Análisis Matemático 2
Funciones de Varias Variables

Funciones de varias variables

Una función ff de nn variables es una regla que asigna a cada nn-tupla de números reales x=(x1,x2,,xn)\mathbf{\overline{x}} = (x_1, x_2, \ldots, x_n) un único número real f(x)=f(x1,x2,,xn)f(\mathbf{\overline{x}}) = f(x_1, x_2, \ldots, x_n).

Podemos definir su dominio como:

Dom  f={xRnf(x) estaˊ definida}Dom\;f = \{ \mathbf{\overline{x}} \in \mathbb{R}^n \mid f(\mathbf{\overline{x}}) \text{ está definida} \}

La imagen como:

Im  f={yRxDom  fy=f(x)}Im\;f = \{ y \in \mathbb{R} \mid \exists \mathbf{\overline{x}} \in Dom\;f \mid y = f(\mathbf{\overline{x}}) \}

Su gráfica se define como:

G(f)={(x,f(x))Rn+1xDom  f}G(f) = \{ (\mathbf{\overline{x}}, f(\mathbf{\overline{x}})) \in \mathbb{R}^{n+1} \mid \mathbf{\overline{x}} \in Dom\;f \}

Y por lo general, la notación usual es z=f(x,y)z = f(x, y).

Ejemplo:

Dar el dominio de la función f(x,y)=ln(x+y2)f(x, y) = ln(x+y-2) y su imagen:

Dom  f={(x,y)R2x+y2>0}={(x,y)R2y>2x}Dom\;f = \{ (x, y) \in \mathbb{R}^2 \mid x + y - 2 > 0 \} = \{ (x, y) \in \mathbb{R}^2 \mid y > 2 - x \}

Para la imagen, si elegimos x=0x = 0 tenemos que:

f(0,y)=ln(y2)f(0, y) = ln(y - 2)

Si definimos una función h(t)=ln(t2)h(t) = ln(t - 2). Por la función logaritmo, independientemente de estar desplazada en el eje xx, su imagen es R\mathbb{R}. Por lo tanto, Im  fIm\;f es R\mathbb{R}.

Límite y continuidad de funciones de varias variables

Dado r>0r > 0 y aRn\mathbf{\overline{a}} \in \mathbb{R}^n, llamamos bola abierta de centro a\mathbf{\overline{a}} y radio rr al conjunto B={xRn,xa<r}B = \{ \mathbf{\overline{x}} \in \mathbb{R}^n , ||\mathbf{\overline{x}} - \mathbf{\overline{a}}|| < r \}

  • Si n=1n = 1, B(a,r)B(\mathbf{\overline{a}}, r) es intervalo abierto centrado en a\mathbf{\overline{a}} y de radio rr.

  • Si n=2n = 2, B(a,r)B(\mathbf{\overline{a}}, r) es un disco abierto centrado en a\mathbf{\overline{a}} y de radio rr.

  • Si n=3n = 3, B(a,r)B(\mathbf{\overline{a}}, r) es una bola centrada en a\mathbf{\overline{a}} y de radio rr.

Límite

Sea aRn\mathbf{\overline{a}} \in \mathbb{R}^n y f:Dom  fRnRf: Dom\;f \subset \mathbb{R}^n \rightarrow \mathbb{R}, que incluye puntos arbitrarios cercanos a a\mathbf{\overline{a}} decimos:

limxaf(x)=L\lim_{\mathbf{\overline{x}} \to \mathbf{\overline{a}}} f(\mathbf{\overline{x}}) = L

Continuidad

Sea f:Dom  fRnRf : Dom\;f \subseteq \mathbb{R}^n \rightarrow \mathbb{R} y aRn\mathbf{\overline{a}} \in \mathbb{R}^n, decimos que ff es continua en a\mathbf{\overline{a}} si:

aDom  flimxaf(x)=f(a)\mathbf{\overline{a}} \in Dom\;f \land \lim_{\mathbf{\overline{x}} \to \mathbf{\overline{a}}} f(\mathbf{\overline{x}}) = f(\mathbf{\overline{a}})

Entonces, ff es continua si ff es continua en todo punto de su dominio. Valen propiedades similares a funciones continuas de R\mathbb{R} en R\mathbb{R}.

Derivadas parciales

Sea f:R2R    (a,b)R2f : \mathbb{R}^2 \rightarrow \mathbb{R} \; \land \; (a, b) \in \mathbb{R}^2, si fijamos bb, tenemos que g(x)=f(x,b)g(x) = f(x, b) es una función de una variable. Podemos considerar su derivada en x=ax = a como:

g(a)=limh0  g(a+h)g(a)h=limh0  f(a+h,b)f(a,b)h=fx(a,b)g'(a) = \displaystyle{\lim_{h \to 0}} \; \frac{g(a + h) - g(a)}{h} = \displaystyle{\lim_{h \to 0}} \; \frac{f(a + h, b) - f(a, b)}{h} = \frac{\partial f}{\partial x}(a, b)

En general, para cualquier punto (x,y)(x, y), dejamos la variable yy fija y definimos la derivada parcial de ff con respecto a xx como:

fx(x,y)=fx(x,y)=limh0  f(x+h,y)f(x,y)h\frac{\partial f}{\partial x}(x, y) = f_x(x, y) = \displaystyle{\lim_{h \to 0}} \; \frac{f(x + h, y) - f(x, y)}{h}
  • Si n=1n = 1 tenemos que fx1(a)=f(a)f_{x_1}(a) = f'(a) (derivada ordinaria).

  • Si n=2n = 2 escribimos fx,fyf_x, f_y en lugar de fx1,fx2f_{x_1}, f_{x_2}

  • Si n=3n = 3 escribimos fx,fy,fzf_x, f_y, f_z en lugar de fx1,fx2,fx3f_{x_1}, f_{x_2}, f_{x_3}

Si las derivadas parciales fxjf_{x_j} son continuas en a\mathbf{\overline{a}}, ff es continua en a\mathbf{\overline{a}}.

Plano tangente

Sea f:Dom  fR2f : Dom\;f \subseteq \mathbb{R}^2 y (a,b)Dom  f(a, b) \in Dom\;f, el plano tangente a la gráfica de ff en el punto (a,b,f(a,b))(a, b, f(a, b)) es:

Ecuación vectorial:

(x,y,z)=(a,b,f(a,b))+t(1,0,fx(a,b))+s(0,1,fy(a,b))(x, y, z) = (a, b, f(a, b)) + t(1, 0, f_x(a, b)) + s(0, 1, f_y(a, b))

Ecuación normal:

<(x,y,z)(a,b,f(a,b)),(fx(a,b),  fy(a,b),  1)>  =  0< (x, y, z) - (a, b, f(a, b)), (f_x(a, b), \; f_y(a, b), \; -1) > \; = \; 0 z=(xa)  fx(a,b)+(yb)  fy(a,b)+f(a,b)z = (x-a)\;f_x(a, b) + (y-b)\;f_y(a, b) + f(a, b)

Ecuación de la recta normal al plano:

(x,y,z)=t(fx(a,b),fy(a,b),1)+(a,b,f(a,b))(x, y, z) = t(f_x(a, b), f_y(a, b), 1) + (a, b, f(a, b))

Curvas y superficies de nivel

Recta tangente a la curva de nivel ff que pasa por (x0,y0)(x_0, y_0):

t(fy(x0,y0),fx(x0,y0))+(x0,y0)t(-f_y(x_0, y_0), f_x(x_0, y_0)) + (x_0, y_0)

Ecuación a la superficie de nivel:

<(x,y,z)(x0,y0,z0),  f(x0,y0,z0)>  =  0< (x, y, z) - (x_0, y_0, z_0), \; \nabla f(x_0, y_0, z_0) > \; = \; 0

Regla de la cadena

Al igual que funciones de una variable, podemos aplicar la regla de la cadena a funciones de varias variables. Tenemos dos casos posibles:

Caso 1:

Sea f:Dom  fRnR,  aDom  ff : Dom \; f \subseteq \mathbb{R}^n \rightarrow \mathbb{R}, \; \mathbf{\overline{a}} \in Dom \; f y tal que fx1,  ,  fxn\frac{\partial f}{\partial x_1}, \; \ldots, \; \frac{\partial f}{\partial x_n} existen y son continuas en B(a,r)B(\mathbf{\overline{a}}, r)
para algún r>0r > 0

Para 1in1 \leq i \leq n y un intervalo IRI \subseteq R, sean xi:IRx_i : I \rightarrow \mathbb{R} funciones derivables tI\forall t \in I, la función
g(t)=f(x1(t),,xn(t))g(t) = f(x_1(t), \ldots, x_n(t)) es derivable en tIt \in I y:

dgdt=g(t)=fx1(x1(t),,xn(t))x1(t)++fxn(x1(t),,xn(t))xn(t)\frac{dg}{dt} = g'(t) = \frac{\partial f}{\partial x_1} (x_1(t), \ldots, x_n(t)) \cdot x_1'(t) + \ldots + \frac{\partial f}{\partial x_n} (x_1(t), \ldots, x_n(t)) \cdot x_n'(t)

Caso 2:

Sea f:Dom  fR2R,  a1Dom  ff : Dom \; f \subseteq \mathbb{R}^2 \rightarrow \mathbb{R}, \; \overline{a_1} \in Dom \; f tal que fx1,  fx2\frac{\partial f}{\partial x_1}, \; \frac{\partial f}{\partial x_2} existen y son continuas en B(a1,r1)B(\overline{a_1}, r_1)
para algún r1>0r_1 > 0

x:Dom  xR2Rx : Dom \; x \subset \mathbb{R}^2 \rightarrow \mathbb{R} e y:Dom  yR2Ry : Dom \; y \subset \mathbb{R}^2 \rightarrow \mathbb{R} son dos funciones con sus derivadas parciales continuas en B(a0,r0)B(\overline{a_0}, r_0) para algún r0>0r_0 > 0, la función g(s,t)=f(x(s,t),y(s,t))  (s,t)B(a0,r0)g(s, t) = f(x(s, t), y(s, t)) \; \forall (s, t) \in B(\overline{a_0}, r_0) tiene derivadas parciales:

gs(s,t)=fx(x(s,t),y(s,t))xs(s,t)+fy(x(s,t),y(s,t))ys(s,t)\frac{\partial g}{\partial s} (s, t) = \frac{\partial f}{\partial x} (x(s, t), y(s, t)) \cdot \frac{\partial x}{\partial s} (s, t) + \frac{\partial f}{\partial y} (x(s, t), y(s, t)) \cdot \frac{\partial y}{\partial s} (s, t) gt(s,t)=fx(x(s,t),y(s,t))xt(s,t)+fy(x(s,t),y(s,t))yt(s,t)\frac{\partial g}{\partial t} (s, t) = \frac{\partial f}{\partial x} (x(s, t), y(s, t)) \cdot \frac{\partial x}{\partial t} (s, t) + \frac{\partial f}{\partial y} (x(s, t), y(s, t)) \cdot \frac{\partial y}{\partial t} (s, t)

Derivada direccional

Decimos que la derivada direccional de ff en el punto a\mathbf{\overline{a}} en la dirección de u\overline{u} (siendo u=1||\overline{u}|| = 1) es:

Duf(a)=limh0  f(a1+hu1,,an+hun)f(a1,,an)hD_{\overline{u}} f(\mathbf{\overline{a}}) = \displaystyle{\lim_{h \to 0}} \; \frac{f(\overline{a_1} + hu_1, \ldots, a_n + hu_n) - f(a_1, \ldots, a_n)}{h}

Si el vector u\overline{u} no es unitario, podemos definir v=uu\overline{v} = \frac{\overline{u}}{||\overline{u}||} (unitario y en dirección de u\overline{u}).

Podemos calcular la derivada direccional como:

Duf(a)=  <f(a),u>D_{\overline{u}} f(\mathbf{\overline{a}}) = \; < \nabla f(\mathbf{\overline{a}}), \overline{u} >

El gradiente de ff en a\mathbf{\overline{a}} es el vector:

f(a)=(fx1(a),,fxn(a))\nabla f(\mathbf{\overline{a}}) = \left( \frac{\partial f}{\partial x_1} (\mathbf{\overline{a}}), \ldots, \frac{\partial f}{\partial x_n} (\mathbf{\overline{a}}) \right)

Dirección de tasa de mayor y menor crecimiento

Partiendo de un punto P0=(x0,y0)P_0 = (x_0, y_0), podemos saber la dirección en la que f:R2Rf : \mathbb{R}^2 \rightarrow \mathbb{R} crece o decrece más rapido.

  • La tasa de mayor crecimiento es en la dirección u=f(x0,y0)\mathbf{\overline{u}} = \nabla f(x_0, y_0)

  • La tasa de menor crecimiento es en la dirección u=f(x0,y0)\mathbf{\overline{u}} = -\nabla f(x_0, y_0)

Derivada de orden 2

La cantidad de derivadas parciales de segundo orden dependerá de la cantidad de variables de la función. Para una función ff de nn variables, tenemos que:

Si n=2n=2 hay 44 posibilidades:

(fx)x=2fx2=x(fx)(f_x)_x = \frac{\partial^2 f}{\partial x^2} = \frac{\partial}{\partial x} \left( \frac{\partial f}{\partial x} \right) (fx)y=2fxy=x(fy)(f_x)_y = \frac{\partial^2 f}{\partial x \partial y} = \frac{\partial}{\partial x} \left( \frac{\partial f}{\partial y} \right) (fy)x=2fyx=y(fx)(f_y)_x = \frac{\partial^2 f}{\partial y \partial x} = \frac{\partial}{\partial y} \left( \frac{\partial f}{\partial x} \right) (fy)y=2fy2=y(fy)(f_y)_y = \frac{\partial^2 f}{\partial y^2} = \frac{\partial}{\partial y} \left( \frac{\partial f}{\partial y} \right)

Si n=3n=3 hay 99 posibilidades:

fxx,fxy,fxz,fyx,fyy,fyz,fzx,fzy,fzzf_{xx}, f_{xy}, f_{xz}, f_{yx}, f_{yy}, f_{yz}, f_{zx}, f_{zy}, f_{zz}

Punto crítico y funciones de dos variables

Sea f:Dom  fR2R,  (x0,y0)f : Dom \; f \subseteq \mathbb{R}^2 \rightarrow \mathbb{R}, \; (x_0, y_0) es un punto crítico si f(x0,y0)=(0,0)\nabla f(x_0, y_0) = (0, 0)

Si   fx(x0,y0)  fy(x0,y0)\nexists \; f_x(x_0, y_0) \lor \nexists \; f_y(x_0, y_0), (x0,y0)(x_0, y_0) es un punto singular.

Test de la derivada segunda

Sea f:Dom  fR2Rf : Dom \; f \subseteq \mathbb{R}^2 \rightarrow \mathbb{R} y (x0,y0)(x_0, y_0) un punto crítico. Definimos la matriz Hessiana de ff en (x0,y0)(x_0, y_0) como:

Hf(x0,y0)=(fxx(x0,y0)fxy(x0,y0)fyx(x0,y0)fyy(x0,y0))H_f(x_0, y_0) = \begin{pmatrix} f_{xx}(x_0, y_0) & f_{xy}(x_0, y_0) \\ f_{yx}(x_0, y_0) & f_{yy}(x_0, y_0) \end{pmatrix}

Podemos reexpresar la matriz Hessiana como:

D(x0,y0)=fxx(x0,y0)fyy(x0,y0)[fxy(x0,y0)]2D(x_0, y_0) = f_{xx}(x_0, y_0) \cdot f_{yy}(x_0, y_0) - [f_{xy}(x_0, y_0)]^2
  • Si D>0D > 0 y fxx(x0,y0)>0fyy(x0,y0)>0f_{xx}(x_0, y_0) > 0 \lor f_{yy}(x_0, y_0) > 0, (x0,y0)(x_0, y_0) es un mínimo local.

  • Si D>0D > 0 y fxx(x0,y0)<0fyy(x0,y0)<0f_{xx}(x_0, y_0) < 0 \lor f_{yy}(x_0, y_0) < 0, (x0,y0)(x_0, y_0) es un máximo local.

  • Si D<0D < 0, (x0,y0)(x_0, y_0) es un punto de silla.

  • Si D=0D = 0, el test no es concluyente.