Capítulo 5

El espacio euclídeo RN . Campos

escalares y vectoriales. Continuidad y
límite funcional

5.1. El espacio euclídeo RN

5.1.1. Estructura algebraica
Dado N ∈ N, notaremos por RN al conjunto formado por las N-uplas (x1 , x2 , . . . , xN ),
donde xi ∈ R, i = 1, . . . , N.

Igualdad: Dados dos elementos x = (x1 , . . . , xN ), y = (y1 , . . . , yN ) ∈ RN , diremos

que x = y, si, y sólo si, por definición, xi = yi , ∀i = 1, . . . , N.

Suma: Dados x = (x1 , . . . , xN ), y = (y1 , . . . , yN ) ∈ RN , definimos

x + y = (x1 + y1 , . . . , xN + yN ).

De manera inmediata se comprueban las siguientes propiedades:

1. Asociativa.
2. Conmutativa.
3. Elemento neutro: 0 = (0, . . . , 0)
4. Elemento opuesto: −x = (−x1 , . . . , −xN ).

Producto por escalares (o números reales): Dados x = (x1 , . . . , xN ) y λ ∈ R,

definimos
λx = (λx1 , . . . , λxN ).
 El espacio euclídeo RN . Campos escalares y vectoriales. Continuidad y límite
80 funcional
Las siguientes propiedades son de comprobación inmediata: Sean x, y ∈ RN y λ, µ ∈
R. Entonces:
1. λ(x + y) = λx + λy.

2. (λ + µ)x = λx + µx.

3. λ(µx) = (λµ)x.

4. 1x = x.

Se dice entonces que RN es un espacio vectorial sobre R. A los elementos de RN

se les llama vectores y a los elementos de R, escalares.

5.1.2. Estructura euclídea

Dados x = (x1 , . . . , xN ), y = (y1 , . . . , yN ) ∈ RN , se define el producto (escalar) entre
x e y:
N
⟨x, y⟩ = ∑ xk yk (= x1y1 + · · · + xN yN ).
k=1

Enumeramos a continuación las propiedades del producto escalar.

Sean x, y, z ∈ RN y λ ∈ R. Entonces:
1. ⟨x, x⟩ ≥ 0.

2. ⟨x, x⟩ = 0 si, y sólo si, x = 0.

3. ⟨x, y⟩ = ⟨y, x⟩.

4. ⟨x, y + z⟩ = ⟨x, y⟩ + ⟨x, z⟩.

5. ⟨x, λy⟩ = λ⟨x, y⟩.

Al par (RN , ⟨·⟩) se le llama espacio euclídeo.

A partir del producto escalar se puede definir la llamada norma (euclídea). Para
cada x ∈ RN , q
p
∥x∥ = ⟨x, x⟩ = x12 + · · · + xN2 .

De las propiedades del producto escalar se deducen las siguientes propiedades de

la norma:

1. ∥x∥ ≥ 0, ∀x ∈ RN .
5.1 El espacio euclídeo RN 81

2. ∥x∥ = 0 si, y sólo si, x = 0.

3. ∥λx∥ = |λ|∥x∥, ∀λ ∈ R, ∀x ∈ RN .

4. ∥x∥ = ∥ − x∥, ∀x ∈ RN .

5. Desigualdad de Cauchy-Schwarz: |⟨x, y⟩| ≤ ∥x∥∥y∥, ∀x, y ∈ RN .

6. Desigualdad triangular: ∥x + y∥ ≤ ∥x∥ + ∥y∥, ∀x, y ∈ RN .

De la norma, se define la llamada distancia (euclídea):

q
d(x, y) = ∥x − y∥ = (x1 − y1 )2 + · · · + (xN − yN )2 , ∀x, y ∈ RN .

Las siguientes propiedades son elementales:

1. d(x, y) ≥ 0, ∀x ∈ RN .

2. d(x, y) = 0 si, y sólo si, x = y.

3. d(x, y) = d(y, x), ∀x, y ∈ RN .

4. d(x, z) ≤ d(x, y) + d(y, z), ∀x, y, z ∈ RN .

5.1.3. Topología de RN
5.1.1 Definición. Dados a ∈ RN y r > 0, definimos:
Bola abierta de centro a y radio r:

B(a, r) = {x ∈ RN : ∥x − a∥ < r}.

Bola cerrada de centro a y radio r:

B(a, r) = {x ∈ RN : ∥x − a∥ ≤ r}.

Esfera de centro a y radio r:

S(a, r) = {x ∈ RN : ∥x − a∥ = r}.

Ejemplo 28. En R tendríamos:

B(a, r) =]a − r, a + r[, B(a, r) = [a − r, a + r], S(a, r) = {a − r, a + r}.

.
 El espacio euclídeo RN . Campos escalares y vectoriales. Continuidad y límite
82 funcional
5.1.2 Definición. Sean A un subconjunto no vacío de RN y a ∈ A. Diremos que a es un
punto interior de A si existe r > 0 tal que B(a, r) ⊂ A. Llamaremos interior de A al
conjunto de puntos interiores de A y lo notaremos por A◦ .

Ejemplos 20.

1. En R. Sean A =]a, b[, B = [a, b], C = {a}. Es fácil comprobar que

A◦ = B◦ = A, C◦ = 0.
/

2. En RN , dados A = B(a, r), B = B(a, r), C = S(a, r), se tiene que

A◦ = B◦ = A, C◦ = 0.
/

3. En R2 , dados A =]a, b[×]c, d[, B = [a, b] × [c, d], se tiene que

A◦ = B◦ = A.

5.1.3 Definición. Un subconjunto A de RN es abierto si A = A◦ .

Por tanto, según el ejemplo anterior, se tiene que los intervalos abiertos y, en
general, las bolas abiertas y los bloques abiertos son abiertos. Luego, queda justifi-
cado así su nombre.

Enumeramos a continuación las propiedades de los conjuntos abiertos.

5.1.4 Proposición.

1. 0/ y RN son abiertos.

2. La unión arbitraria de abiertos es abierta.

3. La intersección finita de abiertos es abierta.

5.1.5 Definición. Sean A ⊂ RN y a ∈ RN . Se dice que a es un punto adherente de A

si para cualquier r > 0 se tiene que B(a, r) ∩ A ̸= 0.
/ Se llama clausura o cierre de A
al conjunto de puntos adherentes de A y lo notaremos por A.

Ejemplos 21.
5.1 El espacio euclídeo RN 83

1. En R. Sean A =]a, b[, B = [a, b]. Entonces:

A = B = B.

2. En RN . Sean A = B(a, r), B = B(a, r), C = S(a, r). Entonces:

A = B = B, C = C.

3. En R2 . Sean A =]a, b[×]c, d[, B = [a, b] × [c, d]. Entonces:

A = B = B.

5.1.6 Definición. Un subconjunto A de RN es cerrado si A = A.

Teniendo en cuenta la definición anterior, se tiene que los intervalos cerrados, las
bolas cerradas y los bloques cerrados son cerrados, justificando así su nombre.

5.1.7 Teorema. (Leyes de dualidad). Sea A un subconjunto de RN . entonces:

1. RN \A = RN \A◦ .

2. (RN \A)◦ = RN \A.

5.1.8 Teorema. (Relación abierto-cerrado). Sea A un subconjunto de RN . Entonces:

1. A es abierto si, y sólo si, RN \A es cerrado.

2. A es cerrado si, y sólo si, RN \A es abierto.

Observación 9. Hay conjuntos que no son abiertos ni cerrados: por ejemplo, en R, los
intervalos de la forma [a, b[.

Los conjuntos cerrados verifican las siguientes propiedades.

5.1.9 Proposición.
1. 0/ y RN son cerrados.

2. La unión finita de cerrados es cerrada.

3. La intersección arbitraria de cerrados es cerrada.

 El espacio euclídeo RN . Campos escalares y vectoriales. Continuidad y límite
84 funcional
5.1.10 Definición. Sean A ⊂ RN y a ∈ RN . Se dice que a es un punto de acumulación
/ Notaremos por A′ al
de A si para cualquier r > 0 se tiene que (B(a, r)\{a}) ∩ A ̸= 0.
conjunto de puntos de acumulación de A.

5.1.11 Definición. Sean A ⊂ RN y a ∈ A. Se dice que a es un punto aislado de A si

existe r > 0 tal que B(a, r) ∩ A = {a}.

Observación 10.
1. A◦ ⊂ A′ ⊂ A.

/ A′ .
2. Si a ∈ A, entonces a es un punto aislado de A si, y solo si, a ∈

5.1.12 Definición. Sean A ⊂ RN y a ∈ RN . Se dice que a es un punto frontera de A si

para cualquier r > 0, se tiene que B(a, r) ∩ A ̸= 0/ y B(a, r) ∩ (RN \A) ̸= 0.
/ Notaremos
por Fr(A) al conjunto de puntos frontera de A.

Observación 11. Por la definición de frontera y por las leyes de dualidad, tenemos
que
Fr(A) = A ∩ RN \A = A ∩ (RN \A◦ ) = A\A◦ .

Ejemplos 22.
1. En R, Fr([a, b]) = {a, b}.

2. En RN , Fr(B(a, r)) = S(a, r).

5.1.13 Definición. Un subconjunto A de RN se dice acotado si está contenido en una

bola, equivalentemente, si existe M > 0 tal que ∥x∥ ≤ M, ∀x ∈ A.

Ejemplo 29. Las bolas (abiertas y cerradas) son acotados, mientras que para cualquier
N ∈ N, RN no es acotado.

5.1.14 Definición. Un subconjunto K de RN se dice compacto si es cerrado y acotado.

5.2 Campos escalares y vectoriales. Continuidad y
límite funcional 85
Ejemplos 23.

1. Las bolas cerradas son compactos.

2. En R2 , K = [a, b] × [c, d] es compacto.

3. Para cualquier N ∈ N, RN no es compacto.

Enumeramos en el siguiente resultado las propiedades de los conjuntos compactos.

5.1.15 Proposición.

1. La unión finita de compactos es compacta.

2. La intersección arbitraria de compactos es compacta.

5.2. Campos escalares y vectoriales. Continuidad y

límite funcional
5.2.1 Definición. (Campo escalar y vectorial). Sean M, N ∈ N y A ⊂ RN .

Una función f : A −→ R se llama campo escalar.

Una función f : A −→ RM se llama campo vectorial.

Si f es un campo vectorial en A, y escribimos

f (x) = ( f1 (x), . . . , fM (x)), ∀x ∈ A,

entonces para cada k = 1, . . . , M, podemos definir el campo escalar fk : A −→ R,

llamado componente k-ésima de f , y notaremos f = ( f1 , . . . , fM ).
 El espacio euclídeo RN . Campos escalares y vectoriales. Continuidad y límite
86 funcional
5.2.1. Continuidad
5.2.2 Definición. Sean M, N ∈ N, A ⊂ RN , a ∈ A y f : A −→ RM . Se dice que f es
continua en el punto a si

∀ε > 0, ∃δ > 0 : x ∈ A, ∥x − a∥ < δ ⇒ ∥ f (x) − f (a)∥ < ε.

5.2.3 Proposición (Caracterización topológica de la continuidad). Sean A ⊂ RN y

f : A −→ RM . Equivalen:

1. f es continua en A.

2. Para todo G ⊂ RM abierto, se tiene que f −1 (G) es abierto en A.

3. Para todo C ⊂ RM cerrado, se tiene que f −1 (C) es cerrado en A.

5.2.4 Corolario. Sea f : RN −→ R continua y α ∈ R. Entonces:

1. Los conjuntos {x ∈ RN : f (x) > α}, {x ∈ RN : f (x) < α} son abiertos.

2. Los conjuntos {x ∈ RN : f (x) ≥ α}, {x ∈ RN : f (x) ≤ α}, {x ∈ RN : f (x) = α}

son cerrados.

El resultado anterior nos permite comprobar de manera fácil cuando ciertos con-
juntos son abiertos o cerrados.

Ejemplo 30. El conjunto A = {(x, y) ∈ R2 : 2x2 − y2 < 1} es abierto. En efecto, si

llamamos

f (x, y) = 2x2 − y2 ,

se tiene que A = f −1 (] − ∞, 1[). Ya que f es continua y ] − ∞, 1[ es abierto, también A

es abierto.

5.2.5 Proposición. (Regla de la cadena para la continuidad). Sean A ⊂ RN ,

B ⊂ RM , a ∈ A, f : A −→ RM , g : B −→ RP y supongamos que Im( f ) ⊂ B. Si f
es continua en a y g es continua en f (a), entonces g ◦ f es continua en a.
5.2 Campos escalares y vectoriales. Continuidad y
límite funcional 87
5.2.6 Proposición. Sean M, N ∈ N, A ⊂ RN , f : A −→ RM , f = ( f1 , . . . , fM ) y a ∈ A.
Entonces

f es continua en a ⇔ fk es continua en a, ∀k = 1, . . . , M.

5.2.7 Corolario (Álgebra de funciones continuas). Sean A ⊂ RN , a ∈ A,

f , g : A −→ RM continuas en a y λ ∈ R. Entonces:

1. f + g y λ f son continuas en a.
f
2. Si M = 1, entonces f g es continua en a. Si g(x) ̸= 0, ∀x ∈ A, entonces es
g
continua en a.

Ejemplos 24. (Funciones continuas).

1. Toda función polinómica de N variables es continua en todo RN .

P
2. Toda función racional R = de N variables es continua en su conjunto de defi-
Q
nición: {x ∈ RN : Q(x) ̸= 0}.

La compacidad se conserva por funciones continuas:

5.2.8 Teorema. (Propiedad de compacidad). Sea K ⊂ RN , K compacto y

f : K −→ RM continua. Entonces f (K) es compacto.

5.2.9 Definición. Sean A ⊂ RN , f : A −→ R y a ∈ A. Diremos que f alcanza en a un

mínimo absoluto (resp. máximo absoluto) si f (a) ≤ f (x) (resp. f (x) ≤ f (a)), ∀x ∈ A.
a es un extremo absoluto de f si a es máximo o mínimo relativo.

5.2.10 Corolario. (Teorema de Weierstrass). Sea K ⊂ RN , K compacto y f : K −→ R

una función continua. Entonces f alcanza máximo y su mínimo absolutos.
 El espacio euclídeo RN . Campos escalares y vectoriales. Continuidad y límite
88 funcional
5.2.2. Límite funcional
5.2.11 Definición. Sean A ⊂ RN , f : A −→ RM , a ∈ A′ . Se dice que f tiene límite en a
si existe L ∈ RM verificando

∀ε > 0, ∃δ > 0 : x ∈ A, 0 < ∥x − a∥ < δ ⇒ ∥ f (x) − L∥ < ε.

El número L, en caso de existir, es único y decimos que es el límite de f en a, lo

que escribiremos

L = lı́m f (x)
x→a
.

Al igual que ocurre con la continuidad, la existencia de límite de campos vectoria-

les se reduce a la de sus funciones componentes.

5.2.12 Proposición. Sean M, N ∈ N, A ⊂ RN , f : A −→ RM , f = ( f1 , . . . , fM ), a ∈ A′

y L = (L1 , . . . , LM ) ∈ RM . Entonces

lı́m f (x) = L ⇔ lı́m fk (x) = Lk , ∀k = 1, . . . , M.

x→a x→a

5.2.13 Proposición. (Álgebra de límites). Sean A ⊂ RN , a ∈ A′ , f , g : A −→ RM y

λ ∈ R. Supongamos que lı́m f (x) = L, lı́m g(x) = L′ . Entonces:
x→a x→a

1. lı́m ( f + g)(x) = L + L′ .
x→a

2. lı́m (λ f )(x) = λL.

x→a

3. Si M = 1, entonces lı́m ( f g)(x) = LL′ .

x→a
 
f L
4. Para M = 1, si g(x) ̸= 0, ∀x ∈ A y L′ ̸= 0, entonces lı́m (x) = ′ .
x→a g L

La relación entre la continuidad de una función en un punto y la existencia de límite

funcional en dicho punto se recoge en el siguiente resultado:

5.2.14 Proposición. (Relación límite funcional y conutinuidad). Sean A ⊂ RN ,

f : A −→ RM y a ∈ A.
1. Si a es un punto aislado de A, entonces f es continua en a.
2. Si a ∈ A′ , entonces f es continua en a si, y sólo si, lı́m f (x) = f (a).
x→a
Capítulo 6

Diferenciabilidad de funciones de
varias variables

6.1. Derivadas direccionales y derivadas parciales

6.1.1 Definición (derivada direccional). Sea A ⊂ RN abierto y f : A −→ R. Dados

a ∈ A y v ∈ RN con ∥v∥ = 1, se define la derivada de f en a según la dirección v al
siguiente límite (caso de existir):

f (a + tv) − f (a)
lı́m = Dv f (a).
t→0 t

Ejemplo 31. Sea f : R2 −→ R definida por


x2 y
si (x, y) ̸= (0, 0)


 2 2
f (x, y) = x + y


0 si (x, y) = (0, 0)


Calcular Dv f (0, 0).

Estudiamos ahora unas derivadas direccionales particulares que van a ser de suma
importancia en el desarrollo del cálculo diferencial.

6.1.2 Definición (derivadas parciales). Sean A ⊂ RN abierto, a ∈ A y f : A −→ R.

Consideremos la base canónica {e1 , e2 , . . . , eN } de RN . Tomando v = ek , a la derivada
direccional se le llama derivada parcial k-ésima de f en a y se nota así:

∂f
Dek f (a) = Dk f (a) = (a).
∂xk
90 Diferenciabilidad de funciones de varias variables

6.1.3 Definición (vector gradiente). Sean A ⊂ RN abierto, a ∈ A y f : A −→ R. Su-

pongamos que existen las N derivadas parciales de f en a. Se llama vector gradiente
de f en a al vector

∇ f (a) = (D1 f (a), D2 f (a), . . . , DN f (a))

Ejemplos 25. Calcular las derivadas parciales de las siguientes funciones:

2 +y3
1. f (x, y) = ex .

2. f (x, y, z) = x2 y2 z + 3xy3 z2 .

6.1.4 Definición. Sean A ⊂ RN abierto, f : A −→ R. Diremos que f es de clase C1 en

A, y escribiremos f ∈ C1 (A), si existen todas las derivadas parciales y son continuas
en A.

6.1.5 Definición. Sean A ⊂ RN abierto, f : A −→ RM , f = ( f1 , . . . , fM ). f ∈ C1 (A) si

fk ∈ C1 (A), ∀k = 1, . . . , M.

6.2. Interpretación geométrica: Plano tangente y vec-

tor normal
Sean A ⊂ R2 , f : A −→ R. Se llama superficie definida por f a la gráfica de esta
función, esto es

S = {(x, y, z) ∈ R3 : (x, y) ∈ A , z = f (x, y)} ⊂ R3

De la misma forma que, en el caso de una variable, la derivada de una función nos
permite construir la recta tangente a la gráfica o curva definida por una función, en
el caso en el que estamos ahora, la diferencial (o vector gradiente) nos va a permitir
construir el plano tangente a la gráfica o superficie definida por f . En concreto, si
(a, b) ∈ A y existe ∇ f (a, b), se llama plano tangente a f en el punto (a, b) al plano de
ecuación

∂f ∂f
z = f (a, b) + (a, b) (x − a) + (a, b) (y − b).
∂x ∂y
Equivalentemente,
6.2 Interpretación geométrica: Plano tangente y vector normal 91

z = f (a, b) + ⟨∇ f (a, b), (x − a, y − b)⟩

El vector normal a la superficie definida por f , que es el vector normal al plano

tangente, es
 
∂f ∂f
n( f , (a, b)) = (a, b), (a, b), −1
∂x ∂y

Ejemplo 32. Calcular el plano tangente a la superficie de ecuación z = x2 + y2 en los

puntos (0, 0, 0) y (1, 1, 2).

Una superficie también se puede definir de forma implícita, esto es, dado A ⊂ R3 ,
g : A −→ R, se define

S = {(x, y, z) ∈ A : g(x, y, z) = 0},

En este caso, si (a, b, c) ∈ S con ∇g(a, b, c) ̸= 0, el plano tangente a la superficie S

en el punto (a, b, c) tiene la ecuación

∂g ∂g ∂g
(a, b, c) (x − a) + (a, b, c) (y − b) + (a, b, c) (z − c) = 0
∂x ∂y ∂z

o lo que es lo mismo:

⟨∇g(a, b, c), (x − a, y − b, z − c)⟩ = 0

con lo que el vector normal a la superficie en el punto (a, b, c) es ∇g(a, b, c).

Ejemplo 33. Calcular el plano tangente a la superficie x2 + y2 + z2 = 1 en el punto

(0, 0, 1).
92 Diferenciabilidad de funciones de varias variables

6.3. Matriz jacobiana. Regla de la cadena para las de-

rivadas parciales

Sean A un abierto de RN , f : A −→ RM , f = ( f1 , . . . , fM ) y a ∈ A. Supongamos

∂ fi
que existen todas las derivadas parciales (a), para todo i = 1, 2, . . . , M y para todo
∂x j
j = 1, 2, . . . , N. Se llama matriz jacobiana de f en a a la matriz real de M filas y N
columnas definida por
 
D1 f1 (a) D2 f1 (a) . . . DN f1 (a)
 D1 f2 (a) D2 f2 (a) . . . DN f2 (a) 
D f (a) =  
. . . . . . . . . . . . . . . . . . . . . . . .
D1 fM (a) D2 fM (a) . . . DN fM (a)

En el caso particular de que f sea un campo escalar, la matriz jacobiana de f en a

coincide con el vector gradiente de f en a. Es decir,

D f (a) = ∇ f (a).

Sean A ⊂ RN , B ⊂ RM abiertos, a ∈ A, f : A −→ RM , g : B −→ R p , con f (A) ⊂ B.

Supongamos que f = ( f1 , . . . , fm ) admite derivadas parciales en a y g = (g1 , . . . , g p )
tiene derivadas parciales en f (a). Entonces la función compuesta h = g◦ f = (h1 , . . . , h p )
admite derivadas parciales en a, con
M
∂hi ∂gi ∂ fk
(a) = ∑ ( f (a)) (a), i ∈ {1, . . . , p}, j ∈ {1, . . . , n}.
∂x j k=1 ∂yk ∂x j

∂f ∂f
Ejemplo 34. Sea f (u, v) = u2 + 2uv + 3v2 . Calcular y , siendo u = 2 − 2xy2 ,
∂x ∂y
v = 1 + x.

6.4. Derivadas parciales de orden superior

6.4.1 Definición. Sean A ⊂ RN abierto, a ∈ A y f : A −→ R. Sea i ∈ {1, . . . , N} y

supongamos que existe Di f (x), ∀x ∈ A. Dado j ∈ {1, . . . , N}, si existe D j (Di f )(a), se
llama derivada parcial (de orden 2) i j-ésima de f en a, y se nota así:

∂2 f
Di j f (a) = (a)
∂xi ∂x j
6.4 Derivadas parciales de orden superior 93

De forma análoga se definen las derivadas parciales de orden 3: i, j, k ∈ {1, , . . . , N},

∂3 f
Di jk f (a) = (a) = Dk (Di j f )(a).
∂xi ∂x j ∂xk

Y así sucesivamente se definen las derivadas parciales de orden k ∈ N. Se dice que

f es de clase Ck en A, y escribiremos f ∈ Ck (A), si existen todas las derivadas parciales
de orden k en A y son continuas. f es de clase C∞ (A), f ∈ C∞ (A), si f ∈ Ck (A), ∀k ∈ N,
es decir, f tiene derivadas parciales continuas de todos los órdenes en A. Es obvio que

C∞ (A) ⊂ Ck+1 (A) ⊂ Ck (A), ∀k ∈ N

En el caso de campos vectoriales, f : A −→ RM , f = ( f1 , . . . , fM ), diremos que

f ∈ Ck (A) (k ∈ N ó k = ∞) si fi ∈ Ck (A), i = 1, . . . , M.

Como ejemplos inmediatos, tenemos que las funciones polinómicas de N variables

son de clase C∞ (RN ) y las funciones racionales de N variables son de clase C∞ en su
conjunto de definición.

6.4.2 Proposición. Sea A ⊂ RN abierto, k ∈ N ó k = ∞, f , g : A −→ R, f , g ∈ Ck (A), λ ∈

f
R. Entonces, f + g, λ f , f g, ∈ Ck (A).
g
6.4.3 Proposición (Regla de la cadena para funciones de clase Ck ). Sean A ⊂ RN ,
B ⊂ RM abiertos, f : A −→ RM , g : B −→ R p con Im( f ) ⊂ B. Dado k ∈ N ó k = ∞, si
f , g son funciones de clase Ck , entonces g ◦ f es de clase Ck .

Ejemplo 35. Calcular las derivadas parciales de orden 2 de f (x, y) = 3x2 y + xy3 .

6.4.4 Teorema (de Schwarz). Sean A ⊂ RN abierto, f : A −→ R. Si f ∈ C2 (A), en-

tonces Di j f (x) = D ji f (x), ∀i, j ∈ {1, 2, . . . , N} , ∀x ∈ A.

Las derivadas parciales de orden 2 nos permiten construir una matriz que utilizare-
mos para calcular extremos relativos de campos escalares.

6.4.5 Definición (matriz hessiana). Sean A ⊂ RN abierto, a ∈ A y f : A −→ R. Su-

pongamos que existen Di j f (a) , ∀i, j ∈ {1, 2, . . . , N} . Se define la matriz hessiana de
f en a,
 
D11 f (a) D12 f (a) . . . D1N f (a)
 D21 f (a) D22 f (a) . . . D2N f (a) 
H( f , a) =  
. . . . . . . . . . . . . . . . . . . . . . . .
DN1 f (a) DN2 f (a) . . . DNN f (a)
94 Diferenciabilidad de funciones de varias variables

Por el teorema de Schwarz, si f ∈ C2 (A), entonces H( f , a) es una matriz simétrica.

6.5. Extremos relativos

6.5.1 Definición. Sean A ⊂ RN , a ∈ A y f : A −→ R. Diremos que f alcanza en a
un mínimo relativo (resp. máximo relativo) si existe r > 0 tal que B(a, r) ⊂ A y
f (a) ≤ f (x) (resp. f (x) ≤ f (a)), ∀x ∈ B(a, r). a es un extremo relativo de f si a es
máximo o mínimo relativo.

Empezamos con una primera condición necesaria de extremo relativo.

6.5.2 Proposición. Sean A ⊂ RN abierto, a ∈ A y f : A −→ R. Supongamos que exis-

ten las derivadas parciales Dk f (a) , ∀k = 1, 2, . . . , N. Si f alcanza en a un extremo
relativo, entonces ∇ f (a) = 0.

6.5.3 Definición (punto crítico, punto de silla). Sean A ⊂ RN abierto, a ∈ A,

f : A −→ R, y supongamos que existen las derivadas parciales Dk f (a) , ∀k = 1, 2, . . . , N.
Se dice que a es un punto crítico de f en A si ∇ f (a) = 0. Si a es punto crítico que no
es extremo relativo se le llama punto de silla.

A continuación vamos a establecer condiciones que nos permitan decidir cuándo

un punto crítico es extremo relativo.

Sean A ⊂ RN abierto, a ∈ A y f : A −→ R, con f ∈ C2 (A). Sea la matriz

A = (ai, j ) = H( f , a)

la matriz hessiana de f en a, que recordemos es simétrica. Supongamos que a es un

punto crítico de f .

1. Método de los determinantes principales.

Definimos

 
  a11 a12 a13
a a
, A2 = 11 12 , A3 = a21 a22 a23  , . . . , AN = A.


A1 = a11
a21 a22
a31 a32 a33

det (Ak ), k = 1, . . . , N, se les llama determinantes principales de la matriz A.

6.5 Extremos relativos 95

1. Si det (Ak ) > 0, ∀k = 1, . . . , N, entonces a es un mínimo relativo.

2. Si (−1)k det (Ak ) > 0, ∀k = 1, . . . , N, entonces a es un máximo relativo.

3. Si existen i, j ∈ {1, . . . , N} tales que det (Ai ) < 0 , (−1) j det (A j ) < 0, entonces
a no es extremo relativo.

 
A B
En el caso particular de R2 ,
tendríamos una matriz y su determinante es
B C
AC − B2 . Entonces podemos distinguir los siguientes casos:

1. AC − B2 > 0.

a) Si A > 0, entonces a es mínimo relativo.

b) Si A < 0, entonces a es máximo relativo.

2. Si AC − B2 < 0, entonces a no es extremo relativo.

3. Si AC −B2 = 0, no se puede afirmar nada, es decir, estamos ante un caso dudoso.

2. Método de los valores propios. Si notamos I a la matriz identidad de orden N, al

polinomio p(λ) = det (A − λI) se le llama polinomio característico de A y

det (A − λI) = 0

se le llama ecuación característica de A. Dicha ecuación tiene N raíces reales λ1 , . . . , λN ,

llamadas valores propios de A.

1. Si λk > 0, ∀k = 1, . . . , N, entonces a es mínimo relativo.

2. Si λk < 0, ∀k = 1, . . . , N, entonces a es máximo relativo.

3. Si existen i, j ∈ {1, . . . , N} tales que λi < 0 < λ j , entonces a no es extremo rela-

tivo.

Ejemplos 26. Estudiar los extremos relativos de las siguientes funciones:

x3
1. f : R2 −→ R , f (x, y) = − xy + y2 .
3
2. f : R2 −→ R , f (x, y) = x3 + y2 .

3. f : R2 −→ R , f (x, y) = x2 + y4 .
96 Diferenciabilidad de funciones de varias variables

6.6. Extremos condicionados

En general, el problema a tratar es encontrar los extremos de una función

f : A −→ R (A ⊂ RN ) sujetos a una serie de “condiciones” (también llamadas por
los físicos como “ligaduras”): sea m ∈ N, g : A −→ Rm , g = (g1 , . . . , gm ). Estas con-
diciones se presentan por un sistema de ecuaciones

gi (x) = 0, i = 1, 2, . . . , m.

Entonces, si consideramos el conjunto donde se verifican estas condiciones

M = {x ∈ A : gi (x) = 0, i = 1, . . . , m},

se trata de estudiar los máximos y mínimos de f restringida a M. Esto es lo que se co-

noce como un problema de extremos condicionados. El método de los multiplicadores
de Lagrange consiste en reducir dicho problema a uno de extremos ordinarios median-
te el uso de unos parámetros λ1 , λ2 , . . . , λM , llamados multiplicadores de Lagrange.

Empezamos entonces estableciendo el concepto de extremo condicionado.

6.6.1 Definición (extremo condicionado). Sea A ⊂ RN , f : A −→ R, M ⊂ A, a ∈ M.

Se dice que f alcanza en a un máximo condicionado (resp. mínimo condicionado)
por M si existe r > 0 tal que f (x) ≤ f (a) (resp. f (x) ≥ f (a), ∀x ∈ B(a, r) M.
T

Vamos a trabajar con un conjunto concreto de condiciones, que definimos a conti-

nuación.

6.6.2 Definición (variedad diferenciable). Sean m, N ∈ N con m < N , A ⊂ RN

abierto, g : A −→ Rm , g ∈ C1 (A). Al conjunto

M = {x ∈ A : g(x) = 0, rango Dg(x) = m}

se le llama variedad diferenciable de dimensión N − m (se dice que la variedad dife-

renciable M viene definida por la función g).

Ejemplo 36. La esfera unidad M = {(x, y, z) ∈ R3 : x2 + y2 + z2 = 1} es una variedad

diferenciable de dimensión 2.
6.6 Extremos condicionados 97

6.6.3 Definición (espacio tangente). Sea M una variedad diferenciable de dimensión

N − m y a ∈ M. Al conjunto dado por

TM (a) = Ker Dg(a) = {x ∈ RN : Dg(a)(x) = 0}

se le llama espacio tangente a M en el punto a. Es un subespacio vectorial de RN de

dimensión N − m.

Ejemplo 37. Sea M = {(x, y, z) ∈ R3 : x2 +y2 +z2 = 1} y a = (0, 0, 1). Calcular TM (a).

6.6.4 Teorema (de Lagrange). Sean m, N ∈ N con m < N, A ⊂ RN abierto,

f : A −→ R y g : A −→ Rm , g = (g1 , . . . , gm ), con f , g ∈ C1 (A). Sea

M = {x ∈ A : g(x) = 0, rango Dg(x) = m}

(esto es, M es la variedad diferenciable definida por g). Sea a ∈ M. Si f alcanza en

a ∈ A un extremo condicionado, entonces existe un único λ0 ∈ Rm tal que (a, λ0 ) es un
punto crítico de la función F : A × Rm −→ R definida por
m
F(x, λ) = f (x) + ∑ λi gi (x) , ∀x ∈ A , λ = (λ1 , . . . , λm ) ∈ Rm .
i=1

Es decir,

∂F
(a, λ0 ) = 0 , i = 1, . . . , N
∂xi

∂F
(a, λ0 ) = g j (a, λ0 ) = 0 , j = 1, . . . , m
∂λ j

A la función F se le llama función de Lagrange, y al sistema de ecuaciones

∂F
= 0 , i = 1, . . . , N
∂xi

∂F
= g j = 0 , j = 1, . . . , m
∂λ j

se le llama sistema de Lagrange.

98 Diferenciabilidad de funciones de varias variables

En la práctica, para calcular los candidatos a extremos condicionados de f , bus-

caremos los puntos (a, λ) que sean soluciones de dicho sistema. Una vez calculados,
veamos cómo saber si a es extremo condicionado.

Sean m, N ∈ N con m < N, A ⊂ RN abierto, f : A −→ R y g : A −→ Rm , con

f , g ∈ C2 (A). Sea M la variedad diferenciable definida por g. Supongamos que (a, λ0 )
es una solución del sistema de Lagrange. Sea
 2 
∂ F
H= (a, λ0 ) .
∂xi ∂ j

Llamamos A a la matriz (de orden N − m) que se obtiene de restringir H a TM (a).

Finalmente, a esa matriz A le aplicamos el método de los determinantes principales o
el de los valores propios.

Establecemos a continuación el procedimiento para calcular la matriz A: Sabemos

que TM (a) = Ker Dg(a), y su dimensión es N −m. Calculamos una base {e1 , . . . , eN−m }.
Entonces A = (ai j ), donde

ai j = ei H etj , ∀i, j = 1, . . . , N − m.

Ejemplo 38. Calcular los extremos de la función f (x, y, z) = x + y + z, x, y, z > 0,

sujetos a la condición xyz = 1.

Hay ocasiones en que se puede estudiar la existencia de extremos de una manera

más sencilla, sin necesidad de aplicar el método de los multiplicadores de Lagrange.
Veámoslo con el siguiente ejemplo.

Ejemplo 39. Calcular los extremos de la función f (x, y) = x2 + y2 sujetos a la condi-

ción

x2 + y − 1 = 0.

En el caso en que tengamos una variedad diferenciable compacta y tengamos

asegurada la existencia de extremos absolutos, para calcularlos el problema se simpli-
fica ya que, en estos casos, no hace falta completar el método de los multiplicadores
de Lagrange. Bastaría con resolver el sistema de Lagrange. En las soluciones de dicho
sistema se encontrarían los extremos absolutos de la función a estudiar. Veámoslo con
el siguiente ejemplo.
6.6 Extremos condicionados 99

Ejemplo 40. Probar que la función f (x, y) = x2 − xy + y2 alcanza máximo y mínimo

absolutos en el conjunto

M = {(x, y) ∈ R2 : x2 + y2 = 2}.

Calcular dichos extremos.

Veamos un último ejemplo donde se combina el estudio de extremos relativos y

extremos condicionados.

Ejemplo 41. Probar que la función f (x, y) = 2xy alcanza máximo y mínimo absolutos
en el conjunto

A = {(x, y) ∈ R2 : x2 + y2 ≤ 1}.

Calcular dichos extremos.