INDICE

Tema 1: curvas planas, ecuaciones paramtricas y coordenadas polares.

Introduccin -------------------------------------------------------------------------------3
Objetivo--------------------------------------------------------------------------------------3
4.1 definicin de una funcin de varias variables ----------------------------------5
4.2 grafica de una funcin de varias variables -------------------------------------9
4.3 limite y continuidad de una funcin de varias variables--------------------16
4.4 derivadas parciales-------------------------------------------------------------------19
4.5 incrementos y diferenciales --------------------------------------------------------23
4.6 regla de la cadena y derivada implcita -----------------------------------------30
4.7derivadas parciales de orden superior
-------------------------------------35
4.8 derivada direccional y
gradiente--------------------------------------------43
4.9 valores extremos de funciones de varias
variables--------------------50
Conclusin---------------------------------------------------------------------
-------51
Bibliografa---------------------------------------------------------------------
-------51

1
Introduccin
En esta 4ta Unidad aprendimos que una funcin de dos variables es
una funcin en la cual el dominio es un conjunto R^2 y el rango es un
conjunto R, por lo tanto manejamos las funciones de varias variables y
tambin su representacin grfica. As mismo se abarcaron temas
como curvas de nivel, Funcin de tres o ms variables, Lmites y
continuidad, Continuidad de funcin de dos variables, Derivadas
parciales y su interpretacin geomtrica, Derivada direccional y su
representacin geomtrica, y como ltimo tema Vector Gradiente.
Funcin real de varias variables reales
Una funcin real de varias variables reales es una regla explcita de
correspondencia que relaciona un vector real (x1, x2, ..., xn) con un
valor real y = f(x1, x2, ..., xn). Por ejemplo,
f(x1, x2) = x1+ x2
f(x1, x2, x3) = 2x1/ x2 + x3
f(x1, x2) = (x1 x2) - x3

Tambin reciben el nombre de funciones reales de variable vectorial,

debido a que relacionan un vector con un nmero real.
Simblicamente lo expresamos como una aplicacin del espacio Rn
en la recta real:
f: Rn R
(x1, x2, ..., xn) y

Objetivo:

2
1. Comprensin del concepto de lmite, continuidad y
diferenciabilidad de una funcin de dos variables.
2. Conocimiento del concepto de derivada parcial de una funcin de
dos variables y comprensin de su interpretacin geomtrica.
3. Destreza en el clculo de derivadas y diferenciales

4.1 definicin de una funcin de varias variables.

Definicin 1 (Funcin de varias variables) Sea D un subconjunto de
Rn. Si a cada (x1,...,xn) D le corresponde un nico nmero real f
(x1,...,xn)
se dice que f es una funcin de las

variables x1,...,xn. Ejemplo 2 Las funciones

definidas anteriormente

A(b,h) = b h

I (x1,x2) = p1

x1 + p2 x2 f

(x,y) = C xa

y1a

son funciones de dos variables.

Definicin 3 (Dominio y recorrido) El conjunto D de la definicin

anterior se llama dominio de f, y el conjunto de valores f (x1,...,xn)
correspondiente a dicho dominio se llama recorrido de f.

Ejemplo 4 f (x,y) = x2 + y2

3
 La funcin f est definida para todo (x,y) R2 y por tanto el

dominio de f es D = R2. Como f puede alcanzar cualquier valor

no negativo, el recorrido es R = {z R : z 0}.

f (x,y) = logxy
Para que la funcin f est definida es necesario que

xy > 0

entonces
x >0 x<0
o bien
y >0 y<0
as el dominio de f ser el siguiente conjunto

y el recorrido es R = R.
Observacin 5 Si f y g son funciones de n variables, es decir,

f : Rn R y g : Rn R

entonces las siguiente operaciones nos dan lugar a nuevas

funciones de n variables:

Suma y diferencia:

(f g)(x1,...,xn) = f (x1,...,xn) g (x1,...,xn)

Producto:

4
 (fg)(x1,...,xn) = f (x1,...,xn)g (x1,...,xn)

Cociente:
Si g (x1,...,xn) = 0 entonces

4.2 Representacin grfica de una funcin de varias variables.

Definicin 6 (Grfica o grafo) La grfica de una funcin de n
variables x1,...,xn es el conjunto de puntos (x1,...,xn,z) Rn+1 que
satisfacen

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

con (x1,...,xn) en el dominio de f.

La interpretacin geomtrica de la grfica es la siguiente:

Para n = 1. La grfica de una funcin f : R R la generan los
puntos (x,y) tales que y = f (x) y se puede representar como una
curva en R2:

5
 Para n = 2. La grfica de una funcin f : R2 R la generan los

puntos (x,y,z) tales que z = f (x,y) y se puede representar como una

superficie en R3:

Para n 3. La grfica de una funcin f : Rn R la generan los

puntos (x1,...,xn,z) tales que z = f (x1,...,xn) y no es posible
representarlo de forma completa sobre un papel ya que
necesitaramos ser capaces de representar conjuntos sobre, al
menos, cuatro ejes coordenados, es decir en R4.
Nos tendremos que conformar con representaciones parciales.

Conjuntos de nivel
Los conjuntos de nivel de una funcin f describen los puntos
(x1,...,xn) del dominio que tienen el mismo valor de f.
El conjunto de nivel k de la funcin f : Rn R se define como:

Uk = {(x1,...,xn) Rn : f (x1,...,xn) = k}

El valor de k debe estar en el recorrido de la funcin, ya que en

otro caso, el conjunto de nivel k, Uk, ser un conjunto vaco.
Si n = 2 a los conjuntos de nivel los llamaremos curvas de nivel.

6
 Si n = 3 a los conjuntos de nivel los llamaremos superficies de
nivel.

Ejemplo 7 Ejemplo 8 f (x,y) = x2 + y2.

Buscaremos las curvas de nivel 0, 1, 2, 3, 4,... de f.

Si f (x,y) = 0 entonces x2 + y2 = 0 y, por tanto, x = y = 0.
Si f (x,y) = k entonces x2 + y2 = k que es una circunferencia
de radio .

La relacin con la grfica es la siguiente:

f (x,y,z) = x.
Buscaremos las superficies de nivel 0, 1, 2 y 3 de f.
Si f (x,y,z) = k entonces x = k que es un plano vertical.

7
 Algunos ejemplos cotidianos de curvas de nivel son:

Isobaras: Describen las curvas sobre la superficie que tienen la

misma presin atmosfrica.

1. Mapas topogrficos: Describen las curvas sobre la superficie

terrestre que estn a la misma altitud sobre el nivel del mar.

8
4.3 limite y continuidad de una funcin de varias variables.

Lmites
Vamos a tratar el concepto de lmite de forma intuitiva. Para una
funcin f de una variable, decimos que
lm f
(x) =
L
xa
si existen los lmites por la derecha y por la izquierda de x = a, y
adems coinciden con el valor de L.

9
 Para una funcin f de dos variables, decimos que

lm f (x,y) = L
(x,y)(a,b)

si existen los lmites por TODOS los caminos posibles hacia el punto
(a,b), y adems coinciden con el valor de L.

si (x,y) = (1,1)
Ejemplo 9

si (x,y) = (1,1)
Existe el lmite. lm f (x,y) =
2
(x,y)(1,1)
si x = y
si x = y lm f

(x,y) ?

(x,y)(1,1)

Si nos acercamos por la recta y = x obtenemos como lmite el

valor 0. Si nos acercamos por otra recta, por ejemplo, y = 1,
obtenemos el valor 2. Como estos lmites no coinciden,
entonces no existe el lmite.

La generalizacin del lmite para funciones de n

variables es inmediata: Definicin 10 Para una funcin f de

n variables, decimos que

10
 lm f (x1,...,xn) = L
(x1,...,xn)(a1,...,an)

si existen los lmites por TODOS los caminos posibles hacia el punto
(a1,...,an), y adems coinciden con el valor de L.

Observacin 11
(Propiedades)
Sean f y g funciones tales que lmentonces:
(x,y)

1. lm (f g)(x,y) = lm (f (x,y) g (x,y)) = F G

(x,y)(a,b) (x,y)(a,b) 2. lm (f

g)(x,y) = lm (f (x,y) g (x,y)) = F G

(x,y)(a,b) (x,y)(a,b)

3. Si
lm f(x,y)
4. lm ef(x,y) = e(x,y)(a,b)
(x,y)(a,b)

5. lm logf (x,y) = log lm f (x,y)

(x,y)(a,b) (x,y)(a,b)

Ejercicio 12 Utilizar las propiedades anteriores para calcular

Continuidad
Definicin 13 Una funcin f : Rn R es continua en el punto
(a1,...,an) si

11
Diremos simplemente que f es continua si lo es para todo punto de
su dominio. Intuitivamente, f es continua en (a1,...,an) si su grfica no
tiene saltos, agujeros, asntotas, ...
Ejemplo 14 Son funciones continuas

si (x,y) =
(1,1) en (1,1)?
si (x,y) = (1,1)
si
x=y en
(1,1)?
si x = y

Observacin 15 (Propiedades) Si f : Rn R y g : Rn R son

funciones continuas en (a1,...,an), y h : R R es una funcin

continua en f (a1,...,an), entonces f + g es continua en (a1,...,an). f

g es continua en (a1,...,an).

Si g (a1,...,an) = 0 entonces es continua (a1,...,an).

La composicin h f es continua en (a1,...,an).

Observacin 16 Las funciones polinmicas, racionales cuyo

denominador no se anula y composiciones de estas con
exponenciales, logaritmos, etc. son continuas.

Ejemplo 17 Es continua ?

12
Ejemplos
Ejemplo 18 Dibujaremos y describiremos analticamente los
dominios D de las siguientes funciones:

1. f (x,y) = log xy + x2 .
Tenemos que
D =(x,y) R2 : xy + x2 > 0=

=(x,y) R2 : x > 0,y + x > 0 (x,y) R2 : x < 0,y + x < 0

As el dominio es el conjunto

2. .
Tenemos que
D =(x,y) R2 : y = 0

As el dominio es

3. f (x,y,z) = 2x + 7y2 1200xy + 8.

13
 Tenemos que
D = R3
ya que f est definida para todo

punto (x,y,z). Ejemplo 19 Dibujaremos

algunos conjuntos de nivel

1. f (x,y) = xy.
Tenemos que
Uk =(x,y) R2 : xy = k

As, las curvas de nivel verifican para cada k.

2. f (x,y) = x + y.
Tenemos que
Uk =(x,y) R2 : x + y = k

As, las curvas de nivel verifican y = k x para cada k.

14
Ejemplo 20 Estudiaremos la continuidad de algunas funciones

si (x,y) = (0,0)
1. x,y
0 si (x,y) = (0,0)
Para todo (x,y) = (0,0) tenemos que f es una funcin racional
cuyo denominador no se anula, por lo que f es continua en
cualquier punto (x,y) = (0,0). Qu pasa en (0,0)? Nos
aproximaremos por dos caminos distintos,
la recta x=0
y
la recta y=0
As

y como estos dos lmites son distintos, entonces no existe

lm f (x,y)
(x,y)(0,0)

y por tanto no puede ser continua en (0,0).

(Es posible calcular el lmite por todas las rectas y = x a la vez:

y como depende de la pendiente , entonces f no es continua en

(0,0).
si (x,y) = (1,1)
2. si
(x,y) = (1,1)
Para los puntos (x,y) = (1,1) la funcin f es un polinomio en las
variables x e y, y por tanto f es continua para estos puntos. En
el punto (x,y) = (1,1) la funcin f tiene lmite

15
 lm f (x,y) = lm xy = 1
(x,y)(1,1) (x,y)(1,1)

y como
f (1,1) = 2
entonces

4.4 derivadas parciales

Podemos preguntarnos cmo vara la funcin si variamos una

sola variable independiente manteniendo constantes las dems, o
bien cmo vara la funcin si nos movemos en una direccin.
Para responder a estas preguntas necesitamos extender el
concepto de derivada a funciones de varias variables.
La extensin que construiremos hace que para funciones de
varias variable no exista una nica derivada, sino varias.

Definicin 21 (Derivadas parciales): Sea f : R2 R una funcin de

dos variables. Diremos que la derivada parcial de f con respecto de
x en el punto (x,y) es la funcin

siempre que exista el lmite.

Definicin 22 De igual manera podemos definir la derivada parcial de

f con respecto de y en el punto (x,y) como la funcin

siempre que exista el lmite.

Notacin 23

16
Definicin 24 (Derivadas parciales - para n variables): Sea f : Rn R
una funcin en las variables (x1,...,xn). Diremos que la derivada
parcial de f con respecto de xk en el punto (x1,...,xn) es la funcin

siempre que exista el lmite.

Interpretacin geomtrica para n=2.

La derivada parcial fx en el punto (x0,y0) representa la tangente
(pendiente) de la curva

h(x) = f (x,y0)

en el punto x0.
Es decir, es como si cortramos la superficie z = f (x,y) (en negro)
con el plano y = y0 (en verde) y la pendiente de la recta tangente en
x0 (en azul) de la curva interseccin (en rojo) es la derivada parcial
de f respecto de x en (x0,y0).
La interpretacin geomtrica de la fy es anloga, intercambiando
el papel de x e y.
Observe el dibujo

Ejemplo 25 Utilizando la definicin vamos a calcular las derivadas

parciales de

f (x,y) = 3x + x2y2 + 2

17
En efecto,

y por otro lado

Observacin 26 Estas derivadas parciales obedecen las mismas

reglas de derivacin habituales que las funciones de una variable,
considerando la variable respecto a la que queremos derivar como
la nica variable de la funcin, y las dems variables como si fueran
constantes.

Ejemplo 27 Utilizando estas reglas de dervacin vamos a calcular

las derivadas parciales de:

f (x,y) = (2x + y)3

Tenemos que fx (x,y) = 3(2x + y)4 2 =
6(2x + y)4

y adems
fy (x,y) = 3(2x + y)4 1 = 3(2x + y)4

f (x,y,z) = exy cos(yz) fx (x,y,z) = exy

cos(yz) y

fy (x,y,z) = xexy cos(yz) exy sen(yz) z

fz (x,y,z) = exy sen(yz) y

18
4.5 incrementos y diferenciales

19
20
21
22
23
24
4.6 Regla de la cadena y derivada implcita

25
26
27
28
29
30
31
4.7 derivadas parciales de orden superior

En este captulo D denota un subconjunto abierto de Rn.

1. Introduccin
Definicin 1.1. Dada una aplicacin f : D R, definimos la
derivada parcial segunda de f como

De forma anloga, podemos definir las derivadas de orden superior.

Ejemplo 1.2. Consideremos la funcin

f(x,y,z) = xy2 + ezx

Entonces

y por ejemplo

Vemos que

Se puede comprobar que esto se verifica para todas las variables

Ejemplo 1.3. Consideremos la funcin

, si (x,y) 6= (0,0);
0, si (x,y) = (0,0).

32
La grafica de esta funcin es la siguiente
1

Se comprueba fcilmente que si (x,y) 6= (0,0),

y que

Entonces

y
por lo que

Por otra parte, se puede comprobar que si (x,y) 6= (0,0) entonces

33
 El siguiente resultado proporciona condiciones suficientes bajo las
cuales las derivadas cruzadas coinciden.
Teorema 1.4. (Schwarz) Supongamos que para algn i,j = 1...,n las
derivadas parciales

existen y son continuas en una bola B(p,r) con r > 0. Entonces,

para cada x en la bola

Definicin 1.5. Sea D un subconjunto abierto de Rn y f : D R.
Decimos que f es de clase
C1(D) si todas las derivadas parciales existen y son
continuas en D para todo i = 1...,n.
C2(D) si todas las derivadas parciales de f existen y son de
clase C1(D). Ck(D) si todas las derivadas parciales primeras

de f existen y son de clase Ck1(D) para todo i = 1...,n.

Escribimos f Ck(D).
Definicin 1.6. Sea f C2(D). La matriz Hessiana de f en p es la
matriz

D
Observacin 1.7. Por el teorema de Schwarz, si f C2(D) entonces
la matriz Hf(p) es simtrica.

2. El Teorema de la funcin implcita

En esta seccin vamos a estudiar sistemas de ecuaciones no
lineales. Por ejemplo.

(2.1) x2 + = 1
zexy +

34
 z
3x + = 3
2y +
z
En general, es muy difcil probar que existe solucin (y no siempre
existe) o resolver de manera explcita estos sistemas. Sin embargo,
en Economa ocurre a menudo que el modelo que estamos
estudiando aparece descrito por un sistema de ecuaciones como,
por ejemplo, el sistema 2.1. Y nos gustara poder decir algo sobre
como depende la solucin respecto de los parmetros. En esta
seccin estudiamos esta pregunta.
En primer lugar observemos que un sistema de m ecuaciones y n
incgnitas se puede escribir de la forma
f = 0
1
(
u
)
f = 0
2
.
(
.
u
.
)
f = 0
m
(
u
)

donde u R y f1,f2,...,fm : Rn R. Por ejemplo, el sistema 2.1 se
n

puede escribir como

f1(u) = 0 f2(u)
= 0

con f1(x,y,z) = x2 + zexy + z 1 y f2(x) = 3x + 2y + z 3.

Una primera cuestin es cmo son las soluciones del sistema 2.1.
Comparando la situacin con un sistema lineal deberamos esperar
35
que podemos despejar dos variables en funcin de un parmetro,
ya que hay 2 ecuaciones y 3 variables. Supongamos, por ejemplo
que queremos despejar y,z como funciones de x. Esto puede ser
complicado y en la mayora de los casos imposible. En esta
situacin, el teorema de la funcin implcita,
proporciona condiciones bajo las cuales podemos garantizar
que el sistema 2.1 tiene solucin, en el sentido de que
determina dos funciones y(x) y z(x) que satisfacen las
ecuaciones 2.1, incluso aunque no sepamos cmo se calculan
esas funciones.
cuando el sistema de ecuaciones 2.1 tiene solucin nos
permite encontrar una expresin para y0(x) y z0(x), incluso
aunque no sepamos calcular y(x), z(x).

Vamos a considerar un sistema de ecuaciones

(2.2) f1(u, = 0
v)
f2(u, = 0
v)
.
.
.
fm(u, = 0
v)
donde u = (u1,...,un) Rn son las variables independientes y v =
(v1,...,vm) Rm son las variables que queremos despejar 1 y f1,f2,...,fm :
Rn Rm R. A este sistema le asociamos la expresin siguiente

Por ejemplo, para el sistema 2.1

36
4.8 Derivada direccional y gradiente
Cada vector del espacio ordinario tiene un mdulo y una direccin.
Cuando se fija un vector dr =(dx,dy,dz)=dxi+dyj+dzk dando valores
concretos a dx,dy,dz , se fija su mdulo y su direccin. Cada valor de
la diferencial de la funcin f en un punto (x,y,z) es el producto escalar
de su gradiente en ese punto por un vector dr, es decir,

f f f
f dr= dx+ dy+ dz = df x y z

En cada punto (x,y,z) el gradiente f es fijo, tiene un valor concreto;

pero el vector dr puede ser cualquiera; puede tener cualquier mdulo y
cualquier direccin.

Ejemplo

La diferencial de f x( ,y,z)= 3x2yz+5xz+6 en el punto (1,1,1) es

df(1,1,1) = f(1,1,1) dr =dx3dy+2dz

37
Su valor para el vector dr =(dx,dy,dz)=(1,3,2) es -14. Para dr
=(3,2,1) , que tiene el mismo mdulo que el anterior, pero direccin
distinta, la diferencial vale -1.

Hay infinitos vectores para cada direccin. Cada vector de una

direccin se obtiene de cualquiera otro de esa direccin
multiplicndolo por un nmero real. El vector ms representativo de
cada direccin es el vector unitario de esa direccin, que es el vector
de esa direccin cuyo mdulo es la unidad. Para obtener el vector
unitario u de una direccin a partir de cualquier otro vector v de esa
direccin hay que dividir v por su mdulo. El vector

dr
dr
u=

es un vector unitario2 de la misma direccin que dr. Y como de la

anterior igualdad dr = dr u=u, resulta que cualquier vector dr
de una direccin se obtiene multiplicando el vector unitario de esa
direccin por un nmero real , que es el mdulo de dr.

38
Que desde un punto (x0,y0,z0) del espacio ordinario se avance la
distancia en la direccin de un vector unitario u significa que al vector
(x0,y0,z0) se suma el vector u (Fig. 1). En efecto, como el mdulo de u
es la unidad, si vale 2 se avanza dos unidades, y si vale 0.5 se
retrocede 0.5 unidades.

z
( x0 ,y0 ,z0) + u
( x0 ,y0 ,z0) u

u
x

y Fig. 1.-
Trasladarse
unidades en la direccin de u desde el punto
(x0,y0,z0) significa sumar el vector u al vector (x0,y0,z0) .
A veces interesa lo que vara una funcin f x( ,y,z) definida en el
espacio ordinario por cada unidad de longitud que se avanza a partir
de un punto (x0,y0,z0) en la direccin de un vector unitario u. Para
hallar esa variacin, nos movemos una distancia a partir de (x0,y0,z0)
en esa direccin. Eso significa pasar del punto (x0,y0,z0) al punto
(x0,y0,z0)+u . Por tanto la funcin ha pasado de valer f x( 0,y0,z0) a valer f
(x0,y0,z0)+u. Su incremento ha sido

f (x0,y0,z0)+u f x( 0,y0,z0)
Y la variacin media por unidad de longitud en la direccin de u es

f (x0,y0,z0)+u f x( 0,y0,z0)
Lo que vara la funcin en los entornos ms pequeos de (x0,y0,z0) por
cada unidad de longitud en la direccin u se obtiene haciendo tender a
cero la distancia que nos movemos a partir de (x0,y0,z0):

f (x0,y0,z0)+u f x(
,y0,z0) lim
0 0

39
Si ese lmite existe se llama derivada de la funcin f en el punto
(x0,y0,z0) en la direccin de u. La derivada en la direccin de u en un
punto cualquiera (x,y,z) se designa por Duf . Por tanto,

f (x,y,z)+u f x( ,y,z)
D
f = lim
u (6)
0
Si esa derivada existe para todas las direcciones que parten de un
punto, es decir, para cualquier vector unitario u, existen las tres
derivadas parciales de f en ese punto, y pueden obtenerse de (6)
eligiendo como vector u el vector unitario en la direccin de cada eje
de coordenadas. Por ejemplo, el vector unitario en la direccin de x es

u=(1,0,0)

Y (6) queda

lim f (x,y,z)+(1,0,0) f x( ,y,z) = lim f x( +,y,z) f x( ,y,z) =f

0 0 x
De la misma forma para las otras variables.
Si f es funcin de una sola variable, entonces el vector unitario solo
tiene una componente, que vale 1. Es decir, u=( )1 , y (6) queda
lim f x( +) f x( ) = df ,
0 dx
que es la derivada de una funcin real de una sola variable real.
O sea, (6) es una definicin muy general de derivada que incluye como
casos particulares las definiciones de derivada parcial y de derivada de
una funcin real de una variable real. La derivada definida en (6) se
llama derivada direccional.

40
Gradiente
Se llama gradiente en un punto de una funcin real de varias variables
reales al conjunto ordenado de las derivadas parciales de esa funcin
en ese punto.

Por tanto, el gradiente de una funcin f x( ,y,z) en el punto (x0,y0,z0) es

f f f
, ,
x (x0,y0,z0) y(x0,y0,z0) z (x0,y0,z0)

Se denota por f . Es decir,

f )
(x0,y0,z0) =xf
(x0,y0,z0), yf
(x0,y0,z0),zf
(x0,y0,z0)
Cada derivada parcial en el punto (x0,y0,z0) se llama componente del
gradiente en ese punto.

La derivada en un punto de una funcin real de variable real informa

de lo que vara la funcin por cada unidad que vara la variable
independiente en ese punto. La misma informacin da el gradiente con
cada una de sus componentes: informa de lo que vara la funcin por
cada unidad que vara cada variable en el punto que se considere. As,
que el gradiente de una funcin f x( ,y,z) en el punto (3,2,4) sea (2, 0,
1) significa que, por cada unidad que vara x en los entornos ms
pequeos de 3 mantenindose y y z en los valores y=2 y z = 4 , f
vara 2; que f no vara si y vara en pequeos entornos de -2 con x y z
constantes en 3 y 4; y que f disminuye 1 por cada unidad que se
incrementa z en pequeos entornos de 4 con x e y en 3 y -2.
El gradiente de la funcin f en cualquier punto (x, y, z) se designa por

f f f

41
 f = , ,
(5)
x y z

El smbolo se llama nabla3. Se dice que nabla es un operador 4 que,

para tres variables x, y, z es

= ,,
x y z

Puesto delante de una funcin f real de tres variables reales indica (5);
o sea, da el gradiente de f.
f se lee gradiente de f, y nabla de f.

Gradiente de f se designa tambin con gradf, de manera que se puede

escribir

f f f
gradf =f = , ,
x y z

Si f es funcin de una sola variable, su gradiente en cada punto solo

tiene una componente, que es la derivada de f en ese punto.
Como cada derivada parcial en un punto de una funcin es un nmero
real, el gradiente en cada punto es un conjunto ordenado de nmeros
reales; o sea, un vector de dimensin el nmero de variables de la
funcin f. As f x( ,y,z) es un vector de dimensin 3 en cada punto
(x,y,z). Por eso el gradiente de f x( ,y,z) se escribe tambin

f f f
gradf =f = i+ j+ k
x y z

3 Parece que el nombre se debe al nombre griego de un instrumento

musical parecido a un arpa que tiene aproximadamente forma
triangular. Tambin parece que se lo puso Maxwell ms o menos

42
humorsticamente. Como el smbolo de la letra griega delta mayscula
es , el de nabla, , es una delta invertida.
Que nabla es un operador significa que se puede relacionar con las
funciones de diferentes formas. La nica relacin que se utiliza en este
artculo consiste en ponerlo delante de una funcin real de varias
variables reales. Puesto as significa gradiente de esa funcin. Por
f f f
ejemplo, f x,y,z()= x , y , z .

El gradiente de f es, por tanto, una funcin vectorial 3 de las mismas
variables reales que f.

Se llama funcin vectorial de dimensin n a cada funcin cuyo

conjunto de llegada es Rn . R designa el cuerpo de los nmeros
reales.
Si una funcin vectorial es el gradiente de una funcin escalar, la
funcin escalar se llama potencial de la funcin vectorial. Por tanto la
funcin f es el potencial de la funcin vectorial gradf=f .
Con la nueva notacin resulta que el operador se puede escribir con
cualquiera de los tres miembros de la igualdad

= , , = i+ j+ k
x y z x y z

Y el gradiente de f con cualquiera de los siguientes cuatro miembros:

f f f f f f
gradf =f = , , = i+ j+ k
x y z x y z

De la constatacin de que el gradiente es un vector surgen algunas

interpretaciones interesantes. Por ejemplo, consideremos un vector
cualquiera

43
 dr =(dx,dy,dz)= dxi+dyj+dzk
El producto escalar del gradiente por ese vector es

f f f f f f
f dr = (dx,dy,dz)= dx+ dy+ dz = df
x y z x y z

O, con la nueva notacin,

f f f f f f
f dr = i+ j+ k(dxi+dyj+dzk)= dx+ dy+ dz = df
x y z x y z

Es decir, el producto escalar del gradiente en un punto de una funcin

f por un vector cualquiera dr =(dx,dy,dz)= dxi+dyj+dzk es la diferencial
de f en ese punto.

Ejemplo

El gradiente de la funcin f x( ,y,z)= 3x2yz+5xz+6 es la funcin vectorial

f =(6xyz+5z, 3x2z, 3x2y+5x)
Los gradientes en los puntos (0,2,1) y (1,1,1) son,
respectivamente, los vectores

f(0,2,1) =5i

f(1,1,1) = i3j+2k
La funcin diferencial de f en cada punto (x,y,z) es la funcin de
(dx,dy,dz)

df = f dr=(6xyz+5z)dx+(3x2z)dy+(3x2y+5x)dz

44
Las funciones diferenciales en los puntos (0,2,1) y (1,1,1) son
respectivamente df(0,2,1) = f(0,2,1) dr = 5dx df(1,1,1) =
f(1,1,1) dr =dx3dy+2dz
Para dr =(dx,dy,dz)=(1,3,2) , esas diferenciales valen 5 y -14.

4.9 Extremos de las funciones de varias variables.

En esta seccin estudiaremos algunos problemas de optimizacin

para campos escalares, es decir, analizaremos la existencia,
clasificacin y obtencin de extremos (mximos y mnimos) relativos
y absolutos de una funcin escalar f :(x y, )U \2 f x y( , )\, de
dos variables (respectivamente, tres variables f :(x y z, , )U \3
f x y z( , , )\ ). La funcin f de la que se desean conocer sus
extremos se llama funcin objetivo. Los resultados que
estudiaremos en esta seccin guardan una gran analoga con el
estudio de los mximos y mnimos de una funcin de una nica
variable.

Extremos de funciones de dos variables. Comenzamos

enunciando la versin para dos variables del teorema de
Weierstrass, que nos garantiza la existencia de extremos absolutos

45
para funciones continuas definidas en conjuntos cerrados y
acotados. Previamente fijaremos algunos conceptos.

DEFINICIN. Sea f :(x y, )U \2 f x y( , )\ un campo escalar.

Se dice que f alcanza el mximo absoluto en un punto (x0, y0 )U si
f (x0, y0 ) f x y( , ) para todo (x, y)U. En este caso diremos que M
:= f x( 0, y0 ) es el mximo absoluto de f en U. Se dice que f alcanza
el mnimo absoluto en un punto (x0, y0 )U si f (x0, y0 ) f x y( , ) para
todo ( , )x y U. En este caso diremos que m:= f x( 0, y0 ) es el
mnimo absoluto de f en U.

EJEMPLO. Consideremos las funciones f1(x y, ) = x2 + y2 y f2 (x y, ) =

x2 y2 definidas en \2. Es claro que f1(0,0) = 0 x2 + y2 = f x y1( , ) y
que f2 (0,0) = 0 (x2 + y2 ) = f2 (x y, ) para cualquier punto (x y, )\2.
Es decir, la funcin f1(x y, ) tiene un mnimo absoluto en el origen de
coordenadas y la funcin f2 (x y, ) tiene un mximo absoluto en el
origen de coordenadas. Sin embargo, la funcin f1(x y, ) no tiene
mximo absoluto ya que no est acotada superiormente y, de forma
anloga, la funcin f2(x y, ) no tiene mnimo absoluto ya que no est
acotada inferiormente.

Como muestra el anterior ejemplo no toda funcin continua tiene

mximo o mnimo absoluto. El siguiente resultado nos proporciona
una condicin sobre el dominio bajo la que s existen los extremos
absolutos. Antes de enunciarlo precisaremos el concepto de
conjunto cerrado y conjunto acotado.
DEFINICIN. Un conjunto U \2 es un conjunto cerrado si contiene
a los puntos de su frontera. Se dice que un conjunto U \2 es

46
acotado si existe un disco D (centrado en el origen de coordenadas)
tal que U D.

OBSERVACIN. En general, y sin precisar demasiado, los conjuntos

de \2 formados por aquellos puntos que pertenecen al interior de una
curva cerrada junto con los propios puntos de la curva son conjuntos
cerrados. La frontera de estos conjuntos la constituye la mencionada
curva. Por ejemplo, el crculo {(x y, )\2 : x2 + y2 1} es un conjunto
cerrado porque contiene a su frontera que es la circunferencia de
ecuacin x2 + y2 =1. Sin embargo, el conjunto {(x y, )\2 : x2 + y2 <1}
no es un
conjunto cerrado porque no contiene a su frontera que es la
circunferencia de ecuacin x2 + y2 =1. 2 : x22 + by22 1, el
tringulo Tambin son conjuntos cerrados la elipse (y su interior) (x
y, )\ a

{(x y, )\2 : x 0, y 0,x + y 1} o el rectngulo {(x, y)\2 :a x b c,

y d}. Sin embargo, el rectngulo {(x, y)\2 :a < x b c, y d} o el
rombo {(x y, )\2 : x + y <1} no son conjuntos cerrados.

TEOREMA (WEIERSTRASS). Si U \2 es un conjunto cerrado y

acotado y si la funcin objetivo f :(x y, ) U \2 f x y( , )\ es
continua, entonces f alcanza en U sus valores mnimo y mximo
absolutos, es decir, existen dos puntos (x1, y1) y (x2, y2 )
pertenecientes a U tales que f (x y1, 1) ( , )f x y (f x2, y2 ) para todo
( , )x y U.

A continuacin estudiaremos (en esta seccin y en la siguiente) el

procedimiento general para obtener los extremos absolutos de una
funcin f en un conjunto.

47
OBSERVACIN. Los puntos (x1, y1) y (x2, y2 ) donde la funcin
objetivo f alcanza los extremos absolutos pueden pertenecer a la
frontera del conjunto U, o bien, al interior del conjunto U. El primer
caso ser analizado en la siguiente seccin. En esta seccin nos
ocuparemos del segundo. Es decir, cmo encontrar puntos del
interior del conjunto U donde la funcin puede alcanzar extremos

absolutos. Entre los puntos candidatos a buscar se encuentran los

extremos relativos de f que definimos a continuacin.

DEFINICIN. Sea f :(x y, ) U \2 f x y( , )\ un campo escalar.

Se dice que f alcanza un mximo relativo en un punto (x0, y0 )U si
existe un disco D centrado en (x0, y0 ) contenido en U tal que f (x0, y0
) f x y( , ) para todo (x, y)D. Se dice que f alcanza un mnimo
relativo en un punto (x0, y0 )U si existe un disco D centrado en (x0,
y0 ) contenido en U tal que f (x0, y0 ) f x y( , ) para todo (x, y)D.
Los mximos y mnimos relativos de f se llaman genri-
camente extremos relativos o extremos locales de f .

EJEMPLO. Consideremos la funcin f x y( , ) = (x2 + y2 1) .2 Vamos

a analizar sus extremos. Observemos que f x y( , ) = (x2 + y2 1)2 0

48
para todo (x y, )\2. Por tanto, en todos los puntos donde se anule la
funcin tendremos un mnimo absoluto. Puesto que la funcin se
anula si, y slo si, x2 + =y2 1, en todos los puntos de la circunferencia
x2 + y2 =1 la funcin alcanza un mnimo abso-
luto. Por otro lado, esta funcin no tiene mximo absoluto ya que no
est acotada superiormente. Sin embargo, s alcanza un mximo
relativo en el punto (0,0). Para comprobar esto observemos que f
(0,0) =1 y que si (x, y) pertenece al disco centrado en el punto (0,0) y
de radio 1, entonces
f x y( , ) = (x2 + <y21)2 1.

Con lo que llevamos estudiado hasta estos momentos no es fcil

comprobar que en este ejemplo no hay ms extremos relativos. Sin
embargo, esto ser consecuencia directa del siguiente resultado que
proporciona una condicin necesaria para que un punto sea un
extremo relativo.

PROPOSICIN (CONDICIN NECESARIA DE EXTREMO

RELATIVO). Si la funcin objetivo f tiene un extremo relativo en un
punto (x0, y0 ) y es diferenciable en dicho punto, entonces Df x( 0, y0 )
= 0, es decir, se verifica que fx(x0, y0 ) = fy(x0, y0 ) = 0.

DEM. Si f alcanza un extremo relativo en (x0, y0 ), entonces la funcin

h x( ) = f x y( , 0 ) de una variable tambin alcanza un extremo
relativo en el punto x0. Por tanto, h x( 0 ) = 0. Teniendo en cuenta que
fx (x0, y0 ) = h x( 0 ), obtenemos que fx (x0, y0 ) = 0. De forma anloga
se obtiene fy (x0, y0 ) = 0.

DEFINICIN. Se dice que un punto (x0, y0 )D es un punto

estacionario o punto crtico de la funcin objetivo f si Df x( 0, y0 ) = 0.

49

x
f (x y, ) = 0, OBSERVACIN. La igualdad Df x( 0, y0 ) = 0 nos
proporciona el sistema de ecuaciones fy (x y, ) = 0,

que nos permite obtener un conjunto de puntos candidatos a que en

ellos la funcin objetivo alcance un extremo relativo.

EJEMPLO. Volviendo al ejemplo de la funcin f x y( , ) = (x2 + y2 1)2,

vamos a usar la condicin necesaria de extremo relativo para ver
que ya habamos encontrado todos los extremos relativos. Para ello
calculamos los puntos crticos de la funcin, es decir, resolvemos el
sistema

fx (x y, ) = 4x x( 2 + =y2

fy (x y, ) = 4y x( 2 + =y2

Por un lado tenemos que los puntos de la circunferencia x2 + y2 =1

son todos puntos crticos. Ya sabemos que en ellos la funcin
alcanza el mnimo absoluto. La otra solucin del sistema es x = =y 0,
es decir, (0,0) es un punto crtico. Ya sabemos que la funcin
alcanza en este punto un
mximo relativo.

Volviendo al caso general, tenemos que decir que no todos estos

puntos crticos, es decir, soluciones del sistema ffyx ((x yx y,, )) =

=

0 ,
0, sern extremos relativos de la funcin f . Esto queda de

manifiesto en el siguiente ejemplo.

50
EJEMPLO. Como ocurre en el caso de una variable, no todos estos
puntos crticos, es decir, soluciones del sistema ffyx ((x yx y,, )) == 00,,
son extremos relativos de la funcin f . La funcin definida por
f (x y, ) = x2 y2 tiene un punto estacionario en (0,0), sin embargo
dicho punto no es un extremo
relativo de f , puesto que en cualquier entorno del origen hay puntos
en los que la funcin es positiva y puntos en los que la funcin es
negativa.

Los puntos estacionarios de una funcin que no son extremos

relativos de la misma se llaman puntos de silla o puntos de
ensilladura. El origen de coordenadas es un punto de silla para la
funcin
f (x y, ) = x2 y2.

Cmo podemos saber si un punto crtico es un mximo relativo, un

mnimo relativo o un punto de silla? Como sabemos, en el caso de
una variable se hace analizando el signo de la derivada segunda de
la funcin objetivo. En el caso de varias variables la clave est en la
matriz diferencial segunda de la funcin objetiva. A continuacin
veremos una condicin necesaria y otra suficiente en trminos de
las derivadas parciales segundas.

51
Conclusin
En conclusin aprendimos que una funcin real de varias variables
Una funcin real de varias variables reales es una regla explcita de
correspondencia que relaciona un vector real (x1, x2, ..., xn) con un
valor real y = f(x1, x2, ..., xn). Por ejemplo,
f(x1, x2) = x1+ x2
f(x1, x2, x3) = 2x1/ x2 + x3
f(x1, x2) = (x1 x2) - x3

Tambin reciben el nombre de funciones reales de variable vectorial,

debido a que relacionan un vector con un nmero real.
Simblicamente lo expresamos como una aplicacin del espacio Rn
en la recta real:
f: Rn R
(x1, x2, ..., xn) y

Bibliografa
itpn.mx/recursosisc/3semestre/calculovectorial/Unidad%20IV.pdf
https://calculovectorial2012-1.wikispaces.com/Unidad+4.+Funciones+de+varias+varia
https://tescicalculo3.files.wordpress.com/2011/09/apuntes-calculo-vectorial-2011.pdf
www.matematicaaplicada2.es/data/pdf/1328695720_1392213230.pdf
ajlasa.com/mate3/d-parc-sup.pdf
matematicas.unex.es/~montalvo/Analisis_Varias_Variables/apuntes/cap09.pdf

52