . . . . . . . . . . . . . . . . . . . . .
6.4.1. Interpretaci
on de la diferencial como aplicacion. . .
6.4.2. Regla de la cadena: una variable independiente . .
6.4.3. Regla de la cadena: varias variables independientes
6.5. Derivaci
on implcita. . . . . . . . . . . . . . . . . . . . . .
variables
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
33
33
35
36
38
39
39
41
42
43
43
45
48
Referencias
55
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Introducci
on
Se recogen aqu los apuntes de la asignatura Calculo I adaptada a los nuevos grados. En lo
que respecta a las titulaciones de Ingeniera de la energa e Ingeniera de los recursos mineros y
energeticos en la Universidad de Vigo, el grado tiene tres asignaturas cuya docencia corresponde
al area de Matem
atica Aplicada. En el primer cuatrimestre se imparten Algebra
Lineal y C
alculo
I, y en el segundo cuatrimestre C
alculo II.
La primera parte del c
alculo (a la que corresponden estos apuntes) se dedica al estudio de la
continuidad y diferenciabilidad de funciones de una y varias variables reales y sus aplicaciones. A
su docencia se dedican 42 horas de aula (teora y problemas) y 10 horas de laboratorio (practicas
de ordenador y problemas).
Estas notas no pretenden sustituir ni a los apuntes de clase ni a los libros de la bibliografa
(que incluyen mucho m
as material, en particular muchos mas dibujos y ejemplos), sino servir
de ayuda para que los alumnos tengan el material del curso organizado.
iii
Captulo 1
Preliminares
1.1.
Introducci
on.
En la primera parte del curso se estudia el calculo en una variable real, con lo que el conjunto
protagonista es el de los n
umeros reales, que denotaremos por R. En este captulo preliminar
recordaremos algunas cuestiones importantes que se utilizan en los temas siguientes, como la
relacion de orden total de los n
umeros reales, el valor absoluto y el concepto de funcion.
1.2.
La relaci
on de orden en el conjunto de los n
umeros reales.
1. Preliminares
Observaciones:
1. Estos dos u
ltimos se llaman intervalos semiabiertos o semicerrados.
2. Todos estos tipos de intervalos se llaman intervalos finitos o acotados. Los intervalos cerrados acotados [a, b] se llaman tambien intervalos compactos.
Existen otros intervalos infinitos o no acotados:
Abiertos: (a, ) = {x R / x > a}, (, b) = {x R / x < b}.
Cerrados: [a, ) = {x R / x a}, (, b] = {x R / x b}.
Observese que R = (, ) tambien es un intervalo no acotado.
1.3.
El valor absoluto.
x si x 0
x si x < 0
Propiedades
1. |x| 0, x R y adem
as |x| = 0 x = 0.
2. |x| = | x|, x R.
3. |x y| = |x| |y|, x, y R.
4. |x + y| |x| + |y|, x, y R.
5. Si r > 0 entonces |x| r r x r x [r, r].
La propiedad 5 permite caracterizar el intervalo [x0 r, x0 + r] centrado en x0 R y de
radio r > 0 en terminos del valor absoluto:
x [x0 r, x0 + r] |x x0 | r.
Lo mismo se obtiene para intervalos abiertos utilizando la desigualdad estricta.
1.4.
Las funciones reales de variable real son el objeto principal de los primeros temas del curso.
En esta secci
on repasamos algunos conceptos relacionados.
Sea D un subconjunto de R. Una funci
on real de variable real (en adelante nos referiremos
a ella u
nicamente como funci
on) es una correspondencia f : D R que asigna a cada n
umero
x D un u
nico n
umero f (x) R que se llama imagen de x.
El conjunto D se llama dominio de definicion de f . Se llama imagen de f o rango de f al
conjunto f (D) = {f (x) / x R}.
Por ejemplo, la aplicaci
on f (x) = ln(x) esta definida u
nicamente en D = (0, ) y su imagen
es f (D) = R, ya que todo n
umero real y se puede escribir como y = ln(ey ) = f (ey ).
Composici
on de funciones. Sean f : D1 R, g : D2 R. Si f (D1 ) D2 , se puede definir
la composici
on (g f ) : D1 R como (g f )(x) = g(f (x)), x D1 .
Por ejemplo, si f (x) = x2 + 1 y g(x) = ln(x), se define (g f ) : R R como
(g f )(x) = g(f (x)) = ln(x2 + 1), x R.
Funciones inversas.
Se dice que dos funciones f : D1 R, g : D2 R son inversas si (g f )(x) = x, x D1
y (f g)(y) = y, y D2 . Si f y g son inversas, se denota g = f 1 .
Por ejemplo, las funciones f (x) = ex y g(x) = ln(x) son inversas ya que
g(f (x)) = ln(ex ) = x, x R
1. Preliminares
Captulo 2
Introducci
on.
2.2.
Formalmente,
lm f (x) = y0 [ > 0, > 0 / x (x0 , x0 + ), x 6= x0 = |f (x) y0 | < ] .
xx0
2. lm f (x) = si las im
agenes de los puntos cercanos a x0 toman valores arbitrariamente
xx0
grandes. Formalmente,
lm f (x) = [ M > 0, > 0 / x (x0 , x0 + ), x 6= x0 = f (x) > M ] .
xx0
3. lm f (x) = si las im
agenes de los puntos cercanos a x0 toman valores negativos
xx0
xx0
x0 .
En ocasiones no existe el lmite de una funcion en x0 , pero existe alguno de los lmites
laterales. El concepto de lmite lateral se define de forma muy parecida al de lmite.
Sea f una funci
on real. Si x0 es un n
umero real tal que f esta definida en un intervalo
(x0 r, x0 ) para alg
un r > 0 entonces diremos que existe el lmite por la izquierda de f en
x0 si ocurre una de las siguientes posibilidades:
1) lm f (x) = y0 [ > 0, > 0 / x (x0 , x0 ) = |f (x) y0 | < ] .
xx
0
de f por la derecha.
Observacion. Si f est
a definida en intervalos de la forma (x0 r, x0 ) y (x0 , x0 + r) para alg
un
r > 0 entonces existe lm f (x) si y s
olo si existen los lmites laterales y coinciden, es decir,
xx0
xx
0
xx+
0
por f (x) = 1/|x|. Existe lm f (x) = ya que 1/|x| toma valores arbitrariamente grandes y
x0
positivos cuando x se aproxima a cero tanto por la derecha como por la izquierda.
Otros ejemplos:
1. Sea f : (0, ) R definida por f (x) = ln(x). Existe lm f (x) = ya que ln(x) toma
x0+
x/2
lm
x/2+
f (x) = .
3. Sea f : (, 0) (0, ) R dada por f (x) = sen(x)/x. Veremos que existe lm f (x) = 1.
x0
2.3. Continuidad.
2.3.
Continuidad.
xx0
sen(x) si x 0
ln(x) si x > 0.
x0
lm f (x) = lm ln(x) = .
x0+
x0+
sen(x)
si x 0
sen(1/x) si x > 0.
x0+
La raz
on es que cuando x se aproxima a cero por la derecha, la funcion f toma todos los
valores entre 1 y 1 en cada intervalo de la forma [1/(k), 1/(k + 2)], k N.
Se dice que una funci
on es continua en un conjunto A si es continua en todos los puntos de A.
Algunos ejemplos de funciones continuas.
Las funciones m
as comunes son continuas en sus dominios de definicion. Por ejemplo:
Las funciones polin
omicas p(x) = a0 + a1 x + a2 x2 + + an xn , donde a0 , a1 , . . . , an R,
son continuas en R.
Las funciones racionales (cocientes de polinomios) r(x) = p(x)/q(x) son continuas en su
dominio de definici
on, es decir, en el conjunto de los n
umeros reales x tales que q(x) 6= 0.
Los ejemplos anteriores, combinados con las propiedades que enunciamos a continuacion,
permiten probar la continuidad de muchas funciones.
Propiedades.
1. La composici
on de funciones continuas es una funcion continua. Por ejemplo, la funcion
f (x) = ln(1 + | cos(x)|) es continua en R ya que f (x) = f1 (f2 (f3 (f4 (x)))), donde f1 (x) =
ln(x), f2 (x) = 1 + x, f3 (x) = |x| y f4 (x) = cos(x) son continuas.
2. Si f y g son funciones continuas en x0 entonces las funciones (f +g) y (f g) son continuas en
x0 . La funci
on f /g es continua en x0 si g(x0 ) 6= 0. Por ejemplo, la funcion f (x) = ex /(x1)
es continua para todo x 6= 1.
2.4.
Lmites en infinito.
2. lm 1/x = lm 1/x = 0.
x
3. No existe lm sen(x).
x
2.5.
C
alculo de lmites.
xx0
d ) lm
xx0
xx0
f (x)g(x) =
xx0
xx0
lm g(x)
lm f (x)
xx0
xx0
, si lm f (x) > 0.
xx0
Algunas de las propiedades anteriores se pueden extender al caso en que alguno de los
lmites es , teniendo en cuenta las relaciones formales + = , = ,
= si > 0, = si < 0, = .
2. Si g es continua y existe lm f (x) entonces lm g(f (x)) = g lm f (x) .
xx0
xx0
xx0
Por ejemplo, lm ln(x + 1) = ln lm (x + 1) = ln(1) = 0.
x0
x0
3. Si lm f (x) = 0 y g est
a acotada en un entorno de x0 entonces lm (f (x) g(x)) = 0. Por
xx0
xx0
4. Si f, g, h son tres funciones tales que h(x) f (x) g(x) en un entorno de x0 y lm h(x) =
xx0
xx0
xx0
xx0
xx0
5. lm f (x) = 0 lm |f (x)| = 0.
xx0
xx0
En muchos caso el c
alculo de lmites conduce a indeterminaciones. Algunas de ellas se resolveran utilizando la regla de LH
opital, que se introduce en el tema siguiente.
2.6.
En esta secci
on se recogen cuatro resultados muy u
tiles basados en la continuidad. Son
resultados muy intuitivos que se deducen del siguiente teorema:
Teorema 2.1 Sea I un intervalo real y f : I R una funci
on continua. Entonces f (I) =
{f (x) / x I} tambien es un intervalo. Adem
as, si I = [a, b] es un intervalo compacto entonces
f ([a, b]) = [c, d] tambien es un intervalo compacto.
10
Teorema 2.2 (Teorema de los valores extremos) Sea f : [a, b] R una funci
on continua.
Entonces existen m, M R tales que m = mn f (x), M = max f (x).
x[a,b]
x[a,b]
Por ejemplo, sea f : [0, 2] R definida por f (x) = x4 2x2 . Se puede probar que
mn f (x) = f (1) = 1
x[0,2]
Este resultado no tiene por que ser cierto si f no es continua o no esta definida en un
intervalo compacto. Por ejemplo, la funcion f : (0, 2) R definida por f (x) = 1/x es continua
pero no existe m
ax f (x) ya que lm f (x) = .
x(0,2)
x0+
Teorema 2.3 (Teorema de los valores intermedios) Sea f : [a, b] R una funci
on continua. Sean m = mn f (x), M = m
ax f (x). Para cualquier c tal que m < c < M existe al
x[a,b]
x[a,b]
menos un n
umero x [a, b] tal que f (x) = c.
Teorema 2.4 (Teorema de Bolzano) Sea f : [a, b] R una funci
on continua.
Si f (a) f (b) < 0 entonces existe al menos un n
umero x [a, b] tal que f (x) = 0.
El teorema de Bolzano es una buena herramienta para probar la existencia de ceros de una
funcion. (Diremos que c es un cero o una raz de f si f (c) = 0.)
Por ejemplo, la funci
on continua f (x) = ex x4 tiene un cero en el intervalo [1, 2] ya que
f (1) = e 1 > 0 y f (2) = e2 16 < 0.
Captulo 3
Derivaci
on de funciones de una
variable
3.1.
Introducci
on.
3.2.
El problema de la tangente.
12
La definici
on correcta de recta tangente se basa en que la pendiente de la recta tangente a
una curva en el plano (x, y) representa la razon de cambio instantaneo de y con respecto a x.
Si f es una funci
on, la raz
on promedio de cambio en un intervalo [x0 , x0 + h] de longitud h
viene dada por el cociente de incrementos
y
f (x0 + h) f (x0 )
=
.
x
h
Por tanto, tiene sentido definir la razon de cambio instantanea como
f (x0 + h) f (x0 )
.
h0
h
lm
(1)
Para cada h > 0, el cociente de incrementos representa la pendiente de la recta que pasa por
los puntos (x0 , f (x0 )) y (x0 + h, f (x0 + h)). Estas rectas cortan a la grafica de f en dos puntos y
se aproximan cuando h tiende a cero a la recta tangente a la grafica de f en el punto (x0 , f (x0 )).
Por tanto, si el lmite definido en (1) existe, se puede definir de forma precisa la recta tangente
en x0 como la recta que pasa por (x0 , f (x0 )) y tiene como pendiente dicho lmite.
La razon de cambio instant
anea definida por (1) conduce al concepto de derivada de una
funcion en un punto.
3.3.
h0
f (x0 + h) f (x0 )
.
h
h0
f (x0 + h) f (x0 )
f (x) f (x0 )
= lm
.
xx0
h
x x0
Ejemplo:
La funcion f (x) = x2 es derivable en todo punto x R y ademas
(x + h)2 x2
h2 + 2xh
f (x + h) f (x)
= lm
= lm
= lm (h + 2x) = 2x.
h0
h0
h0
h0
h
h
h
f 0 (x) = lm
Interpretaci
on geom
etrica.
Como hemos comentado antes, la derivada de f en x0 representa la pendiente de la recta
tangente a la gr
afica de f en el punto (x0 , f (x0 )). Por tanto, la ecuacion de dicha recta tangente
es
y f (x0 ) = f 0 (x0 )(x x0 ).
13
f(x)
3
2
R(x)
1
-1
-2
-1
Figura 3.2: Gr
afica de f (x) = x2 y su tangente en (1, 1).
Derivadas laterales.
Tambien se pueden definir las derivadas laterales de f en x0 .
Se llama derivada por la izquierda de f en x0 , y se denota f 0 (x
mite
0 ), al l
f 0 (x
m
0 ) = l
h0
f (x0 + h) f (x0 )
,
h
Ejemplo:
La funci
on f (x) = |x| no es derivable en x0 = 0 ya que
f 0 (0 ) = lm
f (0 + h) f (0)
|h|
h
= lm
= lm
= 1
h
h0 h
h0 h
f 0 (0+ ) = lm
f (0 + h) f (0)
|h|
h
= lm
= lm
= 1.
+
+
h
h
h0
h0 h
h0
h0+
14
3.4.
Funci
on derivada. Derivadas sucesivas.
x2 si x 0
x2 si x > 0
2x si x 0
2x si x > 0
f (x) =
es derivable en R, pero su derivada
f 0 (x) =
15
Derivaci
on de funciones definidas a trozos.
El siguiente resultado simplifica el estudio de la derivabilidad en funciones definidas a trozos:
Proposici
on 3.1 Sea f una funci
on continua en un punto x0 y derivable en los intervalos
(x0 r, x0 ) y (x0 , x0 + r) para alg
un r > 0. Supongamos que existen lm f 0 (x) y lm f 0 (x).
0
xx
0
xx+
0
xx+
0
xx0
x0+
f (x) =
2x si x 0
2x si x > 0
Ahora, como
f 00 (x) =
2 si x < 0
2 si x > 0
3.5.
x0+
16
Regla de la cadena.
Se conoce con el nombre de regla de la cadena a la formula para la derivada de la composicion
de dos funciones.
Sean f : D1 R, g : D2 R tales que f (D1 ) D2 . Si f es derivable en x0 y g es derivable
en f (x0 ) entonces (g f ) es derivable en x0 y ademas
(g f )0 (x0 ) = g 0 (f (x0 )) f 0 (x0 ).
Ejemplo.
2
2
La funcion f (x) = e(x ) es derivable en R y f 0 (x) = (2x)e(x ) , x R.
3.6.
C
alculo de derivadas en algunos casos especiales.
1/ 2
0
= 1,
y (1/ 2) =
1/ 2
y la ecuacion de la recta tangente a la circunferencia en ese punto es:
1
1
y = (1) x
,
2
2
es decir, y = x + 2.
Derivadas de funciones inversas.
Supongamos que f es derivable y estrictamente monotona en un intervalo I. Entonces
f tiene inversa y f 1 tambien es derivable. Denotemos y = f (x). Teniendo en cuenta que
f f 1 (x) = x, por la regla de la cadena se tiene:
0
1
f f 1 (x) = f 0 (f 1 (x)) (f 1 )0 (x) = 1 = (f 1 )0 (x) = 0 1
.
f (f (x))
Por ejemplo, si f (x) = tg(x), se tiene que f 1 (x) = arctg(x) y f 0 (x) = 1 + (tg(x))2 . Por
tanto, la derivada de la funci
on arco tangente es:
1
1
1
=
(f 1 )0 (x) = 0 1
=
.
2
f (f (x))
1 + (tg(arctg(x)))
1 + x2
Captulo 4
Aplicaciones de la derivaci
on
4.1.
Introducci
on.
El c
alculo diferencial es la herramienta mas eficaz para obtener propiedades de una funci
on
como sus intervalos de crecimiento, decrecimiento, concavidad y convexidad. Tambien tiene
importantes aplicaciones al c
alculo de lmites (y por tanto de asntotas) y a la aproximaci
on de
funciones por otras m
as sencillas.
4.2.
La regla de LH
opital.
En esta secci
on nos saltamos el orden usual por dos razones: la primera es que la regla de
LHopital es la aplicaci
on de las derivadas mas relacionada con el tema anterior. De hecho es
probablemente el metodo m
as efectivo para el calculo de lmites en el caso de indeterminaciones.
El segundo motivo es que no se incluye la demostracion del teorema y eso nos permite dejar el
teorema del valor medio para m
as adelante.
Teorema 4.1 (Regla de LH
opital) Sea x0 R. Sean f y g dos funciones definidas y derivables en los intervalos (x0 r, x0 ) y (x0 , x0 + r) para alg
un r > 0, de tal manera que g no se
anula en esos intervalos. Supongamos que se cumplen las siguientes condiciones:
(a) lm f (x) = lm g(x) = 0 o lm f (x) = lm g(x) =
xx0
xx0
xx0
xx0
lm
xx0
f (x)
f 0 (x)
= lm 0
.
g(x) xx0 g (x)
El resultado del teorema sigue siendo cierto si x0 = y las funciones f y g son derivables
en intervalos de la forma (a, ) o (, b). Tambien se aplica para el calculo de lmites laterales
17
18
4. Aplicaciones de la derivacion
en caso de que f /g s
olo este definida a la izquierda o a la derecha de x0 .
Ejemplo.
lm
x0
sen(x)
cos(x)
= lm
= cos(0) = 1.
x0
x
1
Ordenes
de crecimiento
Hay muchas funciones que tienen lmite infinito en infinito. Sin embargo, tambien es importante la magnitud del crecimiento. Por ejemplo, es sabido que el crecimiento exponencial es
mas rapido que el crecimiento logartmico.
Sean f , g dos funciones tales que lm f (x) = lm g(x) = . La regla de LHopital ayuda
x
x
a decidir cual de ellas crece m
as r
apido. Diremos que f y g tienen el mismo orden de crecimiento
cuando cuando x tiende a infinito si lm (f (x)/g(x)) = c > 0. Si lm (f (x)/g(x)) = diremos
x
x
que el orden de crecimiento de f en infinito es mayor que el de g.
Los siguientes
ordenes de crecimiento en infinito estan ordenados de mayor a menor:
1. Crecimiento exponencial: f crece exponencialmente cuando x tiende a infinito si existen
constantes a > 0 y c > 0 tales que lm (f (x)/eax ) = c.
x
3. Crecimiento lineal: f crece linealmente cuando x tiende a infinito si existe una constante
c > 0 tal que lm (f (x)/x) = c.
x
4. Crecimiento sublineal: f crece sublinealmente cuando x tiende a infinito si existen constantes a (0, 1) y c > 0 tales que lm (f (x)/xa ) = c.
x
Por ejemplo, veamos que el crecimiento sublineal es mas rapido que el logartmico usando
la regla de LH
opital. En efecto,
xa
axa1
= lm
= lm axa = , a > 0.
x ln x
x x1
x
lm
4.3.
Las siguientes aplicaciones que veremos del calculo diferencial se dirigen en primer lugar al
estudio cualitativo de las funciones, con especial atencion al crecimiento, decrecimiento, concavidad y convexidad. Pero, adem
as, los teoremas que se incluyen en esta seccion tienen muchas
otras aplicaciones.
19
xx0
f (x) f (x0 )
= f 0 (x0 ) > 0.
x x0
20
4. Aplicaciones de la derivacion
4.4.
Una de las consecuencias principales del teorema de Rolle es el teorema del valor medio.
Teorema 4.4 (Teorema del valor medio) Sea f : [a, b] R una funci
on derivable. Entonces existe al menos un punto x0 (a, b) tal que f (b) f (a) = f 0 (x0 )(b a).
Demostraci
on. La prueba de este resultado consiste en aplicar el teorema de Rolle a la diferencia entre f y la recta que pasa por (a, f (a)) y (b, f (b)). En efecto, sea g : [a, b] R definida
por
f (b) f (a)
g(x) = f (x) f (a) +
(x a) .
ba
Como g es derivable y g(a) = g(b) = 0, existe un x0 (a, b) tal que g 0 (x0 ) = 0. Por tanto,
g 0 (x0 ) = f 0 (x0 )
f (b) f (a)
f (b) f (a)
= 0 = f 0 (x0 ) =
.
ba
ba
t
u
A continuaci
on se obtienen algunas consecuencias de este resultado. Incluiremos las pruebas
de alguno de ellos.
21
22
4. Aplicaciones de la derivacion
4
-2
-1
3
-1
2
-2
1
-3
-2
-1
-1
-4
4.5.
t
u
El teorema de Taylor.
23
n
X
f k) (x0 )
k=1
k!
(x x0 )k .
Es decir,
pn (x) = f (x0 ) + f 0 (x0 )(x x0 ) +
f 00 (x0 )
f n) (x0 )
(x x0 )2 + +
(x x0 )n .
2!
n!
x2 x3
f 00 (0) 2 f 000 (0) 3
x +
x =1+x+
+ ,
2!
3!
2
6
f n+1) (x )
(x x0 )n+1 .
(n + 1)!
24
4. Aplicaciones de la derivacion
Dado que |f iv) (x )| = | sen(x )| 1, x (0, 1/2), se tiene que:
| sen(1/2) p3 (1/2)| = |r3 (1/2)|
1
= 0,00260417.
4! 24
f n1) (x0 )
f 00 (x0 )
(x x0 )2 + +
(x x0 )n1 = f (x0 ),
2!
(n 1)!
ya que f k) (x0 ) = 0 si k < n. Por el teorema de Taylor, existe un x entre x0 y x tal que
f (x) = pn1 (x) + rn1 (x) = f (x0 ) +
f n) (x )
(x x0 )n .
n!
f n) (x )
(x x0 )n > f (x0 ), x (x0 r, x0 ) (x0 , x0 + r).
n!
t
u
25
Ejemplo.
Consideremos la funci
on f (x) = x4 x3 .
f 0 (x) = 4x3 3x2 = 0 x = 0 o x = 3/4
f 00 (x) = 12x2 6x = 0 x = 0 o x = 1/2.
Para x = 0 se tiene que f 0 (0) = f 00 (0) = 0, f 000 (0) = 6 6= 0. Por tanto, f tiene en x = 0 un
punto de inflexi
on.
Para x = 3/4 se tiene que f 0 (3/4) = 0, f 00 (3/4) = 9/4 > 0. Por tanto, f tiene en x = 3/4
un mnimo relativo estricto.
Para x = 1/2 se tiene que f 00 (1/2) = 0, f 000 (1/2) = 6 6= 0. Por tanto, f tiene en x = 1/2 un
punto de inflexi
on.
La gr
afica se muestra en la figura 4.2.
1/2
3/4
26
4. Aplicaciones de la derivacion
Captulo 5
Introducci
on a las funciones
vectoriales
5.1.
Sea I un intervalo real. Una funcion f : I Rn se llama funcion vectorial de una variable.
Para cada t I, f (t) es un vector de Rn y por tanto se puede escribir en la forma
f (t) = (f1 (t), f2 (t), . . . , fn (t)),
donde fi : I R es una funci
on escalar para i = 1, 2, . . . , n. Las funciones fi se llaman funciones
componentes de f .
Por ejemplo, la funci
on f : [0, 2] R2 dada por f (t) = (cos(t), sin(t)) es una funci
on
2
vectorial con valores en R . Sus componentes son f1 (t) = cos(t) y f2 (t) = sen(t).
Las funciones componentes permiten extender facilmente los conceptos de lmite, continuidad y derivada. Sea t0 R tal que f esta definida en los intervalos (t0 r, t0 ) y (t0 , t0 + r) para
alg
un r > 0. Diremos que existe el lmite de f cuando t tiende a t0 si existe el lmite de cada
una de las componentes. En este caso, se define
lm f (t) = lm f1 (t), lm f2 (t), . . . , lm fn (t) .
tt0
tt0
tt0
tt0
Una funci
on f es continua en t0 I si existe el lmite de f cuando t tiende a t0 y adem
as
lm f (t) = f (t0 ). Es evidente que f es continua en t0 si y solo si todas sus componentes son
t0
continuas en t0 .
Curvas
La gr
afica de una funci
on vectorial f : I Rn es el conjunto de puntos {(t, f (t)) / t I}. La
grafica es un subconjunto de Rn+1 . Para estas funciones es habitual representar solo los puntos
f (t) Rn en lugar de la gr
afica.
n
Sea f : I R una funci
on continua definida en un intervalo real I. El conjunto
C = {f (t) = (f1 (t), f2 (t), . . . , fn (t)) / t I}
27
28
se llama curva en Rn .
Ejemplos:
La funcion f : [0, 2] R2 dada por f (t) = (cos(t), sin(t)) describe la curva
C = {(cos(t), sin(t)) / t [0, 2]},
que es una circunferencia de centro (0, 0) y radio 1 en R2 .
La funcion f : [0, ) R3 definida por f (t) = (cos(t), sen(t), t) describe una curva en R3
llamada helice circular, que se enrrolla en un cilindro circular de radio 1.
Derivadas y vector tangente
Se dice que f : I Rn es derivable en un punto t0 si lo es cada una de sus componentes.
en ese caso, la derivada de f en t0 es
f (t) f (t0 )
.
f 0 (t0 ) = f10 (t0 ), f20 (t0 ), . . . , fn0 (t0 ) = lm
tt0
t t0
Si f : I Rn es derivable en I entonces describe una curva diferenciable C. Si ademas
f 0 (t0 ) 6= (0, 0, . . . , 0) entonces f 0 (t0 ) es un vector tangente a la curva C en el punto f (t0 ).
El vector tangente permite definir la recta tangente a la curva C en el punto t0 como la
recta que pasa por f (t0 ) y tiene la direccion de f 0 (t0 ), es decir, su ecuacion parametrica es
x(t) = f (t0 ) + t f 0 (t0 ), t R.
Por ejemplo, la funci
on f : [0, 2] R2 dada por f (t) = (cos(t), sin(t)) define la circunferencia
2 . Su derivada en cada punto t es f 0 (t) = ( sen(t), cos(t)). Para
de centro (0, 0) y radio
1 en R
t0 = /4, f (/4) = (1/ 2, 1/ 2) y el vector tangente es f 0 (/4) = (1/ 2, 1/ 2). Por tanto
las ecuaciones parametricas de la recta tangente son
1t
x(t) =
2
(x(t), y(t)) = (1/ 2, 1/ 2) + t(1/ 2, 1/ 2)
1
+
t
y(t) =
2
29
5.2.
Una funci
on de varias variables esta definida en un subconjunto D de Rn , con n > 1. El
conjunto D se llama dominio de definicion de f .
En el caso particular p = 1, una funcion f : Rn R se suele llamar campo escalar (o
funcion escalar de varias variables). Por ejemplo, la funcion que asigna a cada punto (x, y, z)
de un recinto tridimensional D su temperatura es un campo escalar T : D R3 R llamado
campo de temperaturas.
Si p > 1, una funci
on f : Rn Rp se llama funcion vectorial de varis variables. Especialmente en el caso p = n, la funci
on vectorial f : Rn Rn suele llamarse campo de vectores. Si
2
R es un campo de vectores en el plano y si R3 es un campo de vectores en el espacio.
Una funci
on f : Rn Rp se puede expresar en funcion de sus componentes:
f (x) = f (x1 , x2 , . . . , xn ) = (f1 (x1 , x2 , . . . , xn ), f2 (x1 , x2 , . . . , xn ), . . . , fp (x1 , x2 , . . . , xn )).
Para cada k = 1, 2, . . . , p, la componente fk : Rn R es un campo escalar.
Por ejemplo, la funci
on f : R2 R3 definida por f (x, y) = (x + y, exy , sen(x y)) tiene tres
componentes f1 (x, y) = x + y, f2 (x, y) = exy , f3 (x, y) = sen(x y).
La gr
afica de una funci
on f : D Rn Rp se define como el conjunto
G(f ) = {(x, f (x)) / x D} .
Notese que los puntos de la gr
afica son de la forma
(x, f (x)) = (x1 , x2 , . . . , xn , f1 (x1 , x2 , . . . , xn ), f2 (x1 , x2 , . . . , xn ), . . . , fp (x1 , x2 , . . . , xn )) Rn+p ,
y por tanto la gr
afica de f es un subconjunto de Rn+p .
Por ejemplo, la gr
afica de la funcion f : R2 R definida por f (x, y) = x2 + y 2 es el paraboloide hiperb
olico definido por la ecuacion z = x2 + y 2 en R3 .
Curvas de nivel
Si f : D R2 R es un campo escalar definido en un dominio D del plano, se definen sus
curvas de nivel como los conjuntos de puntos sobre los que f toma el mismo valor, es decir, si
K R, la curva de nivel K es
CK = {(x, y) R2 / f (x, y) = K}.
Ejemplos tpicos de curvas de nivel son los mapas topograficos, donde cada curva de nivel se
corresponde con los puntos que tienen la misma altura, y los mapas de isobaras, donde cada
curva de nivel (isobara) representa los puntos donde la presion atmosferica es la misma.
30
5.3.
Nociones b
asicas de topologa en Rn .
En esta secci
on generalizaremos a Rn algunos conceptos que en R proporcionan de forma
natural los intervalos y el valor absoluto.
El papel de un intervalo real (x0 r, x0 + r) centrado en x0 R y radio r > 0 lo juega en
n
R la bola abierta de centro P Rn y radio r > 0, que se define como el conjunto de puntos de
Rn cuya distancia a P es menor que r, es decir,
B(P, r) = {x Rn / kx P k < r} ,
q
donde recordemos que k(x1 , x2 , . . . , xn )k = x21 + x22 + + x2n .
Por ejemplo, en R2 la bola abierta de centro (0, 0) y radio r esta formada por los puntos
que quedan dentro de la circunferencia de centro (0, 0) y radio r, es decir:
B((0, 0), r) = (x, y) R2 / x2 + y 2 < r2 .
Las bolas abiertas permiten definir el interior y la frontera de un conjunto de Rn .
Sea A un subconjunto de Rn . Se dice que P A es un punto interior de A si existe alguna
bola abierta centrada en P que queda dentro de A, es decir, si
r > 0 / B(P, r) A.
El conjunto de los puntos interiores de A se llama interior de A y lo denotaremos por Int(A).
Diremos que un conjunto A es abierto si todos sus puntos son interiores. Por ejemplo, las
bolas abiertas en Rn son conjuntos abiertos.
Los puntos de A que no est
an en el interior se llaman puntos frontera. Diremos que un
punto P Rn es un punto de la frontera de A si cualquier bola abierta centrada en P contiene
puntos de A y puntos que no est
an en A. El conjunto de puntos frontera se llama frontera de A
y lo denotaremos por Fr(A).
Diremos que un conjunto A es cerrado si contiene a todos los puntos de su frontera. Por
ejemplo, el cuadrado unidad I 2 en R2 es cerrado:
I 2 = [0, 1] [0, 1] = (x, y) R2 / 0 x 1, 0 y 1 .
En general, los conjuntos cerrados que manejaremos estan definidos por desigualdades no estrictas y los conjuntos abiertos est
an definidos por desigualdades estrictas (observese la analoga
con los intervalos abiertos y cerrados).
5.3. Nociones b
asicas de topologa en Rn .
31
Diremos que un subconjunto A de Rn esta acotado si existe una constante positiva K tal
que kxk K, x A.
Diremos que un subconjunto A de Rn es compacto si esta acotado y es cerrado. Los
conjuntos compactos de Rn juegan el papel de los intervalos compactos [a, b] de R.
Por ejemplo, el cuadrado unidad I 2 descrito anteriormente es compacto. El cuadrante positivo A = {(x, y) R2 / x 0,y 0} no es compacto porque
no esta acotado. La bola abierta
de centro (0, 0) y radio 1 B = (x, y) R2 / x2 + y 2 < 1 no es compacta porque no es cerrada.
32
Captulo 6
Continuidad y c
alculo diferencial de
funciones de varias variables
6.1.
xP
no existe porque cuando nos aproximamos a (0, 0) a lo largo de los dos ejes de coordenadas la
33
34
y=0
x2 y 2
y 2
=
l
m
= lm (1) = 1.
y0 y 2
y0
(x,y)(0,0) x2 + y 2
lm
x=0
En el siguiente ejemplo estos dos lmites coinciden y consideramos las rectas y = x que
pasan por (0, 0):
2xy
lm
(x,y)(0,0) x2 + y 2
no existe porque cuando nos aproximamos a (0, 0) a lo largo de las rectas y = x con distintos
valores de la funci
on se aproxima a valores diferentes:
2x2
2
2xy
=
l
m
=
.
x0 (1 + 2 )x2
(x,y)(0,0) x2 + y 2
1 + 2
lm
y=x
xP
ex+y
es continua para todos los puntos de R2 que no
xy 1
6.2.
35
Para extender el concepto de diferenciabilidad en funciones de varias variables, comenzaremos con campos escalres en R2 .
Sea f : R2 R un campo escalar. Se llama derivada parcial de f respecto a la variable
x a la funci
on que resulta de considerar la variable y constante y aplicar la derivacion usual
f
respecto de x. Se representa por
o fx .
x
Por ejemplo, si f (x, y) = x3 y + xy 2 ln(xy) entonces:
f
1
= 3x2 y + y 2
x
x
f
1
= x3 + 2xy .
y
y
f
f
(x0 , y0 ) (x x0 ) +
(x0 , y0 ) (y y0 ),
x
y
z0 = f (x0 , y0 ).
Notese que si hacemos y = y0 entonces la interseccion del plano tangente con el plano y = y0
es precisamente la recta tangente a la interseccion de la grafica de f con dicho plano.
36
6.3.
Diferenciabilidad.
xx0
xx0
f (x) r(x)
=0
x x0
De alguna manera esto quiere decir que, cuando x tiende a x0 , f (x) se aproxima a r(x) con
mayor rapidez.
Para funciones f : R2 R una funcion sera diferenciable en un punto (x0 , y0 ) si el plano
tangente en ese punto es una buena aproximacion de la grafica de f . Por analoga con el caso
anterior, se tiene que f es diferenciable si existen las derivadas parciales fx (x0 , y0 ), fy (x0 , y0 ) y
ademas:
f (x, y) [f (x0 , y0 ) + f (x0 , y0 ) (x x0 , y y0 )]
lm
= 0.
k(x, y) (x0 , y0 )k
(x,y)(x0 ,y0 )
Si ocurre esto, se define la diferencial de f en (x0 , y0 ) como el vector gradiente:
f
f
Df (x0 , y0 ) = f (x0 , y0 ) =
(x0 , y0 ),
(x0 , y0 ) .
x
y
Se dice que f : R2 R es diferenciable en P = (x0 , y0 ) R2 si existen las derivadas
parciales en P y el lmite anterior es 0. Una condicion suficiente mas facil de comprobar es la
siguiente:
Proposici
on 6.1 Sea A un subconjunto abierto de R2 y sea f : A R un campo escalar. Si
existen las derivadas parciales en todo punto de A y son continuas entonces f es diferenciable
en todos los puntos de A.
6.3. Diferenciabilidad.
37
, 1, 1 = 1, , + 1 .
2
2 2
Por el momento hemos definido el concepto de diferencial para campos escalares. Si queremos
extender este concepto a funciones vectoriales f : Rn Rp , usaremos de nuevo las componentes
f1 , f2 , . . . , fp .
Recordemos que si f : R Rp entonces la derivada se defina como el vector formado por
las derivadas de las componentes. Escribiremos esta diferencial como vector columna:
0
f1 (x0 )
f 0 (x0 )
2
Df (x0 ) = f 0 (x0 ) =
.
..
.
f
fp0 (x0 )
f1
f1
f1
(P
)
(P
)
(P
)
x2
xn
f1 (P )
x1
f2
f2
f2
f2 (P )
(P
)
(P
)
(P
)
x2
xn
x1
.
Df (P ) =
=
..
..
..
..
..
.
.
.
.
.
fp (P )
fp
fp
fp
(P
)
(P
)
(P
)
x1
x2
xn
Observese que si f : Rn Rp entonces la diferencial en cada punto es una matriz con p
filas y n columnas. Esta matriz tambien se llama matriz jacobiana o matriz de las derivadas
parciales.
Ejemplo: Sea f : R3 R2 definida por f (x, y, z) = (xyz, sen(xy) + z). Vamos a calcular
la diferencial de f en el punto (0, 1, 2). Para ello necesitamos las derivadas parciales de las
componentes f1 (x, y, z) = xyz, f2 (x, y, z) = sen(xy) + z.
f1
= yz
x
f1
= xz
y
f2
= y cos(xy)
x
f1
= xy ;
z
f2
= x cos(xy)
y
f2
= 1.
z
38
Entonces:
yz
xz
xy
Df (x, y, z) =
= Df (0, 1, 2) =
y cos(xy) x cos(xy)
2 0 0
1 0 1
.
Propiedades.
1. Si f : Rn Rp es diferenciable en P entonces f es continua en P .
2. Si f : Rn Rp y g : Rn Rp son funciones diferenciables en P y , R entonces
(f + g) es diferenciable en P y D(f + g)(P ) = Df (P ) + Dg(P ).
6.4.
Regla de la cadena.
Como en el caso de funciones escalares de una variable, una herramienta fundamental del
calculo de la diferencial es la regla de la cadena.
Sean f : Rn Rp , g : Rp Rq dos funciones. Si f es diferenciable en P y g es diferenciable
en f (P ) entonces (g f ) es diferenciable en P y ademas
D(g f )(P ) = Dg(f (P ))Df (P ).
Notese que el producto de matrices esta bien definido porque Dg(f (P )) tiene p columnas y
Df (P ) tiene p filas.
Ejemplo: Sea f : R3 R2 definida por f (x, y, z) = (xyz, sen(xy) + z). Sea g : R2 R2 definida
por g(u, v) = (uv 2 , v eu ). Vamos a calcular la diferencial de g f en el punto (0, 1, 2). Por la regla
de la cadena, teniendo en cuenta que f (0, 1, 2) = (0, 2), se tiene:
D(g f )(0, 1, 2) = Dg(0, 2)Df (0, 1, 2).
Ya hemos calculado
Df (0, 1, 2) =
2 0 0
1 0 1
.
Du (uv 2 ) Dv (uv 2 )
Du (v eu ) Dv (v eu )
=
v 2 2uv
v eu eu
= Dg(0, 2) =
4 0
2 1
Finalmente,
D(g f )(0, 1, 2) = Dg(0, 2)Df (0, 1, 2) =
4 0
2 1
2 0 0
1 0 1
=
8 0 0
5 0 1
.
6.4.1.
39
Interpretaci
on de la diferencial como aplicaci
on.
6.4.2.
f
f
f
(c(t)) x0 (t) +
(c(t)) y 0 (t) +
(c(t)) z 0 (t).
x
y
z
La f
ormula g 0 (t) = f (c(t)) c0 (t) se extiende de forma natural al caso g(t) = f (c(t)), con
f : Rn R y c : R Rn .
Ejemplo. Un cilindro circular recto vara de tal manera que su radio r crece a razon de 3 cm/hora
y su altura decrece a raz
on de 5 cm/hora. Calcular la tasa de variacion de su volumen cuando
r = 3 cm y h = 4 cm.
El volumen es V (r, h) = r2 h. Sabemos que las tasas de variacion son r0 (t) = 3, h0 (t) = 5.
Entonces:
V 0 (t) =
V 0
V 0
r (t) +
h (t) = 2rhr0 (t) + r2 h0 (t) = 6rh 5r2 .
r
h
40
Demostraci
on. Sea c(t) = (x(t), y(t)) la curva de nivel que pasa por (x0 , y0 ). Para un cierto
t0 , c(t0 ) = (x0 , y0 ) y por tanto el vector tangente a la curva de nivel en (x0 , y0 ) es c0 (t0 ).
Como g(t) = f (c(t)) = K para una constante K, usando la regla de la cadena se tiene:
0 = g 0 (t) = f (c(t)) c0 (t) .
Para t = t0 , f (c(t0 )) = (x0 , y0 ) y por tanto:
f (x0 , y0 ) c0 (t0 ) = f (c(t0 )) c0 (t0 ) = 0.
Esto quiere decir que el gradiente de f en (x0 , y0 ) es ortogonal a la curva de nivel.
t
u
41
donde es el
angulo entre f (P ) y u. Claramente, la derivada direccional alcanza su m
aximo
valor cuando cos() = 1, es decir, cuando u apunta en la direccion y sentido del gradiente.
Observese que el mismo razonamiento indica que la direccion de crecimiento mnimo es
la opuesta del gradiente, es decir, f (P ). As, el valor maximo de la derivada direccional es
kf (P )k y el mnimo es kf (P )k.
Para n arbitrario, la propiedad se basa en que para x, y Rn se cumple siempre que
x y kxk kyk,
y la igualdad s
olo se cumple cuando x e y tienen la misma direccion y sentido (es decir, y = x,
con > 0).
Ejemplo. Hallar la direcci
on de m
aximo crecimiento del campo escalar f (x, y) = x2 + y 2 en el
punto (1, 1).
f (x, y) = (2x, 2y) = f (1, 1) = (2, 2).
La direcci
on de m
aximo crecimiento es la del vector unitario v = (1/ 2, 1/ 2).
En fsica, una de las aplicaciones es que el campo electrico es ortogonal a las curvas equipotenciales. En el siguiente ejemplo vemos otra aplicacion al flujo de calor.
Ejemplo. Consideremos una placa cuadrada [0, 5] [0, 5] y supongamos que la temperatura en
un punto (x, y) es T (x, y) = x2 + y 2 /4. Calcular en que sentido ira el flujo de calor C(x, y) en el
punto (2, 4).
Teniendo en cuenta que el calor fluye de puntos de mayor temperatura a puntos de menor
temperatura y lo hace en direcci
on perpendicular a las isotermas, se tiene que
C(x, y) = k T (x, y),
donde k es una constante llamada conductividad termica del medio. En este caso T (x, y) =
(2x, y/2) y por tanto
C(2, 4) = k T (2, 4) = k(4, 2).
2 1
Por tanto, el calor fluye en el sentido del vector unitario u = ,
.
5 5
6.4.3.
z
f x f y
=
+
.
v
x v
y v
42
Estas formulas se extienden de forma natural al caso de mas variables dependientes y mas variables independientes: si y = f (x1 , x2 , . . . , xn ) y xi = xi (u1 , u2 , . . . , up ) para cada i = 1, 2, . . . , n,
entonces
y
f x1
f x2
f xn
=
+
+ +
.
ui
x1 ui
x2 ui
xn ui
6.5.
Derivaci
on implcita.
g
F
F z
z
F /x
=
+
= 0 =
=
x
x
z x
x
F /z
g
F
F z
z
F /y
=
+
= 0 =
=
.
y
y
z y
y
F /z
z z
y
.
x y
Hallar f (0, 1) sabiendo que z se puede despejar como z = f (x, y), con z > 0.
Se considera la funci
on auxiliar F (x, y, z) = xy 2 + z 2 + sen(xz) 1.
F
= y 2 + z cos(xz)
x
F
= 2xy
y
F
= 2z + x cos(xz) .
z
Por tanto,
y 2 + z cos(xz)
z
=
x
2z + x cos(xz)
z
2xy
=
.
y
2z + x cos(xz)
Captulo 7
f
son funciones derivables
Sea f : Rn R un campo escalar. Si las derivadas parciales x
i
entonces se pueden definir las derivadas parciales segundas (o de segundo orden). Se define la
derivada parcial segunda de f respecto de i y de j como
2f
f
=
.
xj xi
xj xi
f
= x + 2x2 y + ex .
y
3f
2f
2
x
x
=
=
2y + ye = 4y + e ;
=
=
2y 2 + yex = yex .
2
2
3
2
yx
y x
y
x
x x
x
Para funciones de clase C 2 , las derivadas cruzadas no dependen del orden de derivaci
on:
43
44
2f
2f
2f
2
x1 x2
x1 xn
x1
2f
2
2f
f
x2 xn
x2 x1
x22
Hf (x) =
.
..
..
..
..
.
.
.
.
2
2
2
f
f
f
xn x1
xn x2
x2
n
En cada punto P
Rn ,
Hf (P ) =
2f
(P )
x21
2f
x1 x2 (P )
2f
x2 x1 (P )
2f
(P )
x22
..
.
..
.
2f
xn x1 (P )
2f
x1 xn (P )
2f
x2 xn (P )
..
.
2f
xn x2 (P )
..
.
2f
(P )
x2
Mnn (R) .
2
!
2f
f
2y 2 + yex
1 + 4xy + ex
xy
x2
=
.
Hf (x, y) = 2
2f
f
1 + 4xy + ex
2x2
2
yx
!
.
2 0
45
(x) = x Ax =
aij xi xj ,
i,j=1
7.2.
Recordemos que los extremos relativos (locales) de funciones escalares de una variable se
detectan igualando a cero la derivada primera, y en la mayora de los casos se determina si es
maximo local o mnimo local utilizando el signo de la derivada segunda. Por ejemplo, f (x) = x2
alcanza un mnimo local en x = 0 porque f 0 (0) = 0 y f 00 (0) > 0, lo que quiere decir que la recta
tangente a la gr
afica de f en (0, 0) es horizontal y que f es convexa.
Estos argumentos se pueden generalizar a campos escalares planos f : R2 R y en general
a campos escalares en Rn . En primer lugar, introducimos la definicion de maximo y mnimo
local.
46
y = x2
6x = y
Por tanto,
x2 = y = 6x = x2 6x = 0 = x(x 6) = 0.
Las u
nicas races reales son x = 0, x = 6. Como y = x2 , se obtienen los puntos crticos (0, 0) y
(6, 36).
Al igual que las derivadas segundas de f permiten obtener condiciones suficientes para
asegurar que un punto crtico es un m
aximo o un mnimo local para funciones de una variable,
la diferencial segunda juega ese papel para campos escalares en Rn . La razon es que si la mejor
aproximacion de grado 2 para una funci
on f : R R cerca de un punto x0 es el polinomio de
Taylor p2 (x) = f (x0 ) + f 0 (x0 )(x x0 ) + (1/2)f 00 (x0 )(x x0 )2 , para funciones f : Rn R la
mejor aproximaci
on de grado 2 viene dada por
f (x) q(x) = f (P ) + f (P ) (x P ) +
1
(x P )t (Hf (P )) (x P ).
2
47
Por tanto, cuando f (P ) = (0, 0, . . . , 0), lo que determina el signo de f (x) f (P ) para puntos x
proximos a P es el signo de la forma cuadratica (x) = xt Hx, donde H = Hf (P ) Mnn (R).
Teorema 7.4 (Criterio de la derivada segunda para extremos locales) Sea f un campo escalar de clase C 2 definido en un subconjunto abierto D de Rn . Supongamos que P D es
un punto crtico de f , es decir, f (P ) = (0, 0, . . . , 0). Entonces:
1. Si la matriz H = Hf (P ) es definida positiva entonces f alcanza en P un mnimo local.
2. Si la matriz H = Hf (P ) es definida negativa entonces f alcanza en P un m
aximo local.
3. Si el determinante de H no es cero y la matriz H = Hf (P ) es indefinida entonces f
alcanza en P un punto de silla.
Observaci
on: Los puntos crticos de f para los que |Hf (P )| =
6 0 se llaman puntos crticos no
degenerados. Los puntos crticos degenerados se suelen examinar directamente.
Ejemplo. Calcular los extremos relativos del campo escalar f : R2 R definido por
f (x, y) = 4x3 12xy + y 2 .
Ya hemos visto que los puntos crticos son (0, 0) y (6, 36). La matriz hessiana es
2
!
2f
f
24x 12
2
xy
x
=
.
Hf (x, y) = 2
f
2f
12
2
2
yx
0 12
2 = |Hf (0, 0)| =
= 144 < 0.
12
2
48
3
, y = 0.
2
El u
nico punto crtico en el einterior de D es (3/2, 0).
En la frontera, como y 2 = 1 (x + 1)2 , se tiene:
g(x) = f (x, y) = x2 + 3x + 1 + (1 (x + 1)2 ) = x2 + 3x + 2 x2 2x 1 = x + 1, x [2, 0].
Como g es creciente, el mnimo se alcanza para x = 2 y el maximo para x = 0. Los extremos
relativos de f en la frontera se alcanzan en (2, 0) y (0, 0).
Finalmente, como
f (3/2, 0) =
5
, f (2, 0) = 1 , f (0, 0) = 1 ,
4
se deduce que el m
aximo global se alcanza en (0, 0) y el mnimo global se alcanza en (3/2, 0).
7.3.
En muchas ocasiones hay que maximizar o minimizar una funcion sujeta a ciertas restricciones; es lo que se conoce con el nombre de extremos condicionados. Por ejemplo, queremos
hallar el maximo valor que toma una funcion f : R2 R entre todos los puntos (x, y) que tienen
norma 1. Una de las tecnicas m
as efectivas para abordar este tipo de problemas es el metodo de
los multiplicadores de Lagrange. Para motivarlo, consideremos el siguiente ejemplo:
Ejemplo. Calcular el punto de la recta y = 2 x mas proximo a (0, 0).
La funcion que hay que minimizar es el cuadrado de la distancia de (x, y) a (0, 0), es decir,
49
y=2-x
r=3
r=2
r=1
r=0.5
Figura 7.1: Gr
afica de y = 2 x y las curvas de nivel x2 + y 2 = r.
recta a esa distancia de (0, 0); para valores grandes (r = 3), hay dos puntos de interseccion, pero
hay puntos de la recta dentro del disco de radio r, lo que indica que hay puntos de la recta que
distan del origen menos que r. El mnimo corresponde a la primera curva de nivel que corta a
la recta, que coincide con la circunferencia centrada en el origen que es tangente a la recta.
Para calcular el valor de r, observese que un vector perpendicular a las curvas de nivel es
el gradiente f (x, y) = (2x, 2y). Por otra parte, la recta y = 2 x es una curva de nivel de la
funcion g(x, y) = x + y, y por tanto g(x, y) = (1, 1) debe ser perpendicular a la recta. Como
f y g son perpendiculares a la recta en el punto P = (x0 , y0 ) donde se alcanza el mnimo,
deben tener la misma direcci
on; por tanto, debe existir un escalar R tal que
f (x0 , y0 ) = g(x0 , y0 ).
De aqu se deduce que 2x0 = 2y0 = y por tanto x0 = y0 .
Como el punto est
a sobre la recta, se cumple que y0 = 2x0 y, en consecuencia, x0 = y0 = 1.
El
punto
donde
la
distancia es mnima es (x0 , y0 ) = (1, 1) y la menor distancia posible es
50
f (1, 0) = f (1, 0) = 1 .
51
g2 (x, y, z) = x2 + y 2 + z 2 1 = 0 .
Seg
un el resultado anterior, en los puntos de extremo deben existir , R tales que f (x, y) =
g1 (x, y) + g2 (x, y). Por tanto:
+ 2x = 0
+ 2y = 0
2x = 2y = 1 2z .
+ 2z = 1
Es claro que 6= 0 y por tanto x = y. Como x + y + z = 0, se obtiene que z = x y = 2y.
Sustituyendo en la ecuaci
on x2 + y 2 + z 2 = 1, tenemos :
1
1 = x2 + y 2 + z 2 = y 2 + y 2 + (2y)2 = 6y 2 = y = .
6
En consecuencia, la altura m
axima es z = 2/ 6 y la mnima es z = 2/ 6.
Condici
on suficiente para la existencia de extremos condicionados.
Hay que tener en cuenta que el metodo de los multiplicadores de Lagrange detecta puntos
de tangencia, que pueden corresponder a mnimos, maximos o puntos de silla. En la situaci
on
que se muestra en la figura 7.2, el punto A correspondera a un mnimo de f (x, y) = x2 + y 2
restringido a la condici
on g(x, y) = 0, pero el punto B sera un punto de silla.
Si la funci
on objetivo f es continua y el conjunto de puntos que cumplen las restricciones
es compacto, entonces se alcanzan el mnimo y el maximo absolutos, de modo que para saber a
que puntos corresponden de entre los que cumplen la ecuacion de multiplicadores, basta evaluar
f en cada uno de ellos y escoger los valores extremos.
En otros casos se puede usar el siguiente criterio:
Proposici
on 7.1 Sean f, g1 , g2 , . . . , gk funciones de clase C 1 definidas en Rn . Supongamos que
para un punto P Rn existen 1 , 2 , . . . , k R tales que
f (P ) = 1 g1 (P ) + 2 g2 (P ) + + k gk (P ).
52
g(x,y)=0
Figura 7.2: Dos puntos de tangencia de la curva definida por una funcion g(x, y) = 0 y las curvas
de nivel x2 + y 2 = r.
Se considera la funci
on definida por
F (x) = f (x) (1 g1 (x) + 2 g2 (x) + + k gk (x)).
Denotemos por
U = Ker (Dg(P )) = {x Rn / Dg(P ) x = 0} ,
donde g : Rn Rm es la funci
on definida por g(x) = (g1 (x), g2 (x), . . . , gm (x)). Sea H = HF (P )
la matriz hessiana de F en P y : U R la forma cuadr
atica definida en U por (x) = xt Hx.
Si es definida positiva entonces P es un mnimo local de f restringido a la condici
on
g(x) = (0, 0, . . . , 0).
Si es definida negativa entonces P es un m
aximo local de f restringido a la condici
on
g(x) = (0, 0, . . . , 0).
Si es indefinida y no degenerada entonces P es un punto de silla.
Ejemplo 7.3 Como ilustraci
on del metodo, comprobemos que en el ejemplo 7.1 el punto P =
(1, 0) es un mnimo de la funci
on f (x, y) = x2 +2y 2 sujeto a la restriccion g(x, y) = x2 +y 2 1 = 0.
Hemos visto que = 1 y por tanto
F (x, y) = f (x, y) g(x, y) = f (x, y) g(x, y) = x2 + 2y 2 (x2 + y 2 1) = y 2 + 1.
La matriz hessiana es
H = HF (P ) =
0 0
0 2
.
53
Como Dg(x, y) = g(x, y) = (2x, 2y), en particular Dg(P ) = Dg(1, 0) = (2, 0). Por tanto,
x
2
U = Ker (Dg(P )) = (x, y) R / (2, 0)
= 0 = (x, y) R2 / 2x = 0 = {(0, y) / y R} .
y
La forma cuadr
atica sobre U est
a definida por
0 0
0
(0, y) = (0, y)
= 2y 2 .
0 2
y
Como es definida positiva, el punto P es un mnimo local de f restringido a g(x, y) = 0.
54
Referencias
Gerald L. Bradley y Karl J. Smith, Calculo de una y varias variables (dos vol
umenes), Prentice Hall, 1998.
Serge Lang, C
alculo, Addison-Wesley Iberoamericana, 1990.
Jerrold E. Marsden y Anthony J. Tromba, Calculo vectorial, 5a. ed., Pearson,
2004.
James Stewart, C
alculo. Conceptos y contextos, 3a. ed., Thompson, 2006.
55