Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Universidad
Industrial de
Santander
Escuela de Matemáticas
Universidad Industrial de Santander
2008
Agradecimientos a todos aquellos estudiantes que con sus
preguntas ayudan a mejor los contenidos de este mate-
rial.
1. Preliminares 11
1.1. El espacio euclidiano n–dimensional . . . . . . . . . . . . . . 11
1.2. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Longitud o norma . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4. Ángulo entre dos vectores . . . . . . . . . . . . . . . . . . . . 13
1.5. Ángulos directores y cosenos directores . . . . . . . . . . . . . 14
1.6. Proyecciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7. Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7.1. Con desplazamiento a lo largo de una lı́nea recta . . . 15
1.7.2. Con desplazamiento a lo largo de una trayectoria no
lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8. El producto cruz de vectores . . . . . . . . . . . . . . . . . . 17
1.9. Triple producto escalar de vectores . . . . . . . . . . . . . . . 18
1.10. Lı́neas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.11. Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2. Funciones vectoriales 21
2.1. Definición, dominio, imagen, gráfica . . . . . . . . . . . . . . 21
2.2. Operaciones algebraicas con funciones vectoriales . . . . . . . 22
2.3. Lı́mite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5. Derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6. Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7. Movimiento curvilı́neo . . . . . . . . . . . . . . . . . . . . . . 27
2.7.1. Vector tangente, Vector tangente unitario, vector nor-
mal y plano osculador . . . . . . . . . . . . . . . . . . 27
2.7.2. Velocidad, rapidez y aceleración . . . . . . . . . . . . 29
2.7.3. Longitud de arco . . . . . . . . . . . . . . . . . . . . . 30
2.7.4. Curvatura de una curva . . . . . . . . . . . . . . . . . 33
2.7.5. Fuerzas definidas mediante funciones vectoriales . . . 34
2.7.6. Fuerzas definidas mediante campos vectoriales . . . . 38
4. Integración múltiple 77
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.1. Integrales doble sobre dominios rectangulares . . . . . 77
4.2.2. Integrales iteradas . . . . . . . . . . . . . . . . . . . . 79
4.2.3. Integrales dobles sobre regiones mas generales . . . . . 83
4.2.4. Cambio en el orden de integración . . . . . . . . . . . 84
4.2.5. Integrales dobles en coordenadas polares . . . . . . . . 85
4.2.6. Aplicaciones de las integrales dobles . . . . . . . . . . 86
4.3. Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.3.1. Aplicaciones de las integrales triples . . . . . . . . . . 91
4.4. Integrales triples en coordenadas cilı́ndricas y esféricas . . . . 92
4.4.1. Coordenadas cilı́ndricas . . . . . . . . . . . . . . . . . 93
4.4.2. Coordenadas esféricas . . . . . . . . . . . . . . . . . . 93
4.5. Cambio de variables . . . . . . . . . . . . . . . . . . . . . . . 94
5. Cálculo vectorial 95
5.1. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 95
5.1.1. Definición de campo vectorial, y su primera clasificación 95
5.1.2. Segunda clasificación de los campos vectoriales . . . . 98
5.1.3. Lı́neas de flujo y flujos de campos vectoriales . . . . . 101
5.2. Calculo integral en el plano . . . . . . . . . . . . . . . . . . . 104
5.2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . 104
5.2.2. Trabajo e integral de lı́nea . . . . . . . . . . . . . . . . 104
5.2.3. Curvas y parametrización de curvas . . . . . . . . . . 104
5.2.4. Teorema de Green . . . . . . . . . . . . . . . . . . . . 104
5.2.5. El Teorema de Green y campos vectoriales divergen-
tes, rotacionales y conservativos . . . . . . . . . . . . . 104
5.3. Calculo integral en el espacio . . . . . . . . . . . . . . . . . . 104
5.3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . 104
5.3.2. Integral de lı́nea en el espacio . . . . . . . . . . . . . . 106
5.3.3. Superficies y parametrización de una superficie . . . . 106
5.3.4. Integral de superficie . . . . . . . . . . . . . . . . . . . 106
5.3.5. Trabajo e integral de superficie . . . . . . . . . . . . . 106
5.3.6. Teorema de la divergencia de Gauss . . . . . . . . . . 106
Una función escalar es una función en una variable. Para hacer hacer consis-
tentes las definiciones de la gráfica de funciones de una y varias variables se
debe considerar en general la gráfica f como un subconjunto de Rn+1 . Tam-
bién por esta razón las funciones de varias variables se designan mediante
letras minúsculas del alfabeto tales como f , g, etc. Desde el punto de vista
geométrico se consideran únicamente gráficas de funciones de n variables
cuando n = 1, 2. Si n = 1, la gráfica de f representa una curva en el plano
xy, y una superficie en el espacio tridimensional xyz cuando n = 3.
Por ejemplo, f (x) = x − 3 es una función en una variable. Su dominio e
imagen consiste del conjunto de los números reales y la gráfica de todos los
puntos (x, x − 3) en R2 que geométricamente representa una linea recta en
el plano xy.
A cada punto en el plano xy la función f (x, y) = x2 + y 2 le asigna un
número real no negativo. Por lo tanto, el dominio de f consiste de R2 ,
gráficamente el plano xy. La imagen consiste de todos los reales no negativos
(gráficamente la parte no negativa del eje z) y la gráfica de f de todos los
punto (x, y, x2 +y 2 ), que gráficamente representa una superficie en el espacio
tridimensional xyz llamada paraboloide.
z
x y
La función
1
f (x, y) = p ,
x − y2
2
3
2
1
x
−3 −2 −1 1 2 3
−1
−2
−3
El dominio de la función
p
f (x, y) = x2 − y,
3
2
1
x
−3 −2 −1 1 2 3
−1
−2
−3
x −(x2 +y2 ) 2 2
f (x, y) = 10 x3 + xy 4 − e + e−((−x−1,225) +y )
5
consiste todos los puntos del plano xy y la imagen de los números reales.
Formalmente la gráfica de f se puede definir del modo hasta ahora hecho
y esta en el espacio tridimensional xyz. La siguiente figura representa esta
x y
Al ser las imágenes de las funciones de varias variables números, las opera-
ciones algebraicas que se realicen con ellas se encuentran determinadas por
las operaciones algebraicas de los números reales. Adicionalmente se pueden
componer esas funciones con las funciones escalares (o de una variable) y las
funciones vectoriales que ya conocemos. A fin de evitar malentendidos con
la definición de composición de funciones, se incluye la siguiente definición
formal de la composición de funciones.
Definición de Sean A, B, C, D conjuntos no vacı́os tales que B, C son de la misma “natu-
composición de funciones raleza”, y f : A → B y g : C → D dos funciones. Si la intersección If ∩ Dg
es no vacı́a, entonces la composición de las funciones f y g, denotada por
g ◦ f , tiene sentido y esta definida por
f g
A B C D
x f (x) ∈ Dg g(f (x))
If ∩ Dg 6= ∅
(f ◦ R)(t) = f (R(t)).
Ejemplo 3.2. Si
xy
f (x, y) = , h(t) = 2t + 1, R(t) = (t, t2 ),
x+y
entonces
xy 2xy
(h ◦ f )(x, y) = h(f (x, y)) = h = +1
x+y x+1
t3 t2
(f ◦ R)(t) = f (R(t)) = f (t, t2 ) = 2
= con t 6= 0.
t+t 1+t
A f B
If
D
a′ b′ = f (a′ )
a′′ b′′
f (x) → b cuando x → a, x 6= a,
lı́m f (x) = b.
x→a
3.2.1. Lı́mite
Lı́mite de una función de Sea f : D ⊆ Rn → R una función de varias variables y a un punto que
varias variables no necesariamente pertenece al dominio de f . Se dice que lı́mx→a f (x) = L
si dado un ǫ > 0 existe un δ > 0 tal que |f (x) − L| < ǫ siempre que
0 < kx − ak < δ.
Observe que
p
kx − ak = (x1 − a1 )2 + · · · + (xn − an )2
|f (x) − L|
0 − y2
lı́m f (x, y) = lı́m = −1,
x=0 y→0 0 + y 2
y→0
x4 − y 4 (x2 − y 2 )(x2 + y 2 )
lı́m = lı́m
(x,y)→(0,0) x2 + y 2 (x,y)→(0,0) x2 + y 2
= lı́m (x2 − y 2 ) = 0 − 0 = 0
(x,y)→(0,0)
e independiente de la trayectoria que pase por el origen del plano xy, enton-
ces f tiene lı́mite cero en el origen.
3x2 y
Ejemplo 3.7. Determine si el lı́mite de la función f (x, y) = 2 existe
x + y2
en (0, 0).
Solución. Como
3x2 (mx) 3mx
lı́m f (x, y) = lı́m = =0
x→0 x→0 x2 + (mx)2 1 + m2
y=mx
y
0
lı́m f (x, y) = lı́m = 0,
x=0
y→0
y→0 y2
o equivalentemente,
3x2 |y| p
< ǫ siempre que 0< x2 + y 2 < δ
x2 + y 2
Pero
x2 < x2 + y 2 , y 2 < x2 + y 2 .
Por lo tanto,
3x2 |y| p p
2 2
< 3|y| = 3 y 2 < 3 x2 + y 2 < 3δ.
x +y
Como se requiere que
3x2 |y|
< ǫ,
x2 + y 2
Por consiguiente,
3x2 y
lı́m = 0.
(x,y)→(0,0) x2 + y 2
3.2.2. Continuidad
Continuidad puntual Definición 3.9. Se dice que una función de varias variables f : D ⊆ Rn →
R es continua en a si y solo si
o lo que es lo mismo,
lı́m f (a + h) = f (a).
h→0
1 si (x, y) = (0, 0)
lı́m y=b
(x,y)→(a,b)
lı́m c=c
(x,y)→(a,b)
para cualquier punto (a, b) en R2 . Por lo tanto, de las propiedades del pro-
ducto de funciones continuas el monomio cxn y m , para algún número entero
no negativo m, es también continuo en R2 :
lı́m cxm y m = cam bm
(x,y)→(a,b)
esta definida en todo R2 con excepción del origen. Por tanto, f es continua
en R2 con excepción del origen.
Ejemplo 3.15. Determine la continuidad de la función
3.3. Derivada
La derivada de una función escalar f (x) se puede considerar como el lı́mite
del cociente diferencias de Newton de la función a lo largo del eje x:
f (x + h) − f (x)
f ′ (x) = lı́m .
h→0 h
f (x + h, y) − f (x, y) (x + h)2 y − x2 y
fx (x, y) = lı́m = lı́m
h→0 h h→0 h
(x + h)2 − x2 d(x2 )
= lı́m ·y = · y = 2xy
h→0 h dx
Similarmente,
fx (x, y) = x2 .
fy (x, y) = x3 − x cos y.
2
−y 2 −z 2 2
−y 2 −z 2
fx (x, y) = yze−x − 2x2 yze−x
2
−y 2 −z 2 2
−y 2 −z 2
fy (x, y) = xze−x − 2xy 2 ze−x
2
−y 2 −z 2 2
−y 2 −z 2
fz (x, y) = xye−x − 2xyz 2 e−x
Interpretación de las Considere la gráfica de función de dos variables z = f (x, y). El plano x = x0
derivadas parciales interseca la gráfica de f en la curva plana de la figura y el valor fy (x0 , y0 )
es la pendiente de la recta tangente a esta curva en el punto P .
z
b P (x0 , y0 , z0 )
(x0 , y0 , 0)
x y
P (x0 , y0 , z0 ) b
(x0 , y0 , 0) y
x
Derivadas parciales de Por ser las derivadas parciales de una función de varias variables otra función
segundo orden de varias variables, se puede nuevamente intentar calcular sus derivadas
parciales. Sea f : D ⊆ Rn → R una función de n variables. Las segunda
derivada parcial fxi xj de f con respecto a las variables x1 , . . . , xn en el punto
x = (x1 , . . . , xn ) se define en forma vectorial como
fxj (x + hek ) − fxj (x)
fxj xk (x) = lı́m
h→0 h
∂2f
∂ ∂f
fxj xk (x) = fxj (x) x = fjk (x) = (x) = (x)
k ∂xk ∂xj ∂xk ∂xj
Segundas derivadas Las segundas derivadas parciales fxj xk se llaman mixtas cuando j es dife-
parciales mixtas rente de k. Una función z = f (x, y) en dos variables tiene cuatro segundas
derivadas parciales, de las cuales dos son derivadas parciales mixtas:
∂2f
∂ ∂f
fxx = =
∂x ∂x ∂x2
∂2f
∂ ∂f
fxy = =
∂y ∂x ∂y∂x
∂2f
∂ ∂f
fyx = =
∂x ∂y ∂x∂y
∂ 2f
∂ ∂f
fyy = =
∂y ∂y ∂y 2
Derivadas parciales de Operativamente hablando, es fácil pensar como calcular las derivadas par-
orden superior ciales de orden m de una función de n variables. Desde el punto de vista
matemático la notación se complica un poco, pero no es sustancialmente im-
portante en la comprensión de lo que entenderemos como todas las derivadas
parciales de orden m de f .
Las derivadas parciales de orden m de una función en n variables f se pueden
denotar por
∂ mf
∂xj11 ∂xj22 · · · ∂xjnm
en donde los escalares j1 , . . . , jm son números enteros no negativos tales que
j1 + j2 + · · · + jm = m. Es decir,
jm !
∂mf ∂ j1 +j2 +···+jm f ∂ j1 ∂ j2 ∂ f
j1 j2 jm = j1 j2 jm = j1 j2 ···
∂x1 ∂x2 · · · ∂xn ∂x1 ∂x2 · · · ∂xn ∂x1 ∂x2 ∂xjmm
∂6f ∂2
3
∂ ∂ f
= := f3012 := fw3 yx2
∂x2 ∂y∂w3 ∂x2 ∂y ∂w3
Derivadas parciales Las derivadas parciales de orden m de f se pueden clasificar en dos cate-
mixtas de orden superior gorı́as. Las derivadas parciales de exactamente orden m de f con respecto
a la variable xk serán
∂ mf
∂ ∂ ∂f
= ··· (m veces) para k = 1, . . . , n.
∂xmk ∂xk ∂xk ∂xk
Solución.
fx (x, y) = ey + sen(x − y) fy (x, y) = xey − sen(x − y)
fxx (x, y) = cos(x − y) fxy (x, y) = ey − cos(x − y)
fyx (x, y) = ey − cos(x − y) fyy (x, y) = xey + cos(x − y)
fxxx (x, y) = − sen(x − y) fxxy (x, y) = sen(x − y)
fxyx (x, y) = sen(x − y) fxyy (x, y) = ey − sen(x − y)
fyxx (x, y) = sen(x − y) fyxy (x, y) = ey − sen(x − y)
fyyx (x, y) = ey − sen(x − y) fyyy (x, y) = xey + sen(x − y)
x y
Funciones suaves de Intuitivamente una función en dos variables se puede considerar “suave” si
varias variables su gráfica no tiene dobleces, esquinas, huecos, hoyos o picos. El problema es
como convertir esta noción intuitiva de suavidad en una noción matemática
que aplique a cualquier función en varias variables. Al igual que en funciones
de una variable, la clave esta en la existencia de las derivadas parciales.
Definición 3.25. Una función de varias variables f : D ⊆ Rn → R se dice
“suave” de orden k en D si las derivadas parciales de orden k de f existen
y son continuas para todo x en D. Se asume que f tiene suavidad de orden
cero si f es continua, y que f es suave si f tiene suavidad de cualquier
orden.
Ejemplo 3.26. La función f (x, y) = x|x|y 4 tiene suavidad de orden cero
y de primer orden, pero no tiene suavidad de segundo orden ni de ningún
orden mayor que dos. Claramente f es continua, y las primeras derivadas
parciales de f existen y son continuas:
|f (x) − p(x)|,
donde
Evidentemente, esto nos indica que el valor f (x) es aproximado por el valor
de p(x) y que el error E(x, a) kx − ak en esa aproximación es muy pequeño,
casi cero, en cercanı́as de a.
Nos queda aun por establecer la cuestión de como obtener el polinomio lineal
p. Del Calculo de funciones en una variable sabemos que las valores de f (x)
se pueden aproximar por los valores de la recta tangente (un polinomio lineal
en una variable) a la gráfica de f en un punto (x0 , f (x0 )), donde el valor x
esta suficientemente cercano al valor x0 . Recordemos que la pendiente de la
recta tangente en el punto (x0 , f (x0 )) esta dada por
f (x) − f (x0 )
f ′ (x0 ) = lı́m ,
x→x0 x − x0
si el lı́mite existe. Supongamos que el lı́mite existe. El lı́mite anterior significa
que existe un número m = f ′ (x0 ) tal que
|f (x) − f (x0 ) − m(x − x0 )|
lı́m = 0.
x→x0 |x − x0 |
De nuevo, al definir el error E(x, x0 ) de la forma
f (x) − f (x0 ) − m(x − x0 )
E(x, x0 ) :=
|x − x0 |
1 ¿Porque esta definición es consistente?
donde
lı́m |E(x, x0 )| = 0.
x→x0
donde
se llama la ecuación cartesiana del plano tangente a f que pasa por el punto
(a, f (a)), y ası́ la diferenciabilidad de f en a es equivalente a la existencia
de un plano en el cual el punto p(x) aproxima el valor de f (x) en el sentido
indicado anteriormente.
Observación 3.28. Al reescribir la ecuación del polinomio p en la forma
vectorial:
x · y = xT y = x1 y1 + · · · + xn yn ,
∇f (a)T = Df (a),
Demostración. Si f es diferenciable en a,
en donde
Por lo tanto,
Diferenciabilidad y Hasta ahora seguimos sin disponer de una herramienta para encontrar el
existencia de las gradiente de una función de varias variables, y de por si la definición no es
derivadas parciales útil para hacerlo. Sin embargo, y como se vera a continuación, la diferencia-
bilidad de la función implica la existencia de sus derivadas parciales y una
forma de calcular el gradiente de la función.
o también,
f (a + hej ) − f (a)
lı́m − (∇f (a))j = 0.
x→a h
f (a + hej ) − f (a)
lı́m = (∇f (a))j
x→a h
y por tanto,
∂f
(a) = (∇f (a))j ,
∂xj
Definición de
diferenciabilidad
Existencia de las
Parciales continuas Diferenciabilidad
derivadas parciales
Continuidad Gradiente
Obviamente este diagrama nos dice también que la existencia del gradiente
no implica que la función es continua. ¿Existe un ejemplo?
x2 − y 2
f (x, y) =
x2 + y 2
es diferenciable en todos en plano xy excepto en el origen.
son continuas excepto cuando (x, y) = (0, 0). La Proposición 3.31 y su con-
trarrecı́proco garantizan que f es diferenciable en todos los puntos del plano
xy con excepción del origen. Además la Proposición 3.32 garantiza que el
gradiente de f existe y está definido por
4xy
∇f (x, y) = (y, −x)
(x2 + y 2 )2
todos los puntos del plano xy con excepción del origen.
D(f + g) = Df + Dg
D(cf ) = cD(f )
Demostración.
∂(f g) ∂(f g) ∂g ∂f ∂g ∂f
∇(f g) = ,..., = f +g ,...,f +g
∂x1 ∂xn ∂x1 ∂x1 ∂xn ∂xn
∂g ∂g ∂f ∂f
=f ,..., +g ,..., = f ∇g + g∇f
∂x1 ∂xn ∂x1 ∂xn
Las otras demostraciones son similares.
en donde
lı́m E(x, a) = 0.
x→a
en donde
lı́m E(x, a) = 0.
∆x→0
Tenemos ası́ que ∇f (a) · ∆x será una buena aproximación del incremento
∆f (x). Esto sugiere la siguiente definición.
Definición 3.37. Sea f una función diferenciable, y sea dx = (dx1 , . . . , dxn )
el vector diferencial de x (el vector de los diferenciales dx1 , . . . , dxn de
x1 , . . . , xn ). La diferencial (total) de f , denotada como df (x), se define en
forma vectorial como
df (x) = ∇f (x) · dx
∂f ∂f
df (x1 , . . . , xn ) = (x1 , . . . , xn )dx1 + · · · + (x1 , . . . , xn )dxn
∂x1 ∂xn
z − 2 = 2(x − 1) + 2(y − 1)
o bien
2x + 2y − z = 2
f h
D ⊆ Rn If ⊆ I ⊆ R R
x f (x) h(f (x))
o de una función vectorial con una función de varias variables
f ◦R
R f
I ⊆R IR ⊆ D ⊆ Rn R
t R(t) f (R(t))
En el primer caso la composición es una función en varias variables y en el
segundo una función escalar o de una variable.
Proposición 3.39. Sean f : I ⊆ Rn → R una función de n variables y
h : I ⊆ R → R una función escalar tales que la intersección If ∩ Dh es no
vacı́a. Se define la función compuesta v = h ◦ f como
v(t) = h(f (x)).
Si f es diferenciable es x y h es derivable en f (x) entonces v es diferenciable
en x y es igual
∇v(x) = h′ (f (x))∇f (x)
Sea t = f (x). Entonces la derivada ∇v(x) = h′ (t)∇f (x) se podrá escribir
de la forma
∂v dh ∂f
=
∂x1 dt ∂x1
Proposición 3.40. Sean R : I ⊆ R → Rn una función vectorial y f : D ⊆
Rn → R una función de n variables tales que la intersección IR ∩ Df es no
vacı́a. Se define la función compuesta u = f ◦ R como
u(t) = f (R(t)).
Si existe un punto t en el que R′ (t) existe y f es diferenciable en R(t)
entonces u′ (t) existe y es igual al producto escalar
u′ (t) = ∇f (R(t)) · R′ (t)
Las componentes de x = R(t) dependerán de t: R(t) = x = (x1 (t), . . . , xn (t)).
Entonces la derivada u′ (t) = ∇f (x) · R′ (t) se podrá escribir de la forma
du ∂f dx1 ∂f dxn
= + ··· +
dt ∂x1 dt ∂xn dt
f (a + hu) − f (a)
Du f (a) = lı́m ,
h→0 h
si el lı́mite existe. Si u es un vector unitario, Du f (a) se llama la derivada
direccional de f en a en la dirección u.
Diferenciabilidad y Proposición 3.42. Si f es diferenciable en a entonces
derivada direccional
Du f (x0 ) = ∇f (x0 ) · u.
f (a + hu) − f (a)
= ∇f (a) · u ± E(a + hu, a)
h
en donde E(a + hu, a) → 0 cuando h → 0. Como el lı́mite del lado izquierdo
de esta ecuación existe, entonces se concluye que Du f (a) existe. Tomando
lı́mite cuando h tiende a cero en ambos lados de la ecuación anterior se
obtiene el resultado.
Sentido geométrico del Proposición 3.43. Si ∇f (a) es diferente de cero, entonces ∇f (a) apunta
gradiente en la dirección a lo largo de la cual f crece mas rápido.
Plano tangente Definición 3.45. Sea S el conjunto de nivel n–dimensional formada por
los puntos x en Rn tales que f (x) = k, para k una constante dada. El plano
tangente a S en un punto a de S se define por la ecuación vectorial
∇f (a) · (x − a) = 0
o lo que es lo mismo,
z = f (x0 , y0 ) + ∇f (x0 , y0 ) · (x − x0 , y − y0 ).
mı́n{f (x) | x ∈ M }
máx{f (x) | x ∈ M },
B(O, r) = {x ∈ Rn | kxk ≤ r}
B(a, ǫ) = {x ∈ Rn | kx − ak < ǫ}
2
y se denota como D f (x). Observemos que la matriz hessiana es una matriz
cuadrada de orden n y simétrica. El determinante de la matriz hessiana de
f se llama el hessiano de f . Además,
h i
∂f ∂f ∂f
D2 f (x) = ∇ ∂x 1
(x) ∇ ∂x2 (x) · · · ∇ ∂xn (x)
1
f (x) = f (a) + Df (a)(x − a) + (x − a)T D2 f (a)(x − a)
2!
2
+ E2 (x, a) kx − ak
y
d d
φ′′ (c) =
(Df (a + td) d) = Df (a + td) d
dt t=c dt t=c
= (D2 f (a + cd)d)d ≡ dT D2 f (a + cd)d,
se tiene que
n n
1 X X ∂ 2 f ∂2f
|E2 (d + a, a)| ≤ (a + cd) − (a)
2! i=1 j=1 ∂xi ∂xj
∂xi ∂xj
φ(t) = f (a + tξ)
Como E1 (t,0)|t|
t → 0 cuando t → 0 y φ′ (0) = Df (a)ξ = α < 0 entonces
existe un t0 tal que φ′ (0) + E1 (t,0)|t|
t ≤ α2 para todo t ∈ (0, t0 ). Entonces
1
φ(t) ≤ φ(0) + αt
2
o lo que es igual
para todo t ∈ (0, t0 ). Sin embargo esto contradice que a sea un mı́nimo local
de f .
máx{f (x) | x ∈ M }
donde M ⊆ Df usualmente dado de la forma
M = {x ∈ Rn | g(x) = k}
para alguna constante apropiada k. Observe que M = Lk (g) y por tanto
la ecuación g(x) = k, llamada de igualdad, es la restricción que define a
M . Por lo tanto, se busca optimizar la función f para todo vector x en el
conjunto de nivel de g, Lk (g) con k dado.
En general, también se puede considerar
M = {x ∈ Rn | gi (x) = ki , i = 1, . . . , m}
para constantes apropiadas ki , y m < n. Es claro que el conjunto n–
dimensional M esta definido por las restricciones gi (x) = ki para i =
1, . . . , m.
Geométricamente,
Teorema de Proposición 3.60. Sean f, g : D ⊆ Rn → R dos funciones suaves dadas.
multiplicadores de Sean M el conjunto de nivel de g con valor k y a un punto en D tal que
Lagrange g(a) = k. Si ∇g(a) 6= O y f tiene un extremo en a entonces existe un
número real λ tal que
∇f (a) = λg(a).
∇f (a) = λ0 g(a)