UCV - EECA Matemática III 2° Parcial

DIFERENCIAL DIFERENCIAL CON FUNCIONES DE VARIAS VARIABLES

Decimos que F es Diferenciable en x ∈ A sii:
① F está Definida en N(x , r).
② Para (x + h) ∈ N(x , r) ; existe "a" (independiente de h); tal que:
F(x + h) - F(x) = a‧h + Ҩ(x + h)‧h
con el Limite de Ҩ igual a 0 cuando h tiende a 0
● Si F'(x) existe, entonces a = F'(x) y el Diferencial de F en (x ,h) es:
dF(x , h) = F'(x)‧h
TEOREMA DEL VALOR MEDIO
Si DūF existe en un Conjunto Abierto A que contiene el segmento
ϰ, ϰ + h + hū ; entonces ∃ Ҩ ∈ [0 , 1] tal que:
F(ϰ + hū) - F(ϰ) = DūF(ϰ + Ҩħū)‧ħ
Sea F:DF ⊂ ℝn → ℝ y A un conjunto abierto; A ⊂ DF , ϰ ∈ A. Decimos que F es
Diferenciable en ϰ ∈ A sii:
① F está Definida en N(ϰ , r).
② Para (ϰ + ħ) ∈ N(ϰ , r) , existe ā (independiente de ħ), tal que :
F(ϰ + ħ) - F(ϰ) = ā‧ħ + Ҩ(ϰ + ħ)‧ħ
con el Limite de Ҩ igual a 0 cuando ħ tiende a 0
● Si ∇F(ϰ) existe, entonces ā = ∇F(ϰ) y el Diferenciable de F en ϰ,ħ es:
dF(ϰ , ħ) = ∇F(ϰ)‧ħ
TEOREMA
n
Sea F:DF ⊂ ℝ → ℝ ; si todas las Derivadas Parciales de F existen (es decir, existe el
∇F(ϰ)) y son continuas en A (abierto); entonces F es Diferenciable en A.

REGLA DE LA CADENA
TEOREMA DE LA FUNCIÓN IMPLÍCITA EN ℝ3
Sea F una Función F(x , y) y sea [ x = G(t) ⋀ y = H(t) ] ; si x , y son
3
Funciones Diferenciables de t ; entonces F es Diferenciable en t y se Sea F:DF ⊂ ℝ → ℝ , F ∈ A , (x0 , y0 , z0) ∈ A (abierto) y F(x , y , z) = 0.
cumple: F Define a z Implícitamente como Función de x,y en un entorno (x 0 , y0 , z0) sii:
dF dF dx dF dy dF dF
= ⋅ + ⋅ ① F(x0 , y0 , z0) = 0
dt dx dt dy dt dz dx dz dy
entonces → = − = −
dF dx dF ⋀ dy dF
DERIVADAS DE SEGUNDO ORDEN ② (x0 , y0 , z0) ≠ 0
dz dz dz
2
Supongamos que F : D F ⊂ ℝ → ℝ; es decir F(x , y) entonces las
Derivadas de Segundo Orden serán: En el caso de Dos Funciones; es decir, si F y G definen implícitamente a x,y
NOTA:
dF ⎛ dF ⎞ dF ⎛ dF ⎞ dF ⎛ dF ⎞ dF ⎛ dF ⎞ como funciones de z en un entorno P 0 = (x0 , y0 , z0) sii:
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ d(F , G)
dx ⎝ dx ⎠ dy ⎝ dx ⎠ dx ⎝ dy ⎠ dy ⎝ dy ⎠ ① F(P0) = 0 ⋀ G(P0) = 0 ② (P0) ≠ 0
d(x , y)
⇩ ⇩ ⇩ ⇩
dF dF d ( F , G) d ( F , G)
D11F(x , y) D12F(x , y) D21F(x , y) D22F(x , y)
d ( F , G) dx dy dx d ( z, y ) dy d ( x , z)
⇩ ⇩ ⇩ ⇩ = − =− = −
d ( x, y) dG dG dz d ( F , G) dz d ( F , G)
d F2
d 2F d 2F d2F dx dy d ( x, y) d ( x, y)
dx 2 dydx dxdy dy 2
TEOREMA DE CLAIRAUT
TEOREMA DE HEFFTER Y YOUNG Sea F(x , y) definida en un disco B que contiene al Punto (a , b) si D 12F y D21F son
Sea F(x , y) si D12F y D21F son Diferenciables en N(ϰ0 , r), entonces Continuas en B; entonces D 12F(a , b) = D21F(a , b).
D12F(ϰ) = D21F(ϰ) ; ϰ ∈ N(ϰ0 , r).
HESSIANA DE UNA FUNCIÓN (HF)
FUNCIÓN HOMOGÉNEA Hessiana de una Función de Dos
Hessiana de una Función de Tres Variables
Sea F : DF ⊂ ℝn → ℝ decimos que F es Homogénea de Grado k ∈ ℝ Variables
sii: Sea F(x , y), entonces HF(x , y) es: Sea F(x , y , z), entonces HF(x , y , z) es:
k
F(tϰ) = t ‧F(ϰ) t ∈ ℝ D11F D12F D11 F D12 F D13 F
HF(x , y) = HF(x , y , z) = D21F D22F D23F
PROPIEDADES DE FUNCIONES HOMOGÉNEAS
D21F D22F D31 F D32 F D33 F
Sea F : DF ⊂ ℝn → ℝ y G : DG ⊂ ℝn → ℝ
① Si F y G son Homogéneas de Grado k; entonces F + G es Matriz Matriz
Homogénea de Grado k.
② Si F y G son Homogéneas de Grado k 1 y k2 respectivamente, ③ Si F es Homogénea de Grado k y x i ≠ 0 ; entonces:
entonces: F(x1, x2, . . . , xi, . . . , xn) = xik‧F(x1/xi, x2/xi, . . . , 1, . . . , xn/xi)
✹ F ‧ G es Homogénea de Grado k 1 + k2. ④ Si F es Homogénea de Grado k, entonces el Diferencial de F es Homogénea de
Grado k - 1.
✹ F / G es Homogénea de Grado k1 - k2.
dF(tx1, tx2, . . . , txn) = tk - 1 ‧dF(x1, x2, . . . , xn)

SERIE DE TAYLOR
2
Sea F : DF ⊂ ℝ → ℝ con Derivadas Parciales continuas hasta las de Orden (n + 1). ◈ La Formula de Taylor de F en (x 0 , y0) es:
k
F(x , y) = ∑(1/k!)[D1F(x , x0)(x - x0) + D2F(x0 , y0)(y - y0)] + R( c) " ∑ desde k = 0 hasta n "
F(x , y) = F(x0 , y0) + (1/1!)[D1F(x - x0) + D2F(y - y0)] + (1/2!)[D1F(x - x0) + D2F(y - y0)] + (1/3!)[D1F(x - x0) + D2F(y - y0)]3 + ... + (1/n!)[D1F(x - x0) + D2F(y - y0)]n + R(c)
2

k = 2 (1/2!)[D1F(x - x0) + D2F(y - y0)]2 = (1/2!)[D11F(x - x0)2 + 2D12F(x - x0)(y - y0) + D22F(y - y0)2]

k = 3 (1/3!)[D1F(x - x0) + D2F(y - y0)]3 = (1/3!)[D111F(x - x0)3 + 3D112F(x - x0)2(y - y0) + 3D122F(x - x0)(y - y0)2 + D222F(y - y0)3]

Elaborado por: Eder Nunes

 UCV - EECA Matemática III 2° Parcial

MÁXIMOS Y MÍNIMOS
2
Se puede aplicar únicamente para funciones de Dos Variables (x , y). Sea F : D F ⊂ ℝ → ℝ Diferenciable en un entorno de (x 0 , y0); entonces para que
(x0 , y0) sea un Máximo o un Mínimo debe cumplirse: (Para determinar los Puntos (x 0 , y0) Críticos hacemos:)
⑴ Hallamos los Punto Critico de la siguiente manera: ⑵ Luego, determinar en cada Punto Critico
Ⓐ MÁXIMOS Y MÍNIMOS SIN CONDICIONES

① Primer Método

2
D = D11F(x0 , y0)‧D22F(x0 , y0) - (D12F(x0 , y0))
D1F(x0 , y0) = 0
Entonces:
⒈ Si D = 0 El Método Falla.
∇F(x0 , y0) = 0 Sistema de Ecuaciones
⒉ Si D < 0 El Punto (x0 , y0) es una Silla.
⒊ Si D > 0 se Observa D11F(x0 , y0) y si:
D2F(x0 , y0) = 0
- D11F(x0 , y0) < 0 El Punto (x0 , y0) es un Máximo.
- D11F(x0 , y0) > 0 El Punto (x0 , y0) es un Mínimo.

⑴ Hallamos los Punto Critico ⑵ Construimos la Matriz Hessiana de F (HF) y ⑶ Resolvemos la Ecuación Determinante:
② Segundo Método

Sea F : DF ⊂ ℝ → ℝ

de la siguiente manera: la evaluamos en cada Punto: det( HF - λI ) = 0 I = Matriz Identidad

n

D1F = 0 Entonces:
D11F D12F ... D1nF
Ecuaciones
Sistema de

D2F = 0 ⒈ Si todos los λi < 0 el Punto es un Máximo.

D21F D22F ... D2nF
D3F = 0 HF = ⒉ Si todos los λi > 0 el Punto es un Mínimo.

...

...
⒊ Si existen λi > 0 ⋀ λi < 0 el Punto es una Silla.
...

Dn1F Dn2F ... DnnF

DnF = 0 ⒋ Si todos los λi ≥ 0 ⋁ λi ≤ 0 el Criterio Falla.

Queremos Optimizar F(ϰ) Sujeto a Ciertas Condiciones g 1, g2, g3, . . . , gm "n = Variables y m = Condiciones" (m < n).
① Primer Método

El Primer Método es utilizado para Funciones de Tres variables; donde se despejan "m" variables de las condiciones y se sustituyen en la función
obteniendo así, una Función de Dos Variables; lo que nos lleva a la aplicación de los Métodos de Máximos y Mínimos sin Condiciones.

Queremos Optimizar F(ϰ) Sujeto a Ciertas Condiciones g 1, g2, g3, . . . , gm " n = Variables y m = Condiciones " (m < n).
Ⓑ MÁXIMOS Y MÍNIMOS CONDICIONADOS

El Segundo Método o Método de Lagrangiana tenemos una Función de n Variables F(x 1, x2, x3, . . . , xn) y tenemos "m" condiciones
g1, g2, g3, . . . , gm (m < n)

⑴ Construimos la Función Lagragiana de F (LF): ⑶ Construimos la Matriz Hessiana Acotada (HLF c)

LF = F + λ1g1 + λ2g2 + λ3g3 + . . . + λmgm

0mxm ∇g1 ∇g2 ∇g3 ∇g4
λi = Multiplicadores de Lagragiana.
∇g1
② Segundo Método

⑵ Hallamos los Punto Critico de la siguiente manera: ∇g2

HLFc =
D1LF = 0 ∇g3 HLF(nxn)
D2LF = 0
Sistema de Ecuaciones

D3LF = 0 ∇g4

∇g5
...

DnF = 0
g1 = 0
⑷ Comenzamos llamando a ∆i al Determinante menor Principal de Orden (2m+ 1).
g2 = 0
Entonces:
g3 = 0 m
⒈ Si todos los ∆i tienen el signo de (-1) el Punto es un Mínimo.
...

⒉ Si los ∆i tienen signos alternados comenzando con el signo de (-1) m+1 el

gm = 0
Punto es un Máximo.
⒊ Sino se cumple ni ⒈ ni ⒉ , pero todos los ∆i ≠ 0 el Punto es una Silla.
⒋ Si algún ∆i = 0 el Criterio Falla.

Elaborado por: Eder Nunes