Funciones de varias variables

Transcripción

1 Funciones de varias variables F. Alvarez y H. Lugo Universidad Complutense de Madrid 23 Noviembre, 2011

2 Campo escalar Denominamos campo escalar a una función f : R n R, es decir, una función cuyo dominio es R n y cuya imagen es R. En este curso estudiaremos exclusivamente campos escalares cuyo dominio es R 2, aunque la extensión de los conceptos a campos en R n es directa.

3 Ejemplos económicos I Función de producción Cobb-Douglas. Sean x 1 y x 2 inputs en la producción de determinado bien, cuyas técnicas eficientes están representadas por f (x 1, x 2 ) = Ax α 1 1 x α 2 2 Donde A, α 1 y α 2 son parámetros no negativos, por ejemplo: α 1 = 1/3 y α 2 = 2/3. Se supone habitualmente que los inputs se usan en cantidades no negativas, de modo que el dominio es R 2 +.

4 Ejemplos económicos II Función de ingresos. Sean x 1 y x 2 las cantidades que produce determinada empresa y vende a precios exógenos p 1 y p 2. La función que representa los ingresos de la empresa es: I (x 1, x 2 ) = p 1 x 1 + p 2 x 2 Función de costes. Supongamos que los costes de producción de los anteriores productos son: C (x 1, x 2 ) = x δ βx δ 2 2 Donde β, δ 1 y δ 2 son parámetros no negativos. Función de beneficio. El beneficio de la empresa anterior es π (x 1, x 2 ) = I (x 1, x 2 ) C (x 1, x 2 )

5 Ejemplos económicos III Función de utilidad. Sean x 1 y x 2 dos bienes. Un consumidor tiene preferencias sobre el consumo de ambos bienes definida por la siguiente función de utilidad Cobb-Douglas: u 1 (x 1, x 2 ) = x α 1 1 x α 2 2 Otras funciones de utilidad alternativas son u 2 (x 1, x 2 ) = α 1 ln x 1 + α 2 ln x 2 u 3 (x 1, x 2 ) = αx 1 + x 2 u 4 (x 1, x 2 ) = min{αx 1, x 2 } u 5 (x 1, x 2 ) = α (x 1 a) 2 (x 2 b) 2 En todos los casos, α, α 1, α 2, a y b son parámetros no negativos.

6 Curva de nivel Dado un campo escalar en R 2, sea f, definimos curva de nivel K y la denotamos S K, al subconjunto de valores de R 2 en los que la función toma el valor K. Matemáticamente: S K = {(x 1, x 2 ) R 2 f (x 1, x 2 ) = K} Habitualmente representamos los campos escalares en R 2 representando sus curvas de nivel.

7 Ejemplos de representación I Función Cobb-Douglas, f (x 1, x 2 ) = Ax1 αx 2 1 α, α (0, 1). ( ) 1 K Ax1 α x2 1 α 1 α α = K x 2 = x 1 α 1 A x 2 S S K K > K K x 1

8 Ejemplos de representación II Función de ingresos, I (x 1, x 2 ) = p 1 x 1 + p 2 x 2. p 1 x 1 + p 2 x 2 = K x 2 = K p 2 p 1 p 2 x 1 x 2 S K S K K > K x 1

9 Ejemplos de representación III Función de coste, C (x 1, x 2 ) = x δ βx δ 2 x δ βx δ 2 2 = K x 2 = ( 1 β 2, δ 1 > 1 y δ 2 > 1. ) 1 δ 2 ( K x δ 1 1 ) 1 δ 2 x 2 S K S K K > K x 1

10 Ejemplos de representación IV Función de utilidad con saciación global, u 5 (x 1, x 2 ) = α (x 1 a) 2 (x 2 b) 2 x 2 b a x 1

11 Ejemplos de representación V Entendamos el gráfico anterior. Sea S K = {(x 1, x 2 ) R 2 αx1 2 + x2 2 = K} K > 0, α > 0 ( ( K Cortes de S K con el eje x 1 : ± α ),, 0 con el eje x 2 : 0, ± ) K. Por tanto: si α = 1, los cortes con ambos ejes son a la misma distancia del origen: circunferencia. si α < 1, los cortes con el eje x 1 ocurren a mayor distancia del origen que los cortes con el eje x 2 : elipse como en el gráfico anterior. En el gráfico anterior, el origen es (a, b) y los ejes son las ĺıneas discontínuas. El signo menos indica que la función decrece a partir de (a, b).

12 Definición de derivada parcial Sea f un campo escalar en R 2. Definimos derivada parcial de f con respecto a x 1 en el punto (x 1, x 2 ) f (x 1 + h, x 2 ) f (x 1, x 2 ) f (x 1, x 2 ) lim x 1 h 0 h si el ĺımite existe. También lo denotamos f 1 (x 1, x 2 ). Definimos y denotamos de forma ánaloga la derivada parcial de f con respecto a x 2. Por tanto, derivar con respecto a x 1 es equivalente a considerar x 2 como una constante y hacer la derivada usual en una función de una variable respecto de x 1.

13 Interpretación geométrica de la derivada parcial I Sea f (x 1, x 2 ) = x α 1 1 x α 2 2. Tenemos f 1 (x 1, x 2 ) = α 1 x α x α 2 2, por tanto f 1 (1, 1) = α 1. x α 1 S 1 x 1 Un desplazamiento infinitesimal por la función a partir de f (1, 1) en la dirección indicada por la flecha, implica una variación aproximada de α 1.

14 Interpretación geométrica de la derivada parcial II Sea f (x 1, x 2 ) = x α 1 1 x α 2 2. Tenemos f 2 (x 1, x 2 ) = α 2 x α 1 2, por tanto f 2 (1, 1) = α 2. 1 x α 2 1 x 2 α S 1 x 1 Un desplazamiento infinitesimal por la función a partir de f (1, 1) en la dirección indicada por la flecha, implica una variación aproximada de α 2.

15 Interpretación geométrica de la derivada parcial III La derivada parcial mide variaciones absolutas en una variable ante variaciones absolutas en otra. Variación absoluta de f ante una variación absoluta de x i Si x i = 1 f f i (x 1, x 2 ) f f i (x 1, x 2 ) x i Aproximación lineal del valor de la función ante una variación absoluta de x 1 cercana al punto (x 1, x 2 ). f (x 1 + x 1, x 2 ) f (x 1, x 2 ) + f 1 (x 1, x 2 ) x 1

16 Interpretación geométrica de la derivada parcial IV Sea f (x 1, x 2 ) = x α 1 1 x α 2 2. En el punto (1, 1) tenemos que f 1 (1, 1) = α 1 y f 2 (1, 1) = α 2. Variaciones absolutas de f Si x 1 = 0.5 f 0.5α 1 Si x 2 = 1.5 f 1.5α 2 Aproximaciones lineales: f (1.5, 1) f (1, 1) + 0.5α 1 f (1, 2.5) f (1, 1) + 1.5α x S 2.5 α 2 S 1.5 α 1 S 1 x 1

17 Elasticidades parciales I En economía es habitual hablar de elasticidad, que mide variaciones relativas de una variable ante variaciones relativas en otra. Sea f un campo escalar en R 2. Definimos elasticidad parcial de f con respecto a x 1 en el punto (x 1, x 2 ) ε y,x1 (x 1, x 2 ) x 1 y f 1 (x 1, x 2 ) donde y = f (x 1, x 2 ). Análogo para ε y,x2 (x 1, x 2 ).

18 Elasticidades parciales II Sea f (x 1, x 2 ) = x α 1 1 x α 2 2. Tenemos f 1 (x 1, x 2 ) = α 1 x α x α 2 2 ε y,x1 (x 1, x 2 ) = x 1 y f 1 (x 1, x 2 ) = α 1 Si a partir del punto (x 1, x 2 ) = (1, 2), manteniendo x 2, aumentamos x en una unidad, f aumenta f 1 (1, 2) = α 1 2 α 2... en un 1 %, f aumenta ε y,x1 (1, 2) = α 1 %. unidades.... en x 1 unidades, f aumenta f 1(1,2) f (1,2) x 1 = α 1 x 1 %.... en un x 1 %, f aumenta ε y,x1 (1, 2) x 1 % = α 1 x 1 %.

19 Derivadas segundas y matrix Hessiana Sea f un campo escalar en R 2. Definimos las derivadas parciales de segundo orden x j x i f (x 1, x 2 ) x j f i (x 1, x 2 ) donde tanto i como j pertenecen a {1, 2}. También la denotamos f i,j (x 1, x 2 ). Definimos la matriz Hessiana ( ) f1,1 (x Hf (x 1, x 2 ) 1, x 2 ) f 1,2 (x 1, x 2 ) f 2,1 (x 1, x 2 ) f 2,2 (x 1, x 2 )

20 Cálculo de la matriz Hessiana y Teorema de Schwartz Sea f (x 1, x 2 ) = x α 1 1 x α 2 2, entonces: ( α1 (α Hf (x 1, x 2 ) = 1 1) x α x α 2 2 α 1 α 2 x α x α α 1 α 2 x α x α α 2 (α 2 1) x α 1 1 x α Notemos que f 1,2 (x 1, x 2 ) = f 2,1 (x 1, x 2 ). Esta es una propiedad general que se verifica para todos campos escalares que vemos en este curso. Teorema de Schwartz. Si f 1,2 (x 1, x 2 ) y f 2,1 (x 1, x 2 ) existen y son contínuas, entonces f 1,2 (x 1, x 2 ) = f 2,1 (x 1, x 2 ). )

21 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Definición y cálculo del gradiente Sea f un campo escalar en R 2. Definimos el vector gradiente de f : f (x 1, x 2 ) (f 1 (x 1, x 2 ), f 2 (x 1, x 2 )) T donde T indica transpuesto. Ejemplo. Sea f (x 1, x 2 ) = Ax α 1 1 x α 2 2, entonces: f (x 1, x 2 ) = α 1 Ax α x α 2 2 x 1 f (x 1, x 2 ) = α 2 Ax α 1 1 x x α En particular, si (x 1, x 2 ) = (1, 1), tenemos f (1, 1) = A (α 1, α 2 ) T

22 Interpretación geométrica del gradiente Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Sea f (x 1, x 2 ) = x α 1 1 x α 2 2, consideremos las derivadas parciales en (x 1, x 2 ) = (1, 1). Recordemos que f (1, 1) = (α 1, α 2 ) T x 2 1 α 2 1 f (1, 1) = (α 1, α 2 ) α 1 S 1 x 1

23 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Diferencial Sea f un campo escalar en R 2. Supongamos que a partir de un punto (x 1, x 2 ) se produce un desplazamiento en el dominio de f al punto (x 1 + x 1, x 2 + x 2 ). Si f es diferenciable (lo es si sus derivadas parciales son contínuas), el incremento en f puede aproximarse f (x 1 + x 1, x 2 + x 2 ) f (x 1, x 2 ) x f (x 1, x 2 ) (1) donde x ( x 1, x 2 ) y se denomina vector desplazamiento El lado derecho es el producto escalar del desplazamiento por el gradiente y se denomina diferencial o derivada total.

24 Interpretación geométrica del diferencial Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Sea f (x 1, x 2 ) = x α 1 1 x α 2 2 ; (x 1, x 2 ) = (1, 1); x = (0.5, 1.5). x θ x = (0.5, 1.5) f (1, 1) = (α 1, α 2 ) S 1 x 1 x f (x 1, x 2 ) = x f (x 1, x 2 ) cos θ = 0.5α α 2

25 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Aproximación lineal y plano tangente Sea f un campo escalar en R 2. Definimos la aproximación lineal en torno al punto (x o 1, x o 2 ): L (x 1, x 2 ) f (x o 1, x o 2 ) + x f (x o 1, x o 2 ) donde x = (x 1 x o 1, x 2 x o 2 ). El último sumando es el diferencial. Además, L (x 1, x 2 ) es el plano tangente a f en el punto (x o 1, x o 2 ).

26 Ejemplo de cálculo del plano tangente Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Ejemplo: Sea f (x 1, x 2 ) = x 1/3 1 x 1/2 2 ; veamos la ecuación del plano tangente a la función en el punto (1, 4). Tenemos: L (x 1, x 2 ) = f (1, 4) + f 1 (1, 4) (x 1 1) + f 2 (1, 4) (x 2 4) L (x 1, x 2 ) = (x 1 1) (x 2 4) Notaremos la diferencia entre plano tangente a f (cuyo gráfico está en el mismo espacio que f ) y recta tangente a una curva de nivel (cuyo gráfico está en el dominio de f ).

27 Aproximación lineal usando elasticidades Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Sea f un campo escalar en R 2, siendo y = f (x 1, x 2 ). Podemos reescribir (1) en términos de variaciones relativas y elasticidades: y y = ε y,x 1 (x 1, x 2 ) x 1 x 1 + ε y,x2 (x 1, x 2 ) x 2 x 2 (2) donde y y es la variación relativa de la variable y, y análogamente se definen x 1 x 1 y x 2 x 2.

28 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Aproximación lineal usando elasticidades: ejemplo Sea y = x 1/3 1 x 1/2 2. Si a partir del punto (x 1, x 2 ) = (1, 4) se produce un aumento del 3% en x 1 y una disminución del 4% en x 2, cuál es la variación relativa aproximada en y? Tenemos δx 1 x 1 = 3 y δx 2 x 2 = 4. Además ε y,x1 (x 1, x 2 ) = x 1 y f 1 (x 1, x 2 ) ε y,x1 (1, 4) = 1 3 donde hemos usado que y = f (1, 4) = 2. Análogamente tenemos ε y,x2 (1, 4) = 1/2, por lo que, usando (2), la variación relativa en y es: ( 4) = 1 2

29 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Propiedades del gradiente Dado x f (x 1, x 2 ) = x f (x 1, x 2 ) cos θ, tenemos: si θ = 90, entonces x f (x 1, x 2 ) = 0: el gradiente es perpendicular a la tangente de la curva de nivel. si θ = 0, entonces x f (x 1, x 2 ) es máximo dado x si θ = 180, entonces x f (x 1, x 2 ) es mínimo dado x x θ f (x 1, x 2 )

30 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Propiedades del gradiente Se deduce que: la función f permanece constante en las direcciones perpendiculares a f (x 1, x 2 ) la dirección de máximo crecimiento de f es la dirección determinada por f (x 1, x 2 ) la dirección de máximo decrecimiento de f es la dirección opuesta a f (x 1, x 2 )

31 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Otras propiedades: pendiente de una curva de nivel Usando que el gradiente es perpendicular a la curva de nivel, podemos usar el gradiente para conocer la pendiente de la recta tangente a una curva de nivel en un punto. x 2 f (x 1, x 2 ) S K x 1

32 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Otras propiedades: pendiente de una curva de nivel Ejemplo: Sea f (x 1, x 2 ) = x 1/3 1 x 1/2 2 ; veamos la ecuación de la recta tangente a la curva de nivel que pasa por el punto (1, 4). Tenemos f (1, 4) = (2/3, 1/4), por lo que la pendiente de f (1, 4) es 3/8, y la pendiente de la recta perpendicular a f (1, 4) es 8/3. Además dicha recta debe pasar por el punto (1, 4). Dicha recta es x 2 = (x 1 1).

33 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Función impĺıcita: derivada Presentamos aquí una forma alternativa de ver que el gradiente es perpendicular a la tangente de la curva de nivel. Sea f un campo escalar en R 2. La curva de nivel S K, mediante la ecuación f (x 1, x 2 ) = K define impĺıcitamente x 2 como función real de x 1. Si estamos interesados en conocer la curvatura de dicha función, es decir, la curvatura de S K, podemos resolver expĺıcitamente o usar el teorema de la función impĺıcita: dx 2 = f 1 (x 1, x 2 ) dx 1 f 2 (x 1, x 2 ) Se basa en que la variación total de f a lo largo de S K es 0.

34 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Aproximación cuadrática Sea f un campo escalar en R 2. Definimos la aproximación cuadrática en torno al punto (x o 1, x o 2 ): C (x 1, x 2 ) f (x o 1, x o 2 )+ x f (x o 1, x o 2 )+ 1 2 xhf (x o 1, x o 2 ) x T donde x = (x 1 x o 1, x 2 x o 2 ). Por tanto, la aproximación cuadrática añade un término cuadrático sobre la aproximación lineal.

35 Aproximación cuadrática: Ejemplo Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Sea f (x 1, x 2 ) = x α 1 1 x α 2 2. Definimos la aproximación cuadrática de f en torno al punto ( x1 0, x 2 0 ) = (1, 1): donde C (x 1, x 2 ) f (1, 1) + x f (1, 1) + 1 xhf (1, 1) xt 2 f (1, 1) = 1 x = (x 1 1, x 2 1) y f (1, 1) = (α 1, α 2 ) La matriz hessiana en (1, 1): ( ) α1 (α Hf (1, 1) = 1 1) α 1 α 2 α 1 α 2 α 2 (α 2 1)

36 Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Aproximación cuadrática: Ejemplo (cont.) Si hay un desplazamiento del punto (1, 1) al (1.5, 2.5) entonces tendremos que: x = (0.5, 1.5) Valor exacto f (1.5, 2.5) = 1.5 α α 2 Aproximación lineal L(1.5, 2.5) = α α 2 Aproximación cuadrática C(1.5, 2.5) = α α 2 +1/8α 1 (α 1 1) + 3/4α 1 α 2 + 9/8α 2 (α 2 1) x S 1.5 α α 2 S 1 x 1

37 Teorema de Taylor Definición y ejemplos Gradiente y diferencial Aproximaciones lineales Aproximación cuadrática y Teorema de Taylor Sea f un campo escalar dos veces diferenciable. Consideremos una aproximación cuadrática en torno a un punto arbitrario x o = (x1 o, x 2 o ). Definimos un campo escalar R de modo que: donde x es arbitrario. f (x) = C (x) + R (x) Por construcción, R (x) es el error, o resto, cometido por la aproximación cuadrática, es decir, C, en x. Teorema de Taylor: R (x) 0 cuando x x o. El teorema generaliza a cualquier orden de aproximación.

38 Esquemas de dependencia Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Sea f un campo escalar en R 2 de modo que y = f (x 1, x 2 ). Podemos representar la dependencia entre las anteriores variables mediante el esquema: x 2 x 1 f f y

39 Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Esquemas de dependencia: composición de funciones El esquema de dependencia es util para visualizar dependencias cuando componemos campos escalares. Por ejemplo: h x 2 f t g f y x 1 El anterior esquema muestra la composición de y = f (x 1, x 2 ) con dos funciones reales: x 1 = g (t) y x 2 = h (t).

40 Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Regla de la cadena La regla de la cadena se extiende para la composición de campos escalares. Supongamos la composición anterior: y = f (x 1, x 2 ) con x 1 = g (t) y x 2 = h (t). La derivada de y con respecto de t es: dy dt = f 1 (x 1, x 2 ) dx 1 dt + f 2 (x 1, x 2 ) dx 2 dt

41 Regla de la cadena, otro ejemplo Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Supongamos el siguiente esquema de dependencias, que contiene dos campos escalares, f y g, y una función real, h. t s h g g x 2 x 1 f f y Tenemos: y t = y x 2 x 2 t + y x 1 x 1 t y s = y x 1 x 1 s

42 Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Definición y ejemplo Sea f un campo escalar en R 2. Decimos que f es homogéneo de grado k si verifica: f (tx 1, tx 2 ) = t k f (x 1, x 2 ) t > 0 (3) Por ejemplo, f (x 1, x 2 ) = x α 1 x 1 α 2, siendo α (0, 1). Se tiene que f (tx 1, tx 2 ) = tf (x 1, x 2 ). Si el anterior campo escalar es una función de producción, la homogeneidad de grado 1 implica que con el doble de ambos inputs se obtiene el doble de output, con el triple de ambos inputs...

43 Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Una propiedad de funciones homogéneas Teorema de Euler. Sea f un campo escalar en R 2 homogénea de grado k. Entonces: x 1 f 1 (x 1, x 2 ) + x 2 f 2 (x 1, x 2 ) = kf (x 1, x 2 ) (4) La anterior implicación se prueba diferenciando con respecto a t a ambos lados de la igualdad en (3) y tomando t = 1. El Teorema indica además que la implicación también ocurre en sentido contrario, es decir: (4) implica (3).

44 Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Mas propiedades de funciones homogéneas Sea f un campo escalar en R 2 homogéneo de grado k. Entonces: f (x 1, x 2 ) = x k 1 f (1, x 2/x 1 ) = x k 2 f (x 1/x 2, 1) ε y,x1 (x 1, x 2 ) + ε y,x2 (x 1, x 2 ) = k f 1 (x 1, x 2 ) y f 2 (x 1, x 2 ) son homogéneos de grado k 1. Para probar las dos primeras igualdades basta tomar en (3) t = 1/x 1 y t = 1/x 2, respectivamente. Para la suma de las elasticidades parciales basta dividir en (4) por f (x 1, x 2 ). Para la homeneidad de las derivadas parciales, basta derivar en (3) con respecto a x 1 (ó x 2 ) y reordenar términos.

45 Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Otras propiedades de funciones homogéneas Sea f un campo escalar en R 2 homogéneo de grado k. Si a partir del punto (x1 0, x 2 0 ), ambos se incrementan en un m%, esto es, x 1 % = x 2 % = m%, entonces: f % = ( 1 + m 100) k 1 f % k m 100 Cuando k = 0 ó k = 1, el valor aproximado y el valor exacto de la variación porcentual de f coinciden.

46 Definición y ejemplo Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Sea f un campo escalar en R 2. Decimos que f es homotético si, para cualesquiera dos puntos del dominio x e y y cualquier t > 0 se verifica: f (x) = f (y) f (tx) = f (ty) (5) Por ejemplo, f (x 1, x 2 ) = x1 αx 2 1 α, siendo α (0, 1). Sean x = (x 1, x 2 ) e y = (y 1, y 2 ) tales que x1 αx 2 1 α = y1 αy 2 1 α. Entonces es claro que (tx 1 ) α (tx 2 ) 1 α = (ty 1 ) α (ty 2 ) 1 α.

47 Interpretación geométrica Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Si f es homotético, cualquier rayo que parte del origen corta a las curvas de nivel en puntos de igual pendiente. x 2 S K S K x 1

48 Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Relación entre homogenidad y homoteticidad Todo campo escalar homogéneo es homótetico. De modo mas general, toda transformación creciente de un campo homogéneo es homotética. El recíproco no es cierto. Por ejemplo: f (x 1, x 2 ) = ln x 1 + ln x 2. Escribamos f (x 1, x 2 ) = ln (x 1 x 2 ), de modo que, para t > 0 tenemos f (x 1, x 2 ) = f (y 1, y 2 ) x 1 x 2 = y 1 y 2 tx 1 tx 2 = ty 1 ty 2 y la ultima igualdad es equivalente a f (tx 1, tx 2 ) = f (ty 1, ty 2 ). Sin embargo, f no es homogéneo.

49 Conjunto abierto en R n Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Sea x = (x 1,..., x n ) R n, siendo n {1, 2,...}. La norma Euclidea de x es x E x x n 2 Sea, además, r R +, una bola abierta de centro x y radio r es B (x, r) {y R n x y E < r} Sea A R n y sea x A, decimos que x es un punto interior de A si existe r R + tal que B (x, r) A. El conjunto de puntos interiores de A se denota Int (A). A es abierto si y solo si A Int (A).

50 Continuidad de un campo escalar Composición de funciones Funciónes homogéneas Funciones homotéticas Apéndice: continuidad Sea f un campo escalar de R n en R. Para todo A R, definimos la imagen inversa f 1 (A) = {x R n f (x) A} El campo f es contínuo si y solo si f 1 (A) es abierto cuando A es abierto. Un conjunto es abierto si ninguno de sus elementos está en el borde del conjunto. f es contínuo si la imagen inversa de un conjunto abierto es un conjunto abierto. Este concepto de continuidad es equivalente (aunque más formal) a: podemos dibujar la función sin levantar el lápiz del papel.