Cálculo III

Julio C. Carrillo E.
Profesor Escuela de Matematicas

Universidad Industrial de Santander
Monday, November 5, 2007 at 8:44 am
(FA07.01,02)
Para uso exclusivo en el salon de clase.

c Julio C. Carrillo E.
2007
Universidad
Industrial de
Santander
Escuela de Matematicas
Universidad Industrial de Santander
2008
Agradecimientos a todos aquellos estudiantes que con sus

preguntas ayudan a mejor los contenidos de este material.
Definitivamente, hasta los que ense

namos tambien
aprendemos, si prestamos un poco de atenci
on en clase.
El Autor
Indice general
1. Preliminares
11
1.1. El espacio euclidiano ndimensional . . . . . . . . . . . . . . 11

1.2. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Longitud o norma . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4. Angulo
entre dos vectores . . . . . . . . . . . . . . . . . . . . 13
1.5. Angulos directores y cosenos directores . . . . . . . . . . . . . 13

1.6. Proyecciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7. Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7.1. Con desplazamiento a lo largo de una lnea recta . . . 15
1.7.2. Con desplazamiento a lo largo de una trayectoria no
lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8. El producto cruz de vectores . . . . . . . . . . . . . . . . . . 16
1.9. Triple producto escalar de vectores . . . . . . . . . . . . . . . 17
1.10. Lneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.11. Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2. Funciones vectoriales
20
2.1. Definicion, dominio, imagen, grafica . . . . . . . . . . . . . . 20

2.2. Operaciones algebraicas con funciones vectoriales . . . . . . . 21
2.3. Lmite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5. Derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6. Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.7. Movimiento curvilneo . . . . . . . . . . . . . . . . . . . . . . 26
2.7.1. Vector tangente, Vector tangente unitario, vector normal y plano osculador . . . . . . . . . . . . . . . . . . 26
2.7.2. Velocidad, rapidez y aceleracion . . . . . . . . . . . . 30
2.7.3. Longitud de arco . . . . . . . . . . . . . . . . . . . . . 31
2.7.4. Curvatura de una curva . . . . . . . . . . . . . . . . . 34
2.7.5. Fuerzas definidas mediante funciones vectoriales . . . 36
2.7.6. Fuerzas definidas mediante campos vectoriales . . . . 39
3. Funciones de varias variables
42
3.1. Las funciones de varias variables . . . . . . . . . . . . . . . . 42

3.1.1. Algebra de funciones de varias variables . . . . . . . . 47
3.2. Lmite y continuidad de campos escalares . . . . . . . . . . . 48
3.2.1. Lmite de un campo escalar . . . . . . . . . . . . . . . 50

3.2.2. Continuidad de un campo escalar . . . . . . . . . . . . 53
3.3. Derivada de un campo escalar . . . . . . . . . . . . . . . . . . 56
3.4. Gradientes y derivadas direccionales . . . . . . . . . . . . . . 78
3.5. Extremos de funciones de varias variables . . . . . . . . . . . 82
3.5.1. Extremos sin restricciones . . . . . . . . . . . . . . . . 82
3.5.2. Extremos con restricciones
4. Integraci
on m
ultiple
. . . . . . . . . . . . . . . 87
97
4.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.1. Integrales doble sobre dominios rectangulares . . . . . 98
4.2.2. Integrales iteradas . . . . . . . . . . . . . . . . . . . . 101
4.2.3. Integrales dobles sobre regiones mas generales . . . . . 107
4.2.4. Integrales dobles en coordenadas polares . . . . . . . . 115
4.2.5. Aplicaciones de las integrales dobles . . . . . . . . . . 123
4.3. Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . 138
4.3.1. Aplicaciones de las integrales triples . . . . . . . . . . 142
4.4. Integrales triples en coordenadas cilndricas y esfericas . . . . 145
4.4.1. Coordenadas cilndricas . . . . . . . . . . . . . . . . . 145
4.4.2. Coordenadas esfericas . . . . . . . . . . . . . . . . . . 148
4.5. Cambio de variables . . . . . . . . . . . . . . . . . . . . . . . 150
4.5.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . 150
4.5.2. Transformaciones . . . . . . . . . . . . . . . . . . . . . 151
5. Funciones de Rn en Rm
159
5.1. Lmite y continuidad . . . . . . . . . . . . . . . . . . . . . . . 161

5.2. Diferenciabilidad . . . . . . . . . . . . . . . . . . . . . . . . . 163
6. C
alculo vectorial
168
6.1. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 168

6.1.1. Definicion de campo vectorial, y su primera clasificaci
on168
6.1.2. Lneas de flujo y flujos de campos vectoriales . . . . . 171
6.1.3. Segunda clasificacion de los campos vectoriales . . . . 174
6.2. Calculo diferencial vectorial . . . . . . . . . . . . . . . . . . . 178
6.3. Calculo integral vectorial
. . . . . . . . . . . . . . . . . . . . 178
6.3.1. Integral de lnea . . . . . . . . . . . . . . . . . . . . . 178

6.3.2. Integral de superficie . . . . . . . . . . . . . . . . . . . 196
6.3.3. Consecuencias e implicaciones del Teorema de Green
y Teorema de Stokes sobre campos vectoriales divergentes, rotacionales y conservativos . . . . . . . . . . . 208
6.4. Aplicaciones en la fsica . . . . . . . . . . . . . . . . . . . . . 216
6.4.1. Dinamica . . . . . . . . . . . . . . . . . . . . . . . . . 216
iv
n de clase UIS
Para uso exclusivo en el salo
6.4.2. Dinamica de fluidos . . . . . . . . . . . . . . . . . . . 216

6.4.3. Electromagnetismo . . . . . . . . . . . . . . . . . . . . 216
6.4.4. Conduccion de calor . . . . . . . . . . . . . . . . . . . 216
6.4.5. Termodinamica . . . . . . . . . . . . . . . . . . . . . . 216
n de clase UIS
lculo en Varias Variables

Ca
Funciones de varias variables
3.1.
Las funciones de varias variables
Funciones de n variables,
dominio, imagen y gr
afica
Los campos escalares, o funciones de varias variables, son funciones que

tienen aplicacion en la representacion de magnitudes escalares asociados con
vectores o puntos del espacio n-dimensional. Por ejemplo, la temperatura en
cada punto de una lamina plana de grosor despreciable, o bien la densidad
en cada punto de un cilindro.
Definici
on 3.1. Sea D un subconjunto no vaco de Rn . Una funci
on f que asigna a cada punto x =
(x1 , . . . , xn ) de D un n
umero real f (x) = f (x1 , . . . , xn ) se llama una funci
on de n variables con dominio D
y valores reales. La raz
on de llamarse a f una funci
on de n variables es simplemente por las n coordenadas
que tiene el punto x = (x1 , . . . , xn ) y la imagen f (x) = f (x1 , . . . , xn ) depende de esas n coordenadas. Las
coordenadas x1 , . . . , xn ser
an las variables independientes de f y xn+1 = f (x) = f (x1 , . . . , xn ) la variable
independiente. Entonces, x = (x1 , . . . , xn ) sera la preimagen y xn+1 = f (x) = f (x1 , . . . , xn ) la imagen.
Por ejemplo,
xy
+ ln(x2 + y 2 )
xy
f (x, y) = x2 + y 2
f (x, y) =
son funciones en dos variables, las independientes son x, y y la variable

dependiente es z = f (x, y). De igual modo,
f (x, y, z) = x2 + y 2 z 2
es una funcion en tres variables dependientes x, y, z y la variable dependiente
es w = f (x, y, z). Un ejemplo mas general es la funcion polinomica en cinco
variables
f (x1 , x2 , x3 , x4 , x5 ) = x1 2x22 + x3 x34 x25
en la cual las cinco variables independientes son x1 , x2 , x3 , x4 , x5 y la variable
dependiente es x6 = f (x1 , x2 , x3 , x4 , x5 ). Funciones de dos, tres, cuatro o
mas variables ocurren en la Fsica. Por ejemplo,
RT
ley de un gas ideal
V
r4 n
torque de un alambre
L=
2
N
mX 2
E=
(u + vi2 + wi2 ) energa de un gas ideal en terminos de las
2 i=n i
componentes de la velocidad de N moleculas
p=
Observaci
on 3.1. Las funciones de n variables tambien se suelen denotar de la forma f : D Rn R. Desde el punto de vista fsico, las
funciones de varias variables son llamadas campos escalares estacionarios
(independientes del tiempo), o simplemente campos escalares. Los campos

escalares no estacionarios (dependientes del tiempo), son funciones de la
forma f : D I Rn R R tales que f (x, t) existe, para alg
u n x Rn y
t R. El C
alculo de campo escalares no estacionarios se reduce al estudio de
campos escalares estacionarios considerando ya sea t como una constante,
o bien considerando como un campo escalar estacionario con dominio en
Rn+1 = Rn R. En lo sucesivo se considerar
a este u
ltimo enfoque, y cuando se tenga un campo escalar no estacionario en particular, se proceder
aa
hacer las aclaraciones del respecto. A
un m
as, la notaci
on en si misma es
clara y permite identificar cuando un campo escalar es estacionario o no.
En un campo escalar estacionario f (x) o no estacionario f (x, t), el vector
x representa la variable espacial para campo escalar, y en un campo escalar
no estacionario f (x, t), el escalar t representa tiempo para el campo escalar.
Definici
on 3.2. Sea f : D Rn R una funci
on en n variables. El subconjunto D de Rn es llamado el
dominio de f y el subconjunto R de todas los valores f (x), con x D, es la imagen de f . La gr
afica de f
es el subconjunto de Rn+1 que consta de todos los puntos (x, f (x)) con x D. Simb
olicamente,
D f = D Rn ,
If = {f (x) R | x D}),
Gf = {(x, f (x)) Rn+1 | x D}.
Tambien, la imagen y grafica de f se pueden representar en terminos de

las n variables independientes x1 , . . . , xn y la variable dependiente xn+1 =
f ((x1 , . . . , xn )):
If = {f (x1 , . . . , xn ) | (x1 , . . . , xn ) D}
Gf = {(x1 , . . . , xn , f (x1 , . . . , xn )) Rn+1 | (x1 , . . . , xn ) D}.

Tambien se puede considerar
Gf = {(x1 , . . . , xn , xn+1 ) Rn+1 | xn+1 = f (x1 , . . . , xn )
para alg
un (x1 , . . . , xn ) D}
Una funcion escalar es una funcion en una variable. Para hacer hacer consistentes las definiciones de la grafica de funciones de una y varias variables se
debe considerar en general la grafica f como un subconjunto de Rn+1 . Tambien por esta razon las funciones de varias variables se designan mediante
letras min
usculas del alfabeto tales como f , g, etc.
Desde el punto de vista geometrico se consideran u
nicamente gr
aficas de
funciones de n variables cuando n = 1, 2. Si n = 1, la grafica de f representa
una curva en el plano xy, y una superficie en el espacio tridimensional xyz
cuando n = 3.
Cuando el dominio Df de una funcion f de Rn en R no esta definido explcitamente, entonces se define como el conjunto
Df = {x R | f (x) existe}
Ademas,
If = {f (x) | x Df }
Gf = {(x, f (x)) Rn+1 | x Df }

n de clase UIS

Ca
43
seran la imagen y la grafica de f . Por ejemplo, la funcion f (x) = x 3 es

en una variable. Su dominio e imagen consisten del conjunto de los n
umeros
reales, y la grafica de todos los puntos (x, x 3) R2 , con x R, que
geometricamente representa una lnea recta en el plano xy.
A cada punto en el plano xy la funcion f (x, y) = x2 +y 2 le asigna un n
umero
real no negativo. Por lo tanto, el dominio de f consiste de R2 , el plano xy.
La imagen consiste de todos los reales no negativos, la parte no negativa del
eje z, y la grafica de f de todos los punto (x, y, x2 + y 2 ) donde (x, y) R2 ,
o bien, x, y R. Geometricamente, la grafica de f representa una superficie
en el espacio tridimensional xyz llamada paraboloide.
z
x
La funcion
esta definida cuando
1
f (x, y) = p
,
2
x y2
x2 y 2 > 0 y 2 < x2 |y| < |x| |x| < y < |x|.

Geometricamente el dominio de f esta representado en la siguiente figura y
consiste de todos los puntos del plano xy que permanecen entre las gr
aficas
de y = |x|. La imagen es el conjunto de todos los reales p
positivos, y la
grafica el conjunto de todos los puntos (x, y, z) con z = 1/ x2 y 2 . Esta grafica no es facil de realizar y el uso de software grafico apropiado es
recomendado, GnuPlot por ejemplo.
y
3
2
1
x
3 2 1
1
2
3
44
n de clase UIS
El dominio de la funcion
f (x, y) =
p
x2 y,
consiste de todos los puntos del plano xy tales que y x2 .

y
3
2
1
x
3 2 1
1
2
3
La imagen consistede todos los reales

no negativos y la grafica de todos los

p
2
puntos (x, y, z) = x, y, x y . La representacion de la grafica requiere
de software.
El dominio de la funcion

2
2
x (x2 +y2 )
f (x, y) = 10 x3 + xy 4
e
+ e((x1,225) +y )
5
consiste todos los puntos del plano xy y la imagen de los n
umeros reales.
Formalmente la grafica de f se puede definir del modo hasta ahora hecho
y esta en el espacio tridimensional xyz. La siguiente figura representa esta
grafica en el dominio [4, 4] [4, 4].
z
Conjuntos de nivel
La grafica de una funcion en dos variables tambien se puede realizar mediante sus curvas de nivel.
Definici
on en n variables. Para cada c en la imagen de f el
conjunto de nivel Lc (f ) de f consiste de todos los puntos x en el dominio D de f tales que f (x) = c.
Para funciones de dos variables los conjuntos de nivel se llaman curvas de nivel, o curvas de contorno, y
para funciones en tres variables se llaman superficies de nivel.
n de clase UIS

Ca
45
Desde el punto de vista geometrico tiene solo sentido hablar de curvas y

superficies de nivel. En particular, para funciones de dos variables las curvas
de nivel se pueden interpretar de la siguiente manera. Sea z = c y z =
f (x, y). Entonces la curva de nivel Lc (f ) de f se puede interpretar como
una curva en el espacio bidimensional, o bien como la interseccion del plano
c de ecuacion z = c, el cual es paralelo y localizado a distancia |z| del plano
xy, y la grafica de f ; es decir, Lc (f ) = c Gf . De esta manera, la curva de
nivel tendra una elevacion sobre el plano xy de |c| unidades. En topografa,
las curvas de nivel corresponden a el mapa de elevacion de un terreno. De
hecho, en topografa no se tiene una funcion que de las elevaciones, pero se
pueden al menos graficar mediante tecnicas topograficas.
Ejemplo 3.1. Identifique las curvas de nivel de la funci
on
p
f (x, y) = x2 + y 2
y realice la gr
afica algunas de ellas.
Soluci
on.pLa curva de nivel Lc (f ) esta dada mediante la ecuaci
on f (x, y) =
c, o bien x2 + y 2 = c, la cual tienen sentido cuando c 0. Como esta
ecuacion se puede reescribir de la forma x2 + y 2 = c2 , entonces se concluye
que cada curva de nivel Lc (f ) es una circunferencia en el plano xy con centro
en el origen y radio c cuando c es positivo, y el origen (0, 0) del plano xy
cuando c = 0. La graficas en la figura siguiente representan curvas de nivel
Lc (f ) para c = 0, 1, 2, 3, 4.
Para obtener interpretacion de las curvas de nivel Lc (f ) de f como la interseccion de su grafica con los planos de ecuacion z = c, donde c es no negativo,
primero se debe
p graficar a f . Note que al escribir z = f (x, y) se obtiene la
ecuacion z = x2 + y 2 , que al reescribirla de la forma z 2 = x2 = y 2 , z 0,
se concluye que representa la ecuacion de la parte superior de un cono. La
interseccion de este cono con el plano de ecuacion z = c, c 0 sera un
punto (cuando c = 0) o circunferencias (cuando c > 0) de radio c a la altura
c del plano xy. La siguiente figura incluye ambos, las curvas de nivel en el
plano xy y como la interseccion de la grafica de f con los planos z = c. La
siguiente figura incluye ambas graficas, respectivamente.
4
2
1
b
4 3 2 1
1
c=4
c=3
c=2
c=1
c=0
1
3
2
c=4
c=3
c=2
c=1
c=0
c=1
c=2
c=3
c=4
0
-2
0
4
2
3
4
46
-2
y
-4
-4
4
2
n de clase UIS
3.1.1.
Algebra de funciones de varias variables

Al ser n
umeros reales las imagenes de las funciones de varias variables,
las operaciones algebraicas que se realicen con ellas se encuentran determinadas por las operaciones algebraicas de los n
umeros reales. Adicionalmente se pueden componer esas funciones con las funciones escalares (o de
una variable) y las funciones vectoriales que ya conocemos. A fin de evitar
malentendidos con la definicion de composicion de funciones, se incluye la
siguiente definicion formal de la composicion de funciones.
Definici
on de
composici
on de funciones
Sean A, B, C, D conjuntos no vacos tales que B, C son de la misma naturaleza, y f : A B y g : C D dos funciones. Si la intersecci
on If Dg
es no vaca, entonces la composicion de las funciones f y g, es la funci
on
denotada por g f , la cual tiene sentido y esta definida por
(g f )(x) = g(f (x))
para todo x en el dominio de f tal que f (x) esta en la imagen de g.
gf
A
x
B
C
f (x) Dg
D
g(f (x))
If Dg 6=
Cuando esto sucede se dice que la funcion composicion g f tiene sentido.
Definici
on 3.4 (Algebra de funciones de varias variables). Sean f, g : D Rn R funciones de varias
variables, h : D R R una funci
on real y R : I R Rn una funci
on vectorial. Para todo x en D se
definen las siguientes funciones:
1. (f + g)(x) = f (x) + g(x)
2. (cf )(x) = cf (x) para toda constante c
3. (f g)(x) = f (x)g(x)

f
f (x)
4.
(x) =
si g(x) 6= 0.
g
g(x)
5. Si la funci
on composici
on h f tiene sentido, entonces se define la funci
on de varias variables
(h f )(x) = h(f (x)).
6. Si la funci
on composici
on f R tiene sentido, entonces se define la funci
on real
(f R)(t) = f (R(t)).
Ejemplo 3.2. Si
f (x, y) =
n de clase UIS
xy
,
x+y
h(t) = 2t + 1,
R(t) = (t, t2 ),

Ca
47
entonces

xy
x+y
2xy
+1
x+y
t3
t2
=
con t 6= 0.
(f R)(t) = f (R(t)) = f (t, t2 ) =
2
t+t
1+t
(h f )(x, y) = h(f (x, y)) = h
Por lo tanto, h f es una funci

on de dos variables y f R es una funci
on de una variable. El dominio de h f consiste de todos los puntos del
plano xy tales que x + y 6= 0, y el dominio de f R de todos los n
umeros
reales t diferentes de 0 y 1. Observe adem
as que f se puede representar
como el cociente de dos funciones de dos variables, digamos f1 (x, y) = xy y
f2 (x, y) = x + y
3.2.
Lmite y continuidad de campos escalares
Persona que trabaje en el campo de la fsicamatem

atica y sus
aplicaciones y no entienda de que trata el concepto de lmite,
tendr
a una noci
on muy limitada de lo que realmente significa
este campo en el
area de las ciencias naturales.
La nocion de lmite esta ntimamente ligada al problema de la aproximaci

on
y continuidad en problemas del tipo causaefecto. Matematicamente, un
problema del tipo causaefecto se representa mediante una funci
on f definida de un conjunto D A en un conjunto B. Las causas estan representadas
por los elementos de A y los efectos por elementos de B. Entonces la funci
on
f : D A B, tal que f (a) = b esta en B, para alg
un a en D, representa
la relacion funcional entre las causas y los efectos, y ademas enfatiza que
el efecto b es consecuencia o lo produce la causa a, b = f (a), y adem
as es
u
nica. El conjunto A representa el espacio de las causas, los elementos de
D las causas predecibles y los elementos de A \ D las causas no predecibles.
Similarmente, B representa el espacio de las efectos, la imagen If el espacio
de las efectos predecibles, y B \ If el de los efectos no predecibles.
A
B
If
b = f (a )
a y b representan posibles causas y efectos no predecibles, respectivamente.

A la causa predecible a le corresponde un efecto predecible b = f (a ).
48
n de clase UIS
En la practica, y por lo general, se obtienen (en el laboratorio, por ejemplo)

y con mediana certeza los valores ideales del efecto b y la causa a que lo
produce. Los valores reales son u
nicamente estimaciones de ellos y adem
as
a puede ser eventualmente una causa no predecible. Entonces, el problema
de establecer que tan buena es una estimacion de estos valores consiste de
lo siguiente:
1. Fase de aproximaci
on: Dada un efecto aproximado, establecer la
causa aproximada que lo produce. Se debe cumplir que el efecto aproximado y debe estar cercano del valor b (i.e., y b) y ser consecuencia de
una causa x (i.e., y = f (x)), siempre que la causa x este muy cercana del
valor a, aun si no es exactamente a (i..e, x b y x 6= a). Simb
olicamente,
f (x) b cuando x a, x 6= a,
2. Fase de cuantificaci
on del error: En donde hay aproximaciones,
hay errores. En los conjuntos A y B se deben disponer de alg
un medio
(instrumento) para cuantificar el error en las aproximaciones entre las
causas y los efectos. El error debe entenderse como la medida de la distancia entre el valor estimado y el valor real, sean en causas o efectos.
Cuantificar el error sera el proceso de medir la distancia entre los valores
reales y estimados. Si los conjuntos A y B son subconjuntos de R, estos
errores de aproximacion son obtenidos mediante el valor absoluto, y por
tanto
dB (f (x), b) := |f (x) b|,
dA (x, a) := |x a|.
representaran el error en la aproximacion o distancia entre los valores

reales y estimados en los efectos y las causas, respectivamente.
En general, se supone que en los conjuntos A y B es posible definir una
forma de medir distancia de una forma similar a la anterior. Por lo tanto,
si sucede que en las causas f (x) b cuando en los efectos x b, aun si
x 6= b, entonces debe tenerse que el error en la aproximacion del efecto,
dB (f (x), b), debe ser muy peque
no cuando el error en la aproximaci
on
del efecto, dA (f (x), a), es muy peque
no, aun si x 6= a. Observe que x 6= a
si y solo si dA (x, a) > 0. Simbolicamente,
dB (f (x), b) 0 cuando dA (x, a) 0 aun si dA (x, a) > 0.
3. Fase de estimaci
on de la magnitud del error: Las magnitudes en el
error deben ser de cierto orden. Este es un requerimiento que es est
andar
cuando se realizan estudios experimentales de problemas causaefecto.
En este tipo de problemas es conocido o dado el orden del error en la
aproximacion de los efectos (en el mundo real esto es precisamente lo que
se puede ver o determinar) y se busca entonces establecer o encontrar el
orden del error en la aproximacion en las causas, pero de tal modo que
el error en la aproximacion de los efectos sea del orden previamente
dado cuando el error en la aproximacion en las causas sea del orden
encontrado, aun si el error en las causas no es cero,
Decir que el error en la aproximacion es de cierto orden significa que
el error en la aproximacion es menor que el orden de aproximaci
on.
Por lo tanto, en el caso en discusion debemos tener lo siguiente.
n de clase UIS

Ca
49
Dado el orden > 0 del error en la aproximacion del efecto

b, se busca establecer un orden > 0 del error en la aproximacion de la causa a, de tal modo que dB (f (x), b) < cuando
dA (x, a) < , aun si dA (x, a) > 0. Simbolicamente,
Dado un > 0, se busca un > 0 tal que dB (f (x), b) <
cuando 0 < dA (x, a) < .
La notaci
on matematica de lmite resume estos tres procesos:
lm f (x) = b.
xa
El problema causaefecto definido mediante f es un continuo o es continuo

cuando
lm f (x) = f (a).
xa
3.2.1.
Lmite de un campo escalar
Definici
on 3.5 (Lmite de una funcion de varias variables). Sea f : D Rn R una funci
on de varias
variables y a un punto que no necesariamente pertenece al dominio de f . Se dice que lmxa f (x) = L si
dado un > 0 existe un > 0 tal que |f (x) L| < siempre que 0 < kx ak < .
Observe que
kx ak =
p
(x1 a1 )2 + + (xn an )2
representa la distancia entre los puntos x = (x1 , . . . , xn ) y a = (a1 , . . . , an )

de Rn y
|f (x) L|
la distancia entre los n
umeros reales f (x) y L. En el siguiente sentido debe
entenderse el concepto de existencia del lmite L de f en a:
Cuando el punto x esta suficientemente cercano de a, pero x 6= a,
entonces el valor de f (x) estara muy cercano de L. La norma
kx ak y el valor absoluto |f (x) L| son una medida del error
en esas aproximaciones. Cuantificado el orden del error en la
aproximacion de f (x) a L, se busca entonces cuantificar el orden
del error en la aproximacion de x a a. Por eso se suele tambien
denotar el lmite de la forma f (x) a cuando x a, y se
lee f (x) tiende a a cuando x tiende a a.
Geometricamente, los puntos x se encuentran localizados en el interior de
una esfera ndimensional de centro en a y radio , sin el punto a, y los
valores f (x) en el intervalo abierto (L , L + ).
Proposici
on 3.1 (Unicidad del lmite). Sea f : D Rn R una funci
on de varias variables y a un punto
que no necesariamente pertenece al dominio de f . Si el lmite lmxa f (x) existe entonces el lmite es u
nico;
es decir, si lmxa f (x) = L1 y lmxa f (x) = L2 entonces L1 = L2 .
El contrarrecproco de este resultado es una herramienta valiosa para probar
que un cierto lmite no existe:
50
n de clase UIS
Si el lmite lmxa f (x) no es u

nico, entonces lmxa f (x) no
existe.
A diferencia del calculo de funciones de una variables, en donde existen
u
nicamente dos direcciones para aproximar el punto al cual se toma el lmite,
para las funciones de varias variables existen multiplies direcciones, y adem
as
trayectorias, para que el punto x aproxime el punto lmite a. Si el lmite
existe, entonces el lmite es independiente de la trayectoria que pase por el
punto. Si el lmite no existe, es suficiente demostrar que a lo largo de dos
trayectorias C1 y C2 que pasen por el punto a, la funcion f (x) tiene dos
limites distintos.
Ejemplo 3.3. Sea
xy
f (x, y) = 2
.
x + y2
El dominio de f consiste de todos los puntos del plano xy con excepci
on del
origen. Consideremos la ecuaci
on y = mx de una recta de pendiente m que
pasa por el origen. Entonces
f (x, y) =
mx2
m
m
=
cuando x 0, y = mx,
2
2
2
2
x +m x
1+m
1 + m2
o
mx2
m
=
.
x0 x2 + m2 x2
1 + m2
lm f (x, y) = lm
x0
y=mx
Por lo tanto el lmite de f en el origen del plano no existe: diferentes valores

de m producen curvas diferentes a lo largo de las cuales f tiene limites diferentes. Para cualquier otro punto del plano xy el lmite de f existe (probarlo).
Ejemplo 3.4. La funci
on
f (x, y) =
x2 y 2
x2 + y 2
tambien esta definida para todo punto del plano xy con excepci
on del origen.
De nuevo, observe que
x2 0
= 1,
x0 x2 + 0
lm f (x, y) = lm
x0
y=0
0 y2
= 1,
y0 0 + y 2
lm f (x, y) = lm
x=0
y0
en donde x = 0 es una recta horizontal que pasa por el origen y y = 0 es

una recta vertical que tambien pasa por el origen. Por lo tanto, f no tiene
lmite en el origen del plano xy.
Ejemplo 3.5. Tambien la funci
on
f (x, y) =
x4 y 4
x2 + y 2
esta definida para todo punto del plano xy con excepci

on del origen. No
obstante, como el lmite
x4 y 4
(x2 y 2 )(x2 + y 2 )
=
lm
2
2
x2 + y 2
(x,y)(0,0) x + y
(x,y)(0,0)
lm
n de clase UIS
lm
(x2 y 2 ) = 0 0 = 0
(x,y)(0,0)

Ca
51
e independiente de la trayectoria que pase por el origen del plano xy, entonces f tiene lmite cero en el origen.
3x2 y
Ejemplo 3.6. Determine si el lmite de la funci
on f (x, y) = 2
existe
x + y2
en (0, 0).
Soluci
on. Como
3x2 (mx)
3mx
=
=0
x0 x2 + (mx)2
1 + m2
lm f (x, y) = lm
x0
y=mx
y
lm f (x, y) = lm
x=0
y0
y0
0
= 0,
y2
e igual sucede tomando el lmite a lo largo de las parabolas y = ax2 y x = ay 2

con a 6= 0, se puede intuir que el lmite vale 0. Desafortunadamente esto no
prueba que el lmite sea 0, pues el resultado depende de la trayectoria que
pasa por el origen. Para demostrar que el lmite es cero se aplica la definici
on
de lmite. Sea > 0 dado. Se debe encontrar un > 0 tal que

3x2 y

x2 + y 2 0 < siempre que 0 < k(x, y) (0, 0)k <
o equivalentemente,
3x2 |y|
< siempre que
x2 + y 2
0<
Pero
x2 < x2 + y 2 ,
p
x2 + y 2 <
y 2 < x2 + y 2 .
Por lo tanto,
p
p
3x2 |y|
< 3|y| = 3 y 2 < 3 x2 + y 2 < 3.
2
2
x +y
Como se requiere que
3x2 |y|
< ,
x2 + y 2
es suficiente elegir 3 = . Entonces = /3 y al hacer 0 <
se obtiene

p
3x2 y

3 x2 + y 2 < 3 =
0
x2 + y 2

3
p
x2 + y 2 < /3
Por consiguiente,
3x2 y
= 0.
(x,y)(0,0) x2 + y 2
lm
52
n de clase UIS
Proposici
on 3.2 (Propiedades del lmite). Sean f, g : D Rn R funciones de n variables que poseen
lmite en un punto a que no necesariamente pertenece a D. Entonces las funciones f + g, cf (c un constante
cualquiera), f g, f /g tambien poseen lmite en a y adem
as
(a) lm (f (x) + g(x)) = lm f (x) + lm g(x)
xa
xa
xa
(b) lm (cf (x)) = c lm f (x)

xa
xa
(c) lm f (x)g(x) = lm f (x) lm g(x)

xa
xa
xa
lm f (x)
(d) lm
xa
f (x)
= xa
si lm g(x) 6= 0.
xa
g(x)
lm g(x)
xa
(e) Sea h : D R R una funci

on real tal que la funci
on compuesta h f esta definida. Si los lmites
lm f (x)( L) y lm h(t) existen, entonces el lmite de h f existe en a y adem
as
xa
tL

lm h(f (x)) = h lm f (x) .
xa
xa
(f ) Sea R : D R Rn una funci

on vectorial tal que la funci
on compuesta f R esta definida. Si los
lmites lm R(t)( L) y lm f (x) existen, entonces el lmite de f R existe en t0 y adem
as
tt0
xL
lm f (R(t)) = f
tt0
3.2.2.

lm R(t) .
tt0
Continuidad de un campo escalar
Definici
on 3.6 (Continuidad puntual). Se dice que una funci
on de varias variables f : D Rn R es
continua en a si y solo si
lm f (x) = f (a),
xa
o lo que es lo mismo,
lm f (a + h) = f (a).
h0
En caso contrario, f se dice es discontinua en a.

Esta definicion significa que f (a) y lmite de f en a existen, y el valor de f
y el lmite de f son iguales en a. De otro lado, la condicion de existencia de
f (a) es equivalente a la condicion que el punto a pertenezca al dominio de
f.
x2 y 2
on f (x, y) = 2
no tiene lmite en el origen del
x + y2
plano. Entonces f es discontinua en (0, 0). Tambien se puede argumentar
que f no esta definida en el origen del plano.
n de clase UIS

Ca
53

on
4
4
x y
2
f (x, y) = x + y 2
si (x, y) 6= (0, 0)
si (x, y) = (0, 0)
tiene lmite cero en el origen del plano y f (0, 0) = 1. Entonces f es discontinua en el origen.
Proposici
on 3.3 (Propiedades de la continuidad puntual). Sean f, g : D Rn R funciones de n
variables que son continuas en el punto a. Entonces las funciones f + g, cf (c un constante cualquiera), f g,
f /g tambien continuas en a y adem
as
(a) lm (f (x) + g(x)) = f (a) + g(a)
xa
(b) lm (cf (x)) = cf (a)

xa
(c) lm f (x)g(x) = f (a) g(a)

xa
f (x)
f (a)
=
si g(a) 6= 0.
xa g(x)
g(a)
(d) lm
(e) Sea h : D R R una funci

on de una variable tal que la funci
on compuesta h f esta definida. Si f
es continua en a y h es continua en f (a), entonces la funci
on de varias variables h f es continua en
a y adem
as
lm h(f (x)) = h(f (a)).
xa
(f ) Sea R : D R Rn una funci

on vectorial tal que la funci
on compuesta f R esta definida. Si R es
continua en t0 y f es continua en R(t0 ), entonces la funci
on escalar f R es continua en t0 y adem
as
lm f (R(t)) = f (R(t0 )).
tt0
Ejemplo 3.9. Determine los puntos en donde la funci

on racional
f (x, y) =
2xy
x2 + y 2
es continua.
Demostraci
on. Las funciones polinomicas g(x, y) = 2xy y h(x, y) = x2 +
2
y son continuas en todo punto (a, b) R2 . De la propiedad del cociente de
funciones tenemos que la funcion f (x, y) es continua en todo punto (a, b)
R2 , excepto en el origen. Por lo tanto, la funcion f (x, y) es continua en todo
punto (x, y) de R2 con excepcion del origen.
Definici
on 3.7 (Continuidad global). Una funci
on de varias variables f es continua en el conjunto D si
f es continua en cada punto de D .

Las propiedades de continuidad de funciones de varias variables en un conjunto de su dominio se obtienen de una manera natural de las propiedades
de continuidad puntual.
54
n de clase UIS
Los monomios x, y y c, con c un escalar cualquiera, se puede demostrar

facilmente son funciones continuas en R2 :
lm
x=a
lm
y=b
lm
c=c
(x,y)(a,b)
(x,y)(a,b)
(x,y)(a,b)
para cualquier punto (a, b) en R2 . Por lo tanto, de las propiedades del producto de funciones continuas el monomio cxn y m , para alg
un n
umero entero
no negativo m, es tambien continuo en R2 :
lm
(x,y)(a,b)
cxm y m = cam bm
para cualquier punto (a, b) en R2 . De la propiedad de la suma de funciones

continuas el polinomio p(x, y) en dos variables sera tambien una funci
on
continua en R2 :
lm
(x,y)(a,b)
p(x, y) = p(a, b)
para todo punto (a, b) en R2 .

Ejemplo 3.10. Evaluar
lm
(x2 y 3 x3 y 2 + 3x + 2y).
(x,y)(1,2)
Soluci
on. Como los polinomio son funciones continuas en R2 , entonces
lm
(x2 y 3 x3 y 2 + 3x + 2y) = 8 4 + 3 4 = 13.
(x,y)(1,2)
Una funci
on racional f en dos variables es el cociente de dos polinomios, y
sera una funcion continua en R2 con excepcion de aquellos puntos (x, y) en
donde el denominador de f se anula. Por ejemplo, la funcion racional
2xy + 1
f (x, y) = 2
x + y2
esta definida en todo R2 con excepcion del origen. Por tanto, f es continua
en R2 con excepcion del origen.
Ejemplo 3.11. Determine la continuidad de la funci
on
f (x, y) = ln(x2 + y 2 1).
Soluci
on. La funcion logaritmo natural es continua para todo n
umero real
positivo, y la funcion g(x, y) = x2 + y 2 1 es continua para todo valor de
x y y. De la propiedad de composicion de funciones continuas se concluye
que la funcion f es continua para todos los puntos (x, y) en R2 tales que
x2 + y 2 > 1.
Ejemplo 3.12. Determine la continuidad de la funci
on
p
2
2
1x y
f (x, y) =
.
x2 y 2
Soluci
on. De la propiedad de composicion de funciones continuas se tiene
que el numerador de f es continuo para todo punto (x, y) en R2 tal que
x2 + y 2 < 1. El denominador de f es continuo para todo punto (x, y) en
R2 , y es cero cuando y = |x|. De la propiedad del cociente de funciones
continuas se obtiene que f es continua para todo punto (x, y) en R2 tal que
x2 + y 2 < 1 y y 6= |x|.
n de clase UIS

Ca
55
3.3.
Derivada de un campo escalar

La derivada de una funcion escalar f (x) se puede considerar como el lmite
del cociente diferencias de Newton de la funcion a lo largo del eje x:
f (x + h) f (x)
,
h0
h
f (x) = lm
si el lmite de la derecha existe.

La derivada de una funcion en n variables su puede considerar de igual
manera, solo que existiran n posibles alternativas (o ejes coordenados) cada
una de las cuales se llaman las derivadas parciales de la funcion con respecto
a la direccion considerada. Por esto, las derivadas parciales dan informaci
on
de la raz
on de cambio de una funcion en varias variables en cada una de
las direcciones de los ejes coordenadas. Mas exactamente, estas derivadas se
definen de la siguiente forma.
Definici
on 3.8 (Derivadas parciales). Sea f : D Rn R una funci
on de n variables. Las derivadas
parciales fx1 , . . . , fxn de f con respecto a las variables x1 , . . . , xn en el punto a = (a1 , . . . , an ) en la direcci
on
del jesimo eje coordenado se define en forma vectorial como
fxj (a) = lm
t0
f (a + tej ) f (a)
t
o en forma cartesiana como

fxj (a1 , . . . , an ) = lm
t0
f (a1 , . . . , aj + t, . . . , an ) f (a1 , . . . , an )
,
t
para j = 1, . . . , n, si cada uno de estos limites existe. Otras notaciones de las derivada parcial de f con
respecto a la variable xj son las siguientes:
fxj (a) = fj (a) =
f
(a) = j f (a) = Dxj f (a) = Dj f (a).
xj
Cuando n = 2, se denota z = f (x, y) y las derivadas parciales de f tambien se denotan como

fx =
f
z
=
= zx ,
x
x
fy =
f
z
=
= zy .
y
x
Cuando n = 3, se considera w = f (x, y, z) y las derivadas parciales de f tambien se denotan como

fx =
f
w
=
= wx ,
x
x
fy =
f
w
=
= wy ,
y
y
fz =
f
w
=
= wz .
z
z
Una explicacion de las derivadas parciales es la siguiente. De acuerdo con la

definicion anterior, fxj (a) se obtiene restringiendo la funcion f a la recta que
pasa por el punto a y es paralela al jesimo eje coordenado. Esta ecuaci
on
tiene la ecuacion vectorial X = a + tej para t un n
umero real y ej el vector
director del jesimo eje coordenado. Por lo tanto, fxj (a) da la raz
on de
cambio de f en a en la jesima direccion coordenada.
Ejemplo 3.13. Calcule las derivadas parciales de f (x, y) = y 2 sen x en
a = (/2, 1).
Soluci
on. f es una funcion de dos variables que esta definida para todo
56
n de clase UIS
(x, y) en R2 . As que se deben calcular derivadas parciales de f en a, a saber:

fx (/2, 1) y fy (/2, 1).
Para calcular la derivada parcial de f con respecto a x se tienen dos opciones.
Primera opci
on: Se utiliza la definicion de lmite para calcular fx (x, y).
Esto da,
f ((x, y) + ti) f (x, y)
f (x + t, y) f (x, y)
= lm
t0
t
t
y 2 sen(x + t) y 2 sen x
sen(x + t) sen x
2
= y lm
= lm
t0
t0
t
t
d(sen
x)
= y2
= y 2 cos x,
dx
fx (x, y) = lm
t0
lo cual es equivalente a considerar a y como una constante y diferenciar con

respecto a x. A continuacion se sustituye (x, y) = (/2, 1), lo cual da
fx (/2, 1) = 1 cos(/2) = 0
Segunda opci
on: Se hace y = 1 en la formula de f para obtener
g(x) = f (x, 1) = sen x.
Esta es una funcion en una variable que se puede diferenciar para obtener
g (x) = cos x.
A continuacion se sustituye x = /2 y se obtiene
fx (/2, 1) = g (/2) = cos(/2) = 0,
como se esperaba.
De nuevo se presentan ambas opciones para calcular la derivada parcial de
f con respecto a y en (/2, 1).
Primera opci
on: De la definicion,
f ((x, y) + tj) f (x, y)
f (x, y + t) f (x, y)
= lm
t0
t
t
(y + t)2 y 2
(y + t)2 sen x y 2 sen x
sen x = lm
= lm
t0
t0
t
t
2
d(y )
=
sen x = 2y sen x,
dy
fy (x, y) = lm
t0
lo cual es equivalente a a considerar a x como una constante y diferenciar

con respecto a y. A continuacion se sustituye (x, y) = (/2, 1), lo cual da
fy (/2, 1) = 2 sen(/2) = 2
Segunda opci
on: Se hace x = /2 en la formula de f para obtener
h(x) = f (/2, y) = y 2 sen(/2) = y 2 .
Esta es una funcion en una variable que se puede diferenciar para obtener
h (x) = 2y.
A continuacion se sustituye y = 1 y se obtiene
fy (/2, 1) = h (1) = 2.
n de clase UIS

Ca
57
Ejemplo 3.14. Calcule las primeras derivadas parciales de la funci

on f (x, y) =
x2 y en cualquier punto (x, y) de su dominio.
Soluci
on. El dominio de f es todo R2 . De la definicion, la derivada parcial
de f con respecto a x esta dada como
f ((x, y) + ti) f (x, y)
f (x + t, y) f (x, y)
= lm
t0
t
t
(x + t)2 y x2 y
(x + t)2 x2
d(x2 )
= lm
y =
y = 2xy
= lm
t0
t0
t
t
dx
fx (x, y) = lm
t0
en donde i = e1 = (1, 0), lo cual es equivalente a considerar a y como una

constante y derivar con respecto a x. Igualmente,
f ((x, y) + tj) f (x, y)
f (x, y + t) f (x, y)
= lm
t0
t0
t
t
x2 (y + t) x2 y
(y
+
t)
y
d(y)
= x2 lm
= x2
= x2 ,
= lm
t0
t0
t
t
dy
fy (x, y) = lm
lo cual tambien se obtiene considerando a x constante y derivando con respecto a y.

Al calcularse la derivada parcial de f con respecto a la variable xj como el
lmite de la variacion de los cocientes de diferencias de Newton a lo largo de
la direcci
on del eje coordenado xj , ej , se mantienen fijas las restantes direcciones. Por esto, en lugar de calcular la derivada parcial de f con respecto
a la variable xj mediante la definicion, la derivada parcial fxj se puede calcular de forma directa manteniendo las otras variables fijas y derivando con
respecto a la variable xj . Simbolicamente,
df
f
(x1 , . . . , xn ) =
(x1 , . . . , xn ),
xj
dxj
j = 1, . . . , n.
Las reglas ordinarias de la derivacion aplican.

Ejemplo 3.15. Encuentre las derivadas parciales de la funci
on f (x, y, z) =
x3 y x sen(yz) y su dominio com
un.
Soluci
on. Considerando a y y z constantes y derivando con respecto a x
se obtiene
fx (x, y, z) = 3x2 y sen(yz).
Para encontrar fy se consideran x y z constantes y se deriva con respecto a
y:
fy (x, y, z) = x3 xz cos(yz).
Finalmente, considerando a x y y como constante y derivando con respecto
a z se obtiene
fz (x, y, z) = xy cos(yz).
De las funciones relacionadas con las derivadas parciales de f se concluye
que el dominio com
un de ellas es todo R3 .
Ejemplo 3.16. Encuentre las derivadas parciales de la funci
on f (x, y, z) =
2
2
2
xyzex y z .
58
n de clase UIS
Soluci
on. Al igual que en el caso de las funciones de dos variables, cada
vez que se va a derivar con respecto a una de las variable se consideran las
otras dos como constantes y se deriva aplicando las reglas ordinarias de la
derivada. En este caso,
fx (x, y, z) = yzex
fy (x, y, z) = xzex
y 2 z 2
y 2 z 2
fz (x, y, z) = xyex
Interpretaci
on de las
derivadas parciales
y 2 z 2
2x2 yzex
2xy 2 zex
y 2 z 2
y 2 z 2
y 2 z 2
2xyz 2 ex
Considere la grafica de funcion de dos variables z = f (x, y). El plano x = x0

interseca la grafica de f en la curva plana de la figura y el valor fy (x0 , y0 )
es la pendiente de la recta tangente a esta curva en el punto P .
z
P (x0 , y0 , z0 )
b
(x0 , y0 , 0)
Tambien, el plano y = y0 interseca la grafica de f en la curva plana de la

figura y el valor fx (x0 , y0 ) es la pendiente de la recta tangente a esta curva
en el punto P .
z
P (x0 , y0 , z0 )
(x0 , y0 , 0)
Ejemplo 3.17. Considere el paraboloide de ecuaci

on f (x, y) = 9 x2 y 2 .
(a) El paraboloide y el plano y = 1 se intersecan en una curva C1 . Encontrar
las ecuaciones parametricas de la recta tangente en (1, 1, 7). (b) Igualmente,
el paraboloide y el plano x = 1 se intersecan en curva C2 . Encontrar las
ecuaciones parametricas de la recta tangente en (1, 1, 7). (c) Encuentre la
ecuaci
on del plano tangente al paraboloide en el punto (1, 1, 7).
n de clase UIS

Ca
59
Soluci
on. (a) Como fx (x, y) = 2x entonces fx (1, 1) = 2 es la pendiente de la recta tangente a la curva en (1, 1, 7). Veamos como esta
recta tiene a d1 = (1, 0, 2) como su vector director. Para encontrar
este, parametrizamos la curva C1 de la siguiente forma. Como y = 1 y
z = f (x, y) = 8 y 2 , entonces la funcion vectorial F (t) = (t, 1, 8 t2 )
es una parametrizacion de C1 . Entonces, F (t) = (1, 0, 2t). Cuando
t = 1 tenemos F (1) = (1, 1, 7) y entonces la recta tangente en (1, 1, 7)
tiene a d1 = F (1) = (0, 1, 2) como su vector director. Por lo tanto,
x = 1 + t,
y = t,
z = 7 2t
representan las ecuaciones parametricas de la recta tangente a la gr

afica
de f en (1, 1, 7).
(b) En este caso, fy (x, y) = 2y y fy (1, 1) = 2 es la pendiente de la recta

tangente a C2 en (1, 1, 7). Como el vector director de esta recta es
d2 = (0, 1, 2), entonces
x = 1,
y = 1 + t,
z = 7 2t
representan las ecuaciones parametricas de la recta tangente en (1, 1, 7).
(c) El vector normal al plano tangente

dado por

i j

n = d1 d2 = 0 1
1 0
y entonces
a la grafica de f en (1, 1, 7) esta

k
2 = (2, 2, 1).
2
2(x 1) 2(y 1) (z + 7) = 0
representa la ecuacion del plano tangente a la grafica de f en el punto
(1, 1, 7).
Por un procedimiento analogo se puede demostrar que si las primeras derivadas
parciales de un campo escalar f existen y son continuas en un punto (x0 , y0 )
de R2 , entonces
z = f (x0 , y0 ) + f ((x0 , y0 ) (x x0 , y y0 )
= f (x0 , y0 ) + fx (x0 , y0 )(x x0 ) + fy (y y0 )
Debemos esperar que al igual que funciones de una variable, que si el punto
(x, y) esta en una vecindad de (x0 , y0 ) entonces los valores de la funci
on
f (x, y) se puedan aproximar mediante los valores de la ecuacion del plano
tangente en (x, y); i.e.,
f (x, y) f (x0 , y0 ) + f ((x0 , y0 ) (x x0 , y y0 )
si (x, y) esta en una vecindad de (x0 , y0 ).
Por ejemplo, si f (x, y) = 9 x2 y 2 , (x0 , y0 ) = (1, 1) y (x, y) = (1,5; 1,2)
entonces
f (1,5; 1,2) = 5,31 f (1, 1) 2(1,5 1) 2(1,2 1) = 7 1 0,4 = 5,6.
El orden de esta aproximacion puede ser mejorado considerando las segundas
derivadas parciales de f .
60
n de clase UIS
Ejemplo 3.18. De acuerdo con la ley de un gas ideal para un gas confinado, si P atm
osferas es la presi
on, V litros es el volumen y T grados es la
temperatura absoluta en la escala de Kelvin, se tienen la f
ormula
P V = kT
(3.1)
donde k es una constante de proporcionalidad. Suponga que el volumen de

un gas de cierto recipiente es de 12 litros y que la temperatura es de 290 K
y k = 0,6. (a) Calcule la tasa de variaci
on de T si V permanece fijo en 12
litros. (b) Utilice el resultado del inciso (a) para aproximar la variaci
on de
la presi
on si la temperatura se incrementa a 295K. (c) Calcule la tasa de
variaci
on instant
anea de V por unidad de variaci
on de P si T permanece
fija en 290 K. (d) suponga que la temperatura se mantiene constante. Utilice
el resultado del inciso (c) para calcular la variaci
on aproximada del volumen
necesario para producir la misma variaci
on en la presi
on que se obtuvo en
el inciso (b).
Soluci
on. Al hacer V = 12, T = 290 y k = 0,6 en la formula del gas ideal
se obtiene P = 14,5.
(a) Resolviendo (3.1) para P cuando k = 0,6 se obtiene
P =
0,6T
V
La tasa de variacion instantanea de P por unidad de variaci

on de T , si
V se mantiene constante, es
0,6
P
=
T
V
Cuando T = 290 y V = 12, esta tasa de variacion esta aumentado a
P
razon de
= 0,05 atmosferas por cada grado en la escala de Kelvin.
T
(b) Del resultado del inciso (a), cuando T se incrementa en 5 unidades
(de 290 a 295) y V permanece fijo, un incremento aproximado de P
es 5(0,005) = 0,25 atmosferas. Por lo tanto, si la temperatura se incrementa de 290K a 295 K, entonces el incremento de la presi
on es de
aproximadamente 0,25 atmosferas.
(c) Al resolver (3.1) para V cuando k = 0,6, se obtiene
V =
0,6T
P
La tasa de variacion instantanea de V por unidad de variaci

on de P ,
si T se mantiene constante, es
V
0,6T
= 2
P
P
Cuando T = 290 y P = 14,5, la tasa de variacion instantanea de V por
unidad de variacion de P , si T permanece fija en 290, es
V
0,6(290)
=
= 0,83;
P
14,52
es decir, esta tasa de variacion disminuyendo a razon de 0,83 litros por
cada atmosfera.
n de clase UIS

Ca
61
(d) Si P se incrementa en 0,25 y T permanece fija, entonces del resultado

del inciso (c) la variacion de V debe ser aproximadamente
(0,25)(0,83) = 0,21.
Por lo tanto, el volumen debe disminuir aproximadamente en 0,21 litros
para que la presion aumente de 14,5 a 14,75 atmosferas.
Derivadas parciales de
segundo orden
Por ser las derivadas parciales de una funcion de varias variables otra funci
on
de varias variables, se puede nuevamente intentar calcular sus derivadas
parciales.
Definici
on de n variables. Las segunda derivada parcial fxi xj de f
con respecto a las variables x1 , . . . , xn en el punto x = (x1 , . . . , xn ) se define en forma vectorial como
fxj (x + hek ) fxj (x)
h0
h
fxj xk (x) = lm
para j, k = 1, . . . , n, si el lmite existe. Las segundas derivadas parciales de f se suelen llamar derivadas
parciales de segundo orden, y tambien se denotan de la siguiente forma:

f
2f
fxj xk (x) = fxj (x) x = fjk (x) =

(x) =
(x)
k
xk xj
xk xj
Las segundas derivadas parciales fxj xk se llaman mixtas cuando j es diferente de k.
Una funci
on z = f (x, y) en dos variables tiene cuatro segundas derivadas
parciales, de las cuales dos son derivadas parciales mixtas:

f
2f
f
2f
fxx =
=
,
f
=
=
xy
x x
x2
y x
yx

f
2f
f
2f
fyx =
=
,
fyy =
=
x y
xy
y y
y 2
Derivadas parciales de
orden superior
Operativamente hablando, es facil pensar como calcular las derivadas parciales de orden m de una funcion de n variables. Desde el punto de vista
matematico la notacion se complica un poco, pero no es sustancialmente importante en la comprension de lo que entenderemos como todas las derivadas
parciales de orden m de f .
Definici
on 3.10. Las derivadas parciales de orden m de una funci
on en n variables f se pueden denotar
por
mf
xj11 xj22 xjnm
en donde los escalares j1 , . . . , jm son n
umeros enteros no negativos tales que j1 + j2 + + jm = m. Es
decir,
jm !
mf
j1 +j2 ++jm f
j1
j2
f
j1
j2
jm =
j1
j2
jm =
j1
j2
x1 x2 xn
x1 x2 xn
x1
x2
xjmm
62
n de clase UIS
Por ejemplo, si f es una funcion en cuatro variables x, y, z, w entonces una

derivada parcial de sexto orden de f es

3
6f
2
f
=
:= f3012 := fw3 yx2
x2 yw3
x2 y w3
Derivadas parciales
mixtas de orden superior
Las derivadas parciales de orden m de f se pueden clasificar en dos categoras.
Definici
on 3.11. Las derivadas parciales de exactamente orden m de f con respecto a la variable xk ser
an

mf
f
=
(m veces) para k = 1, . . . , n.
xm
x
x
x
k
k
k
k
Cualquier otra derivada de orden m de f que no sea con respecto u
nicamente a una de las variables x1 , . . . , xn
ser
a una derivada parciales mixta de orden m de f .
Ejemplo 3.19. Encuentre las terceras derivadas parciales de la funci
on
f (x, y) = xey 3 cos(x y).
Soluci
on.
fx (x, y) = ey + sen(x y)
fy (x, y) = xey sen(x y)
fxy (x, y) = ey cos(x y)

fyy (x, y) = xey + cos(x y)
fxx (x, y) = cos(x y)

fyx (x, y) = ey cos(x y)
fxxx (x, y) = sen(x y)

fxyx (x, y) = sen(x y)
fxxy (x, y) = sen(x y)

fxyy (x, y) = ey sen(x y)
fyxy (x, y) = ey sen(x y)

fyyy (x, y) = xey + sen(x y)
fyxx (x, y) = sen(x y)

fyyx (x, y) = ey sen(x y)
En el ejemplo anterior, las derivadas parciales mixtas de segundo y tercer orden son iguales: fxy = fyx , fxxy = fxyx = fyxx , fxyy = fyxy = fyyx . Leonard
Euler establecio y demostro por primera vez en 1734, en relaci
on con sus
estudios de hidrodinamica, las condiciones que garantizaban esta igualdad.
En general, este resultado se cumple bajo las siguientes condiciones.
Proposici
on 3.4 (Teorema de Clairaut o de Schwarz). Sea f : D Rn R una funci
on en n varias
variables. Si f tiene derivadas parciales continuas de orden m en un punto x dado en D, entonces todas las
derivadas parciales mixtas hasta de orden m de f en x son iguales.
Si por ejemplo, f es una funcion en cuatro variables que tiene derivadas
parciales de quinto orden continuas en un punto de su dominio, entonces
las derivadas mixtas de f de segundo, tercer, cuarto y quinto orden ser
an
iguales en ese mismo punto. El siguiente ejemplo considera una funci
on de
dos variables que tiene terceras derivadas parciales continuas.
2
2
Ejemplo 3.20. Verifique el Teorema de Clairaut para f (x, y) = xex y
con derivadas parciales de f de tercer orden.
Soluci
on. Primero se necesitan las primeras derivadas parciales:
fx (x, y) = ex
n de clase UIS
y 2
2x2 ex
y 2
fy (x, y) = 2xyex

Ca
y 2
63
Ahora se calculan las segundas derivadas parciales:

fxx (x, y) = 6xex
fyy (x, y) = 4xy 2 ex
y 2
y 2
+ 4x3 ex
y 2
fxy (x, y) = 4x2 yex
y 2
fyx (x, y) = 4x2 yex
y 2
Finalmente, se calculan las terceras derivadas parciales:
fxxx(x, y) = 6ex
fxyx (x, y) = 8xyex

fyyx (x, y) = 4y 2 ex
y 2
fyxx (x, y) = 8xyex
+ 24x2 ex
y 2
y 2
y 2
8x3 yex
y 2
2
8x2 y 2 ex
8x3 yex
y 2
8x4 ex
y 2
y 2
y 2
fxxy (x, y) = 12xyex
y 2
fxyy (x, y) = 8x2 y 2 ex

fyyy (x, y) = 8xyex
fyxy (x, y) = 4x2 ex
y 2
y 2
8x3 ex
y 2
y 2
y 2
8xy 3 ex
8x2 y 2 ex
y 2
Como las terceras derivadas parciales de f son continuas en cualquier punto

de R2 , entonces las derivadas parciales mixtas de segundo y de tercer orden
de f en cualquier punto de R2 seran iguales. En efecto, de los resultado
anteriores se observa que fxy = fyx en el caso de las segundas derivadas
parciales mixtas, y que fxxy = fxyx = fyxx y fxyy = fyxy = fyyx en el caso
de las terceras derivadas parciales mixtas.
La condicion de la continuidad de las derivadas parciales de orden m de f
es crucial. Por ejemplo, la funcion
2
2
xy(x y ) si (x, y) 6= (0, 0)
2
2
f (x, y) =
x +y
0
si (x, y) = (0, 0)
Problema de la no
existencia de las
derivadas parciales
64
tiene segundas parciales parciales en (0, 0) y no obstante fxy (0, 0) 6= fyx (0, 0).
Intuitivamente, la derivada parcial de una funcion de dos variables no existe

cuando la grafica de la funcion tiene dobleces, esquinas, huecos, hoyos o
picos. Por ejemplo, la funcion f (x, y) = x2 |y| no tiene derivada parcial
con respecto a y en todo punto de la forma (x, 0), en donde x es un n
umero
real cualquiera diferente de cero. Se observa de la figura que gr
afica de f
tiene un doblez a lo largo del eje x debido a la funcion |y|. De acuerdo a la
definicion de la derivada parcial de f ,
(
x2 si h 0
f (x, 0 + h) f (x, 0)
x2 |h|
fy (x, 0) = lm
= lm
=
h0
h0
h
h
x2 si h 0+
Como el lmite no es u
nico para todo x diferente de cero, entonces fx (x, 0)
no existe para todos esos valores de x; no obstante, fy (0, 0) = 0. Tambien
se puede demostrar que la derivada parcial fx (0, 0) existe y es cero.
Ejemplo 3.21. Sea f (x, y) = x2 |y|. (a) Determine si existen un plano que
pasa por el punto (0, 0, 0) de la gr
afica de f . En caso afirmativo, encuentre
la ecuaci
on del plano. (b) Es el plano tangente a la gr
afica de f en (0, 0, 0)?
Se puede garantiza que el plano tangente a la gr
afica de f en (0, 0, 0) existe?
(c) Que relaci
on se puede establecer entre la existencia de las derivadas
parciales en un punto y la existencia de un plano tangente a la gr
afica de f
en ese mismo punto?
n de clase UIS
Soluci
on. (a) Ambas derivadas parciales fx (0, 0) y fy (0, 0) existen y son
cero. Por lo tanto, los vectores directores a las rectas tangentes cuando
x = 0 y y = 0 son d1 = (0, 1, 0) = j y d2 = (1, 0, 0) = i, respectivamente.
La existencia de esto dos vectores no colineales determina la existencia del
plano que pasa por el punto (0, 0, 0) de la grafica de f . El vector normal al
plano es = j i = k y la ecuacion del plano que pasa por (0, 0, 0) es
z = 0.
(b) El plano que pasa por el punto (0, 0, 0) existe, pero desafortunadamente
no es tangente a la grafica en ese punto. Este hecho se puede observar
directamente de la grafica de f . Formalmente, por ejemplo los dos puntos
(0, 0, 0) y (0, 2, 0) son distintos y pertenecen tanto a la grafica de f como al
plano z = 0. Esto nos garantiza que existe un plano que pasa por el punto
(0, 0, 0) de la grafica de f pero no es tangente a la grafica de f en (0, 0, 0).
En consecuencia, no existe un plano tangente a la grafica de f en (0, 0, 0).
(c) Este ejemplo permite concluir que en general la existencia de las derivadas
parciales de una funcion en varias variables no garantiza la existencia del
plano tangente a la grafica de la funcion. Cosa bien distinta sucede en las
funciones de una variable en donde la existencia de la derivada de la funcion implica la existencia de la recta tangente a la grafica de la funci
on. En
conclusion, la existencia de las derivadas parciales de una funci
on en mas
de una variable no garantiza la existencia del plano tangente a la gr
afica de
la funcion.
Funciones suaves de
varias variables
Intuitivamente una funcion en dos variables se puede considerar suave si

su grafica no tiene dobleces, esquinas, huecos, hoyos o picos. El problema es
como convertir esta nocion intuitiva de suavidad en una nocion matem
atica
que aplique a cualquier funcion en varias variables. Al igual que en funciones
de una variable, la clave esta en la existencia de las derivadas parciales.
Definici
on 3.12. Una funci
on de varias variables f : D Rn R se dice suave de orden k en D si
las derivadas parciales de orden k de f existen y son continuas para todo x en D. Se asume que f tiene
suavidad de orden cero si f es continua, y que f es suave si f tiene suavidad de cualquier orden.
on f (x, y) = x|x|y 4 tiene suavidad de orden cero
y de primer orden, pero no tiene suavidad de segundo orden ni de ning
un
orden mayor que dos. Claramente f es continua, y las primeras derivadas
parciales de f existen y son continuas:
fx (x, y) = 2|x|y,
fy (x, y) = 4x|x|y 3 .
No obstante, la segunda derivada parcial fxx de f no existe a largo de todo

punto (0, y) en el eje y, con y 6= 0:
fxx (0, y) = lm
h0
fx (0 + h, y) f (0, y)
2|0 + h|y 2|0|y
= lm
h0
h
h
(
2y si h 0
|h|
= lm
(2y) =
h0 h
2y si h 0+
Por lo tanto f tiene suavidad de primer orden.
n de clase UIS

Ca
65
Diferenciabilidad
Aparentemente la diferenciabilidad de una funcion f en varias variables es,

en cierto modo, una medida de que tan suave es la funcion. Y por que tanto
ruido con la diferenciabilidad? Bien, se me ocurre explicarlo de otra manera
que no sea la del mecanismo que decide que tan suave es no una funci
on en
varias variable, y ella es una razon practica. Aunque pueda parecer una idea
sin sentido, la diferenciabilidad de f es de gran utilidad en el campo de las
aplicaciones; en particular, desde el punto de vista computacional. Suponga
que f es una funcion de varias variables que involucra funciones trascendentes. En la practica los valores de f (x) para un x dado, no se podr
an
obtener de forma exacta; de hecho, ni las calculadoras y computadoras mas
avanzadas de hoy da lo pueden hacer. Lo que se hace es recurrir a estimar
una aproximacion de f (x) mediante el valor p(x) de un polinomio lineal
p en n variables. Porque un polinomio lineal? Porque ellos son los polinomios de menor grado en n variables que involucran las cuatro operaciones
aritmeticas elementales con las cuales los seres humanos y las computadoras
sabemos operar: suma, resta, multiplicacion y division en sus variables.
Tratemos de entender lo que vamos a hacer. Empecemos por el caso mas
sencillo. En las funciones de una variable el valor de f (x) es aproximado por
el valor de un polinomio lineal p(x) que representa la ecuacion de la recta
tangente a la grafica de f en el punto (x0 , f (x0 )), en donde x0 un valor muy
cercano a x. Si pretendemos seguir este camino para el caso de las funciones
f en varias variables y tratamos de encontrar la ecuacion del plano tangente
mediante las derivadas parciales como se hizo en el Ejemplo 3.17, nos vamos
a encontrar con una seria dificultad.
En el Ejemplo 3.21 se muestra el caso de una funcion que tiene derivadas
parciales en un punto, pero no tiene un plano tangente a la gr
afica de la
funcion en ese punto. En ese caso la funcion f no es suave, tiene un doblez
a lo largo del eje x. Debemos intuir entonces que parte de la medida que
tan suave es una funcion f de varias variables esta ligada a la existencia de
sus derivadas parciales. Lo que no esta claro es como esto eventualmente
implique que se puedan aproximar localmente los valores de f (x) por los
valores p(x) de un polinomio lineal p en n variables que pasa por el punto
(a, f (a)).
No nos desanimemos y continuemos. Si la idea previa de encontrar la ecuaci
on
de un plano tangente a la grafica de una funcion en mas de una variable
con las derivadas parciales no funciona, busquemos otra manera de hacerlo, y ademas tratemos de dise
nar alg
un instrumento (matematico) que nos
indique cuando nos vamos a enfrentar a ese dificultad.
De ser f suave alrededor de un punto (a, f (a)), esperamos (lo mismo que
sucede con funciones de una variable) que los valores f (x) de la funci
on
en puntos x muy cercanos a a, se puedan aproximar localmente por los
valores p(x) de un polinomio lineal p en n variables que pasa por el punto
(a, f (a)). Obviamente existira un error en esta aproximacion y deber
a ser
posible estimarlo de la forma
|f (x) p(x)|,
para todo x cercano a a; cercana que dependera de que tan distante se
encuentre x de a y la cual se mide por kx ak.
Como el error en la aproximacion de p(x) a f (x) depende que tan cercano
este x de a, se requiere entonces que error en la aproximacion |f (x) p(x)|
66
n de clase UIS
relativo a la distancia entre x y a tienda a cero siempre que x este muy

cercano de a; i.e.,
|f (x) p(x)|
0
kx ak
siempre que x a,
o en otras palabras
lm
xa
|f (x) p(x)|
= 0.
kx ak
Si definimos el error (no absoluto) E(x, a) como

E(x, a) :=
f (x) p(x)
,
kx ak
entonces tendremos que

f (x) = p(x) + E(x, a) kx ak
donde
lm |E(x, a)| = 0.
xa
Evidentemente, esto nos indica que el valor f (x) es aproximado por el valor
de p(x) y que el error E(x, a) kx ak en esa aproximacion es muy peque
no,
casi cero, en cercanas de a.
Nos queda a
un por establecer como obtener el polinomio lineal p. Del Calculo
de funciones en una variable sabemos que las valores de f (x) se pueden
aproximar por los valores de la recta tangente (un polinomio lineal en una
variable) a la grafica de f en un punto (x0 , f (x0 )), donde el valor x esta
suficientemente cercano al valor x0 . Recordemos que la pendiente de la recta
tangente en el punto (x0 , f (x0 )) esta dada por
f (x0 ) = lm
xx0
f (x) f (x0 )
,
x x0
si el lmite existe. Supongamos que el lmite existe. El lmite anterior significa

que existe un n
umero m = f (x0 ) tal que
lm
xx0
|f (x) f (x0 ) m(x x0 )|

= 0.
|x x0 |
De nuevo, al definir el error E(x, x0 ) de la forma

E(x, x0 ) :=
f (x) f (x0 ) m(x x0 )

|x x0 |
tendremos que f es derivable en x0 si existe un n

umero m = f (x0 ) tal que
f (x) = f (x0 ) = m(x x0 ) + E(x, x0 )|x x0 |
donde
lm |E(x, x0 )| = 0.
xx0
n de clase UIS

Ca
67
Diferenciabilidad,
aproximaci
on lineal y
plano tangente
Es claro entonces como generalizar esta idea al problema de la aproximaci

on
de los valores de una funcion en n variables mediante un polinomio lineal
en n variables. Antes se requiere introducir una notacion adicional.
Los elementos del conjunto R1n de las matrices de orden 1 n se llaman
vectores filas de orden n, y los elementos del conjunto Rn1 de las matrices
de orden n 1 se llaman vectores columnas de orden n. Los vectores de Rn
se identifican como vectores columnas de orden n. Es claro de la definici
on
que la transpuesta de un vector fila de orden n es un vector columna de
orden n, y viceversa. Por ejemplo, en R3 tenemos que
T
4

(4, 2, 3)T = 2 = 4
3
2 3
el cual es un vector fila de orden 3.

Muchos problemas en la fsica e ingeniera requieren del uso de metodos
vectoriales o matriciales relacionados con funciones de varias variables, el
llamado analisis vectorial, los cuales requieren de la notacion de tipo vectorial. Tambien la necesidad de este tipo de notacion se requiere de una
notacion eficiente para la derivada y la regla de la cadena de campos escalares. A fin de resolver este problema de notacion, primero que todo se
consideran los vectores de Rn como vectores columnas de orden n. Segundo,
se redefine el producto escalar de vectores de Rn en terminos de vectores
filas o columnas, es decir, matrices. Si x y y estan en Rn entonces se define
su producto escalar entre ellos como
x y = xT y = x1 y1 + + xn yn ,
donde x e y se consideran como vectores filas de orden n, siendo xT la
transpuesta de x, un vector fila de orden n.
Finalmente, la anterior notacion tiene por objeto lo siguiente. Como la
derivada de una funcion escalar definida de R en R es un escalar, una matriz de orden 1 1, y la derivada de una funcion vectorial definida de R en
Rn es un vector de Rn , una matriz columna de orden n, entonces podemos
suponer que la derivada de toda funcion definida de Rn en R es una matriz
de orden 1 n, es decir, un vector fila de orden n. En general debemos
tener que si f : D Rn Rm es una funcion, su derivada Df (x) debe ser
una matriz de orden m n. En terminos de esta notacion se puede definir
la diferenciabilidad de una funcion de n variables, o campo escalar, de la
siguiente manera.
Definici
on 3.13 (Diferenciabilidad de un campo escalar). Se dice que una funci
on f en n variables es
diferenciable en a si existe un vector fila Df (a) de orden n, llamado la derivada f en a, tal que
f (x) = f (a) + Df (a)(x a) + E(x, a) kx ak
donde
lm |E(x, a)| = 0.
xa
68
n de clase UIS
Considerando la definicion de producto interior anterior tenemos que el producto de matrices Df (a)(x a) se puede escribir como el producto de
vectores de Rn ,
Df (a)(x a) Df (a)T (x a)
Definici
on 3.14 (Gradiente de un campo escalar). Si f es una funci
on f en n variables que es diferenciable en a, se define el gradiente de f en a, f (a), como el vector Df (a)T de Rn . Es decir, f (a) = Df (a)T .
Es claro de esta definicion que f (a)T = Df (a), un vector fila de orden n.
Igualmente, si se adopta la notacion cartesiana usual, entonces la derivada
y el gradiente de un campo escalar seran el mismo vector. En lo sucesivo
solo se adoptara la notacion vectorial.
Si f es diferenciable en a, entonces el polinomio lineal en n variables
p(x) = f (a) + Df (a)(x a)
sera la ecuacion del plano tangente a f que pasa por el punto (a, f (a)).
As, la diferenciabilidad de f en a es equivalente a la existencia de un plano
tangente a la grafica de f en el punto (a, f (a)) y mediante el cual los valores
de p(x) aproximan el valor de f (x) en el sentido indicado anteriormente.
De acuerdo con esta notacion, el polinomio del plano tangente a la gr
afica
de f en (a, f (a)) tendra la forma
p(x) = f (a) + Df (a)(x a)
= f (a) + f (a)T (x a) = f (a) + f (a) (x a),
en donde x a se considera como un vector columna de orden n.

Observaci
on 3.2. Al reescribir la ecuaci
on del polinomio p(x) en la forma
vectorial
(f (a), 1) (x a, p(x) f (x)) = 0
se concluye que el vector (Df (a), 1) es ortogonal a la gr
afica de f en
el punto (a, f (a)). No obstante este resultado, son necesario algunos otros
resultados para establecer que esta conjetura es cierta (cf. Proposiciones 3.17
y 3.18).
Ahora, el problema de aproximar los valores de f (x) mediante los valores del
polinomio p(x) se reduce a poder encontrar el gradiente (o la derivada) de
f . Vamos por partes. Al igual que en el caso de funciones en una variable,
primero se debe establece la unicidad de la derivada y que derivabilidad
implica continuidad.
Proposici
on 3.5 (Unicidad de la derivada). Si el gradiente de la funci
on f : D Rn R en n variables
existe en un punto a, entonces el gradiente es u
nico.
Este resultado garantiza que existe un u
nico plano tangente a la gr
afica de
f en el punto (a, f (a)) y en consecuencia, que existe un u
nico polinomio
n de clase UIS

Ca
69
p(x) que satisface el punto (a, p(x)) y permite aproximar el valor de f (x)
para x en cercanas de a.
Proposici
on 3.6 (Continuidad y diferenciabilidad). Si la funci
on f : D Rn R en n variables es
diferenciable en un punto a en D, entonces f es continua en a.
Demostraci
on. Si f es diferenciable en a,
f (x) = f (a) + f (a) (x a) + E(x, a) kx ak
en donde
lm |E(x, a)| = 0.
xa
Por lo tanto,
0 |f (x) f (a)| |f (a) (x a)| + |E(x, a)| kx ak
= kf (a)k kx ak | cos | + |E(x, a)| kx ak
kf (a)k kx ak + |E(x, a)| kx ak
en donde los terminos del lado derecho de la ultima desigualdad tienden a

cero cuando x a, y entonces
lm f (x) = f (a).
xa
Por lo tanto, f es continua en a.

Diferenciabilidad y
existencia de las
derivadas parciales
Hasta ahora seguimos sin disponer de una herramienta para encontrar el

gradiente de una funcion de varias variables, y de por si la definici
on no es
u
til para lograrlo. Sin embargo, y como se vera a continuacion, la diferenciabilidad de la funcion implica la existencia de sus derivadas parciales y una
forma de calcular el gradiente de la funcion.
Proposici
on 3.7. Si la funci
on de n variables f : D Rn R es diferenciable en x, entonces las primeras
derivadas parciales de f existen en x y adem
as el gradiente es el vector de esas derivadas parciales en x:

f
f
f (x) =
(x), . . . ,
(x)
x1
xn
Demostraci
on. Si f es diferenciable en a, entonces
lm
xa
|f (x) f (a) f (a) (x a)|

=0
kx ak
Sea x = a + hej . Entonces

lm
xa
|f (a + hej ) f (a) h(f (a))j |

=0
|h|
o tambien,
70

f (a + hej ) f (a)

lm
(f (a))j = 0.
xa
h
n de clase UIS
Esto implica que

f (a + hej ) f (a)
= (f (a))j
h
y por tanto, la jesima derivada parcial
lm
xa
f
(a) = (f (a))j ,
xj
es la jesima componente del gradiente.
No obstante lo anterior, poder obtener el gradiente de f depende que f
sea diferenciable, cosa que a
un no sabemos como establecer ni condiciones
que las garantizan. Afortunadamente el siguiente criterio nos resuelve el
problema.
Proposici
on 3.8. Si la funci
on f : D Rn R en varias variables tiene primeras derivadas parciales en
todo punto cercano a a y si adem
as esas derivadas parciales son continuas en x, entonces f es diferenciable
en a.
El siguiente diagrama resume los resultados anteriores.
Definicion de
diferenciabilidad
Primeras derivadas
parciales continuas
Diferenciabilidad
Existencia de las
derivadas parciales
Continuidad
Gradiente
Obviamente este diagrama nos dice tambien que la existencia del gradiente
no implica que la funcion sea continua. Existe un ejemplo?
Ejemplo 3.23. Mostrar que la funci
on
f (x, y) =
x2 y 2
x2 + y 2
es diferenciable en todos en plano xy excepto en el origen.

Soluci
on. Las derivadas parciales de f son
f
2x(x2 + y 2 ) 2x(x2 y 2 )
4xy 2
(x, y) =
=
,
x
(x2 + y 2 )2
(x2 + y 2 )2
f
2y(x2 + y 2 ) 2y(x2 y 2 )
4x2 y
(x, y) =
=
,
y
(x2 + y 2 )2
(x2 + y 2 )2
las cuales son continuas excepto cuando (x, y) = (0, 0). La Proposici
on 3.6
y su contrarrecproco garantizan que f es diferenciable en todos los puntos
del plano xy con excepcion del origen. Ademas la Proposicion 3.7 garantiza
que el gradiente de f existe y esta definido por
f (x, y) =
4xy
(y, x)
(x2 + y 2 )2
todos los puntos del plano xy con excepcion del origen.

n de clase UIS

Ca
71
Ejemplo 3.24. Encuentre la ecuaci

on del plano tangente a la gr
afica de la
funci
on f (x, y) = x2 + y 2 en el punto (1, 1, 2).
Soluci
on. Observe que f (x, y) = (2x, 2y). Por lo tanto, la ecuaci
on del
plano tangente a la grafica de la funcion f en el punto (1, 1, 2) resulta ser
z 2 = 2(x 1) + 2(y 1)
o bien
2x + 2y z = 2
A la derivada de funciones de varias variables se le debe exigir que cumpla
las mismas propiedades de la derivada usual, es decir, si f, g son funciones
en varias variables y diferenciables y c es un escalar, entonces las funciones
f + g y cf deben ser diferenciables y
D(f + g) = Df + Dg
D(cf ) = cD(f )
Es decir, D debe ser una transformacion lineal, y Df (x) es un vector
(W.H. Young, 1908; M. Frechet, 1911). A continuacion se establece que las
propiedades algebraicas del gradiente se comportan como las reglas usual
de las derivadas.
Proposici
on 3.9 (Reglas del gradiente). Supongamos de los gradiente de las funciones f y g existen.
Entonces
1. (f (x) + g(x)) = f (x) + g(x)
2. (cf (x)) = cf (x)
3. (f (x)g(x)) = f (x)f (x) + g(x)f (x)

f (x)
g(x)f (x) f (x)g(x)
4.
=
g(x)
g 2 (x)
Demostraci
on.

(f g)
(f g)
g
f
g
f
(f g) =
,...,
= f
+g
,...,f
+g
x1
xn
x1
x1
xn
xn

g
g
f
f
=f
,...,
+g
,...,
= f g + gf
x1
xn
x1
xn
Las otras demostraciones son similares.
Ejemplo 3.25. Encuentre la derivada de f si f (x, y) = (x2 y 2 )/(x2 + y 2 ).
Soluci
on. De las reglas de la derivada, y la Proposicion 3.7 el gradiente o
derivada de f existe y esta definido por

2x(x2 + y 2 ) 2x(x2 y 2 ) 2y(x2 + y 2 ) 2y(x2 y 2 )
f (x, y) =
,
(x2 + y 2 )2
(x2 + y 2 )2

2
2
4xy
4x y
4xy
=
, 2
= 2
(y, x),
2
2
2
2
2
(x + y ) (x + y )
(x + y 2 )2
para todo punto del plano con excepcion del origen.
72
n de clase UIS
Diferenciales
Como hemos visto, si f es diferenciable en a y x esta cercano de a, entonces los valores de f (x) pueden ser aproximados mediante los valores del
polinomio lineal p(x) = f (a) + f (a) (x a). Adicionalmente, tambien
podemos considerar en aproximar los valores de f (x) mediante los valores
de f (a), supuesto que el valor de f (a) es facil de obtener. El incremento del
error (no absoluto) en esta aproximacion sera f (x) f (a). Como f es una
funcion de n variables y diferenciable en a entonces
f (x) f (a) = f (a) (x a) + E(x, a) kx ak
en donde
lm E(x, a) = 0.
xa
Sea f (x) = f (x f (a) el incremento de f , y x = x a el incremento

en x. Entonces
f (x) = f (a) x + E(x, a) kxk
en donde
lm E(x, a) = 0.
x0
Tenemos as que f (a) x sera una buena aproximacion del incremento

f (x). Esto sugiere la siguiente definicion.
Definici
on 3.15. Sea f una funci
on diferenciable, y sea dx = (dx1 , . . . , dxn ) el vector diferencial de x (el
vector de los diferenciales dx1 , . . . , dxn de x1 , . . . , xn ). La diferencial (total) de f , denotada como df (x), se
define en forma vectorial como
df (x) = f (x) dx
o en forma cartesiana como
df (x1 , . . . , xn ) =
f
f
(x1 , . . . , xn )dx1 + +
(x1 , . . . , xn )dxn
x1
xn
Ejemplo 3.26. Un envase met

alico cerrado tiene la forma de cilndrico
circular recto de 6 pulg. de altura interior, de 2 pulg. de radio interior y
de 0.1 pulg. de grosor. Si el costo del metal es de 40 centavos por pulgada
c
ubica, aproxime mediante diferenciales el costo total del metal empleado en
la elaboraci
on del envase.
Soluci
on. Si V es el volumen en pulgadas c
ubicas de un cilindro circular
recto que tiene un radio de r pulgadas y una altura de h pulgadas, entonces
V = V (r, h) y
V = r2 h
El volumen exacto del metal empleado en el envase metalico es la diferencia
entre los vol
umenes de dos cilindros circulares rectos de dimensiones r1 = 2,
h1 = 6 y r2 = 2,1 y h2 = 6,2, pulgadas, respectivamente. El incremento
V proporciona el volumen exacto del metal empleado en el envase, pero
n de clase UIS

Ca
73
como u
nicamente se desea un valor aproximado, se calcula el diferencial dV .
Considerando
dV =
V
V
dr +
dh = 2rh dr + r2 dh
r
h
con r = r1 = 2, h = h1 = 6, dr = r = 0,1 y dh = h = 0,2 se obtiene

dV = 2(2)(6)(0,1) + (2)2 (0,2) = 3,2.
De este modo, V 3,2 pulgadas c
ubicas sera la cantidad aproximada
de material empleado en el envase. Puesto que el costo del metal es de 40
centavos por pulgada c
ubica, el costo aproximado del metal empleado en el
envase es (40)(3,2) = 128 402 centavos, es decir, $4,02.
Regla de la cadena
La Regla de la cadena establece condiciones para la existencia de la derivada

de la composicion de funciones, y una forma de calcularla. Las funciones de
varias variables se pueden componer, hasta el momento, con una funci
on de
una variable o una funcion de una variable:
hf
D Rn
If I R
f (x)
h(f (x))
o de una funcion vectorial con una funcion de varias variables

f R
I R
t
IR D Rn
R(t)
R
f (R(t))
En el primer caso la composicion es una funcion en varias variables y en el

segundo una funcion escalar o de una variable.
Proposici
on 3.10. Sean f : I Rn R una funci
on de n variables y h : I R R una funci
on escalar
tales que la intersecci
on If Dh es no vaca. Si f es diferenciable de x y h es diferenciable de f (x) entonces
v = h f es diferenciable de x y adem
as
v(x) = h (f (x))f (x)
x1
u
x1
..
.
xn
74
En notaci
on cartesiana, esta version de la regla de la cadena se puede formular como sigue. Si v es una funcion diferenciable de u, definida por v = h(u),
donde u = f (x1 , . . . , xn ) es diferenciable de x1 , . . . , xn , entonces la funci
on
v es diferenciable de x1 , . . . , xn , y ademas
u
u
xn
dv
du
v
dv u
v
dv u
=
,...,
=
x1
du x1
xn
du xn
La regla de la cadena es facil de recordar utilizando el diagrama de arbol

adjunto con ramas que parten de las componentes de la variable x, luego a
la variable u y finalmente a la variable v.
n de clase UIS
Ejemplo 3.27. Si h es una funci

on de una variable y diferenciable. De3
2
muestre que la funci
on z = h x2 y3 satisface la ecuaci
on en derivadas
parciales
y2
2
Soluci
on. Sea u = x2 y3 . Se desea probar que la funcion z = f (u)
satisface la ecuacion dada. De la regla de la cadena, utilizando el diagrama
de la figura, se obtiene
u
x
u
y
z
z
+x
=0
x
y
dz
du
dz u
z
=
= xf (u)
x
du x
z
dz u
=
= y 2 xf (u)
y
du y
u
y
Por lo tanto,
y2
z
z
+x
= y 2 (xf (u)) + x(y 2 f (u)) = 0.
x
y
Proposici
on 3.11. Sean R : I R Rn una funci
on vectorial y f : D Rn R una funci
on de n
variables tales que la intersecci
on IR Df es no vaca. Si R (t) existe y f es diferenciable de R(t) entonces
u = f R es diferenciable de t y adem
as
u (t) = f (R(t)) R (t)
dx1
dt
x1
u
x1
..
.
t
dxn
dt
dx
dt
xn
La forma cartesiana de esta version de la regla de la cadena es como sigue. Si

u es una funcion diferenciable de x1 , . . . , xn , definida por u = f (x1 , . . . , xn ),
donde x1 , . . . , xn son diferenciables de t, entonces la funcion u es diferenciable de t, y ademas
Esta formula se obtiene del diagrama de arbol anexo con ramas que parten
de la variable t, luego a las variables x1 , . . . , xn , y finalmente a la variable
u.
Ejemplo 3.28. Determine du/dt si u = yex + xey , x = cos t, y = sen t.
Soluci
on. De la regla de la cadena, empleando el diagrama de arbol de la
figura anexa, se tiene
u
xn
u
x
u
dy
dt
du
u dx1
u dxn
=
+ +
dt
x1 dt
xn dt
u
y
u dx u dy
du
=
+
dt
x dt
y dt
x
y
= (ye + e )( sen t) + (ex + xey ) cos t
= (cos t sen2 t)ecos t + (cos2 t sen t)esen t
Ejemplo 3.29. Utilice la ley del gas ideal (Ejemplo 3.18) con k = 0,8
para obtener la tasa a la que la temperatura varia en el instante en que el
volumen del gas es de 15 litros y el gas est
a bajo presi
on de 12 atm
osferas,
si el volumen se incrementa a la tasa de 0,1 litros por minuto y la presi
on
disminuye a la tasa de 0,2 atm
osferas por minuto.
n de clase UIS

Ca
75
dP
dt
T
P
T
dV
dt
Soluci
on. Sean t minutos el tiempo que ha transcurrido desde que el volumen del gas comenzo a incrementarse. Sean T grados Kelvin la temperatura,
P atmosferas la presion y V litros el volumen a los t minutos. De la ley del
gas ideal,
T =
T
V
1
0,8 P V
= 1,25P V.
dP
dV
En el instante dado, P = 12, V = 15,
= 0,2, y
= 0,1. Al aplicar
dt
dt
la regla de la cadena,
T dP
T dV
dT
=
+
dt
P dt
V dt
dP
dV
= 1,25V
+ 1,25P
dt
dt
= 1,25(15)(0,2) + 1,25(12)(0,1)
= 2,25
Por lo tanto, la temperatura disminuye a la tasa de 2,25 grados Kelvin por
minuto, el instante indicado.
Aunque a
un no se tiene la definicion de un campo vectorial, ni de su derivaba,
la siguiente version de la regla de la cadena tambien es valida.
Proposici
on 3.12. Sean F : D Rn Rn una campo vectorial y f : D Rn R una funci
on de n
variables tales que la intersecci
on IF Df es no vaca. Si F es diferenciable de x y f es diferenciable de F(x)
entonces u = f F es diferenciable de x y adem
as
u(x) = f (F(t))DF(x)
y1
x1
y1
..
.
yn
..
.
y1
x1
x1
yn
xn
y1
..
.
yn
76
La forma cartesiana de esta version la regla de la cadena es la siguiente. Si

u es una funcion diferenciable de x1 , . . . , xn , definida por u = f (x1 , . . . , xn ),
donde x1 , . . . , xn son diferenciables de y1 , . . . , yn , entonces la funci
on u es
diferenciable de y1 , . . . , yn , y ademas
..
.
..
.
..
.
xn
xn
yn
u
x1
du
u x1
=
+ +
dy1
x1 y1
du
u x1
=
+ +
dy2
x1 y2
..
.
du
u x1
=
+ +
dyn
x1 yn
u
xn
u
xn
u
xn
xn
y1
xn
y2
u xn
xn yn
Esta formula se obtiene del diagrama de arbol anexo con ramas que parten
de la variable y1 , . . . , yn , luego a las variables x1 , . . . , xn , y finalmente a la
variable u.
Ejemplo 3.30. Sean u = x2 + yz, x = r sen t, y = r cos t y z = r sen2 t.
Calcular u/r y u/t aplicando la regla de la cadena.
n de clase UIS
Soluci
on. De la regla de la cadena, empleando el diagrama de arbol anexo,
se tiene
x
r
x
t
x
t
y
r
= 2r sen2 t + r sen2 t cos t + r sen2 t cos t

= 2r sen2 t(1 + cos t)
y
t
u x u y
u
=
+
r
x r
y r
= 2x sen t + z cos tt + y sen2 t
u
x
u
y
y
t
y
u
u x u y
=
+
t
x t
y t
= 2xr cos t zr sen t + 2yr sen t cos t
= 2r2 sen t cos t r2 sen3 t + 2r2 sen t cos2 t

= r2 sen t(2 cos t + 2 cos2 t sen2 t)
Derivaci
on parcial
implcita
La regla de la cadena se puede aplicar para obtener un resultado que proporciona una formula para calcular la derivada de una funcion definida implcitamente.
Proposici
on 3.13. Sea f (x) una funci
on de una variable que es diferenciable tal que y = f (x) y f esta
definida implcitamente por la ecuaci
on F (x, y) = 0. Si F es diferenciable y Fy (x, y) 6= 0 entonces
dy
Fx (x, y)
=
dx
Fy (x, y)
Demostraci
on. Sea z = F (x, y) donde y = f (x). De la regla de la cadena,
dw
dx
dy
= Fx (x, y)
+ Fy (x, y)
dx
dx
dx
Debido a que w = F (x, f (x)) es diferenciable para todo x en el dominio de
f y por hipotesis F (x, f (x)) = 0, entonces dw/dx = 0. Ademas dx/dx = 1.
Por lo tanto,
0 = Fx (x, y) + Fy (x, y)
dy
dx
Puesto que Fy (x, y) 6= 0, al resolver esta ecuacion para dy/dx se obtiene el

resultado.
Ejemplo 3.31. Calcule dy/dx si x cos y + y cos x + 1 = 0.
Soluci
on. Sea F (x, y) = x cos y + y cos x + 1. Entonces
Fx (x, y) = cos y y sen x,
Fy (x, y) = x sen y + cos x
Del la Proposicion 3.13,

dy
Fx (x, y)
cos y y sen x
y sen x cos y
=
=
=
dx
Fy (x, y)
x sen y + cos x
cos x x sen y
para todo (x, y) tal que cos x 6= x sen y.
n de clase UIS

Ca
77
Para ecuaciones en tres variables x, y, z que se suponen definen implcitamente a z en funcion de x y y se obtiene el siguiente resultado, un an
alogo
de la proposicion anterior.
Proposici
on 3.14. Sea f (x, y) una funci
on de dos variables que es diferenciable tal que z = f (x, y) y f
esta definida implcitamente por la ecuaci
on F (x, y, z) = 0. Si F es diferenciable y Fz (x, y, z) 6= 0 entonces
z
Fx (x, y, z)
=
,
x
Fz (x, y, z)
z
Fy (x, y, z)
=
.
y
Fz (x, y, z)
Ejemplo 3.32. Calcule z/x y z/y si

4z 3 + 3xz 2 xyz 2xy 2 + 7 = 0.
Soluci
on. Sea F (x, yz) = 4z 3 + 3xz 2 xyz 2xy 2 + 7. Entonces
Fx = 3z 2 yz 2y 2 ,
Fy = xz 4xy,
Fz = 12z 2 + 6xz xy.
De la Proposicion 3.14,
3z 2 yz 2y
z
=
,
x
12z 2 + 6xz xy
z
xz 4xy
=
y
12z 2 + 6xz xy
si 12z 2 + 6xz xy 6= 0.
3.4.
Gradientes y derivadas direccionales

Las derivadas direccionales son especialmente importantes para establecer
un sentido fsico y geometrico de la derivada o gradiente de una funci
on f
en n varias variables, y en especial para demostrar que el polinomio lineal
en n variables, p(x) = f (a) + f (a) (x a) representa efectivamente la
ecuacion del plano tangente a la grafica de f en el punto de coordenadas
(a, f (a)); asunto que a
un esta por demostrar.
Definici
on 3.16 (Derivada direccional). Sea f : D Rn R una funci
on
de n variables. Se define la derivada de f en a en la direcci
on del vector u
como
f
f (a + hu) f (a)
(a) = lm
,
h0
u
h
si el lmite existe. Si u es un vector unitario, Du f (a) se llama la derivada
direccional de f en a en la direcci
on del vector u.
Para un campo escalar f definido de R2 en R, la derivada direccional de f en
un punto (x0 , y0 ) se puede interpretar geometricamente como la componente
en z del vector tangente en el punto (x0 , y0 , f (x0 , y0 )) a la curva C que es
la interseccion de la grafica de f y el plano que pasa por la recta (x, y) =
(x0 , y0 ) + tu, t R, y es perpendicular al plano xy.
Ejemplo 3.33. Calcule la derivada direccional de la funci
on f (x, y) = 12
x2 4y 2 si u es el vector unitario de direcci
on /6.
78
n de clase UIS
Soluci
on. Como u = cos 6 i + sen 6 j =
3
2 i
+ 12 j entonces
f (x + h 23 , y + h 12 )) f (x, y)
f
(x, y) = lm
h0
u
h
3hx 47 h2 4hy
= lm
h0
h
= lm ( 3x 74 h 4y)
h0
= 3x 4y
Proposici
on 3.15 (Diferenciabilidad y derivada direccional). Si f es diferenciable en a entonces
f
(x0 ) = f (x0 ) u.
u
Demostraci
on. Si f es diferenciable en a las derivadas parciales de f en
a existen y ademas
f (x) = f (a) + f (a) (x a) + E(x, a) kx ak
en donde E(x, a) 0 cuando t 0. Supongamos que x es un punto en
la recta x = a + hu para alg
un escalar h. Observe que x a si y solo si
h 0. Por lo tanto,
f (a + hu) f (a)
= f (a) u E(a + hu, a)
h
en donde E(a + hu, a) 0 cuando h 0. Como el lmite del lado izquierdo
de esta ecuacion existe, entonces se concluye que f (a)/u existe. Tomando
lmite cuando h tiende a cero en ambos lados de la ecuacion anterior se
obtiene el resultado.
Proposici
on 3.16 (Primer sentido geometrico del gradiente). Sea f una
funci
on de n variables y diferenciable en a, donde f (a) es un vector no
nulo.
(a) El valor m
aximo de f (a)/u es kf (a)k, el cual se obtiene cuando
la direcci
on de u es la de f (a). Por esta raz
on, f (a) apunta en la
direcci
on a lo largo de la cual f crece mas r
apido.
(b) El valor mnimo de f (a)/u es kf (a)k, el cual se obtiene cuando
la direcci
on de u es la direcci
on opuesta de f (a). Por esta raz
on,
f (a) apunta en la direcci
on a lo largo de la cual f decrece mas
r
apido.
Demostraci
on. Si u es un vector unitario entonces
f
(a) = f (a) u = kf (a)k kuk cos = kf (a)k cos ,
u
donde representa el angulo entre u y f (a). Este angulo es m
aximo
cuando = 0; esto es, cuando u y f (a) son paralelos. Si = el angulo es
mnimo, y u y f (a) tienen direcciones opuestas y f (a)/u = kf (a)k.
Se considera en la hipotesis que f (a) 6= 0, porque si f (a) = 0 entonces
f (a)/u = 0 para cualquier u.
n de clase UIS

Ca
79
Es decir, si nos queremos mover en la direccion en la cual f crece mas r

apido, debemos hacerlo en la direccion de f (a). Analogamente, si deseamos
movernos en la direccion en la cual f decrece mas rapido, debemos hacerlo
en la direccion de f (a).
Ejemplo 3.34. Dada la funci
on f (x, y) = 2x2 y 2 + 3x y, calcular el
valor m
aximo de f /u en el punto (1, 2).
Soluci
on. Como fx (x, y) = 4x + 3 y fy (x, y) = 2y 1, entonces

f (1, 2) = ((4x + 3)i (2y + 1)j)
= 7i + 3j
(1,2)
Por lo tanto, el valor maximo de f /u en (1, 2) es

p
kf (1, 2)k = 72 + 32 = 49 + 9 = 58
Ejemplo 3.35. Sea V (x, y, z) volts el potencial electrico todo punto (x, y, z) 6=
(0, 0, 0) del espacio tridimensional, dado por
1
V (x, y, z) = p
.
2
x + y2 + z 2
(a) Calcule la tasa de variaci

on de V en el punto (2, 2, 1) en la direcci
on
del vector 2i 3j + 6k. (b) Determine la direcci
on de la mnima tasa de
variaci
on de V en (2, 2, 1).
Soluci
on. (a) El vector unitario u en la direccion de 2i 3j + 6k es
u = 27 i 73 j + 67 k
Como
V (x, y, z) = Vx (x, y, z)i + Vy (x, y, z)j + Vz (x, y, z)k
1
= 2
(xi + yj + zk)
(x + y 2 + z 2 )3/2
entonces
V
(2, 2, 1) = V (2, 2, 1) u
u
2
2
2
= ( 27
i + 27
j 27
k) ( 27 i 37 j + 67 k)
8
=
= 0,042.
189
Por lo tanto, en (2, 2, 1) el potencial crece aproximadamente a una
tasa de 0,042 volts por unidad de variacion en la distancia medida en
la direccion de u.
(b) El vector unitario en la direccion de V (2, 2, 1) es
2
i+
V (2, 2, 1)
= 27
kV (2, 2, 1)k
2
27 j
3
27
2
27 k
2
2
1
i + j k.
3
3
3
Los cosenos directores de este vector son 2/3, 2/3 y 1/3, los cuales
proporcionan la direccion de la mnima tasa de variacion de V en
(2, 2, 1).
La siguiente proposicion establece una relacion directa entre el gradiente y
el conjunto de nivel de un campo escalar.
80
n de clase UIS
Proposici
on 3.17 (Segundo sentido geometrico del gradiente). Sea g :
Rn R una funci
on con primeras derivadas parciales continuas y a un
punto en el conjunto de nivel Lc (g) definida por g(x) = c, para alguna
constante c. Entonces g(a) es normal a Lc (g) en el siguiente sentido:
para todo vector v tangente a una trayectoria C en Lc (g) que pasa por a se
cumple que g(a) v = 0.
Demostraci
on. Si C es una trayectoria en Lc (g) que pasa por a y esta
definida por R(t), entonces existe un escalar t0 tal que R(t0 ) = a y adem
as
g(R(t0 )) = c. Como v es tangente a C en a entonces v y R (t0 ) son colineales.
Sin perdida de generalidad supongamos que v = R (t0 ). As que derivando
en ambos lados de la ecuacion g(R(t0 )) = c con respecto a t y aplicando la
regla de la cadena tenemos que

d
d

0 = g(R(t0 )) = g(R(t))
= g(R(t)) R (t)
dt
dt
t=t0
t=t0
= g(R(t0 )) R (t0 ) = g(a) v
Definici
on 3.17 (Plano tangente). Sea S el conjunto de nivel ndimensional
formada por los puntos x en Rn tales que g(x) = c, para c una constante
dada. El plano tangente a S en un punto a de S se define por la ecuaci
on
vectorial
g(a) (x a) = 0
El campo gradiente
si g(a) es diferente del vector nulo.

La diferencial con el uso adquirio el nombre de gradiente o campo gradiente,
debido a que este vector genera un campo vectorial que es tangente en cada
punto a las curvas de nivel de g. El gradiente asociado con cada punto x
en el dominio de g es el vector g(x). El conjunto de todos esos vectores
en Rn se llama el campo gradiente de gf . Geometricamente, el gradiente se
representa una flecha de origen en x y extremo x + g(x).
Proposici
on 3.18 (Tercer sentido geometrico del gradiente). Sea f una
funci
on en n variables que es diferenciable en a. Entonces la ecuaci
on del
plano tangente a la gr
afica de f en el punto de coordenadas (a, f (a)) esta
dada por el polinomio lineal en n variables,
p(x) = f (a) + f (a) (x a).
Demostraci
on. Consideremos el caso n = 2 y sea z = f (x, y). Sea g
la funcion en tres variables definida de la forma g(x, y, z) = f (x, y) z.
Observe que la grafica Gf de f coincide con la curva de nivel Lk (g) de g
cuando k = 0; es decir, Gf = L0 (g). Entonces tendremos que el vector
g(x0 , y0 , z0 ) = (fx (x0 , y0 ), fy (x0 , y0 ), 1) = (f (x0 , y0 ), 1) es normal a
la grafica de f en el punto (x0 , y0 , z0 ) = (x0 , y0 , f (x0 , y0 )). En consecuencia,
este vector y este punto determinan un plano tangente a la grafica de f en
tal punto, y su ecuacion esta dada de la forma,
(f (x0 , y0 ), 1) (x x0 , y y0 , z f (x0 , y0 )) = 0;
o lo que es lo mismo,
z = f (x0 , y0 ) + f (x0 , y0 ) (x x0 , y y0 ).
n de clase UIS

Ca
81
3.5.
Extremos de funciones de varias variables

Sea f : D Rn R una funcion y M un subconjunto de Rn tal que la
interseccion D M es no vaca; usualmente se considera M es un subconjunto del dominio D de f . Un problema de optimizacion no lineal tiene la
estructura estandar dada por
mn{f (x) | x M }
o
max{f (x) | x M },
donde M es un subconjunto de Rn , el cual puede representar o no una
trayectoria en Rn .
Por ejemplo, M puede ser la bola ndimensional
B(O, r) = {x Rn | kxk r}
con centro en el origen de Rn y radio positivo r; o el conjunto de nivel
Lk (g) = {x Rn | g(x) = k},
donde k es una constante apropiada. Cuando M = B(O, r), el problema se
suele llamar de optimizacion global, y cuando M = Lk (g) un problema de
optimizacion con restricciones. Ambos tipos de problemas de optimizaci
on
seran discutidos en esta seccion.
3.5.1.
Extremos sin restricciones

Un problema de optimizacion o extremos sin restricciones (o global) consiste en el problema de encontrar los extremos locales o extremos absolutos
de una cierta funcion f de varias variables, donde f se considera definida
en todo su dominio. En esta seccion se estudian resultados que garantizan
condiciones que permiten establecer cuales son los extremos locales de f ,
si ellos existen. Como veremos, el criterio de la primera derivada para funciones de una variable no se puede extender al caso de funciones de varias
variables. La extension del criterio de la segunda derivada es posible y su
demostracion require del teorema de Taylor para funciones variables. Las
condiciones que permiten cuales son los extremos locales de f requieren de
algunos resultados de Algebra Lineal. Finalmente, es oportuno aclarar que
desafortunadamente no se pueden establecer criterios que permitan encontrar los extremos absolutos de un problema de optimizacion sin restricciones.
Para a en Rn y > 0, B(a, ) denota la vecindad (abierta) de a de radio
definida como
B(a, ) = {x Rn | kx ak < }
M
aximos y mnimos locales y puntos de silla
Primero que todo consideremos un subconjunto M de Rn que no sea una
trayectoria.
Definici
on de varias variables y
M un subconjunto de Rn tal que M D. Se dice que f tiene un mnimo
local o relativo en un punto a de M si existe una vecindad abierta U de
82
n de clase UIS
a en M tal que f (x) f (a) para todo x en U . El n

umero f (a) se llama
el mnimo relativo de f en M . Se dice que f tiene un mnimo global
o absoluto en un punto a de M si f (a) f (x) para todo x en M , y el
n
umero f (a) se llama el m
aximo global o absoluto de f en M . Si las
dos anteriores desigualdades se cumplen en el sentido estricto, se dice que
f tiene un mnimo local estricto en M y un mnimo global estricto
en M , respectivamente.
El maximo local o relativo y el maximo global o absoluto se definen de forma
similar.
Definici
on 3.19 (Extremos locales). Un extremo local (absoluto) es un
n
umero que es un mnimo local (absoluto) o un m
aximo (global). Por convenci
on, un extremo sera un extremo absoluto y un m
aximo o un mnimo
ser
an un m
aximo absoluto o un mnimo absoluto.
Las siguientes definiciones y resultados son necesarios para obtener el criterio
de la segunda derivada para funciones de varias variables.
Teorema de Taylor de segundo orden
Si f es diferenciable en a y tiene un punto crtico en a entonces
f (x) f (a) = E1 (x, a) kx ak
donde E1 (x, a) 0 cuando x a. Por lo tanto, se necesita mas informacion de f en a en terminos de E1 (x, a) kx ak para determinar el signo
algebraico de f (x) f (a). El Teorema de Taylor de segundo orden permite
resolver esta dificultad.
Definici
on 3.20 (La matriz hessiana y el hessiano). Sea f : D Rn R
una funci
on de varias variables con segundas derivadas parciales 2 f /xi xj
continuas en x. La matriz hessiana de f es la matriz de las segundas
derivadas parciales de f ,
2f
2 f
2f
(x)
(x)
(x)
2
x
x
x
x
x1
1
2
1
n
2
2

2f
2 f
f (x)
(x)
2
f
x2 xn (x)
x2 x1
x2
(x) =
..
..
..
..
xi xj
.
.
.
.
2f
2f
2 f
xn x1 (x)
xn x2 (x)
x2 (x)
n
y se denota como D f (x). Observemos que la matriz hessiana es una matriz

cuadrada de orden n y simetrica. El determinante de la matriz hessiana de
f se llama el hessiano de f . Adem
as,

f
f
f
2
D f (x) =
(x)
(x)

(x)
x1
x2
xn
El termino hessiana fue acu

nado por James Joseph Sylvester en honor
del matematico aleman Ludwig Otto Hesse, quien haba usado el termino
determinantes funcionales.
Proposici
on 3.19 (Formula de Taylor de segundo orden). Sea f : D
Rn R una funci
on de varias variables con segundas derivadas parciales
2 f /xi xj continuas en una vecindad V de a. Entonces para cada x en V
se tiene
1
2
f (x) = f (a) + Df (a)(x a) + (x a)T D2 f (a)(x a) + E2 (x, a) kx ak
2!
en donde E2 (x, a) 0 cuando x a.
n de clase UIS

Ca
83
Demostraci
on. Sea y = a+ td, con t R, la ecuacion de la recta que pasa
por el punto a en la direccion del vector d = x a. Definamos la funci
on
escalar (t) = f (a + td). Observe que tiene segundas derivadas continuas
en una vecindad de t = 0 tal que (0) = f (a) y (1) = f (x). Por el Teorema
de Taylor para funciones de una variable,
(1) = (0) + (0) +
1
(c),
2!
donde 0 < c < 1.
De la regla de la cadena,
(0) =
y
(c) =

d
f (a + td)
= Df (a)d = f (a) d
dt
t=0

d
d
(Df (a + td) d)
=
Df (a + td)
d
dt
dt
t=c
t=c
= (D2 f (a + cd)d)d dT D2 f (a + cd)d,
en notaci
on vectorial. Ahora definamos E2 (d + a, a) por la ecuaci
on
2
E2 (d + a, a) kdk =
1 T 2
d [D f (a + cd) D2 f (a)]d,
2!
si d 6= O, y E2 (a, O) = 0 si d = O. Entonces,
f (x) = f (a) + Df (a)d +
1 T 2
2
d D f (a)d + E2 (a + d, a) kdk .
2!
Como

T 2

d [D f (a + cd) D2 f (a)]d
se tiene que

n X
n
X
2f

2f

kdk2 ,
(a
+
cd)
(a)
xi xj

x
x
i
j
i=1 j=1

n
n

2f
1 X X 2 f
|E2 (d + a, a)|
(a + cd)
(a)

2! i=1 j=1 xi xj
xi xj
para d no nulo. Como las segundas derivadas parciales son continuas en a,

entonces
2f
2f
(a + cd) =
(a),
d0 xi xj
xi xj
lm
as que E2 (d + a, a) 0 cuando d 0. Observe que x a cuando d O.

Esto termina la demostracion.
Condiciones para la existencia de extremos locales
Para dar condiciones necesarias y suficientes para la existencia de extremos
locales se consideran resultados de Algebra Lineal avanzada. Estos resultados conciernen a los topicos de matrices simetricas, formas bilineales, matrices definido positivas y definido negativas, valores y vectores propios. Este
84
n de clase UIS
enfoque fue apropiadamente establecido por James Joseph Sylvester, especialmente, y aunque solo se considera parte de su teora, se recomienda la
lectura de libros avanzados en estos topicos cuando se requiera realizar aplicaciones matematicas que involucren el problema de determinar los extremos
relativos de funciones en mas de dos variables.
Proposici
on 3.20 (Condiciones necesarias de primer orden). Si f tiene
primeras derivadas parciales continuas en M y f tiene un mnimo local en
a entonces Df (a) = O.
Demostraci
on. Supongamos que Df (a) 6= O. Entonces existe un vector
no nulo en Rn tal que D f (a) = Df (a) = < 0 (Por ejemplo =
Df (a)T = f (a)).
Considerando la variacion de f a lo largo de la linea recta que pasa por a
en la direccion del vector , se tiene la funcion escalar
(t) = f (a + t)
Por la regla de la cadena, (t) = Df (a + t). Como (0) = f (a) y es
diferenciable en t = 0, del teorema de Taylor en funciones de una variable
tenemos que si t 6= 0

E1 (t, 0)|t|
(t) = (0) + (0)t + E1 (t, 0)|t| = (0) + t (0) +
t
Como E1 (t, 0)|t|/t 0 cuando t 0 y (0) = Df (a) = < 0 entonces
existe un t0 tal que (0)+E1 (t, 0)|t|/t /2 para todo t (0, t0 ). Entonces
1
(t) (0) + t
2
para todo t (0, t0 ). Como < 0 esto implica que
(t) < (0),
o lo que es igual
f (a + t) < f (a)
para todo t (0, t0 ). Sin embargo esto contradice que a sea un mnimo local
de f .
Aunque el recproco de este resultado no es cierto en general, el nos indica
que si una funcion f en varias variables es diferenciable, entonces f puede
tener un extremo local en todos aquellos puntos de su dominio en donde su
gradiente se anula. Esta observacion motiva la siguiente definici
on.
Definici
on de varias variables
diferenciable en a. Si f (a) = O entonces el punto a se llama un punto
crtico, o estacionario, de f . Un punto crtico de f es un punto de silla si
toda vecindad U de a contiene puntos x y x distintos tales que f (x) > f (a)
y f (x ) < f (a).
La Proposicion 3.20 establece una condicion necesaria para que f tenga un
punto critico en a, pero no es una condicion suficiente para que f tenga un
mnimo local en a. Condiciones suficientes son dadas en la Proposici
on 3.23,
pero antes se hace necesario considerar algunos preliminares para obtener
este resultado.
n de clase UIS

Ca
85
Definici
on 3.22. Sea A una matriz simetrica de orden n n.
(a) A es definido positiva (negativa) si xT Ax > 0 (< 0) para todo vector

no nulo x de Rn .
(b) A es semidefinido positiva (negativa) si xT Ax 0 ( 0) para todo
vector x de Rn .
(c) A es indefinida si no es semidefinido positiva ni definido positiva.

Sea A = [aij ] una matriz de orden n n. Entonces A tiene n submatrices
diagonales Ak de orden k k, para k = 1, . . . , n, definidas por
a11 a12 a1k

a21 a22 a2k
Ak = .
..
.. ;
..
..
.
.
.
ak1
ak2
akk
o por simplicidad, Ak = [aij ]kk . Los n

umeros reales det Ak = |Ak | se
llaman los subdeterminantes diagonales de A.
Proposici
on 3.21 (Lema de Sylvester). Sea A una matriz simetrica de
orden n n.
(a) A es definido positiva si y solo si |Ak | > 0 para k = 1, . . . , n.
(b) A es definido negativa si y solo si |A1 | < 0, |A2 | > 0, |A3 | < 0, . . .
(c) A es indefinida si y solo si |Ak | < 0 para alg

un k par.
Proposici
on 3.22 (Condicion necesaria de segundo orden). Sea f : D
Rn R una funci
on de varias variables con terceras derivadas parciales
continuas y a un mnimo (m
aximo) local de f . Entonces Df (a) = O y
D2 f (a) es semidefinido positiva (negativa).
Demostraci
on. La demostracion se sigue del Teorema de Taylor para funciones de varias variables y el criterio de Sylvester.
La siguiente proposicion establece condiciones suficiente para la existencia
de la extremos locales.
Proposici
on 3.23 (Criterio de la segunda derivada). Sea f : D Rn R
una funci
on de varias variables con terceras derivadas parciales continuas y
a un punto crtico de f .
(a) Si D2 f (a) es semidefinido positiva entonces f (a) es un mnimo local
fuerte de f .
(b) Si D2 f (a) es semidefinido negativa entonces f (a) es un mnimo local
fuerte de f .
(c) Si D2 f (a) es indefinida entonces f (a) no es un extremo local de f .
Demostraci
on. Del Teorema de Taylor y la hipotesis que f (a) = O
tenemos
1
2
f (x) = f (a) + (x a)T D2 f (a)(x a) + E2 (x, a) kx ak
2
en donde E2 (x, a) 0 cuando x a. Si la matriz simetrica D2 f (a) es
definido positiva, entonces existe una constante positiva 1 (que puede ser
tomada como el menor valor propio de D2 f (a)) tal que
2
(x a)T D2 f (a)(x a) 1 kx ak
86
n de clase UIS
para todo vector x de Rn (cf. Gilbert Strang, Linear Algebra). Por lo tanto,
f (x) f (a)
1
1 kx ak2 + E2 (x, a) kx ak2
2
en donde E2 (x, a) 0 cuando x a. Como la expresion del lado derecho

es positiva cuando x a, se sigue que f (x) > f (a) en alguna vecindad de
a; i.e., f (a) es un mnimo local fuerte de f .
Ademas es facil de demostrar que si a es un punto estacionario de f , entonces
1. f (a) no es ni maximo local ni mnimo local si D2 f (a) tiene valores
propios positivos y negativos.
2. f (a) puede ser o no un maximo local si D2 f (a) es semidefinido positiva.
El siguiente resultado es un caso particular de la anterior proposici
on.
Corolario 3.1. Sea f (x, y) una funci
on con terceras derivadas parciales
continuas en un conjunto abierto D en R2 . Sea adem
as (x0 , y0 ) un punto
crtico de f . Entonces,
2
(a) Si fxx (x0 , y0 ) > 0 y fxx (x0 , y0 )fyy (x0 , y0 ) fxy
(x0 , y0 ) > 0 entonces f
tiene un mnimo local en (x0 , y0 ).
2
(b) Si fxx (x0 , y0 ) < 0 y fxx (x0 , y0 )fyy (x0 , y0 ) fxy
(x0 , y0 ) > 0 entonces f
tiene un m
aximo local en (x0 , y0 ).
2
(c) Si fxx (x0 , y0 )fyy (x0 , y0 ) fxy
(x0 , y0 ) < 0 entonces f tiene un punto de
silla en (x0 , y0 ).
2
(d) Si fxx (x0 , y0 )fyy (x0 , y0 ) fxy
(x0 , y0 ) = 0 el criterio no decide nada.
Ejemplo 3.36. Encuentre y clasifique los puntos crticos de la funci
on
f (x, y, z) = x4 + y 4 + z 4 2xyz + 1.
De nuevo se aclara que el criterio de la segunda derivada garantiza condiciones que permiten clasificar los puntos crticos de una funcion en varias
variables como extremos locales. Desafortunadamente, el criterio no existe
criterio alguno que permita obtener los extremos absolutos de la funci
on.
3.5.2.
Extremos con restricciones

Un problema de optimizacion o extremos con restricciones consiste en el
problema de encontrar los extremos locales o absolutos de una cierta funci
on
f de varias variables en un subconjunto M de su dominio.
Definici
on, y M un subconjunto
de D. Un extremo (local) de f sujeto a la restricci
on M es un extremo (local)
de la restricci
on de f a M .
Se consideran los casos de extremos con restricciones cuando M es un conjunto cerrado y acotado, y cuando M es el conjunto de nivel de una funci
on
g en varias variables dada.
Extremos absolutos de funciones definidas en conjuntos cerrados y acotados

En esta seccion se optimiza una funcion, es decir se identifican los extremos
(absolutos) de una funcion en varias variables definida en un conjunto cerrado y acotado de Rn .
Definici
on 3.24. Sea M un conjunto en Rn .
(a) M es cerrado si este incluye su frontera. M es un conjunto abierto si
este no incluye ning
un punto de su frontera. La frontera de M se suele
denotar como M .
n de clase UIS

Ca
87
(b) M es un conjunto acotado si existe una bola ndimensional que contiene a M . En otras palabras, M es acotado si M es finito.
Por ejemplo, el intervalo abierto (5, 4) es un conjunto abierto en R y el
intervalo cerrado [5, 4] es un conjunto cerrado en R. La frontera de ambos
conjuntos, la frontera la conforman los extremos de los intervalos, es decir,
los n
umeros reales 5 y 4. En el primer caso, el conjunto abierto no incluye
los extremos del intervalo, los cuales determinan su frontera, y ambos son
conjuntos acotados.
De otro lado, el rectangulo
(1, 2) (1, 4) = {(x, y)| 1 < x < 2, 1 < y < 4}
es un conjunto abierto y acotado en R2 y el rectangulo
[1, 2] [1, 4] = {(x, y)| 1 x 2, 1 y 4}
es un conjunto cerrado y acotado en R2 . En este caso, el conjunto abierto no
incluye los lados del rectangulo por lo cual se puede hablar de un rect
angulo
abierto y acotado. La frontera de ambos conjuntos esta conformada por los
lados del rectangulo. Observe que al agregar al rectangulo abierto su frontera
se obtiene el rectangulo cerrado.
y
1
(a)
(b)
Figura 3.1: (a) Conjunto abierto y acotado, y (b) conjunto cerrado y acotado
en R2 .
El primer cuadrante del plano xy que no incluye la parte positiva de los ejes
coordenados es un conjunto abierto pero no acotado de R2 .
Tambien, un crculo en el plano xy es un conjunto abierto, su frontera es la
circunferencia, y el crculo cerrado incluye el crculo y su circunferencia.
En general, sea a un punto dado en Rn y r un n
umero real positivo dado. Entonces la bola ndimensional B(a, r) = {x Rn | kx ak < r} es un conjunto abierto en Rn , su frontera es el conjunto B(a, r) = {x Rn | kx ak =
r}, y la bola ndimensional cerrada B(a,

r) = {x Rn | kx ak r} es un
n
conjunto cerrado en R .
El siguiente criterio establece condiciones mediante la cual se garantiza la
existencia de los extremos (absolutos) de una funcion en varias variables
restringida a un conjunto cerrado y acotado de su dominio.
Proposici
on 3.24 (Teorema de Weierstrass o del valor extremo). Sea M
un subconjunto no vaco, cerrado y acotado de Rn . Si f : M Rn R es
una funci
on continua, entonces existen puntos a y a en M tal que f (a)
f (x) f (a ) para todo x en M .
88
n de clase UIS
(a)
(b)
(c)
Figura 3.2: (a) Conjunto abierto, (b) la frontera, (c) conjunto cerrado y
acotado en R2 .
La prueba estandar se obtiene notando que si f es continua entonces la
imagen de un conjunto cerrado y acotado es tambien un conjunto cerrado
y acotado. Como M es cerrado y acotado, se sigue que f (M ) debe ser
tambien cerrado y acotado. Por tanto, f alcanza su mnimo absoluto y su
maximo absoluto en algunos puntos a y a en M , respectivamente. Esto
precisamente garantiza que f (a) f (x) f (a ) para todo x en M . Note
que este teorema no dice en donde ocurren los extremos absolutos de f .
Dice u
nicamente que ellos existen. Note tambien que al ser M un conjunto
cerrado y acotado, puede ser considerado como un conjunto formado por su
interior y su frontera. Por tanto, los extremos de f en M pueden ocurrir
en el interior de M o en la frontera de M . Esto sugiere el siguiente proceso
para encontrar estos extremos absolutos:
(a) Se buscan los puntos crticos de f en el interior de M y se determina
el valor de la funcion en esos puntos. En otras palabras, se buscan los
extremos locales de f en el interior de M .
(b) Se buscan todos los extremos locales de f sobre la frontera de M . Esto
usualmente involucra tecnicas de Calculo diferencial de funciones en
una variable.
(c) El Teorema de Weierstrass garantiza que el mayor y el menor valor de
los valores encontrados en los dos procesos anteriores seran el m
aximo
y el mnimo (absolutos) de f en el conjunto M .
Observese que el anterior proceso requiere de encontrar los extremos locales
de f sobre el interior de la frontera de M , pero no clasificarlos. Es decir,
no es necesario aplicar el criterio de la segunda derivada. Segundo, es bueno
comentar que a menudo la frontera de M esta conformado por una curva o
un n
umero finito de curvas, cada una de las cuales esta representada por una
funcion continua definida en un intervalo cerrado y acotado. De acuerdo con
el teorema del valor extremo de funciones de una variable, esto s
olo requiere
que para cada una de estas funciones se encuentren sus puntos crticos en
el intervalo abierto en el cual esten definidas y los valor de de la funci
on en
los dos extremos del respectivo intervalo. El mayor y menor de estos valores
seran los extremos absolutos de f sobre la frontera de M . Esto hace que
la mayor parte de trabajo sea realizado en esta parte del proceso anterior,
pero que se pueda reducir un tanto el proceso de encontrar estos extremos,
como se vera en el siguiente ejemplo.
Ejemplo 3.37. Encuentre, si existen, el m
aximo y mnimo de la funci
on
f (x, y) = x2 y 2 2xy + 1 en el conjunto [1, 2] [1, 2].
Soluci
on. Sea M = [1, 2] [1, 2]. El dominio M de f es un cuadrado
el cual es un conjunto cerrado y acotado. Para propositos de referencia se
considera a continuacion su grafica.
n de clase UIS

Ca
89
y
y=2
x=2
x
x = 1
y = 1
El hecho que f sea una funcion polinomica garantiza que f es continua en
M . As que el teorema de Weierstrass garantiza que f alcanza sus extremos
(absolutos) en M . Se resuelve el problema de encontrar los extremos de f
en M en dos pasos.
a. Encontrando los extremos locales en el interior de M . Para encontrar los puntos crticos de f en el interior de M , se hacen las primeras
derivadas parciales de f cero y se resuelve el sistema resultante simult
aneamente:
(fx = 0)
(fy = 0)
2x 2y = 0
2y 2x = 0
el cual es un sistema facil de resolver. Mediante el metodo de eliminaci

on se
encuentra que x = y = 0. As que (0, 0) es el punto crtico de f que est
a en
el interior de M . El extremo local de f en el interior de M es f (0, 0) = 1.
b. Encontrando los extremos locales sobre la frontera de M . En este
caso la frontera de M esta conformada por cuatro lados, que est
an definidos
por cuatro curvas continuas definidas sobre intervalos cerrados y acotados,
cuya interseccion dos a dos dan los cuatro extremos del cuadrado M . En
este caso, solo se deben encontrar los extremos locales (sin clasificarlos) de
cada una de las funciones que definen estas curvas, como ya se mencion
o,
los cuales definen los respectivos extremos de f sobre la frontera de M .
En el lado izquierdo del cuadrado: A lo largo de este lado tenemos que
x = 1,
1 y 2,
z = f (1, y) = y 2 + 2y + 2
Ahora, encontrar los extremos locales de f a lo largo del lado derecho es

equivalente a encontrar los extremos locales de la funcion z = y 2 + 2y + 2
cuando 1 y 2. Del teorema del valor extremos en una variable, se debe
encontrar los puntos crticos esta funcion cuando 1 y 2 y entonces
evaluarla en los puntos crticos y en los extremos del intervalo en y.
Como zy = 2y + 2 = 0 cuando y = 1 (1, 2) entonces f tiene un
punto crtico en el lado izquierdo del cuadrado y de coordenadas (1, 1).
En este punto el extremo local de f es z = f (1, 1) = 12 + 2 + 2 = 3.
En los extremos del lado izquierdo se obtienen los valores z = f (1, 1) =
(1)2 + 2(1) + 2 = 1 y z = f (1, 2) = 22 + 2(2) + 2 = 4.
En el lado derecho del cuadrado: En este caso,
x = 2,
1 y 2,
z = f (2, y) = y 2 4y + 5
Como zy = 2y 4 = 0 cuando z = 2
/ (1, 2) entonces f no tiene
puntos crticos en el lado derecho del cuadrado. En los extremos del lado
90
n de clase UIS
derecho se obtienen los valores z = f (2, 1) = (1)2 4(1) + 5 = 8 y

z = f (2, 2) = 22 4(2) + 5 = 7.
En el lado inferior del cuadrado: Tenemos,
y = 1,
1 x 2,
z = f (x, 1) = x2 + 2x
Como zx = 2x + 2 = 0 cuando z = 1
/ (1, 2) entonces f no tiene
puntos crticos en el lado inferior del cuadrado. En los extremos del lado
inferior se obtienen los valores z = f (1, 1) = (1)2 + 2(1) = 1 y
z = f (2, 1) = 22 + 2(2) = 8.
En el lado superior del cuadrado: En este caso,
y = 2,
1 x 2,
z = f (x, 2) = x2 4x 3
Como zx = 2x 4 = 0 cuando z = 2
/ (1, 2) entonces f no tiene puntos
crticos en el lado superior del cuadrado. En los extremos del lado superior
se obtienen los valores z = f (1, 2) = (1)2 4(1) 3 = 2 y z = f (2, 2) =
22 4(2) 3 = 7.
c. Encontrando los extremos (absolutos) en M . Ahora se re
unen los
extremos locales de f en el interior y la frontera, junto con los valores de f
en las esquinas del cuadrado que determina a M , pero evitando repeticiones
de valores como se puede notar. Tenemos as la siguiente tabla.
x
y f (x, y)
0
0
1
1
1
3
1 1
1
1
2
4
2 1
8
2
2
7
Entonces el mnimo (absoluto) de f es z = 7, el ocurre en la esquina del
cuadrado de coordenadas (2, 2), se obtiene como el menor de los valores
f (x, y) anteriores. El maximo (absoluto) de f es z = 8, el cual ocurre en la
esquina del cuadrado de coordenadas (2, 1), se obtiene tambien como el
mayor de esos valores. La Figura 3.3 muestra los extremos absolutos de f
en M .
Ejemplo 3.38. Encuentre, si existen, el m
aximo y mnimo de la funci
on
f (x, y) = 2x2 y 2 + 6y sobre el disco de radio 4, x2 + y 2 16.
Soluci
on. Note que el interior del disco esta dado por la desigualdad y la
igualdad da su frontera o circunferencia. Obviamente, 4 x, y 4.
a. Encontrando los extremos locales en el interior del disco. Para
encontrar los puntos crticos en el interior del disco, se resuelve el siguiente
sistema simultaneamente,
(fx = 0)
4x = 0
(fy = 0)
2y + 6 = 0
De la primera ecuacion se obtiene x = 0 y de la segunda y = 3. As que el

punto critico para esta funcion es (0, 3). Como 02 + 32 = 9 < 16, entonces
(0, 3) esta en el interior del disco. El extremo local de f en el interior del
disco es f (0, 3) = 2(0)2 32 + 6(3) = 12.
n de clase UIS

Ca
91
M
aximo 8
en (2, 1)
6
4
2
0
-2
-4
Mnimo 7
en (2, 2)
-6
2
-1
-1
2
x
Figura 3.3: Maximo y mnimo de la funcion f (x, y) = x2 y 2 2xy + 1 en

el cuadrado [1, 2] [1, 2].
b. Encontrando los extremos locales en la frontera del disco. En la
frontera del disco, x2 + y 2 = 16. Resolviendo para x2 y reemplazando en la
expresion de f se puede conseguir una funcion de y. En efecto,
x2 = 16 y 2
4 y 4
g(y) = f (x, y) = 2(16 y 2 ) y 2 + 6y = 3y 2 + 6y + 32

donde g(y) correspondera a la representacion de f sobre la frontera del disco,
es decir como una funcion de y donde y esta en el intervalo [4, 4]. Por el
teorema del valor extremos de funciones de una variable, g tiene extremos
absolutos en este intervalo. Para encontrarlos se procede de la forma usual
para funciones de una variable, pero no se encuentran los extremos absolutos
para economizar tiempo.
Como g (y) = 6y + 6 = 0 cuando y = 1 (4, 4) entonces f tiene un
punto critico sobre la circunferencia de radio 4. Las coordenadas en
x de
este punto se obtienen de la ecuacion
x2 = 16 1 = 15 como x = 15.
El extremo local de f es g(1) = f ( 15, 1) = 3(1)2 + 6(1) + 32 = 35.
El valor de esta funcion en los extremos del intervalo en y son g(4) =
3(4)2 +6(4)+32 = 40 y g(4) = 3(4)2 +6(4)+32 = 8. La coordenada
en x correspondiente a estos puntos se obtienen reemplazando el valor de y
92
n de clase UIS
en la ecuacion de la circunferencia. Cuando y = 4, x2 = (4)2 16 = 0

cuando x = 0. Similarmente, cuando y = 4, x2 = 42 16 = 0 cuando
x = 0. Los correspondientes valores de f son entonces f (0, 4) = 40 y
f (0, 4) = 8.
c. Encontrando los extremos en el disco. Al reunir la informaci
on
anterior se obiene la siguiente tabla.
x
y
0
3
15 1
0 4
0 4
f (x, y)
12
35
40
8
Del menor y mayor de los valores en z se concluye lo siguiente. El m

aximo
de f es 35 y ocurre en dos lugares distintos del disco, mientras que el mnimo
es 40 y ocurre u
nicamente en el punto (0, 4) de la frontera del disco. La
siguiente figura muestra los extremos absolutos de f en el disco de radio 4.
40
20
0
-20
-40
-4
x
-2
-2 -4
Este ejemplo demuestra que uno de los extremos absolutos pueden ocurrir
en mas de un lugar. Algunas veces esto puede o no pasar. Notese tambien
que tales extremos pueden ocurrir en el interior o en la frontera del conjunto
M.
Extremos absolutos de funciones a lo largo de conjuntos de nivel, multiplicadores de Lagrange
Ahora se busca resolver el problema de encontrar los extremos de una funcion de varias variables f (x) cuando x tiene la restriccion de pertenecer a un
conjunto de nivel M en el dominio de f . Simbolicamente, se busca resolver
el problema
mn{f (x) | x M } mn f (x)
xM
o
max{f (x) | x M } max f (x)
xM
donde M Df usualmente dado de la forma

M = {x Rn | g(x) = k}
n de clase UIS

Ca
93
para alguna constante apropiada k. Observe que M = Lk (g) y por tanto

la ecuaci
on g(x) = k, llamada de igualdad, es la restriccion que define a
M . Por lo tanto, se busca optimizar la funcion f para todo vector x en el
conjunto de nivel de g, Lk (g) con k un n
umero dado de la imagen de g.
En general, tambien se puede considerar
M = {x Rn | gi (x) = ki , i = 1, . . . , m}
para constantes apropiadas ki , y m < n. Es claro que el conjunto n
dimensional M esta definido por las restricciones gi (x) = ki para i =
1, . . . , m.
Proposici
on 3.25 (Teorema de multiplicadores de Lagrange). Sean f, g :
D Rn R dos funciones suaves dadas. Sean M el conjunto de nivel de
g con valor k y a un punto en D tal que g(a) = k. Si g(a) 6= O y f tiene
un extremo en a entonces existe un n
umero real tal que
f (a) = g(a).
Demostraci
on. Sea R(t) una trayectoria en M que pasa por a. Entonces
R(t0 ) = a para alg
un t = t0 . Ademas se tendra que g(a) es tangente a M
en el punto a, en el sentido que
g(a) R (t0 ) = 0.
De otro lado si f restringida a M tiene un maximo en a, entonces la funci
on
en una variable f (R(t)) tiene un maximo en t = t0 . Del calculo de funciones
de una variable se tiene que
d
f (R(t0 )) = 0.
dt
De la regla de la cadena,
d
f (R(t)) = f (R(t)) R (t).
dt
Por lo tanto, en t = t0 se tiene que
f (a) R (t0 ) = 0;
es decir, f (a) tambien es perpendicular a M en a. Como el espacio tangente a M en a es una recta, entonces los vectores gradientes f (a) y
g(a) son paralelos. Como g(a) 6= O, entonces f (a) es m
ultiplo escalar
de g(a).
Proposici
on 3.26 (Criterio de la segunda derivada para extremos restringidos). Sean f, g : D Rn R dos funciones suaves dadas (con segundas
derivadas parciales continuas al menos). Sean M el conjunto de nivel de g
con valor k y a un punto en D tal que g(a) = k. Supongamos que g(a) 6= O
y
f (a) = 0 g(a)
para alg
un escalar 0 . Se define la funci
on auxiliar h = f g en n + 1
variables (, x) = (, x1 , . . . , xn ), y el punto x0 = (0 , a) = (0 , a1 , . . . , an )
94
n de clase UIS
en su dominio. Sea |D2 h(x0 )| el hessiano de h, el cual esta dado como sigue:

0
gx1 gx2 gxn

gx1 hx1 x1 hx1 x2 hx1 xn

gx2 hx1 x2 hx2 x2 hx2 xn

..
..
..
..
..
.
.
.
.
.

gx
hx 1 x n hx n x 2 hx n x n
n
Sean D2 h(x0 )k las submatrices diagonales de D2 h(x0 ) de orden k 3.

Entonces,
(a) Si los subdeterminantes |D2 h(x0 )k | son positivos para todo orden k 3
entonces f restringida a M tiene un mnimo local en a.
(b) Si los subdeterminantes alternan los signos de la forma |D2 h(x0 )3 | > 0,
|D2 h(x0 )4 | < 0, |D2 h(x0 )5 | > 0, . . . entonces f restringida a M tiene
un m
aximo local en a.
(c) Sea n = 2. Si |D2 h(x0 )| = 0 entonces el criterio no decide y f restringida a M puede tener un m
aximo local o un mnimo local en a o
ni una u otra cosa.
Sea n > 2. Si para k 3 alguno de los subdeterminantes |D2 h(x0 )k |
es diferente de cero y no siguen los patrones anteriores entonces f
restringida a M no tiene un mnimo local ni un m
aximo local en a;
tendr
a un punto de silla en a.
n de clase UIS

Ca
95

Cálculo III

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cálculo III

Cargado por

Copyright:

Formatos disponibles

Julio C. Carrillo E.

Profesor Escuela de Matematicas

Para uso exclusivo en el salon de clase.

Agradecimientos a todos aquellos estudiantes que con sus

Definitivamente, hasta los que ense

1.1. El espacio euclidiano ndimensional . . . . . . . . . . . . . . 11

1.5. Angulos directores y cosenos directores . . . . . . . . . . . . . 13

2.1. Definicion, dominio, imagen, grafica . . . . . . . . . . . . . . 20

3.1. Las funciones de varias variables . . . . . . . . . . . . . . . . 42

3.2.1. Lmite de un campo escalar . . . . . . . . . . . . . . . 50

5.1. Lmite y continuidad . . . . . . . . . . . . . . . . . . . . . . . 161

6.1. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 168

6.3.1. Integral de lnea . . . . . . . . . . . . . . . . . . . . . 178

6.4.2. Dinamica de fluidos . . . . . . . . . . . . . . . . . . . 216

lculo en Varias Variables

Funciones de varias variables

Las funciones de varias variables

Los campos escalares, o funciones de varias variables, son funciones que

son funciones en dos variables, las independientes son x, y y la variable

(independientes del tiempo), o simplemente campos escalares. Los campos

Gf = {(x, f (x)) Rn+1 | x D}.

Tambien, la imagen y grafica de f se pueden representar en terminos de

Gf = {(x1 , . . . , xn , f (x1 , . . . , xn )) Rn+1 | (x1 , . . . , xn ) D}.

Gf = {(x, f (x)) Rn+1 | x Df }

lculo en Varias Variables

seran la imagen y la grafica de f . Por ejemplo, la funcion f (x) = x 3 es

esta definida cuando

x2 y 2 > 0 y 2 < x2 |y| < |x| |x| < y < |x|.

consiste de todos los puntos del plano xy tales que y x2 .

La imagen consistede todos los reales

lculo en Varias Variables

Desde el punto de vista geometrico tiene solo sentido hablar de curvas y

Algebra de funciones de varias variables

lculo en Varias Variables

(h f )(x, y) = h(f (x, y)) = h

Por lo tanto, h f es una funci

Lmite y continuidad de campos escalares

Persona que trabaje en el campo de la fsicamatem

La nocion de lmite esta ntimamente ligada al problema de la aproximaci

a y b representan posibles causas y efectos no predecibles, respectivamente.

En la practica, y por lo general, se obtienen (en el laboratorio, por ejemplo)

representaran el error en la aproximacion o distancia entre los valores

lculo en Varias Variables

Dado el orden > 0 del error en la aproximacion del efecto

El problema causaefecto definido mediante f es un continuo o es continuo

Lmite de un campo escalar

representa la distancia entre los puntos x = (x1 , . . . , xn ) y a = (a1 , . . . , an )

Si el lmite lmxa f (x) no es u

Por lo tanto el lmite de f en el origen del plano no existe: diferentes valores

en donde x = 0 es una recta horizontal que pasa por el origen y y = 0 es

esta definida para todo punto del plano xy con excepci

lculo en Varias Variables

e igual sucede tomando el lmite a lo largo de las parabolas y = ax2 y x = ay 2

Como se requiere que

(b) lm (cf (x)) = c lm f (x)

(c) lm f (x)g(x) = lm f (x) lm g(x)

(e) Sea h : D R R una funci

(f ) Sea R : D R Rn una funci

Continuidad de un campo escalar

En caso contrario, f se dice es discontinua en a.

lculo en Varias Variables

Ejemplo 3.8. La funci

(b) lm (cf (x)) = cf (a)

La imagen consistede todos los reales