Volver al índice

Tema 5: Cálculo diferencial en Varias Variables

1. Funciones de Varias Variables

1.1. Concepto y Tipos de Funciones

Las funciones de varias variables son transformaciones matemáticas que dependen de más de una entrada de datos y/o pueden devolver varios valores numéricos. Se clasifican según sus espacios de origen (dominio) y llegada (codominio):

1.2. Representación Gráfica

Cada tipo de función exige una representación gráfica distinta. En el plano distinguimos tres casos fundamentales: los campos escalares (f:R2→R) se visualizan mediante curvas de nivel, las curvas parametrizadas (g:R→R2) mediante su trayectoria, y los campos vectoriales (f:R2→R2) mediante flechas o líneas de campo.

1.2.1. Campos escalares: curvas de nivel

Para visualizar un campo escalar f:R2→R, resulta muy útil emplear curvas de nivel. Una curva de nivel es el conjunto de puntos (x,y) del plano donde la función toma un valor constante c:

f(x,y)=c

campo-escalar-curvas-nivel.png500

En la figura, el color indica el valor de f (mapa de calor) y las líneas blancas son las 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, de forma cualitativa, el módulo del gradiente.

La misma información puede verse en tres dimensiones: la gráfica de f es una superficie (la "montaña"), y las curvas de nivel son los cortes horizontales de esa superficie a distintas alturas, proyectados sobre el plano z=0:

campo-escalar-superficie-3d.png520

En esta figura se ha representado la "montaña gaussiana" f(x,y)=3e−(x2+y2)/2. Cada curva de nivel de la base es la proyección de los puntos de la superficie que están a la misma altura c. Las dos representaciones son complementarias: el mapa de curvas de nivel es fácil de leer y de superponer a un plano (un mapa topográfico), mientras que la superficie muestra de un vistazo la forma global del campo y la posición de sus máximos, mínimos y pendientes.

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 de la curva, es decir, el conjunto de puntos recorridos; el parámetro t añade dos informaciones que la trayectoria por sí sola no contiene:

curva-parametrizada-plano.png500

En la figura se representa la curva cerrada g(t)=(r(t)cos⁡t,r(t)sin⁡t) con r(t)=1+0,35sen(4t) y t∈[0,2π]. El punto rojo es g(t0) y la flecha verde su vector velocidad g′(t0).

1.2.3. Campos vectoriales en el plano

Un campo vectorial en el plano asigna un vector a cada punto:

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

Se representa dibujando en cada punto (x,y) una flecha con origen en él y dirección y sentido del vector f(x,y). Para que la imagen sea legible se suele:

campo-vectorial-plano.png500

En la figura se muestra el campo de rotación f(x,y)=(−y,x): las flechas giran alrededor del origen, el color codifica ∥f∥=x2+y2 y las líneas negras son circunferencias, es decir, las trayectorias de una partícula arrastrada por el campo.

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 funciones de varias variables presenta una elevada complejidad al existir infinitos caminos de aproximación a un punto del plano o del espacio.

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.

Ejemplo 2.1: Continuidad por Componentes

Estudiar la continuidad de la función vectorial f(x,y)=(x2+y,x−y).

Solución:
Dado que las funciones componentes f1(x,y)=x2+y y f2(x,y)=x−y son polinomios de dos variables, son continuas en todo R2. Por tanto, la función vectorial f(x,y) es continua en todo su dominio.


3. Derivadas Parciales

3.1. Definición e Interpretación

Hallar la derivada parcial de una función respecto a una variable consiste en derivar de la manera tradicional respecto a dicha variable, tratando a todas las demás variables como si fueran constantes.

Ejemplo 3.1: Derivadas Parciales en 3 Variables

Dada la función f(x,y,z)=x+yz, calcular sus derivadas parciales.

Solución:

  • Respecto a x (tratando y,z como constantes):∂f∂x=12x
  • Respecto a y (tratando x,z como constantes):∂f∂y=z
  • Respecto a z (tratando x,y como constantes):∂f∂z=y
Ejemplo 3.2: Derivadas Parciales de un Cociente

Calcular las derivadas parciales de g(x,y)=x−yxy.

Solución:

  • Respecto a x:gx=1⋅(xy)−(x−y)⋅y(xy)2=xy−xy+y2x2y2=y2x2y2=1x2
  • Respecto a y:gy=−1⋅(xy)−(x−y)⋅x(xy)2=−xy−x2+xyx2y2=−x2x2y2=−1y2

Nota sobre la influencia: Si f(x,y,z)=yz3+3, se observa que fx=0, lo que indica que la variable x no influye en absoluto en el valor de la función.


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. Que existan las derivadas parciales no garantiza la diferenciabilidad: la función puede tener un "pico" al movernos en otras direcciones.

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).


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

6.1. Puntos Críticos y Matriz Hessiana

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

  1. Hallar los puntos críticos: Resolver el sistema de ecuaciones dado por el gradiente nulo:

    ∇f=(0,0)⟺{fx(x,y)=0fy(x,y)=0
  2. Construir la Matriz Hessiana H: Matriz de derivadas parciales segundas:

    H(x,y)=(fxxfxyfyxfyy)
  3. Criterio del Determinante de H: Evaluar det(H) en cada punto crítico:

    • Si det(H)>0 y fxx>0: Existe un Mínimo Local.
    • Si det(H)>0 y fxx<0: Existe un Máximo Local.
    • Si det(H)<0: Existe un Punto de Silla (la función sube en una dirección y baja en otra).
    • Si det(H)=0: El criterio no es concluyente (caso dudoso).

6.2. Ejemplos Resueltos Paso a Paso

Ejemplo 6.1: Análisis de Extremos Relativos

Estudiar los puntos críticos de f(x,y)=5−x2−y2.

Solución:

  1. Gradiente: ∇f=(−2x,−2y)=(0,0)⟹{−2x=0⟹x=0−2y=0⟹y=0⟹C1=(0,0).
  2. Matriz Hessiana:fxx=−2,fxy=0,fyy=−2⟹H=(−200−2)
  3. Clasificación en (0,0):det(H)=(−2)(−2)−0=4>0yfxx=−2<0Por tanto, en el punto (0,0) la función presenta un Máximo Local de valor f(0,0)=5.
Ejemplo 6.2: Clasificación de Puntos Críticos Compleja

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

Solución:

  1. Puntos críticos:

    ∇f=(3x2−3y,3y2−3x)=(0,0)⟹{3x2−3y=0⟹y=x23y2−3x=0⟹3(x2)2−3x=0⟹3x(x3−1)=0

    De aquí obtenemos dos soluciones: x=0⟹y=0 y x=1⟹y=1.
    Puntos críticos: C1(0,0) y C2(1,1).

  2. Matriz Hessiana general:

    H(x,y)=(6x−3−36y)
  3. Clasificación de los puntos:

    • Para C1(0,0):H(0,0)=(0−3−30)⟹det(H)=0−9=−9<0Al ser det(H)<0, el punto (0,0) es un Punto de Silla.
    • Para C2(1,1):H(1,1)=(6−3−36)⟹det(H)=36−9=27>0yfxx=6>0Al ser det(H)>0 y fxx>0, la función presenta un Mínimo Local en (1,1).