You are on page 1of 14

Captulo 3

C
alculo diferencial en varias
variables
3.1.

INTRODUCCION

En este captulo haremos una breve incursion en el calculo diferencial para funciones de varias
variables, con el objetivo de adquirir los conceptos necesarios para desarrollar una teora de optimizaci
on para tales funciones. Debemos ser conscientes de que la mayora de los problemas que aparecen
en la pr
actica tratan con funciones de mas de una variable. Por ejemplo, el volumen de un cilindro
circular, V = r2 h, es una funci
on con dos variables: el radio r de la base y la altura h. El volumen
de un s
olido rectangular, V = anchura prof undidad altura, es una funcion de tres variables. La
presi
on de un gas depende del volumen y de la temperatura, luego es una funcion de dos variables. La
temperatura en una localidad puede depender de variables como la altura, el n
umero de das de sol
al a
no, el tipo de vegetaci
on circundante, la cercana a una gran masa de agua, la pluviometra, etc.
En el
ambito econ
omico, podemos encontrarnos con numerosas funciones de varias variables, desde el
credito para una hipoteca, que depende del interes y del n
umero de a
nos, hasta la funcion de beneficios
de una empresa, que puede depender de argumentos tales como el n
umero de trabajadores, las horas
de la jornada de trabajo, las inversiones en tecnologa o publicidad o la renta de los clientes. Esta
funci
on de beneficios es, por tanto, una funcion de varias variables. Muchos modelos matematicos son
m
as fiables y ajustados a la realidad cuantas mas variables tengan en cuenta. Como contrapartida, su
estudio puede resultar m
as complicado.
Vamos a trabajar con funciones f : X Y con X Rn e Y R, de modo que lo estudiado en el
captulo anterior corresponde al caso n = 1. Ahora trataremos preferentemente los casos n = 2, 3.

3.1.1.

FUNCIONES REALES DE VARIAS VARIABLES

Para n 1, los dominios de las funciones


f : D Rn
(x1 , x2 , . . . , xn ) 7

R
f (x1 , x2 , . . . , xn ).

que usaremos tienen una variedad mayor de formas que en una variable, lo que exige conocer algo
sobre los subconjuntos de Rn de uso m
as habitual.
Algunas regiones del plano
Una curva dada por una funci
on y = f (x) delimita dos regiones diferentes en el plano: y > f (x) e
y < f (x). Las inecuaciones que definen estas regiones en el plano pueden ser estrictas (cuando los
signos que aparecen son < o >) o no estrictas (con signos , ). En el primer caso, la curva no
se incluye como parte de la regi
on. Se pueden combinar las regiones definidas por diferentes curvas
mediante las operaciones de uni
on e interseccion de conjuntos. Las regiones con las que trabajaremos
m
as habitualmente son: semiplanos, regiones elpticas y bolas abiertas.
Semiplano. Una recta y = ax + b divide un plano en dos semiplanos: y < ax + b e y > ax + b.
La intersecci
on de semiplanos puede dar lugar a regiones angulares o a bandas. En la figura siguiente
se pueden ver representados el semiplano y 2x + 1 y la banda 2 x 4 esta formada por la
intersecci
on de los semiplanos x 2 y x 4.

2
1

-1.0

-0.5

0.5

1.0

1.5

2.0
-1

-1

-1

Regi
on elptica. Una elipse centrada en un punto (h, k) con semieje horizontal a y semieje vertical
b est
a formada por los puntos del plano que cumplen la ecuacion
(y k)2
(x h)2
+
= 1.
a2
b2

(h,k)

(h,k)
a

b
a

La elipse divide el plano en dos regiones, la interna y la externa, representadas respectivamente por
las ecuaciones.
(x h)2
(y k)2
(x h)2
(y k)2
+
<
1
y
+
> 1.
a2
b2
a2
b2
Ejemplo. Representar gr
aficamente las regiones dadas por dos condiciones:
(a) 1

2x y + 2
1.
3

(b) y x, x2 2x + y 2 0.

Crculo. Un caso particular de la region elptica es el crculo, que se presenta cuando los dos
semiejes son iguales y la elipse se convierte en la circunferencia centrada en el punto (h, k) y de radio
r, formada por los puntos (x, y) que satisfacen la ecuacion (x h)2 + (y k)2 = r2 . El crculo centrado
en (h, k) y de radio r est
a formado por los puntos que satisfacen (x h)2 + (y k)2 r2 (la regi
on
interior a la circunferencia).

(h,k)

(h,k)

En lenguaje
de los vectores, se llama norma del vector ~v = (x, y) al n
umero real positivo o nulo
p
k~v k = x2 + y 2 que determina la longitud del vector, o sea, la distancia desde el punto extremo
del vector al origen. An
alogamente, si C(h, k) es el centro de la circunferencia y P (x, y) es un punto
cualquiera de la misma, el vector que los une es P C = (x h, y k), de modo que la ecuacion de
la circunferencia se puede reescribir como


P R2 | kP Ck2 = r2 .
Con esta notaci
on vectorial podemos considerar la region analoga al crculo en dimension n cualquiera.
Por ejemplo, la esfera de centro C(h, k, l) y radio r esta formada por los puntos P (x, y, z) tales que
su distancia a C es r:


P R3 | kP Ck2 = (x h)2 + (y k)2 + (z l)2 = r2 .
2

p
En general, un vector ~x = (x1 , . . . , xn ) Rn tiene norma k~xk = x21 + + x2n . Por tanto, la distancia
entre dos puntos x = (x1 , . . . , xn ) y a = (a1 , . . . , an ) es la norma del vector xa = (x1 a1 , . . . , xn an ),
de modo que la ecuaci
on de la esfera de Rn con centro a y radio r es


x Rn | kx ak2 = r2 .
Se introducen los siguientes conceptos en el estudio de los subconjuntos relacionados con las funciones
de n variables.
Definici
on 1. (n-bola abierta) Sean a Rn y r (0, +). Llamamos n-bola abierta de centro a y
radio r al conjunto de puntos de Rn cuya distancia al punto a es menor que r, es decir:
B(a, r) = {x Rn | kx ak < r} .
Los casos particulares que m
as usaremos son:
En R se trata de intervalos abiertos centrados en a: B(a, r) = (a r, a + r).
En R2 son los crculos excluyendo los puntos de la circunferencia.
En R3 son los puntos de la regi
on esferica limitada por la esfera excluyendo los puntos de esta.
Definici
on 2. (Punto interior y conjunto abierto) Sean S Rn y a S. Se dice que a es un
punto interior de S si existe r > 0 tal que B(a, r) S. El conjunto de todos los puntos interiores de
S se llama interior de S y se denota int S. Un conjunto S Rn es abierto si todos sus puntos son
interiores, es decir: S = int S.

Int S

Definici
on 3. (Exterior y frontera) Un punto x Rn se llama exterior al conjunto S Rn si
existe una n-bola abierta centrada en x que no contiene puntos de S, es decir, si es interior al conjunto
complementario Rn S. El conjunto de todos los puntos exteriores a S se llama conjunto exterior de
S y se denota por ext S. Un punto que no es exterior ni interior se llama punto frontera. El conjunto
de todos los puntos frontera de S se llama frontera de S y se denota S.

Ext S

Ejemplo. Sea S = {(x, y) R2 | x2 + y 2 1}. Representar y dar las ecuaciones de intS, extS y S.
Gr
aficas
Definici
on 4. La gr
afica de una funcion real f : X Y de n variables es el conjunto formado por
todos los puntos (x, f (x)) Rn+1 con x X.
Al estudiar funciones de varias variables, se pierde en la mayora de las ocasiones la componente visual
y geometrica que tiene el estudio de funciones de una variable, cuyas graficas se representan como
curvas en el plano. Para que se pueda representar graficamente n debe ser menor o igual que 2. El caso
n = 1 ya es conocido y en el caso de funciones de dos variables las graficas se pueden representar en
3

el espacio tridimensional. En este caso, la grafica de f es el conjunto de puntos (x, y, z) que satisfacen
z = f (x, y) con (x, y) en el dominio de f .
La figura siguiente muestra la gr
afica depuna funcion generica f : B(0, 5) R y el ejemplo de la
semiesfera dada por la funci
on f (x, y) = 25 x2 y 2 cuyo dominio es el crculo centrado en (0, 0)
y de radio 5. Su recorrido o conjunto imagen es el intervalo [0, 5].

Hx,y,f Hx,yLL
Hx,y,0L

5
2
0
0

-5

0
X
-5
5

Ejemplo. (a) f (x, y) = y + sen x

(b) f (x, y) = e(x

+y 2 )

isobaras o en las lneas isotermas de los mapas meteorologicos (figura 4) o en las curvas
de nivel de los mapas topograficos (figura 5).
En un mapa de contorno se muestra la variacion de z respecto a x e y medianisobaras
o en de
las nivel.
lneas Una
isotermas
de olos
mapas meteorol
(figura
4) o indica
en las curvas
te
las curvas
separaci
n grande
entre lasogicos
curvas
de nivel
que z
deanivel
de loslentamente,
mapas topogr
aficos (figura
5). de nivel muy proximas indican que z
est
variando
mientras
que curvas
un mapa
contorno
se ejemplo,
muestra en
la variaci
on de
z respecto
a x e ylasmedianestaEn
variando
muydedeprisa.
Por
un mapa
cartogr
afico, cuando
lneas
te nivel
las curvas
nivel.
Unaquiere
separaci
on que
grande
entre del
las terreno
curvas de
nivel muy
indica
que z
de
estan de
muy
juntas
decir
la altura
cambia
bruscaesta variando
lentamente,
mientrasante
que alg
curvas
de nivel geogr
muy apr
oximas
indican
que z
mente,
por lo que
nos encontramos
un accidente
fico
del tipo
barranco,
esta forma
variando
muy deprisa.
en
un
cartogr
afico,
cuando
las lneas
acantilado,
ladera
dePor
una
monta
noa,
Otra
decortado,
visualizar
la gr
afica
de ejemplo,
una
funci
n zetc.
= fmapa
(x, y) es
mediante
lo que
se conoce
como
curvas
de nivel
con planos
horizontales
on fdel
(x, y)
= k, con
k R muy
una constante
de nivel
esta:nsecciones
muy juntas
quiere
decir quedelaecuaci
altura
terreno
cambia
bruscaque
indicapor
la altura
queencontramos
se corta la graante
fica. Esta
on geogr
es familar,
aparece
en las
mente,
lo quea la
nos
alg
urepresentaci
n accidente
afico ya
delquetipo
barranco,
lneas isobaras o en las lneas isotermas de los mapas meteorologicos (Figura 1) o en las curvas de
acantilado, cortado, ladera de una monta
na, etc.
0

-5

1.0

-5

0.5

0.0
-2

-1

-5

-1

-2

nivel de los mapas topogr


aficos (Figura 2).

Figura 4: Lneas de presion constante (isobaras) y de temperatura constante (isotermas)


en los mapas del tiempo.
Figura 1: Lneas isobaras e isotermas en los mapas del tiempo

Figura 4: Lneas de presion constante (isobaras) y de temperatura constante (isotermas)


en los mapas del tiempo.

Figura 2: Curvas de nivel en mapas topograficos.

Figura 5: Curvas de nivel en mapas topograficos.


En las graficas de la figura 6 se muestra4 una superficie y su correspondiente mapa
de contorno, en el que
se aprecian
lasde
variaciones
de la funci
on az.ficos.
Se aprecian en blanco
Figura
5: Curvas
nivel en mapas
topogr
las zonas ((mas altas)) y en negro las ((mas profundas)).

Una separaci
on grande entre curvas de nivel indica que z vara muy lentamente, mientras que curvas
de nivel muy pr
oximas indican que z vara muy deprisa. Por ejemplo, en un mapa cartografico, que las
lneas de nivel esten muy juntas quiere decir que la altura del terreno cambia muy bruscamente, por
lo que nos encontramos ante alg
un barranco, acantilado, etc.

CALCULO
DIFERENCIAL

3.2.
3.2.1.

DERIVADAS PARCIALES

Veamos c
omo extender el concepto de derivabilidad a funciones de varias variables. Por simplicidad,
empezamos estudiando el caso de dos variables.
Definici
on 5. Sean f : U R2 R una funcion definida en un abierto U de R2 y P = (a, b) U .
La derivada parcial de f con respecto a x en el punto P es
f (a + h, b) f (a, b)
f
(P ) = lm
,
h0
x
h
si este lmite existe y es un n
umero real. Otras notaciones habituales para esta derivada parcial son
fx (P ), f1 (P ) o D1 f (P ). An
alogamente, la derivada parcial de f con respecto a y en el punto P es
fy (P ) = f2 (P ) = D2 f (P ) =

f
f (a, b + h) f (a, b)
(P ) = lm
.
h0
y
h

La derivada parcial de una funci


on con respecto a x (resp. y) es como la derivada habitual en una
variable considerando la variable y (resp. x) como una constante. En fx el incremento de la variable
dependiente se produce al desplazarnos del punto (a, b) solo en la direccion del eje X. As, dejando
afica de
b fijo, nos queda la funci
on de una variable (x) = f (x, b) y entonces 0 (a) = f
x (a, b). La gr
f (x, y) es una superficie en R3 . La derivada parcial fx (a, b) representa la pendiente de dicha superficie
en el punto (a, b, f (a, b)) cuando nos desplazamos en la direccion del eje X, es decir, de la tangente a
la curva intersecci
on de la superficie con el plano de ecuacion y = b. Analogo para fy (a, b).
Y
X

f Ha,bL-f Ha+h,bL

f Ha,bL-f Ha+h,bL
Z

h
Ha,b,0LHa+h,b,0L

Ha,b,0L
Ha+h,b,0L

X
Y

Ejemplo. Sea f (x, y) = x2 + y 2 sen(xy). Calcular las derivadas parciales fx y fy . Calcular fx (0, 0).
Derivando, si se puede, una derivada parcial con respecto a x e y se obtienen las derivadas de orden
dos:
 
 
 
 
f f
2f
f f
2f
f f
2f
f f
2f
=
,
=
,
=
,
=
.
x x
x2
x y
xy
y x
yx
y y
2y
Con otra notaci
on (fx )x = fxx , (fx )y = fxy , (fy )x = fyx , (fy )y = fyy . Derivando, cuando se pueda,
una derivada de orden dos obtenemos las derivadas de orden 3 y as sucesivamente.
Ejemplo. Sea f (x, y) = x2 + y 2 sen(xy). Calcular las derivadas parciales de segundo orden.
En el ejemplo anterior se observa que las derivadas parciales denominadas cruzadas fxy y fyx
coinciden. Esto ocurre en muchas ocasiones.

Teorema 1. (de Schwarz). Sea f : U R2 R, U abierto. Si las derivadas parciales cruzadas


2f
2f
n
n
xy : U R R y yx : U R R existen y son continuas en U , entonces coinciden, es decir:
2f
2f
=
.
xy
yx
Definici
on 6. Sea U R2 abierto y f : U R2 R. Diremos que es derivable en U y lo
denotamos f C 2 (U ) si posee todas las derivadas parciales de orden dos (fxx , fxy , fyx , fyy ) y son
funciones continuas en U .
Si una funci
on z = f (x1 , x2 , . . . , xn ) tiene mas de dos variables, las derivadas parciales fx1 , fx2 , . . . ,
fxn se definen de la misma forma. Todos los resultados vistos con n = 2 son validos para funciones
de un n
umero arbitrario n de variables. Una funcion de n variables suficientemente derivable tiene
n derivadas parciales de primer orden, n2 de segundo orden, etc., que se pueden disponer en forma
vectorial o matricial.
Definici
on 7. Sea la funci
on f : D Rn R. En los puntos donde las derivadas parciales existan,
se llama:
Gradiente de f al vector que contiene las derivadas parciales de primer orden de f :


f
f
grad f = f =
,...,
Rn .
x1
xn
Cuando convenga considerar a este vector como una matriz 1n la denotaremos matriz derivada
o jacobiana: f 0 = (fx1 , . . . , fxn ).
Matriz hessiana de f a la matriz n n que

fx1 x1
fx2 x1
Hf =
...
fxn x1

contiene las derivadas de segundo orden de f :

fx1 x2 . . . fx1 xn
fx2 x2 . . . fx2 xn

...
...
...
fxn x2 . . . f xn xn

(Nota: Si f C 2 (U ), la matriz hessiana ser


a simetrica por el teorema de Schwartz.)
Nota. Unas funciones de n variables muy particulares son las proyecciones i-esimas (1 i n):
pri : Rn
R
(x1 , . . . , xn ) 7 xi
Su gradiente es el vector coordenado pri = e~i y su matriz hessiana es la matriz cero.

3.2.2.

DE FUNCIONES GENERALES
DERIVACION

Las funciones reales en general son de la forma F : X Y con X Rn e Y Rm . Componiendo


con las proyecciones se obtienen m funciones de n variables fi = pri F : Rn R, conocidas como
componentes, y escribimos

F (x1 , . . . , xn ) = f1 (x1 , . . . , xn ), . . . , fm (x1 , . . . , xn ) .
Si todas las derivadas parciales existen, seran un total de mn, pues cada una de las m funciones fi
se puede derivar respecto a sus n variables. Obtendremos por tanto una matriz m n de derivadas
parciales que se llama la matriz derivada o jacobiana de F , cuyas filas son los gradientes de las
funciones componentes. Es decir:

f1x1 f1x2 . . . f1xn


(f1 , . . . , fm )
f2x1 f2x2 . . . f2xn

F0 =
=

...
... ...
...
(x1 , . . . , xn )
fmx1 fmx2 . . . fmxn
Estas funciones y sus derivadas tienen interesantes interpretaciones y aplicaciones geometricas.

Curvas param
etricas
Pensemos en las ecuaciones de movimiento de una partcula que se desplaza por el plano. En cada
momento, la partcula estar
a en un punto de coordenadas (x, y). Pero como la partcula se mueve, su
posici
on variar
a en funci
on del tiempo, es decir, sus coordenadas son funciones del tiempo: (x(t), y(t)).
A este tipo de ecuaciones se les llama parametricas, porque la posicion de la partcula depende de un
par
ametro: el tiempo.
Las curvas pueden expresarse en funci
on de otros parametros diferentes del tiempo, aunque estos a su
vez dependan del tiempo en su variaci
on. Las ecuaciones parametricas son simplemente un modo de
representar curvas.
un la ecuacion parametrica (x, y) = (0, 1)+t(2, 1),
Ejemplo. Una partcula se desplaza por el plano seg
t R, donde t representa el tiempo. Otra partcula sigue la ecuacion (x, y) = (2, 0) + t(4, 2), t R.
Tienen la misma trayectoria? Para t = 0, estan en el mismo punto? Van a la misma velocidad?
Definici
on 8. Una curva parametrica en Rn es una funcion : D R Rn , (t) = (1 (t), . . . , n (t))
cuyas funciones componentes i (t) dependen de una variable y se pueden derivar al menos dos veces.
En general, el dominio de una curva parametrica sera un intervalo cerrado [a, b] R y la curva se
expresa mediante sus llamadas ecuaciones parametricas.

x = 1 (t)

1
..
:
, a t b,
.

xn = n (t)
en las que t es un par
ametro arbitrario, no necesariamente interpretable como tiempo.
La curva geometrica es la imagen de la curva parametrica. La curva parametrica indica un modo de
recorrer la curva geometrica. Una misma curva geometrica puede tener parametrizaciones diferentes
(recordar el ejemplo anterior, que nos dice que hay muchos modos en los que una partcula puede
recorrer la misma trayectoria).
La matriz derivada de es la matriz columna
0 0
1
x1


0 = ... = ...
n0
x0n
~0 (t) y admite dos
Al tratarse de una matriz columna, puede ser interpretada como un vector variable
interpretaciones:
~0 (t) es el vector direccional de la recta tangente a la curva parametrica en el punto
Geometrica:
(t). La ecuaci
on vectorial de la tangente en el punto (a) correspondiente a t = a sera
~0 (a), R.
x = (x1 , . . . , xn ) = (a) +
Tomando componentes se escribe en forma parametrica:

x1 = 1 (a) + 1 (a)

..
, R.
.

xn = n (a) + n0 (a)
~0 (t) es el vector velocidad instantanea que corresCinem
atica: Cuando t representa el tiempo,
ponde con el recorrido de la curva determinado por la parametrizacion, que indica una direcci
on
~0 (t)k. El vector derivada segunda ~00 (t) se interpreta como la aceleracion.
y tiene valor absoluto k
Se define el vector tangente unitario a la curva parametrica (t) en el instante t como el vector de
norma 1 paralelo a la matriz derivada de :

~ 0 (t)
T~ (t) =
.
k~
0 (t)k
Dada una curva en el espacio, existen infinitos vectores ortogonales al vector tangente unitario T~ (t).
7

T~ 0 (t) es uno de ellos, ya que:


kT~ (t)k = 1 kT~ (t)k2 = T~ (t) T~ (t) = 1 T~ 0 (t) T~ (t) + T~ (t) T~ 0 (t) = 0 T~ 0 (t) T~ (t) = 0
Adem
as, si T~ 0 (t) =
6 0, T~ 0 (t) apunta en la direccion hacia la que esta girando la curva, es decir, hacia
la concavidad de la curva. Si T~ 0 (t) 6= 0, el vector normal principal (unitario) en t se define como
~0
~ (t) = T (t) .
N
kT~ 0 (t)k
Curvas implcitas
Trataremos u
nicamente el caso plano. Es bien sabido que cada recta del plano se puede expresar
mediante su ecuaci
on implcita r : ax + by + c = 0, que corresponde a los puntos en los que se
anula la funci
on f : R2 R dada por f (x, y) = ax + by + c. La recta r tambien puede definirse por
una ecuaci
on parametrica como la recta que pasa por un punto (p, q) y tiene un determinado vector
direccional w(u,
~
v):
(
x = p + tu
:
, t R.
y = q + tv
Se tratar
a de la misma recta si f es la funcion constante en 0, lo que se traduce en las ecuaciones
ap + bq + c = 0
au + bv = 0,
que indican, respectivamente, que el punto (p, q) verifica la ecuacion implcita y que el vector w
~ verifica
la ecuaci
on implcita homogenea o, en terminos de vectores, que el vector w
~ es perpendicular al vector
(a, b).
Se plantea una situaci
on similiar con las curvas generales del plano. Dada una funcion f : X R2 R
con 0 Im(f ), el subconjunto
f 1 (0) = {(x, y) X | f (x, y) = 0}
es una curva plana definida por la ecuaci
on implcita f (x, y) = 0. Entonces una curva parametrica
: I R R2 es una representacion de la curva f (x, y) = 0 si (I) X y la composici
on
f : I R es la funci
on constante nula, es decir, f (x(t), y(t)) = 0 para cada t I.
Ejemplo. La circunferencia de ecuaci
on implcita x2 + y 2 = a2 se puede escribir como f 1 (0) con
2
2
2
f (x, y) = x + y a . La circunferencia tiene la representacion parametrica
(
x = a cos t
:
, t R,
y = a sen t
que es una funci
on : I R R2 cuyo dominio puede ser [0, 2] o bien todo R. Se tiene, en efecto,
que (a cos t)2 + (a sen t)2 a2 = 0.
Superficies param
etricas
Podemos pensar que una superficie esta formada por las posibles posiciones en el espacio de una
partcula que puede moverse dependiendo de dos parametros.

Definici
on 9. Una superficie parametrica en Rn es una funcion S : D R2 Rn , S(u, v) =
(f1 (u, v), . . . , fn (u, v)) cuyas funciones componentes fi (u, v) de dos variables se pueden derivar al
menos dos veces.
Por razones pr
acticas, en este curso trataremos u
nicamente con superficies en R3 . La superficie se
describe mediante sus ecuaciones parametricas:

x = x(u, v)
S : y = y(u, v) , (u, v) D.

z = x(u, v)
La superficie geometrica es la imagen de la superficie parametrica (un subconjunto de R3 ). Una misma
superficie puede tener parametrizaciones diferentes.
La matriz derivada de S es la matriz de tama
no 3 2 que contiene las derivadas parciales de cada
funci
on componente:

xu xv
S 0 = yu yv
zu zv
Esta matriz puede verse como un par de vectores variables con columnas S~u (u, v), S~v (u, v) y admite la
siguiente interpretaci
on geometrica siempre que estos vectores sean independientes (es decir, el rango
de la matriz derivada S 0 sea 2). Fijado un punto (u, v) = (a, b) D del dominio de S, S(u, b) es una
curva parametrica de par
ametro u que esta contenida en la superficie y pasa por el punto S(a, v). El
vector direccional de la tangente en u = a a esta curva es S~u (a, b). Analogamente: S(a, b) es una curva
parametrica de par
ametro v que est
a contenida en la superficie y pasa por el punto S(a, b). El vector
direccional de la tangente a esta curva en v = b es S~v (a, b).
La ecuaci
on vectorial del plano tangente a la superficie parametrica S en el punto S(a, b) sera por
tanto,
(X, Y, Z) = S(a, b) + S~u (a, b) + S~v (a, b), (, ) R2 .
Separando sus componentes se obtiene la forma parametrica:

X = x(a, b) + xu (a, b) + xv (a, b)


Y = y(a, b) + yu (a, b) + yv (a, b)

Z = z(a, b) + zu (a, b) + zv (a, b)

, (, ) R2

Superficies implcitas
Es bien sabido que cada plano del espacio tridimensional tiene una ecuacion implcita ax + by +
cz + d = 0, que corresponde a los puntos en los que se anula la funcion f : R3 R del primer miembro
f (x, y, z) = ax + by + cz + d. A su vez tiene una ecuacion parametrica como plano que pasa por un
punto y tiene dos vectores independientes que marcan su subespacio de vectores direccionales:

x = p + u + u
S : y = q + v + v 0
, , R,

z = r + w + w0
Se trata del misma plano si f S es la funcion constante en 0, lo que se traduce en tres ecuaciones
ap+bq +cr = 0, au+bv +cw = 0, au0 +bv 0 +cw0 = 0 que indican, respectivamente, que el punto (p, q, r)
verifica la ecuaci
on implcita y que los vectores (u, v, w) y (u0 , v 0 , w0 ) verifican la ecuacion implcita
homogenea (sin termino independiente) del plano, lo que significa que ambos son perpendiculares al
vector (a, b, c), que es por tanto un vector normal al plano.
on del plano que pasa por (2, 1, 3) y tiene a = (2, 4, 5) como vector perpenEjemplo. Dar la ecuaci
dicular. Dar tambien una ecuaci
on parametrica del plano.
Se plantea una situaci
on similar con todas las superficies del espacio tridimensional. Dada una funci
on
f : X R3 R con 0 en su imagen, el subconjunto
f 1 (0) = {(x, y, z) X | f (x, y, z) = 0}
9

es una superficie en el espacio dada por la ecuaci


on implcita f (x, y, z) = 0. Entonces una superficie
parametrica S : D R2 R3 es una representacion de la superficie f (x, y, z) = 0 si S(D) X y la
composici
on f S : D R es la funci
on constante nula, es decir, f (x(u, v), y(u, v), z(u, v)) = 0.
Ejemplo. Un ejemplo elemental es la esfera de ecuacion implcita x2 + y 2 + z 2 = a2 , que es de la forma
f 1 (0) para la funci
on f (x, y) = x2 + y 2 + z 2 a2 . La esfera tiene la representacion parametrica

x = a cos u sen v
S : y = a sen u sen v , u [0, 2], v [0, ]

z = a cos v
que es una funci
on S : D R2 R3 cuyo dominio es D = [0, 2] [0, ] R2 . Se tiene en efecto
2
(a cos u sen v) + (a sen u sen v)2 + (a cos v)2 a2 = 0.
La generalizaci
on natural de la esfera es el elipsoide de semiejes a, b, c y ecuacion

x2
a2

y2
b2

z2
c2

= 1.

x2
a2

y2
b2 .

1.0
Y

0.5

0.0
-0.5
2

-1.0
1.0

0.5
Z
Z

0.0

-0.5
1

-2

-1.0
-1.0

0
-0.5

Y
0.0

-1

-1

0.5

0
1

1.0

Otras superficies notables son el paraboloide elptico z =

x2
a2

y2
b2

-2

y el cono elptico z =

4
Y

0
-2

-4
4

0
-2
-4

2.0
1.5

Z 1.0
1

0.5
0.0

0
-2

-2

-1

-1

0
X

3.2.3.

REGLA DE LA CADENA

La regla de la cadena explica el metodo de derivacion de una funcion que es composicion de otras dos
funciones. Recordemos la regla de la cadena dada para funciones reales de una variable: si f (x) es
derivable en x0 y g(x) es derivable en f (x0 ) entonces (g f )(x) es derivable en x0 y se verifica
(g f )0 (x0 ) = g 0 (f (x0 )) f 0 (x0 ).
Si nos referimos a funciones reales generales, la regla se conserva con su misma expresion, si f 0 , g 0 son
las matrices derivadas de f, g respectivamente y los puntos pertenecen al Rn que corresponda.
Veamos ejemplos genericos a partir de una funcion de n variables f : X Rn Y R. Hay dos tipos
de composiciones posibles, o bien f g o bien f .
g

D Rp
X Rn
Y
Rm .
Las variables que usaremos son (u1 , . . . , up ) D, (x1 , . . . , xn ) X, (y1 , . . . , ym ) Rm Las matrices
derivadas de cada una de las funciones mencionadas son:

0
g1u1 g1u2 . . . g1up
y1
g2u1 g2u2 . . . g2up

..
0
0
0
g = .
..
..
.. , f = (fx1 , . . . , fxn ), = .
..
.
.
.
0
ym
gnu1 gnu2 . . . gnup
10

Por tanto, las derivadas de las combinaciones mencionadas son:

g1u1 g1u2 . . . g1up


g2u1 g2u2 . . . g2up

0
(f g)0 = (fx1 , . . . , fxn ) .
..
..
.. , ( f ) =
..
.
.
.
gnu1 gnu2 . . . gnup

y10
.. (f , . . . , f )
xn
. x1
0
ym

Pasamos ahora a desarrollar algunos ejemplos particulares con valores peque


nos de p, n, m y usando
letras diferentes para las componentes en vez de subndices, como suele hacerse en la practica. Usaremos
tambien la notaci
on de Leibniz.
f

Caso D R
X R2
Y R. Tenemos la funcion f de dos variables, que podemos
expresar de la forma z = f (x, y), o tambien z = z(x, y). Ademas, en el dominio plano de f tenemos
una curva cuyas ecuaciones son (x, y) = (x(t), y(t)). Componiendo resulta una funcion de una
variable z = z(t) = z(x(t), y(t)). Si todas las funciones son derivables se tiene
 0 
x
0
0
z = z (t) = (zx , zy )
= zx x0 + zy y 0 .
y0
Lo podemos expresar con la notaci
on de Leibniz:
z z
dz
=( ,
)
z =
dt
x y
0

dx
dt
dy
dt

!
=

z dx z dy
+
.
x dt
y dt

Veamos por u
ltimo la interpretaci
on geometrica. La grafica de f es una superficie S con parametros
x, y, mientras que la curva plana se completa con z = f (x, y) para ser una curva sobre la superficie
S:

x = x
x = x(t)
.
: y = y(t) S : y = y

z = z(x, y)
z = z(t)
En cada punto, el vector ~0 = (x0 , y 0 , z 0 ) tangente a nla curva sera tambien tangente
o a la superficie
S, cuyo plano de vectores tangentes tiene por base S~x = (1, 0, zx ), S~y = (0, 1, zy ) , de modo que la
regla de la cadena nos dice que las derivadas (x0 , y 0 ) son las componentes del vector tangente ~0 a la
curva respecto a la base de vectores tangentes a la superficie S que la contiene:
~0 = (x0 , y 0 , z 0 ) = x0 (1, 0, zx ) + y 0 (0, 1, zy ) = x0 S~x + y 0 S~y .
f

Caso D R
X R3
Y R. En este caso tenemos una funcion w = f (x, y, z) y una curva
parametrica contenida en su dominio. Por la regla de la cadena,
w0 =

w dx w dy w dz
dw
=
+
+
.
dt
x dt
y dt
z dt

Supongamos que f = 0. Entonces la curva imagen de esta contenida en la superficie S cuya


ecuaci
on implcita es f (x, y, z) = 0. Esto significa que, en cada punto, el vector gradiente de f ,
f = (wx , wy , wz ), es perpendicular a todos los vectores tangentes a las curvas contenidas en la
superficie y que pasan por el punto, que son los vectores del plano tangente a la superficie; se dice que
f es un vector normal a la superficie.
g

Caso D R2
X R2
Y R. En este caso suponemos que la funcion z = f (x, y) de dos
variables x, y se expresa como funci
on de otras dos variables u, v a traves de la funcion g que podemos
expresar de la forma x = x(u, v), y = y(u, v). Si todas las funciones son derivables se tiene:



xu xv
zu = zx xu + zy yu
(zu , zv ) = (zx , zy )
= (zx xu + zy yu , zx xv + zy yv ),
yu yv
zv = zx xv + zy yv
Lo podemos expresar con la notaci
on de Leibniz:
w x w y
w
=

,
u
x u
y u

w
w x w y
=

.
v
x v
y v
11


OPTIMIZACION

3.3.

Como en el caso de una variable, entenderemos por optimizaci


on encontrar los valores en los que
las funciones alcanzan valores m
aximos o mnimos, ya sean relativos o absolutos. Estudiaremos la
optimizaci
on para funciones de dos variables, pero los resultados se pueden generalizar para funciones
de n > 2 variables. Utilizaremos el termino extremo para referirnos indistintamente a un maximo o
un mnimo.
Definici
on 10 (Extremos relativos). Sean f : U R2 R y (x0 , y0 ) U .
i f tiene un mnimo local o relativo en (x0 , y0 ) si existe B, una bola abierta centrada en (x0 , y0 )
tal que f (x, y) f (x0 , y0 ) para todo (x, y) U B.
ii f tiene un m
aximo local o relativo en (x0 , y0 ) si existe B, una bola abierta centrada en (x0 , y0 )
tal que f (x, y) f (x0 , y0 ) para todo (x, y) U B.
Definici
on 11 (Extremos absolutos). Sean f : U R2 R y (x0 , y0 ) U .
i f tiene un mnimo global o absoluto en (x0 , y0 ) si f (x, y) f (x0 , y0 ) para todo (x, y) U .
ii f tiene un m
aximo global o absoluto en (x0 , y0 ) si f (x, y) f (x0 , y0 ) para todo (x, y) U .
Ejemplos. Los ejemplos siguiente se justifican con sus graficas, representadas a continuacion de izquierda a derecha.
1. f (x, y) = x2 + y 2 tiene un mnimo global (y por tanto local) en (0, 0).
2. f (x, y) = 1 x2 y 2 tiene un m
aximo global en (0, 0).
3. f (x, y) = x3 + y 3 2x2 4y 2 tiene en (0, 0) un maximo local, pero no global.
4. f (x, y) = x2 y 2 no tiene extremos en el punto (0, 0).
1.0
0.5
0.0

-1
0

-0.5
-1.0

1
2

1.0
0.5
1.0
0.5
0.0
-0.5

0.0
-0.5

-1.0
2.0

1.0

-1.0
1.0

0.5
0.0
-0.5

0.5
-5

1.5
0.0

-1.0
1.0
0.5
0.0

1.0

-0.5

-0.5
-10

-1.0
0.5

-0.5

-0.5

0.0

0.0

-1.0

-0.5

3.3.1.

0.0
0.0

0.5

1.0

-1.0
-1.0

-1.0

0.5

0.5

1.0

1.0

CALCULO
DE EXTREMOS RELATIVOS

Suponemos que las funciones tienen todas las derivadas que se utilicen.
Definici
on 12 (Punto crtico). Sea f : U R2 R y (x0 , y0 ) U un punto interior del dominio. El
punto (x0 , y0 ) es un punto crtico de f si en el se anula el gradiente de f , es decir, si
fx (x0 , y0 ) = 0 = fy (x0 , y0 ).
Teorema 2. Si (x0 , y0 ) es un extremo relativo de f entonces (x0 , y0 ) es un punto crtico de f .
Nota. El recproco no es cierto: hay puntos crticos que no son extremos. Por ejemplo, el punto (0, 0)
es crtico de la funci
on f del ejemplo 4 anterior, pero no es maximo ni mnimo.
Definici
on 13 (Punto de silla). Llamaremos puntos de silla a los puntos crticos de una funci
on
que no son extremos relativos.

12

Veamos algunas condiciones suficientes para que un punto crtico sea extremo relativo. Si f C 2 (U ),
la relaci
on entre puntos crticos y la matriz Hessiana es:
(
fxx > 0 mnimo estricto
det(Hf ) > 0 y
fxx < 0 maximo estricto
det(Hf ) < 0 punto silla
det(Hf ) = 0 no se puede decidir
En este u
ltimo caso hay que emplear otros metodos para poder decidir que tipo de punto crtico
tenemos. Por ejemplo, si fxx > 0 o fyy > 0 podemos descartar que sea maximo y analogamente si
fxx < 0 o fyy < 0 podemos descartar que sea mnimo.
En general, para una funci
on f (x1 , x2 , . . . , xn ) de n variables f : U Rn R, P = (p1 , . . . , pn ) U
se toman los menores principales de su matriz hessiana:


fx1 x1 (P ) fx1 xk (P )




..
..
..
k (P ) =

.
.
.


fx x (P ) fx x (P )
k 1
k k
Entonces, para P un punto crtico de f :
i Si k (P ) > 0 para todo k = 1, . . . , n entonces P es un mnimo relativo.
ii Si (1)k k (P ) > 0 para todo k = 1, . . . , n entonces P es un maximo relativo.

3.3.2.

EXTREMOS RELATIVOS CONDICIONADOS

Estudiaremos m
aximos y mnimos locales de funciones cuyo dominio esta restringido por alguna
condici
on dada por ecuaciones.
Ejemplo. Optimizar la funci
on f (x, y) = x3 + y 3 3xy restringida al segmento l1 = {(x, 1) | 0
x 2}, es decir, y = 1, 0 x 2. En este caso se reduce el problema a una variable: optimizar
g(x) = f (x, 1) = x3 + 3x 1 en el intervalo 0 x 2.
La formulaci
on general de los problemas de optimizacion que trataremos es:

Optimizar z = f (x1 , x2 , . . . , xn )

g1 (x1 , x2 , . . . , xn ) = 0
sujeto a:
m < n.
g2 (x1 , x2 , . . . , xn ) = 0

..

gm (x1 , x2 , . . . , xn ) = 0
Si podemos despejar las variables en las igualdades de condicion el problema se reducira a otro de
menos variables, como en el ejemplo anterior. Pero hay un metodo que da bastante informacion en
casos m
as generales.
M
etodo de los multiplicadores de Lagrange. Este metodo se basa en el hecho de que un extremo
condicionado de f con restricciones gi = 0 es un punto crtico de la funci
on de Lagrange
F (x1 , . . . , xn , 1 , . . . , m ) = f (x1 , . . . , xn ) + 1 g1 (x1 , . . . , xn ) + . . . + m gm (x1 , . . . , xn ).
El metodo consiste en resolver el siguiente sistema de m + n ecuaciones con m + n incognitas (las
variables xi y los multiplicadores de Lagrange j ):

f
g1
g2
m
F

+ 1 x
+ 2 x
+ . . . + m g

=
0
x1 = 0
1
1
1

x1
x
f
g
g
g

1
2
m
F

x2 = 0
x2 + 1 x2 + 2 x2 + . . . + m x2 = 0

..

...

F
.
f
g1
g2
gm
es decir
xn = 0
xn + 1 xn + 2 xn + . . . + m xn = 0

=0

1
g1 (x1 , . . . , xn ) = 0

.
.
..

F = 0

gm (x1 , . . . , xn ) = 0
m
13

y evaluar f en dichos puntos para determinar los que son extremos.


Nota. Las condiciones para poder aplicar este metodo son:
1. f, g1 , . . . , gm tienen derivadas parciales de segundo orden continuas.
2. m < n, es decir, hay menos restricciones que variables.
3. El rango de la matriz jacobiana

(g1 ,...,gm )
(x1 ,...,xn )

de las restricciones es m.

Nota. No estudiaremos en este curso las condiciones suficientes para poder afirmar que un punto
crtico de la funci
on de Lagrange es m
aximo o mnimo.

Extremos absolutos
Definici
on 14. En R2 se tienen los siguientes conceptos:
Se llama disco cerrado de radio r al conjunto D(a, r) = {x R2 | kx ak r}.
Una regi
on se dice acotada si esta contenida dentro de un disco cerrado.
Una regi
on se dice cerrada si su complementario es un abierto.
Teorema 3 (Weierstrass). Sea S R2 un subconjunto cerrado y acotado y f una funci
on continua
definida en S. Entonces f tiene m
aximo y mnimo absolutos en S.
Nota. El Teorema de Weierstrass da una condicion suficiente para la existencia de extremos absolutos,
pero no necesaria. Es decir, el teorema asegura que una funcion continua con dominio cerrado y acotado
por fuerza tiene extremos absolutos, pero si la funcion no es continua o el dominio no es cerrado o no
es acotado puede que haya extremos absolutos o puede que no.
Para encontrar los extremos absolutos de funciones con dominios S cerrados y acotados se procede de
la siguiente manera (an
alogamente al caso de una variable):
1. Encontrar los puntos crticos de f que estan en S (estaran en su interior).
2. Estudiar f en la frontera S de S, es decir, hallar los extremos de f condicionados por las
ecuaciones implcitas de S..
3. Comparar los valores de f en los puntos anteriores.

14