TEMA 7.

FUNCIONES DE VARIAS VARIABLES

1
TEMA 7. FUNCIONES DE VARIAS VARIABLES 99
'
&
$
%
Tema 7.
FUNCIONES DE VARIAS VARIABLES
Las funciones estudiadas en el tema anterior permiten describir procesos que
quedan determinados por una unica variable, y = f(x). Sin embargo, en
la practica es corriente encontrar procesos que dependen de mas de una (a
veces de muchas) variables. Tal es el caso de las funciones lineales y anes,
estudiadas en los primeros temas, o de otras (que no son lineales ni anes) que
aparecen en el estudio de procesos fsicos. Como ejemplo podemos citar la
ecuacion de los gases perfectos seg un la cual pV = nRT, donde p es la presion,
V el volumen, n el n umero de moles, T la temperatura y R una constante
(R = 0.082 at.l/K. mol), que permite expresar la presion como funcion de dos
variables, volumen y temperatura, p = p(V, T) = nRT/V . Este ultimo tema
esta dedicado a estudiar las funciones de mas de una variable. Los contenidos
que trataremos son:
Funciones de Varias Variables
Lmites y Continuidad
Derivabilidad
1. Funciones de Varias Variables
1.1. Deniciones basicas. Una funcion de varias variables es una aplicacion
f : R
n
R
m
o f : A R
m
, siendo A un subconjunto de R
n
. El conjunto A
es el dominio de f e Im(f) = f(x) [ x A es su imagen.
Un ejemplo de funcion de varias variables es el que veamos en la introduccion,
p(V, T) = nRT/V . Desde un punto de vista estricto, para que la funcion este
bien denida es preciso especicar su dominio pero, al igual que hacamos
con las funciones de una variable, habitualmente supondremos que este es
el mayor conjunto para el que la funcion esta denida. En otras ocasiones
el dominio viene determinado por la funcion fsica que modeliza. As, por
ejemplo, aunque matematicamente pueda denirse p(V, T) en R (R 0),
los valores negativos de V y T carecen de sentido fsico.
Una funcion f : R
n
R
m
se denomina funcion real de n variables o campo
escalar cuando m = 1, y funcion vectorial de n variables o campo vectorial
cuando m > 1. Por ejemplo, la funcion p(V, T) es una campo escalar en
R
+
R
+
. La funcion que asigna a cada punto de la tierra el vector gravedad
en ese punto, es una campo vectorial (el campo gravitatorio).
Algunas de las nociones que introdujimos en el tema anterior, no tienen ya
sentido en este contexto de varias variables, puesto que estan estrechamente
ligadas al orden de R. Tal es el caso de las funciones crecientes, decrecientes,
pares, etc. Otras nociones son generales y siguen teniendo ahora vigencia, con
la misma denicion o las modicaciones obvias: funcion inyectiva, biyectiva,
inversa, ect.
100 TEMA 7. FUNCIONES DE VARIAS VARIABLES
1.2. Componentes. Una funcion vectorial de varias variables f : R
n
R
m
,
puede descomponerse en m funciones escalares de las mismas variables,
f
1
, . . . , f
m
: R
n
R, llamadas funciones componentes de f.
Ejemplo. Consideremos la funcion que asigna a cada rectangulo su permetro,
su area y la medida de sus diagonales. Si x, y son las medidas de los lados,
esta funcion es
f : R
+
R
+
R
3
, f(x, y) = (2x + 2y, xy,
_
x
2
+ y
2
).
f es una funcion vectorial de dos variables, que puede descomponerse en las
tres funciones componentes f
1
(x, y) = 2x+2y (el permetro), f
2
(x, y) = xy (el
area) y f
3
(x, y) =
_
x
2
+ y
2
(la diagonal). Obviamente, cada una de ellas es
una funcion escalar de dos variables. De hecho, el dominio de cada una coincide
con de dominio de la funcion total (o, de forma mas precisa, el dominio de f
es la interseccion de los dominios de sus componentes).
Como el estudio de las funciones escalares es mas simple que el de las vecto-
riales, habitualmente el estudio de la funcion f se realiza a partir del de sus
componentes f
1
, . . . , f
m
. Por ejemplo, en secciones posteriores iremos viendo
como tratar los lmites, la continuidad, la derivabilidad, etc. de f a partir de
los correspondientes de sus componentes.
Para simplicar la exposicion, en lo que sigue, habitualmente (y casi siempre
en los ejemplos) supondremos que tratamos con funciones de dos variables
que manejaremos mediante sus componentes. Hagamos notar, que la teora es
esencialmente igual para dos variables que para un n umero arbitrario de ellas
y, de hecho, la diferencia se establece entre una variable o mas de una variable.
1.3. Representacion graca. Una funcion de varias variables, f : R
n

R
m
puede (al menos teoricamente) representarse gracamente en un sistema
de ejes coordenados, usando el mismo procedimiento que en el caso de una
variable, es decir, mediante su graca
Graf(f) = (x, f(x)) [ x Dom(f).
El problema para visualizar esta representacion, es que requiere n+m dimen-
siones (n para el dominio mas m para la imagen). Como nuestra capacidad
de visualizacion termina en R
3
, la utilidad de esta estrategia queda limitada
a funciones R
2
R, cuyas gracas estan en R
3
. Por ejemplo, la gura ad-
junta representa la graca de la funcion f(x, y) = (1.3)
x
sin(y) en el dominio
[1, 2] [0, ].
El hecho de que la representacion de Graf(f) sea a veces problematica, hace que
se utilicen estrategias alternativas y/o complementarias para visualizar una
funcion. Por ejemplo, en ocasiones funciones f : R
2
R
2
o f : R
3
R
3
, se
representan dibujando en cada punto x el vector f(x). Esta representacion es
habitualmente usada en fsica para visualizar campos de fuerza (gravitarorios,
electromagneticos, ect.)
Otra posibilidad es dibujar sobre el dominio de f algunos conjuntos de nivel.
Recordemos que dada f : R
n
R, para cada k R se dene el conjunto de
nivel k como
L
k
(f) = x Dom(f) [ f(x) = k.
Si n = 2 los conjuntos de nivel son curvas (curvas de nivel) sobre R
2
, se-
mejantes a las curvas de altitud en un mapa topograco. Si representamos
algunas de esas curvas para distintos valores de k, el dibujo resultante nos
da una idea aproximada de la graca de la funcion. Por ejemplo, la gura
adjunta contiene algunas curvas de nivel de la funcion f(x, y) = (1.3)
x
sin(y)
cuya graca se muestra mas arriba.
TEMA 7. FUNCIONES DE VARIAS VARIABLES 101
Ejemplo. Consideremos la funcion f(x, y) = x
2
+ y
2
, cuyo dominio es todo
R
2
. Para k < 0 la curva de nivel k es vaca, L
k
(f) = . Si k 0, la curva
de nivel k es el conjunto (x, y) [ x
2
+ y
2
= k, es decir, la circunferencia de
centro (0, 0) y radio

k. El corte de la graca de f con el plano y = 0 es la
parabola z = f(x, 0) = x
2
. Analogamente, el corte de la graca de f con el
plano x = 0 es la parabola z = f(0, y) = y
2
. Las guras adjuntas muestran la
graca de f y sus curvas de nivel.
Ejercicios.
1 Calcular el dominio de las funciones siguientes
f(x, y) =
1
x y
, g(x, y) =
1
_
4x
2
y
2
, h(x, y) =
xy
xy + x y
.
Dibujar esos dominios como subconjuntos del plano. Alguna de estas fun-
ciones es inyectiva?
2 Dibujar las gracas de las funciones siguientes, incluyendo algunas de sus
curvas de nivel
(a) f(x, y) = x
2
y
2
;
(b) g(x, y) = [x[ +[y[.
2. Lmites y Continuidad
2.1. Lmites de campos escalares. La nocion de lmite para campos es-
calares es esencialmente la misma que ya se conoce para funciones reales (con
las modicaciones obvias). La principal de estas modicaciones se debe a
que no podemos hablar de intervalos en R
n
. En su lugar, introducimos unos
nuevos conjuntos a los que llamamos bolas: dados un punto a R
n
y un
n umero positivo r, la bola de centro a y radio r es el conjunto
B(a, r) = x R
n
[ d(a, x) < r.
As, una bola en R
2
es un crculo (sin la circunferencia del borde), en R
3
una
esfera, ect.
Decimos que una funcion f : R
n
R tiene lmite en un punto a R
n
, y lo
representamos lim
a
f = , si para todo > 0 existe un tal que siempre que
x B(a, ) se verique que [f(x) [ < . El comportamiento del lmite con
las sumas, productos y concientes de funciones, es el mismo que el ya conocido
en una variable, de manera que no lo detallaremos.
Si la funcion f no esta denida en todo R
n
sino solamente en un subconjunto
A R
n
, podemos calcular lmites unicamente en aquellos puntos a los que
podamos aproximarnos por una trayectoria completamente contenida en A.
Por ejemplo, si f esta denida en el semiplano derecho de R
2
, x > 0, podemos
calcular lmites en todos los puntos a = (x, y) tales que x 0, pero no en
aquellos con x < 0.
Hay que advertir que aunque la denicion es la misma, el calculo de lmites
es mucho mas complicado para funciones de varias variables que para las de
una sola. Esto es debido a que existe esencialmente una unica forma (dos
si se quiere) de acercarse a un punto en los espacios de una dimension. Sin
embargo, cuando el espacio ambiente tiene mas de una dimension, existen
innitas formas de hacerlo: siguiendo las trayectorias de las innitas curvas
que pasan por el punto. Veamos un ejemplo.
Ejemplo. Las mas simples de entre todas las curvas que pasan por un punto
son las rectas. Por este motivo, para tener una idea de c ual puede ser el
lmite de una funcion de varias variables en un punto a podemos restringir
la funcion original a una de las rectas que pasan por a. De este modo la
funcion restringida depende solo de una variable y el calculo es mas simple.
102 TEMA 7. FUNCIONES DE VARIAS VARIABLES
Los lmites obtenidos mediante estas funciones restringidas a rectas se llaman
lmites direccionales. Veamos un ejemplo numerico.
Consideremos la funcion de dos variables f(x, y) =
y
x
(x
2
+ y
2
). El dominio
de f es todo R
2
excepto la recta x = 0. Veamos si podemos calcular el
lmite de f en el punto o = (0, 0). En primer lugar notamos que las rectas
que pasan por o son las r
m
: y = mx, juntamente con la r

: x = 0. Esta
ultima no nos interesa puesto que sobre ella no esta denida f. Si restringimos
la funcion f a una de las anteriores, r
m
, obtenemos la funcion f(x, mx) =
mx
x
(x
2
+ (mx)
2
) = m(1 + m
2
)x
2
. Esta es una funcion de una variable, cuyo
lmite en 0 se calcula facilmente, lim
x0
f(x, mx) = 0. Esto signica que al
acercarnos mediante una recta al punto o, obtenemos (independientemente de
la recta tomada) 0 como lmite. Podemos extraer de aqu la conlusion de
que el lmite de f es 0? No, puesto que el lmite deber existir y ser el mismo
para cualquier trayectoria mediante la que nos aproximemos a o, y hasta ahora
solo hemos considerado trayectorias rectas. Sin embargo, s podemos extraer
una conclusion de los calculos anteriores: el lmite, si existe vale 0 (aunque
no podemos, por el momento, garantizar su existencia). De hecho, en nuestro
ejemplo el lmite no existe. Para verlo basta aproximarse a o mediante la
trayectoria c ubica x = y
3
. El lmite de la funcion restringida a esta trayectoria
es lim
o
y
y
3
(y
6
+ y
2
) = lim
y0
y
4
+ 1 = 1 ,= 0. Como el lmite es distinto seg un
la forma en que nos aproximemos, podemos concluir que no existe.
No insistiremos mas en el calculo de lmites de varias variables que es bastante
extendo y complicado. Se nalaremos simplemente lo que sucede en el caso de
las funciones vectoriales.
2.2. Lmites de campos vectoriales. Los lmites de campos vectoriales se
obtienen facilmente a partir de los de sus funciones componentes. As, si
f : R
n
R
m
es una funciones de varias variables con componentes f
1
, . . . , f
m
,
y a R
n
, se verica que lim
a
f = (lim
a
f
1
, lim
a
f
2
, . . . , lim
a
f
m
), siempre que
existan todos estos lmites. Si alguno de ellos no existe, entonces tampoco
existe el lmite de la funcion total.
2.3. Continuidad. Diremos que un campo escalar f : A R, con A R
n
,
es continuo en un punto a A si lim
a
f = f(a). Si f es continuno en todos
los puntos de su dominio, diremos simplemente que es continuo. La misma
denicion puede aplicarse a funciones vectoriales; un campo vectorial f : A
R
m
es continuo en a si lo son todas sus componentes f
1
, . . . , f
m
.
Al igual que suceda en las funciones de una variable, las propiedades de
los lmites permiten concluir que la suma, producto, cociente y composicion
(cuando tengan sentido) de funciones continuas, son continuas.
Ejemplo. Consideremos la funcion f : R
2
R
2
denida por f(x, y) =
(x
2
+ y
2
, sin(xy)). Esta funcion es continua si lo son sus componentes. La
primera componente, f
1
(x, y) = x
2
+ y
2
es suma de productos de funciones
continuas en todo R
2
, luego es continua. La segunda, f
2
(x, y) = sin(xy) es
asimismo composicion de funciones continuas, luego continua. Por tanto, f es
un funcion continua en todo R
2
.
Ejercicios.
3 Estudiar la continuidad de la funcion
f : R
2
R
2
, f(x, y) = (e
cos(x+y)
,
xy
x
2
+ y
2
).
Para ello, calcular los lmites direccionales de f
2
en (0, 0).
TEMA 7. FUNCIONES DE VARIAS VARIABLES 103
3. Derivabilidad
Vamos a generalizar ahora la nocion de derivada a funciones de varias variables.
En el tema anterior vimos como la derivada es un instrumento fundamental
para el estudio de las funciones de una variable. Ahora bien, la derivada no
funciona de forma igualmente satisfactoria en todos los puntos del dominio de
una funcion. Por ejemplo, los extremos de una funcion denida en un intervalo
cerrado [a, b] son detectados por f

salvo en el caso de que se encuentren en

los puntos de su frontera, a o b. Esto no es un gran problema para funciones
de una variable, puesto que un intervalo tiene solo dos puntos de frontera.
Sin embargo, esta situacion es radicalmente distinta en los espacios de mas
de una dimension, en los que los puntos de frontera son innitos. Debemos
pues comenzar nuestro estudio especicando claramente este hecho. A con-
tinuacion nos ocuparemos de las derivadas de campos escalares y, nalmente,
generalizaremos la teora a los vectoriales.
3.1. Puntos interiores y puntos de frontera. Sea A un subconjunto de
R
n
. Diremos que un punto a R
n
es un punto de frontera de A si a esta en
el borde entre A y su complementario A (recuerdese que A = R
n
A) o,
dicho de forma rigurosa, si para todo r > 0 se verica que
B(a, r) A ,= y B(a, r) A ,= .
El conjunto de puntos de frontera de A se llama frontera de A y se denota
Fr(A). Los puntos que estan en A pero no en su frontera se llaman interiores,
y el conjunto de todos ellos constituye el interior de A, int(A). Notese que
Fr(A) puede contener puntos que no esten en A. Los puntos que o bien estan
en A o bien en su frontera, se llaman adherentes a A, y el conjunto de todos
ellos constituye la adherencia de A, denotada A. Por tanto A = A Fr(A).
En la gura adjunta, a es un punto de frontera y b es un punto interior de A.
Si la funcion f esta denida en un conjunto A (tanto en el caso de una variable
como de varias), las derivada de f funciona correctamente sobre los puntos
interiores de A, pero no siempre lo hace de forma igualmente satisfactora sobre
los de su frontera. De hecho, en lo que sigue, solo trataremos de las derivadas
de funciones en puntos interiores a sus dominios.
Ejercicios.
4 Sean a, b dos n umeros, a < b. Calcular la frontera, el interior y la adherencia
de los siguientes intervalos de R
(a) [a, b];
(b) (a, b);
(c) (a, b].
5
_
Sean A R
n
, f : A R y a R
n
. Muestrese que tiene sentido calcular
lim
a
f si y solo si a Aa.
3.2. Derivadas direccionales. Sean A R
n
un subconjunto de R
n
, f : A
R un campo escalar y a un punto interior de A. Al igual que en una variable,
la derivabilidad de f en a puede plantearse como el calculo del plano tangente
a la graca de f en el punto p = (a, f(a)). La estrategia mas simple para
resolver este problema parece ser reducirlo a una variable, situacion en la que
ya sabemos como tratarlo.
Para ganar en simplicidad, por un momento nos limitaremos al caso n = 2.
Supongamos que Graf(f) admite un plano tangente T en p = (a, f(a)). Note-
mos que T contiene a la tangente en p a cualquier curva contenida en Graf(f)
104 TEMA 7. FUNCIONES DE VARIAS VARIABLES
que pase por ese punto. De hecho, T puede obtenerse como la union de todas
esas tangentes a curvas. El siguiente paso es observar que entre todas esas
curvas, las mas simples son las que se obtienen como corte de Graf(f) con un
plano vertical (es decir, al que el eje z sea paralelo; o equivalentemente, cuya
direcion contenga a e
3
= (0, 0, 1)). Uno de estos planos queda determinado por
pasar por el punto a y por dos vectores de direccion, u y e
3
. La curva obtenida
es precisamente la imagen de la funcion f restringida a la recta r
u
: a + u).
El vector u se toma habitualmente unitario.
Definici on. Sean A R
n
un subconjunto de R
n
, f : A R un campo escalar
y a un punto interior de A. Dado un vector unitario u R
n
, llamaremos
derivada direccional de f siguiendo la direccion de u en el punto a, al n umero
D
u
f(a) = lim
h0
f(a + hu) f(a)
h
siempre que este lmite exista y sea nito. Observese que f restringida a r
u
es
una funcion de una variable, luego el calculo de D
u
f(a) es el de una derivada
usual de una variable. Como en aquel caso, D
u
f(a) puede interpretarse como
el valor de la pendiente de la recta tangente a la graca de la funcion f,
restringida a r
u
: a +u), en el punto p.
Ejemplo. Consideremos la funcion f(x, y) = x + y
2
+ 1. Calculemos sus
derivadas direccionales en o = (0, 0). Sea u = (u
1
, u
2
) un vector unitario.
D
u
f(o) = lim
h0
f(hu
1
, hu
2
) f(0, 0)
h
= lim
h0
hu
1
+ h
2
u
2
2
h
= u
1
.
La recta tangente a la graca de la funcion f restringida a r
u
en el punto
(0, 0, f(0, 0)) = (0, 0, 1) tiene pendiente u
1
, es decir, su vector de direccion es
(u
1
, u
2
, D
u
f(0, 0)) = (u
1
, u
2
, u
1
).
3.3. Derivadas parciales. Volvamos otra vez al caso de dos variables. De
entre todas las derivads direccionales de f en a = (a
1
, a
2
), las mas impor-
tantes son aquellas que siguen la direccion de los ejes coordenados, es decir las
calculadas respecto de los vectores e
1
= (1, 0) y e
2
= (0, 1). Estas reciben el
nombre de derivadas parciales de f en a. Habitualmente se las representa por
D
1
f(a) = f
x
(a) =
f
x
(a) , D
2
f(a) = f
y
(a) =
f
y
(a).
Si observamos la denicion de primera derivada parcial en terminos de
derivadas direccionales,
f
x
(a) = lim
h0
f(a + he
1
) f(a)
h
= lim
h0
f(a
1
+ h, a
2
) f(a
1
, a
2
)
h
notaremos que la segunda variable es ja en el cociente incremental, y =
a
2
. Se trata pues de una derivada con respecto a la variable x, en el que
la y se porta como una constante (lo mismo puede decirse respecto de la
segunda derivada parcial, con respecto a la variable y, en la que x permanece
constante). Las derivadas parciales son derivadas de funciones de una variable.
Esto simplica su calculo y permite denir las funciones derivadas parciales
de manera analoga a como en una variable se dene la funcion derivada de
una dada.
Ejemplo. Calculemos las derivadas parciales de la funcion f(x, y) = x+y
2
+1
en o = (0, 0). Primeramente
f
x
(x, y) = 1 ,
f
y
(x, y) = 2y.
Ahora
f
x
(0, 0) = 1 ,
f
y
(0, 0) = 0.
TEMA 7. FUNCIONES DE VARIAS VARIABLES 105
En general, si f es una campo vectorial de n variables, se denen n derivadas
parciales: para cada i = 1, . . . , n,
D
i
f(a) = f
x
i
(a) =
f
x
i
(a) = lim
h0
f(a + he
i
) f(a)
h
.
En la practica, estas variables se obtienen derivando f respecto de la variable
x
i
y considerando todas las demas constantes.
3.4. Matriz Jacobiana. La informacion que proporcionan las derivadas par-
ciales, se resume en una matriz, llamada matriz jacobiana de f (o, a veces,
matriz de derivacion de f) en el punto considerado
Jf(a) =
_
f
x
1
(a)
f
x
2
(a) . . .
f
xn
(a)
_
.
En buenas condiciones (si existe plano tangente en p) la matriz jacobiana
permite calcular de forma sencilla cualquier derivada direccional, ya que
D
u
f(a) = Jf(a)u
t
. Sin embargo, si este plano tangente no existe, la igualdad
citada no es cierta. Advirtamos que son varios los textos (principalmente de
fsica e ingeniera) que usan la forma anterior incorrectamente al asumir que
es siempre cierta.
Ejercicios.
6 Calcular las derivadas parciales de las funciones siguientes. Calcular sus
matrices jacobianas en los puntos (1, 2) y (1, 2, 3) respectivamente.
(a) f(x, y) = sin(x
2
+ y
2
);
(b) g(x, y, z) = 3x
2
z 5xcos(y).
7 Las derivadas direccionales de una funcion f pueden tambien interpretarse
como las razones de cambio intantaneo de f respecto de la variables que se
deriva. Hallar la velocidad a la que cambia el volumen de un cilindro, (a)
respecto de su radio; y (b) respecto de su altura.
8 Calcular la derivada direccional de f(x, y) = x + 2xy en el punto a = (1, 2)
respecto de la direccion u = (3/5, 4/5). Comprobar que en este caso
D
u
f(a) = Jf(a)u
t
.
3.5. Derivadas direccionales y plano tangente. Supongamos de nuevo
que estamos en el caso n = 2 y examinemos que informacion nos dan
las derivadas direccionales y parciales sobre el plano tangente. Por una
parte, si este existe, deben existir todas las derivadas direccionales en p.
Recprocamente, el que existan esas derivadas, ni siquiera garantiza el que la
funcion sea continua en a (por la misma razon que ya vimos cuando hablamos
de lmites direccionales) y mucho menos que exista plano tangente. Ahora
bien, el el supuesto de que este exista, son sucientes las derivadas direc-
cionales para determinarlo, puesto que un plano queda determinado por un
punto por el que pase y dos direcciones: el plano tangente debe ser el que pasa
por p y tiene vectores de direccion (1, 0,
f
x
(a)) y (0, 1,
f
y
(a)). Si a = (a
1
, a
2
)
entonces p = (a
1
, a
2
, f(a
1
, a
2
)) y un simple calculo muestra que el plano tan-
gente es el de ecuacion z f(a
1
, a
2
) =
f
x
(a
1
, a
2
)(x a
1
) +
f
y
(a
1
, a
2
)(y a
2
).
Observese, que este plano es justamente la graca de la aplicacion afn R
2
R
denida por (x, y) f(a) +
f
x
(a)(x a
1
) +
f
y
(a)(y a
2
).
As pues, nos resta examinar cuando podemos armar la existencia del plano
tangente.
3.6. Diferenciabilidad. La aproximacion geometrica que hemos utilizado
para abordar el problema de la derivada puede ser complementada por otra
en terminos de funciones, que ya esbozamos en el punto anterior y que enun-
ciamos (aunque no desarrollamos) al tratar el caso de una variable. Con esta
aproximacion interpretamos la recta tangente como la graca de la funcion
afn que mejor aproxima a f en un entorno del punto de tangencia (si esta
106 TEMA 7. FUNCIONES DE VARIAS VARIABLES
aproximacion es sucientemente buena). En terminos concretos, la graca de
f posee recta tangente en el punto a si
lim
xa
f(x) f(a)
x a
= f

(a)
existe y es nito. En tal caso, la recta tangente tiene ecuacion y = f(a) +
f

(a)(x a), es decir, es la graca de la funcion x f(a) + f

(a)(x a).
Notemos que la ecuacion anterior puede escribirse alternativamente como
lim
x0
f(x) (f(a) + f

(a)(x a))
x a
= 0
condicion que expresa que la tangente aproxima muy bien a la graca de f
alrededor de a. La aplicacion lineal multiplicar por f

(a), se representa por

df
a
y se llama diferencial de f en a.
La misma denicion es valida para campos escalares con las modicaciones
obvias. Limitandonos al caso de dos variables (por comodidad; el caso general
es identico), de existir el plano tangente a f en el punto a, tal plano es la
graca de la funcion (x, y) f(a) +
f
x
(a)(x a
1
) +
f
y
(a)(y a
2
) (seg un se
deduce de los razonamientos del apartado anterior). Por tanto, la existencia
de plano tangente queda como sigue.
Definici on. Sean A R
n
un subconjunto de R
2
, f : A R un campo
escalar y a = (a
1
, a
2
) un punto interior de A. Diremos que f es diferenciable
en a si
lim
xa
f(x)
_
f(a) +
f
x
(a)(x a
1
) +
f
y
(a)(y a
2
)
_
[[

ax[[
= 0.
Caso de ser f diferenciable, la aplicacion lineal df
a
consistente en multiplicar
por la matriz jacobiana en a, se llama diferencial de f en a.
Desde un punto de vista geometrico, la condici on requerida en la denicion
anterior signica que la funcion afn x f(a) + df
a
(

ax) debe aproximar

sucientemente bien a f, en un entorno de a, para que su graca pueda ser
considerada tangente a la de f. Que esta denicion es la adecuada lo garantiza
el siguiente teorema.
Teorema. Sean A R
n
un subconjunto de R
n
y f : A R una funcion
diferenciable en a. Entonces
(a) f es continua en a; y
(b) existen todas las derivadas direccionales de f. Ademas D
u
f(a) = df
a
(u).
3.7. Plano tangente. Como consecuencia de la dicusion anterior, Graf(f)
posee plano tangente en p si y solo si f es diferenciable en a. En tal caso, el
plano tangente es la graca de la aplicacion afn f(a) df
a
(

ax), es decir, el
plano (contenido en R
n+1
) de ecuacion
T : x
n+1
= f(a) + df
a
(x a) = f(a) +
n

i=1
f
x
i
(a)(x
i
a
i
).
dado que df
a
es la aplicacion cuya matriz es la jacobiana. Por supuesto, en el
caso particular de funciones de dos variables, y si a = (a, b), como ya habamos
deducido
T : z = f(a, b) +
f
x
(a, b)(x a) +
f
y
(a, b)(y b).
TEMA 7. FUNCIONES DE VARIAS VARIABLES 107
3.8. Una condicion suciente de diferenciabilidad. La evaluacion de la
diferencibilidad de una funcion utilizando el lmite anterior, es siempre en-
gorrosa y a veces casi imposible de realizar. En la practica, en su lugar se
utilizan criterios mas simples que, sin ser estrictamente equivalentes al del
lmite, s permiten asegurar esa diferenciabilidad. Vamos a exponer uno de
ellos.
Teorema. Sean A R
n
un subconjunto de R
n
, f : A R un campo escalar
y a un punto interior de A. Si todas las derivadas parciales de f existen en
un entorno de a y son continuas en a, entonces f es diferenciable en a.
As pues, las funciones con parciales continuas en todo R
n
(o en todo su
dominio) son siempre diferenciables. Esta clase contiene la mayora de las
funciones habituales: polinomios, trigonometricas, exponencial, etc.
Ejemplo. Consideremos la funcion f(x, y) = x
2
y + 2y
3
. Sus derivadas par-
ciales
f
x
= 2xy ,
f
y
= x
2
+ 6y
2
son continuas, luego f es diferenciable (y tiene plano tangente) en todo R
2
.
Calculemos la ecuacion de este plano en el punto (3, 1). Como f(3, 1) = 11 y
la matriz jacobiana en ese punto es Jf(3, 1) = (6 15),
T : z = 11 + 6(x 3) + 15(y 1).
Ademas, la derivada direccional de f en el punto (3, 1) y la direccion u =
(u
1
, u
2
) es Jf(3, 1)(u
1
, u
2
)
t
= 6u
1
+ 15u
2
.
Ejercicios.
9 Estudiar la diferenciabilidad de las funciones siguientes.
(a) f(x, y) = e
cos(x+y)
;
(b) g(x, y) =
xy
x
2
+y
2
.
Cuando proceda, especicar la diferencial y el plano tangente de estas fun-
ciones en el punto (0, 0).
3.9. El vector gradiente. Dada una funcion f diferenciable en un punto
a, resulta a veces conveniente interpretar la matriz jacobiana de f en a
como un vector la, al que llamaremos vector gradiente de f en a, f(a) =
(
f
x
1
(a),
f
x
2
(a), . . . ,
f
xn
(a)). Con esta convencion, una derivada direccional
puede obtenerse como un producto escalar, D
u
f(a) = f(a) u.
El vector gradiente se nala la direccion y sentido en que la derivada direccional
en a es maxima (es decir, en que la funcion f crece mas deprisa alrededor de
a). En efecto, si es el angulo que forman f(a) y u
D
u
f(a) = f(a) u = [[f(a)[[ [[u[[ cos() = [[f(a)[[ cos()
que es maximo cuando lo sea el coseno, es decir, cuando = 0. Ademas, en
esta direccion el valor de la derivada direccional es [[f(a)[[.
En particular, para funciones de dos variables con curvas de nivel regulares,
el hecho de marcar la direccion de maximo crecimiento implica que el vector
gradiente es perpendicular a la curva de nivel que pasa por a (en la que la
funcion es constante y se da, por tanto, la mnima variacion).
Ejemplo. Consideremos la funcion f(x, y) = x
2
+ y
2
. Ya vimos su graca y
sus curvas de nivel en el apartado 1.3. La gura adjunta muestra sus vectores
gradiente.
Ejercicios.
10 La distribucion de temperaturas en una placa de metal viene dada por la
funcion T(x, y) = 20 4x
2
y
2
. Situados en el punto (2, 3), en que
direccion aumenta la temperatura mas rapidamente? en que proporcion lo
hace en esa direccion?
108 TEMA 7. FUNCIONES DE VARIAS VARIABLES
11 Estamos situados en el punto (1, 2) de una region con un medio ambiente
toxico. Si la toxicidad en cada punto se describe mediante la funcion f(x, y) =
2x
2
4y
2
, en que direccion debemos movernos para sobrevivir lo mas posible?
3.10. Campos vectoriales. Hasta ahora solo hemos tratado los campos es-
calares. Ocupemonos ahora de los vectoriales. Sea pues A R
n
un sub-
conjunto de R
n
, f : A R
m
un campo vectorial y a un punto interior
de A. Las derivadas de f se deducen de las de sus funciones componentes,
f = (f
1
, . . . , f
m
). As por ejemplo, la matriz jacobiana de f esta formada por
m las, una por cada componente
Jf(a) =
_
_
_
_
_
_
_
_
f
1
x
1
(a)
f
1
x
2
(a) . . .
f
1
x
n
(a)
f
2
x
1
(a)
f
2
x
2
(a) . . .
f
2
x
n
(a)
.
.
.
.
.
.
.
.
.
f
m
x
1
(a)
f
m
x
2
(a) . . .
f
m
x
n
(a)
_
_
_
_
_
_
_
_
.
Decimos que f es diferenciable en a si lo es cada componente. En tal caso, la
aplicacion lineal df
a
: R
n
R
m
denida mediante df
a
(u) = Jf(a)u
t
(es decir,
la que tiene a Jf
a
por matriz), se llama diferencial de f en a.
Ejemplo. Consideremos la funcion f : R
2
R
3
, f(x, y) = (xy, 2x +
2y,
_
x
2
+ y
2
). Su matriz jacobiana es
Jf(a) =
_
_
_
y x
2 2
x

x
2
+y
2
y

x
2
+y
2
_
_
_.
Evaluemos la diferenciabilidad de f en terminos de la de sus componentes.
Tanto f
1
como f
2
tienen parciales continuas en todo R
2
. En cuanto a las de
f
3
, se observa que son continuas en todo R
2
salvo quiza en el punto (0, 0).
Utilizando la denicion de derivada parcial en ese punto (como lmite del
cociente incremental), se concluye que f
3
no puede derivarse parcialmente en
(0, 0) respecto de ninguna de sus dos variables (vease esto como ejercicio). Por
tanto f
3
tampoco es diferenciable en (0, 0). En conclusion, f es diferenciable
en R
2
(0, 0).
Ejercicios.
12 Calcular la matriz jacobiana y estudiar la diferenciabilidad de la funcion
f(x, y) = (e
cos(x+y)
,
xy
x
2
+y
2
).
3.11. La regla de la cadena. De forma analoga a lo que sucede en una varia-
ble, una de las formulas mas utilizadas en la derivacion de campos escalares o
vectoriales es la regla de la cadena, que expresa la diferencial de una funcion
compuesta en terminos de las de sus componentes.
Teorema.Consideremos dos funciones f : R
n
R
m
y g : R
m
R
p
y un
punto a R
n
. Si f es diferenciable en a y g lo es en f(a), entonces g f es
diferenciable en a y se verica que d(g f)
a
= dg
f(a)
df
a
.
Observese que este resultado es exactamente el mismo que en el caso de una
variable. Notese tambien que puede expresarse, de forma alternativa, en
terminos de matrices (las matrices de las aplicaciones lineales diferenciales)
como J(g f)(a) = Jg(f(a))Jf(a)
Ejemplo. Consideremos las funciones f(x, y) = (xy, x
2
+ y, 2, xsiny) y
g(u, v, s, t) = us + t, vs
2
, uv
t
). Estudiemos la derivabilidad de g f en el
TEMA 7. FUNCIONES DE VARIAS VARIABLES 109
punto (1, 0). En primer lugar calculamos las matrices jacobianas
Jf =
_
_
_
_
y x
2x 1
0 0
siny xcos y
_
_
_
_
, Jg =
_
_
s 0 u 1
0 s
2
2vs 0
v
t
utv
t1
0 uv
t
log v
_
_
.
Como las parciales de f son continuas en (1, 0), esta funcion es diferenciable
en ese punto. Por la misma razon g es diferenciable en f(1, 0) = (0, 1, 2, 0).
Por tanto g f es diferenciable en (1, 0) y su diferencial es la aplicacion que
tiene por matriz a
J(gf)(1, 0) = Jg(0, 1, 2, 0)Jf(1, 0) =
_
_
2 0 0 1
0 4 4 0
1 0 0 0
_
_
_
_
_
_
0 1
2 1
0 0
0 1
_
_
_
_
=
_
_
0 3
8 4
0 1
_
_
.
Ejercicios.
13 Consideremos el campo escalar f(x, y) = x
2
y y
2
. Restrinjamos este campo
a la curva ( de ecuaciones parametricas x = sint, y = e
t
, t R. Calcular la
derivada de f con respecto a t.
14 Consideremos la funcion f(x, y) = 2xy, siendo x = s
2
+t
2
e y = s/t. calcular
las derivadas parciales de f respecto de s y t. Evaluar la diferenciabilidad de
f en el punto s = 1, t = 1.
Soluciones de los Ejercicios Propuestos
1 Dom(f) = R
2
(x, y)[x = y, Dom(g) = R
2
(x, y)[2x = y, y Dom(h) =
R
2
(x, y)[xy = y x. Los conjuntos en los que las funciones no estan denidas se
muestran en las guras siguientes.
Ninguna de las funciones es inyectiva. Por ejemplo, f(1, 2) = f(2, 3), g(1, 0) =
g(1, 0) y h(1, 0) = h(2, 0).
2 Las gracas de las funciones y sus curvas de nivel son las siguientes:
110 TEMA 7. FUNCIONES DE VARIAS VARIABLES
3 La primera componente de f es continua en todo el plano, puesto que tanto el
coseno como la exponencial lo son. Por la misma razon, la segunda es continua en
todos los puntos en los que no se anule el denominador, es decir en R
2
(0, 0).
Veamos que sucede en este punto. Para ello es preciso calcular lim
o
f
2
. Tomando
lmites direccionales de esta funcion sobre las rectas y = mx, obtenemos
lim
x0
f
2
(x, mx) = lim
x0
mx
2
(1 + m
2
)x
2
=
m
2
1 + m
2
.
Es decir, el lmite direccional depende de la pendiente de la recta mediante la cual
nos acerquemos a o. Por tanto el lmite total de f
2
en o no existe, y esta funcion
no es continua en o. En denitiva, f es una funcion continua en todo R
2
salvo en el
punto o.
4 Fr[a, b] = Fr(a, b] = Fr(a, b) = a, b; int[a, b] = int(a, b] = int(a, b) = (a, b);
[a, b] = (a, b] = (a, b) = [a, b].
6 (a)Las funciones derivadas parciales son
f
x
(x, y) = 2xcos(x
2
+ y
2
) ,
f
y
(x, y) = 2y cos(x
2
+ y
2
).
Evaluando estas funciones en (1, 2) obtenemos la matriz Jacobiana
Jf(1, 2) =
_
2 cos(5) 4 cos(5)
_
.
(b)
Jg =
_
6xz 5 cos(y) 5xsin(y) 3x
2
_
, Jg(1, 2, 3) =
_
13 0 3
_
.
7 El volumen del cilindro es V = V (r, h) = r
2
h. Las velocidades de cambio son
(a)
V
r
(r, h) = 2rh , (b)
V
h
(r, h) = r
2
.
8 En primer lugar, la derivada direccional es
D
u
f(1, 2) = lim
h0
f(
5+3h
5
,
10+4h
5
) f(1, 2)
h
= lim
h0
23
5
+
24
25
h =
23
5
.
Por otra parte, la matriz jacobiana de f es
Jf =
_
1 + 2y 2x
_
, Jf(1, 2) =
_
5 2
_
.
Finalmente comprobamos la igualdad pedida
Jf =
_
5 2
_
_
3/5
4/5
_
=
23
5
.
9 (a) Las derivadas parciales de f
f
x
=
f
y
= sin(x + y)e
cos(x+y)
son continuas en todo R
2
. Por tanto, f es diferenciable en todo punto. La diferencial
de f en (0, 0) es la aplicacion lineal cuya matriz es Jf(0, 0) = (0 0). Por tanto, el
plano tangente en (0, 0) es z = f(0, 0) = e
cos(1)
= 1.716.
(b) Las derivadas parciales de g
g
x
=
y(x
2
y
2
)
(x
2
+ y
2
)
2
,
g
y
=
x(x
2
y
2
)
(x
2
+ y
2
)
2
TEMA 7. FUNCIONES DE VARIAS VARIABLES 111
son continuas en todo R
2
salvo en (0, 0). Por tanto, g es diferenciable en esos mismos
puntos. En cuanto a (0, 0), en el ejercicio 3 , comprobamos que la funcion no es
continua, con lo que no puede ser diferenciable.
10 La funcion f es diferenciable por ser un polinomio. La direccion de maximo
crecimiento es la indicada por el vector gradiente de f en el punto (2, 3), que
es f(2, 3) = (16, 6). La velocidad con que f crece en esa direccion es del
[[(16, 6)[[ =

292 17.09% .
11 La direccion de maximo decrecimiento de f coincide con la de maximo crecimiento
de g(x, y) = f(x, y) = 4y
2
2x
2
.
12 Las derivadas parciales y la diferenciabilidad de las componentes de f han sido
ya tratadas en el ejercicio 9 . La matriz jacobiana es
Jf =
_
sin(x + y)e
cos(x+y)
sin(x + y)e
cos(x+y)

y(x
2
y
2
)
(x
2
+y
2
)
2

x(x
2
y
2
)
(x
2
+y
2
)
2
_
.
Como f
1
es diferenciable en todo R
2
y f
2
lo es en R
2
(0, 0), la funcion total f lo es
en R
2
(0, 0).
13 Sea F la restriciond e la funcion f a la curva ( y sea (t) = (sint, e
t
) la funcion
que dene esta curva. Entonces F = f , y seg un la regla de la cadena
dF
dt
=
_

t

t
_
_
f
x
f
y
_
=
f
x
cos t +
f
y
e
t
= 2xy cos t + (x
2
2y)e
t
= e
t
(sin
2
t) e
2
t.
14 Sean (t) = (s
2
+ t
2
, s/t) y F = F(s, t) = f . Seg un la regla de la cadena
_
F
s
F
t
_
=
_
f
x
f
y
_
_
1
s
1
t
2
s
2
t
_
es decir
_
F
s
F
t
_
=
_
2y 2x
_
_
2s 2t
1/t s/t
2
_
con lo cual
F
s
= 2y2s + 2x/t =
6s
2
+ 2t
2
t
F
t
= 2y2t 2xs/t
2
=
2st
2
2s
3
t
2
Como f es diferenciable en todo R
2
(luego, en particular, en (1, 1) = (2, 1)) y en
un entorno de (1, 1) (por la continuidad de las derivadas parciales), la funcion F es
diferenciable en (1, 1), y su diferencial vale
JF(1, 1) = Jf(2, 1)J(1, 1) =
_
2 4
_
_
2 2
1 1
_
=
_
8 0
_
.