Carrillo Julio - Calculo en Varias Variables

Julio C. Carrillo E. Profesor Escuela de Matem aticas Universidad Industrial de Santander Monday, November 5, 2007 at 8:44 am (FA07.
01,02)
Para uso exclusivo en el sal on de clase. 2007 c Julio C. Carrillo E.
Universidad Industrial de Santander

Escuela de Matem aticas Universidad Industrial de Santander 2008
Agradecimientos a todos aquellos estudiantes que con sus preguntas ayudan a mejor los contenidos de este material.
Denitivamente, hasta los que ense namos tambi en aprendemos, si prestamos un poco de atenci on en clase. El Autor
Indice general
1. Preliminares
11
1.1. El espacio euclidiano ndimensional . . . . . . . . . . . . . . 11 1.2. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3. Longitud o norma . . . . . . . . . . . . . . . . . . . . . . . . 12 1.4. Angulo entre dos vectores . . . . . . . . . . . . . . . . . . . . 13 1.5. Angulos directores y cosenos directores . . . . . . . . . . . . . 13 1.6. Proyecciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.7. Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.7.1. Con desplazamiento a lo largo de una l nea recta . . . 15 1.7.2. Con desplazamiento a lo largo de una trayectoria no lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.8. El producto cruz de vectores . . . . . . . . . . . . . . . . . . 16 1.9. Triple producto escalar de vectores . . . . . . . . . . . . . . . 17 1.10. L neas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.11. Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2. Funciones vectoriales 20
2.1. Denici on, dominio, imagen, gr aca . . . . . . . . . . . . . . 20 2.2. Operaciones algebraicas con funciones vectoriales . . . . . . . 21 2.3. L mite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.5. Derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.6. Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.7. Movimiento curvil neo . . . . . . . . . . . . . . . . . . . . . . 26 2.7.1. Vector tangente, Vector tangente unitario, vector normal y plano osculador . . . . . . . . . . . . . . . . . . 26 2.7.2. Velocidad, rapidez y aceleraci on . . . . . . . . . . . . 30 2.7.3. Longitud de arco . . . . . . . . . . . . . . . . . . . . . 31 2.7.4. Curvatura de una curva . . . . . . . . . . . . . . . . . 34 2.7.5. Fuerzas denidas mediante funciones vectoriales . . . 36 2.7.6. Fuerzas denidas mediante campos vectoriales . . . . 39 3. Funciones de varias variables 42
3.1. Las funciones de varias variables . . . . . . . . . . . . . . . . 42 3.1.1. Algebra de funciones de varias variables . . . . . . . . 47 3.2. L mite y continuidad de campos escalares . . . . . . . . . . . 48
3.2.1. L mite de un campo escalar . . . . . . . . . . . . . . . 50 3.2.2. Continuidad de un campo escalar . . . . . . . . . . . . 53 3.3. Derivada de un campo escalar . . . . . . . . . . . . . . . . . . 56 3.4. Gradientes y derivadas direccionales . . . . . . . . . . . . . . 78 3.5. Extremos de funciones de varias variables . . . . . . . . . . . 82 3.5.1. Extremos sin restricciones . . . . . . . . . . . . . . . . 82 3.5.2. Extremos con restricciones 4. Integraci on m ultiple . . . . . . . . . . . . . . . 87 97
4.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 4.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . 98 4.2.1. Integrales doble sobre dominios rectangulares . . . . . 98 4.2.2. Integrales iteradas . . . . . . . . . . . . . . . . . . . . 101 4.2.3. Integrales dobles sobre regiones mas generales . . . . . 107 4.2.4. Integrales dobles en coordenadas polares . . . . . . . . 115 4.2.5. Aplicaciones de las integrales dobles . . . . . . . . . . 123 4.3. Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . 138 4.3.1. Aplicaciones de las integrales triples . . . . . . . . . . 142 4.4. Integrales triples en coordenadas cil ndricas y esf ericas . . . . 145 4.4.1. Coordenadas cil ndricas . . . . . . . . . . . . . . . . . 145 4.4.2. Coordenadas esf ericas . . . . . . . . . . . . . . . . . . 148 4.5. Cambio de variables . . . . . . . . . . . . . . . . . . . . . . . 150 4.5.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . 150 4.5.2. Transformaciones . . . . . . . . . . . . . . . . . . . . . 151 5. Funciones de Rn en Rm 159
5.1. L mite y continuidad . . . . . . . . . . . . . . . . . . . . . . . 161 5.2. Diferenciabilidad . . . . . . . . . . . . . . . . . . . . . . . . . 163 6. C alculo vectorial 168
6.1. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 168 6.1.1. Denici on de campo vectorial, y su primera clasicaci on168 6.1.2. L neas de ujo y ujos de campos vectoriales . . . . . 171 6.1.3. Segunda clasicaci on de los campos vectoriales . . . . 174 6.2. Calculo diferencial vectorial . . . . . . . . . . . . . . . . . . . 178 6.3. C alculo integral vectorial . . . . . . . . . . . . . . . . . . . . 178 6.3.1. Integral de l nea . . . . . . . . . . . . . . . . . . . . . 178 6.3.2. Integral de supercie . . . . . . . . . . . . . . . . . . . 196 6.3.3. Consecuencias e implicaciones del Teorema de Green y Teorema de Stokes sobre campos vectoriales divergentes, rotacionales y conservativos . . . . . . . . . . . 208 6.4. Aplicaciones en la f sica . . . . . . . . . . . . . . . . . . . . . 216 6.4.1. Din amica . . . . . . . . . . . . . . . . . . . . . . . . . 216 iv
Julio C. Carrillo E. n de clase UIS Para uso exclusivo en el salo
6.4.2. Din amica de uidos . . . . . . . . . . . . . . . . . . . 216 6.4.3. Electromagnetismo . . . . . . . . . . . . . . . . . . . . 216 6.4.4. Conducci on de calor . . . . . . . . . . . . . . . . . . . 216 6.4.5. Termodin amica . . . . . . . . . . . . . . . . . . . . . . 216
n de clase UIS Para uso exclusivo en el salo
lculo en Varias Variables Ca
Funciones de varias variables
3.1.
Las funciones de varias variables

Los campos escalares, o funciones de varias variables, son funciones que tienen aplicaci on en la representaci on de magnitudes escalares asociados con vectores o puntos del espacio n-dimensional. Por ejemplo, la temperatura en cada punto de una l amina plana de grosor despreciable, o bien la densidad en cada punto de un cilindro.
Funciones de n variables, dominio, imagen y gr aca
Denici on 3.1. Sea D un subconjunto no vac o de Rn . Una funci on f que asigna a cada punto x = (x1 , . . . , xn ) de D un n umero real f (x) = f (x1 , . . . , xn ) se llama una funci on de n variables con dominio D y valores reales. La raz on de llamarse a f una funci on de n variables es simplemente por las n coordenadas que tiene el punto x = (x1 , . . . , xn ) y la imagen f (x) = f (x1 , . . . , xn ) depende de esas n coordenadas. Las coordenadas x1 , . . . , xn ser an las variables independientes de f y xn+1 = f (x) = f (x1 , . . . , xn ) la variable independiente. Entonces, x = (x1 , . . . , xn ) sera la preimagen y xn+1 = f (x) = f (x1 , . . . , xn ) la imagen. Por ejemplo, f (x, y ) = xy + ln(x2 + y 2 ) xy f (x, y ) = x2 + y 2
son funciones en dos variables, las independientes son x, y y la variable dependiente es z = f (x, y ). De igual modo, f (x, y, z ) = x2 + y 2 z 2 es una funci on en tres variables dependientes x, y, z y la variable dependiente es w = f (x, y, z ). Un ejemplo mas general es la funci on polin omica en cinco variables 3 2 f (x1 , x2 , x3 , x4 , x5 ) = x1 2x2 2 + x3 x4 x5 en la cual las cinco variables independientes son x1 , x2 , x3 , x4 , x5 y la variable dependiente es x6 = f (x1 , x2 , x3 , x4 , x5 ). Funciones de dos, tres, cuatro o m as variables ocurren en la F sica. Por ejemplo, RT V r4 n L= 2 p= E= m 2
N 2 2 (u2 a de un gas ideal en t erminos de las i + vi + wi ) energ i=n componentes de la velocidad de N mol eculas
ley de un gas ideal torque de un alambre
Observaci on 3.1. Las funciones de n variables tambi en se suelen denotar de la forma f : D Rn R. Desde el punto de vista f sico, las funciones de varias variables son llamadas campos escalares estacionarios
(independientes del tiempo), o simplemente campos escalares. Los campos escalares no estacionarios (dependientes del tiempo), son funciones de la forma f : D I Rn R R tales que f (x, t) existe, para alg u n x Rn y t R. El C alculo de campo escalares no estacionarios se reduce al estudio de campos escalares estacionarios considerando ya sea t como una constante, o bien considerando como un campo escalar estacionario con dominio en Rn+1 = Rn R. En lo sucesivo se considerar a este u ltimo enfoque, y cuando se tenga un campo escalar no estacionario en particular, se proceder aa hacer las aclaraciones del respecto. A un m as, la notaci on en si misma es clara y permite identicar cuando un campo escalar es estacionario o no. En un campo escalar estacionario f (x) o no estacionario f (x, t), el vector x representa la variable espacial para campo escalar, y en un campo escalar no estacionario f (x, t), el escalar t representa tiempo para el campo escalar. Denici on 3.2. Sea f : D Rn R una funci on en n variables. El subconjunto D de Rn es llamado el dominio de f y el subconjunto R de todas los valores f (x), con x D, es la imagen de f . La gr aca de f es el subconjunto de Rn+1 que consta de todos los puntos (x, f (x)) con x D. Simb olicamente, D f = D Rn , If = {f (x) R | x D}), Gf = {(x, f (x)) Rn+1 | x D}.
Tambi en, la imagen y gr aca de f se pueden representar en t erminos de las n variables independientes x1 , . . . , xn y la variable dependiente xn+1 = f ((x1 , . . . , xn )): If = {f (x1 , . . . , xn ) | (x1 , . . . , xn ) D}
Gf = {(x1 , . . . , xn , f (x1 , . . . , xn )) Rn+1 | (x1 , . . . , xn ) D}. Tambi en se puede considerar Gf = {(x1 , . . . , xn , xn+1 ) Rn+1 | xn+1 = f (x1 , . . . , xn ) para alg un (x1 , . . . , xn ) D} Una funci on escalar es una funci on en una variable. Para hacer hacer consistentes las deniciones de la gr aca de funciones de una y varias variables se debe considerar en general la gr aca f como un subconjunto de Rn+1 . Tambi en por esta raz on las funciones de varias variables se designan mediante letras min usculas del alfabeto tales como f , g , etc. Desde el punto de vista geom etrico se consideran u nicamente gr acas de funciones de n variables cuando n = 1, 2. Si n = 1, la gr aca de f representa una curva en el plano xy , y una supercie en el espacio tridimensional xyz cuando n = 3. Cuando el dominio Df de una funci on f de Rn en R no est a denido expl citamente, entonces se dene como el conjunto Df = {x R | f (x) existe} Adem as, If = {f (x) | x Df }
Gf = {(x, f (x)) Rn+1 | x Df }

n de clase UIS Para uso exclusivo en el salo lculo en Varias Variables Ca
43
ser an la imagen y la gr aca de f . Por ejemplo, la funci on f (x) = x 3 es en una variable. Su dominio e imagen consisten del conjunto de los n umeros reales, y la gr aca de todos los puntos (x, x 3) R2 , con x R, que geom etricamente representa una l nea recta en el plano xy . A cada punto en el plano xy la funci on f (x, y ) = x2 + y 2 le asigna un n umero real no negativo. Por lo tanto, el dominio de f consiste de R2 , el plano xy . La imagen consiste de todos los reales no negativos, la parte no negativa del eje z , y la gr aca de f de todos los punto (x, y, x2 + y 2 ) donde (x, y ) R2 , o bien, x, y R. Geom etricamente, la gr aca de f representa una supercie en el espacio tridimensional xyz llamada paraboloide. z
x La funci on f (x, y ) = esta denida cuando 1 x2
y2
x2 y 2 > 0 y 2 < x2 |y | < |x| |x| < y < |x|. Geom etricamente el dominio de f esta representado en la siguiente gura y consiste de todos los puntos del plano xy que permanecen entre las gr acas de y = |x|. La imagen es el conjunto de todos los reales positivos, y la gr aca el conjunto de todos los puntos (x, y, z ) con z = 1/ x2 y 2 . Esta gr aca no es f acil de realizar y el uso de software gr aco apropiado es recomendado, GnuPlot por ejemplo. y
3 2 1
x
3 2 1 1 2 3 1 2 3
44
Julio C. Carrillo E.
El dominio de la funci on f (x, y ) = consiste de todos los puntos del plano xy tales que y x2 . y
3 2 1
x2 y,
x
3 2 1 1 2 3 1 2 3
La imagen consiste de todos los reales no negativos y la gr aca de todos los 2 on de la gr aca requiere puntos (x, y, z ) = x, y, x y . La representaci de software. El dominio de la funci on 2 2 x ( x 2 +y 2 ) f (x, y ) = 10 x3 + xy 4 e + e((x1,225) +y ) 5 consiste todos los puntos del plano xy y la imagen de los n umeros reales. Formalmente la gr aca de f se puede denir del modo hasta ahora hecho y esta en el espacio tridimensional xyz . La siguiente gura representa esta gr aca en el dominio [4, 4] [4, 4]. z
Conjuntos de nivel
La gr aca de una funci on en dos variables tambi en se puede realizar mediante sus curvas de nivel.
Denici on 3.3. Sea f : D Rn R una funci on en n variables. Para cada c en la imagen de f el conjunto de nivel Lc (f ) de f consiste de todos los puntos x en el dominio D de f tales que f (x) = c. Para funciones de dos variables los conjuntos de nivel se llaman curvas de nivel, o curvas de contorno, y para funciones en tres variables se llaman supercies de nivel.
45
Desde el punto de vista geom etrico tiene solo sentido hablar de curvas y supercies de nivel. En particular, para funciones de dos variables las curvas de nivel se pueden interpretar de la siguiente manera. Sea z = c y z = f (x, y ). Entonces la curva de nivel Lc (f ) de f se puede interpretar como una curva en el espacio bidimensional, o bien como la intersecci on del plano c de ecuaci on z = c, el cual es paralelo y localizado a distancia |z | del plano xy , y la gr aca de f ; es decir, Lc (f ) = c Gf . De esta manera, la curva de nivel tendr a una elevaci on sobre el plano xy de |c| unidades. En topograf a, las curvas de nivel corresponden a el mapa de elevaci on de un terreno. De hecho, en topograf a no se tiene una funci on que de las elevaciones, pero se pueden al menos gracar mediante t ecnicas topogr acas. Ejemplo 3.1. Identique las curvas de nivel de la funci on f (x, y ) = x2 + y 2
y realice la gr aca algunas de ellas. Soluci on. La curva de nivel Lc (f ) esta dada mediante la ecuaci on f (x, y ) = c, o bien x2 + y 2 = c, la cual tienen sentido cuando c 0. Como esta ecuaci on se puede reescribir de la forma x2 + y 2 = c2 , entonces se concluye que cada curva de nivel Lc (f ) es una circunferencia en el plano xy con centro en el origen y radio c cuando c es positivo, y el origen (0, 0) del plano xy cuando c = 0. La gr acas en la gura siguiente representan curvas de nivel Lc (f ) para c = 0, 1, 2, 3, 4. Para obtener interpretaci on de las curvas de nivel Lc (f ) de f como la intersecci on de su gr aca con los planos de ecuaci on z = c, donde c es no negativo, primero se debe gracar a f . Note que al escribir z = f (x, y ) se obtiene la ecuaci on z = x2 + y 2 , que al reescribirla de la forma z 2 = x2 = y 2 , z 0, se concluye que representa la ecuaci on de la parte superior de un cono. La intersecci on de este cono con el plano de ecuaci on z = c, c 0 sera un punto (cuando c = 0) o circunferencias (cuando c > 0) de radio c a la altura c del plano xy . La siguiente gura incluye ambos, las curvas de nivel en el plano xy y como la intersecci on de la gr aca de f con los planos z = c. La siguiente gura incluye ambas gr acas, respectivamente.
y
4 3 2 1 4 3 2 1 1 2 3 4 c=4 c=3 c=2 c=1 c=0 1 2 3 4
z
5 4 3 2 1 c=4 c=3 c=2 c=1 c=0 c=1 c=2 c=3 c=4 0 -2 -4 -4 x
0 4 2 0 -2 y
4 2
46
3.1.1.
Algebra de funciones de varias variables Al ser n umeros reales las im agenes de las funciones de varias variables, las operaciones algebraicas que se realicen con ellas se encuentran determinadas por las operaciones algebraicas de los n umeros reales. Adicionalmente se pueden componer esas funciones con las funciones escalares (o de una variable) y las funciones vectoriales que ya conocemos. A n de evitar malentendidos con la denici on de composici on de funciones, se incluye la siguiente denici on formal de la composici on de funciones.
Denici on de composici on de funciones
Sean A, B, C, D conjuntos no vac os tales que B, C son de la misma naturaleza, y f : A B y g : C D dos funciones. Si la intersecci on If Dg es no vac a, entonces la composici on de las funciones f y g , es la funci on denotada por g f , la cual tiene sentido y esta denida por (g f )(x) = g (f (x)) para todo x en el dominio de f tal que f (x) esta en la imagen de g .
g f
A x
If Dg = Cuando esto sucede se dice que la funci on composici on g f tiene sentido. Denici on 3.4 (Algebra de funciones de varias variables). Sean f, g : D Rn R funciones de varias variables, h : D R R una funci on real y R : I R Rn una funci on vectorial. Para todo x en D se denen las siguientes funciones: 1. (f + g )(x) = f (x) + g (x) 2. (cf )(x) = cf (x) para toda constante c 3. (f g )(x) = f (x)g (x) 4. f g (x) = f (x) si g (x) = 0. g (x)
B C f (x) Dg
D g (f (x))
5. Si la funci on composici on h f tiene sentido, entonces se dene la funci on de varias variables (h f )(x) = h(f (x)). 6. Si la funci on composici on f R tiene sentido, entonces se dene la funci on real (f R)(t) = f (R(t)). Ejemplo 3.2. Si f (x, y ) = xy , x+y h(t) = 2t + 1, R(t) = (t, t2 ),
47
entonces (h f )(x, y ) = h(f (x, y )) = h 2xy +1 x+y t3 t2 = con t = 0. (f R)(t) = f (R(t)) = f (t, t2 ) = 2 t+t 1+t = xy x+y
Por lo tanto, h f es una funci on de dos variables y f R es una funci on de una variable. El dominio de h f consiste de todos los puntos del plano xy tales que x + y = 0, y el dominio de f R de todos los n umeros reales t diferentes de 0 y 1. Observe adem as que f se puede representar como el cociente de dos funciones de dos variables, digamos f1 (x, y ) = xy y f2 (x, y ) = x + y
3.2.
L mite y continuidad de campos escalares
Persona que trabaje en el campo de la f sicamatem atica y sus aplicaciones y no entienda de que trata el concepto de l mite, tendr a una noci on muy limitada de lo que realmente signica este campo en el area de las ciencias naturales.
La noci on de l mite esta ntimamente ligada al problema de la aproximaci on y continuidad en problemas del tipo causaefecto. Matem aticamente, un problema del tipo causaefecto se representa mediante una funci on f denida de un conjunto D A en un conjunto B . Las causas est an representadas por los elementos de A y los efectos por elementos de B . Entonces la funci on f : D A B , tal que f (a) = b esta en B , para alg un a en D, representa la relaci on funcional entre las causas y los efectos, y adem as enfatiza que el efecto b es consecuencia o lo produce la causa a, b = f (a), y adem as es u nica. El conjunto A representa el espacio de las causas, los elementos de D las causas predecibles y los elementos de A \ D las causas no predecibles. Similarmente, B representa el espacio de las efectos, la imagen If el espacio de las efectos predecibles, y B \ If el de los efectos no predecibles. A D a f B If b = f (a )
a y b representan posibles causas y efectos no predecibles, respectivamente. A la causa predecible a le corresponde un efecto predecible b = f (a ).
48
En la practica, y por lo general, se obtienen (en el laboratorio, por ejemplo) y con mediana certeza los valores ideales del efecto b y la causa a que lo produce. Los valores reales son u nicamente estimaciones de ellos y adem as a puede ser eventualmente una causa no predecible. Entonces, el problema de establecer que tan buena es una estimaci on de estos valores consiste de lo siguiente: 1. Fase de aproximaci on: Dada un efecto aproximado, establecer la causa aproximada que lo produce. Se debe cumplir que el efecto aproximado y debe estar cercano del valor b (i.e., y b) y ser consecuencia de una causa x (i.e., y = f (x)), siempre que la causa x este muy cercana del valor a, aun si no es exactamente a (i..e, x b y x = a). Simb olicamente, f (x) b cuando x a, x = a, 2. Fase de cuanticaci on del error: En donde hay aproximaciones, hay errores. En los conjuntos A y B se deben disponer de alg un medio (instrumento) para cuanticar el error en las aproximaciones entre las causas y los efectos. El error debe entenderse como la medida de la distancia entre el valor estimado y el valor real, sean en causas o efectos. Cuanticar el error sera el proceso de medir la distancia entre los valores reales y estimados. Si los conjuntos A y B son subconjuntos de R, estos errores de aproximaci on son obtenidos mediante el valor absoluto, y por tanto dB (f (x), b) := |f (x) b|, dA (x, a) := |x a|.
representaran el error en la aproximaci on o distancia entre los valores reales y estimados en los efectos y las causas, respectivamente. En general, se supone que en los conjuntos A y B es posible denir una forma de medir distancia de una forma similar a la anterior. Por lo tanto, si sucede que en las causas f (x) b cuando en los efectos x b, aun si x = b, entonces debe tenerse que el error en la aproximaci on del efecto, dB (f (x), b), debe ser muy peque no cuando el error en la aproximaci on del efecto, dA (f (x), a), es muy peque no, aun si x = a. Observe que x = a si y solo si dA (x, a) > 0. Simb olicamente, dB (f (x), b) 0 cuando dA (x, a) 0 aun si dA (x, a) > 0. 3. Fase de estimaci on de la magnitud del error: Las magnitudes en el error deben ser de cierto orden. Este es un requerimiento que es est andar cuando se realizan estudios experimentales de problemas causaefecto. En este tipo de problemas es conocido o dado el orden del error en la aproximaci on de los efectos (en el mundo real esto es precisamente lo que se puede ver o determinar) y se busca entonces establecer o encontrar el orden del error en la aproximaci on en las causas, pero de tal modo que el error en la aproximaci on de los efectos sea del orden previamente dado cuando el error en la aproximaci on en las causas sea del orden encontrado, aun si el error en las causas no es cero, Decir que el error en la aproximaci on es de cierto orden signica que el error en la aproximaci on es menor que el orden de aproximaci on. Por lo tanto, en el caso en discusi on debemos tener lo siguiente.
49
Dado el orden > 0 del error en la aproximaci on del efecto b, se busca establecer un orden > 0 del error en la aproximaci on de la causa a, de tal modo que dB (f (x), b) < cuando dA (x, a) < , aun si dA (x, a) > 0. Simb olicamente, Dado un > 0, se busca un > 0 tal que dB (f (x), b) < cuando 0 < dA (x, a) < . La notaci on matem atica de l mite resume estos tres procesos:
xa
l m f (x) = b.
El problema causaefecto denido mediante f es un continuo o es continuo cuando

xa
l m f (x) = f (a).
3.2.1.
L mite de un campo escalar
Denici on 3.5 (L mite de una funci on de varias variables). Sea f : D Rn R una funci on de varias variables y a un punto que no necesariamente pertenece al dominio de f . Se dice que l mxa f (x) = L si dado un > 0 existe un > 0 tal que |f (x) L| < siempre que 0 < x a < . Observe que xa = (x1 a1 )2 + + (xn an )2
representa la distancia entre los puntos x = (x1 , . . . , xn ) y a = (a1 , . . . , an ) de Rn y |f (x) L| la distancia entre los n umeros reales f (x) y L. En el siguiente sentido debe entenderse el concepto de existencia del l mite L de f en a: Cuando el punto x est a sucientemente cercano de a, pero x = a, entonces el valor de f (x) estar a muy cercano de L. La norma x a y el valor absoluto |f (x) L| son una medida del error en esas aproximaciones. Cuanticado el orden del error en la aproximaci on de f (x) a L, se busca entonces cuanticar el orden del error en la aproximaci on de x a a. Por eso se suele tambi en denotar el l mite de la forma f (x) a cuando x a, y se lee f (x) tiende a a cuando x tiende a a. Geom etricamente, los puntos x se encuentran localizados en el interior de una esfera ndimensional de centro en a y radio , sin el punto a, y los valores f (x) en el intervalo abierto (L , L + ). Proposici on 3.1 (Unicidad del l mite). Sea f : D Rn R una funci on de varias variables y a un punto que no necesariamente pertenece al dominio de f . Si el l mite l mxa f (x) existe entonces el l mite es u nico; es decir, si l mxa f (x) = L1 y l mxa f (x) = L2 entonces L1 = L2 . El contrarrec proco de este resultado es una herramienta valiosa para probar que un cierto l mite no existe: 50
Si el l mite l mxa f (x) no es u nico, entonces l mxa f (x) no existe. A diferencia del calculo de funciones de una variables, en donde existen u nicamente dos direcciones para aproximar el punto al cual se toma el l mite, para las funciones de varias variables existen multiplies direcciones, y adem as trayectorias, para que el punto x aproxime el punto l mite a. Si el l mite existe, entonces el l mite es independiente de la trayectoria que pase por el punto. Si el l mite no existe, es suciente demostrar que a lo largo de dos trayectorias C1 y C2 que pasen por el punto a, la funci on f (x) tiene dos limites distintos. Ejemplo 3.3. Sea xy f (x, y ) = 2 . x + y2 El dominio de f consiste de todos los puntos del plano xy con excepci on del origen. Consideremos la ecuaci on y = mx de una recta de pendiente m que pasa por el origen. Entonces f (x, y ) = o
x0 y =mx
mx2 m m = cuando x 0, y = mx, 2 2 2 2 x +m x 1+m 1 + m2 l m f (x, y ) = l m mx2 m = . x0 x2 + m2 x2 1 + m2
Por lo tanto el l mite de f en el origen del plano no existe: diferentes valores de m producen curvas diferentes a lo largo de las cuales f tiene limites diferentes. Para cualquier otro punto del plano xy el l mite de f existe (probarlo). Ejemplo 3.4. La funci on f (x, y ) = x2 y 2 x2 + y 2
tambi en esta denida para todo punto del plano xy con excepci on del origen. De nuevo, observe que
x0 y =0
l m f (x, y ) = l m
x2 0 = 1, x0 x2 + 0
x=0 y 0
l m f (x, y ) = l m
0 y2 = 1, y 0 0 + y 2
en donde x = 0 es una recta horizontal que pasa por el origen y y = 0 es una recta vertical que tambi en pasa por el origen. Por lo tanto, f no tiene l mite en el origen del plano xy . Ejemplo 3.5. Tambi en la funci on f (x, y ) = x4 y 4 x2 + y 2
esta denida para todo punto del plano xy con excepci on del origen. No obstante, como el l mite x4 y 4 (x2 y 2 )(x2 + y 2 ) = l m 2 2 x2 + y 2 (x,y )(0,0) x + y (x,y )(0,0) l m =
(x,y )(0,0)
l m
(x2 y 2 ) = 0 0 = 0 51
e independiente de la trayectoria que pase por el origen del plano xy , entonces f tiene l mite cero en el origen. 3x2 y Ejemplo 3.6. Determine si el l mite de la funci on f (x, y ) = 2 existe x + y2 en (0, 0). Soluci on. Como l m f (x, y ) = l m 3x2 (mx) 3mx = =0 x0 x2 + (mx)2 1 + m2
x0 y =mx
y l m f (x, y ) = l m 0 = 0, y2
x=0 y 0
y 0
e igual sucede tomando el l mite a lo largo de las parabolas y = ax2 y x = ay 2 con a = 0, se puede intuir que el l mite vale 0. Desafortunadamente esto no prueba que el l mite sea 0, pues el resultado depende de la trayectoria que pasa por el origen. Para demostrar que el l mite es cero se aplica la denici on de l mite. Sea > 0 dado. Se debe encontrar un > 0 tal que 3x2 y 0 < x2 + y 2 o equivalentemente, 3x2 |y | < siempre que x2 + y 2 Pero x2 < x2 + y 2 , Por lo tanto, 3x2 |y | < 3|y | = 3 y 2 < 3 x2 + y 2 < 3. x2 + y 2 Como se requiere que 3x2 |y | < , x2 + y 2 es suciente elegir 3 = . Entonces = /3 y al hacer 0 < se obtiene 3x2 y 0 3 x2 + y 2 < 3 = x2 + y 2 3 Por consiguiente, 3x2 y = 0. (x,y )(0,0) x2 + y 2 l m 52
siempre que
0 < (x, y ) (0, 0) <
0<
x2 + y 2 <
y 2 < x2 + y 2 .
x2 + y 2 < /3
Proposici on 3.2 (Propiedades del l mite). Sean f, g : D Rn R funciones de n variables que poseen l mite en un punto a que no necesariamente pertenece a D. Entonces las funciones f + g , cf (c un constante cualquiera), f g , f /g tambi en poseen l mite en a y adem as (a) l m (f (x) + g (x)) = l m f (x) + l m g (x)
xa xa xa
(b) l m (cf (x)) = c l m f (x)

xa xa
(c) l m f (x)g (x) = l m f (x) l m g (x)

xa xa xa
(d) l m
xa
f (x) = xa si l m g (x) = 0. xa g (x) l m g (x)

xa
l m f (x)
(e) Sea h : D R R una funci on real tal que la funci on compuesta h f esta denida. Si los l mites l m f (x)( L) y l m h(t) existen, entonces el l mite de h f existe en a y adem as
xa tL xa
l m h(f (x)) = h l m f (x) .

xa
(f ) Sea R : D R Rn una funci on vectorial tal que la funci on compuesta f R esta denida. Si los l mites l m R(t)( L) y l m f (x) existen, entonces el l mite de f R existe en t0 y adem as
tt0 xL tt0
l m f (R(t)) = f
tt0
l m R(t) .
3.2.2.
Continuidad de un campo escalar
Denici on 3.6 (Continuidad puntual). Se dice que una funci on de varias variables f : D Rn R es continua en a si y solo si
xa
l m f (x) = f (a),
o lo que es lo mismo,
h0
l m f (a + h) = f (a).
En caso contrario, f se dice es discontinua en a. Esta denici on signica que f (a) y l mite de f en a existen, y el valor de f y el l mite de f son iguales en a. De otro lado, la condici on de existencia de f (a) es equivalente a la condici on que el punto a pertenezca al dominio de f. x2 y 2 Ejemplo 3.7. La funci on f (x, y ) = 2 no tiene l mite en el origen del x + y2 plano. Entonces f es discontinua en (0, 0). Tambi en se puede argumentar que f no esta denida en el origen del plano.
53
Ejemplo 3.8. La funci on 4 4 x y 2 f (x, y ) = x + y 2 1 si (x, y ) = (0, 0) si (x, y ) = (0, 0)
tiene l mite cero en el origen del plano y f (0, 0) = 1. Entonces f es discontinua en el origen. Proposici on 3.3 (Propiedades de la continuidad puntual). Sean f, g : D Rn R funciones de n variables que son continuas en el punto a. Entonces las funciones f + g , cf (c un constante cualquiera), f g , f /g tambi en continuas en a y adem as (a) l m (f (x) + g (x)) = f (a) + g (a)
xa
(b) l m (cf (x)) = cf (a)

xa
(c) l m f (x)g (x) = f (a) g (a)

xa
(d) l m
f (x) f (a) = si g (a) = 0. xa g (x) g (a)
(e) Sea h : D R R una funci on de una variable tal que la funci on compuesta h f esta denida. Si f es continua en a y h es continua en f (a), entonces la funci on de varias variables h f es continua en a y adem as
xa
l m h(f (x)) = h(f (a)).
(f ) Sea R : D R Rn una funci on vectorial tal que la funci on compuesta f R esta denida. Si R es continua en t0 y f es continua en R(t0 ), entonces la funci on escalar f R es continua en t0 y adem as
tt0
l m f (R(t)) = f (R(t0 )).
Ejemplo 3.9. Determine los puntos en donde la funci on racional f (x, y ) = es continua. Demostraci on. Las funciones polin omicas g (x, y ) = 2xy y h(x, y ) = x2 + 2 y son continuas en todo punto (a, b) R2 . De la propiedad del cociente de funciones tenemos que la funci on f (x, y ) es continua en todo punto (a, b) R2 , excepto en el origen. Por lo tanto, la funci on f (x, y ) es continua en todo punto (x, y ) de R2 con excepci on del origen. 2xy x2 + y 2
Denici on 3.7 (Continuidad global). Una funci on de varias variables f es continua en el conjunto D si f es continua en cada punto de D . Las propiedades de continuidad de funciones de varias variables en un conjunto de su dominio se obtienen de una manera natural de las propiedades de continuidad puntual. 54
Los monomios x, y y c, con c un escalar cualquiera, se puede demostrar f acilmente son funciones continuas en R2 :
(x,y )(a,b) (x,y )(a,b) (x,y )(a,b)
l m
x=a y=b c=c
l m
l m
para cualquier punto (a, b) en R2 . Por lo tanto, de las propiedades del producto de funciones continuas el monomio cxn y m , para alg un n umero entero no negativo m, es tambi en continuo en R2 :
(x,y )(a,b)
l m
cxm y m = cam bm
para cualquier punto (a, b) en R2 . De la propiedad de la suma de funciones continuas el polinomio p(x, y ) en dos variables sera tambi en una funci on continua en R2 :
(x,y )(a,b)
l m
p(x, y ) = p(a, b)
para todo punto (a, b) en R2 . Ejemplo 3.10. Evaluar Soluci on. Como los polinomio son funciones continuas en R2 , entonces
(x,y )(1,2) (x,y )(1,2)
l m
(x2 y 3 x3 y 2 + 3x + 2y ).
l m
(x2 y 3 x3 y 2 + 3x + 2y ) = 8 4 + 3 4 = 13.
Una funci on racional f en dos variables es el cociente de dos polinomios, y sera una funci on continua en R2 con excepci on de aquellos puntos (x, y ) en donde el denominador de f se anula. Por ejemplo, la funci on racional 2xy + 1 f (x, y ) = 2 x + y2 esta denida en todo R2 con excepci on del origen. Por tanto, f es continua en R2 con excepci on del origen. Ejemplo 3.11. Determine la continuidad de la funci on f (x, y ) = ln(x2 + y 2 1). Soluci on. La funci on logaritmo natural es continua para todo n umero real positivo, y la funci on g (x, y ) = x2 + y 2 1 es continua para todo valor de x y y . De la propiedad de composici on de funciones continuas se concluye que la funci on f es continua para todos los puntos (x, y ) en R2 tales que x2 + y 2 > 1. Ejemplo 3.12. Determine la continuidad de la funci on 1 x2 y 2 . x2 y 2 Soluci on. De la propiedad de composici on de funciones continuas se tiene que el numerador de f es continuo para todo punto (x, y ) en R2 tal que x2 + y 2 < 1. El denominador de f es continuo para todo punto (x, y ) en R2 , y es cero cuando y = |x|. De la propiedad del cociente de funciones continuas se obtiene que f es continua para todo punto (x, y ) en R2 tal que x2 + y 2 < 1 y y = |x|. f (x, y ) =
55
3.3.
Derivada de un campo escalar

La derivada de una funci on escalar f (x) se puede considerar como el l mite del cociente diferencias de Newton de la funci on a lo largo del eje x: f (x) = l m f (x + h) f (x) , h0 h
si el l mite de la derecha existe. La derivada de una funci on en n variables su puede considerar de igual manera, solo que existir an n posibles alternativas (o ejes coordenados) cada una de las cuales se llaman las derivadas parciales de la funci on con respecto a la direcci on considerada. Por esto, las derivadas parciales dan informaci on de la raz on de cambio de una funci on en varias variables en cada una de las direcciones de los ejes coordenadas. M as exactamente, estas derivadas se denen de la siguiente forma. Denici on 3.8 (Derivadas parciales). Sea f : D Rn R una funci on de n variables. Las derivadas parciales fx1 , . . . , fxn de f con respecto a las variables x1 , . . . , xn en el punto a = (a1 , . . . , an ) en la direcci on del j esimo eje coordenado se dene en forma vectorial como fxj (a) = l m o en forma cartesiana como fxj (a1 , . . . , an ) = l m f (a1 , . . . , aj + t, . . . , an ) f (a1 , . . . , an ) , t f (a + tej ) f (a) t
t0
t0
para j = 1, . . . , n, si cada uno de estos limites existe. Otras notaciones de las derivada parcial de f con respecto a la variable xj son las siguientes: fxj (a) = fj (a) = f (a) = j f (a) = Dxj f (a) = Dj f (a). xj
Cuando n = 2, se denota z = f (x, y ) y las derivadas parciales de f tambi en se denotan como fx = f z = = zx , x x fy = f z = = zy . y x
Cuando n = 3, se considera w = f (x, y, z ) y las derivadas parciales de f tambi en se denotan como fx = f w = = wx , x x fy = f w = = wy , y y fz = f w = = wz . z z
Una explicaci on de las derivadas parciales es la siguiente. De acuerdo con la denici on anterior, fxj (a) se obtiene restringiendo la funci on f a la recta que pasa por el punto a y es paralela al j esimo eje coordenado. Esta ecuaci on tiene la ecuaci on vectorial X = a + tej para t un n umero real y ej el vector director del j esimo eje coordenado. Por lo tanto, fxj (a) da la raz on de cambio de f en a en la j esima direcci on coordenada. Ejemplo 3.13. Calcule las derivadas parciales de f (x, y ) = y 2 sen x en a = (/2, 1). Soluci on. f es una funci on de dos variables que est a denida para todo 56
(x, y ) en R2 . As que se deben calcular derivadas parciales de f en a, a saber: fx (/2, 1) y fy (/2, 1). Para calcular la derivada parcial de f con respecto a x se tienen dos opciones. Primera opci on: Se utiliza la denici on de l mite para calcular fx (x, y ). Esto da, fx (x, y ) = l m f ((x, y ) + ti) f (x, y ) f (x + t, y ) f (x, y ) = l m t 0 t t y 2 sen(x + t) y 2 sen x sen(x + t) sen x 2 = y l m = l m t0 t0 t t d (sen x ) = y2 = y 2 cos x, dx
t0
lo cual es equivalente a considerar a y como una constante y diferenciar con respecto a x. A continuaci on se sustituye (x, y ) = (/2, 1), lo cual da fx (/2, 1) = 1 cos(/2) = 0 Segunda opci on: Se hace y = 1 en la formula de f para obtener g (x) = f (x, 1) = sen x. Esta es una funci on en una variable que se puede diferenciar para obtener g (x) = cos x. A continuaci on se sustituye x = /2 y se obtiene fx (/2, 1) = g (/2) = cos(/2) = 0, como se esperaba. De nuevo se presentan ambas opciones para calcular la derivada parcial de f con respecto a y en (/2, 1). Primera opci on: De la denici on, fy (x, y ) = l m f ((x, y ) + tj ) f (x, y ) f (x, y + t) f (x, y ) = l m t0 t t (y + t)2 y 2 (y + t)2 sen x y 2 sen x sen x = l m = l m t0 t0 t t 2 d(y ) = sen x = 2y sen x, dy
t0
lo cual es equivalente a a considerar a x como una constante y diferenciar con respecto a y . A continuaci on se sustituye (x, y ) = (/2, 1), lo cual da fy (/2, 1) = 2 sen(/2) = 2 Segunda opci on: Se hace x = /2 en la formula de f para obtener h(x) = f (/2, y ) = y 2 sen(/2) = y 2 . Esta es una funci on en una variable que se puede diferenciar para obtener h (x) = 2y. A continuaci on se sustituye y = 1 y se obtiene fy (/2, 1) = h (1) = 2.
57
Ejemplo 3.14. Calcule las primeras derivadas parciales de la funci on f (x, y ) = x2 y en cualquier punto (x, y ) de su dominio. Soluci on. El dominio de f es todo R2 . De la denici on, la derivada parcial de f con respecto a x est a dada como fx (x, y ) = l m f ((x, y ) + ti) f (x, y ) f (x + t, y ) f (x, y ) = l m t0 t t (x + t)2 y x2 y (x + t)2 x2 d(x2 ) = l m y = y = 2xy = l m t0 t0 t t dx
t0
en donde i = e1 = (1, 0), lo cual es equivalente a considerar a y como una constante y derivar con respecto a x. Igualmente, fy (x, y ) = l m f ((x, y ) + tj ) f (x, y ) f (x, y + t) f (x, y ) = l m t0 t0 t t x2 (y + t) x2 y ( y + t ) y d(y ) = x2 l m = x2 = x2 , = l m t0 t0 t t dy
lo cual tambi en se obtiene considerando a x constante y derivando con respecto a y . Al calcularse la derivada parcial de f con respecto a la variable xj como el l mite de la variaci on de los cocientes de diferencias de Newton a lo largo de la direcci on del eje coordenado xj , ej , se mantienen jas las restantes direcciones. Por esto, en lugar de calcular la derivada parcial de f con respecto a la variable xj mediante la denici on, la derivada parcial fxj se puede calcular de forma directa manteniendo las otras variables jas y derivando con respecto a la variable xj . Simb olicamente, df f (x1 , . . . , xn ) = (x1 , . . . , xn ), xj dxj j = 1, . . . , n.
Las reglas ordinarias de la derivaci on aplican. Ejemplo 3.15. Encuentre las derivadas parciales de la funci on f (x, y, z ) = x3 y x sen(yz ) y su dominio com un. Soluci on. Considerando a y y z constantes y derivando con respecto a x se obtiene fx (x, y, z ) = 3x2 y sen(yz ). Para encontrar fy se consideran x y z constantes y se deriva con respecto a y: fy (x, y, z ) = x3 xz cos(yz ). Finalmente, considerando a x y y como constante y derivando con respecto a z se obtiene fz (x, y, z ) = xy cos(yz ). De las funciones relacionadas con las derivadas parciales de f se concluye que el dominio com un de ellas es todo R3 . Ejemplo 3.16. Encuentre las derivadas parciales de la funci on f (x, y, z ) = 2 2 2 xyzex y z . 58
Soluci on. Al igual que en el caso de las funciones de dos variables, cada vez que se va a derivar con respecto a una de las variable se consideran las otras dos como constantes y se deriva aplicando las reglas ordinarias de la derivada. En este caso, fx (x, y, z ) = yzex
2
y 2 z 2 y 2 z 2 y 2 z 2
fy (x, y, z ) = xzex
2x2 yzex
y 2 z 2 y 2 z 2 y 2 z 2
fz (x, y, z ) = xyex Interpretaci on de las derivadas parciales
2xy 2 zex
2xyz 2 ex
Considere la gr aca de funci on de dos variables z = f (x, y ). El plano x = x0 interseca la gr aca de f en la curva plana de la gura y el valor fy (x0 , y0 ) es la pendiente de la recta tangente a esta curva en el punto P .
z
P (x0 , y0 , z0 )
(x0 , y0 , 0)
Tambi en, el plano y = y0 interseca la gr aca de f en la curva plana de la gura y el valor fx (x0 , y0 ) es la pendiente de la recta tangente a esta curva en el punto P .
z
P (x0 , y0 , z0 )
(x0 , y0 , 0)
Ejemplo 3.17. Considere el paraboloide de ecuaci on f (x, y ) = 9 x2 y 2 . (a) El paraboloide y el plano y = 1 se intersecan en una curva C1 . Encontrar las ecuaciones param etricas de la recta tangente en (1, 1, 7). (b) Igualmente, el paraboloide y el plano x = 1 se intersecan en curva C2 . Encontrar las ecuaciones param etricas de la recta tangente en (1, 1, 7). (c) Encuentre la ecuaci on del plano tangente al paraboloide en el punto (1, 1, 7).
59
Soluci on. (a) Como fx (x, y ) = 2x entonces fx (1, 1) = 2 es la pendiente de la recta tangente a la curva en (1, 1, 7). Veamos como esta recta tiene a d1 = (1, 0, 2) como su vector director. Para encontrar este, parametrizamos la curva C1 de la siguiente forma. Como y = 1 y z = f (x, y ) = 8 y 2 , entonces la funci on vectorial F (t) = (t, 1, 8 t2 ) es una parametrizaci on de C1 . Entonces, F (t) = (1, 0, 2t). Cuando t = 1 tenemos F (1) = (1, 1, 7) y entonces la recta tangente en (1, 1, 7) tiene a d1 = F (1) = (0, 1, 2) como su vector director. Por lo tanto, x = 1 + t, y = t, z = 7 2t representan las ecuaciones param etricas de la recta tangente a la gr aca de f en (1, 1, 7).
(b) En este caso, fy (x, y ) = 2y y fy (1, 1) = 2 es la pendiente de la recta tangente a C2 en (1, 1, 7). Como el vector director de esta recta es d2 = (0, 1, 2), entonces x = 1, y = 1 + t, z = 7 2t
(c) El vector normal al plano tangente a la gr aca de f en (1, 1, 7) esta dado por i n = d1 d2 = 0 1 y entonces 2(x 1) 2(y 1) (z + 7) = 0 j 1 0 k 2 = (2, 2, 1). 2
representan las ecuaciones param etricas de la recta tangente en (1, 1, 7).
representa la ecuaci on del plano tangente a la gr aca de f en el punto (1, 1, 7). Por un procedimiento an alogo se puede demostrar que si las primeras derivadas parciales de un campo escalar f existen y son continuas en un punto (x0 , y0 ) de R2 , entonces z = f (x0 , y0 ) + f ((x0 , y0 ) (x x0 , y y0 ) = f (x0 , y0 ) + fx (x0 , y0 )(x x0 ) + fy (y y0 ) Debemos esperar que al igual que funciones de una variable, que si el punto (x, y ) est a en una vecindad de (x0 , y0 ) entonces los valores de la funci on f (x, y ) se puedan aproximar mediante los valores de la ecuaci on del plano tangente en (x, y ); i.e., f (x, y ) f (x0 , y0 ) + f ((x0 , y0 ) (x x0 , y y0 ) si (x, y ) est a en una vecindad de (x0 , y0 ). Por ejemplo, si f (x, y ) = 9 x2 y 2 , (x0 , y0 ) = (1, 1) y (x, y ) = (1,5; 1,2) entonces f (1,5; 1,2) = 5,31 f (1, 1) 2(1,5 1) 2(1,2 1) = 7 1 0,4 = 5,6. El orden de esta aproximaci on puede ser mejorado considerando las segundas derivadas parciales de f . 60
Ejemplo 3.18. De acuerdo con la ley de un gas ideal para un gas connado, si P atm osferas es la presi on, V litros es el volumen y T grados es la temperatura absoluta en la escala de Kelvin, se tienen la f ormula P V = kT (3.1)
donde k es una constante de proporcionalidad. Suponga que el volumen de un gas de cierto recipiente es de 12 litros y que la temperatura es de 290 K y k = 0,6. (a) Calcule la tasa de variaci on de T si V permanece jo en 12 litros. (b) Utilice el resultado del inciso (a) para aproximar la variaci on de la presi on si la temperatura se incrementa a 295K. (c) Calcule la tasa de variaci on instant anea de V por unidad de variaci on de P si T permanece ja en 290 K. (d) suponga que la temperatura se mantiene constante. Utilice el resultado del inciso (c) para calcular la variaci on aproximada del volumen necesario para producir la misma variaci on en la presi on que se obtuvo en el inciso (b). Soluci on. Al hacer V = 12, T = 290 y k = 0,6 en la f ormula del gas ideal se obtiene P = 14,5. (a) Resolviendo (3.1) para P cuando k = 0,6 se obtiene P = 0,6T V
La tasa de variaci on instant anea de P por unidad de variaci on de T , si V se mantiene constante, es 0,6 P = T V Cuando T = 290 y V = 12, esta tasa de variaci on esta aumentado a P raz on de = 0,05 atm osferas por cada grado en la escala de Kelvin. T (b) Del resultado del inciso (a), cuando T se incrementa en 5 unidades (de 290 a 295) y V permanece jo, un incremento aproximado de P es 5(0,005) = 0,25 atm osferas. Por lo tanto, si la temperatura se incrementa de 290K a 295 K, entonces el incremento de la presi on es de aproximadamente 0,25 atm osferas. (c) Al resolver (3.1) para V cuando k = 0,6, se obtiene V = 0,6T P
La tasa de variaci on instant anea de V por unidad de variaci on de P , si T se mantiene constante, es V 0,6T = 2 P P Cuando T = 290 y P = 14,5, la tasa de variaci on instant anea de V por unidad de variaci on de P , si T permanece ja en 290, es V 0,6(290) = = 0,83; P 14,52 es decir, esta tasa de variaci on disminuyendo a raz on de 0,83 litros por cada atm osfera.
61
(d) Si P se incrementa en 0,25 y T permanece ja, entonces del resultado del inciso (c) la variaci on de V debe ser aproximadamente (0,25)(0,83) = 0,21. Por lo tanto, el volumen debe disminuir aproximadamente en 0,21 litros para que la presi on aumente de 14,5 a 14,75 atm osferas. Derivadas parciales de segundo orden Por ser las derivadas parciales de una funci on de varias variables otra funci on de varias variables, se puede nuevamente intentar calcular sus derivadas parciales.
Denici on 3.9. Sea f : D Rn R una funci on de n variables. Las segunda derivada parcial fxi xj de f con respecto a las variables x1 , . . . , xn en el punto x = (x1 , . . . , xn ) se dene en forma vectorial como m fxj xk (x) = l fxj (x + hek ) fxj (x) h0 h
para j, k = 1, . . . , n, si el l mite existe. Las segundas derivadas parciales de f se suelen llamar derivadas parciales de segundo orden, y tambi en se denotan de la siguiente forma: fxj xk (x) = fxj (x)
xk
= fjk (x) =
xk
f (x) xj
2f (x) xk xj
Las segundas derivadas parciales fxj xk se llaman mixtas cuando j es diferente de k . Una funci on z = f (x, y ) en dos variables tiene cuatro segundas derivadas parciales, de las cuales dos son derivadas parciales mixtas: fxx = fyx Derivadas parciales de orden superior x = x f x f y 2f , x2 2f = , xy = fxy = fyy f 2f = y x yx f 2f = = y y y 2
Operativamente hablando, es f acil pensar como calcular las derivadas parciales de orden m de una funci on de n variables. Desde el punto de vista matem atico la notaci on se complica un poco, pero no es sustancialmente importante en la comprensi on de lo que entenderemos como todas las derivadas parciales de orden m de f .
Denici on 3.10. Las derivadas parciales de orden m de una funci on en n variables f se pueden denotar por mf
j2 jm 1 xj 1 x2 xn
en donde los escalares j1 , . . . , jm son n umeros enteros no negativos tales que j1 + j2 + + jm = m. Es decir, mf
j2 jm 1 xj 1 x2 xn
j1 +j2 ++jm f
j2 jm 1 xj 1 x2 xn
j1
1 xj 1
j2
2 xj 2
jm f
m xj m
62
Por ejemplo, si f es una funci on en cuatro variables x, y, z, w entonces una derivada parcial de sexto orden de f es 6f 2 = x2 yw3 x2 Derivadas parciales mixtas de orden superior y 3f w3 := f3012 := fw3 yx2
Las derivadas parciales de orden m de f se pueden clasicar en dos categor as.
Denici on 3.11. Las derivadas parciales de exactamente orden m de f con respecto a la variable xk ser an mf = xm x k k xk f xk (m veces) para k = 1, . . . , n.
Cualquier otra derivada de orden m de f que no sea con respecto u nicamente a una de las variables x1 , . . . , xn ser a una derivada parciales mixta de orden m de f . Ejemplo 3.19. Encuentre las terceras derivadas parciales de la funci on f (x, y ) = xey 3 cos(x y ). Soluci on. fx (x, y ) = ey + sen(x y ) fxy (x, y ) = ey cos(x y ) fyy (x, y ) = xey + cos(x y ) fy (x, y ) = xey sen(x y )
fxxx (x, y ) = sen(x y ) fxyx (x, y ) = sen(x y )
fxx (x, y ) = cos(x y ) fyx (x, y ) = ey cos(x y )
fyxx (x, y ) = sen(x y ) fyyx (x, y ) = ey sen(x y )
fxxy (x, y ) = sen(x y ) fxyy (x, y ) = ey sen(x y )
fyxy (x, y ) = ey sen(x y ) fyyy (x, y ) = xey + sen(x y )
En el ejemplo anterior, las derivadas parciales mixtas de segundo y tercer orden son iguales: fxy = fyx , fxxy = fxyx = fyxx , fxyy = fyxy = fyyx . Leonard Euler estableci o y demostr o por primera vez en 1734, en relaci on con sus estudios de hidrodin amica, las condiciones que garantizaban esta igualdad. En general, este resultado se cumple bajo las siguientes condiciones. Proposici on 3.4 (Teorema de Clairaut o de Schwarz). Sea f : D Rn R una funci on en n varias variables. Si f tiene derivadas parciales continuas de orden m en un punto x dado en D, entonces todas las derivadas parciales mixtas hasta de orden m de f en x son iguales. Si por ejemplo, f es una funci on en cuatro variables que tiene derivadas parciales de quinto orden continuas en un punto de su dominio, entonces las derivadas mixtas de f de segundo, tercer, cuarto y quinto orden ser an iguales en ese mismo punto. El siguiente ejemplo considera una funci on de dos variables que tiene terceras derivadas parciales continuas. 2 2 Ejemplo 3.20. Verique el Teorema de Clairaut para f (x, y ) = xex y con derivadas parciales de f de tercer orden. Soluci on. Primero se necesitan las primeras derivadas parciales: fx (x, y ) = ex
2
y 2
2x2 ex
y 2
fy (x, y ) = 2xyex
y 2
63
Ahora se calculan las segundas derivadas parciales: fxx (x, y ) = 6xex

2
y 2 y 2
+ 4x3 ex
y 2
fxy (x, y ) = 4x2 yex fyx (x, y ) = 4x2 yex
y 2 y 2
fyy (x, y ) = 4xy 2 ex
Finalmente, se calculan las terceras derivadas parciales:
fxxx(x, y ) = 6ex
y 2
+ 24x2 ex
y 2
2
fxyx (x, y ) = 8xyex fyyx (x, y ) = 4y 2 ex fyxx (x, y ) = 8xyex
y 2
y 2 y 2
8x2 y 2 ex 8x3 yex
8x3 yex
y 2
8x4 ex
y 2
fxxy (x, y ) = 12xyex fyyy (x, y ) = 8xyex

2
y 2
2
y 2
fxyy (x, y ) = 8x2 y 2 ex fyxy (x, y ) = 4x2 ex

2
y 2
8x3 ex
y 2
y 2
y 2
y 2
8x2 y 2 ex
8xy 3 ex
y 2
2
y 2
Como las terceras derivadas parciales de f son continuas en cualquier punto de R2 , entonces las derivadas parciales mixtas de segundo y de tercer orden de f en cualquier punto de R2 ser an iguales. En efecto, de los resultado anteriores se observa que fxy = fyx en el caso de las segundas derivadas parciales mixtas, y que fxxy = fxyx = fyxx y fxyy = fyxy = fyyx en el caso de las terceras derivadas parciales mixtas. La condici on de la continuidad de las derivadas parciales de orden m de f es crucial. Por ejemplo, la funci on 2 2 xy (x y ) si (x, y ) = (0, 0) 2 2 f (x, y ) = x +y 0 si (x, y ) = (0, 0) Problema de la no existencia de las derivadas parciales
tiene segundas parciales parciales en (0, 0) y no obstante fxy (0, 0) = fyx (0, 0). Intuitivamente, la derivada parcial de una funci on de dos variables no existe cuando la gr aca de la funci on tiene dobleces, esquinas, huecos, hoyos o picos. Por ejemplo, la funci on f (x, y ) = x2 |y | no tiene derivada parcial con respecto a y en todo punto de la forma (x, 0), en donde x es un n umero real cualquiera diferente de cero. Se observa de la gura que gr aca de f tiene un doblez a lo largo del eje x debido a la funci on |y |. De acuerdo a la denici on de la derivada parcial de f , fy (x, 0) = l m x y f (x, 0 + h) f (x, 0) x2 |h| = l m = h0 h0 h h x2 x2 si h 0 si h 0+
Como el l mite no es u nico para todo x diferente de cero, entonces fx (x, 0) no existe para todos esos valores de x; no obstante, fy (0, 0) = 0. Tambi en se puede demostrar que la derivada parcial fx (0, 0) existe y es cero. Ejemplo 3.21. Sea f (x, y ) = x2 |y |. (a) Determine si existen un plano que pasa por el punto (0, 0, 0) de la gr aca de f . En caso armativo, encuentre la ecuaci on del plano. (b) Es el plano tangente a la gr aca de f en (0, 0, 0)? Se puede garantiza que el plano tangente a la gr aca de f en (0, 0, 0) existe? (c) Que relaci on se puede establecer entre la existencia de las derivadas parciales en un punto y la existencia de un plano tangente a la gr aca de f en ese mismo punto?
64
Soluci on. (a) Ambas derivadas parciales fx (0, 0) y fy (0, 0) existen y son cero. Por lo tanto, los vectores directores a las rectas tangentes cuando x = 0 y y = 0 son d1 = (0, 1, 0) = j y d2 = (1, 0, 0) = i, respectivamente. La existencia de esto dos vectores no colineales determina la existencia del plano que pasa por el punto (0, 0, 0) de la gr aca de f . El vector normal al plano es = j i = k y la ecuaci on del plano que pasa por (0, 0, 0) es z = 0. (b) El plano que pasa por el punto (0, 0, 0) existe, pero desafortunadamente no es tangente a la gr aca en ese punto. Este hecho se puede observar directamente de la gr aca de f . Formalmente, por ejemplo los dos puntos (0, 0, 0) y (0, 2, 0) son distintos y pertenecen tanto a la gr aca de f como al plano z = 0. Esto nos garantiza que existe un plano que pasa por el punto (0, 0, 0) de la gr aca de f pero no es tangente a la gr aca de f en (0, 0, 0). En consecuencia, no existe un plano tangente a la gr aca de f en (0, 0, 0). (c) Este ejemplo permite concluir que en general la existencia de las derivadas parciales de una funci on en varias variables no garantiza la existencia del plano tangente a la gr aca de la funci on. Cosa bien distinta sucede en las funciones de una variable en donde la existencia de la derivada de la funci on implica la existencia de la recta tangente a la gr aca de la funci on. En conclusion, la existencia de las derivadas parciales de una funci on en mas de una variable no garantiza la existencia del plano tangente a la gr aca de la funci on. Funciones suaves de varias variables Intuitivamente una funci on en dos variables se puede considerar suave si su gr aca no tiene dobleces, esquinas, huecos, hoyos o picos. El problema es como convertir esta noci on intuitiva de suavidad en una noci on matem atica que aplique a cualquier funci on en varias variables. Al igual que en funciones de una variable, la clave esta en la existencia de las derivadas parciales.
Denici on 3.12. Una funci on de varias variables f : D Rn R se dice suave de orden k en D si las derivadas parciales de orden k de f existen y son continuas para todo x en D. Se asume que f tiene suavidad de orden cero si f es continua, y que f es suave si f tiene suavidad de cualquier orden. Ejemplo 3.22. La funci on f (x, y ) = x|x|y 4 tiene suavidad de orden cero y de primer orden, pero no tiene suavidad de segundo orden ni de ning un orden mayor que dos. Claramente f es continua, y las primeras derivadas parciales de f existen y son continuas: fx (x, y ) = 2|x|y, fy (x, y ) = 4x|x|y 3 .
No obstante, la segunda derivada parcial fxx de f no existe a largo de todo punto (0, y ) en el eje y , con y = 0: fxx (0, y ) = l m fx (0 + h, y ) f (0, y ) 2|0 + h|y 2|0|y = l m h0 h h = l m |h| (2y ) = h0 h 2y 2y si h 0 si h 0+
h0
Por lo tanto f tiene suavidad de primer orden.
65
Diferenciabilidad
Aparentemente la diferenciabilidad de una funci on f en varias variables es, en cierto modo, una medida de que tan suave es la funci on. Y por que tanto ruido con la diferenciabilidad? Bien, se me ocurre explicarlo de otra manera que no sea la del mecanismo que decide que tan suave es no una funci on en varias variable, y ella es una raz on practica. Aunque pueda parecer una idea sin sentido, la diferenciabilidad de f es de gran utilidad en el campo de las aplicaciones; en particular, desde el punto de vista computacional. Suponga que f es una funci on de varias variables que involucra funciones trascendentes. En la practica los valores de f (x) para un x dado, no se podr an obtener de forma exacta; de hecho, ni las calculadoras y computadoras mas avanzadas de hoy d a lo pueden hacer. Lo que se hace es recurrir a estimar una aproximaci on de f (x) mediante el valor p(x) de un polinomio lineal p en n variables. Porqu e un polinomio lineal? Porque ellos son los polinomios de menor grado en n variables que involucran las cuatro operaciones aritm eticas elementales con las cuales los seres humanos y las computadoras sabemos operar: suma, resta, multiplicaci on y division en sus variables. Tratemos de entender lo que vamos a hacer. Empecemos por el caso mas sencillo. En las funciones de una variable el valor de f (x) es aproximado por el valor de un polinomio lineal p(x) que representa la ecuaci on de la recta tangente a la gr aca de f en el punto (x0 , f (x0 )), en donde x0 un valor muy cercano a x. Si pretendemos seguir este camino para el caso de las funciones f en varias variables y tratamos de encontrar la ecuaci on del plano tangente mediante las derivadas parciales como se hizo en el Ejemplo 3.17, nos vamos a encontrar con una seria dicultad. En el Ejemplo 3.21 se muestra el caso de una funci on que tiene derivadas parciales en un punto, pero no tiene un plano tangente a la gr aca de la funci on en ese punto. En ese caso la funci on f no es suave, tiene un doblez a lo largo del eje x. Debemos intuir entonces que parte de la medida que tan suave es una funci on f de varias variables esta ligada a la existencia de sus derivadas parciales. Lo que no esta claro es como esto eventualmente implique que se puedan aproximar localmente los valores de f (x) por los valores p(x) de un polinomio lineal p en n variables que pasa por el punto (a, f (a)). No nos desanimemos y continuemos. Si la idea previa de encontrar la ecuaci on de un plano tangente a la gr aca de una funci on en mas de una variable con las derivadas parciales no funciona, busquemos otra manera de hacerlo, y adem as tratemos de dise nar alg un instrumento (matem atico) que nos indique cuando nos vamos a enfrentar a ese dicultad. De ser f suave alrededor de un punto (a, f (a)), esperamos (lo mismo que sucede con funciones de una variable) que los valores f (x) de la funci on en puntos x muy cercanos a a, se puedan aproximar localmente por los valores p(x) de un polinomio lineal p en n variables que pasa por el punto (a, f (a)). Obviamente existir a un error en esta aproximaci on y deber a ser posible estimarlo de la forma |f (x) p(x)|, para todo x cercano a a; cercan a que depender a de que tan distante se encuentre x de a y la cual se mide por x a . Como el error en la aproximaci on de p(x) a f (x) depende que tan cercano est e x de a, se requiere entonces que error en la aproximaci on |f (x) p(x)|
66
relativo a la distancia entre x y a tienda a cero siempre que x est e muy cercano de a; i.e., |f (x) p(x)| 0 xa o en otras palabras
xa
siempre que x a,
l m
|f (x) p(x)| = 0. xa f (x) p(x) , xa
Si denimos el error (no absoluto) E (x, a) como E (x, a) := entonces tendremos que f (x) = p(x) + E (x, a) x a donde
xa
l m |E (x, a)| = 0.
Evidentemente, esto nos indica que el valor f (x) es aproximado por el valor de p(x) y que el error E (x, a) x a en esa aproximaci on es muy peque no, casi cero, en cercan as de a. Nos queda a un por establecer como obtener el polinomio lineal p. Del Calculo de funciones en una variable sabemos que las valores de f (x) se pueden aproximar por los valores de la recta tangente (un polinomio lineal en una variable) a la gr aca de f en un punto (x0 , f (x0 )), donde el valor x esta sucientemente cercano al valor x0 . Recordemos que la pendiente de la recta tangente en el punto (x0 , f (x0 )) esta dada por f (x0 ) = l m
xx0
f (x) f (x0 ) , x x0
si el l mite existe. Supongamos que el l mite existe. El l mite anterior signica que existe un n umero m = f (x0 ) tal que
xx0
l m
|f (x) f (x0 ) m(x x0 )| = 0. |x x0 | f (x) f (x0 ) m(x x0 ) |x x0 |
De nuevo, al denir el error E (x, x0 ) de la forma E (x, x0 ) :=
tendremos que f es derivable en x0 si existe un n umero m = f (x0 ) tal que f (x) = f (x0 ) = m(x x0 ) + E (x, x0 )|x x0 | donde
xx0
l m |E (x, x0 )| = 0.
67
Diferenciabilidad, aproximaci on lineal y plano tangente
Es claro entonces como generalizar esta idea al problema de la aproximaci on de los valores de una funci on en n variables mediante un polinomio lineal en n variables. Antes se requiere introducir una notaci on adicional. Los elementos del conjunto R1n de las matrices de orden 1 n se llaman vectores las de orden n, y los elementos del conjunto Rn1 de las matrices de orden n 1 se llaman vectores columnas de orden n. Los vectores de Rn se identican como vectores columnas de orden n. Es claro de la denici on que la transpuesta de un vector la de orden n es un vector columna de orden n, y viceversa. Por ejemplo, en R3 tenemos que T 4 (4, 2, 3)T = 2 = 4 3
2 3
el cual es un vector la de orden 3. Muchos problemas en la f sica e ingenier a requieren del uso de m etodos vectoriales o matriciales relacionados con funciones de varias variables, el llamado an alisis vectorial, los cuales requieren de la notaci on de tipo vectorial. Tambi en la necesidad de este tipo de notaci on se requiere de una notaci on eciente para la derivada y la regla de la cadena de campos escalares. A n de resolver este problema de notaci on, primero que todo se consideran los vectores de Rn como vectores columnas de orden n. Segundo, se redene el producto escalar de vectores de Rn en t erminos de vectores las o columnas, es decir, matrices. Si x y y est an en Rn entonces se dene su producto escalar entre ellos como x y = xT y = x1 y1 + + xn yn , donde x e y se consideran como vectores las de orden n, siendo xT la transpuesta de x, un vector la de orden n. Finalmente, la anterior notaci on tiene por objeto lo siguiente. Como la derivada de una funci on escalar denida de R en R es un escalar, una matriz de orden 1 1, y la derivada de una funci on vectorial denida de R en Rn es un vector de Rn , una matriz columna de orden n, entonces podemos suponer que la derivada de toda funci on denida de Rn en R es una matriz de orden 1 n, es decir, un vector la de orden n. En general debemos tener que si f : D Rn Rm es una funci on, su derivada Df (x) debe ser una matriz de orden m n. En t erminos de esta notaci on se puede denir la diferenciabilidad de una funci on de n variables, o campo escalar, de la siguiente manera. Denici on 3.13 (Diferenciabilidad de un campo escalar). Se dice que una funci on f en n variables es diferenciable en a si existe un vector la Df (a) de orden n, llamado la derivada f en a, tal que f (x) = f (a) + Df (a)(x a) + E (x, a) x a donde
xa
l m |E (x, a)| = 0.
68
Considerando la denici on de producto interior anterior tenemos que el producto de matrices Df (a)(x a) se puede escribir como el producto de vectores de Rn , Df (a)(x a) Df (a)T (x a)
Denici on 3.14 (Gradiente de un campo escalar). Si f es una funci on f en n variables que es diferenciable en a, se dene el gradiente de f en a, f (a), como el vector Df (a)T de Rn . Es decir, f (a) = Df (a)T . Es claro de esta denici on que f (a)T = Df (a), un vector la de orden n. Igualmente, si se adopta la notaci on cartesiana usual, entonces la derivada y el gradiente de un campo escalar ser an el mismo vector. En lo sucesivo solo se adoptara la notaci on vectorial. Si f es diferenciable en a, entonces el polinomio lineal en n variables p(x) = f (a) + Df (a)(x a) ser a la ecuaci on del plano tangente a f que pasa por el punto (a, f (a)). As , la diferenciabilidad de f en a es equivalente a la existencia de un plano tangente a la gr aca de f en el punto (a, f (a)) y mediante el cual los valores de p(x) aproximan el valor de f (x) en el sentido indicado anteriormente. De acuerdo con esta notaci on, el polinomio del plano tangente a la gr aca de f en (a, f (a)) tendr a la forma p(x) = f (a) + Df (a)(x a)
= f (a) + f (a)T (x a) = f (a) + f (a) (x a),
en donde x a se considera como un vector columna de orden n. Observaci on 3.2. Al reescribir la ecuaci on del polinomio p(x) en la forma vectorial (f (a), 1) (x a, p(x) f (x)) = 0 se concluye que el vector (Df (a), 1) es ortogonal a la gr aca de f en el punto (a, f (a)). No obstante este resultado, son necesario algunos otros resultados para establecer que esta conjetura es cierta (cf. Proposiciones 3.17 y 3.18). Ahora, el problema de aproximar los valores de f (x) mediante los valores del polinomio p(x) se reduce a poder encontrar el gradiente (o la derivada) de f . Vamos por partes. Al igual que en el caso de funciones en una variable, primero se debe establece la unicidad de la derivada y que derivabilidad implica continuidad. Proposici on 3.5 (Unicidad de la derivada). Si el gradiente de la funci on f : D Rn R en n variables existe en un punto a, entonces el gradiente es u nico. Este resultado garantiza que existe un u nico plano tangente a la gr aca de f en el punto (a, f (a)) y en consecuencia, que existe un u nico polinomio
69
p(x) que satisface el punto (a, p(x)) y permite aproximar el valor de f (x) para x en cercan as de a. Proposici on 3.6 (Continuidad y diferenciabilidad). Si la funci on f : D Rn R en n variables es diferenciable en un punto a en D, entonces f es continua en a.
Demostraci on. Si f es diferenciable en a, f (x) = f (a) + f (a) (x a) + E (x, a) x a en donde

xa
l m |E (x, a)| = 0.
Por lo tanto, 0 |f (x) f (a)| |f (a) (x a)| + |E (x, a)| x a = f (a) x a | cos | + |E (x, a)| x a f (a) x a + |E (x, a)| x a en donde los t erminos del lado derecho de la ultima desigualdad tienden a cero cuando x a, y entonces
xa
l m f (x) = f (a).
Por lo tanto, f es continua en a. Diferenciabilidad y existencia de las derivadas parciales Hasta ahora seguimos sin disponer de una herramienta para encontrar el gradiente de una funci on de varias variables, y de por si la denici on no es u til para lograrlo. Sin embargo, y como se vera a continuaci on, la diferenciabilidad de la funci on implica la existencia de sus derivadas parciales y una forma de calcular el gradiente de la funci on.
Proposici on 3.7. Si la funci on de n variables f : D Rn R es diferenciable en x, entonces las primeras derivadas parciales de f existen en x y adem as el gradiente es el vector de esas derivadas parciales en x: f (x) = f f (x), . . . , (x) x1 xn
Demostraci on. Si f es diferenciable en a, entonces

xa
l m
|f (x) f (a) f (a) (x a)| =0 xa |f (a + hej ) f (a) h(f (a))j | =0 |h| f (a + hej ) f (a) (f (a))j = 0. h
Sea x = a + hej . Entonces

xa
l m
o tambi en,
xa
l m
70
Esto implica que f (a + hej ) f (a) = (f (a))j h y por tanto, la j esima derivada parcial
xa
l m
f (a) = (f (a))j , xj es la j esima componente del gradiente. No obstante lo anterior, poder obtener el gradiente de f depende que f sea diferenciable, cosa que a un no sabemos como establecer ni condiciones que las garantizan. Afortunadamente el siguiente criterio nos resuelve el problema. Proposici on 3.8. Si la funci on f : D Rn R en varias variables tiene primeras derivadas parciales en todo punto cercano a a y si adem as esas derivadas parciales son continuas en x, entonces f es diferenciable en a. El siguiente diagrama resume los resultados anteriores. Denici on de diferenciabilidad Primeras derivadas parciales continuas Existencia de las derivadas parciales Gradiente
Diferenciabilidad
Continuidad
Obviamente este diagrama nos dice tambi en que la existencia del gradiente no implica que la funci on sea continua. Existe un ejemplo? Ejemplo 3.23. Mostrar que la funci on f (x, y ) = x2 y 2 x2 + y 2
es diferenciable en todos en plano xy excepto en el origen. Soluci on. Las derivadas parciales de f son f 2x(x2 + y 2 ) 2x(x2 y 2 ) 4xy 2 (x, y ) = = , x (x2 + y 2 )2 (x2 + y 2 )2 f 2y (x2 + y 2 ) 2y (x2 y 2 ) 4x2 y (x, y ) = = , y (x2 + y 2 )2 (x2 + y 2 )2 las cuales son continuas excepto cuando (x, y ) = (0, 0). La Proposici on 3.6 y su contrarrec proco garantizan que f es diferenciable en todos los puntos del plano xy con excepci on del origen. Adem as la Proposici on 3.7 garantiza que el gradiente de f existe y est a denido por f (x, y ) = 4xy (y, x) (x2 + y 2 )2
todos los puntos del plano xy con excepci on del origen.

71
Ejemplo 3.24. Encuentre la ecuaci on del plano tangente a la gr aca de la funci on f (x, y ) = x2 + y 2 en el punto (1, 1, 2). Soluci on. Observe que f (x, y ) = (2x, 2y ). Por lo tanto, la ecuaci on del plano tangente a la gr aca de la funci on f en el punto (1, 1, 2) resulta ser z 2 = 2(x 1) + 2(y 1) o bien 2x + 2y z = 2 A la derivada de funciones de varias variables se le debe exigir que cumpla las mismas propiedades de la derivada usual, es decir, si f, g son funciones en varias variables y diferenciables y c es un escalar, entonces las funciones f + g y cf deben ser diferenciables y D(f + g ) = Df + Dg D(cf ) = cD(f ) Es decir, D debe ser una transformaci on lineal, y Df (x) es un vector (W.H. Young, 1908; M. Fr echet, 1911). A continuaci on se establece que las propiedades algebraicas del gradiente se comportan como las reglas usual de las derivadas. Proposici on 3.9 (Reglas del gradiente). Supongamos de los gradiente de las funciones f y g existen. Entonces 1. (f (x) + g (x)) = f (x) + g (x) 2. (cf (x)) = cf (x) 3. (f (x)g (x)) = f (x)f (x) + g (x)f (x) 4. f (x) g (x) = g (x)f (x) f (x)g (x) g 2 (x) Demostraci on. (f g ) = (f g ) (f g ) g f g f ,..., = f +g ,...,f +g x1 xn x1 x1 xn xn g g f f =f ,..., +g ,..., = f g + g f x1 xn x1 xn
Las otras demostraciones son similares. Ejemplo 3.25. Encuentre la derivada de f si f (x, y ) = (x2 y 2 )/(x2 + y 2 ). Soluci on. De las reglas de la derivada, y la Proposici on 3.7 el gradiente o derivada de f existe y esta denido por f (x, y ) = 2x(x2 + y 2 ) 2x(x2 y 2 ) 2y (x2 + y 2 ) 2y (x2 y 2 ) , (x2 + y 2 )2 (x2 + y 2 )2 2 2 4xy 4x y 4xy = , 2 = 2 (y, x), 2 2 2 2 2 (x + y ) (x + y ) (x + y 2 )2
para todo punto del plano con excepci on del origen. 72

Diferenciales
Como hemos visto, si f es diferenciable en a y x est a cercano de a, entonces los valores de f (x) pueden ser aproximados mediante los valores del polinomio lineal p(x) = f (a) + f (a) (x a). Adicionalmente, tambi en podemos considerar en aproximar los valores de f (x) mediante los valores de f (a), supuesto que el valor de f (a) es f acil de obtener. El incremento del error (no absoluto) en esta aproximaci on ser a f (x) f (a). Como f es una funci on de n variables y diferenciable en a entonces f (x) f (a) = f (a) (x a) + E (x, a) x a en donde
xa
l m E (x, a) = 0.
Sea f (x) = f (x f (a) el incremento de f , y x = x a el incremento en x. Entonces f (x) = f (a) x + E (x, a) x en donde
x0
l m E (x, a) = 0.
Tenemos as que f (a) x ser a una buena aproximaci on del incremento f (x). Esto sugiere la siguiente denici on. Denici on 3.15. Sea f una funci on diferenciable, y sea dx = (dx1 , . . . , dxn ) el vector diferencial de x (el vector de los diferenciales dx1 , . . . , dxn de x1 , . . . , xn ). La diferencial (total) de f , denotada como df (x), se dene en forma vectorial como df (x) = f (x) dx o en forma cartesiana como df (x1 , . . . , xn ) = f f (x1 , . . . , xn )dx1 + + (x1 , . . . , xn )dxn x1 xn
Ejemplo 3.26. Un envase met alico cerrado tiene la forma de cil ndrico circular recto de 6 pulg. de altura interior, de 2 pulg. de radio interior y de 0.1 pulg. de grosor. Si el costo del metal es de 40 centavos por pulgada c ubica, aproxime mediante diferenciales el costo total del metal empleado en la elaboraci on del envase. Soluci on. Si V es el volumen en pulgadas c ubicas de un cilindro circular recto que tiene un radio de r pulgadas y una altura de h pulgadas, entonces V = V (r, h) y V = r2 h El volumen exacto del metal empleado en el envase met alico es la diferencia entre los vol umenes de dos cilindros circulares rectos de dimensiones r1 = 2, h1 = 6 y r2 = 2,1 y h2 = 6,2, pulgadas, respectivamente. El incremento V proporciona el volumen exacto del metal empleado en el envase, pero
73
como u nicamente se desea un valor aproximado, se calcula el diferencial dV . Considerando dV = V V dr + dh = 2rh dr + r2 dh r h
con r = r1 = 2, h = h1 = 6, dr = r = 0,1 y dh = h = 0,2 se obtiene dV = 2 (2)(6)(0,1) + (2)2 (0,2) = 3,2. De este modo, V 3,2 pulgadas c ubicas ser a la cantidad aproximada de material empleado en el envase. Puesto que el costo del metal es de 40 centavos por pulgada c ubica, el costo aproximado del metal empleado en el envase es (40)(3,2 ) = 128 402 centavos, es decir, $4,02. Regla de la cadena La Regla de la cadena establece condiciones para la existencia de la derivada de la composici on de funciones, y una forma de calcularla. Las funciones de varias variables se pueden componer, hasta el momento, con una funci on de una variable o una funci on de una variable:
h f
D Rn x
If I R f (x)
R h(f (x))
o de una funci on vectorial con una funci on de varias variables

f R
I R t
IR D Rn R(t)
R f (R(t))
En el primer caso la composici on es una funci on en varias variables y en el segundo una funci on escalar o de una variable. Proposici on 3.10. Sean f : I Rn R una funci on de n variables y h : I R R una funci on escalar tales que la intersecci on If Dh es no vac a. Si f es diferenciable de x y h es diferenciable de f (x) entonces v = h f es diferenciable de x y adem as v (x) = h (f (x))f (x) En notaci on cartesiana, esta versi on de la regla de la cadena se puede formular como sigue. Si v es una funci on diferenciable de u, denida por v = h(u), donde u = f (x1 , . . . , xn ) es diferenciable de x1 , . . . , xn , entonces la funci on v es diferenciable de x1 , . . . , xn , y adem as v v dv u v dv u = ,..., = x1 du x1 xn du xn La regla de la cadena es f acil de recordar utilizando el diagrama de a rbol adjunto con ramas que parten de las componentes de la variable x, luego a la variable u y nalmente a la variable v .
x1 . . . xn
u x1 dv du
u
u xn
74
Ejemplo 3.27. Si h es una funci on de una variable y diferenciable. De2 y3 muestre que la funci on z = h x satisface la ecuaci on en derivadas 2 3 parciales y2
2 3
z z +x =0 x y
u x
y Soluci on. Sea u = x on z = f (u) 2 3 . Se desea probar que la funci satisface la ecuaci on dada. De la regla de la cadena, utilizando el diagrama de la gura, se obtiene dz du
u y
u y
dz u z = = xf (u) x du x z dz u = = y 2 xf (u) y du y Por lo tanto, y2 z z +x = y 2 (xf (u)) + x(y 2 f (u)) = 0. x y
Proposici on 3.11. Sean R : I R Rn una funci on vectorial y f : D Rn R una funci on de n variables tales que la intersecci on IR Df es no vac a. Si R (t) existe y f es diferenciable de R(t) entonces u = f R es diferenciable de t y adem as u (t) = f (R(t)) R (t) La forma cartesiana de esta versi on de la regla de la cadena es como sigue. Si u es una funci on diferenciable de x1 , . . . , xn , denida por u = f (x1 , . . . , xn ), donde x1 , . . . , xn son diferenciables de t, entonces la funci on u es diferenciable de t, y adem as u
u xn
dx1 dt
x1 . . .
u x1
t
dxn dt
du u dx1 u dxn = + + dt x1 dt xn dt Esta f ormula se obtiene del diagrama de arbol anexo con ramas que parten de la variable t, luego a las variables x1 , . . . , xn , y nalmente a la variable u. Ejemplo 3.28. Determine du/dt si u = yex + xey , x = cos t, y = sen t. Soluci on. De la regla de la cadena, empleando el diagrama de a rbol de la gura anexa, se tiene
xn
dx dt
u x
t
dy dt
u y
u y
u dx u dy du = + dt x dt y dt x y = (ye + e )( sen t) + (ex + xey ) cos t
= (cos t sen2 t)ecos t + (cos2 t sen t)esen t
Ejemplo 3.29. Utilice la ley del gas ideal (Ejemplo 3.18) con k = 0,8 para obtener la tasa a la que la temperatura varia en el instante en que el volumen del gas es de 15 litros y el gas est a bajo presi on de 12 atm osferas, si el volumen se incrementa a la tasa de 0,1 litros por minuto y la presi on disminuye a la tasa de 0,2 atm osferas por minuto.
75
dP dt
T P
t
dV dt
T V
T V
Soluci on. Sean t minutos el tiempo que ha transcurrido desde que el volumen del gas comenz o a incrementarse. Sean T grados Kelvin la temperatura, P atm osferas la presi on y V litros el volumen a los t minutos. De la ley del gas ideal, T =
1 0,8 P V
= 1,25P V.
dP dV En el instante dado, P = 12, V = 15, = 0,2, y = 0,1. Al aplicar dt dt la regla de la cadena, T dP T dV dT = + dt P dt V dt dP dV = 1,25V + 1,25P dt dt = 1,25(15)(0,2) + 1,25(12)(0,1) = 2,25 Por lo tanto, la temperatura disminuye a la tasa de 2,25 grados Kelvin por minuto, el instante indicado. Aunque a un no se tiene la denici on de un campo vectorial, ni de su derivaba, la siguiente versi on de la regla de la cadena tambi en es v alida.
Proposici on 3.12. Sean F : D Rn Rn una campo vectorial y f : D Rn R una funci on de n variables tales que la intersecci on IF Df es no vac a. Si F es diferenciable de x y f es diferenciable de F(x) entonces u = f F es diferenciable de x y adem as u(x) = f (F(t))DF(x) La forma cartesiana de esta versi on la regla de la cadena es la siguiente. Si u es una funci on diferenciable de x1 , . . . , xn , denida por u = f (x1 , . . . , xn ), donde x1 , . . . , xn son diferenciables de y1 , . . . , yn , entonces la funci on u es diferenciable de y1 , . . . , yn , y adem as x1
x1 yn xn y1 u x1
y1 . . . yn . . . y1 . . . yn
x1 y1
. . . . . . . . . xn
u xn
du u x1 = + + dy1 x1 y1 du u x1 = + + dy2 x1 y2 . . . du u x1 = + + dyn x1 yn
u xn u xn
xn y1 xn y2
u xn xn yn
xn yn
Esta f ormula se obtiene del diagrama de arbol anexo con ramas que parten de la variable y1 , . . . , yn , luego a las variables x1 , . . . , xn , y nalmente a la variable u. Ejemplo 3.30. Sean u = x2 + yz , x = r sen t, y = r cos t y z = r sen2 t. Calcular u/r y u/t aplicando la regla de la cadena.
76
x r
Soluci on. De la regla de la cadena, empleando el diagrama de arbol anexo, se tiene x

u x
x t y r
u x u y u = + r x r y r = 2x sen t + z cos tt + y sen2 t u = 2r sen2 t + r sen2 t cos t + r sen2 t cos t = 2r sen2 t(1 + cos t)
y t
y t
u y
y u u x u y = + t x t y t = 2xr cos t zr sen t + 2yr sen t cos t = r2 sen t(2 cos t + 2 cos2 t sen2 t)
= 2r2 sen t cos t r2 sen3 t + 2r2 sen t cos2 t
Derivaci on parcial impl cita
La regla de la cadena se puede aplicar para obtener un resultado que proporciona una f ormula para calcular la derivada de una funci on denida impl citamente.
Proposici on 3.13. Sea f (x) una funci on de una variable que es diferenciable tal que y = f (x) y f esta denida impl citamente por la ecuaci on F (x, y ) = 0. Si F es diferenciable y Fy (x, y ) = 0 entonces dy Fx (x, y ) = dx Fy (x, y )
Demostraci on. Sea z = F (x, y ) donde y = f (x). De la regla de la cadena, dw dx dy = Fx (x, y ) + Fy (x, y ) dx dx dx Debido a que w = F (x, f (x)) es diferenciable para todo x en el dominio de f y por hip otesis F (x, f (x)) = 0, entonces dw/dx = 0. Adem as dx/dx = 1. Por lo tanto, 0 = Fx (x, y ) + Fy (x, y ) dy dx
Puesto que Fy (x, y ) = 0, al resolver esta ecuaci on para dy/dx se obtiene el resultado. Ejemplo 3.31. Calcule dy/dx si x cos y + y cos x + 1 = 0. Soluci on. Sea F (x, y ) = x cos y + y cos x + 1. Entonces Fx (x, y ) = cos y y sen x, Del la Proposici on 3.13, dy Fx (x, y ) cos y y sen x y sen x cos y = = = dx Fy (x, y ) x sen y + cos x cos x x sen y para todo (x, y ) tal que cos x = x sen y .
Fy (x, y ) = x sen y + cos x
77
Para ecuaciones en tres variables x, y, z que se suponen denen impl citamente a z en funci on de x y y se obtiene el siguiente resultado, un an alogo de la proposici on anterior. Proposici on 3.14. Sea f (x, y ) una funci on de dos variables que es diferenciable tal que z = f (x, y ) y f esta denida impl citamente por la ecuaci on F (x, y, z ) = 0. Si F es diferenciable y Fz (x, y, z ) = 0 entonces z Fx (x, y, z ) = , x Fz (x, y, z ) z Fy (x, y, z ) = . y Fz (x, y, z )
Ejemplo 3.32. Calcule z/x y z/y si 4z 3 + 3xz 2 xyz 2xy 2 + 7 = 0. Soluci on. Sea F (x, yz ) = 4z 3 + 3xz 2 xyz 2xy 2 + 7. Entonces Fx = 3z 2 yz 2y 2 , De la Proposici on 3.14, 3z 2 yz 2y z = , x 12z 2 + 6xz xy si 12z 2 + 6xz xy = 0. z xz 4xy = y 12z 2 + 6xz xy Fy = xz 4xy, Fz = 12z 2 + 6xz xy.
3.4.
Gradientes y derivadas direccionales

Las derivadas direccionales son especialmente importantes para establecer un sentido f sico y geom etrico de la derivada o gradiente de una funci on f en n varias variables, y en especial para demostrar que el polinomio lineal en n variables, p(x) = f (a) + f (a) (x a) representa efectivamente la ecuaci on del plano tangente a la gr aca de f en el punto de coordenadas (a, f (a)); asunto que a un esta por demostrar. Denici on 3.16 (Derivada direccional). Sea f : D Rn R una funci on de n variables. Se dene la derivada de f en a en la direcci on del vector u como f f (a + hu) f (a) (a) = l m , h0 u h si el l mite existe. Si u es un vector unitario, Du f (a) se llama la derivada direccional de f en a en la direcci on del vector u. Para un campo escalar f denido de R2 en R, la derivada direccional de f en un punto (x0 , y0 ) se puede interpretar geom etricamente como la componente en z del vector tangente en el punto (x0 , y0 , f (x0 , y0 )) a la curva C que es la intersecci on de la gr aca de f y el plano que pasa por la recta (x, y ) = (x0 , y0 ) + tu, t R, y es perpendicular al plano xy . Ejemplo 3.33. Calcule la derivada direccional de la funci on f (x, y ) = 12 x2 4y 2 si u es el vector unitario de direcci on /6.
78
Soluci on. Como u = cos 6 i + sen 6 j =
3 2 i
+1 2 j entonces
f (x + h 23 , y + h 1 f 2 )) f (x, y ) (x, y ) = l m h0 u h 7 2 3hx 4 h 4hy = l m h0 h = l m ( 3x 7 4 h 4y ) h0 = 3x 4y Proposici on 3.15 (Diferenciabilidad y derivada direccional). Si f es diferenciable en a entonces f (x0 ) = f (x0 ) u. u Demostraci on. Si f es diferenciable en a las derivadas parciales de f en a existen y adem as f (x) = f (a) + f (a) (x a) + E (x, a) x a en donde E (x, a) 0 cuando t 0. Supongamos que x es un punto en la recta x = a + hu para alg un escalar h. Observe que x a si y solo si h 0. Por lo tanto, f (a + hu) f (a) = f (a) u E (a + hu, a) h en donde E (a + hu, a) 0 cuando h 0. Como el l mite del lado izquierdo de esta ecuaci on existe, entonces se concluye que f (a)/ u existe. Tomando l mite cuando h tiende a cero en ambos lados de la ecuaci on anterior se obtiene el resultado. Proposici on 3.16 (Primer sentido geom etrico del gradiente). Sea f una funci on de n variables y diferenciable en a, donde f (a) es un vector no nulo. (a) El valor m aximo de f (a)/ u es f (a) , el cual se obtiene cuando la direcci on de u es la de f (a). Por esta raz on, f (a) apunta en la direcci on a lo largo de la cual f crece mas r apido. (b) El valor m nimo de f (a)/ u es f (a) , el cual se obtiene cuando la direcci on de u es la direcci on opuesta de f (a). Por esta raz on, f (a) apunta en la direcci on a lo largo de la cual f decrece mas r apido. Demostraci on. Si u es un vector unitario entonces f (a) = f (a) u = f (a) u u cos = f (a) cos ,
donde representa el angulo entre u y f (a). Este angulo es m aximo cuando = 0; esto es, cuando u y f (a) son paralelos. Si = el a ngulo es m nimo, y u y f (a) tienen direcciones opuestas y f (a)/ u = f (a) . Se considera en la hip otesis que f (a) = 0, porque si f (a) = 0 entonces f (a)/ u = 0 para cualquier u.
79
Es decir, si nos queremos mover en la direcci on en la cual f crece mas r apido, debemos hacerlo en la direcci on de f (a). An alogamente, si deseamos movernos en la direcci on en la cual f decrece mas r apido, debemos hacerlo en la direcci on de f (a). Ejemplo 3.34. Dada la funci on f (x, y ) = 2x2 y 2 + 3x y , calcular el valor m aximo de f / u en el punto (1, 2). Soluci on. Como fx (x, y ) = 4x + 3 y fy (x, y ) = 2y 1, entonces f (1, 2) = ((4x + 3)i (2y + 1)j )
(1,2)
= 7i + 3j
Por lo tanto, el valor m aximo de f / u en (1, 2) es f (1, 2) = 72 + 32 = 49 + 9 = 58 Ejemplo 3.35. Sea V (x, y, z ) volts el potencial el ectrico todo punto (x, y, z ) = (0, 0, 0) del espacio tridimensional, dado por V (x, y, z ) = 1 x2 + y2 + z 2 .
(a) Calcule la tasa de variaci on de V en el punto (2, 2, 1) en la direcci on del vector 2i 3j + 6k. (b) Determine la direcci on de la m nima tasa de variaci on de V en (2, 2, 1). Soluci on. (a) El vector unitario u en la direcci on de 2i 3j + 6k es
3 6 u= 2 7i 7j + 7k
Como V (x, y, z ) = Vx (x, y, z )i + Vy (x, y, z )j + Vz (x, y, z )k 1 = 2 (xi + y j + z k) (x + y 2 + z 2 )3/2 entonces V (2, 2, 1) = V (2, 2, 1) u u 2 2 2 3 6 = ( 27 i + 27 j 27 k) ( 2 7 i 7 j + 7 k) 8 = = 0,042. 189 Por lo tanto, en (2, 2, 1) el potencial crece aproximadamente a una tasa de 0,042 volts por unidad de variaci on en la distancia medida en la direcci on de u. (b) El vector unitario en la direcci on de V (2, 2, 1) es
2 i+ V (2, 2, 1) = 27 V (2, 2, 1) 2 27 j 3 27 2 27 k
2 2 1 i + j k. 3 3 3
Los cosenos directores de este vector son 2/3, 2/3 y 1/3, los cuales proporcionan la direcci on de la m nima tasa de variaci on de V en (2, 2, 1). La siguiente proposici on establece una relaci on directa entre el gradiente y el conjunto de nivel de un campo escalar. 80
Proposici on 3.17 (Segundo sentido geom etrico del gradiente). Sea g : Rn R una funci on con primeras derivadas parciales continuas y a un punto en el conjunto de nivel Lc (g ) denida por g (x) = c, para alguna constante c. Entonces g (a) es normal a Lc (g ) en el siguiente sentido: para todo vector v tangente a una trayectoria C en Lc (g ) que pasa por a se cumple que g (a) v = 0. Demostraci on. Si C es una trayectoria en Lc (g ) que pasa por a y esta denida por R(t), entonces existe un escalar t0 tal que R(t0 ) = a y adem as g (R(t0 )) = c. Como v es tangente a C en a entonces v y R (t0 ) son colineales. Sin p erdida de generalidad supongamos que v = R (t0 ). As que derivando en ambos lados de la ecuaci on g (R(t0 )) = c con respecto a t y aplicando la regla de la cadena tenemos que 0= d d g (R(t0 )) = g (R(t)) dt dt = g (R(t)) R (t)
t=t0
t=t0
= g (R(t0 )) R (t0 ) = g (a) v Denici on 3.17 (Plano tangente). Sea S el conjunto de nivel ndimensional formada por los puntos x en Rn tales que g (x) = c, para c una constante dada. El plano tangente a S en un punto a de S se dene por la ecuaci on vectorial g (a) (x a) = 0 El campo gradiente si g (a) es diferente del vector nulo. La diferencial con el uso adquiri o el nombre de gradiente o campo gradiente, debido a que este vector genera un campo vectorial que es tangente en cada punto a las curvas de nivel de g . El gradiente asociado con cada punto x en el dominio de g es el vector g (x). El conjunto de todos esos vectores en Rn se llama el campo gradiente de gf . Geom etricamente, el gradiente se representa una echa de origen en x y extremo x + g (x). Proposici on 3.18 (Tercer sentido geom etrico del gradiente). Sea f una funci on en n variables que es diferenciable en a. Entonces la ecuaci on del plano tangente a la gr aca de f en el punto de coordenadas (a, f (a)) esta dada por el polinomio lineal en n variables, p(x) = f (a) + f (a) (x a). Demostraci on. Consideremos el caso n = 2 y sea z = f (x, y ). Sea g la funci on en tres variables denida de la forma g (x, y, z ) = f (x, y ) z . Observe que la gr aca Gf de f coincide con la curva de nivel Lk (g ) de g cuando k = 0; es decir, Gf = L0 (g ). Entonces tendremos que el vector g (x0 , y0 , z0 ) = (fx (x0 , y0 ), fy (x0 , y0 ), 1) = (f (x0 , y0 ), 1) es normal a la gr aca de f en el punto (x0 , y0 , z0 ) = (x0 , y0 , f (x0 , y0 )). En consecuencia, este vector y este punto determinan un plano tangente a la gr aca de f en tal punto, y su ecuaci on esta dada de la forma, (f (x0 , y0 ), 1) (x x0 , y y0 , z f (x0 , y0 )) = 0; o lo que es lo mismo, z = f (x0 , y0 ) + f (x0 , y0 ) (x x0 , y y0 ).
81
3.5.
Extremos de funciones de varias variables

Sea f : D Rn R una funci on y M un subconjunto de Rn tal que la intersecci on D M es no vac a; usualmente se considera M es un subconjunto del dominio D de f . Un problema de optimizaci on no lineal tiene la estructura est andar dada por m n{f (x) | x M } o m ax{f (x) | x M }, donde M es un subconjunto de Rn , el cual puede representar o no una trayectoria en Rn . Por ejemplo, M puede ser la bola ndimensional B (O , r) = {x Rn | x r} con centro en el origen de Rn y radio positivo r; o el conjunto de nivel Lk (g ) = {x Rn | g (x) = k }, donde k es una constante apropiada. Cuando M = B (O , r), el problema se suele llamar de optimizaci on global, y cuando M = Lk (g ) un problema de optimizaci on con restricciones. Ambos tipos de problemas de optimizaci on ser an discutidos en esta secci on.
3.5.1.
Extremos sin restricciones Un problema de optimizaci on o extremos sin restricciones (o global) consiste en el problema de encontrar los extremos locales o extremos absolutos de una cierta funci on f de varias variables, donde f se considera denida en todo su dominio. En esta secci on se estudian resultados que garantizan condiciones que permiten establecer cuales son los extremos locales de f , si ellos existen. Como veremos, el criterio de la primera derivada para funciones de una variable no se puede extender al caso de funciones de varias variables. La extension del criterio de la segunda derivada es posible y su demostraci on require del teorema de Taylor para funciones variables. Las condiciones que permiten cuales son los extremos locales de f requieren de algunos resultados de Algebra Lineal. Finalmente, es oportuno aclarar que desafortunadamente no se pueden establecer criterios que permitan encontrar los extremos absolutos de un problema de optimizaci on sin restricciones. n Para a en R y > 0, B (a, ) denota la vecindad (abierta) de a de radio denida como B (a, ) = {x Rn | x a < }
M aximos y m nimos locales y puntos de silla Primero que todo consideremos un subconjunto M de Rn que no sea una trayectoria. Denici on 3.18. Sea f : D Rn R una funci on de varias variables y M un subconjunto de Rn tal que M D. Se dice que f tiene un m nimo local o relativo en un punto a de M si existe una vecindad abierta U de 82
a en M tal que f (x) f (a) para todo x en U . El n umero f (a) se llama el m nimo relativo de f en M . Se dice que f tiene un m nimo global o absoluto en un punto a de M si f (a) f (x) para todo x en M , y el n umero f (a) se llama el m aximo global o absoluto de f en M . Si las dos anteriores desigualdades se cumplen en el sentido estricto, se dice que f tiene un m nimo local estricto en M y un m nimo global estricto en M , respectivamente. El m aximo local o relativo y el m aximo global o absoluto se denen de forma similar. Denici on 3.19 (Extremos locales). Un extremo local (absoluto) es un n umero que es un m nimo local (absoluto) o un m aximo (global). Por convenci on, un extremo sera un extremo absoluto y un m aximo o un m nimo ser an un m aximo absoluto o un m nimo absoluto. Las siguientes deniciones y resultados son necesarios para obtener el criterio de la segunda derivada para funciones de varias variables. Teorema de Taylor de segundo orden Si f es diferenciable en a y tiene un punto cr tico en a entonces f (x) f (a) = E1 (x, a) x a donde E1 (x, a) 0 cuando x a. Por lo tanto, se necesita mas informaci on de f en a en t erminos de E1 (x, a) x a para determinar el signo algebraico de f (x) f (a). El Teorema de Taylor de segundo orden permite resolver esta dicultad. Denici on 3.20 (La matriz hessiana y el hessiano). Sea f : D Rn R una funci on de varias variables con segundas derivadas parciales 2 f /xi xj continuas en x. La matriz hessiana de f es la matriz de las segundas derivadas parciales de f , 2f 2 f 2f ( x ) ( x ) ( x ) 2 x x x x x1 1 2 1 n 2 f 2f 2 f ( x ) ( x ) 2 2f x2 xn (x) x2 x1 x2 (x) = . . . .. xi xj . . . . . . . 2f 2f 2 f xn x1 (x) xn x2 (x) x2 (x)
n
y se denota como D f (x). Observemos que la matriz hessiana es una matriz cuadrada de orden n y sim etrica. El determinante de la matriz hessiana de f se llama el hessiano de f . Adem as, D2 f (x) = f (x) x1 f (x) x2 f (x) xn
El t ermino hessiana fue acu nado por James Joseph Sylvester en honor del matem atico alem an Ludwig Otto Hesse, quien hab a usado el t ermino determinantes funcionales. Proposici on 3.19 (Formula de Taylor de segundo orden). Sea f : D Rn R una funci on de varias variables con segundas derivadas parciales 2 f /xi xj continuas en una vecindad V de a. Entonces para cada x en V se tiene 1 f (x) = f (a) + Df (a)(x a) + (x a)T D2 f (a)(x a) + E2 (x, a) x a 2! en donde E2 (x, a) 0 cuando x a.
83
Demostraci on. Sea y = a + td, con t R, la ecuaci on de la recta que pasa por el punto a en la direcci on del vector d = x a. Denamos la funci on escalar (t) = f (a + td). Observe que tiene segundas derivadas continuas en una vecindad de t = 0 tal que (0) = f (a) y (1) = f (x). Por el Teorema de Taylor para funciones de una variable, (1) = (0) + (0) + De la regla de la cadena, (0) = y (c) = d (Df (a + td) d) dt =
t=c
1 (c), 2!
donde 0 < c < 1.
d f (a + td) dt
t=0
= Df (a)d = f (a) d
d Df (a + td) dt
d
t=c
= (D2 f (a + cd)d)d dT D2 f (a + cd)d, en notaci on vectorial. Ahora denamos E2 (d + a, a) por la ecuaci on E2 (d + a, a) d

2
1 T 2 d [D f (a + cd) D2 f (a)]d, 2!
si d = O , y E2 (a, O ) = 0 si d = O . Entonces, f (x) = f (a) + Df (a)d + Como dT [D2 f (a + cd) D2 f (a)]d

n
1 T 2 d D f (a)d + E2 (a + d, a) d 2!
se tiene que |E2 (d + a, a)| 1 2!
i=1 j =1
2f 2f (a + cd) (a) d xi xj xi xj
i=1 j =1
2f 2f (a + cd) (a) xi xj xi xj
para d no nulo. Como las segundas derivadas parciales son continuas en a, entonces 2f 2f (a + cd) = (a), d0 xi xj xi xj l m as que E2 (d + a, a) 0 cuando d 0. Observe que x a cuando d O . Esto termina la demostraci on. Condiciones para la existencia de extremos locales Para dar condiciones necesarias y sucientes para la existencia de extremos locales se consideran resultados de Algebra Lineal avanzada. Estos resultados conciernen a los t opicos de matrices sim etricas, formas bilineales, matrices denido positivas y denido negativas, valores y vectores propios. Este 84
enfoque fue apropiadamente establecido por James Joseph Sylvester, especialmente, y aunque solo se considera parte de su teor a, se recomienda la lectura de libros avanzados en estos t opicos cuando se requiera realizar aplicaciones matem aticas que involucren el problema de determinar los extremos relativos de funciones en mas de dos variables. Proposici on 3.20 (Condiciones necesarias de primer orden). Si f tiene primeras derivadas parciales continuas en M y f tiene un m nimo local en a entonces Df (a) = O . Demostraci on. Supongamos que Df (a) = O . Entonces existe un vector no nulo en Rn tal que D f (a) = Df (a) = < 0 (Por ejemplo = Df (a)T = f (a)). Considerando la variaci on de f a lo largo de la linea recta que pasa por a en la direcci on del vector , se tiene la funci on escalar (t) = f (a + t ) Por la regla de la cadena, (t) = Df (a + t ) . Como (0) = f (a) y es diferenciable en t = 0, del teorema de Taylor en funciones de una variable tenemos que si t = 0 (t) = (0) + (0)t + E1 (t, 0)|t| = (0) + t (0) + E1 (t, 0)|t| t
Como E1 (t, 0)|t|/t 0 cuando t 0 y (0) = Df (a) = < 0 entonces existe un t0 tal que (0)+ E1 (t, 0)|t|/t /2 para todo t (0, t0 ). Entonces 1 (t) (0) + t 2 para todo t (0, t0 ). Como < 0 esto implica que (t) < (0), o lo que es igual f (a + t ) < f (a) para todo t (0, t0 ). Sin embargo esto contradice que a sea un m nimo local de f . Aunque el rec proco de este resultado no es cierto en general, el nos indica que si una funci on f en varias variables es diferenciable, entonces f puede tener un extremo local en todos aquellos puntos de su dominio en donde su gradiente se anula. Esta observaci on motiva la siguiente denici on. Denici on 3.21. Sea f : D Rn R una funci on de varias variables diferenciable en a. Si f (a) = O entonces el punto a se llama un punto cr tico, o estacionario, de f . Un punto cr tico de f es un punto de silla si toda vecindad U de a contiene puntos x y x distintos tales que f (x) > f (a) y f (x ) < f (a). La Proposici on 3.20 establece una condici on necesaria para que f tenga un punto critico en a, pero no es una condici on suciente para que f tenga un m nimo local en a. Condiciones sucientes son dadas en la Proposici on 3.23, pero antes se hace necesario considerar algunos preliminares para obtener este resultado.
85
Denici on 3.22. Sea A una matriz sim etrica de orden n n.
(a) A es denido positiva (negativa) si xT Ax > 0 (< 0) para todo vector no nulo x de Rn . (b) A es semidenido positiva (negativa) si xT Ax 0 ( 0) para todo vector x de Rn .
(c) A es indenida si no es semidenido positiva ni denido positiva. Sea A = [aij ] una matriz de orden n n. Entonces A tiene n submatrices diagonales Ak de orden k k , para k = 1, . . . , n, denidas por a11 a12 a1k a21 a22 a2k Ak = . ; . . .. . . . . . . . ak 1 ak 2 akk o por simplicidad, Ak = [aij ]kk . Los n umeros reales det Ak = |Ak | se llaman los subdeterminantes diagonales de A. Proposici on 3.21 (Lema de Sylvester). Sea A una matriz sim etrica de orden n n. (a) A es denido positiva si y solo si |Ak | > 0 para k = 1, . . . , n. (b) A es denido negativa si y solo si |A1 | < 0, |A2 | > 0, |A3 | < 0, . . .
(c) A es indenida si y solo si |Ak | < 0 para alg un k par. Proposici on 3.22 (Condici on necesaria de segundo orden). Sea f : D Rn R una funci on de varias variables con terceras derivadas parciales continuas y a un m nimo (m aximo) local de f . Entonces Df (a) = O y D2 f (a) es semidenido positiva (negativa). Demostraci on. La demostraci on se sigue del Teorema de Taylor para funciones de varias variables y el criterio de Sylvester. La siguiente proposici on establece condiciones suciente para la existencia de la extremos locales. Proposici on 3.23 (Criterio de la segunda derivada). Sea f : D Rn R una funci on de varias variables con terceras derivadas parciales continuas y a un punto cr tico de f . (a) Si D2 f (a) es semidenido positiva entonces f (a) es un m nimo local fuerte de f . (b) Si D2 f (a) es semidenido negativa entonces f (a) es un m nimo local fuerte de f . (c) Si D2 f (a) es indenida entonces f (a) no es un extremo local de f . Demostraci on. Del Teorema de Taylor y la hip otesis que f (a) = O tenemos 1 f (x) = f (a) + (x a)T D2 f (a)(x a) + E2 (x, a) x a 2
2
en donde E2 (x, a) 0 cuando x a. Si la matriz sim etrica D2 f (a) es denido positiva, entonces existe una constante positiva 1 (que puede ser tomada como el menor valor propio de D2 f (a)) tal que (x a)T D2 f (a)(x a) 1 x a 86
2
para todo vector x de Rn (cf. Gilbert Strang, Linear Algebra). Por lo tanto, f (x) f (a) 1 1 x a 2
2
+ E2 (x, a) x a
en donde E2 (x, a) 0 cuando x a. Como la expresi on del lado derecho es positiva cuando x a, se sigue que f (x) > f (a) en alguna vecindad de a; i.e., f (a) es un m nimo local fuerte de f . Adem as es f acil de demostrar que si a es un punto estacionario de f , entonces 1. f (a) no es ni m aximo local ni m nimo local si D2 f (a) tiene valores propios positivos y negativos. 2. f (a) puede ser o no un m aximo local si D2 f (a) es semidenido positiva. El siguiente resultado es un caso particular de la anterior proposici on. Corolario 3.1. Sea f (x, y ) una funci on con terceras derivadas parciales continuas en un conjunto abierto D en R2 . Sea adem as (x0 , y0 ) un punto cr tico de f . Entonces,
2 (a) Si fxx (x0 , y0 ) > 0 y fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) > 0 entonces f tiene un m nimo local en (x0 , y0 ). 2 (b) Si fxx (x0 , y0 ) < 0 y fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) > 0 entonces f tiene un m aximo local en (x0 , y0 ). 2 (c) Si fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) < 0 entonces f tiene un punto de silla en (x0 , y0 ). 2 (d) Si fxx (x0 , y0 )fyy (x0 , y0 ) fxy (x0 , y0 ) = 0 el criterio no decide nada. Ejemplo 3.36. Encuentre y clasique los puntos cr ticos de la funci on f (x, y, z ) = x4 + y 4 + z 4 2xyz + 1.
De nuevo se aclara que el criterio de la segunda derivada garantiza condiciones que permiten clasicar los puntos cr ticos de una funci on en varias variables como extremos locales. Desafortunadamente, el criterio no existe criterio alguno que permita obtener los extremos absolutos de la funci on.
3.5.2.
Extremos con restricciones Un problema de optimizaci on o extremos con restricciones consiste en el problema de encontrar los extremos locales o absolutos de una cierta funci on f de varias variables en un subconjunto M de su dominio. Denici on 3.23. Sea f : D Rn R una funci on, y M un subconjunto de D. Un extremo (local) de f sujeto a la restricci on M es un extremo (local) de la restricci on de f a M . Se consideran los casos de extremos con restricciones cuando M es un conjunto cerrado y acotado, y cuando M es el conjunto de nivel de una funci on g en varias variables dada.
Extremos absolutos de funciones denidas en conjuntos cerrados y acotados En esta secci on se optimiza una funci on, es decir se identican los extremos (absolutos) de una funci on en varias variables denida en un conjunto cerrado y acotado de Rn . Denici on 3.24. Sea M un conjunto en Rn . (a) M es cerrado si este incluye su frontera. M es un conjunto abierto si este no incluye ning un punto de su frontera. La frontera de M se suele denotar como M .
87
(b) M es un conjunto acotado si existe una bola ndimensional que contiene a M . En otras palabras, M es acotado si M es nito. Por ejemplo, el intervalo abierto (5, 4) es un conjunto abierto en R y el intervalo cerrado [5, 4] es un conjunto cerrado en R. La frontera de ambos conjuntos, la frontera la conforman los extremos de los intervalos, es decir, los n umeros reales 5 y 4. En el primer caso, el conjunto abierto no incluye los extremos del intervalo, los cuales determinan su frontera, y ambos son conjuntos acotados. De otro lado, el rect angulo (1, 2) (1, 4) = {(x, y )| 1 < x < 2, 1 < y < 4} es un conjunto abierto y acotado en R2 y el rect angulo [1, 2] [1, 4] = {(x, y )| 1 x 2, 1 y 4} es un conjunto cerrado y acotado en R2 . En este caso, el conjunto abierto no incluye los lados del rect angulo por lo cual se puede hablar de un rect angulo abierto y acotado. La frontera de ambos conjuntos esta conformada por los lados del rect angulo. Observe que al agregar al rect angulo abierto su frontera se obtiene el rect angulo cerrado. y 4 4 y
1 1 (a) 2 x 1
1 (b) 2 x
Figura 3.1: (a) Conjunto abierto y acotado, y (b) conjunto cerrado y acotado en R2 . El primer cuadrante del plano xy que no incluye la parte positiva de los ejes coordenados es un conjunto abierto pero no acotado de R2 . Tambi en, un c rculo en el plano xy es un conjunto abierto, su frontera es la circunferencia, y el c rculo cerrado incluye el c rculo y su circunferencia. n En general, sea a un punto dado en R y r un n umero real positivo dado. Entonces la bola ndimensional B (a, r) = {x Rn | x a < r} es un conjunto abierto en Rn , su frontera es el conjunto B (a, r) = {x Rn | x a = (a, r) = {x Rn | x a r} es un r}, y la bola ndimensional cerrada B n conjunto cerrado en R . El siguiente criterio establece condiciones mediante la cual se garantiza la existencia de los extremos (absolutos) de una funci on en varias variables restringida a un conjunto cerrado y acotado de su dominio. Proposici on 3.24 (Teorema de Weierstrass o del valor extremo). Sea M un subconjunto no vac o, cerrado y acotado de Rn . Si f : M Rn R es una funci on continua, entonces existen puntos a y a en M tal que f (a) f (x) f (a ) para todo x en M . 88
(a)
(b)
(c)
Figura 3.2: (a) Conjunto abierto, (b) la frontera, (c) conjunto cerrado y acotado en R2 . La prueba est andar se obtiene notando que si f es continua entonces la imagen de un conjunto cerrado y acotado es tambi en un conjunto cerrado y acotado. Como M es cerrado y acotado, se sigue que f (M ) debe ser tambi en cerrado y acotado. Por tanto, f alcanza su m nimo absoluto y su m aximo absoluto en algunos puntos a y a en M , respectivamente. Esto precisamente garantiza que f (a) f (x) f (a ) para todo x en M . Note que este teorema no dice en donde ocurren los extremos absolutos de f . Dice u nicamente que ellos existen. Note tambi en que al ser M un conjunto cerrado y acotado, puede ser considerado como un conjunto formado por su interior y su frontera. Por tanto, los extremos de f en M pueden ocurrir en el interior de M o en la frontera de M . Esto sugiere el siguiente proceso para encontrar estos extremos absolutos: (a) Se buscan los puntos cr ticos de f en el interior de M y se determina el valor de la funci on en esos puntos. En otras palabras, se buscan los extremos locales de f en el interior de M . (b) Se buscan todos los extremos locales de f sobre la frontera de M . Esto usualmente involucra t ecnicas de C alculo diferencial de funciones en una variable. (c) El Teorema de Weierstrass garantiza que el mayor y el menor valor de los valores encontrados en los dos procesos anteriores ser an el m aximo y el m nimo (absolutos) de f en el conjunto M . Obs ervese que el anterior proceso requiere de encontrar los extremos locales de f sobre el interior de la frontera de M , pero no clasicarlos. Es decir, no es necesario aplicar el criterio de la segunda derivada. Segundo, es bueno comentar que a menudo la frontera de M est a conformado por una curva o un n umero nito de curvas, cada una de las cuales est a representada por una funci on continua denida en un intervalo cerrado y acotado. De acuerdo con el teorema del valor extremo de funciones de una variable, esto s olo requiere que para cada una de estas funciones se encuentren sus puntos cr ticos en el intervalo abierto en el cual est en denidas y los valor de de la funci on en los dos extremos del respectivo intervalo. El mayor y menor de estos valores ser an los extremos absolutos de f sobre la frontera de M . Esto hace que la mayor parte de trabajo sea realizado en esta parte del proceso anterior, pero que se pueda reducir un tanto el proceso de encontrar estos extremos, como se ver a en el siguiente ejemplo. Ejemplo 3.37. Encuentre, si existen, el m aximo y m nimo de la funci on f (x, y ) = x2 y 2 2xy + 1 en el conjunto [1, 2] [1, 2]. Soluci on. Sea M = [1, 2] [1, 2]. El dominio M de f es un cuadrado el cual es un conjunto cerrado y acotado. Para prop ositos de referencia se considera a continuaci on su gr aca.
89
y y=2
x = 1
x=2 x y = 1
El hecho que f sea una funci on polin omica garantiza que f es continua en M . As que el teorema de Weierstrass garantiza que f alcanza sus extremos (absolutos) en M . Se resuelve el problema de encontrar los extremos de f en M en dos pasos. a. Encontrando los extremos locales en el interior de M . Para encontrar los puntos cr ticos de f en el interior de M , se hacen las primeras derivadas parciales de f cero y se resuelve el sistema resultante simult aneamente: (fx = 0) (fy = 0) 2x 2y = 0 2y 2x = 0
el cual es un sistema f acil de resolver. Mediante el m etodo de eliminaci on se encuentra que x = y = 0. As que (0, 0) es el punto cr tico de f que est a en el interior de M . El extremo local de f en el interior de M es f (0, 0) = 1. b. Encontrando los extremos locales sobre la frontera de M . En este caso la frontera de M est a conformada por cuatro lados, que est an denidos por cuatro curvas continuas denidas sobre intervalos cerrados y acotados, cuya intersecci on dos a dos dan los cuatro extremos del cuadrado M . En este caso, solo se deben encontrar los extremos locales (sin clasicarlos) de cada una de las funciones que denen estas curvas, como ya se mencion o, los cuales denen los respectivos extremos de f sobre la frontera de M . En el lado izquierdo del cuadrado : A lo largo de este lado tenemos que x = 1, 1 y 2, z = f (1, y ) = y 2 + 2y + 2
Ahora, encontrar los extremos locales de f a lo largo del lado derecho es equivalente a encontrar los extremos locales de la funci on z = y 2 + 2y + 2 cuando 1 y 2. Del teorema del valor extremos en una variable, se debe encontrar los puntos cr ticos esta funci on cuando 1 y 2 y entonces evaluarla en los puntos cr ticos y en los extremos del intervalo en y . Como zy = 2y + 2 = 0 cuando y = 1 (1, 2) entonces f tiene un punto cr tico en el lado izquierdo del cuadrado y de coordenadas (1, 1). En este punto el extremo local de f es z = f (1, 1) = 12 + 2 + 2 = 3. En los extremos del lado izquierdo se obtienen los valores z = f (1, 1) = (1)2 + 2(1) + 2 = 1 y z = f (1, 2) = 22 + 2(2) + 2 = 4. En el lado derecho del cuadrado : En este caso, x = 2, 1 y 2, z = f (2, y ) = y 2 4y + 5
Como zy = 2y 4 = 0 cuando z = 2 / (1, 2) entonces f no tiene puntos cr ticos en el lado derecho del cuadrado. En los extremos del lado 90
derecho se obtienen los valores z = f (2, 1) = (1)2 4(1) + 5 = 8 y z = f (2, 2) = 22 4(2) + 5 = 7. En el lado inferior del cuadrado : Tenemos, y = 1, 1 x 2, z = f (x, 1) = x2 + 2x
Como zx = 2x + 2 = 0 cuando z = 1 / (1, 2) entonces f no tiene puntos cr ticos en el lado inferior del cuadrado. En los extremos del lado inferior se obtienen los valores z = f (1, 1) = (1)2 + 2(1) = 1 y z = f (2, 1) = 22 + 2(2) = 8. En el lado superior del cuadrado : En este caso, y = 2, 1 x 2, z = f (x, 2) = x2 4x 3
Como zx = 2x 4 = 0 cuando z = 2 / (1, 2) entonces f no tiene puntos cr ticos en el lado superior del cuadrado. En los extremos del lado superior se obtienen los valores z = f (1, 2) = (1)2 4(1) 3 = 2 y z = f (2, 2) = 22 4(2) 3 = 7. c. Encontrando los extremos (absolutos) en M . Ahora se re unen los extremos locales de f en el interior y la frontera, junto con los valores de f en las esquinas del cuadrado que determina a M , pero evitando repeticiones de valores como se puede notar. Tenemos as la siguiente tabla. x y f (x, y ) 0 0 1 1 1 3 1 1 1 1 2 4 2 1 8 2 2 7 Entonces el m nimo (absoluto) de f es z = 7, el ocurre en la esquina del cuadrado de coordenadas (2, 2), se obtiene como el menor de los valores f (x, y ) anteriores. El m aximo (absoluto) de f es z = 8, el cual ocurre en la esquina del cuadrado de coordenadas (2, 1), se obtiene tambi en como el mayor de esos valores. La Figura 3.3 muestra los extremos absolutos de f en M . Ejemplo 3.38. Encuentre, si existen, el m aximo y m nimo de la funci on f (x, y ) = 2x2 y 2 + 6y sobre el disco de radio 4, x2 + y 2 16. Soluci on. Note que el interior del disco esta dado por la desigualdad y la igualdad da su frontera o circunferencia. Obviamente, 4 x, y 4. a. Encontrando los extremos locales en el interior del disco. Para encontrar los puntos cr ticos en el interior del disco, se resuelve el siguiente sistema simult aneamente, (fx = 0) (fy = 0) 4x = 0 2y + 6 = 0
De la primera ecuaci on se obtiene x = 0 y de la segunda y = 3. As que el punto critico para esta funci on es (0, 3). Como 02 + 32 = 9 < 16, entonces (0, 3) est a en el interior del disco. El extremo local de f en el interior del disco es f (0, 3) = 2(0)2 32 + 6(3) = 12.
91
8 6 4 2 z 0 -2 -4 -6 2
M aximo 8 en (2, 1)
M nimo 7 en (2, 2) 1 1 2 x
-1
-1
Figura 3.3: M aximo y m nimo de la funci on f (x, y ) = x2 y 2 2xy + 1 en el cuadrado [1, 2] [1, 2]. b. Encontrando los extremos locales en la frontera del disco. En la frontera del disco, x2 + y 2 = 16. Resolviendo para x2 y reemplazando en la expresi on de f se puede conseguir una funci on de y . En efecto, x2 = 16 y 2 4 y 4
g (y ) = f (x, y ) = 2(16 y 2 ) y 2 + 6y = 3y 2 + 6y + 32 donde g (y ) corresponder a a la representaci on de f sobre la frontera del disco, es decir como una funci on de y donde y esta en el intervalo [4, 4]. Por el teorema del valor extremos de funciones de una variable, g tiene extremos absolutos en este intervalo. Para encontrarlos se procede de la forma usual para funciones de una variable, pero no se encuentran los extremos absolutos para economizar tiempo. Como g (y ) = 6y + 6 = 0 cuando y = 1 (4, 4) entonces f tiene un punto critico sobre la circunferencia de radio 4. Las coordenadas en x de este punto se obtienen de la ecuaci on x2 = 16 1 = 15 como x = 15. El extremo local de f es g (1) = f ( 15, 1) = 3(1)2 + 6(1) + 32 = 35. El valor de esta funci on en los extremos del intervalo en y son g (4) = 3(4)2 +6(4)+32 = 40 y g (4) = 3(4)2 +6(4)+32 = 8. La coordenada en x correspondiente a estos puntos se obtienen reemplazando el valor de y 92
en la ecuaci on de la circunferencia. Cuando y = 4, x2 = (4)2 16 = 0 cuando x = 0. Similarmente, cuando y = 4, x2 = 42 16 = 0 cuando x = 0. Los correspondientes valores de f son entonces f (0, 4) = 40 y f (0, 4) = 8. c. Encontrando los extremos en el disco. Al reunir la informaci on anterior se obiene la siguiente tabla. y 0 3 15 1 0 4 0 4 x f (x, y ) 12 35 40 8
Del menor y mayor de los valores en z se concluye lo siguiente. El m aximo de f es 35 y ocurre en dos lugares distintos del disco, mientras que el m nimo es 40 y ocurre u nicamente en el punto (0, 4) de la frontera del disco. La siguiente gura muestra los extremos absolutos de f en el disco de radio 4.
40 20 0 -20 -40 -4 x -2
y -2 -4
Este ejemplo demuestra que uno de los extremos absolutos pueden ocurrir en mas de un lugar. Algunas veces esto puede o no pasar. N otese tambi en que tales extremos pueden ocurrir en el interior o en la frontera del conjunto M. Extremos absolutos de funciones a lo largo de conjuntos de nivel, multiplicadores de Lagrange Ahora se busca resolver el problema de encontrar los extremos de una funci on de varias variables f (x) cuando x tiene la restricci on de pertenecer a un conjunto de nivel M en el dominio de f . Simb olicamente, se busca resolver el problema m n{f (x) | x M } m n f (x)
x M
o m ax{f (x) | x M } m ax f (x)

x M
donde M Df usualmente dado de la forma M = {x Rn | g (x) = k }

93
para alguna constante apropiada k . Observe que M = Lk (g ) y por tanto la ecuaci on g (x) = k , llamada de igualdad, es la restricci on que dene a M . Por lo tanto, se busca optimizar la funci on f para todo vector x en el conjunto de nivel de g , Lk (g ) con k un n umero dado de la imagen de g . En general, tambi en se puede considerar M = {x Rn | gi (x) = ki , i = 1, . . . , m} para constantes apropiadas ki , y m < n. Es claro que el conjunto n dimensional M esta denido por las restricciones gi (x) = ki para i = 1 , . . . , m. Proposici on 3.25 (Teorema de multiplicadores de Lagrange). Sean f, g : D Rn R dos funciones suaves dadas. Sean M el conjunto de nivel de g con valor k y a un punto en D tal que g (a) = k . Si g (a) = O y f tiene un extremo en a entonces existe un n umero real tal que f (a) = g (a). Demostraci on. Sea R(t) una trayectoria en M que pasa por a. Entonces R(t0 ) = a para alg un t = t0 . Adem as se tendr a que g (a) es tangente a M en el punto a, en el sentido que g (a) R (t0 ) = 0. De otro lado si f restringida a M tiene un m aximo en a, entonces la funci on en una variable f (R(t)) tiene un m aximo en t = t0 . Del calculo de funciones de una variable se tiene que d f (R(t0 )) = 0. dt De la regla de la cadena, d f (R(t)) = f (R(t)) R (t). dt Por lo tanto, en t = t0 se tiene que f (a) R (t0 ) = 0; es decir, f (a) tambi en es perpendicular a M en a. Como el espacio tangente a M en a es una recta, entonces los vectores gradientes f (a) y g (a) son paralelos. Como g (a) = O , entonces f (a) es m ultiplo escalar de g (a). Proposici on 3.26 (Criterio de la segunda derivada para extremos restringidos). Sean f, g : D Rn R dos funciones suaves dadas (con segundas derivadas parciales continuas al menos). Sean M el conjunto de nivel de g con valor k y a un punto en D tal que g (a) = k . Supongamos que g (a) = O y f (a) = 0 g (a) para alg un escalar 0 . Se dene la funci on auxiliar h = f g en n + 1 variables (, x) = (, x1 , . . . , xn ), y el punto x0 = (0 , a) = (0 , a1 , . . . , an ) 94
en su dominio. Sea |D2 h(x0 )| el hessiano de h, el cual esta dado como sigue: 0 gx1 gx2 . . . gxn gx1 hx 1 x 1 hx 1 x 2 . . . hx 1 x n gx2 hx 1 x 2 hx 2 x 2 . . . hx n x 2 .. . gxn hx 1 x n hx 2 x n . . . hx n x n
Sean D2 h(x0 )k las submatrices diagonales de D2 h(x0 ) de orden k 3. Entonces, (a) Si los subdeterminantes |D2 h(x0 )k | son positivos para todo orden k 3 entonces f restringida a M tiene un m nimo local en a. (b) Si los subdeterminantes alternan los signos de la forma |D2 h(x0 )3 | > 0, |D2 h(x0 )4 | < 0, |D2 h(x0 )5 | > 0, . . . entonces f restringida a M tiene un m aximo local en a. (c) Sea n = 2. Si |D2 h(x0 )| = 0 entonces el criterio no decide y f restringida a M puede tener un m aximo local o un m nimo local en a o ni una u otra cosa. Sea n > 2. Si para k 3 alguno de los subdeterminantes |D2 h(x0 )k | es diferente de cero y no siguen los patrones anteriores entonces f restringida a M no tiene un m nimo local ni un m aximo local en a; tendr a un punto de silla en a.
95

Carrillo Julio - Calculo en Varias Variables

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Carrillo Julio - Calculo en Varias Variables

Enviado por

Direitos autorais:

Formatos disponíveis

Julio C. Carrillo E. Profesor Escuela de Matem aticas Universidad Industrial de Santander Monday, November 5, 2007 at 8:44 am (FA07.

Para uso exclusivo en el sal on de clase. 2007 c Julio C. Carrillo E.

Universidad Industrial de Santander

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

Funciones de varias variables

Las funciones de varias variables

Funciones de n variables, dominio, imagen y gr aca

ley de un gas ideal torque de un alambre

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

x La funci on f (x, y ) = esta denida cuando 1 x2

n de clase UIS Para uso exclusivo en el salo

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

5 4 3 2 1 c=4 c=3 c=2 c=1 c=0 c=1 c=2 c=3 c=4 0 -2 -4 -4 x

n de clase UIS Para uso exclusivo en el salo

Denici on de composici on de funciones

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

L mite y continuidad de campos escalares

n de clase UIS Para uso exclusivo en el salo

El problema causaefecto denido mediante f es un continuo o es continuo cuando

L mite de un campo escalar

mx2 m m = cuando x 0, y = mx, 2 2 2 2 x +m x 1+m 1 + m2 l m f (x, y ) = l m mx2 m = . x0 x2 + m2 x2 1 + m2

n de clase UIS Para uso exclusivo en el salo

lculo en Varias Variables Ca

0 < (x, y ) (0, 0) <

(b) l m (cf (x)) = c l m f (x)

(c) l m f (x)g (x) = l m f (x) l m g (x)

f (x) = xa si l m g (x) = 0. xa g (x) l m g (x)

l m h(f (x)) = h l m f (x) .

Continuidad de un campo escalar

Ejemplo 3.8. La funci on 4 4 x y 2 f (x, y ) = x + y 2 1 si (x, y ) = (0, 0) si (x, y ) = (0, 0)

(b) l m (cf (x)) = cf (a)

(c) l m f (x)g (x) = f (a) g (a)

f (x) f (a) = si g (a) = 0. xa g (x) g (a)

l m h(f (x)) = h(f (a)).

l m f (R(t)) = f (R(t0 )).

x=a y=b c=c

Derivada de un campo escalar

Cuando n = 2, se denota z = f (x, y ) y las derivadas parciales de f tambi en se denotan como fx = f z = = zx , x x fy = f z = = zy . y x

Cuando n = 3, se considera w = f (x, y, z ) y las derivadas parciales de f tambi en se denotan como fx = f w = = wx , x x fy = f w = = wy , y y fz = f w = = wz . z z

fz (x, y, z ) = xyex Interpretaci on de las derivadas parciales

representan las ecuaciones param etricas de la recta tangente en (1, 1, 7).

n de clase UIS Para uso exclusivo en el salo

Las derivadas parciales de orden m de f se pueden clasicar en dos categor as.

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

fxx (x, y ) = cos(x y ) fyx (x, y ) = ey cos(x y )

fyxx (x, y ) = sen(x y ) fyyx (x, y ) = ey sen(x y )

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

fyxy (x, y ) = ey sen(x y ) fyyy (x, y ) = xey + sen(x y )

lculo en Varias Variables Ca

Ahora se calculan las segundas derivadas parciales: fxx (x, y ) = 6xex

fxy (x, y ) = 4x2 yex fyx (x, y ) = 4x2 yex

fyy (x, y ) = 4xy 2 ex

Finalmente, se calculan las terceras derivadas parciales:

fxyx (x, y ) = 8xyex fyyx (x, y ) = 4y 2 ex fyxx (x, y ) = 8xyex

8x2 y 2 ex 8x3 yex

fxxy (x, y ) = 12xyex fyyy (x, y ) = 8xyex

fxyy (x, y ) = 8x2 y 2 ex fyxy (x, y ) = 4x2 ex

Por lo tanto f tiene suavidad de primer orden.

n de clase UIS Para uso exclusivo en el salo