Lecci

on 2: Funciones vectoriales: lmite y

continuidad. Diferenciabilidad de campos
vectoriales
1.1

Introducci
on

En economa, frecuentemente, nos interesa explicar la variaci

on de unas magnitudes respecto de otras.
As, por ejemplo, si tenemos dos magnitudes como el coste y la produccion y queremos analizar las
variaciones de una respecto a la otra se puede utilizar el concepto de coste medio y de coste marginal. Para
el segundo concepto necesitamos los conceptos matematicos de lmite y derivada de una funcion.

1.2

Funciones vectoriales: lmites y continuidad

Definici
on 1.2.1 Una funci
on vectorial es una aplicaci
on f : D IRn IRm tal que a cada vector
x = (x1 , x2 , . . . , xn ) le hace corresponder un vector y = (y1 , y2 , . . . , ym ), es decir, y = f (x).
Utilizaremos la siguiente notacion:

y1

y2

ym

f1 (x1 , x2 , . . . , xn )

=
..
.

f2 (x1 , x2 , . . . , xn )

= fm (x1 , x2 , . . . , xn )

Con f = (f1 , f2 , . . . , fm ). Cada fi son funciones escalares, fi : IRn IR y les llamaremos funciones
componentes o proyecciones de la funcion vectorial f .

Ejemplo 1.2.1 Sea f : D IR3 IR2 , con f (x, y, z) = (ln(xz),

y 2 4). Las funciones componentes de

f son:
f1 : D1 IR3 IR;

f1 (x, y, z) = ln(xz)
q

f2 : D2 IR IR;

f2 (x, y, z) =

y2 4

El estudio de las funciones vectoriales se realiza a traves de sus funciones componentes, as si queremos
hallar el dominio de definicion D de la funcion f , obtenemos los dominios de definicion de cada una de sus
funciones componentes y la interseccion de todos ellos nos dara el dominio buscado.
Ejemplo 1.2.2 Obtener el dominio de definici
on de la funci
on f : D IR3 IR2 , f (x, y, z) = (ln(xz),
f1 : D1 IR3 IR;

y 2 4).

f1 (x, y, z) = ln(xz)

Por tanto D1 = {(x, y, z) IR3 / xz > 0}

q

f2 : D2 IR3 IR;

f2 (x, y, z) =

y2 4

Por tanto D2 = {(x, y, z) IR3 / y 2 4 0}. Entonces el dominio de definici

on de f es
D = D1 D2 = {(x, y, z) IR3 / xz > 0; y 2 4 0}
Pasamos a definir el concepto de lmite de una funcion vectorial, como se puede intuir sera una adaptacion
del concepto de lmite de una funcion real de variable real a funcion vectorial.
Definici
on 1.2.2 Sea f : D IRn IRm y sea c un punto de acumulaci
on de D, decimos que
lim f (x) = l IRm

xc

si
> 0, > 0 tal que si ||x c|| < ||f (x) l|| <
Como hemos indicado el estudio del lmite de una funcion vectorial se realizara a traves del estudio de sus
componentes, de ah que enunciemos el siguiente teorema que nos da la base matematica para llevarlo a
cabo.
Teorema 1.2.1 Sea f : D IRn IRm y sea c un punto de acumulaci
on de D. Son equivalentes
1) lim f (x) = l = (l1 , l2 , . . . , lm )
xc

2) lim fi (x) = li IR
xc

i = 1, 2, . . . m

Ejemplo 1.2.3 Sea f : IR3 IR2 definida por f (x, y, z) = (exyz , x2 + y + 2z). Est
a claro que ambas
componentes existen en el conjunto de los n
umeros reales, por lo tanto el dominio de la funci
on ser
a todo
IR3 .
Por otra parte, si queremos calcular el lmite de la funci
on cuando (x, y, z) tiende al origen (0, 0, 0),
aplicando el teorema anterior calcularamos los lmites en el origen de las funciones componentes, es decir
l1 =
l2 =

lim

(x,y,z)(0,0,0)

lim

(x,y,z)(0,0,0)

f1 (x, y, z) =

f2 (x, y, z) =

lim

(x,y,z)(0,0,0)

lim

(x,y,z)(0,0,0)

exyz = 1

(x2 + y + 2z) = 0

Por tanto el lmite buscado es l = (1, 0).

Nuestro siguiente paso sera definir cuando una funcion vectorial es continua en un punto, esta definicion es
analoga a la dada para funciones escalares.
on es continua en c D si lim f (x) =
Definici
on 1.2.3 Sea f : D IRn IRm decimos que la funci
xc

f (c).
Hay que observar que en realidad esta definicion implica que
(1) f (c)
(2) lim f (x) y sea finito
xc

(3) lim f (x) = f (c)

xc

Pasamos a ver la continuidad de una funcion a traves de la continuidad de sus componentes.

Teorema 1.2.2 Una funci
on vectorial es continua en un punto si y solo s sus funciones componentes son
continuas en dicho punto.
Definici
on 1.2.4 Una funci
on vectorial ser
a continua en un conjunto cuando sea continua en todos los
puntos de ese conjunto.

Ejemplo 1.2.4 Estudiar la continuidad de la funci

on f : D IR2 IR2 definida por f (x, y) = (x2 + y, x + 2).
Las funciones componentes son
f1 (x, y) = x2 + y D1 = IR2
3

f2 (x, y) =

x 2 D2 = {(x, y) IR2 / x 2}

Por tanto D = D1 D2 = D2 .
Por otra parte sabemos que f1 es continua en IR2 y que f2 es continua en D2 , por lo tanto la funci
on
vectorial f es continua en D2 .

1.3

Diferencial de una funci

on real de variable real

Recordemos que una funcion real de variable real es derivable en un punto c cuando existe y es finito el
siguiente lmite:
f (c + h) f (c)
h0
h
lim

A dicho lmite lo representamos por f 0 (c).

En ese caso, la recta tangente a la funcion en el punto c tena la expresion:
y f (c) = f 0 (c)(x c)
Si tenemos una funcion real de variable real y queremos estudiar su comportamiento local alrededor de un
punto c, tratamos de encontrar una funcion de naturaleza mas sencilla que la dada y que en un entorno del
punto aproxime a la funcion dada f . Parece logico adoptar la clase de las funciones lineales y = x para tal
aproximacion local. Usualmente se opta por comparar el cociente de la diferencia de ordenadas relativas a
f y a la funcion lineal aproximante con la variaci
on h de la abscisa, es decir el cociente:
f (c + h) f (c) h
h
de modo que el numerador sea despreciable frente al denominador.
En el caso de que la funcion sea derivable en c tomamos = f 0 (c) y en realidad lo que hemos dicho se
resume matematicamente con la expresion:
f (c + h) f (c) f 0 (c)h
=0
h0
h
lim

La funcion aproximante f 0 (c)h es una funcion lineal de IR en IR, y se le llama diferencial de la funcion f en
el punto c y se representa por Df (c). Damos, ahora, la definicion.
on f : I IR IR con I abierto en un punto c I,
Definici
on 1.3.1 Llamamos diferencial de la funci
a la aplicaci
on lineal Df (c) : IR IR tal que Df (c)(h) = f 0 (c)h
4

Nota 1.3.1

Observar que la derivada de una funci

on en un punto es un n
umero real, en cambio la

diferencial de una funci

on en un punto es una aplicaci
on lineal.
Como el lmite expuesto previamente es cero, esto quiere decir que f (c + h) es aproximadamente igual
a f (c) + f 0 (c)h en valores de h pr
oximos a cero, esto es, cuando estamos pr
oximos al punto c, la
funci
on se aproxima por la recta tangente f (c) + f 0 (c)h.
la diferencial de una funci
on en un punto es una aplicaci
on lineal que existe si y solo s existe la
derivada en dicho punto.
Enunciamos un teorema que nos relaciona los conceptos de derivabilidad y diferenciabilidad de una funcion
en un punto.
Teorema 1.3.1 f : I IR IR con I abierto en un punto c I, se verifica:
f es derivable en c f es diferenciable en c
on real de variable real f (x) = e2x2 que es derivable en todo IR, cuya funci
on
Ejemplo 1.3.1 Sea la funci
derivada es f 0 (x) = 2e2x2 y el valor de la derivada en c = 1 es f 0 (1) = 2. La diferencial de la funci
on en
c = 1 viene dada por Df (1)(h) = 2h.
Si queremos obtener, ahora, la diferencial de la funci
on en c = 0, Df (0), calculamos f 0 (0) = 2e2 y por
tanto Df (0)(h) = 2e2 h.

1.4

Derivadas direccionales. Diferenciabilidad de funciones escalares

Si tenemos una funcion real de variable real y queremos acercarnos a un punto a traves de la funcion, solo
podemos hacerlo en la direccion de crecimiento del eje de abscisas (de menos a mas), pero si tenemos una
funcion escalar (definida de IRn en IR) hay infinitas direcciones para acercarnos a un punto. De ah nace el
concepto de derivada direccional.
Definici
on 1.4.1 Sean f : D IRn IR con D abierto, c D, u un vector de IRn , tal que ||u|| = 1, y
IR suficientemente peque
no para que c + u D. Llamamos derivada direccional de f en el punto c
y en direcci
on u al lmite.
f (c + u) f (c)
0

Du f (c) = f 0 (c; u) = lim

Ejemplo 1.4.1 Sea la funci

on f : IR2 IR definida como f (x, y) = x2 + y 2 , sea c = (2, 3). Calcular las

derivadas direccionales de f en el punto c en las direcciones de los vectores u =

3 4
5, 5

y v = (2, 1).

||u|| = 1;

f (c + u) = f (2, 3) +

3 4
,
5 5

3
= 2+
5

4
+ 3+
5

= 2 +

36
+ 13
5

f (c) = f (2, 3) = 22 + 32 = 13
Por tanto

36
2 +
f
(c
+
u)

f
(c)
5 = 36
Du f (c) = f 0 (c; u) = lim
= lim
0
0

Para calcular la derivada direccional en la direcci

on del vector v, lo primero ser
a normalizar el vector, para

ello calculamos su norma: ||v|| = 22 + 1 = 5 Consideramos entonces el vector normalizado v = 25 , 15 .

2 1
f (c + v) = f (2, 3) + ,
5 5

2
= 2+
5

1
+ 3+
5

14
= 2 + + 13
5

f (c) = f (2, 3) = 22 + 32 = 13
Por tanto

14
2 +
14
f (c + v) f (c)
5
= lim
=
Dv f (c) = f 0 (c; v) = lim
0
0

Nota 1.4.1 Recordar que cuando se toman como direcciones los vectores de la base can
onica de IRn las
derivadas direccionales pasan a llamarse derivadas parciales, y que la matriz columna formada por las
derivadas parciales de la funci
on en un punto se le llama el vector gradiente de la funci
on en el punto y
se representa f (x).

1.4.1

Diferenciabilidad de funciones escalares

Vamos a introducir el concepto de diferenciabilidad de una funcion escalar, que sera analogo al que hemos
desarrollado para funciones reales de variable real.
Definici
on 1.4.2 Sean f : D IRn IR con D abierto, c D, decimos que la funci
on es diferenciable
en c si existe una aplicaci
on lineal Df (c) : IRn IR tal que
lim

f (c + h) f (c) Df (c)(h)
=0
||h||

Nota 1.4.2 Hay que observar que h IRn por lo tanto h = (h1 , h2 , . . . , hn ), luego h tender
a al vector nulo
y no a 0 como pasaba en IR. Adem
as el denominador es la norma de h que es un n
umero real.
6

Teorema 1.4.1 (condici

on necesaria de diferenciabilidad) Sea f : D IRn IR con D abierto, si f
es diferenciable en c D, entonces f es continua en c D
Nota 1.4.3 Este teorema nos indica que es condici
on necesaria para que una funci
on sea diferenciable en
un punto es que sea continua en dicho punto, por lo tanto si una funci
on no es continua en un punto
no puede ser diferenciable en dicho punto.
Como se puede intuir de la definicion de diferenciabilidad en un punto c no es posible obtener mucha
informacion practica sobre la aplicacion lineal Df (c), el siguiente teorema nos abre el camino para obtener
la matriz que lleva asociada dicha aplicacion lineal.
Teorema 1.4.2 Sea f : D IRn IR con D abierto, si f es diferenciable en c D, entonces para cada
vector u IRn con u 6= existen todas las derivadas de f en el punto c y en la direcci
on u y adem
as se
verifica que:
Du f (c) = Df (c)(u)
on lineal, por tanto tiene asociada una matriz respecto a la
Consecuencia 1.4.1 1. Df (c) es una aplicaci
base can
onica {e1 , e2 , . . . , en } de IRn . Sea x IRn , entonces x es combinaci
on lineal de los vectores de
la base can
onica, es decir, x = x1 e1 + x2 e2 + + xn en , por tanto:
Df (c)(x) = Df (c)(x1 e1 + x2 e2 + + xn en ) = x1 Df (c)(e1 ) + x2 Df (c)(e2 ) + + xn Df (c)(en )
ya que la aplicaci
on es lineal. Aplicando el teorema anterior a cada uno de los sumandos tenemos:
Df (c)(e1 ) = De1 f (c) =

f (c)
= D1 f (c)
x1

Df (c)(e2 ) = De2 f (c) =

f (c)
= D2 f (c)
x2

..
.
Df (c)(en ) = Den f (c) =

f (c)
= Dn f (c)
xn

Por lo tanto
Df (c)(x) = x1 D1 f (c) + x2 D2 f (c) + + xn Dn f (c) =

= (D1 f (c), D2 f (c), . . . , Dn f (c))

x1

x1

x2
..
.

= t f (c)

x2
..
.

xn

xn

En resumen:
La matriz asociada a la aplicaci
on lineal Df (c) respecto a la base can
onica es el gradiente
traspuesto de la funci
on en c.
2. Si f es diferenciable en c, entonces:
Du f (c) = Df (c)(u) = t f (c) u
on u, entonces f no es diferenciable en c. En particular,
3. Si no existe la derivada de f en alguna direcci
si no existe alguna derivada parcial de f en c tendremos que f no es diferenciable en c.
Enunciamos, ahora, un teorema que nos permitira estudiar la diferenciabilidad de una funcion escalar sin
necesidad de aplicar la definicion.
Teorema 1.4.3 (condici
on suficiente de diferenciabilidad) Sea f : D IRn IR con D abierto, si
existen todas las derivadas parciales de f y son continuas en D, entonces f es diferenciable en cualquier
punto de D y se dice que f continuamente diferenciable en D.
1
.
+ y2
La funci
on existe y es continua en el conjunto D = IR2 {(0, 0)}, por lo tanto estudiaremos la diferen-

Ejemplo 1.4.2 Estudiar la diferenciabilidad de la funci

on f : IR2 IR dada por f (x, y) =

x2

ciabilidad en el conjunto D.
Calculamos las derivadas parciales
f
2x
= 2
;
x
(x + y 2 )2

2y
f
= 2
y
(x + y 2 )2

Vemos que ambas son continuas en D, por lo tanto la funci

on es diferenciable en D.

1.4.2

Aplicaciones de la diferenciabilidad

Dada una funcion real de variable real, sabemos que la ecuacion de la recta tangente a la funcion en
un punto viene expresada a traves de la derivada en dicho punto. De forma analoga se puede definir
la ecuacion del plano tangente a una superficie a traves de la definicion de diferencial. As, el plano
tangente a la funcion z = f (x, y) en el punto (a, b) es:

xa

z = f (a, b) + t f (a, b)

yb

 Sea f : D IRn IR y sea c D. Queremos buscar cual es la direcci

on de m
aximo crecimiento
de la funcion a partir de c.
La funcion crecera mas rapido donde la derivada direccional sea maxima:
Du f (c) = t f (c) u = ||t f (c)|| ||u|| cos()
donde es el angulo formado por los vectores f (c) y u. Como ||u|| = 1 por ser una derivada
direccional, tendremos que:
Du f (c) = t f (c) u = ||t f (c)|| cos()
Como |cos()| 1, la expresion anterior obtendra el maximo valor cuando cos() = 1, es decir, cuando
= 0, lo que nos dice que la direccion de maximo crecimiento se obtiene cuando el vector u tenga la
misma direccion que el vector gradiente. Ademas como debe ser unitario, se toma:
u=

1.5

f (c)
||f (c)||

Matriz Jacobiana. Diferenciabilidad de funciones vectoriales

Como hemos visto con anterioridad cuando tenemos una funcion vectorial, el estudio de la existencia del
lmite y la continuidad de la funcion se reduce a analizar que ocurre con sus funciones componentes. La
diferenciabilidad no va a ser diferente, a
un cuando demos la definicion formal, su estudio se realizara a traves
de sus funciones componentes.
Definici
on 1.5.1 Sea f : D IRn IRm una funci
on vectorial con D abierto, sea c D y u IRn con
||u|| = 1, definimos derivada direccional de f en c y en la direcci
on u como
f (c + u) f (c)
=
0

Du f (c) = f 0 (c; u) = lim

(f1 (c + u), f2 (c + u), . . . , fm (c + u)) (f1 (c), f2 (c), . . . , fm (c))

=
0

= lim

f1 (c + u) f1 (c)
f2 (c + u) f2 (c)
fm (c + u) fm (c)
, lim
, , lim
0
0
0

lim

= (Du f1 (c), Du f2 (c), . . . , Du fm (c))

9

Es decir, la derivada direccional de una funcion vectorial, es un vector cuyas componentes son las derivadas
direccionales de las funciones componentes de la funcion. De aqu: para que exista Du f (c) deben existir
Du fi (c), i = 1, 2, . . . , m.
Como sabemos que las derivadas parciales de una funcion escalar son un caso particular de las derivadas
direccionales de una funcion escalar, de la definicion anterior deducimos que las derivadas parciales de
una funcion vectorial son un caso particular de las derivadas direccionales de una funcion vectorial. Es
decir: para calcular las derivadas parciales de una funci
on vectorial nos basta con calcular las
derivadas parciales de cada una de las funciones componentes.
on f : D IRn IRm , con D abierto, en
Definici
on 1.5.2 Definimos la matriz jacobiana de una funci
c D, como

D1 f1 (c)

D f (c)

1 2
Jf (c) =

..

D2 f1 (c)

D2 f2 (c)
..
.

..

Dn f1 (c)

Dn f2 (c)

..

D1 fm (c) D2 fm (c) Dn fm (c)

Nota 1.5.1 Observar que otra manera m

as f
acil de escribir la matriz jacobiana es

t f1 (c)

t f (c)

2
Jf (c) =

..

t fm (c)

Pasemos a definir el concepto de diferenciabilidad de una funcion vectorial en un punto que sera analogo al
de funcion escalar
Definici
on 1.5.3 Sea f : D IRn IRm , con D abierto, en c D, decimos que la funci
on es diferenciable en c si existe una aplicaci
on lineal Df (c) : IRn IRm tal que
||f (c + h) f (c) Df (c)(h)||
=0
h
||h||
lim

Enunciamos, ahora, una serie de teoremas que nos ayudar

an en la aplicacion practica del concepto de
diferenciabilidad.
Teorema 1.5.1 (condici
on necesaria y suficiente de diferenciabilidad) Sea f : D IRn IRm , con
D abierto, en c D, f es diferenciable en c si y solo si sus funciones componentes son diferenciables en c.
10

Teorema 1.5.2 (condici

on necesaria de diferenciabilidad) Sea f : D IRn IRm , con D abierto,
en c D, Si f es diferenciable en c entonces f es continua en c.
Teorema 1.5.3 Sea f : D IRn IRm , con D abierto, en c D, Si f es diferenciable en c entonces
existen las derivadas direccionales de f en c para cualquier vector unitario u IRn y adem
as se verifica que:
Du f (c) = f 0 (c; u) = Df (c)(u)
Como Df (c) : IRn IRm es una aplicacion lineal tendra asociada una matriz respecto a la base canonica.
Utilizando el teorema anterior y recordando que la diferencial de una funcion vectorial se descompone en
las diferenciales de cada una de sus funciones componentes y razonando de forma analoga a como hicimos
para las funciones escalares, podemos deducir que la matriz buscada es la matriz jacobiana y ademas

D1 f1 (c)

D f (c)

1 2
Df (c)(h) = Jf (c) h =

..

D2 f1 (c)

D2 f2 (c)
..
.

..

Dn f1 (c) h1

Dn f2 (c)

..

.

D1 fm (c) D2 fm (c) Dn fm (c)

Ejemplo 1.5.1 Sea f : IR2 IR2 definida por: f (x, y) = x + y,

1
x+y

h2
..
.
hn

y el punto P (1, 2)

1. Determinar el conjunto en el que f es diferenciable.

2. Obtener la matriz jacobiana de f en un punto generico.
3. Calcular la diferencial de f en un punto generico y, si es posible, en el punto P .
Para resolver el primer punto lo primero ser
a analizar la funci
on dada a traves de sus componentes (condici
on
necesaria y suficiente de diferenciabilidad para funciones vectoriales). Una vez centrados en las funciones
componentes (que son funciones escalares) estudiamos donde van a ser continuas (recordar la condici
on
necesaria de diferenciabilidad para funciones escalares). Por u
ltimo analizaremos la continuidad de las
derivadas parciales de dichas funciones componentes (recordar la condici
on suficiente de diferenciabilidad
de las funciones escalares).
f1 : IR2 IR; f1 (x, y) = x + y f1 es continua en todo IR2
Calculamos sus derivadas parciales y vemos donde son continuas.
f1
(x, y) = 1;
x
11

f1
(x, y) = 1
y

Ambas son continuas en IR2 .

Por lo tanto f1 es diferenciable en todo IR2 y su vector gradiente en un punto generico es:

f1 (x, y) =

f2 : IR2 IR; f2 (x, y) =

1
f2 es continua en el conjunto A2 = {(x, y)/ x + y 6= 0}
x+y

Calculamos sus derivadas parciales

f2
1
;
(x, y) =
y
(x + y)2

f2
1
;
(x, y) =
x
(x + y)2
Ambas son continuas en el conjunto A2 .

Por tanto f2 es diferenciable en A2 y su vector gradiente en un punto generico es

f2 (x, y) =

(x + y)2
1

(x + y)2

En resumen, f ser
a diferenciable en la intersecci
on de los conjuntos en que sean diferenciables cada una de
sus componentes, en este caso f es diferenciable en A2 = {(x, y)/ x + y 6= 0}.
Pasemos, ahora, al segundo punto de nuestro ejercicio: la jacobiana de f en un punto generico (x, y) A2
es

Jf (x, y) =

t f1 (x, y)
t f2 (x, y)

1
1

(x + y)2

2
(x + y)

Por u
ltimo, obtengamos la diferencial en un punto generico y en el punto P . Debemos recordar que
Df (c)(h) = Jf (c) h
En nuestro caso consideramos primero c = (x, y)

Df (x, y)(h) = Jf (x, y) h =

(x + y)2
En el punto dado, c = (1, 2) A2 y tenemos que

Df (1, 2)(h) = Jf (1, 2) h =

12

1
1

1
h1

h2
2
(x + y)

1 h1

h2
9

1.6

Regla de la cadena

1.6.1

Introducci
on

Antes de enunciar el teorema de la regla de la cadena que nos va a permitir obtener, cuando sea posible, la
diferencial de una funcion compuesta, es importante recordar algunos conceptos basicos en IR.
1. Sean f : A IR IR y g : B IR IR, con f (A) B, definimos g f : A IR IR como
(g f )(x) = g (f (x))
Ejemplo 1.6.1 Sean f (x) = x2 + 1; g(x) =

3
4x, entonces

(g f )(x) = g (f (x)) = g(x2 + 1) =

q
3

4(x2 + 1)

An
alogamente

3
3
3
(f g)(x) = f (g(x)) = f ( 4x) = ( 4x)2 + 1 = 16x2 + 1
2. (Regla de la cadena para funciones reales de variable real) Sean f : A IR IR y g : B IR
IR, con A y B abiertos y f (A) B, sean c A y f (c) B, entonces si f es diferenciable en c y g es
diferenciable en f (c) tendremos que g f : A IR IR es diferenciable en c y ademas se verifica que
(g f )0 (c) = g 0 [f (c)] f 0 (c)
Ejemplo 1.6.2 Considerando las funciones del ejemplo anterior
0

(g f ) (x) =

1.6.2

q
3

4(x2

+ 1)

2
1
= (4x2 + 4) 3 8x
3

Regla de la cadena para funciones vectoriales

Teorema 1.6.1 Sean f : A IRn IRm y g : B IRm IRp , con A y B abiertos y f (A) B, sean
c A y f (c) B, si f es diferenciable en c y g es diferenciable en f (c) tendremos que g f : A IRn IRp
es diferenciable en c y adem
as se verifica que D(g f )(c) = Dg [f (c)] Df (c), por tanto:
J(g f )(c) = Jg [f (c)] Jf (c)
Ejemplo 1.6.3 Sean f : A IR2 IR3 , f (x, y) = (ex+y , x y, x2 ) y sea g : B IR3 IR2 , g(u, v, w) =
(uw , sen(v + w)). Probar que g f es diferenciable en (0, 0) y calcular J(g f )(0, 0).

13

Empezamos estudiando la diferenciabilidad de f a traves de sus funciones componentes:

f1 (x, y) = ex+y es continua en todo IR2
f1
(x, y) = ex+y ;
x

f1
(x, y) = ex+y son continuas en todo IR2
y

Por tanto f1 es diferenciable en todo IR2 y en particular en (0, 0).

f2 (x, y) = x y es continua en todo IR2
f2
(x, y) = 1;
x

f2
(x, y) = 1 son continuas en todo IR2
y

Por tanto f2 es diferenciable en todo IR2 y en particular en (0, 0).

f3 (x, y) = x2 es continua en todo IR2
f3
(x, y) = 2x;
x

f3
(x, y) = 0 son continuas en todo IR2
y

Por tanto f3 es diferenciable en todo IR2 y en particular en (0, 0).

Por tanto f es diferenciable en todo IR2 y en particular en (0, 0). Adem
as:

Jf (x, y) =

ex+y
1
2x

ex+y

1 1

Jf (0, 0) = 1 1

Estudiamos, ahora, la diferenciabilidad de g a traves de sus funciones componentes:

g1 (u, v, w) = uw es continua en B1 = {(u, v, w)/ u > 0}
g1
g1
g1
(u, v, w) = wuw1 ;
(u, v, w) = 0;
(u, v, w) = uw ln(u) son continuas en B1
u
v
w
Por tanto g1 es diferenciable en B1 y en particular en f (0, 0) = (1, 0, 0).
g2 (u, v, w) = sen(v + w) es continua en todo IR3
g2
g2
g2
(u, v, w) = 0;
(u, v, w) = cos(u + w);
(u, v, w) = cos(v + w) son continuas en todo IR3
u
v
w
Por tanto g2 es diferenciable en todo IR3 y en particular en f (0, 0) = (1, 0, 0).
14

Por tanto g es diferenciable en B1 y en particular en f (0, 0) = (1, 0, 0). Adem

as:

Jg(u, v, w) =

wuw1
0

uw ln(u)

cos(v + w) cos(v + w)

Jg(1, 0, 0) =

0 0

0 1 1

A continuaci
on aplicamos la regla de la cadena en el punto (0, 0):

J(g f )(0, 0) = Jg(1, 0, 0) Jf (0, 0) =

0 1

1
0

15

1
=

0
1