Interpretacion Geometrica de Las Derivadas Parciales PDF

Apuntes de clculo diferencial e integral
de funciones de varias variables
Francisco Javier Prez Gonzlez

Departamento de Anlisis Matemtico
Universidad de Granada

Licencia. Este texto se distribuye bajo una licencia Creative Commons en virtud de
la cual se permite:
Copiar, distribuir y comunicar pblicamente la obra.

Hacer obras derivadas.
Bajo las condiciones siguientes:
Reconocimiento. Debe reconocer los crditos de la obra de la manera especifi-

cada por el autor o el licenciador (pero no de una manera que sugiera que tiene
su apoyo o apoyan el uso que hace de su obra).
No comercial. No puede utilizar esta obra para fines comerciales.
Compartir bajo la misma licencia. Si altera o transforma esta obra, o gene-
ra una obra derivada, slo puede distribuir la obra generada bajo una licencia
idntica a sta.
Universidad de Granada Prof. Javier Prez

Dpto. de Anlisis Matemtico Clculo diferencial e integral
ndice general
1. Clculo diferencial en Rn 1
n
1.1. Estructura eucldea y topologa de R . . . . . . . . . . . . . . . . . 1
1.1.1. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . 2
n
1.1.3. Sucesiones en R . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Campos escalares. Continuidad y lmite funcional . . . . . . . . . . . 4
1.2.1. Curvas en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Derivadas parciales. Vector gradiente . . . . . . . . . . . . . . . . . . 6
1.3.1. Interpretacin geomtrica de las derivadas parciales . . . . . . 7
1.3.2. Campos escalares diferenciables . . . . . . . . . . . . . . . . 9
1.4. Rectas tangentes y planos tangentes . . . . . . . . . . . . . . . . . . 11
1.4.1. Curvas en el plano . . . . . . . . . . . . . . . . . . . . . . . 11
1.4.2. Superficies en R3 . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.3. Curvas en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.4. Derivadas parciales de orden superior . . . . . . . . . . . . . 14
1.5. Extremos relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6. Funciones vectoriales. Matriz jacobiana . . . . . . . . . . . . . . . . 22
1.6.1. Derivadas parciales de funciones compuestas . . . . . . . . . 23

ndice general
1.7. Extremos condicionados . . . . . . . . . . . . . . . . . . . . . . . . 28

1.7.1. Teorema de los multiplicadores de Lagrange . . . . . . . . . 29
1.7.3. Clculo de extremos en conjuntos compactos . . . . . . . . . 34
1.8. Derivacin de funciones implcitamente definidas . . . . . . . . . . . 35
1.8.1. Teorema de la funcin implcita . . . . . . . . . . . . . . . . 37
2. Integrales mltiples 41
2.1. Integrales dobles y triples . . . . . . . . . . . . . . . . . . . . . . . . 41
2.1.1. Interpretaciones de las integrales dobles y triples . . . . . . . 43
2.2. Clculo de integrales dobles y triples . . . . . . . . . . . . . . . . . . 45
2.2.1. Integrales iteradas. Teorema de Fubini elemental . . . . . . . 45
2.2.2. Teorema del cambio de variables . . . . . . . . . . . . . . . . 50
2.2.2.1. Coordenadas polares . . . . . . . . . . . . . . . . . 51
2.2.2.2. Coordenadas esfricas . . . . . . . . . . . . . . . . 52

Leccin 1
Clculo diferencial en Rn
1.1. Estructura eucldea y topologa de Rn

Como sabes, Rn es un espacio vectorial en el que suele destacarse la llamada base cannica
formada por los vectores {e1 , e2 , . . . , en } donde ek es el vector cuyas componentes son todas
nulas excepto la que ocupa el lugar k que es igual a 1. Dados dos vectores x = (x1 , x2 , . . . , xn )
y = (y1 , y2 , . . . , yn ) se define su producto escalar a por:
n
D E X
xy = x k yk = x 1 y1 + x 2 y2 + + x n yn
k=1
Este producto escalar se llama producto escalar eucldeo. Observa que el producto escalar de
dos vectores no es un vector sino un nmero real. La notacin x.y es frecuentemente usada en
los libros de Fsica para representar el producto escalar de los vectores x e y.
Las siguientes propiedades del producto escalar se deducen fcilmente de la definicin:
D E D E
x y = y x para todos x, y Rn (simetra).
D E D E D E
x + y z = x z + y z para todos , R y para todos x, y, z Rn (linealidad).
La norma eucldea de un vector x se define por
v
n
qD E t
X
kxk = x x =

x2k
k=1
Desigualdad de Cauchy-Schwarz.
D E
Para todos x, y Rn se verifica que | x y | 6 kxk kyk. Adems, supuesto que x e y no son nulos,
D E
la igualdad | x y | = kxk kyk equivale a que hay un nmero R tal que x = y (es decir, los
vectores x e y estn en una misma recta que pasa por el origen).
Desigualdad triangular.
Para todos x, y Rn se verifica que kx + yk 6 kxk + kyk. Adems, supuesto que x e y no son
nulos, la igualdad kx + yk = kxk + kyk equivale a que hay un nmero > 0 tal que x = y (es
decir, los vectores x e y estn en una misma semirrecta que pasa por el origen).
1.1 Definicin. Se dice que los vectores x e y son ortogonales, y escribimos x y, cuando
su producto escalar es cero. Se dice que un vector x es ortogonal a un conjunto de vectores
E Rn cuando x es ortogonal a todo vector en E. Un conjunto de vectores no nulos que
son mutuamente ortogonales se dice que es un conjunto ortogonal de vectores; si, adems,
1
Ejercicios propuestos 2
los vectores tienen todos norma 1 se dice que es un conjunto ortonormal de vectores. Una
base vectorial que tambin es un conjunto ortogonal (ortonormal) se llama una base ortogonal
(ortonormal).
Si x e y son vectores no nulos, el vector
D E
Q xy
y (x) = D E y
yy
se llama proyeccin ortogonal de x sobre y.

Q
Puedes comprobar que el vector x y (x)Des ortogonal a y. En particular, si y es un vector
E
unitario (de norma 1) entonces el vector x x y y es ortogonal a y.
1.1.1. Ejercicios propuestos
1. Prueba la desigualdad de Cauchy-Schwarz.

D E
Sugerencia. Comprueba que la ecuacin x y x y = 0, en la que es un nmero
real arbitrario y x e y son vectores que se suponen fijos, es un trinomio de segundo
grado en la variable . Ten en cuenta que dicho trinomio toma siempre valores mayores
o iguales que cero (por qu?) lo que proporciona informacin sobre su discriminante.
1. Prueba la desigualdad triangular.
Sugerencia. Una estrategia para probar desigualdades entre normas eucldeas es elevar
al cuadrado. La desigualdad kx + yk2 6 kxk + kyk 2 es equivalente a la

D desigualdad
E
triangular pero es muy fcil de probar desarrollando el trmino kx + yk2 = x + y x + y
y usando la desigualdad de Cauchy-Schwarz.
2. Teorema de Pitgoras. Prueba que los vectores x e y son ortogonales si, y solo si,
kx + yk2 = kxk2 + kyk2 .
Q
3. Prueba que el vector x y (x) es ortogonal a y.
1.2 Definicin. Dados dos vectores x e y, el nmero kx yk se llama la distancia (eucldea)

entre x e y.
Dados x Rn y r > 0, definimos B(x, r) = {y Rn : kx yk < r}.
Un conjunto E Rn se dice que es un conjunto abierto si para todo punto x E se
verifica que hay un nmero rx > 0 tal que B(x, rx ) E. Por convenio, el conjunto vaco, , se
considera abierto.
Es fcil comprobar que los conjuntos de la forma B(x, r) son conjuntos abiertos. El con-
junto B(x, r) se llama bola abierta de centro x y radio r.
Un conjunto F Rn se dice que es un conjunto cerrado si su complemento Rn \ F es un
conjunto abierto.
Dados x Rn y r > 0, definimos B(x, r) = {y Rn : kx yk 6 r}. Es fcil comprobar que
B(x, r) es un conjunto cerrado. Se llama bola cerrada de centro x y radio r.

Se dice que un conjunto E Rn es acotado cuando hay un nmero M > 0 tal que kxk 6 M
para todo x E.
Se dice que un conjunto K Rn es compacto cuando es cerrado y acotado.
Sea E Rn . Decimos que un punto x Rn es adherente al conjunto E si toda bola abierta
centrada en x tiene puntos de E. El conjunto de todos los puntos adherentes a E se llama la
adherencia de E y se representa por E.
Sea E Rn . Decimos que un punto x Rn es un punto de acumulacin del conjunto E si
toda bola abierta centrada en x tiene puntos de E distintos de x. El conjunto de todos los puntos
de acumulacin de E se llama la acumulacin de E y se representa por E .
Sea E Rn . El conjunto de todos los puntos adherentes a E y a Rn \ E se llama la frontera
de E y se representa por Fr(E).
Sea E Rn . Decimos que un punto x E es un punto interior al conjunto E si hay alguna
bola abierta centrada en x contenida en E.
Dados x Rn y r > 0, el conjunto S (x, r) = {y Rn : kx yk = r} se llama esfera de centro
x y radio r.
Representaremos por j la aplicacin j : Rn R que a cada vector x = (x1 , x2 , . . . , xn )
Rn hace corresponder su coordenada j-sima en la base cannica.
j (x) = j ((x1 , x2 , . . . , xn )) = x j
Las aplicaciones j , 1 6 j 6 n, as definidas se llaman las proyecciones cannicas.
4. Prueba que B(x, r) es un conjunto abierto.

5. Prueba que todo conjunto abierto es unin de bolas abiertas.
6. Prueba que la interseccin de dos conjuntos abiertos es un conjunto abierto.
7. Prueba que la unin de conjuntos abiertos es un conjunto abierto.
8. Prueba que B(x, r) es un conjunto cerrado.
9. Prueba que la interseccin de conjuntos cerrados es un conjunto cerrado.
10. Da ejemplos de conjuntos que no sean abiertos ni cerrados.
11. Prueba que E = E Fr(E).
1.1.3. Sucesiones en Rn
1.3 Definicin. Una sucesin {xm } de puntos de Rn se dice que es convergente si hay un vector
x Rn tal que kxm xk 0. En tal caso escribimos lmm {xm } = x o, simplemente, {xm } x
y decimos que x es el lmite de la sucesin {xm }.
Una sucesin {xm } de puntos de Rn se dice que es acotada si hay un nmero M > 0 tal que
kxm k 6 M para todo m N.

Campos escalares. Continuidad y lmite funcional 4
Teniendo en cuenta la desigualdad

n
X
max {|xk yk | : 1 6 k 6 n} 6 kx yk 6 |xk yk | (1.1)
k=1
Se deduce fcilmente que {xm } x si, y slo si, { j (xm )} j (x) para (1 6 j 6 n), esto es,
la convergencia en Rn equivale a la convergencia por coordenadas.
1.4 Teorema (Teorema de Bolzano Weierstrass). Toda sucesin acotada de puntos de Rn
tiene alguna sucesin parcial convergente.
1.5 Teorema (Caracterizacin de los conjuntos compactos). Un conjunto E Rn es com-
pacto si, y slo si, toda sucesin de puntos de E tiene alguna sucesin parcial que converge a
un punto de E.
1.2. Campos escalares. Continuidad y lmite funcional

Reciben el nombre de campos escalares las funciones definidas en subconjuntos de Rn
que toman valores en R. Un campo escalar es, por tanto, una funcin real que depende de n
variables.
Un campo escalar de una variables es, simplemente, una funcin real de variable real; un
campo escalar de dos variables es una funcin definida en un subconjunto del plano que toma
valores reales; un campo escalar de tres variables es una funcin definida en un subconjunto
del espacio que toma valores reales.
Los campos escalares de una o dos variables se pueden visualizar por medio de sus repre-
sentaciones grficas que son, respectivamente, curvas en el plano o superficies en el espacio.
No es posible visualizar campos escalares de tres o ms variables porque sus grficas estn en
espacios de dimensin mayor o igual que 4.
Naturalmente, los campos escalares se pueden sumar y multiplicar al igual que lo hacemos
con las funciones reales.
1.6 Definicin. Sea f un campo escalar definido en un conjunto E Rn y sea a E. Se dice
que f es continuo en a si para todo > 0 existe un > 0 tal que se verifica k f (x) f (a)k <
siempre que x E y kx ak < .
Se dice que f es continuo en un conjunto A E si f es continuo en todo punto a A.
Un ejemplo de campo escalar continuo lo proporcionan las proyecciones cannicas j pues

se tiene que
| j (x) j (y)| = |x j y j | 6 kx yk
de donde se deduce enseguida la continuidad de j .
1.7 Proposicin. a) Si f y g son campos escalares definidos en un conjunto E Rn , se
verifica que los campos escalares f + g y f g son continuos en todo punto de E donde f y g
sean continuos. Y si f no se anula en E, el campo escalar 1/ f es continuo en todo punto de E
donde f sea continuo.
b) Sea f un campo escalar definido en un conjunto E Rn y sea h una funcin real de
variable real continua definida en un intervalo I que contiene la imagen de f , I f (E).
Entonces el campo escalar h g es continuo en todo punto de E donde f sea continuo.

Campos escalares. Continuidad y lmite funcional 5
Los campos escalares ms sencillos son las funciones polinmicas de varias variables. Di-
chas funciones se obtienen como sumas de productos de las proyecciones cannicas y son, por
tanto, continuas.
Para n = 3 las proyecciones cannicas son
1 ((x, y, z)) = x, 2 ((x, y, z)) = y, 3 ((x, y, z)) = z
Un producto de estas funciones es una funcin de la forma f (x, y, z) = x m y p z q donde m, p, q
son nmeros naturales o nulos. Las funciones polinmicas en tres variables son combinaciones
lineales de este tipo de funciones.
Las funciones racionales de n variables son las funciones de la forma
P(x1 , x2 , . . . , xn )
R(x1 , x2 , . . . , xn ) =
Q(x1 , x2 , . . . , xn )
Donde P(x1 , x2 , . . . , xn ) y Q(x1 , x2 , . . . , xn ) son funciones polinmicas de n variables. El domi-
nio natural de definicin de una funcin racional es el conjunto de puntos donde no se anula el
denominador = {x Rn : Q(x) , 0}. Las funciones racionales son continuas en su conjunto
natural de definicin.
Componiendo funciones continuas reales de una variable con funciones polinmicas y ra-
cionales en varias variables obtenemos muchsimos ejemplos de campos escalares continuos.
Aqu tienes unos pocos.
1 + xy2 + xz2
f (x, y) = sen(xy), f (x, y) = log(1 + x2 + y2 ), f (x, y, z) =
2 + arc tg(x y z)
El siguiente resultado establece la relacin entre la continuidad y el lmite secuencial.

1.8 Proposicin. Sea Sea f un campo escalar definido en un conjunto E Rn y sea a E.
Equivalen las siguientes afirmaciones:
a) f es continua en a.
b) Para toda sucesin {xn } de puntos de E tal que {xn } a se verifica que { f (xn )} f (a).
El siguiente resultado se demuestra de la misma forma que su anlogo para funciones reales.
1.9 Teorema (Teorema de Weierstrass). Todo campo escalar continuo en un conjunto com-
pacto alcanza en dicho conjunto un valor mximo absoluto y un valor mnimo absoluto.
Dicho de otra forma, si K Rn es un conjunto compacto y f es un campo escalar continuo

en K, entonces hay puntos a K, b K tales que f (a) 6 f (x) 6 f (b) para todo x K.
1.10 Definicin. Sea f un campo escalar definido en un conjunto E Rn y sea a E . Se
dice que f tiene lmite en a si hay un nmero L R con la propiedad de que para todo > 0
existe un > 0 tal que se verifica k f (x) Lk < siempre que x E y 0 < kx ak < .
Simblicamente escribimos lm f (x) = L. El nmero L se llama lmite de f en a.
xa
El siguiente resultado establece la relacin entre el lmite funcional y el lmite secuencial.

1.11 Proposicin. Sea Sea f un campo escalar definido en un conjunto E Rn y sea a E .
Equivalen las siguientes afirmaciones:
a) lm f (x) = L.
xa
b) Para toda sucesin {xn } de puntos de E distintos de a, tal que {xn } a se verifica
{ f (xn )} L.

Curvas en Rn 6
1.2.1. Curvas en Rn
Una curva en Rn es una aplicacin continua : [a, b] Rn . El punto (a) se llama origen
y el punto (b) extremo de la curva. Naturalmente, como (t) Rn podremos expresarlo por
medio de sus componentes en la base cannica que sern funciones de t.
(t) = (1 (t), 2 (t), . . . , n (t))
Las funciones k (t) se llaman funciones componentes de . Se dice que es derivable en un
punto t cuando todas sus funciones componentes son derivables en dicho punto, en cuyo la
derivada de en t es, por definicin, el vector
(t) = (1 (t), 2 (t), . . . , n (t))
Dado un punto a = (t0 ) tal que (t0 ) , 0, se define la recta tangente a en el punto a
(aunque es ms apropiado decir en el punto t0 ) como la recta de ecuacin paramtrica a +
t (t0 ), es decir, la recta que pasa por a con vector de direccin (t0 ).
Cuando se interpreta (t) como la funcin de trayectoria de un mvil, entonces su velocidad
en un instante t es el vector (t) y su rapidez es k (t)k. La distancia que recorre dicho mvil
entre dos instantes t = a y t = b viene dada por
Z b
k (t)k dt .
a
1.12 Definicin. Un conjunto abierto Rn con la propiedad de que cualesquiera dos de sus
puntos pueden unirse por una curva que queda dentro de se llama un dominio.
Intuitivamente, un dominio es un conjunto abierto de un solo trozo. Los dominios desem-

pean en Rn un papel similar al de los intervalos en R.
1.3. Derivadas parciales. Vector gradiente

Acabamos de ver que los conceptos de continuidad y lmite para funciones reales de una
variable se generalizan fcilmente para campos escalares de varias variables. No ocurre lo
mismo con el concepto de derivabilidad el cual no puede generalizarse de forma inmediata. La
razn es que el concepto de derivabilidad hace intervenir la divisin de nmeros reales, pues
una derivada es un lmite de cocientes incrementales, y en Rn no podemos dividir por vectores,
es decir, la estructura algebraica de Rn no permite generalizar algo parecido a un cociente
incremental. Si f es un campo escalar de dos o ms variables, la expresin
f (x) f (a)
xa
no tiene ningn sentido.
Otra diferencia importante es que en la recta real, R, solamente podemos acercarnos a un
punto de ella a travs de la propia recta, mientras que en Rn para n > 2 hay muchsimas
ms posibilidades de acercarse a un punto dado; por ejemplo, podemos acercarnos a travs de
cualquier curva que pase por dicho punto. Surge as una primera idea que consiste en acercarse
a un punto dado a travs de una recta dada. Parece que esta situacin es ms parecida a lo que
conocemos para funciones reales de una variable.
1.13 Definicin. Una direccin en Rn es un vector de norma 1.

Interpretacin geomtrica de las derivadas parciales 7
Dados un punto a Rn y una direccin u, la recta que pasa por a con direccin u es la
imagen de la aplicacin : Rn R dada por (t) = a + tu, es decir, es el conjunto de puntos
{a + tu : t R}.
Sea f un campo escalar definido en un conjunto abierto E Rn , sea a E y u una
direccin. Se define la derivada de f en a en la direccin u como el lmite
f (a + t u) f (a)
Du f (a) = lm (1.2)
t0 t
supuesto, claro est, que dicho lmite exista.
Las derivada direccional de un campo escalar f en un punto a en la direccin del vector
ek de la base cannica, se llama derivada parcial de f en a respecto a la variable k-sima. Est
definida por
f (a + t ek ) f (a) f (a1 , . . . , ak + t, . . . , an ) f (a1 , . . . , ak , . . . , an )
Dek f (a) = lm = lm
t0 t t0 t
f (a1 , . . . , xk , . . . , an ) f (a1 , . . . , ak , . . . , an )
= lm (1.3)
xk ak xk ak
f
y se representa con los smbolos Dk f (a) y (a).
xk
Observa que las derivadas que acabamos de definir son derivadas de funciones reales de
una variable real pues, para calcular la derivada de un campo escalar f en un punto a en la
direccin u lo que se hace es derivar en t = 0 la funcin t 7 f (a + t u) que es una funcin real
de una variable real.
Observa que la segunda igualdad de (1.3) nos dice que, para calcular la derivada parcial
Dk f (a), lo que se hace es derivar f respecto a la variable k-sima considerando fijas las dems
variables. Por eso se llaman derivadas parciales.
1.3.1. Interpretacin geomtrica de las derivadas parciales
Es importante que entiendas el significado de las derivadas parciales de una funcin en un

punto. Para poder visualizarlo vamos a considerar un campo escalar f de dos variables definido
en E R2 . Fijemos un punto (a, b). Las derivadas parciales de f en (a, b) son, por definicin
f (a + t, b) f (a, b) f (x, b) f (a, b)
D1 f (a, b) = lm = lm
t0 t xa xa
f (a, b + t) f (a, b) f (a, y) f (a, b)
D2 f (a, b) = lm = lm
t0 t yb yb
Es decir, lo que hacemos es derivar las funciones parciales x 7 f (x, b) y y 7 f (a, y) en los
puntos x = a e y = b respectivamente.
La grfica de f , es decir, el conjunto S = {(x, y, f (x, y)) : (x, y) E} es una superficie en R3 .
Las funciones
1 (x) = (x, b, f (x, b)), 2 (y) = (a, y, f (a, y))
son curvas contenidas en dicha superficie que pasan por el punto (a, b). Dichas curvas se ob-
tienen cortando la superficie S por los planos y = b y x = a respectivamente. Los vectores
tangentes a dichas curvas en los puntos 1 (a) y 2 (b) son, respectivamente
1 (a) = (1, 0, D1 f (a, b)), 2 (b) = (0, 1, D2 f (a, b))

Interpretacin geomtrica de las derivadas parciales 8
En la figura (1.1) se ha representado la grfica de f y las curvas obtenidas cortndola por los
planos x = a e y = b junto a sus vectores tangentes en el punto (a, b)
Figura 1.1: Derivadas parciales
Cuando un campo escalar f tiene derivadas parciales en todos los puntos de un conjunto
E Rn , podemos definir las funciones derivadas parciales de f , Dk f : E R que a ca-
da punto x E hace corresponder el nmero Dk f (x). Dichas funciones son tambin campos
escalares.
1.14 Definicin. Sea f un campo escalar. Se define el vector gradiente de f en un punto a
como el vector
f (a) = D1 f (a), D2 f (a), . . . , Dn f (a)
supuesto, claro est, que dichas derivadas parciales existan.
Supongamos que f es una funcin real de una variable real. La derivabilidad de f en un

punto a R se expresa por
f (x) f (a) f (x) f (a) f (a)(x a)
lm = f (a) lm =0
xa xa xa xa
Recuerda que la recta de ecuacin cartesiana y = f (a) + f (a)(x a) es la recta tangente a la
grfica de f en el punto (a, f (a)).
Si ahora f es un campo escalar definido en un conjunto E Rn , cuyo vector gradiente
f (a) est definido en unD punto a E, Epodemos considerar el hiperplano en Rn+1 de ecuacin
cartesiana xn+1 = f (a) + f (a) x a . Este hiperplano pasa por el punto (a, f (a)) Rn+1 y es
la generalizacin natural de la recta tangente a la grfica de una funcin. Observa el parecido
formal entre las expresiones
D E
y = f (a) + f (a)(x a), xn+1 = f (a) + f (a) x a
Ambas representan hiperplanos (un hiperplano en R2 es una recta) y la segunda se deduce de la

primera sustituyendo la derivada por el vector gradiente y el producto usual de nmeros reales
por el producto escalar de vectores. Esto nos lleva a la siguiente definicin.

Campos escalares diferenciables 9
1.3.2. Campos escalares diferenciables
1.15 Definicin. Sea f un campo escalar definido en un conjunto E Rn y sea a un pun-

to interior de E. Supongamos que est definido el vector gradiente f (a). Se dice que f es
diferenciable en a si se verifica que
D E
f (x) f (a) f (a) x a
lm =0 (1.4)
xa kx ak
Definamos D E
f (x) f (a) f (a) x a
R(x, a) =
kx ak
La igualdad (1.4) dice que lm R(x, a) = 0. Con lo que, otra forma equivalente de escribir la
xa
igualdad (1.4) es la siguiente.
D E
f (x) = f (a) + f (a) x a + R(x, a) kx ak donde lm R(x, a) = 0 (1.5)
xa
1.16 Definicin. Sea f un campo escalar diferenciable en un punto a. El hiperplano en Rn+1

de ecuacin cartesiana D E
xn+1 = f (a) + f (a) x a
se llama hiperplano tangente a f en a o hiperplano tangente a la grfica de f en el punto
(a, f (a)).
1.17 Proposicin. Sea f un campo escalar diferenciable en un punto a y sea u una direccin
en Rn . Entonces se verifica que D E
Du f (a) = f (a) u
Demostracin. En la igualdad (1.5) pongamos x = a + t u con lo que obtenemos

D E D E
f (a + t u) = f (a) + f (a) t u + R(a + t u, a) kt uk = f (a) + t f (a) u + R(a + t u, a)|t|
f (a + t u) f (a) |t|
lm = lm R(a + t u, a) = 0.
t0 t t0 t
1.18 Corolario. Sea f un campo escalar diferenciable en un punto a con vector gradiente no
nulo en a.
a) La direccin en la que la derivada direccional de f en a es mxima es la direccin dada
f (a)
por el gradiente, es decir, la direccin u = .
k f (a)k
b) La direccin en la que la derivada direccional de f en a es mnima es la direccin
f (a)
opuesta a la dada por el gradiente, es decir, la direccin v = .
k f (a)k
Demostracin. Las afirmaciones hechas son consecuencia de la proposicin anterior y de la

desigualdad de CauchySchwarz, pues para toda direccin w se tiene que
D E
| f (a) w | 6 k f (a)k kwk = k f (a)k
Y la igualdad se da si, y solo si, hay un nmero R tal que w = f (a). Tomando normas
en esta igualdad se deduce que || = 1/ k f (a)k, es decir las direcciones w que hacen mximo
D E f (a) f (a)
|Dw f (a)| = | f (a) w | son u = y v= .
k f (a)k k f (a)k

Campos escalares diferenciables 10
Para la primera se tiene que

* +
f (a) 1 D E
Du f (a) = f (a) = f (a) f (a) = k f (a)k
k f (a)k k f (a)k
que es el valor mximo que puede tener una derivada direccional.
Anlogamente, para la segunda se tiene que
Dv f (a) = k f (a)k
que es el valor mnimo que puede tener una derivada direccional. 2
El resultado anterior nos dice que el vector gradiente en un punto seala la direccin en la
que el campo tiene mximo crecimiento en dicho punto. Mientras que en la direccin opuesta
a la del vector gradiente en un punto el campo tiene mximo decrecimiento.
1.19 Proposicin. Sean f un campo escalar definido en un conjunto E Rn y una curva en
Rn que toma valores en el conjunto E. Supongamos que es derivable en un punto t0 y que f
es diferenciable en el punto a = (t0 ) E. Entonces se verifica que la funcin h(t) = f ((t)) es
derivable en t0 y su derivada viene dada por
D E Xn
h (t0 ) = f (a) (t0 ) = Dk f (a)k (t0 ) (1.6)
k=1
Demostracin. Se tiene que

D E
h(t) h(t0 ) = f ((t)) f ((t0 )) = f (a) (t) (t0 ) + R((t), (t0 )) k(t) (t0 )k
Dividiendo por t t0 tenemos
* +
h(t) h(t0 f ((t)) f ((t0 )) (t) (t0 ) k(t) (t0 )k
= = f (a) + R((t), (t0 ))
t t0 t t0 t t0 t t0
(t) (t0 )
Teniendo en cuenta que lm = (t0 ) se deduce que
tt0 t t0
h(t) h(t0 ) D E
lm = f (a) (t0 )
tt0 t t0
como queramos demostrar. 2
Que un campo escalar tenga derivadas parciales en un punto es una propiedad muy dbil.
xy
Por ejemplo, el campo escalar f (x, y) = 2 , f (0, 0) = 0 tiene derivadas parciales nulas
x + y2
en (0, 0) pero no es continuo en dicho punto. La propiedad de ser diferenciable es mucho
ms fuerte que tener derivadas parciales. Por ejemplo, es fcil probar que un campo escalar
diferenciable en un punto es continuo en dicho punto. El siguiente resultado proporciona
una condicin suficiente de diferenciabilidad muy til.
1.20 Teorema (Condicin suficiente de diferenciabilidad). Un campo escalar que tiene de-
rivadas parciales continuas en un conjunto abierto es diferenciable en todo punto de dicho
conjunto.
En la prctica suele suponerse que los campos escalares tienen derivadas parciales conti-
nuas. Esta hiptesis garantiza que son diferenciables y es suficiente para justificar la mayora
de los resultados que siguen.

Rectas tangentes y planos tangentes 11
Es sabido que una funcin derivable en un intervalo con derivada nula es constante. Para
campos escalares hay un resultado anlogo. Observa la hiptesis de que el campo est definido
en un dominio.
1.21 Proposicin. Un campo escalar definido en un dominio con derivadas parciales nulas en
todo punto del mismo es constante.
En la siguiente seccin te digo cmo calcular rectas y planos tangentes a curvas y su-
perficies considerando las distintas formas en que stas pueden venir dadas. Mi propsito es
esencialmente prctico, a saber, que entiendas la forma de proceder en cada caso; por lo que
no me preocupo de justificar con detalle todo lo que digo.
1.4. Rectas tangentes y planos tangentes
1.4.1. Curvas en el plano
Una curva en el plano puede venir dada de tres formas:

a) Como la grfica de una funcin y = f (x) donde x I siendo I un intervalo de R.
= {(x, f (x)) : x I}
b) Por medio de ecuaciones paramtricas (t) = (x(t), y(t)).
= (I) = {(x(t), y(t)) : t I}
c) De forma implcita como el conjunto de puntos g(x, y) = 0 donde se anula una funcin
diferenciable de dos variables.
n o
= (x, y) R2 : g(x, y) = 0
Suele usarse la siguiente terminologa. Si h(x, y) es un campo escalar diferenciable, las

curvas de ecuacin implcita h(x, y) = c o, lo que es igual h(x, y) c = 0, donde c es una
constante, se llaman curvas de nivel. Dichas curvas se obtienen cortando la grfica de h
con planos de la forma z = c. Estas curvas son las que ves representadas en los mapas
topogrficos.
Observa que a) es un caso particular de c) (basta considerar g(x, y) = f (x) y) y tambin es un

caso particular de b) (basta considerar (x) = (x, f (x))).
La tangente en un punto de viene dada en cada caso como sigue.
a ) La tangente en un punto (a, b) = (a, f (a)) es la recta de ecuacin cartesiana y b =

f (a)(x a). El vector (1, f (a)) es tangente a en el punto (a, b) y el vector ( f (a), 1) es
ortogonal a en el punto (a, b).
b ) La tangente en un punto (t0 ) = (a, b) es la recta de ecuaciones paramtricas
(x, y) = (t0 ) + t (t0 ) = (a, b) + t(x (t0 ), y (t0 ))
El vector (t0 ) = (x (t0 ), y (t0 )) es tangente a en (a, b).

Superficies en R3 12
c ) La tangente en un punto (a, b) es la recta de ecuacin implcita

D E
g(a, b) (x a, y b) = 0
Se supone que g(a, b) , 0 pues en otro caso, la tangente en (a, b) no est definida. El
vector gradiente g(a, b) es ortogonal a en el punto (a, b).
Estas ltimas afirmaciones requieren alguna justificacin. Para ello, supongamos que cono-
cemos una representacin paramtrica local de en torno al punto (a, b). Es decir, hay una
curva de la forma (t) = (1 (t), 2 (t)) que pasa por el punto (a, b) y que es derivable1.
Pongamos (t0 ) = (a, b). Por lo visto en b ), sabemos que la tangente a en (a, b) es la
recta que pasa por el punto (a, b) con vector de direccin
D (t0 ). Pongamos
E h(t) = g((t)).

En virtud de la igualdad (1.6), tenemos que h (t) = g((t)) (t) . Pero h(t) = 0, por lo

D E
que h (t) = g((t)) (t) = 0. Resulta as que el vector g((t)) es ortogonal al vector
tangente (t). En particular, el vector g(a, b) es ortogonal al vector (t0 ) tangente a en
(a, b). Concluimos que la recta que pasa por (a, b) y tiene como vector ortogonal g(a, b) es
la
D recta tangente
a en (a,
E b), pero dicha recta es justamente la recta de ecuacin cartesiana
g(a, b) (x a, y b) = 0.
De lo antes visto, merece la pena destacar la siguiente propiedad.
El vector gradiente g(x, y) de un campo escalar es ortogonal en todo punto (x, y) (en el
que g(x, y) , 0) a la curva de nivel que pasa por dicho punto.
1.4.2. Superficies en R3
Una superficie S en el espacio R3 puede venir dada de tres formas:

a) Como la grfica de una funcin y = f (x, y) donde (x, y) A siendo A un conjunto de R2 .
S = {(x, y, f (x, y)) : (x, y) A}
b) Por medio de ecuaciones paramtricas (s, t) = (x(s, t), y(s, t), z(s, t)) donde (s, t) A R2 .
S = (A) = {(x(s, t), y(s, t), z(s, t)) : (s, t) A}
c) De forma implcita como el conjunto de puntos g(x, y, z) = 0 donde se anula una funcin
diferenciable de tres variables.
n o
S = (x, y, z) R3 : g(x, y, z) = 0
Observa que a) es un caso particular de c) (basta considerar g(x, y, z) = f (x, y) z) y tambin

es un caso particular de b) (basta considerar (s, t) = (s, t, f (s, t))). El plano tangente en un
punto de S viene dada en cada caso como sigue.
a ) El plano tangente en un punto (a, b, c) = (a, b, f (a, b)) S es el plano de ecuacin cartesiana
f f
z f (a, b) = (a, b)(x a) + (a, b)(y b)
x y
1
El teorema de la funcin implcita, que se ver ms adelante, garantiza la existencia de dicha curva siempre que el vector
gradiente g(a, b) , 0.

Curvas en R3 13
! !
f f
Los vectores 1, 0, (a, b) y 0, 1, (a, b) son tangentes a S en (a, b, c) y el vector
x y
!
f f
(a, b), (a, b), 1
x y
es ortogonal a S en el punto (a, b, c).
b ) El plano tangente en un punto (s0 , t0 ) = (a, b, c) S es el plano de ecuaciones paramtri-
cas

(x, y, z) = (s0 , t0 ) + s (s0 , t0 ) + t (s0 , t0 )
s t
Donde !
x y z
(s0 , t0 ) = (s0 , t0 ), (s0 , t0 ), (s0 , t0 )
s s s s
y !
x y z
(s0 , t0 ) = (s0 , t0 ), (s0 , t0 ), (s0 , t0 )
t t t t
Dichos vectores son tangentes a S en (a, b, c).
c ) El plano tangente en un punto (a, b, c) S es el plano de ecuacin implcita
D E
g(a, b, c) (x a, y b, z c) = 0
Se supone que g(a, b, c) , 0 pues en otro caso, el plano tangente a S en (a, b, c) no est
definido. El vector gradiente g(a, b, c) es ortogonal a S en el punto (a, b, c).
Si g(x, y, z) es un campo escalar, las superficies de ecuacin implcita g(x, y, z) = c o, lo

que es igual g(x, y, z) c = 0, donde c es una constante, se llaman superficies de nivel
(cuando el campo se interpreta como un potencial se llaman superficies equipotenciales).
De lo dicho en c ), se sigue que el vector gradiente g(x, y, z) es ortogonal en todo punto
(x, y, z) (en el que g(x, y, z) , 0) a la superficie de nivel que pasa por dicho punto.
1.4.3. Curvas en R3
Una curva en el espacio puede venir dada de dos formas.

a) Como interseccin de dos superficies S 1 y S 2 .
b) Por medio de ecuaciones paramtricas (t) = (x(t), y(t), z(t)) donde t I R e I es un
intervalo.
= (I) = {(x(t), y(t), z(t)) : t I}
La tangente en un punto de viene dada en cada caso como sigue.
a ) La tangente en un punto (a, b, c) es la recta interseccin de los planos tangentes a S 1 y

a S 2 en (a, b, c). Por ejemplo, si las superficies vienen dadas por sus ecuaciones implcitas.
n o
3
S 1 = n(x, y, z) R : f (x, y, z) = 0o
n o
= (x, y, z) R3 : g(x, y, z) = f (x, y, z) = 0

3
S 2 = (x, y, z) R : g(x, y, z) = 0

Derivadas parciales de orden superior 14
Entonces, las ecuaciones implcitas de la recta tangente son

D E
D f (a, b, c) (x a, y b, z c)E = 0

g(a, b, c) (x a, y b, z c) = 0

Donde se supone que los vectores gradiente f (a, b, c), g(a, b, c) son linealmente inde-
pendientes pues, en otro caso, la recta tangente a la curva en (a, b, c) no est definida.
b ) La tangente en un punto (t0 ) = (a, b, c) es la recta de ecuaciones paramtricas
(x, y, z) = (t0 ) + t (t0 ) = (a, b, c) + t(x (t0 ), y (t0 ), z (t0 ))
El vector (t0 ) = (x (t0 ), y (t0 ), z (t0 )) es tangente a en (a, b, c).
1.4.4. Derivadas parciales de orden superior
Supongamos un campo escalar f que tiene derivadas parciales Dk f en un conjunto E Rn .

Las funciones Dk f son tambin campos escalares que podemos, cuando se dejen, volver a
derivar parcialmente en puntos de E. Obtenemos de esta forma las derivadas parciales de
segundo orden de f , es decir las funciones D j (Dk f ), que se representan simblicamente de las
formas
2 f 2 f
D jk f (x), (x), (x)
x j xk x2k
De forma anloga se definen las derivadas parciales de tercer orden de f como las derivadas
parciales de las derivadas parciales de segundo orden de f y se representan por
3 f 3 f 3 f
D jkm f (x), (x); (x); (x)
x j xk xm x3k x2k x j
Es natural preguntarse si el orden en que se realizan las derivadas debe ser o no tenido en
cuenta. Afortunadamente, en la mayora de los casos podemos olvidarlo porque se verifica el
siguiente resultado.
1.22 Definicin. Se dice que un campo escalar f es de clase C k en un abierto E Rn si f tiene
derivadas parciales de orden k continuas en E.
1.23 Teorema. Las derivadas parciales de orden menor o igual que k de un campo escalar
de clase C k solamente dependen del nmero de veces que se deriva parcialmente respecto de
cada variable, pero el orden en que se realicen dichas derivaciones no afecta para nada al
resultado final.
Como para calcular derivadas parciales de una funcin de varias variables se consideran
fijas todas las variables menos aquella respecto a la que se deriva, calcular derivadas par-
ciales es lo mismo que derivar funciones de una variable. Solamente debes tener cuidado
para darte cuenta qu tipo de funcin es la que tienes que derivar porque ello puede de-
pender de la variable respecto de la que derivas. Por ejemplo, la funcin f (x, y) = xy
cuando fijas y (para derivar respecto a x) es una funcin potencia (la variable est en la

base y el exponente est fijo) y cuando fijas x (para derivar respecto a y) es una funcin
exponencial (la variable est en el exponente y la base est fija).
Te recuerdo que es muy frecuente, sobre todo en libros de Fsica e ingenieras diver-
sas, representar las funciones por letras. As, lo que los matemticos solemos escribir
f (x, y) = cos(xy) + xy2 , para indicar que f es una funcin de dos variables x e y cuyo
valor en el punto (x, y) viene dado por cos(xy) + xy2 , suele expresarse de forma menos
precisa en la forma z = cos(xy) + xy2 , cuyo significado es exactamente el mismo que
el anterior cambiando f por z. Naturalmente, en vez de z puede usarse cualquier otro
smbolo que sea distinto de x e y. Tienes que acostumbrarte a esta notacin y entender
cundo una letra representa una variable y cundo representa una funcin.
13. Calcula las derivadas parciales de primer orden de los campos escalares:
(a) f (x, y) = x2 y + z2 x + y sen(xz) (b) z = (x2 + y3 ) ex y
(c) w = x ez +z ey +xyz.
xy
14. Calcula las derivadas parciales de primer y segundo orden del campo f (x, y, z) = .
1 + y2 + z2
15. Calcula las derivadas parciales de primer y segundo orden de los campos escalares:
(a) z = sen cos exy (b) w = log 4 + arc tg(x/y) (c) u = tg (xy)z (d) v = arc tg z x y

Te recuerdo que una direccin viene dada por un vector de norma eucldea 1. Si a y b son
ba
puntos de Rn la direccin del punto a hacia el punto b viene dada por el vector .
kb ak
p
16. Calcula la derivada direccional de f (x, y) = log(1 + x2 + y2 ) en el punto (1, 2) en la
direccin hacia el origen.
!
xy
17. Calcula la derivada direccional de z(x, y) = arc tg en el punto (1, 1) en la direc-
x 2 + y2
cin hacia el punto (2, 1).
18. Calcula valores de a, b y c para que la derivada direccional de la funcin
f (x, y, z) = axy2 + byz + cz2 x3
en el punto (1, 2, 1) tenga un valor mximo igual a 64 en la direccin del eje OZ.
19. Calcula la ecuacin de la recta tangente y de la recta normal a la elipse de ecuacin
x 2 y2
+ =1
a2 b2
en un punto (u, v) de la misma.
20. Considera la curva dada por las ecuaciones paramtricas x(t) = et + cos t, y(t) = et + sen t.
Calcula la ecuacin de la recta tangente en el punto (x(0), y(0)).
20. Calcula, para los siguientes campos escalares, el vector normal en P0 a la curva de nivel
que pasa por dicho punto.

y
1. f (x, y) = arc tg p P0 = (1, 1).
1 + x 2 + y2

Extremos relativos 16
sen(x + y)
2. f (x, y) = P0 = (/2, /4).
2 + cos(x y)
xy
21. Calcula la derivada de h(x, y) = en el punto (1, 1) en la direccin
1 + log(1 + x2 y2 )
dada por el vector ortogonal (de norma 1) en el punto (1, 1) a la curva de nivel del campo
f (x, y) = x y3 + x3 y que pasa por dicho punto.
22. Calcula las ecuaciones del plano tangente y de la recta normal a cada una de las siguientes
superficies en el punto Po indicado.
z2 2x2 2y2 12 = 0, Po (1, 1, 4);

2 2
z log(x + y ) = 0, Po (1, 0, 0)
2 2 3
x + y + z 2x + 4y + 3z + 1 = 0, Po (3, 4, 3);
2 2
4 x 4z = y, Po (0, 0, 1)
z(xy 1) (x + y) = 0, Po (1, 2, 3);

z + ez +2x + 2y x2 y2 3 = 0, Po (1, 1 + e, 1)
23. Halla la ecuacin de la tangente a la curva dada como interseccin del elipsoide x2 +
4y2 + 2z2 = 27 y el hiperboloide x2 + y2 2z2 = 11 en el punto (3, 2, 1).
24. Calcula la ecuacin de la recta tangente a la curva definida por la interseccin de las
superficies z = x y, x2 + y2 2z = 4 en el punto (3, 1, 3). Comprueba el resultado
expresando la curva por sus ecuaciones paramtricas.
25. Calcula la ecuacin de la recta tangente a la curva definida por la interseccin de las
superficies 4xz = (x + z)y, 3z2 + y = 5x en el punto (1, 2, 1).
1.5. Extremos relativos

1.24 Definicin. Sea f un campo escalar definido en un conjunto E Rn . Se dice que f tiene
un mximo relativo (resp. mnimo relativo) en un punto a E, si a es un punto interior de
E y existe un nmero r > 0 tal que B(a, r) E y f (x) 6 f (a) (resp. f (a) 6 f (x)) para todo
x B(a, r). Cuando estas desigualdades se verifican de forma estricta se dice que el mximo o
el mnimo relativo es estricto.
Los puntos en los que f tiene un mximo o un mnimo relativos se llaman extremos rela-
tivos de f .
1.25 Proposicin (Condicin necesaria de extremo relativo). Sea f un campo escalar defi-
nido en un conjunto E Rn y supongamos que f tiene un extremo relativo en un punto a E
y adems que el vector gradiente de f en a est definido. Entonces se verifica que f (a) = 0.
Es decir, las derivadas parciales de primer orden de f en a son todas nulas.
Demostracin. Supongamos que f tiene un mximo relativo en a y sea r > 0 tal que B(a, r)
E y f (x) 6 f (a) para todo x B(a, r). Definamos :] r, r[ R por (t) = f (a + tek ).
La funcin est definida en el intervalo ] r, r[ pues para todo t ] r, r[ se tiene que

ka + tek ak = |t| < r por lo que a + tek B(a, r) E. Adems, para todo t ] r, r[ se
tiene que (t) = f (a + tek ) 6 f (a) = (0). Luego tiene en t = 0 un mximo relativo. Adems
como, por hiptesis, existe Dk f (a), tenemos que es derivable en t = 0. Luego (0) = 0, pero
(0) = Dk f (a). 2
1.26 Definicin. Los puntos donde se anula el gradiente de un campo escalar f se llaman
puntos crticos de f . Los puntos crticos de un campo escalar que no son extremos relativos
se llaman puntos de silla.
Si f es un campo escalar diferenciable, en los puntos crticos el hiperplano tangente es

horizontal.
La condicin necesaria de extremo relativo no es suficiente. Por ejemplo, el campo escalar
f (x, y) = x2 y2 tiene un punto crtico en (0, 0), pero no tiene extremo relativo en dicho punto
pues en toda bola centrada en (0, 0) toma valores positivos y negativos.
Al igual que para funciones de una variable, la derivada segunda proporciona una con-
dicin suficiente de extremo relativo, para campos escalares de varias variables las derivadas
parciales de segundo orden nos van a permitir dar una condicin suficiente de extremo relativo.
Necesitaremos para ello el siguiente resultado.
1.27 Proposicin. Sea f un campo escalar definido en un conjunto E Rn y supongamos que
f tiene derivadas parciales de segundo orden continuas en un punto a interior de E . Sea r > 0
tal que B(a, r) E. Entonces para todo x con kxk < r se tiene que
n n n
X 1 XX
f (a + x) = f (a) + Dk f (a)xk + D j,k f (a)xk x j + kxk2 (x) con lm (x) = 0 (1.7)
k=1
2 j=1 k=1 x0
Demostracin. Fijemos el vector x en las condiciones del enunciado y definamos la funcin

hx (t) = f (a + tx). Dicha funcin est definida en un intervalo abierto I [1, 1] y es dos veces
derivable en t = 0. El teorema de TaylorYoung dice que
1
hx (t) = hx (0) + hx (0)t + hx (0)t2 + t2 r(t, x) (1.8)
2
con lm r(t, x) = 0. Pongamos (t) = a + tx, con lo cual hx (t) = f ((t)). Por (1.6) tenemos que
t0
n
X n
X
hx (t) = D j f ((t)) j (t) = D j f ((t))x j (1.9)
j=1 j=1
Donde hemos tenido en cuenta que las componentes de son j (t) = a j + tx j . En particular
n
X
hx (0) = D j f (a)x j (1.10)
j=1
Volviendo a derivar la igualdad (1.9) en t = 0, aplicando otra vez la misma regla de derivacin
a los campos escalares D j f ((t)), obtenemos
n X
n n X
n
X X

hx (0) =

D j,k f (a)xk x j =
D j,k f (a)xk x j (1.11)
j=1 k=1 j=1 k=1
Sustituyendo las igualdades (1.10) y (1.11) en (1.8) y haciendo t = 1 obtenemos

n n n
X 1 XX
f (a + x) = f (a) + Dk f (a)xk + D j,k f (a)xk x j + r(1, x)
k=1
2 j=1 k=1

Solo queda probar que r(1, x) puede escribirse en la forma r(1, x) = kxk2 (x) con lmx0 (x) =
0 pero esto vamos a dejarlo para otra ocasin. 2
1.28 Definicin. Sea f un campo escalar de n variables que tiene derivadas parciales de se-
gundo orden continuas en un punto a. La matriz n n

H( f, a) = Di j f (a) 16i, j6n
se llama matriz hessiana de f en a.
Observa que la matriz hessiana es simtrica porque Di j f (a) = D ji f (a). En consecuencia,

dicha matriz define una forma cuadrtica, que representaremos por Q( f, a), que viene dada
para todo x = (x1 , x2 , . . . , xn ) Rn por
n X
X n
t
Q( f, a)(x) = x.H( f, a).x = D j,k f (a)xk x j
j=1 k=1
donde el punto . indica producto matricial y xt es el vector columna x. Con esta notacin
podemos escribir la igualdad (1.7) en la forma
D E 1
f (a + x) = f (a) + f (a) x + Q( f, a)(x) + kxk2 (x) donde lm (x) = 0 (1.12)
2 x0
Si suponemos que a es un punto crtico de f podemos escribir

1
f (a + x) = f (a) + Q( f, a)(x) + kxk2 (x) donde lm (x) = 0 (1.13)
2 x0
De donde se sigue que

f (a + x) f (a) 1
2
= Q( f, a)(x) + (x) donde lm (x) = 0
kxk 2 kxk2 x0
Teniendo en cuenta que las formas cuadrticas son polinomios homogneos de grado 2, es
1 1
decir, Q( f, a)(x) = 2 Q( f, a)(x), se tiene que 2
Q( f, a)(x) = Q( f, a)(x/ kxk). Resulta
2 kxk 2
as la igualdad
f (a + x) f (a) 1
= Q( f, a)(x/ kxk) + (x) donde lm (x) = 0 (1.14)
kxk2 2 x0
Pn
1.29 Definicin. Una forma cuadrtica Q(x) = i, j=1 i j xi x j se llama:
Positiva definida si Q(x) > 0 para todo x Rn con x , 0.
Semidefinida positiva si Q(x) > 0 para todo x Rn .
Positiva negativa si Q(x) < 0 para todo x Rn con x , 0.
Semidefinida negativa si Q(x) 6 0 para todo x Rn .
No definida si hay vectores x para los que Q(x) > 0 y hay vectores x para los que Q(x) < 0.
1.30 Teorema. Sea f un campo escalar definido en un conjunto E Rn y supongamos que f
tiene derivadas parciales de segundo orden continuas en un punto a interior de E que adems
es un punto crtico de f . Sea Q( f, a) la forma cuadrtica asociada a la matriz hessiana de f
en a.
n X
X n
Q( f, a)(x) = x.H( f, a).xt = D j,k f (a)xk x j
j=1 k=1

a) Si la forma cuadrtica Q( f, a) es definida positiva entonces f tiene en a un mnimo

relativo estricto.
b) Si la forma cuadrtica Q( f, a) es definida negativa entonces f tiene en a un mximo
relativo estricto.
c) Si la forma cuadrtica Q( f, a) es no definida entonces f tiene un punto de silla en a.
d) Si f tiene un mximo relativo en a entonces la forma cuadrtica Q( f, a) es semidefinida
negativa.
e) Si f tiene un mnimo relativo en a entonces la forma cuadrtica Q( f, a) es semidefinida
positiva.
Demostracin. Como Q( f, a) es una funcin polinmica y, por tanto, continua, y la esfera

unidad de Rn , S (0, 1) = {u Rn : kuk = 1}, es un conjunto compacto, en virtud del teorema de
Weierstrass, dicha funcin alcanza un mnimo valor y un mximo valor en S (0, 1). Sea
m = mn {Q( f, a)(u) : kuk = 1} , M = max {Q( f, a)(u) : kuk = 1}
a) Supongamos que Q( f, a) es definida positiva. Entonces se tiene que m > 0. y, por la igualdad
(1.14), tenemos que
f (a + x) f (a) 1 m
2
= Q( f, a)(x/ kxk) + (x) > + (x) donde lm (x) = 0
kxk 2 2 x0
La condicin lm (x) = 0 garantiza la existencia de un nmero s > 0 tal que |(x)| < m/4
x0
siempre que 0 < kxk < s. En consecuencia, si en la desigualdad anterior suponemos que
0 < kxk < s, se tiene
f (a + x) f (a) m m m m
2
> + (x) > = > 0
kxk 2 2 4 4
Deducimos que f (a+x) f (a) > 0 para todo x con 0 < kxk < s. O, lo que es igual, f (z) f (a) >
0 para todo z tal que 0 < kz ak < s. Lo que prueba que f tiene en a un mnimo relativo
estricto.
Los dems puntos se prueban de forma parecida. 2
Para poder usar el resultado anterior hay que saber clasificar una forma cuadrtica. Hay
varios procedimientos sencillos para ello. Los dos que siguen a continuacin son los que me
parecen ms cmodos.
Clasificacin de formas cuadrticas

Sean A = ai j 16i, j6n una matriz simtrica de nmeros reales y
n
X
t
QA (x) = x.A.x = ai j xi x j (1.15)
i, j=1
la forma cuadrtica definida por A. Los valores propios de A son las races del polinomio
caracterstico p(), que se define como el determinante de la matriz A I :

p() = A I

Es sabido que, en la situacin que estamos considerando, las races de dicho polinomio son
todas reales.
Sean j (1 6 j 6 n) los valores propios de A. Se demuestra que hay una base B =
{u1 , u2 , . . . , un } en Rn tal que para todo vector x Rn se tiene que
Xn
QA (x) = j x2j
j=1
donde (x1 , x2 , . . . , xn ) son los coordenadas del vector x en la base B. De aqu se siguen los
siguientes criterios.
La forma cuadrtica QA es definida positiva si, y slo si, todos los valores propios de A
son positivos.
La forma cuadrtica QA es definida negativa si, y slo si, todos los valores propios de A
son negativos.
La cuadrtica QA es no definida si, y slo si, A tiene valores propios positivos y negativos.
La forma cuadrtica QA es semidefinida positiva si, y slo si, todos los valores propios de
A son mayores o iguales que 0.
La forma cuadrtica QA es semidefinida negativa si, y slo si, todos los valores propios de
A son menores o iguales que 0.
Para aplicar estos criterios no es preciso calcular los valores propios de A sino solamente
saber cuntos de ellos son positivos, negativos o nulos. Afortunadamente, hay un criterio que
nos proporciona esta informacin sin ms que observar los coeficientes del polinomio caracte-
rstico.
1.31 Proposicin (Regla de los signos de Descartes). Sea f (x) = an xn + an1 xn1 + + a1 x +
a0 un polinomio con coeficientes reales y cuyas races son todas nmeros reales. Se verifica
entonces que:
a) El nmero de races positivas de f (contando multiplicidades) es igual al nmero de
cambios de signo en la sucesin (an , an1 , . . . , a1 , a0 ) de los coeficientes de f .
b) El nmero de races negativas de f (contando multiplicidades) es igual al nmero
de cambios de signo en la sucesin ((1)n an , (1)n1 an1 , . . . , a1 , a0 ) de los coeficientes de
f (x).
Para contar los cambios de signo en la sucesin de coeficientes se saltan los coeficientes
nulos. Por ejemplo, si f (x) = 2x6 + x5 x3 + x2 5, la sucesin de coeficientes de f es
(2, 1, 0, 1, 1, 0, 1) cuyo nmero de cambios de signo es 3.
1.32 Corolario. Sea p() el polinomio caracterstico de la matriz hessiana de f en a. Enton-
ces.
Si p() tiene grado n, todos sus coeficientes son distintos de cero y tienen igual signo, se
verifica que f tiene un mximo relativo estricto en a.
Si p() tiene grado n, todos sus coeficientes son distintos de cero y van alternando su
signo, se verifica que f tiene un mnimo relativo estricto en a.
Si p() tiene grado n, sus coeficientes nulos van seguidos y llegan hasta el trmino inde-
pendiente y los coeficientes no nulos tienen igual signo o van alternando su sigo, entonces no
puede afirmarse nada.
En todos los dems casos, f tiene un punto de silla en a.

Otro criterio para estudiar el carcter de la forma cuadrtica (1.15) se basa en la sucesin
de signos de los menores
principales de la matriz A. El menor principal de orden k es el
determinante k = ai, j 16i, j6k . Se verifica que:
Si todos los determinantes principales son positivos la forma cuadrtica es definida
positiva.
Si los determinantes principales son todos distintos de cero y van alternando signo
siendo el primero de ellos negativo, la forma cuadrtica es definida negativa.
Si los determinantes principales son nulos a partir de uno de ellos en adelante y los
no nulos son positivos o van alternando signo siendo el primero de ellos negativo, no puede
afirmarse nada.
En los dems casos la forma cuadrtica es no definida.
Observa que cuando la dimensin n es par, si el determinante de la matriz A es negativo
entonces la forma es no definida.
Podemos particularizar este criterio para el caso de dos dimensiones.
Sea A R2 un conjunto abierto y sea f un campo escalar definido en A que tiene derivadas
parciales de segundo orden continuas. Supongamos que (a, b) A es un punto crtico de f y sea
2
f 2 f

2 (a, b) (a, b)

H( f, (a, b)) = x xy
2 f 2 f
(a, b) (a, b)
xy y2
la matriz hessiana de f en (a, b) y notemos detH( f, (a, b)) su determinante.
2 f
Si detH( f, (a, b)) > 0 y (a, b) > 0 entonces f tiene en (a, b) un mnimo relativo
x2
estricto.
2 f
Si detH( f, (a, b)) > 0 y 2 (a, b) < 0 entonces f tiene en (a, b) un mximo relativo
x
estricto.
Si detH( f, (a, b)) < 0 entonces f no tiene extremo relativo en (a, b). Se dice que (a, b) es
un punto de silla de f .
Cuando detH( f, (a, b)) = 0 el conocimiento de la matriz hessiana no permite decidir
si hay o no hay extremo relativo en (a, b). Cuando esto sucede puede ser interesante
estudiar el comportamiento de las curvas f (a, t + b) y f (a + t, b). Si alguna de dichas
curvas no tiene extremo relativo o tienen extremos relativos de distinta naturaleza en
t = 0, podemos concluir que en (a, b) no hay extremo relativo de f .

Funciones vectoriales. Matriz jacobiana 22
26. Determinar los extremos relativos de las funciones:

f (x, y) = 2x3 + 6xy2 3x2 + 3y2 ; f (x, y) = x2 2xy2 + y4 y5 ;
x2 y2 8x + y
f (x, y) = ; f (x, y) = 2x2 + y2 + 8x 6y + 20;
xy
f (x, y) = x3 + 4xy 2y2 + 1; f (x, y) = cos(x) cos(y)
2 3
f (x, y) = 2x + y + x + xy + y ; f (x, y) = x 2 y 2 x 2 y 2 ;
f (x, y) = x log y x f (x, y) = 2x4 + y4 4x2 2y2 ;
f (x, y) = xy(1 x y); f (x, y) = 4x3 + 6x2 y + 3y4 4y3
2 2
f (x, y, z) = x2 + y2 + 3z2 + yz + 2xz xy; f (x, y, z) = (x2 + z2 ) e x(y +z +1) ;
2
+z2 +1)
f (x, y, z) = xy + xz + yz; f (x, y, z) = (x + z2 ) ex(y
27. Trazar un plano que pase por el punto (1, 2, 3) y que forme con los ejes coordenados un
tetraedro de volumen mnimo (el volumen del tetraedro es un tercio del rea de la base
por la altura).
28. Recta de mnimos cuadrados. Dados n puntos (xi , yi ) R2 , determinar los nmeros y
n
X 2
para que la cantidad yi xi sea mnima.
i=1
Pn
29. Dados m puntos ai Rn , calcular el valor mnimo de la funcin f (x) = i=1 kx ai k2 .
1.6. Funciones vectoriales. Matriz jacobiana

Una funcin vectorial es cualquier funcin que toma valores en un espacio vectorial de
dimensin mayor mayor que 1. Las curvas en el plano o en el espacio son funciones vectoriales
de una variable. Ahora nos interesa considerar funciones vectoriales de varias variables.
1.33 Definicin. Sean f1 , f2 , . . . , fm campos escalares definidos en un subconjunto E Rn . La
funcin F : E Rm definida para todo x = (x1 , x2 , . . . , xn ) E por

F(x) = f1 (x), f2 (x), . . . , fm (x)
es una funcin vectorial de n variables y m componentes. Suele escribirse F = ( f1 , f2 , . . . , fm ).
El nombre de campo vectorial se aplica a aquellas funciones vectoriales que tienen igual n-
mero de variables que de componentes, esto es, para funciones definidas en un subconjunto de
un espacio vectorial y que toman valores en dicho espacio vectorial.
1.34 Definicin. Sea F = ( f1 , f2 , . . . , fm ) : E Rm , donde E Rn , una funcin vectorial de n
variables y m componentes. Sea a un punto interior de E. Se dice que F es diferenciable en a
si los campos escalares f1 , f2 , . . . , fm componentes de F son diferenciables en a. En tal caso, la
matriz cuyas
filas son los vectores gradiente fi (a), esto es la matriz de m filas y n columnas
D j fi (a) 16i6m , se llama matriz jacobiana de f en a y se representar por J( f, a).
16 j6n
La aplicacin lineal D F(a) : Rn Rm definida para todo x Rn por
D F(a)(x) = J( f, a).x t

Derivadas parciales de funciones compuestas 23
donde . indica producto matricial y x t es el vector columna x, se llama diferencial de F en

a.
En trminos del producto escalar, podemos escribir para todo x Rn :

D E D E D E
D F(a)(x) = f1 (a) x , f2 (a) x , . . . , fm (a) x Rm
Es fcil deducir a partir de esta igualdad y de la definicin de campo escalar diferenciable que
se verifica
F(x) F(a) D F(a)(x a)
lm =0
x0 kx ak
1.35 Teorema (Regla de la cadena). Sean F : E Rm , E Rn , y G : A Rn , A Rq ,
funciones vectoriales tales que G(A) E de manera que la composicin H = F G : A Rm
est definida. Supongamos que G es diferenciable en un punto a A y que F es diferenciable
en el punto G(a) E. Entonces se verifica que la funcin compuesta H es diferenciable en a, y
su diferencial viene dada como la composicin de las respectivas diferenciales :
D H(a) = D F(G(a)) D G(a) (1.16)
Observa que la composicin tiene sentido pues D G(a) : Rq Rn y D F((G(a)) : Rn

R , por lo que la composicin es una aplicacin lineal de Rq a Rm , como debe ser pues H es
m
una funcin vectorial de q variables y m componentes.
1.6.1. Derivadas parciales de funciones compuestas
La expresin de la igualdad (1.16) por medio de matrices jacobianas es

J(H, a) = J(F, G(a)). J(G, a) (1.17)
Poniendo H = (h1 , h2 , . . . , hm ), F = ( f1 , f2 , . . . , fm ), G = (g1 , g2 , . . . , gq ); notando las variables
por x = (x1 , x2 , . . . , xn ) Rn , y = (y1 , y2 , . . . , ym ) Rq , y escribiendo b = G(a), tenemos que
! ! !
hi fi gk
(a) = (b) . (a) b = G(a)
y j 16i6m xk 16i6m y j 16k6n
16 j6q 16k6n 16 j6q
De donde se sigue
n
hi X fi gk
(a) = (b) (a) b = G(a) (1 6 i 6 m, 1 6 j 6 q) (1.18)
y j k=1
xk y j
Esta igualdad constituye la regla de la cadena para derivadas parciales y es importante que
aprendas a aplicarla y que entiendas lo que dice. Voy a intentar facilitarte las cosas.
Primero, lo ms frecuente es que F sea un campo escalar. Supongamos, pues, que en lo
anterior, F = f es un campo escalar, en cuyo caso h = f G tambin es un campo escalar. La
igualdad (1.18) queda ahora
n
h X f gk
(a) = (b) (a) b = G(a) (1 6 j 6 q) (1.19)
y j k=1
x k y j
En esta igualdad se interpreta que la funcin G : A E Rn lo que hace es un cam-

bio de variables. Hablando familiarmente, podemos decir, que las variables antiguas de

la funcin f , esto es las x = (x1 , x2 , . . . , xn ) E se han sustituido por variable nuevas

y = (y1 , y2 , . . . , yq ) A y la funcin f se ha expresado en estas nuevas variables dando
lugar a la funcin h. La relacin entre unas variables y otras viene dada por
xk = gk (y1 , y2 , . . . , yq ), 16k6n (1.20)
De esta manera podemos interpretar la igualdad (1.19) en la forma siguiente:

Para derivar la funcin nueva h, respecto a una nueva variable y j , se deriva la fun-
cin antigua f respecto a cada una de sus variables xk y se multiplica por la derivada
de cada una de ellas xk = gk (y1 , y2 , . . . , yq ) respecto a la variable y j .
Ya se ve que la situacin est pidiendo que hagamos algunas simplificaciones que, adems, son
las que se hacen siempre en la prctica porque, aunque son algo confusas, facilitan mucho los
clculos.
Lo primero que se hace es identificar las funciones gk que introducen las nuevas coordena-
das con las coordenadas antiguas xk , es decir, vemos las coordenadas antiguas como funciones
de las nuevas y esto lo escribimos en la forma siguiente.
xk = xk (y1 , y2 , . . . , yq ), 16k6n (1.21)
Con esta notacin, la igualdad (1.19) queda como sigue.

n
h X f xk
(a) = (b) (a) b = G(a) (1 6 j 6 q) (1.22)
y j k=1
x k y j
Observa el doble papel que desempea a la derecha de esta igualdad la letra xk ; cuando se
deriva respecto de ella representa una variable y cuando ella se deriva respecto de una variable
nueva representa una funcin.
La igualdad (1.22) ya es bastante fcil de recordar pero todava se siguen haciendo en la
prctica, sobre en todo en los textos de Fsica que suelen usar notaciones muy desafortunadas,
algunas simplificaciones adicionales (y peligrosas). A saber: no se distingue entre la funcin
f y la funcin h porque, como suele decirse en esos textos aludidos, son la misma funcin
expresada en distintas variables. Haciendo la identificacin de f con h nos queda lo siguiente.
n
f X f xk
(a) = (b) (a) b = G(a) (1 6 j 6 q) (1.23)
y j k=1
x k y j
Aqu la letra f desempea un doble papel: a la izquierda es la funcin compuesta y a la derecha

es la funcin dada en sus variable iniciales.
Todava suele darse un pasito ms que consiste en representar la funcin f con una letra
que suele usarse para representar variables; a saber, la letra z. Esto es frecuente tambin en
textos de Fsica. Vamos a hacerlo as.
n
z X z xk
(a) = (b) (a) b = G(a) (1 6 j 6 q) (1.24)
y j k=1
xk y j
Todava hay algo que podemos simplificar. Habrs observado que siempre indico la relacin
que hay entre los puntos b y a. Eso es muy importante para entender lo que se hace. Hay que
saber dnde se evalan las derivadas parciales de cada funcin. Pues bien, eso no se indica

jams en textos de Fsica. Nunca se indica en dnde se evalan las derivadas parciales. As que
vamos a suprimirlo.
n
z X z xk
= (1 6 j 6 q) (1.25)
y j k=1 xk y j
Debes de familiarizarte con esta igualdad y saber reconocer en ella la igualdad de partida. Y
no olvides la forma en que se evala esta igualdad. Lo vuelvo a poner.
n
z X z xk
(y) = (G(y)) (y) (1 6 j 6 q) (1.26)
y j k=1
xk y j
Si tuviramos que volver a derivar en esta igualdad respecto a una variable yk se derivara como
de costumbre: la derivada de una suma es la suma de las derivadas y para derivar el producto se
z
aplica la regla usual. Pero hay un detalle muy importante y es que la funcin (G(y)) vuelve
xk
z
a ser la funcin compuesta del campo escalar con la funcin G. Por tanto para derivarla
xk
hay que aplicarle la misma regla que hemos aplicado para derivar z como funcin compuesta
y que nos ha llevado a la igualdad anterior. Es por eso que el clculo de derivadas parciales de
segundo orden en funciones compuestas suele ser bastante engorroso y es fcil equivocarse si
no se sabe lo que se hace.
z
1.36 Ejemplo. Vamos a calcular siendo z = u2 + v5 + 3uv donde u = x2 + y2 , v = sen(xy).
x
As es como suelen enunciarse estos ejercicios y debes entender bien el enunciado. Nos
estn dando una funcin de las variables (u, v) a la que llaman z. Esto es la letra z representa
una funcin, a saber, z = u2 + v5 + 3uv. Nos estn dando un cambio de variables por medio
z
de las igualdades u = x2 + y2 , v = sen(xy). Y nos piden calcular . Esto ltimo ya nos dice
x
z
claramente que debemos ver z como funcin de x e y, es decir, la letra z en es la funcin
x
que nos dan despus de sustituir en ella las nuevas variables, o sea, la funcin compuesta de
z = u2 + v5 + 3uv con G(x, y) = (x2 + y2 , sen(xy)).
Sabemos que
z z u z v
= + = (2u + 3v)2x + (5v4 + 3u)y cos(xy)
x u x v x
z
Si lo dejamos as escrito parece que depende de 4 variables. Pero no es as porque en la
x
igualdad anterior las variables son x e y (las nuevas variables) mientras que u y v (las antiguas
variables) vienen dadas por u = x2 + y2 , v = sen(xy). Por tanto, es mejor hacer la sustitucin,
con lo que resulta
z
= (2(x2 + y2 ) + 3 sen(xy))2x + (5 sen4 (xy) + 3x2 + y2 )y cos(xy)
x
que nos da el valor de la derivada parcial de la funcin compuesta en un punto (x, y). En este
caso es muy sencillo calcular la funcin compuesta. Hazlo y comprueba el resultado obtenido.


Consideremos una funcin de dos variables x e y, z = z(x, y), y supongamos que expresa-
mos x e y en funcin de nuevas variables u y v, lo que indicamos en la forma x = x(u, v),
y = y(u, v). De esta forma la funcin z es funcin (funcin compuesta) de las variables
libres u y v, a travs de las variables dependientes x e y. Se trata de calcular las de-
rivadas parciales de z respecto de las nuevas variables u y v. La regla para hacerlo es la
siguiente: para derivar una funcin
z = z(x, y), x = x(u, v), y = y(u, v)
respecto de una nueva variable, se deriva z respecto de cada una de las antiguas variables
y se multiplica por la derivada de cada antigua variable respecto de la nueva variable. Se
entiende mejor si lo escribimos simblicamente
z z x z y
= +
u x u y u
En esta igualdad debes darte cuenta de que a la izquierda, como estamos derivando res-
pecto a u, la letra z representa a la funcin compuesta z = z(x(u, v), y(u, v)) y la derivada
est calculada en un punto (u, v). En la parte derecha de la igualdad la letra z represen-
ta la funcin dada z = z(x, y) y las letras x e y representan variables (cuando se deriva
respecto de ellas) y funciones (cuando se derivan respecto de u). Debe entenderse que
cuando se sustituye un valor de (u, v) en la igualdad los valores de x e y deben sustituirse
por x = x(u, v), y = y(u, v).
z
31. Sea z = cos(xy) + ey1 cos x donde x = u2 + v, y = u v2 . Calcular en el punto
u
(u, v) = (1, 1).
32. Sea u = (x + y)4 + y2 (z + x)3 donde x = rs et , y = rs log(1 + t2 ), z = r2 s cos t. Calcula
u
cuando r = 2, s = 1, t = 0.
s
33. Sea z = f (x, y), y pongamos x = u2 + v2 , y = u/v. Calcular las derivadas parciales de de z
respecto de las nuevas variables u y v en funcin de las derivadas parciales de z respecto
de x e y.
34. Sea u = x4 y + y2 z3 + (x/y), donde
x = 1 + rs et

y = rs2 et

z = r2 s sen t

u
Calcular cuando r = 2, s = 1, t = 0, sabiendo que (3/2) = 1.
s
z z
35. Sea z = f (x, y) donde x = s4 + r4 , y = 2 r s2 . Calcula (2, 2) y (2, 2). Siendo
x y
z z
(1, 1) = 2 y (1, 1) = 3.
r s

y
36. Prueba que la funcin F(x, y) = f ( x2 y2 ), donde f es una funcin real derivable, verifica
la igualdad
F F
(x2 + y2 ) + 2x y =0
x y
37. Prueba que la funcin F(u, v) = f (u v, (u2 v2 )/2), donde f : R2 R es una funcin
diferenciable, verifica la igualdad
f 2
! !2 !2 !2
2 2 f = F + F

(u + v ) +
x y u v
38. Sea z = f (x, y), donde x = cos , y = sen . Calcula z/ y z/ y prueba que
!2 !2 !2 !2
z z z 1 z
+ = + 2
x y
g g
39. Sea g(s, t) = f (s2 t2 , t2 s2 ). Prueba la igualdad t +s = 0.
s t
40. Sea u = f (x, y) donde x = e s cos t, y = e s sen t. Justifica que
2u 2u 2
2u
!
2s u
+ =e +
x2 y2 s2 t2
41. Sea z = f (x, y), donde x = cos , y = sen . Prueba que
2z 2z 2z 1 2z 1 z
+ = + +
x2 y2 2 2 2
42. Sea z = f (x, y) donde x = x(u, v), y = y(u, v). Prueba que
!2 !2
2z 2 z x 2 z x y 2 z y z 2x z 2y
= x + 2 + + +
u2 x2 u xy u u y2 u x u2 y u2
E indica la forma e que se evalan estas funciones.
43. Una funcin se llama homognea de grado n N si f (tx, ty) = tn f (x, y). Prueba que en
tal caso se verifica la igualdad
f f
x +y = n f (x, y)
x y
44. Sean las funciones f (x, y, z) = (ex +y2 , ez +y), g(u, v) = v2 + log u para (u, v) R R+ .
Qu valor debe tener para que la derivada direccional mxima de g f en (0, 0, 0) sea
igual a 1?

Extremos condicionados 28
1.7. Extremos condicionados

En la teora de extremos relativos se supone que las variables pueden tomar valores en cual-
quier punto de un conjunto abierto, es decir, pueden moverse libremente en dicho conjunto.
En muchos, por no decir que en la mayora, de los problemas reales las variables no tienen
tanta libertad y estn obligadas a satisfacer ciertas condiciones que en Fsica suelen llamarse
ligaduras. Por ejemplo, supongamos que un mvil se mueve en una curva dada por la
interseccin de dos superficies; para cada punto (x, y, z) la energa cintica del mvil viene
dada por una funcin conocida f (x, y, z) y queremos calcular los puntos de la trayectoria donde
dicha energa es mxima o mnima. En esta situacin las variables x , y , z no son libres sino
que deben satisfacer la condicin (x, y, z) . Otro ejemplo; supongamos que la temperatura
en un punto (x, y, z) de la superficie terrestre viene dada por una funcin T (x, y, z) y queremos
calcular los puntos de mayor y menor temperatura. Aqu las variables tampoco son libres pues
deben verificar una condicin de la forma x2 + y2 + z2 = R2 donde R es el radio de la Tierra.
Igualmente, en problemas de optimizacin de costes o beneficios las variables estn siempre
sometidas a restricciones que dependen de las condiciones de produccin o del mercado.
Es importante que comprendas la diferencia entre un problema de extremos relativos li-

bres y un problema de extremos condicionados. Considera el siguiente ejemplo.
2 2
1.37 Ejemplo. La funcin f (x, y) = xy e x +y tiene un nico punto crtico, el origen, que es
un punto de silla. Por tanto dicha funcin no tiene extremos relativos en R2 . Supongamos que
imponemos a las variables la condicin x2 + y2 = 1 y queremos calcular el mximo valor
de f (x, y) cuando se verifique que x2 + y2 = 1. Fjate en que el problema es completamente
distinto. Ahora solamente nos interesan los valores que toma la funcin f (x, y) en el conjunto
n o
K = (x, y) R2 : x2 + y2 = 1
Sabemos que dicho conjunto es un conjunto compacto (es cerrado porque coincide con su
frontera y acotado); adems la funcin f es continua, por tanto podemos asegurar, de entrada,
que tiene que haber algn punto (a, b) K en el cual la funcin f alcanza su mayor valor en K
(y tiene que haber otro donde alcance su menor valor en K). Calcular dicho punto es, en este
caso, muy sencillo
pues para (x, y) K se tiene que f (x, y) = e x y. Como para (x, y) K se tiene
que y = 1 x2 y los valores negativos de f no nos interesan porque queremos calcular el
mayor valor que toma en K, se sigue que
n o
max { f (x, y) : (x, y) K} = max e x 1 x2 : 1 6 x 6 1
Nuestro
problema se ha convertido en calcular el mximo absoluto de la funcin h(x) =
e x 1 x2 para 1 6 x 6 1.
De hecho, t has resuelto ejercicios de extremos condicionados aunque no seas consciente

de ello. Por ejemplo, seguro que alguna vez has resuelto el siguiente ejercicio.
1.38 Ejemplo. Entre todos los rectngulos cuyo permetro es igual a 16 calcular el que tiene
rea mxima.
Este ejercicio puedes plantearlo como sigue. Sea f (x, y) = xy la funcin que da el rea de
un rectngulo cuyos lados tienen longitudes x e y. Se trata de calcular el mximo de f (x, y)
cuando las variables verifican la condicin 2x+2y = 16. Por tanto, es un problema de extremos
condicionados. Seguro que ahora recuerdas algunos otros ejercicios parecidos a este que has

Teorema de los multiplicadores de Lagrange 29
hecho sin saber que estabas haciendo problemas de extremos condicionados. La razn es clara:
la condicin que nos dan es tan sencilla que permite despejar una variable en funcin de la
otra, y = 8 x, con lo que nuestra funcin se convierte en xy = x(8 x) y el problema queda
reducido a calcular el mayor valor de x(8 x) cuando 8 6 x 6 8.
Los ejemplos anteriores ponen de manifiesto que los problemas de extremos condicionados
en los que puede utilizarse la condicin que nos dan para despejar una variable en funcin
de otra, se reducen fcilmente a problemas de extremos de funciones de una variable. Pero
supongamos ahora que cambiamos la condicin del ejemplo 1 por la siguiente:
x e x +y + ey + sin(1 + xy) = 2
La cosa se complica porque ahora es imposible usar la condicin impuesta para despejar una
variable en funcin de la otra. Ahora s tenemos un autntico problema de extremos condicio-
nados.
Lo antes dicho para funciones de dos variables puedes generalizarlo para funciones de tres
variables. Por ejemplo el problema de calcular las dimensiones de un ortoedro de volumen
igual a 8 para que su superficie lateral sea mnima, puedes plantearlo como sigue: calcular el
mnimo de
f (x, y, z) = 2xy + 2xz + 2yz
(la funcin que da la superficie lateral de un ortoedro cuyos lados tiene longitudes x, y, z) con
la condicin xyz = 8. Se trata de un problema de extremos condicionados, pero la condicin
dada permite despejar una variable en funcin de las otras dos, z = 8/(xy), con lo que nuestra
funcin queda 2xy+2xz+2yz = xy+16/y+16/x, funcin de la que hay que calcular su mnimo
absoluto cuando 0 < x, 0 < y. Hemos convertido as el problema en uno de extremos relativos
de una funcin de dos variables. Pero si cambiamos la condicin anterior por la siguiente
x2 yz3 + sen(1 + xz) + y eyx = 1

o bien, si imponemos dos condiciones como las siguientes:
log(1 + x2 + y2 ) + sin(1 + xz) 1 = 0, e1+y+x+z + cos(xyz) + x2 z2 3 = 0
entonces no podemos usar esa condicin (o condiciones) para despejar una variable (o dos
variables) en funcin de las otras (de la otra).
1.7.1. Teorema de los multiplicadores de Lagrange
La teora de extremos condicionados te dice cmo proceder en este tipo de problemas inde-
pendientemente de que la condicin (o condiciones) que nos den sea ms o menos fcil y per-
mita o no despejar variables. El resultado bsico de esa teora, que proporciona una condicin
necesaria de extremo condicionado, es el teorema de Lagrange. Para facilitar su comprensin,
en vez de dar un enunciado general, lo enuncio en los tres casos que se presentan con mayor
frecuencia. Antes de enunciarlo conviene dar la definicin de extremo local condicionado.
1.39 Definicin. Sea f un campo escalar de n variables y S un subconjunto de Rn . Se dice

que f tiene un mximo (resp. mnimo) local condicionado (por la condicin x S ) en un punto
a S , si hay un nmero r > 0 tal que para todo x B(x, r) S se verifica que f (a) > f (x)
(resp. f (a) 6 g(x)). Cuando f tiene en a un mximo o un mnimo local condicionado (por la
condicin x S ) se dice que f tiene un extremo condicionado en a.

En lo que sigue supondremos que las funciones que intervienen tienen derivadas parciales de
primer orden continuas.
a) Consideremos el problema de calcular los extremos locales una funcin de dos variables
f (x, y) cuando las variables estn obligadas a moverse en una curva dada por g(x, y) = 0:
n o
= (x, y) R2 : g(x, y) = 0
Es decir, se trata de un problema de extremos condicionados por la condicin (x, y) o,

equivalentemente, g(x, y) = 0.
Adems de las condiciones de derivabilidad que se han supuesto al principio, hay que supo-
ner que el vector gradiente de g no se anula en los puntos de . En estas hiptesis, para que un
punto (a, b) sea un extremo local condicionado de f , es necesario que los vectores gradiente
de f y de g en el punto (a, b) sean linealmente dependientes; es decir, que exista un nmero
real 0 tal que
f g
(a, b) + 0 (a, b) = 0

x x

f (a, b) + 0 g(a, b) = 0

f g

(a, b) + 0 (a, b) = 0

y y

Como debe cumplirse tambin que g(a, b) = 0, para recordar estas tres condiciones que debe
cumplir el punto (a, b) se suele definir una nueva funcin de tres variables, llamada funcin de
Lagrange, por
F(x, y, ) = f (x, y) + g(x, y)
y las condiciones anteriores nos dicen que el punto (a, b, 0 ) es un punto crtico de la funcin
de Lagrange, es decir, es solucin del sistema de ecuaciones (llamado sistema de Lagrange):
F f g
(x, y, ) = (x, y) + (x, y) = 0

x x x

F f g

(x, y, ) = (x, y) + (x, y) = 0
y y y

F

(x, y, ) = g(x, y) = 0

b) Consideremos el problema de calcular los extremos locales una funcin de tres varia-
bles f (x, y, z) cuando las variables estn obligadas a moverse en una superficie S dada por
g(x, y, z) = 0: n o
S = (x, y, z) R3 : g(x, y, z) = 0
Es decir, se trata de un problema de extremos condicionados por la condicin (x, y, z) S o,
equivalentemente, g(x, y, z) = 0.
Adems de las condiciones de derivabilidad que se han supuesto al principio, hay que su-
poner que el vector gradiente de g no se anula en los puntos de S . En estas hiptesis, para que
un punto (a, b, c) S sea un extremo local condicionado de f , es necesario que los vectores
gradiente de f y de g en el punto (a, b, c) sean linealmente dependientes; es decir, que exista

un nmero real 0 tal que

f g

(a, b, c) + 0 (a, b, c) = 0

x x

f g

f (a, b, c) + 0 g(a, b, c) = 0 (a, b, c) + 0 (a, b, c) = 0

y y

f g

(a, b, c) + 0 (a, b, c) = 0

z z
Como debe cumplirse tambin que g(a, b, c) = 0, para recordar estas cuatro condiciones que
debe cumplir el punto (a, b, c) se suele definir una nueva funcin de cuatro variables, llamada
funcin de Lagrange, por
F(x, y, z, ) = f (x, y, z) + g(x, y, z)
y las condiciones anteriores nos dicen que el punto (a, b, c, 0 ) es un punto crtico de la funcin
de Lagrange, es decir, es solucin del sistema de ecuaciones (llamado sistema de Lagrange):
F f g

(x, y, z, ) = (x, y, z) + (x, y, z) = 0

x x x

F f g

(x, y, z, ) = (x, y, z) + (x, y, z) = 0

y y y

F f g

(x, y, z, ) = (x, y, z) + (x, y, z) = 0

z z z

F

(x, y, z, ) = g(x, y, z) = 0

c) Consideremos el problema de calcular los extremos locales una funcin de tres variables
f (x, y, z) cuando las variables estn obligadas a moverse en una curva dada por g(x, y, z) =
h(x, y, z) = 0: n o
= (x, y, z) R3 : g(x, y, z) = h(x, y, z) = 0
Es decir, se trata de un problema de extremos condicionados por la condicin (x, y, z) o,
equivalentemente, g(x, y, z) = h(x, y, z) = 0.
Adems de las condiciones de derivabilidad que se han supuesto al principio, hay que su-
poner que los vectores gradiente de g y de h son linealmente independientes en todo punto
de . En estas hiptesis, para que un punto (a, b, c) sea un extremo local condicionado de
f , es necesario que los vectores gradiente de f , g y h en el punto (a, b, c) sean linealmente
dependientes; es decir, que existan nmeros reales 0 , 0 tales que
f g h

(a, b, c) + 0 (a, b, c) + 0 (a, b, c) = 0

x x x

f

g h
f (a, b, c) + 0 g(a, b, c) + 0 h(a, b, c) = 0 (a, b, c) + 0 (a, b, c) + 0 (a, b, c) = 0

y y y

f g h

(a, b, c) + 0 (a, b, c) + 0 (a, b, c) = 0
z z z
Como debe cumplirse tambin que g(a, b, c) = h(a, b, c) = 0, para recordar estas cinco condi-
ciones que debe cumplir el punto (a, b, c) se suele definir una nueva funcin de cinco variables,
llamada funcin de Lagrange, por
F(x, y, z, , ) = f (x, y, z) + g(x, y, z) + h(x, y, z)

Las condiciones anteriores nos dicen que (a, b, c, 0 , 0 ) es un punto crtico de la funcin de
Lagrange, es decir, es solucin del sistema de ecuaciones (llamado sistema de Lagrange):
F f g h
(x, y, z, , ) = (x, y, z) + (x, y, z) + (x, y, z) = 0

x x x x

F f g h

(x, y, z, , ) = (x, y, z) + (x, y, z) + (x, y, z) = 0

y y y y

F

f g h
(x, y, z, , ) = (x, y, z) + (x, y, z) + (x, y, z) = 0
z z z z

F

(x, y, z, , ) = g(x, y, z) = 0

F

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

Esta es la teora que debes saber referente a extremos condicionados. El mtodo que hemos
descrito se conoce como mtodo de los multiplicadores de Lagrange porque las variables ,
que se introducen se llaman multiplicadores de Lagrange.
La situacin que consideraremos en los ejercicios ser la siguiente: debers calcular el m-
ximo o el mnimo absolutos de los valores de una funcin cuando las variables estn sometidas
a una condicin como las que hemos considerado anteriormente (las variables deben estar en
una curva en el plano, o en una superficie S en el espacio, o en una curva dada como inter-
seccin de dos superficies) donde, adems la curva o la superficie S , segn sea el caso, son
conjuntos compactos (lo que debers justificar en cada caso). En esta situacin, el teorema de
Weierstrass asegura que hay puntos de o S en los que la funcin alcanza un mximo y un
mnimo absolutos, es decir, son puntos en los que la funcin toma el mayor valor o el menor
valor de todos los valores que toma en o S . Para calcular dichos puntos lo nico que debes
hacer es calcular los puntos crticos de la funcin de Lagrange y calcular el valor de la funcin
en cada uno de ellos, aqul punto (o puntos, puede haber ms de uno) donde la funcin tome el
mayor valor ser el punto donde se alcanza el mximo absoluto; aqul punto (o puntos, puede
haber ms de uno) donde la funcin tome el menor valor ser donde se alcanza el mnimo
absoluto.
Finalmente, incluyo, por complitud, un resultado que establece condiciones suficientes de
extremo condicionado. No creo que tengas que usarlo.
Condiciones suficientes de extremo condicionado
Supongamos que f es un campo escalar de n variables con derivadas parciales continuas de

segundo orden. Sean g j , 1 6 j 6 m , campos escalares n de n variables cono derivadas parciales
de segundo orden continuas y definamos M = x : g j (x) = 0, 1 6 j 6 m . Se supone que en
todo punto x M los vectores gradiente g j (x) son linealmente independientes. Pongamos
G = (g1 , g2 , . . . , gm ) y = (1 , 2 , . . . , m ). Sea
D E
F(x, ) = f (x) + G(x)

la funcin de Lagrange y sea (a, ) un punto crtico de la misma. Consideremos el siguiente

polinomio
0mm J(G, a)
2
!

p(z) = J(G, a)t F
(a, ) z I
xi x j

16i6n
16 j6n
Si p(z) es de grado n m y todos sus coeficientes son positivos o negativos, entonces a es

un mximo local condicionado de f .
Si p(z) es de grado n m y todos sus coeficientes son distintos de cero y van alternando su
signo, entonces a es un mnimo local condicionado de f .
Si p(z) es de grado n m sus coeficientes nulos estn seguidos y llegan hasta el trmino
independiente y los no nulos o bien tienen todos igual signo o van alternando su signo, no se
puede decir nada.
En otro caso a no es extremo condicionado de f .
45. Calcular el valor mayor y el valor menor que toma la funcin f (x, y, z) = xyz en los
puntos del elipsoide x2 + 4y2 + 9z2 = 3.
46. Calcular el valor mayor y el valor menor que toma la funcin f (x, y, z) = y2 + 4z2 4yz
2xz 2xy en los puntos del elipsoide 2x2 + 3y2 + 6z2 = 1.
47. Determinar los puntos sobre la curva x2 y = 2 ms prximos al origen.
48. Hallar el punto de la recta interseccin de los planos x y = 2 y x 2z = 4, que est ms
prximo al origen.
49. Calcular el punto P(x, y, z) en el plano de ecuacin 2x + y z = 5 que est ms cerca del
origen.
50. El plano x + y + z = 24 corta al paraboloide z = x2 + y2 en una elipse. Calcula los puntos
ms altos y ms bajos de dicha elipse.
51. Utiliza el mtodo de los multiplicadores de Lagrange para calcular un punto de la elipse
de ecuacin
x 2 y2
+ =1
a2 b2
tal que el segmento determinado por la interseccin de la tangente a la elipse en dicho
punto con los ejes coordenados tenga longitud mnima.
51. Dado el elipsoide
x 2 y2 z2
+ + =1
a2 b2 c2
calcular un punto de coordenadas positivas tal que el plano tangente al elipsoide en dicho
punto determine con los ejes coordenados un tetraedro de volumen mnimo.

Clculo de extremos en conjuntos compactos 34
52. Hallar los puntos de la curva

x2 xy + y2 z2 = 1

x 2 + y2 = 1

que estn ms prximos al origen de coordenadas.

53. Calcular la mnima distancia del origen a la superficie de ecuacin x y2 z3 = 2.
54. Calcular los valores mximo y mnimo de la funcin f (x, y, z) = xyz cuando el punto
(x, y, z) pertenece a la curva definida por la interseccin del plano x + y + z = 0 y la esfera
x2 + y2 + z2 1 = 0.
55. Calcular la mnima distancia entre la recta x + y = 4 y la circunferencia x2 + y2 = 1.
56. Calcular la mnima distancia entre la recta x y = 2 y la parbola y = x2 .
56. Calcula la distancia mnima entre la elipse x2 + 2y2 = 6 y la recta x + y = 5.
57. El rea de una caja rectangular sin tapa es de 108cm2. Calcular sus dimensiones para que
el volumen sea mximo.
1.7.3. Clculo de extremos en conjuntos compactos
En este tipo de ejercicios se trata de calcular el mximo o el mnimo absolutos de una funcin
f con derivadas parciales continuas en un conjunto compacto K formado por la unin de un
conjunto abierto acotado y de su frontera, K = U Fr(U). En este tipo de ejercicios la existen-
cia de dichos extremos est asegurada de antemano en virtud del teorema de Weierstrass. Se
trata realmente de dos problemas, pues lo que hay que hacer es estudiar los extremos relativos
de f en el abierto U (un problema de extremos relativos) y estudiar los extremos locales con-
dicionados de f en Fr(U). Si la frontera de U est definida de forma apropiada (es una curva
o una superficie) ste ltimo es un problema de extremos condicionados. Cuando la frontera
de U est dada por condiciones sencillas que permiten despejar variables puede hacerse un
estudio directo sin necesidad de recurrir a la teora de extremos condicionados.
2 2
58. Calcular los extremos absolutos de f (x, y) = (x2 + 2y2 ) ex y en el disco x2 + y2 6 4.
59. Calcular los valores mximos y mnimos absolutos de f (x, y, z) = xy2 z3 en la bola x2 +
y2 + z2 6 1.
60. Hallar los extremos absolutos de f (x, y) = x2 + 3y2 en el crculo x2 2x + y2 3 6 0.
61. Hallar los extremos absolutos de la funcin f (x, y) = x2 y3 (1 x y) en el conjunto
K = {(x, y) : |x| + |y| 6 1}

Derivacin de funciones implcitamente definidas 35
62. Hallar los extremos absolutos de f (x, y) = x2 + y2 x y x y en el conjunto

n o
K = (x, y) R2 : x > 0, y > 0, x + y 6 3
63. Calcula los extremos absolutos del campo escalar f (x, y, z) = x + y + z en el conjunto
n o
A = (x, y, z) R3 : x2 + y2 6 z 6 1 .
1.8. Derivacin de funciones implcitamente definidas

Sea f (x, y) una funcin de dos variables con derivadas parciales de primer orden continuas
y consideremos la ecuacin f (x, y) = 0. Las soluciones de dicha ecuacin representan una
curva en el plano. Bueno, hablando con propiedad pueden representar algo ms general que
una curva. Para que te convenzas de ello basta que consideres la ecuacin
f (x, y) = (x2 + y2 1)(2(x 1)2 + 3(y 2)2 1)(y x2 ) = 0
la funcin f se anula en los puntos de la circunferencia x2 + y2 = 1, de la parbola y = x2 y
de la elipse 2(x 1)2 + 3(y 2)2 = 1. Por tanto la ecuacin f (x, y) = 0 representa la unin de
todas esas curvas.
Figura 1.2: Conjunto dado por f (x, y) = 0
Ese conjunto (ver figura (1.2)) no es exactamente una curva pero localmente se parece a una
curva. La palabra localmente quiere decir que si fijamos un punto (a, b) tal que f (a, b) = 0
entonces hay una bola abierta centrada en (a, b) de radio positivo, B((a, b), r) tal que el cor-
te de dicha bola con el conjunto de puntos V = {(x, y) : f (x, y) = 0} es una curva, donde la
palabra curva tiene el significado que le hemos dado en el apartado dedicado al clculo de
rectas tangentes. De hecho, no es cierto que la condicin anterior se verifique para todos los
puntos (a, b) tales que f (a, b) = 0. Dicha condicin falla en los puntos donde se cortan dos de
las curvas cuya unin forma V, pues es claro que en dichos puntos el conjunto V no parece
localmente una curva. Pues bien, en dichos puntos se anula el vector gradiente de f y en ellos
la recta tangente no est definida. Este ejemplo te ayudar a entender lo que sigue.
Volvamos al caso general de una funcin de dos variables f (x, y) con derivadas parciales
continuas de primer orden. Consideremos ahora la ecuacin f (x, y) = 0 desde otro punto de

Derivacin de funciones implcitamente definidas 36
vista. Intuitivamente, una ecuacin es una condicin que debe ligar a una de las variables,
es decir, que si en la igualdad f (x, y) = 0 se fija un valor de x entonces el valor de y queda
determinado de manera nica por dicho valor de x. A veces esto es verdad como en el siguiente
ejemplo. Consideremos
f (x, y) = y3 + y e x + sen x
Fijado un valor de x la ecuacin f (x, y) = 0 es un polinomio de tercer grado en y que tiene una
nica solucin real pues su derivada respecto de y es 3y2 + ex que no se anula. Es decir, en este
caso es cierto que la igualdad
y3 + y e x + sen x = 0 (1.27)
define de manera nica a y como funcin de x, en el sentido de que fijado un valor de x, hay
un nico y = (x) que verifica dicha igualdad, esto es, la funcin (x) est definida por la
condicin:
(x)3 + (x) e x + sen x = 0 (1.28)
Se dice que la funcin est implcitamente definida por la igualdad (1.27). Puedes calcular
con Mathematica el valor de dicha funcin y comprobars que es bastante complicada. El
hecho es que la mejor forma de trabajar con la funcin es la igualdad (1.28) que la define.
Por ejemplo, si queremos calcular la derivada de en un punto basta con que derivemos dicha
igualdad para obtener
3 (x)(x)2 + (x) e x +(x) e x + cos x = 0
lo que permite calcular (x) en funcin de (x).
En general, no es cierto que una igualdad de la forma f (x, y) = 0 permita despejar una
variable en funcin de la otra. Para convencerte, considera el primer ejemplo que pusimos. Ni
tan siquiera una igualdad tan sencilla como x2 + y2 1 = 0 permite despejar una variable como
funcin de la otra pues es claro que para cada valor que fijemos de una variable (comprendido
entre -1 y 1) hay dos posibles valores de la otra que verifican dicha igualdad.
Relacionemos ahora los dos puntos de vista que hemos considerado. Pongamos
n o
= (x, y) R2 : f (x, y) = 0
Si la igualdad f (x, y) = 0 permitiera despejar y en funcin de x, es decir, definiera una funcin
y = (x) por la condicin
f (x, y) = 0 y = (x)
entonces se tendra que (llamando I al intervalo donde est definida )
n o
= (x, y) R2 : f (x, y) = 0 = {(x, (x)) : x I}
es decir, el conjunto sera la grfica de , que, como sabemos, es un tipo muy particular de
curva. Pero ya hemos visto que el conjunto puede ser una curva mucho ms general que la
grfica de una funcin. Pero incluso en este caso, dicha curva es localmente, excepto en los
puntos donde se anula el gradiente, una grfica de una funcin.
Las consideraciones anteriores se pueden llevar al caso de una funcin de tres variables
f (x, y, z) considerando ahora la superficie definida por la ecuacin f (x, y, z) = 0. La pregunta
ahora es si fijados un valor de x y otro de y queda determinado de manera nica un valor de
z = (x, y) que verifica dicha ecuacin. En caso afirmativo tendramos que la superficie de
ecuacin f (x, y, z) = 0 coincidira con la grfica de . Ya puedes suponer que esto no es cierto
en general pues la mayora de las superficies no son grficas de funciones.

Teorema de la funcin implcita 37
El siguiente resultado, conocido como teorema de la funcin implcita, nos dice lo que
podemos afirmar en general en una situacin como la que estamos considerando.
1.8.1. Teorema de la funcin implcita
Suponemos que las funciones que consideramos en lo que sigue tienen derivadas parciales de
primer orden continuas.
a) Consideremos primero el caso de una funcin f (x, y) de dos variables. Sea
n o
= (x, y) R2 : f (x, y) = 0
Supongamos que (a, b) y se verifica que

f
(a, b) , 0
y
Entonces existe una funcin : I R, definida en un intervalo I tal que a I y (a) = b,
que verifica que f (x, (x)) = 0 para todo x I. La funcin se dice que est implcitamente
definida por la ecuacin f (x, y) = 0. Dicha funcin es derivable en I y su derivada se calcula
derivando la igualdad f (x, (x)) = 0 respecto a x con lo que se obtiene
f
f f (x, (x))
(x, (x)) + (x, (x)) (x) = 0 (x) = x
x y f
(x, (x))
y
Adems tenemos que
n o
(I (I)) = (x, y) R2 : f (x, y) = 0 (I (I)) = {(x, (x)) : x I}
es decir, es localmente en el punto (a, b) una curva que viene dada por la grfica de .
b) Consideremos ahora el caso de una funcin f (x, y, z) de tres variables. Sea

n o
S = (x, y, z) R3 : f (x, y, z) = 0
Supongamos que (a, b, c) S y se verifica que

f
(a, b, c) , 0
z
Entonces existe una funcin : U R, definida en un abierto U R2 con (a, b) U
y (a, b) = c, que verifica que f (x, y, (x, y)) = 0 para todo (x, y) U. La funcin se
dice que est implcitamente definida por la ecuacin f (x, y, z) = 0. Dicha funcin tiene de-
rivadas parciales continuas en U y sus derivadas parciales se calculan derivando la igualdad
f (x, y, (x, y)) = 0 parcialmente respecto a x e y con lo que se obtiene
f
f f (x, y, (x, y))

(x, y, (x, y)) + (x, y, (x, y)) (x, y) = 0 (x, y) = x
x z x x f
(x, y, (x, y))
z

f
(x, y, (x, y))
f f y
(x, y, (x, y)) + (x, y, (x, y)) (x, y) = 0 (x, y) =
y z y y f
(x, y, (x, y))
z
Adems tenemos que
n o
S (U (U)) = (x, y, z) R3 : f (x, y, z) = 0 (U (U)) = {(x, y, (x, y)) : (x, y) U}
es decir, S es localmente en el punto (a, b, c) una superficie que viene dada por la grfica de .
El teorema de la funcin implcita es mucho ms general pero nos limitaremos a los casos
considerados. En las hiptesis hechas pueden admitirse variaciones. La hiptesis que hay que
hacer siempre es que el vector gradiente de f no sea cero en el punto considerado. En el caso
a) puede suponerse igualmente que
f
(a, b) , 0
x
y la conclusin es que x puede expresarse localmente como funcin de y, es decir, que hay
una funcin : J R definida en un intervalo J tal que b J y (b) = a que verifica que
f ((y), y) = 0 para todo y J. Lo que sigue ya lo puedes suponer.
Anlogamente, en el caso b) puede suponerse, por ejemplo que
f
(a, b, c) , 0
x
entonces es la variable x la que queda definida localmente de forma implcita como funcin de
y, z. T mismo puedes completar el enunciado en este caso. Todo esto nos da ms libertad para
elegir la variable que queremos expresar como funcin de las otras, basta con que la derivada
parcial respecto de dicha variable sea distinta de cero.
En la prctica el teorema de la funcin implcita se aplica en la forma que te explico en los

siguientes ejemplos.
1.40 Ejemplo. Comprobar que la ecuacin

xyz + sen(z 6) 2(x + y + x2 y2 ) = 0
define a z como funcin implcita de (x, y) en un entorno de (1, 1), con z(1, 1) = 6. Comprobar
que (1, 1) es un punto crtico de la funcin z = z(x, y).
Solucin. Pongamos f (x, y, z) = xyz + sen(z 6) 2(x + y + x2 y2 ) que tiene derivadas parciales
f f
continuas de todo orden. Tenemos que = xy + cos(z 6), por lo que (1, 1, 6) = 2 , 0.
z z
Como, adems, f (1, 1, 6) = 0, el teorema de la funcin implcita garantiza que hay una funcin
con derivadas parciales continuas, (x, y) 7 z(x, y), definida en un entorno, U, de (1, 1) tal que
z(1, 1) = 6, y
f (x, y, z(x, y)) = 0 para todo (x, y) U.
Derivando esta identidad tenemos que:
f f z z
+ = yz 2(1 + 2xy2 ) + (xy + cos(z 6)) =0 (1)
x z x x
f f z z
+ = xz 2(1 + 2x2 y) + (xy + cos(z 6)) = 0 (2)
y z y y

Donde las derivadas parciales de la funcin implcita z = z(x, y) estn calculadas en un punto
(x, y) U y las de f estn calculadas en el punto (x, y, z(x, y)). Haciendo x = y = 1, z =
z z
z(1, 1) = 6, en las igualdades anteriores, se obtiene que (1, 1) = (1, 1) = 0, esto es, (1, 1)
x y
es un punto crtico de z = z(x, y).
El ejemplo anterior es todava demasiado explcito, nos dice muy claramente lo que hay
que hacer. Lo ms frecuente es que nos encontremos con ejercicios como el siguiente.
1.41 Ejemplo. Sabiendo que
y cos(xz) + x3 ez y z + 1 = 0 (1.29)
z
Calcular (x, y) y particularizar para el punto (x, y) = (0, 0).
x
Solucin. En un ejercicio como este lo ms fcil es que en la igualdad (1.29) sustituyas men-
talmente z = z(x, y) y la veas como
y cos x z(x, y) + x3 ez(x,y) y z(x, y) + 1 = 0

(1.30)
es decir, supones que has calculado para valores de x e y dados la solucin respecto a z de la
igualdad (1.29). Esta solucin (que de hecho no es posible expresar de forma explcita, esto es,
que no puede calcularse) la representamos por z = z(x, y) y es la funcin implcita definida por
la igualdad (1.29) (el teorema de la funcin implcita que es un teorema de existencia garantiza
que dicha funcin existe). Ahora derivamos en la igualdad (1.30) respecto a x para obtener
!
z z z
y sen x z(x, y) z(x, y) + x (x, y) + 3x2 ez(x,y) y +x3 y (x, y) ez(x,y) y (x, y) = 0

x x x
de donde
y z(x, y) sen x z(x, y) 3x2 ez(x,y) y

z
(x, y) =
x x3 y ez(x,y) y x y sen(x z(x, y)) 1
Naturalmente, esta igualdad tiene sentido siempre que el denominador de la fraccin sea dis-
tinto de cero. Puedes comprobar que si llamas f (x, y, z) = y cos(xz) + x3 ez y z + 1 entonces la
igualdad anterior es precisamente
f
(x, y, z)
x
f
(x, y, z)
z
calculada en el punto (x, y, z(x, y)). Para (x, y) = (0, 0) se tiene que z(0, 0) viene dado por la
ecuacin que se obtiene haciendo x = 0 e y = 0 en la igualdad (1.29) de donde se sigue
z(0, 0) = 1. Adems
f f
(0, 0, z(0, 0)) = (0, 0, 1) = 1 , 0
z z
Por lo que
z 0
(0, 0) = =0
x 1


64. Calcular las derivadas parciales de primer orden de la funcin z = z(x, y) definida impl-
citamente por y z4 + x2 z3 ex y z = 0. Particularizar para el punto (x, y) = (1, 0).
65. Calcular las derivadas parciales de primer orden de la funcin z = z(x, y) definida impl-
citamente por z3 + z e x + cos y = 0.
66. Calcular las derivadas parciales de primer orden de la funcin z = z(x, y) dada implci-
tamente por 3x2 y2 + 2z2 xy 2zx3 + 4zy3 4 = 0, en el punto (2, 1) siendo z(2, 1) = 2.
67. Supongamos que la igualdad

y+z
w wz2
g(t)dt + h(t)dt = 0
xy 3x+y
donde g y h son funciones reales derivables, define a z como funcin implcita de x, y.

Calcular las derivadas parciales de primer orden de z = z(x, y).
68. Supongamos que la igualdad F(x, y, z) = 0 determina implcitamente funciones diferen-
x y z
ciables x = x(y, z), y = y(x, z), z = z(x, y). Probar que = 1.
y z x
69. Calcular la derivada de la funcin y = y(x) definida implcitamente por
xy + 3x2 2y2 2y = 0
Particularizar para x = 1 sabiendo que y(1) = 1.

70. Calcular la derivada de la funcin y = y(x) definida implcitamente por
y log(x2 + y2 ) 2x y = 0
Particularizar para x = 0 sabiendo que y(0) = 1.

Leccin 2
Integrales mltiples
Introduccin
Las integrales de funciones reales de una variable, llamadas tambin integrales simples,
ya han sido consideradas en la Leccin 8. En esta Leccin vamos a estudiar la integracin de
funciones reales de dos o ms variables. Estas integrales suelen llamarse integrales mltiples.
Aunque, por su mayor inters prctico, nos vamos a limitar a funciones de dos y de tres va-
riables, los resultados que expondremos se generalizan con facilidad para funciones reales de
cualquier nmero de variables. Como ya es usual en estas notas, eludiremos los aspectos ms
tericos para centrarnos en las tcnicas de clculo de integrales dobles y triples. Vamos a ver
que el clculo de dichas integrales se reduce al clculo de dos o tres integrales simples lo que
suele hacerse calculando las correspondientes primitivas. Por tanto, si no sabes calcular primi-
tivas no podrs calcular integrales dobles y triples. El rea de una superficie en R3 o el flujo
de un campo vectorial a travs de la misma, vienen dados por medio de integrales dobles; la
masa de un slido en R3 o la carga elctrica que encierra el mismo vienen dados por integrales
triples. Los resultados principales del Anlisis Vectorial, esto es, los teoremas de Green, de
Gauss y de Stokes, se formulan por medio de integrales dobles y triples. Dichos resultados son
herramientas bsicas en la teora de campos electromagnticos y en la mecnica de fluidos.
En lo que sigue, consideraremos campos escalares acotados de dos o tres variables que
supondremos definidos en subconjuntos acotados de R2 o R3 cuya frontera consta de un nmero
finito de curvas o superficies suaves (de clase C 1 ). Supondremos que los campos son continuos
en todos los puntos de su conjunto de definicin salvo, quizs, en los puntos de un conjunto
finito de curvas o superficies suaves donde puede haber discontinuidades.
En la direccin http://www.ugr.es/local/fjperez/integrales_multiples.nb podrs descargar un
cuaderno de Mathematica que es un complemento til de estos apuntes y en el que tambin
hay algunos ejercicios resueltos.
2.1. Integrales dobles y triples

Sea f : A R un campo escalar de dos variables definido en un conjunto A R2 .
Consideremos primero el caso ms sencillo en que A = [a, b] [c, d] es un rectngulo. Sean
n o n o
P = a = x0 , x1 , x2 , . . . , x p1 , x p = b , Q = c = y0 , y1 , y2 , . . . , yq1 , yq = d
particiones de los intervalos [a, b] y [c, d] respectivamente. Dichas particiones determinan una
particin, que notamos P Q, del rectngulo A = [a, b] [c, d] en subrectngulos [xi1 , xi ]
[y j1 , y j ], donde 1 6 i 6 p, 1 6 j 6 q. Observa que dichos subrectngulos solamente pueden
41
Integrales dobles y triples 42
cortarse en sus fronteras y la unin de todos ellos es A. Una suma de Riemann de f para la
particin P Q es un nmero que se obtiene eligiendo puntos (si , t j ) [xi1 , xi ] [y j1 , y j ] y
calculando la suma X
f (si , t j )(xi xi1 )(y j y j1 ) (2.1)
16i6p
16 j6q
Se verifica que cuando la mayor de las longitudes de los intervalos de las particiones P y Q
se hace arbitrariamente pequea (o sea, tiende a 0), las sumas de Riemann de f se aproximan
tanto como se quiera a un nmero real que es, por definicin, la integral de Riemann de f en
el rectngulo [a, b] [c, d], que se representa por
x
f (x, y) d(x, y)
[a,b][c,d]
Consideremos ahora que A es un conjunto acotado en R2 y definamos la funcin fA : R2

R por
f (x, y)

si (x, y) A
fA (x, y) =
0
si (x, y)A
Observa que la funcin fA puede tener discontinuidades en las curvas frontera de A. Se verifica
que si B es un rectngulo que contiene a A la integral
x
fA (x, y) d(x, y)
B
existe en el sentido que hemos definido ms arriba y es independiente del rectngulo B que
contiene a A. El valor de dicha integral se representa por
x
f (x, y) d(x, y)
A
y se llama la integral de Riemann de f en A.

Las integrales que acabamos de definir para campos escalares de dos variables se llaman
integrales dobles.
Sea ahora f : A R un campo escalar de tres variables definido en un conjunto A R3 .
Consideremos primero el caso ms sencillo en que A = [a, b] [c, d] [u, v] es un ortoedro.
Sean
n o n o
P = a = x0 , x1 , . . . , x p = b , Q = c = y0 , y1 , . . . , yq = d , R = {u = z0 , z1 , . . . , zr = d}
particiones de los intervalos [a, b], [c, d] y [u, v] respectivamente. Dichas particiones determi-
nan una particin de A = [a, b] [c, d] [u, v] en ortoedros del tipo [xi1 , xi ] [y j1 , y j ]
[zk1 , zk ], donde 1 6 i 6 p, 1 6 j 6 q, 1 6 k 6 r. Dichos ortoedros solamente pueden cortarse
en sus fronteras y la unin de todos ellos es A. Representaremos de forma simblica dicha
particin del ortoedro A por P Q R. Una suma de Riemann de f para la particin P Q R
es un nmero que se obtiene eligiendo puntos (si , t j , wk ) [xi1 , xi ] [y j1 , y j ] [zk1 , zk ] y
calculando la suma
X
f (si , t j , wk )(xi xi1 )(y j y j1 )(zk zk1 ) (2.2)
16i6p
16 j6q
16k6r

Interpretaciones de las integrales dobles y triples 43
Se verifica que cuando la mayor de las longitudes de los intervalos de las particiones P, Q, R
tiende a 0 las sumas de Riemann de f se aproximan tanto como se quiera a un nmero real
que es, por definicin, la integral de Riemann de f en el ortoedro [a, b] [c, d] [u, v], que se
representa por y
f (x, y, z) d(x, y, z)
[a,b][c,d][u,v]
Consideremos ahora que A es un conjunto acotado en R3 y definamos la funcin fA : R3 R

por
f (x, y, z)

si (x, y, z) A
fA (x, y, z) =
0
si (x, y, z) A
Observa que la funcin fA puede tener discontinuidades en las superficies frontera de A. Se
verifica que si B es un ortoedro que contiene a A la integral
y
fA (x, y, z) d(x, y, z)
B
existe en el sentido que hemos definido ms arriba y es independiente del ortoedro B que
contiene a A. El valor de dicha integral se representa por
y
f (x, y, z) d(x, y, z)
A
y se llama la integral de Riemann de f en A.

Las integrales que acabamos de definir para campos escalares de tres variables se llaman
integrales triples.
Naturalmente, las definiciones que acabamos de dar no son tiles para calcular integrales.
Lo que debes recordar es que podemos obtener un valor aproximado de una integral doble o
triple por medio de sumas de Riemann, y cuanto ms pequeas sean las longitudes de todos
los intervalos de las particiones mejor ser la aproximacin obtenida.
2.1.1. Interpretaciones de las integrales dobles y triples
Sea f : A R un campo escalar de dos variables definido en un conjunto A R2 .

Supongamos que f (x, y) > 0 para todo (x, y) A. Consideremos el cilindro en R3 que tiene
como base el conjunto A y como tapadera la grfica de f , es decir el conjunto
n o
C( f, A) = (x, y, z) R3 : (x, y) A, 0 6 z 6 f (x, y) .
Las siguientes figuras muestran este nconjunto para la funcin

o f (x, y) = 4 x2 y2 y los
conjuntos A = [1, 1] [1, 1] y A = (x, y) : x2 + y2 6 2 .
En esta situacin, una suma de Riemann del tipo (2.1) representa una aproximacin del
volumen del conjunto C( f, A). Pues lo que hacemos en (2.1) es sumar los volmenes de pe-
queos ortoedros de base los rectngulos Ri j = [xi1 , xi ] [y j1 , y j ] y altura f (si , t j ). Es claro
que la suma de todos estos volmenes es una aproximacin del volumen del conjunto C( f, A).
La aproximacin es tanto mejor cuanto ms pequeos sean los lados de los rectngulos Ri j y,
en el lmite, el volumen del conjunto C( f, A) viene dado por la integral doble de f en A.
x
f (x, y) d(x, y) = volumen(C( f, A)) (2.3)
A

Interpretaciones de las integrales dobles y triples 44
La siguientes figura muestra aproximaciones al volumen del primero de los dos conjuntos
representados en la figura anterior.
Naturalmente, pueden darse otras muchas interpretaciones. Por ejemplo, la funcin f pue-
de representar una densidadxsuperficial de masa o de carga elctrica en una lmina plana A. En
tal caso la integral doble f (x, y) d(x, y) proporciona, respectivamente, la masa o la carga
A
total de la lmina A.
Las integrales dobles permiten calcular reas planas. En efecto, basta tener en cuenta que
si f es la funcin constante igual a 1, esto es f (x, y) = 1 para todo (x, y) A, entonces se tiene
que volumen(C( f, A)) = rea(A), pues el volumen de un cilindro de altura constante igual a 1
es numricamente igual al rea de su base.
x
d(x, y) = rea(A) (2.4)
A
Las integrales triples tienen anlogas interpretaciones. Si f : A R es un campo escalar

de tres variables definido en un conjunto A R3 que representa
y una densidad volumtrica de
masa o de carga elctrica en un slido A, la integral triple f (x, y, z) d(x, y, z) proporciona,
A
respectivamente, la masa o la carga total del slido A.

Clculo de integrales dobles y triples 45
Si integramos la funcin constante igual a 1 en un slido A R3 , obtenemos su volumen.

y
d(x, y, z) = volumen(A) (2.5)
A
2.2. Clculo de integrales dobles y triples

Las definiciones que hemos dado de integral doble y triple no son tiles para el clculo. En
dichas definiciones la integral aparece como un lmite de sumas de Riemann. De hecho, a partir
de las definiciones dadas, es fcil obtener el siguiente resultado. Recuerda que en la Leccin
8 definimos el paso de una particin P, y lo representamos por (P), como la mayor de las
longitudes de los subintervalos de dicha particin.
2.1 Teorema (Convergencia de las sumas integrales). Sea f : [a, b] [c, d] R un campo
escalar de dos variables, {Pn } y {Qn } sucesiones de particiones de [a, b] y [c, d] respectivamen-
te, tales que {(Pn )} 0 y {(Qn )} 0. Sea ( f, Pn Qn ) una suma de Riemann de f para la
particin Pn Qn . Se verifica entonces que
x
lm ( f, Pn Qn ) = f (x, y) d(x, y)
n
[a,b][c,d]
Naturalmente, un resultado anlogo se tiene para integrales triples. Este resultado permite
en algunos casos particulares y con bastante esfuerzo e ingenio calcular ciertas integrales.
Como enseguida aprenderemos a calcular integrales mltiples con facilidad, es ms interesante
usar dicho resultado sensu contrario para calcular los lmites de ciertas sucesiones.
Las dos herramientas bsicas para el clculo de integrales mltiples son los teorema de
Fubini y del cambio de variables.
2.2.1. Integrales iteradas. Teorema de Fubini elemental
El teorema de Fubini es uno de los resultados ms tiles del clculo integral. Se trata de
un resultado vlido en condiciones mucho ms generales que las que estamos considerando en
esta Leccin. La versin que vamos a ver, que es justamente la que necesitamos aqu, puede
considerarse una versin elemental de dicho teorema. Esencialmente, el teorema de Fubini
permite calcular una integral doble o triple haciendo dos o tres integrales simples. No es difcil
comprender lo que dice el teorema ni tampoco lo es entender por qu se cumple. De hecho, no
es la primera vez que en este curso aparece dicho teorema. El Principio de Cavalieri y el clculo
de volmenes por secciones planas son casos particulares del teorema de Fubini. De hecho, es
este ltimo resultado el que vamos a usar ahora. Lo repito aqu para mayor comodidad.
2.2 Teorema (Clculo de volmenes por secciones planas). El volumen de una regin en R3
es igual a la integral del rea de sus secciones por planos paralelos a uno dado.
Este resultado permite calcular volmenes calculando reas de secciones planas y tiene
importantes consecuencias para el clculo de integrales dobles.
Consideremos una funcin positiva, f , definida en el rectngulo A = [a, b] [c, d]. Ponga-
mos n o
= (x, y, z) R3 : (x, y) A, 0 6 z 6 f (x, y) .
Para calcular el volumen del conjunto podemos proceder como sigue. Para cada x0 fijo
calculamos el rea de la seccin, (x0 ), que se obtiene cortando con el plano de ecuacin

Integrales iteradas. Teorema de Fubini elemental 46
X = x0 . Fjate que (x0 ) es una seccin de perpendicular al eje OX y, por tanto, paralela al
plano YZ. Como
(x0 ) = {(x0 , y, z) : y [c, d], 0 6 z 6 f (x0 , y)}
se tiene que (x0 ) es la regin del plano X = x0 comprendida entre la curva z = f (x0 , y), el eje
wd
OY y las rectas y = c, y = d. Como sabes, el rea de dicha regin viene dada por f (x0 , y) dy .
c
Para calcular el volumen de hay que integrar las reas de las secciones (x) cuando x [a, b],
y obtenemos finalmente que
wb wd

x
f (x, y) d(x, y) = volumen() = f (x, y) dy dx (2.6)

[a,b][c,d] a c
Razonando de forma anloga, considerando secciones (y) de paralelas al plano XZ, se

obtiene la igualdad
wd wb

x
f (x, y) d(x, y) = volumen() = f (x, y) dx dy (2.7)

[a,b][c,d] c a
De las igualdades (2.6) y (2.7) se deduce que
wb wd wd wb

x
f (x, y) d(x, y) = f (x, y) dy dx = f (x, y) dx dy (2.8)

[a,b][c,d] a c c a
wb wd wd wb

Las integrales f (x, y) dy dx y f (x, y) dx dy se llaman integrales iteradas y, en las

a c c a
hiptesisx
hechas al principio de esta Leccin, son iguales y su valor comn es igual a la integral
doble f (x, y) d(x, y) . Observa que las integrales iteradas son dos integrales simples. Para
[a,b][c,d]
wd
calcular f (x, y) dy lo que se hace es integrar respecto a la variable y considerando x fija.
c
Para ello lo que se hace es obtener una primitiva de la funcin y 7 f (x, y) y usar la regla
de Barrow. Fjate que una primitiva de la funcin y 7 f (x, y) puede describirse como una
primitiva parcial de f (x, y) con respecto a y. Te recuerda esto a la derivacin parcial?
La representacin grfica
p siguiente puede ayudarte a entender lo que se hace. La funcin
representada es f (x, y) = 36 3x2 6y2 en el rectngulo [2, 2] [2, 2]. Puedes ver el
cilindro bajo la grfica de la funcin, la seccin del mismo por el plano X = 0 y la
proyeccin de dicha seccin sobre el plano YZ.
x
Para calcular una integral f (x, y) d(x, y) cuando el recinto de integracin, A, no es un
A
rectngulo, se procede de la misma forma. La nica diferencia es que ahora tenemos que empe-
zar por determinar los valores de x tales que el plano X = x corta al cilindro bajo la grfica
de f , es decir, tenemos que determinar la proyeccin de A sobre el eje OX. Supongamos que
dicha proyeccin sea un intervalo [a, b]. Ahora, para cada x [a, b] hay que calcular el rea
de la seccin (x) o, lo que es igual, el rea de la regin en el plano YZ comprendida entre el
eje OY y la curva z = f (x, y) donde la variable y est en el conjunto A(x) = {y : (x, y) A}.

z=fH0,yL
6 6 6
4 4 4
Z
2 2 2
2
2
0 Y
-2 Y=0 y
0 -2 2
X X=0
2 -2
Supongamos que A(x) sea un intervalo (tampoco pasa nada si es unin de varios intervalos).
Entonces tenemos que

x wb w
f (x, y) d(x, y) = f (x, y) dy dx (2.9)
A a A(x)
Anlogamente se obtiene que

x wd w
f (x, y) d(x, y) = f (x, y) dx dy (2.10)
A c A(y)
Donde hemos supuesto que [c, d] es la proyeccin de A sobre el eje OY, y para cada y [c, d]
es A(y) = {x : (x, y) A}.
En los casos ms corrientes el conjunto A suele ser un conjunto de tipo I o de tipo II
(recuerda que los vimos al estudiar las Aplicaciones de la Integral). Esto es
A = {(x, y) : a 6 x 6 b, g(x) 6 y 6 h(x)} (tipo I)
A = {(x, y) : c 6 y 6 d, (y) 6 x 6 (y)} (tipo II)
En tales casos tenemos que

x wb h(x)
w
f (x, y) d(x, y) = f (x, y) dy dx (2.11)

A a g(x)

x wd (y)
w
f (x, y) d(x, y) =
f (x, y) dx dy
(2.12)
A c (y)
Observa que para el caso en que f (x, y) = 1 recuperamos las frmulas ya conocidas para el
clculo de reas de regiones planas de tipo I y tipo II.
Aunque hemos supuesto inicialmente, para poder aplicar el teorema (2.2), que la funcin
f es positiva, las igualdades obtenidas son vlidas, en las hiptesis hechas al principio de la
Leccin, cualquiera sea la funcin que integramos.
De forma anloga a lo antes visto, el teorema de Fubini permite calcular integrales triples
sin ms que calcular tres integrales simples. Para el caso de una funcin f definida en el

rectngulo de R3 A = [a, b] [c, d] [u, v] se tiene que
wb wd wv

y
f (x, y, z) d(x, y, z) = f (x, y, z) dz dy dx

[a,b][c,d][u,v] a c u
Observa que ahora hay seis integrales iteradas pero el valor de todas ellas es el mismo. Natu-
ralmente, cuando A es un subconjunto de R3 hay ms posibilidades, pero la idea es siempre
la misma: se obtiene primero la proyeccin de A sobre uno de los ejes o sobre uno de los
planos coordenados, y para cada punto fijado en dicha proyeccin se obtiene el conjunto
de los puntos de A que lo proyectan.
Si, por ejemplo, la proyeccin de A sobre el eje OZ es un intervalo J = [u, v], y para
cada z J es A(z) = {(x, y) : (x, y, z) A} (conjunto de los puntos de A que se proyectan en z),
entonces
y wv x
f (x, y, z) d(x, y, z) = f (x, y, z) d(x, y) dz
A u A(z)
En el caso en que A sea un conjunto de tipo I en R3 , es decir, A puede representarse en la

forma
A = {(x, y, z) : (x, y) , g(x, y) 6 z 6 h(x, y)}
donde es la proyeccin de A sobre el plano XY, y g, h, son funciones reales definidas en ,
entonces tenemos que

y x h(x,y)
w
f (x, y, z) d(x, y, z) =
f (x, y, z) dz d(x, y)

A g(x,y)
2.3 Ejemplo. Vamos a calcular el volumen de la mitad superior del elipsoide de ecuacin
x 2 y2 z2
+ + =1
a2 b2 c2
donde a > 0, b > 0, c > 0 son las longitudes de los semiejes del elipsoide.
x 2 y2 z2
( )
Se trata, pues, de calcular el volumen del conjunto = (x, y, z) : 2 + 2 + 2 6 1, z > 0 .
a b c )
x 2 y2
(
La proyeccin de sobre el plano XY es el conjunto A = (x, y) : 2 + 2 6 1 . Podemos
a b
escribir s
x 2 y2

= (x, y, z) : (x, y) A, 0 z c 1

6 6 2 2
a b

La igualdad (2.3) nos dice que
s
x x 2 y2
volumen() = c 1 d(x, y)
a2 b2
A
Para calcular esta integral doble podemos aplicar el teorema de Fubini. Observa que A es una
regin de tipo I en R2 pues
n p p o
A = (x, y) : a 6 x 6 a, b 1 x2 /a2 6 y 6 b 1 x2 /a2

Por tanto
s s
2 /a2
x 2 2 wa b 1x
w 2 2

x y x y
c 1 2 2 d(x, y) = c 1 2 2 dy dx
a b a b
a
A

b 2 2 1x /a
Tenemos que
s
2 2
w /a
b 1x
x 2 y2 h p i /2
w 1
2 2
2 2
c 1 2 2 dy = y = b 1 x /a sen t = bc(1x /a ) cos2 t dt = bc(1x2 /a2 )
a b 2
/2
b 1x2 /a2
Finalmente
a
w
1 2
volumen() = bc (1 x2 /a2 ) dx = abc
2 3
a
4
El volumen del elipsoide completo es abc. En particular, si el elipsoide es una esfera de
3
4
radio r, esto es a = b = c = r, deducimos que el volumen de la esfera es r3 .
3
En lugar de proyectar sobre el plano XY podemos proyectar sobre el eje OZ. Dicha
proyeccin es el intervalo [0, c]. Para cada z [0, c] tenemos que el conjunto de puntos de
que se proyectan en z, es decir, la seccin de por el plano Z = z, es el conjunto
x 2 y2 z2
( )
(z) = (x, y, z) : 2 + 2 6 1 2
a b c
Como
x 2 y2 z2 x 2 y2
+ 6 1 + 61
a2 b2 c2 u2 v2
r r
z2 z2
donde u = a 1 2 , v = b 1 2 . Deducimos que (z) es una elipse contenida en el plano
c c
z2
!
Z = z de semiejes u, v. Sabemos que el rea de dicha elipse es igual a uv = ab 1 2 . En
c
consecuencia, el volumen de viene dado por
wc z2
!
2
ab 1 2 dz = abc
c 3
0
En la siguiente figura se ha representado el semi-elipsoide abierto para que pueda apreciarse

mejor una seccin por un plano de altura constante.

Observa que a los clculos anteriores tambin se llega si tratamos de calcular directamente
el volumen de por medio de una integral triple. Sabemos que
y
volumen() = d(x, y, z)


Teorema del cambio de variables 50
Para calcular esta integral aplicamos el teorema de Fubini. Proyectando sobre el plano XY
tenemos que
2 2 2 2 s
y x c 1xw/a y /b
x x 2 y2
d(x, y, z) = dz d(x, y) = c 1 2 2 d(x, y)

a b

A 0 A

Proyectando sobre el eje OZ tenemos que

y wc x wc z2
!
d(x, y, z) =
d(x, y) dz = ab 1 2 dz

c
0 (z) 0
2.2.2. Teorema del cambio de variables
Para funciones de una variable sabemos que

wb wd
f (x) dx = f (g(t))g (t) dt
a c
donde se supone que a < b y g(c) = a, g(d) = b. Supongamos que la funcin g es inyectiva,
entonces g debe ser creciente o decreciente. Si es decreciente se tiene que d < c y g (t) 6 0,
por lo que |g (t)| = g (t) y podemos escribir
wd wc
f (g(t))g (t) dt = f (g(t))|g (t)| dt
c d
Podemos, por tanto, cuando g es inyectiva, escribir en todos los casos
wb w
f (x) dx = f (g(t))|g (t)| dt (2.13)
a
donde g es una biyeccin del intervalo [a, b] sobre el intervalo [, ]. Esta frmula se generaliza
para funciones de varias variables dando lugar al teorema del cambio de variables.
El teorema del cambio de variable para integrales dobles afirma que
x x
f (x, y) d(x, y) = f (g(u, v))|det Jg (u, v)| d(u, v) (2.14)
A B

donde se supone que la funcin g es una biyeccin de B sobre A de clase C 1 (sus funciones
componentes tienen derivadas parciales continuas) con determinante jacobiano distinto de cero,
esto es, det Jg (u, v) , 0 para todo (u, v) B. En esta frmula se interpreta que la funcin g hace
un cambio de coordenadas pues permite asignar a cada punto (x, y) A el nico punto (u, v) B
tal que g(u, v) = (x, y).
Aunque la integral de la derecha en la frmula (2.14) parece ms complicada que la de la
izquierda, cuando hacemos un cambio de variable lo que se trata es de conseguir que o bien la
funcin
f (g(u, v))|det Jg (u, v)| sea ms sencilla de integrar en B que la funcin f (x, y) en A o bien que
el recinto de integracin B sea ms sencillo que A. Si podemos conseguir las dos cosas, mejor.
Las condiciones que hemos supuesto para la validez de la frmula (2.14) se pueden relajar
un poco permitiendo que puedan fallar en un nmero finito de curvas. Por ejemplo, es suficiente
que g sea una biyeccin de B sobre el conjunto A en el que se ha suprimido un segmento; o
puede permitirse que el determinante jacobiano de g se anule en alguna curva en B. La idea,
que no hay que olvidar, es que para calcular integrales dobles podemos ignorar lo que pasa en
conjuntos de rea cero.
Solamente con la prctica se puede aprender cundo es conveniente hacer un cambio de
variables y qu funcin es la adecuada para realizarlo. Para integrales dobles el cambio de
variable ms til es a coordenadas polares. Ya hemos considerado dichas coordenadas en la
Leccin 8 pero conviene recordarlas ahora.
2.2.2.1. Coordenadas polares
La funcin g(, ) = ( cos , sen ) es una Y

biyeccin de R+ ] , ] sobre R2 \ {(0, 0)}.
Las componentes de g tienen derivadas parcia-
les continuas y fcilmente se comprueba que sen Hx,yL
det Jg (, ) = > 0. El par de nmeros (, )
dados por x = cos , y = sen donde > 0
y < 6 se llaman coordenadas polares

del punto de coordenadas cartesianas (x, y). X
cos
La frmula del cambio de variables (2.14) para el caso de coordenadas polares se expresa
por x x
f (x, y) d(x, y) = f ( cos , sen ) d(, ) (2.15)
A B
La mayor dificultad para aplicar esta frmula es la determinacin del conjunto B. Dicho con-
junto viene dado por
B = (, ) R+ ] , ] : ( cos , sen ) A

Si, por ejemplo, el conjunto A es de tipo I, A = {(x, y) : a 6 x 6 b, g(x) 6 y 6 h(x)}, entonces

B = {(, ) R+ ] , ] : a 6 cos 6 b, g( cos ) 6 sen x6 h( cos )}. Es importante
describir bien el conjunto B porque para calcular la integral f ( cos , sen ) d(, )
B
tienes que aplicar, naturalmente, el teorema de Fubini. Si, por ejemplo,
B = {(, ) : 6 6 , g() 6 6 h()} ,

entonces

x x w h()
w
f (x, y) d(x, y) = f ( cos , sen ) d(, ) = f ( cos , sen ) d) d
A B g()
(2.16)
Las coordenadas polares son especialmente tiles cuando el conjunto A es un crculo, o un
sector circular o una corona circular, pues en estos casos el conjunto B es muyn sencillo. Si, por o
ejemplo, A es el disco D((0, 0), R) de centro el origen y radio R, D((0, 0), R) = (x, y) : x2 + y2 6 R2 ,
entonces
B = (, ) R+ ] , ] : 6 R =]0, R]] , ]

Por tanto
wR w w wR

x
f (x, y) d(x, y) = f ( cos , sen ) d d = f ( cos , sen ) d d

D((0,0),R) 0 0
(2.17)
El teorema del cambio de variable para integrales triples afirma que
y y
f (x, y, z) d(x, y, z) = f (g(u, v, w))|det Jg (u, v, w)| d(u, v, w) (2.18)
A B
donde se supone que la funcin g es una biyeccin de B sobre A de clase C 1 (sus funciones
componentes tienen derivadas parciales continuas) con determinante jacobiano distinto de cero,
esto es, det Jg (u, v, w) , 0 para todo (u, v, w) B. Estas condiciones se pueden relajar un poco
permitiendo que puedan fallar en un nmero finito de superficies. Por ejemplo, es suficiente
que g sea una biyeccin de B sobre el conjunto A en el que se ha suprimido un trozo de plano;
o puede permitirse que el determinante jacobiano de g se anule en alguna superficie en B. La
idea, que no hay que olvidar, es que para calcular integrales triples podemos ignorar lo que
pasa en conjuntos de volumen cero.
2.2.2.2. Coordenadas esfricas
La funcin
Z
cosj
g(, , ) = ( sen cos , sen sen , cos )
Hx,y,zL
es una biyeccin de R+ ] , ] [0, ] so-
bre R3 \ {(0, 0, 0)}. Las componentes de g tie-
j
nen derivadas parciales continuas y fcilmente
se comprueba que det Jg (, , ) = 2 sen .
La terna de nmeros (, , ) dados por senjsen Y
x = sen cos , y = sen sen , z = cos
donde > 0 y < 6 , 0 6 6 , se lla-
man coordenadas esfricas del punto de coor- senjcos senj
denadas cartesianas (x, y, z).
X
La frmula del cambio de variables (2.18) para el caso de coordenadas esfricas se expresa

por
y y
f (x, y, z) d(x, y, z) = f ( sen cos , sen sen , cos )2 sen d(, , )
A B
(2.19)
La mayor dificultad para aplicar esta frmula es la determinacin del conjunto B. Dicho con-
junto viene dado por
B = (, , ) R+ ] , ] [0, ] : ( sen cos , sen sen , cos ) A

Las coordenadas esfricas son especialmente tiles cuando el conjunto A es una esfera, o un
sector esfrico o una corona esfrica,
n pues en estos casos elo conjunto B es muy sencillo. Si, por
ejemplo, A = B((0, 0, 0), R) = (x, y, z) : x2 + y2 + z2 6 R2 (esfera de centro el origen y radio
R), entonces
B = (, , ) R+ ] , ] [0, ] : 6 R =]0, R]] , ] [0, ]

Por tanto
wR w w

y
2
f (x, y, z) d(x, y, z) = f ( sen cos , sen sen , cos ) sen d d d

B((0,0,0),R) 0 0
(2.20)
y la integral iterada puede hacerse en el orden que se quiera.
Interpretacin intuitiva de la frmula del cambio de variables
Todo esto est muy bien, pero por qu se cumple el teorema del cambio de variables?
Excepto el parecido formal que hay entre las frmulas (2.13) y (2.14), nada te he dicho que
te ayude a comprender por qu dicho teorema tiene que ser cierto. No es difcil comprender
de forma intuitiva las razones profundas del teorema. Por comodidad, consideremos el caso de
integrales dobles. En la igualdad
x x
f (x, y) d(x, y) = f (g(u, v))|det Jg (u, v)| d(u, v) (2.21)
A B
supongamos que la funcin f es la funcin constantemente igual a 1. Entonces dicha igualdad

nos dice que x x
d(x, y) = |det Jg (u, v)| d(u, v) (2.22)
A B
x
y como, d(x, y) es el rea del conjunto A = g(B), lo que nos dice esta igualdad es que
A
x
rea(g(B)) = |det Jg (u, v)| d(u, v) (2.23)
B
En particular, si la aplicacin g es una aplicacin lineal de R2 en R2 , entonces el determinante

jacobiano de g es el determinante de g (como aplicacin lineal), esto es, det Jg (u, v) = det (g).
Si, adems, tomamos como conjunto B el intervalo [0, 1] [0, 1], obtenemos que
w1 w1

x
rea g([0, 1] [0, 1]) = |det Jg (u, v)| d(u, v) = |det (g)| du dv = |det (g)| (2.24)

[0,1][0,1] 0 0

Es decir, el valor absoluto del determinante de una aplicacin lineal es el rea de la imagen
por dicha aplicacin del intervalo unidad [0, 1] [0, 1]. Que esto efectivamente se cumple
puedes comprobarlo de forma elemental! Observa que en el caso, todava ms especial, de que
g sea una aplicacin lineal del tipo g(x, y) = (ax, by) donde
a y b son nmeros reales, entonces
|det (g)| = |ab| y, evidentemente, rea g([0, 1] [0, 1]) = |ab|. En este caso se ve claramente
que |det (g)| representa el producto de las dilataciones que realiza g en cada uno de los ejes.
Esta interpretacin tambin es correcta para cualquier aplicacin lineal.
Podemos interpretar ahora la igualdad (2.23) anterior. En ella lo que se hace es aproximar
localmente la aplicacin diferenciable g por su aplicacin derivada la cual, como sabes, es una
aplicacin lineal de R2 en R2 cuyo determinante es precisamente el determinante jacobiano
de g, det Jg (u, v). De forma sugerente, la igualdad (2.23) expresa que la dilatacin global que
produce en el conjunto B la aplicacin diferenciable g se obtiene integrando las dilataciones
locales, y stas se calculan sustituyendo g por su aplicacin derivada, lo que, por lo que
acabamos de decir, explica la intervencin de |det Jg (u, v)| en la frmula (2.21).
La demostracin, que es bastante tcnica, de la frmula del cambio de variables (2.21)
consiste en demostrar la igualdad (2.22), pues de ella se deduce con facilidad el caso general.
Confo en que con lo antes dicho hayas llegado a entrever las razones profundas de por qu se
verifica dicha igualdad.
71. Calcula la integral de la funcin f : A R en los siguientes casos:

a) f (x, y) = 1 siendo A la regin limitada por y2 = x3 , y = x.
b) f (x, y) = x2 siendo A la regin limitada por xy = 16, y = x, y = 0, x = 8.
c) f (x, y) = x siendo A el tringulo de vrtices (0, 0), (1, 1), (0, 1).
d) f (x, y) = x siendo A la regin limitada por la recta que pasa por (0, 2) y (2, 0) y la
circunferencia de centro (0, 1) y radio 1.
e) f (x, y) = e x/y siendo A la regin limitada por y2 = x, x = 0, y = 1.
x x2
f) f (x, y) = 2 siendo A la regin limitada por y = , y = x.
x + y2 2
g) f (x, y) = xy2 siendo A la regin limitada por y2 = 2x, x = 1.
h) f (x, y) = xy siendo A la regin limitada por la semicircunferencia superior (x2)2 +
y2 = 1 y el eje OX.
i) f (x, y) = 4 y2 siendo A la regin limitada por y2 = 2x e y2 = 8 2x.
2
j) f (x, y) = e x siendo el conjunto A el tringulo formado por las rectas 2y = x, x = 2
y el eje x.
xy
k) f (x, y) = ; donde A es el cuadrado de vrtices (0, 2), (1, 1), (2, 2), (2, 3).
x+y
72. Calcula los siguientes volmenes:
a) Volumen del slido limitado superiormente por z = x + y e inferiormente por el
tringulo de vrtices (0, 0), (0, 1), (1, 0)
b) Volumen del slido limitado superiormente por z = 2x+1 e inferiormente por el con-
junto
{(x, y) R2 : x2 + (y 1)2 6 1}

c) Volumen del slido comprendido por el paraboloide de ecuacin z = x2 + y2 e

inferiormente por el disco unidad.
x2
d) Volumen del slido limitado superiormente por z = 4 y2 e inferiormente por
4
el disco {(x, y) R2 : x2 + (y 1)2 6 1}.
e) Volumen del slido acotado por el plano z = 0 y el paraboloide z = 1 x2 y2 .
f) Volumen del conjunto {(x, y, z) R3 : 0 6 z 6 x2 + y2 6 2x}.
x 2 y2
g) Volumen limitado por el paraboloide elptico + = z y el plano z = 7.
9 16
73. Utiliza el cambio a coordenadas polares para calcular las integrales de las siguientes
funciones en los recintos que se indican:
p
a) f (x, y) = 1 x2 y2 , A = B (0, 0), 1

p
b) f (x, y) = x2 + y2 , A = [0, 1] [0, 1]

c) f (x, y) = y, A = {(x, y) B (1/2, 0), 1/2 : y > 0}
d) f (x, y) = x2 + y2 , A = B (1, 0), 1

e) f (x, y) = x2 + y2 , A = {(x, y) R2 : 4 6 x2 + y2 6 9}
74. Calcula la integral de f : A R en cada uno de los siguientes casos:
a) f (x, y) = x, A = {(x, y) R2 : x2 + y2 6 2x}
p
b) f (x, y) = x 1 x2 y2 , A = {(x, y) R2 : x2 + y2 6 1, x, y > 0}
c) f (x, y) = exp(x/y), A = {(x, y) R2 : 0 6 y3 6 x 6 y2 }
!
yx
d) f (x, y) = exp , A = {(x, y) R2 : x, y > 0, x + y 6 2}
y+x
3
e) f (x, y) = (x2 + y2 ) 2 , A = {(x, y) R2 : x 6 y, x + y > 1, x2 + y2 6 1}
f) f (x, y) = x2 + y2 , A = {(x, y) R2 : (x2 + y2 )2 6 4(x2 y2 ), x > 0}
g) f (x, y) = x2 + y2 , A = {(x, y) R2 : x2 + y2 6 2y, x2 + y2 6 1, x > 0}
!4
x 2 y2 xy
h) f (x, y) = xy, A dominio acotado por la curva + = que est en el
2 3 6
primer cuadrante.
1
i) f (x, y, z) = , A = {(x, y, z) R3 : x + y + z 6 1, x, y, z > 0}
(x + y + z)3
j) f (x, y, z) = (x + y + z)2 , A = {(x, y, z) R3 : x2 + y2 + z2 6 1, x2 + y2 + z2 6 2z}
y2 z2
k) f (x, y, z) = z, A = {(x, y, z) R3 : x2 + + 6 1, z > 0}
4 9
l) f (x, y, z) = z, A = {(x, y, z) R3 : x2 + y2 6 z2 , 0 6 z 6 1}
m) f (x, y, z) = x2 , A = {(x, y, z) R3 : x > 0, x2 + y2 + (z 1)2 6 1, 4z2 > 3(x2 + y2 )}
p
n) f (x, y, z) = zy x2 + y2 A = {(x, y, z) R3 : 0 6 z 6 x2 + y2 , 0 6 y 6 2x x2 }
) f (x, y, z) = z, A = {(x, y, z) R3 : x2 + y2 + z2 6 2, x2 + y2 6 z}
o) f (x, y, z) = z2 , A = {(x, y, z) R3 : x2 + y2 + z2 6 R2 , x2 + y2 + z2 6 2Rz}
p p
p) f (x, y, z) = x2 + y2 + z2 , A = {(x, y, z) R3 : x2 + y2 6 z 6 3}


q) f (x, y, z) = x2 + z2 , A el conjunto acotado por el paraboloide y = x2 + z2 y el plano
y = 4.
75. Calcula el volumen del conjunto A en cada uno de los siguientes casos:
n p o
a) A = (x, y, z) R3 : x2 + y2 6 z 6 x2 + y2
r

3 x 2 y2 x 2 y2
b) A = (x, y, z) R : 2 + 2 6 1, 0 6 z 6 + 2

a b a 2 b
n o
c) A = (x, y, z) R3 : 0 6 z 6 x2 + y2 , x + y 6 1, x, y > 0
n p o
d) A = (x, y, z) R3 : 0 6 z 6 x2 + y2 , x2 + y2 6 2y
n o
e) A = (x, y, z) R3 : 0 6 z 6 4 y2 , 0 6 x 6 6
n o
f) A = (x, y, z) R3 : x 6 y 6 2 x, 0 6 z 6 9 x
n o
g) A = (x, y, z) R3 : x2 + y2 6 z2 , x2 + y2 + z2 6 2z


Interpretacion Geometrica de Las Derivadas Parciales PDF

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

Interpretacion Geometrica de Las Derivadas Parciales PDF

Cargado por

Copyright:

Formatos disponibles

Apuntes de clculo diferencial e integral

de funciones de varias variables

Francisco Javier Prez Gonzlez

Copiar, distribuir y comunicar pblicamente la obra.

Bajo las condiciones siguientes:

Reconocimiento. Debe reconocer los crditos de la obra de la manera especifi-

Universidad de Granada Prof. Javier Prez

1.7. Extremos condicionados . . . . . . . . . . . . . . . . . . . . . . . . 28

Universidad de Granada Prof. Javier Prez

1.1. Estructura eucldea y topologa de Rn

se llama proyeccin ortogonal de x sobre y.

1.1.1. Ejercicios propuestos

1. Prueba la desigualdad de Cauchy-Schwarz.

1.2 Definicin. Dados dos vectores x e y, el nmero kx yk se llama la distancia (eucldea)

Universidad de Granada Prof. Javier Prez

1.1.2. Ejercicios propuestos

4. Prueba que B(x, r) es un conjunto abierto.

Universidad de Granada Prof. Javier Prez

Teniendo en cuenta la desigualdad

1.2. Campos escalares. Continuidad y lmite funcional

Un ejemplo de campo escalar continuo lo proporcionan las proyecciones cannicas j pues

Universidad de Granada Prof. Javier Prez

El siguiente resultado establece la relacin entre la continuidad y el lmite secuencial.

Dicho de otra forma, si K Rn es un conjunto compacto y f es un campo escalar continuo

El siguiente resultado establece la relacin entre el lmite funcional y el lmite secuencial.

Universidad de Granada Prof. Javier Prez

Intuitivamente, un dominio es un conjunto abierto de un solo trozo. Los dominios desem-

1.3. Derivadas parciales. Vector gradiente

Universidad de Granada Prof. Javier Prez

1.3.1. Interpretacin geomtrica de las derivadas parciales

Es importante que entiendas el significado de las derivadas parciales de una funcin en un

Universidad de Granada Prof. Javier Prez

Figura 1.1: Derivadas parciales

Supongamos que f es una funcin real de una variable real. La derivabilidad de f en un

Ambas representan hiperplanos (un hiperplano en R2 es una recta) y la segunda se deduce de la

Universidad de Granada Prof. Javier Prez

1.3.2. Campos escalares diferenciables

1.15 Definicin. Sea f un campo escalar definido en un conjunto E Rn y sea a un pun-

1.16 Definicin. Sea f un campo escalar diferenciable en un punto a. El hiperplano en Rn+1

Demostracin. En la igualdad (1.5) pongamos x = a + t u con lo que obtenemos

Demostracin. Las afirmaciones hechas son consecuencia de la proposicin anterior y de la

Universidad de Granada Prof. Javier Prez

Para la primera se tiene que

Demostracin. Se tiene que

Universidad de Granada Prof. Javier Prez

1.4. Rectas tangentes y planos tangentes

1.4.1. Curvas en el plano

Una curva en el plano puede venir dada de tres formas:

b) Por medio de ecuaciones paramtricas (t) = (x(t), y(t)).

= (I) = {(x(t), y(t)) : t I}

Suele usarse la siguiente terminologa. Si h(x, y) es un campo escalar diferenciable, las

Observa que a) es un caso particular de c) (basta considerar g(x, y) = f (x) y) y tambin es un

a ) La tangente en un punto (a, b) = (a, f (a)) es la recta de ecuacin cartesiana y b =

(x, y) = (t0 ) + t (t0 ) = (a, b) + t(x (t0 ), y (t0 ))

El vector (t0 ) = (x (t0 ), y (t0 )) es tangente a en (a, b).

Universidad de Granada Prof. Javier Prez

c ) La tangente en un punto (a, b) es la recta de ecuacin implcita

Una superficie S en el espacio R3 puede venir dada de tres formas:

S = {(x, y, f (x, y)) : (x, y) A}

S = (A) = {(x(s, t), y(s, t), z(s, t)) : (s, t) A}

Observa que a) es un caso particular de c) (basta considerar g(x, y, z) = f (x, y) z) y tambin

Universidad de Granada Prof. Javier Prez

Si g(x, y, z) es un campo escalar, las superficies de ecuacin implcita g(x, y, z) = c o, lo