Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
en varias variables
Version 1.0
Matemáticas Empresariales
Marı́a Álvarez y Miguel Ángel Fortes
Departamento Matemática Aplicada
Universidad de Granada
Matemáticas para la
Economı́a
Josefa Garcı́a, Clotilde Martı́nez y Miguel L. Rodrı́guez
Departamento Matemática Aplicada
Universidad de Granada
Copyright
c 2016 Miguel L. Rodrı́guez
Licencia pública bajo Creative Commons
Attribution-Noncommercial 4.0 International
Public License
Índice general
Agradecimientos V
2. Optimización 69
2.1. Introducción a la optimización . . . . . . . . . . . . . . . . 69
2.2. Formulación de programas matemáticos . . . . . . . . . . . 70
2.3. Teorema de Weierstrass . . . . . . . . . . . . . . . . . . . . 73
2.4. El método gráfico . . . . . . . . . . . . . . . . . . . . . . . . 77
2.4.1. Condiciones de tangencia . . . . . . . . . . . . . . . 81
2.5. Introducción a los programas sin restricciones . . . . . . . . 84
2.6. Formulación de los programas sin restricciones . . . . . . . 85
2.7. Condición necesaria de primer orden de extremo local . . . 87
2.8. Condiciones de segundo orden . . . . . . . . . . . . . . . . . 90
2.9. Extremos globales . . . . . . . . . . . . . . . . . . . . . . . 93
2.9.1. Programas convexos . . . . . . . . . . . . . . . . . . 93
2.10. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
2.11. Método de sustitución . . . . . . . . . . . . . . . . . . . . . 100
2.12. Condiciones necesarias de extremo local . . . . . . . . . . . 103
2.13. Condiciones suficientes de extremo local . . . . . . . . . . . 107
2.13.1. Criterio de la hessiana orlada . . . . . . . . . . . . . 107
2.14. Condición suficiente de extremo global . . . . . . . . . . . . 110
Índice general
Notas:
iv
Agradecimientos
1.1. Introducción
Solución El dominio son todos los pares (x, y) admisibles como en-
−5 trada para la función f . Debido a la raı́z, serán posibles todos aquellos
. (x, y) tales que:
Figura 1.1: Dominio de f (x, y) del
Ejemplo 2. x2 y2
0≤1− −
9 4
La ecuación anterior describe el interior de una elipse, como se muestra
en la Figura 1.1; en notación de conjuntos, podemos escribir
x2 y2
D = {(x, y) ∈ R2 | + ≤ 1}.
9 4
El rango es el conjunto de todos los posibles valores de salida. La raı́z
asegura que toda la salidas son ≥ 0. Podemos comprobar que el rango de
R es el intervalo [0, 1].
Curvas de nivel
Puede ser sorprendente encontrar que el problema de representar una su-
perficie tridimensional en el papel es familiar para la mayorı́a de nosotros
pero simplemente no nos damos cuenta de ello. Los mapas topográficos,
como el que se muestra en la Figura 1.3, representan la superficie de la
Tierra. En ellos, es usual unir los puntos con la misma elevación mediante
(b) curvas de nivel.
Figura 1.2: Representación gráfica de
una función de dos variables.
Notas:
2
1.1 Introducción
vertical de longitud 4. Por lo tanto, cualquier punto (x, y) de esta curva c = 0.6
2
verifica que f (x, y) = 0.
1
Consideramos la curva de nivel para c = 0,2
c=1
r x
x2 y2 x2 y2 −3 −2 −1 1 2 3
0,2 = 1 − − ; 0,04 = 1 − −
9 4 9 4 −1
x2 y2 x2 y2
+ = 0,96; + = 1. −2
9 4 8,64 3,84 .
√ √ (a)
También es una elipse, donde a = 8,64 ≈ 2,94 y b = 3,84 ≈ 1,96. En
general, para z = c, la curva de nivel es:
r
x2 y2 x2 y2
c= 1− − ; c2 = 1 − −
9 4 9 4
x2 y2 x 2
y2
+ = 1 − c2 ; + = 1,
9 4 9(1 − c2 ) 4(1 − c2 )
Notas:
3
Capı́tulo 1 Funciones de varias variables
y
c = 0.2 de las curvas de nivel de c = 0 y c = 0,2 observamos el crecimiento de f.
4
c = 0.4
2 Ejemplo 4 Análisis de curvas de nivel
x+y
x Dibuja varias curvas de nivel de la función f (x, y) = .
−5 5 x2 + y 2 + 1
−2
Notas:
4
1.1 Introducción
32 + 2 + 3 sin 0 2
Solución f (3, 0, 2) = = .
3 + 2(0) 11
Como no se especifica el dominio de f , lo tomamos como el conjunto de
todas las ternas (x, y, z) para las cuales f (x, y, z) está definida. Ya que no
podemos dividir por 0, nos encontramos con el dominio D es el conjunto
D = {(x, y, z) ∈ R3 : x + 2y − z 6= 0}.
Llamaremos
. Dominio de f , y lo representaremos por Dom(f ), al conjunto D.
. Imagen de (x1 , x2 , . . . , xn ) ∈ D al número real f (x1 , x2 , . . . , xn ).
Notas:
5
Capı́tulo 1 Funciones de varias variables
k
I(x, y, z) = .
x2 + y 2 + z 2
Notas:
6
1.1 Introducción
Notas:
7
Ejercicios 1.1
Términos y conceptos 15. f (x, y) = 3x − 2y; c = −2, 0, 2
1. Indica dos ejemplos de situaciones del “mundo real” que 16. f (x, y) = x2 − y 2 ; c = −1, 0, 1
estén expresadas mediante funciones multivariables.
17. f (x, y) = x − y 2 ; c = −2, 0, 2
2. La gráfica de una función de dos variables es una
. 1 − x2 − y 2
18. f (x, y) = ; c = −2, 0, 2
2y − 2x
3. Las curvas de nivel son conocidas por un gran número
de personas que utilizan los mapas . 2x − 2y
19. f (x, y) = ; c = −1, 0, 1
x2 + y 2 + 1
4. T/F: En una curva de nivel, el valor de la función no
varı́a . y − x3 − 1
20. f (x, y) = ; c = −3, −1, 0, 1, 3
x
5. El concepto análogo a curvas de nivel para funciones en
p
tres dimensiones se denomina de nivel. 21. f (x, y) = x2 + 4y 2 ; c = 1, 2, 3, 4
6. ¿Qué significa el que dos curvas de nivel estén cercanas? 22. f (x, y) = x2 + 4y 2 ; c = 1, 2, 3, 4
¿y alejadas?
1 27. f (x, y, z) = x2 + y 2 + z 2
11. f (x, y) = 2
x + y2 + 1
28. f (x, y, z) = z − x2 + y 2
12. f (x, y) = sin x cos y
x2 + y 2
29. f (x, y, z) =
13. f (x, y) =
p
9 − x2 − y 2 z
z
1 30. f (x, y, z) =
14. f (x, y) = p x−y
x + y2 − 9
2
8
1.2 Lı́mites y continuidad de funciones de varias variables
P1
Definición 4 Topologı́a en R2
Un disco abierto B en R2 centrado en (x0 , y0 ) y radio P2
P1
Un punto P en S es un punto interior de S si existe un
disco abierto centrado a P que contiene sólo puntos de S.
P2
S es abierto si cada punto en S es un punto interior.
La Figura 1.7 muestra varios conjuntos en el plano. La lı́nea continua in- Figura 1.7: Conjuntos abiertos y ce-
dica que los puntos frontera pertenecen al conjunto y la linea discontinua rrados en el plano.
indica que la frontera no pertenece al conjunto. Para el conjunto repre-
sentado en (a), observamos que P1 pertenece a la frontera del conjunto ya
que todos los discos abiertos centrados en él contienen puntos que perte-
Notas:
9
Capı́tulo 1 Funciones de varias variables
D = {(x, y) ∈ R2 | x − y 6= 0}.
Notas:
10
1.2 Lı́mites y continuidad de funciones de varias variables
Lı́mites
lı́m f (x, y) = L
(x,y)→(x0 ,y0 )
significa “si el punto (x, y) es realmente cerca del punto (x0 , y0 ), entonces
f (x, y) está cerca de L.” Damos a continuación la definición formal.
lı́m f (x, y) = L,
(x,y)→(x0 ,y0 )
p
si ∀ > 0, ∃δ > 0 tal que si (x, y) ∈ S, (x − x0 )2 + (y − y0 )2 < δ, entonces |f (x, y)−L| <
.
p
si ∀K > 0 ∃ δ > 0 tal que si (x, y) ∈ S, (x − x0 )2 + (y − y0 )2 < δ, entonces f (x, y) > K.
Notas:
11
Capı́tulo 1 Funciones de varias variables
p
si ∀k < 0, ∃ δ > 0 tal que si (x, y) ∈ S, (x − x0 )2 + (y − y0 )2 < δ,
entonces f (x, y) < k.
Notas:
12
1.2 Lı́mites y continuidad de funciones de varias variables
y − a2 = m(x − a1 ).
Nota:
Si los dos lı́mites reiterados existen y son distintos, entonces el lı́mite
global lı́mx→a f (x) no existe.
Si dos lı́mites direccionales por direcciones distintas existen y no
coinciden, entonces el lı́mite global no existe.
Si algún lı́mite reiterado es distinto de algún lı́mite direccional, en-
tonces el lı́mite global no existe.
Sin embargo, el que no se verifique alguna de las situaciones des-
critas en los puntos anteriores no asegura que exista lı́m f (x). Por
x−→a
ejemplo, pueden existir y coincidir los lı́mites reiterados y no existir
lı́m f (x). También puede suceder que exista lı́m f (x) y no exista
x−→a x−→a
alguno de los lı́mites reiterados (o ninguno de ellos).
Notas:
13
Capı́tulo 1 Funciones de varias variables
Solución
y
1. Los teoremas mencionados nos permiten evaluar + cos(x) cuando
x
x = 1 y y = π. Si al calcular un lı́mite obtenemos una indetermina-
ción, tenemos que hacer más trabajo para evaluar el lı́mite; de otro
modo, el resultado es, directamente, el lı́mite. Por lo tanto
y π
lı́m + cos(xy) = + cos π = π − 1.
(x,y)→(1,π) x 1
Notas:
14
1.2 Lı́mites y continuidad de funciones de varias variables
3xy
1. Probar que lı́m no existe estudiando los lı́mites a lo
(x,y)→(0,0) x2 + y 2
largo de y = mx.
sin(xy)
2. Probar que lı́m no existe estudiando los lı́mites a lo
x+y
(x,y)→(0,0)
largo del camino y = − sin x.
Solución
3xy
Evaluar lı́m a lo largo de y = mx significa sustituir y por
x2 + y 2
(x,y)→(0,0)
mx y evaluar el lı́mite:
3x(mx) 3mx2 3m 3m
lı́m = lı́m = lı́m 2 = 2 .
(x,mx)→(0,0) x2 + (mx)2 x→0 x2 (m2 + 1) x→0 m + 1 m +1
El lı́mite existe para cada elección de m, pero es diferente para cada valor
de m. Es decir, a lo largo de diferentes rectas obtenemos diferentes valores
lı́mite, y por tanto, no existe el lı́mite.
sin(xy)
Sea f (x, y) = . Hemos de demostrar que lı́m f (x, y) no existe
x+y (x,y)→(0,0)
encontrando el lı́mite a lo largo de la recta y = − sin x. En primer lugar
calculamos el lı́mite a lo largo de las rectas de y = mx como antes,
sin x(mx) sin(mx2 ) sin(mx2 ) 1
lı́m = lı́m = lı́m · .
(x,mx)→(0,0) x + mx x→0 x(m + 1) x→0 x m+1
Mediante la regla de L’Hôpital, se prueba que este lı́mite es 0 excepto
cuando m = −1, es decir, en la recta y = −x. Como esta recta no está en
el dominio de f , hemos encontrado que a lo largo de cada recta y = mx
en el dominio de f , lı́m f (x, y) = 0.
(x,y)→(0,0)
Notas:
15
Capı́tulo 1 Funciones de varias variables
5x2 y 2 5y 2
2
|f (x, y) − 0| = 2
2
− 0 = x · 2
2
< δ 2 · 5 < · 5 = .
x +y x +y 5
p
Ası́, si (x − 0)2 + (y − 0)2 < δ → |f (x, y) − 0| < , que es lo que
5x2 y 2
querı́amos demostrar. Ası́ lı́m = 0.
(x,y)→(0,0) x2 + y 2
Notas:
16
1.2 Lı́mites y continuidad de funciones de varias variables
en
lı́m F (ρ, θ),
ρ→0
de manera que si este último lı́mite no depende del ángulo θ con el que
nos acerquemos al punto, dicho lı́mite y, por tanto, el original, existirá; en
caso contrario, no existirá.
Ejemplo 12 Cálculo de lı́mites
x2 y 2
Calcular, si existe, lı́m
(x,y)→(x0 ,y0 ) (x2 + y 2 )3/2
Solución
x2 y 2
x = 0 + ρ cos θ = ρ cos θ
lı́m =
(x,y)→(x0 ,y0 ) (x + y 2 )3/2
2 y = 0 + ρ sin θ = ρ sin θ
ρ2 cos2 θρ2 sin2 θ
= lı́m = lı́m ρ cos2 θ sin2 θ = 0.
ρ→0 ρ3 ρ→0
Notas:
17
Capı́tulo 1 Funciones de varias variables
Solución
x2 + y 3
x = 0 + ρ cos θ = ρ cos θ
lı́m =
(x,y)→(0,0) x2 + y 2 y = 0 + ρ sin θ = ρ sin θ
ρ2 cos2 θ + ρ3 sin3 θ
= lı́m
ρ→0 ρ2
= lı́m [cos θ + ρ sin3 θ] = cos2 θ
2
ρ→0
x2 + y 3
con lo cual no existe lı́m pues depende del ángulo θ con que
(x,y)→(0,0) x2 + y 2
nos acerquemos al punto.
Por tanto, el paso a coordenadas polares será uno de los métodos más
efectivos para calcular lı́mites.
Observaciones:
1. Se puede trasladar el estudio del lı́mite en un punto (x0 , y0 ) al origen
(0, 0) sin más que hacer una traslación de ejes (cambio de variables):
0
x = x − x0
lı́m f (x, y) = = 0 lı́m f (x0 , y 0 )
(x,y)→(x0 ,y0 ) y 0 = y − y0 (x ,y 0 )→(0,0)
(xy)2
2 x x3 y 2
lı́m = lı́m = 0.
(x,y)→(0,0) x + y 2
2 (x,y)→(0,0) 2(x2 + y 2 )
Notas:
18
1.2 Lı́mites y continuidad de funciones de varias variables
Continuidad
Definición 8 Continuidad
Sea una función f (x, y) definida en un disco B abierto que contiene
el punto (x0 , y0 ). Diremos que
1. f es continua en (x0 , y0 ) si lı́m f (x, y) = f (x0 , y0 ).
(x,y)→(x0 ,y0 )
2. f es continua en B si f es continua en todos los puntos en
B. Si f es continua en todos los puntos de R2 , decimos que f
es continua.
sin x
lı́m cos y lı́m .
(x,y)→(0,0) (x,y)→(0,0) x
Notas:
19
Capı́tulo 1 Funciones de varias variables
cos y sin x
Figura 1.10: Gráfica de f (x, y) en el
Ası́ pues lı́m = f (0, 0), por lo que f es continua a (0, 0).
(x,y)→(0,0) x
Ejemplo 14.
Un análisis similar muestra que f es continua en todos los puntos de
R2 . Si x 6= 0, podemos evaluar el lı́mite directamente y si x = 0, un
análisis similar indica que el lı́mite es de cos y. Por tanto f es continua en
R2 . La gráfica de f se observa en la Figura 1.10. El siguiente resultado
proporciona formas de combinar las funciones continuas para crear otras
funciones continuas.
Notas:
20
1.2 Lı́mites y continuidad de funciones de varias variables
√ xy
(
si (x, y) 6= (0, 0)
f (x, y) = x2 +y 2
0 si (x, y) = (0, 0)
en todos los puntos de su dominio.
xy ρ cos θρ sin θ
lı́m (x, y) lı́m p = lı́m = 0.
(x,y)→(0,0) (x,y)→(0,0) x2 + y2 ρ→0 ρ
c) lı́m (x, y) = f (0, 0), que por los dos apartados anteriores
(x,y)→(0,0)
es cierto. Ası́, tenemos también que f es continua en (0, 0).
Notas:
21
Capı́tulo 1 Funciones de varias variables
lı́m f (x, y, z) = L,
(x,y,z)→(x0 ,y0 ,z0 )
Notas:
22
Ejercicios 1.2
Términos y conceptos (c) Estudiar si D está acotado o no.
p
1. Describe con tus propias palabras la diferencia entre 11. f (x, y) = 9 − x2 − y 2
punto frontera y punto interior.
p
12. f (x, y) = y − x2
2. Describe intuitivamente lo que significa
lı́m f (x, y) = 17.
(x,y)→(1,2) 1
13. f (x, y) = p
y − x2
3. Dar un ejemplo de un conjunto cerrado y acotado.
x2 − y 2
14. f (x, y) =
4. Dar un ejemplo de un conjunto cerrado y no acotado. x2 + y 2
5. Dar un ejemplo de un conjunto abierto y acotado. En los ejercicios 15 – 20, se considera un lı́mite. Evaluar
el lı́mite a través de los caminos dados y concluir que
los lı́mites no existen.
6. Dar un ejemplo de un conjunto abierto y no acotado.
x2 − y 2
15. lı́m
(x,y)→(0,0) x2 + y 2
(a) Cuando sea posible, calcular un punto frontera y a) A lo largo del camino y = mx.
uno interior de S.
(b) Estudiar si S es abierto, cerrado o ninguno de los xy − y 2
17. lı́m
dos. (x,y)→(0,0) y 2 + x
9. S = (x, y) | x2 + y 2 = 1
x+y−3
19. lı́m
(x,y)→(1,2) x2 − 1
10. S = {(x, y)|y > sin x} a) A lo largo del camino y = 2.
b) A lo largo del camino y = x + 1.
En los ejercicios 11 – 14:
sin x
20. lı́m
(a) Encontrar el dominio D de la función. (x,y)→(π,π/2)cos y
(b) Estudiar si D es abierto, cerrado o ninguno de los a) A lo largo del camino x = π.
dos. b) A lo largo del camino y = x − π/2.
23
Capı́tulo 1 Funciones de varias variables
(b)
Sea D un subconjunto abierto de R2 , sea (x0 , y0 ) un punto de D y
sea f : D → R una función.
Figura 1.11: Fijado y = 2, la superfi- 1. Se denomina derivada parcial de f con respecto a la variable
cie f (x, y) = x2 + 2y 2 es una curva en x en el punto (x0 , y0 ) (o sea, lo que hemos denotado como
el espacio. ∂f
fx (x0 , y0 ) = (x0 , y0 )) al siguiente lı́mite
∂x
f (x0 + h, y0 ) − f (x0 , y0 )
lı́m
h→0 h
siempre que este lı́mite exista y sea finito.
2. Análogamente, se define la derivada parcial de f con respec-
to a la variable y en el punto (x0 , y0 ) (o sea, lo que hemos
∂f
denotado como fy (x0 , y0 ) = (x0 , y0 )) al lı́mite
∂y
f (x0 , y0 + h) − f (x0 , y0 )
lı́m .
h→0 h
siempre que este lı́mite exista y sea finito.
Notas:
24
1.3 Derivadas parciales
f (x + h, y) − f (x, y)
fx (x, y) = lı́m
h→0 h
(x + h)2 y + 2(x + h) + y 3 − (x2 y + 2x + y 3 )
= lı́m
h→0 h
(x2 y + 2xhy + h2 y + 2x + 2h + y 3 − (x2 y + 2x + y 3 )
= lı́m
h→0 h
2xhy + h2 y + 2h
= lı́m
h→0 h
= lı́m 2xy + hy + 2
h→0
= 2xy + 2.
Notas:
25
Capı́tulo 1 Funciones de varias variables
Solución
1. Si f (x, y) = x3 y 2 + 5y 2 − x + 7,
manteniendo y constante se tiene que fx (x, y) = 3x2 y 2 − 1. Para
calcular fy (x, y), fijamos x y obtenemos fy (x, y) = 2x3 y + 10y.
2. Sea f (x, y) = cos(x2 ) + sin x.
Calculamos fx (x, y). Aplicando la regla de la cadena:
2 3√
3. Tenemos f (x, y) = ex y x2 + 1.
Para calcular fx (x, y), tenemos que aplicar la regla del producto:
2 3 2 3 1 −1/2
p
fx (x, y) = ex (2xy 3 ) x2 + 1 + ex y
y
x2 + 1
2
x2 y 3
2 3 e
= 2xy 3 ex y + √ .
2 x2 + 1
Para obtener
√ fy (x, y) no tenemos que aplicar la regla del producto
ya que x2 + 1 no contiene y, lo tratamos como fijo y por lo tanto
2 3
se convierte en un coeficiente del término ex y
2 3 2 3
p p
fy (x, y) = ex y (3x2 y 2 ) x2 + 1 = 3x2 y 2 ex y x2 + 1.
Hemos mostrado cómo calcular una derivada parcial, pero no está claro lo
que significa. Dada z = f (x, y), fx (x, y) mide la velocidad de cambio de z
cuando varı́a solo x y la variable y se mantiene constante.
Imaginemos que estamos en un prado y empezamos a caminar hacia el
este. Dependiendo de la ubicación, es posible subir, bajar o no cambiar
la altura. Esto es similar a la medición de zx . Volviendo a la ubicación
original, si caminamos hacia el norte (en la dirección del eje y) es posible
subir, bajar o no cambiar la altura, y esto nos lo indicará zy .
Ejemplo 19 Evaluación de derivadas parciales
Sea z = f (x, y) = −x2 − 12 y 2 + xy + 10. Encuentra fx (2, 1) y fy (2, 1) e
interpreta su significado.
Notas:
26
1.3 Derivadas parciales
Sea z = f (x, y). Hemos aprendido a calcular las derivadas parciales fx (x, y)
y fy (x, y), que son a su vez funciones de x e y. Por lo tanto podemos tomar
derivadas parciales de ellas con respecto a x e y como funciones que son.
∂2f
∂ ∂f (b)
= 2
= fx x = fxx
∂x ∂x ∂x
Figura 1.12: Ilustración del significa-
2. La segunda derivada parcial de f con respecto a x y luego do de la derivada parcial
a y es
∂2f
∂ ∂f
= = fx y = fxy .
∂y ∂x ∂y∂x
∂2f ∂2f
Definiciones similares son válidas para 2
= fyy y = fyx .
∂y ∂x∂y
Las segundas derivadas parciales fxy y fyx se denominan deriva-
das parciales mixtas o cruzadas.
Notas:
27
Capı́tulo 1 Funciones de varias variables
Notas:
28
1.3 Derivadas parciales
∂ ∂ 3x2 6x2
fxy (x, y) = fx = 2
=− 3
∂y ∂y y y
∂ ∂ 2x3 6x2
fyx (x, y) = fx = − 3 =− 3
∂x ∂x y y
3. f (x, y) = ex sin(x2 y) fx (x, y) = ex sin(x2 y)+2xyex cos(x2 y), fy (x, y) =
x2 ex cos(x2 y)
fxx (x, y) = ex sin(x2 y)+4xyex cos(x2 y)+2yex cos(x2 y)−4x2 y 2 ex sin(x2 y)
fyy (x, y) = −x4 ex sin(x2 y)
fxy (x, y) = x2 ex cos(x2 y) + 2xex cos(x2 y) − 2x3 yex sin(x2 y)
fyx (x, y) = x2 ex cos(x2 y) + 2xex cos(x2 y) − 2x3 yex sin(x2 y)
Obsérvese cómo en cada una de las tres funciones del Ejemplo 20, fxy =
fyx . Debido a la complejidad de los ejemplos, esto probablemente no sea
una coincidencia. El siguiente Teorema afirma que no lo es.
Notas:
29
Capı́tulo 1 Funciones de varias variables
Notas:
30
1.3 Derivadas parciales
pronunciadas (más cercanas a 0). Dado que estas son pendientes negativas,
esto significa que las pendientes están aumentando.
Hasta ahora tenemos una idea visual de fx , fy y fxy = fyx . Ahora inter-
pretamos fxx y fyy . En la Figura 1.13 (a), vemos que la curva dibujada
en x se mantiene constante en x = −1/2 y sólo y varı́a. Esta curva es
claramente cóncava, y corresponde al hecho de que fyy < 0. En Figura
1.13(b), observamos una curva donde y es constante y sólo x varı́a. Esta
curva es convexa, lo que corresponde al hecho de que fxx > 0.
f (x + h, y, z) − f (x, y, z)
fx (x, y, z) = lı́m
h→0 h
.
Definiciones similares son válidas para fy (x, y, z) y fz (x, y, z).
1. f (x, y, z) = x2 y 3 z 4 + x2 y 2 + x3 z 3 + y 4 z 4
2. f (x, y, z) = x sin(yz)
Notas:
31
Capı́tulo 1 Funciones de varias variables
Solución
1. fx = 2xy 3 z 4 + 2xy 2 + 3x2 z 3 ; fy = 3x2 y 2 z 4 + 2x2 y + 4y 3 z 4 ;
fz = 4x2 y 3 z 3 + 3x3 z 2 + 4y 4 z 3 ; fxz = 8xy 3 z 3 + 9x2 z 2 ;
fyz = 12x2 y 2 z 3 + 16y 3 z 3 ; fzz = 12x2 y 3 z 2 + 6x3 z + 12y 4 z 2
2. fx = sin(yz); fy = xz cos(yz); fz = xy cos(yz);
fxz = y cos(yz); fyz = x cos(yz) − xyz sin(yz); fzz = −xy 2 sin(xy)
Solución
1. Para hallar fxxy , calculamos fx , después fxx , y por último fxxy :
Notas:
32
1.3 Derivadas parciales
Notas:
33
Ejercicios 1.3
Términos y conceptos 16. f (x, y) = (x + y)3
2. Dada la función z = f (x, y), explica con tus palabras lo 18. f (x, y) = sin(5x2 + 2y 3 )
que significa fx .
p
19. f (x, y) = 4xy 2 + 1
3. En la derivada parcial fxy , ‘?cuál se calcula primero, fx
o fy ? √
20. f (x, y) = (2x + 5y) y
∂2f 1
4. En la derivada parcial , ‘?se computa primero, fx 21. f (x, y) =
∂x∂y x2 + y 2 + 1
o fy ?
Problemas
23. f (x, y) = 3x2 + 1
ln x
5. f (x, y) = x2 y − x + 2y + 3 en (1, 2) 25. f (x, y) =
4y
7. f (x, y) = sin y cos x en (π/3, π/3) En los Ejercicios 27 – 30, encontrar una función z =
f (x, y) tal que fx y fy sean las dadas.
8. f (x, y) = ln(xy) en (−2, −3)
27. fx = sin y + 1, fy = x cos y
En los Ejercicios 9 – 26, hallar fx , fy , fxx , fyy , fxy
y fyx . 28. fx = x + y, fy = x + y
4
12. f (x, y) = 31. f (x, y, z) = x2 e2y−3z
xy
2
+y 2
32. f (x, y, z) = x3 y 2 + x3 z + y 2 z
13. f (x, y) = ex
3x
14. f (x, y) = ex+2y 33. f (x, y, z) =
7y 2 z
34
1.4 Diferenciabilidad y la diferencial total
Notas:
35
Capı́tulo 1 Funciones de varias variables
Podemos aproximar ∆z con dz, pero como sucede con todas las aproxi-
maciones, existe un error. Tendremos una buena aproximación cuando el
error sea pequeño. Si (x0 , y0 ), sean Ex y Ey las funciones de dx y dy tal
que Ex dx + Ey dy describe este error. Entonces
∆z = dz + Ex dx + Ey dy
= fx (x0 , y0 )dx + fy (x0 , y0 )dy + Ex dx + Ey dy.
Definición 14 Diferenciabilidad
Sea z = f (x, y) definida en un conjunto abierto S que contiene al
punto (x0 , y0 ) donde fx (x0 , y0 ) y fy (x0 , y0 ) están definidas. Sea dz
la diferencial total de z en (x0 , y0 ), sea ∆z = f (x0 + dx, y0 + dy) −
f (x0 , y0 ), y sea Ex y Ey funciones de dx y dy de tal manera que
∆z = dz + Ex dx + Ey dy.
Notas:
36
1.4 Diferenciabilidad y la diferencial total
= fx dx + fy dy + Ex dx + Ey dy.
Ejemplo 27 Diferenciabilidad
cos x + exy
Sea f (x, y) = . Probar que f es diferenciable en cualquier punto
x2 + y 2
distinto del (0,0).
Notas:
37
Capı́tulo 1 Funciones de varias variables
f (0 + h, 0) − f (0, 0) 0
fx (0, 0) = lı́m = lı́m 2 = 0;
h→0 h h→0 h
f (0, 0 + h) − f (0, 0) 0
fy (0, 0) = lı́m = lı́m 2 = 0.
h→0 h h→0 h
y(y 2 − x2 ) x(x2 − y 2 )
fx (x, y) = y fy (x, y) =
(x2 + y 2 )2 (x2 + y 2 )2
no son continuas en (0, 0). Por ejemplo, para fx podemos ver que los lı́mites
reiterados en ese punto son diferentes.
Ası́ que, aunque fx y fy existen en todos los puntos del plano, no son con-
tinuas en (0, 0). Por lo tanto no afirmar nada acerca la diferenciabilidad
de f en ese punto aún.
Notas:
38
1.4 Diferenciabilidad y la diferencial total
con lo cual, dado que dicho lı́mite es cero, el Teorema 6 asegura que f es
diferenciable en (0, 0).
Notas:
39
Capı́tulo 1 Funciones de varias variables
Notas:
40
1.4 Diferenciabilidad y la diferencial total
Podemos calcular el valor real de f (4,1, 0,8) con una calculadora; el valor
real de una precisión de 5 decimales, es 1,45254. Obviamente la aproxima-
ción es bastante buena.
Error/Análisis de sensibilidad
Notas:
41
Capı́tulo 1 Funciones de varias variables
0, si (x, y) = (0, 0)
1. Estudiar la continuidad en R2
Notas:
42
1.4 Diferenciabilidad y la diferencial total
2. Estudiar la diferenciabilidad en R2
Solución
1. En los puntos distintos de (0, 0) la función es claramente continua. En
(0, 0)
x2 y ρ3 cos2 α sin α
lı́m = lı́m = lı́m ρ cos2 α sin α = 0.
(x,y)→(0,0) x2 + y2 ρ→0 ρ2 ρ→0
α∈[0,2π] α∈[0,2π]
h2 0
∂f f (0 + h, 0) − f (0, 0) 2
−0
(0, 0) = lı́m = lı́m h =0
∂x h→0 h h→0 h
0h
∂f f (0, 0 + h) − f (0, 0) 2
−0
(0, 0) = lı́m = lı́m h =0
∂y h→0 h h→0 h
En el origen aplicamos la definición de diferenciabilidad:
∂f ∂f
f (∆x, ∆y) − f (0, 0) − (0, 0)∆x − (0, 0)∆y
∂x ∂y
lı́m p =
(∆x,∆y)→(0,0) (∆x)2 + (∆y)2
(∆x)2 ∆y
(∆x)2 + (∆y)2 (∆x)2 ∆y
lı́m p = lı́m 3 =
(∆x,∆y)→(0,0) (∆x)2 + (∆y)2 (∆x,∆y)→(0,0) ((∆x)2 + (∆y)2 ) 2
ρ3 cos4 α sin α
lı́m = cos4 α sin α.
ρ→0 ρ3
α∈[0,2π]
Notas:
43
Capı́tulo 1 Funciones de varias variables
∂f ∂f
1. Hallar y .
∂x ∂y
2. ¿Es f (x, y) diferenciable en (0, 0)?
3. ¿Qué se puede concluir de los apartados anteriores con respecto a la
diferenciabilidad de la función?
∂f 2xy 3 − 2x5 y
(x, y) = .
∂x (x4 + y 2 )2
(0 + h)2 0
−0
∂f f (0 + h, 0) − f (0, 0) (0 + h)4 + 02
(0, 0) = lı́m = lı́m
∂x h→0 h h→0 h
0
= lı́m 5 = 0.
h→0 h
Y por tanto:
3 5
2xy − 2x y , si (x, y) 6= 0
∂f
(x, y) = (x + y )2
4 2
∂x
0, si (x, y) = 0
x2 y x2 mx2 m m
lı́m = lı́m 4 = lı́m =
(x,y)→(0,0) x4 +y 2 x→0 x + m x2 4 x→0 1 + m 2 1 + m2
Notas:
44
1.4 Diferenciabilidad y la diferencial total
Solución
1. Tomamos el vector unitario u = (cos α, sin α) y usando la definición
calculamos la derivada direccional
t3 cos3 α + t3 sin3 α
f (t cos α, t sin α) − f (0, 0) −0
Du f (0, 0) = lı́m = lı́m t2
t→0 t x→0 t
3 3
= cos α + sin α
∂f ∂f
2. Sabemos que ∇f (0, 0) = ( (0, 0), (0, 0)). Para calcular las deriva-
∂x ∂y
das parciales en el origen utilizamos la definición y obtenemos
∂f ∂f
(0, 0) = 1, (0, 0) = 1
∂x ∂y
Por tanto, ∇f (0, 0) = (1, 1). La función no es diferenciable en el origen
porque en caso de serlo se tendrı́a que las derivadas direccionales en el
origen coincidirı́an y por el apartado 1.
Dfv (0, 0) = h∇f (0, 0), (cos α, sin α)i = cos α + sin α
que no coincide con lo obtenido en el primer apartado.
También podrı́a hacerse a partir de la definición estudiando el lı́mite:
∂f ∂f
f (∆x, ∆y) − f (0, 0) − (0, 0)∆x − (0, 0)∆y
∂x ∂y
lı́m p
(∆x,∆y)→(0,0) (∆x)2 + (∆y)2 .
Notas:
45
Capı́tulo 1 Funciones de varias variables
Definición 16 Diferenciabilidad
Sea w = f (x, y, z) definida en una bola abierta B que con-
tiene a (x0 , y0 , z0 ) y donde existen fx (x0 , y0 , z0 ), fy (x0 , y0 , z0 ) y
fz (x0 , y0 , z0 ). Sea dw la diferencial total de w en (x0 , y0 , z0 ), y sea
∆w = f (x0 + dx, y0 + dy, z0 + dz) − f (x0 , y0 , z0 ) y Ex , Ey y Ez
funciones de dx, dy y dz tales que
∆w = dw + Ex dx + Ey dy + Ez dz.
∆w = dw + Ex dx + Ey dy + Ez dz.
1. f es diferenciable en (x0 , y0 , z0 ) si, dado > 0, existe δ > 0
tal que si || hdx, dy, dzi || < δ, entonces || hEx , Ey , Ez i || < .
2. f es diferenciable en B si f es diferenciable en cada punto
de B. Si f es diferenciable en R3 , diremos que f es diferen-
ciable.
Notas:
46
1.4 Diferenciabilidad y la diferencial total
siendo cada uno de los enunciados recı́procos, en general, falsos, como hemos mostrado
a través de los anteriores ejemplos.
Notas:
47
Ejercicios 1.4
Términos y conceptos 14. Balı́stica: El desplazamiento x de un proyectil viene
dado por x(θ, v0 , t) = (v0 cos θ)t. Si se dispara un pro-
yectil con velocidad inicial de v0 = 250m/s y un ángulo
1. T/F: Si f (x, y) es diferenciable en S, f es continua en
de elevación θ = 60◦ . Se sabe que ha recorrido una
S.
distancia de 375m en 3 segundos.
2. T/F: Si fx y fy son continuas en S, entonces f es di- ¿ Es el proyectil más sensible a la velocidad inicial o al
ferenciable en S. ángulo de elevación?
3. T/F: Si z = f (x, y) es diferenciable, entonces el cambio 15. Se quiere aproximar la altura ` de una pared. El ángulo
en z, bajo cambios pequeños de over dx y dy, en x e y θ, se muestra en el diagrama (no está a escala), mide
es aproximadamente dz. 85◦ , y la distancia x es de 30 metros. Suponiendo que
forman un triángulo rectángulo.
4. Completa la frase: “En una aproximación, el nuevo valor
de z se obtiene sumando al antiguo la .” ¿Es el error cometido al medir la altura ` más sensible
a la distancia x o al ángulo θ?
Problemas ` =?
5. z = x sin y + x2
16. Es de “sentido común” que es mejor medir una longitud
6. z = (2x2 + 3y)2 grande con un instrumento largo que con uno corto. La
distancia medida D se puede ver como el producto de la
longitud ` del instrumento multiplicado por las veces n
7. z = 5x − 7y que se ha necesitado. Por ejemplo, si usamos una regla
de 3 cm diez veces una detrs de otra “mediremos” una
8. z = xex+y longitud de 30 cm. Para medir la misma longitud con
una regla de 12 necesitaremos usar la regla 2.5 veces. (
es decir, 30 = 12 × 2,5.) Thus D = n`.
En los Ejercicios 9 – 12, se da la función z = f (x, y).
Calcular la aproximación pedida utilizando la difrencial
Supongamos que cada vez que se toma una medicin con
total.
la regla, la longitud que medimos est a menos de 1/16
p mm de la distancia real. (Es decir, d` = 1/16mm ≈
9. f (x, y) = x2 + y. Aproximar f (2,95, 7,1) sabiendo 0, 005 mm). Usando la diferencial demuestre que el
que f (3, 7) = 4. “sentido común” está en lo cierto, es decir, que es mejor
medir largas longitudes con una regla larga que con una
corta.
10. f (x, y) = sin x cos y. Aproximar f (0,1, −0,1) sabiendo
que f (0, 0) = 0.
En los Ejercicios 17 – 18, calcular la diferencial total
2 2 dw.
11. f (x, y) = x y − xy . Aproximar f (2,04, 3,06) sabiendo
que f (2, 3) = −6.
17. w = x2 yz 3
12. f (x, y) = ln(x − y). Aproximar f (5,1, 3,98) sabiendo
que f (5, 4) = 0. 18. w = ex sin y ln z
Los Ejercicios 13 – 16 estań relacionados con cuestiones En los Ejercicios 19 – 21, utilice la informacin proporcio-
sobre el error y el análisis de sensibilidad. nada y el diferencial total para calcular la aproximacin
dada.
13. Un tanque cilı́ndrico tiene un radio de 1 metro y 2 me-
tros de alto. Estudiar si el volumen es más sensible a los 19. f (3, 1) = 7, fx (3, 1) = 9, fy (3, 1) = −2. Approximar
cambios de radio o de altura. f (3,05, 0,9).
48
20. f (−4, 2) = 13, fx (−4, 2) = 2,6, fy (−4, 2) = 5,1. fz (2, 4, 5) = 3,7. Aproximar f (2,5, 4,1, 4,8).
Approximar f (−4,12, 2,07).
22. f (3, 3, 3) = 5, fx (3, 3, 3) = 2, fy (3, 3, 3) = 0,
21. f (2, 4, 5) = −1, fx (2, 4, 5) = 2, fy (2, 4, 5) = −3, fz (3, 3, 3) = −2. Aproximar f (3,1, 3,1, 3,1).
49
Capı́tulo 1 Funciones de varias variables
Esquemáticamente
x t
z
y t
Notas:
50
1.5 Regla de la cadena
Notas:
51
Capı́tulo 1 Funciones de varias variables
Solución Calculamos
dx dy
fx (x, y) = 2x − y, fy (x, y) = 2y − x, = − sin t, = cos t.
dt dt
Combinando estas expresiones con la regla de la cadena obtenemos:
dz
= −(2x − y) sin t + (2y − x) cos t.
dt
dz
Cuando t = 0, x = 1 e y = 0. Ası́ = −(2)(0) + (−1)(1) = −1. Cuando
dt
t = 0, la partı́cula desciende, como muestra la Figura 1.15.
Para calcular los valores máximo y mı́nimo en la trayectoria de la partı́cula,
resolvemos dz
dt = 0 en t:
dz
= 0 = −(2x − y) sin t + (2y − x) cos t
dt
0 = −(2 cos t − sin t) sin t + (2 sin t − cos t) cos t
π
0 = sin2 t − cos2 t =⇒ t = n (para n impar)
4
De aquı́ obtenemos que en el intervalo [0, 2π], z alcanza el mı́nimo absolu-
to en t = π/4 y 5π/4. De igual forma obtenemos que el máximo absoluto
Figura 1.15: Trayectoria de la se alcanza en el tiempo t = 3π/4 y 7π/4, como se muestra en la Figura
partı́cula en el Ejemplo 36.
1.15.
Notas:
52
1.5 Regla de la cadena
dz ∂z dx ∂z dy
Solución = · + · = (2x)(6) + (3)(2t) = 12x + 6t.
dt ∂x dt ∂y dt
El resultado se puede dejar ası́ o bien hacer la sustitución x = 6t, con lo
cual queda
dz
= 12x + 6t = 12(6t) + 6t = 72t + 6t = 78t.
dt
Esquemáticamente:
Notas:
53
Capı́tulo 1 Funciones de varias variables
r
x
s
z
r
y
s
∂f ∂f ∂x ∂x ∂y ∂y
= 2xy + 1, = x2 , = 2s, = 3, = 2, = −1.
∂x ∂y ∂s ∂t ∂s ∂t
Ası́
∂z
= (2xy + 1)(2s) + (x2 )(2) = 4xys + 2s + 2x2 , y
∂s
∂z
= (2xy + 1)(3) + (x2 )(−1) = 6xy − x2 + 3.
∂t
Cuando s = 1 y t = 2, x = 7 y y = 0, con lo que
∂z ∂z
= 100 y = −46.
∂s ∂t
∂f ∂f ∂f ∂x ∂y ∂z
= y, = x, = 2z, = 2tes , = cos s, = s cos t.
∂x ∂y ∂z ∂t ∂t ∂t
∂w
Ası́ = y(2tes ) + x(cos s) + 2z(s cos t). Cuando s = 0 y t = π, tenemos
∂t
x = π 2 , y = π y z = 0. Ası́
∂w
= π(2π) + π 2 = 3π 2 .
∂t
Notas:
54
1.5 Regla de la cadena
Ejemplo 40 Regla
de la cadena multivariada
2 ∂z ∂z
x = r s
Si z = 8x + y 2 , donde calcular y .
y = 3r − 5s ∂r ∂s
Solución
∂z ∂z ∂x ∂z ∂y
= · + · = (8) (2rs) + (2y) (3) = 16rs + 6y
∂r ∂x ∂r ∂y ∂r
∂z ∂z ∂x ∂z ∂y
= · + · = (8) (r2 ) + (2y) (−5) = 8r2 − 10y
∂s ∂x ∂s ∂y ∂s
Diferenciación implı́cita
dy
Estudiamos ahora cómo hallar cuando y es función implı́cita de x.
dx
Consideremos, por ejemplo, la función
x2 y − xy 3 = 3.
dy
Vamos a calcular :
dx
d 2 d dy dy
x y − xy 3 = ⇒ 2xy + x2 − y 3 − 3xy 2
3 =0
dx dx dx dx
dy 2xy − y 3
=− 2 . (1.2)
dx x − 3xy 2
Notas:
55
Capı́tulo 1 Funciones de varias variables
dy
Observemos que la expresión en la ecuación (1.2) es justo la derivada
dx
parcial de z con respecto a x, dividida por la derivada parcial de z con
respecto a y. Este hecho sucede siempre y lo plasmamos en el siguiente
resultado:
dy fx (x, y)
=− .
dx fy (x, y)
por tanto
dy 2xy 2 cos(x2 y 2 ) − 1
=− 2 .
dx 2x y cos(x2 y 2 ) − 1
Notas:
56
Ejercicios 1.5
Términos y conceptos donde dz
dt
= 0. Nota: son las misma curvas/superficies
que las de los Ejercicios 6 – 11.
1. Sea una curva de nivel de z = f (x, y) descrita en el
forma x = g(t), y = h(t). Explicar el motivo por el que 12. z = 3x + 4y, x = t2 , y = 2t
dz
dt
= 0.
13. z = x2 − y 2 , x = t, y = t2 − 1
2. Rellenar: la regla de la cadena en una variable establece
d
f g(x) = f 0 g(x) ·
que .
dx 14. z = 5x + 2y, x = 2 cos t + 1, y = sin t − 3
57
dz ∂z ∂z ∂z ∂z
En los Ejercicios 26 – 29, obtener ,o y , con 28. = −4, = 9,
dt ∂s ∂t ∂x ∂y
la información proporcionada. ∂x ∂x ∂y ∂y
= 5, = 7, = −2, =6
∂s ∂t ∂s ∂t
∂z ∂z dx dy
26. = 2, = 1, = 4, = −5
∂x ∂y dt dt ∂z ∂z
29. = 2, = 1,
∂x ∂y
∂z ∂z dx dy ∂x ∂x ∂y ∂y
27. = 1, = −3, = 6, =2 = −2, = 3, = 2, = −1
∂x ∂y dt dt ∂s ∂t ∂s ∂t
58
1.6 Derivada direccional
Las derivadas parciales nos dan una comprensión de cómo una super-
ficie cambia cuando nos movemos en las direcciones x e y. Hicimos la
comparación en un prado: si nos dirigı́amos hacia el este, la cantidad de
ascenso/descenso era comparable a fx .
Asimismo, la subida/caı́da en el movimiento hacia el norte era compa-
rable a fy . Cuanto más pronunciada era la pendiente, mayor será fy en
magnitud.
Pero ¿qué pasa si nos movemos al noreste y queremos medir la cantidad
de subida/descenso? Las derivadas parciales por sı́ solas no pueden medir
esto. En esta sección introducimos las derivadas direccionales, que son
capaces de medir este hecho.
Notas:
59
Capı́tulo 1 Funciones de varias variables
2. Derivada direccional
en √ √ h2, −1i. Calculamos el vector
la dirección
unitario que es ~u2 = 2/ 5, −1/ 5 . La derivada direccional de f
en (1, 2) en la dirección ~u2 es
√ √
D~u2 f (1, 2) = −2(2/ 5) + (−4)(−1/ 5) = 0.
Notas:
60
1.6 Derivada direccional
Definición 18 Gradiente
Si z = f (x, y) es diferenciable en un abierto S y (x0 , y0 ) ∈ S,
entonces
1. El gradiente de f es ∇f (x, y) = hfx (x, y), fy (x, y)i.
2. El gradiente de f en (x0 , y0 ) es
D~u f = ∇f · ~u.
Notas:
61
Capı́tulo 1 Funciones de varias variables
Notas:
62
1.6 Derivada direccional
Ejemplo 44 Significado de ∇f = ~0
Sea f (x, y) = −x + 2x − y 2 + 2y + 1. Hallar la derivada direccional de f,
2
Notas:
63
Capı́tulo 1 Funciones de varias variables
Esto implica
dx dy
(a) −2cx = y − 4cy = , es decir
dt dt
y 1 dx 1 dy
c=− y c=− .
2x dt 4y dt
2
Con la misma c en ambas expresiones, tenemos que
1 dx 1 dy
= .
x 2x dt 4y dt
−4 −2 2 4
Para encontrar la relación entres x e y, podemos integrar en ambos lados
−2 dx
con respecto a t. Como dt = dx tenemos que
dt
. Z Z Z Z
(b) 1 dx 1 dy 1 1
dt = dt ⇒ dx = dy ⇒ ln |x2 | = ln |y| + C1 .
2x dt 4y dt 2x 4y
Figura 1.19: Gráfico de la superficie
descrita en el Ejemplo 45 a lo largo Ahora tomando exponenciales se llega a que
del camino en el plano x-y plane con
las curvas de nivel. Cx2 = y.
Notas:
64
1.6 Derivada direccional
D~u F = ∇F · ~u.
Notas:
65
Capı́tulo 1 Funciones de varias variables
k
para alguna constante k.
x2 + y2 + z2
Sea k = 1, sea ~u = h2/3, 2/3, 1/3i un vector unitario, y sea P = (2, 5, 3).
Encontrar la derivada direccional de I en P en la dirección de ~u, y encon-
trar la dirección de máximo crecimiento en P .
Solución
−2x −2y −2z
∇I = , ,
(x2 + y 2 + z 2 )2 (x2 + y 2 + z 2 )2 (x2 + y 2 + z 2 )2
−4 −10 −6
∇I(2, 5, 3) = , , ≈ h−0,003, −0,007, −0,004i
1444 1444 1444
17
D~u I = ∇I(2, 5, 3) · ~u = − ≈ −0,0078.
2166
Notas:
66
Ejercicios 1.6
Términos y conceptos 1
15. f (x, y) = , P = (1, 1).
x2 + y 2 + 1
a) In the direction of ~v = h1, −1i.
1. What is the difference between a directional derivative
b) In the direction toward the point Q = (−2, −2).
and a partial derivative?
In Exercises 7 – 12, a function z = f (x, y) is given. Find (b) What is the maximal value of Du~ f at P ?
∇f . (c) Find the direction of minimal increase of f at P .
(d) Give a direction ~
u such that Du~ f = 0 at P .
7. f (x, y) = −x2 y + xy 2 + xy
Note: these are the same functions and points as in
Exercises 13 through 18.
8. f (x, y) = sin x cos y
1
11. f (x, y) = x2 + 2y 2 − xy − 7x 21. f (x, y) = , P = (1, 1).
x2 + y 2 + 1
In Exercises 13 – 18, a function z = f (x, y) and a point 23. f (x, y) = x2 + 2y 2 − xy − 7x, P = (4, 1)
P are given. Find the directional derivative of f in the
indicated directions. Note: these are the same functions
as in Exercises 7 through 12. 24. f (x, y) = x2 y 3 − 2x, P = (1, 1)
13. f (x, y) = −x2 y + xy 2 + xy, P = (2, 1) In Exercises 25 – 28, a function w = F (x, y, z), a vector
a) In the direction of ~v = h3, 4i ~v and a point P are given.
b) In the direction toward the point Q = (1, −1).
(a) Find ∇F (x, y, z).
π π (b) Find Du~ F at P .
14. f (x, y) = sin x cos y, P = ,
4 3
a) In the direction of ~v = h1, 1i. 25. F (x, y, z) = 3x2 z 3 + 4xy − 3z 2 , ~v = h1, 1, 1i, P =
b) In the direction toward the point Q = (0, 0). (3, 2, 1)
67
26. F (x, y, z) = sin(x) cos(y)ez , ~v = h2, 2, 1i, P = (1, 0, −1)
(0, 0, 0)
2
28. F (x, y, z) = , ~v = h1, 1, −2i, P =
x2 + y 2 + z 2
27. F (x, y, z) = x2 y 2 − y 2 z 2 , ~v = h−1, 7, 3i, P = (1, 1, 1)
68
2: Optimización
2.1. Introducción a la optimización
En la Teorı́a de Optimización la mayorı́a de los problemas que se plantean
tienen una estructura lógica común. La idea que subyace en ellos es la de
encontrar la mejor decisión posible en unas circunstancias dadas.
Como ejemplos podemos citar:
Minimizar una distancia.
Calcular los estimadores de máxima verosimilitud.
Maximizar beneficios determinando las cantidades de factores pro-
ductivos para ello.
Un consumidor que debe decidir qué cantidades comprar de varios
bienes de consumo a fin de minimizar los costes sin superar su pre-
supuesto.
De hecho, muchos definen la Economı́a como la ciencia que estudia “la
utilización óptima de recursos escasos.”
La búsqueda de soluciones óptimas a diversos problemas ha preocupado
al hombre en todas las épocas. Euclı́des, matemático griego del siglo III a.
C., describió cómo encontrar el paralelogramo de superficie máxima con
un perı́metro dado.
Sin embargo, los métodos de resolución para este tipo de problemas no
fueron desarrollados hasta los siglos XVII y XVIII mediante las poderosas
técnicas que proporcionó el Cálculo Diferencial.
Ante cualquier problema de optimización, lo lógico es plantearse ciertas
cuestiones como
1. Cuáles son las variables sobre las que tenemos que decidir. A éstas
nos referiremos como variables de decisión.
2. Cuáles son los valores posibles de las variables de decisión, que cons-
tituirán el denominado conjunto de oportunidades o también con-
junto admisible.
3. Qué criterio nos permitirá elegir la mejor opción de acuerdo con el
objetivo que se pretenda alcanzar, esto es, la elección de la función
objetivo.
Capı́tulo 2 Optimización
Optimizar f (x)
s.a. x ∈ B.
Notas:
70
2.2 Formulación de programas matemáticos
Optimizar x + y
s.a. (x, y) ∈ B
donde B = {(1, 0), (0, 1), (−1, 3), (1, 2), (2, 1)}.
Notas:
71
Capı́tulo 2 Optimización
Q(x, y) = xa y 1−a
A B C
M1 2 2 1
M2 4 1 2
M3 1 4 6
Notas:
72
2.3 Teorema de Weierstrass
(100, 30)
Solución
Si el punto del mapa donde se instalará la bodega tiene coordenadas (x, y),
deberá minimizar la distancia a todos los locales. Por tanto, el problema x
pedido es (0, 0)
p p p
Minimizar x2 + y 2 + (x − 30)2 + (y − 50)2 + (x − 100)2 + (y − 30)2 . Figura 2.1: Posición de puntos en el
Ejemplo 50
En la Figura 2.1 se observa la configuración de los puntos.
Notas:
73
Capı́tulo 2 Optimización
f (x) ≤ f (a)
f (x) ≥ f (a)
Notas:
74
2.3 Teorema de Weierstrass
Los máximos y los mı́nimos de una función pueden relacionarse como sigue
Es importante notar que un programa matemático puede no poseer solu- Figura 2.2: Extremos en una variable
ción óptima, bien porque la función no esté acotada en la región factible
o bien porque, aunque esté acotada, simplemente no alcanza máximo o
mı́nimo. Por ejemplo, la función f (x) = e−x está acotada en [0, +∞), su
valor máximo es 1 y se alcanza en x = 0 pero no alcanza valor mı́nimo. La
función f (x) = x3 no está acotada en Rn y no alcanza mı́nimo ni máximo
global.
Es, por tanto, primordial garantizar que existe solución para un problema
de optimización. El siguiente teorema nos muestra que, bajo determinadas
condiciones sobre el dominio y la función, sı́ podemos asegurar la existencia
de extremos globales.
Notas:
75
Capı́tulo 2 Optimización
Maximizar 2x + y
s.a. e x + x4 ≤ 5
x, y ≥ 0
Notas:
76
2.4 El método gráfico
Ck = {x ∈ A : f (x) = k}.
k1 6= k2 =⇒ Ck1 ∩ Ck2 = ∅.
Notas:
77
Capı́tulo 2 Optimización
Ck = {(x, y) : x2 + y 2 = k}.
√
y Para k > 0, se trata de una circunferencia de centro (0, 0) y radio r = k.
k=4 Cuando k = 0, el conjunto de nivel está formado sólo por el punto (0, 0).
Para k < 0 el conjunto de nivel k es claramente vacı́o.
Ck = {(x, y) : x − y 2 = k},
Figura 2.4: Curvas de nivel del Ejem- cuyas gráficas para cada k son parábolas Las representamos en la Figura
plo 53 . 2.5
k = −1
3
k=
k=
k=
y
Sea un abierto A ⊂ Rn y una función de clase C 1 ,
x f : A → R.
Notas:
78
2.4 El método gráfico
Notas:
79
Capı́tulo 2 Optimización
Optimizar 2x + y
s.a. x+y ≤3
−x + y ≤ 3
x≤2
y ≥ −2
Notas:
80
2.4 El método gráfico
y su valor en él es
f (−5, −2) = 2(−5) − 2 = −12.
x
y
+
y
El último punto en el que las curvas tocan a la región factible es el punto (0, 3)
=
3 3
(2, 1). En este punto se alcanza el máximo con valor f (2, 1) = 2(2)+1 = 5.
=
(2, 1)
y
+
x
x
−
2.4.1. Condiciones de tangencia (−5, −2) (2, −2)
En la mayorı́a de los problemas de optimización la resolución mediante el Figura 2.6: Region factible del Ejem-
método gráfico no es tan simple como en el ejemplo anterior. En general, plo 55
no se puede determinar a simple vista, como en los programas lineales, la
ubicación de los puntos óptimos puesto que las curvas de nivel o la frontera
del conjunto no son rectas o segmentos.
Normalmente, la solución del problema se alcanza en un punto del conjunto
2x
2x
2x
2x
2x
factible en que la curva de nivel óptimo y una de las curvas que definen la
+
y=
y=
y=
y=
y=
frontera de la región factible son tangentes. Esta condición de tangencia
−1
−8
−4
5
de ambas curvas se expresa matemáticamente por la condición de que los
x
2
respectivos vectores gradientes sean proporcionales.
Por ejemplo, en el programa
−→ k y
Optimizar f (x1 , x2 )
Figura 2.7: Curvas de nivel del Ejem-
s.a. g(x1 , x2 ) ≤ 0 plo 55
Optimizar f (x1 , x2 )
s.a. g1 (x1 , x2 ) ≤ 0
···
gn (x1 , x2 ) ≤ 0
Notas:
81
Capı́tulo 2 Optimización
(2, 2) Solución Podemos observar que las curvas de nivel son las circunfe-
P
rencias centradas en el punto (2, 2) que tienen por ecuación
(x − 2)2 + (y − 2)2 = k.
x La región factible es el polı́gono limitado por las rectas
x+y =3
x = 0, y = 0, x + y = 3
representado en la Figura 2.8.
Figura 2.8: Gráfica del Ejemplo 56.
El primer punto donde las curvas de nivel tocan a la región factible, P, no
es un vértice y por tanto, no podemos hallar sus coordenadas mediante la
intersección de dos lı́neas.
Como muesta la figura anterior, el punto P es un punto de tangencia entre
la curva de nivel mı́nimo que toca al conjunto y la recta x + y = 3.
La condición a imponer es que el gradiente de la función f (x, y) y el de la
función g(x, y) = x + y son proporcionales. Como
∇f (x, y) = (2(x − 2), 2(y − 2)) ,
∇g(x, y) = (1, 1) ,
en el punto de tangencia se tiene que
2(x − 2) 2(y − 2)
= ⇒ 2(x − 2) = 2(y − 2) ⇒ x = y.
1 1
Notas:
82
2.4 El método gráfico
Ası́ P es el punto de la recta que cumple esta condición. Por tanto, debe
satisfacer
x+y =3 3 3
⇒ 2y = 3 ⇒ y = ⇒ x= .
x=y 2 2
3 3
El mı́nimo global se alcanza en P = , y
2 2
2 2
3 3 3 3 1
f , = −2 + −2 = .
2 2 2 2 2
Optimizar 2x + y
s.a. −x2 + 4x − y ≤ 0
3x + 5y ≤ 18
x, y ≥ 0.
2x + y = k
Notas:
83
Capı́tulo 2 Optimización
cuyas gráficas pasan por el punto (0, k).
18 y
0,
5 De la figura, se deduce que la primera curva de nivel que toca a la región
factible es la de nivel 0. El mı́nimo del programa, es el punto (0, 0), lo
cual era de esperar puesto que la región factible se encuentra en el primer
cuadrante y la función objetivo toma siempre valores no negativos en el
primer cuadrante. El valor en el mı́nimo es 0.
En cuanto al máximo del programa observamos que se alcanza en el punto
1 2 3 4 5 6x
(6, 0) y su valor en él es 12.
k=
k=
k=
0
En los capı́tulos anteriores hemos estudiado programas en los que las varia-
bles están sometidas a una serie de restricciones. En éste vamos a abordar
los llamados programas sin restricciones. En ellos, las variables de decisión
pueden tomar cualquier valor dentro del dominio de la función objetivo.
Esto podrı́a sugerir que este tipo de problemas carece de interés pues nor-
malmente las variables han de verificar alguna restricción, por ejemplo,
en un problema de planificación de la producción, la cantidad vendida
de un bien no puede superar a la cantidad disponible. Sin embargo, este
tipo de problemas aparecen frecuentemente de forma natural en diversos
campos de la ciencia como en Estadı́stica, en el ajuste de datos por mı́ni-
mos cuadrados, en Econometrı́a al calcular los estimadores de máxima
verosimilitud, en Geometrı́a, al minimizar la distancia entre dos puntos,
etc.
Destacamos también que algunos programas con restricciones de igualdad
son equivalentes a programas sin restricciones. Esto ocurre cuando las res-
tricciones permiten despejar algunas variables de decisión en función de
las otras.
Además, en ocasiones es posible abordar la resolución de un programa con
restricciones con las técnicas propias de los programas sin restricciones,
imponiendo a posteriori las restricciones para dar sentido económico o
geométrico a las soluciones.
En general, la localización de los óptimos locales de una función no será
posible sólo a partir de su definición. En este capı́tulo estableceremos cri-
Notas:
84
2.6 Formulación de los programas sin restricciones
Notas:
85
Capı́tulo 2 Optimización
x2 (L − x)2
Minimizar +
16 4π
s.a. 0 ≤ x ≤ L.
Solución
La distancia entre dos puntos (x0 , y0 ) y (x1 , y1 ) del plano se calcula me-
diante la fórmula p
(x1 − x0 )2 + (y1 − y0 )2 .
Como uno de ellos pertenece a la gráfica de f, tendrá coordenadas (x, x2 ).
El otro, tendrá coordenadas genéricas (u, u − 5) por pertenecer a la recta.
Ası́, el problema a resolver es:
p
Minimizar (x − u)2 + (x2 − (u − 5))2
s.a. (x, u) ∈ R2 .
Notas:
86
2.7 Condición necesaria de primer orden de extremo local
Solución
Notas:
87
Capı́tulo 2 Optimización
Notas:
88
2.7 Condición necesaria de primer orden de extremo local
f (x, y) = x2 + 3xy − y 2 .
de donde x = y = 0.
Notas:
89
Capı́tulo 2 Optimización
Proposición 4 Condición
Sean f : A −→ R y g : R −→ R diferenciables en a y b = f (a)
respectivamente, con A ⊂ Rn . Si g 0 (b) 6= 0 entonces a es punto
crı́tico de g ◦ f si y sólo si a es punto crı́tico de f.
Proposición 5 Condición
Sean f : A −→ R y g : R −→ R estrictamente creciente, entonces a
es mı́nimo local o global (máximo local o global) de f si, y sólo si,
a es mı́nimo local o global (máximo local o global) de g ◦ f.
Ejemplo 63 Composición
2 2
Calcular los extremos de h(x, y) = ex +y
2 2
Solución La función h(x, y) = ex +y es composición de dos funcio-
nes. Una de ellas es f (x, y) = x2 + y 2 y la otra es g(u) = eu .
Dada una función diferenciable, una vez determinados sus puntos crı́ticos
es natural plantearse cómo averiguar si éstos son realmente óptimos locales
o globales de la misma. Para dilucidar si un determinado punto crı́tico es o
no un óptimo de una función son de gran utilidad sus derivadas de segundo
orden como muestra la siguiente proposición.
Notas:
90
2.8 Condiciones de segundo orden
Los dos métodos más conocidos para estudiar tal signo son el de los valores
propios y el de menores principales, que han sido expuestos en el Capı́tulo
1.
Notas:
91
Capı́tulo 2 Optimización
f (x, y) = x2 y + x3 − x2 + y 2
x2 + 2y = 0.
Puede verse que de los puntos dados, los que satisfacen estas dos ecuaciones
son (0, 0) y (2, −2). Luego (1, 1) no es punto crı́tico.
Es más, si resolvemos el sistema de ecuaciones, despejando en la segunda
ecuación 2y = −x2 y sustituyendo en la primera nos quedarı́a
x3 + 3x2 − 2x = 0
cuyas soluciones
son x = 0, 1, 2. Por tanto, los puntos crı́ticos de f son
1
(0, 0), 1, − y (2, −2).
2
Para clasificar dichos puntos aplicaremos la condición suficiente de extre-
mo local. Para ello, calculamos la matriz hessiana
2y + 6x − 2 2x
Hess f (x, y) = .
2x 2
Evaluamos dicha matriz en cada punto crı́tico.
En (0, 0),
−2 0
Hess f (0, 0) = .
0 2
Se trata de una matriz indefinida, por tanto, (0, 0) es un punto de silla.
1
En 1, − ,
2
1 3 2
Hess f 1, − =
2 2 2
que es
una matriz
definida positiva ya que H1 = 3 > 0, H2 = 2 > 0. Por
1
lo que 1, − es un mı́nimo local.
2
Notas:
92
2.9 Extremos globales
En (2, −2)
6 4
Hess f (2, −2) = ,
4 2
es una matriz indefinida ya que H1 = 6 > 0, H2 = −4 < 0. De donde
(2, −2) es un punto de silla.
1
Esta función tiene un único mı́nimo local en 1, − , pero no es mı́nimo
2
global ya que existen puntos donde la función toma un valor menor. Por
ejemplo
1 1
f (−2, 0) = −12 < f (1, − ) = − .
2 4
Además f (x, 0) = x3 − x2 de donde deducimos que cuando x → −∞ los
valores de la función tienden a −∞, esto es, no está acotada inferiormente.
En definitiva, esta función no posee extremos globales.
Notas:
93
Capı́tulo 2 Optimización
Nótese que el teorema no asegura que una función convexa siempre posea
un mı́nimo global. Pero sı́ garantiza que todos los mı́nimos locales son
globales, lo que es un paso importante.
Aunque se trata de un teorema importante señalamos que a menudo po-
demos encontrar ejemplos que ponen de manifiesto lo restrictivo de sus
hipótesis, ya que no sólo exige que la función objetivo sea convexa y el do-
minio convexo, sino que además previamente se han tenido que localizar
los mı́nimos locales. En caso de que la función sea convexa y diferenciable
en un dominio abierto y convexo, este resultado es mejorado y lo único
que se exige a un punto para ser mı́nimo global es que sea punto crı́tico.
Proposición 8 Condición
n
Sea A ⊂ R abierto, convexo y f : A −→ R una función de clase
C 1 y convexa (cóncava) en A. Se verifica que:
a ∈ A es punto crı́tico de f ⇐⇒ a es mı́nimo (máximo) global.
Notas:
94
2.9 Extremos globales
de donde x = y = 1.
La matriz hessiana en dicho punto tiene como menores H1 = H2 = 0, ası́
que el criterio de los menores principales no decide. Sin embargo, adverti-
mos que la función es no negativa y que f (1, 1) = 0, de donde deducimos
que (1, 1) es mı́nimo global. También se verifica que f es convexa, ya que
su matriz hessiana
12(x − y)2
0
Hess f (x, y) =
0 12(y − 1)2
Ejemplo 66
Comprobar que la función f (x, y) = x2 y 2 tiene como puntos crı́ticos a
los puntos (x, 0), (0, y) con x, y ∈ R y estudiar si son extremos locales o
globales.
2y 2
4xy
Hess f (x, y) = ,
4xy 2x2
Notas:
95
Capı́tulo 2 Optimización
Ejemplo 67
Determinar los extremos locales de la función
f (x, y) = x4 + 8x2 + y 2 − 4y − 2x.
Ejemplo 68
Resolver el programa
Notas:
96
2.9 Extremos globales
10
La solución del mismo es q1 = 4, q2 = 2, q3 = y tiene sentido
3
económico (las tres componentes son positivas).
Para dilucidar si es extremo o punto de silla, recurriremos a la matriz
hessiana,
−2 −2 0
Hess f (q1 , q2 , q3 ) = −2 −4 0 ,
0 0 −6
que es una matriz constante. Sus menores principales son
H1 = −2, H2 = 4, H3 = −24.
Deducimos que esta función es cóncava, al ser la matriz hessiana defi-
nida
negativa,
y por la Proposición 6 aseguramos que el punto crı́tico
10
4, 2, es máximo global en R3 . En particular, este punto crı́tico tam-
3
bién es máximo global en el conjunto formado por los puntos que cumplen
las restricciones de no negatividad.
Ejemplo 69
La función de costes totales de un monopolista que produce dos bienes es
C(q1 , q2 ) = q12 − 4q2 + 90
donde q1 , q2 representan las cantidades producidas de dichos bienes. Su-
pongamos que las demandas a las que se enfrenta la empresa son las si-
guientes:
q1 = 680 − 5p1 − 3p2
q2 = 430 − 3p1 − 2p2
Notas:
97
Capı́tulo 2 Optimización
H1 = −6, H2 = 24.
Notas:
98
2.9 Extremos globales
Ejemplo 70
Una fábrica produce un único bien a partir de tres factores, siendo el
beneficio obtenido por la empresa de
1
B(x, y, z) = x3 − y 2 + z + 10
2
millones de u.m. donde x, y, z representa el número de toneladas de las
tres materias primas utilizadas en el proceso de producción. La empresa
tiene un contrato con el proveedor que le obliga a consumir exactamente
dos toneladas al mes de la primera materia prima y a que las cantidades
consumidas de las otras dos sean iguales. Hállese la cantidad de cada input
que maximiza el beneficio.
1
Maximizar F (y) = 8 − y 2 + y + 10
2
Calculando los puntos crı́ticos de esta función,
F 0 (y) = −y + 1 = 0
Notas:
99
Capı́tulo 2 Optimización
2.10. Introducción
Notas:
100
2.11 Método de sustitución
x1 = h1 (xm+1 , xm+2 , . . . , xn )
x2 = h2 (xm+1 , xm+2 , . . . , xn )
..
.
xm = hm (xm+1 , xm+2 , . . . , xn ).
Notas:
101
Capı́tulo 2 Optimización
5 1
Resolviendo este programa, la solución es x = , y = − y la distancia
r 2 2
9
mı́nima es de unidades.
2
Maximizar z
s.a. x2 + y 2 + z 2 = 60
2x + y − z = 0.
Maximizar 2x + y
s.a. x2 + y 2 + (2x + y)2 = 60.
Notas:
102
2.12 Condiciones necesarias de extremo local
Se considera el programa
Optimizar f (x)
s.a. g1 (x) = 0,
g2 (x) = 0, (2.1)
..
.
gm (x) = 0,
B = {x ∈ A : gi (x) = 0, i = 1, . . . , m} .
rango(Jg(a)) = m.
B = (x, y) : x2 + y 2 = 1 .
Notas:
103
Capı́tulo 2 Optimización
Al igual que en los programas sin restricciones, nos interesa saber qué
requisitos debe cumplir un punto del conjunto factible para ser extremo
local del programa. El siguiente teorema proporciona tal condición.
Notas:
104
2.12 Condiciones necesarias de extremo local
∇f (a) = λ∇g(a).
Minimizar x + y + x2 + y 2 + z 2
s.a. x2 + y 2 = 1
x = 1.
f (1, 0, z) = 2 + z 2 .
∇f (1, 0, 0) = (3, 1, 0), ∇g1 (1, 0, 0) = (2, 0, 0), ∇g2 (1, 0, 0) = (1, 0, 0),
Notas:
105
Capı́tulo 2 Optimización
Del Teorema de Lagrange deducimos que los posibles óptimos locales del
programa inicial se encuentran entre los siguientes puntos del conjunto de
restricciones:
Puntos que no cumplen la condición de regularidad.
Puntos que cumplen la condición de regularidad y son puntos esta-
cionarios del programa.
Para la obtención de tales puntos utilizaremos una nueva función definida
a partir de la función objetivo y de las funciones restricciones.
Maximizar 5−x−y
s.a. x2 + y 2 = 4.
Notas:
106
2.13 Condiciones suficientes de extremo local
Notas:
107
Capı́tulo 2 Optimización
∂g ∂g ∂g
0
∂x ∂y ∂z
2 2 2
∂g
∂ L ∂ L ∂ L
∂x ∂x 2 ∂x∂y ∂x∂z
Hess(x, y, z, λ) =
∂g ∂2L ∂2L ∂2L
∂y ∂y∂x
∂y 2 ∂y∂z
2
∂g ∂ L ∂2L ∂2L
∂z ∂z∂x ∂z∂y ∂z 2
Notas:
108
2.13 Condiciones suficientes de extremo local
Maximizar U (x, y) = x y
s.a. 3x + 2y = 24
Notas:
109
Capı́tulo 2 Optimización
Ası́ que esta función presenta un máximo local en el punto (x, y) = (4, 6).
Si este máximo es global o no, no está garantizado con este procedimiento.
Teorema de Weierstrass
Maximizar 5−x−y
s.a. x2 + y 2 = 4
Notas:
110
2.14 Condición suficiente de extremo global
√ √ √ √
y deducimos que ( 2, 2) es el mı́nimo global y que (− 2, − 2) es el
máximo global del programa, como se ilustra en la figura anterior.
2.14.1. Convexidad
Proposición 10 Convexidad
Si las funciones gi , i = 1, 2, . . . , m son lineales y la función objetivo
f es convexa (cóncava) entonces todos los puntos estacionarios del
programa son mı́nimos globales (máximos globales) del programa.
Maximizar 2 ln x + 2 ln y
s.a. x + 2y = 18
x, y > 0.
Notas:
111
Capı́tulo 2 Optimización
Notas:
112
2.14 Condición suficiente de extremo global
6y + 4x − λxy = 0
xyz − 96 = 0.
Notas:
113