volver al índice

Tema 3: Cálculo diferencial en varias variables

1. Funciones de Varias Variables

1.1. Concepto y Tipos de Funciones

Las funciones de varias variables dependen de más de una entrada y/o devuelven varios valores. Se clasifican según sus espacios de origen y llegada:

En el tema 4 trabajamos sobre todo con el primer tipo (campos escalares), pero conviene conocer los otros dos porque aparecen constantemente en navegación.

1.2. Representación Gráfica

Cada tipo exige una representación distinta: los campos escalares se visualizan mediante curvas de nivel, las curvas parametrizadas mediante su trayectoria y los campos vectoriales mediante flechas o líneas de campo.

1.2.1. Campos escalares: curvas de nivel

Para visualizar un campo escalar f:R2→R se usan las curvas de nivel: el conjunto de puntos donde la función toma un valor constante c,

f(x,y)=c.

campo-escalar-curvas-nivel.png500

El color indica el valor de f y las líneas blancas son curvas de nivel f(x,y)=c para c=1,2,4,6,8. Obsérvese que las curvas se acumulan donde la función crece más deprisa: la separación entre curvas mide, cualitativamente, el módulo del gradiente.

La misma información en tres dimensiones: la gráfica de f es una superficie (la "montaña") y las curvas de nivel son sus cortes horizontales proyectados sobre el plano z=0:

campo-escalar-superficie-3d.png520

1.2.2. Curvas parametrizadas en el plano

Una curva en el plano es la imagen de una función g:R→R2,

g(t)=(x(t),y(t)),

donde t recorre un intervalo (habitualmente el tiempo). La gráfica es la trayectoria; el parámetro añade dos informaciones que la trayectoria por sí sola no contiene:

curva-parametrizada-plano.png500

1.2.3. Campos vectoriales en el plano

Un campo vectorial asigna un vector a cada punto:

f(x,y)=(u(x,y),v(x,y)).

Se representa dibujando en cada punto una flecha con la dirección y sentido del vector. Para que sea legible se suele:

campo-vectorial-plano.png500

En la figura, el campo de rotación f(x,y)=(−y,x): las flechas giran alrededor del origen, el color codifica ∥f∥ y las líneas negras son las trayectorias de una partícula.

2. Dominio, Límites y Continuidad

2.1. Dominio

El dominio de una función f de varias variables, Dom(f), es el conjunto de puntos donde está definida. Hay que identificar las operaciones con restricciones:

  1. Denominadores: si f=gh, debe ser h(x,y)≠0.
  2. Raíces de índice par: si f=g, debe ser g(x,y)≥0.
  3. Logaritmos: si f=log⁡g, debe ser g(x,y)>0.
  4. Trigonométricas inversas: si f=arcsin⁡g o arccos⁡g, debe ser g(x,y)∈[−1,1].

Los polinomios, eg, seng y cos⁡g están definidos siempre que lo esté g.

2.2. Límites y Continuidad

El cálculo de límites en varias variables es técnicamente delicado, porque hay infinitos caminos de aproximación a un punto; en este curso no lo necesitaremos en detalle.

Criterio de continuidad: una función de varias variables es continua en un punto si y solo si todas sus funciones componentes son continuas en dicho punto.

En la práctica, todas las funciones del curso son continuas en su dominio (polinomios, exponenciales, senos, cocientes con denominador no nulo, etc.).

3. Derivadas Parciales

3.1. Definición e Interpretación

Hallar la derivada parcial respecto a una variable consiste en derivar de la manera tradicional respecto a esa variable, tratando las demás como constantes. Se denota ∂f∂x o fx.

3.2. Diferenciabilidad

Una función f es diferenciable en P0=(a,b) si, cerca de ese punto, se puede aproximar por un plano (una función lineal) con un error que se hace despreciable al acercarse a P0. Es la generalización de que una curva tenga recta tangente.

Que existan las derivadas parciales no garantiza la diferenciabilidad: la función puede tener derivadas parciales y aun así presentar un "pico" al movernos en otras direcciones. Por eso se usa este criterio práctico:

Condición suficiente (la que se aplica en la práctica): si fx y fy existen y son continuas en un entorno de (a,b), entonces f es diferenciable en (a,b).

Ejemplo: Sea f(x,y)=x2+y3−5 en P0=(1,3).

  1. Valor en el punto: f(1,3)=1+27−5=23.
  2. Derivadas parciales: fx=2x, fy=3y2; en (1,3), fx(1,3)=2 y fy(1,3)=27.
  3. Como fx y fy son continuas en todo R2, f es diferenciable en (1,3) y en cualquier otro punto.

3.3. Plano Tangente y Recta Normal

La aproximación lineal de f cerca de P0=(x0,y0) es precisamente el plano tangente a su gráfica en ese punto. Para la gráfica de z=f(x,y), con z0=f(x0,y0):

Plano tangente:

z−z0=∂f∂x(x0,y0)(x−x0)+∂f∂y(x0,y0)(y−y0)

Recta normal (perpendicular al plano tangente):

(x,y,z)=(x0,y0,z0)+t(fx(x0,y0),fy(x0,y0),−1)

Ejemplo (continuación): para f(x,y)=x2+y3−5 en (1,3), con z0=23:

z−23=2(x−1)+27(y−3)⟹z=2x+27y−60

y la recta normal:

(x,y,z)=(1,3,23)+t(2,27,−1)

4. Operadores Diferenciales

A cada tipo de objeto geométrico le corresponde un operador diferencial natural: el gradiente actúa sobre campos escalares, la derivada sobre curvas y el rotacional y la divergencia sobre campos vectoriales.

4.1. Gradiente

Dado un campo escalar f(x,y), el gradiente es un vector formado por las derivadas parciales primeras de la función en cada punto:

∇f=(∂f∂x,∂f∂y)

4.2. Derivada Direccional

La derivada direccional de f en un punto P en la dirección de un vector unitario u→ mide la tasa de cambio de f en esa dirección:

Du→f(P)=∇f(P)⋅u→
Ejemplo 4.1: Gradiente y Derivada Direccional

Dada la función f(x,y)=x2y+x:

  1. Calcular el gradiente ∇f:

    ∂f∂x=2yx+12x,∂f∂y=x2∇f=(2yx+12x,x2)
  2. Calcular la derivada direccional en el punto (2,1) en la dirección de v→=(3,5). Como ∥v→∥=34, hay que normalizar:

    Du→f(2,1)=3(4+122)+5(4)34≈5.67

    Interpretación: Si nos encontramos en la posición (2,1) y nos desplazamos en la dirección (3,5), la altitud o valor de la función aumenta a una razón de 5.67 unidades por unidad de longitud.

Ejemplo 4.2: Máximo Ascenso en una Montaña

Dada la superficie de una montaña descrita por A(x,y)=x2+y210+50, determinar hacia dónde debemos movernos desde el punto (2,−1) para llegar lo más rápido posible a la cima.

Solución:
Debemos movernos en la dirección del gradiente ∇A(2,−1):

∇A=(2x10,2y10)=(x5,y5)

Evaluando en el punto (2,−1):

∇A(2,−1)=(25,−15)

4.3. Rotacional

El rotacional mide la tendencia de un campo vectorial a girar o inducir rotación en el flujo alrededor de cada punto.

Ejemplo: Rotacional en el Plano y en el Espacio

  1. Para f(x,y)=(x2y,x+y):rot(f)=∂(x+y)∂x−∂(x2y)∂y=1−x2
  2. Para f(x,y,z)=(xy,x2−y,1z):rot(f)=(0−0,0−0,2x−x)=(0,0,x)

4.4. Divergencia

La divergencia mide la cantidad de flujo que se origina (fuente/manantial) o se destruye (sumidero) por unidad de volumen alrededor de cada punto.

Ejemplo: Cálculo de la Divergencia

Para el campo f(x,y,z)=(xy,z−y,x2z):

Div(f)=∂∂x(xy)+∂∂y(z−y)+∂∂z(x2z)=1y−1−x2z2=z2−yz2−x2yyz2

4.5. Vector Tangente en Curvas

Así como el gradiente describe la variación de un campo escalar y el rotacional/divergencia la de un campo vectorial, el operador diferencial natural de una curva g(t)=(x(t),y(t)) es su vector derivada:

g′(t)=(x′(t),y′(t))

Relación con el gradiente. Si la curva g(t) recorre una curva de nivel f(x,y)=c, entonces f(g(t))=c para todo t; derivando por la regla de la cadena:

∇f(g(t))⋅g′(t)=0.

Es decir, el gradiente es perpendicular a las curvas de nivel: ∇f apunta en la dirección de máximo crecimiento y el vector tangente en la dirección en que f no cambia.

gradiente-tangente-curva-nivel.png480

Ejemplo: Vector Tangente y Ortogonalidad con el Gradiente

Dada la curva g(t)=(t,t2) y el campo escalar f(x,y)=x2+y2:

  1. Vector tangente en t=1:g′(t)=(1,2t)⟹g′(1)=(1,2)La recta tangente en g(1)=(1,1) es (1,1)+λ(1,2), es decir, y=2x−1.
  2. Vector tangente unitario en t=1:∥g′(1)∥=1+4=5⟹T(1)=(15,25)
  3. ¿Es g una curva de nivel de f? No: f(g(t))=t2+t4 no es constante, luego ∇f⋅g′≠0. En efecto, en t=1:∇f(1,1)=(2,2),∇f⋅g′(1)=2+4=6≠0La curva no es una curva de nivel: al movernos por ella, f aumenta. Para la circunferencia g(t)=(cos⁡t,sin⁡t), en cambio, f(g(t))=1 es constante y se comprueba que ∇f⋅g′=(2cos⁡t,2sin⁡t)⋅(−sin⁡t,cos⁡t)=0.
Qué operador para cada objeto

Objeto Representación Operador diferencial natural
Campo escalar f:R2→R Curvas de nivel / superficie Gradiente ∇f
Curva g:R→R2 trayectoria + orientación Derivada g′(t) (tangente)
Campo vectorial f:R2→R2 Flechas / líneas de campo Rotacional, divergencia

5. Optimización en Varias Variables

5.1. Puntos Críticos y Matriz Hessiana

Para hallar los extremos relativos (máximos y mínimos locales) de f(x,y):

Paso 1: puntos críticos. Resolver el sistema

∇f=(0,0)⟺{fx(x,y)=0fy(x,y)=0

Paso 2: clasificar con el Hessiano. Calcular las segundas derivadas y

H(x,y)=(fxxfxyfyxfyy),D(x,y)=fxxfyy−(fxy)2.

Paso 3: criterio. En cada punto crítico (a,b):

5.2. Ejemplos Resueltos Paso a Paso

Ejemplo: Estudiar los extremos de f(x,y)=5−x2−y2.

  1. ∇f=(−2x,−2y)=(0,0)⟹(0,0) es el único punto crítico.
  2. fxx=−2, fxy=0, fyy=−2, luego H=(−200−2) y D=4>0.
  3. D>0 y fxx<0: en (0,0) hay un máximo local, con f(0,0)=5.

Ejemplo: Estudiar los extremos de f(x,y)=x3+y3−3xy.

  1. fx=3x2−3y=0⟹y=x2; fy=3y2−3x=0⟹x4=x, de donde x=0 o x=1. Puntos críticos: (0,0) y (1,1).
  2. H(x,y)=(6x−3−36y).
  3. En (0,0): D=−9<0⟹ punto de silla. En (1,1): D=27>0 y fxx=6>0⟹ mínimo local (f(1,1)=−1).

6.3. Extremos Condicionados: Multiplicadores de Lagrange

Para optimizar f(x,y) sujeta a una restricción (ligadura) g(x,y)=c. También vale para f(x,y,z) con g(x,y,z)=c.

Pasos:

  1. Función Lagrangiana:
L(λ,x,y)=f(x,y)−λ(g(x,y)−c)
  1. Puntos candidatos: resolver ∇L=0, es decir,
{fx=λgxfy=λgyg(x,y)=c
  1. Clasificar con el Hessiano orlado:
H¯=(0gxgygxLxxLxygyLyxLyy),

donde Lxx=fxx−λgxx, Lxy=fxy−λgxy, etc. Evaluado en cada candidato (x0,y0,λ0):

Ejercicios