Apunte USM - Varias Variables

U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
Universidad Tcnica Federico Santa Mara
Departamento de Matemtica
VARIAS VARIABLES
para MAT023
Vernica Gruenberg Stern
veronica.gruenberg@usm.cl
1. Nociones de Topologa en R
n
Denicin 1.1. Sea x R
n
, x = (x
1
, x
2
, , x
n
). Denimos la norma de x, y escribimos
|x| =
_
n
i=1
x
2
i
Notar que la norma de un vector en R
n
as denida es un nmero real no negativo y corresponde
al tamao magnitud de dicho vector.
Denicin 1.2. Si x, y R
n
, x = (x
1
, x
2
, , x
n
), y = (y
1
, y
2
, , y
n
), entonces la distancia
entre ellos est dada por
d(x, y) = |x y| =
_
n
i=1
(x
i
y
i
)
2
.
Si n = 1, 2 3, la distancia as denida coincide con la distancia euclideana usual.
En efecto, si n = 1, x = x R, y = y R, por lo que la distancia
d(x, y) = d(x, y) =
_
(x y)
2
= [x y[
Si n = 2, x = (x
1
, x
2
), y = (y
1
, y
2
), entonces
d(x, y) = |x y| =
_
2
i=1
(x
i
y
i
)
2
=
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
Anlogamente en el caso en que n = 3.
http://www.utfsm.cl/
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
1.1. Propiedades
Sean x, y R
n
, R. Entonces se cumplen las siguientes:
1. |x| 0, y |x| = 0 x =

0 .
2. |x| = [[ |x|.
3. |x y| = |y x| .
4.
i=1
x
i
y
i
|x| |y|, conocida como la desigualdad de CauchySchwarz.

5. |x +y| |x| +|y|, conocida como la desigualdad triangular.
Demostracin. Demostraremos slo 4 y 5.
4. Supongamos que x, y son vectores l.i. Luego, txy ,=

0 , t R, de donde |tx y|
2
,= 0,
es decir:
(tx
1
y
1
)
2
+ (tx
2
y
2
)
2
+ + (tx
n
y
n
)
2
,= 0
Reescribiendo esta relacin como una cuadrtica en la variable t:
_
n
i=1
x
2
i
_
t
2
2
_
n
i=1
x
i
y
i
_
t +
_
n
i=1
y
2
i
_
,= 0
Esto signica que el discriminante de la correspondiente ecuacin de segundo grado en t es
negativo, es decir,
4
_
n
i=1
x
i
y
i
_
2
4
_
n
i=1
x
2
i
_ _
n
i=1
y
2
i
_
< 0
_
n
i=1
x
i
y
i
_
2
<
_
n
i=1
x
2
i
_ _
n
i=1
y
2
i
_
y extrayendo raz cuadrada a ambos lados de la desigualdad, obtenemos la desigualdad pedida.
5.
|x +y|
2
= (x +y) (x +y)
= |x|
2
+ 2 (x y) + |y|
2
|x|
2
+ 2 [x y[ + |y|
2
|x|
2
+ 2 |x| |y| + |y|
2
(|x| +|y|)
2
Nuevamente, extrayendo raz cuadrada, obtenemos lo pedido.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
Denicin 1.3. Denimos la bola abierta vecindad abierta de centro a y radio r, al conjunto
B(a, r) = x R
n
: |x a| < r .
Ejemplos
1. En R
2
, B
_
(2, 2), 1
_
=
_
(x, y) R
2
: |(x, y) (2, 2)| < 1
_
=
_
(x, y) R
2
: (x 2)
2
+ (y 2)
2
< 1
_
.
2. Anlogamente, en R
3
, B
_
(2, 2, 1), 1
_
=
_
(x, y, z) R
3
: (x 2)
2
+ (y 2)
2
+ (z 1
2
< 1
_
.
1 2 3 4 1 2
1
2
3
X
Y
(a) disco
x y
z
1.0
2.0
3.0
4.0
5.0
-1.0
1.0
2.0
3.0
4.0
5.0
-1.0
1.0
2.0
3.0
-1.0
(b) esfera
Denicin 1.4. Sea U R
n
. Diremos que el conjunto U es abierto x
0
U r > 0 :
B(x
0
, r) U.
Ejemplos
1. En R, los intervalos de la forma I
1
=]a, b[, I
2
=] , b[, I
3
=]a, [ son conjuntos abiertos.
En cambio no son conjuntos abiertos los intervalos de la forma I
4
= [a, b], I
5
=]a, b],
I
6
= [a, b[, I
7
=] , b], I
8
= [a, [.
2. En R
2
, el conjunto A = (x, y) R
2
: x
2
+y
2
< 1 = B
_
(0, 0), 1
_
es un conjunto abierto. Es
fcil ver que, en general, B
_
(a
0
, b
0
), r
_
es un abierto, (a
0
, b
0
) R
2
.
X
Y
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
3. En R
2
, el conjunto H = (x, y) R
2
: y > 0 es abierto. Se conoce como el semiplano
superior.
X
Y
4. En R
3
, el conjunto A = (x, y, z) R
3
: x
2
+ y
2
+ z
2
< 9 es abierto. Grcamente, es el
interior de una esfera de radio 3 centrada en el origen (sin el borde).
x y
z
Denicin 1.5. Diremos que el conjunto F R
n
es cerrado si, y slo si, R
n
F es abierto.
Ejemplos
1. En R, los intervalos I
4
, I
7
e I
8
son conjuntos cerrados, ya que R I
4
= ] , a[ ]b, [,
R I
7
=]b, [, R I
8
=] , a[ son abiertos.
2. En R
2
2
: x
2
+y
2
1 es cerrado, pues
A = (x, y) R
2
: x
2
+y
2
> 1 es un conjunto abierto.
3. En R
2
2
: x 0, y 0 es cerrado. Corresponde, grcamente,
al primer cuadrante del plano cartesiano, incluyendo el borde.
4. En R
3
, el conjunto A = (x, y, z) R
3
: x
2
+ y
2
+ z
2
= 9 es cerrado, y tambin lo es el
conjunto A = (x, y, z) R
3
: x
2
+y
2
+z
2
9.
Denicin 1.6. Sea A R
n
; diremos que q R
n
es un punto de acumulacin de A si y slo
si,
r > 0,
_
B(q, r) q
_
A ,=
Denotamos al conjunto de los puntos de acumulacin de A como
A
= q R
n
: q es punto de acumulacin de A
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

5
Ejemplos
1. En R, consideremos el intervalo I =]a, b]. Si x ]a, b[ entonces (B(x, r) x) I ,= . Por
lo tanto, todos los x R : a < x < b son puntos de acumulacin de I. Adems, si x = a,
entonces tambin (B(a, r) a) I ,= , y si x = b, (B(b, r) b) I ,= . Hemos probado
entonces que el conjunto de puntos de acumulacin de I, I
= [a, b].
2. Como arriba, el intervalo cerrado [a, b] es el conjunto de puntos de acumulacin para los
siguientes intervalos en R : ]a, b[, [a, b[, [a, b].
3. En R, consideremos el conjunto A =
_
1
n
, n N
_
. El nico punto de acumulacin de A es el
0, es decir, A
= 0.
4. En R
2
, el conjunto de puntos de acumulacin de A =
_
(x, y) R
2
: x
2
+y
2
< 1
_
es el conjunto
A
=
_
(x, y) R
2
: x
2
+y
2
1
_
.
n
. Diremos que x
0
es un punto interior de A si, y slo si, r > 0 :
B(x
0
, r) A. Denotamos al conjunto de todos los puntos interiores de A por
A = x R
n
: x es un punto interior de A
Ejemplos
1. En R, el interior del intervalo I = [a, b] es

I =]a, b[. El mismo interior tienen los intervalos
]a, b[, [a, b[ y ]a, b].
]a, b]
a
b
]a, b[
a
b
[a, b]
a
b
[a, b[
a
b
2. En R
2
, el interior de la bola B((0, 0), 2) es la misma bola.
3. En R
2
, el interior de H =
_
(x, y) R
2
: y 0
_
es el semiplano superior.
4. El interior de A =
_
(x, y, z) R
3
: x
2
+y
2
+z
2
9
_
es la esfera sin el borde, es decir,
A =
_
(x, y, z) R
3
: x
2
+y
2
+z
2
< 9
_
.
5. En R
2
, el interior de A =
_
(x, y) R
2
: x
2
+y
2
= 4
_
es .
Ejercicios
Para cada uno de los siguientes conjuntos determine si es abierto, cerrado, sus puntos interiores
y de acumulacin:
(a) (b) R (c) R
n
(d) A =
_
1
n
, n N
_
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

6
n
; diremos que x
0
R
n
es un punto frontera de A si, y slo si,
> 0 : B(x
0
, ) A ,= B(x
0
, ) A
,=
Denotamos al conjunto de puntos frontera de A por Fr A o A.
Ejemplos
1. En R, los puntos frontera del intervalo I =]a, b] son los puntos a y b. Los mismos puntos son
frontera para los intervalos ]a, b[, [a, b] y [a, b[.
]a, b]
a
b
]a, b[
a
b
[a, b]
a
b
[a, b[
a
b
2. En R, el conjunto de puntos frontera de A =
_
1
n
, n N
_
es A = A 0.
0 1
1
2
1
3
1
4
1
5
3. En R
2
, el conjunto de puntos frontera de A = (x, y) R
2
: x
2
+ y
2
< 1 es el conjunto
A = (x, y) R
2
: x
2
+y
2
= 1.
n
, A ,= . Diremos que A es una regin si, y slo si, A es un conjunto
abierto y conexo, es decir, dados dos puntos cualquiera en A, estos pueden ser unidos por una lnea
poligonal.
Ejemplos
1. En R
2
, la bola B((0, 0), 2) es una regin. Cualquier bola es una regin en R
2
.
2. En general, B(x
0
, r) R
n
es una regin.
3. El semiplano superior es una regin.
4. En R
2
, el anillo abierto A =
_
(x, y) R
2
: 1 < x
2
+y
2
< 4
_
es una regin.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

7
2. Funciones Reales de Varias Variables
2.1. Funciones escalares de Varias Variables
En esta seccin, estudiaremos funciones que tienen como dominio un subconjunto A de R
n
y
recorrido en los reales, es decir,
f : A R
n
R.
Ejemplos:
1. Sea f : A R
2
R, con f(x, y) =
xy 5
2
_
y x
2
.
El dominio de f es el conjunto de puntos en R
2
en donde la frmula anterior est denida, es
decir, Dom(f) = (x, y) R
2
: y x
2
> 0. Grcamente, el dominio se representa por:
2. Sea f : A R
2
R, con f(x, y) =
ln x
_
4 x
2
y
. El dominio de esta funcin es el conjunto
Dom(f) = (x, y) R
2
: 4 > x
2
y x > 0. Grcamente:
3. Sea g : A R
2
R, con g(x, y) =
_
1 x
2
y
2
.
En este caso, para determinar el dominio de g se necesita que la raz est denida, es decir,
Dom(g) = (x, y) R
2
: 1 x
2
y
2
0 = (x, y) R
2
: x
2
+y
2
1.
Tambin, en este caso es posible determinar el Rec(g). Para ello, notar que x
2
+y
2
1 =
1 x
2
y
2
0, de donde Rec(g) = [0, 1].
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

8
Denicin 2.1. Sea f : A R
n
R una funcin, donde Dom(f) = A, y tal que
(x
1
, x
2
, , x
n
) f(x
1
, x
2
, , x
n
).
Denimos el grco de f como el conjunto
G
f
= (x
1
, x
2
, , x
n
, f(x
1
, x
2
, , x
n
)) R
n+1
: (x
1
, x
2
, , x
n
) A
Es decir, el grco de una funcin de n variables es un subconjunto de R
n+1
, por lo cual slo
podemos dibujar los grcos de funciones de 1 2 variables.
1. Sea f : A R
2
R, con f(x, y) = e
(x
2
+y
2
)
. En este caso, f est bien denida para todos
los valores de R
2
, de donde Dom(f) = R
2
Ser posible determinar el Rec(f)? Notar que
x
2
+y
2
0, (x, y) R
2
. Luego, como el exponente tiene signo negativo, tenemos que el valor
mximo lo obtenemos para (x, y) = (0, 0), y los valores de la funcin decrecen a medida que
x
2
+y
2
crece. Por tanto, Rec(f) =]0, 1].
El grco de z = f(x, y) es:
x y
z
2. Sea f : A R
2
R, con f(x, y) = sen xy. Nuevamente, f est bien denida para todos
los valores de R
2
, de donde Dom(f) = R
2
. Como u R : 1 sen u 1, es claro
que Rec(f) =] 1, 1[.
Para poder relacionar cuerpos, supercies y curvas en el espacio con sus correspondientes ecua-
ciones cartesianas, es recomendable aprovechar el conocimiento algebraico de ecuaciones (y sus
correspondientes representaciones grcas) en el plano y en espacio, conseguido en cursos anterio-
res.
Por ello, comenzaremos recordando brevemente las ecuaciones cannicas y correspondientes gr-
cas de las cnicas, en el plano.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

9
Recta
1 2 1 2
1
2
1
y = mx +n
Circunferencia x
2
+y
2
= r
2
Elipse
x
2
a
2
+
y
2
b
2
= 1
Parbola y =
1
4p
x
2
Hiprbola
x
2
a
2

y
2
b
2
= 1
Figura 1: Algunos grcos.
De cursos pasados, sabemos que estas cnicas pueden encontrarse trasladadas y/o rotadas en el
plano. En ese caso, la forma de la ecuacin es una cudrica, es decir, de la forma
Ax
2
+By
2
+Cxy +Dx +E y +F = 0
y que mediante traslaciones y rotaciones es posible llevarlas a una de las formas anteriores.
Anlogamente las supercies cudricas, es decir, supercies con ecuacin de la forma
Ax
2
+By
2
+C z
2
+Dxy +E yz +F xz +Gx +H y +I z +J = 0
representan supercies en el espacio tridimensional, y es posible demostrar, usando traslaciones y
rotaciones, que se obtiene alguna de las siguientes formas cannicas:
Ax
2
+By
2
+Cz
2
+D = 0 (1)
Ax
2
+By
2
+Cz = 0 (2)
Generalicemos al espacio, en primer lugar, las grcos de la gura 1.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
0
Ecuacin Grco en R
2
Grco en R
3
(a) y = mx +n
1 2 1 2
1
2
1
x
y
z
(b) x
2
+y
2
= r
2
y
z
x
(c)
x
2
a
2
+
y
2
b
2
= 1
y
z
x
(d) y = cx
2
y
z
x
Figura 2: Representaciones en R
2
y R
3
Sabemos, sin embargo, que hay otras supercies cudricas. Las ms relevantes:
1. Esfera:
x
2
+y
2
+z
2
= r
2
2. Elipsoide:
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1 a, b, c > 0
-2
-1
-2
-2
-1
-1
0
0
x
z
1
y
0
2
1
1
2
2
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
1
3. Hiperboloide de una hoja:
x
2
a
2
+
y
2
b
2

z
2
c
2
= 1
-2
-1
-2
-2
0
-1
x
-1
0
y
z
1
0
1
2
1
2
2
4. Hiperboloide de dos hojas:
x
2
a
2
+
y
2
b
2

z
2
c
2
= 1
-4
-2
0 x
-4
-4
2
-2
-2
0
2
z
y
0
4
4
2
4
5. Paraboloide:
x
2
a
2
+
y
2
b
2
= cz, c > 0
-2
-1
y
0
1
2
-2
-1
0
x
1
-1
2
0
1
2
z
3
4
6. Cono:
x
2
a
2
+
y
2
b
2
=
z
2
c
2
-4
-2
-4
-4
0
x
-2
-2
0
2
0
z
y 2
2
4
4
4
7. Paraboloide hiperblico:
y
2
a
2

x
2
b
2
= cz, c > 0
-4
-2
0 x
2 -4
-4
-2
-2
z
y
0
0
2
2
4
4
4
Observacin. El intercambio de posicin de las variables en las ecuaciones no altera la naturaleza
bsica de una supercie, pero s cambia la orientacin de la supercie en el espacio.
Ejercicios. Graque las siguientes:
1. y = x
2
+z
2
e y = x
2
z
2
2. 2x
2
4y
2
+z
2
= 0 y 2x
2
+ 4y
2
+z
2
= 36
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
2
2.2. Funciones Vectoriales
En esta seccin, estudiaremos funciones que tienen como dominio un subconjunto A de R
n
recorrido en R
m
, es decir,
f : A R
n
R
m
.
Ejemplos: PENDIENTE
2.3. Curvas y Supercies de Nivel
2
R. Para cada z
0
Rec(f) denimos la correspondiente curva
de nivel como el conjunto
C
z
0
= (x, y) A : f(x, y) = z
0
Observacin. En otras palabras, si f es una funcin de dos variables, las intersecciones de G

f
con
planos paralelos al plano XY (o sea, planos en los que z = z
0
=cte.), se llaman curvas de nivel
o de contorno (muy usadas en mapas topogrcos, hidrogrcos, meteorolgicos, etc.)
Ejemplo. Sea f : A R
2
R, f(x, y) = 9 x
2
y
2
donde A = (x, y) R
2
: x
2
+ y
2
9.
Entonces, las curvas de nivel se obtienen al hacer z = f(x, y) = k =cte. Para distintos valores de
la constante k, obtenemos circunferencias de diferentes radios. Por ejemplo, si k = 0, obtenemos la
circunferencia centrada en el origen y de radio 3. Si k = 5, obtenemos la circunferencia centrada en
el origen de radio 2, y as sucesivamente.
X
Y
k = 5
k = 8
3
R. Para cada w
0
Rec(f) denimos la correspondiente
supercie de nivel como el conjunto
C
w
0
= (x, y, z) A : f(x, y, z) = w
0
Observacin.
1. Si f es una funcin de 3 variables, es decir, f : A R
3
R, el anlogo a las curvas de nivel de
f son las grcas de f(x, y, z) = k =cte., y por lo tanto en lugar de curvas lo que obtenemos
son supercies de nivel .
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
3
2. Es posible generalizar el concepto de supercies de nivel, considerando funciones de R
n
a
R
m
. Ms precisamente, si F : A R
n
R
m
, F(x
1
, x
2
, , x
n
) = (f
1
(x), f
2
(x), , f
m
(x)),
para cada

b Rec(F) denimos la correspondiente supercie de nivel como el conjunto
C
b
= x A : F(x) =

b
Ejemplo. Determine las supercies de nivel de f, si
1. f : R
3
R, dada por f(x, y, z) = x
2
+y
2
+z
2
.
2. f : R
3
R, dada por f(x, y, z) = x
2
+y
2
z
2
. .
Solucin
1. Como x
2
+y
2
+z
2
0 (x, y, z) R
3
, se tiene que:
a) w < 0 C
w
= .
b) w = 0 C
w
= (0, 0, 0).
c) w > 0 C
w
= x
2
+y
2
+z
2
= w, es decir, esferas de centro en

0 y radio

w.
2. Tenemos los siguientes tres casos:
Caso I) x
2
+y
2
z
2
= 0
-4
-2
-4
-4
0
x
-2
-2
0
2
0
z
y 2
2
4
4
4
Caso II) x
2
+y
2
z
2
> 0
-2
-1
-2
-2
0
-1
x
-1
0
y
z
1
0
1
2
1
2
2
Caso III) x
2
+y
2
z
2
< 0
-4
-2
0 x
-4
-4
2
-2
-2
0
2
z
y
0
4
4
2
4
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
4
Ejercicios
1. Determine y graque A R
2
tal que sea el dominio de:
(a) f(x, y) =
_
36 x
2
y
2
(b) f(x, y) =
_
x
2
+y
2
16
x
(c) f(x, y) =
x + 1
[y 1[
2. Describa las curvas de nivel correspondientes a los valores de f(x, y) = C, que se indican, para
las supercies:
(a) f(x, y) = x
2
y
2
, C = 0, 1, 4, 9
(b) f(x, y) = cos(x +y), C = 1, 0,
1
2
, 1
3. Sea f : R
2
R
2
, dada por f(s, t) = (s
2
+t
2
, 2st). Encuentre la imagen del crculo
s
2
+t
2
a
2
.
4. Sea f : R
2
R
3
, dada por f(u, v) = (v cos 2u, v sen 2u, 1 v). Determine la imagen
de R
2
, y la imagen del cuadrado 0 u 1, 0 v 1.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
5
3. Lmites y Continuidad
Tal como en el caso de funciones de una variable, si f : A R
n
R es una funcin de n
variables, y x
0
R
n
es un punto de acumulacin de A, diremos que el lmite de f cuando x se
acerca a x
0
es L R si la diferencia [f(x) L[ puede hacerse arbitrariamente pequea, si se escoge
x sucientemente cerca de x
0
.
En otras palabras, si f es una funcin que est denida en alguna bola abierta B(x
0
, r) excepto,
posiblemente en x
0
(es decir, x
0
es un punto de acumulacin del Dom(f)), entonces
lm
xx
0
f(x) = L > 0 > 0 : 0 < d(x, x
0
) < = [f(x) L[ <
Ejemplos
Demuestre que:
1. lm
(x,y)(1,3)
2x + 3y = 11.
2. lm
(x,y)(1,2)
5x 3y = 1.
3. lm
(x,y)(0,1)
4x +y
2
= 1.
4. lm
(x,y)(1,2)
4x
2
+y = 6.
5. lm
(x,y)(0,0)
x
2
y
2
x
2
+y
2
= 0.
6. lm
(x,y)(0,0)
xy
x
2
y
2
x
2
+y
2
= 0.
7. lm
(x,y)(4,1)
3x + 2y = 14.
8. lm
(x,y)(1,1)
x
y
= 1.
Solucin
1. Probar que lm
(x,y)(1,3)
2x + 3y = 11 requiere demostrar que dado cualquier > 0 es
posible encontrar un > 0 de modo que si la distancia entre (x, y) y (1, 3)) es menor que ,
es decir, si 0 <
_
(x 1)
2
+ (y 3)
2
< entonces [2x + 3y 11[ < .
Notemos que: [2x + 3y 11[ = [2(x 1) + 3(y 3)[
2[x 1[ + 3[y 3[ (por la desigualdad triangular)
2
_
(x 1)
2
+ (y 3)
2
+ 3
_
(x 1)
2
+ (y 3)
2
pues [x 1[
_
(x 1)
2
+ (y 3)
2
e
[y 3[
_
(x 1)
2
+ (y 3)
2
5
_
(x 1)
2
+ (y 3)
2
< 5
Si esta ltima expresin es menor que , se tendr, por transitividad, que [2x+3y 11[ < .
Luego, para lograr lo que queremos demostrar, basta escoger

5
.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
6
2. Anlogamente, lm
(x,y)(1,2)
5x 3y = 1
> 0 > 0 : 0 <
_
(x 1)
2
+ (y 2)
2
< = [5x 3y + 1[ <
Como antes:
[5x 3y + 1[ = [5(x 1) 3(y 2)[ 5[x 1[ + 3[y 2[
8
_
(x 1)
2
+ (y 2)
2
< 8.
Luego, para que esto sea menor que , basta tomar

8
.
3. lm
(x,y)(0,1)
4x +y
2
= 1
> 0 > 0 : 0 <
_
x
2
+ (y 1)
2
< = [4x +y
2
1[ <
Ahora, [4x +y
2
1[ = [4x + (y + 1)(y 1)[ 4[x[ +[y + 1[ [y 1[ (desig. triangular)
Como antes, sabemos que [x[
_
x
2
+ (y 1)
2
y [y 1[
_
x
2
+ (y 1)
2
.
Debemos acotar [y + 1[. Para ello, suponemos que
1
= 1. Luego:
[y 1[
_
x
2
+ (y 1)
2
1 (=
1
) de donde [y 1[ 1
1 < y 1 < 1 1 < y + 1 < 3 de donde [y + 1[ < 3
Luego:
4[x[ +[y + 1[ [y 1[ 4
_
x
2
+ (y 1)
2
+ 3
_
x
2
+ (y 1)
2
7
_
x
2
+ (y 1)
2
< 7
2
Para que lo anterior sea menor que , escogemos
2

7
(usamos
2
porque ya escogimos
un
1
= 1). Cul , (
1

2
) ser el apropiado para demostrar este lmite?
Basta considerar = min
1
,
2
= min1,

7
.
4. Dejamos 4., 7. y 8. como ejercicio al lector. Demostramos ahora:
5. Para probar que lm
(x,y)(0,0)
x
2
y
2
x
2
+y
2
= 0, acotamos
x
2
y
2
x
2
+y
2
0
x
2
y
2
x
2
+y
2
x
2
y
2
x
2
= [y
2
[ (
_
x
2
+y
2
)
2
<
2
Escogemos =

.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
7
6. Para probar que lm
(x,y)(0,0)
xy
x
2
y
2
x
2
+y
2
= 0, acotamos
xy
x
2
y
2
x
2
+y
2
0
xy
x
2
y
2
x
2
+y
2
[xy[ (
_
x
2
+y
2
)
2
<
2
Escogemos =

.
Proposicin 1. Si lm
xx
0
f(x) = L
1
y lm
xx
0
f(x) = L
2
, entonces L
1
= L
2
.
La proposicin anterior dice que si el lmite de una funcin en un punto existe, este lmite
es nico. En otras palabras, si una funcin tiene diferentes lmites cuando x x
0
a travs de
conjuntos diferentes de puntos (distintos caminos), entonces lm
xx
0
f(x) no existe.
Luego, a pesar de no tener an de un mtodo para calcular lmites de varias variables, disponemos
de un criterio que nos permite demostrar que algunos lmites no existen.
Ejemplos
Determine si existen o no los siguientes:
1. lm
(x,y)(0,0)
xy
x
2
+y
2
.
2. lm
(x,y)(0,0)
x
4
y
4
(x
2
+y
4
)
3
.
3. lm
(x,y)(0,0)
ax +by
(cx +dy)
.
4. lm
(x,y)(0,0)
x
2
y
x
4
+y
4
.
5. lm
(x,y)(0,0)
x
4
y
x
6
+y
3
.
6. lm
(x,y)(0,0)
x
3
+y
3
x
2
+y
.
7. lm
(x,y,z)(0,0,0)
xy z
2
x
2
+y
2
+z
2
.
Solucin
1. Para determinar si lm
(x,y)(0,0)
xy
x
2
+y
2
existe, buscaremos diferentes maneras caminos
para aproximarnos al punto de acumulacin (0,0).
Si y = x, entonces lm
(x,y)(0,0)
xy
x
2
+y
2
= lm
x0
x
2
2x
2
=
1
2
Si y = x, entonces lm
(x,y)(0,0)
xy
x
2
+y
2
= lm
x0
x
2
2x
2
=
1
2
Como ambos valores son diferentes, lm
(x,y)(0,0)
xy
x
2
+y
2
no existe.
En lugar de escoger, arbitrariamente, las 2 rectas anteriores, podramos haber tomado una
recta genrica, de la forma: y = mx.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
8
Entonces lm
(x,y)(0,0)
xy
x
2
+y
2
= lm
x0
mx
2
x
2
(1 +m
2
)
=
m
1 +m
2
As, observamos que el valor del lmite depende de la pendiente de la recta por la cual nos
acercamos, es decir, no sera nico. Luego, no existe.
2. Para determinar si lm
(x,y)(0,0)
x
4
y
4
(x
2
+y
4
)
3
existe, nos aproximamos a (0,0) mediante una
recta genrica y = mx. As:
lm
(x,y)(0,0)
x
4
y
4
(x
2
+y
4
)
3
= lm
x0
m
4
x
8
(x
2
+ (mx)
4
)
3
= lm
x0
m
4
x
8
x
6
(1 +m
4
x
2
)
3
= 0
Sin embargo, si nos aproximamos por la parbola x = y
2
:
lm
(x,y)(0,0)
x
4
y
4
(x
2
+y
4
)
3
= lm
y0
y
12
(2y
4
)
3
=
1
8
.
Este valor no coincide con el valor al aproximarnos por rectas. Luego, el lmite no existe.
3. Desarrollaremos el nmero 6., dejando los dems como ejercicio. Para determinar un posible
candidato a lmite para el ejemplo, consideramos rectas genricas y = mx, de donde:
lm
(x,y)(0,0)
x
3
+y
3
x
2
+y
= lm
x0
x
3
+m
3
x
3
x
2
+mx
= lm
x0
x
2
(1 +m
3
)
x +m
= 0
Pero si consideramos la curva que pasa por el origen y = x
3
x
2
, obtenemos:
lm
(x,y)(0,0)
x
3
+y
3
x
2
+y
= lm
x0
x
3
+ (x
3
x
2
)
3
x
2
+x
3
x
2
= lm
x0
1 + (x
2
x)
3
= 1
Por lo tanto, este lmite no existe.
Entre todas las aproximaciones posibles a un punto x
0
R
2
, existe una forma distinguida,
llamada lmites iterados y que denimos a continuacin.
Denicin 3.1. Llamamos lmites iterados de f(x, y) a los siguientes caminos que permiten
obtener un candidato a lmite:
lm
xx
0
_
lm
yy
0
f(x, y)
_
y lm
yy
0
_
lm
xx
0
f(x, y)
_
Observacin
Si los lmites iterados coinciden, ello no signica necesariamente que el lmite de una funcin
en un punto exista.
Si los lmites iterados dieres, entonces el lmite no existe.
La gura muestra la forma de los caminos que producen los lmites iterados.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

1
9
x
0
y
0
x
0
y
0
3.1. Algebra de Lmites
Sea x
0
R
n
punto de acumulacin para f, g : A R
n
R. Entonces, si
lm
xx
0
f(x) = L
1
y lm
xx
0
g(x) = L
2
, se tiene:
1. lm
xx0
(f(x) g(x)) = L
1
L
2
2. lm
xx0
cf(x) = cL
1
, c R
3. lm
xx0
f(x) g(x) = L
1
L
2
4. Si L
2
,= 0, lm
xx0
f(x)
g(x)
=
L
1
L
2
5. Si f(x) 0 x A, lm
xx0
f(x) 0
6. Si f(x) 0 x D A,
lm
xx0
_
f(x) =
_
lm
xx0
f(x)
Teorema 1 (del acotamiento). Si lm
xx
0
f(x) = L = lm
xx
0
g(x) y si f h g en una bola
reducida de centro x
0
, que denotamos por V , es decir, una bola B(x
0
, r) a la cual le quitamos el
punto x
0
, entonces lm
xx
0
h(x) = L.
Ejemplos
En los primeros 3 ejemplos, el lgebra permite calcular los lmites como si fuesen en una variable.
El cuarto ejemplo hace uso del teorema anterior, y el quinto usa ambos.
1. lm
(x,y)(1,0)
xy
2
y
2
+x 1
x 1
= lm
(x,y)(1,0)
(x 1)(y
2
+ 1)
x 1
= 1
2. lm
(x,y)(0,0)
sen xsen y
sen xy
= lm
(x,y)(0,0)
sen xsen y
xy
xy
sen xy
= 1
3. lm
(x,y)(0,0)
6(1 cos xy)
x
2
y sen 2y
= lm
(x,y)(0,0)
6(1 cos
2
xy)
x
2
y sen 2y(1 + cos xy)
=
= lm
(x,y)(0,0)
6y sen
2
xy
x
2
y
2
sen 2y(1 + cos xy)
= lm
(x,y)(0,0)
3
1 + cos xy
=
3
2
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
0
4. lm
(x,y)(0,0)
xy
_
x
2
+y
2
. Para calcular este lmite, notemos que
0 lm
(x,y)(0,0)
[xy[
_
x
2
+y
2
lm
(x,y)(0,0)
(
_
x
2
+y
2
)
2
_
x
2
+y
2
= lm
(x,y)(0,0)
_
x
2
+y
2
= 0
Luego, lm
(x,y)(0,0)
[xy[
_
x
2
+y
2
= 0, de donde lm
(x,y)(0,0)
xy
_
x
2
+y
2
= 0
5. lm
(x,y)(0,0)
xy sen(y
3
)
x
4
+y
4
= lm
(x,y)(0,0)
xy
4
x
4
+y
4

sen(y
3
)
y
3
= lm
(x,y)(0,0)
xy
4
x
4
+y
4
lm
(x,y)(0,0)
sen(y
3
)
y
3
= 0 1 = 0
En efecto: 0
xy
4
x
4
+y
4
[x[ y lm
(x,y)(0,0)
[x[ = 0 .
3.2. Continuidad
Denicin 3.2. Diremos que f : A R
n
R es continua en x
0
R
n
si, y slo si,
1. f(x) est denida en una vecindad de x
0
2. lm
xx
0
f(x) = L
3. f(x
0
) = L
Ejemplos
1. Probar que
f(x, y) =
_
_
_
xy
x
2
y
2
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
es continua en (0, 0).
a) f(x, y) est denida en (0, 0) y en una vecindad de l.
b) Veamos que lm
(x,y)(0,0)
xy
x
2
y
2
x
2
+y
2
= 0.
xy
x
2
y
2
x
2
+y
2
0
xy
x
2
y
2
x
2
+y
2
[xy[
_
_
x
2
+y
2
_
2
= x
2
+y
2
<
Por lo tanto, basta tomar

c) f(0, 0) = 0 = lm
(x,y)(0,0)
f(x, y).
Luego, f es continua en (0, 0)
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
1
2. Estudiar la continuidad en el origen de
f(x, y) =
_
_
_
x
2
y
2
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Usando lmites iterados:
lm
x0
_
lm
y0
x
2
y
2
x
2
+y
2
_
= lm
x0
x
2
x
2
= 1
lm
y0
_
lm
x0
x
2
y
2
x
2
+y
2
_
= lm
y0
y
2
y
2
= 1
Como ambos lmites son distintos, el lmite de f no existe, y por lo tanto f no puede ser
continua en (0,0).
Denicin 3.3. Diremos que f es continua en una regin D Dom(f) si, y slo si, f es continua
en cada punto de D.
3.3. Propiedades
Sean f, g : A R
n
R continuas en x
0
. Entonces:
1. cf +g es continua en x
0
, c R.
2. fg es continua en x
0
.
3. Si g(x
0
) ,= 0 en alguna vecindad de x
0
entonces
f
g
es continua en x
0
.
4. Si h es una funcin continua cuyo dominio permita que la composicin hf est bien denida,
entonces la composicin h f tambin es continua en x
0
. En particular:
a) [f[ es continua en x
0
.
b) Si g(x
0
) 0 en una vecindad de x
0
entonces

g es continua en x
0
.
Ejemplos
1. Determine los puntos de R
2
en donde la funcin f(x, y) =
xy 1
x
2
y
es discontinua.
Solucin:
Claramente, f es discontinua si y = x
2
.
2. Determine si
f(x, y) =
_
_
1 cos
_
x
2
+y
2
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
es continua en (0, 0).
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
2
Solucin:
lm
(x,y)(0,0)
f(x, y) = lm
(x,y)(0,0)
1 cos
_
x
2
+y
2
x
2
+y
2

1 + cos
_
x
2
+y
2
1 + cos
_
x
2
+y
2
= lm
(x,y)(0,0)
1 cos
2
_
x
2
+y
2
(x
2
+y
2
)
_
1 + cos
_
x
2
+y
2
_
= lm
(x,y)(0,0)
sen
2
_
x
2
+y
2
_
_
x
2
+y
2
_
2
_
1 + cos
_
x
2
+y
2
_
=
1
2
Luego, f no es continua en (0, 0), pues lm
(x,y)(0,0)
f(x, y) ,= f(0, 0). Pero, si redenimos la
funcin en (0, 0), tal que f(0, 0) =
1
2
, esta nueva funcin es continua en el origen.
3. Estudie la continuidad en R
2
de
f(x, y) =
_
_
1
x
sen
_
x
2
+[xy[
_
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Solucin:
a) Claramente, f es continua si x ,= 0.
b) Consideremos ahora puntos en los que x = 0, es decir, puntos de la forma (0, b).
lm
(x,y)(0,b)
f(x, y) = lm
(x,y)(0,b)
1
x
sen
_
x
2
+[xy[
_
x
2
+[xy[
x
2
+[xy[
= lm
(x,y)(0,b)
x
2
+[xy[
x
= lm
(x,y)(0,b)
x +
[x[[y[
x
=
_
0, b = 0
b, b ,= 0
Por lo tanto, f es continua en (0, 0) pero no es continua en los puntos de la forma
(x, y) = (0, b), b ,= 0.
Ejercicios
Determine si las siguientes son o no continuas en (0, 0):
1. f(x, y) =
_
_
4x
3
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
3
2. f(x, y) =
_
_
xy x
x
2
2x +y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
3. f(x, y) =
_
_
x
2
y
2
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
3.4. Cambio de variable. Caso particular: Coordenadas Polares
Observacin: Se debe ser cuidadoso al utilizar cambio de coordenadas para el clculo de lmites,
particularmente las coordenadas polares. Consideremos el siguiente ejemplo:
Ejemplo. Estudie la continuidad en (0, 0) de la funcin
f(x, y) =
_
_
_
x
2
xy
x +y
, si (x, y) ,= (0, 0)
0, si (x, y) = (0, 0)
Solucin: Si usamos coordenadas polares:
lm
(x,y)(0,0)
x
2
xy
x +y
= lm
r0
r
2
(cos
2
cos sin )
r(cos + sen )
= lm
r0
r cos (cos sen )
(cos + sen )
=
= lm
r0
r cos (cos sen )
(cos + sen )

cos sen
cos sen
= lm
r0
r cos (1 sen 2)
2 cos
2
1
La tentacin para armar que el lmite anterior es 0 es grande, pero ello no es correscto, puesto
que existe un ngulo (al menos) para el cual el denominador tambin se anula.
Si usamos el camino y = x notamos que el lmite queda: lm
x0
x
2
+x
2
x x

Por lo tanto f no es continua en (0,0).
3.5. Lmites y Continuidad de Funciones de R
n
R
m
Una funcin vectorial de variable vectorial es una funcin

F : A R
n
R
m
que asocia a cada
x R
n
un punto

F(x) = (f
1
(x), f
2
(x), , f
m
(x)) R
m
. Cada funcin f
i
(x), i = 1, , m se
denomina funcin componente de

F.
Ejemplos
1. La transformacin lineal T : R
2
R
3
, dado por T(x, y) = (x +2y, 3x +y, x 4y)
es una de estas funciones. En general, todas las transformaciones lineales de R
n
R
m
son
funciones vectoriales de variable vectorial.
2. T : R
3
R
3
, dado por T(x, y, z) = (xy
2
, cos xyz, x +y +z).
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
4
Denicin 3.4. Sea

F : A R
n
R
m
, y sea x
0
R
n
un punto de acumulacin de A.
Diremos que lm
xx
0
F(x) =

L R
m
> 0 > 0 : 0 < d(x, x

0
) < =
_
_
_
F(x)

L
_
_
_ <
Teorema 2. Sea

F : A R
n
R
m
, x
0
R
n
y

L = (l
1
, l
2
, ,
m
). Entonces,
lm
xx
0
F(x) =

L lm
xx
0
f
i
(x) = l
i
, i = 1, , m
Denicin 3.5. Sea

F : A R
n
R
m
, x
0
A. Diremos que

F es continua en x
0

lm
xx
0
F(x) =

F(x
0
).
3.6. Derivadas Parciales
Hallaremos a continuacin las derivadas parciales de una funcin f, es decir, aquellas que se
obtienen al derivar la funcin respecto a slo una de las variables considerando las otras como
constantes.
Denicin 3.6. Sea f : R
n
R, a = (a
1
, a
2
, , a
n
) R
n
. Si el lmite
lm
h0
f(a
1
, , a
i1
, a
i
+h, a
i+1
, , a
n
) f(a
1
, , a
i1
, a
i
, a
i+1
, , a
n
)
h
existe, lo denotaremos por
f
x
i
(a), y lo llamaremos la derivada parcial de f con respecto a la
variable x
i
en el punto a. Otras notaciones que tambin usaremos son: D
i
f(a), f
x
i
(a).
Observacin. D
i
f(a) es la derivada ordinaria de la funcin de una variable g : R R, con
g(x) = f(a
1
, , a
i1
, x, a
i+1
, , a
n
), donde la variable x ocupa el lugar i-simo en la n-upla. Es
decir, D
i
f(a) = g
(a
i
).
Ejemplos
Calculemos las derivadas parciales con respecto a cada variable de las siguientes funciones:
1. f(x, y) = x
2
sen y, usando la denicin y tambin aplicando propiedades conocidas del
clculo en una variable, en:
a) (1,

2
) b) (x
0
, y
0
)
Solucin:
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
5
a) Por la denicin:
f
x
_
1,

2
_
= lm
h0
f(1 +h,

2
) f(1,

2
)
h
= lm
h0
(1 +h)
2
1 1
h
= lm
h0
h
2
+ 2h
h
= 2
f
y
_
1,

2
_
= lm
k0
f(1,

2
+k) f(1,

2
)
k
= lm
k0
sen(
2
+k) 1
k
= lm
k0
cos k 1
k
= 0
Aplicando las propiedades del clculo en una variable:
f
x
_
1,

2
_
= 2xsen y [
(1,
2
)
= 2
f
y
_
1,

2
_
= x
2
cos y [
(1,
2
)
= 0
b) Por la denicin:
f
x
(x
0
, y
0
) = lm
h0
f(x
0
+h, y
0
) f(x
0
, y
0
)
h
= lm
h0
(x
0
+h)
2
sen y
0
x
2
0
sen y
0
h
=
= lm
h0
2x
0
hsen y
0
+h
2
sen y
0
h
= 2x
0
sen y
0
Si aplicamos derivacin en la variable x, considerando y constante:
f
x
(x
0
, y
0
) = 2x sen y [
(x
0
,y
0
)
= 2x
0
sen y
0
Dejamos como ejercicio los clculos correspondientes a
f
y
(x
0
, y
0
).
2. f(x, y) = xcos
x
y
, y ,= 0
Solucin:
f
x
(x, y) = cos
x
y

x
y
sen
x
y
,
f
y
(x, y) = xsen
x
y
(
x
y
2
) =
x
2
y
2
sen
x
y
3. Determine, si existe,
f
x
(0, 1) para f(x, y) = [x[y.
Solucin:
lm
h0
f(0 +h, 1) f(0, 1)
h
= lm
h0
f(h, 1) f(0, 1)
h
= lm
h0
[h[ 0
h
, que no existe.
4. Determine, si existen, las derivadas parciales de
f(x, y) =
_
_
_
xy
x
2
y
2
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Solucin:
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
6
a) Si (x, y) ,= (0, 0):
f
x
= y
x
2
y
2
x
2
+y
2
+xy
2x(x
2
+y
2
) 2x(x
2
y
2
)
(x
2
+y
2
)
2
= y
x
2
y
2
x
2
+y
2
+xy
4xy
2
(x
2
+y
2
)
2
=
y(x
4
y
4
) + 4x
2
y
3
(x
2
+y
2
)
2
f
y
= x
x
2
y
2
x
2
+y
2
+xy
2y(x
2
+y
2
) 2y(x
2
y
2
)
(x
2
+y
2
)
2
= x
x
2
y
2
x
2
+y
2
xy
4x
2
y
(x
2
+y
2
)
2
=
x(x
4
y
4
) 4x
3
y
2
(x
2
+y
2
)
2
b) Si (x, y) = (0, 0):
f
x
(0, 0) = lm
h0
f(0 +h, 0) f(0, 0)
h
= lm
h0
0
h
= 0
f
y
(0, 0) = lm
h0
f(0, 0 +h) f(0, 0)
h
= lm
h0
0
h
= 0
5. Determine, si existen, las derivadas parciales en el punto (0, 0) de la funcin
f(x, y) =
_
_
_
x
3
+ 3y
3
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Solucin:
f
x
(0, 0) = lm
h0
f(0 +h, 0) f(0, 0)
h
= lm
h0
h
3
h
2
h
= 1
f
y
(0, 0) = lm
h0
f(0, 0 +h) f(0, 0)
h
= lm
h0
3h
3
h
2
h
= 3
6. Determine las derivadas parciales en todos los puntos de R
2
donde estas existan, para la
funcin:
f(x, y) =
_
x[y[, x 0
[x[y, x < 0
n
R, A una regin. Si existen las n derivadas parciales de f
en un punto x
0
, llamamos vector gradiente de f en x
0
al vector
f(x
0
) =
_
f
x
1
(x
0
),
f
x
2
(x
0
), ,
f
x
n
(x
0
)
_
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
7
3.7. Interpretacin Geomtrica
a
1
a
2
a
P
a
x
y
z
Sea f : R
2
R, a = (a
1
, a
2
). La grca de f es
una supercie de ecuacin
z = f(x, y).
Si y se mantiene constante (y = a
2
), entonces z =
f(x, a
2
) es la ecuacin de la curva de nivel de esta
supercie en el plano y = a
2
. Entonces
f
x
(a) es la
pendiente de la recta tangente a la curva en el punto
P
a
= (a
1
, a
2
, f(a
1
, a
2
)) en el plano y = a
2
.
Anlogamente con
f
y
(a)
Ejemplo. Sea C la traza de la grca de z =
_
36 9x
2
4y
2
en el plano y = 2. Encuentre la
ecuacin paramtrica de la recta tangente a C en (1, 2,
11).
z
x
=
9x
_
36 9x
2
4y
2
P
0
=
9
11
l : x = t y = 2 z =
9
11
t +
20
11
t R
3.8. Derivadas parciales de orden superior
Sea f : A R
n
R una funcin. En general, D
i
f es tambin una funcin de n variables
para cada i = 1, , n. Si las derivadas parciales de estas funciones existen, se llaman segundas
derivadas parciales de f derivadas parciales de segundo orden de f. En la prctica, lo que
calculamos es

x
j
_
f
x
i
_
.
Notacin.

x
j
_
f
x
i
_
=

2
f
x
j
x
i
= D
ij
f = f
ij
.
Por ejemplo, si f : A R
2
R, hay 4 derivadas parciales de segundo orden:
2
f
x
2
,

2
f
xy
,

2
f
yx
,

2
f
y
2
.
De manera anloga se denen las derivadas parciales de orden n 3.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
8
Ejemplo
Encontrar D
12
f(0, 0) y D
21
f(0, 0), si f es la funcin denida por
f(x, y) =
_
_
xy
x
2
y
2
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Solucin:
Si y ,= 0 : D
1
f(0, y) =
f
x
(0, y) = lm
h0
f(h, y) f(0, y)
h
= lm
h0
hy
h
2
y
2
h
2
+y
2
h
= y
Si y = 0 : D
1
f(0, 0) =
f
x
(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= lm
h0
0 0
h
= 0
Luego, D
1
f(0, y) = y y R.
Anlogamente, se puede probar que D
2
f(x, 0) = x x R. Entonces
D
12
f(0, 0) = lm
k0
D
1
f(0, k) D
1
f(0, 0)
k
= lm
k0
k
k
= 1
D
21
f(0, 0) = lm
h0
D
2
f(h, 0) D
2
f(0, 0)
h
= lm
h0
h
h
= 1
Vemos entonces que, en general, D
12
f ,= D
21
f. Pero, tenemos el siguiente
Teorema 3. Si f, D
1
f, D
2
f y D
12
f existen y son continuas en una vecindad de un punto
P
0
= (x
0
, y
0
), entonces D
21
f(P
0
) existe y, ms an,
D
12
f(P
0
) = D
21
f(P
0
)
Observacin. Anlogamente para derivadas mixtas de orden dos de funciones de n variables.
Dejamos como ejercicio probar, en el ejemplo anterior, que D
12
f no es continua en (0, 0).
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

2
9
4. Diferenciabilidad
4.1. Diferenciabilidad de funciones de R
n
R
Sea f : A R
n
R, A regin. Diremos que f es diferenciable en x
0
A, si existe una
transformacin lineal Df(x
0
) : R
n
R tal que
lm
f(x
0
+
h) f(x
0
) Df(x
0
)
_
_
_
h
_
_
_
= 0
A la nica transformacin lineal que satisface esta propiedad se le llama la diferencial de f en
x
0
. Si f es diferenciable en todos los x A, diremos que f es diferenciable en A.
Observacin 4.1. La matriz asociada a esta transformacin lineal, en las bases cannicas, se llama
matriz jacobiana de f en x
0
, y, puede probarse que corresponde a la matriz de las derivadas
parciales de f:
_
f
x
1
(x
0
)
f
x
2
(x
0
) . . .
f
x
n
(x
0
)
_
Luego, para funciones f : A R
n
R, la matriz jacobiana (la matriz asociada a la diferencial)
es el vector gradiente, escrito como matriz la.
Observacin 4.2. Df(x)(
h) = f(x)
h,

h R
n
, es decir, la diferencial de f aplicada a
h es igual al gradiente de f producto punto

h.
Ejemplos
1. Probar que f(x, y) = xy es diferenciable en (0, 0).
Solucin: Calculamos primero, por la denicin, las derivadas parciales en (0, 0):
f
x
(0, 0) = lm
h0
f(0 +h, 0) f(0, 0)
h
= lm
h0
h 0 0
h
= 0
f
y
(0, 0) = lm
k0
f(0, 0 +k) f(0, 0)
k
= lm
k0
0 k 0
k
= 0
Para ver que f es diferenciable en (0,0), debemos probar que el siguiente lmite es 0:
lm
(h,k)(0,0)
f(0 +h, 0 +k) f(0, 0) Df(0, 0)

_
h
k
_
h
2
+k
2
= lm
(h,k)(0,0)
[hk 0 0[
h
2
+k
2

lm
(h,k)(0,0)
[hk 0 0[
h
2
lm
(h,k)(0,0)
[k[ 0
Luego, la funcin es diferenciable en (0,0), y la correspondiente matriz jacobiana es (0 0).
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
0
2. Sea f(x, y) =
(x 1)(y 1)
y
. Probar que f es diferenciable en (2,1).
Solucin: Si y ,= 0:
f
x
= 1
1
y

f
x
(2, 1) = 0
f
y
=
x
y
2

1
y
2

f
y
(2, 1) = 1
Debemos calcular ahora:
lm
(h,k)(0,0)
f(2 +h, 1 +k) f(2, 1) (0 1)

_
h
k
_
h
2
+k
2
= lm
(h,k)(0,0)
(h+1)k
k+1
0 k
h
2
+k
2
= lm
(h,k)(0,0)
hk k
2
h
2
+k
2
[k + 1[
lm
hk k
2
(1 +k)k
lm
h k
1 +k
=
lm[h k[
lm[1 +k[
= 0
Luego, f es diferenciable en (2,1) y su matriz jacobiana en ese punto es (0 1).
Lamentablemente, la existencia de las derivadas parciales no garantiza la diferenciabilidad de
f. Veamos el siguiente ejemplo:
3. Determine si f es diferenciable en (0, 0), donde
f(x, y) =
_
xy
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Solucin:
Tenemos que D
1
f(0, 0) = D
2
f(0, 0) = 0. Luego, si f fuese diferenciable en el origen, el
jacobiano o matriz de la diferencial debiera ser (0 0). Sin embargo:
lm
(h,k)(0,0)
f(h, k) f(0, 0) (0 0)
_
h
k
_
h
2
+k
2
= lm
(h,k)(0,0)
[hk[
(h
2
+k
2
)
h
2
+k
2
y es fcil ver que este lmite no existe. Notar que deberamos haber sospechado que la funcin
no era diferenciable en (0, 0), pues vimos antes que no es continua.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
1
Concluimos entonces, que una funcin que no es continua en un punto, no puede ser diferenciable
all (de la misma manera que en el clculo en una variable). De la misma manera, sabemos que
la continuidad en un punto tampoco garantiza la diferenciabilidad en un punto (basta considerar
la funcin f(x) = [x[, en x = 0). El ejemplo anterior muestra, adems, que la existencia de
las derivadas parciales no garantiza la diferenciabilidad. Existir una ms condiciones sobre la
funcin que permitan garantizar diferenciabilidad en un punto? Tenemos el siguiente:
Teorema 4. Sea f : A R
n
R tal que todas sus derivadas parciales existen y son continuas
en una vecindad que contiene al punto a. Entonces f es diferenciable en a.
Observacin importante
Lamentablemente, el recproco del teorema anterior no es cierto. Es decir, si f es diferenciable
en un punto, no necesariamente las derivadas parciales en ese punto son continuas. Para constatar
este hecho, basta considerar el siguiente ejemplo, que dejamos como ejercicio.
Ejemplo. Vericar que la siguiente funcin f es diferenciable en (0, 0) pero sus derivadas parciales
no son continuas en el origen.
f(x, y) =
_
_
(x
2
+y
2
) sen
_
1
_
x
2
+y
2
_
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Conclusin

xi

xi
y son continuas
f diferenciable
Observacin. Es claro que si f es diferenciable en un punto x

0
, entonces f es continua en x
0
.
El lgebra clsica para funciones diferenciables tambin se satisface para funciones denidas
desde subconjuntos de R
n
.
4.2. Derivada Direccional
Sea f : A R
n
R, a = (a
1
, a
2
, , a
n
) A, A una regin. Sea u un vector unitario en
R
n
. Denimos la derivada direccional de f en la direccin del vector u en el punto a al siguiente
lmite, si existe:
lm
t0
f (a +tu) f (a)
t
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
2
Lo denotaremos por
f
u
(a) , D
u
f (a) , f
u
(a).
Ejemplo
Determine, si existe, la derivada direccional en la direccin del vector
_
1
2
,
1
2
_
en el punto
(0, 0) de la funcin
f(x, y) =
_
_
_
x
3
+ 3y
3
x
2
+y
2
, (x, y) ,= (0, 0)
0, (x, y) = (0, 0)
Solucin
D
u
f(0, 0) = lm
t0
f
_
(0, 0) +t
_
1
2
,
1
2
__
f(0, 0)
t
= lm
t0
f
_
t
2
,
t
2
_
t
=
2
2
=

2
Observacin 4.3. Si u = e
i
donde e
i
= (0, , 0, 1, 0, , 0), (con un 1 en el i-simo lugar)
es un vector de la base cannica de R
n
, entonces la derivada direccional de f en la direccin de e
i
coincide con la derivada parcial de f con respecto a la i-sima componente.
Observacin 4.4. La derivada direccional representa la razn de cambio de los valores de la
funcin f en la direccin del vector unitario u.
Observacin 4.5. A diferencia de lo que ocurre en una variable, en varias variables una funcin
puede ser derivable en cualquier direccin (es decir, la derivada direccional puede existir en todas
las direcciones), pero no ser diferenciable.
Es decir: D
u
f(x) = D
e
i
f(x) =
f
x
i
(x) = D
i
f(x).
Observacin 4.6. Sea f : A R
n
R una funcin diferenciable en x A donde A es una
regin. Entonces, la derivada direccional de f existe en cualquier direccin u R
n
, |u| = 1 y se
tiene
D
u
f(x) = f(x) u.
Es decir, si una funcin f es diferenciable en un punto, entonces posee derivada direccional en
cualquier direccin en ese punto, y se puede calcular usando directamente el gradiente de la funcin
en el punto.
Esta ltima observacin nos permite armar que:
Proposicin 2. El valor mximo (respectivamente, mnimo) de la derivada direccional de f en x
0
vale |f(x
0
)| (respectivamente, |f(x
0
)|). Adems, este valor mximo (respectivamente
mnimo) se alcanza en la direccin de f(x
0
) (respectivamente, en la direccin de f(x
0
) ).
Demostracin. Si es el ngulo entre el gradiente de f y el vector unitario u, la derivada direccional
de f en x
0
en la direccin u es
f(x) u = |f(x)| |u| cos = |f(x)| cos , pues u es unitario.
Esta ltima expresin toma su valor mximo cuando cos = 1, es decir, cuando el gradiente
de f y u estn en la misma direccin. (Anlogamente, toma su valor mnimo cuando cos = 1,
es decir, cuando el gradiente de f y u estn en direcciones opuestas.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
3
Ejemplos
1. Sea f(x, y) = x
2
4xy. Encontrar la direccin en la que f aumenta ms rpidamente en (1,2),
y encontrar tambin, en el mismo punto, la tasa mxima de crecimiento.
2. La temperatura en un punto (x, y, z) R
3
est dada por T =
100
x
2
+y
2
+z
2
.
(a) Determine la razn de cambio de T en el punto P = (1, 3, 2) en la direccin de (1, 1, 1).
(b) En qu direccin a partir de P aumenta ms rpidamente la temperatura? A qu tasa?
3. Un insecto situado en un punto P de un plano observa que si camina (en el plano) en la
direccin noreste, la temperatura se incrementa a una razn de 0, 01
por cm. Cuando se

dirige en la direccin sureste, la temperatura decrece a razn de 0, 02
por cm.
(a) Si se dirige en la direccin 30
al norte del occidente, aumenta o disminuye la temper-

atura y a qu razn?
(b) Hacia donde debe caminar para calentarse lo ms rpidamente posible?
(c) Si est cmodo con su temperatura, en que direccin debe moverse para mantener
constante la temperatura?
Plano tangente y recta normal a una supercie
El f(x
0
) es ortogonal al conjunto de nivel de f que pasa por x
0
. Esto ltimo permite determinar
la ecuacin del plano tangente a una supercie S denida por la ecuacin f(x, y, z) = 0 en un
punto P
0
= (x
0
, y
0
, z
0
) ya que el plano tangente a S en P
0
es el plano que pasa por P
0
y tiene
como vector normal al vector f(P
0
).
Luego, si denotamos por al plano tangente a la supercie S en el punto P
0
, se tiene que
(x, y, z) ((x, y, z) (x
0
, y
0
, z
0
)) f(P
0
) = 0, de donde la ecuacin del plano
tangente es:
f
x
(x
0
, y
0
, z
0
)(x x
0
) +
f
y
(x
0
, y
0
, z
0
)(y y
0
) +
f
z
(x
0
, y
0
, z
0
)(z z
0
) = 0
Ejemplos
1. Encontrar una ecuacin del plano tangente al elipsoide
3
4
x
2
+ 3y
2
+ z
2
= 12, en el punto
P
0
=
_
2, 1,
6
_
. Encuentre tambin una ecuacin para la recta normal al elipsoide en el
mismo punto P
0
.
2. Encontrar una ecuacin del plano tangente al paraboloide elptico 4x
2
+ y
2
16z = 0, en el
punto P
0
= (2, 4, 2). Encuentre tambin una ecuacin para la recta normal al paraboloide en
el mismo punto P
0
.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
4
n
R
m
Denicin 4.1. Anlogamente al caso de funciones de R
n
R, se dene la diferencial para una
funcin F : A R
n
R
m
, es decir, una tal funcin F ser diferenciable en x
0
A, si existe una
transformacin lineal DF(x
0
) : R
n
R
m
tal que
lm
0
_
_
_F(x
0
+
h) F(x
0
) DF (x
0
)
h
_
_
_
_
_
_
h
_
_
_
= 0
Observacin 4.7. La matriz Jacobiana, la matriz derivada la matriz asociada a la trans-
formacin diferencial DF(x
0
) es la matriz formada por las derivadas parciales de las funciones
componentes.
Ms precisamente:
Si F : A R
n
R
m
con F(x) = (f
1
(x), f
2
(x), , f
m
(x)) es diferenciable en x
0
, entonces
la correspondiente matriz jacobiana es:
[JF(x
0
)] =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
f
1
x
1
(x
0
)
f
1
x
2
(x
0
)
f
1
xn
(x
0
)
f
2
x
1
(x
0
)
f
2
x
2
(x
0
)
f
2
xn
(x
0
)

fm
x
1
(x
0
)
fm
x
2
(x
0
)
fm
xn
(x
0
)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
5
5. Regla de la Cadena
Recordemos que en R, si g es una funcin diferenciable en la variable u, es decir, g = g(u) es
diferenciable, y lo mismo sucede con u = f(x), entonces, es posible calcular la derivada de g con
respecto a x del siguiente modo:
dg
dx
=
dg
du
du
dx
Anlogamente, supongamos que f : R
2
R, u, v : R R con f = f(u, v),
u = u(x), v = v(x), todas funciones diferenciables en las respectivas variables. Entonces:
f
x
=
f
u
u
x
+
f
v
v
x
Ejemplo
Si f(u, v) = u
2
v v
3
+ 2uv, u = u(x) = e
x
, v = v(x) = sen x, entonces
f
x
= (2uv + 2v) e
x
+
_
u
2
3v
2
+ 2u
_
cos x.
Podemos generalizar un paso ms: supongamos que f, u, v : R
2
R, con f = f(u, v), u =
u(x, y), v = v(x, y), todas funciones diferenciables. Entonces:
f
x
=
f
u
u
x
+
f
v
v
x
f
y
=
f
u
u
y
+
f
v
v
y
Ejemplo
1. Sea w = w(x, y) = x
2
y, x = s
2
+t
2
, y = cos st. Determine
w
s
y
w
t
.
2. Si w = f(x, y) donde x = r cos , y = r sen , pruebe que
_
w
x
_
2
+
_
w
y
_
2
=
_
w
r
_
2
+
1
r
2
_
w
_
2
3. Si es una funcin derivable en una variable y z = y (x
2
y
2
) , probar
1
x

z
x
+
1
y

z
y
=
z
y
2
Solucin
z
x
= 2xy
(x
2
y
2
) y
z
y
= (x
2
y
2
) 2y
2
(x
2
y
2
)
Luego se cumple:
1
x

z
x
+
1
y

z
y
= 2y
(x
2
y
2
) +
1
y
(x
2
y
2
) 2y
(x
2
y
2
) =
y (x
2
y
2
)
y
2
=
z
y
2
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
6
4. Si u = x
3
f
_
y
x
,
z
x
_
demuestre que x
u
x
+ y
u
y
+ z
u
z
= 3x
3
u
Solucin
Sea r =
y
x
, s =
z
x
Luego:
u
x
= 3x
2
f(r, s) +x
3
f
r

r
x
+x
3
f
s

s
x
= 3x
2
f(r, s) xy
f
r
xz
f
s
u
y
= x
3
f
r

r
y
+x
3
f
s

s
y
= x
3
f
r

1
x
= x
2
f
r
u
z
= x
3
f
r

r
z
+x
3
f
s

s
z
= x
3
f
s
1
x
= x
2
f
s
As, x
u
x
+ y
u
y
+ z
u
z
= 3x
2
f(r, s) xy
f
r
xz
f
s
+yx
2
f
r
+zx
2
f
s
=
= 3x
3
f(r, s) = 3x
3
u
5. Si w = f
_
y x
xy
,
z y
yz
_
, probar que x
2
w
x
+y
2
w
y
+z
2
w
z
= 0
Solucin:
Hacemos u =
y x
xy
y v =
z y
yz
. Entonces
w
x
=
f
u

u
x
+
f
v

v
x
=
f
u
_
xy y
2
+xy
x
2
y
2
_
+
f
v
0
=
1
x
2

f
u
w
y
=
f
u

u
y
+
f
v

v
y
=
f
u
_
xy (y x)x
x
2
y
2
_
+
f
v
_
yz (z y)z
y
2
z
2
_
=
1
y
2

f
u

1
y
2

f
v
w
z
=
f
u
0 +
f
v
_
yz (z y)y
y
2
z
2
_
=
1
z
2

f
v
Luego se tiene:
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
7
w(x, y) = x
2
+y
2
,
x = r cos
y = r sen
Calcular
w
r
,

2
w
r
2
,

2
w
r
.
x
2
w
x
+y
2
w
y
+z
2
w
z
=
f
u
+
f
u

f
v
+
f
v
= 0
Anlogamente se generaliza para funciones diferenciables en ms variables.
La regla de la cadena es til, entre otros, para resolver problemas de rapidez de cambio de
variables relacionadas, como vemos a continuacin.
Ejemplo
En un circuito elctrico simple se tiene una resistencia R y un voltaje V . En cierto instante,
V = 80 volts y crece a razn de 5 volts por minuto, mientras que R = 40 ohms y disminuye a razn
de 2 ohms por minuto. La ley de Ohm establece que I =
V
R
. Determine la rapidez de cambio de la
intensidad de corriente I en ese instante.
Solucin
dI
dt
=
I
V
dV
dt
+
I
R
dR
dt
=
1
R
dV
dt
+
_
V
R
2
_
dR
dt
Sustituyendo los valores, obtenemos:
dI
dt
=
_
1
40
_
5 +
_
80
1600
_
(2) = 0, 225 A/min
Observacin
La manera general de mirar la regla de la cadena es a travs de la diferencial. Consideraremos
un caso particular para ilustrar esto:
Sean
_
u : R
2
R
(x, y) u(x, y)
, y
_
f : R
2
R
2
(r, s) (x(r, s), y(r, s))
Luego, formamos la matriz jacobiana de u:
_
u
x
u
y
_
y la matriz jacobiana de f:
_
_
_
_
_
x
r
x
s
y
r
y
s
_
_
_
_
_
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
8
Como la diferencial es una transformacin lineal, entonces la diferencial (o matriz jacobiana) de
la funcin compuesta u f es el producto de las matrices correspondientes, vale decir:
D(u f) = Du Df =
_
u
x
u
y
_

_
_
_
_
_
x
r
x
s
y
r
y
s
_
_
_
_
_
Como u es una funcin que depende de r y s, tenemos nalmente:
u
r
=
u
x

x
r
+
u
y

y
r
u
s
=
u
x

x
s
+
u
y

y
s
Ejemplo
1. Determine
u
r
y
u
s
, si u = ln
_
x
2
+y
2
, x = r e
s
, y = r e
s
2. Sean f y g de clase C
2
. Si w = f(ax +by) +g(ax by), donde a, b son constantes no nulas,
demostrar que
b
2
_
2
w
x
2
_
= a
2
_
2
w
y
2
_
3. Sea w = f(t
2
+r, t r
3
), con f de clase C
2
. Calcular
w
t
,
w
r
,

2
w
rt
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

3
9
5.1. Derivadas Implcitas
La regla de la cadena es til para encontrar las derivadas de funciones que estn denidas de
manera implcita. Recordemos el procedimiento para funciones de R en R:
supongamos que la ecuacin F(x, y) = 0 dene implcitamente a la funcin y = f(x).
Es decir, F(x, f(x)) = 0, x Dom(f). Reescribamos de la siguiente manera:
w = F(u, y), con u = x, y = f(x)
Usando la regla de la cadena y recordando que u, v son funciones de una variable, obtenemos:
dw
dx
=
w
u
du
dx
+
w
y
dy
dx
Como F(x, f(x)) = 0, x, se tiene que dw/dx = 0. Reemplazando en la ecuacin:
0 =
w
u
1 +
w
y
f
(x)
Luego, si w/y ,= 0, entonces
f
(x) =
dy
dx
=
D
1
f(x, y)
D
2
f(x, y)
Tenemos entonces el siguiente:
Teorema 5. Si una ecuacin F(x, y) = 0 determina implcitamente una funcin derivable f de una
variable real, tal que y = f(x), entonces
dy
dx
=
D
1
F(x, y)
D
2
F(x, y)
=
F
x
(x, y)
F
y
(x, y)
=
dF
dx
(x, y)
F
y
(x, y)
Es posible razonar de la misma manera para funciones en tres variables. Es decir, si una ecuacin
F(x, y, z) = 0 determina implcitamente una funcin diferenciable f de dos variables (x e y, por
ejemplo), tales que z = f(x, y) en el dominio de f, entonces se tiene:
Teorema 6. Si una ecuacin F(x, y, z) = 0 determina implcitamente una funcin derivable f de
dos variables x e y, tal que z = f(x, y) (x, y) en el dominio de f, entonces
z
x
=
D
1
F(x, y, z)
D
3
F(x, y, z)
,
z
y
=
D
2
F(x, y, z)
D
3
F(x, y, z)
Ejemplo
Sea z = f(x, y), tal que x
2
z
2
+xy
2
z
3
+ 4yz 5 = 0. Encuentre z/x, z/y.
Solucin
z
x
=
2xz
2
+y
2
2x
2
z 3z
2
+ 4y
z
y
=
2xy + 4z
2x
2
z 3z
2
+ 4y
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
0
Observacin. La manera en que se ha enfocado la derivacin implcita hasta aqu es meramente
operacional. Para poder comprender mejor los conceptos y restricciones involucradas, es necesario
estudiar los teoremas de la funcin inversa (para funciones f : R
n
R
n
) y de la funcin
implcita, para funciones f : R
n
R
m
.
5.2. Teoremas de la funcin inversa y de la funcin implcita
Dada una funcin f : R
n
R
n
, es posible preguntarse:
1. Es f una funcin invertible?
2. Si lo es y adems f es diferenciable, ser f
1
diferenciable? Bajo qu condiciones?
5.2.1. Teorema de la funcin inversa
Teorema 7. Sea U R
n
un abierto, y sea f : U R
n
una funcin de clase C
1
. Sea x
0
U
tal que det(Df(x
0
)) ,= 0. Entonces, existen abiertos V, W R
n
, x
0
V, f(x
0
) W :
f : V W es biyectiva y f
1
: W V es de clase C
1
.
Adems, se tiene que Df
1
(y) = [Df
_
f
1
(y)
_
]
1
, y W
Observacin
1. Sea f = (f
1
, f
2
, , f
n
), con f
i
: R
n
R, i = 1, , n
det(Df(x
0
)) =
f
1
x
1
f
1
x
2

f
1
xn
f
2
x
1
f
2
x
2

f
2
xn
. . . . . . . . . . . . . . . . . . .
fn
x
1
fn
x
2

fn
xn
(x
0
) =
(f
1
, f
2
, , f
n
)
(x
1
, , x
n
)
2. Una funcin puede tener inversa aunque el det f
(x
0
) = 0. Lo que no se puede garantizar es
la diferenciabilidad de la funcin inversa. Por ejemplo, en una variable, la funcin f : R
R, f(x) = x
3
es invertible, pero, claramente, su inversa
f
1
: R R, f(x) =
3
x no es derivable en x = 0.
3. Sean x = (x
1
, x
2
, . . . , x
n
) R
n
, y = (y
1
, y
2
, . . . , y
m
) R
m
y considere la funcin
f : R
n
R
m
R
m
, (x, y) f(x, y).
Diremos que la funcin : R
n
R
m
est denida implcitamente por la ecuacin f(x, y) =
0 si f(x, (x)) = 0, x Dom().
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
1
5.2.2. Teorema de la funcin implcita
Teorema 8. Sea f : R
n
R
m
R
m
una funcin de clase C
1
, en un abierto que contiene a (a, b),
con f(a, b) = 0. Si
(f
1
, f
2
, , f
m
(y
1
, y
2
, , y
m
)
,= 0, entonces existe un abierto A R
n
con a A
y un abierto B R
m
con b B, tal que : A B de clase C
1
tal que (a) = b y
f(x, (x)) = 0, x A.
Ejemplos
1. Sea f : R
2
R de clase C
1
, y supongamos que f(x, (x)) = 0 x Dom(), es decir
est denida implcitamente por f. Calcular
(x).
Solucin:
Sea G(x) = f(x, (x)) = 0. Luego,
G
(x) = D
1
f(x, (x)) 1 + D
2
f(x, (x))
(x) = 0
Luego,
(x) =
D
1
f(x, (x))
D
2
f(x, (x))
, siempre que D
2
f(x, (x)) ,= 0
2. Sea f : R
3
R de clase C
1
, y supongamos que f(x, y, (x, y)) = 0 (x, y) Dom(), es
decir est denida implcitamente por f. Calcular

x
y

x
.
Solucin:
Sea G(x, y) = f(x, y, (x, y)) = 0 Luego:
G
x
= D
1
f 1 + D
2
f 0 + D
3
f

x
= 0
G
y
= D
1
f 0 + D
2
f 1 + D
3
f

y
= 0
Luego, si D
3
f ,= 0 :
x
(x, y) =
D
1
f(x, y, (x, y))
D
3
f(x, y, (x, y))
,

y
(x, y) =
D
2
f(x, y, (x, y))
D
3
f(x, y, (x, y))
3. Sean F
1
, F
2
: R
5
R funciones de clase C
1
, y consideremos el sistema de ecuaciones
F
1
(x, y, x, u, v) = 0
F
2
(x, y, x, u, v) = 0
Qu condiciones son sucientes para poder escribir u y v en funcin de x, y, z? En el caso en
que estas condiciones se satisfacen, determine
u
x
,
u
y
,
u
z
,
v
x
,
v
y
,
v
z
.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
2
Solucin:
Sea F : R
3
R
2
R
2
, con F = (F
1
, F
2
). Sean P = (x, y, z), Q = (u, v). Se
trata de determinar cuando se puede despejar Q en funcin de P en el sistema F(P, Q) =
(0, 0), i.e. cuando existe una funcin tal que F(P, (P)) = (0, 0) o, equivalentemente,
(F
1
(P, (P)), F
2
(P, (P))) = (0, 0).
Esto es posible si se cumplen las hiptesis del teorema de la funcin implcita, i.e., si
det
_
D
4
F
1
D
5
F
D
4
F
2
D
5
F
2
_
=
(F
1
, F
2
)
(u, v)
,= 0
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
3
6. Mximos y Mnimos
n
R, x
0
D. Se dice que f tiene un mnimo relativo
(respectivamente, mximo relativo) en x
0
si, y slo si, existe una vecindad V
x
0
tal que x
V
x
0
D:
f(x
0
) f(x) (respectivamente, f(x) f(
x
0
)).
Anlogamente se denen mnimo y mximo absoluto, si la desigualdad se satisface en todo el
dominio D de la funcin f.
Ejemplo
1. Sea f : A R
2
R, f(x, y) = e
|x+y|
tiene un mximo relativo (y absoluto) en (0, 0).
2. Sea f : A R
2
R, f(x, y) = [x y[ tiene mnimos en todos los (x, y) R
2
: y = x. Es
decir, los extremos relativos o absolutos, cuando se alcanzan, no son necesariamente nicos.
Teorema 9. Si f : R
n
R es diferenciable en V R
n
, y f alcanza un extremo relativo en
x
0
V , entonces f(x
0
) = 0 (es decir, todas las derivadas parciales son nulas).
Observacin
1. El recproco es falso. Pero esto ya lo sabamos para funciones de una variable. Sea f : R
R, f(x) = x
3
. En este caso, f
(0) = 0, pero en 0 no se alcanza ningn extremo relativo (ni

mximo ni mnimo). Un ejemplo de una funcin en 2 variables es f : A R
2
R, f(x, y) =
x
2
y
2
.
2. Los puntos en los cuales el gradiente se anula se llaman puntos crticos.
n
R, donde f es continua y A es cerrado y acotado. Entonces f
alcanza su mximo y su mnimo absoluto en A.
Ejemplo
Sea f : D R, D = (x, y, z) R
3
: |(x, y, z)| 1 y f(x, y, z) = x+y +z. Claramente,
f es continua y D es un conjunto cerrado y acotado. Por lo tanto, la funcin alcanza sus extremos
absolutos en D. Sin embargo, al calcular f vemos que f = (1, 1, 1) ,= (0, 0, 0). Esto nos dice
que los extremos de f se encuentran en la frontera de D, y no en su interior.
Desarrollaremos 2 tcnicas para encontrar y determinar la naturaleza de los puntos crticos.
6.1. Mximos y Mnimos sin restricciones
El primer criterio se utiliza en dominios abiertos, es decir, en dominios en los cuales podemos
calcular derivadas en todos los puntos. Necesitaremos para ello construir una matriz, conocida como
la matriz hessiana de f.
Sea f : A R
n
R, f C
2
(A), x
0
A y tal que f(x
0
) =

0. Como la funcin tiene
segundas derivadas parciales continuas, esto quiere decir que las derivadas mixtas son iguales, es
decir, D
ij
f = D
ji
f. Formamos la matriz de las segundas derivadas parciales siguiente:
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
4
_
_
_
_
D
11
f(x
0
) D
12
f(x
0
) D
1n
f(x
0
)
D
12
f(x
0
) D
22
f(x
0
) D
2n
f(x
0
)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
D
1n
f(x
0
) D
2n
f(x
0
) D
nn
f(x
0
)
_
_
_
_
es la matriz hessiana de f en x
0
.
Observacin 6.1. Notamos inmediatamente que la matriz hessiana es simtrica.
Observacin 6.2. Esta matriz, formada por las segundas derivadas nos servir, como en el caso
de una variable, para tener un criterio anlogo al criterio de la segunda derivada para funciones de
R en R.
Denicin 6.2 (Matriz denida positiva). A M
nn
es una matriz simtrica denida positiva si,
y slo si, para todo x no nulo de R
n
se tiene:
(x
1
, x
2
, . . . , x
n
) A(x
1
, x
2
, . . . , x
n
)
t
> 0.
Anlogamente, una matriz A M
nn
es denida negativa si, y solamente si, A es denida
positiva.
n
R, f C
2
(A), x
0
A y tal que f(x
0
) =
0. Entonces,
si H
f
(x
0
) es denida positiva, entonces f tiene un mnimo relativo en x
0
, y si H
f
(x
0
) es denida
negativa, entonces f tiene un mximo relativo en x
0
.
Criterio para matrices simtricas
Qu signica que una matriz sea denida positiva? Presentaremos dos criterios para poder
determinarlo, para el caso en que la matriz sea simtrica:
1. Una matriz A M
nn
simtrica es denida positiva si, y slo si, todos sus valores propios
son positivos.
2. Sea A = (a
ij
) una matriz simtrica de orden n n. Para cada k, k = 1, , n construyamos
las submatrices
A
k
=
_
_
a
11
a
1k
. . . . . . . . . . . . .
a
k1
a
kk
_
_
entonces, A es denida positiva si, y slo si, k, [A
k
[ > 0. Es decir, si todos los subdetermi-
nantes son positivos.
Este ltimo criterio ser el que usaremos para la matriz hessiana. En primer lugar, traduzcamos
lo que este criterio nos dice para un par de casos.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
5
Si n = 2:
Sea f : R
2
R, x
0
R
2
tal que f(x
0
) =
0. Formamos la matriz hessiana de f en x

0
:
H
f
(x
0
) =
_
D
11
f(x
0
) D
12
f(x
0
)
D
12
f(x
0
) D
22
f(x
0
)
_
Entonces, H
f
(x
0
) es denida positiva D
11
f > 0 y D
11
fD
22
f (D
12
f)
2
> 0, y
H
f
(x
0
) es denida negativa D
11
f < 0 y D
11
fD
22
f (D
12
f)
2
> 0.
Resumiendo, podemos decir que si f : R
2
R, x
0
R
2
tal que f(x
0
) =
0 y
D
11
f(x
0
)D
22
f(x
0
) (D
12
f(x
0
))
2
> 0,
entonces
1. D
11
f(x
0
) > 0 = f tiene un mnimo en x
0
.
2. D
11
f(x
0
) < 0 = f tiene un mximo en x
0
.
Si n = 3:
Sea f : R
3
R, x
0
R
3
tal que f(x
0
) =
0. Formamos la matriz hessiana de f en x

0
:
H
f
(x
0
) =
_
_
D
11
f(x
0
) D
12
f(x
0
) D
13
f(x
0
)
D
12
f(x
0
) D
22
f(x
0
) D
23
f(x
0
)
D
13
f(x
0
) D
23
f(x
0
) D
33
f(x
0
)
_
_
Por lo tanto, f tiene un mnimo relativo en

x
0
si, y slo si,
1. D
11
f(x
0
) > 0
2. det
_
D
11
f(x
0
) D
12
f(x
0
)
D
12
f(x
0
) D
22
f(x
0
)
_
> 0
3. det H
f
(x
0
) > 0
y f tiene un mximo relativo en x
0
si, y slo si,
1. D
11
f(x
0
) > 0 D
11
f(x
0
) < 0
2. det
_
D
11
f(x
0
) D
12
f(x
0
)
D
12
f(x
0
) D
22
f(x
0
)
_
> 0 det
_
D
11
f(x
0
) D
12
f(x
0
)
D
12
f(x
0
) D
22
f(x
0
)
_
> 0
3. det (H
f
(x
0
)) > 0 det H
f
(x
0
) < 0
Denicin 6.3. Sea f : R
n
R, x
0
R
n
, f C
2
tal que f(x
0
) =
0. Si los subdeterminantes
no se anulan y los signos son diferentes a lo sealado arriba, entonces decimos que x
0
es un punto
silla.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
6
Ejemplos
Hallar los extremos locales, si existen, de las siguientes funciones:
1. f(x, y) = x
2
4xy +y
3
+ 4y
2. f(x, y) = x
3
+y
3
27x 12y
3. f(x, y, z) = x
3
+ 3xz + 2y y
2
3z
2
6.2. Mximos y Mnimos sujeto a restricciones
En los problemas clsicos de mximos y mnimos, se trata de determinar el mximo y/o mn-
imo de una funcin f(x, y) o f(x
1
, x
2
, , x
n
) sujeta a una restriccin del tipo g(x, y) = 0 o
g(x
1
, x
2
, , x
n
) = 0, respectivamente. En el primer caso, es claro que se podra resolver el prob-
lema, en teora, despejando la variable y en la ecuacin g(x, y) = 0, y sustituir el valor obtenido
y = (x).
En trminos matemticos, este tipo de problemas puede mirarse como el de determinar los
extremos de funciones denidas sobre conjuntos cerrados y acotados. Para resolverlos, usaremos la
tcnica conocida como multiplicadores de Lagrange.
Teorema 12. Sea F : R
n
R, G: R
n
R dos funciones de clase C
1
, es decir, con primeras
derivadas continuas. Si la funcin F alcanza un extremo en x
0
en la regin de R
n
en donde G(x) = 0,
y si G(x
0
) ,= 0, entonces R :
F(x
0
) = G(x
0
)
G(x
0
) = 0
Observaciones
1. F es la funcin a maximizar o minimizar y G se denomina usualmente la condicin o la
restriccin.
2. Una formulacin equivalente del teorema:
Los extremos de la funcin F(x) sujetos a la restriccin G(x) = 0, se encuentran en los puntos
crticos de la funcin L : R
n+1
R, con L(x, ) = F(x) +G(x)
Ejemplos
1. Determine mximo y mnimo absolutos de f(x, y, z) = x + y + z, denida en el dominio
D = (x, y, z) R
3
: |(x, y, z)| 1
Solucin
Notar que f = (1, 1, 1) ,= (0, 0, 0), por lo cual no hay extremos de la funcin en el interior
de la esfera. Como f es continua en D, que es un cerrado y acotado de R
3
, los extremos de f
deben encontrarse en la frontera de D, es decir, en los (x, y, z) : x
2
+y
2
+z
2
= 1. Denimos
entonces G(x, y, z) = x
2
+y
2
+z
2
1 = 0
Aplicando el teorema de Lagrange, R : f = G, i.e.
(1, 1, 1) = (2x, 2y, 2z) y x
2
+y
2
+z
2
1 = 0
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
7
es decir,
1 = 2x
1 = 2y
1 = 2z
1 = x
2
+y
2
+z
2
Elevando al cuadrado las primeras tres ecuaciones y sumndolas obtenemos
3 = 4
2
(x
2
+y
2
+z
2
) 3 = 4
2
=
3
2
=
3
2
, x = y = z =
1
3
f
_
3
,
1
3
,
1
3
_
=
3
3
=
3
=
3
2
, x = y = z =
1
3
f
_
1
3
,
1
3
,
1
3
_
=
3
3
=

3
Luego, f tiene un mximo en
_
1
3
,
1
3
,
1
3
_
y un mnimo en
_
3
,
1
3
,
1
3
_
.
2. Determine el volumen mximo del paraleleppedo recto que se puede inscribir en el elipsoide
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1.
Solucin
El volumen del paraleleppedo est dado por V (x, y, z) = 8xyz. Como esta funcin es
continua y la condicin G(x, y, z) =
x
2
a
2
+
y
2
b
2
+
z
2
c
2
1 = 0 es un conjunto cerrado y acota-
do, sabemos que podemos encontrar los extremos de V sujetos a G usando los multiplicadores
de Lagrange:
R : f = G, i.e.
(8yz, 8xz, 8xy) =
_
2x
a
2
,
2y
b
2
,
2z
c
2
_
y
x
2
a
2
+
y
2
b
2
+
z
2
c
2
1 = 0 es decir,
8yz =
2x
a
2
8xz =
2y
b
2
8xy =
2z
c
2
1 =
x
2
a
2
+
y
2
b
2
+
z
2
c
2
Multiplicando la primera ecuacin, por x, la segunda por y, la tercera por z y sumndolas,
obtenemos:
3 8xyz = 2
_
x
2
a
2
+
y
2
b
2
+
z
2
c
2
_
= 2 1
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
8
Si x o y o z = 0, entonces el volumen V = 0, que es mnimo. Supongamos entonces que
ninguno es 0. Reemplazando el valor de 2 en las ecuaciones, obtenemos:
x
2
=
a
2
3
, y
2
=
b
2
3
, z
2
=
c
2
3
= x =
a
3
, y =
b
3
, z =
c
3
Luego, en
_
a
3
,
b
3
,
c
3
_
la funcin alcanza su mximo, que es V
MAX
= 8
abc
3
3
.
3. Considere el plano de ecuacin x + 4y + 4z = 39. Encuentre el punto de este plano que se
encuentre a distancia mnima de (2, 0, 1).
Solucin
La distancia entre (x, y, z) y (2, 0, 1) en R
3
viene dada por
d((x, y, z), (2, 0, 1)) =
_
(x 2)
2
+ (y 0)
2
+ (z 1)
2
Como la funcin raz cuadrada es montona, el problema es equivalente a minimizar la funcin
subradical, vale decir, f(x, y, z) = (x 2)
2
+y
2
+(z 1)
2
, con la restriccin que el
punto (x, y, z) , es decir, x + 4y + 4z = 39.
Luego, f = g, de donde
2(x 2) =
2y = 4
2(z 1) = 4
x + 4y + 4z = 39
Dejando x, y, z en funcin de , reemplazamos en la ltima ecuacin obteniendo = 2 de
donde x = 3, y = 4, z = 5.
6.3. Multiplicadores de Lagrange sujeto a dos o ms condiciones
Para maximizar F(x, y, z) sujeto a dos condiciones: G
1
(x, y, z) = 0, G
2
(x, y, z) = 0 se debe
resolver:
F(x) = G
1
(x) +G
2
(x)
G
1
(x) = 0
G
2
(x) = 0
Ejemplos
1. Determine los extremos absolutos de f(x, y, z) = x + 2y +z sujeto a x
2
+y
2
= 1 y y +z = 1.
2. Hallar los puntos de la curva de interseccin de las supercies x
2
xy+y
2
z
2
= 1 y x
2
+y
2
= 1
que estn ms cerca del origen.
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

4
9
ndice
1. Nociones de Topologa en R
n
1
1.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2. Funciones Reales de Varias Variables 7
2.1. Funciones escalares de Varias Variables . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2. Funciones Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3. Curvas y Supercies de Nivel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3. Lmites y Continuidad 15
3.1. Algebra de Lmites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4. Cambio de variable. Caso particular: Coordenadas Polares . . . . . . . . . . . . . . . 23
3.5. Lmites y Continuidad de Funciones de R
n
R
m
. . . . . . . . . . . . . . . . . . . 23
3.6. Derivadas Parciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.7. Interpretacin Geomtrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.8. Derivadas parciales de orden superior . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4. Diferenciabilidad 29
n
R . . . . . . . . . . . . . . . . . . . . . . . 29
4.2. Derivada Direccional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
n
R
m
. . . . . . . . . . . . . . . . . . . . . . 34
5. Regla de la Cadena 35
5.1. Derivadas Implcitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2. Teoremas de la funcin inversa y de la funcin implcita . . . . . . . . . . . . . . . . 40
5.2.1. Teorema de la funcin inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.2.2. Teorema de la funcin implcita . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6. Mximos y Mnimos 43
6.1. Mximos y Mnimos sin restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2. Mximos y Mnimos sujeto a restricciones . . . . . . . . . . . . . . . . . . . . . . . . 46
6.3. Multiplicadores de Lagrange sujeto a dos o ms condiciones . . . . . . . . . . . . . . 48
ndice de Materias 50
U
n
i
v
e
r
s
i
d
a
d
T
c
n
i
c
a
F
e
d
e
r
i
c
o
S
a
n
t
a
M
a
r
a
.

5
0
ndice de Materias
bola
abierta, 3
conjunto
abierto, 3
cerrado, 4
continuidad
en una regin, vase funcin continua
puntual, vase funcin continua
curva
de contorno, vase curva de nivel
de nivel, 12
derivada
direccional, 31
parcial, 24
de segundo orden, 27
desigualdad
de CauchySchwarz, 2
triangular, 2
diferencial, 29
distancia, 1
extremo
relativo, 43
funcin
continua
en un punto, 20
en una regin, 21
diferenciable, 29
grco
de una funcin
de variables, 8
lmite
iterado, 18
matriz
denida positiva, 44
hessiana, 43
jacobiana, 29
mximo
relativo, 43
mnimo
relativo, 43
multiplicadores
de Lagrange, 46
norma, 1
punto
crtico, 43
de acumulacin, 4
frontera, 6
interior, 5
silla, 45
razn
de cambio, 32
regin, 6
supercie
de nivel, vase curva de nivel
teorema
de la funcin implcita, 41
de la funcin inversa, 40
del acotamiento, 19
vecindad
abierta, vase bola abierta
vector
gradiente, 26
unitario, 31

Apunte USM - Varias Variables

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apunte USM - Varias Variables

Uploaded by

Copyright:

Available Formats

U

|x| |y|, conocida como la desigualdad de CauchySchwarz.

Observacin. En otras palabras, si f es una funcin de dos variables, las intersecciones de G

> 0 > 0 : 0 < d(x, x

h es igual al gradiente de f producto punto

f(0 +h, 0 +k) f(0, 0) Df(0, 0)

f(2 +h, 1 +k) f(2, 1) (0 1)

Observacin. Es claro que si f es diferenciable en un punto x

por cm. Cuando se

al norte del occidente, aumenta o disminuye la temper-

(0) = 0, pero en 0 no se alcanza ningn extremo relativo (ni

0. Formamos la matriz hessiana de f en x

0. Formamos la matriz hessiana de f en x

You might also like