CURSO: Clculo en Varias Variables

TEMA: Funciones reales de variable vectorial (Mximos y mnimos, prctica)

BIBLIOGRAFA: Clculo en Varias Variables (J. Stewart)
FECHA: Viernes 04 de marzo de 2011

1 Extremos de funciones f : R
n
7R (continuacin)
Hasta ahora tenemos una estrategia para hallar candidatos a minimizadores, maximizadores o puntos de
ensilladura, consiste en la resolucin del sistema de n ecuaciones y n variables:
f(x) =

0
En vas a reconocer qu tipo de puntos extremos son esos candidatos, hemos denido anteriormente matrices
denidas positivas, negativas, semidenidas positivas y negativas, adems de matrices indenidas.
Veremos ahora un concepto ms que nos ayudar con ese propsito.
Denicin 1.1 (Matriz Hessiana) Sea la funcin f : R
n
7 R. Supongamos que f posee segundas
derivadas parciales continuas
1
en R
n
. Entonces, la matriz hessiana de f en x, denotada por
2
f(x), est
dada por

2
f(x) =

2
f
x
1
x
1
(x)

2
f
x
2
x
1
(x)

2
f
x
n
x
1
(x)

2
f
x
1
x
2
(x)

2
f
x
2
x
2
(x)

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

2
f
x
1
x
n
(x)

2
f
x
2
x
n
(x)

2
f
x
n
x
n
(x)

f
x
1
(x)

f
x
2
(x)
.
.
.

f
xn
(x)

Ejemplo 1.1 Calcule la matriz hessiana de f : R

3
7R en el punto (1, 0, 1), donde
f(x, y, z) = x
2
+ 2y
2
+ 3z
2
+ xyz
Adems, vea de qu tipo son las matrices
2
f (1, 0, 1) y
2
f (1, 2, 10).
Calculamos primeramente el gradiente:
f(x, y, z) = (2x + yz, 4y + xz, 6z + xy)
Seguidamente, la matriz hessiana:

2
f(x, y, z) =

(2x + yz)
(4y + xz)
(6z + xy)

2 z y
z 4 x
y x 6

Ahora calculamos

2
f(1, 0, 1) =

2 1 0
1 4 1
0 1 6

Usando el criterio de Sylvester, hacemos A =

2
f(1, 0, 1) y vemos que las menores principales son:
A
1
=

2

, A
2
=

2 1
1 4

, A
3
=

2 1 0
1 4 1
0 1 6

mientras que sus determinantes son:

det (A
1
) = 2 > 0, det (A
2
) = 7 > 0, det (A
3
) = 40 > 0
Por lo tanto,
2
f(1, 0, 1) es denida positiva.
1
Es decir, las j-derivadas parciales de cada
f
x
i
,

x
j

f
x
i

, i, j = 1, ..., n, son funciones continuas. Frecuentemente se

preere la siguiente notacin para las derivadas parciales segundas:

2
f
x
j
x
i
=

x
j

f
x
i

y

2
f
x
2
i
=

2
f
x
i
x
i
.
1
Por otro lado, vemos que

2
f (1, 2, 10) =

2 10 2
10 4 1
2 1 6

2 10 2
10 4 1
2 1 6

Si hacemos B =
2
f (1, 2, 10), tenemos
B
1
=

2

, B
2
=

2 10
10 4

, B
3
=

2 10 2
10 4 1
2 1 6

y
det (A
1
) = 2 < 0, det (A
2
) = 92 < 0, det (A
3
) = 610
Por lo tanto,
2
f (1, 2, 10) es indenida.
1.1 Condiciones sucientes para puntos extremos
Volviendo nuevamente al tema de encontrar minimizadores, maximizadores o puntos de silla, damos el
siguiente teorema, el cual nos permitir justamente clasicar los candidatos.
Teorema 1.1 (Condiciones sucientes para puntos extremos) Sea f : R
n
7 R una funcin con se-
gundas derivadas continuas sobre R
n
. Si x

R
n
es un punto tal que f(x

) =

0 (un candidato) y,
1. Si
2
f(x

) > 0 (la matriz hessiana en x

es denida positiva), entonces x

es un minimizador local
estricto
2
.
2. Si
2
f(x

) < 0 (la matriz hessiana en x

es denida negativa), entonces x

es un maximizador local
estricto.
3. Si
2
f(x

) es indenida, entonces x

es un punto de ensilladura.
Observacin 1.1 El teorema 1.1 no arma nada al respecto cuando
2
f(x

) es semidenida positiva o
negativa.
Ejemplo 1.2 Calcule los candidatos de
f(x, y, z) = (x 3)
2
+ y
2
6y + 5z
2
+ 10
y clasifquelos.
El gradiente es:
f(x, y, z) = (2 (x 3) , 2y 6, 10z)
As, f(x, y, z) =

0 si, y slo si, x = 3, y = 3 y z = 0. Es decir, el nico candidato es (3, 3, 0).

Ahora calculamos
2
f(3, 3, 0):

2
f(x, y, z) =

2 0 0
0 2 0
0 0 10

2
f(3, 3, 0) =

2 0 0
0 2 0
0 0 10

y vemos que sta es denida positiva.

Por lo tanto, (3, 3, 0) es un minimizador local estricto de f.
2
Que dentro de un entorno innitesimal, l es nico.
2
2 Prctica
Problema 1 Describa grcamente el dominio de f(x, y) = ln(x ln(y x + 1))
Solucin. Observe que f(x, y) R si, y slo si,
(x ln(y x + 1) > 0) (y x + 1 > 0)
[(x > 0 ln(y x + 1) > 0) (x < 0 ln(y x + 1) < 0)] (y x + 1 > 0)
[(x > 0 y x + 1 > 1) (x < 0 0 < y x + 1 < 1)] (y x + 1 > 0)
[(x > 0) (y x + 1 > 1) (y x + 1 > 0)] [(x < 0) (0 < y x + 1 < 1) (y x + 1 > 0)]
[(x > 0) (y x + 1 > 1)] [(x < 0) (0 < y x + 1 < 1)]
[(x > 0) (y > x)] [(x < 0) (1 < y x < 0)]
[0 < x < y] [(x < 0) (1 < y x) (y x < 0)]
As, D
f
=

(x, y) R
2
: [0 < x < y] [(x < 0) (1 < y x) (y < x)]

. Es grco est en la gura 1.

Figura 1:
Problema 2 Utilizando la denicin de lmite, demuestre que
lim
(x,y)(3,1)

x
2
2y
2
+ 1

= 8
Solucin. Tenemos que probar que, para cada > 0, existe un > 0 tal que
|| (x, y) (3, 1) || < = |x
2
2y
2
+ 1 8| <
Primero vemos que,
|x 3| || (x, y) (3, 1) ||
|y + 1| < || (x, y) (3, 1) ||
3
Luego,
|x
2
2y
2
+ 1 8| = |x
2
9 2y
2
+ 2| = |

x
2
9

2y
2
2

| = | (x 3) (x + 3) 2 (y 1) (y + 1) |
|x 3||x + 3| + 2|y 1||y + 1|
Vemos que necesitamos acotar superiormente |x + 3| y |y 1|. Para eso, asumamos que
|| (x, y) (3, 1) || < 1
entonces
|x 3| 1 1 < x 3 < 1 2 < x < 4 5 < x + 3 < 7 = 7 < x + 3 < 7
|y + 1| < 1 1 < y + 1 < 1 2 < y < 0 3 < y 1 < 1 = 3 < y 1 < 3
As, cuando || (x, y) (3, 1) || < 1 se tiene:
|x + 3| < 7
|y 1| < 3
Finalmente, tenemos
|x
2
2y
2
+ 1 8| |x 3||x + 3| + 2|y 1||y + 1| < 7|x 3| + 6|y + 1|
7|| (x, y) (3, 1) || + 6|| (x, y) (3, 1) ||
= 13|| (x, y) (3, 1) ||
Es decir,
|x
2
2y
2
+ 1 8| 13|| (x, y) (3, 1) || (1)
Si elegimos = min

1,

13

, desde (1) tendremos que

|| (x, y) (3, 1) || < = |x
2
2y
2
+ 1 8| <
Problema 3 Verique si la siguiente funcin f : R
2
7R, donde

x
2
1
x
3
2
2x
2
1
+x
2
2
si x 6=

0 si x =

0
es continua en

0.
Solucin. Ya se prob formalmente en clase que lim
x

0
x
2
1
x
3
2
2x
2
1
+x
2
2
= 0 (revise sus apuntes). As, lim
x

0
f(x) =
0 = f(

0). Por tanto, f es continua en

0.
Problema 4 Halle las derivadas parciales de f, donde f(x, y, z) = sin

cos

e
x2y
+ x
2
+ y
3

.
Solucin.
f
x
(x, y, z) =

sin

e
x2y
+ x
2
+ y
3

cos

cos

e
x2y
+ x
2
+ y
3

e
x2y
2x

f
y
(x, y, z) =

sin

e
x2y
+ x
2
+ y
3

cos

cos

e
x2y
+ x
2
+ y
3

2e
x2y
3y
2

f
z
(x, y, z) = 0
Problema 5 Halle las derivadas parciales de z, donde z(x, y) est dada de manera implcita en la ecuacin
sin(xz) + cos (yz) + z
2
= x + y
3
4
Solucin. Derivando en ambos lados de la ecuacin con respecto a x, tenemos:

sin(xz) + cos (yz) + z

2

=

x

x + y
3

(cos (xz))

z + x
z
x

+ (sin(yz))

y
z
x

+ 2z
z
x
= 1
z cos (xz) + x cos (xz)
z
x
ysin(yz)
z
x
+ 2z
z
x
= 1
(x cos (xz) ysin(yz) + 2z)
z
x
= 1 z cos (xz)
de donde
z
x
=
1 z cos (xz)
x cos (xz) ysin(yz) + 2z
Ahora con respecto a y:

sin(xz) + cos (yz) + z

2

=

y

x + y
3

(cos (xz))

x
z
y

+ (sin(yz))

z + y
z
y

+ 2z
z
y
= 3y
2
x cos (xz)
z
y
z sin(yz) ysin(yz)
z
y
+ 2z
z
y
= 3y
2
(x cos (xz) ysin(yz) + 2z)
z
y
= 3y
2
+ z sin(yz)
de donde
z
y
=
3y
2
+ z sin(yz)
x cos (xz) ysin(yz) + 2z
Problema 6 (Aproximaciones lineales) Demuestre que f : R
2
7 R, donde f(x, y) = xe
xy
, es diferen-
ciable en (1, 0). Determine una funcin lineal que la represente (aproxime). Adems, use esa funcin lineal
para aproximar el verdadero valor de f en el punto (1.1, 0.1).
Solucin. Calculamos primero las derivadas parciales:
f
x
(x, y) = e
xy
+ xye
xy
f
y
(x, y) = x
2
e
xy
Como vemos, ambas derivadas parciales son continuas en todo R
2
, por lo tanto, f es diferenciable
3
en R
2
,
en particular, en (1, 0). Por la diferenciabilidad de f en (1, 0), para (x, y) (1, 0), tenemos
f (x, y) f(1, 0) +
f
x
(1, 0) (x 1) +
f
y
(x, y) (y 0)
| {z }
L(x,y)
As, L : R
2
7R es la funcin lineal buscada:
L(x, y) = f(1, 0) +
f
x
(1, 0) (x 1) +
f
y
(x, y) (y 0)
= 1e
(1)(0)
+

e
(1)(0)
+ (1) (0) e
(1)(0)

(x 1) + (1)
2
e
(1)(0)
(y)
= 1 + (x 1) + y
= x + y
3
Recuerde que, cuando f es diferenciable en a = (a
1
, ..., an ) R
n
, entonces para x = (x
1
, ..., xn ) R
n
, con x prximo de
a, tenemos: f(x) f(a) +
f
x
1
(a) (x
1
a
1
) + ... +
f
x
n
(a) (x
n
a
n
)
5
Por lo tanto, cuando (x, y) (1, 0) se tiene que f(x, y) L(x, y), es decir
f(x, y) x + y
Finalmente, el valor pedido es:
f(1.1, 0.1) 1.1 0.1 = 1.0
Observe que f(1.1, 0.1) = (1.1) e
(1.1)(0.1)
= 0.98542.
Problema 7 Para la funcin f(x, y) = ln

x
y+3x

, hllese un vector unitario u R

2
, ortogonal a f(1, 3),
y calcule la derivada direccional en el punto (1, 3) y en la direccin de u.
Solucin. Observe que, si u fuera un vector unitario y, si exigimos que sea ortogonal a f(1, 3), tendramos
0 = hf(1, 3), ui. Pero
f
u
(1, 3) = hf(1, 3), ui, as, la respuesta es
f
u
(1, 3) = 0.
Problema 8 Si f : R
n
7R es una funcin diferenciable en a R
n
. Muestre que f(a) es:
1. Una direccin de decrecimiento
2. La mejor direccin de decrecimiento
Solucin.
1. Basta hacer ver que, si f(a) 6=

0, entonces
f
(f(a))
= hf(a), f(a)i = hf(a), f(a)i = ||f(a)||
2
< 0
2. Tomemos d R
n
, d 6=

0 y ||d|| = || f(a)||, entonces

4
f
(f(a))
(a) = hf(a), f(a)i = hf(a), f(a)i = ||f(a)||
2
= ||f(a)|||| f(a)|| = ||f(a)||||d|| hf(a), di =
f
d
(a)
As,
f
(f(a))
(a)
f
d
(a) signica que en la direccin de f(a) y partiendo de a, el decrecimiento
de f ser mejor con respecto a cualquier otra direcccin no nula y del mismo tamao en R
n
.
Problema 9 Halle la ecuacin del plano tangente al grco de f(x, y) = (x 5)
2
+y
2
4y+10 en el punto
P = (2, 1, f(2, 1)). Halle adems el punto Q donde la recta normal al plano tangente que pasa por el punto
P interseca el xy-plano.
Solucin. Dado que conocemos (x
0
, y
0
) = (2, 1), calculamos z
0
= f(2, 1) = (2 5)
2
+ (1)
2
4 (1) + 10 = 16.
La ecuacin del plano tangente al grco de f en el punto P = (2, 1, f(2, 1)) estaba dada por:
f
x
(2, 1) (x 2) +
f
y
(2, 1) (y 1) (z 16) = 0
As,
f
x
(x, y) = 2x 10 =
f
x
(2, 1) = 2 (2) 10 = 6
f
y
(x, y) = 2y 4 =
f
y
(2, 1) = 2 (1) 4 = 2
4
Aqu usaremos la siguiente desigualdad: para cualesquiera vectores x, y R
n
se cumple | hx, yi | ||x|| ||y||. Esto obviamente
es equivalente a ||x|| ||y|| hx, yi ||x|| ||y||. Esto se justica a su vez, ya que, para x, y R
n
no nulos, cos =
hx,yi
||x|| ||y||
y | cos | =
1
||x|| ||y||
| hx, yi | 1, de donde | hx, yi | ||x|| ||y||, para x, y no nulos. Cuando x y y son nulos, claramente la
desigualdad de cumple.
6
Luego, la ecuacin del plano tangente en (x
0
, y
0
z
0
) = (2, 1, 16) es:
6 (x 2) 2 (y 1) (z 16) = 0 (2)
y la normal al plano es a = (6, 2, 1). La ecuacin (2) se simplica y tenemos:
6x + 2y + z = 30
La recta normal est dada por
L = {(2 6t, 1 2t, 16 t) : t R}
As, L intersecar el plano xy cuando 16 t = 0, es decir, cuando t = 16. As, el punto donde eso ocurre es
Q = (94, 31, 0).
Problema 10 Halle los candidatos a minimizadores, maximizadores o puntos de silla, de
f(x, y, z) = x
2
+ y
2
+ z
2
+ xyz
Qu tipo de puntos son los candidatos?
Solucin.
Primero hallamos el gradiente,
f(x) = (2x + yz, 2y + xz, 2z + xy)
Luego, f(x) =

0 si, y slo si,

(2x + yz, 2y + xz, 2z + xy) = (0, 0, 0)
o de modo equivalente, cuando

2x + yz = 0
2y + xz = 0
2z + xy = 0
As, los candidatos son
(2, 2, 2) , (2, 2, 2) , (0, 0, 0) , (2, 2, 2) , (2, 2, 2)
Seguidamente calculamos la hessiana,

2
f(x, y, z) =

2 z y
z 2 x
y x 2

Luego,

2
f(2, 2, 2) =

2 2 2
2 2 2
2 2 2

: indenida

2
f(2, 2, 2) =

2 2 2
2 2 2
2 2 2

: indenida

2
f(0, 0, 0) =

2 0 0
0 2 0
0 0 2

: denida positiva

2
f(2, 2, 2) =

2 2 2
2 2 2
2 2 2

: indenida

2
f(2, 2, 2) =

2 2 2
2 2 2
2 2 2

: indenida
Concluimos que el candidato (0, 0, 0) es un minimizador local, mientras los otros son puntos de silla.
o
7