Diferenciabilidad. Capítulo Derivada

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Diferenciabilidad. Capítulo Derivada"

Transcripción

1 Capítulo 3 Diferenciabilidad 1. Derivada Recordemos que si f : R R es diferenciable en x 0 y f (x 0 ) es su derivada en x 0, entonces f(x) f(x 0 ) + f (x 0 )(x x 0 ) es una aproximación lineal de f cerca de x 0. Esta observación nos motiva a definir diferenciabilidad de una función en R n de la siguiente manera. Definición 3.1. Sea D abierto en R n y f : D R m. Decimos que f es diferenciable en x 0 D si existe una transformación lineal T : R n R m tal que, para todo ε > 0, existe δ > 0 tal que si x x 0 < δ entonces (3.1) f(x) f(x 0 ) T (x x 0 ) < ε x x 0. En otras palabras, f es diferenciable en x 0 si o, de forma equivalente, f(x) f(x 0 ) T (x x 0 ) = 0, x x 0 x x 0 f(x + h) f(x) T h = 0. h 0 Teorema 3.2. Si f es diferenciable en x 0, entonces la función lineal T en (3.1) es única. Demostración. Supongamos que S : R n R m es lineal y f(x 0 + h) f(x 0 ) Sh = 0. h 0 25

2 26 3. Diferenciabilidad Demostraremos primero que T h Sh 0 cuando h 0. Ahora bien T h Sh = T h (f(x 0 + h) f(x 0 )) + (f(x 0 + h) f(x 0 )) Sh T h (f(x 0 + h) f(x 0 )) + (f(x 0 + h) f(x 0 )) Sh 0 cuando h 0. Ahora, sea x R n y x 0. Si hacemos h = tx, t R, entonces Como T y S son lineales, así que T x = Sx. T (tx) S(tx) = 0. t 0 tx T (tx) S(tx) tx = T x Sx, x La función lineal T es llamada la derivada de f en x 0, y se denota por Df(x 0 ). Ejemplo 3.3. Sea f : R 2 R dada por f(x, y) = sen x y (x 0, y 0 ) R 2. Demostraremos que f es diferenciable en (x 0, y 0 ) y la función lineal T está dada por T (x, y) = x cos x 0. Sea (h, k) R 2, con (h, k) (0, 0). Entonces f((x 0, y 0 ) + (h, k)) f(x 0, y 0 ) T (h, k) (h, k) porque sen(x 0 + h) sen x 0 h 0 h sen(x 0 + h) sen x 0 h cos x 0 = cos x 0. 0 Como todas las transformaciones lineales se pueden expresar como multiplicación por una matriz, lo mismo sucede para la transformación Df(x 0 ). En el ejemplo anterior, ( ) x Df(x 0 )(x, y) = (x cos x 0 ) = (cos x 0, 0), y así que Df(x 0 ) induce la matriz, de 1 2, dada por (cos x 0, 0).

3 1. Derivada 27 A la matriz inducida por la transformación Df(x 0 ) se le llama Jacobiano, y se denota por f (x 0 ). En el ejemplo anterior, f (x 0 ) = (cos x 0, 0). La siguiente proposición establece la diferenciabilidad de las funciones básicas. Proposición Si f : R n R m es constante, entonces para cada x 0 R n. Df(x 0 ) = 0 2. Si f : R n R m es lineal, entonces para cada x 0 R n. Df(x 0 ) = f 3. Si sum : R 2 R está dada por sum(x, y) = x + y, entonces para cada (x 0, y 0 ) R 2. D sum(x 0, y 0 ) = sum 4. Si mult : R 2 R está dada por mult(x, y) = xy, entonces para cada (x 0, y 0 ) R 2. D mult(x 0, y 0 )(x, y) = y 0 x + x 0 y Demostración. 1. Si f es constante, para todo x 0, h R n. f(x 0 + h) f(x 0 ) = 0 2. Si f es lineal, f(x 0 + h) = f(x 0 ) + f(h), así que para todo x 0, h R n. f(x 0 + h) f(x 0 ) f(h) 3. Se sigue inmediatamente de la anterior. 4. Tenemos, = 0 mult(x 0 + h, y 0 + k) mult(x 0, y 0 ) (y 0 h + x 0 k) (h, k) (x 0 + h)(y 0 + k) x 0 y 0 y 0 h x 0 k h 2 + k 2 = cuando (h, k) 0. = hk h 2 + k 2 1/2(h2 + k 2 ) h 2 + k 2 = (h, k) 0

4 28 3. Diferenciabilidad Proposición 3.5. Sea f : R n R m y x 0 R n. Entonces f es diferenciable en x 0 si y sólo si cada f i : R n R, i = 1,..., m, es diferenciable en x 0. En tal caso, Df(x 0 )(x) = ( Df 1 (x 0 )(x),..., Df m (x 0 )(x) ). Demostración. Supongamos primero que f es diferenciable en x 0, y sea, para cada i, T i = π i Df(x 0 ). Entonces f i (x 0 + h) f i (x 0 ) T i h f(x 0 + h) f(x 0 ) Df(x 0 )(h) cuando h 0, así que cada f i es diferenciable en x 0. 0 Supongamos ahora que cada f i es diferenciable en x 0 y sea T : R n R m la transformación Entonces f(x 0 + h) f(x 0 ) T h cuando h 0. T x = (Df 1 (x 0 )(x),..., Df m (x 0 )(x)). m = 1 m (f i (x 0 + h) f i (x 0 ) Df i (x 0 )(h)) 2 m i=1 i=1 f i (x 0 + h) f i (x 0 ) Df i (x 0 )(h) 0 Ejemplo 3.6. Si f : R 2 R 2 está dada por f(x, y) = (sen x, xy), entones Df(x 0, y 0 )(x, y) = (x cos x 0, y 0 x + x 0 y), es decir, el vector cuyas coordenadas son las derivadas de sen x y xy en (x 0, y 0 ), respectivamente. El Jacobiano está dado por ( ) f cos x0 0 (x 0, y 0 ) =. y 0 x 0 Si queremos, sin embargo, calcular la derivada de f(x, y) = sen xy en algún punto (x 0, y 0 ), si es que existe, entonces ya sea utilizamos la definición de la derivada, u observamos que sen xy = sen(mult(x, y)) = sen mult(x, y), es decir, (x, y) sen xy es la composición de sen con la multiplicación mult. Teorema 3.7 (Regla de la cadena). Sea f : R n R m diferenciable en x 0, g : R m R p diferenciable en f(x 0 ). Entonces g f : R n R p es diferenciable en x 0 y D(g f)(x 0 ) = Dg(f(x 0 )) Df(x 0 ).

5 1. Derivada 29 Es decir, la derivada de la composición de dos funciones está dada por la composición de las derivadas. Esto implica, desde luego, que expresión familiar en el cáculo en R. (g f) (x 0 ) = g (f(x 0 ))f (x 0 ), Demostración. Definimos y 0 = f(x 0 ), T = Df(x 0 ) y S = Dg(y 0 ). Sean ϕ(x) = f(x) f(x 0 ) T (x x 0 ), ψ(y) = g(y) g(y 0 ) S(y y 0 ), ρ(x) = g f(x) g(y 0 ) S T (x x 0 ). Como f y g son diferenciables en x 0 y y 0, respectivamente, x x 0 y queremos demostrar que Observemos primero que ϕ(x) = 0, x x 0 y y 0 x x 0 ρ(x) x x 0 = 0. ψ(y) y y 0 = 0, ρ(x) = g(f(x)) g(y 0 ) S(T (x x 0 )) = g(f(x)) g(y 0 ) S(f(x) y 0 ) + S(ϕ(x)) = ψ(f(x)) + Sϕ(x). Por ser lineales, existen M 1, M 2 > 0 tales que T x M 1 x y Sy M 2 y para todo x R n y y R m. Así que, primero, Sϕ(x) x x 0 M ϕ(x) 1 x x 0 0 cuando x x 0. También tenemos que, para todo ε > 0, existe δ > 0 tal que ψ(y) ε y y 0 para y y 0 < δ. Además, existe η tal que x x 0 < η implica que f(x) y 0 < δ. Entonces, si x x 0 < η, ψ(f(x)) ε f(x) y 0 = ε ϕ(x) + T (x x 0 ) ε ϕ(x) + εm 1 x x 0, así que, para 0 < x x 0 < η, Por lo tanto ψ(f(x)) x x 0 ε ϕ(x) x x 0 + εm 1. Ψ(f(x)) x x 0 x x 0 = 0.

6 30 3. Diferenciabilidad Ejemplo 3.8. Si f : R 2 R está dada por f(x, y) = sen xy, entonces f = sen mult, así que Df(x 0, y 0 )(x, y) = D sen(x 0 y 0 )(xy 0 + yx 0 ) = (xy 0 + yx 0 ) cos(x 0 y 0 ). El Jacobiano está dado por f (x 0, y 0 ) = cos(x 0 y 0 )(y 0, x 0 ) = (y 0 cos(x 0 y 0 ), x 0 cos(x 0 y 0 )). Corolario 3.9. Sean f, g : R n R diferenciables en x 0. Entonces 1. f + g es diferenciable en x 0 y 2. fg es diferenciable en x 0 y D(f + g)(x 0 ) = Df(x 0 ) + Dg(x 0 ). D(fg)(x 0 ) = f(x 0 )Dg(x 0 ) + g(x 0 )Df(x 0 ). Demostración. 1. Si F (x) = (f(x), g(x)), f +g = sum F. Entonces D(f + g)(x 0 ) = D sum(f (x 0 )) DF (x 0 ). Es decir, como DF (x 0 )(x) = (Df(x 0 )(x), Dg(x 0 )(x)), D(f + g)(x 0 )(x) = Df(x 0 )(x) + Dg(x 0 )(x). 2. fg = mult F, así que D(fg)(x 0 )(x) = D mult(f(x 0 ), g(x 0 ))(Df(x 0 )(x), Dg(x 0 )(x)) = Ejemplo Sea f : R + R R dada por f(x, y) = x y. Entonces f(x, y) = e y log x. Si F (x, y) = (log x, y), f = exp mult F g(x 0 )Df(x 0 )(x) + f(x 0 )Dg(x 0 )(x). Entonces ( x ) ( 1 ) DF (x 0, y 0 )(x, y) =, y, F (x 0, y 0 ) = x 0 0, x y D mult(log x 0, y 0 ) = xy 0 + ylogx 0, mult (log x 0, y 0 ) = (y 0, log x 0 ), D exp(y 0 log x 0 )(x) = xe y 0 log x 0 = xx y 0 0, exp (y 0 log x 0 ) = x y 0 0. Entonces Df(x 0 )(x, y) = D exp(y 0 log x 0 ) D mult(log x 0, y 0 )(x/x 0, y) = D exp(y 0 log x 0 )(xy 0 /x 0 + y log x 0 ) = x y 0 0 (xy 0/x 0 + y log x 0 ) = xy 0 x y yx y 0 0 log x 0,

7 2. Derivadas parciales 31 y el Jacobiano está dado por f (x 0, y 0 ) = x y 0 0 (y 0, log x 0 ) 2. Derivadas parciales ( 1 x ( = x y 0 y0 ) 0, log x 0 = (y 0 x y 0 1 0, x y 0 0 x log x 0). 0 Definición Sean f : R n R, x 0, u R n. Si el ite t 0 ) f(x 0 + tu) f(x 0 ), t R, t existe, le llamamos la derivada direccional en la dirección u y se denota por D u f(x 0 ). Si u = e i, D ei f(x 0 ) es llamada la i-ésima derivada parcial de f en x 0, y se denota por D i f(x 0 ). Ejemplo Si f : R 2 R está dada por f(x, y) = sen xy, entonces f(x 0 + t, y 0 ) f(x 0, y 0 ) D 1 f(x 0, y 0 ) = = y 0 cos(x 0 y 0 ). t 0 t Como lo muestra el ejemplo anterior, las derivadas parciales son esencialmente derivadas en R, asumiendo las demás variables como constantes. No es sorpresa, entonces, que las derivadas parciales satisfagan las propiedades de la derivada en R. Decimos que f : R n R tiene un mínimo local en x 0 si existe un rectángulo abierto R que contiene a x 0 y f(x 0 ) f(x) para todo x R. De manera similar, decimos que f tiene un máximo local en x 0 si existe un rectángulo abierto R que contiene a x 0 y f(x 0 ) f(x) para todo x R. Proposición Si f : R n R tiene un mínimo o máximo local en x 0 y sus derivadas parciales existen, entonces D i f(x 0 ) = 0, i = 1,..., n. Proposición 3.14 (Teorema del Valor Medio). Si las derivadas parciales de f : R n R existen, x 0 R n y t R, entonces existe c entre x i 0 y xi 0 + t tal que f(x 1 0,..., x i 0 + t,..., x n 0 ) f(x 1 0,..., x i 0,..., x n 0 ) = td i f(x 1 0,..., c,..., xn 0 ).

8 32 3. Diferenciabilidad Las demostraciones de estas proposiciones se siguen directamente de sus versiones en una variable, y las dejamos como ejercicio (ejercicios 4 y 5). Si una función es diferenciable, entonces sus derivadas parciales existen, como lo enuncia el siguiente teorema. Teorema Sea f : R n R diferenciable en x 0. Entonces cada D i f(x 0 ) existe y f (x 0 ) = (D 1 f(x 0 ),..., D n f(x 0 )). Demostración. Para demostar que D i f(x 0 ) existe, sea h : R R n dada por h(t) = f(x 1 0,..., xi 0 + t,..., xn 0 ) = x 0 + te i. Entonces f(x 0 + te i ) = f h(t). Como h es diferenciable en 0 y f es diferenciable en x 0 = h(0), la regla de la cadena implica que f h es diferenciable en 0. Pero (f h) (0) es D i f(x 0 ) y (f h) (0) = f (x 0 )h (0) = f (x 0 )e i, así que D i f(x 0 ) es la i-ésima componente de f (x 0 ). Nota que la inversa de este teorema es falsa, como lo muestra el siguiente ejemplo. Ejemplo Sea f : R 2 R dada por { 1 si 0 < y < x 2 ; f(x, y) = 0 de otra forma. Entonces f(x, 0) = f(0, y) = 0 para todo x, y, por lo que D 1 f(0, 0) = D 2 f(0, 0) = 0. Sin embargo, f ni siquiera es continua en (0, 0). De hecho, para cualquier u R 2, f(tu) = 0 para un intervalo alrededor de 0, así que D u f(0, 0) = 0. Corolario Si f : R n R m es diferenciable en x 0, entonces cada D j f i (x 0 ) existe y f (x 0 ) es la matriz de m n con entradas D j f i (x 0 ). Ejemplo Consideremos de nuevo f(x, y) = (sen xy, x y ). Del corolario se obtiene inmediatamente ( ) f y0 cos(x 0 y 0 ) x 0 cos(x 0 y 0 ) (x 0, y 0 ) = y 0 x y x y 0 0 log x. 0 Teorema Sea f : R n R tal que cada una de las D i f(x) existen en un rectángulo abierto que contiene a x 0 y son continuas en x 0. Entonces f es diferenciable en x 0 y f (x 0 ) = (D 1 f(x 0 ),..., D n f(x 0 )).

9 2. Derivadas parciales 33 Si las derivadas parciales de f existen un rectángulo alrededor de x 0 y son continuas en x 0, se dice que f es continuamente diferenciable en x 0. Demostración. Supongamos que las derivadas parciales D i f(x) existen para x R, donde R es un recatángulo abierto que contiene a x 0. Si h es tal que x 0 + h R, por la proposición 3.14, f(x h 1, x h 2,..., x n 0 + h n ) f(x 1 0, x 2 0,..., x n 0 ) = f(x h1, x h2,..., x n 0 + hn ) f(x 1 0, x2 0 + h2,..., x n 0 + hn ) + f(x 1 0, x2 0 + h2,..., x n 0 + hn ) f(x 1 0, x2 0, x3 0 + h3,..., x n 0 + hn ) f(x 1 0, x 2 0,..., x n 0 + h n ) f(x 1 0, x 2 0,..., x n 0 ) = D 1 f(c 1 )h D n f(c n )h n, donde cada uno de los c i R están entre x i 0 y hi, por lo que c i x i 0 cuando 0. Entonces f(x 0 + h) f(x 0 ) i D if(x 0 )h i n D i f(c i ) D i f(x 0 ) hi i=1 n D i f(c i ) D i f(x 0 ), i=1 y f(x 0 + h) f(x 0 ) i D if(x 0 )h i h 0 porque las D i f son continuas en x 0. = 0, Definición Decimos que f : R n R m es continuamente diferenciable en x 0 si cada una de las derivadas parciales D j f i (x) existe en un rectángulo abierto alrededor de x 0 y es continua en x 0. Corolario Si f : R n R m es continuamente diferenciable en x 0, entonces es diferenciable en x 0. La inversa a este corolario es falsa, como lo muestra el siguiente y bien conocido ejemplo. Ejemplo Sea f : R R dada por { 0 x = 0; f(x) = x 2 sen 1 x x 0. Entonces f es diferenciable en R, pero D 1 f(x) no es continua en 0. Para terminar esta sección, establecemos la siguiente versión, clásica, de la regla de la cadena.

10 34 3. Diferenciabilidad Corolario Sea g : R n R m continuamente diferenciable en x 0, y f : R m R diferenciable en g(x 0 ). Entonces m (3.2) D i (f g)(x 0 ) = D j f(g(x 0 ))D i g j (x 0 ). j=1 Demostración. Como g es continuamente diferenciables en x 0, g es diferenciable en x 0 y por la regla de la cadena f g es diferenciable en x 0. Además (f g) (x 0 ) = f (g(x 0 ))g (x 0 ) D 1 g 1 (x 0 )... D n g 1 (x 0 ) = ( D 1 f(g(x 0 ))... D m f(g(x 0 )) ) D 1 g 2 (x 0 )... D n g 2 (x 0 )....., D 1 g m (x 0 )... D n g m (x 0 ) de donde la ecuación (3.2) se sigue inmediatamente. 3. Teorema de la función inversa Si f : R R es continuamente diferenciable en una vecindad de x 0 R y f (x 0 ) 0, sabemos que existe una vecindad de x 0, digamos U, tal que f es invertible en U, f 1 es diferenciable en f(u) y (f 1 ) (f(x)) = 1 f (x). A continuación estableceremos la versión de este resultado para funciones en R n. Teorema 3.24 (Función Inversa). Sea f : R n R n continuamente diferenciable en una vecindad de x 0 R n, tal que det(f (x 0 )) 0. Entonces existe una vecindad V de x 0 y una vecindad W de f(x 0 ) tales que f : V W tiene inversa f 1 : W V, es diferenciable y, para cada y W, (f 1 ) (y) = [f (f 1 (y))] 1. Es decir, la inversa f 1 es diferenciable y su matriz Jacobiana es la inversa la matriz Jacobiana de f. Para la demostración del Teorema de la Función Inversa haremos uso del siguiente lema, el cual se sigue del Teorema del Valor Medio. Lema Sea R R n un rectángulo, f : R R n continuamente diferenciable y M > 0 tal que D j f i (x) M para i, j = 1,..., n, x R. Entonces f(x) f(y) n 2 M x y, x, y R.

11 3. Teorema de la función inversa 35 Demostración. Por el Teorema del Valor Medio, existen z 1,..., z n R tal que f i (x 1, x 2,..., x n ) f i (y 1, y 2,..., y n ) = f i (x 1, x 2,..., x n ) f i (y 1, x 2,..., x n ) + f i (y 1, x 2,..., x n ) f i (y 1, y 2,..., x n ) así que f i (y 1, y 2,...y n 1, x n ) f i (y 1, y 2,..., y n ) = D 1 f i (z 1 )(x 1 y 1 ) + D 2 f i (z 2 )(x 2 y 2 ) D n f i (z n )(x n y n ), f i (x) f i (y) n D j f i (z j ) x j y j nm x y. j=1 Por lo tanto f(x) f(y) n 2 M x y. Demostración del Teorema de la Función Inversa. Sea T = Df(x 0 ). Para la demostración empezaremos por observar que podemos asumir que T es la identidad. Como det(f (x 0 )) 0, T es invertible. Por la regla de la cadena, D(T 1 f)(x 0 ) = DT 1 (f(x 0 ))Df(x 0 ) = T 1 T = Id. Es claro que, si el teorema es cierto para T 1 f, entonces será cierto para f. De ahora en adelante, asumimos que T es la transformación identidad. Dividiremos la demostración en una serie de pasos. Paso 1. Existe un rectángulo cerrado R tal que x 0 R 0 y, para todo x R, x x 0, f(x) f(x 0 ). Esto es cierto porque, si f(x) = f(x 0 ), f(x) f(x 0 ) T (x x 0 ) x x 0 = x x 0 x x 0 = 1. Pero el ite cuando x x 0 es cero, lo cual inmediatamente implica el paso 1. De hecho, podemos escoger R tal que 1. det(f (x)) 0 para x R; y 2. D j f i (x 1 ) D j f i (x 2 ) 1 2n 2 para x 1, x 2 R, porque f es continuamente diferenciable en una vecindad de x 0. Paso 2. Para x 1, x 2 R, x 1 x 2 2 f(x 1 ) f(x 2 ).

12 36 3. Diferenciabilidad Sea g : R R n dada por g(x) = f(x) x. Entonces g es continuamente diferenciable y D j g i (x 0 ) = 0, porque { D j f i 1 i = j, (x 0 ) = 0 i j. Entonces D j g i (x) = D j g i (x) D j g i (x 0 ) = D j f i (x) D j f i (x 0 ) 1 2n 2 para todo x R. Entonces, por el lema 3.25, g(x 1 ) g(x 2 ) = n 2 1 2n 2 x 1 x 2 = 1 2 x 1 x 2. Ahora bien, si x 1, x 2 R, x 1 x 2 f(x 1 ) f(x 2 ) x 1 x 2 (f(x 1 ) f(x 2 )) 1 2 x 1 x 2, y por lo tanto 1 2 x 1 x 2 f(x 1 ) f(x 2 ). Paso 3. Existe un abierto W R n, f(x 0 ) W, tal que, si x R, entonces para todo y W. y f(x 0 ) < y f(x) Como x 0 R 0, entonces f(x) f(x 0 ) para x R. Como R es compacto, f( R) es compacto, por lo que existe r > 0 tal que f(x 0 ) f(x) r para todo x R. Sea W = B 0 r/2 (f(x 0)). Entonces, si y W y x R, y f(x) f(x) f(x 0 ) f(x 0 ) y > r r/2 > f(x 0 ) y. Paso 4. Para cada y W existe un único x R tal que f(x) = y. Dado y W, sea h : R R dada por h(x) = y f(x) 2. Mostraremos que h toma un mínimo y que este mínimo es 0. Como R es compacto, h tiene un mínimo y, digamos, lo toma en x. Por el paso 3, x / R, ya que h(x 0 ) < h(x) para x R. Así que x R 0, y entonces, por la proposición 3.13, D j (h( x)) = 0 para todo j. Esto significa que n 2(y i f i ( x))d j f i ( x) = 0 i=1

13 3. Teorema de la función inversa 37 para cada j = 1,..., n. Pero, como la matriz (D j f i ( x)) es no singular, y i f i ( x) = 0 para todo i. Por lo tanto, f( x) = y. La unicidad se sigue del paso 2. Paso 5. Para y 1, y 2 W, f 1 (y 1 ) f 1 (y 2 ) 2 y 1 y 2. Se sigue fácilmente del paso 2. Además, cuando restringimos f a V = f 1 (W ) R 0, f 1 : W V. Llegamos entonces al final de la demostración. Paso 6. f 1 : W V es diferenciable y, para y W, D(f 1 )(y) = Df(f 1 (y)) 1. Sean y W, x = f 1 (y) y S = Df(x). Queremos demostrar que f 1 es diferenciable en y y que Df 1 (y) = S 1, es decir Sea u = f 1 (z), y definimos Entonces Pero es decir, f 1 (z) f 1 (y) S 1 (z y) = 0. z y z y ϕ(u) = f(u) f(x) S(u x). u x ϕ(u) u x = 0. S 1 ϕ(u) = S 1 (z y) (f 1 (z) f 1 (y)), f 1 (z) f 1 (y) S 1 (z y) = S 1 ϕ(u). Lo que queremos mostrar entonces es que S 1 ϕ(f 1 (z)) = 0. z y z y Sea M > 0 tal que S 1 v M v para todo v R n. Entonces, por el paso 5, S 1 ϕ(f 1 (z)) z y M ϕ(f 1 (z)) f 1 (z) f 1 (y) f 1 (z) f 1 (y) z y 2M ϕ(f 1 (z)) f 1 (z) f 1 (y) para todo z R, z y, lo cual converge a 0 cuando z y.

14 38 3. Diferenciabilidad 4. Teorema de la función implícita Teorema 3.26 (Función Implícita). Sea f : R n R m R m continuamente diferenciable alrededor de (x 0, y 0 ) R n R m y f(x 0, y 0 ) = 0. Sea M la matriz de m m dada por (D n+j f i (x 0, y 0 )), i, j = 1,... m, y suponemos que det M 0. Entonces existe un abierto U R n R m, x 0 U, y un abierto V R m, y 0 V, tales que, para cada x U, existe un único g(x) V tal que f(x, g(x)) = 0. Más aún, g es diferenciable. Es decir, la ecuación f(x, y) = 0 define implícitamente y como función de x, siempre y cuando las derivadas en y formen una matriz no singular. La demostración del Teorema de la Función Implícita se sigue del Teorema de la Función Inversa. Demostración. Sea F : R n R m R n R m la función definida por F (x, y) = (x, f(x, y)). Entonces la matriz Jacobiana F (x 0, y 0 ) está dada por , D 1 f 1 (x 0, y 0 )... D n f 1 (x 0, y 0 ) D n+1 f 1 (x 0, y 0 )... D n+m f 1 (x o, y 0 ) D 1 f m (x 0, y 0 )... D n f m (x 0, y 0 ) D n+1 f m (x 0, y 0 )... D n+m f m (x o, y 0 ) es decir, es de la forma así que det F (x 0, y 0 ) = det M 0. ( ) F Id 0 (x 0, y 0 ) =, M Por el teorema de la función inversa, existe un abierto U V alrededor de (x 0, y 0 ) y un abierto W alrededor de F (x 0, y 0 ) tales que F : U V W tiene inversa F 1 : W U V y es diferenciable. No es difícil ver que esta inversa es de la forma F 1 (u, v) = (u, h(u, v)), Para (u, v) W, y h : W V es diferenciable.

15 4. Teorema de la función implícita 39 Como F 1 (x, y) = (x, h(x, y)), (x, y) = F (x, h(x, y)) = (x, f(x, h(x, y))), por lo que (3.3) f(x, h(x, y)) = y. Así que f(x, h(x, 0)) = 0, y por lo tanto podemos escoger g(x) = h(x, 0). Es fácil calcular Dg(x) para cada x U: Como f(x, g(x)) = 0, f i (x, g(x)) = 0 para cada i = 1, 2,..., m. Calculando la j-ésima derivada parcial utilizando la regla de la cadena, m (3.4) D j f i (x, g(x)) + D n+l f i (x, g(x))d j g l (x) = 0. l=1 Ahora bien, 3.4 es un sistema lineal con m ecuaciones y m variables, y, además, det ( D n+l f i (x, g(x)) ) i,l 0. Así que podemos resolver, de forma unívoca, para cada D j g l (x). Veamos esto a través de un ejemplo. Ejemplo Consideremos la ecuación x 2 y + 2xy 2 = 0, alrededor del punto (1, 1). Como D 2 f(1, 1) = x 2 + 4xy 0, (1,1) la ecuación define implícitamente y como función de x, digamos y = g(x), en una vecindad de (1, 1). Sean Entonces es decir f(x, y) = x 2 y + 2xy 2 y F (x) = f(x, g(x)). de donde obtenemos que Usualmente se escribe F (x) = D 1 f(x, g(x)) + D 2 f(x, g(x))g (x) = 0, (2xg(x) + 2g(x) 2 + (x 2 + 4xg(x))g (x) = 0, g (x) = 2xg(x) + 2g(x)2 x xg(x) dy + 2y2 = 2xy dx x 2 + 4xy.

16 40 3. Diferenciabilidad El Teorema de la Función Implícita, a través de la ecuación (3.3), implica que la función f es localmente una proyección sobre el espacio R m. Este resultado es conocido como el Teorema del Rango. Recordemos que, si M es una matriz de n m, su rango ρ(m) es el número máximo de columnas linealmente independientes de M. Es decir, la dimensión de su imagen en R m. Teorema 3.28 (Rango). Sea f : R n R m continuamente diferenciable alrededor de x 0 y f(x 0 ) = 0. Suponemos que m n y que f (x 0 ) tiene rango igual a m. Entonces existe un abierto U R n, x 0 U, y una función Ψ : U R n diferenciable tal que f Ψ(x 1,..., x n ) = (x n m+1,..., x n ). Demostración. Como ρ(f (x 0 )) = m, f (x 0 ) tiene m columnas linealmente independientes, digamos las columnas j 1 < j 2 <... < j m. Sea g : R n R n una permutación tal que (x 1, x 2,..., x n ) = g(..., x j 1,..., x jm ). Es decir, g manda las últimas m coordenadas de cada punto en R n a las coodernadas j 1,..., j m. Entonces f g : R n m R m R m satisface las hipótesis del Teorema de la Función Implícita, así que existe H : R n R n tal que f g H(x 1,..., x n ) = (x n m+1,..., x n ). Nota que H es de la forma (x, x ) (x, h(x, x )), como en la ecuación (3.3). Entonces tomamos Ψ = g H. 5. Derivadas de orden mayor Si la función f : R n R m es diferenciable, las derivadas parciales D i f(x) existen, y pueden ser ellas mismas diferenciables. Si cada D i f(x) es diferenciable, entonces sus derivadas parciales existen y se denominan derivadas parciales de segundo orden de f. Éstas se denotan por D ij f(x) = D j (D i f)(x). Similarmente, las derivadas parciales de orden k se denotan por D i1 i 2...i k f(x) = D ik (D i2 (D i1 f))(x). En general, D ij f(x) D ji f(x), como lo muestra el siguiente ejemplo. Ejemplo Sea f : R 2 R dada por xy(x 2 y 2 ) f(x, y) = x 2 + y 2 (x, y) (0, 0) 0 (x, y) = (0, 0).

17 5. Derivadas de orden mayor 41 Sus derivadas parciales están dadas por x 4 y + 4x 2 y 3 y 5 D 1 f(x, y) = (x 2 + y 2 ) 2 (x, y) (0, 0) 0 (x, y) = (0, 0), x 5 4x 3 y 2 xy 4 D 2 f(x, y) = (x 2 + y 2 ) 2 (x, y) (0, 0) 0 (x, y) = (0, 0). Para (x, y) (0, 0), Sin embargo, y D 12 f(x, y) = D 21 f(x, y) = x6 + 9x 4 y 2 9x 2 y 4 y 6 (x 2 + y 2 ) 3. D 12 f(0, 0) = h 0 D 1 f(0, h) D 1 f(0, 0) h = 1, D 2 f(h, 0) D 2 f(0, 0) D 21 f(0, 0) = = 1, h 0 h por lo que D 12 f(0, 0) D 21 f(0, 0). Nota que, en el ejemplo anterior, D 12 f y D 21 f no son continuas en (0, 0). De hecho, ni siquiera tienen limite en (0, 0). Sin embargo, tenemos el siguiente el teorema. Teorema Si D ij f y D ji f existen en una vecindad de x 0 y son continuas en x 0, entonces D ij f(x 0 ) = D ji f(x 0 ). Demostración. Suponemos primero que f : R 2 R, i = 1, j = 2, y definimos F : R 2 R, por Tenemos entonces que F (x) = f(x 0 + x). D 1 F (0) = D 1 f(x 0 ), D 2 F (0) = D 2 f(x 0 ) D 12 F (0) = D 12 f(x 0 ), D 21 F (0) = D 21 f(x 0 ). Si definimos G : R 2 R por G(x 1, x 2 ) = F (x 2, x 1 ), D 1 G(0) = D 2 F (0) y D 12 G(0) = D 21 F (0). Queremos demostrar entonces que D 12 G(0) = D 12 F (0). En búsqueda de una contradicción, suponemos que es falso y, sin pérdida de generalidad, D 12 F (0) > D 12 G(0).

18 42 3. Diferenciabilidad Como ambas derivadas son continuas en (0, 0), existe un rectángulo R = [ ε, ε] [ ε, ε] tal que para x R. Entonces D 12 F (x) D 12 G(x) > 0 D 2 (D 1 (F G))(x 1, x 2 ) > 0 para (x 1, x 2 ) [ ε, ε] [ ε, ε], así que x 2 D 1 (F G)(x 1, x 2 ) es estrictamente creciente en [ ε, ε] para cada x 1 [ ε, ε]. En particular, tenemos que D 1 (F G)(x 1, ε) > D 1 (F G)(x 1, ε). Si definimos H : [ ε, ε] R por H(x 1 ) = (F G)(x 1, ε) (F G)(x 1, ε), H (x) > 0 en [ ε, ε], por lo que es estrictamente creciente en [ ε, ε] y entonces (3.5) H(ε) > H( ε). Pero y H(ε) = F (ε, ε) G(ε, ε) F (ε, ε) + G(ε, ε) H( ε) = F ( ε, ε) G( ε, ε) F ( ε, ε) + G( ε, ε), y, como G(x 1, x 2 ) = F (x 2, x 1 ), H(ε) = F (ε, ε) + F ( ε, ε) = H( ε) = F ( ε, ε) F (ε, ε), por lo que H(ε) = H( ε), lo cual es una contradicción con (3.5). En el caso general, definimos φ : R 2 R por i-ésimo jésimo φ(u, v) = f(x 1 0,..., {}}{{}}{ u,..., v,..., x n 0 ). Entonces D ij f(x 0 ) = D 12 φ(x i 0, xj 0 ) y D jif(x 0 ) = D 21 φ(x i 0, xj 0 ), y el teorema se sigue. Definición Decimos que f : R n R es de clase C k, k = 1, 2,..., y escribimos f C k, si las derivadas parciales de orden k D i1 i 2...i k f(x) existen y son continuas. Decimos que f es de clase C 0, o simplemente de clase C, y escribimos f C 0 (f C, respectivamente), si f es continua. Decimos que f es de clase C, denotado f C, si todas las derivadas parciales de cualquier orden existen. Es decir, f C k para todo k 1.

19 5. Derivadas de orden mayor 43 Ejemplo Sea, para k = 0, 1, 2,..., x k sen 1 f k (x) x x 0 0 x = 0. La diferenciabilidad de cada f k es descrita por la siguiente tabla. k En 0, f k es Clase 0 discontinua ninguna 1 continua C 2 diferenciable, f k no continua C 3 diferenciable con f k continua C1 4 f k diferenciable, f k no continua C1 5 f k continua, pero no diferenciable C 2 2n f (n 1) k diferenciable, pero f (n) k no continua C n 1 2n + 1 f (n) k continua, pero no diferenciable C n Sea f : R n R una función de clase C k. Definimos φ : R R por φ(t) = f(x 0 + t(x x 0 )) = f(x t(x 1 x 1 0),..., x n 0 + t(x n x n 0 )). Entonces φ(0) = f(x 0 ) y φ(1) = f(x). Como f C k (R n ), φ C k (R) y n k φ (k) (t) = D i1 i 2...i k f(x 0 + t(x x 0 )) (x i l x i l 0 ). i 1,i 2,...,i k =1 Por el teorema de Taylor, existe c [0, 1] tal que donde l=1 φ(1) = φ(0) + φ (0) φk 1 (0) (k 1)! + R k, R k = φk (c). k! Estas observaciones implican el siguiente teorema. Teorema Si f C k, x 0, x R n, entonces existe y entre x 0 y x tal que n (3.6) f(x) = f(x 0 ) + D i f(x 0 )(x i x i 0 ) donde i=1 1 (k 1)! R k (x) = 1 k! n i 1,i 2,...,i k =1 n i 1,i 2,...,i k =1 k 1 D i1 i 2...i k 1 f(x 0 ) (x i l x i l 0 ) + R k(x), D i1 i 2...i k f(y) l=1 k (x i l x i l 0 ). l=1

20 44 3. Diferenciabilidad Al polinomio de la ecuación (3.6) se le llama polinomio de Taylor alrededor de x 0 de f. Si f C, podemos calcular tantos sumandos como queramos, y a la serie así obtenida se le llama expansión de Taylor alrededor de x 0. Si esta serie converge a f(x), es decir R k (x) 0, en una vecindad de x 0, entonces decimos que f es analítica real en x 0. Ejemplo Sea f(x, y) = sen xy. Entonces f(0, 0) = 0, y D 1 f(x, y) = y cos xy, D 1 f(0, 0) = 0 D 2 f(x, y) = x cos xy, D 2 f(0, 0) = 0 D 11 f(x, y) = y 2 sen xy, D 11 f(0, 0) = 0 D 12 f(x, y) = cos xy xy sen xy, D 12 f(0, 0) = 1 D 21 f(x, y) = cos xy xy sen xy, D 21 f(0, 0) = 1 D 22 f(x, y) = x 2 cos xy, D 22 f(0, 0) = 0. Entonces, los primeros términos de la expansión de Taylor alrededor de (0, 0) de sen xy son 1 (1(x 0)(y 0) + 1(y 0)(x 0)) = xy. 2 Nota que coinciden con el primer término de la expansión de sen w, con w = xy. Si una función es de clase C, entonces no necesariamente es analítica. De hecho, es posible que la expansión converja a un ite distinto de f(x), como lo muestra que el siguiente ejemplo. Ejemplo Consideremos la función f : R R dada por f(x) = {e 1 x 2 x 0 0 x = 0. Entonces f es de clase C, pero f (k) (0) para todo k. Entonces la expansión Taylor de f alrededor de 0 es idénticamente 0, pero f(x) 0 para todo x 0.

21 Ejercicios 45 Ejercicios 1. Demuestra que las derivadas direccionales de f : R n R en x 0 satisfacen D tu f(x 0 ) = td u f(x 0 ), D u+v f(x 0 ) = D u f(x 0 ) + D v f(x 0 ) si f es diferenciable en x Decimos que f : R n R es homogénea de grado α si f(tx) = t α f(x), para x R n, t > 0. Si además f es diferenciable, muestra la fórmula de Euler n x i D i f(x) = αf(x). i=1 3. Si f : R n R es diferenciable y f(0) = 0, demuestra que existen g i : R n R tal que n f(x) = x i g i (x). 4. Demuestra la proposición Demuestra la proposición i=1 6. Sea A R n abierto y f : A R n inyectiva y continuamente diferenciable tal que det f (x) 0 para todo x A. Muestra que f(a) es abierto y f 1 : f(a) A es diferenciable. Muestra además que f(b) es abierto para todo B A abierto. 7. a) Sea f : R 2 R continuamente diferenciable. Muestra que f no es inyectiva. (Sugerencia: Considera la función g(x, y) = ( f(x, y), y ).) b) Generaliza este resultado a funciones continuamente diferenciables f : R n R m, con m < n. 8. a) Muestra que si f : R R satisface f (x) 0 para todo x R, entonces f es inyectiva. b) Sin embargo, muestra que f : R 2 R 2 dada por f(x, y) = (e x cos y, e y sen y) satisface det f (x, y) 0 para todo (x, y) R 2, pero no es inyectiva. 9. Sea f : R n R n continuamente diferenciable tal que existe c > 0 tal que f(x) f(y) c x y para todo x, y R n. Muestra que a) f es inyectiva; b) det f (x) 0 para todo x R n ; y

22 46 3. Diferenciabilidad c) f(r n ) = R n. (Sugerencia: Como en la demostración del Teorema de la Función Inversa, considera la función g(x) = y f(x) 2.) 10. Sea f : R R dada por f(x) = {e 1 x 2 x 0 0 x = 0. Muestra por inducción que, para x 0, k = 1, 2,..., f (k) (x) = P k(x) Q k (x) e donde P k y Q k son polinomos. Concluye que f C y f (k) (0) = 0 para todo k. 1 x 2,

Análisis de Varias Variables. Ricardo A. Sáenz

Análisis de Varias Variables. Ricardo A. Sáenz Análisis de Varias Variables Ricardo A. Sáenz Índice general Parte 1. Preliminares Capítulo 1. El espacio euclideano 3 1. Definiciones básicas 3 2. Bestiario 8 3. Topología de R n 10 4. Sucesiones en

Más detalles

Funciones de Clase C 1

Funciones de Clase C 1 Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,

Más detalles

Reconocer y utilizar las propiedades sencillas de la topología métrica.

Reconocer y utilizar las propiedades sencillas de la topología métrica. 3 Funciones continuas De entre todas las aplicaciones que pueden definirse entre dos espacios métrico, las aplicaciones continuas ocupan un papel preponderante. Su estudio es fundamental no sólo en topología,

Más detalles

Espacios compactos. Capítulo Cubiertas. En este capítulo estudiaremos el concepto de compacidad en un espacio métrico.

Espacios compactos. Capítulo Cubiertas. En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. Capítulo 3 Espacios compactos 1. Cubiertas En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. Definición 3.1. Sea (X, d) un espacio métrico y A X. Una cubierta de A es una familia

Más detalles

Derivada de la función compuesta. Regla de la cadena

Derivada de la función compuesta. Regla de la cadena Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de

Más detalles

En este capítulo extenderemos la conocida ecuación. g(b) f = f g g, g(a)

En este capítulo extenderemos la conocida ecuación. g(b) f = f g g, g(a) Capítulo 6 Cambio de variable 1. Particiones de la Unidad En este capítulo extenderemos la conocida ecuación (6.1) g(b) g(a) f = b a f g g, válida para funciones iemann-integrables f y funciones diferenciables

Más detalles

Funciones Inversas. Derivada de funciones inversas

Funciones Inversas. Derivada de funciones inversas Capítulo 15 Funciones Inversas En este capítulo estudiaremos condiciones para la derivación de la inversa de una función de varias variables y, en particular, extenderemos a estas funciones la fórmula

Más detalles

2. Continuidad y derivabilidad. Aplicaciones

2. Continuidad y derivabilidad. Aplicaciones Métodos Matemáticos (Curso 2013 2014) Grado en Óptica y Optometría 7 2. Continuidad y derivabilidad. Aplicaciones Límite de una función en un punto Sea una función f(x) definida en el entorno de un punto

Más detalles

Espacios conexos. Capítulo Conexidad

Espacios conexos. Capítulo Conexidad Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio

Más detalles

Diferenciales de Orden Superior

Diferenciales de Orden Superior Capítulo 10 Diferenciales de Orden Superior En este capítulo extenderemos a las funciones definidas sobre espacios normados el concepto de función r-veces diferenciable y de clase C r y obtendremos las

Más detalles

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p

Más detalles

Funciones de Una Variable Real I. Derivadas

Funciones de Una Variable Real I. Derivadas Contents : Derivadas Universidad de Murcia Curso 2010-2011 Contents 1 Funciones derivables Contents 1 Funciones derivables 2 Contents 1 Funciones derivables 2 3 Objetivos Funciones derivables Definir,

Más detalles

Continuidad. 5.1 Continuidad en un punto

Continuidad. 5.1 Continuidad en un punto Capítulo 5 Continuidad 5.1 Continuidad en un punto Definición 5.1.1 (Aplicación continua en un punto). Sean (X, τ) e (Y, τ ) dos espacios topológicos, y sea f : X Y una aplicación entre ellos. Diremos

Más detalles

CÁLCULO DIFERENCIAL Muestras de examen

CÁLCULO DIFERENCIAL Muestras de examen CÁLCULO DIFERENCIAL Muestras de examen Febrero 2012 T1. [2] Demostrar que la imagen continua de un conjunto compacto es compacto. T2. [2.5] Definir la diferencial de una función en un punto y demostrar

Más detalles

Semana03[1/17] Funciones. 16 de marzo de Funciones

Semana03[1/17] Funciones. 16 de marzo de Funciones Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,

Más detalles

2 x

2 x FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 08-2 Importante: Visita regularmente ttp://www.dim.ucile.cl/~calculo. Aí encontrarás las guías de ejercicios

Más detalles

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con

Más detalles

Derivación. Aproximaciones por polinomios.

Derivación. Aproximaciones por polinomios. Derivación... 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Matemáticas (Grado en Químicas) Contenidos Derivada 1 Derivada 2 3 4 5 6 Outline Derivada 1 Derivada 2 3 4 5 6 Definición

Más detalles

6.1. Anillos de polinomios.

6.1. Anillos de polinomios. 1 Tema 6.-. Anillo de polinomios. División y factorización. Lema de Gauss. 6.1. Anillos de polinomios. Definición 6.1.1. Sea A un anillo. El anillo de polinomios en la indeterminada X con coeficientes

Más detalles

Operador Diferencial y Ecuaciones Diferenciales

Operador Diferencial y Ecuaciones Diferenciales Operador Diferencial y Ecuaciones Diferenciales. Operador Diferencial Un operador es un objeto matemático que convierte una función en otra, por ejemplo, el operador derivada convierte una función en una

Más detalles

Problema 1. Calcula las derivadas parciales de las siguientes funciones: (d) f(x, y) = arctan x + y. (e) f(x, y) = cos(3x) sin(3y),

Problema 1. Calcula las derivadas parciales de las siguientes funciones: (d) f(x, y) = arctan x + y. (e) f(x, y) = cos(3x) sin(3y), Problema. Calcula las derivadas parciales de las siguientes funciones: (a) f(x, y) = x + y cos(xy), (b) f(x, y) = x x + y, (c) f(x, y) = log x + y x y, (d) f(x, y) = arctan x + y x y, (e) f(x, y) = cos(3x)

Más detalles

CAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.

CAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n. April 15, 2009 En este capítulo D denota un subconjunto abierto de R n. 1. Introducción Definición 1.1. Dada una aplicación f : D R, definimos la derivada parcial segunda de f como D ij f = 2 f = ( ) x

Más detalles

Estructuras Algebraicas

Estructuras Algebraicas Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos

Más detalles

CONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.

CONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función

Más detalles

1. DIFERENCIABILIDAD EN VARIAS VARIABLES

1. DIFERENCIABILIDAD EN VARIAS VARIABLES 1 1. DIFERENCIABILIDAD EN VARIAS VARIABLES 1.1. DERIVADAS DIRECCIONALES Y PARCIALES Definición 1.1. Sea f : R n R, ā R n y v R n. Se define la derivada direccional de f en ā y en la dirección de v como:

Más detalles

En este capítulo obtendremos los resultados básicos del cálculo diferencial para funciones reales definidas sobre R o sobre intervalos.

En este capítulo obtendremos los resultados básicos del cálculo diferencial para funciones reales definidas sobre R o sobre intervalos. Capítulo 6 Derivadas 61 Introducción En este capítulo obtendremos los resultados básicos del cálculo diferencial para funciones reales definidas sobre R o sobre intervalos Definición 61 Sea I R, I, f :

Más detalles

1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido

1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña

Más detalles

Resumen de Análisis Matemático IV

Resumen de Análisis Matemático IV Resumen de Análisis Matemático IV 1. Funciones inversas e implícitas y extremos condicionados 1.1. Teorema de la función inversa Teorema de la función inversa: Sea A abierto de R n, f : A R n tal que f

Más detalles

Diferenciación numérica: Método de Euler explícito

Diferenciación numérica: Método de Euler explícito Clase No. 21: MAT 251 Diferenciación numérica: Método de Euler explícito Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios

Más detalles

Cálculo en varias variables

Cálculo en varias variables Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad

Más detalles

1. ESPACIOS DE HILBERT Y OPERADORES

1. ESPACIOS DE HILBERT Y OPERADORES 1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación

Más detalles

Cálculo Diferencial en una variable

Cálculo Diferencial en una variable Tema 2 Cálculo Diferencial en una variable 2.1. Derivadas La derivada nos proporciona una manera de calcular la tasa de cambio de una función Calculamos la velocidad media como la razón entre la distancia

Más detalles

Derivadas parciales Derivadas direccionales Derivadas parciales de orden superior. Derivadas parciales y direccionales

Derivadas parciales Derivadas direccionales Derivadas parciales de orden superior. Derivadas parciales y direccionales Derivadas parciales y direccionales 1 Derivadas parciales 2 Derivadas direccionales 3 Derivadas parciales de orden superior Derivadas parciales (de campos escalares de dos variables) Sea A = [a 1, b 1

Más detalles

Terminaremos el capítulo con una breve referencia a la teoría de cardinales.

Terminaremos el capítulo con una breve referencia a la teoría de cardinales. TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

Límites y continuidad. Cálculo 1

Límites y continuidad. Cálculo 1 Límites y continuidad Cálculo 1 Razones de cambio y límites La rapidez promedio de un móvil es la distancia recorrida durante un intervalo de tiempo dividida entre la longitud del intervalo. Ejemplo 1

Más detalles

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto

Más detalles

Complementos de Análisis. Año 2016

Complementos de Análisis. Año 2016 Complementos de Análisis. Año 2016 Práctica 8. Ecuaciones diferenciales ordinarias. 1 Modelando con ecuaciones diferenciales Modelar con ecuaciones diferenciales las siguientes situaciones. Intentar resolver

Más detalles

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos

Más detalles

Capitulo VI: Funciones.

Capitulo VI: Funciones. Funciones o Aplicaciones: Capitulo VI: Funciones. Ejemplo de función: Sean: A = {, 2, 3 } B = { a, b, c, d, e } F = { (;a) (2;b) (3;e) } es una función de A en B, porque a cada elemento de A, le corresponde

Más detalles

Clase 8 Matrices Álgebra Lineal

Clase 8 Matrices Álgebra Lineal Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas

Más detalles

Cálculo II. Tijani Pakhrou

Cálculo II. Tijani Pakhrou Cálculo II Tijani Pakhrou Índice general 1. Nociones topológicas en R n 1 1.1. Distancia y norma euclídea en R n.................... 1 1.2. Bolas abiertas y cerradas en R n..................... 3 1.3.

Más detalles

Función diferenciable Regla de la cadena (2 variables) Regla de la cadena (vectorial) Diferenciabilidad

Función diferenciable Regla de la cadena (2 variables) Regla de la cadena (vectorial) Diferenciabilidad Diferenciabilidad 1 Función diferenciable 2 Regla de la cadena (2 variables) 3 Regla de la cadena (vectorial) OBJETIVO Generalizar el concepto de diferenciabilidad (conocido ya para funciones de una variable)

Más detalles

Apéndice sobre ecuaciones diferenciales lineales

Apéndice sobre ecuaciones diferenciales lineales Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.

Más detalles

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ). 1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden

Más detalles

Tema 6: Ecuaciones diferenciales lineales.

Tema 6: Ecuaciones diferenciales lineales. Tema 6: Ecuaciones diferenciales lineales Una ecuación diferencial lineal de orden n es una ecuación que se puede escribir de la siguiente forma: a n (x)y (n) (x) + a n 1 (x)y (n 1) (x) + + a 0 (x)y(x)

Más detalles

2.1.5 Teoremas sobre derivadas

2.1.5 Teoremas sobre derivadas si x < 0. f(x) = x si x 0 x o = 0 Teoremas sobre derivadas 9 2. f(x) = x 3, x o = 3 a. Determine si f es continua en x o. b. Halle f +(x o ) y f (x o ). c. Determine si f es derivable en x o. d. Haga la

Más detalles

FUNCIONES REALES 1º DE BACHILLERATO CURSO

FUNCIONES REALES 1º DE BACHILLERATO CURSO FUNCIONES REALES 1º DE BACHILLERATO CURSO 2007-2008 Funciones reales Definición Clasificación Igual de funciones Dominio Propiedades Monotonía Extremos relativos Acotación. Extremos absolutos Simetría

Más detalles

Problemas de VC para EDVC elaborados por C. Mora, Tema 4

Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,

Más detalles

Funciones homogéneas. Funciones

Funciones homogéneas. Funciones Lección 4 Funciones homogéneas Funciones implícitas 41 Funciones homogéneas Una clase de funciones especialmente importantes en economía es la de las funciones homogéneas Si consideramos, por ejemplo,

Más detalles

b) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A

b) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A APENDICE Relaciones y Operaciones Compatibles 1 Definición: a) Sea A un conjunto y una relación entre elementos de A. Decimos que es una relación de equivalencia si es: i Reflexiva: a A, a a. ii Simétrica:

Más detalles

8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV

8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV 8.4. CRITERIO DE ESTAB.: METODO DE LIAPUNOV 309 8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV Consideremos el sistema autónomo dx = F (x, y) dt (8.32) dt = G(x, y), y supongamos que tiene

Más detalles

Integrales dobles. Integrales dobles

Integrales dobles. Integrales dobles Integrales dobles Integrales iteradas b g2 (x) a g 1 (x) f(x, y) dydx ó d h2 (y) c h 1 (y) f(x, y) dxdy Los límites interiores de integración pueden ser variables respecto a la variable exterior de integración,

Más detalles

1 Cálculo diferencial en varias variables.

1 Cálculo diferencial en varias variables. a t e a PROBLEMAS DE CÁLCULO II t i c a s 1 o Ings. Industrial y de Telecomunicación CURSO 2009 2010 1 Cálculo diferencial en varias variables. 1.1 Funciones de varias variables. Límites y continuidad.

Más detalles

1 LIMITES Y DERIVADAS

1 LIMITES Y DERIVADAS 1 LIMITES Y DERIVADAS 2.1 LA TANGENTE Y PROBLEMAS DE LA VELOCIDAD Problema de la tangente Se dice que la pendiente de la recta tangente a una curva en el punto P es el ite de las rectas secantes PQ a medida

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

520142: ALGEBRA y ALGEBRA LINEAL 520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición

Más detalles

Conjuntos, relaciones y funciones Susana Puddu

Conjuntos, relaciones y funciones Susana Puddu Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también

Más detalles

+ ax 2 + bx) x. ( 2 sen(x) 0 (a + b sen(x) sen(2x))2 dx sea mínima.

+ ax 2 + bx) x. ( 2 sen(x) 0 (a + b sen(x) sen(2x))2 dx sea mínima. Facultad de Ingeniería - IMERL Cálculo - Curso. Práctico 8. Integrales paramétricas e integrales iteradas dobles y triples. Integrales múltiples. Cambio de variables, áreas, volúmenes, sumas de Riemann

Más detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

EJERCICIOS DE CÁLCULO DIFERENCIAL EN VARIAS VARIABLES

EJERCICIOS DE CÁLCULO DIFERENCIAL EN VARIAS VARIABLES UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA LABORATORIO DE FORMAS EN GRUPOS EJERCICIOS DE CÁLCULO DIFERENCIAL EN VARIAS VARIABLES Ramón Bruzual Marisela Domínguez Caracas,

Más detalles

Teoremas de Convergencia

Teoremas de Convergencia Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y

Más detalles

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.

Más detalles

5.1. Límite de una Función en un Punto

5.1. Límite de una Función en un Punto Capítulo 5 Continuidad 51 Límite de una Función en un Punto Definición 51 Sean (X, d) y (Y, ρ) espacios métricos, D X, f : D Y una función, a X un punto de acumulación de D y b Y Decimos que b es el límite

Más detalles

Es claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que

Es claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que Capítulo II Cardinalidad Finita II.1. Cardinalidad Definimos I n para n N como I n = {k N : 1 k n}. En particular I 0 =, puesto que 0 < 1. Esto es equivalente a la definición recursiva { si n = 0 I n =

Más detalles

Espacios completos. 8.1 Sucesiones de Cauchy

Espacios completos. 8.1 Sucesiones de Cauchy Capítulo 8 Espacios completos 8.1 Sucesiones de Cauchy Definición 8.1.1 (Sucesión de Cauchy). Diremos que una sucesión (x n ) n=1 en un espacio métrico (X, d) es de Cauchy si para todo ε > 0 existe un

Más detalles

Integrales múltiples

Integrales múltiples ntegrales múltiples Cálculo (2003) El objetivo de este capítulo es definir y aprender a calcular integrales de funciones reales de varias variables, que llamamos integrales múltiples. Las motivación más

Más detalles

Inducción Matemática Conjuntos Funciones. Matemática Discreta. Agustín G. Bonifacio UNSL. Repaso de Inducción, Conjuntos y Funciones

Inducción Matemática Conjuntos Funciones. Matemática Discreta. Agustín G. Bonifacio UNSL. Repaso de Inducción, Conjuntos y Funciones UNSL Repaso de Inducción, y Inducción Matemática (Sección 1.7 del libro) Supongamos que queremos demostrar enunciados del siguiente tipo: P(n) : La suma de los primeros n números naturales es n(n+1)

Más detalles

Métodos directos para resolver sistemas de ecuaciones lineales

Métodos directos para resolver sistemas de ecuaciones lineales Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el

Más detalles

Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa.

Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa. Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:

Más detalles

Continuidad y monotonía

Continuidad y monotonía Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados

Más detalles

Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura:

Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura: 4 Subespacios 29 b) x 5 [25;5], 5 [;24], z 5 [4;4] Use a 5 2, a 5 / a 5 2 / 2 c) Su propia elección de x,, z /o a 2 a) Elija algunos valores para n m genere tres matrices aleatorias de n m, llamadas X,

Más detalles

La Diferencial de Fréchet

La Diferencial de Fréchet Capítulo 2 La Diferencial de Fréchet Iniciamos, con este capítulo, el cálculo diferencial para funciones de varias variables reales. Aunque el marco de trabajo será, con frecuencia, el de los espacios

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios Vectoriales www.math.com.mx Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................

Más detalles

Descomposición en valores singulares de una matriz

Descomposición en valores singulares de una matriz Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran

Más detalles

Anillos. a + (b + c) = (a + b) + c. 3) Existe un elemento 0 en R, el cual llamaremos cero, tal que. a + 0 = 0 + a = a para todo a en R.

Anillos. a + (b + c) = (a + b) + c. 3) Existe un elemento 0 en R, el cual llamaremos cero, tal que. a + 0 = 0 + a = a para todo a en R. Capítulo 7 Anillos 7.1 Definiciones Básicas El concepto de Anillo se obtiene como una generalización de los números enteros, en donde están definidas un par de operaciones, la suma y el producto, relacionadas

Más detalles

Sobre funciones reales de variable real. Composición de funciones. Función inversa

Sobre funciones reales de variable real. Composición de funciones. Función inversa Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real

Más detalles

Curso Propedéutico de Cálculo Sesión 2: Límites y Continuidad

Curso Propedéutico de Cálculo Sesión 2: Límites y Continuidad y Laterales Curso Propedéutico de Cálculo Sesión 2: y Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico y Esquema Laterales 1 Laterales 2 y Esquema Laterales

Más detalles

Gráficas de funciones sobre variedades

Gráficas de funciones sobre variedades Gráficas de funciones sobre variedades Oscar Perdomo Resumen Dadas una variedad riemanniana compacta n dimensional (M, g) y una función diferenciable F : M R k consideraremos la variedad M = {(x, F (x))

Más detalles

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

1. Curvas Regulares y Simples

1. Curvas Regulares y Simples 1. Regulares y Simples en R n. Vamos a estudiar algunas aplicaciones del calculo diferencial e integral a funciones que están definidas sobre los puntos de una curva del plano o del espacio, como por ejemplo

Más detalles

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A = Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente

Más detalles

DERIVADAS PARCIALES Y APLICACIONES

DERIVADAS PARCIALES Y APLICACIONES CAPITULO IV CALCULO II 4.1 DEFINICIÓN DERIVADAS PARCIALES Y APLICACIONES En cálculo una derivada parcial de una función de diversas variables es su derivada respecto a una de esas variables con las otras

Más detalles

1. Halle el dominio de la función f(x) = ln(25 x2 ) x 2 7x + 12 ; es decir, el conjunto más grande posible donde la función está definida.

1. Halle el dominio de la función f(x) = ln(25 x2 ) x 2 7x + 12 ; es decir, el conjunto más grande posible donde la función está definida. Cálculo I (Grado en Ingeniería Informática) Problemas resueltos, 0-3 y 03-4 (segunda parte) Preparado por los profesores de la asignatura: Pablo Fernández, Dragan Vukotić (coordinadores), Luis Guijarro,

Más detalles

FUNCIONES DE UNA VARIABLE

FUNCIONES DE UNA VARIABLE FUNCIONES DE UNA VARIABLE 1- Definiciones 2- Algunas funciones reales 3- Ecuaciones de curvas planas en coordenadas cartesianas 4- Coordenadas polares 5- Coordenadas paramétricas 6- Funciones hiperbólicas

Más detalles

Contenido. Sistemas de ecuaciones no lineales. Enunciado del problema. Ejemplos. Ejemplos. Presentación geométrica. Normas CNM-425

Contenido. Sistemas de ecuaciones no lineales. Enunciado del problema. Ejemplos. Ejemplos. Presentación geométrica. Normas CNM-425 Contenido Análisis Numérico Sistemas de ecuaciones no lineales 1 Introducción CNM-45 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Método de Newton Copyleft

Más detalles

Definición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.

Definición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar. UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.

Más detalles

CALCULO DIFERENCIAL. GRUPO D

CALCULO DIFERENCIAL. GRUPO D CALCULO DIFERENCIAL. GRUPO D HOJA DE PROBLEMAS 1 1. En este ejercicio se trata de dibujar el siguiente subconjunto de R 3 llamado hiperboloide de una hoja (a, b, c > 0): } V = (x, y, z) R 3 : x a + y b

Más detalles

Espacios topológicos. 3.1 Espacio topológico

Espacios topológicos. 3.1 Espacio topológico Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes

Más detalles

ANÁLISIS I MATEMÁTICA 1 ANÁLISIS II (Computación) Práctica 5 - Verano 2009

ANÁLISIS I MATEMÁTICA 1 ANÁLISIS II (Computación) Práctica 5 - Verano 2009 ANÁLISIS I MATEMÁTICA ANÁLISIS II (Computación) Práctica 5 - Verano 2009 Derivadas parciales de orden superior - Polinomio de Taylor - Convexidad y Extremos Derivadas de orden superior. Calcular las derivadas

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una

Más detalles

CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero

CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE

Más detalles

Teoremas de convergencia y derivación bajo el signo integral

Teoremas de convergencia y derivación bajo el signo integral Capítulo 8 Teoremas de convergencia y derivación bajo el signo integral En este capítulo estudiaremos sucintamente bajo qué circunstancias puede intercambiarse el orden de la integral con las operaciones

Más detalles

Funciones convexas Definición de función convexa. Tema 10

Funciones convexas Definición de función convexa. Tema 10 Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en

Más detalles

Por ser f continua y R compacto, existen x 0, y 0 en R tales que f(x 0 ) = sup{f(t) : t R} y f(y 0 ) = inf{f(t) : t R}

Por ser f continua y R compacto, existen x 0, y 0 en R tales que f(x 0 ) = sup{f(t) : t R} y f(y 0 ) = inf{f(t) : t R} Proposición. Sea un rectángulo en R n, y sea f : R una función continua. Entonces f es integrable en. Conjuntos de Demostración: Como f es continua en, y es compacto, f es acotada en, y uniformemente continua.

Más detalles

Tema 2 Datos multivariantes

Tema 2 Datos multivariantes Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,

Más detalles

EXAMEN DE SEPTIEMBRE, MATEMÁTICAS I. 1. (2.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que

EXAMEN DE SEPTIEMBRE, MATEMÁTICAS I. 1. (2.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que EXAMEN DE SEPTIEMBRE, MATEMÁTICAS I DEBE CONTESTAR ÚNICAMENTE A 4 DE LOS SIGUIENTES 5 EJERCICIOS 1. (.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que Sea

Más detalles

ECUACIONES DIFERENCIALES ORDINARIAS LINEALES DE SEGUNDO ORDEN

ECUACIONES DIFERENCIALES ORDINARIAS LINEALES DE SEGUNDO ORDEN ECUACIONES DIFERENCIALES ORDINARIAS LINEALES DE SEGUNDO ORDEN ARIEL M. SALORT asalort@dm.uba.ar Marzo de 2016 1. Teoría general Una ecuación diferencial ordinaria lineal de segundo orden puede ser escrita

Más detalles

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.

Más detalles

Autovalores y autovectores Diagonalización y formas canónicas

Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,

Más detalles