Anda di halaman 1dari 80

APUNTS

DE
MATEMTIQUES I
Gonzalo Rodrguez
Departament de Matemtica Econmica,
Financera i Actuarial










Graus dADE i Economia
Facultat dEconomia i Empresa
2
PRLEG

Aquests breus apunts, estructurats en forma de fitxes, estan pensats per a
ser desenvolupats a les classes presencials de lassignatura de Matemtiques I
dels graus dAdministraci i Direcci dEmpreses (ADE) i dEconomia que
simparteixen a la Facultat dEconomia i Empresa de la UB. Per tant, shan de
prendre com un ajut, una guia, i no pas com a un substitut delles.
El contingut sha estructurat seguint ben de prop el programa que hom troba
al Pla Docent de lassignatura i que contempla dos blocs temtics: en el primer
(Bloc dlgebra), dedicat a estudiar alguns dels conceptes ms importants de
llgebra lineal, posem latenci en els espais vectorials (tema 1) i euclidians
(tema 2) on sintrodueixen les nocions mtriques indispensables per a abordar
amb cert rigor els continguts dels temes segents; en el segon bloc (Bloc de
Clcul) es desenvolupa mpliament el concepte de funci escalar real (tema 3),
aix com els mtodes analtics que ens permetran trobar els mxims i mnims
daquestes funcions ptims lliures- (tema 4). Aquest darrer tema prepara el
terreny pel que ha de venir a Matemtiques II.
Val a dir que la majoria dels conceptes exposats aqu -i que hem destacat en
cursiva- venen acompanyats dexemples illustratius amb la idea de facilitar la
seva comprensi. En aquest sentit tamb estan pensats els exercicis que
senuncien al final de cada tema i que demanen ser resolts i comentats en el
decurs de les classes presencials. Aix mateix, i al final del document, hom
troba una ressenya bibliogrfica i un glossari de termes que t per objectiu
ajudar en la cerca dels conceptes ms importants.
Per ltim indicar que aquest document ha estat acceptat i arxivat en el Dipsit
Digital de la UB dins la collecci OMADO i que el seu contingut, aix com les
possibles errades que hom hi pugui trobar, sn responsabilitat nica i exclusiva
de lautor.
3
NDEX

Bloc I: lgebra 4
1. Lespai vectorial real 4
1.1. Espai vectorial real i definicions bsiques 4
1.2. Base i dimensi dun espai vectorial 11
1.3. Subespai vectorial 14
1.4. Exercicis 16
2. Lespai vectorial euclidi 17
2.1. Espai vectorial euclidi i definicions bsiques 17
2.2. Introducci a la topologia de lespai euclidi 22
2.3. Formes quadrtiques i classificaci 28
2.4. Exercicis 33
Bloc II: Clcul 34
3. Funcions reals de diverses variables 34
3.1. Funci escalar real i definicions bsiques 34
3.2. Derivades duna funci escalar i vector gradient 41
3.3. Funcions escalars diferenciables i implcites 50
3.4. Derivades segones duna funci escalar i matriu hessiana 59
3.5. Funcions homognies i teorema dEuler 62
3.6. Exercicis 65
4. Optimitzaci sense restriccions 66
4.1. ptims duna funci escalar i teorema de Weierstrass 66
4.2. Condicions necessries i suficient dptims locals 69
4.3. Optimitzaci convexa i teorema local-global 75
4.4. Exercicis 78
Bibliografia 79
Glossari 80
4
BLOC I: lgebra

1. LESPAI VECTORIAL REAL

1.1. Espai vectorial real i definicions bsiques

Les magnituds numriques amb les que treballa la cincia solen ser de dos
tipus: escalars i vectorials. Les escalars sn les que venen determinades per un
nic valor numric com, per exemple, el pes dun cos, el preu dun b econmic o
els tipus dinters. Per contra, les magnituds de tipus vectorial necessiten ms
dun valor numric per ser definides; pensem, per exemple, en el vector-fora
de la Fsica on cal conixer, entre daltres, la direcci i el sentit cap a on va
dirigida. En Economia, les magnituds vectorials apareixen freqentment com a
variables independents de funcions escalars.
1
Com a exemple illustratiu tenim
la funci de producci de Cobb-Douglas:
0.44 0.48
2.26 Q K L = , que relaciona la
quantitat produda Q (output) amb els factors de producci del capital K i del
treball L (inputs) dun cert sistema productiu. Esquemticament:

En aquest cas, direm que la producci Q depn funcionalment del vector
bidimensional dels inputs
( )
, K L i ho simbolitzarem per
( )
, Q Q K L = . Doncs b,
la noci despai vectorial recull les propietats ms importants de la suma i del
producte extern de vectors.
2


1
Estudiem les funcions escalars en el Bloc II.
2
s a dir, del producte dun vector per un nmero.
5
1.1.1. Espai vectorial, vectors i escalars

Un espai vectorial real vindr donat per un conjunt de vectors:
( ) { }
1 1
, , : , ,
n
n n
x x x x x = =

R R
una suma interna de vectors:
( ) ( ) ( )
1 1 1 1
, , , , , ,
n n n n
x y x x y y x y x y + = + = + +


i un producte extern de vectors:
( ) ( )
1 1
, , , ,
n n
x x x x x = =

, amb R.
Als elements del conjunt R els hi direm escalars.
3


A partir dara, i si no hi ha ambigitat, notarem el vector nul de lespai
vectorial
n
R -que s lelement neutre de la suma de vectors- per:
)
0 0, , 0
n
| |
=
|
\ .

.
4

Per un altre cant, i per a tot vector
n
x

R , el seu vector oposat ser:


( ) 1 x x =

.

En general, i per a tot espai vectorial
n
R , haurem de considerar les segents
propietats:
0 0 =

. En particular: 0 0 x =

.

implica
0 0 0 x x = = =


.

( ) ( )
x x =

.

Equivalent
0 x y x y = =


.

3
Per a una definici despai vectorial ms general hom pot veure qualsevol dels manuals
dlgebra que apareixen en la bibliografia.
4
No hem de confondre aquest vector amb lescalar 0.
6
1.1.2. Combinaci lineal de vectors

Comenarem introduint el concepte ms bsic dels relatius a vectors com s el
de combinaci lineal. Per exemple, el vector
( )
3, 1, 7 s combinaci lineal dels
vectors ( ) ( ) 1, 0, 4 i 1,1,1 ja que es pot escriure com:
( ) ( ) ( ) ( ) 3, 1, 7 2 1, 0, 4 1 1,1,1 = + .
Aix doncs, un vector
n
x

R s combinaci lineal de k vectors


1
, ,
n
k
x x

R
si existeixen k escalars
1
, ,
k
R amb la condici:
1 1
1
k
k k i i
i
x x x x
=
= + + =


.
5


Exemple: Prova que el vector
( )
1, 9, 4 s combinaci lineal dels vectors
( )
1,2, 0
i
( )
4,3, 4 , i raona per qu no passa el mateix amb el vector
( )
7,3, 4 .
SOLUCI: En aquest cas, lequaci vectorial que cal resoldre s:
( ) ( ) ( )
1 2
1, 9, 4 1,2, 0 4,3, 4 = +
que dna lloc al sistema dequacions lineals en les variables
1 2
i :
6

1 2
implica Soluci 1
1 2
2
2
4 1
3
2 3 9 Hi ha combinaci lineal
1
4 4

=
=

+ =
`
=


=
)
.
Tanmateix, no passa el mateix amb el vector
( )
7,3, 4 ja que:
1 2
Sistema incompatible
1 2
2
4 7
2 3 3 No hi ha combinaci lineal.
4 4

+ =
`

=
)
7


5
Fixem-nos que, en general, el nombre k de vectors de la combinaci no t per que coincidir
amb el nombre n de components dels vectors.
6
Dara en endavant suposarem que hom sap discutir i resoldre sistemes dequacions lineals.
7
Recordem que un sistema dequacions lineals s incompatible si no t soluci.
7
1.1.3. Dependncia i independncia lineal de vectors

Com hem vist, el vector
( )
1, 9, 4 es pot expressar com a combinaci lineal dels
vectors
( )
1,2, 0 i
( )
4,3, 4 . En aquest cas direm que els tres vectors
( )
1, 9, 4 ,
( )
1,2, 0 i
( )
4,3, 4 sn linealment dependents. Per contra, aix no passa amb el
vector
( )
7,3, 4 ; en aquesta tessitura direm que ( ) 7,3, 4 ,
( )
1,2, 0 i
( )
4,3, 4 sn
linealment independents.
8
En general, k vectors
1
, ,
n
k
x x

R sn:
1. Linealment dependents si un dells, per exemple
i
x

, es pot escriure com a


combinaci lineal de la resta:
1 1 1 1 1 1 i i i i i k k
x x x x x
+ +
= + + + + +

.
2. Linealment independents quan aix no passa, s a dir, quan cap dells es pot
expressar a partir dels altres com a combinaci lineal.

Podem enunciar ara un teorema de caracteritzaci
9
de la independncia lineal
de vectors a partir de les combinacions lineals nulles de vectors que sn les
de la forma:
1 1
0
k k
x x + + =


.
En general, k vectors
1
, ,
n
k
x x

R sn linealment independents si i noms
si tota combinaci lineal nulla entre ells t els seus escalars nuls. En altres
paraules:
implica
1 1 1
0 0
k k k
x x + + = = = =


.
10



8
Val a dir que el vector ( ) 1,2, 0 tampoc s combinaci lineal dels vectors ( ) 7,3, 4 i ( ) 4,3, 4 , i
que passa el mateix amb el vector ( ) 4,3, 4 respecte de ( ) 7,3, 4 i ( ) 1,2, 0 .
9
La demostraci daquest teorema est penjada al Campus Virtual.
10
Evidentment, un conjunt de vectors seran linealment dependents si i noms si existeix
alguna combinaci lineal nulla entre ells amb algun dels escalars diferent de zero.
8
Exemple: Demostra que els vectors ( ) 7,3, 4 , ( ) 1,2, 0 i ( ) 4,3, 4 sn linealment
independents mentre que ( ) 1, 9, 4 , ( ) 1,2, 0 i ( ) 4,3, 4 no ho sn.
SOLUCI:
En el primer cas, cal plantejar lequaci vectorial:
( ) ( ) ( ) ( )
1 2 3
0, 0, 0 7,3, 4 1,2, 0 4,3, 4 = + +
que dna lloc al sistema homogeni:
1 2 3
1 2 3
1 3
7 4 0
3 2 3 0
4 4 0



+ =

+ + =
`

+ =
)
.
Com que aquest sistema dequacions lineals s de Cramer,
11
la soluci s nica i
igual a la soluci trivial. Per tant:
1 2 3 1
implica Soluci nica
1 2 3 2
1 3 3
7 4 0 0
3 2 3 0 0 Linealment independents
4 4 0 0



+ = =

+ + = =
` `

+ = =
) )
.
En el segon cas, lequaci vectorial nulla que cal analitzar s:
( ) ( ) ( ) ( )
1 2 3
0, 0, 0 1, 9, 4 1,2, 0 4,3, 4 = + +
amb el sistema dequacions lineals associat:
1 2 3
1 2 3
1 3
4 0
9 2 3 0
4 4 0



+ =

+ + =
`

+ =
)
.
Com que aquest sistema s compatible i indeterminat tenim que:
1 2 3
Compatible i indeterminat
1 2 3
1 3
4 0
9 2 3 0 T ms d'una soluci
4 4 0



+ =

+ + =
`

+ =
)
.
Aix doncs, els tres vectors sn ara linealment dependents ja que, bviament,
alguna daquestes solucions cont escalars diferents de zero.

11
Recordem que un sistema dequacions lineals s homogeni si t tots els termes independents
nuls, i s de Cramer si s compatible i determinat amb matriu associada quadrada. Tot sistema
homogeni s sempre compatible ja que, com a mnim, t la soluci trivial igual a zero.
9
1.1.3.1. Relaci entre independncia lineal de vectors i rang duna matriu

Si recordem que el rang duna matriu s lordre ms gran possible de les seves
submatrius quadrades amb determinant no nul, aquesta relaci es materialitza
en la propietat de caracteritzaci que afirma que:
k vectors de
n
R sn linealment independents si i noms si la matriu que
formen t rang k .
12


Exemple: Demostra que els tres vectors
( )
1, 1,3, 7 ,
( )
5,2, 4, 2 i
( )
0, 6, 0,1 sn
linealment independents mentre que
( )
2, 2, 8 ,
( )
5,1,3 i
( )
4,2, 1 no ho sn.
SOLUCI:
En el primer cas, la matriu que formen els tres vectors s:
1 1 3 7
5 2 4 2
0 6 0 1
A
| |
|
=
|
|

\ .
.
Com que:
implica
1 1 3
5 2 4 66 0 rang 3
0 6 0
A

= =


hom dedueix, aplicant la propietat anterior, que sn linealment independents.
En el segon cas, com que el determinant de la matriu que formen s zero:
implica
2 2 8
5 1 3 0 rang 3
4 2 1
A A

= = <


tenim que, ara, els tres vectors sn linealment dependents.

12
Conseqentment, el rang duna matriu ser el nombre mxim de vectors fila (o columna)
linealment independents. s evident que si el rang s menor que el nombre de vectors k , els
vectors seran linealment dependents.
10
1.1.4. Sistema de generadors dun espai vectorial

Un tercer concepte fonamental s el de sistema de generadors dun espai
vectorial. Per exemple, els tres vectors
( ) ( ) ( )
1, 0, 0 , 0,1, 0 i 0, 0,1 formen un
sistema de generadors de
3
R ja que qualsevol vector es pot escriure com a
combinaci lineal dells. En efecte:
( ) ( ) ( ) ( )
, , 1, 0, 0 0,1, 0 0, 0,1 a b c a b c = + + .
En general, diem que k vectors
1
, ,
n
k
x x

R formen un sistema de generadors
de
n
R si tot vector es pot expressar com a combinaci lineal dells.

En aquest context cal tenir present la propietat de caracteritzaci que diu:
k vectors de
n
R formen un sistema de generadors de
n
R si i noms si la
matriu que formen t rang n .

Exemple: Prova que els quatres vectors
( )
1, 0, 0 ,
( )
2,3, 1 ,
( )
5,11, 4 i
( )
4,5, 0
formen un sistema de generadors de
3
R .
SOLUCI:
En aquest cas, 3 n = i la matriu que formen els quatre vectors s:
1 0 0
2 3 1
5 11 4
4 5 0
A
| |
|

|
=
|

|
|

\ .
.
Com que:
implica
1 0 0
3 1
2 3 1 12 11 1 0 rang 3
11 4
5 11 4
A n

= = + = = =


dedum que aquests quatre vectors formen un sistema de generadors de
3
R .
11
1.2. Base i dimensi dun espai vectorial

Una base dun espai vectorial s un sistema de generadors format per un
nombre mnim de vectors. En concret, un conjunt de k vectors
1
, ,
n
k
x x

R
diem que s una base de
n
R si formen un sistema de generadors i, a ms, sn
linealment independents. Vegem un exemple important de base:

Exemple: Els n vectors:
) ) 1 1
1, 0, , 0 , , 0, , 0,1
n n
n

| | | |

| |
\ . \ .
R
formen una base de
n
R .
13

SOLUCI:
Que constitueixen un sistema de generadors s trivial ja que:
( ) ( ) ( ) ( )
1 2 1 2
, , , 1, 0, , 0 0,1, 0, , 0 0, , 0,1
n n
x x x x x x = + + +
i s evident que sn linealment independents ja que la matriu quadrada que
formen, que s la matriu identitat, s regular:
14

implica implica
1 0 0
0
det 1 0 rang
0
0 0 1
n n n
I I I n
| |
|
|
= = =
|
|
\ .

.

De la definici de base es desprn automticament que totes les bases dun
espai vectorial tenen el mateix nombre de vectors. Aix doncs, i per definici,
la dimensi dun espai vectorial s el nombre de vectors de les seves bases.
15


13
s lanomenada base cannica de
n
R .
14
Una matriu quadrada s regular si el seu determinant s diferent de zero. Cal tenir present
que aquestes sn les niques matrius que admeten matriu inversa.
15
Val a dir que existeixen espais vectorials de dimensi infinita.
12
1.2.1. Relaci entre base dun espai vectorial i determinant duna matriu

La segent propietat de caracteritzaci, que s una conseqncia directa de
resultats anteriors, ens permetr comprovar en la prctica si un conjunt de
vectors s o no una base dun espai vectorial. En general:
n vectors de
n
R formen una base de
n
R si i noms si la matriu quadrada
que formen s regular, s a dir, amb determinant diferent de zero.

Exemple: Comprova que els quatre vectors de
4
R :
( )
1,1, 0, 0 ,
( )
2,3,1,8 ,
( )
3,3,1,5 i
( )
0, 0,1, 0
formen una base.
SOLUCI:
Com que la matriu que formen s quadrada i regular, ja que el seu determinant
s diferent de zero:
( )
1 1 0 0
1 1 0 1 1 1 0 1 0 0
2 3 1 8
1 1 2 3 8 2 3 2 8 2 1 8
3 3 1 5
3 3 5 3 3 3 5 3 0 5
0 0 1 0
1 8
5 0
0 5

= = = =

= =

dedum que formen una base de
4
R .

Dara en endavant caldr tenir present que:
Tot conjunt de vectors linealment independents dun espai vectorial es pot
ampliar a una base.
Tot sistema de generadors dun espai vectorial cont, entre els seus
vectors, una base.
13
1.2.2. Vector de components dun vector en una base

Un darrer concepte relatiu a les bases dun espai vectorial s el de vector de
components dun vector en una base donada. En general, si:
1 1 n n
x x x = + +


s lexpressi del vector
n
x

R en la base
1
, ,
n
n
x x

R , direm que el vector:
( )
1
, ,
n
n
=

R
s el vector de components de x

en aquesta base.
16


Exemple: Troba el vector de components de
( )
2, 5,1 en la base de
3
R formada
pels vectors ( ) 2, 0, 5 ,
( )
3,3,1 i
( )
0, 0,1 .
SOLUCI:
Aquests vectors formen una base de
3
R ja que, com podem constatar, el
determinant de la matriu que formen s diferent de zero. Aix doncs, i per
definici, el vector de components
( )
1 2 3
, , de
( )
2, 5,1 en aquesta base
satisfar lequaci vectorial:
( ) ( ) ( ) ( )
1 2 3
2, 5,1 2, 0, 5 3,3,1 0, 0,1 = + +
s a dir, que ser la soluci del sistema dequacions lineals de Cramer:
17

1 2 1
Soluci
2 2
1 2 3 3
2 3 2 3/ 2
3 5 5 / 3
5 1 41 / 6



+ = =

= =
`

+ + = =
)

Per tant, el vector de components que busquem s:
( )
1 2 3
3 5 41
, , , ,
2 3 6

| |
=
|
\ .
.

16
Es pot provar que aquest vector s nic (la demostraci est penjada al Campus Virtual).
17
Els sistemes dequacions lineals que sobtenen al calcular els vectors de components sn
sempre sistemes de Cramer.
14
1.3. Subespai vectorial

Un subespai vectorial s un subconjunt no buit dun espai vectorial que s
tancat per les operacions suma i producte, la qual cosa fa que sigui tamb un
espai vectorial amb les mateixes operacions que lespai inicial. En general, diem
que un subconjunt no buit
n
S R s un subespai vectorial de
n
R si:
1. Per a tota parella de vectors de S :
implica
, x y S x y S +


2. Per a tot vector de S i tot escalar:
implica
i x S x S

R

Exemple: Prova que el conjunt:
( ) { }
3
, , 0 : , S a b a b = R R
s un subespai vectorial de
3
R .
SOLUCI:
Cal veure que la suma de dos vectors de S i el producte dun escalar per un
vector de S pertanyen sempre a S. En efecte:
( ) ( ) ( ) { } ( )
, , 0 , , 0 , , 0 0 0 0 0 , , 0 a b c d a c b d a c b d S + = + + + = + = = + +
i:
( ) ( ) { } ( )
, , 0 , , 0 0 0 , , 0 a b a b a b S = = = = .

En aquest context pot ser dinters considerar la propietat de caire general
que ens diu que:
Si
n
S R s un subespai vectorial aleshores 0 S

.
Aix doncs, i com a conseqncia, si un subconjunt dun espai vectorial no cont
el vector nul no pot ser mai un subespai vectorial.
15
1.3.1. Subespai vectorial generat per un conjunt de vectors

Com tot subespai vectorial s, en particular, un espai vectorial en s mateix,
admetr bases i dimensi. Daqu que aparegui de forma natural el concepte de
subespai vectorial generat: per definici, el subespai vectorial generat per un
conjunt finit de vectors s, precisament, el conjunt format per totes les
combinacions lineals daquests vectors.

Exemple: Determina una base, la dimensi i lexpressi analtica o conjuntista
del subespai vectorial:
( ) { }
3
, , 0 : , S a b a b = R R .
SOLUCI: Ja que, per a tot vector
( )
, , 0 a b S , tenim que:
( ) ( ) ( )
, , 0 1, 0, 0 0,1, 0 a b a b = +
dedum que S est generat pels vectors:
( ) ( )
1, 0, 0 i 0,1, 0
i com que aquests dos vectors sn linealment independents, formen una base.
Per tant, la dimensi de S s 2. Finalment, pel que fa a lexpressi analtica
daquest subespai, notem que els seus vectors sn, ni ms ni menys, els vectors
de lespai que tenen la 3a. component igual a zero. Per tant:
( ) { }
3
, , : 0 S x y z z = = R .
Grficament:

16
1.4. Exercicis

1. Troba els valors del parmetre a R de manera que el vector ( ) 2, 1, 5, 0
sigui combinaci lineals dels vectors
( )
2, 4, 7, 6 i
( )
,2, 1, a a .
2. Prova que, independentment del valor del parmetre m R, els vectors
( )
1,3, 0, 1 ,
( )
5, 4,1, 0 ,
( )
0,3, 1, m i
( )
,2,1, 6 m sn linealment independents.
Formen una base de
4
R ? Raona la resposta.
3. Prova que qualsevol conjunt de vectors que inclogui el vector nul no pot ser
un conjunt de vectors linealment independents.
4. Prova que
( )
1, 0, 4,3 ,
( )
6, 5, 0,3 i
( )
0, 2,1, 0 sn linealment independents i
troba un vector que, juntament amb ells, doni lloc a una base de
4
R .
5. Prova que, per a tot 1 a , els vectors ( ) , 0, 3 a , ( ) 2, , 5 a i ( ) 0,1, a formen
base de
3
R i determina el vector de components de ( ) 2,1,2 per 0 a = .
6. Demostra que si
1
, ,
n
n
x x

R s una base de
n
R aleshores tamb ho s el
conjunt de vectors definit per:
1 1
2 1 2
1 2

n n
y x
y x x
y x x x
=

= +

= + + +


7. Determina una base i la dimensi dels subespais vectorials:
a. ( ) { }
3
, , : 2 0, 2 0 S x y z x y x z = = = R .
b. ( ) { }
3
, , : 2 3 0 S x y z x y z = + + = R .
18

8. Determina una base, la dimensi i lexpressi analtica o conjuntista del
subespai vectorial generat pels vectors ( ) ( ) ( ) 4, 0, 1 , 3, 5,2 i 11,5, 0 .


18
Es pot demostrar que qualsevol subespai vectorial est format pels vectors que sn soluci
dun sistema dequacions lineals homogeni.
17
2. LESPAI VECTORIAL EUCLIDI

2.1. Espai vectorial euclidi i definicions bsiques

2.1.1. Producte escalar i espai vectorial euclidi

Com veurem a continuaci, el concepte algebraic de producte escalar ens
permet introduir nocions mtriques en un espai vectorial real com sn, a tall
dexemple, la grandria dun vector, langle i la distncia entre dos vectors. Per
definici, el producte escalar habitual o estndard (producte escalar a seques)
de dos vectors ,
n
x y

R s igual a lexpressi:
( )
1
1 1 1
1
, ,
n
n n n i i
i
n
y
x y x x x y x y x y
y
=
| |
|
= = + + =
|
|
\ .


R.
19


Vegem un exemple:

Exemple: Calcula el producte escalar dels vectors
( )
1, 0, 5 i ( ) 5, 2,1 .
SOLUCI: Trivialment:
( ) ( ) ( ) ( ) 1, 0, 5 5, 2,1 1 5 0 2 5 1 5 5 0 = + + = = .
20


Amb el concepte de producte escalar hom pot introduir el despai vectorial
euclidi ja que, per definici, un espai vectorial euclidi (o espai euclidi a
seques) no s ms que un espai vectorial dotat dun producte escalar.
21


19
Notem que el producte escalar entre dos vectors s sempre un escalar i daqu li ve el nom.
20
Fixem-nos que el producte escalar entre dos vectors no nuls pot ser 0.
21
Estrictament parlant, un espai euclidi seria el conjunt format pels punts extrems dels
vectors de posici (vectors amb origen lorigen de coordenades) dun espai vectorial euclidi
tal com lhem definit.
18
2.1.2. Norma dun vector

Estem en condicions ja dintroduir conceptes geomtrics bsics en un espai
euclidi. Dentrada tenim la norma o grandria dun vector: per definici, la
norma del vector
n
x

R s igual a larrel quadrada del producte escalar del


vector per s mateix:
2 2
1 n
x x x x x = + = + + +

.
22

De fet, la norma dun vector reprodueix en lespai vectorial
n
R el teorema de
Pitgores. Grficament, en el cas del pla i lespai, tenim:



Com a propietats generals de la norma destaquem:
0 x

. A ms,
Equivalent
0 0 x x = =


.
x x =

, per a tot escalar R.
Desigualtat triangular: x y x y + +

.
Desigualtat de Schwarz: x y x y

.
Si 0 x

, el vector
1
x
x

s un vector unitari.
23


22
La norma dun vector rep tamb el nom de mdul.
23
Un vector unitari s aquell que t per norma la unitat.
19
2.1.3. Angle entre vectors

Un dels conceptes cabdals en geometria mtrica s el de langle que formen
dos vectors. Grficament:


Doncs b, la desigualtat de Schwarz fa possible introduir la noci de cosinus
dun angle. En concret, el cosinus de langle entre dos vectors ,
n
x y

R no
nuls s igual al quocient:
cos
x y
x y



.
Notem que el cosinus dun angle ens permet redefinir el producte escalar en
funci de les normes dels vectors ja que:
cos x y x y =

.
24


Exemple: Troba langle que formen els vectors ( ) 1,1, 0 x =

i ( ) 2, 9, 6 y =

.
SOLUCI: Com que:
( ) ( ) 1,1, 0 2, 9, 6 1 2 1 9 0 6 11 x y = = + + =


dedum que:
( )( )
implica
2 2 2 2 2 2
11 1
cos radians
4 2
1 1 0 2 9 6
x y
x y

= = = =

+ + + +


.

24
Aix doncs, el producte escalar ens mesura la tendncia de dos vectors a apuntar en la
mateixa direcci.
20
2.1.4. Vectors i bases ortogonals i ortonormals

Si ens fixem b en la frmula del cosinus, veiem que lanullaci del producte
escalar fa possible expressar formalment la noci de vectors perpendiculars.
Aix doncs, diem que dos vectors no nuls ,
n
x y

R sn ortogonals (o tamb
perpendiculars) si el cosinus de langle que formen s igual a zero, s a dir, si:
0 x y =

.
25

El concepte dortogonalitat dna lloc de manera natural als conceptes de base
ortogonal i ortonormal. En efecte, una base dun espai euclidi s:
1. Ortogonal si tots els vectors que la formen sn ortogonals dos a dos.
2. Ortonormal si s ortogonal i, a ms, els seus vectors sn unitaris.

Exemple: Troba una base ortonormal de
3
R que contingui els vectors unitaris
associats als vectors ortogonals ( ) 1, 0, 5 i ( ) 5, 2,1 .
SOLUCI:
Dentrada, caldr considerar un 3er. vector ( ) , , a b c perpendicular a aquests
dos i que, tots junts, formin base. Aix doncs, caldr imposar dues condicions:
( ) ( )
( ) ( )
1 0 5
0 , , 1, 0, 5 5
5
i 5 2 1 390 0
13 0 , , 5, 2,1 5 2
5 13
a b c a c
a c
c
b c a b c a b c
c c c

= =
=

=
`
= = = +

)
.
Per tant, si 0 c , els tres vectors:
( ) ( ) ( ) 1, 0, 5 , 5, 2,1 i 5 ,13 , c c c formen una base ortogonal de
3
R .
Finalment, fent 1 c = , resulta que una base ortonormal podria ser:
1 5
, 0,
26 26
| |
|
\ .
,
5 2 1
, ,
30 30 30
| |
|
\ .
i
5 13 1
, ,
195 195 195
| |
|
\ .
.
26


25
Els dos vectors de lexemple de la plana 17 sn ortogonals.
26
Cal considerar els vectors unitaris associats per a formar aquesta base.
21
2.1.5. Distncia entre vectors

Un altre dels conceptes mtrics fonamentals s el de distncia entre vectors.
De fet, si des dun punt de vista geomtric anomenen punt dun espai euclidi a
lextrem de qualsevol vector que tingui per origen lorigen de coordenades,
27
es
podria parlar tamb de distncia entre punts. Per definici, la distncia entre
dos vectors ,
n
x y

R ve definida per la norma de la seva diferncia, s a dir:
( )
, d x y x y =

.
Grficament, la distncia entre dos vectors , x y

(o, alternativament, entre els
dos punts extrems , P Q associats) seria:



Exemple: Calcula la distncia entre els vectors:
( ) 3, 2, 0,1 x =

i ( ) 1, 4, 0,2 y =

.
SOLUCI:
En aquest cas, la distncia que ens demanen s:
( ) ( ) ( )
2
2 2 2
, 2,2, 0, 1 2 2 0 1 9 3 d x y x y = = = + + + + = + =

.
28


27
Veure el comentari a peu de pgina de la plana 17.
28
Conseqentment, la distncia entre els punts ( ) ( ) 3, 2, 0,1 i 1, 4, 0,2 P Q = = s igual a 3.
22
2.2. Introducci a la topologia de lespai euclidi

2.2.1. Bola oberta dun espai euclidi

Acabem de veure com el producte escalar fa possible definir formalment el
que sentn per distncia entre dos vectors (o punts) dun espai euclidi.
29

Doncs b, s precisament aquest concepte mtric el qu fonamenta el de bola
oberta, la primera de les nocions topolgiques que haurem de considerar. Per
definici, la bola oberta de centre un punt
n
P R i de radi 0 r > s el conjunt
de punts (o de vectors) de
n
R que es troben a una distncia de P ms petita
que r . Aix doncs, un punt o vector
n
x

R pertany a aquesta bola oberta si:


( )
, d x P x P r = <

.
30


Exemple: Determina la bola oberta del pla de centre ( ) 1, 0 P = i radi 2 r = .
SOLUCI: Com que:
( ) ( ) ( ) ( ) ( ) ( ) ( )
2
2
, , 1, 0 , 1, 0 1, 1 d x y x y x y x y = = + = + + +
i:
( ) ( ) + + < + + < =
2 2
Equivalent 2 2 2
1 2 1 4 2 x y x y
dedum que la bola oberta de centre ( ) 1, 0 i de radi 2 s el cercle de centre
aquest punt i de radi 2. Grficament:
31



29
Recordem que no estem fent distinci entre punts i vectors de posici associats (s a dir,
entre els vectors amb origen lorigen de coordenades i els punts extrems associats).
30
Si la desigualtat fos no estricta parlarem de la bola tancada.
31
Es pot demostrar que totes les boles obertes del pla sn cercles.
23
2.2.2. Punt interior, punt exterior i punt frontera dun conjunt

Notem que, en general, un punt dun espai euclidi es pot relacionar de tres
maneres diferents respecte qualsevol subconjunt de lespai. Grficament:


En aquest cas direm que
1
P s un punt interior,
2
P un punt frontera i
3
P un punt
exterior de S. Aix doncs, i en general, un punt
n
P R s un:
1. Punt interior dun conjunt
n
S R si existeix una bola oberta de centre P
continguda en S.
32

2. Punt exterior dun conjunt
n
S R si s interior al seu complementari.
33

3. Punt frontera dun conjunt de
n
S R si qualsevol bola oberta de centre P
cont punts interiors i punts exteriors a S.
Grficament:


32
El radi daquesta bola oberta pot ser tant petit com calgui.
33
Cal recordar que el complementari dun conjunt est format pels punts de lespai que no
pertanyen al conjunt.
24
Vegem un exemple daplicaci:

Exemple: Determina grficament els punts interiors i frontera de:
( ) { }
2 2 2
, : 1 2 S x y x y = + R .
SOLUCI: a) En aquest cas, S est format pels punts que es troben entre els
cercles de centre ( ) 0, 0 i de radis 1 i 2 (corona circular), incloent-hi les dues
circumferncies. Grficament:

Aix doncs, la frontera de S (els punts frontera de S) est formada per les
dues circumferncies. Grficament:

I el interior de S (els punts interiors de S) s, precisament, la corona
circular sense tenir en compte les dues circumferncies:

25
2.2.3. Conjunt obert i conjunt tancat

En general, per, poden haver-hi punts de la frontera dun conjunt que hi
pertanyin i daltres que no. En aquest sentit, i com a casos extrems, tenim els
conjunts oberts i tancats. Per definici, un subconjunt de
n
R s un conjunt:
1. Obert si no cont cap punt de la seva frontera.
2. Tancat si els cont tots.

Exemple: Determina grficament si sn oberts o tancats els conjunts:
a. ( ) { }
2 2 2
, : 1 2 S x y x y = + R .
b. ( ) ( )
{ }
2
2
, : 5 1 S x y x y = + < R .
c. ( ) { }
2
, : 1, , 0 S x y x y x y = + R .
SOLUCI: a) S s tancat ja que, com hem vist, cont la seva frontera.
b) Com que ( )
2
5 1 y x = + s lequaci duna parbola de mxim 5 x = tenim:

S s un conjunt obert ja que no cont la seva frontera que s la parbola.
c) La representaci grfica del conjunt S s ara:

Per tant, S no s ni obert ni tancat ja que no cont tota la seva frontera.
34


34
Falta el segment dextrems
( ) ( )
0,1 i 1, 0 . Veure la plana 27 per a una definici de segment
entre dos punts.
26
2.2.3. Conjunt acotat i conjunt compacte

Per definici, diem que un subconjunt de
n
R s un conjunt:
1. Acotat si existeix una bola oberta que el cont.
2. Compacte si, a ms dacotat, s tancat.

Exemple: Determina grficament si sn acotats i compactes:
a. ( ) { }
2 2 2
, : 1 2 S x y x y = + R .
b. ( ) ( )
{ }
2
2
, : 5 1 S x y x y = + < R
c. ( ) { }
2 2 2
, : 4, , 0 S x y x y x y = + > R .
SOLUCI: a) Recordem que aquest conjunt era la corona circular:

s evident que S s un conjunt compacte ja que s acotat
35
i s tancat.
b) Com que aquest conjunt no est contingut en cap bola oberta i s obert,
36

no s ni acotat ni, bviament, compacte.
c) Ja que S est format pels punts del cercle tancat de centre ( ) 0, 0 i de radi
2 del 1er. quadrant que no estan sobre els eixos coordinats:

dedum que s acotat per no compacte ja que no s tancat.

35
Est incls, per exemple, en la bola oberta de centre
( )
0, 0 i radi 2.
36
Veure la plana anterior.
27
2.2.4. Segment entre dos punts i conjunt convex

Queda per introduir, finalment, la noci de conjunt convex que s un concepte
topolgic clau en el procs doptimitzaci de funcions escalars. Aquest
concepte est ntimament relacionat amb el de segment entre dos punts
,
n
P Q R que no s ms que el conjunt de punts de la recta que passa per P i
Q, i que es troben entre ells. Aix doncs, i en general, diem que
n
S R s un
conjunt convex si cont des dun punt de vista conjuntista- tots els seus
segments. En la prctica nosaltres estudiarem la convexitat dun conjunt a
partir noms de la seva representaci grfica. Vegem un exemple:

Exemple: Prova que s convex el conjunt ( ) { }
2 2
, : 2 2 S x y y x x = + R .
SOLUCI: Com que:
2
2 2 y x x = +
s lequaci de la parbola de vrtex mnim en el punt ( ) 1,1 i que talla a leix
dordenades en el punt ( ) 0,2 , dedum que S est format pels punts que, o b
es troben sobre la parbola, o b dins la regi que delimita en el pla. Aquest s
un conjunt convex ja que, com podem constatar, cont tots el seus segments.
37

Grficament:


37
Si la desigualtat de definici hagus estat la contrria, el conjunt no seria convex.
28
2.3. Formes quadrtiques i classificaci

El inters que tenen per nosaltres les formes quadrtiques rau en la condici
suficient dexistncia dptims de les funcions escalars reals.
38
Per exemple,
laplicaci definida per:


( ) ( )
3
2 2 2
1 2 3 1 2 3 1 2 3 1 2 2 3

, , , , 3 4 3 2 2
f
x x x f x x x x x x x x x x

= + + +
R R

s una forma quadrtica sobre
3
R .
39
Ara, si considerem la matriu simtrica
donada per:
40

3 1 0
1 4 1
0 1 3
A
| |
|
=
|
|

\ .

que t per elements de la diagonal els coeficients de
2 2 2
1 2 3
, i x x x , i per terme
ij
a el coeficient del producte
i j
x x , en aquest ordre, est clar que:
( ) ( )
1
2 2 2
1 2 3 2 1 2 3 1 2 2 3 1 2 3
3
3 1 0
, , 1 4 1 3 4 3 2 2 , ,
0 1 3
x
x x x x x x x x x x x f x x x
x
| | | |
| |
= + + + =
| |
| |

\ . \ .
.
Doncs b, en aquest cas, diem que la forma quadrtica t per matriu simtrica
associada la matriu A. Aix doncs, i en general, una aplicaci
f n
R R s una
forma quadrtica si existeix una matriu quadrada i simtrica A dordre n de
manera que:
( ) ( )
11 1 1
1
, 1
1
' , ,
n
n
n ij i j
i j
n nn n
a a x
f x x A x x x a x x
a a x
=
| || |
| |
= = =
| |
| |
\ .\ .


sent ' x

el vector transposat del vector x

.

38
Aquesta qesti sestudia a lltim tema del Bloc de Clcul.
39
Notem que les variables apareixen multiplicades dos a dos.
40
Cal recordar que una matriu quadrada s simtrica si coincideix amb la seva transposada.
29
2.3.1. Signe duna forma quadrtica

El que ens interessa de les formes quadrtiques s, bsicament, el seu signe i,
en aquest sentit, cal considerar la definici segent. En general, diem que la
forma quadrtica
f n
R R s:
1. Definida positiva si
( )
0 f x >

, per a tot vector


n
x

R no nul.
2. Definida negativa si
( )
0 f x <

, per a tot vector


n
x

R no nul.
3. Semidefinida positiva si
( )
0 f x

, per a tot vector


n
x


R . A ms, ha
dexistir un vector
n
y

R no nul tal que ( ) 0 f y =

.
4. Semidefinida negativa si
( )
0 f x

, per a tot vector


n
x


R . A ms, ha
dexistir un vector
n
y

R no nul tal que ( ) 0 f y =

.
5. Indefinida quan no sigui cap de les anteriors, s a dir, quan existeixin dos
vectors no nuls ,
n
x y

R amb
( )
0 f x <

i ( ) 0 f y >

.

Exemple: Prova que la forma quadrtica:
( )
2 2 2
, , 2 f x y z x y z xy = + +
s semidefinida positiva.
SOLUCI:
Evident ja que sempre s positiva:
( ) ( )
2
2 2 2 2
, , 2 0 f x y z x y z xy x y z = + + = +
i, per exemple, la imatge del vector no nul ( ) 1,1, 0 s zero:
( ) ( )
2
2
1,1, 0 1 1 0 0 f = + = .

En general, determinar el signe duna forma quadrtica -classificar-la- a partir
de la prpia definici s complicat i, per aquest motiu, veurem ara un mtode
relativament senzill per a fer-ho.
30
2.3.2. Mtode de classificaci duna forma quadrtica per menors principals

Per definici, el menor principal dordre duna matriu quadrada:
11 1
1
n
n nn
a a
A
a a
| |
|
=
|
|
\ .


s el determinant de qualsevol de les submatrius quadrades de A que tingui
per diagonal alguns dels elements
11
, ,
nn
a a de la diagonal principal.

Vegem un exemple:

Exemple: Calcula tots els menors principals de la matriu simtrica:
5 3 1
3 2 0
1 0 3
A
| |
|
=
|
|

\ .
.
SOLUCI:
Dentrada tenim els menors principals dordre 1 que sn, precisament, els
elements de la diagonal principal:
5, 2 i 3 .
A continuaci, els tres menors principals dordre 2 com sn:
5 3 2 0 5 1
1, 6 i 14
3 2 0 3 1 3

= = =

.
Finalment, s evident que, en el cas que ens ocupa, els menors principals
dordre 3 s redueixen al determinant de la matriu A :
5 3 1
3 2 0 1
1 0 3
A

= =

.
31
2.3.2.1. Relaci entre signe duna forma quadrtica i menors principals

El teorema que enunciem tot seguit caracteritza completament el signe duna
forma quadrtica a partir dels menors principals de la matriu associada. En
efecte, una forma quadrtica de matriu simtrica associada A s:
Definida positiva si i noms si tots els menors principals de A sn 0 > .
Definida negativa si i noms si tots els menors principals dordre parell de
A sn 0 > i els dordre imparell sn 0 < .
Semidefinida positiva si i noms si tots els menors principals de A sn 0 ,
amb det 0 A = .
Semidefinida negativa si i noms si tots els menors principals dordre parell
de A sn 0 , els dordre imparell sn 0 i det 0 A = .
41

Indefinida en qualsevol altre cas.

Exemple: Calcula el signe de la forma quadrtica de matriu associada:
5 3 1
3 2 0
1 0 3
A
| |
|
=
|
|

\ .
.
SOLUCI: Com que els menors principals dordre 1 sn negatius:
5 0, 2 0 i 3 0 < < <
els dordre 2 sn estrictament positius:
5 3 2 0 5 1
1 0, 6 0 i 14 0
3 2 0 3 1 3

= > = > = >


i el dordre 3 s negatiu:
1 0 A = >
dedum que la forma quadrtica associada s definida negativa.

41
Notem que si el determinant de la matriu simtrica associada a una forma quadrtica s
diferent de zero, aquesta forma quadrtica no pot ser semidefinida (ni positiva ni negativa).
32
2.3.3. Forma quadrtica restringida

Finalment, i en certs casos, caldr conixer el signe duna forma quadrtica
per restringida ara a un subespai vectorial.
42
En general, si
f n
R R s una
forma quadrtica i si
n
S R s un subespai vectorial, la forma quadrtica
restringida a S s la forma quadrtica definida, formalment, per laplicaci:
f n
S R R.

Vegem un exemple de classificaci duna forma quadrtica restringida:

Exemple: Troba el signe de la forma quadrtica:
( )
2 2
, , 3 3 4 8 4 f x y z x z xy xz yz = + + + +
restringida al subespai vectorial ( ) { }
3
, , : 0 S x y z x y z = + + = R .
SOLUCI: s fcil provar que aquesta forma quadrtica s indefinida sobre
tot
3
R .
43
Tanmateix, restringida a S, s definida negativa. En efecte, ja que
els vectors daquest subespai vectorial satisfan la igualtat:
y x z =
llavors, al substituir-la en lexpressi de la forma quadrtica, sobt una nova
forma quadrtica ( ) , g x z en les variables i x z :
( ) ( ) ( ) ( )
2 2
2 2
, , , 3 3 4 8 4 g x z f x x z z x z x x z xz x z z
x z
= = + + + + =
=

que, com podem constatar, s definida negativa. Per tant, la forma quadrtica
inicial s definida negativa sobre S.
44


42
Aix passar amb la condici suficient doptimitzaci restringida per igualtats que sestudia
a Matemtiques II.
43
El determinant de la matriu simtrica associada s diferent de zero i no s definida.
44
Cal remarcar que si una forma quadrtica s definida sobre tot lespai
n
R tamb ho ser
sobre qualsevol subconjunt no buit daquest.

33
2.4. Exercicis

1. Donats els vectors ( ) 2,1,1 x =

i ( ) 3, 2,2 y =

, determina: a) El seu producte


escalar. b) Les normes associades. c) Els vectors unitaris que hi estan
associats. d) Langle que formen. e) La distncia entre ells.
2. Demostra que dos vectors ortogonals sn sempre linealment independents,
i determina una base ortonormal de
3
R en la qu formin part els vectors
unitaris associats als vectors ortogonals ( ) 1, 3,2 i ( ) 1,3, 5 .
3. Estudia grficament si el conjunt ( ) { }
2 2
, : 2 , 0.5 S x y y x x y x = + > R
s obert, tancat, acotat, compacte i/o convex.
4. Demostra que la intersecci no buida de conjunts convexos s convex.
5. Per a fabricar un adob combinat amb dos constituents qumics P i Q
disposem de dos productes A i B de venda al mercat. Si la taula segent
ens indica el % de P i Q que formen part duna unitat de A i B:
% P Q
A 60% 40%
B 30% 70%
determina grficament el conjunt de les combinacions de A i B que ens
proporcionen un adob on entra, com a mnim, un 30% de P i un 50% de Q.
6. Troba el signe de les formes quadrtiques:
a. ( )
2 2 2
, , 2 3 2 2 f x y z x y z xz = + + + .
b. ( )
2 2 2
, , 2 2 2 f x y z x y z xy yz = + + + .
c. ( )
2 2 2
, , 3 4 3 4 2 4 f x y z x y z xy yz = + + .
7. Determina el signe de la forma quadrtica:
( )
2 2 2
, , f x y z x y z xy xz yz = + +
restringida al subespai ( ) { }
3
, , : 5 S x y z z y = = R .
34
BLOC II: Clcul

3. FUNCIONS REALS DE DIVERSES VARIABLES

3.1. Funci escalar real i definicions bsiques

3.1.1. Funci escalar i domini

Lestructura bsica sobre la qu ens mourem ser lespai euclidi
n
R associat
al producte escalar estndard o habitual definit a la plana 17. En general, i per
definici, una funci escalar real s tota aplicaci de la forma:
( ) ( ) ( )
1 1

, , , ,
f n
n n
A
x x x A z f x f x x

= = =


R R
R

on
n
A R s el conjunt de punts (o vectors) de
n
R que tenen imatge per la
funci i que sanomena domini.
45


Exemple: Determina analticament el domini de la funci escalar:
( )
2 2
, 1 f x y x y = + + .
SOLUCI:
s evident que es tracta duna funci escalar ja que est definida sobre
2
R i
pren valors reals:
( )
2 2
, 1 z f x y x y = = + + R.
Per una altra banda, i degut a la presncia de larrel quadrada, el domini ser:
( ) { }
2 2 2
, : 1 A x y x y = + R .

45
Notem que si 1 n = la funci escalar s una funci real duna variable. A partir dara hom
donar per conegudes les propietats ms importants daquestes funcions relatives a la
continutat i a la derivabilitat.
35
Representar grficament dominis de funcions escalars amb dues variables s
lo primer que analitzarem amb cert detall. Vegem, de nou, lexemple anterior:

Exemple: Determina grficament el domini de la funci escalar:
( )
2 2
, 1 f x y x y = + + .
SOLUCI:
Ja sabem que es tracta duna funci escalar amb domini:
( ) { }
2 2 2
, : 1 A x y x y = + R
Com que lequaci:
2 2
1 x y + =
representa la circumferncia de radi 1 i de centre ( ) 0, 0 , el domini ser, o b
el cercle que determina o b la part externa a aquest cercle, juntament amb la
circumferncia, ja que la desigualtat no s estricta. Com que, per exemple,
lorigen de coordenades ( ) 0, 0 no pertany al domini A, dedum que la segona
possibilitat s la correcta. Grficament:


Cal recordar que tota equaci del tipus:
( ) ( )
2 2
2
x a y b r + = , amb 0 r >
representa a la circumferncia de centre ( ) , a b i radi r.
36
3.1.2. Corbes de nivell duna funci escalar

Ja sabem que la representaci grfica duna funci duna variable s una corba
en el pla. Doncs b, la duna funci escalar ( ) , z f x y = s una superfcie en
lespai i dibuixar-la pot arribar a ser complicat. Grficament:

El que es fa generalment s simplificar el problema tot estudiant noms les
corbes de nivell associades a la funci. Aquestes corbes sobtenen al tallar la
superfcie ( ) , z f x y = per un feix de plans parallels i projectar les corbes
que en resulten sobre el pla base XY. Aix doncs, les corbes de nivell de la
funci
2 f
A R R sn les corbes del pla XY donades per la igualtat:
( ) , f x y k = , amb k R parmetre
i que denotarem per
k
c . Grficament:
46



46
Notem que les corbes de nivell duna funci es troben dins del seu domini de definici.

37
Exemple: Representa grficament les corbes de nivell de les funcions:
a. ( ) ( )
2 2
1 1 1 z x y = .
b. ( ) , f x y xy = .
SOLUCI: a) Ja que el domini de definici de la funci s tot el pla, les corbes
de nivell que hi t associades sn les corbes
k
c que tenen per equaci:
( ) ( ) ( ) ( )
2 2 2 2
Equivalent
1 1 1 1 1 1 x y k x y k = + = .
Notem que, per a qualsevol valor de 1 k , la corba de nivell corresponent s
una circumferncia de centre ( ) 1,1 i de radi 1 k . Grficament:

b) Ara les corbes de nivell
k
c sn les corbes del pla que tenen per equaci:
xy k = .
Aquestes corbes sn les hiprboles equilteres amb asmptotes els eixos
coordinats. Per a qualsevol valor 0 k > tenim una hiprbola equiltera en el
1er. i 3er. quadrants, i per 0 k < tenim una en el 2on. i 4rt. quadrants; per
0 k = sobtenen, precisament, els eixos coordinats. Grficament:

38
3.1.3. Lmit duna funci escalar en un punt

El concepte de lmit duna funci escalar s prcticament idntic al duna
funci duna variable ja que es vol formalitzar la mateixa idea. Aix doncs, i des
dun punt de vista informal,
47
diem que L R s el lmit de la funci escalar
f n
A R R quan la variable
n
x

R tendeix cap al punt


n
a

R , i posem:
( )
lim
x a
L f x


si les imatges
( )
f x

R sacosten tant com vulguem cap a L R a mesura que


la variable x A

tendeix cap al punt


n
a

R . Grficament, en el cas duna


funci escalar en dues variables:

En aquest cas:
( )
( ) ( )
( )
, ,
, lim ,
x y a b
L f a b f x y

= = .
Val a dir que el clcul de lmits de funcions escalars s semblant al duna
variable. Vegem un exemple:

Exemple: Calcula el lmit de ( ) ( ) , ln f x y xy = en els punts ( ) 1, 0.5 i ( ) 1, 0 .
SOLUCI: En el 1er. cas
( ) ( )
( ) ( ) ( )
, 1, 0.5
lim ln ln 1 0.5 ln0.5 ln2
x y
xy

= = = R.
En el segon no existeix lmit ja que
( ) ( )
( )
, 1,0
lim ln ln 1 0 ln0 .
x y
xy

= = = R

47
Es pot trobar la definici formal de lmit en la majoria dels textos danlisi matemtica.
39
Anem a comentar, breument i amb un exemple, la problemtica associada al
clcul de lmits de funcions escalars.

Exemple: Prova que la funci escalar:
( )
2
4
,
2
x y
f x y
x y


no t lmit en el punt ( ) ( ) , 0, 0 a b = .
SOLUCI:
Com que tenim la indeterminaci:
( ) ( )
2 2
, 0,0
4 4 0 0 0
lim
2 0 2 0 0
x y
x y
x y



= =
`

)

aquest lmit no es pot calcular directament. Malauradament, com que ara
existeixen infinites trajectries daproximaci cap al punt ( ) 0, 0 sobre el
domini de definici la funci,
48
aquest lmit no es pot estudiar de la mateixa
manera com sestudien els duna variable.
49
Tanmateix, i en aquest cas concret,
podem provar que no existeix si parem latenci en els anomenats lmits
reiterats de la funci en ( ) 0, 0 que sn els lmits:
2 2
0 0 0 0
4 4 0 4
lim lim lim lim 4
2 2 0
x y x x
x y x x
x y x x

| | | | | |
= = =
| | |

\ .
\ . \ .

i:

2 2 2
0 0 0 0 0
4 4 0
lim lim lim lim lim 0
2 0 2 2 2
y x y y y
x y y y y
x y y y

| | | | | |
| |
= = = =
| | | |
\ .
\ . \ . \ .
.
Com que sn diferents, podem assegurar ja que el lmit inicial no existeix.
50


48
Fixem-nos que el domini daquesta funci s el conjunt de punts del pla que no es troben
sobre la recta 0.5 y x = .
49
Aix passa amb ms ra amb els lmits de funcions escalars amb ms de dues variables.
50
Un altre tipus de lmit a considerar serien, per exemple, el lmits anomenats direccionals o
radials que sn els que sobtenen al imposar que les trajectries daproximaci cap al punt
siguin rectes. En aquest cas concret, per, no ha fet falta estudiar-los.
40
3.1.4. Continutat duna funci escalar

La definici de funci escalar contnua en un punt s anloga tamb a la duna
variable tot canviant, com en el cas de la definici de lmit, punts de la recta
real R per vectors de lespai
n
R . Aix doncs, diem que la funci escalar
f n
A R R s contnua en el punt a A

si:
( ) ( ) lim
x a
f x f a

=


.
51

Notem que la existncia del lmit duna funci escalar en un punt no s condici
suficient per assegurar la seva continutat; cal que aquest lmit sigui,
precisament, la imatge de la funci en el punt. Vegem un exemple:

Exemple: Estudia la continutat en el punt ( ) 1, 0.5 de les funcions escalars:
a. ( ) ( ) , ln f x y xy = .
b. ( )
2
4
,
2
x y
f x y
x y

.
SOLUCI:
a) s evident que la funci s contnua en el punt ( ) 1, 0.5 ja que es satisfan
simultniament les dues condicions de la definici de continutat:
( )
( )
( )
( )
1 1
, 1, , 1,
2 2
1
lim , lim ln ln
2
x y x y
f x y xy
| | | |

| |
\ . \ .
= = i
1 1
1, ln
2 2
f
| |
=
|
\ .
.
b) En aquest cas la funci no pot ser continua en ja que, en particular, el punt
( ) 1, 0.5 no pertany al seu domini de definici:
( )
( )
2
1
4 1
1 17/4 2
1,
1 2 0
1 2
2
f
| |

|

| |
\ .
= = =
|
| | \ .

|
\ .
.

51
El grfic de la plana 38 s un exemple de funci escalar en dues variables contnua en el
punt
( )
, a b .
41
3.2. Derivades duna funci escalar i vector gradient

3.2.1. Derivades direccionals i derivades parcials

Recordem que una funci real duna variable
f
A R R s derivable en
a A si existeix el lmit del quocient incremental:
( ) ( )
( )
0
lim '
t
f a t f a
f a
t

+
= R .
Malauradament, aquesta definici no es pot estendre a les funcions escalars
de la forma
f n
A R R ja que no t sentit la suma a t +

, i molt menys la
imatge ( ) f a t +

que hauria daparixer en el quocient incremental. Aquest


entrebanc es pot resoldre tot considerant un vector fix
n
u

R , la suma de
vectors
n
a t u +

R i, de retruc, la imatge ( ) f a t u +

R. Aix doncs, i per
definici, diem que la funci escalar
f n
A R R t:
1. Derivada direccional en a A

segons
n
u

R si existeix el lmit:
52

( ) ( )
( )
0
0 '
0
lim
u
t
f a t u f a
f a
t

+
=

R
sent
0
u

el vector unitari associat al vector u

.
53
El valor daquest lmit s
precisament la derivada direccional.
2. Derivada parcial i-sima en a A

si t derivada direccional segons el


vector i-sim de la base cannica de R
n
:
54

)
, 0, 1, 0,
i
i
u e
| |
= =
|
\ .

.
Aquesta derivada la podem denotar per
( )
i
f a
x

o b per ( )
'
i
x
f a

.

52
O derivada segons la direcci del vector
n
u

R .
53
De fet no caldria considerar el vector unitari associat. La ra dagafar-lo s degut a que la
derivada direccional sajusta millor al concepte de derivada duna variable que ja coneixem
(veure la plana segent).
54
Notem que els vectors de la base cannica dun espai vectorial sn sempre vectors unitaris.
42
3.2.2. Interpretaci geomtrica de la derivada direccional duna funci escalar

Grficament, la derivada direccional de la funci ( ) , z f x y = en ( ) , a b A
segons el vector u

seria la pendent de la recta tangent r a la funci en ( ) , a b :



s a dir, ( )
'
, tan
u
f a b =

.

Exemple: Calcula la derivada direccional de ( ) , / f x y y x = en el punt ( ) 1,1
segons la direcci del vector
( )
1, 3 a partir de la definici.
SOLUCI: Cal considerar lexpressi general de la derivada direccional amb:
( ) 1,1 a =

i
1 3
,
2 2
u
| |
= |
|
\ .

.
Per tant:
( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
'
0
0 0
0 0 0
1,1
lim
1/2, 3/2
1 3 3
1,1 , 1,1 1 ,1 1,1
2 2 2 2
lim lim
1 3 /2
1
2 3 3
1
1 /2 1
2 2
lim lim lim l
u
t
t t
t t t
a
f a t u f a
f a
t u
t t
f t f f f
t t
t
t t t
t
t t
t t t



=
+

= = =
`
=

)
| | | | | |
+ + + | | |
|
\ . \ . \ .
= = =
| |
+
| | | |
+ |


| |
| +
+ +
\ . \ . \ .
= = = =

0
3 1 3 1
im .
2 2
t
t


=
+


43
3.2.3. Interpretaci geomtrica de les derivades parcials duna funci escalar

Grficament, la derivada parcial respecte x de la funci ( ) , z f x y = en el punt
( ) , a b A seria la pendent de la recta r tangent a la funci en ( ) , a b :

s a dir:
( ) ,
tan
f a b
x

.

Grficament, la derivada parcial respecte y de la funci ( ) , z f x y = en el
punt ( ) , a b A seria la pendent de la recta r tangent a la funci en ( ) , a b :

s a dir:
( ) ,
tan
f a b
y

.
44
3.2.4. Clcul de les derivades parcials duna funci escalar

Vegem, en primer lloc, un exemple de clcul a partir de la definici:

Exemple: Calcula les derivades parcials en el punt ( ) 1,1 de la funci escalar:
( ) ,
y
z f x y
x
= = .
SOLUCI: Pel que fa a la derivada parcial respecte x cal considerar:
( )
1,1 a =

i ( )
1
1, 0 u e = =

.
Per tant:
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( ) ( )
( )
0 0
0 0 0 0
1,1 1, 0 1,1 1,1
lim lim
1, 0
1
1
1 ,1 1,1 1 1
lim lim lim lim 1.
1 1
t t
t t t t
f t f a f a f a t u f a
u x t t
f t f t t
t t t t t


+ = +
= = = =
`
=
)
| |

|
+ +
\ .
= = = = =
+ +


Pel que fa a la derivada parcial segons y hem de considerar ara:
( )
1,1 a =

i ( )
2
0,1 u e = =


i, conseqentment:
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( ) ( )
0 0
0 0 0
1,1 0,1 1,1 1,1
lim lim
0,1
1
1
1,1 1,1
1
lim lim lim 1.
t t
t t t
f t f a f a f a t u f a
u y t t
t
f t f t
t t t


+ = +
= = = =
`
=
)
+
| |

|
+
\ .
= = = =



Fixem-nos que la derivada parcial i-sima duna funci s el lmit duna variable:
( ) ( ) ( )
1 1
0
, , , , , , , ,
lim
i n i n
t
i
f a f a a t a f a a a
x t

+
=


.
Notem que la nica component daquest quocient incremental que varia s la
component i-sima mentre que les altres romanen fixes.
55


55
Com a molt existeixen n derivades parcials duna funci escalar de n variables en un punt.
45
A partir de la frmula anterior hom dedueix que el clcul de les derivades
parcials es redueix, generalment, al de les derivades que ja coneixem ja que la
derivada parcial respecte una variable sobt derivant lexpressi funcional tot
considerant les altres variables com a constants. Vegem un exemple:

Exemple: Calcula les derivades parcials de les funcions:
a. ( )
2 3 2
, 4 7 2 75 8 z f x y x y x y y = = + + .
b. ( )
1
, ln
2
x y
z f x y
x y
| |
= =
|
+
\ .
.
c. ( ) ,
y
z f x y x = = .
SOLUCI: a) En aquest cas, la derivada parcial respecte x s:
{ } constant 8 0 4 0 0 8 4
z
y x x y x xy
x

= = + + = +


i la parcial respecte y ser:
{ }
2 2 2 2
constant 0 21 2 1 75 1 0 21 2 75
z
x y x y x
y

= = + + = +

.
b) Les derivades parcials seran ara:
{ }
( ) ( )
( )
2 2 2
1 1
1
constant
2
x y x y x y y z
y
x x y x y
x y
| |
+ | | +
| = = =
|
|

+
\ .
\ .

i:
{ }
( ) ( ) ( )
( )
2 2 2
1 1
1
constant
2
x y x y x y z x
x
y x y x y
x y
| |
+ | | +
| = = =
|
|

+
\ .
\ .
.
c) En aquest cas, la derivada parcial respecte x surt de derivar una potencia, i
la parcial respecte y de derivar una exponencial:
{ }
1
constant
y
z
y y x
x

= =


i:
{ } constant ln
y
z
x x x
y

= =

.
46
Vegem, finalment, cm calcular derivades parcials en situacions diverses:

Exemple: Calcula les derivades parcials en els punts ( ) 0, 0 i ( ) 0, 3 de:
( )
( ) ( )
2
2
2
, 0
,
0 , , 0, 0
x y
x y
x y f x y
x y
+
+

+ =


SOLUCI: Degut a que en ( ) 0, 0 la funci canvia de definici, estem obligats a
calcular les derivades a partir de la definici formal.
56
Aix doncs:
( ) ( ) ( )
2
2
0 0 0
0
0
0, 0 , 0 0, 0 0
lim lim lim 1
t t t
t
f f t f t t
x t t t

| | +

|
+
\ .
= = = =


i:
( ) ( ) ( )
2
2
2
0 0 0
0
0
0, 0 0, 0, 0 0 1
lim lim lim
t t t
t
f f t f t
y t t t

| | +

|
+
\ .
= = = =

.
b) Com que la funci en ( ) 0, 3 no presenta cap problema de definici
57
podem
fer s de les dues funcions derivades parcials:
( ) ( )
( ) ( ) ( )
2 2
2 2 2 2 2
2 2 2
2 2 2
2 1
2 2 2
x x y x y
x xy x y x xy y f
x
x y x y x y
+ +
+ +
= = =

+ + +

i:
( ) ( )
( ) ( ) ( )
2 2
2 2 2 2 2
2 2 2
2 2 2
1 2
2 2 2
x y x y y
x y x y y x x y y f
y
x y x y x y
+ +
+
= = =

+ + +
.
Per tant:
( )
( )
( )
( ) ( )
( )
( )
( )
( ) ( )
( )
( )
2
2
2 2
2
2 2
2
0, 3
2 2 2
2
2
2 2
2
0 2 0 3 3 1
2
0, 3
27
0 3
2
0 2 0 3 3 1
0, 3
9
0 3
x y
f
x xy y f
x
x
x y
x x y y f
f
y
y x y
= =

+
+
= =
=



+
+

`


=
= =

+
+
)



56
Aix caldr fer-ho sempre que ens trobem amb situacions similars a aquesta.
57
De fet aquest punt s un punt interior del domini de definici de la funci.
47
3.2.5. Aplicacions econmiques

3.2.5.1. Marginalitat

Considerem, en primer lloc, una funci econmica
f n
A R R que admet
derivada parcial i-sima en a A

:
( ) ( ) ( )
1 1
0
, , , , , , , ,
lim
i n i n
t
i
f a f a a t a f a a a
x t

+
=


.
Fent 1 t = sobtindria laproximaci:
( )
( ) ( )
1 1
, , 1, , , , , ,
i n i n
i
f a
f a a a f a a a
x

.
Per tant, la derivada parcial i-sima ens mesura, aproximadament, la variaci
del valor de la funci en a A

quan la component i-sima


i
a augmenta 1 unitat.
Vegem un exemple:

Exemple: Si:
( )
2 2
, 2 2.5 1100 1300 70000 B x y x y x y = + +
s una funci de beneficis associada a la producci i venda de dos articles A i
B en les quantitats de 250 i de 220 unitats calcula, de forma aproximada, el
increment dels beneficis si la producci i venda de B augmenta en 1 unitat.
SOLUCI:
Per a estimar el increment dels beneficis, hem de considerar la marginalitat
respecte la variable y de la funci de beneficis. Com que:
( )
250, 220
250,220
5 1300 200
x y
B B
y
y y
= =

= + =


dedum que els beneficis augmenten, aproximadament, en 200 u.m.
58


58
Val a dir que aquesta aproximaci sajusta fora b a la realitat ja que el increment s
exactament igual a 197.5 u.m.
48
3.2.5.2. Elasticitat parcial

Si
f n
A R R admet derivada parcial i-sima en ( )
1
, ,
n
a a a A =

tal que
( ) 0 f a

, definim la derivada parcial elstica i-sima en a A

com:
( )
( )
( )
i
i
x
i
f a
a
E f a
f a x
| |
=
|

\ .

.
Si considerem ara laproximaci de la derivada parcial i-sima en a A

:
( ) ( )
{ }
( ) ( )
1 1
, , , , , , , ,
Definici
i
x i i n i n
i i i
f a f a f a a a a f a a a
x a a
+
= =




podem deduir que:
( )
( ) ( )
( )
( )
i i
i
x x
i i i
x
i i i
f a f a
a a a
E f a
f a f a a a a
| | | | | |
=
|
| |
|

\ . \ .
\ .


.
En altres paruales, que el increment percentual de la funci en el punt a A

,
( ) ( ) /
i
x
f a f a

, quan la component i-sima
i
a varia un
( )
/
i i
r a a = per cent s
aproximadament igual al producte:
( )
i
x
E f a r

.

Exemple: Calcula, aproximadament, lincrement percentual dels beneficis de
lexemple anterior si la producci de larticle A experimenta un augment del
2% al nivell de producci i venda de 250 unitats de A i de 220 unitats de B.
SOLUCI: Com que:
( )
( )
( )
( )
( )
2
,
1100
, 250,220 0.102041
, ,
x x
B x y
x x x
E B x y E B
B x y x B x y

+
= = =


hom dedueix, aplicant lexpressi anterior, que lincrement relatiu del benefici
quan la producci de A augmenta un 2% r = s aproximadament de:
( )
( )
( )
250,220
250,220 0.02 0.00204082 0.2%
250,220
x
x
B
E B
B

= .
59


59
En realitat, el increment percentual real s dun 0.184%.
49
3.2.6. Vector gradient duna funci en un punt

Estem ja en condicions dintroduir el que possiblement s el concepte analtic
ms important daquest Bloc com s el de vector gradient. Formalment, tenim
que el vector gradient de la funci escalar
f n
A R R en a A

s el
vector format per les derivades parcials en el punt:
( )
( ) ( )
1
, ,
n
f a f a
f a
x x
| |
=
|

\ .

.
Cal remarcar que el gradient duna funci escalar de n variables en un punt s
un vector que t n components. Per tant, si alguna de les derivades parcials
que apareixen en la definici no existeix, tampoc existeix el vector gradient.

Vegem un exemple:

Exemple: Calcula, si existeix, el vector gradient en el punt ( ) 1, 0 de les dues
funcions escalars:
a. ( ) ,
y
f x y
x
=
b. ( ) , f x y xy =
SOLUCI: a) En aquest cas el vector gradient s:
( )
( ) ( )
( )
2
1, 0
2
1, 0 1, 0 0 1
1, 0 , , 0,1
1
1 1
x y
y f
f f x x
f
f
x y
y x
= =

=

| | | |
= = =
` | |


\ .
\ .
=

)
.
b) Ara el vector gradient no existeix ja que::
( )
1 i 0
1 1
2 2
1, 0 1 1
2 0
1 1
2 2
x y
y f
y
x x xy
f
y
f x
x
y y xy
= =

= =

= =
`


= =

)
.
50
3.3. Funcions escalars diferenciables i implcites

3.3.1. Pla i hiperpl tangent a una funci escalar en un punt

Una diferncia cabdal entre les funcions reals duna variable i les funcions
escalars es troba en el fet que mentre que tota funci derivable del primer
tipus s contnua aix no sempre s cert per a funcions escalars. Per exemple,
la funci escalar:
( ) ( )
2
2
2
2
2
, 0
,
0, 0
x y
x y
x y f x y
x y

+ =

+ =


que no s contnua en ( ) 0, 0 t, en canvi, derivades de tot tipus en aquest
punt.
60
Aix s degut, entre daltres, a que les derivades sn tant sols lmits
direccionals i la noci de continutat involucra el lmit global. Caldr, doncs,
introduir un concepte de derivabilitat ms exigent; aquest concepte s el de
funci diferenciable en un punt i per a definir-lo hem de comenar recordant
la noci de pla en
3
R que no s ms que el lloc geomtric dels punts de lespai
que satisfan una equaci lineal del tipus:
Ax By Cz D + + = , amb , , , A B C D R.
Val a dir que el vector ( ) , , A B C format pels coeficients de lequaci s sempre
perpendicular al pla. Grficament:


60
A una funci escalar amb derivades de tot tipus en un punt li podem dir derivable en el punt.
51
Doncs b, es pot demostrar que si una funci escalar
2
A R R en dues
variables derivable admet pla tangent p en el punt ( ) , a b A -amb un nic
punt de contacte en ( ) ( )
, , , a b f a b -, aquest pla ha de tenir per equaci:
( )
( )
( )
( )
( )
, ,
,
f a b f a b
z f a b x a y b
x y

= + +

.
Grficament:


Val a dir que el concepte de pla tangent es pot generalitzar a n variables i que
parlarem llavors de hiperpl tangent a una funci escalar
n
A R R en un
punt ( )
1
, ,
n
n
a a a A =

R dequaci:
( )
( )
( )
( )
( )
1 1
1
n n
n
f a f a
z f a x a x a
x x

= + + +

.

Exemple: Troba la equaci del pla tangent en ( ) 2,1 a la funci ( ) ,
x y
f x y
x y

=
+
.
SOLUCI: Com que:
( )
1
2,1
3
f = i
( ) ( )
( )
2 i 1
2 2
2 2 2 4
, 2,1 ,
9 9
x y
y x
f f
x y x y
= =
| |
| |
| = =
|
|
\ . + +
\ .

dedum que lequaci del pla tangent ser:
( )
( )
( )
( )
( ) ( ) ( )
2,1 2,1 1 2 4
2,1 2 1 2 1
3 9 9
f f
z f x y x y
x x

= + + = +


que, simplificant, queda 2 4 9 3 0 x y z + = .
52
3.3.2. Funci escalar diferenciable

La definici de funci escalar diferenciable es pot donar de moltes maneres i
nosaltres, aqu, considerarem la que involucra la noci dhiperpl tangent. En
concret, diem que la funci escalar
f n
A R R s diferenciable en un punt
a A

si admet hiperpl tangent en aquest punt.



Una aplicaci important del concepte de diferencial est relacionada amb el
clcul aproximat del valor duna funci escalar en un punt. A tal fi, es pot
provar que si
f n
A R R s diferenciable en a A

llavors el valor de
( )
f x

, a mesura que x

sacosta a a

, s aproximadament igual a lexpressi:


( ) ( )
( )
( )
( )
( )
1 1
1
n n
n
f a f a
f x f a x a x a
x x

+ + +



.
61


Exemple: Calcula aproximadament el valor numric de
1.0025
e .
SOLUCI: Considerem la funci escalar ( ) ,
y
f x y x = i els punts:
( ) ( ) ( ) ( ) , ,1 i , ,1.0025 a b e x y e = = .
Aix doncs:
( ) ( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
1.0025
, ,
, ,
,1 ,1 ,1
,1 1 1.0025 0.0025.
f a b f a b
e f x y f a b x a y b
x y
f e f e f e
f e e e e
x y y

= + + =


= + + = +


Ja que:
( )
i 1
,1
ln
x e y y
f e f
x x e
y y
= =

= =

, dedum, finalment, que:
( )
1.0025
,1
0.0025 0.0025 1.0025 2.725077533.
f e
e e e e e
y

+ = + =


62


61
Quan ms a prop estigui x

de a

, millor ser laproximaci.


62
Amb la calculadora haurem obtingut el valor 2.725086035.
53
3.3.2.1. Teoremes sobre funcions escalars diferenciables

Enunciarem ara alguns del teoremes ms importants relatius a les funcions
escalars diferenciables. El 1er. dells ens diu que:
Tota funci diferenciable en un punt s sempre contnua en el punt.

Aix doncs, el concepte de funci escalar diferenciable s, ara, ms potent que
el de funci escalar derivable ja que hi ha funcions escalars derivables que no
sn contnues, cosa que no passa amb les funcions duna variable.
63


Vegem un exemple daplicaci:

Exemple: Prova que la funci escalar:
( )
, 0
,
0, 0
x y
x y
x y f x y
x y

+ =

+ =


no s diferenciable en el punt ( ) 0, 0 .
SOLUCI: Tenint en compte el fet de que aquesta funci no s contnua en
( ) 0, 0 degut a que els lmits reiterats no coincideixen:
64

0 0 0
lim lim lim 1
x y x
x y x
x y x

| |
= =
|
+
\ .
i
0 0 0
lim lim lim 1
y x y
x y y
x y y

| |
= =
|
+
\ .

dedum, aplicant el contrarecproc del teorema,
65
que no pot ser diferenciable
en el punt ( ) 0, 0 .
66



63
Veure lexemple de la plana 50.
64
Per tant no existeix el lmit de la funci en el punt i, en conseqncia, no pot ser contnua.
65
El contrarecproc dun teorema de la forma A B s No No B A .
66
Val a dir que les funcions escalars que estudiem sn diferenciables en els punts del interior
del domini de definici, la qual cosa no passa sempre amb aquells que es troben sobre la seva
frontera.

54
El 2on. teorema parla de la relaci entre la diferenciabilitat i la derivabilitat.
En efecte:
Si
f n
A R R s diferenciable en a A

aleshores s derivable segons


qualsevol vector unitari
n
u

R , i aquesta derivada s:
67

( ) ( )
'
u
f a f a u =


.

Aquest resultat s molt important ja que ens permet calcular de manera
senzilla totes les derivades duna funci diferenciable en un punt a partir de
les derivades parcials associades.

Exemple: Determina la derivada direccional de la funci diferenciable:
( ) ,
x y
f x y
x y

=
+

en el punt ( ) 10,3 segons el vector unitari associat a ( ) 13, 7 .
SOLUCI:
Com que aquest vector unitari s:
13 7
,
218 218
u
| |
=
|
\ .


i que:
( )
( ) ( )
( )
10 i 3
2 2
2 2 6 20
, , 10,3 ,
169 169
x y
y x
f x y f
x y x y
= =
| |

| |
| = =
|
|
\ . + +
\ .

tenim que la derivada en ( ) 10,3 segons el vector unitari associat a ( ) 13, 7 s,
per lanterior, igual a:
( ) ( )
'
13 7 6 20 13 7
10,3 10,3 , , ,
169 169 218 218 218 218
6 13 20 7 218
0.087366.
169 169 218
u
f f
| | | | | |
= = =
| | |
\ . \ . \ .
+
= =



67
Aquest resultat tamb s cert si el vector u

no s unitari.
55
El 3er. teorema posa en relaci les funcions diferenciables amb les funcions
escalars de classe
1
C . Diem que una funci escalar s de classe
1
C en un punt
si totes les funcions derivada parcial sn contnues sobre una bola oberta de
centre el punt. Doncs b, aquest teorema diu que:
Tota funci de classe
1
C en un punt s diferenciable en el punt.

Exemple: Prova que la funci ( )
2 2
, f x y x y = + s diferenciable en ( ) 5, 4 .
SOLUCI: Evident, ja que s de classe
1
C al ser les seves derivades parcials:
2 2 2 2
i
y f x f
x y
x y x y

= =



contnues en la bola oberta centrada el ( ) 5, 4 i de radi, per exemple, 0.5 r = .

Finalment, el 4rt. teorema afirma que:
Si
f n
A R R s diferenciable en a A

llavors la derivada direccional


s mxima en la direcci del vector gradient i val ( ) f a

.
68


Exemple: Troba la derivada direccional mxima de ( )
2 2
, f x y x y = + en el
punt ( ) 5, 4 .
SOLUCI: Ja que
( ) ( )
5 i 4
2 2 2 2
5 4
, , 5, 4 ,
3 3
x y
y x
f x y f
x y x y
= =
| |
| |
| = =
|
|
\ .
\ .

dedum que la derivada direccional mxima de la funci en
( )
5, 4 val:
( )
2 2
5 4 5 4 41
5, 4 ,
3 3 3 3 3
f
| | | | | |
= = + + =
| | |
\ . \ . \ .
.

68
Una conseqncia important daquest teorema diu que si volem maximitzar (minimitzar) una
funci escalar a partir dun punt cal seguir la direcci i sentit (sentit contrari) del vector
gradient associat.
56
3.3.3. Composici de funcions escalars i regla de la cadena

Abans dintroduir la noci de funci escalar implcita, ens interessar veure, a
partir dun exemple concret, com es poden calcular les derivades parcials duna
composici de funcions escalars aplicant la regla de la cadena:

Exemple: Donada la funci escalar
2
2 z xy y x = + , amb
2
x u v = + i
2
2 y u v = ,
calcula el gradient de la funci composta
( )
, z z u v = en el punt ( ) ( ) , 1,1 u v = .
SOLUCI: Observem que la variable z depn, en darrera instncia, de les
variables u i v segons el arbre de dependncia:
69

2
2
2
2
2
x u v
z xy y x
y u v
u
x
v
z
u
y
v
= +
= +
=



Per tant, per la regla de la cadena, les derivades parcials de
( )
, z z u v = seran:
( ) ( )
2
2 2 2 2 2
y z z x z
y y u x yx
u x u y u

= + = + + +


i:
( ) ( ) ( )
2
2 1 2 2 2
y z z x z
y y x yx v
v x v y v

= + = + + +

.
Com que:
( ) ( )
{ }
{ }
implica
1 1 2
, 1,1
2 2 1 1 1
x u v
u v
y u v

= + = + =

= = =


aleshores:
( )
( ) ( )
{ } ( )
1,1 1,1
1,1 , 1, 2 i 1 22, 13
z z
z u v x y
u v
| |
= = = = = = =
|

\ .
.

69
Arbres de dependncia entre variables com aquest sorgeixen sempre en un context de
composici de funcions.
57
3.3.4. Funcions escalars implcites

Val a dir que les funcions escalars implcites sn funcions on la relaci entre la
variable dependent i les variables independents ve expressada de forma
implcita, s a dir, no explcita com estem habituats. Per exemple, lequaci:
2
2 3 5 4 xz xy yz + =
defineix implcitament la variable z en funci de les variables x i y. En
general, doncs, tenim que tota equaci funcional diferenciable de la forma:
( )
1
, , , 0
n
F x x z =
defineix implcitament la variable z a partir de les variables
1
, ,
n
x x . En
aquest cas, a la funci ( )
1
, ,
n
z z x x = que es troba implcita en lequaci, li
direm funci implcita. Sol passar, en molts casos, que la variable implcita z
no es pot explicitar, s a dir, que no es pot allar de lequaci funcional que la
defineix. Malgrat aix, sempre podrem calcular les seves derivades parcials.
En efecte:
Si ( )
1
, , , 0
n
F x x z = defineix implcitament ( )
1
, ,
n
z z x x = aleshores la
derivada parcial i-sima daquesta funci implcita s:
i
i
F
x z
F x
z
| |
|

\ .
=
| |
|

\ .
, per a tot 1, , i n = .
Aix s immediat ja que de larbre de dependncia:
( )
( )
1
1
0
1
1
, ,
, , ,
n
n
n
z z x x
n
x
x
F x x z
x
z
x
=
=


sobt directament que:
implica
0 :
i i i i
F F z z F F
x z x x x z
| |
| |
= + =
| |

\ .
\ .
.
58
Exemple: Donada lequaci:
2
2 3 5 4 xz xy yz + =
que defineix ( ) , z z x y = com a funci implcita de x i y:
a. Calcula el seu gradient en el punt ( ) 0.5, 0 sabent que ( ) 0.5, 0 2 z = .
b. Troba lequaci del pla tangent a la funci implcita en aquest punt.
SOLUCI: a) Calcularem les dues derivades parcials de la funci implcita a
partir de la igualtat:
( )
2
, , 2 3 5 4 0 F x y z xz xy yz = + = .
Notem que larbre de dependncia de les variables s ara:
( )
( )
0
,
, ,
z z x y
x
y
F x y z
x
z
y
=
=



Aix doncs, les derivades parcials de z respecte x i y seran:
2
2 3
4 5
0
0
3 5
4 5
F
z y z x
F x xz y
F F z
z
x z x
F F z
F
y z y
y
z x z
F y xz y
z
| |
|


\ .
= =
+ | |

= + |


\ .

`

| |


= +
|


) +
\ .
= =

+ | |

|

\ .

Per tant, el vector gradient de la funci implcita en ( ) 0.5, 0 ser:
( )
2
0.5, 0 i 2
2 3 3 5 1 17
, , , 0 2,
4 5 4 5 2 8
x y z
z y x z
z x y z
xz y xz y
= = =
| | +
| | | |
= =
| | |
+ +
\ . \ .
\ .
.
70

b) Finalment, lequaci del pla tangent a la funci implcita en ( ) 0.5, 0 s:
( ) ( ) ( )
implica
0.5, 0 0.5, 0 0.5, 0 16 17 8 24. z z z x y x y z = + + + =

70
Cal emfatitzar el fet que shan pogut calcular les derivades parcials de la funci implcita
sense conixer la seva expressi funcional.
59
3.4. Derivades segones duna funci escalar i matriu hessiana

3.4.1. Derivades parcials segones duna funci escalar

Un concepte fonamental en lmbit del que estem estudiant s el de matriu
hessiana duna funci escalar en un punt. Aquesta matriu est formada per les
derivades parcials segones de la funci en el punt en qesti. Cal comenar,
doncs, introduint la noci de derivada parcial segona. En general, la derivada
parcial segona de
f n
A R R en a A

respecte les variables


( )
,
i j
x x -en
aquest ordre- s la derivada parcial respecte
j
x en el punt a A

de la funci
derivada parcial respecte
i
x . Simblicament:
( )
( )
2
i
i j j
f
a
f a x
x x x
| |

|

\ .
=

i, si
i j
x x = , posarem
( )
2
2
i
f a
x

.

Exemple: Calcula en ( ) 1,1 les derivades parcials segones de la funci escalar:
( ) , ln f x y x y = .
SOLUCI:
Ja que el vector gradient s , ln ,
f f x
f y
x y y
| | | |

= =
| |

\ . \ .
tenim que:
( )
{ }
( )
( )
( )
( ) ( )
( )
2 2
1, 1
2 2
2
2 2
1, 1
2
2
2
ln 1,1
constant 0 0
ln
1
1,1 1,1
1
/
1
/
x y
x y
y f f f
y
x x x x x
y
f f
x y y x y y
f f
x y y x x y
f f
y x x y x y
x y
f f x
y y y y y
= =
= =
| |
= = = = =
|

\ .

| |
= = =

|

\ .

= =
`
| |


= = =
|


\ . )
| |

= = =
|

\ .
( )
2
1, 1
2 2
1,1
1.
x y
f
y
= =

=


60
3.4.1.2. Derivades parcials segones creuades i teorema de Schwarz

Hem de dir que, en general, les derivades parcials 2es. que podem anomenar
creuades duna funci escalar en un punt com sn:
( ) ( )
2 2
i
i j j i
f a f a
x x x x




no tenen per qu coincidir sempre. Per exemple, la funci escalar:
( )
,
,
0,
x y
xy x y
f x y x y
x y
| | +

|
=

\ .


t derivades parcials segones diferents en el punt ( ) 0, 0 :
( ) ( )
2 2
0, 0 0, 0
1 i 1
f f
x y y x

= =

.

Doncs b, el teorema de Schwarz ens dna les condicions sota les quals les
derivades parcials segones creuades sn iguals. Aquest teorema afirma que:
Si
f n
A R R s de classe
1
C en a A

tal que la funci escalar:


2
i j
f
x x



s tamb de classe
1
C en a A


implica
Existeix laltra derivada parcial
segona creuada en a A

amb:
( ) ( )
2 2
j i i j
f a f a
x x x x

=


.

Cal fer notar que les funcions escalars que estem estudiant satisfan les
hiptesis daquest teorema; noms en aquells punts on la funci canvia de
definici, o est definida ad hoc, podria no donar-se aquesta circumstncia.
61
3.4.2. Matriu hessiana duna funci escalar

Com tindrem ocasi de comprovar ms endavant, el concepte de matriu
hessiana t una importncia cabdal en loptimitzaci de funcions escalars.
71

Formalment, la matriu hessiana de la funci escalar
f n
A R R en el punt
a A

s la matriu quadrada definida per:


( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
2 2 2
2
1 2 1 1
2 2 2
2
2 1 2 2
2 2 2
2
1 2
n
n
n n n
f a f a f a
x x x x x
f a f a f a
Hf a
x x x x x
f a f a f a
x x x x x
| |

|
|
|

|
|
=

|
|
|

|
|

\ .

.

Exemple: Calcula la matriu hessiana de la funci ( ) , ln f x y x y = en ( ) 1,1 .
SOLUCI: Com que ja coneixem, per lexemple anterior, el valor de les
derivades parcials 2es. de la funci en el punt ( ) 1,1 , lnic que ens cal fer s
escriure la matriu hessiana a la qu donen lloc:
( )
( ) ( )
( ) ( )
2 2
2
2 2
2
1,1 1,1
0 1
1,1
1 1
1,1 1,1
f f
x x y
Hf
f f
y x y
| |
|

| |
|
= =
|
|


\ .
|
|

\ .
.
Tanmateix, si el punt canvia tamb ho fa a matriu hessiana. Es pot veure, per
exemple, que la matriu hessiana de la funci en el punt ( ) 0,2 s:
( )
( ) ( )
( ) ( )
2 2
2
2 2
2
0,2 0,2
0 0.5
1,2
0.5 0
0,2 0,2
f f
x x y
Hf
f f
y x y
| |
|

| |
|
= =
|
|

\ .
|
|

\ .
.

71
De fet juga un paper semblant al de la 2a. derivada duna funci real duna variable.
62
3.5. Funcions homognies i teorema dEuler

3.5.1. Funci escalar homognia

Les funcions escalars homognies sn aquelles funcions que varien de forma
proporcional quan les seves variables varien totes en la mateixa proporci. Per
definici, diem que la funci escalar
f n
A R R s homognia de grau
m R si, per a tot punt x A

i tot escalar positiu 0 t > hom t que:


( ) ( )
m
f t x t f x =

.

Vegem un exemple:

Exemple: Prova que la funci
x y
z
x y

=
+
s homognia de grau 0.5 m = .
SOLUCI: Cal veure que ( ) ( ) ( ) ( )
0.5
, , , f t x y f tx ty t f x y = = . En efecte:
( )
( ) ( )
( ) ( )
( )
( )
1 1
1
2 2
, , .
tx ty t x y x y
f tx ty t t f x y
t x y x y
tx ty
| |
= = = =
|
|
+ +
+
\ .


En Economia hom diu que una funci de producci o de beneficis t:
i. Rendiments a escala creixents quan s homognia de grau 1 m > . En aquest
cas, si tots els inputs de la producci varien en una mateixa proporci, la
producci (output) variar en una proporci ms gran i en el mateix sentit.
ii. Rendiments a escala decreixents quan s homognia de grau 1 m < . En
aquesta tessitura, loutput varia en una proporci ms petita que els inputs.
En el cas que 0 m = , el output no varia encara que els inputs ho facin, i en
el cas 0 m < , loutput varia en sentit contrari a la variaci dels inputs.
iii. Rendiments a escala constants quan s homognia de grau 1 m = . Ara, tant
els inputs com el output varien en la mateixa proporci.
63
3.5.2. Teorema dEuler

El teorema dEuler est especialment dissenyat per a provar la homogenetat
daquelles funcions escalars que venen definides de forma implcita. Notem que
aquest teorema caracteritza les funcions escalars homognies diferenciables
a partir de les seves derivades parcials. En general:

f n
A R R diferenciable s homognia de grau m R si i noms si:
( )
1
1
n
n
f f
x x m f x
x x

+ + =


.

Exemple: Comprova que la funci escalar homognia de grau 0.5 m = :
( ) ,
x y
f x y
x y

=
+

satisf el teorema dEuler.
SOLUCI: En efecte, com que:
( )
( ) ( )
( ) ( )
1
1
2 2 3
2 2
x y x y
x y x y x y x y f
x x y x y x y x y x y
+
+ + +
= = =
+ + + + +

i:
( ) ( )
( ) ( )
( ) ( )
1
1
2 2 3
2 2
x y x y
x y x y x y x y f
y x y x y x y x y x y
+
+ +
= = =
+ + + + +

tenim que:
72

( ) ( )
( ) ( )
( )
2 2 2 2
3 3
2 2
3 3 1
, .
2 2 2 2
x y x y f f
x y x y
x y x y x y x y x y
x yx xy y x y x y
f x y
x y x y x y x y x y
| | | |
+
+ = + =
| |
| |
+ + + +
\ . \ .
+ +
= = = =
+ + + + +


72
s evident que si la funci objecte destudi s explicita, com aquesta, no cal aplicar el
teorema dEuler ja que la prpia definici resol directament la qesti de la homogenetat.

64
Vegem, finalment, una aplicaci econmica:

Exemple:
a. Sigui ( ) , Q K L una funci de producci diferenciable que t rendiments a
escala constants. Sota aquestes hiptesis, calcula el nivell de producci
quan 2 K = i 4 L = sabent que les productivitats marginals a aquest nivell
sn 1 i 3.
b. G. Tintner va estimar la producci agrcola austraca durant el perode
1954/1955 a partir de la funci de Cobb-Douglas:
( )
0.61718 0.31931 0.06351
, , 9.52 Q K L X K L X =
on K denota les unitats de capital emprades, L les unitats de treball
requerides i X la superfcie cultivada. Amb aquestes hiptesis, calcula
laugment percentual de la producci si els tres inputs augmenten un 5%.
SOLUCI: a) Cal calcular el valor de ( ) 2, 4 Q tenint en compte que les
productivitats marginals sn:
( ) ( )
2, 4 2, 4
1 i 3
Q Q
K L

= =

.
Sabent que ( ) , Q K L s homognia de grau 1 hom dedueix, aplicant el teorema
dEuler, que:
( ) ( )
( ) ( )
( )
2, 4 2, 4
2, 4 1 2, 4 2 4 1 2 3 4 10
Q Q
Q Q
K L

= = + = + =

unitats.
b) Com podem veure, aquesta funci de producci s, com en el cas anterior,
homognia de grau 1 ja que:
( ) ( ) ( ) ( )
( ) ( )
0.61718 0.31931 0.06351
0.61718 0.31931 0.06351 0.61718 0.31931 0.06351 1
, , 9.52
9.52 , , .
Q tK tL tX tK tL tX
t K L X t Q K L X
+ +
= =
= =

En conseqncia, si els inputs augmenten un 5%, la producci augmentar
tamb un 5% ja que la funci t rendiments a escala constants.
65
3.6. Exercicis

1. Determina grficament el domini i les corbes de nivell de la funci:
( )
2
2
,
x y
f x y
x y
+
=

.
2. Prova que:
a.
( )
2 2
0.5ln z x xy y = + satisf la igualtat 1
z z
x y
x y

+ =

.
b.
2 2 2
2 r x y z = + + satisf la igualtat
r r r
x y z r
x y z

+ + =

.
3. Determina les equacions dels plans tangents en el punt ( ) 0,1 a les funcions:
a. ( )
3
,
x y
f x y e

= . b. ( )
2
, 1 f x y y x = + + .
4. Donada la funci:
( )
( ) ( )
2 2
3
,
,
0, , 0, 0
x y
x y
x y f x y
x y


prova que les derivades direccionals en ( ) 0, 0 i ( ) 1,2 segons
( )
1/ 5,2/ 5
sn iguals.
5. Calcula, aproximadament i sense utilitzar la calculadora, el cost que suposa
fabricar una caixa tancada de 3x2x1 m
3
que est feta amb un metall de
0.4053 cm despessor i amb un preu de cost de 2.5 u.m. el quilo.
73

6. Prova que ( ) ( )
( )
2 2
ln z x a y b = + , amb a i b parmetres, satisf:
2 2
2 2
0
z z
x y

+ =

.
74

7. Calcula la matriu hessiana en ( ) 1,1,1 de la funci ( )
2 2
, , f x y z x y yz = .

73
u.m. denoten unitats monetries. Suposarem que un quilo daquest material ocupa un volum
dun litre (1 dm
3
).
74
Aquesta equaci rep el nom dequaci de Laplace.
66
4. OPTIMITZACI SENSE RESTRICCIONS

4.1. ptims duna funci escalar i teorema de Weierstrass

4.1.1. Mxim i mnim globals o absoluts duna funci escalar

Lobjectiu daquest tema s trobar els mxims i mnims, s a dir, els ptims
lliures
75
de funcions escalars amb derivades parcials 2es. contnues (funcions
escalars de classe
2
C ).
76
Val a dir que les definicions sn idntiques a les duna
variable. Comenarem amb les de mxim i mnim globals. En general, diem que
la funci escalar
f n
A R R t en el punt a A

un:
1. Mxim global o absolut si:
( ) ( ) f x f a

, per a tot x A

.
2. Mnim global o absolut si:
( ) ( )
f a f x

, per a tot x A

.

Exemple: Prova que la funci escalar:
( )
2 2
, 4 4 f x y x y = +
t un mxim global en lorigen de coordenades ( ) 0, 0 .
SOLUCI: Com que:
( )
2 2
, 4 4 4 2 f x y x y = =
el valor mxim que pot prendre la funci s 2. Per tant, ja que:
( )
2 2
0, 0 4 0 4 0 4 2 f = = =
dedum que ( ) 0, 0 s un mxim global.

75
Lliures en el sentit que les variables independents no estan subjectes a cap mena de
restricci llevat de les prpies del domini de definici.
76
Aquestes funcions sn en particular funcions de classe
1
C i, per tant, diferenciables.
67
4.1.2. Teorema de Weierstrass

Tot recordant la definici de conjunt compacte com un conjunt que s, al
mateix temps, tancat i acotat, podem enunciar el teorema de Weierstrass.
Aquest teorema ens diu que:
Tota funci escalar contnua sobre un conjunt compacte t mxim i mnim
globals.
77


Exemple: Prova que la funci: ( ) ( )( )
2 2 2 2
, 2 1 f x y x y x y = + + t mxim i
mnim globals.
SOLUCI: El domini de definici de la funci s:
( ) ( )( ) { }
2 2 2 2 2
, : 2 1 0 A x y x y x y = + R .
Com que:
( )( )
2 2 2 2
Equivalent 2 2 2 2
2 2 2 2
2 i 1
2 1 0
2 i 1
x y x y
x y x y
x y x y

+ +

+
`

+ +
)

dedum que ( ) { }
2 2 2
, : 1 2 A x y x y = + R . Grficament:

Ja que A s compacte i la funci, per la seva definici, s contnua dedum, pel
teorema de Weierstrass, que hi hauran mxims i mnims globals.
78


77
El teorema de Weierstrass s fonamental a lhora doptimitzar funcions escalars subjectes
a restriccions de desigualtat. Aquest tipus doptimitzaci sestudia a Matemtiques II.
78
Es pot provar que els mnims sn els punts de les circumferncies de centre ( ) 0, 0 i de radis
1 i 2 , i els mxims els de la circumferncia de centre ( ) 0, 0 i radi 1.5 .
68
4.1.3. Mxim i mnim locals o relatius, ptim i valor ptim duna funci escalar

Tanmateix, per, els mxims i els mnims globals no sn el tipus dptims que,
en principi, detecten les eines analtiques que hem estudiat. Lobjecte destudi
ser, ms aviat, els mxims i els mnims locals. Per definici, diem que la funci
escalar
f n
A R R t en el punt a A

un:
1. Mxim local o relatiu si existeix una bola oberta de centre a A

, inclosa
en el domini
n
A R , tal que per a tot x

que pertany a la bola:


( ) ( ) f x f a

.
2. Mnim local o relatiu si existeix una bola oberta de centre a A

, inclosa
en el domini
n
A R , tal que per a tot x

que pertany a la bola:


( ) ( )
f a f x

.
Aix doncs, els mxims i mnims locals sn com els mxims i mnims globals per
restringits ara a una certa bola oberta. Per exemple, la funci escalar:
( )
2 2 2 2
2 2 2 2
, 0 1
,
2 , 1
x y x y
f x y
x y x y
+ +

=

+ >


t un mnim local en ( ) 0, 0 que no s global. Grficament:

Finalment, diem que a A

s un ptim lliure (o ptim a seques) duna funci


escalar
f n
A R R si s un mxim o mnim, ja sigui global o local. Al valor
que la funci pren en lptim a A

:
( )
0
z f a =


li direm valor ptim de la funci.
69
4.2. Condicions necessries i suficient dptims locals

4.2.1. Condici necessria de 1er. ordre
79


Analitzarem aquesta condici per a funcions escalars de classe
1
C . El segent
teorema la recull:
Si la funci escalar
f n
A R R s de classe
1
C i si el punt a A

s un
ptim local que pertany al interior de A aleshores el vector gradient de la
funci sanulla en aquest punt:
( )
( ) ( )
)
1
, , 0, , 0
n
n
f a f a
f a
x x
| |
| |
= =
| |
\ .
\ .

.

Exemple: Comprova que el punt ( ) 0, 0 , que s un mxim global de la funci:
( )
2 2
, 4 4 f x y x y =
satisf la condici necessria de 1er. ordre.
SOLUCI: Evident ja que:
( ) ( )
2 2
0, 0
2 2
4 4
0, 0 0, 0
0
4
4 4
x y
f x
x
x y
f f
y x y f
y
x y
= =

=

= =
`


=


)
.

Notem, per exemple, que el punt ( ) 0,1 , que s un mnim global, no satisf
aquesta condici ja que les dues derivades parcials no hi estan definides. Cal
remarcar, doncs, que els ptims locals que satisfan la condici necessria de
1er. ordre han de ser punts interiors del domini de la funci objecte destudi.

79
Hom diu de 1er. ordre ja que fa intervenir noms les derivades parcials primeres. La prova
daquest teorema est penjada al Campus Virtual.
70
4.2.1.1. Punt crtic i punt de sella duna funci escalar

Sembla ser, doncs, que els punts que anullen el gradient duna funci escalar
juguen un paper molt important. Per definici, i donada una funci escalar
f n
A R R de classe
1
C , diem que un punt a A

s un punt crtic o
estacionari si anulla el vector gradient associat.

Exemple: Calcula els punts crtics de la funci escalar:
( )
2 2 2
, , 2 5 f x y z x y z x = + + + .
SOLUCI: Lnic punt crtic de la funci s el punt
( )
1/4, 0, 0 ja que:
Soluci
0 4 1
1
0 2 , 0
4
0 2
f
x
x
f
y x y z
y
f
z
z

= = +



= = = = =
`

= =
)
.

No tot punt crtic duna funci escalar s sempre un ptim. El que s podem
afirmar s que tot punt crtic s, o b un ptim, o b un punt de sella. Per
definici, diem que a A

s un punt de sella de la funci


f n
A R R de
classe
1
C si s un punt crtic per no un ptim.
80
Grficament, el punt ( ) , a b
s un punt de sella de la funci ( ) , z f x y = :


80
Precisament el punt crtic del exemple anterior, com veurem endavant, s un punt de sella.
71
4.2.2. Condici necessria de 2on. ordre

La condici necessria de 2on. ordre fa referncia a la matriu hessiana de la
funci escalar a optimitzar -que caldr assumir que s de classe
2
C -, i ens diu
que si
f n
A R R s una funci escalar de classe
2
C aleshores:
Si la funci t un mnim local en el punt a A

aleshores la matriu hessiana


( ) Hf a

s definida o semidefinida positiva.


Si la funci t un mxim local en el punt a A

aleshores la matriu hessiana


( ) Hf a

s definida o semidefinida negativa.



Exemple: Comprova que el mxim ( ) 0, 0 satisf la condici necessria de 2on.
ordre sobre la funci:
( )
2 2
, 4 4 f x y x y = + .
SOLUCI: Com que:
( )
( )
( )
2 2
3 2
2 2
2
2 2
2 2
3
2 2
2
2 2
2 2
3 2
2 2
2
4 4
4 4
4 4
4
4
4 4
4 4
16 4
4 4
y f
x
x y f x
x
x y
xy f f
y x y y x f
x y
y
x y
f x
y
x y



= =
`


=


)

+
=


el mxim ( ) 0, 0 satisf la condici necessria de 2on. ordre ja que la matriu
hessiana associada en el punt:
( )
( ) ( )
( ) ( )
2 2
2
2 2
2
0, 0 0, 0
0.5 0
0, 0
0 2 0, 0 0, 0
f f
x y x
Hf
f f
y x y
| |

|
| | |
= =
|
|

\ .
|
|

\ .
.
s, com podem veure, definida negativa.
72
4.2.2.1. Relaci entre la condici necessria de 2on. ordre i els punts de sella

Aix doncs, el que afirma la condici necessria de 2on. ordre anterior s que ,
en un ptim lliure duna funci escalar, la matriu hessiana associada no pot ser
indefinida. Per tant, i com a conseqncia immediata, tenim el teorema que ens
diu que:
Si la matriu hessiana ( ) Hf a

en un punt crtic a A

duna funci escalar


f n
A R R de classe
2
C s indefinida aleshores a A

s un punt de
sella.

Exemple: Prova que la funci escalar:
( )
2 2 2
, , 2 5 f x y z x y z x = + + +
t un punt de sella en
1
, 0, 0
4
| |

|
\ .
.
SOLUCI: Ja sabem que aquest punt s un punt crtic de la funci.
81
Aix
doncs, com que:
( )
2 2 2
2
2 2 2
implica
2
2 2 2
2
4 1
4 0 0
2 , , 0 2 0
0 0 2
2
f f f
f
x
x x y x z
x
f f f f
y Hf x y z
y y x y y z
f
f f f
z
z
z x z y z
| |

|
= +


|
| |
|
|
= = | =
`
|

|
|

\ .
|


|
=
|
)
\ .

tenim que la matriu hessiana en
( )
1 / 4, 0, 0 :
4 0 0
1
, 0, 0 0 2 0
4
0 0 2
Hf
| |
| | |
=
|
|
\ .
|

\ .
.
s indefinida. Per tant, i aplicant lanterior,
1
, 0, 0
4
| |

|
\ .
s un punt de sella.

81
Veure lexemple de la plana 70.
73
4.2.3. Condici suficient de 2on. ordre

Aquesta condici tamb est relacionada, com la condici necessria de 2on.
ordre, amb les matrius hessianes de la funci escalar a optimitzar. Notem que
malgrat que el teorema que enunciarem tot seguit sembla el recproc del
anterior, no ho s ja que, ara, les matrius hessianes han de ser definides, s
a dir, que han destar associades sempre a formes quadrtiques definides, o b
positives o b negatives. En general, hom pot afirmar que si
f n
A R R s
una funci escalar de classe
2
C i a A

s punt crtic tenim que:


Si la matriu hessiana
( )
Hf a

s definida positiva aleshores a A

s un
mnim local.
Si la matriu hessiana
( )
Hf a

s definida negativa aleshores a A

s un
mxim local.

Exemple: Prova que la funci escalar:
( )
2 2
, 4 4 f x y x = + .
t un mxim local en el punt ( ) ( ) , 0, 0 a b = .
SOLUCI:
Com que ja hem vist ms amunt que
( )
0, 0 s un punt crtic de la funci i que la
matriu hessiana associada:
( )
0.5 0
0, 0
0 2
Hf
| |
=
|

\ .

s definida negativa dedum, aplicant la condici suficient de 2on. ordre, que el
punt
( )
0, 0 s un mxim local de la funci.
82


82
En aquest cas sabem ms ja que es tracta dun mxim global. Tant aquest resultat com el
anterior justifiquen lestudi del signe de les formes quadrtiques dut a terme en el Bloc I.

74
Vegem ara un exemple complet:

Exemple: Optimitza la funci escalar:
( )
1 1
, 8 f x y xy
x y
= + + .
SOLUCI:
Notem que el domini daquesta funci s:
( ) { }
2
, : , 0 A x y x y = R .
Trobar els punts crtics voldr dir resoldre el sistema dequacions no lineal:
2
2
En particular
2
2
1
0 8
8 1
8 1
1
0 8
f
y
x x
yx
xy
f
x
y y

= =

`
=


= =

)

Com que:
( )
2
implica , 0 2 2
2
8 1
0 8 8 8
8 1
x y
yx
yx xy xy x y x y
xy

=

= = =
`
=

)

aleshores:
{ }
Soluci 2 3
1
1 8 8
2
xy x y x x y = = = = = = .
Aix doncs, lnic punt crtic de la funci s:
( )
1 1
, ,
2 2
a b
| |
=
|
\ .
.
Finalment, com que:
3
3
1/2
3
3
2
2
8
8
16 8
1 1 0.5
,
2
8 16 2 2 2
8
8
0.5
x y
x
Hf Hf
y
= =
| |
| |
|
|
| |
| |
|
= = = |
| |
| \ .
| \ .
|
|
\ .
\ .

hom dedueix que aquest punt crtic s un mnim local de la funci ja que
aquesta matriu hessiana s definida positiva.
75
4.3. Optimitzaci convexa i teorema local-global

4.3.1. Funci escalar convexa i funci escalar cncava

Quan les funcions escalars a optimitzar siguin convexes o cncaves, lobtenci
dels ptims (mnims en el 1er. cas i mxims en el 2on.) es pot simplificar molt.
Val a dir que moltes de les funcions escalars que solen aparixer en els models
econmics doptimitzaci sn daquests dos tipus. En general, diem que una
funci escalar
f n
A R R de classe
1
C amb
n
A R conjunt convex s:
1. Convexa en un punt a A

si en una bola oberta de centre aquest punt la


funci est per damunt del hiperpl tangent p a la funci en a A

.
2. Cncava en un punt a A

si en una bola oberta de centre aquest punt la


funci est per sota del hiperpl tangent p a la funci en a A

.
Grficament, la funci
( )
, z f x y = s convexa en
( )
, a b :

i cncava en aquest cas:


76
4.3.1.1. Relaci entre la convexitat i/o concavitat i les matrius hessianes

El teorema que enunciem a continuaci caracteritza les funcions convexes i
cncaves a partir de les seves matrius hessianes. En efecte, una funci escalar
n f
A R R de classe
2
C sobre
n
A R conjunt convex s:
Convexa si i noms si la matriu hessiana en general
( )
Hf x

s definida o
semidefinida positiva.
Cncava si i noms si la matriu hessiana en general
( )
Hf x

s definida o
semidefinida negativa.

Exemple: Prova que:
a.
( )
2 2 2
, , 7 5 12 3 14 22 f x y z x y z x y z = + + + s convexa.
b.
( )
2 2
, 2 5 f x y xy x y = s cncava.
SOLUCI: a) Ja que:
( ) ( ) ( )
implica
14 0 0
, , 14 12,10 3,2 14 , , 0 10 0
0 0 2
f x y z x y z Hf x y z
| |
|
= + =
|
|
\ .

dedum que la funci s convexa ja que la matriu hessiana en general s
definida positiva.
83

b) Ja que:
( ) ( ) ( )
implica
2 2
, 2 2 ,2 10 ,
2 10
f x y y x x y Hf x y
| |
= =
|

\ .

tenim que la funci s cncava doncs la matriu hessiana en general s definida
negativa ja que els menors principals dordre 1 sn negatius, 2 i 10 , i el
dordre 2 el determinant de la matriu- s estrictament positiu.

83
Tots els menors principals sn estrictament positius.
77
4.3.2. Teorema local-global

El teorema local-global ens diu que tot punt crtic duna funci convexa o
cncava de classe
2
C s un ptim i, a ms, global. En efecte, sigui una funci
escalar
f n
A R R de classe
2
C definida sobre un conjunt
n
A R convex
i a A

un punt crtic. Aleshores:


Si la funci s convexa en
n
A R , el punt a A

s un mnim global.
Si la funci s cncava en
n
A R , el punt a A

s un mxim global.
A ms, si la matriu hessiana en general
( )
Hf x

s definida, lptim s nic.



Exemple: Prova que
( )
3,3, 0 s un mnim global de la funci:
( )
2 2 2
, , 2 f x y z x y z xy = + + .
SOLUCI: El punt
( )
3,3, 0 s un punt crtic ja que anulla el vector gradient:
( ) ( )
En particular Solucions
0 2 2
0 2 2 , 0 , , 3,3, 0 .
0 2
f
x y
x
f
y x x y z a b c
y
f
z
z

= =



= = = = =
`

= =
)

Tanmateix, no podem aplicar ara la condici suficient de 2on. ordre ja que la
matriu hessiana en el punt:
( ) ( )
3, 0
2 2 0 2 2 0
, , 2 2 0 3,3, 0 2 2 0
0 0 2 0 0 2
x y z
Hf x y z Hf
= = =
| | | |
| |
= =
| |
| |
\ . \ .

s semidefinida positiva. Malgrat aix, com que la matriu hessiana en general
( ) , , Hf x y z s sempre semidefinida positiva, la funci s convexa i, per tant,
( )
3,3, 0 s un mnim global.
84


84
Notem que aquest mnim global no s nic ja que, per exemple, el punt ( ) 1,1, 0 tamb ho s.
78
4.4. Exercicis

1. Prova que ( ) , f x y xy = t ptims globals en ( ) { }
2 2 2
, : 4 4 A x y x y = + R .
2. Optimitza les funcions escalars:
a.
( )
2 2
, 6 39 18 20 f x y x y xy x y = + + + .
b.
( )
2 2
, 2 3 2 f x y x y x y xy = + + .
c.
( )
2 2
, 2ln 18ln f x y x y x y = + .
d.
( )
3 3
, f x y xy x y = .
e.
( )
2 2 2
, , 4 4 4 4 12 f x y z x y z xy xz yz = + + + + + .
3. Estudia la convexitat i/o concavitat de les funcions:
a.
( )
2 2
, 3 4 2 f x y x y xy = + .
b. ( )
0.5 0.5
, 2 f x y x y = .
c.
( )
2 2 2
, , 6 3 4 f x y z x y z x y z = + + + .
4. Estudia, per , 0 a b > , la concavitat de la funci ( )
2 2
, 2 f x y xy ax by = .
5. Si la funci de costos duna empresa que produeix dos articles A i B s:
( )
2 2
, 3 1.5 2
A B A B A B
C q q q q q q = + +
on les variables i
A B
q q denoten les quantitats produdes de A i B, calcula la
producci que maximitza els beneficis si: a) Els preus de venda sn de 42 i
51 u.m. b) Les funcions de demanda sn
1
66 3
A
p q = i
2
72
B
p q = .
6. Un empresari que fabrica dos productes sap que, a un preu de 25 u.m., pot
vendre 175 unitats del primer i que per cada u.m. de augment ven 5 unitats
menys. Si el preu de venda del segon s de 30 u.m. i si:
( ) ( )
2 2
1 / 5 1 / 3 1925 C x y = + +
s la funci de costos, on x i y denoten les unitats produdes dambds
productes, determina la producci que maximitza els beneficis.
79
BIBLIOGRAFIA

ADILLN, R.; JORBA, L. (1995) Lecciones de matemticas para
economistas. Barcelona: grficas Rey.
ALEGRE, P. et al. (2005) Matemticas empresariales. Madrid: AC.
ANTN, H. (2003) Introduccin al lgebra lineal. Mxico: Limusa.
BALBAS, A. et al. (1989) Anlisis matemtico para la economa I: clculo
diferencial. Madrid: AC.
BLANCO, S. et al. (2004) Matemticas Empresariales I. Enfoque terico-
prctico. lgebra lineal. Madrid: AC.
BORRELL, J. (1990) Mtodos matemticos para la economa: campos y
autosistemas. Madrid: Pirmide.
CMARA, A. et al. (2003) Problemas resueltos de Matemticas para la
Economa y Empresa. Madrid: AC.
CHIANG, A. F. (2005) Mtodos fundamentales de economa matemtica.
Madrid: McGraw-Hill.
DEMIDOVICH, B. (1998) Problemas y ejercicios de anlisis matemtico.
Barcelona: Paraninfo.
HOFFMANN, L. et al. (2006) Clculo aplicado para Administracin,
Economa y Ciencias Sociales. Mxic: McGraw-Hill.
MINGUILLN, E. et al. (2004) Matemticas para la Economa. lgebra
Lineal y Clculo Diferencial (libro de ejercicios). Madrid: McGraw-Hill.
MUOZ, F. et al. (1988) Manual de lgebra lineal. Barcelona: Ariel.
SYDSAETER, K.; HAMMOND, P.J. (1996) Matemticas para el anlisis
econmico. Madrid: Prentice Hall.
VEGAS, A.; LPEZ, M. (1991) Elementos de matemticas para economistas.
Madrid: Pirmide.
80
GLOSSARI

Angle entre vectors, 19
Base, dimensi
dun espai vectorial, 11
ortogonal, ortonormal, 20
Bola oberta, 22
Combinaci lineal de vectors, 6
Conjunt acotat, compacte, 26
convex, 27
obert, tancat, 25
Corbes de nivell duna funci, 36
Derivada direccional, parcial, 41
parcial elstica, 48
parcial segona, 59
Distncia entre vectors, 21
Espai vectorial real, 5
euclidi, 17
Forma quadrtica, 28
definida, semidefinida,
indefinida, 29
restringida, 32
Funci escalar real, domini, 34
cncava, convexa, 75
contnua, 40
de classe
1
C , 55

2
C , 66
derivable, 50

diferenciable, 52
homognia, 62
implcita, 57
Lmit duna funci escalar, 38
Matriu hessiana duna funci, 61
Mxim, mnim
global duna funci, 66
local , 68
Menor principal duna matriu, 30
Norma dun vector, 18
ptim lliure duna funci escalar, 68
Pla, hiperpl tangent, 51
Producte escalar, 17
Punt crtic, de sella duna funci, 70
interior, frontera, 23
Regla de la cadena, 56
Signe duna forma quadrtica, 29
Sistema de generadors, 10
Subespai vectorial, 14
Valor ptim duna funci, 68
Vector de components, 13
gradient duna funci, 49
unitari, 18
Vectors linealment dependents,
independents, 7
ortogonals, 20