Diferenciabilidad de funciones de varias

variables
Mara Mu noz Guillermo
25 de febrero de 2005
ii

Indice general

Indice general
Captulo 1. Diferenciabilidad de funciones de varias variables . . . . . . . . . . . . . . . 1
1.1 Los comienzos: Siglo XVII . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Denici on de diferencial . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 La derivada direccional . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 C alculo analtico de la derivada direccional . . . . . . . . . . . . 11
1.3.2 C alculo geom etrico de la derivada direccional . . . . . . . . . . . 12
1.4 La derivada parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5 Condici on suciente de diferenciabilidad . . . . . . . . . . . . . . . . . 20
1.6 Derivadas parciales de orden superior . . . . . . . . . . . . . . . . . . . 24
1.7 La regla de la cadena para funciones de varias variables . . . . . . . . . . 26
1.7.1 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.8 El gradiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.8.1 Propiedades b asicas del gradiente . . . . . . . . . . . . . . . . . 33
1.8.2 Interpretaci on geom etrica del gradiente . . . . . . . . . . . . . . 34
1.8.3 Normalidad del gradiente . . . . . . . . . . . . . . . . . . . . . . 36
1.8.4 C alculo del plano tangente a una supercie . . . . . . . . . . . . 39
1.9 M as aplicaciones de la diferencial . . . . . . . . . . . . . . . . . . . . . 39
1.9.1 Aproximaci on de funciones. Estimaciones . . . . . . . . . . . . 39
1.10 El teorema de la funci on implcita . . . . . . . . . . . . . . . . . . . . . 42
1.11 El teorema de la funci on inversa . . . . . . . . . . . . . . . . . . . . . . 43
1.12 Desarrollo en serie de funciones de varias variables . . . . . . . . . . . . 44
1.12.1 Introducci on. El polinomio de Taylor en una variable . . . . . . . 44
1.12.2 Denici on de m aximo y mnimo absoluto y relativo de una funci on
de varias variables. . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.12.3 Condici on necesaria de extremo. Puntos crticos. . . . . . . . . . 47
1.12.4 Condici on suciente de extremo. Hessiano de una funci on en un
punto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.12.5 Extremos condicionados. Multiplicadores de Lagrange . . . . . . 48
iv
Bibliografa 51
1
Diferenciabilidad de funciones de
varias variables
Diferenciabilidad de funciones de
varias variables
Antes de empezar a exponer conceptos y la teora propiamente dicha haremos un
peque no inciso. Comenzamos con un poco de historia.
1.1 Los comienzos: Siglo XVII
Los problemas que trataban de solucionar los matem aticos del siglo XVII eran de tres
tipos:
1. Determinaci on de las tangentes a las curvas.
2. B usqueda de m aximos y mnimos de funciones.
3. B usqueda de las condiciones de existencia de races m ultiples de las ecuaciones
algebraicas.
En el transcurso de este siglo los problemas diferenciales a un se resolvan por los
m etodos m as diversos.
En la escuela de Galileo, para la b usqueda de tangentes y normales a las curvas se apli-
caban simult aneamente los m etodos cinem aticos, considerando diferentes lanzamientos y
movimientos complejos, determinando la tangente en cualquier punto de la trayectoria.
La aparici on del an alisis innitesimal fue la culminaci on de un largo proceso cuya
esencia matem atica interna consisti o en la acumulaci on y asimilaci on te orica de los ele-
mentos del c alculo diferencial e integral y la teora de series.
Para el desarrollo de este proceso se contaba con:
el algebra;
2 1.2 DEFINICI

ON DE DIFERENCIAL
las t ecnicas de c alculo;
introducci on a las matem aticas variables;
ideas innitesimales cl asicas, especialmente de Arqumedes;
...
Las causas que motivaron este proceso fueron:
Las exigencias de la mec anica.
La astronoma.
La fsica.
La ultima etapa del desarrollo del an alisis innitesimal fue el establecimiento de la
relaci on e inversibilidad mutua entre las investigaciones diferenciales e integrales, y a
partir de aqu la formaci on del c alculo diferencial e integral. Este ultimo surgi o casi
independientemente en dos formas diferentes:
La Teora de uxiones de I. Newton.
El c alculo de diferenciales de G.W. Leibniz.
Leibniz lleg o a la idea sobre el smbolo d (de diferencia) para la designaci on de dife-
rencias innitesimales. Igualmente represent o la integral como suma de todas las ordena-
das.
El primer manual de c alculo diferencial y sus aplicaciones a la geometra: An alisis
Innitesimal de G. F. LHopital aparece en 1696.
1.2 Denici on de diferencial
Cuando se intenta generalizar el concepto de derivada a las funciones de dos variables
reales, la primera dicultad que se encuentra es el no poder formar el cociente incremental
para despu es tomar su lmite. Manteniendo ja una de las variables la funci on depende
s olo de la otra y respecto de ella s es posible tomar su lmite, obteni endose las derivadas
parciales. Ahora bien nosotros sabemos que toda funci on derivable de una variable es
continua mientras que si son dos o m as las variables pueden existir las derivadas parciales
sin que por ello se asegure la continuidad.
Estos inconvenientes se obvian introduciendo el concepto nuevo de diferenciabilidad
que en el caso de una variable es equivalente a la derivabilidad.
Sea f :]a, b[R una funci on. Sea x
0
]a, b[ y supongamos que f es derivable en x
0
.
Luego existe el lmite, al que se le llama derivada de la funci on f en el punto x
0
, y se
representa por f

(x
0
):
f

(x
0
) = lm
h0
f(x
0
+ h) f(x
0
)
h
= lm
xx
0
f(x) f(x
0
)
x x
0
,
o tambi en
lm
h0
f(x
0
+ h) f(x
0
) f

(x
0
)h
h
= 0.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 3
Denotemos por (h) =
f(x
0
+h)f(x
0
)
h
f

(x
0
) donde h U 0, siendo U un
entorno (que por comodidad supondremos abierto) del origen y (0) := 0. Obviamente
lm
h0
(h) = 0. Entonces
f(x
0
+ h) f(x
0
) f

(x
0
) h = h (h),
o bien, tomando x = x
0
+ h,
f(x) f(x
0
) f

(x
0
) (x x
0
) = (x x
0
) (x x
0
).
Esta ultima ecuaci on describe el hecho de que la gr aca de f queda aproximada por
la gr aca de la tangente (que es la trasladada al punto (x
0
, f(x
0
)) de la gr aca de una
funci on lineal (una recta)) y que la aproximaci on es tanto mejor cuanto m as cerca estemos
del punto x
0
.
4 1.2 DEFINICI

ON DE DIFERENCIAL
-4 -3 -2 -1 1 2 3
1
2
3
4
5
6
fHx
0
+hL-fHx
0
L
h
La misma idea es la que congura el c alculo diferencial de funciones de varias varia-
bles. En concreto, nos centraremos en el caso particular en el que dichos espacios sean de
dimensi on nita.
Denici on 1.2.1. Sea U R
n
un subconjunto abierto
1
, f : U R
m
y x
0
U. Se dice
que f es diferenciable en x
0
cuando existe una aplicaci on lineal A : R
n
R
m
tal que
lm

0
n
f(x
0
+

h) f(x
0
) A(

h)
|

h|
=

0
m
, (1.1)
donde

h U
0
siendo U
0
un entorno del origen.
La aplicaci on lineal A es la diferencial de f en el punto x
0
, y se representa por df
x
0
.
Esta ecuaci on es una extensi on de la derivada de funciones en una variable. Para el
caso de una variable el t ermino f

(x
0
) h es la funci on lineal. De nuevo, la idea a la que
responde el hecho de que una funci on f es diferenciable en un punto x
0
es el hecho de
poder aproximar f en una bola centrada en x
0
mediante una funci on trasladada de una
funci on lineal, esto es,
g : R
n
R
m
x f(x
0
) + A(x x
0
) = f(x
0
) + df
x
0
(x x
0
).
1
No es restrictivo suponer que el dominio es abierto. La diferenciabilidad de una funci on en un punto
es un concepto local y es suciente que exista una bola centrada en x
0
contenida en U de forma que la
aproximaci on a x
0
pueda realizarse sin restricciones. Tomando la restricci on de la funci on a esa bola
estaremos en la condiciones de la denici on.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 5
La aproximaci on es tanto mejor cuanto m as cerca estemos de x
0
.
V eamoslo con un ejemplo. Consideremos la funci on f(x, y) = x
2
+y
2
2 y el punto
x
0
= (1, 1).
Figura 1.1: El punto rojo se nala el punto P = (1, 1, f(1, 1)).
6 1.2 DEFINICI

ON DE DIFERENCIAL
Figura 1.2: La diferencial viene representada por un plano que pasa por el origen.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 7
Figura 1.3: El plano tangente a la funci on f en el punto (1, 1, f(1, 1)) es paralelo a la
gr aca dada por la diferencial.
Observar tambi en que la condici on (1.1) puede expresarse como
f(x
0
+

h) f(x
0
) df
x
0
(

h) = (

h) |

h|, (1.2)
siendo la funci on dada por
(

h) =
f(x
0
+

h) f(x
0
) A(

h)
|

h|
si

h B

0
n

0
n
) :=

0
m
donde B es una bola centrada en

0 con radio sucientemente peque no de manera que
tengan sentido cada una de las expresiones que aparecen.
8 1.2 DEFINICI

ON DE DIFERENCIAL
Hacemos un inciso aqu para se nalar que una funci on f : U R
n
R
m
viene
dada en la forma f = (f
1
, f
2
, . . . , f
m
), donde a las funciones f
j
: U R se las deno-
mina como funciones coordenadas. Entonces f es diferenciable en x
0
si, y s olo si, f
j
es
diferenciable en x
0
para cada j = 1, 2, . . . , m. En ese caso se verica la igualdad
df
x
0
(v) = (df
1
x
0
(v), . . . , df
m
x
0
(v)).
En efecto, si f es diferenciable en x
0
entonces la igualdad (1.2) se verica y tomando
la coordenada j- esima en los miembros de la igualdad obtenemos
f
j
(x
0
+

h) f
j
(x
0
) A
j
(

h) =
j
(

h) |

h|,
donde df
x
0
(

h) = (A
1
(

h), . . . , A
m
(

h)) y (

h) = (
1
(

h), . . . ,
m
(

h)). Es claro que para

cada j = 1, . . . , m, A
j
es lineal y lm

0
n

j
(

h) = 0, de donde se sigue que f

j
es
diferenciable en x
0
. Recprocamente, si todas las f
j
son diferenciables en x
0
, tenemos
que
f
j
(x
0
+

h) f
j
(x
0
) A
j
(

h) =
j
(

h) |

h|,
para

h B
j
y j = 1, . . . , m. Denimos A = (A
1
, . . . , A
m
), = (
1
, . . . ,
m
) y B =

m
j=1
B
j
. Entonces A es lineal, est a denida en B y verica que lm

0
n
(

h) =

0
m
, y
as,
f(x
0
+

h) f(x
0
) A(

h) = (

h) |

h|,
para cada

h B.
Proposici on 1.2.2. Sea f : U R
n
R
m
diferenciable en x
0
U, entonces su
diferencial en ese punto es unica.
DEMOSTRACI

ON:
Supongamos que existen A : R
n
R
m
y A

: R
n
R
m
aplicaciones lineales tales
que
lm

0
n
f(x
0
+

h) f(x
0
) A(

h)
|

h|
=

0
m
,
cuando

h B, siendo B una bola centrada en

0 y
lm

0
n
f(x
0
+

h) f(x
0
) A

h)
|

h|
=

0
m
,
para

h B

, y B

una bola centrada en

0. De aqu, restando
lm

0
n
A(

h) A

h)
|

h|
= lm

0
n
(A A

)(

h)
|

h|
=

0
m
, (1.3)
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 9
para

h B B

. Sea x R
n
, x ,=

0
n
. Entonces existe > 0 tal que si 0 < [t[ < se
tiene que t x U
0
U

0
donde t R. La existencia del lmite (1.3) asegura la existencia
del lmite en la direcci on del vector x. Efectivamente tomando

h = tx obtenemos
lm
t0
t (A A

)(x)
[t[ |x|
=

0
m
,
es decir,
(A A

)(x)
|x|
=

0
m
,
de aqu,
(A A

)(x) =

0
m
,
y nalmente,
A(x) = A

(x) =

0
m
.
El razonamiento es v alido para cada x R
n

0
n
, y puesto que toda aplicaci on lineal
verica que A(

0
n
) = A

0
n
) =

0
m
obtenemos que
A(x) = A

(x)
para cada x R
n
.
En la proposici on que sigue recogemos algunas propiedades fundamentales de las
cu ales no ofrecemos su demostraci on.
Proposici on 1.2.3. 1. Una funci on constante es diferenciable en cualquier punto y su
diferencial es la aplicaci on lineal nula.
2. Una aplicaci on lineal es diferenciable en cualquier punto, siendo su diferencial
ella misma.
3. Sean f y g funciones denidas en una bola abierta B R
n
con valores en R
m
y
tales que f y g son diferenciables en x
0
B. Entonces f + g es diferenciable en
x
0
, siendo
d(f + g)
x
0
= df
x
0
+ dg
x
0
.
4. Sea f una funci on denida en una bola abierta B R
n
con valores en R
m
y R.
Si f es diferenciable en x
0
B, entonces la funci on f es diferenciable en x
0
y
d( f)
x
0
= df
x
0
.
Proposici on 1.2.4. Sea f : U R
n
R
m
. Si f es diferenciable en x
0
U, entonces f
es continua en x
0
.
10 1.3 LA DERIVADA DIRECCIONAL
DEMOSTRACI

ON: Sea > 0. Puesto que f es diferenciable en x

0
existe A : R
n
R
m
lineal tal que
lm

0
n
f(x
0
+

h) f(x
0
) A(

h)
|

h|
=

0
m
,
es decir, existe 1
1
> 0 tal que si

h B(

0
n
,
1
), entonces
_
_
_f(x
0
+

h) f(x
0
) A(

h)
_
_
_
|

h|
<

3
,
y as,
_
_
_f(x
0
+

h) f(x
0
) A(

h)
_
_
_ <

3

_
_
_

h
_
_
_

3
.
Por otra parte,
_
_
_f(x
0
+

h) f(x
0
)
_
_
_
_
_
_f(x
0
+

h) f(x
0
) A(

h)
_
_
_ +
_
_
_A(

h)
_
_
_ .
Puesto que A es continua, existe
2
> 0 tal que si

h B(

0
n
,
2
) entonces
_
_
_A(

h)
_
_
_ <

3
.
Sea := mn
1
,
2
, entonces si

h B(

0
n
, ) tenemos que
_
_
_f(x
0
+

h) f(x
0
)
_
_
_

3
+

3
=
2
3
< ,
y la prueba acaba.
La implicaci on contraria no es cierta en general (no lo es para funciones reales de
variable real). Un ejemplo sencillo lo muestra la gura 1.3. En x = 1 no existe recta
tangente y por tanto la funci on no es diferenciable.
1.3 La derivada direccional
Denici on 1.3.1. Sea f : U R
n
R
m
, x
0
U, v R
n
. Se llama lmite direccional
(si existe) en la direcci on de v de la funci on f en el punto x
0
, y se representa de la forma
D
v
f(x
0
) = lm
t0
f(x
0
+ tv) f(x
0
)
t
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 11
La derivada direccional D
v
f(x
0
) es un elemento de R
m
que representa de alguna
forma la tasa de variaci on en el punto x
0
de la funci on f a lo largo de la recta que pasa
por el punto x
0
y tiene la direcci on del vector v.
-2 -1 1 2
0.5
1
1.5
2
2.5
Figura 1.4: En x = 1 la funci on es continua pero no es derivable.
1.3.1 C alculo analtico de la derivada direccional
El c alculo de una derivada direccional se reduce al c alculo de derivadas de funciones
de una variable. Llamando g(t) = f(x
0
+ tv) tenemos
D
v
f(x
0
) = lm
t0
f(x
0
+ tv) f(x
0
)
t
= lm
t0
g(t) g(0)
t
= g

(0),
siendo g = (g
1
, g
2
, . . . , g
m
) y g

(0) = (g

1
(0), . . . , g

m
(0)).
Un caso particular lo tenemos cuando v = e
j
, donde e
j
es el vector formado por
ceros excepto en el lugar j el cual toma el valor 1, (es decir, el j- esimo vector de la base
can onica). Entonces
D
e
j
f(x
0
) = g

(x
j
0
)
donde
g(t) = f(x
1
0
, x
2
0
, . . . , t, . . . , x
n
0
) = (f
1
(x
1
0
, . . . , t, . . . , x
n
0
), . . . , f
m
(x
1
0
, . . . , t, . . . , x
n
0
)),
es decir, si llamamos g
j
(t) = f
j
(x
1
0
, . . . , t, . . . , x
n
0
) para cada j = 1, . . . , m, la deri-
vada direccional coincide con el vector (g

1
(x
j
0
), . . . , g

m
(x
j
0
)), de manera que las reglas
del c alculo de derivadas son v alidas para calcular las coordenadas del vector derivada
direccional.
12 1.3 LA DERIVADA DIRECCIONAL
1.3.2 C alculo geom etrico de la derivada direccional
Una interpretaci on geom etrica de D
v
f(x
0
) podemos hacerla para funciones reales
denidas en un subconjunto abierto U R
2
. Consideremos la funci on f(x, y) = x
2
+y
2
y el punto P = (1, 1). Vamos a calcular la derivada direccional de f en P en la direcci on
del vector (1, 0).
Figura 1.5:
Calculamos en primer lugar la curva intersecci on del plano y= -1 con la supercie.
Este plano es el plano perpendicular al plano xy que contiene al vector (1, 0, 0), es decir
el plano determinado por los vectores (0, 0, 1), (1, 0, 0) y el punto (1, 1, 0).
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 13
-2
-1
0
1
2
-2
-1
0
1
2
0
2
4
6
8
-2
-1
0
1
2
Figura 1.6:
-2
-1
0
1
2
-2
-1.5
-1
-0.5
0
1
2
3
4
5
-2
-1.5
-1
-0.5
0
1
2
3
4
5
Figura 1.7: En esta gura destacamos la curva resultante de la intersecci on.
14 1.3 LA DERIVADA DIRECCIONAL
Visto en dos dimensiones tenemos que esa curva es la funci on f(x) = x
2
+ 1.
-2 -1 1 2
2
3
4
5
La derivada de esta funci on es g

(x) = 2x. As g

(1) = 2. La recta tangente

vendr a dada por y = 2(x 1) + 2 = 2x. El valor que hemos obtenido g

(1) = 2 es
la derivada direccional de la funci on f(x, y) en el punto (1, 1) en la direcci on (1, 0).
Geom etricamente su signicado es el que mostramos en las gr acas que siguen.
Por una parte tenemos que es la pendiente de la recta tangente a la curva g(x).
-2 -1 1 2
-4
-2
2
4
Figura 1.8:
Por otra no olvidemos que la curva g(x) la habamos obtenenido como intersecci on
del plano resultante al levantar la direcci on v y la supercie f(x, y).
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 15
-2
-1
0
1
2
-2
-1.5
-1
-0.5
0
-4
-2
0
2
4
-2
-1.5
-1
-0.5
0
-4
-2
0
2
4
Figura 1.9:
-2
-1
0
1
2
-2
-1
0
1
2
0
5
-2
-1
0
1
2
Figura 1.10:
16 1.4 LA DERIVADA PARCIAL
-2
-1
0
1
2
-2
-1
0
1
2
-10
-5
0
5
-2
-1
0
1
2
Figura 1.11: Obs ervese como la recta tangente obtenida pertenece al plano tangente a
la supercie en el punto.
1.4 La derivada parcial
Tras la denici on de derivada direccional la derivada parcial aparece como un caso
particular.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 17
Denici on 1.4.1. Se llama derivada parcial i- esima, y se representa por D
i
f(x
0
) a la
derivada direccional en la direcci on del vector e
i
de la base can onica. Otra forma de
denotarlo es
f
x
i
(x
0
).
D
i
f(x
0
) = D
e
i
f(x
0
).
Emplearemos indistintamente D
i
f(x
0
) y
f
x
i
(x
0
) para denotar la derivada parcial i-
esima. Observar que D
i
f(x
0
) = (D
i
f
1
(x
0
), . . . , D
i
f
m
(x
0
)) =
_
f
1
x
i
(fx
0
), . . . ,
f
m
x
i
(x
0
)
_
,
donde f = (f
1
, f
2
, . . . , f
m
).
Cuando f es una funci on real el vector
f(x
0
) =
_
f
x
1
(x
0
),
f
x
2
(x
0
), . . . ,
f
x
n
(x
0
)
_
se llama el vector gradiente de f en el punto x
0
. Estudiaremos el gradiente m as detenida-
mente posteriormente.
La relaci on entre las derivadas direccionales y la diferencial viene dada por el resul-
tado que sigue.
Proposici on 1.4.2. Sea f : U R
n
R
m
. Si f es diferenciable en un punto x
0
U,
entonces existen todas las derivadas direccionales en x
0
, y se tiene
D
v
f(x
0
) = df
x
0
(v)
para cada v R
n
.
DEMOSTRACI

ON: Puesto que f es diferenciable en x

0
, existe df
x
0
: R
n
R
m
y una bola
abierta B centrada en el origen tal que
lm

0
f(x
0
+

h) f(x
0
) df
x
0
(

h)
|

h|
=

0
m
para cada

h B

0. Sea t > 0 tal que t v B, entonces sustituyendo en la ecuaci on

anterior
lm
t0
f(x
0
+ tv) f(x
0
) t df
x
0
(v)
t |v|
= 0,
y de aqu
lm
t0
f(x
0
+ tv) f(x
0
)
t
df
x
0
(v) = 0.
Finalmente,
D
v
f(x
0
) = df
x
0
(v).

Nota: El recproco no es cierto.

18 1.4 LA DERIVADA PARCIAL
Ejemplo 1.4.3.
f(x, y) =
_
xy
2
x
2
+y
4
si x ,= 0
0 si x = 0
-2
-1
0
1
2
-2
-1
0
1
2
-0.5
-0.25
0
0.25
0.5
-2
-1
0
1
2
Veamos que existe D
v
f(0, 0) para cada v = (a, b) R
2
.
Si a ,= 0 y t ,= 0, tenemos que
f(t(a, b)) f(0, 0)
t
=
f(ta, tb)
t
=
ab
2
a
2
+ t
2
b
4

b
2
a
= D
v
f(0, 0)
Un c alculo similar prueba que D
v
f(0, 0) = 0 cuando a = 0. Sin embargo, esta funci on
no es continua en (0, 0), basta aproximarse a (0, 0) por la par abola x = y
2
(sobre la que
f, excepto en el origen, vale
1
2
) para comprobarlo.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 19
-2
-1
0
1
2
-2
-1
0
1
2
-0.5
-0.25
0
0.25
0.5
-2
-1
0
1
2
-0.5
-0.25
0
0.25
0.5
Proposici on 1.4.4. Sea f : U R
n
R
m
y f
1
, f
2
, . . . , f
m
sus componentes. Si f es
diferenciable en un punto x
0
U, su diferencial df
x
0
tiene como matriz
_
_
_
_
_
D
1
f
1
(x
0
) D
2
f
1
(x
0
) . . . D
n
f
1
(x
0
)
D
1
f
2
(x
0
) D
2
f
2
(x
0
) . . . D
n
f
2
(x
0
)
.
.
.
.
.
.
.
.
.
.
.
.
D
1
f
m
(x
0
) D
2
f
m
(x
0
) . . . D
n
f
m
(x
0
)
_
_
_
_
_
que recibe el nombre de matriz jacobiana de f en x
0
.
DEMOSTRACI

ON: Basta recordar que la columna j- esima de la matriz de una aplicaci on

lineal est a formada por las coordenadas de la imagen del j- esimo vector de la base. En
este caso
df
x
0
(e
j
) = D
j
f(x
0
).

20 1.5 CONDICI

ON SUFICIENTE DE DIFERENCIABILIDAD
1.5 Condici on suciente de diferenciabilidad
Hemos visto que la existencia de la diferencial de una funci on en un punto asegura la
existencia de todas sus derivadas direccionales, en particular, de todas las derivadas par-
ciales, aunque el recproco no es cierto en general. En el siguiente resultado probaremos
que la existencia de las derivadas parciales y su continuidad asegura la diferenciabilidad
de la funci on.
Denici on 1.5.1 (Funciones de clase C
1
). Sea f : U R
n
R una funci on. Diremos
que f es de clase C
1
en el abierto U R
n
si:
1. Existe
f
x
i
(x) para cada i = 1, . . . , n y x U.
2. La aplicacion x
f
x
i
(x) es continua en U para i = 1, . . . , n.
Teorema 1.5.2 (Condici on suciente de diferenciabilidad). Sea f : B(x
0
, r) R
n

R. Si existen todas las derivadas parciales en B(x

0
, r) y son continuas en x
0
, (f es de
clase C
1
), entonces f es diferenciable en x
0
.
DEMOSTRACI

ON: Tenemos que demostrar que para cada > 0 hay una bola centrada en

0
n
, B, tal que
f(x
0
+

h) f(x
0
) A(

h)
_
_
_

h
_
_
_
para cada

h B, donde A es una aplicaci on lineal de R
n
en R. Nuestro candidato para
A ser a la aplicaci on lineal dada por
A(

h) =
n

j=1
D
j
f(x
0
) h
j
,
donde

h = (h
1
, h
2
, . . . , h
n
) R
n
.
Dado > 0, por ser las derivadas parciales continuas, existe una bola centrada en

0,
B

tal que para cada

h B

y cada j = 1, . . . , m tenemos que

D
j
f(x
0
+

h) D
j
f(x
0
)

<

n
. (1.4)
Por otra parte, si x
0
= (x
1
, x
2
, . . . , x
n
) y

h = (h
1
, h
2
, . . . , h
n
), entonces
f(x
1
+ h
1
, x
2
+ h
2
, . . . , x
n
+ h
n
) f(x
1
, x
2
, . . . , x
n
) =
[f(x
1
+ h
1
, . . . , x
n
+ h
n
) f(x
1
, x
2
+ h
2
, . . . , x
n
+ h
n
)]+
[f(x
1
, x
2
+ h
2
, . . . , x
n
+ h
n
) f(x
1
, x
2
, . . . , x
n
+ h
n
)]+
+ . . . . . . . . . . . . +
[f(x
1
, x
2
, . . . , x
n1
, x
n
+ h
n
) f(x
1
, x
2
, . . . , x
n
)]
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 21
Cada una de las diferencias que hemos destacado entre corchetes es el incremento de una
funci on real de una sola variable, de manera que aplicando el teorema de los incrementos
nitos tendremos
f(x
0
+

h) f(x
0
) = f(x
1
+ h
1
, x
2
+ h
2
, . . . , x
n
+ h
n
) f(x
1
, x
2
, . . . , x
n
) =
h
1
D
1
f(x
1
+
1
h
1
, x
2
+ h
2
, . . . , x
n
+ h
n
)+
h
2
D
2
f(x
1
, x
2
+
2
h
2
, . . . , x
n
+ h
n
)+
+ . . . . . . . . . . . . +
h
n
D
n
f(x
1
, x
2
, . . . , x
n1
, x
n
+
n
h
n
)
donde los n umeros
1
,
2
, . . .
n
que dependen de

h, verican 0 <
j
< 1. Es claro adem as
que si

h = (h
1
, h
2
, . . . , h
n
) B

, entonces

h
j
= (h
1
, . . . ,
j
h
j
, . . . , h
n
) B

para cada
j = 1, 2, . . . , n, ya que
_
_
_

h
j
_
_
_ <
_
_
_

h
_
_
_ para cada j = 1, . . . , n.
Ahora
f(x
0
+

h)f(x
0
)
n

j=1
D
j
f(x
0
) h
j
=
h
1
(D
1
f(x
1
+
1
h
1
, x
2
+ h
2
, . . . , x
n
+ h
n
) D
1
f(x
1
, x
2
, . . . , x
n
))+
h
2
(D
2
f(x
1
, x
2
+
2
h
2
, . . . , x
n
+ h
n
) D
2
f(x
1
, x
2
, . . . , x
n
))+
+ . . . . . . . . . . . . +
h
n
(D
n
f(x
1
, x
2
, . . . , x
n1
, x
n
+
n
h
n
) D
n
f(x
1
, x
2
, . . . , x
n
)).
Utilizando ahora que las derivadas parciales son continuas, se verica (1.4) para cada

h B

, obteniendo
f(x
0
+

h) f(x
0
)
n

j=1
D
j
f(x
0
) h
j


n
n

j=1
h
j


n
n m ax
j=1,...,n
[h
j
[
_
_
_

h
_
_
_ ,
y la prueba acaba.
Corolario 1.5.3. Sea f : U R
n
R
m
. Si existen todas las derivadas parciales en
B(x
0
, r) y son continuas en x
0
, entonces f es diferenciable en x
0
.
DEMOSTRACI

ON: Una funci on con valores en R

m
es continuamente derivable si, y s olo
si, lo son todas sus funciones coordenadas. As, el problema se reduce a estudiar la
diferenciabilidad de sus funciones coordenadas y el teorema 1.5.2 nos da el resultado
buscado.
22 1.5 CONDICI

ON SUFICIENTE DE DIFERENCIABILIDAD
Ejemplo 1.5.4. La funci on real
f(x, y)
_
(x
2
+ y
2
) sin(x
2
+ y
2
)
1/2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
es diferenciable en todo punto de R
2
, (en particular en (0, 0)). Sin embargo, sus derivadas
parciales, que existen en todo punto de R
2
, no son continuas en (0, 0). Este ejemplo pone
de maniesto que la condici on del teorema 1.5.2 es suciente pero no necesaria.
DEMOSTRACI

ON: Para cada (x, y) ,= (0, 0) las derivadas parciales vienen dadas por:
D
1
(x, y) = 2xsin(x
2
+ y
2
)
1/2
cos(x
2
+ y
2
)
1/2

2x
(x
2
+ y
2
)
1/2
,
D
2
(x, y) = 2y sin(x
2
+ y
2
)
1/2
cos(x
2
+ y
2
)
1/2

2y
(x
2
+ y
2
)
1/2
,
las cu ales son continuas para cada (x, y) ,= (0, 0) lo cual nos da la diferenciabilidad en
cada punto (x, y) R
2
(0, 0). Veamos que f tambi en es diferenciable en (0, 0).
Calculamos en primer lugar las derivadas parciales en dicho punto.
D
1
f(0, 0) = lm
t0
f(t, 0) f(0, 0)
t
= lm
t0
t
2
sin(
1
|t|
)
t
= 0.
D
2
f(0, 0) = lm
t0
f(0, t) f(0, 0)
t
= lm
t0
t
2
sin(
1
|t|
)
t
= 0.
Ahora nuestra candidata para diferencial en el punto (0, 0) es la aplicaci on nula
df
(0,0)
(h
1
, h
2
) = D
1
f(0, 0) h
1
+ D
2
f(0, 0) h
2
= 0.
Efectivamente,
lm
(h
1
,h
2
)(0,0)
(h
2
1
+ h
2
2
) sin(h
2
1
+ h
2
2
)
1/2
_
h
2
1
+ h
2
2
= lm
(h
1
,h
2
)(0,0)
_
h
2
1
+ h
2
2
sin(h
2
1
+h
2
2
)
1/2
= 0,
ya que la funci on seno est a acotada. Veamos por ultimo que las derivadas parciales no
son continuas en (0, 0). Para ello tomamos el lmite direccional cuando y = x. Ahora,
D
1
(x, x) = 2 xsin
1
[x[

2
+ cos
1
[x[

2
,
y de aqu armamos que no existe el lmite
lm
x0
D
1
(x, x),
ya que no existe el lmite del segundo sumando cuando x tiende a cero.
Por simetra armamos que D
2
(x, y) no es continua en (0, 0). La representaci on
gr aca de las funciones D
1
(x, y) y D
1
(x, x) vienen dadas por la gr acas 1.12 y 1.13
respectivamente.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 23
-0.5
-0.25
0
0.25
0.5
-0.5
-0.25
0
0.25
0.5
-2
-1
0
1
2
-0.5
-0.25
0
0.25
0.5
Figura 1.12: D
1
(x, y) = 2xsin(x
2
+ y
2
)
1/2
cos(x
2
+ y
2
)
1/2

2x
(x
2
+y
2
)
1/2
.
-1 -0.5 0.5 1
-2
-1
1
Figura 1.13: D
1
(x, x) = 2 xsin
1
|x|

2
+ cos
1
|x|

2

2

2
.
24 1.6 DERIVADAS PARCIALES DE ORDEN SUPERIOR
Observaci on: El teorema 1.5.2 subsiste si una de las derivadas parciales no es continua
en el punto x
0
.
1.6 Derivadas parciales de orden superior
Dada f : U R
n
R
m
, si f tiene derivada parcial j- esima en todo punto de U,
queda denida una nueva funci on D
j
f en U, con valores de nuevo en R
m
. Es posible
que tal funci on tenga, a su vez, derivada parcial k- esima en cierto punto x
0
de U. A esta
derivada parcial se la denota como D
k
D
j
f(x
0
).
El proceso podra continuar, escribi endose:
D
l
D
k
D
j
f(x
0
) =

3
f
x
l
x
k
x
j
(x
0
)
y as sucesivamente. La derivada parcial reiterada respecto a la misma coordenada suele
escribirse abreviadamente
D
(r)
j
f(x
0
) =

r
f
x
r
j
f(x
0
)
El teorema que sigue nos permite armar que en condiciones sucientemente buenas,
el orden de derivaci on en el c alculo de derivadas parciales es irrelevante para el resultado
nal.
Teorema 1.6.1. Sea f una funci on con valores reales denida en una bola abierta B de
R
n
. Si existen las derivadas parciales D
j
f y D
k
f en B, as como las derivadas parciales
de segundo orden D
jk
f y D
kj
f en B, siendo estas ultimas continuas en un punto x
0
B,
entonces
D
jk
f(x
0
) = D
kj
f(x
0
).
DEMOSTRACI

ON: No es restrictivo suponer que f es una funci on denida en R

2
, ya que
las hip otesis y las conclusiones del resultado s olo afectan a dos coordenadas. Fijamos un
vector

h = (h
1
, h
2
) con h
1
, h
2
,= 0, de modo que x
0
+

h = (x
0
1
+ h
1
, x
0
2
+ h
2
), as como
(x
0
1
, x
0
2
+ h
2
) y (x
0
1
+ h
1
, x
0
2
) est en en B. Denimos
C := f(x
0
1
+ h
1
, x
0
2
+ h
2
) f(x
0
1
, x
0
2
+ h
2
) f(x
0
1
+ h
1
, x
0
2
) + f(x
0
1
, x
0
2
),
y escribimos esta expresi on de dos modos distintos. Para ello, introduzcamos la funci on
auxiliar
(x
2
) = f(x
0
1
+ h
1
, x
2
) f(x
0
1
, x
2
),
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 25
denida s olo para aquellos valores x
2
Ren los que la expresi on tenga sentido. Entonces
podemos escribir
C = (x
0
2
+ h
2
) (x
0
2
).
Aplicando el Teorema de los Incrementos Finitos para funciones de una variable a ,
armamos que existe 0 < < 1 de modo que
C = h
2

(x
0
2
+ h
2
) = h
2
_
D
2
f(x
0
1
+ h
1
, x
0
2
+ h
2
) D
2
f(x
0
1
, x
0
2
+ h
2
)
_
. (1.5)
Aplicando de nuevo el Teorema de los Incrementos Finitos a esta ultima expresi on obte-
nemos que existe 0 < < 1 tal que
C = h
2
h
1
D
1
D
2
f(x
0
1
+ h
1
, x
0
2
+ h
2
). (1.6)
De la simetra de esta ultima expresi on resulta que podemos intercambiar los papeles de
x
1
y x
2
para obtener valores 0 <

< 1 y 0 <

< 1 tales que

C = h
1
h
2
D
2
D
1
f(x
0
1
+

h
1
, x
0
2
+

h
2
). (1.7)
Igualando las expresiones (1.6) y (1.7) y dividiendo por h
1
h
2
, obtenemos
D
1
D
2
f(x
0
1
+ h
1
, x
0
2
+ h
2
) = D
2
D
1
f(x
0
1
+

h
1
, x
0
2
+

h
2
).
Recordando que por hip otesis las dos funciones D
1
D
2
f y D
2
D
1
f son continuas en x
0
,
basta hacer (h
1
, h
2
) (0, 0) para obtener el resultado buscado.
El siguiente ejemplo muestra una funci on en la que existen D
1,2
f(0, 0) y D
2,1
f(0, 0)
pero ambos valores no son iguales.
Ejemplo 1.6.2. Sea
f(x, y) =
_
xy(x
2
y
2
)
x
2
+y
2
si (x, y) ,= (0, 0),
0 si (x, y) = (0, 0)
.
Calculamos D
1
f(x, y), D
1
f(0, 0), D
2
f(x, y) y D
2
f(0, 0).
D
1
f(x, y) =
(y(x
2
y
2
) + 2x
2
y)(x
2
+ y
2
) 2x
2
y(x
2
y
2
)
(x
2
+ y
2
)
2
.
D
2
f(x, y) =
(x(x
2
y
2
) 2y
2
x)(x
2
+ y
2
) 2y
2
x(x
2
y
2
)
(x
2
+ y
2
)
2
.
D
1
f(0, 0) = lm
t0
f(t, 0)
t
= lm
t0
0 = 0.
26 1.7 LA REGLA DE LA CADENA PARA FUNCIONES DE VARIAS VARIABLES
D
2
f(0, 0) = lm
t0
f(0, t)
t
= lm
t0
0 = 0.
Calculamos ahora D
2,1
f(0, 0) y D
1,2
f(0, 0).
D
2,1
f(0, 0) = lm
t0
D
1
f(0, t) D
1
f(0, 0)
t
= lm
t0
t 0
t
= 1.
D
1,2
f(0, 0) = lm
t0
D
2
f(t, 0) D
2
f(0, 0)
t
= lm
t0
t 0
t
= 1.
Conviene hacer notar que las hip otesis del teorema son sucientes para alcanzar la
conclusi on, pero no son necesarias para ello. De hecho puede probarse la igualdad de las
derivadas segundas mixtas bajo hip otesis m as d ebiles aunque las demostraciones son m as
complicadas. A continuaci on anotamos dos teoremas en este sentido cuyas demostracio-
nes omitimos aqu.
Teorema 1.6.3 (Teorema de Schwarz). Con las notaciones del teorema 1.6.1, si D
1
f y
D
2
f existen en U as como D
2
1,2
f siendo esta continua en x
0
, entonces existe D
2
2,1
f(x
0
)
y se tiene
D
2
1,2
f(x
0
) = D
2
2,1
f(x
0
).
Teorema 1.6.4 (Teorema de Young). Si existen D
1
f y D
2
f en U y son diferenciables en
el punto x
0
, entonces existen las derivadas segundas D
2
1,2
f(x
0
) y D
2
2,1
f(x
0
) y son iguales.
1.7 La regla de la cadena para funciones de varias
variables
Dadas dos funciones f : X Y , g : Y Z, se dene la funci on compuesta
H = g f como H : X Z dada por
H(x) = g(f(x))
para cada x X.
Es natural preguntarse por las propiedades que posee H a partir de las de f y g.
La Regla de la Cadena (o Teorema de Derivaci on de la Funci on Compuesta) asegura,
b asicamente, que la diferenciabilidad de f y g implica la de H. Es m as, proporciona
un m etodo para el c alculo de la diferencial de H a partir de las de f y g. El resultado
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 27
es completamente natural. La diferencial de H en un punto es la composici on de las
diferenciales de f y g en el punto y en su imagen por g, respectivamente. El alumno
conoce que la composici on de aplicaciones lineales entre espacios nito-dimensionales
tiene una matriz que es, simplemente el producto de las matrices respectivas. Esto hace
que el problema de componer dos aplicaciones se reduzca al puramente mec anico de
multiplicar dos matrices.
Teorema 1.7.1 (Regla de la cadena). Sean U y V abiertos de R
n
y R
m
, respectivamente.
Sean f : U V y g : V R
p
funciones. Sean x
0
U y f(x
0
) = y
0
. Si f es
diferenciable en x
0
y g lo es en y
0
, entonces H = g f es diferenciable en x
0
y se
verica:
dH
x
0
= (dg
y
0
) (df
x
0
)
DEMOSTRACI

ON: Para demostrar que H es diferenciable en x

0
y que su diferencial en
x
0
viene dada por dg
y
0
df
x
0
basta demostrar que
H(x
0
+

h) H(x
0
) dg
y
0
(df
x
0
(

h)) = (

h)
_
_
_

h
_
_
_ , (1.8)
para cada

h ,=

0, donde

h es lo sucientemente peque no para que el punto x

0
+

h est e en
U y es una funci on que verica lm

0
n
(

h) =

0
p
. Ahora,
H(x
0
+

h) H(x
0
) = g(f(x
0
+

h))) g(f(x
0
)).
Teniendo en cuenta que f es diferenciable en x
0
, resulta
f(x
0
+

h) f(x
0
) df
x
0
(

h) = u(

h)
_
_
_

h
_
_
_ , (1.9)
para cada

h R
n

0
n
, donde u es una funci on tal que lm

0
n
u(

h) =

0
n
, as que
f(x
0
+

h) = f(x
0
) + df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_ .
De aqu,
H(x
0
+

h) H(x
0
) = g(f(x
0
) + df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_) g(f(x
0
)).
Ahora tomando

h

= df
x
0
(

h) + u(

h) |h| y utilizando que g es diferenciable en f(x

0
)
tenemos
g(f(x
0
+

)) g(f(x
0
)) = dg
f(x
0
)
(

) + v(

)
_
_
_

_
_
_ ,
donde lm

0
m
v(

) =

0
p
.
28 1.7 LA REGLA DE LA CADENA PARA FUNCIONES DE VARIAS VARIABLES
Ahora tenemos que
H(x
0
+

h) H(x
0
) =g(f(x
0
+

))) g(f(x
0
)) =
dg
f(x
0
)
(df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_)
+ v(df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_)
_
_
_df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_
_
_
_ .
(1.10)
Teniendo en cuenta ahora que dg
f(x
0
)
es una aplicaci on lineal, la expresi on anterior se
convierte en
H(x
0
+

h) H(x
0
) = dg
f(x
0
)
(df
x
0
(

h)) + dg
f(x
0
)
(u(

h))
_
_
_

h
_
_
_
+ v(df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_)
_
_
_df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_
_
_
_
= dg
f(x
0
)
(df
x
0
(

h)) + (

h)
_
_
_

h
_
_
_ ,
(1.11)
donde
(

h) = dg
f(x
0
)
(u(

h)) +
1
|h|
v(df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_)
_
_
_df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_
_
_
_ .
Nos queda demostrar que lm

0
n
(

h) =

0
p
. Ahora bien, puesto que la diferencial es
continua se tiene que
lm

0
n
dg
f(x
0
)
(u(

h)) =

0
p
y
lm

0
n
(df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_) =

0
m
.
Finalmente,
1
_
_
_

h
_
_
_
_
_
_df
x
0
(

h) + u(

h)
_
_
_

h
_
_
_
_
_
_ =
_
_
_
_
_
_
df
x
0
(

h
_
_
_

h
_
_
_
) + u(

h)
_
_
_
_
_
_

_
_
_
_
_
_
df
x
0
(

h
_
_
_

h
_
_
_
)
_
_
_
_
_
_
+
_
_
_u(

h)
_
_
_ .
Obs ervese que lm

0
n
_
_
_u(

h)
_
_
_ = 0, mientras que
_
_
_
_
df
x
0
(

h
|

h
|
)
_
_
_
_
est a acotado, para cual-
quier

h ,=

0
n
(la raz on es que la aplicaci on diferencial es una funci on continua y la esfera
unidad es un conjunto cerrado y acotado en R
n
, es decir compacto). As lm

0
(

h) =

0
p
y la prueba acaba.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 29
1.7.1 Aplicaciones
1.7.1.1 Cambios de variable
Veamos algunos ejemplos pr acticos de la t ecnica del cambio de variable.
1. Nos proponemos determinar una funci on real f continuamente derivable en un con-
junto abierto A de R
2
vericando en el la ecuaci on:
x
f
y
(x, y) y
f
x
(x, y) = f(x, y), (1.12)
para cada (x, y) A. Sea B un conjunto del espacio R
2
tal que la funci on
(, r) = (r cos(), r sin())
denida en B transforme el conjunto B en el A. Introduciendo la funci on com-
puesta F = f , es decir, haciendo en la funci on f el cambio de variable , se
tiene:
F

=
f
x
(r cos(), r sin())(r sin()) +
f
y
(r cos(), r sin())r cos().
Y de aqu, puesto que f verica la igualdad (1.12) se sigue que
F

(, r) = F(, r), (1.13)

para cada (, ) B. Recprocamente si F verica la ecuaci on (1.13) y la funci on
es una biyecci on de B sobre A, la funci on f vericar a la ecuaci on (1.12). La
ecuaci on (1.13) es m as sencilla de resolver que la inicial y esta es la ventaja de haber
hecho el cambio de variable. La soluci on de la ecuaci on (1.13) es F(, r) = g(r)e

,
donde g es cualquier funci on real continuamente derivable denida en la proyecci on
del conjunto B sobre el eje = 0. Si la transformaci on es una biyecci on, una vez
conocida la funci on F se determinar a la f sin m as que escribir f = F
1
. Como

1
viene dada por

1
(x, y) = (arctan(y/x),
_
x
2
+ y
2
)
resultar a nalmente que la funci on f es
f(x, y) = g(
_
x
2
+ y
2
)e
arctan(y/x)
.
2. Consideremos ahora la ecuaci on en derivadas parciales de segundo orden

2
f
x
2
(x, t)

2
f
t
2
(x, t) = 0,
30 1.7 LA REGLA DE LA CADENA PARA FUNCIONES DE VARIAS VARIABLES
para cada (x, t) U donde la inc ognita es una funci on f de segunda clase en un
cierto conjunto abierto U de R
2
. Hagamos el cambio de variable denido por
x = u + v, t = u v, (u, v) V.
Las derivadas parciales primeras de la funci on F = f son:
D
u
F(u, v) = D
x
f(u + v, u v) + D
t
f(u + v, u v),
D
v
F(u, v) = D
x
f(u + v, u v) D
t
f(u + v, u v)
y la derivada segunda mixta:
D
2
u,v
F(u, v) = D
v
(D
u
F)(u, v) = D
2
x,x
f(u + v, u v) D
2
x,t
f(u + v, u v)
+ D
2
t,x
f(u + v, u v) D
2
t,t
f(u + v, u v).
Como f es de segunda clase, la diferencia entre sus dos derivadas segundas mixtas
es 0. Si la funci on f verica la ecuaci on con la que empez abamos este apartado la
F vericar a la ecuaci on
D
2
u,v
F(u, v) = 0, (u, v) V.
Resolviendo la ecuaci on obtenemos D
u
F(u, v) = g(u) donde g es cualquier funci on
de primera clase. De esta igualdad se deduce que F es de la forma F(u, v) =
G(u) + H(v), donde G y H son dos funciones reales arbitrarias de segunda clase
en B. Como la transformaci on efectuada en este caso es biyectiva y su recproca
viene dada por
u =
x + t
2
, v =
x t
2
,
se deduce que las funciones f que verican D
2
u,v
F(u, v) = 0 son todas de la forma
f(x, t) = G
_
x + t
2
_
+ H
_
x t
2
_
.
3. Otros ejemplos interesantes que proponemos al alumno son la expresi on del vector
gradiente en coordenadas cilndricas y en coordenadas esf ericas. Los enunciamos a
continuaci on.
El gradiente en coordenadas cilndricas. Dada la funci on real de tres varia-
bles reales f(x, y, z) efectuamos el cambio de variables
x = cos(), y = sin(), z = z,
obteni endose la funci on
F(, , z) = f( cos(), sin(), z).
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 31
Expresar el vector f en funci on de las variables (, , z) y de las derivadas
parciales de la funci on F.
Soluci on:
f
x
( cos(), sin(), z) =
sin()

(, , z) + cos()
F

(, , z).
f
y
( cos(), sin(), z) =
cos()

(, , z) + sin()
F

(, , z).
f
z
( cos(), sin(), z) =
F
z
(, , z).
El gradiente en coordenadas esf ericas. Dada la funci on real de tres variables
reales f(x, y, z) efectuamos el cambio de variables
x = cos() sin(), y = sin() sin(), z = cos(),
obteni endose la funci on
F(, , ) = f( cos() sin(), sin() sin(), cos()).
Expresar el vector f en funci on de las variables (, , ) y de las derivadas
parciales de la funci on F.
Soluci on:
f
x
() =
sin()
sin()
F

(, , )+
cos() cos()

(, , )+cos() sin()
F

(, , );
f
y
() =
cos()
sin()
F

(, , )+
sin() cos()

(, , )+sin() sin()
F

(, , );
f
z
() =
sin()

(, , ) + cos()
F

(, , ),
donde () = ( cos() sin(), sin() sin(), cos()).
1.7.1.2 Derivada de un determinante
Ejemplo 1.7.2. Sea A = (a
i,j
) una matriz cuadrada de orden n. El determinante de
A es una funci on polin omica de las n
2
variables a
i,j
. Demostrar que la derivada del
determinante respecto de a
i,j
es igual al determinante adjunto A
i,j
del elemento a
i,j
en la
matriz A.
32 1.7 LA REGLA DE LA CADENA PARA FUNCIONES DE VARIAS VARIABLES
Efectivamente el desarrollo del determinante por la columna j viene dado por
det(A) =
n

i=1
a
i,j
A
i,j
,
donde A
i,j
es el adjunto del elemento a
i,j
. La derivada de la expresi on anterior con res-
pecto a la variable a
i,j
es claramente A
i,j
.
Ejemplo 1.7.3. Sea A(t) = (a
i,j
(t)), i, j = 1, . . . , n, una matriz de orden n cuyos ele-
mentos son funciones derivables a
i,j
(t) de la variable t en un intervalo de la recta real.
Sea Det(t) el determinante de A(t). La funci on Det(t) es una funci on polin omica de
las a
i,j
(t) y por consiguiente, derivable respecto de t. Demostrar que la derivada A

(t)
del determinante A(t) es igual a la suma de n determinantes correspondientes a las n
matrices que se obtienen de la matriz A reemplazando su primera la por la que forman
las derivadas de sus elementos y manteniendo las dem as las como en A, lo mismo con
su segunda la, y as sucesivamente hasta la la n- esima.
Utilizando la regla de la cadena y el ejercicio anterior tenemos que
Det

(t) =
n

i,j=1
a

i,j
(t)A
i,j
=
n

i=1
_
n

j=1
a

i,j
(t)A
i,j
_
,
que es el resultado buscado.
1.7.1.3 Derivada de funciones en las que aparecen integrales
Ejemplo 1.7.4. Hallar la expresi on de las derivadas parciales de la funci on f denida
por
f(x, y) =
_
x+y
a
g(t)dt +
_
xy
a
g(t)dt,
donde g es una funci on real continua en R y a es un n umero jo.
Llamamos G(z) =
_
z
a
g(t)dt. Entonces f(x, y) = G(x + y) + G(xy) y
D
1
f(x, y) = G

(x + y) + G

(xy)y = g(x + y) + g(xy)y.

D
2
f(x, y) = G

(x + y) + G

(xy)x = g(x + y) + g(xy)x.

DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 33
Ejemplo 1.7.5. Hallar la expresi on de las derivadas parciales de la funci on f denida
por
f(x, y, z) =
_
sin(xsin(y sin z))
x
4
g(t)dt,
donde g es una funci on real continua en R.
Denimos h(x, y, z) = sin(xsin(y sin z)). Entonces
D
1
h(x, y, z) = cos(xsin(y sin z)) sin(y sin z),
D
2
h(x, y, z) = cos(xsin(y sin z)) xcos(y sin z) sin z,
D
3
h(x, y, z) = cos(xsin(y sin z)) xcos(y sin z)y cos z.
Ahora las expresiones de las derivadas parciales vienen dadas por
D
1
f(x, y, z) = g(sin(xsin(y sin z)))D
1
h(x, y, z) g(x
4
)4x
3
,
D
2
f(x, y, z) = g(sin(xsin(y sin z)))D
2
h(x, y, z),
D
3
f(x, y, z) = g(sin(xsin(y sin z)))D
3
h(x, y, z),
1.8 El gradiente
Sea f : U R
n
R una funci on diferenciable en x
0
U. Anteriormente hemos
denido el gradiente como
f(x
0
) = (D
1
f(x
0
), . . . , D
n
f(x
0
)).
Obs ervese que en las condiciones anteriores se verica que
D
v
f(x
0
) =< f(x
0
), v > .
1.8.1 Propiedades b asicas del gradiente
Sean f y g funciones diferenciables denidas en U R
n
con valores reales. Entonces
se verica:
c =

0 para toda constante c.

(af + bg) = af + bg, donde a, b son constantes.
(fg) = fg + gf.

_
f
g
_
=
gffg
g
2
, g ,= 0.
(f
n
) = nf
n1
f.
34 1.8 EL GRADIENTE
1.8.2 Interpretaci on geom etrica del gradiente
Comenzaremos con un ejemplo que ilustre la situaci on. Imaginemos una persona que
est a esquiando sobre la supercie de una monta na. La funci on z = f(x, y) da la altura de
la persona y queremos establecer el rumbo de la br ujula que corresponda al descenso m as
abrupto. Hacemos enfasis en la expresi on rumbo de la br ujula porque el gradiente es un
vector en el plano y nada tiene que ver con puntos m as arriba o m as abajo de la monta na.
Teorema 1.8.1. Sea f : U R
2
R una funci on diferenciable en x
0
. Si f
x
0
,=

0 y v
es unitario entonces:
1. El valor m aximo de la derivada direccional D
v
f es |f
x
0
|, donde el vector v es
un vector unitario en la direcci on de f
x
0
.
2. El valor mnimo de la derivada direccional D
v
f es |f
x
0
|, donde el vector v es
un vector unitario en la direcci on de f
x
0
.
DEMOSTRACI

ON: Si v es un vector unitario tenemos que

D
v
f(x
0
) = f
x
0
, v) = |f
x
0
| |v| cos() = |f
x
0
| cos(),
donde es el angulo que forma el gradiente con el vector v. Dicha expresi on ser a m axima
cuando cos() = 1 y mnima cuando cos() = 1, es decir, cuando v y f
x
0
tengan igual
direcci on y sentido e igual direcci on y sentido contrario respectivamente.
El teorema arma que en x
0
la funci on crece m as r apidamente en el sentido del gra-
diente y decrece m as r apidamente en el opuesto.
Ejemplo 1.8.2. El conjunto de los puntos (x, y) R
2
: 0 x 5, 0 y 5 es
un cuadrado colocado en el primer cuadrante del plano xy. Supongamos que se calienta
ese cuadrado de tal manera que T = x
2
+y
2
es la temperatura en el punto P(x, y). En
qu e sentido se establecer a el ujo de calor en el punto P
0
(2, 4)?
DEMOSTRACI

ON: El ujo de calor en la regi on est a dado por una funci on vectorial
C(x, y) ya que su valor en cada punto depende de las coordenadas de ese. Sabemos
por la fsica que C(x, y) ser a perpendicular a las curvas isotermas T(x, y) = K, donde
K es constante. El gradiente y todos sus m ultiplos verican esta condici on. En esta si-
tuaci on nos dice la fsica que C = kT, donde k es una constante positiva llamada
conductividad t ermica. N otese que la raz on del signo negativo es que el calor uye desde
puntos de mayor temperatura a puntos de menor temperatura. Como T(3, 4) = 25, el
punto P
0
(3, 4) est a en la isoterma T(x, y) = 25. Sabemos que el ujo de calor en P
0
es
C
0
= kT
0
. Como T = (2x, 2y) se tiene que T
0
= (6, 8). As el ujo de calor en
P
0
verica que
C
0
= (6k, 8k).
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 35
0
2
4
0
2
4
0
20
40
0
2
4
Figura 1.14: Funci on temperatura en el cuadrante [0, 5] [0, 5] y direcci on del vector gra-
diente.
Como la conductividad t ermica es positiva se puede armar que el calor uye en P
0
en el
sentido del vector unitario
u =
_
3
5
,
4
5
_
.

36 1.8 EL GRADIENTE
1.8.3 Normalidad del gradiente
Supongamos que S es una supercie de nivel de la funci on f(x, y, z) de ecuaci on
f(x, y, z) = K (constante). Entonces, si P
0
(x
0
, y
0
, z
0
) es un punto de S, se demuestra
que el gradiente f
0
de f en P
0
es un vector normal a todo vector tangente a una curva
sobre S que pasa por P
0
.
Teorema 1.8.3. Sea f una funci on diferenciable en el punto P
0
tal que el gradiente f
0
en P
0
es distinto de cero. Entonces f
0
es ortogonal a la supercie de nivel f(x, y, z) =
K que pasa por P
0
.
DEMOSTRACI

ON: Sea r(t) = (r

1
(t), r
2
(t), r
3
(t)) una curva contenida en la supercie de
nivel S tal que r(0) = P
0
. Entonces
f(r(t)) = K.
Ahora de la expresi on anterior obtenemos
D
1
f(P
0
)r

1
(0) + D
2
f(P
0
)r

2
(0) + D
3
f(P
0
)r

3
(0) = 0.
Es decir,
f
0
(r

(0)) = 0.

En cada punto P
0
de la supercie de nivel F(x, y, z) = K, el gradiente f
0
es nor-
mal a la supercie. Es decir, f
0
es ortogonal a todas las tangentes a todas las curvas
contenidas en f(x, y, z) = K que pasan por P
0
.
Ilustramos esta armaci on con un ejemplo. Consideremos la aplicaci on f(x, y) =
x
2
y
2
y el punto P(2,

3). El punto (2,

3, 1) est a contenido en la curva de nivel

f(x, y) = 1.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 37
-4
-2
0
2
4
-4
-2
0
2
4
-10
0
10
-4
-2
0
2
4
Figura 1.15: Gr aca de la funci on f(x, y) = x
2
y
2
.
-4
-2
0
2
4
-4
-2
0
2
4
-10
-5
0
5
10
-4
-2
0
2
4
Figura 1.16: La intersecci on del plano con la gr aca de la funci on f es la curva de nivel
f(x, y) = 1
38 1.8 EL GRADIENTE
-4
-2
0
2
4
-4
-2
0
2
4
-4
-2
0
2
4
-4
-2
0
2
4
Figura 1.17: En color rojo hemos se nalado el vector gradiente que efectivamente es per-
pendicular a curva de nivel.
Visto en dos dimensiones la situaci on es la que sigue.
-3 -2 -1 1 2 3 4
-2
-1
1
2
Figura 1.18:
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 39
1.8.4 C alculo del plano tangente a una supercie
Sea f : U R
2
R una funci on diferenciable en (x
0
, y
0
) U. Calc ulese el
plano tangente a la supercie (x, y, f(x, y)) en el punto (x
0
, y
0
, f(x
0
, y
0
)). Sabemos que
el vector normal al plano tangente a la supercie F(x, y, z) = f(x, y) z = 0 en el punto
(x
0
, y
0
, f(x
0
, y
0
) viene dado por el vector gradiente, es decir,
n = (D
x
f(x
0
, y
0
), D
y
f(x
0
, y
0
), 1).
Ahora la ecuaci on del plano es de la forma
D
x
f(x
0
, y
0
) x + D
y
f(x
0
, y
0
) y z + D = 0,
donde D viene determinada por la condici on (x
0
, y
0
, f(x
0
, y
0
)) pertenece al plano. Final-
mente queda
D
x
f(x
0
, y
0
)(x x
0
) + D
y
f(x
0
, y
0
)(y y
0
) = z f(x
0
, y
0
).
1.9 M as aplicaciones de la diferencial
1.9.1 Aproximaci on de funciones. Estimaciones
Ejemplo 1.9.1. Un caj on abierto tiene longitud 3m, anchura 1m y altura 2m. Est a cons-
truido con unos materiales que cuestan 20 euros por m
2
el utilizado en el lateral y 30
euros por m
2
el utilizado en el fondo. Calcule el coste total del caj on y use incrementos
para estimar la variaci on del coste cuando la longitud y anchura aumentan 3cm y la
altura decrece en 4cm.
Para resolver este problema utilizaremos que la funci on coste del caj on podemos apro-
ximarla en un entorno de un punto por la trasladada al punto de la diferencial. Nuestro
punto P
0
= (3, 1, 2) (x = longitud, y = anchura y z = altura). La supercie lateral
viene dada por
L = 2(x + y)z
L = 2(3 + 1)2 = 16m
2
.
La base del caj on vendr a dada por
B = x y,
B = 3 1 = 3m
2
.
40 1.9 M

AS APLICACIONES DE LA DIFERENCIAL
La funci on coste del caj on depende de las dimensiones y vendr a dada por
C(x, y, z) = 2(x + y)z 20 + x y 30 = .
Calculamos las derivadas parciales de la funci on C,
C
x
(x, y, z) = 40z + 30y,
C
y
(x, y, z) = 40z + 30x,
C
z
(x, y, z) = 40(x + y).
Ahora C(3, 1, 2) = 320 + 90 = 410 euros, y x = 0.03m, y = 0.03m y z =
0.04m.
C C
x
(3, 1, 2)0.03 + C
y
(3, 1, 2)0.03 C
z
(3, 1, 2)0.04
= 110 0.03 + 170 0.03 160 0.04
= 3.3 + 5.1 6.4 = 2.
Es decir, el coste aumenta en 2 euros aproximadamente.
Ejemplo 1.9.2. M aximo porcentaje de error en un circuito el ectrico.
Cuando se conectan dos resistencias R
1
y R
2
en paralelo, al resistencia total viene
dada por
R =
R
1
R
2
R
1
+ R
2
.
Si la medida de R
1
es de 300 ohmios, con un error m aximo del 2%, y la de R
2
es de 500
ohmios, con un errror m aximo del 3%, halle el error m aximo de R.
Soluci on: Tenemos que

R
1
R
1

0.02 y

R
2
R
2

0.03,
y queremos hallar el valor m aximo de

R
R

. Como
R
R
1
=
R
2
2
(R
1
+ R
2
)
2
y
R
R
2
=
R
2
1
(R
1
+ R
2
)
2
.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 41
se deduce entonces que
R
R
R
1
R
1
+
R
R
2
R
2
=
R
2
2
(R
1
+ R
2
)
2
R
1
+
R
2
1
(R
1
+ R
2
)
2
R
2
.
Calculamos

R
R

. Puesto que R =
R
1
R
2
R
1
+R
2
entonces
1
R
=
R
1
+ R
2
R
1

R
2
,
luego,
R
1
R

_
R
2
2
(R
1
+ R
2
)
2
R
1
+
R
2
1
(R
1
+ R
2
)
2
R
2
_

R
1
+ R
2
R
1

R
2
.
R
R

R
2
R
1
+ R
2

R
1
R
1
+
R
1
R
1
+ R
2

R
2
R
2
.
Aplicando ahora a esta relaci on la desigualdad triangular se tiene que

R
R

R
2
R
1
+ R
2

R
1
R
1

R
1
R
1
+ R
2

R
2
R
2

R
R

500
300 + 500
0.02 +
300
300 + 500
0.03 = 0.02375.
El porcentaje m aximo es de aproximadamente, el 2.4%.
Mostramos algunos ejercicios que a la vez que muestran m as aplicaciones.
Ejemplo 1.9.3. Si x e y est an sucientemente pr oximos a cero y f es diferenciable en
(0, 0), entonces
f(x, y) f(0, 0) + xD
1
f(0, 0) + yD
2
f(0, 0).
Utilice la f ormula de aproximaci on anterior para demostrar que
1.
1
1 + x y
1 x + y,
para x e y sucientemente pr oximos a cero.
2. Si x e y est an sucientemente pr oximos a cero, halle el valor aproximado de la
expresi on siguiente:
1
(x + 1)
2
+ (y + 1)
2
.
DEMOSTRACI

ON: Efectivamente basta considerar la funci on f(x, y) =

1
1+xy
, f(0, 0) =
1, D
1
f(x, y) =
1
(1+xy)
2
, D
2
f(x, y) =
1
(1+xy)
2
, D
1
f(0, 0) = 1 y D
2
f(0, 0) = 1.
Para el segundo caso basta considerar la funci on g(x, y) =
1
(x+1)
2
+(y+1)
2
resultando
aproximadamente igual a
1
2
x y.
Si consideramos una tabla de valores obtenemos
42 1.10 EL TEOREMA DE LA FUNCI

ON IMPL

ICITA
x y f(x,y)
1
2
x y
0.003 0.001 0.498005488 0.496
0.03 0.01 0.480538202 0.46
0.0001 0.0001 0.499900015 0.4998
-0.0001 -0.0001 0.500100015 0.5002
-0.003 0.001 0.500999494 0.502

Ejemplo 1.9.4. Seg un la ley de Piseuille, la resistencia al ujo que ofrece un vaso sanguneo
cilndrico de radio r y longitud x es
R(r, x) =
cx
r
4
,
donde c es constante. Estimar la variaci on porcentual de R cuando x aumenta en un 3%
y r decrece en un 2%.
DEMOSTRACI

ON:
R
r
(r, x) =
4cx
r
5
,
R
x
(r, x) =
c
r
4
.
Ahora x = 0.03x y r = 0.02r y as,
R
4cx
r
5
0.02r +
c
r
4
0.03 x = (0.03 + 0.08)
cx
r
4
= 0.11R(r, x).
La resistencia al ujo aumenta aproximadamente en un 11 %.
1.10 El teorema de la funci on implcita
Sea f(x, y) = f(x
1
, . . . , x
n
, y) = 0 una ecuaci on donde f : U R
n+1
R es una
funci on denida en un abierto de R
n+1
. El teorema de la funci on implcita nos relaciona
la variable y con el resto de las coordenadas bajo unas determinadas condiciones.
Teorema 1.10.1 (Teorema de la funci on implcita). Sea f una funci on de clase C
k
(U)
y sea (x
0
, y
0
) U de manera que f(x
0
, y
0
) = 0 y
f
y
(x
0
, y
0
) ,= 0. Entonces existe un
abierto A R
n
, con x
0
A, un abierto A

R con y
0
A

y una unica funci on

: A A

de clase C
k
(A, A

) de manera que:
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 43
1. A A

U.
2. f(x, (x)) = 0 para todo x A, y si f(x, y) = 0 con (x, y) A A

, entonces
y =

(x)).
3. (x
0
) = y
0
.
Es decir, podemos despejar la variable y en funci on de las restantes variables para
tener la funci on y = (x).
Consideremos un sistema de m ecuaciones con n + m inc ognitas de la forma:
_

_
f
1
(x
1
, x
2
, . . . , x
n
, y
1
, . . . , y
m
) = 0
f
2
(x
1
, x
2
, . . . , x
n
, y
1
, . . . , y
m
) = 0
. . . . . . . . . . . . . . .
f
m
(x
1
, x
2
, . . . , x
n
, y
1
, . . . , y
m
) = 0,
donde f
i
: U R
n+m
R son funciones reales para i = 1, 2, . . . , m. Denotamos
x = (x
1
, x
2
, . . . , x
n
) e y = (y
1
, y
2
, . . . , y
m
), en estas condiciones:
Teorema 1.10.2 (Teorema de la funci on implcita para un sistema de ecuaciones). Supongamos
que las funciones f
i
son de clase C
k
(U) para cada i = 1, 2, . . . , m y sea (x
0
, y
0
) U de
manera que f
i
(x, y) = 0 para cada i = 1, 2, . . . , m. Si el determinante
f
1
y
1
(x
0
, y
0
)
f
1
y
2
(x
0
, y
0
) . . .
f
1
y
m
(x
0
, y
0
)
f
2
y
1
(x
0
, y
0
)
f
2
y
2
(x
0
, y
0
) . . .
f
2
y
m
(x
0
, y
0
)
.
.
.
.
.
.
.
.
.
.
.
.
f
m
y
1
(x
0
, y
0
)
f
m
y
2
(x
0
, y
0
) . . .
f
m
y
m
(x
0
, y
0
)
,= 0,
entonces existen un abierto A R
n
con x
0
A, un abierto A

R
m
con y
0
A

y una
unica funci on

: A A

de clase C
k
(A, A

) con funciones coordenadas (

1
, . . .
m
) de
manera que:
1. A A

U;
2. f
i
(x,
1
(x), . . . ,
m
(x)) = 0 para i = 1, 2, . . . , m y para cada x A, y si
f
i
(x, y) = 0, para i = 1, 2, . . . , m, con (x, y) A A

, entonces y =

(x).
3.

(x
0
) = y
0
.
1.11 El teorema de la funci on inversa
Teorema 1.11.1 (El teorema de la Funci on Inversa). Sea U un abierto y

f : U R
n

R
n
una funci on de clase C
k
(U). Sea x
0
U de forma que [J

f(x
0
)[ ,= 0. Existen enton-
ces dos abiertos A y A

de R
n
con x
0
A y

f(x
0
) A

de manera que

f : A A

es
44 1.12 DESARROLLO EN SERIE DE FUNCIONES DE VARIAS VARIABLES
biyectiva y tiene una funci on inversa (

f)
1
: A

A de clase C
k
(A

) de forma que
J(

f
1
(y)) = [J(

f(x))]
1
para todo y A

, siendo y =

f(x).
1.12 Desarrollo en serie de funciones de varias va-
riables
1.12.1 Introducci on. El polinomio de Taylor en una variable
Abordaremos el problema de la aproximaci on de funciones reales por polinomios. La
idea es la siguiente: dada una funci on real, por ejemplo f(x) = e
x
, se conocen ciertos
aspectos de dicha funci on como que es continua y derivable, su gr aca aproximada, etc....
Sin embargo, si queremos calcular el valor de e
1/2
nos encontramos con que no sabemos
calcular dicho valor. Si la funci on pudiera sustituirse por un polinomio P(x), y el error
que se cometiera en dicha aproximaci on fuera peque no, podramos tomar P(1/2) como
un valor aproximado de e
1/2
.
Esto puede hacerse de una manera local siempre que la funci on que estemos conside-
rando cumpla ciertas condiciones de derivabilidad.
Teorema 1.12.1 (Taylor). Sean f : (a, b) R una funci on de clase C
k
y x
0
(a, b).
Entonces:
f(x) = f(x
0
)+f

(x
0
)(xx
0
)+
f

(x
0
)
2!
(xx
0
)
2
+. . .+
f
k1)
(x
0
)
(k 1)!
(xx
0
)
k1
+R
k
(xx
0
),
donde R
k
(x x
0
) es el t ermino del error que puede presentar diferentes formas y tal que
lm
xx
0
R
k
(x x
0
)
(x x
0
)
k1
= 0
El error cometido en la aproximaci on tambi en llamado resto, puede estimarse estudiando
R
k
(x x
0
). La forma m as usual de hacer esta estimaci on es usando la f ormula del resto
de Lagrange:
R
k
(x x
0
) =
f
k)
(c)
k!
(x x
0
)
k
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 45
donde c es un n umero indeterminado que depende de cada valor x y pertenece al intervalo
abierto (x
0
[x
0
x[ , x
0
+[x
0
x[).
Por ejemplo, en nuestro caso el polinomio de grado 3 de e
x
es
P
3
(x) = 1 + x +
x
2
2
+
x
3
6
P
3
(1/2) = 1.8333 valor aproximado de e
1/2
con un error
R
4
(1/2) =
1
24
e
c
1
2
4
donde c
_
1
2
,
1
2
_
. Como e
x
2 en (1/2, 1/2), una acotaci on del error ser a
E [R
4
(1/2)[
1
24

1
2
3
=
1
384
= 2.6042 10
3
Consideremos ahora f : A R
n
R una funci on real de varias variables con A
un conjunto abierto. La idea del teorema de Taylor es id entica para este caso: intentar
sustituir una funci on por un polinomio que en general tendr a n variables. No obstante,
dado un punto a A, hemos de hacer notar que, bajo ciertas condiciones s olo puede
sustituirse por el polinomio de forma local.
Sean a y x dos vectores de R
n
. Se dene el segmento
[a, x] = a + t(x a) : 0 t 1
En general si A es abierto y a A, para x R
n
sucientemente cercano a a se tiene que
[a, x] A. Podemos enunciar el siguiente teorema:
Teorema 1.12.2. Sean f : A R
n
R una funci on real de varias variables con A un
conjunto abierto a = (a
1
, a
2
, . . . , a
n
) A. Supongamos que f es de clase C
k
(A, R).
Entonces para cada x A tal que [a, x] A, existe un n umero (0, 1) vericando
f(x) = f(a) +
1
1!
n

i=1
D
i
f(a)(x
i
a
i
) +
+
1
2!
n

i,j=1
D
2
i,j
(a)(x
i
a
i
)(x
j
a
j
) +
+ . . . . . . . . . . . . . . . +
+
1
(k 1)!
n

i
1
,...,i
k1
=1
D
k1
i
1
,...,i
k1
f(a)(x
i
1
a
i
1
) . . . (x
i
k1
a
i
k1
) +
+
1
k!
n

i
1
,...,i
k
=1
D
k
i
1
,...,i
k
f(a + (x a))(x
i
1
a
i
1
) . . . (x
i
k
a
i
k
)
Como ocurre en el caso unidimensional este error nunca puede ser conocido con exactitud,
y tendremos que conformarnos con obtener cotas superiores del mismo.
46 1.12 DESARROLLO EN SERIE DE FUNCIONES DE VARIAS VARIABLES
1.12.2 Denici on de m aximo y mnimo absoluto y relativo de
una funci on de varias variables.
Denici on 1.12.3. Sea f : A R
n
R. A no necesariamente abierto.
Un punto x
0
A es un m aximo relativo para la funci on f si existe una bola abierta
B(x
0
, ) de manera que f(x
0
) f(x) para todo x B(x
0
, ) A.
Dicho punto x
0
es un m aximo absoluto si f(x
0
) f(x) para todo x A.
Un punto x
0
A es un mnimo relativo para la funci on f si existe una bola B(x
0
, ),
de manera que f(x
0
) f(x) para cada x B(x
0
, ) A.
Dicho punto x
0
es un mnimo absoluto si f(x
0
) f(x) para cada x A.
Teorema 1.12.4 (Weierstrass). Sea f : A R
n
R una funci on continua denida
sobre un conjunto cerrado y acotado. Entonces existen al menos dos puntos x
m
y x
M
en
el conjunto A de forma que
f(x
m
) f(x) f(x
M
)
para cada x A.
Sin embargo, para tener un m etodo que permita de una forma sencilla calcular los
extremos de dicha funci on basta con exigirle continuidad a la misma, hemos de pedir que
dicha funci on sea de clase C
2
en el interior de A.
1.12.2.1 Formas cuadr aticas
Sea A /
n
(R). Se dene la forma cuadr atica asociada a A de la forma:
R
n
R
y yAy
t
Denici on 1.12.5 (Clasicaci on de las formas cuadr aticas). 1. Semidenida positiva:
si yAy
t
0 para cada y R
n
.
2. Denida positiva: si yAy
t
> 0 para y ,= 0.
3. Semidenida negativa: si yAy
t
0 para cada y R
n
.
4. Denida negativa: si yAy
t
< 0 para cada y R
n
.
5. Indenida: si existen y, z tales que yAy
t
> 0 y zAz
t
< 0.
Proposici on 1.12.6. Sea A /
n
(R) una matriz sim etrica. Entonces:
1. La matriz A es diagonalizable, es decir, existen P regular y D diagonal tales que
D = P
t
AP.
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 47
2. yAy
t
= yPDP
t
y
t
= (yP)D(yP)
t
.
3. A es denida positiva si todos los valores propios son positivos.
4. A es semidenida positiva si todos los valores propios son mayores o iguales que
cero.
5. A es denida negativa si todos los valores son negativos.
6. A es semidenida negativa si todos los valores propios son menores o iguales que
cero.
7. A es indenida si A tiene valores positivos y negativos.
Proposici on 1.12.7. Sea

f : U R
n
R y A = H(

f)(x
0
) la matriz hessiana.
1. Si

f tiene un m aximo relativo en x
0
entonces A es semidenida negativa.
2. Si

f tiene un punto crtico en x
0
y Aes denida negativa, entonces x
0
es un m aximo
relativo estricto de

f.
3. Si

f tiene un mnimo relativo en x
0
entonces A es semidenida positiva.
4. Si

f tiene un punto crtico en x
0
y A es denida positiva entonces x
0
es un mnimo
relativo estricto de

f.
5. Si x
0
es un punto crtico de

f y A es indenida entonces x
0
es un punto de silla.
Particularizamos el problema. Vamos a dividir el problema en dos posibles casos:
C alculo de los extremos relativos en el interior de A.
C alculo de los extremos relativos en la frontera de A mediante el m etodo de los
multiplicadores de Lagrange.
1.12.3 Condici on necesaria de extremo. Puntos crticos.
Proposici on 1.12.8. Sea f : A R
n
R de clase C
1
(A, R). Si x
0
A es un extremo
relativo de f entonces necesariamente ha de vericarse que
D
i
f(x
0
) = 0
para cada i = 1, 2, . . . , n.
As para determinar los posibles extremos relativos de una funci on de clase C
1
(A, R) es
suciente con calcular las soluciones del sistema de ecuaciones:
D
1
f(x
1
, x
2
, . . . , x
n
) = 0
D
2
f(x
1
, x
2
, . . . , x
n
) = 0
. . .
D
n
f(x
1
, x
2
, . . . , x
n
) = 0
48 1.12 DESARROLLO EN SERIE DE FUNCIONES DE VARIAS VARIABLES
1.12.4 Condici on suciente de extremo. Hessiano de una fun-
ci on en un punto.
Para determinar cu ales de las soluciones que hemos obtenido son realmente extremos
de la funci on hemos de pedir que esta sea de clase C
2
(A, R), y construir la matriz hessiana
que tiene la forma:
Hf(x) =
_
_
_
_
_
D
2
11
f(x) D
2
12
f(x) D
2
1n
f(x)
D
2
21
f(x) D
2
22
f(x) . . . D
2
2n
f(x)
.
.
.
.
.
.
.
.
.
.
.
.
D
2
n1
f(x) D
2
n2
f(x) D
2
nn
f(x)
_
_
_
_
_
Para ello se sigue el siguiente procedimiento:

1
(x
0
) =

D
2
11
f(x
0
)

2
(x
0
) =

D
2
11
f(x
0
) D
2
12
f(x
0
)
D
2
21
f(x
0
) D
2
22
f(x
0
)

n
(x
0
) =

D
2
11
f(x
0
) D
2
12
f(x
0
) D
2
1n
f(x
0
)
D
2
21
f(x
0
) D
2
22
f(x
0
) D
2
2n
f(x
0
)
.
.
.
.
.
.
.
.
.
.
.
.
D
2
n1
f(x
0
) D
2
n2
f(x
0
) D
2
nn
f(x
0
)

Se verican entonces los siguientes casos:

1. Si
i
(x
0
) > 0 para cada i = 1, 2, . . . , n entonces x
0
es un mnimo relativo.
2. Si
1
(x
0
) < 0,
2
(x
0
) > 0 y se van alternando los signos negativos y positivos,
entonces x
0
es un m aximo relativo de la funci on f.
3. Cualquier otra sucesi on en los signos de
i
(x
0
) produce un caso indeterminado.
1.12.5 Extremos condicionados. Multiplicadores de Lagrange
En este caso se pretende hallar los extremos de una funci on que adem as ha de vericar
una condici on a nadida (ecuaci on de ligadura).
Dadas f : A R
n
R y g(x
1
, x
2
, . . . , x
n
) = 0 la condici on de ligadura. El
procedimiento comienza construyendo F : A R R
n+1
R denida por F(x, ) =
f(x) + g(x). A continuaci on resolvemos el sistema dado por:
DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES 49
F
x
i
(x, ) = 0 i = 1, . . . n
g(x) = 0
En el caso n = 2, el sistema queda de la forma:
F
x
(x, y, ) = 0
F
y
(x, y, ) = 0
g(x, y) = 0
Las soluciones del sistema son los posibles extremos de la funci on f sometida a la
ligadura g(x, y) =. Supongamos que (x
0
, y
0
, ) es soluci on del sistema. Para averiguar si
(x
0
, y
0
) es un extremo condicionado procedemos de la manera siguiente:
g
x
(x
0
, y
0
)x +
g
y
(x
0
, y
0
)y = 0
de donde despejamos x o y y sustituimos en la siguiente ecuaci on:
(x
0
, y
0
,
0
) =

2
F
x
2
(x
0
, y
0
,
0
)x
2
+ 2

2
F
xy
(x
0
, y
0
,
0
)xy +

2
F
y
2
(x
0
, y
0
,
0
)y
2
.
Si (x
0
, y
0
,
0
) > 0 ser a mnimo condicionado.
Si (x
0
, y
0
,
0
) < 0 ser a m aximo condicionado.
Si (x
0
, y
0
,
0
) = 0 no podemos armar nada.
50 1.12 DESARROLLO EN SERIE DE FUNCIONES DE VARIAS VARIABLES
Bibliografa
Bibliografa
[BraSmi] Gerald L. Bradley & Karl J. Smith C alculo de varias variables. Volumen 2
Prentice Hall, 2000 M exico.
[Fer1] J. A. Fern andez Vi na, An alisis Matem atico II. Topologa y c alculo diferencial Ed.
Tecnos, 1992 Madrid.
[Fer2] J. A. Fern andez Vi na, Ejercicios y Complementos de An alisis Matem atico II. Ed.
Tecnos, 1994 Madrid.
[Mon] V. Montesinos Santaluca, An alisis Matem atico Servicio de Publicaciones U.P.V.
1991.
[ThoFin] G. B. Thomas, Jr. & R. L. Finney C alculo varias variables Addison Wesley
Longman, 1999 M exico.