Derivación y diferenciabilidad

Recordad:

Si f :R R
a  dom( f )

Entonces

f ( x)  f (a) f ( a  h)  f ( a )
f ' (a )  lim  lim
xa xa h 0 h

1
 f ( x)  f (a) f ( a  h)  f ( a )
f ' (a )  lim  lim
xa xa h 0 h

¿Cómo hay que leer esto?

Si el punto x está próximo al punto a entonces

f ( x )  f (a )
f ' (a )   f ( x )  f ( a )  f ' ( a )( x  a ) 
xa
 f ( x )  f ' ( a ) x  ( f ( a )  af ' ( a ))

La derivada de f en el punto a es la
pendiente de la recta que mejor aproxima
los valores de f(x) cuando estamos cerca del
punto a.
2
La derivada de f en el punto a es la
pendiente de la recta que mejor aproxima
los valores de f(x) cuando estamos cerca del
punto a.

La recta que mejor aproxima los valores de

f(x) cuando estamos cerca del punto a se
llama la recta tangente a la gráfica de f(x)
en el punto (a, f(a)).

3
Gráficamente:

4
¿Qué hacemos con funciones de varias variables?

Primer intento: vamos a ver si simplemente

podemos copiar la fórmula

f : R2  R
  
 f (a  h )  f (a )
f ' (a )  lim
  
h 0 h

Esto es un vector!
¡No sabemos dividir vectores!
5
Idea:

Si la derivada es la recta que mejor aproxima la

gráfica de la función en cada punto para
funciones de DOS variables queremos conseguir
el PLANO que mejor aproxima la gráfica de la
función (esto se llamará plano tangente) en cada
punto.

6
Segundo intento: Derivadas parciales.

Idea: En un punto (a,b) fijo la variable y=b

¿qué me queda? Pues una función que sólo
depende de x!!!!

¡Genial! ¡estas funciones las se derivar!

No es lo que queremos pero casi.

7
 Ejemplo: Consideremos la función
f ( x, y )  x  y
2 2

(a, b)  (2,3)
También podemos fijar
Fijamos ahora y=3 la x=2
f ( x,3)  x  3
2 2
f (2, y )  2  y
2 2

entonces f x ' ( x,3)  2 x entonces f ' (2, y )  2 y

y
En el punto x  2 En el punto y  3
f x ' (2,3)  2·2  4 f y ' (2,3)  2·3  6 8
Este proceso se llama calcular las derivadas
parciales. Formalmente:

Sea f :R R2

y sea (a, b)  dom( f )

Llamamos DERIVADA PARCIAL respecto a x
de f en el punto (a,b):

f f (a  h, b)  f (a, b)
(a, b)  lim
x h 0 h

Este h es un número así que ¡no hay problema!9

 Análogamente:

f f ( a, b  h)  f ( a, b)
(a, b)  lim
y h 0 h

Obs: En este límite fijamos la primera variable

y movemos la segunda, es exactamente la
derivada de la función de una variable que nos
queda al hacer fija la segunda.

10
Ejemplo:

f ( x, y )  x  y  xy
2 2

Calculemos las derivadas parciales en un

punto cualquiera ( a, b)

11
Observación: de la misma manera que hacemos
para funciones de una variable, si calculamos
las derivadas parciales en un punto cualquiera
lo que obtenemos son nuevamente funciones a
las que llamamos función derivada parcial
respecto de la variable primera o segunda
según proceda
f
( x, y ) : R  R
2

x Son funciones de dos

f variables
( x, y ) : R  R
2

y 12
Idea: En general para calcular la derivada parcial
con respecto a la primera variable pensamos que
la segunda es UNA CONSTANTE y derivamos la
función de una variable que tenemos.

Analogamente si lo que queremos es derivar

respecto de la segunda variable.

De hecho, si tenemos una función con n variables

el método es el mismo. Cuando derivamos
respecto a la variable i-ésima lo que hacemos es
pensar que las demás variables son constantes
13
Ejemplo:

f ( x, y )  x 2  y 2

f
( x, y )  2 x
x

Esto es una constante

14
Ejemplo:

f ( x, y )  x 2  y 2

f
( x, y )  2 y
y
Ahora es esto lo que
vemos constante

15
 Ejemplo:

f ( x, y )  2 x 2  5 y 2  4 xy

f
( x, y )  4 x  4 y
x
Vemos todo
esto constante

16
 Ejemplo:

f ( x, y )  2 x 2  5 y 2  4 xy

f
( x, y )  10 y  4 x
y
Ahora es esto
lo que vemos
constante

17
18
19
20
 A veces no hay mas remedio que utilizar la
fórmula de la definición
 x2  y2
 2 si ( x, y )  (0,0)
f ( x, y )   x  y 2

 1 si ( x, y )  ( 0,0 )

f f (0  h,0)  f (0,0)
(0,0)  lim 
x h 0 h

21
Por suerte, esto no hay que hacerlo casi nunca

22
 Ejemplo:

 x 2  y 2  xy
 si ( x, y )  (0,0)
f ( x, y )   x  y2 2

 1 si ( x, y )  ( 0 ,0 )

23
24
25
Vector gradiente:

Sea f :R R
n

Llamamos vector gradiente a:

   f  f  f  
f ( x )   ( x ), ( x ),..., ( x ) 
 x1 x2 xn 

26
27
28
29
 Derivadas de orden superior:
Fijaros en esto
f ( x, y )  x  y  5 x y
4 3 2 2

f
( x, y )  4 x  10 xy
3 2

x Son nuevamente
f funciones de dos
( x, y )  3 y  10 x y
2 2
variables
y

¡Las podemos volver a derivar!

30
 Derivamos las derivadas parciales

f ( x, y )  x  y  5 x y
4 3 2 2


x 12 x  10 y
2 2

f
( x, y )  4 x  10 xy
3 2

x 
20 xy
y


20 xy
x
f
( x, y )  3 y  10 x y
2 2

y  6 y  10 x 2

y 31
 Definición: dada una función
f :R Rn

Llamamos derivada de orden 2 respecto

de las variables xi y de x j a :
 f
2
  f 
( x1 ,..., xn )  ( x1 ,..., xn ) 
xi x j xi  x j 


32
Obs: Si la función original tiene n variables
entonces tenemos exactamente n2 derivadas de
orden 2.

Notación:

f :R R
n

Si derivamos dos veces respecto de la misma

variable xi lo denotamos por
 f
2
 f2
( x1 ,..., xn )  ( x1 ,..., xn )
 xi
2
xi xi
33
f :R R
n


Llamamos MATRIZ HESSIANA de f en el punto x a :
 2 f   f
2
  f  
2
 2 (x) ( x ) ... (x) 
  x1 x2 x1 xn x1 
 2 f  2 f  2 f  
  (x) ( x ) ... (x) 
Hf ( x )   x1x2  x2
2
xn x2 
    
 2 f  2 f  2 f  
 (x) ( x ) ... ( x ) 
 x1xn x2 xn  xn
2


34
Ejemplo
x2  y2
f ( x, y )  e


f ( x, y )  2 xe x2  y2
,2 ye x2  y2

 2e x2  y2
 4x e 2 x2  y2
4 xye x2  y2 

Hf ( x, y )   
x2  y2 x2  y2 2 x y 
2 2

 4 xye 2e  4y e 

35
Teorema de Schwartz: La matriz Hessiana es
casi siempre una matriz simétrica

Teorema : Sea f : R  R una función con

n

derivadas parciales y derivadas de orden 2

continuas (esto se denomina función de
2
tipo C ), entonces :
 f 
2
 f 
2
(x)  (x)
xi x j x j xi
36
 Plano tangente, aproximación lineal
y polinomio de Taylor de orden 1

Sea f :R R2

Llamamos plano tangente a la gráfica de la

función en el punto ( a, b, f ( a, b))a:

f f
z  f ( a, b)  ( a, b)( x  a )  ( a, b)( y  b)
x y
Es el equivalente a la recta tangente en dos
variables.

37
 f f
z  f ( a, b)  ( a, b)( x  a )  ( a, b)( y  b)
x y

El plano tangente es el plano que mejor aproxima

la gráfica de la función cerca del punto (a,b, f(a,b))

38
Ejemplo:

Calcular la ecuación del plano tangente a la gráfica

de:
 

 
En el punto

39
 Sea f :R R2

Llamamos aproximación lineal de la función en el

punto ( a, ba:)
f f
f ( x, y )  f (a, b)  ( a, b)( x  a )  ( a, b)( y  b)
x y

f f
f ( x, y )  f ( a, b)  ( a, b)( x  a )  (a, b)( y  b)
x y
Es la función lineal que mejor aproxima el incremento
de f con respecto al valor de f(a,b) cuando realizamos
un incremento de (x-a) en x y de (y-b) en y
40
 f f
f ( x, y )  f ( a, b)  ( a, b)( x  a )  (a, b)( y  b)
x y

 f f  x  a 
f ( x, y )  f (a, b)   (a, b), ( a, b)  
 x y  y  b 


f   f ( a , b )  ( x ,  y )

Producto escalar
41
 
Ejemplo:

Calcular la aproximación lineal a

En el punto

42
 Sea f :R R2

Llamamos Polinomio de Taylor de orden 1 de la

función en el punto ( a, ba:
)
f f
P1 f ( x, y )  f ( a, b)  (a, b)( x  a )  ( a, b)( y  b)
x y

Es polinomio de grado 1 que mejor aproxima

a f cerca del punto ( a, b)

43
 
Ejemplo:
Calcular el polinomio de Taylor de orden 1
de la función:

En el punto

44
 
Atención:

El polinomio de Taylor de orden 1 de una función

en el punto , cumple:
1. ,es decir coincide con
el valor de la función en
2. , las derivadas parciales
de la función y del polinomio de Taylor coinciden
en el punto
3. , si está cerca de
(si la función es diferenciable)

45
 Def: Decimos que una función es diferenciable en
el punto ( a, b)
si:
=0
 

Es decir, si en el punto( a, b) :
• El plano tangente aproxima la grafica de la función.
• La aproximación lineal realmente aproxima.
• El polinomio de Taylor de orden 1 realmente
aproxima los valores de la función, cerca de ( a, b)

46
Esto en particular implica que:

Si f :R R
n

es diferenciable, entonces

     
  f ( x )  f ( p )  f ( p )·( x  p )  0
lim
x p

47
Prop: Sea f :R R
n

una función tal que las derivadas parciales:

f  
( p) son funciones continuas en p para todo i
xi
entonces
 la función es diferenciable en el
punto p

Las funciones que cumplen esta condición se

denotan por
f C 1
48
Derivadas direccionales:

Sea f :R R
n

y 
vunvector
n
R UNITARIO
Definimos la derivada direccional en la dirección
 
v
en el punto p
  
 f ( p  t·v )  f ( p )
d v f ( p )  lim
t 0 t
49
 
Es el equivalente a las derivadas parciales
pero en cualquier dirección!

Mide como varia el valor de la función si

hacemos un pequeño incremento en las
variables en la dirección marcada por el
vector

50
Ejemplo:
f ( x, y )  x  y
2 2

p  (1,2)
; v  (1,1)
 

 
Mide demasiado
|(1,1)|=

52
 Ejemplo:
f ( x, y )  x  y
2 2

p  (1,2)v  ( 2 / 2, 2 / 2)

53
(Unidades infinitesimales)

55
 
f
Propiedad: Sea : R  continua.
n
R
Si es diferenciable en

p  dom( f )
Entonces para todo vector unitario Producto

vR n
escalar
Se cumple que:
   
d v f ( p )  f ( p )·v
56
Ejemplo: f ( x, y )  x 2  y 2
f f
( x, y )  2 x  (1,2)  2
x x
f f
( x, y )  2 y  (1,2)  4
y y
f (1,2)  (2,4)
2 2
v( , )
2 2
 2  2
   
f (1,2) 2   (2,4)· 2 3 2
 2  2
   
 2   2  57
 En el caso de dos variables:

f f
f ( x, y )  f (a, b)  (a, b)( x  a )  (a, b)( y  b)
x y

Esto quiere decir que la función tiene un plano

tangente en el punto (a, b)

58
Ejemplo:
Calcula el plano tangente a la gráfica de la función
f ( x, y )  x  y
2 2

en los puntos:

• (0,0) y (2,3)

59
60
62
63
El plano tangente en un punto aproxima los
valores de la función cuando estamos muy
cerca de ese punto

Ejemplo:
Calcular el valor aproximado de

ln(1.1)

64
 f ( x, y )  ln( x  y )
(a, b)  (1,0)  f (1,0)  ln(1)  0
f f
f ( x, y )  f (1,0)  (1,0)( x  1)  (1,0)( y  0)
x x
f 1 f 1
( x, y )   (1,0)  1
x x y x 1 0
f 1 f 1
( x, y )   (1,0)  1
y x y y 1 0
Plano tangente :
z  0  1( x  1)  1 y  x  y  1
f (1,0'1)  1  0'1  1  0'1 (Realmente da 0'095)
65
Ejemplo: Calcula el plano tangente a la gráfica de
x y x2  y2
f ( x, y )  e e
En los puntos (0,0) y (2,-2)

66
67
Importante:

Si f :R R
n

f
(a1 ,..., an )
aumento previsto de la función
xi
si aumentamos la variable i (es decir a i ) en
una unidad (infinitesimal)

Esto funciona bien sólo cuando el aumento

real es muy pequeño.

68
En el mundo real (en las empresas) la gente
conoce las derivadas parciales (incremento
previsto por unidad) y en cambio no conocen la
función!!

69
Observaciones:

Si una función es diferenciable entonces

automáticamente es continua.

Aunque existan las derivadas parciales, puede

pasar que la función no sea diferenciable.

Si las derivadas parciales son continuas (f es C 1)

entonces la función es diferenciable, al revés NO
es cierto.

Que las derivadas parciales sean continuas

quiere decir que el plano tangente varia
continuamente en función del punto 70
 Por ejemplo la función

 x3 y 2
 4 si ( x, y )  (0,0)
f ( x, y )   x  y 4
 0 si ( x, y )  (0,0)

Tiene derivadas parciales en (0,0) y, en

cambio NO es diferenciable

71
Vector gradiente y curvas de nivel:
  f f 
El vector gradiente f (a, b)   (a, b), (a, b) 
 x y 
es el vector perpendicular a la curva de nivel
de la función en el punto.

Es decir, el producto escalar del gradiente con

la recta tangente es 0

72
{( x, y ); f ( x, y )  f (a, b)}  curva de nivel en que está (a, b)


f ( a , b )

73
¿Como se ve esto? con la ecuación del plano
tangente
Si ( x, y ) está cerca de (a, b)
f f
f ( x, y )  f ( a, b)  (a, b)( x  a )  (a, b)( y  b)
x y
Es decir
 f f 
f ( x, y )  f ( a, b)   (a, b), (a, b) ·( x  a, y  b)
 x y 
Si ( x, y ) está en la misma curva de nivel que (a, b)
f ( x, y )  f ( a , b )
 f f 
0   (a, b), (a, b) ·( x  a, y  b)
 x y  74
Los puntos muy cercanos a (a,b) que estén en la
misma curva de nivel cumplen que
 f f 
0   (a, b), (a, b) ·( x  a, y  b)
 x y 
Es decir que

f ( a, b) es perpendicular al vector ( x  a, y  b)

El gradiente es perpendicular a la curva de nivel.

75