Captulo 8

Introduccion al analisis de funciones

de varias variables
En este captulo introducimos los rudimentos del calculo en varias variables. En todo momento tendremos
como punto de referencia lo hecho en captulos anteriores para el caso de una variable con el objeto de
presentar los conceptos de este captulo como una extension de los de aquel. Nos ce niremos de forma estricta
a los conceptos mas basicos y a las aplicaciones elementales del analisis multidimensional.
8.1 Introduccion
En numerosas ocasiones encontraremos fenomenos que dependen del valor de una sola variable (el tama no
de un potro que vara solamente con respecto al tiempo transcurrido). Sin embargo, podremos tambien
enfrentarnos a situaciones en las que han de considerarse dos o mas variables.
Ejemplos 1.
1) La distancia entre dos puntos del plano, (x
1
, y
1
) e (x
2
, y
2
), depende del valor de las coordenadas x
1
, y
1
,
x
2
, y
2
:
d((x
1
, y
1
), (x
2
, y
2
)) =
_
(x
2
x
1
)
2
+ (y
2
y
1
)
2
.
2) Cierta empresa vende una cantidad de productos, x, cada uno de ellos a un precio, p. Los ingresos
obtenidos dependeran del valor de x y de p :
ingresos(x, p) = xp.
Denicion 2. Una funcion de varias variables es una aplicacion
f : D R
n
R
(x
1
, x
2
, . . . , x
n
) f(x
1
, x
2
, . . . , x
n
)
.
El conjunto D se denomina dominio de la funcion f y determina los valores de las variables x
1
, x
2
,. . . x
n
para los que esta denida la funcion f.
Al igual que en el caso de funciones de una sola variable, podemos denir una funcion de varias variables
de dos maneras:
1
Mediante la notacion habitual para aplicaciones indicando el dominio y la formula de la funcion.
Indicando unicamente la formula de la funcion.
En el segundo caso, como suceda para una sola variables, el dominio estara formado por los puntos para los
que la formula de la funcion tenga sentido.
Ejemplo 3.
1) La funcion
f : R
2
R
f(x, y, z) =
xy z
2
1 + x
2
+ y
2
+ z
2
se ha denido empleando la notacion usual para aplicaciones. En la denicion esta indicado el dominio
(D = R
2
) y la formula.
2) La funcion de R
4
,
g(x, y, z, w) =
x + y + z + w
x y
,
se ha denido indicando unicamente su formula. Para calcular el dominio determinaremos los valores de x,
y, z y w para los que se puede calcular g. Es evidente que si x = y, la expresion g(x, y, z, w) no puede ser
calculada. Por tanto, el dominio de la funcion sera
D = R
4
{(x, y, z, w) R
4
: x = y}.
Si bien el dominio de una funcion de varias variables puede ser cualquier conjunto arbitrario D R
n
,
nosotros consideraremos principalmente cierto tipo de dominios mas sencillos:
Cajas o intervalos multidimensionales: En el captulo de introduccion estudiamos como es posible
realizar el producto cartesiano de varios conjuntos. Dados los intervalos I
1
, I
2
, . . . , I
n
R su producto
cartesiano es de la forma
I
1
I
2
I
n
= {(x
1
, x
2
, . . . , x
n
) R
n
: x
1
I
1
, x
2
I
2
, . . . , x
n
I
n
}.
A este tipo de conjuntos los denominamos cajas o intervalos n-dimensionales. En particular, si I
1
=
[a
1
, b
1
], I
2
= [a
2
, b
2
], . . . , I
n
= [a
n
, b
n
], podemos considerar el producto cartesiano de todos ellos,
[a
1
, b
1
] [a
2
, b
2
] [a
n
, b
n
] =
= {(x
1
, x
2
, . . . , x
n
) R
n
: x
1
[a
1
, b
1
], x
2
[a
2
, b
2
], . . . , x
n
[a
n
, b
n
]}
= {(x
1
, x
2
, . . . , x
n
) R
n
: a
1
x
1
b
1
, a
2
x
2
b
2
, . . . , a
n
x
n
b
n
}.
Los intervalos [a
1
, b
1
], [a
2
, b
2
], . . . , [a
n
, b
n
] podran haberse tomado abiertos, semiabiertos, abiertos al-
gunos de ellos y cerrados los otros, etc.
Ejemplo 4. La caja 2-dimensional [1, 3][1, 2] esta formado por el producto cartesiano de los intervalos
[1, 3], [1, 2] R. Sus elementos son
[1, 3] [1, 2] = {(x, y) R
2
: 1 x 3, 1 y 2}.
Es decir, la coordenada en el eje x estara entre 1 y 3 (dentro del intervalo [1, 3]) y la coordenada en
el eje y estara entre 1 y 2 (dentro del intervalo [1, 2]). La representacion correspondiente a la caja
[1, 3] [1, 2] esta formada por los puntos que aparecen sombreados en la graca siguiente
2
0.5 1 1.5 2 2.5 3
0.5
1
1.5
2
2.5
Si todos los intervalos que intervienen en una caja o intervalo n-dimensional son abiertos diremos que
la caja es abierta.
Dados dos puntos, p = (p
1
, p
2
, . . . , p
n
), q = (q
1
, q
2
, . . . , q
n
) R
n
escribiremos p < q cuando
p
1
< q
1
, p
2
< q
2
, . . . , p
n
< q
n
.
Entonces, llamaremos caja n-dimensional abierta de extremos p y q, y lo denotamos (p, q), a
(p, q) = {x = (x
1
, x
2
, . . . , x
n
) R
n
: p
1
< x
1
< q
1
, p
2
< x
2
< q
2
, . . . , p
n
< x
n
< q
n
}.
Es evidente que (p, q) = (p
1
, q
1
) (p
2
, q
2
) (p
n
, q
n
) y por tanto (p, q) es una caja o intervalo
n-dimensional abierto.
Ejemplo 5. La caja 2-dimensional (1, 3) (1, 2) es abierta ya que los intervalos que intervienen en ella
son los dos abiertos. Su representacion graca es la misma que la del ejemplo anterior salvo que aqu
no incluiremos el borde de la gura. Vease que la caja (1, 3) (1, 2) es en realidad la caja de extremos
los puntos p = (1, 1) y q = (3, 2). Si observamos la graca del ultimo ejemplo vemos que la esquina
inferior izquierda de la representacion de la caja es el punto (1, 1) y la esquina superior derecha es el
punto (3, 2).
Bolas abiertas y cerradas: En el Captulo ?? vimos la denicion de distancia en R
n
y tambien estudiamos
ciertos lugares geometricos denidos a partir de esa denicion. El conjunto de puntos cuya distancia a
uno dado, p, es inferior a cierto valor, r, se denomina en R
2
crculo de centro p y radio r y en R
3
esfera
maciza de centro p y radio r. En general, en R
n
podemos tambien considerar el lugar geometrico de
los puntos cuya distancia a p R
n
inferior a r R
+
. Llamaremos a dichos conjuntos bolas de centro
p y radio r. De forma mas precisa,
llamamos bola abierta de centro p y radio r al conjunto
B(p, r) = {q R
n
: d(p, q) < r},
llamamos bola cerrada de centro p y radio r al conjunto
B(p, r) = {q R
n
: d(p, q) r}.
Vease que la bola abierta no incluye los puntos del borde (aquellos para los cuales la distancia es
justamente r) mientras que la bola cerrada s.
Ejemplo 6. La bola cerrada de centro (2, 2) y radio 1, B((2, 2), 1) esta formada por los puntos cuya
distancia a (2, 2) es inferior a 1. Su representacion graca es
3
0.5 1 1.5 2 2.5 3 3.5
0.5
1
1.5
2
2.5
3
3.5
De especial importancia son la funciones de varias variables denominadas proyecciones.
Denicion 7. Llamamos i-esima, i = 1, . . . , n, proyeccion de R
n
a la funcion de varias variables

i
: R
n
R

i
(x
1
, x
2
, . . . , x
n
) = x
i
.
Ejemplos 8.
1) Las proyecciones de R
2
son

1
: R
2
R

1
(x, y) = x
y

2
: R
2
R

1
(x, y) = y
.
2) Las proyecciones de R
3
son

1
: R
3
R

1
(x, y, z) = x
,

2
: R
3
R

1
(x, y, z) = y
y

3
: R
3
R

1
(x, y, z) = z
.
3) La cuarta proyeccion de R
5
es

4
: R
5
R

1
(x
1
, x
2
, x
3
, x
4
, x
5
) = x
4
.
Toda aplicacion de varias variables se puede expresar como una composicion en la que intervienen las
proyecciones. As por ejemplo, la funcion
f : R
3
R
f(x, y, z) =
xy
x
2
+ z
2
+ 1
puede expresarse tambien como
f =

1

2
1
+
2
3
+ 1
.
Para comprobar esto ultimo basta con observar que las dos funciones de la igualdad ofrecen el mismo resultado
sobre cualquier punto (x, y, z):
f(x, y, z) =
xy
x
2
+ z
2
+ 1
=

1
(x, y, z)
2
(x, y, z)

2
1
(x, y, z) +
2
3
(x, y, z) + 1
=
_

1

2
1
+
2
3
+ 1
_
(x, y, z).
4
O, de la misma manera, la funcion
g : R
5
R
g(x
1
, x
2
, x
3
, x
4
, x
5
) = cos(x
1
+ x
2
+ x
3
+ x
4
x
5
)
puede escribirse en la forma
g = cos(
1
+
2
+
3
+
4

5
).
8.1.1 Representacion de funciones de dos variables
Del mismo modo que la representacion graca de funciones de una variable tiene lugar en el plano R
2
, para
funciones de dos variables se lleva a cabo en R
3
. En el Captulo ??, para f : D R R, llamabamos graca
al conjunto
{(x, f(x)) R
2
: x D}
y la representacion de los puntos de este conjunto en R
2
conduca a la expresion graca de f. Aqu proce-
deremos de la misma manera.
Denicion 9. Dada la funcion de dos variables f : D R
2
R, llamamos graca de la funcion al conjunto
de puntos de R
3
{(x, y, f(x, y)) R
3
: (x, y) D}.
La representacion en R
3
de los puntos de la graca de una funcion constituye su expresion graca. El caso
de dos variables presenta mayores complicaciones que el de una ya que en este ultimo caso el dominio sola
ser un intervalo cuya representacion es sencilla. Para la representacion de una funcion, f : D R
2
R, de
dos variables debemos tener en cuenta dos cosas:
a) La representacion del dominio D en el plano formado por los ejes x e y (es decir, el plano
y = 0).
b) La representacion sobre el domino D de los puntos de la graca de f.
Ejemplo 10. Representemos gracamente la funcion f denida en la caja 2-dimensional D = [1, 1][1, 1]
mediante
f : [1, 1] [1, 1] R
2
R
f(x, y) =
1
2
+ e
x
2
y(1 y
2
).
.
Comenzamos representando el dominio D dentro de R
3
como un subconjunto del plano formado por los ejes
x y y.
-1
-0.5
0
0.5
1 -1
-0.5
0
0.5
1
0
0.5
1
-1
-0.5
0
0.5
1
x
y
z
5
Los puntos (1, 1), (1, 1), (1, 1), (1, 1) estan en el dominio D. En consecuencia
_

_
(1, 1, f(1, 1)) = (1, 1,
1
2
),
(1, 1, f(1, 1)) = (1, 1,
1
2
),
(1, 1, f(1, 1)) = (1, 1,
1
2
),
(1, 1, f(1, 1)) = (1, 1,
1
2
).
son todos ellos puntos de la graca de f. Si los representamos obtenemos
-1
-0.5
0
0.5
1 -1
-0.5
0
0.5
1
0
0.5
1
-1
-0.5
0
0.5
1
x
y
z
Igual que hemos hecho con estos cuatro, podramos tomar mas elementos de D y representar los correspon-
dientes puntos de la graca de f. Haciendo esto para algunos puntos mas la representacion es
-1
-0.5
0
0.5
1 -1
-0.5
0
0.5
1
0
0.5
1
-1
-0.5
0
0.5
1
x
y
z
Finalmente, si conseguimos representar de este modo todos los puntos de la graca de f llegaremos a la
representacion completa de la funcion que sera la supercie que vemos a continuacion:
-1
-0.5
0
0.5
1 -1
-0.5
0
0.5
1
0
0.5
1
-1
-0.5
0
0.5
1
x
y
z
La representacion graca de funciones de mas de dos variables no es posible de forma directa. Se puede
realizar diagramas que representan los valores de f respecto a algunas de sus variables pero no una repre-
sentacion graca conjunta de toda la funcion.
6
8.2 Continuidad de funciones de varias variables
Como en el caso de una variable, podemos hablar aqu de continuidad. La idea intuitiva y graca es la misma
que entonces: Una funcion sera continua si no presenta saltos, huecos, rupturas en ning un punto.
En la Propiedad ?? vimos que dada una funcion de una variable f : D R R y x
0
D, se poda
caracterizar la continuidad de f en el punto x
0
mediante el siguiente enunciado en terminos de entornos:
I entorno de f(x
0
), a, b R, a < x
0
< b, tales que f((a, b) D) I.
Esta misma es la denicion que daremos para la continuidad de una funcion de varias variables. Los
razonamientos intuitivos que nos llevaron a dar la denicion en el caso de una sola variable, con escasas
modicaciones son validos tambien ahora.
Veamos ya la denicion formal para continuidad en el caso multidimensional.
Denicion 11. Dada f : D R
n
R,
i) Decimos que f es continua en x
0
D si
I entorno de f(x
0
), p, q R
n
, p < x
0
< q, tales que f((p, q) D) I.
ii) Decimos que f es continua en H D si es continua en todos los puntos de H.
iii) Decimos que f es continua, si es continua en todo su dominio D.
Es facil comprobar que las proyecciones
1
,
2
, . . . ,
n
son siempre continuas (es decir, continuas en
todos los puntos de su dominio que es R
n
). Por otro lado, la continuidad en R
n
tiene tambien bue-
nas propiedades respecto a las operaciones algebraicas y la composicion tal y como vemos en la siguiente
propiedad.
Propiedad 12.
i) Dadas f, g : D R
n
R continuas en x D:
1. f + g es continua en x.
2. fg es continua en x.
3. Si g(x) = 0, entonces
f
g
es continua en x.
4. Si f es positiva en todos los puntos, entonces f
g
es continua en x.
ii) Dada la funcion de una variable h : I R R tal que f(D) I (la imagen de f esta contenida en el
dominio de h) si h es continua en f(x) entonces h f es continua en x.
Esta ultima propiedad junto con la continuidad de las proyecciones nos proporciona una coleccion innita
de funciones continuas de varias variables.
Ejemplos 13.
1) Estudiemos la continuidad de la funcion f(x, y) =
x
2
+ y
2
x 1
Es facil que el dominio de f es D = {(x, y) R
2
: x = 1}. Ademas f puede ser escrita empleando las
proyecciones de R
2
en la forma
f =

2
1
+
2
2

1
1
.
7
Ahora bien las proyecciones son continuas y tambien sus sumas, producto, etc. Es por tanto facil de deducir
que f es continua en D.
2) Consideremos ahora la funcion f(x, y, z) = cos
_
x+y+z
sen
2
(x)+1
_
.
En este caso tenemos una funcion de tres variables con dominio D = R
3
. En funcion de las proyecciones
se escribe como
f = cos
_

1
+
2
+
3
sen
2
(
1
) + 2
_
.
Nuevamente f es suma, producto, composicion, etc. de las proyecciones entre ellas o con funciones reales
continuas de una variable. La Propiedad 12 permite armar entonces que f es continua.
8.3 Derivadas parciales. Calculo de extremos relativos
Dada una funcion de una variable f : D R R, decimos que es derivable en x
0
D si existe el lmite
lim
tx
0
f(t) f(x
0
)
t x
0
y en tal caso llamamos derivada de f a ese lmite.
Tomemos ahora una funcion de varias variables f : D R
n
R y jemos un punto del dominio D,
p = (p
1
, p
2
, . . . , p
n
) R
n
. Si aplicamos f al punto p manteniendo jo el valor de todas las componentes,
p
1
, p
2
, . . . , p
n
, obtendremos un unico valor,
f(p
1
, p
2
, . . . , p
n
).
Sin embargo, si variamos cualquiera de esas componentes obtenemos distintos valores. Llamemos f
i
a la
funcion que obtenemos al variar el valor de la i-esima componente de f, i = 1, . . . , n:
f
i
(t) = f(p
1
, p
2
, . . . , p
i1
, t
..

Ponemos t
en lugar de p
i
.
, p
i+1
, . . . , p
n
). (8.1)
Para cada i, f
i
es una funcion de una sola variable para la que podemos calcular la derivada en el punto p
i
en la forma habitual mediante el lmite
lim
tp
i
f
i
(t) f
i
(p
i
)
t p
i
.
A esta derivada es a lo que llamaremos derivada parcial de f respecto a x
i
.
Denicion 14. Sea la funcion de varias variables f : D R
n
R. Entonces:
i) Dado p = (p
1
, p
2
, . . . , p
n
) D, para i = 1, . . . , n, diremos que la funcion f tiene i-esima derivada parcial
en el punto p si el lmite
lim
tx
i,0
f
i
(t) f
i
(p
i
)
t p
i
tiene sentido y existe. En tal caso al valor proporcionado por dicho lmite lo llamaremos i-esima
derivada parcial de f en p o derivada parcial de f con respecto a x
i
en p y lo denotamos
f
x
i
(p).
8
ii) Si D
i
es el conjunto de puntos en los que f tiene i-esima derivada parcial con respecto a x
i
, denimos
la funcion i-esima derivada parcial respecto a x
i
como
f
x
i
: D
1
R
x
f
x
i
(x)
.
La notacion usual para las derivadas parciales depende fuertemente de la forma en que designemos las
variables de las funciones con las que estemos trabajando. Esto puede hacer que dicha notacion sea ambigua
en diversas situaciones por lo que hay que ser especialmente cuidadoso a la hora de manejarla.
La forma en que se dene la derivada parcial hace que sea posible calcularla utilizando todas las
propiedades que conocemos para la derivacion en una sola variable. Puesto que para calcular la derivada
parcial respecto a x
i
lo que hacemos es tomar jas todas las variables excepto x
i
, el calculo de la derivada
parcial se reduce a derivar la expresion de f con las reglas habituales pero suponiendo que la unica variable
es x
i
y tomando el resto x
1
, x
2
, . . . , x
i1
, x
i+1
, . . . , x
n
como constantes.
Ejemplos 15.
1) Tomemos la funcion f(x, y, z) = x
2
yz +cos(xy) +e
x+z
. Consideremos las funciones f
1
, f
2
y f
3
obtenidas
tomando como constantes todas las variables excepto la primera, segunda y tercera respectivamente. Es facil
ver mediante las tecnica del Captulo ?? que dichas funciones son derivables en cualquier punto por lo que
podemos concluir que existen todas las derivadas parciales de f en cualquier punto. Para calcularlas, tal y
como hemos comentado, obtenemos la derivada usual tomando todas las variables constantes menos la que
corresponda en cada caso. As tenemos
f
x
(x, y, z) = 2xyz y sen(xy) + e
x+z
,
f
y
(x, y, z) = x
2
z xsen(xy),
f
z
(x, y, z) = x
2
y + e
x+z
.
2) Las derivada parcial de
g(x
1
, x
2
, x
3
, x
4
) =
1
x
1
+ x
2
+ x
3
+ x
4
con respecto a x
3
es
g
x
3
(x
1
, x
2
, x
3
, x
4
) =
1
(x
1
+ x
2
+ x
3
+ x
4
)
2
.
3) Tomemos h(x, y) = x
3
y
2
. Entonces tenemos dos derivadas parciales,
h
x
(x, y) = 3x
2
y
2
y
h
y
(x, y) = 2x
3
y.
Al calcular la derivadas parciales de h hemos obtenido dos nuevas funciones, las funciones derivadas parciales
h
x
y
h
y
. Podemos intentar calcular nuevamente las derivadas parciales a esas funciones. As tendremos

_
h
x
_
x
(x, y) = 6xy
2
,

_
h
x
_
y
(x, y) = 6x
2
y,

_
h
y
_
x
(x, y) = 6x
2
y,

_
h
y
_
y
(x, y) = 2x
3
.
9
En el ultimo ejemplo hemos visto que podemos aplicar derivadas parciales de forma reiterada sobre una
misma funcion. Ello conduce a lo que llamamos derivadas parciales de orden superior. Esas derivadas
parciales pueden ser aplicadas siguiendo ordenes diferentes. Podemos derivar primero respecto a x y luego
respecto a y o al reves. Sin embargo, cuando hemos hecho esto mismo en el ultimo ejemplo, en ambos casos
obtenemos el mismo resultado ya que

_
h
x
_
y
(x, y) = 6x
2
y =

_
h
y
_
x
(x, y).
Esto que vemos aqu en un ejemplo particular se cumple tambien en cualquier caso tal y como se pone de
maniesto en la siguiente propiedad.
Propiedad 16. Dada la funcion f : D R
n
R, supongamos que las derivadas parciales
f
x
,
f
y
y
(
f
x
)
y
existen para todos los puntos de una caja abierta que contiene al punto p D. Entonces tambien existe
(
f
y
)
x
(p) y se tiene que

_
f
x
_
y
(p) =

_
f
y
_
x
(p).
Dicho de otro modo, el orden en que apliquemos derivadas parciales sobre una funcion es indiferente.
Ello motiva que utilicemos la siguiente notacion para la derivadas parciales de orden superior.
Denicion 17. Dada una funcion f : D R
n
R supongamos que es posible aplicar derivadas parciales
a la funcion f,
1
veces respecto a x
1
,
2
veces respecto a x
2
,. . . ,
n
veces respecto a x
n
. Denotamos a la
funcion obtenida tras aplicar esas derivadas parciales como

1
+
2
++
n
f
x

1
1
x

2
2
. . . x

n
n
.
Se dice ademas que esa funcion es una derivada parcial de orden
1
+
2
+ +
n
de la funcion f.
Ejemplos 18.
1) Las derivadas parciales iteradas que calculamos para la funcion g(x) = x
3
y
2
del apartado 3) del Ejemplo
15 se escribiran utilizando la notacion introducida en la Dencion 17 de la forma

_
h
x
_
x
(x, y) =

2
h
x
2
(x, y) = 6xy
2
,

_
h
x
_
y
(x, y) =

2
h
xy
(x, y) = 6x
2
y,

_
h
y
_
x
(x, y) =

2
h
yx
(x, y) = 6x
2
y,

_
h
y
_
y
(x, y) =

2
h
y
2
(x, y) = 2x
3
.
Todas ellas son derivadas parciales de orden dos. Es posible calcular derivadas de orden superior, por
ejemplo,

3
h
x
3
(x, y) = 6y
2
,

4
h
x
4
(x, y) = 0,

3
h
x
2
y
(x, y) = 12xy.
son derivadas parciales de orden tres y cuatro.
2) Para calcular la derivada parcial

4
f
x
2
yz
(x, y, z) de la funcion f(x, y, z) = x
2
yz + cos(xy) + e
x+z
del
apartado 1) del Ejemplo 15 debemos aplicar sucesivamente dos derivadas parciales con respecto a x, una
derivada parcial con respecto a y y una derivada parcial con respecto a z. Puesto que la Propiedad
10
16 garantiza que el orden en que apliquemos dichas derivadas parciales es indiferente, aprovecharemos la
derivada parcial respecto a z que hemos calculado antes,
f
z
(x, y, z) = x
2
y + e
x+z
.
Ahora derivaremos con respecto a y

2
f
yz
(x, y, z) = x
2
y nalmente, derivando dos veces con respecto a x obtenemos

4
f
x
2
yz
(x, y, z) = 2.
Propiedad 19 (Regla de la Cadena). Dada la funcion f : D R
n
R, supongamos que las derivadas par-
ciales
f
x
i
, i = 1, . . . , n, existen para todos los puntos de una caja abierta que contiene al punto p D y sean
las funciones h
1
, h
2
, . . . , h
n
: I R R derivables todas ellas en t I tal que p = (h
1
(t), h
2
(t), . . . , h
n
(t)).
Entonces, la funcion f(h
1
, h
2
, . . . , h
n
) es derivable en t y
d
dt
f(h
1
(t), h
2
(t), . . . , h
n
(t)) =
f
x
1
(p)h

1
(t) +
f
x
2
(p)h

2
(t) + +
f
x
n
(p)h

n
(t).
8.3.1 Calculo de extremos relativos
En la graca de la funcion
f : [2, 2] [2, 2] R
f(x, y) =
1
2
e
4(x
2
+(y1)
2
)
+ 4e
4(x
2
+(y+1)
2
2e
4((x1)
2
+y
2
)
se aprecian tres puntos destacados entre los demas.
-2 -1 0 1 2
-2
-1
0
1
2
0
2
4
p
1
p
2
p
3
En el punto p
1
la funcion alcanza su maximo valor, en el punto p
2
el valor no es el maximo absoluto pero si
el mayor en un entorno del punto y en p
3
la funcion llega al mnimo valor. Vemos que en el caso de varias
variables podemos considerar los maximos y mnimos de la funcion absolutos o relativos. La denicion de
estos conceptos en el caso multidimensional la vemos a continuacion.
Denicion 20. Dada la funcion f : D R
n
R y p D:
i) Decimos que la funcion alcanza un maximo absoluto en el punto p si
q D, f(q) f(d).
11
i) Decimos que la funcion alcanza un maximo local o relativo en el punto p si existe r R
+
tal que
q B
n
(p, r) D, f(q) f(p).
iii) Decimos que la funcion alcanza un mnimo absoluto en el punto p si
q D, f(q) f(p).
iv) Decimos que la funcion alcanza un mnimo local o relativo en el punto p si existe r R
+
tal que
q B
n
(p, r) D, f(q) f(p).
Nos planteamos ahora el problema de localizar los puntos en los que una funcion de varias variables
alcanza su maximo y su mnimo. En el caso de una funcion de una variable, f : D R R, para localizar
los maximos y mnimos buscabamos los puntos para los que la primera derivada se anula. De esta forma,
los maximos y mnimos estaban entre las soluciones de la ecuacion f

(x) = 0. En el caso de varias variables

la condicion sera similar pero, puesto que tenemos varias derivadas de la funcion (las n derivadas parciales
de primer orden), exigiremos que todas ellas se anulen. Por tanto, los maximos y los mnimos estaran entre
aquellos puntos, p, para los que todas las primeras derivadas parciales se anulan,
_

_
f
x
1
(p) = 0,
f
x
2
(p) = 0,
.
.
.
f
x
n
(p) = 0.
Ahora tenemos un sistema con n ecuaciones y n variables de entre cuyas soluciones escogeremos los extremos
relativos de la funcion. Esto mismo es lo que establece con mas precision el proximo resultado.
Propiedad 21. Sea f : D R
n
R y p D tal que f tiene derivadas parciales de primer orden continuas
en todos los puntos de alguna caja abierta que contiene a p. Entonces si en el punto p se alcanza un maximo
o mnimo local de f tendremos que
f
x
1
(p) = 0,
f
x
2
(p) = 0, . . .
f
x
n
(p) = 0.
En el caso unidimensional, una vez calculadas las soluciones de f

(x) = 0 es necesario comprobar mediante

la segunda derivada si son maximo o mnimo. El proceso sera el siguiente:
Tomamos una solucion, x, de la ecuacion f

(x) = 0.
Comprobamos si dicha solucion representa un maximo o mnimo seg un el siguiente criterio:
Si f

(x) > 0, el punto x es mnimo.

Si f

(x) < 0, el punto x es maximo.

Si f

(x) = 0, recurriremos a otras tecnicas para determinar el caracter del punto x.

El analogo a la segunda derivada en el caso multidimensional es lo que se denomina matriz Hessiana.
Denicion 22. Dada una funcion f : D R
n
R y p D para el que existen todas las derivadas parciales
de segundo orden de la funcion f, llamamos matriz Hessiana de f en p, y la denotamos Hess(f)(p), a la
matriz simetrica
Hess(f)(p) =
_
_
_
_
_
_
_
_
_
_
_

2
f
x
2
1
(p)

2
f
x
1
x
2
(p)

2
f
x
1
x
3
(p)

2
f
x
1
x
n
(p)

2
f
x
2
x
1
(p)

2
f
x
2
2
(p)

2
f
x
2
x
3
(p)

2
f
x
2
x
n
(p)
.
.
.
.
.
.
.
.
.
.
.
.

2
f
x
n
x
1
(p)

2
f
x
n
x
2
(p)

2
f
x
n
x
3
(p)

2
f
x
2
n
(p)
_
_
_
_
_
_
_
_
_
_
_
.
12
Puesto que para cualquier i, j = 1, . . . , n,

2
f
x
i
x
j
(p) =

2
f
x
j
x
i
(p),
es evidente que la matriz Hessiana es efectivamente simetrica. La matriz Hessiana agrupa de forma ordenada
todas las derivadas parciales de orden dos de una funcion. Igual que en el caso de una variable exigimos
que la segunda derivada sea positiva o negativa para garantizar la existencia de un maximo o mnimo,
aqu exigiremos que la matriz Hessiana sea denida positiva o negativa. Denamos primeramente lo que
entendemos por matriz denida positiva o negativa.
Denicion 23. Dada una matriz cuadrada A M
n
, decimos que A es
denida positiva si todos sus valores propios son n umeros reales positivos,
denida negativa si todos sus valores propios son n umeros reales negativos.
Es evidente que, una vez que conozcamos la funcion f y el punto p, podremos calcular Hess(f)(p) que sera
una matriz para la cual podremos estudiar sus valores propios y determinar si es denida positiva o negativa.
En la siguiente propiedad vemos como los conceptos de matriz denida positiva y negativa convierten a la
matriz hessiana en el analogo en varias variables de la segunda derivada.
Propiedad 24. Dada f : D R
n
R y p D supongamos que en una caja abierta que contiene al punto
p existen y son continuas todas las derivadas parciales de segundo orden de f. Supongamos tambien que
f
x
1
(p) = 0,
f
x
2
(p) = 0, . . .
f
x
n
(p) = 0.
Entonces:
Si la matriz Hess(f)(p) es denida positiva, en el punto p, f alcanza un mnimo relativo.
Si la matriz Hess(f)(p) es denida negativa, en el punto p, f alcanza un maximo relativo.
En la practica resulta util la siguiente propiedad que permite estudiar si una matriz es denida positiva
o negativa sin necesidad de calcular sus valores propios.
Propiedad 25 (Clasicacion mediante menores principales). Dada la matriz cuadrada A = (a
ij
)
nn
M
n
,
llamamos menores principales de A a los determinantes

1
= |(a
11
)|,
2
=

_
a
11
a
12
a
21
a
22
_

,
3
=

_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_

, . . . ,
n
= |A|.
Entonces se verica que
1. A es denida positiva
i
> 0, i = 1, . . . , n.
2. A es denida negativa (1)
i

i
> 0, i = 1, . . . , n.
Ejemplo 26. Determinemos los maximos y mnimos de la funcion
f(x, y, z) = 3x
2
+ 3y
2
+ z
2
2xy + 8x 16y 2z + 23.
Para ello, en primer lugar calculamos las tres primeras derivadas parciales y las igualamos a cero para
detectar los posible puntos maximos o mnimos.
_

_
f
x
(x, y, z) = 8 + 6x 2y = 0,
f
y
(x, y, z) = 16 2x + 6y = 0,
f
z
(x, y, z) = 2 + 2z = 0.

_
_
_
8 + 6x 2y = 0,
16 2x + 6y = 0,
2 + 2z = 0.

..
Resolviendo
el sistema
_

_
x =
1
2
,
y =
5
2
,
z = 1.
13
Despues de resolver el sistema anterior tenemos que el unico punto para el que las tres primeras derivadas
parciales se anulan es p = (
1
2
,
5
2
, 1). Hemos de comprobar si dicho punto es maximo o mnimo calculando la
matriz Hessiana de f en p. Con este proposito obtendremos todas las derivadas parciales de segundo orden,

2
f
x
2
(x, y, z) = 6,

2
f
xy
(x, y, z) = 2,

2
f
xz
(x, y, z) = 0,

2
f
yx
(x, y, z) = 2,

2
f
y
2
(x, y, z) = 6,

2
f
xz
(x, y, z) = 0,

2
f
zx
(x, y, z) = 0,

2
f
zy
(x, y, z) = 0,

2
f
z
2
(x, y, z) = 2.
En consecuencia,
Hess(f)(x, y, z) =
_
_
6 2 0
2 6 0
0 0 2
_
_
.
Para comprobar si p es un maximo o mnimo hemos de comprobar si la matriz
Hess(f)(
1
2
,
5
2
, 1) =
_
_
6 2 0
2 6 0
0 0 2
_
_
.
es denida positiva o negativa. Los menores principales de dicha matriz son
|6| = 6,

6 2
2 6

= 32,

6 2 0
2 6 0
0 0 2

= 64.
Los tres son positivos as que aplicando la Propiedad 25 deducimos que la matriz es denida positiva y
por tanto el punto p = (
1
2
,
5
2
, 1) es un mnimo relativo.
Puesto que vimos que ning un otro punto anula las derivadas parciales de orden uno, la funcion no tiene
ning un otro maximo ni mnimo.
8.3.2 Recta de mejor aproximaci on
Veremos en esta seccion un problemas que pueden resolverse calculando el punto donde una funcion alcanza
su mnimo. Se trata del calculo de la recta de mejor aproximacion por mnimos cuadrados discreta.
Supongamos que disponemos de los siguientes datos (x
1
, f
1
), (x
2
, f
2
), . . . , (x
k
, f
k
) y que necesitamos
encontrar una funcion que aproxime dichos datos. En los captulos ?? y ?? hemos visto distintos mecanismos
para lograr este proposito (por ejemplo podramos utilizar un polinomio de interpolacion o un spline). Sin
embargo, queremos que la funcion que obtengamos sea lo mas simple posible as que intentaremos que esa
funcion sea una recta. Cualquier recta es de la forma
r(x) = ax + b, (8.2)
as que lo que pretendemos es encontrar los valores de a y b que hagan que la recta r ajuste lo mejor posible
a los datos de partida. Es evidente que, en general, es imposible conseguir que la recta pase por todos los
puntos (que interpole) as que lo que haremos sera intentar que dicha recta minimice el error cometido en
cierto sentido que ahora veremos.
Supongamos que tenemos unos valores concreto de los coecientes a y b que aparecen en la denicion
de la recta r(x) en (8.2). Calculemos el valor de r en los puntos x
1
, x
2
, . . . , x
k
en los que tenemos datos y
dispongamoslos en un vector que llamaremos v,
v = (r(x
1
), r(x
2
), . . . , r(x
k
)) = (ax
1
+ b, ax
2
+ b, . . . , ax
k
+ b).
14
Llamemos w = (f
1
, f
2
, . . . , f
k
) al vector formado por los datos exactos. La situacion ideal hubiera sido que
los valores proporcionados por la recta hubieran sido justamente los datos exactos, f
1
, f
2
, . . . , f
k
, en cuyo
caso tendramos
v = w.
Sin embargo, en general, tendremos que v = w. Es posible calcular la distancia entre v y w seg un la
Denicion ??. Empleando la formula que entonces vimos tenemos que
d(v, w) =
_
(ax
1
+ b f
1
)
2
+ (ax
2
+ b f
2
)
2
+ + (ax
k
+ b f
k
)
2
.
Podemos aceptar que esa distancia es una mediada del error entre los datos exactos y la recta r(x) = ax +b
para unos valores dados de a y b. Es evidente que ese error depende de esos valores a y b as que llamaremos
E(a, b) =
_
(ax
1
+ b f
1
)
2
+ (ax
2
+ b f
2
)
2
+ + (ax
k
+ b f
k
)
2
.
La recta que mejor aproxima los datos se obtiene tomando los valores de a y b para los que E(a, b) alcanza el
valor mnimo. Por lo tanto, debemos encontrar el mnimo de la funcion de dos variables E(a, b). Es evidente
que encontrar el mnimo de la funcion E(a, b) es equivalente a encontrar el mnimo de su cuadrado, E(a, b)
2
.
Por ese motivo, el problema que nos planteamos es encontrar el mnimo de la funcion
E(a, b)
2
= (ax
1
+ b f
1
)
2
+ (ax
2
+ b f
2
)
2
+ + (ax
k
+ b f
k
)
2
.
De esta manera obtendremos la recta que minimiza los cuadrados de los errores con los valores exactos (de
ah el nombre de mejor aproximacion por mnimos cuadrados). Ahora bien, E(a, b)
2
es una funcion de dos
variables en las variables a y b y podemos calcular su mnimo mediante las tecnicas de esta seccion.
Por comodidad se suele escribir simplemente E(a, b) en lugar de E(a, b)
2
.
Ejemplo 27. En el Captulo ?? (Ejemplo ??, pagina ??) estudiamos el caso de una explotacion forestal
para la que tenamos los datos de produccion en distintos a nos. En concreto, los datos eran
A no Produccion (toneladas)
1940 850
1960 920
1965 910
2000 900
Trataremos de encontrar la recta de mejor aproximacion por mnimos cuadrados para esos datos.
Dicha recta sera de la forma r(x) = ax +b y los valores a y b seran aquellos que minimicen la funcion de
los cuadrados de los errores entre la recta y los datos exactos en cada punto:
E(a, b) = (r(1940) 850)
2
+ (r(1960) 920)
2
+ (r(1965) 910)
2
+ (r(2000) 900)
2
= (1940a + b 850)
2
+ (1960a + b 920)
2
+ (1965a + b 910)
2
+ (2000a + b 900)
2
Para encontrar el mnimo de E(a, b) calculamos sus derivadas parciales de primer orden:
E
a
(a, b) = 2 1940(1940a + b 850) + 2 1960(1960a + b 920)
+2 1965(1965a + b 910) + 2 2000(2000a + b 900),
E
a
(a, b) = 2(1940a + b 850) + 2(1960a + b 920) + 2(1965a + b 910) + 2(2000a + b 900).
Simplicando e igualando a cero,
E
a
(a, b) = 14080700 + 30932850a + 15730b = 0
E
a
(a, b) = 7160 + 15730a + 8b = 0
15
Resolviendo el sistema que aparece llegamos a
_

_
a =
188
299
,
b =
7850
23
.
De esta forma, la recta de mejor aproximacion por mnimos cuadrados para esos datos es
r(x) =
188
299
x
7850
23
.
En realidad, hubiera sido necesario comprobar si el punto que hemos obtenido igualando a cero las primeras
derivadas parciales es un maximo o un mnimo. Sin embargo la forma en que esta construida la funcion
E(a, b) hace que solamente pueda tener un mnimo y ning un maximo. En cualquier caso, podramos haberlo
comprobado facilmente calculando la matriz Hessiana.
8.4 Integraci on m ultiple
Veremos aqu el caso mas sencillo de integracion m ultiple de funciones de varias variables: La integracion en
cajas n-dimensionales.
Tomemos la funcion f : D R
n
R denida en el dominio D que es una caja n-dimensional,
D = [a
1
, b
1
] [a
2
, b
2
] [a
n
, b
n
].
Consideremos las funciones f
1
, f
2
, . . . , f
n
que denimos en (8.1). Aunque f es una funcion de varias variables,
cada una de las f
i
, i = 1, . . . , n, es de una sola variable y ademas en este caso es facil deducir que su dominio
es [a
i
, b
i
],
f
i
: [a
i
, b
i
] R .
Tomemos i = 1 y calculemos la integral denida de la funcion f
1
en el intervalo [a
1
, b
1
],
_
b
1
a
1
f
1
(t)dt. (8.3)
Razonando como lo hicimos en el caso de las derivadas parciales, tal integracion consistira en integrar la
funcion f tomando todas las variables como constantes excepto x
1
que sera la que integremos desde a
1
hasta
b
1
. En base a este razonamiento denotaremos la integral (8.3) como
_
b
1
a
1
f(x
1
, x
2
, . . . , x
n
)dx
1
=
_
b
1
a
1
f
1
(t)dt.
Es facil comprobar que
_
b
1
a
1
f(x
1
, x
2
, . . . , x
n
)dx
1
es una funcion de n 1 variables. Como consecuencia del
proceso de integracion, en ella ya no aparece la variable x
1
. Podramos aplicar este proceso reiterativamente
integrando de forma sucesiva respecto a x
2
, x
3
, dots, x
n
, obteniendo en cada caso
_
b
2
a
2
_
_
b
1
a
1
f(x
1
, x
2
, . . . , x
n
)dx
1
_
dx
2
,
_
b
3
a
3
_
_
b
2
a
2
_
_
b
1
a
1
f(x
1
, x
2
, . . . , x
n
)dx
1
_
dx
2
_
dx
3
,
. . . ,
_
b
2
a
n
_
_
b
n1
a
n1
_

_
_
b
1
a
1
f(x
1
, x
2
, . . . , x
2
)dx
1
_

_
dx
n1
_
dx
n
. (8.4)
En la ultima de esta sucesion de funciones integrales no aparece ya ninguna variable puesto que hemos
integrado respecto a todas. Dicha integral es un valor numerico al que llamamos integral de la funcion f en
la caja n-dimensional D.
Antes de todo veamos la siguiente propiedad que es analoga a la Propiedad 16 para las derivadas
parciales (de hecho aquella se demuestra a partir de esta).
16
Propiedad 28. Dada una funcion f : D R
n
R con
D = [a
1
, b
1
] [a
2
, b
2
] [a
n
, b
n
],
se verica que para cualesquiera i, j = 1, . . . , n
_
b
i
a
i
_
_
b
j
a
j
f(x
1
, x
2
, . . . , x
n
)dx
j
_
dx
i
=
_
b
j
a
j
_
_
b
i
a
i
f(x
1
, x
2
, . . . , x
n
)dx
i
_
dx
j
.
Como consecuencia de ello, no importa en que orden integremos cada variable en la sucesion anterior,
siempre obtendremos el mismo resultado nal. Esto motiva la notacion que utilizamos para representar la
integral (8.4).
Denicion 29. Dada f : D R
n
R con
D = [a
1
, b
1
] [a
2
, b
2
] [a
n
, b
n
],
llamamos integral de la funcion f en D y lo notamos como
_
D
f(x
1
, x
2
, . . . , x
n
) o
_
b
1
a
1
_
b
2
a
2

_
b
n
a
n
f(x
1
, x
2
, . . . , x
n
)dx
n
dx
n1
. . . dx
1
a
_
b
2
a
n
_
_
b
n1
a
n1
_

_
_
b
1
a
1
f(x
1
, x
2
, . . . , x
2
)dx
1
_

_
dx
n1
_
dx
n
.
Nuevamente, esta notacion es poco precisa y conviene tener claro con respecto a que variable se hace
cada integracion.
Para la integral m ultiple en cajas n-dimensionales persisten las mismas aplicaciones que vimos para la
integral denida. As, dada f : D R
n
R con
D = [a
1
, b
1
] [a
2
, b
2
] [a
n
, b
n
] :
Si f es positiva, la integral de f en la caja n-dimensional D, proporciona el volumen n-dimensional del
espacio encerrado entre la funcion y la caja D.
El valor medio de la funcion f en la caja D es
1
(b
1
a
1
)(b
2
a
2
) (b
1
a
1
)
_
D
f(x
1
, x
2
, . . . , x
n
).
Ejemplo 30. La integral de la funcion f(x, y, z) = x
2
+y
2
+z en la caja 3-dimensional D = [2, 3] [1, 2]
[1, 1] se calcula como sigue:
_
3
2
_
2
1
_
1
1
(x
2
+ y
2
+ z)dzdydx =
=
_
_
_
_
integramos respecto
a z tomando las
demas variables como
constantes.
_
_
_
_
=
_
3
2
_
2
1
_
x
2
z + y
2
z +
z
2
2
_
1
1
dydx =
_
3
2
_
2
1
_
2x
2
+ 2y
2
_
dydx
=
_
_
_
_
integramos respecto
a y tomando las
demas variables como
constantes.
_
_
_
_
=
_
3
2
_
2x
2
y +
2
3
y
3
_
2
1
dx =
_
3
2
_
2x
2
+
14
3
_
dx =
_
2
3
x
3
+
14
3
x
_
3
2
=
52
3
.
17