Anda di halaman 1dari 60

Apuntes de c

alculo diferencial en una y varias


variables reales

n
Eduardo Liz Marza

Noviembre de 2012

Indice general
1. Preliminares
1.1. Introducci
on. . . . . . . . . . . . .
1.2. La relaci
on de orden en el conjunto
1.3. El valor absoluto. . . . . . . . . . .
1.4. Funciones reales de variable real. .

. . . . . . . . . . . . .
de los n
umeros reales.
. . . . . . . . . . . . .
. . . . . . . . . . . . .

2. Lmites y continuidad de funciones de una variable


2.1. Introducci
on. . . . . . . . . . . . . . . . . . . . . . .
2.2. Lmite de una funci
on en un punto. . . . . . . . . . .
2.3. Continuidad. . . . . . . . . . . . . . . . . . . . . . .
2.4. Lmites en infinito. . . . . . . . . . . . . . . . . . . .
2.5. C
alculo de lmites. . . . . . . . . . . . . . . . . . . .
2.6. Algunos teoremas para funciones continuas. . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

1
1
1
2
3

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

5
5
5
7
8
9
9

3. Derivaci
on de funciones de una variable
3.1. Introducci
on. . . . . . . . . . . . . . . . . . . . .
3.2. El problema de la tangente. . . . . . . . . . . . .
3.3. Derivada de una funci
on en un punto. . . . . . .
3.4. Funci
on derivada. Derivadas sucesivas. . . . . . .
3.5. Propiedades de las derivadas. . . . . . . . . . . .
3.6. C
alculo de derivadas en algunos casos especiales.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

11
11
11
12
14
15
16

4. Aplicaciones de la derivaci
on
4.1. Introducci
on. . . . . . . . . . . . .
4.2. La regla de LH
opital. . . . . . . .
4.3. Extremos relativos de una funcion.
4.4. El teorema del valor medio. . . . .
4.5. El teorema de Taylor. . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

17
17
17
18
20
22

5. Introducci
on a las funciones vectoriales
5.1. Funciones vectoriales de una variable. Curvas en Rn . . . . . . . . . . . . . . . . .
5.2. Campos escalares y vectoriales. Curvas de nivel . . . . . . . . . . . . . . . . . . .
5.3. Nociones b
asicas de topologa en Rn . . . . . . . . . . . . . . . . . . . . . . . . . .

27
27
29
30

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

6. Continuidad y c
alculo diferencial de funciones de varias
6.1. Lmites y continuidad de funciones de varias variables. . .
6.2. Derivadas parciales y plano tangente. . . . . . . . . . . . .
6.3. Diferenciabilidad. . . . . . . . . . . . . . . . . . . . . . . .
6.4. Regla de la cadena. . . . . . . . . . . . . . . . . . . . . . .
6.4.1. Interpretaci
on de la diferencial como aplicacion. . .
6.4.2. Regla de la cadena: una variable independiente . .
6.4.3. Regla de la cadena: varias variables independientes
6.5. Derivaci
on implcita. . . . . . . . . . . . . . . . . . . . . .

variables
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .

.
.
.
.
.
.
.
.

33
33
35
36
38
39
39
41
42

7. Derivadas parciales de orden superior. C


alculo de extremos
7.1. Derivadas parciales de orden superior. . . . . . . . . . . . . . . . . . . . . . . . .
7.2. Extremos locales y globales de un campo escalar. . . . . . . . . . . . . . . . . . .
7.3. Extremos condicionados. Multiplicadores de Lagrange. . . . . . . . . . . . . . . .

43
43
45
48

Referencias

55

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

Introducci
on
Se recogen aqu los apuntes de la asignatura Calculo I adaptada a los nuevos grados. En lo
que respecta a las titulaciones de Ingeniera de la energa e Ingeniera de los recursos mineros y
energeticos en la Universidad de Vigo, el grado tiene tres asignaturas cuya docencia corresponde

al area de Matem
atica Aplicada. En el primer cuatrimestre se imparten Algebra
Lineal y C
alculo
I, y en el segundo cuatrimestre C
alculo II.
La primera parte del c
alculo (a la que corresponden estos apuntes) se dedica al estudio de la
continuidad y diferenciabilidad de funciones de una y varias variables reales y sus aplicaciones. A
su docencia se dedican 42 horas de aula (teora y problemas) y 10 horas de laboratorio (practicas
de ordenador y problemas).
Estas notas no pretenden sustituir ni a los apuntes de clase ni a los libros de la bibliografa
(que incluyen mucho m
as material, en particular muchos mas dibujos y ejemplos), sino servir
de ayuda para que los alumnos tengan el material del curso organizado.

iii

Captulo 1

Preliminares
1.1.

Introducci
on.

En la primera parte del curso se estudia el calculo en una variable real, con lo que el conjunto
protagonista es el de los n
umeros reales, que denotaremos por R. En este captulo preliminar
recordaremos algunas cuestiones importantes que se utilizan en los temas siguientes, como la
relacion de orden total de los n
umeros reales, el valor absoluto y el concepto de funcion.

1.2.

La relaci
on de orden en el conjunto de los n
umeros reales.

Una caracterstica fundamental en el conjunto R de los n


umeros reales es que existe una
relacion de orden total compatible con las operaciones. En particular, se verifican las siguientes
propiedades:
1. Si x y y z R entonces x + z y + z.
2. Si x y y > 0 entonces x y.
3. Si x y y < 0 entonces x y. En particular, x y = x y.
4. Si 0 < x < y entonces 0 < 1/y < 1/x.
Intervalos.
La relaci
on de orden permite definir los intervalos, que son los subconjuntos de n
umeros
reales que usaremos m
as habitualmente. Si a, b son dos n
umeros reales tales que a < b, se definen
los siguientes intervalos:
(a, b) = {x R / a < x < b} (Intervalo abierto de extremos a y b).
[a, b] = {x R / a x b} (Intervalo cerrado de extremos a y b).
[a, b) = {x R / a x < b}.
(a, b] = {x R / a < x b}.
1

1. Preliminares
Observaciones:
1. Estos dos u
ltimos se llaman intervalos semiabiertos o semicerrados.
2. Todos estos tipos de intervalos se llaman intervalos finitos o acotados. Los intervalos cerrados acotados [a, b] se llaman tambien intervalos compactos.
Existen otros intervalos infinitos o no acotados:
Abiertos: (a, ) = {x R / x > a}, (, b) = {x R / x < b}.
Cerrados: [a, ) = {x R / x a}, (, b] = {x R / x b}.
Observese que R = (, ) tambien es un intervalo no acotado.

1.3.

El valor absoluto.

Se define el valor absoluto de un n


umero real x como

|x| =

x si x 0
x si x < 0

Propiedades
1. |x| 0, x R y adem
as |x| = 0 x = 0.
2. |x| = | x|, x R.
3. |x y| = |x| |y|, x, y R.
4. |x + y| |x| + |y|, x, y R.
5. Si r > 0 entonces |x| r r x r x [r, r].
La propiedad 5 permite caracterizar el intervalo [x0 r, x0 + r] centrado en x0 R y de
radio r > 0 en terminos del valor absoluto:
x [x0 r, x0 + r] |x x0 | r.
Lo mismo se obtiene para intervalos abiertos utilizando la desigualdad estricta.

1.4. Funciones reales de variable real.

1.4.

Funciones reales de variable real.

Las funciones reales de variable real son el objeto principal de los primeros temas del curso.
En esta secci
on repasamos algunos conceptos relacionados.
Sea D un subconjunto de R. Una funci
on real de variable real (en adelante nos referiremos
a ella u
nicamente como funci
on) es una correspondencia f : D R que asigna a cada n
umero
x D un u
nico n
umero f (x) R que se llama imagen de x.
El conjunto D se llama dominio de definicion de f . Se llama imagen de f o rango de f al
conjunto f (D) = {f (x) / x R}.
Por ejemplo, la aplicaci
on f (x) = ln(x) esta definida u
nicamente en D = (0, ) y su imagen
es f (D) = R, ya que todo n
umero real y se puede escribir como y = ln(ey ) = f (ey ).
Composici
on de funciones. Sean f : D1 R, g : D2 R. Si f (D1 ) D2 , se puede definir
la composici
on (g f ) : D1 R como (g f )(x) = g(f (x)), x D1 .
Por ejemplo, si f (x) = x2 + 1 y g(x) = ln(x), se define (g f ) : R R como
(g f )(x) = g(f (x)) = ln(x2 + 1), x R.
Funciones inversas.
Se dice que dos funciones f : D1 R, g : D2 R son inversas si (g f )(x) = x, x D1
y (f g)(y) = y, y D2 . Si f y g son inversas, se denota g = f 1 .
Por ejemplo, las funciones f (x) = ex y g(x) = ln(x) son inversas ya que
g(f (x)) = ln(ex ) = x, x R

f (g(y)) = eln(y) = y, y (0, ).

En general, aunque una funci


on f : D R tenga inversa, no es sencillo calcularla. Por
ejemplo, la funci
on f : R R definida por f (x) = x + ex tiene inversa pero no se puede
encontrar una expresi
on sencilla para ella. En ocasiones, saber que la funcion tiene inversa
tambien es u
til, aunque no se pueda calcular explcitamente.
Las funciones que tienen inversa se llaman funciones inyectivas. Se caracterizan por la
siguiente propiedad: f es inyectiva si y solo si para cualquier par de n
umeros reales distintos
x, y D sus im
agenes f (x), f (y) tambien son distintas. Por ejemplo, la funcion f : R R
definida por f (x) = x2 no es inyectiva ya que f (1) = f (1) = 1.
Sea I un intervalo real. Una funcion f : I R es estrictamente creciente si para cualquier
par de n
umeros reales distintos x, y I se cumple que x < y = f (x) < f (y). Diremos que f es
es estrictamente decreciente si x < y = f (x) > f (y). Las funciones estrictamente crecientes
o decrecientes se llaman funciones estrictamente monotonas. Es inmediato probar que toda
funcion estrictamente mon
otona es inyectiva y por tanto tiene inversa. Por ejemplo, la funci
on
x
x
y
f (x) = x + e mencionada antes es claramente creciente ya que x < y = x + e < y + e .
Como y = f (x) x = f 1 (y), el punto (x, y) esta en la grafica de f si y solo si el punto
(y, x) est
a en la gr
afica de f 1 . Esto quiere decir que las graficas de f y f 1 son simetricas
respecto de la recta y = x.
Ejercicio de aplicaci
on: representar la grafica de la funcion arccos(x) en el intervalo [1, 1].
Repaso. Se recomienda repasar las propiedades principales y las graficas de las funciones ex ,
ln(x), sen(x), cos(x), tg(x) y arctg(x).

1. Preliminares

Captulo 2

Lmites y continuidad de funciones


de una variable
2.1.

Introducci
on.

En este captulo se introducen los conceptos de lmite de una funcion en un punto y de


lmite en infinito. La noci
on de lmite conduce a la importante definicion de continuidad. Al
final del tema se enuncian varios teoremas importantes que dependen de forma esencial de la
continuidad.

2.2.

Lmite de una funci


on en un punto.

Sea x0 R y sea f una funci


on definida en los intervalos (x0 r, x0 ) y (x0 , x0 + r) para
alg
un r > 0. Se dice que existe el lmite de f en x0 si ocurre una de las siguientes posibilidades:
1. lm f (x) = y0 R si las imagenes de los puntos cercanos a x0 se aproximan a y0 .
xx0

Formalmente,
lm f (x) = y0 [ > 0, > 0 / x (x0 , x0 + ), x 6= x0 = |f (x) y0 | < ] .

xx0

2. lm f (x) = si las im
agenes de los puntos cercanos a x0 toman valores arbitrariamente
xx0

grandes. Formalmente,
lm f (x) = [ M > 0, > 0 / x (x0 , x0 + ), x 6= x0 = f (x) > M ] .

xx0

3. lm f (x) = si las im
agenes de los puntos cercanos a x0 toman valores negativos
xx0

arbitrariamente grandes en valor absoluto. Formalmente,


lm f (x) = [ M > 0, > 0 / x (x0 , x0 + ), x 6= x0 = f (x) < M ] .

xx0

2. Lmites y continuidad de funciones de una variable


Si no sucede ninguna de las situaciones anteriores, diremos que no existe el lmite de f en

x0 .
En ocasiones no existe el lmite de una funcion en x0 , pero existe alguno de los lmites
laterales. El concepto de lmite lateral se define de forma muy parecida al de lmite.
Sea f una funci
on real. Si x0 es un n
umero real tal que f esta definida en un intervalo
(x0 r, x0 ) para alg
un r > 0 entonces diremos que existe el lmite por la izquierda de f en
x0 si ocurre una de las siguientes posibilidades:
1) lm f (x) = y0 [ > 0, > 0 / x (x0 , x0 ) = |f (x) y0 | < ] .
xx
0

2) lm f (x) = [ M > 0, > 0 / x (x0 , x0 ) = f (x) > M ] .


xx
0

3) lm f (x) = [ M > 0, > 0 / x (x0 , x0 ) = f (x) < M ] .


xx
0

Si lm f (x) = se dice que la recta vertical x = x0 es una asntota vertical de la


xx
0

grafica de f por la izquierda.


De modo completamente an
alogo (cambiando (x0 , x0 ) por (x0 , x0 +)) se define el lmite
por la derecha de f en x0 si f est
a definida en un intervalo de la forma (x0 , x0 + r) para alg
un
r > 0. Se denota lm f (x).
xx+
0

Si lm f (x) = se dice que la recta vertical x = x0 es una asntota vertical de la grafica


xx+
0

de f por la derecha.
Observacion. Si f est
a definida en intervalos de la forma (x0 r, x0 ) y (x0 , x0 + r) para alg
un
r > 0 entonces existe lm f (x) si y s
olo si existen los lmites laterales y coinciden, es decir,
xx0

lm f (x) = lm f (x). Por ejemplo, consideremos la funcion f : (, 0) (0, ) R definida

xx
0

xx+
0

por f (x) = 1/|x|. Existe lm f (x) = ya que 1/|x| toma valores arbitrariamente grandes y
x0

positivos cuando x se aproxima a cero tanto por la derecha como por la izquierda.
Otros ejemplos:
1. Sea f : (0, ) R definida por f (x) = ln(x). Existe lm f (x) = ya que ln(x) toma
x0+

valores arbitrariamente grandes y negativos cuando x se aproxima a cero por la derecha.


2. Sea f : (/2, /2) R definida por f (x) = tg(x).
lm f (x) =

x/2

lm

x/2+

f (x) = .

3. Sea f : (, 0) (0, ) R dada por f (x) = sen(x)/x. Veremos que existe lm f (x) = 1.
x0

2.3. Continuidad.

2.3.

Continuidad.

Sea f : I R una funci


on definida en un intervalo abierto I. Se dice que f es continua en
un punto x0 I si existe el lmite de f en x0 y ademas
lm f (x) = f (x0 ).

xx0

Si f no es continua en x0 , diremos que f tiene una discontinuidad en x0 . Consideraremos


dos tipos distintos de discontinuidades:
1. Discontinuidad de salto. Se produce cuando existen los lmites laterales de f en x0 pero
no coinciden. Se dice que el salto es finito si los dos lmites laterales son finitos. Si alguno
de ellos es infinito, diremos que el salto es infinito.
2. Discontinuidad esencial. Se produce cuando no existe alguno de los lmites laterales de
f en x0 .
Ejemplos:
1. Sea f : R R definida por

f (x) =

sen(x) si x 0
ln(x) si x > 0.

Existe una discontinuidad de salto infinito en x0 = 0, ya que


lm f (x) = sen(0) = 0

x0

lm f (x) = lm ln(x) = .

x0+

x0+

2. Sea f : R R definida por



f (x) =

sen(x)
si x 0
sen(1/x) si x > 0.

Existe una discontinuidad esencial en x0 = 0, ya que no existe lm f (x) = lm sen(1/x).


x0+

x0+

La raz
on es que cuando x se aproxima a cero por la derecha, la funcion f toma todos los
valores entre 1 y 1 en cada intervalo de la forma [1/(k), 1/(k + 2)], k N.
Se dice que una funci
on es continua en un conjunto A si es continua en todos los puntos de A.
Algunos ejemplos de funciones continuas.
Las funciones m
as comunes son continuas en sus dominios de definicion. Por ejemplo:
Las funciones polin
omicas p(x) = a0 + a1 x + a2 x2 + + an xn , donde a0 , a1 , . . . , an R,
son continuas en R.
Las funciones racionales (cocientes de polinomios) r(x) = p(x)/q(x) son continuas en su
dominio de definici
on, es decir, en el conjunto de los n
umeros reales x tales que q(x) 6= 0.

2. Lmites y continuidad de funciones de una variable


La funcion exponencial ex es continua en R y ln(x) es continua en (0, ).
Las funciones trigonometricas sen(x), cos(x), tg(x) y sus inversas arcsen(x), arccos(x),
arctg(x) son continuas en sus respectivos dominios de definicion.

Los ejemplos anteriores, combinados con las propiedades que enunciamos a continuacion,
permiten probar la continuidad de muchas funciones.
Propiedades.
1. La composici
on de funciones continuas es una funcion continua. Por ejemplo, la funcion
f (x) = ln(1 + | cos(x)|) es continua en R ya que f (x) = f1 (f2 (f3 (f4 (x)))), donde f1 (x) =
ln(x), f2 (x) = 1 + x, f3 (x) = |x| y f4 (x) = cos(x) son continuas.
2. Si f y g son funciones continuas en x0 entonces las funciones (f +g) y (f g) son continuas en
x0 . La funci
on f /g es continua en x0 si g(x0 ) 6= 0. Por ejemplo, la funcion f (x) = ex /(x1)
es continua para todo x 6= 1.

2.4.

Lmites en infinito.

Sea f una funci


on definida en el intervalo (a, ) para alg
un a R. Diremos que existe el
lmite de f en si ocurre una de las siguientes posibilidades:
1. lm f (x) = y0 [ > 0, M > 0 / x > M = |f (x) y0 | < ] . Es decir, y0 es el lmite
x

de f cuando x tiende a infinito si f (x) se aproxima arbitrariamente a y0 cuando x se hace


suficientemente grande.


2. lm f (x) = M > 0, M 0 > 0 / x > M 0 = f (x) > M . Es decir, si f (x) toma
x
valores arbitrariamente grandes cuando x se hace suficientemente grande.


3. lm f (x) = M > 0, M 0 > 0 / x > M 0 = f (x) < M .
x

Si no sucede ninguna de las situaciones anteriores, diremos que no existe el lmite de f en


infinito.
De modo completamente an
alogo se define el lmite de f en si f esta definida en (, b)
para alg
un b R.
Si y0 R es el lmite de f en , entonces la recta horizontal y = y0 es una asntota
horizontal de la gr
afica de f .
Ejemplos:
1. lm ex = , lm ex = 0.
x

2. lm 1/x = lm 1/x = 0.
x

3. No existe lm sen(x).
x

2.5. Calculo de lmites.

2.5.

C
alculo de lmites.

Las siguientes propiedades son u


tiles para el calculo de lmites:
1. Sean f y g dos funciones. Supongamos que existen lm f (x) R y lm g(x) R (x0
xx0

xx0

puede ser ). Entonces:


a) lm (f (x) + g(x)) = lm f (x) + lm g(x).
xx0
xx0
xx0

 

b) lm (f (x) g(x)) = lm f (x) lm g(x) .
xx0
xx0
xx0

 

c) lm (f (x)/g(x)) = lm f (x) / lm g(x) , si lm g(x) 6= 0.
xx0

d ) lm

xx0

xx0


f (x)g(x) =

xx0

xx0

 lm g(x)


lm f (x)

xx0

xx0

, si lm f (x) > 0.
xx0

Algunas de las propiedades anteriores se pueden extender al caso en que alguno de los
lmites es , teniendo en cuenta las relaciones formales + = , = ,
= si > 0, = si < 0, = .


2. Si g es continua y existe lm f (x) entonces lm g(f (x)) = g lm f (x) .
xx0
xx0
xx0


Por ejemplo, lm ln(x + 1) = ln lm (x + 1) = ln(1) = 0.
x0

x0

3. Si lm f (x) = 0 y g est
a acotada en un entorno de x0 entonces lm (f (x) g(x)) = 0. Por
xx0

xx0

ejemplo, lm sen(x)/x = 0, ya que sen(x) esta acotada y lm 1/x = 0.


x

4. Si f, g, h son tres funciones tales que h(x) f (x) g(x) en un entorno de x0 y lm h(x) =
xx0

lm g(x) entonces lm f (x) = lm h(x) = lm g(x).

xx0

xx0

xx0

xx0

5. lm f (x) = 0 lm |f (x)| = 0.
xx0

xx0

En muchos caso el c
alculo de lmites conduce a indeterminaciones. Algunas de ellas se resolveran utilizando la regla de LH
opital, que se introduce en el tema siguiente.

2.6.

Algunos teoremas para funciones continuas.

En esta secci
on se recogen cuatro resultados muy u
tiles basados en la continuidad. Son
resultados muy intuitivos que se deducen del siguiente teorema:
Teorema 2.1 Sea I un intervalo real y f : I R una funci
on continua. Entonces f (I) =
{f (x) / x I} tambien es un intervalo. Adem
as, si I = [a, b] es un intervalo compacto entonces
f ([a, b]) = [c, d] tambien es un intervalo compacto.

10

2. Lmites y continuidad de funciones de una variable


Como consecuencias de este resultado se tienen los siguientes teoremas importantes:

Teorema 2.2 (Teorema de los valores extremos) Sea f : [a, b] R una funci
on continua.
Entonces existen m, M R tales que m = mn f (x), M = max f (x).
x[a,b]

x[a,b]

Por ejemplo, sea f : [0, 2] R definida por f (x) = x4 2x2 . Se puede probar que
mn f (x) = f (1) = 1
x[0,2]

max f (x) = f (2) = 8.


x[0,2]

Este resultado no tiene por que ser cierto si f no es continua o no esta definida en un
intervalo compacto. Por ejemplo, la funcion f : (0, 2) R definida por f (x) = 1/x es continua
pero no existe m
ax f (x) ya que lm f (x) = .
x(0,2)

x0+

Teorema 2.3 (Teorema de los valores intermedios) Sea f : [a, b] R una funci
on continua. Sean m = mn f (x), M = m
ax f (x). Para cualquier c tal que m < c < M existe al
x[a,b]

x[a,b]

menos un n
umero x [a, b] tal que f (x) = c.
Teorema 2.4 (Teorema de Bolzano) Sea f : [a, b] R una funci
on continua.
Si f (a) f (b) < 0 entonces existe al menos un n
umero x [a, b] tal que f (x) = 0.
El teorema de Bolzano es una buena herramienta para probar la existencia de ceros de una
funcion. (Diremos que c es un cero o una raz de f si f (c) = 0.)
Por ejemplo, la funci
on continua f (x) = ex x4 tiene un cero en el intervalo [1, 2] ya que
f (1) = e 1 > 0 y f (2) = e2 16 < 0.

Teorema 2.5 (Teorema de punto fijo) Si f : [a, b] [a, b] es una funci


on continua entonces
existe al menos un punto fijo de f en [a, b], es decir, x [a, b] / f (x) = x.
En realidad, para asegurar la existencia de un punto fijo es suficiente considerar la funcion
g(x) = f (x) x y probar que es continua y g(a) g(b) < 0.
Por ejemplo, la funci
on continua f (x) = ex2 tiene un punto fijo en [0, 1] ya que si definimos
g(x) = f (x) x entonces g(0) = f (0) 0 = e2 > 0 y g(1) = f (1) 1 = e1 1 < 0.

Captulo 3

Derivaci
on de funciones de una
variable
3.1.

Introducci
on.

En este captulo se introduce el concepto de derivada de una funcion en un punto y algunas


de sus propiedades, como la regla de la cadena.

3.2.

El problema de la tangente.

Una de las aplicaciones del c


alculo de lmites, que conduce al concepto de derivada, es la
definicion precisa de lo que se entiende por recta tangente a una curva en un punto. La idea
intuitiva de que la tangente es la recta que toca en un u
nico punto a la curva funciona bien con
algunas curvas, como la circunferencia, pero en general es bastante ambigua en otras situaciones.
Para la curva de la figura 3.1, la recta en trazo discontinuo solo toca una vez a la grafica, mientras
que la de trazo continuo la toca dos veces. Sin embargo, esta u
ltima es la recta tangente.

Figura 3.1: Ilustracion del concepto de recta tangente.


11

12

3. Derivacion de funciones de una variable

La definici
on correcta de recta tangente se basa en que la pendiente de la recta tangente a
una curva en el plano (x, y) representa la razon de cambio instantaneo de y con respecto a x.
Si f es una funci
on, la raz
on promedio de cambio en un intervalo [x0 , x0 + h] de longitud h
viene dada por el cociente de incrementos
y
f (x0 + h) f (x0 )
=
.
x
h
Por tanto, tiene sentido definir la razon de cambio instantanea como
f (x0 + h) f (x0 )
.
h0
h
lm

(1)

Para cada h > 0, el cociente de incrementos representa la pendiente de la recta que pasa por
los puntos (x0 , f (x0 )) y (x0 + h, f (x0 + h)). Estas rectas cortan a la grafica de f en dos puntos y
se aproximan cuando h tiende a cero a la recta tangente a la grafica de f en el punto (x0 , f (x0 )).
Por tanto, si el lmite definido en (1) existe, se puede definir de forma precisa la recta tangente
en x0 como la recta que pasa por (x0 , f (x0 )) y tiene como pendiente dicho lmite.
La razon de cambio instant
anea definida por (1) conduce al concepto de derivada de una
funcion en un punto.

3.3.

Derivada de una funci


on en un punto.

Consideremos una funci


on f : I R, donde I es un intervalo abierto (acotado o no). Se
dice que f es derivable en un punto x0 I, si existe el siguiente lmite y es finito:
lm

h0

f (x0 + h) f (x0 )
.
h

En caso de que exista, se llama derivada de f en x0 y se denota por f 0 (x0 ). Si el lmite


no existe o es infinito, diremos que f no es derivable en x0 o que no existe la derivada de f en x0 .
Una definici
on equivalente de f 0 (x0 ) se obtiene tomando h = x x0 :
f 0 (x0 ) = lm

h0

f (x0 + h) f (x0 )
f (x) f (x0 )
= lm
.
xx0
h
x x0

Ejemplo:
La funcion f (x) = x2 es derivable en todo punto x R y ademas
(x + h)2 x2
h2 + 2xh
f (x + h) f (x)
= lm
= lm
= lm (h + 2x) = 2x.
h0
h0
h0
h0
h
h
h

f 0 (x) = lm

Interpretaci
on geom
etrica.
Como hemos comentado antes, la derivada de f en x0 representa la pendiente de la recta
tangente a la gr
afica de f en el punto (x0 , f (x0 )). Por tanto, la ecuacion de dicha recta tangente
es
y f (x0 ) = f 0 (x0 )(x x0 ).

3.3. Derivada de una funci


on en un punto.

13

Por ejemplo, la funci


on f (x) = x2 es derivable en x0 = 1 y f 0 (1) = 2. Por tanto, la ecuaci
on
de la recta tangente a la gr
afica de f en el punto (1, 1) es y 1 = 2(x 1). Las graficas de f y
la recta tangente R se representan en la figura 3.2.

f(x)

3
2

R(x)

1
-1

-2

-1

Figura 3.2: Gr
afica de f (x) = x2 y su tangente en (1, 1).
Derivadas laterales.
Tambien se pueden definir las derivadas laterales de f en x0 .
Se llama derivada por la izquierda de f en x0 , y se denota f 0 (x
mite
0 ), al l
f 0 (x
m
0 ) = l

h0

f (x0 + h) f (x0 )
,
h

siempre que este exista y sea finito.


mite por la derecha.
Analogamente, se define la derivada por la derecha f 0 (x+
0 ) tomando el l
0 +
0 +
as f 0 (x
Propiedad. f es derivable en x0 si y solo si existen f 0 (x
0 ) = f (x0 ).
0 ) y f (x0 ) y adem

Ejemplo:
La funci
on f (x) = |x| no es derivable en x0 = 0 ya que
f 0 (0 ) = lm

f (0 + h) f (0)
|h|
h
= lm
= lm
= 1
h
h0 h
h0 h

f 0 (0+ ) = lm

f (0 + h) f (0)
|h|
h
= lm
= lm
= 1.
+
+
h
h
h0
h0 h

h0

h0+

En caso de que una funci


on f este definida en un intervalo compacto [a, b], la derivada de
f en a se define como la derivada por la derecha y la derivada de f en b se entendera como la
derivada por la izquierda.

14

3. Derivacion de funciones de una variable

3.4.

Funci
on derivada. Derivadas sucesivas.

Sea f : I R una funci


on. Se dice que f es derivable en I si es derivable en todos los
puntos de I. En este caso se puede definir la funcion derivada de f :
f 0 : I R
x 7 f 0 (x)
Si la funci
on f 0 es a su vez derivable en I entonces se define la derivada segunda (o derivada
de orden 2) de f como f 00 (x) = (f 0 )0 (x), x I. En general, si n 2, existe la derivada de
orden n 1 de f y f n1) es derivable en I entonces se define f n) (x) = (f n1) )0 (x), x I. En
este caso, se dice que f es n veces derivable en I y f n) se llama derivada n-esima de f en I.
Por convenio, se define f 0) (x) = f (x).
Se dice que una funci
on es de clase n en I y se denota f C n (I) si f es n veces derivable
n)
en I y la funci
on f es continua.
Si f tiene derivadas de todos los
ordenes entonces se dice que f es de clase infinito y se
denota f C (I).
Ejemplos:
1. La funci
on f (x) = ex es de clase infinito en R ya que existen todas las derivadas sucesivas
de f . De hecho, f n) (x) = ex , n N.
2. La funci
on f : R R definida por


x2 si x 0
x2 si x > 0

2x si x 0
2x si x > 0

f (x) =
es derivable en R, pero su derivada
f 0 (x) =

no es derivable en x = 0. Por tanto f C 1 (R) pero f 6 C 2 (R).


Observaci
on. Toda funci
on derivable es continua. Sin embargo, no toda funcion continua es
derivable. Por ejemplo, la funci
on f (x) = |x| es continua en R pero no es derivable en x = 0.

3.5. Propiedades de las derivadas.

15

Derivaci
on de funciones definidas a trozos.
El siguiente resultado simplifica el estudio de la derivabilidad en funciones definidas a trozos:
Proposici
on 3.1 Sea f una funci
on continua en un punto x0 y derivable en los intervalos
(x0 r, x0 ) y (x0 , x0 + r) para alg
un r > 0. Supongamos que existen lm f 0 (x) y lm f 0 (x).
0

xx
0

xx+
0

as, en ese caso,


Entonces f es derivable en x0 si y s
olo si lm f (x) = lm f (x). Adem
xx
0

f 0 (x0 ) = lm f (x) y por tanto f 0 es continua en x0 .

xx+
0

xx0

Por ejemplo, consideremos la funcion f : R R definida por



x2 si x 0
f (x) =
x2 si x > 0
Claramente f es derivable para todo x 6= 0 y

2x si x < 0
0
f (x) =
2x si x > 0
Como lm f 0 (x) = lm f 0 (x) = 0, se deduce que f es derivable en x = 0 y f 0 (0) = 0. Por tanto
x0

x0+

f 0 esta definida y es continua en R:


0

f (x) =

2x si x 0
2x si x > 0

Ahora, como
f 00 (x) =

2 si x < 0
2 si x > 0

es claro que lm f 00 (x) = 2 6= lm f 00 (x) = 2 y por tanto no existe f 00 (0).


x0

3.5.

x0+

Propiedades de las derivadas.

Sean f : I R, g : I R dos funciones derivables en un punto x0 I. Entonces:


1. (f + g) es derivable en x0 y (f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ).
2. (f ) es derivable en x0 y (f )0 (x0 ) = f 0 (x0 ), R.
3. (f g) es derivable en x0 y (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ).
4. Si g(x0 ) 6= 0, (f /g) es derivable en x0 y
(f /g)0 (x0 ) =

f 0 (x0 )g(x0 ) f (x0 )g 0 (x0 )


.
(g(x0 ))2

16

3. Derivacion de funciones de una variable

Regla de la cadena.
Se conoce con el nombre de regla de la cadena a la formula para la derivada de la composicion
de dos funciones.
Sean f : D1 R, g : D2 R tales que f (D1 ) D2 . Si f es derivable en x0 y g es derivable
en f (x0 ) entonces (g f ) es derivable en x0 y ademas
(g f )0 (x0 ) = g 0 (f (x0 )) f 0 (x0 ).
Ejemplo.
2
2
La funcion f (x) = e(x ) es derivable en R y f 0 (x) = (2x)e(x ) , x R.

3.6.

C
alculo de derivadas en algunos casos especiales.

Derivadas de funciones implcitas


En algunas ocasiones la variable y no esta expresada como una funcion explcita de x (es
decir, y = f (x)), sino de forma implcita mediante una expresion F (x, y) = 0.
Por ejemplo, los puntos de la circunferencia de centro (0, 0) y radio 1 estan definidos por la
ecuacion x2 + y 2 = 1.
Para calcular la derivada de y respecto de x no es necesario despejar y en funcion de x.
Veamos el procedimiento con el caso de la circunferencia:
Escribiendo y = y(x) y aplicando la regla de la cadena, se tiene
x
x2 + y(x)2 = 1 = 2x + 2y(x)y 0 (x) = 0 = y 0 (x) =
.
y(x)

Por ejemplo, en el punto (1/ 2, 1/ 2) se tiene:

1/ 2
0
= 1,
y (1/ 2) =
1/ 2
y la ecuacion de la recta tangente a la circunferencia en ese punto es:


1
1
y = (1) x
,
2
2

es decir, y = x + 2.
Derivadas de funciones inversas.
Supongamos que f es derivable y estrictamente monotona en un intervalo I. Entonces
f tiene inversa y f 1 tambien es derivable. Denotemos y = f (x). Teniendo en cuenta que
f f 1 (x) = x, por la regla de la cadena se tiene:
0
1
f f 1 (x) = f 0 (f 1 (x)) (f 1 )0 (x) = 1 = (f 1 )0 (x) = 0 1
.
f (f (x))
Por ejemplo, si f (x) = tg(x), se tiene que f 1 (x) = arctg(x) y f 0 (x) = 1 + (tg(x))2 . Por
tanto, la derivada de la funci
on arco tangente es:
1
1
1
=
(f 1 )0 (x) = 0 1
=
.
2
f (f (x))
1 + (tg(arctg(x)))
1 + x2

Captulo 4

Aplicaciones de la derivaci
on
4.1.

Introducci
on.

El c
alculo diferencial es la herramienta mas eficaz para obtener propiedades de una funci
on
como sus intervalos de crecimiento, decrecimiento, concavidad y convexidad. Tambien tiene
importantes aplicaciones al c
alculo de lmites (y por tanto de asntotas) y a la aproximaci
on de
funciones por otras m
as sencillas.

4.2.

La regla de LH
opital.

En esta secci
on nos saltamos el orden usual por dos razones: la primera es que la regla de
LHopital es la aplicaci
on de las derivadas mas relacionada con el tema anterior. De hecho es
probablemente el metodo m
as efectivo para el calculo de lmites en el caso de indeterminaciones.
El segundo motivo es que no se incluye la demostracion del teorema y eso nos permite dejar el
teorema del valor medio para m
as adelante.
Teorema 4.1 (Regla de LH
opital) Sea x0 R. Sean f y g dos funciones definidas y derivables en los intervalos (x0 r, x0 ) y (x0 , x0 + r) para alg
un r > 0, de tal manera que g no se
anula en esos intervalos. Supongamos que se cumplen las siguientes condiciones:
(a) lm f (x) = lm g(x) = 0 o lm f (x) = lm g(x) =
xx0

xx0

xx0

xx0

(b) Existe lm (f 0 (x)/g 0 (x)) = l (l puede ser finito o infinito).


xx0

Entonces existe lm (f (x)/g(x)) y


xx0

lm

xx0

f (x)
f 0 (x)
= lm 0
.
g(x) xx0 g (x)

El resultado del teorema sigue siendo cierto si x0 = y las funciones f y g son derivables
en intervalos de la forma (a, ) o (, b). Tambien se aplica para el calculo de lmites laterales
17

18

4. Aplicaciones de la derivacion

en caso de que f /g s
olo este definida a la izquierda o a la derecha de x0 .
Ejemplo.
lm

x0

sen(x)
cos(x)
= lm
= cos(0) = 1.
x0
x
1

Ordenes
de crecimiento
Hay muchas funciones que tienen lmite infinito en infinito. Sin embargo, tambien es importante la magnitud del crecimiento. Por ejemplo, es sabido que el crecimiento exponencial es
mas rapido que el crecimiento logartmico.
Sean f , g dos funciones tales que lm f (x) = lm g(x) = . La regla de LHopital ayuda
x
x
a decidir cual de ellas crece m
as r
apido. Diremos que f y g tienen el mismo orden de crecimiento
cuando cuando x tiende a infinito si lm (f (x)/g(x)) = c > 0. Si lm (f (x)/g(x)) = diremos
x
x
que el orden de crecimiento de f en infinito es mayor que el de g.
Los siguientes
ordenes de crecimiento en infinito estan ordenados de mayor a menor:
1. Crecimiento exponencial: f crece exponencialmente cuando x tiende a infinito si existen
constantes a > 0 y c > 0 tales que lm (f (x)/eax ) = c.
x

2. Crecimiento superlineal: f crece superlinealmente cuando x tiende a infinito si existen


constantes a > 1 y c > 0 tales que lm (f (x)/xa ) = c.
x

3. Crecimiento lineal: f crece linealmente cuando x tiende a infinito si existe una constante
c > 0 tal que lm (f (x)/x) = c.
x

4. Crecimiento sublineal: f crece sublinealmente cuando x tiende a infinito si existen constantes a (0, 1) y c > 0 tales que lm (f (x)/xa ) = c.
x

5. Crecimiento logartmico: f tiene crecimiento logartmico cuando x tiende a infinito si existe


una constante c > 0 tal que lm (f (x)/ ln(x)) = c.
x

Por ejemplo, veamos que el crecimiento sublineal es mas rapido que el logartmico usando
la regla de LH
opital. En efecto,
xa
axa1
= lm
= lm axa = , a > 0.
x ln x
x x1
x
lm

4.3.

Extremos relativos de una funci


on.

Las siguientes aplicaciones que veremos del calculo diferencial se dirigen en primer lugar al
estudio cualitativo de las funciones, con especial atencion al crecimiento, decrecimiento, concavidad y convexidad. Pero, adem
as, los teoremas que se incluyen en esta seccion tienen muchas
otras aplicaciones.

4.3. Extremos relativos de una funcion.

19

Empezamos recordando el concepto de maximo y mnimo relativo de una funcion. Sea


f : D R una funci
on. Se dice que f alcanza un m
aximo relativo en un punto x0 D si
existe un n
umero r > 0 tal que f (x) f (x0 ) para todos los puntos x D tales que |x x0 | < r.
Analogamente, f alcanza un mnimo relativo en un punto x0 D si existe un n
umero
r > 0 tal que f (x) f (x0 ) para todos los puntos x D tales que |x x0 | < r.
Observaciones:
1. En cualquiera de los dos casos anteriores se dice que f tiene un extremo relativo en x0 .
2. El extremo es estricto si las desigualdades que relacionan f (x) y f (x0 ) son estrictas.
3. El extremo es absoluto si las desigualdades f (x) f (x0 ) o f (x) f (x0 ) se cumplen para
todo x D.
En virtud del teorema de los valores extremos (Teorema 2.2), si f : [a, b] R es una
funcion continua entonces siempre se alcanzan el maximo y el mnimo absolutos, es decir, existen
x1 , x2 [a, b] tales que f (x1 ) f (x) f (x2 ), x [a, b].
El siguiente resultado facilita la b
usqueda de los extremos relativos de una funcion.
Teorema 4.2 (Teorema del extremo relativo) Sea f : I R una funci
on derivable en un
intervalo abierto I. Si f tiene un extremo relativo en un punto x0 I entonces f 0 (x0 ) = 0.
Demostraci
on. Supongamos que f 0 (x0 ) > 0. Entonces
lm

xx0

f (x) f (x0 )
= f 0 (x0 ) > 0.
x x0

En consecuencia, los terminos (f (x) f (x0 )) y (x x0 ) tienen el mismo signo en un intervalo


(x0 r, x0 + r) para alg
un r > 0. Por lo tanto, f (x) > f (x0 ) si x > x0 y f (x) < f (x0 ) si x < x0 .
Esto quiere decir que f no puede alcanzar un extremo relativo en x0 .
El razonamiento si f 0 (x0 ) < 0 es completamente analogo. Por tanto, la u
nica posibilidad
para que f tenga un extremo relativo en x0 es que f 0 (x0 ) = 0.
t
u
Observaciones:
1. Este teorema s
olo proporciona una condicion necesaria para la existencia de extremos. El
hecho de que f 0 (x0 ) = 0 no garantiza que f tenga un extremo en x0 . Por ejemplo, la
funci
on f : R R definida por f (x) = x3 no tiene ning
un extremo relativo y sin embargo
0
f (0) = 0.
2. El teorema s
olo se puede aplicar en intervalos abiertos. Si f esta definida en un intervalo
compacto [a, b], el teorema se puede usar en el intervalo (a, b). En los extremos del intervalo
se debe estudiar directamente la posible existencia de extremos. Por ejemplo, la funci
on
f (x) = x2 definida en el intervalo [1, 1] tiene tres extremos relativos: un mnimo relativo
en x = 0 y m
aximos relativos en x = 1 y en x = 1.
Una de las consecuencias del teorema del extremo relativo es el teorema de Rolle.

20

4. Aplicaciones de la derivacion

Teorema 4.3 (Teorema de Rolle) Sea f : [a, b] R una funci


on derivable. Si f (a) = f (b)
entonces existe al menos un punto x0 [a, b] tal que f 0 (x0 ) = 0.
Demostraci
on. Si f es constante en [a, b] entonces f 0 (x) = 0, x (a, b). En otro caso, el
mnimo y el m
aximo absolutos de f en [a, b] son distintos. Como f (a) = f (b), necesariamente
uno de ellos se alcanza en un punto x0 (a, b). El teorema 4.2 garantiza que f 0 (x0 ) = 0.
t
u
Como consecuencia del teorema de Rolle se puede relacionar el n
umero de ceros de una
0
funcion derivable f con el n
umero de ceros de f .
Corolario 4.1 Sea f : I R una funci
on derivable definida en un intervalo real I. Entre dos
ceros consecutivos de f existe al menos un cero de f 0 . En consecuencia, si f 0 tiene n ceros en I
entonces f tiene a lo sumo (n + 1) ceros en I.
Demostraci
on. Sean c1 < c2 dos ceros consecutivos de f . Entonces f : [c1 , c2 ] R es continua y
f (c1 ) = f (c2 ). Por el teorema de Rolle, existe al menos un punto x0 (c1 , c2 ) tal que f 0 (x0 ) = 0.u
t
Ejemplo. Veamos que la funci
on f (x) = 2ex x 3 tiene exactamente una raz positiva. En
efecto,
f 0 (x) = 2ex 1 = 0 ex = 1/2 x = ln(1/2).
Como ln(1/2) = ln(2) < 0, f 0 no tiene races en (0, ) y por tanto f tiene a lo sumo una raz
positiva. Por otra parte, como f (0) = 1 < 0, f (1) = 2e 4 > 0, el teorema de Bolzano permite
afirmar que f tiene un cero en el intervalo (0, 1).

4.4.

El teorema del valor medio.

Una de las consecuencias principales del teorema de Rolle es el teorema del valor medio.
Teorema 4.4 (Teorema del valor medio) Sea f : [a, b] R una funci
on derivable. Entonces existe al menos un punto x0 (a, b) tal que f (b) f (a) = f 0 (x0 )(b a).
Demostraci
on. La prueba de este resultado consiste en aplicar el teorema de Rolle a la diferencia entre f y la recta que pasa por (a, f (a)) y (b, f (b)). En efecto, sea g : [a, b] R definida
por


f (b) f (a)
g(x) = f (x) f (a) +
(x a) .
ba
Como g es derivable y g(a) = g(b) = 0, existe un x0 (a, b) tal que g 0 (x0 ) = 0. Por tanto,
g 0 (x0 ) = f 0 (x0 )

f (b) f (a)
f (b) f (a)
= 0 = f 0 (x0 ) =
.
ba
ba

t
u
A continuaci
on se obtienen algunas consecuencias de este resultado. Incluiremos las pruebas
de alguno de ellos.

4.4. El teorema del valor medio.

21

Corolario 4.2 (Intervalos de crecimiento y decrecimiento) Sea f una funci


on derivable
en un intervalo (a, b).
(a) Si f 0 (x) > 0, x (a, b) entonces f es estrictamente creciente en (a, b).
(b) Si f 0 (x) < 0, x (a, b) entonces f es estrictamente decreciente en (a, b).
Demostraci
on. Probaremos el apartado (a): Sean x, y (a, b) tales que x < y. Tenemos que
demostrar que f (x) < f (y).
Aplicando el teorema del valor medio en el intervalo [x, y] se deduce la existencia de un
punto x0 (x, y) tal que f (y) f (x) = f 0 (x0 )(y x). Entonces:
f 0 (x0 ) > 0 = f (y) f (x) > 0 = f (x) < f (y).
t
u
Recordemos que toda funci
on estrictamente creciente o decreciente en un intervalo (a, b) es
inyectiva en (a, b) y por tanto se puede definir su inversa f 1 .
Corolario 4.3 (Determinaci
on de m
aximos y mnimos relativos) Sea f : I R una
funci
on definida en un intervalo abierto I. Supongamos que f es dos veces derivable en un
entorno de un punto x0 I y f 0 (x0 ) = 0.
(a) Si f 00 (x0 ) > 0 entonces f alcanza un mnimo relativo estricto en x0 .
(b) Si f 00 (x0 ) < 0 entonces f alcanza un m
aximo relativo estricto en x0 .
Demostraci
on. Como antes, probaremos el primer apartado. Como f 00 (x0 ) > 0, la funci
on f 00
toma valores positivos en un intervalo (x0 r, x0 + r) para alg
un r > 0. Por el corolario 4.2, f 0
es estrictamente creciente en (x0 r, x0 + r). En consecuencia, f 0 (x) > f 0 (x0 ) = 0 si x > x0 y
f 0 (x) < f 0 (x0 ) = 0 si x < x0 . Por tanto, f es estrictamente decreciente en (x0 r, x0 ) y estrictamente creciente en (x0 , x0 +r). Esto quiere decir que f tiene en x0 un mnimo relativo estricto.u
t
El u
ltimo de los corolarios que veremos sirve para determinar los intervalos de concavidad
y convexidad de la gr
afica de una funcion.
Recordamos estos conceptos. Sea f : I R una funcion derivable en un intervalo I. En
este caso se puede definir la recta tangente a la grafica de f en cada punto (x0 , f (x0 )), x0 I.
Se dice que la funci
on es convexa en I si la grafica de f queda por encima de cualquier recta
tangente a dicha gr
afica en los puntos del intervalo I. Si la grafica de f queda por debajo de cualquier recta tangente a dicha gr
afica en los puntos del intervalo I se dira que f es c
oncava en I.
Si f es convexa a un lado de x0 y c
oncava a otro se dira que f tiene en x0 un punto de inflexi
on.
El ejemplo tpico de funci
on convexa en R es f (x) = x2 , mientras que el de funcion concava
2
es f (x) = x . Ambas se muestran en la figura 4.1.

22

4. Aplicaciones de la derivacion

4
-2

-1

3
-1
2
-2
1
-3
-2

-1

-1

-4

Figura 4.1: Graficas de x2 y x2 .


Corolario 4.4 (Concavidad y convexidad) Sea f : I R una funci
on dos veces derivable
en un intervalo abierto I.
(a) Si f 00 (x) > 0, x I entonces f es convexa en I.
(b) Si f 00 (x) < 0, x I entonces f es c
oncava en I.
(c) Si f tiene en x0 un punto de inflexi
on entonces necesariamente f 00 (x0 ) = 0.
Demostraci
on. Probemos el apartado (a). Para ello, escogemos un punto x0 I; tenemos que
demostrar que la gr
afica de f queda por encima de la recta tangente a dicha grafica en el punto
(x0 , f (x0 )). Recordemos que la ecuaci
on de la recta tangente es y = r(x) = f (x0 )+f 0 (x0 )(xx0 ).
Por tanto, debemos probar que
f (x) > f (x0 ) + f 0 (x0 )(x x0 ), x I.
Como f 00 (x) > 0, x I, se deduce que f 0 es estrictamente creciente en I. Distinguimos los
casos x > x0 y x < x0 .
Por el teorema del valor medio, para cada x > x0 existe un punto x (x0 , x) tal que
f (x) f (x0 ) = f 0 (x )(x x0 ). Como f 0 es creciente, f 0 (x ) > f 0 (x0 ) y por tanto:
f (x) f (x0 ) = f 0 (x )(x x0 ) > f 0 (x0 )(x x0 ) = f (x) > f (x0 ) + f 0 (x0 )(x x0 ).
El caso x < x0 se resuelve de forma completamente analoga.

4.5.

t
u

El teorema de Taylor.

Sea f : I R una funci


on definida en un intervalo real I. El teorema de Taylor establece
la forma de aproximar la funci
on f por un polinomio en un entorno de un punto x0 I. El
caso mas sencillo consiste en aproximar por la recta tangente a la grafica de f en (x0 , f (x0 )),
es decir, por el polinomio de grado uno p1 (x) = f (x0 ) + f 0 (x0 )(x x0 ). Observese que p1 es el
u
nico polinomio de grado 1 que satisface las relaciones p1 (x0 ) = f (x0 ), p01 (x0 ) = f 0 (x0 ).

4.5. El teorema de Taylor.

23

La recta tangente es una primera aproximacionde la funcion f en un entorno del punto


x0 . Cabe esperar que podamos mejorar esta aproximacion si imponemos condiciones adicionales
al polinomio (y por tanto incrementamos su grado).
Para una funci
on n veces derivable en I se define el polinomio de Taylor de grado n de
f centrado en x0 al u
nico polinomio pn (x) de grado menor o igual que n que satisface las n + 1
n)
ecuaciones pn (x0 ) = f (x0 ), p0n (x0 ) = f 0 (x0 ), . . . , pn (x0 ) = f n) (x0 ). Su expresion abreviada es
la siguiente:
pn (x) = f (x0 ) +

n
X
f k) (x0 )
k=1

k!

(x x0 )k .

Es decir,
pn (x) = f (x0 ) + f 0 (x0 )(x x0 ) +

f 00 (x0 )
f n) (x0 )
(x x0 )2 + +
(x x0 )n .
2!
n!

Por ejemplo, si f (x) = ex y x0 = 0, el polinomio de Taylor de grado 3 de f centrado en cero


es:
p3 (x) = f (0) + f 0 (0)x +

x2 x3
f 00 (0) 2 f 000 (0) 3
x +
x =1+x+
+ ,
2!
3!
2
6

ya que f (0) = f 0 (0) = f 00 (0) = f 000 (0) = e0 = 1.


Usando este polinomio, podemos aproximar ex en puntos proximos a cero. Por ejemplo,

e = e1/2 p3 (1/2) = 1+1/2+1/8+1/48 = 1,64583. La calculadora proporciona e = 1,64872,


con lo que las dos primeras cifras decimales son correctas.
El teorema de Taylor permite estimar el error cometido cuando aproximamos una funci
on
por el polinomio de Taylor.

Teorema 4.5 (Teorema de Taylor) Sea f : [a, b] R una funci


on derivable n + 1 veces
y sea x0 [a, b]. Entonces, para cada x [a, b], existe un n
umero x entre x0 y x tal que
f (x) = pn (x) + rn (x), donde
rn (x) =

f n+1) (x )
(x x0 )n+1 .
(n + 1)!

El termino rn (x) se llama resto del polinomio de Taylor de grado n de f centrado en


x0 y proporciona el error cometido en la aproximacion ya que |f (x) pn (x)| = |rn (x)|, x I.
Por ejemplo, el polinomio de Taylor de grado tres de f (x) = sen(x) centrado en x0 = 0 es
p3 (x) = x x3 /6. El error cometido al aproximar sen(1/2) por p3 (1/2) es


f iv) ( )  1 4


x
|r3 (1/2)| =
, x (0, 1/2).
4!
2

24

4. Aplicaciones de la derivacion
Dado que |f iv) (x )| = | sen(x )| 1, x (0, 1/2), se tiene que:
| sen(1/2) p3 (1/2)| = |r3 (1/2)|

1
= 0,00260417.
4! 24

De hecho p3 (1/2) = 1/2 1/48 = 0,479167 y la calculadora proporciona sen(1/2) = 0,479426.


Finalizamos el tema con dos aplicaciones del teorema de Taylor para obtener condiciones
precisas para la existencia de extremos relativos y puntos de inflexion de una funcion f suficientemente regular (con suficientes derivadas sucesivas).
Corolario 4.5 (Criterio para la existencia de extremos) Sea f : I R una funci
on de
n
0
clase C en un intervalo abierto I. Sea x0 I tal que f (x0 ) = 0 y sea n el orden de la primera
derivada de f que no se anula en x0 , es decir f k) (x0 ) = 0 si 1 k < n y f n) (x0 ) 6= 0.
(a) Si n es par y f n) (x0 ) > 0 entonces f es tiene un mnimo relativo estricto en x0 .
(b) Si n es par y f n) (x0 ) < 0 entonces f es tiene un m
aximo relativo estricto en x0 .
(c) Si n es impar entonces f no tiene un extremo relativo en x0 .
Demostraci
on. Demostramos el apartado (a). El polinomio de Taylor de grado n 1 de f
centrado en x0 es
pn1 (x) = f (x0 ) + f 0 (x0 )(x x0 ) +

f n1) (x0 )
f 00 (x0 )
(x x0 )2 + +
(x x0 )n1 = f (x0 ),
2!
(n 1)!

ya que f k) (x0 ) = 0 si k < n. Por el teorema de Taylor, existe un x entre x0 y x tal que
f (x) = pn1 (x) + rn1 (x) = f (x0 ) +

f n) (x )
(x x0 )n .
n!

Como n es par y f n) (x0 ) > 0, se cumple que (x x0 )n > 0 y f n) (x ) > 0 para x 6= x0 en un


entorno (x0 r, x0 + r) de x0 . Por tanto,
f (x) = f (x0 ) +

f n) (x )
(x x0 )n > f (x0 ), x (x0 r, x0 ) (x0 , x0 + r).
n!

De aqu se deduce que f tiene en x0 un mnimo relativo estricto.

t
u

Corolario 4.6 (Criterio para la existencia de puntos de inflexi


on) Sea f : I R una
funci
on de clase n en un intervalo abierto I. Sea x0 I tal que f 00 (x0 ) = 0 y sea n el orden de la
primera derivada de f mayor que dos que no se anula en x0 , es decir f k) (x0 ) = 0 si 2 k < n
y f n) (x0 ) 6= 0. Entonces f tiene un punto de inflexi
on en x0 si y s
olo si n es impar.

4.5. El teorema de Taylor.

25

Ejemplo.
Consideremos la funci
on f (x) = x4 x3 .
f 0 (x) = 4x3 3x2 = 0 x = 0 o x = 3/4
f 00 (x) = 12x2 6x = 0 x = 0 o x = 1/2.

Para x = 0 se tiene que f 0 (0) = f 00 (0) = 0, f 000 (0) = 6 6= 0. Por tanto, f tiene en x = 0 un
punto de inflexi
on.
Para x = 3/4 se tiene que f 0 (3/4) = 0, f 00 (3/4) = 9/4 > 0. Por tanto, f tiene en x = 3/4
un mnimo relativo estricto.
Para x = 1/2 se tiene que f 00 (1/2) = 0, f 000 (1/2) = 6 6= 0. Por tanto, f tiene en x = 1/2 un
punto de inflexi
on.
La gr
afica se muestra en la figura 4.2.

1/2

3/4

Figura 4.2: Grafica de la funcion f (x) = x4 x3 .

26

4. Aplicaciones de la derivacion

Captulo 5

Introducci
on a las funciones
vectoriales
5.1.

Funciones vectoriales de una variable. Curvas en Rn .

Sea I un intervalo real. Una funcion f : I Rn se llama funcion vectorial de una variable.
Para cada t I, f (t) es un vector de Rn y por tanto se puede escribir en la forma
f (t) = (f1 (t), f2 (t), . . . , fn (t)),
donde fi : I R es una funci
on escalar para i = 1, 2, . . . , n. Las funciones fi se llaman funciones
componentes de f .
Por ejemplo, la funci
on f : [0, 2] R2 dada por f (t) = (cos(t), sin(t)) es una funci
on
2
vectorial con valores en R . Sus componentes son f1 (t) = cos(t) y f2 (t) = sen(t).
Las funciones componentes permiten extender facilmente los conceptos de lmite, continuidad y derivada. Sea t0 R tal que f esta definida en los intervalos (t0 r, t0 ) y (t0 , t0 + r) para
alg
un r > 0. Diremos que existe el lmite de f cuando t tiende a t0 si existe el lmite de cada
una de las componentes. En este caso, se define


lm f (t) = lm f1 (t), lm f2 (t), . . . , lm fn (t) .
tt0

tt0

tt0

tt0

Una funci
on f es continua en t0 I si existe el lmite de f cuando t tiende a t0 y adem
as
lm f (t) = f (t0 ). Es evidente que f es continua en t0 si y solo si todas sus componentes son
t0
continuas en t0 .
Curvas
La gr
afica de una funci
on vectorial f : I Rn es el conjunto de puntos {(t, f (t)) / t I}. La
grafica es un subconjunto de Rn+1 . Para estas funciones es habitual representar solo los puntos
f (t) Rn en lugar de la gr
afica.
n
Sea f : I R una funci
on continua definida en un intervalo real I. El conjunto
C = {f (t) = (f1 (t), f2 (t), . . . , fn (t)) / t I}
27

28

5. Introduccion a las funciones vectoriales

se llama curva en Rn .
Ejemplos:
La funcion f : [0, 2] R2 dada por f (t) = (cos(t), sin(t)) describe la curva
C = {(cos(t), sin(t)) / t [0, 2]},
que es una circunferencia de centro (0, 0) y radio 1 en R2 .
La funcion f : [0, ) R3 definida por f (t) = (cos(t), sen(t), t) describe una curva en R3
llamada helice circular, que se enrrolla en un cilindro circular de radio 1.
Derivadas y vector tangente
Se dice que f : I Rn es derivable en un punto t0 si lo es cada una de sus componentes.
en ese caso, la derivada de f en t0 es

f (t) f (t0 )
.
f 0 (t0 ) = f10 (t0 ), f20 (t0 ), . . . , fn0 (t0 ) = lm
tt0
t t0
Si f : I Rn es derivable en I entonces describe una curva diferenciable C. Si ademas
f 0 (t0 ) 6= (0, 0, . . . , 0) entonces f 0 (t0 ) es un vector tangente a la curva C en el punto f (t0 ).
El vector tangente permite definir la recta tangente a la curva C en el punto t0 como la
recta que pasa por f (t0 ) y tiene la direccion de f 0 (t0 ), es decir, su ecuacion parametrica es
x(t) = f (t0 ) + t f 0 (t0 ), t R.
Por ejemplo, la funci
on f : [0, 2] R2 dada por f (t) = (cos(t), sin(t)) define la circunferencia
2 . Su derivada en cada punto t es f 0 (t) = ( sen(t), cos(t)). Para
de centro (0, 0) y radio
1 en R

t0 = /4, f (/4) = (1/ 2, 1/ 2) y el vector tangente es f 0 (/4) = (1/ 2, 1/ 2). Por tanto
las ecuaciones parametricas de la recta tangente son

1t

x(t) =

2
(x(t), y(t)) = (1/ 2, 1/ 2) + t(1/ 2, 1/ 2)

1
+
t

y(t) =
2

Despejando t se obtiene la ecuaci


on cartesiana y = x + 2.
Cuando n = 2 o n = 3, una curva se puede pensar como la trayectoria que sigue una
partcula. Si denotamos por r(t) = (x(t), y(t), z(t)) el vector de posicion en un instante t, entonces
el vector tangente v(t) = r0 (t) = (x0 (t), y 0 (t), z 0 (t)) es el vector velocidad y a(t) = v 0 (t) = r00 (t) =
(x00 (t), y 00 (t), z 00 (t)) es el vector aceleraci
on.
Las derivadas vectoriales tienen propiedades similares a las de las derivadas escalares con
respecto a la suma y producto por escalares. Con respecto al producto se cumple una regla similar
a la de la derivada escalar, pero en terminos del producto escalar. Notese que si f : I Rn
y g : I Rn son dos funciones vectoriales entonces su producto escalar (f g) es una funcion
n
X
escalar (f g) : I R definida por (f g)(t) = f (t) g(t) =
fi (t)gi (t).
i=1

Si f : I Rn y g : I Rn son dos funciones vectoriales derivables entonces se tienen las


siguientes propiedades:

5.2. Campos escalares y vectoriales. Curvas de nivel

29

1) f + g es derivable y (f + g)0 (t) = f 0 (t) + g 0 (t).


2) f es derivable y (f )0 (t) = f 0 (t), R.
3) (f g) es derivable y (f g)0 (t) = f 0 (t) g(t) + f (t) g 0 (t).

5.2.

Campos escalares y vectoriales. Curvas de nivel

Una funci
on de varias variables esta definida en un subconjunto D de Rn , con n > 1. El
conjunto D se llama dominio de definicion de f .
En el caso particular p = 1, una funcion f : Rn R se suele llamar campo escalar (o
funcion escalar de varias variables). Por ejemplo, la funcion que asigna a cada punto (x, y, z)
de un recinto tridimensional D su temperatura es un campo escalar T : D R3 R llamado
campo de temperaturas.
Si p > 1, una funci
on f : Rn Rp se llama funcion vectorial de varis variables. Especialmente en el caso p = n, la funci
on vectorial f : Rn Rn suele llamarse campo de vectores. Si
2
R es un campo de vectores en el plano y si R3 es un campo de vectores en el espacio.
Una funci
on f : Rn Rp se puede expresar en funcion de sus componentes:
f (x) = f (x1 , x2 , . . . , xn ) = (f1 (x1 , x2 , . . . , xn ), f2 (x1 , x2 , . . . , xn ), . . . , fp (x1 , x2 , . . . , xn )).
Para cada k = 1, 2, . . . , p, la componente fk : Rn R es un campo escalar.
Por ejemplo, la funci
on f : R2 R3 definida por f (x, y) = (x + y, exy , sen(x y)) tiene tres
componentes f1 (x, y) = x + y, f2 (x, y) = exy , f3 (x, y) = sen(x y).
La gr
afica de una funci
on f : D Rn Rp se define como el conjunto
G(f ) = {(x, f (x)) / x D} .
Notese que los puntos de la gr
afica son de la forma
(x, f (x)) = (x1 , x2 , . . . , xn , f1 (x1 , x2 , . . . , xn ), f2 (x1 , x2 , . . . , xn ), . . . , fp (x1 , x2 , . . . , xn )) Rn+p ,
y por tanto la gr
afica de f es un subconjunto de Rn+p .
Por ejemplo, la gr
afica de la funcion f : R2 R definida por f (x, y) = x2 + y 2 es el paraboloide hiperb
olico definido por la ecuacion z = x2 + y 2 en R3 .
Curvas de nivel
Si f : D R2 R es un campo escalar definido en un dominio D del plano, se definen sus
curvas de nivel como los conjuntos de puntos sobre los que f toma el mismo valor, es decir, si
K R, la curva de nivel K es
CK = {(x, y) R2 / f (x, y) = K}.
Ejemplos tpicos de curvas de nivel son los mapas topograficos, donde cada curva de nivel se
corresponde con los puntos que tienen la misma altura, y los mapas de isobaras, donde cada
curva de nivel (isobara) representa los puntos donde la presion atmosferica es la misma.

30

5. Introduccion a las funciones vectoriales

Por ejemplo, las curvas de nivel de la funcion f : R2 R definida por f (x, y) = x2 + y 2


solo tienen sentido para K = r2 > 0 y son circunferencias de centro (0, 0) y radio r:
CK = {(x, y) R2 / x2 + y 2 = r2 }, K = r2 .
Cada curva de nivel representa la interseccion de la grafica de f con el plano z = K paralelo al
plano horizontal z = 0.

5.3.

Nociones b
asicas de topologa en Rn .

En esta secci
on generalizaremos a Rn algunos conceptos que en R proporcionan de forma
natural los intervalos y el valor absoluto.
El papel de un intervalo real (x0 r, x0 + r) centrado en x0 R y radio r > 0 lo juega en
n
R la bola abierta de centro P Rn y radio r > 0, que se define como el conjunto de puntos de
Rn cuya distancia a P es menor que r, es decir,
B(P, r) = {x Rn / kx P k < r} ,
q
donde recordemos que k(x1 , x2 , . . . , xn )k = x21 + x22 + + x2n .
Por ejemplo, en R2 la bola abierta de centro (0, 0) y radio r esta formada por los puntos
que quedan dentro de la circunferencia de centro (0, 0) y radio r, es decir:


B((0, 0), r) = (x, y) R2 / x2 + y 2 < r2 .
Las bolas abiertas permiten definir el interior y la frontera de un conjunto de Rn .
Sea A un subconjunto de Rn . Se dice que P A es un punto interior de A si existe alguna
bola abierta centrada en P que queda dentro de A, es decir, si
r > 0 / B(P, r) A.
El conjunto de los puntos interiores de A se llama interior de A y lo denotaremos por Int(A).
Diremos que un conjunto A es abierto si todos sus puntos son interiores. Por ejemplo, las
bolas abiertas en Rn son conjuntos abiertos.
Los puntos de A que no est
an en el interior se llaman puntos frontera. Diremos que un
punto P Rn es un punto de la frontera de A si cualquier bola abierta centrada en P contiene
puntos de A y puntos que no est
an en A. El conjunto de puntos frontera se llama frontera de A
y lo denotaremos por Fr(A).
Diremos que un conjunto A es cerrado si contiene a todos los puntos de su frontera. Por
ejemplo, el cuadrado unidad I 2 en R2 es cerrado:


I 2 = [0, 1] [0, 1] = (x, y) R2 / 0 x 1, 0 y 1 .
En general, los conjuntos cerrados que manejaremos estan definidos por desigualdades no estrictas y los conjuntos abiertos est
an definidos por desigualdades estrictas (observese la analoga
con los intervalos abiertos y cerrados).

5.3. Nociones b
asicas de topologa en Rn .

31

Diremos que un subconjunto A de Rn esta acotado si existe una constante positiva K tal
que kxk K, x A.
Diremos que un subconjunto A de Rn es compacto si esta acotado y es cerrado. Los
conjuntos compactos de Rn juegan el papel de los intervalos compactos [a, b] de R.
Por ejemplo, el cuadrado unidad I 2 descrito anteriormente es compacto. El cuadrante positivo A = {(x, y) R2 / x 0,y 0} no es compacto porque
no esta acotado. La bola abierta

de centro (0, 0) y radio 1 B = (x, y) R2 / x2 + y 2 < 1 no es compacta porque no es cerrada.

32

5. Introduccion a las funciones vectoriales

Captulo 6

Continuidad y c
alculo diferencial de
funciones de varias variables
6.1.

Lmites y continuidad de funciones de varias variables.

Sea f : D Rn Rp una funcion vectorial definida en un subconjunto abierto D de Rn .


Sea P un punto de D o de su frontera. Diremos que L Rp es el lmite de f cuando x tiende
a P si f (x) se aproxima a L cuando x se aproxima a P . Esta definicion se puede escribir en
terminos de normas y es muy similar a la de lmite de funciones escalares de una variable:
lm f (x) = L [ > 0, > 0 / kx P k < , x 6= P = kf (x) Lk < ] .

xP

Al igual que pasaba con las funciones vectoriales de una variable, si f : Rn Rp y P Rn


entonces existe el lmite de f en P si y solo si existen los lmites en P de cada una de las componentes f1 (x), f2 (x), . . . , fp (x). Por tanto, podemos restringir nuestro estudio a campos escalares.
Lmites direccionales
Una de las diferencias fundamentales es que el lmite de una funcion de una variable en un
punto x0 R existe si y s
olo si existen los lmites laterales y coinciden. Sin embargo, las posibles
formas de aproximarse a un punto en Rn son infinitas.
Esta observaci
on resulta u
til como criterio para probar que el lmite en P no existe: basta
encontrar dos direcciones distintas que se aproximan a P de tal forma que los lmites de f (x) a
lo largo de esas direcciones sean distintos. Estos lmites se llaman lmites direccionales.
Por ejemplo,
x2 y 2
(x,y)(0,0) x2 + y 2
lm

no existe porque cuando nos aproximamos a (0, 0) a lo largo de los dos ejes de coordenadas la
33

34

6. Continuidad y calculo diferencial de funciones de varias variables

funcion se aproxima a valores diferentes:


x2
x2 y 2
=
l
m
= lm 1 = 1.
x0 x2
x0
(x,y)(0,0) x2 + y 2
lm

y=0

x2 y 2
y 2
=
l
m
= lm (1) = 1.
y0 y 2
y0
(x,y)(0,0) x2 + y 2
lm

x=0

En el siguiente ejemplo estos dos lmites coinciden y consideramos las rectas y = x que
pasan por (0, 0):
2xy
lm
(x,y)(0,0) x2 + y 2
no existe porque cuando nos aproximamos a (0, 0) a lo largo de las rectas y = x con distintos
valores de la funci
on se aproxima a valores diferentes:
2x2
2
2xy
=
l
m
=
.
x0 (1 + 2 )x2
(x,y)(0,0) x2 + y 2
1 + 2
lm

y=x

Para = 1, el lmite vale 1 mientras que para = 1 el lmite vale 1.


Continuidad
El concepto de continuidad para funciones de varias variables es similar al de funciones
de una variable. Sea f : D Rn Rp una funcion definida en un conjunto abierto D y sea
P D. Se dice que f es continua en P si existe el lmite de f en P y ademas
lm f (x) = f (P ).

xP

Diremos que f es continua en D si es continua en todos los puntos de D.


Es claro que f (x) = (f1 (x), f2 (x), . . . , fp (x)) es continua en P si y solo si todas sus componentes son continuas en P . Por ello podemos centrarnos en campos escalares.
Las propiedades relacionadas con la continuidad para funciones de varias variables son
similares a las de las funciones de una variable:
1. La composici
on de funciones continuas es una funcion continua.
2. Si f : Rn R y g : Rn R son funciones continuas en P entonces las funciones (f + g)
y (f g) son continuas en P . La funcion f /g es continua en P si g(P ) 6= 0.
Por ejemplo, la funci
on f (x, y) =
estan sobre la hiperbola xy = 1.

ex+y
es continua para todos los puntos de R2 que no
xy 1

6.2. Derivadas parciales y plano tangente.

6.2.

35

Derivadas parciales y plano tangente.

Para extender el concepto de diferenciabilidad en funciones de varias variables, comenzaremos con campos escalres en R2 .
Sea f : R2 R un campo escalar. Se llama derivada parcial de f respecto a la variable
x a la funci
on que resulta de considerar la variable y constante y aplicar la derivacion usual
f
respecto de x. Se representa por
o fx .
x
Por ejemplo, si f (x, y) = x3 y + xy 2 ln(xy) entonces:
f
1
= 3x2 y + y 2
x
x

f
1
= x3 + 2xy .
y
y

Formalmente, la derivada parcial de f respecto de x en un punto (x, y) se define como


f
f (x + h, y) f (x, y)
(x, y) = lm
.
h0
x
h
La derivada parcial de f respecto de x en el punto (x0 , y0 ) representa la tasa de crecimiento
instantanea de f en la direcci
on paralela al eje x, cuando y0 se mantiene constante. La interpretacion geometrica es la siguiente: denotemos por z = f (x, y) la grafica de f ; entonces la
derivada parcial respecto de x en un punto (x0 , y0 ) representa la pendiente de la recta tangente
a la curva z = f (x, y0 ) en el punto (x0 , y0 , f (x0 , y0 )), es decir, la pendiente de la tangente a la
curva intersecci
on de la gr
afica de f con el plano y = y0 .
De modo an
alogo, la parcial respecto de y en el punto (x0 , y0 ) representa la pendiente de la
tangente a la curva intersecci
on de la grafica de f con el plano x = x0 .
Si existen las derivadas parciales respecto de x y de y en un punto (x0 , y0 ) entonces el vector
fila


f
f
f (x0 , y0 ) =
(x0 , y0 ),
(x0 , y0 ) R2
x
x
se llama vector gradiente de f en (x0 , y0 ).
Plano tangente.
La interpretaci
on geometrica de las derivadas parciales motiva la idea de definir el plano
tangente a la superficie z = f (x, y) definida por la grafica de un campo escalar f : R2 R
en un punto (x0 , y0 , z0 ) como el plano que pasa por (x0 , y0 , z0 ) y contiene a las rectas tangentes
definidas por (f /x)(x0 , y0 ) y (f /y)(x0 , y0 ) respectivamente.
Recordemos que la ecuaci
on de la recta tangente a la grafica de una una funcion f : R R
en un punto (x0 , f (x0 )) es y f (x0 ) = f 0 (x0 )(x x0 ). La ecuacion del plano tangente es similar:
z z0 =

f
f
(x0 , y0 ) (x x0 ) +
(x0 , y0 ) (y y0 ),
x
y

z0 = f (x0 , y0 ).

Notese que si hacemos y = y0 entonces la interseccion del plano tangente con el plano y = y0
es precisamente la recta tangente a la interseccion de la grafica de f con dicho plano.

36

6. Continuidad y calculo diferencial de funciones de varias variables

Por ejemplo, calculemos la ecuaci


on del plano tangente a la grafica de f (x, y) = x2 + y 2 + y
en el punto (1, 0, 1). Como fx (x, y) = 2x, fy (x, y) = 2y + 1, resulta:
z 1 = fx (1, 0)(x 1) + fy (1, 0)(y 0) = 2(x 1) + y 2x + y z = 1.
La ecuacion del plano tangente a f en el punto (x0 , y0 , z0 ), donde z0 = f (x0 , y0 ), tambien
se puede escribir en la forma:
z = f (x0 , y0 ) + f (x0 , y0 ) (x x0 , y y0 ).

6.3.

Diferenciabilidad.

El plano tangente motiva la idea para extender el concepto de funcion diferenciable en un


punto para funciones de varias variables. Recordemos que una funcion f : R R es derivable
en un punto x0 si la recta tangente y = r(x) es una buena aproximacion de la grafica de f en
puntos cercanos a (x0 , f (x0 )):
lm

xx0

f (x) [f (x0 ) + f 0 (x0 )(x x0 )]


f (x) f (x0 )
= f 0 (x0 ) lm
= 0
xx0
x x0
x x0
lm

xx0

f (x) r(x)
=0
x x0

De alguna manera esto quiere decir que, cuando x tiende a x0 , f (x) se aproxima a r(x) con
mayor rapidez.
Para funciones f : R2 R una funcion sera diferenciable en un punto (x0 , y0 ) si el plano
tangente en ese punto es una buena aproximacion de la grafica de f . Por analoga con el caso
anterior, se tiene que f es diferenciable si existen las derivadas parciales fx (x0 , y0 ), fy (x0 , y0 ) y
ademas:
f (x, y) [f (x0 , y0 ) + f (x0 , y0 ) (x x0 , y y0 )]
lm
= 0.
k(x, y) (x0 , y0 )k
(x,y)(x0 ,y0 )
Si ocurre esto, se define la diferencial de f en (x0 , y0 ) como el vector gradiente:


f
f
Df (x0 , y0 ) = f (x0 , y0 ) =
(x0 , y0 ),
(x0 , y0 ) .
x
y
Se dice que f : R2 R es diferenciable en P = (x0 , y0 ) R2 si existen las derivadas
parciales en P y el lmite anterior es 0. Una condicion suficiente mas facil de comprobar es la
siguiente:
Proposici
on 6.1 Sea A un subconjunto abierto de R2 y sea f : A R un campo escalar. Si
existen las derivadas parciales en todo punto de A y son continuas entonces f es diferenciable
en todos los puntos de A.

6.3. Diferenciabilidad.

37

En general, sea f : Rn R y P Rn . Si existen las derivadas parciales y son continuas


entonces f es diferenciable en P . Se define la diferencial de f en P como el vector gradiente


f
f
f
(P ),
(P ), . . . ,
(P ) .
Df (P ) = f (P ) =
x1
x2
xn
Por ejemplo, si f : R3 R esta definida por f (x, y, z) = xyz sen(xy) + z entonces el
gradiente en (x, y, z) es
f (x, y, z) = (yz y cos(xy), xz x cos(xy), xy + 1) .
Para el punto P = (/2, 1, 1),


 

, 1, 1 = 1, , + 1 .
2
2 2
Por el momento hemos definido el concepto de diferencial para campos escalares. Si queremos
extender este concepto a funciones vectoriales f : Rn Rp , usaremos de nuevo las componentes
f1 , f2 , . . . , fp .
Recordemos que si f : R Rp entonces la derivada se defina como el vector formado por
las derivadas de las componentes. Escribiremos esta diferencial como vector columna:

0
f1 (x0 )
f 0 (x0 )

2
Df (x0 ) = f 0 (x0 ) =
.
..

.
f

fp0 (x0 )

Si f : Rn Rp y P Rn entonces diremos que f es diferenciable en P si cada una de las


componentes de f es diferenciable en P . Se define la diferencial de f en P como la matriz cuyas
filas son los vectores gradiente de cada una de las componentes:

f1
f1
f1

(P
)
(P
)

(P
)
x2
xn
f1 (P )

x1

f2
f2
f2
f2 (P )
(P
)
(P
)

(P
)

x2
xn

x1
.
Df (P ) =
=
..


..
..
..
..
.

.
.
.
.

fp (P )
fp
fp
fp
(P
)
(P
)

(P
)
x1
x2
xn
Observese que si f : Rn Rp entonces la diferencial en cada punto es una matriz con p
filas y n columnas. Esta matriz tambien se llama matriz jacobiana o matriz de las derivadas
parciales.
Ejemplo: Sea f : R3 R2 definida por f (x, y, z) = (xyz, sen(xy) + z). Vamos a calcular
la diferencial de f en el punto (0, 1, 2). Para ello necesitamos las derivadas parciales de las
componentes f1 (x, y, z) = xyz, f2 (x, y, z) = sen(xy) + z.
f1
= yz
x

f1
= xz
y

f2
= y cos(xy)
x

f1
= xy ;
z

f2
= x cos(xy)
y

f2
= 1.
z

38

6. Continuidad y calculo diferencial de funciones de varias variables

Entonces:
yz

xz

xy

Df (x, y, z) =


= Df (0, 1, 2) =

y cos(xy) x cos(xy)

2 0 0
1 0 1


.

Propiedades.
1. Si f : Rn Rp es diferenciable en P entonces f es continua en P .
2. Si f : Rn Rp y g : Rn Rp son funciones diferenciables en P y , R entonces
(f + g) es diferenciable en P y D(f + g)(P ) = Df (P ) + Dg(P ).

6.4.

Regla de la cadena.

Como en el caso de funciones escalares de una variable, una herramienta fundamental del
calculo de la diferencial es la regla de la cadena.
Sean f : Rn Rp , g : Rp Rq dos funciones. Si f es diferenciable en P y g es diferenciable
en f (P ) entonces (g f ) es diferenciable en P y ademas
D(g f )(P ) = Dg(f (P ))Df (P ).
Notese que el producto de matrices esta bien definido porque Dg(f (P )) tiene p columnas y
Df (P ) tiene p filas.
Ejemplo: Sea f : R3 R2 definida por f (x, y, z) = (xyz, sen(xy) + z). Sea g : R2 R2 definida
por g(u, v) = (uv 2 , v eu ). Vamos a calcular la diferencial de g f en el punto (0, 1, 2). Por la regla
de la cadena, teniendo en cuenta que f (0, 1, 2) = (0, 2), se tiene:
D(g f )(0, 1, 2) = Dg(0, 2)Df (0, 1, 2).
Ya hemos calculado

Df (0, 1, 2) =

2 0 0
1 0 1


.

A continuacion calculamos Dg(0, 2).



Dg(u, v) =

Du (uv 2 ) Dv (uv 2 )
Du (v eu ) Dv (v eu )


=

v 2 2uv
v eu eu


= Dg(0, 2) =

4 0
2 1

Finalmente,

D(g f )(0, 1, 2) = Dg(0, 2)Df (0, 1, 2) =

4 0
2 1



2 0 0
1 0 1


=

8 0 0
5 0 1


.

6.4. Regla de la cadena.

6.4.1.

39

Interpretaci
on de la diferencial como aplicaci
on.

La regla de la cadena permite dar una interpretacion de la diferencial como aplicacion. Lo


veremos en el plano, aunque se extiende de forma natural a mas dimensiones.
Consideremos un campo vectorial f : R2 R2 y una curva diferenciable c1 (t) = (x(t), y(t)).
La funci
on c2 (t) = f (c1 (t)) representa otra curva en R2 obtenida como la imagen de c1 por el
campo f . Por la regla de la cadena:
c02 (t) = Df (c1 (t)) c01 (t).
Esto quiere decir que la diferencial de f en c1 (t) lleva al vector tangente c01 (t) en el vector
tangente c02 (t), es decir, si un campo vectorial en R2 lleva puntos de una curva en puntos de su
imagen, la diferencial en cada punto (x0 , y0 ) es otro campo vectorial (lineal) en R2 que lleva al
vector tangente a c1 en (x0 , y0 ) en el vector tangente a c2 en f (x0 , y0 ).

6.4.2.

Regla de la cadena: una variable independiente

Sea f : R3 R un campo escalar y c : R R3 una curva diferenciable en R3 . Consideremos


la funcion f sobre la curva, es decir, g(t) = f (c(t)). Denotemos c(t) = (x(t), y(t), z(t)).
Entonces, por la regla de la cadena,
g 0 (t) = f (c(t)) c0 (t) =

f
f
f
(c(t)) x0 (t) +
(c(t)) y 0 (t) +
(c(t)) z 0 (t).
x
y
z

La f
ormula g 0 (t) = f (c(t)) c0 (t) se extiende de forma natural al caso g(t) = f (c(t)), con
f : Rn R y c : R Rn .
Ejemplo. Un cilindro circular recto vara de tal manera que su radio r crece a razon de 3 cm/hora
y su altura decrece a raz
on de 5 cm/hora. Calcular la tasa de variacion de su volumen cuando
r = 3 cm y h = 4 cm.
El volumen es V (r, h) = r2 h. Sabemos que las tasas de variacion son r0 (t) = 3, h0 (t) = 5.
Entonces:
V 0 (t) =

V 0
V 0
r (t) +
h (t) = 2rhr0 (t) + r2 h0 (t) = 6rh 5r2 .
r
h

Para r = 3 y h = 4, V 0 (t) = 72 45 = 27, es decir, el volumen crece a la razon de 27


cm3 /hora.
A continuaci
on veremos dos aplicaciones de la regla de la cadena: la relacion entre el gradiente y las curvas de nivel y las derivadas direccionales.
Gradiente y curvas de nivel.
Consideremos un campo escalar en el plano f : R2 R.
Proposici
on 6.2 Si f es diferenciable en (x0 , y0 ) entonces el gradiente de f en (x0 , y0 ) es
ortogonal a la curva de nivel que pasa por (x0 , y0 ).

40

6. Continuidad y calculo diferencial de funciones de varias variables

Demostraci
on. Sea c(t) = (x(t), y(t)) la curva de nivel que pasa por (x0 , y0 ). Para un cierto
t0 , c(t0 ) = (x0 , y0 ) y por tanto el vector tangente a la curva de nivel en (x0 , y0 ) es c0 (t0 ).
Como g(t) = f (c(t)) = K para una constante K, usando la regla de la cadena se tiene:
0 = g 0 (t) = f (c(t)) c0 (t) .
Para t = t0 , f (c(t0 )) = (x0 , y0 ) y por tanto:
f (x0 , y0 ) c0 (t0 ) = f (c(t0 )) c0 (t0 ) = 0.
Esto quiere decir que el gradiente de f en (x0 , y0 ) es ortogonal a la curva de nivel.

t
u

Este resultado se puede aplicar al c


alculo de la recta tangente a una curva dada en forma
implcita.
Ejemplo. Calcular la recta tangente a la circunferencia x2 + y 2 = 2 en el punto (1, 1).
La circunferencia es una curva de nivel del campo f (x, y) = x2 + y 2 . Como el gradiente es
un vector normal a la curva de nivel, la ecuacion de la recta es:
f (x0 , y0 ) (x x0 , y y0 ) = 0.
En este caso, f (1, 1) = (2, 2) y por tanto la ecuacion es
(2, 2) (x 1, y 1) = 0 y = 2 x.
Gradiente y derivadas direccionales.
Sean f : Rn R un campo escalar, P Rn y u Rn un vector unitario, es decir kuk = 1.
Se considera la recta y(t) = P + tu que pasa por P y tiene la direccion de u. Sea g(t) = f (P + tu)
la accion del campo f sobre la recta. Se define la derivada direccional de f en P seg
un el
vector u como g 0 (0) = f (P ) u. La derivada direccional mide la tasa de cambio de f en la
direccion de u.
Por ejemplo, la derivada direccional de f (x, y) = x2 y + y 3 en el punto (2, 1) en la direccion
de u = (1, 1) es
 
u
11
1/2
D~u f (2, 1) = f (2, 1)
= (4, 7)
= ,
1/ 2
kuk
2
ya que f (x, y) = (2xy, x2 + 3y 2 ).
Direcci
on de m
aximo crecimiento. Sea f : Rn R un campo escalar diferenciable. Si
f (P ) 6= 0 entonces el m
aximo valor de la derivada direccional se alcanza para el vector unitario
en la direccion del gradiente
f (P )
.
u=
kf (P )k
Es decir, el gradiente de f apunta en la direccion de Rn en la que f crece mas rapidamente.
La demostraci
on de esta propiedad para n = 2 se basa en la formula del producto escalar.
La derivada direccional en la direcci
on de un vector unitario u es
f (P ) u = kf (P )k kuk cos() = kf (P )k cos(),

6.4. Regla de la cadena.

41

donde es el
angulo entre f (P ) y u. Claramente, la derivada direccional alcanza su m
aximo
valor cuando cos() = 1, es decir, cuando u apunta en la direccion y sentido del gradiente.
Observese que el mismo razonamiento indica que la direccion de crecimiento mnimo es
la opuesta del gradiente, es decir, f (P ). As, el valor maximo de la derivada direccional es
kf (P )k y el mnimo es kf (P )k.
Para n arbitrario, la propiedad se basa en que para x, y Rn se cumple siempre que
x y kxk kyk,
y la igualdad s
olo se cumple cuando x e y tienen la misma direccion y sentido (es decir, y = x,
con > 0).
Ejemplo. Hallar la direcci
on de m
aximo crecimiento del campo escalar f (x, y) = x2 + y 2 en el
punto (1, 1).
f (x, y) = (2x, 2y) = f (1, 1) = (2, 2).

La direcci
on de m
aximo crecimiento es la del vector unitario v = (1/ 2, 1/ 2).
En fsica, una de las aplicaciones es que el campo electrico es ortogonal a las curvas equipotenciales. En el siguiente ejemplo vemos otra aplicacion al flujo de calor.
Ejemplo. Consideremos una placa cuadrada [0, 5] [0, 5] y supongamos que la temperatura en
un punto (x, y) es T (x, y) = x2 + y 2 /4. Calcular en que sentido ira el flujo de calor C(x, y) en el
punto (2, 4).
Teniendo en cuenta que el calor fluye de puntos de mayor temperatura a puntos de menor
temperatura y lo hace en direcci
on perpendicular a las isotermas, se tiene que
C(x, y) = k T (x, y),
donde k es una constante llamada conductividad termica del medio. En este caso T (x, y) =
(2x, y/2) y por tanto
C(2, 4) = k T (2, 4) = k(4, 2).


2 1
Por tanto, el calor fluye en el sentido del vector unitario u = ,
.
5 5

6.4.3.

Regla de la cadena: varias variables independientes

Supongamos que z = f (x, y), donde x e y dependen de u y v. Si F es diferenciable y existen


las derivadas parciales de x = x(u, v) e y = y(u, v). Entonces podemos escribir
z = f (x(u, v), y(u, v))
y se pueden calcular las derivadas parciales de z respecto de u y v del siguiente modo:
f x f y
z
=
+
u
x u y u

z
f x f y
=
+
.
v
x v
y v

42

6. Continuidad y calculo diferencial de funciones de varias variables

Estas formulas se extienden de forma natural al caso de mas variables dependientes y mas variables independientes: si y = f (x1 , x2 , . . . , xn ) y xi = xi (u1 , u2 , . . . , up ) para cada i = 1, 2, . . . , n,
entonces
y
f x1
f x2
f xn
=
+
+ +
.
ui
x1 ui
x2 ui
xn ui

6.5.

Derivaci
on implcita.

Ya hemos descrito en la secci


on 3.6 del captulo 3 como derivar de forma implcita una
expresion F (x, y) = 0, donde y = y(x). Este proceso se puede generalizar a funciones de mas
variables dependientes e independientes utilizando la forma general de la regla de la cadena.
Consideremos una expresi
on F (x, y, z) = 0 que define implcitamente una funcion z =
z(x, y), es decir, la variable z se puede despejar en funcion de las variables independientes x e
y. Es posible calcular las derivadas parciales de z respecto de x e y sin necesidad de despejar z
(lo cual es a veces imposible).

g(x, y) = F (x, y, z(x, y)) = 0 =

g
F
F z
z
F /x

=
+
= 0 =
=

x
x
z x
x
F /z

g
F
F z
z
F /y

=
+
= 0 =
=
.
y
y
z y
y
F /z

Ejemplo. Sabiendo que xy 2 + z 2 + sen(xz) = 1:


Calcular las derivadas parciales

z z
y
.
x y

Hallar f (0, 1) sabiendo que z se puede despejar como z = f (x, y), con z > 0.
Se considera la funci
on auxiliar F (x, y, z) = xy 2 + z 2 + sen(xz) 1.
F
= y 2 + z cos(xz)
x

F
= 2xy
y

F
= 2z + x cos(xz) .
z

Por tanto,
y 2 + z cos(xz)
z
=
x
2z + x cos(xz)

z
2xy
=
.
y
2z + x cos(xz)

Para x = 0, y = 1, se tiene que z 2 = 1 y por tanto (como z > 0), z = 1. As,




z
z
f (0, 1) =
(0, 1), (0, 1) = (1, 0).
x
y

Captulo 7

Derivadas parciales de orden


superior. C
alculo de extremos
7.1.

Derivadas parciales de orden superior.

f
son funciones derivables
Sea f : Rn R un campo escalar. Si las derivadas parciales x
i
entonces se pueden definir las derivadas parciales segundas (o de segundo orden). Se define la
derivada parcial segunda de f respecto de i y de j como


2f

f
=
.
xj xi
xj xi

Ejemplo. Sea f (x, y) = xy + x2 y 2 + yex entonces


f
= y + 2xy 2 + yex
x

f
= x + 2x2 y + ex .
y

Por tanto, las derivadas parciales segundas son:


 
 
2f
f
2f
f
2
x
=
= 2y + ye ;
=
= 1 + 4xy + ex ;
x2
x x
yx
y x
 
 
2f
f
2f
f
2
=
= 2x ;
=
= 1 + 4xy + ex .
y 2
y y
xy
x y
Un campo f : Rn R es de clase C 1 si existen las derivadas parciales primeras y son
continuas. Si existen las derivadas parciales segundas y son continuas, se dice que f es de clase
C 2 . De modo an
alogo se definen las derivadas de orden superior a 2 y las funciones de clase C k
para k > 2.
Por ejemplo, para la funci
on del ejemplo anterior,






3f
2f

3f
2f

2
x
x
=
=
2y + ye = 4y + e ;
=
=
2y 2 + yex = yex .
2
2
3
2
yx
y x
y
x
x x
x
Para funciones de clase C 2 , las derivadas cruzadas no dependen del orden de derivaci
on:
43

44

7. Derivadas parciales de orden superior. Calculo de extremos

Teorema 7.1 (Teorema de las derivadas cruzadas) Sea f : Rn R un campo escalar de


clase C 2 . Entonces, para cada par de variables independientes xi , xj , se cumple que
2f
2f
=
.
xj xi
xi xj
Este teorema se extiende a derivadas de orden superior. Si una funcion es de clase C k su
derivada parcial kesima con respecto de k variables es independiente del orden de derivacion.
Matriz hessiana.
Sea f : Rn R un campo escalar de clase C 2 . Se llama matriz hessiana de f a la matriz
2f
cuadrada Hf (x) de tama
no n n que tiene en el lugar (i, j) la derivada parcial segunda
,
xi xj
es decir,

2f
2f
2f

2
x1 x2
x1 xn
x1

2f

2
2f
f

x2 xn
x2 x1

x22
Hf (x) =
.

..
..
..
..

.
.
.
.

2
2
2
f
f
f

xn x1
xn x2
x2
n

En cada punto P

Rn ,

Hf (P ) =

2f
(P )
x21

2f
x1 x2 (P )

2f
x2 x1 (P )

2f
(P )
x22

..
.

..
.

2f
xn x1 (P )

2f
x1 xn (P )

2f
x2 xn (P )

..
.
2f
xn x2 (P )

..
.
2f
(P )
x2

Mnn (R) .

En virtud del teorema de las derivadas cruzadas, Hf (P ) es una matriz simetrica.


La forma cuadr
atica : Rn R definida por (x) = xt H0 x, donde H0 = Hf (P ), se llama
diferencial segunda de f en P .
Por ejemplo, para la funci
on f (x, y) = xy + x2 y 2 + yex del ejemplo anterior, la matriz
hessiana es

2
!
2f
f
2y 2 + yex
1 + 4xy + ex
xy
x2
=
.
Hf (x, y) = 2
2f
f
1 + 4xy + ex
2x2
2
yx

La matriz hessiana en el punto (0, 1) es


3 2
Hf (0, 1) =

!
.

2 0

7.2. Extremos locales y globales de un campo escalar.

45

La diferencial segunda de f en (0, 1) esta definida por


!
!
3 2
x
(x, y) = (x, y)
= 3x2 + 4xy.
2 0
y
Recordemos que una forma cuadratica en Rn es una aplicacion : Rn R definida por
n
X

(x) = x Ax =

aij xi xj ,

i,j=1

donde A = (aij ) Mnn (R) es una matriz simetrica.


La clasificaci
on de formas cuadraticas permite establecer la siguiente clasificacion de matrices simetricas:
Definici
on 7.1 Sea A Mnn (R) una matriz simetrica. Diremos que
1. A es definida positiva si xt Ax > 0 , x 6= 0,
2. A es definida negativa si xt Ax < 0 , x 6= 0,
3. A es indefinida si existen dos vectores x, y Rn tales que xt Ax > 0 , y t Ay < 0.
Si A es simetrica y |A| =
6 0 entonces se puede determinar si A es definida positiva, definida
negativa o indefinida analizando el signo de los menores principales de la matriz.
Teorema 7.2 Supongamos que A es simetrica y |A| =
6 0. Entonces:
(a) Si todos los menores principales de A son positivos entonces A es definida positiva.
(b) Si los menores principales de orden impar son negativos y los de orden par son positivos
entonces A es definida negativa.
(c) En cualquier otro caso, A es indefinida.
Utilizaremos este resultado en la diguiente seccion.

7.2.

Extremos locales y globales de un campo escalar.

Recordemos que los extremos relativos (locales) de funciones escalares de una variable se
detectan igualando a cero la derivada primera, y en la mayora de los casos se determina si es
maximo local o mnimo local utilizando el signo de la derivada segunda. Por ejemplo, f (x) = x2
alcanza un mnimo local en x = 0 porque f 0 (0) = 0 y f 00 (0) > 0, lo que quiere decir que la recta
tangente a la gr
afica de f en (0, 0) es horizontal y que f es convexa.
Estos argumentos se pueden generalizar a campos escalares planos f : R2 R y en general
a campos escalares en Rn . En primer lugar, introducimos la definicion de maximo y mnimo
local.

46

7. Derivadas parciales de orden superior. Calculo de extremos

Sea f : D Rn R un campo escalar definido en un subconjunto D de Rn . Se dice que f


alcanza un m
aximo local (o m
aximo relativo) en un punto P D si existe un entorno B0 de
P tal que f (x) f (P ), x B0 .
La definici
on de mnimo local se obtiene cambiando el sentido de la desigualdad en la
definicion anterior. Diremos que P es un punto de extremo local para f si f alcanza en P un
maximo local o un mnimo local.
Observacion: Un entorno del punto P se puede definir como la interseccion de una bola abierta
centrada en P con el dominio de definici
on D.
Teorema 7.3 (Condici
on necesaria de extremo) Sea f : D Rn R un campo escalar
1
de clase C definido en un subconjunto abierto D de Rn . Si f alcanza en P D un extremo
local entonces f (P ) = (0, 0, . . . , 0).
Notese que si f : R2 R es un campo escalar en el plano, la condicion anterior es equivalente
a decir que el plano tangente a la gr
afica de f en el punto (P, f (P )) es paralelo al plano horizontal
XY . (Esta dado por la ecuaci
on z = z0 , donde z0 = f (P ).)
Por tanto, los extremos locales de f se buscaran entre los puntos que tienen gradiente cero
o aquellos donde f no es diferenciable. Estos puntos se llaman puntos crticos de f .
Si f (P ) = (0, 0, . . . , 0) pero f no alcanza un extremo en P , entonces se dice que f tiene
en P un punto de silla. En estos puntos, la grafica de f crece en algunas direcciones cerca de
P y decrece en otras.
Observacion: El teorema s
olo vale para conjuntos abiertos. Si el dominio de definicion de f no
es abierto, el resultado se puede usar para encontrar los puntos crticos del interior de D. Los
posibles extremos locales en la frontera hay que determinarlos de otro modo.
Ejemplo. Calcular los puntos crticos de la funcion f : R2 R dada por f (x, y) = 4x3 12xy+y 2 .
f (x, y) = (12x2 12y, 12x + 2y) = (0, 0)

y = x2
6x = y

Por tanto,
x2 = y = 6x = x2 6x = 0 = x(x 6) = 0.
Las u
nicas races reales son x = 0, x = 6. Como y = x2 , se obtienen los puntos crticos (0, 0) y
(6, 36).
Al igual que las derivadas segundas de f permiten obtener condiciones suficientes para
asegurar que un punto crtico es un m
aximo o un mnimo local para funciones de una variable,
la diferencial segunda juega ese papel para campos escalares en Rn . La razon es que si la mejor
aproximacion de grado 2 para una funci
on f : R R cerca de un punto x0 es el polinomio de
Taylor p2 (x) = f (x0 ) + f 0 (x0 )(x x0 ) + (1/2)f 00 (x0 )(x x0 )2 , para funciones f : Rn R la
mejor aproximaci
on de grado 2 viene dada por
f (x) q(x) = f (P ) + f (P ) (x P ) +

1
(x P )t (Hf (P )) (x P ).
2

7.2. Extremos locales y globales de un campo escalar.

47

Por tanto, cuando f (P ) = (0, 0, . . . , 0), lo que determina el signo de f (x) f (P ) para puntos x
proximos a P es el signo de la forma cuadratica (x) = xt Hx, donde H = Hf (P ) Mnn (R).
Teorema 7.4 (Criterio de la derivada segunda para extremos locales) Sea f un campo escalar de clase C 2 definido en un subconjunto abierto D de Rn . Supongamos que P D es
un punto crtico de f , es decir, f (P ) = (0, 0, . . . , 0). Entonces:
1. Si la matriz H = Hf (P ) es definida positiva entonces f alcanza en P un mnimo local.
2. Si la matriz H = Hf (P ) es definida negativa entonces f alcanza en P un m
aximo local.
3. Si el determinante de H no es cero y la matriz H = Hf (P ) es indefinida entonces f
alcanza en P un punto de silla.
Observaci
on: Los puntos crticos de f para los que |Hf (P )| =
6 0 se llaman puntos crticos no
degenerados. Los puntos crticos degenerados se suelen examinar directamente.
Ejemplo. Calcular los extremos relativos del campo escalar f : R2 R definido por
f (x, y) = 4x3 12xy + y 2 .
Ya hemos visto que los puntos crticos son (0, 0) y (6, 36). La matriz hessiana es

2
!
2f
f
24x 12
2
xy
x
=
.
Hf (x, y) = 2
f
2f
12
2
2
yx

Para (0, 0), los menores principales son


1 = 0




0 12

2 = |Hf (0, 0)| =
= 144 < 0.
12
2

Por tanto, Hf (0, 0) es indefinida y f tiene un punto de silla en (0, 0).


Por otra parte, para (6, 36),


144 12


1 = 144 > 0 ; 2 = |Hf (6, 36)| =
= 144 > 0.
12
2
Como Hf (6, 36) es definida positiva, f alcanza un mnimo local en (6, 36).
M
aximos y mnimos globales.
Sea f : D Rn R un campo escalar definido en un conjunto D de Rn . Sea P D. Se
dice que f alcanza en P su m
aximo global (o maximo absoluto) en D si f (P ) f (x), x D.
De modo an
alogo se define el mnimo global (cambiando de sentido la desigualdad). El siguiente
resultado es similar al de existencia de extremos absolutos en intervalos compactos de R.
Teorema 7.5 (Existencia de extremos globales) Sea f : D Rn R un campo escalar
definido en un conjunto D de Rn . Si D es compacto y f es continua entonces f alcanza en D
su m
aximo global y su mnimo global.

48

7. Derivadas parciales de orden superior. Calculo de extremos

Para localizar los etremos absolutos de f se siguen estos pasos:


1. Localizar los puntos crticos de f en el interior de D.
2. Hallar los extremos de f considerada como funcion definida en la frontera de D.
3. Calcular el valor de f en todos los puntos crticos y seleccionar el mayor y el menor.
Ejemplo. Calcular los extremos globales del campo escalar f (x, y) = x2 + 3x + y 2 + 1 en la region


D = (x, y) R2 / (x + 1)2 + y 2 1 .
La region D representa un disco cerrado de centro (1, 0) y radio 1. Por tanto D es compacto.
En primer lugar, calculamos los puntos crticos de f en el interior de D.
f (x, y) = (2x + 3, 2y) = (0, 0) x =

3
, y = 0.
2

El u
nico punto crtico en el einterior de D es (3/2, 0).
En la frontera, como y 2 = 1 (x + 1)2 , se tiene:
g(x) = f (x, y) = x2 + 3x + 1 + (1 (x + 1)2 ) = x2 + 3x + 2 x2 2x 1 = x + 1, x [2, 0].
Como g es creciente, el mnimo se alcanza para x = 2 y el maximo para x = 0. Los extremos
relativos de f en la frontera se alcanzan en (2, 0) y (0, 0).
Finalmente, como
f (3/2, 0) =

5
, f (2, 0) = 1 , f (0, 0) = 1 ,
4

se deduce que el m
aximo global se alcanza en (0, 0) y el mnimo global se alcanza en (3/2, 0).

7.3.

Extremos condicionados. Multiplicadores de Lagrange.

En muchas ocasiones hay que maximizar o minimizar una funcion sujeta a ciertas restricciones; es lo que se conoce con el nombre de extremos condicionados. Por ejemplo, queremos
hallar el maximo valor que toma una funcion f : R2 R entre todos los puntos (x, y) que tienen
norma 1. Una de las tecnicas m
as efectivas para abordar este tipo de problemas es el metodo de
los multiplicadores de Lagrange. Para motivarlo, consideremos el siguiente ejemplo:
Ejemplo. Calcular el punto de la recta y = 2 x mas proximo a (0, 0).
La funcion que hay que minimizar es el cuadrado de la distancia de (x, y) a (0, 0), es decir,

f (x, y) = x2 + y 2 . Trazamos las circunferencias x2 + y 2 = r de centro (0, 0) y radio r, que son


las curvas de nivel de f . En la figura 7.1 se observa que para valores peque
nos de r (r = 1/2,
r = 1) las curvas de nivel no intersecan a la recta, lo cual quiere decir que no hay puntos de la

7.3. Extremos condicionados. Multiplicadores de Lagrange.

49

y=2-x

r=3
r=2
r=1
r=0.5

Figura 7.1: Gr
afica de y = 2 x y las curvas de nivel x2 + y 2 = r.
recta a esa distancia de (0, 0); para valores grandes (r = 3), hay dos puntos de interseccion, pero
hay puntos de la recta dentro del disco de radio r, lo que indica que hay puntos de la recta que

distan del origen menos que r. El mnimo corresponde a la primera curva de nivel que corta a
la recta, que coincide con la circunferencia centrada en el origen que es tangente a la recta.
Para calcular el valor de r, observese que un vector perpendicular a las curvas de nivel es
el gradiente f (x, y) = (2x, 2y). Por otra parte, la recta y = 2 x es una curva de nivel de la
funcion g(x, y) = x + y, y por tanto g(x, y) = (1, 1) debe ser perpendicular a la recta. Como
f y g son perpendiculares a la recta en el punto P = (x0 , y0 ) donde se alcanza el mnimo,
deben tener la misma direcci
on; por tanto, debe existir un escalar R tal que
f (x0 , y0 ) = g(x0 , y0 ).
De aqu se deduce que 2x0 = 2y0 = y por tanto x0 = y0 .
Como el punto est
a sobre la recta, se cumple que y0 = 2x0 y, en consecuencia, x0 = y0 = 1.
El
punto
donde
la
distancia es mnima es (x0 , y0 ) = (1, 1) y la menor distancia posible es

2 (de ah que el nivel correspondiente sea r = 2, como se observa en la figura).


Este ejemplo se generaliza a campos escalares en Rn para definir el metodo de los multiplicadores de Lagrange.
Teorema 7.6 (de los multiplicadores de Lagrange)
Supongamos que f : Rn R y g : Rn R son dos funciones de clase C 1 y
g(x1 , x2 , . . . , xn ) 6= (0, 0, . . . , 0) si g(x1 , x2 , . . . , xn ) = 0.
Si P Rn es un punto de m
aximo o mnimo local de f sujeto a la restricci
on g(x1 , . . . , xn ) = 0,
entonces existe un R tal que
f (P ) = g(P ).

50

7. Derivadas parciales de orden superior. Calculo de extremos

Ejemplo 7.1 Calcular los valores m


aximos y mnimos de la funcion f (x, y) = x2 + 2y 2 sujetos
2
2
a la restriccion x + y = 1.
Definimos g(x, y) = x2 + y 2 1, de modo que la restriccion se convierte en g(x, y) = 0. La
ecuacion de los multiplicadores es:
(
2x = 2x
f (x, y) = g(x, y) (2x, 4y) = (2x, 2y)
4y = 2y
De la primera ecuaci
on se obtiene que x = 0 o = 1. De la segunda se obtiene que y = 0 o
= 2. Por tanto las u
nicas posibilidades son [x = 0, = 2] e [y = 0, = 1].
Para x = 0, como x2 + y 2 = 1, se obtienen los puntos (0, 1) y (0, 1). Para y = 0 se obtienen
los puntos (1, 0) y (1, 0).
Para determinar cu
ales son los valores maximos y mnimos, evaluamos f en esos puntos:
f (0, 1) = f (0, 1) = 2

f (1, 0) = f (1, 0) = 1 .

Por tanto, los m


aximos relativos se alcanzan en (0, 1) y (0, 1), y los mnimos relativos en (1, 0)
y (1, 0).
Observacion: El metodo de los multiplicadores de Lagrange se puede usar para determinar los
extremos globales de una funci
on en un conjunto compacto; en primer lugar se calcularan los
puntos crticos en el interior igualando el gradiente a cero y luego se usara el metodo de los
multiplicadores para determinar los extremos en la frontera.
C
alculo de extremos con varias restricciones.
El metodo de los multiplicadores se extiende al calculo de extremos de una funcion sujeta
a varias restricciones. El resultado general es el siguiente:
Teorema 7.7 Sean f y g1 , g2 , . . . , gk funciones de clase C 1 definidas en Rn . Si P Rn es un
punto de m
aximo o mnimo local de f sujeto a las restricciones
g1 (x1 , . . . , xn ) = 0
g2 (x1 , . . . , xn ) = 0
..
.
gk (x1 , . . . , xn ) = 0,
entonces existen 1 , 2 , . . . , k R tales que
f (P ) = 1 g1 (P ) + 2 g2 (P ) + + k gk (P ).
Ejemplo 7.2 Calcular las alturas m
axima y mnima de la curva interseccion del plano x+y+z =
2
2
2
0 con la esfera x + y + z = 1.

7.3. Extremos condicionados. Multiplicadores de Lagrange.

51

Tenemos que encontrar los extremos de la funcion f (x, y, z) = z restringidos a la intersecci


on
del plano con la esfera, es decir, sujetos a las restricciones
g1 (x, y, z) = x + y + z = 0

g2 (x, y, z) = x2 + y 2 + z 2 1 = 0 .

Seg
un el resultado anterior, en los puntos de extremo deben existir , R tales que f (x, y) =
g1 (x, y) + g2 (x, y). Por tanto:

f (x, y) = g1 (x, y) + g2 (x, y) (0, 0, 1) = (1, 1, 1) + (2x, 2y, 2z)

+ 2x = 0
+ 2y = 0
2x = 2y = 1 2z .

+ 2z = 1
Es claro que 6= 0 y por tanto x = y. Como x + y + z = 0, se obtiene que z = x y = 2y.
Sustituyendo en la ecuaci
on x2 + y 2 + z 2 = 1, tenemos :
1
1 = x2 + y 2 + z 2 = y 2 + y 2 + (2y)2 = 6y 2 = y = .
6

Siy = 1/ 6, entonces x = 1/ 6, z = 2/ 6. Si y = 1/ 6, entonces x = 1/ 6,


z = 2/ 6. Por tanto los puntos de extremo son




1 1 2
1 1 2
P1 = , ,
; P2 = , ,
.
6 6 6
6 6 6

En consecuencia, la altura m
axima es z = 2/ 6 y la mnima es z = 2/ 6.
Condici
on suficiente para la existencia de extremos condicionados.
Hay que tener en cuenta que el metodo de los multiplicadores de Lagrange detecta puntos
de tangencia, que pueden corresponder a mnimos, maximos o puntos de silla. En la situaci
on
que se muestra en la figura 7.2, el punto A correspondera a un mnimo de f (x, y) = x2 + y 2
restringido a la condici
on g(x, y) = 0, pero el punto B sera un punto de silla.
Si la funci
on objetivo f es continua y el conjunto de puntos que cumplen las restricciones
es compacto, entonces se alcanzan el mnimo y el maximo absolutos, de modo que para saber a
que puntos corresponden de entre los que cumplen la ecuacion de multiplicadores, basta evaluar
f en cada uno de ellos y escoger los valores extremos.
En otros casos se puede usar el siguiente criterio:
Proposici
on 7.1 Sean f, g1 , g2 , . . . , gk funciones de clase C 1 definidas en Rn . Supongamos que
para un punto P Rn existen 1 , 2 , . . . , k R tales que
f (P ) = 1 g1 (P ) + 2 g2 (P ) + + k gk (P ).

52

7. Derivadas parciales de orden superior. Calculo de extremos

g(x,y)=0

Figura 7.2: Dos puntos de tangencia de la curva definida por una funcion g(x, y) = 0 y las curvas
de nivel x2 + y 2 = r.
Se considera la funci
on definida por
F (x) = f (x) (1 g1 (x) + 2 g2 (x) + + k gk (x)).
Denotemos por
U = Ker (Dg(P )) = {x Rn / Dg(P ) x = 0} ,
donde g : Rn Rm es la funci
on definida por g(x) = (g1 (x), g2 (x), . . . , gm (x)). Sea H = HF (P )
la matriz hessiana de F en P y : U R la forma cuadr
atica definida en U por (x) = xt Hx.
Si es definida positiva entonces P es un mnimo local de f restringido a la condici
on
g(x) = (0, 0, . . . , 0).
Si es definida negativa entonces P es un m
aximo local de f restringido a la condici
on
g(x) = (0, 0, . . . , 0).
Si es indefinida y no degenerada entonces P es un punto de silla.
Ejemplo 7.3 Como ilustraci
on del metodo, comprobemos que en el ejemplo 7.1 el punto P =
(1, 0) es un mnimo de la funci
on f (x, y) = x2 +2y 2 sujeto a la restriccion g(x, y) = x2 +y 2 1 = 0.
Hemos visto que = 1 y por tanto
F (x, y) = f (x, y) g(x, y) = f (x, y) g(x, y) = x2 + 2y 2 (x2 + y 2 1) = y 2 + 1.
La matriz hessiana es

H = HF (P ) =

0 0
0 2


.

7.3. Extremos condicionados. Multiplicadores de Lagrange.

53

Como Dg(x, y) = g(x, y) = (2x, 2y), en particular Dg(P ) = Dg(1, 0) = (2, 0). Por tanto,

 



x
2
U = Ker (Dg(P )) = (x, y) R / (2, 0)
= 0 = (x, y) R2 / 2x = 0 = {(0, y) / y R} .
y
La forma cuadr
atica sobre U est
a definida por

 
0 0
0
(0, y) = (0, y)
= 2y 2 .
0 2
y
Como es definida positiva, el punto P es un mnimo local de f restringido a g(x, y) = 0.

54

7. Derivadas parciales de orden superior. Calculo de extremos

Referencias
Gerald L. Bradley y Karl J. Smith, Calculo de una y varias variables (dos vol
umenes), Prentice Hall, 1998.
Serge Lang, C
alculo, Addison-Wesley Iberoamericana, 1990.
Jerrold E. Marsden y Anthony J. Tromba, Calculo vectorial, 5a. ed., Pearson,
2004.
James Stewart, C
alculo. Conceptos y contextos, 3a. ed., Thompson, 2006.

55