Univ.

de Alcala de Henares Ingeniera de Telecomunicacion

Calculo. Segundo parcial. Curso 2004-2005
Generalizacion a funciones de n variables.
1. Funciones de R
n
a R
m
Hasta ahora en el curso hemos trabajado con funciones de una variable, y = f(x), y con
funciones de dos variables z = f(x, y). En este captulo queremos introducir muchas otras clases
de funciones, empezando por motivar su necesidad a traves de algunas de sus aplicaciones.
1.1. Funciones de n variables
La primera generalizacion resulta evidente. En muchas aplicaciones aparecen expresiones y
formulas que dependen de mas de dos variables. Las funciones que hemos visto hasta ahora
son solo los primeros casos de la denicion general de una funcion de n variables; es decir, una
funcion f : R
n
R, que representaremos muchas veces con esta notacion:
y = f(x
1
, . . . , x
n
)
o tambien con notacion vectorial
y = f( x), donde x = (x
1
, . . . , x
n
) R
n
En el momento en que n 3 resulta imposible visualizar una graca para estas funciones:
necesitaramos al menos tres ejes para las variables x
i
y un eje adicional mas para los valores de
f (la variable y). A pesar de esta limitacion, vamos a ver en el resto del captulo que las ideas
y los resultados que hemos obtenido en el caso de funciones de una y dos variables se extienden
de forma natural al caso de n variables.
1.2. Curvas parametricas
La recta en el plano Cuando se estudia la geometra de las rectas en el plano se aprende
que se puede representar una misma recta mediante distintos tipos de ecuaciones. Por un lado
tenemos una ecuacion tal como
y = mx + b
en la que la recta se presenta como graca de una funcion f(x) = mx + b. Tambien podemos
escribir la ecuacion de la recta en la forma
ax + by = c
estrechamente emparentada con la anterior, pero en la que ninguna de las dos variables aparece
despejada en funcion de la otra.
Tambien existen las ecuaciones parametricas de la recta. Si la recta pasa por el punto (x
0
, y
0
)
y tiene la direccion del vector v = (v
1
, v
2
), entonces sus ecuaciones parametricas son
_
x = x
0
+ v
1

y = y
0
+ v
2

1
Las distintas ecuaciones de la recta sirven para cosas distintas. Por ejemplo, la ecuacion ax+by =
c es la mas conveniente para saber si un punto pertenece a la recta. Por el contrario, si lo que
necesitamos es fabricar puntos de la recta, entonces las ecuaciones parametricas son mucho mas
utiles, porque permiten, dando valores a fabricar tantos puntos de la recta como se desee; lo
cual puede ser muy util, por ejemplo, para representarla en la pantalla de un ordenador.
Las ecuaciones parametricas nos dicen que un punto (x, y) de la recta se obtiene a partir de
de esta manera:
(x, y) = (x
0
+ v
1
, y
0
+ v
2
)
Escritas de esta manera, las ecuaciones parametricas de la recta pueden verse como una funcion
c : R R
2
.
(x, y)
A partir de un n umero real, el n umero , se calcula un punto c() = (x(), y()) R
2
.
La circunferencia
Al igual que hemos visto para la recta, se pueden dar distintas ecuaciones para describir una
circunferencia. La ecuacion cartesiana (implcita) de una circunferencia de radio r
0
centrada en
el origen es, como sabemos
x
2
+ y
2
= r
2
0
Pero, pensando en terminos de coordenadas polares (r, ), los puntos de esta circunferencia
cumplen r = r
0
. Recordando la relacion entre coordenadas cartesianas y polares esto permite
escribir:
_
x = r
0
cos
y = r
0
sen
Es decir,
(x, y) = (r
0
cos , r
0
sen)
y de nuevo podemos ver que aqu se tiene una aplicacion de R en R
2
:
(x, y)
Estas ecuaciones pueden verse como las ecuaciones parametricas (el parametro es el angulo )
de la circunferencia.
Otras curvas del plano
Los dos ejemplos que hemos visto, la recta y la circunferencia corresponden a aplicaciones R
R
2
. Podemos construir muchas aplicaciones de esta clase escribiendo ecuaciones de la forma:
_
x = c
1
(u)
y = c
2
(u)
donde c
1
, c
2
son dos funciones de la variable u. Cada sistema de ecuaciones como este dene una
aplicacion c : R R
2
que puede interpretarse geometricamente como las ecuaciones parametri-
cas de una cierta curva en el plano. En el siguiente ejemplo vamos a ver varias curvas notables
que se pueden describir de esta manera:
2
Ejemplo 1.
1. Las ecuaciones parametricas
_
x = sen
y = 1 cos
producen una curva, llamada cicloide, que aparece como solucion de algunos problemas
importantes en la historia de la fsica y las matematicas (como por ejemplo el problema de
la braquistocrona o curva de descenso mas rapido). La cicloide se muestra en esta gura:
2. Las ecuaciones
_

_
x =
1 + t
3
1 + t
4
y =
1 t
3
1 + t
4
describen una curva llamada lemniscata de Bernouilli, que se muestra en esta gura:
3
3. Las ecuaciones
_
x = sen
y = 1 cos
corresponden a una curva llamada cardioide porque su forma recuerda vagamente a un
corazon, y que se muestra en esta gura:
La cardioide, una curva clasica, que intereso a los matematicos del siglo XVIII, ha reapare-
cido recientemente en relacion con el conjunto de Mandelbrot
1
, un conjunto importante en
la teora moderna de sistemas dinamicos y del que se muestra a continuacion una imagen
en la que puede identicarse la cardioide:
1
Se puede encontrar abundante informacion sobre este conjunto usando cualquier buscador de internet. La
imagen que se muestra se ha generado con el programa comercial Fractal Extreme
4
4. En lugar de seguir con una larga lista de ejemplos de curvas recomendamos al lector que
visite la pagina The MacTutor History of Mathematics archive (en ingles; si se esta leyendo
este documento en el ordenador, se puede pulsar sobre el enlace) donde encontrara un

Indice de curvas famosas, con gracas y animaciones para experimentar con estas curvas.
Trayectorias en fsica. Hay una situacion muy similar a esta, que aparece en Fsica cuando
se describe el movimiento de un objeto que se desplaza por el plano. Para el fsico, el interes
se centra en ser capaz de identicar la posicion de ese objeto en cada instante de tiempo. Si
se utiliza la variable t para representar el tiempo, entonces las ecuaciones que el fsico desea
obtener son de la forma:
(x, y) = c(t) = (c
1
(t), c
2
(t))
Es decir, que de nuevo la trayectoria se describe mediante una aplicacion c : R R
2
. Muchas
veces en los textos de fsica, para representar esta situacion se abusa un poco de la notacion y
se escribe
_
x = x(t)
y = y(t)
Curvas en el espacio Despues de la discusion anterior es facil comprender que las aplicaciones
c : R R
3
, dadas por ejemplo mediante un sistema de ecuaciones
_

_
x = c
1
(u)
y = c
2
(u)
z = c
3
(u)
, o de esta otra forma(x, y, z) = c(u) = (c
1
(u), c
2
(u), c
3
(u))
se pueden ver como la descripcion parametrica (con parametro u) de una curva en el espacio,
como la curva espiral de esta gura:
5
Para el fsico (cuando u es el tiempo, normalmente representado por t), esta es la forma de
describir la trayectoria de un objeto que se mueve en el espacio tridimensional.
daremos mas detalles sobre las curvas parametricas mas adelante en el curso, al tratar sobre
problemas de integracion en curvas y supercies.
2. Cambios de sistema de coordenadas

Algebra lineal: cambios de base. En los cursos de algebra se aprende a escribir las ecua-
ciones de cambio de base. Supongamos que, por ejemplo B
1
y B
2
son dos bases del espacio
vectorial R
2
. Entonces si las coordenadas de un vector v en B
1
y B
2
son, respectivamente,
(x
1
, y
1
) y (x
2
, y
2
), esas ecuaciones tienen la forma:
_
x
2
= a
11
x
1
+ a
12
y
1
y
2
= a
21
x
1
+ a
22
y
1
para unos ciertos n umeros a
ij
. Ahora no nos interesa detenernos en la forma en la que se obtienen
estas ecuaciones. Solo queremos observar que en ellas, a partir de un par de n umeros (x
1
, y
1
), se
calcula otro par de n umeros (x
2
, y
2
). Es decir, que podemos pensar que estas ecuaciones denen
una aplicacion R
2
R
2
:
(x
1
, y
1
) (x
2
, y
2
)
Coordenadas polares Ya hemos utilizado en este curso las coordenadas polares, y hemos
visto que constituyen un sistema alternativo al de las coordenadas cartesianas para identicar
puntos del plano. Tambien sabemos que las ecuaciones que relacionan las coordenadas cartesianas
y las polares son:
_
x = r cos
y = r sen
Ahora bien, en estas ecuaciones se calcula un par de n umeros (x, y) a partir de un par de n umeros
(r, ). Por lo tanto podemos pensar que esas ecuaciones denen una aplicacion R
2
R
2
, como
ocurra en el caso de los cambios de base. Aqu, por supuesto no se trata de un cambio de base
(las ecuaciones no son lineales!), sino de un cambio de sistema de coordenadas.
Cambios generales de sistemas de coordenadas en R
2
Se puede denir una aplicacion
general f : R
2
R
2
dando por ejemplo unas ecuaciones de la forma:
_
x = f
1
(u, v)
y = f
2
(u, v)
, que denen (x, y) = f(u, v) = (f
1
(u, v), f
2
(u, v))
Los ejemplos anteriores ilustran el hecho de que muchas veces es posible interpretar una de estas
aplicaciones como si se tratara de las ecuaciones de un cambio entre dos sistemas de coordenadas
en el plano: unas coordenadas vienen dadas por los n umeros (x, y) y las otras por (u, v).
Cuando tratemos sobre el teorema de la funcion inversa tendremos ocasion de discutir esto
con mas detalle. Por el momento nos conformamos con un ejemplo que sugiere el tipo de ideas
con las que tendremos que trabajar mas adelante.
6
Ejemplo 2. En la siguiente gura se muestran el primer cuadrante del plano y, dibujadas en
el, dos familias de curvas.
En rojo, hiperbolas de ecuacion x
2
y
2
= u y en azul circunferencias x
2
+ y
2
= v
De la gura se deduce que por cada punto del primer cuadrante pasa una unica hiperbola y una
unica circunferencia. Por tanto, para identicar un punto del primer cuadrante es suciente
con indicar en que circunferencia y en que hiperbola se encuentra. Esto puede hacerse dando
los valores de u (la hiperbola) y de v (la circunferencia). Por lo tanto un sistema de ecuaciones
como
_
u = x
2
y
2
v = x
2
+ y
2
se puede interpretar como un cambio de sistema de coordenadas en el primer cuadrante, en-
tre las coordenadas cartesianas (x, y) y unas nuevas coordenadas (u, v) (que bautizamos como
hiperbolico-circulares). En cualquier caso, se trata de nuevo de una aplicacion R
2
R
2
.
(x, y) (u, v)
Despues de estos ejemplos el lector puede verse tentado a pensar que una aplicacion f : R
2

R
2
debe ser interpretada como un cambio de sistema de coordenadas. No es as. Esa es solo una
de las interpretaciones posibles, como nos apresuramos a mostrar en el siguiente apartado.
Campos de vectores En la Fsica se utiliza el lenguaje d campos vectoriales de fuerza; por
ejemplo, el campo gravitatorio. La ley de Newton, en este lenguaje de campos se puede traducir
as. Una partcula de masa m, situada en el origen de coordenadas del plano crea, en cada punto
(x, y) de ese plano, un campo de fuerza gravitatorio dado por

F =
Gm
r
2
u
r
7
donde G es una constante, r es la distancia al origen desde el punto (x, y), mientras que u
r
es
un vector unitario que apunta desde el origen hacia el punto (x, y). El vector campo tiene, natu-
ralmente, dos componentes

F = (F
1
, F
2
). Y si traducimos la expresion anterior en coordenadas
cartesianas, usando que
r =
_
x
2
+ y
2
, u
r
=
1
r
(x, y)
se obtiene:
F = (F
1
, F
2
) =
Gm
(x
2
+ y
2
)
_
x
_
x
2
+ y
2
,
y
_
x
2
+ y
2
_
o, lo que es lo mismo, este sistema de ecuaciones:
_

_
F
1
=
Gmx
(x
2
+ y
2
)
3/2
F
2
=
Gmy
(x
2
+ y
2
)
3/2
Este sistema permite calcular el vector (F
1
, F
2
) R
2
a partir del punto (x, y) R
2
. Es decir,
que el campo gravitatorio F dene una aplicacion R
2
R
2
.
(x, y) (F
1
, F
2
)
Esta discusion ilustra que cualquier aplicacion R
2
R
2
, dada mediante un sistema de ecuaciones
_
_
_
F
1
= F
1
(x, y)
F
2
= F
2
(x, y)
es susceptible de ser interpretada como un campo de fuerzas F = (F
1
, F
2
) en el plano. Enlazando
con la discusion nal del apartado anterior, queremos ahora aclarar que una aplicacion de R
2

R
2
no es un cambio de coordenadas, ni es un campo de fuerzas. De la misma forma que
una aplicacion R R
2
no es una curva parametrica. Esto son solo interpretaciones de las
ecuaciones. Las ecuaciones son solo ecuaciones, que podemos usar y, de hecho usamos, con
propositos muy distintos. Esa es una de las razones que explican la universalidad y la importancia
de los metodos del calculo: hay gran cantidad de problemas a los que se pueden aplicar estas
ideas.
2.1. Generalizacion a f : R
n
R
m
Podramos seguir as durante paginas y paginas, dando ejemplos que motivan el trabajo que
vamos a hacer a continuacion. Algunos de esos ejemplos apareceran mas adelante en el curso.
Pero creemos que a estas alturas el lector puede estar sucientemente motivado para aceptar
que nos interesan en general las aplicaciones
f : R
n
R
m
8
en las que, a partir de n valores iniciales (x
1
, . . . , x
n
) se calculan m valores (y
1
, . . . , y
m
). Muy a
menudo, una de estas aplicaciones vendra dada por un sistema de ecuaciones tal como
f :
_

_
y
1
= f
1
(x
1
, . . . , x
n
)
y
2
= f
2
(x
1
, . . . , x
n
)
.
.
.
y
m
= f
m
(x
1
, . . . , x
n
)
(1)
Cada una de las ecuaciones de este sistema tiene la forma
y
i
= f
i
(x
1
, . . . , x
n
)
y nos dice como se calcula el n umero y
i
a partir de los valores de (x
1
, . . . , x
n
). Por tanto cada
una de las m ecuaciones dene una funcion f : R
n
R. Y, juntas, esas m funciones denen el
sistema global (1), que hemos llamado f. Esto se representa escribiendo
f = (f
1
, . . . , f
m
)
y diciendo que f
i
es la i-esima componente de f
Por esta razon las funciones f : R
n
R (que corresponden a cada una de las ecuaciones
del sistema (1) ) son especialmente importantes. De hecho, como veremos, en muchos casos se
puede reducir el estudio de las funciones f : R
n
R
m
al estudio por separado de cada una de
sus m componentes. No obstante, como indican los ejemplos anteriores, en muchos otros casos
es muy ventajoso entender una de estas aplicaciones f : R
n
R
m
como un unico objeto, y no
descomponerlo en sus componentes. Para un fsico lo que tiene sentido es el campo gravitatorio
como objeto completo, y no sus componentes por separado. De la misma forma, la primera
componente de la parametrizacion de un cardioide, as aisladamente, no tiene mucho interes
para nosotros.
Notacion vectorial En ocasiones, la notacion que hemos empleado en el sistema (1) puede
resultar una forma demasiado engorrosa de referirse a una aplicacion f : R
n
R
m
. En lo que
sigue, muy a menudo usaremos la notacion vectorial para abreviar la escritura. Es decir, que
escribiremos
y = f( x)
donde
y = (y
1
, . . . , y
m
), f = (f
1
, . . . , f
m
), x = (x
1
, . . . , x
n
)
Incluso escribiremos, en esta misma situacion, simplemente y = f(x), sin ninguna referencia
vectorial, mientras no haya riesgo de confusion y quede claro que y R
m
y que x R
n
.
3. Aproximaci on lineal y diferenciales
3.1. Aproximaci on por polinomios de grado uno
Lo que vamos a hacer, a continuacion, es tratar de extender las ideas del calculo diferencial,
las derivadas, a esta situacion de aplicaciones f : R
n
R
m
. Para entender lo que tenemos que
hacer es bueno refrescar el recuerdo de lo que hacemos en el caso de una variable.
9
Dada una funcion y = f(x), y un punto x
0
, tratamos de encontrar una aproximacion sencilla
a f para valores de x cercanos a x
0
. Esa aproximacion es de la forma:
y = f(x) f(x
0
) + f

(x
0
)(x x
0
) (2)
y los dos ingredientes claves de esta situacion son:
1. la sencillez de la aproximacion viene determinada por el hecho de que en el segundo
miembro empleamos un polinomio de grado uno.
2. la calidad de la aproximacion viene determinada porque el n umero f

(x
0
) es el unico
n umero que garantiza que se tiene:
lm
xx
0
f(x) (f(x
0
) + f

(x
0
)(x x
0
))
x x
0
= 0
Estas son las ideas que, generalizadas a traves del plano tangente, las derivadas parciales y la
diferenciabilidad hemos conseguido extender tambien al caso de funciones z = f(x, y); es decir
f : R
2
R.
Ahora, en el caso de f : R
n
R
m
vamos a hacer exactamente lo mismo. Supongamos dado
un sistema como
f :
_

_
y
1
= f
1
(x
1
, . . . , x
n
)
.
.
.
y
m
= f
m
(x
1
, . . . , x
n
)
(3)
y un punto p = (p
1
, . . . , p
n
). Queremos encontrar una buena aproximacion para f cerca de p.
Supongamos en primer lugar que
f( p) = q = (q
1
, . . . , q
m
)
La idea de lo que tenemos que hacer debera estar clara. Buscamos, para cada componente
de la funcion f de (3), una aproximacion sencilla mediante un polinomio de grado uno en las
variables x
1
, . . . , x
m
. Es decir, que tenemos esta situacion:
f :
_

_
y
1
= f
1
(x
1
, . . . , x
n
) q
1
+ a
11
(x
1
p
1
) + + a
1n
(x
n
p
n
)
.
.
.
y
m
= f
m
(x
1
, . . . , x
n
) q
m
+ a
m1
(x
1
p
1
) + + a
mn
(x
n
p
n
)
(4)
La forma de los polinomios que hemos escrito responde al hecho de que queremos garantizar
que el polinomio que aproxima a cada componente f
i
toma el valor q
i
cuando sustituimos en las
variables x
i
las coordenadas del punto p.
Esta expresion se puede traducir al lenguaje matricial. Introducimos los vectores columna
x =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
, p =
_
_
_
_
_
p
1
p
2
.
.
.
p
n
_
_
_
_
_
y tambien y =
_
_
_
_
_
y
1
y
2
.
.
.
y
m
_
_
_
_
_
, q =
_
_
_
_
_
q
1
q
2
.
.
.
q
m
_
_
_
_
_
.
10
Observese que x, p son matrices de n las, mientras que y, q son matrices de m las. Con esta
notacion tenemos:
_
_
_
_
_
y
1
y
2
.
.
.
y
m
_
_
_
_
_

_
_
_
_
_
q
1
q
2
.
.
.
q
m
_
_
_
_
_
+
_
_
_
a
11
a
1n
.
.
.
a
m1
a
mn
_
_
_
_
_
_
_
_
x
1
p
1
x
2
p
2
.
.
.
x
n
p
n
_
_
_
_
_
Es decir
y = f( x) q + A ( x p)
Donde
A =
_
_
_
a
11
a
1n
.
.
.
a
m1
a
mn
_
_
_
es una matriz (m, n).
3.2. Matriz jacobiana
A partir de aqu las cosas estan claras: tenemos que elegir los n umeros a
ij
de forma que
la aproximacion (4) sea buena cuando x esta cerca de p. Y, por la experiencia que hemos
adquirido, debera estar claro cual es la respuesta que esperamos: los n umeros a
ij
deben ser
derivadas parciales de f en p. Aqu esta la denicion necesaria.
Denicion 3 (Derivadas parciales para f : R
n
R
m
).
_

_
Dada una funcion f : R
n
R
m
, con componentes, f = (f
1
, . . . , f
m
) y un punto p = (p
1
, . . . , p
n
),
denimos:
D
j
f
i
( p) =
f
i
x
j

p
= lm
x
j
p
j
f
i
(p
1
, p
2
, . . . , x
j
, . . . , p
n
) f( p)
x
j
p
j
si este lmite existe. Decimos que f es derivable en p si existen las m n derivadas parciales
f
i
x
j

p
para i = 1, . . . , m, y j = 1, . . . , n. En ese caso la matriz (de orden (m, n))
Jf( p) =
_
_
_
_
_
_
_
f
1
x
1

p

f
1
x
n

p
.
.
.
f
m
x
1

p

f
m
x
n

p
_
_
_
_
_
_
_
recibe el nombre de matriz jacobiana de f en p y, como hemos indicado, se representa con el
smbolo Jf( p). A veces usaremos tambien la siguiente notacion para la jacobiana:
Jf( p) =
(f
1
, . . . , f
m
)
(x
1
, . . . , x
n
)

p
11
3.3. Diferenciabilidad
Ya sabemos, por lo que hemos visto en el caso de funciones de dos variables, que la existencia
de derivadas parciales no es suciente para garantizar que las aproximaciones lineales son buenas.
Por esa razon nos hemos visto llevados a introducir la nocion de funcion diferenciable, distinta
de la nocion de funcion derivable. Pero, una vez entendida la necesidad de hacer esto en el caso
de dos variables, la extension al caso general es muy natural. Debemos exigir que se cumpla esta
condicion:
lm
x p
funcion aproximacion
distancia entre x y p
= 0
Antes de dar la denicion formal, dos comentarios:
1. El numerador es un vector, puesto que f = (f
1
, . . . , f
m
). Por tanto lo que vamos a pedir
es que el vector del numerador tienda a cero, o de forma equivalente, que su norma tienda
a cero.
2. La distancia de x a p tambien se puede expresar como una norma
x p =
_
(x
1
p
1
)
2
+ + (x
n
p
n
)
2
Y con esto la denicion formal queda as:
Denicion 4 (Diferenciabilidad para f : R
n
R
m
).
_

_
La funcion f = (f
1
, . . . , f
m
) es diferenciable en el punto p si existe una matriz A = (a
ij
) de
orden (m, n) tal que
lm
x p
f( x) (f( p) + A ( x p))
x p
= 0
donde A ( x p) representa el producto de la matriz A por el vector columna:
x p =
_
_
_
_
_
x
1
p
1
x
2
p
2
.
.
.
x
n
p
n
_
_
_
_
_
En este caso la matriz A recibe el nombre de diferencial de f en p y se representa con el smbolo
Df( p).
El lmite lm
x p
que aparece en esta dencion es un lmite en R
n
. Las deniciones necesarias
son generalizaciones directas de las que vimos en R
2
, y por esa razon no nos vamos a entretener
en los aspectos tecnicos; que, por otra parte, no vamos a necesitar en lo que sigue.
Dervabilidad y diferenciabilidad. Tambien en este caso general, la relacion entre deriva-
bilidad y diferenciabilidad es la que ya conocemos:
12
Teorema 5 (Diferenciable implica derivable).
_

_
Si la funcion f = (f
1
, . . . , f
m
) es diferenciable en p R
n
, entonces es derivable en ese punto.
Es decir que existen todas las derivadas parciales
f
i
x
j

p
para i = 1, . . . , m, j = 1, . . . , n.
Y en ese caso la diferencial de f en p es la matriz jacobiana. Es decir,
Df( p) = Jf( p) =
_
_
_
_
_
_
_
f
1
x
1

p

f
1
x
n

p
.
.
.
f
m
x
1

p

f
m
x
n

p
_
_
_
_
_
_
_
Esto conrma una idea que ya encontramos en el caso de dos variables: la unica aproximacion
por polinomios de orden uno que puede funcionar es la que proporcionan las derivadas parciales
cuando existen. Y si no existen, no hay sustituto posible.
Generalizacion de los resultados sobre diferenciabilidad La diferenciabilidad es la con-
dicion clave que necesitamos para poder aplicar los metodos del calculo a las funciones de R
n
en R
m
. Por esa razon es necesario disponer de alg un criterio facilmente utilizable que permita
demostrar que una funcion es diferenciable, en los puntos que nos interesan. Afortunadamente,
el resultado que necesitamos es, de nuevo, una generalizacion de un hecho ya conocido:
Teorema 6 (Condicion suciente de diferenciabilidad).
_

_
Sea f = (f
1
, . . . , f
m
) : R
n
R
m
, y sea p R
n
un punto en el que queremos demostrar que f es
diferenciable. Si se puede encontrar una bola centrada en p:
B( p, r) = { x R
n
/ x p < r}
tal que todas las derivadas parciales
f
i
x
j
, para i = 1, . . . , m, j = 1, . . . , n
existen y son continuas en todos los puntos de la bola, entonces f es diferenciable en p.
Diferenciabilidad y funciones coordenadas Al introducir la nocion de funciones compo-
nentes ya dijimos que el estudio de muchas propiedades de una funcion
f = (f
1
, . . . , f
m
) : R
n
R
m
se puede llevar a cabo estudiando por separado cada una de sus funciones componentes f
i
: R
n
R.
En concreto, para la diferenciabilidad se tiene este resultado:
13
Teorema 7 (Condicion suciente de diferenciabilidad).
_
Sea f = (f
1
, . . . , f
m
) : R
n
R
m
, y sea p R
n
. Entonces f es diferenciable en p si y solo si
todas sus componentes f
i
son diferenciables en p.
3.4. Casos particulares
Al empezar este tema hemos presentado como motivacion varios ejemplos de funciones
f : R
n
R
m
. Queremos ahora revisar lo que representa la matriz jacobiana en algunos de
estos casos, y algunas de sus posibles interpretaciones. Mas adelante en el curso iremos presen-
tando otros ejemplos.
Funciones f : R
n
R. Gradiente. Ya hemos se nalado que el caso de las funciones f : R
n
R
es especialmente importante, porque estas funciones aparecen como componentes de las funcio-
nes generales de R
n
en R
m
. Las funciones f : R
n
R se denominan tambien funciones escalares,
para distinguirlas de las funciones vectoriales generales.
La matriz jacobiana de una de estas funciones escalares f : R
n
R es una matriz (1, n),
con una sola la formada por las derivadas parciales:
Jf( p) =
_
f
x
1

p

f
x
n

p
_
Puesto que una matriz de una la se identica facilmente con un vector, tenemos esta denicion:
Denicion 8 (Gradiente).
_

_
Sea f : R
n
R una funcion, que es derivable en el punto p. Entonces su gradiente en p es el
vector:
gradf( p) =
_
f
x
1

p
, . . . ,
f
x
n

p
_
A veces se utiliza tambien la notacion f( p) para representar el gradiente de f en p. El
smbolo es el operador nabla, sobre el que volveremos mas adelante.
Curvas parametricas Como hemos visto al principio del tema, una aplicacion c = (c
1
, . . . , c
n
) :
R R
m
se puede interpretar como las ecuaciones parametricas de una curva:
c :
_

_
x
1
= c
1
(u)
x
2
= c
2
(u)
.
.
.
x
m
= c
m
(u)
Observese que en este caso, las componentes c
i
son funciones escalares de una variable real, es
decir c
i
: R R. En este caso, al existir una unica variable independiente u, no se utiliza la
notacion de derivadas parciales. Es decir, que
en lugar de escribir
c
i
u
escribiremos simplemente
dc
i
du
14
En el caso de que c sea diferenciable en un punto u
0
, y usando esta notacion, su diferencial
es la matriz (1, n):
Dc(u
0
) =
_
_
_
_
_
_
_
_
_
_
dc
1
du
(u
0
)
dc
2
du
(u
0
)
.
.
.
dc
m
du
(u
0
)
_
_
_
_
_
_
_
_
_
_
Esta matriz columna se puede identicar con un vector. Ademas si pensamos, como sucede a
menudo en Fsica, que el parametro u es el tiempo t, entonces la siguiente denicion resulta ser
una interpretacion muy util de esta matriz.
Denicion 9 (Velocidad de una curva parametrica).
_

_
Sea c(t) = (c
1
(t), . . . , c
m
(t)) una aplicacion R R
m
, que identicamos con una curva parametri-
ca. Si c es diferenciable en t
0
, entonces el vector velocidad de la curva es el vector
c

(t
0
) =
dc
dt

t
0
=
_
dc
1
dt

t
0
, . . . ,
dc
m
dt

t
0
_
Ademas de los dos casos (funciones escalares y curvas parametricas) que hemos visto, hay
otras interpretaciones de las matrices diferenciales que analizaremos mas adelante, especialmente
en conexion con la integracion.
15