Академический Документы
Профессиональный Документы
Культура Документы
n
Eduardo Liz Marza
Diciembre de 2013
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.
3.7. La regla de LH
opital. . . . . . . . . . . . . . . .
3.8. Extremos relativos de una funcion. . . . . . . . .
3.9. El teorema del valor medio. . . . . . . . . . . . .
3.10. El teorema de Taylor. . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
11
12
14
15
16
17
18
20
22
4. Introducci
on a las funciones vectoriales
4.1. Funciones vectoriales de una variable. Curvas en R2 y R3 . . . . . . . . . . . . . .
4.2. Campos escalares y vectoriales. Curvas de nivel . . . . . . . . . . . . . . . . . . .
4.3. Nociones b
asicas de topologa en Rn . . . . . . . . . . . . . . . . . . . . . . . . . .
25
25
27
28
5. Continuidad y c
alculo diferencial de funciones de varias variables
5.1. Lmites y continuidad de funciones de varias variables. . . . . . . . . . . . . . . .
5.2. Derivadas parciales y plano tangente. . . . . . . . . . . . . . . . . . . . . . . . . .
31
31
33
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5.3. Diferenciabilidad. . . . . . . . . . . . . . . . . . . . . . . .
5.4. Regla de la cadena. . . . . . . . . . . . . . . . . . . . . . .
5.4.1. Interpretaci
on de la diferencial como aplicacion. . .
5.4.2. Regla de la cadena: una variable independiente . .
5.4.3. Regla de la cadena: varias variables independientes
5.5. Derivaci
on implcita. . . . . . . . . . . . . . . . . . . . . .
5.6. Derivadas parciales de orden superior. . . . . . . . . . . .
5.7. Extremos locales y globales de un campo escalar. . . . . .
5.8. Extremos condicionados. Multiplicadores de Lagrange. . .
Referencias
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
34
36
37
37
39
40
41
43
46
51
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 40 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.
Agradezco la cuidadosa lectura y las observaciones de Guillermo Garca Lomba, que han
ayudado a pulir versiones anteriores.
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 D}.
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 + 2), 1/(k)], 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.
11
(1)
12
3.3.
f 0 (x0 ) = lm
Ejemplo:
La funcion f (x) = x2 es derivable en todo punto x R y ademas
f (x + h) f (x)
(x + h)2 x2
h2 + 2xh
= lm
= lm
= lm (h + 2x) = 2x.
h0
h0
h0
h0
h
h
h
f 0 (x) = lm
13
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 ).
Por ejemplo, la funci
on f (x) = x2 es derivable en x0 = 1 y f 0 (1) = 2. Por tanto, la ecuaci
on
de la recta tangente a la gr
afica de f en el punto (1, 1) es y 1 = 2(x 1). Las graficas de f y
la recta tangente R se representan en la figura 3.2.
4
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 .
mite
Se llama derivada por la izquierda de f en x0 , y se denota f 0 (x
0 ), al l
m
f 0 (x
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
h
h
h0
h0
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
0
f (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
f f 1 (x) = f 0 (f 1 (x)) (f 1 )0 (x) = 1 = (f 1 )0 (x) =
1
f 0 (f 1 (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
=
=
.
f (f (x))
1 + (tg(arctg(x)))2
1 + x2
3.7. La regla de LH
opital.
3.7.
17
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 3.1 (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
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 cu
al 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
18
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 axa = , a > 0.
= lm
x ln x
x
x x1
lm
3.8.
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.
Empezamos recordando el concepto de maximo y mnimo relativo de una funcion. Sea
f : D R una funci
on. Se dice que f alcanza un m
aximo relativo en un punto x0 D si
existe un n
umero r > 0 tal que f (x) f (x0 ) para todos los puntos x D tales que |x x0 | < r.
Analogamente, f alcanza un mnimo relativo en un punto x0 D si existe un n
umero
r > 0 tal que f (x) f (x0 ) para todos los puntos x D tales que |x x0 | < r.
Observaciones:
1. En cualquiera de los dos casos anteriores se dice que f tiene un extremo relativo en x0 .
2. El extremo es estricto si las desigualdades que relacionan f (x) y f (x0 ) son estrictas.
3. El extremo es absoluto si las desigualdades f (x) f (x0 ) o f (x) f (x0 ) se cumplen para
todo x D.
En virtud del teorema de los valores extremos (Teorema 2.2), si f : [a, b] R es una
funcion continua entonces siempre se alcanzan el maximo y el mnimo absolutos, es decir, existen
x1 , x2 [a, b] tales que f (x1 ) f (x) f (x2 ), x [a, b].
El siguiente resultado facilita la b
usqueda de los extremos relativos de una funcion.
Teorema 3.2 (Teorema del extremo relativo) Sea f : I R una funci
on derivable en un
intervalo abierto I. Si f tiene un extremo relativo en un punto x0 I entonces f 0 (x0 ) = 0.
Demostraci
on. Supongamos que f 0 (x0 ) > 0. Entonces
lm
xx0
f (x) f (x0 )
= f 0 (x0 ) > 0.
x x0
19
20
3.9.
Una de las consecuencias principales del teorema de Rolle es el teorema del valor medio.
Teorema 3.4 (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.
Corolario 3.2 (Intervalos de crecimiento y decrecimiento) Sea f una funci
on derivable
en un intervalo (a, b).
(a) Si f 0 (x) > 0, x (a, b) entonces f es estrictamente creciente en (a, b).
(b) Si f 0 (x) < 0, x (a, b) entonces f es estrictamente decreciente en (a, b).
Demostraci
on. Probaremos el apartado (a): Sean x, y (a, b) tales que x < y. Tenemos que
demostrar que f (x) < f (y).
Aplicando el teorema del valor medio en el intervalo [x, y] se deduce la existencia de un
punto x0 (x, y) tal que f (y) f (x) = f 0 (x0 )(y x). Entonces:
f 0 (x0 ) > 0 = f (y) f (x) > 0 = f (x) < f (y).
t
u
Recordemos que toda funci
on estrictamente creciente o decreciente en un intervalo (a, b) es
inyectiva en (a, b) y por tanto se puede definir su inversa f 1 .
Corolario 3.3 (Determinaci
on de m
aximos y mnimos relativos) Sea f : I R una
funci
on definida en un intervalo abierto I. Supongamos que f es dos veces derivable en un
entorno de un punto x0 I y f 0 (x0 ) = 0.
(a) Si f 00 (x0 ) > 0 entonces f alcanza un mnimo relativo estricto en x0 .
(b) Si f 00 (x0 ) < 0 entonces f alcanza un m
aximo relativo estricto en x0 .
21
Demostraci
on. Como antes, probaremos el primer apartado. Como f 00 (x0 ) > 0, la funci
on f 00
toma valores positivos en un intervalo (x0 r, x0 + r) para alg
un r > 0. Por el corolario 3.2, f 0
es estrictamente creciente en (x0 r, x0 + r). En consecuencia, f 0 (x) > f 0 (x0 ) = 0 si x > x0 y
f 0 (x) < f 0 (x0 ) = 0 si x < x0 . Por tanto, f es estrictamente decreciente en (x0 r, x0 ) y estrictamente creciente en (x0 , x0 +r). Esto quiere decir que f tiene en x0 un mnimo relativo estricto.u
t
El u
ltimo de los corolarios que veremos sirve para determinar los intervalos de concavidad
y convexidad de la gr
afica de una funcion.
Recordamos estos conceptos. Sea f : I R una funcion derivable en un intervalo I. En
este caso se puede definir la recta tangente a la grafica de f en cada punto (x0 , f (x0 )), x0 I.
Se dice que la funci
on es convexa en I si la grafica de f queda por encima de cualquier recta
tangente a dicha gr
afica en los puntos del intervalo I. Si la grafica de f queda por debajo de cualquier recta tangente a dicha gr
afica en los puntos del intervalo I se dira que f es c
oncava en I.
Si f es convexa a un lado de x0 y c
oncava a otro se dira que f tiene en x0 un punto de inflexi
on.
El ejemplo tpico de funci
on convexa en R es f (x) = x2 , mientras que el de funcion concava
2
es f (x) = x . Ambas se muestran en la figura 3.3.
4
-2
-1
3
-1
2
-2
1
-3
-2
-1
-1
-4
22
3.10.
t
u
El teorema de Taylor.
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!
El teorema de Taylor permite estimar el error cometido cuando aproximamos una funcion
por el polinomio de Taylor.
23
f n+1) (x )
(x x0 )n+1 .
(n + 1)!
1
= 0,00260417.
4! 24
f 00 (x0 )
f n1) (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!
24
f n) (x )
(x x0 )n > f (x0 ), x (x0 r, x0 ) (x0 , x0 + r).
n!
t
u
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 grafica se muestra en la figura 3.4.
1/2
3/4
Figura 3.4: Gr
afica de la funcion f (x) = x4 x3 .
Captulo 4
Introducci
on a las funciones
vectoriales
4.1.
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), sen(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 .
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
Por ejemplo, la derivada de f (t) = (cos(t), sin(t)) es f 0 (t) = ( sen(t), cos(t)).
25
26
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
1+t
y(t) =
2
27
producto de funciones, se cumple una regla analoga a la de funciones escalares de una variable,
pero en terminos del producto escalar. Notese que si f : I Rn y g : I Rn son dos funciones
vectoriales entonces su producto escalar (f g) es una funcion escalar (f g) : I R definida
n
X
por (f g)(t) = f (t) g(t) =
fi (t)gi (t).
i=1
4.2.
28
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.
Por ejemplo, las curvas de nivel de la funcion f : R2 R definida por f (x, y) = x2 + y 2
solo tienen sentido para K = r2 > 0 y son circunferencias de centro (0, 0) y radio r:
CK = {(x, y) R2 / x2 + y 2 = r2 }, K = r2 .
Cada curva de nivel representa la interseccion de la grafica de f con el plano z = K paralelo
al plano horizontal z = 0.
4.3.
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. Tambien puede haber
puntos de la frontera de A que no pertenecen a A. Diremos que un punto P Rn es un punto de
4.3. Nociones b
asicas de topologa en Rn .
29
30
Captulo 5
Continuidad y c
alculo diferencial de
funciones de varias variables
5.1.
xP
no existe porque cuando nos aproximamos a (0, 0) a lo largo de los dos ejes de coordenadas la
31
32
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
5.2.
33
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.
34
5.3.
Diferenciabilidad.
xx0
f (x) f (x0 )
f (x) [f (x0 ) + f 0 (x0 )(x x0 )]
= f 0 (x0 ) lm
= 0
xx0
x x0
x x0
lm
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 el punto (x0 , y0 , f (x0 , y0 )) 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 adem
as:
f (x, y) [f (x0 , y0 ) + f (x0 , y0 ) (x x0 , y y0 )]
= 0.
k(x, y) (x0 , y0 )k
(x,y)(x0 ,y0 )
lm
5.3. Diferenciabilidad.
35
f
f
f
(P ),
(P ), . . . ,
(P ) .
x1
x2
xn
, 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:
Df (x0 ) = f 0 (x0 ) =
f10 (x0 )
f20 (x0 )
..
.
fp0 (x0 )
f1 (P )
f2 (P )
Df (P ) =
..
.
fp (P )
f1
x1 (P )
f1
x2 (P )
f1
xn (P )
f2
x1 (P )
f2
x2 (P )
f2
xn (P )
..
.
fp
x1 (P )
..
..
.
.
fp
x2 (P )
..
.
fp
xn (P )
36
f1
= yz
x
f1
= xz
y
f2
= y cos(xy)
x
f1
= xy ;
z
f2
= x cos(xy)
y
f2
= 1.
z
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 ).
5.4.
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
.
4 0
2 1
2 0 0
1 0 1
=
8 0 0
5 0 1
.
5.4.1.
37
Interpretaci
on de la diferencial como aplicaci
on.
5.4.2.
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
38
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 , 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
39
La demostraci
on de esta propiedad para n = 2 se basa en la formula del producto escalar.
La derivada direccional en la direccion de un vector unitario u es
f (P ) u = kf (P )k kuk cos() = kf (P )k cos(),
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
5.4.3.
Supongamos que z = f (x, y), donde x e y dependen de u y v, es decir, z = f (x(u, v), y(u, v)).
Si f es diferenciable y existen las derivadas parciales de x = x(u, v) e y = y(u, v) respecto
de u y v entonces se pueden calcular las derivadas parciales de z respecto de u y v del siguiente
modo:
40
z
f x f y
=
+
u
x u y u
z
f x f y
=
+
.
v
x v
y v
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, para cada j = 1, 2, . . . , p,
y
f x1
f x2
f xn
=
+
+ +
.
uj
x1 uj
x2 uj
xn uj
5.5.
Derivaci
on implcita.
F
F z
z
F /x
g
=
+
= 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,
z
y 2 + z cos(xz)
=
x
2z + x cos(xz)
z
2xy
=
.
y
2z + x cos(xz)
5.6.
41
f
Sea f : Rn R un campo escalar. Si las derivadas parciales x
son funciones derivables
i
entonces se pueden definir las derivadas parciales segundas (o de segundo orden). Se define la
derivada parcial segunda de f respecto de xi y de xj como
2f
=
xj xi
xj
f
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:
Teorema 5.1 (Teorema de las derivadas cruzadas) Sea f : Rn R un campo escalar de
clase C 2 . Entonces, para cada par de variables independientes xi , xj , se cumple que
2f
2f
=
.
xj xi
xi xj
Este teorema se extiende a derivadas de orden superior. Si una funcion es de clase C k su
derivada parcial kesima con respecto de k variables es independiente del orden de derivaci
on.
Matriz hessiana.
Sea f : Rn R un campo escalar de clase C 2 . Se llama matriz hessiana de f a la matriz
2f
cuadrada Hf (x) de tama
no n n que tiene en el lugar (i, j) la derivada parcial segunda
,
xi xj
42
es decir,
2f
x1 xn
2f
x22
2f
x2 xn
..
.
..
.
..
.
2f
xn x1
2f
xn x2
..
.
2f
x21
2f
x1 x2
2f
x2 x1
Hf (x) =
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
x2n
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
2
xy
x
=
.
Hf (x, y) = 2
2f
f
1 + 4xy + ex
2x2
2
yx
!
.
2 0
La diferencial segunda de f en (0, 1) esta definida por
!
!
3 2
x
(x, y) = (x, y)
= 3x2 + 4xy.
2 0
y
Recordemos que una forma cuadr
atica en Rn es una aplicacion : Rn R definida por
(x) = xt Ax =
n
X
aij xi xj ,
i,j=1
43
Definici
on 5.1 Sea A Mnn (R) una matriz simetrica. Diremos que
1. A es definida positiva si xt Ax > 0 , x 6= 0,
2. A es definida negativa si xt Ax < 0 , x 6= 0,
3. A es indefinida si existen dos vectores x, y Rn tales que xt Ax > 0 , y t Ay < 0.
Si A es simetrica y |A| =
6 0 entonces se puede determinar si A es definida positiva, definida
negativa o indefinida analizando el signo de los menores principales de la matriz.
Teorema 5.2 Supongamos que A es simetrica y |A| =
6 0. Entonces:
(a) Si todos los menores principales de A son positivos entonces A es definida positiva.
(b) Si los menores principales de orden impar son negativos y los de orden par son positivos
entonces A es definida negativa.
(c) En cualquier otro caso, A es indefinida.
Utilizaremos este resultado en la siguiente seccion.
5.7.
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 en Rn . En primer lugar, introducimos la definici
on de m
aximo y mnimo local.
n
Sea f : D R R un campo escalar definido en un subconjunto D de Rn . Se dice que f
alcanza un m
aximo local (o m
aximo relativo) en un punto P D si existe un entorno B0 de
P tal que f (x) f (P ), x B0 .
La definici
on de mnimo local se obtiene cambiando el sentido de la desigualdad en la
definicion anterior. Diremos que P es un punto de extremo local para f si f alcanza en P un
maximo local o un mnimo local.
Observaci
on: Un entorno del punto P se puede definir como la interseccion de una bola abierta
centrada en P con el dominio de definicion D.
Teorema 5.3 (Condici
on necesaria de extremo) Sea f : D Rn R un campo escalar
de clase C 1 definido en un subconjunto abierto D de Rn . Si f alcanza en P D un extremo
local entonces f (P ) = (0, 0, . . . , 0).
44
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
0
Taylor p2 (x) = f (x0 ) + f (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
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 5.4 (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).
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.
45
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 locales 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
!
f
2f
24x 12
xy
x2
=
Hf (x, y) = 2
.
f
2f
12
2
2
yx
0
12
2 = |Hf (0, 0)| =
= 144 < 0.
12
2
46
La region D representa un disco cerrado de centro (1, 0) y radio 1. Por tanto D es compacto.
En primer lugar, calculamos los puntos crticos de f en el interior de D.
f (x, y) = (2x + 3, 2y) = (0, 0) x =
3
, y = 0.
2
El u
nico punto crtico en el interior 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).
5.8.
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,
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 ).
47
y=2-x
r=3
r=2
r=1
r=0.5
Figura 5.1: Gr
afica de y = 2 x y las curvas de nivel x2 + y 2 = r.
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
2 (de ah que el nivel correspondiente sea r = 2, como se observa en la figura).
Este ejemplo se generaliza a campos escalares en Rn para definir el metodo de los multiplicadores de Lagrange.
Teorema 5.6 (de los multiplicadores de Lagrange)
Supongamos que f : Rn R y g : Rn R son dos funciones de clase C 1 y
g(x1 , x2 , . . . , xn ) 6= (0, 0, . . . , 0) si g(x1 , x2 , . . . , xn ) = 0.
Si P Rn es un punto de m
aximo o mnimo local de f sujeto a la restricci
on g(x1 , . . . , xn ) = 0,
entonces existe un R tal que
f (P ) = g(P ).
Ejemplo 5.1 Calcular los valores maximos y mnimos de la funcion f (x, y) = x2 + 2y 2 sujetos
a la restricci
on x2 + y 2 = 1.
Definimos g(x, y) = x2 + y 2 1, de modo que la restriccion se convierte en g(x, y) = 0. La
ecuacion de los multiplicadores es:
(
2x = 2x
f (x, y) = g(x, y) (2x, 4y) = (2x, 2y)
4y = 2y
De la primera ecuaci
on se obtiene que x = 0 o = 1. De la segunda se obtiene que y = 0 o
= 2. Por tanto las u
nicas posibilidades son [x = 0, = 2] e [y = 0, = 1].
48
Para x = 0, como x2 + y 2 = 1, se obtienen los puntos (0, 1) y (0, 1). Para y = 0 se obtienen
los puntos (1, 0) y (1, 0).
Para determinar cu
ales son los valores maximos y mnimos, evaluamos f en esos puntos:
f (0, 1) = f (0, 1) = 2
f (1, 0) = f (1, 0) = 1 .
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, z) =
g1 (x, y, z) + g2 (x, y, z). Por tanto:
f (x, y, z) = g1 (x, y, z) + g2 (x, y, z) (0, 0, 1) = (1, 1, 1) + (2x, 2y, 2z)
+ 2x = 0
+ 2y = 0
2x = 2y = 1 2z .
+ 2z = 1
49
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
2
que se muestra en la figura 5.2, el punto A correspondera a un mnimo de f (x, y) = x + y 2
restringido a la condici
on g(x, y) = 0, pero el punto B sera un punto de silla.
B
g(x,y)=0
Figura 5.2: Dos puntos de tangencia de la curva definida por una funcion g(x, y) = 0 y las curvas
de nivel x2 + y 2 = r.
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:
50
Proposici
on 5.3 Sean f, g1 , g2 , . . . , gk funciones de clase C 2 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 ).
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 Rk es la funci
on definida por g(x) = (g1 (x), g2 (x), . . . , gk (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 5.3 Como ilustraci
on del metodo, comprobemos que en el ejemplo 5.1 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
.
Como Dg(x, y) = g(x, y) = (2x, 2y), en particular Dg(P ) = Dg(1, 0) = (2, 0). Por tanto,
x
U = Ker (Dg(P )) = (x, y) R2 / (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.
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.
Jon Rogawski, C
alculo: Varias variables, Reverte, 2012.
James Stewart, C
alculo. Conceptos y contextos, 4a. ed., Thompson, 2010.
51