Introducción

En esta sección veremos la relación de la aproximación de Taylor y los extremos locales de una función ya que la serie de Taylor (especialmente de bajo orden) puede ayudar a identificar, clasificar y entender el comportamiento de una función alrededor de un punto crítico (donde la derivada o el gradiente, según sea el caso, vale cero).

Aproximación de Taylor para funciones $f:\mathbb{R}^{3}\rightarrow\mathbb{R}$

El caso de la aproximación con $n=2$ nos queda
$$f(x,y)=f(x_{0},y_{0})+\textcolor{Blue}{\frac{1}{1!}\left(\frac{\partial f}{\partial x}(x_{0},y_{0})\cdot (x-x_{0})+\frac{\partial f}{\partial y}(x_{0},y_{0})\cdot (y-y_{0})\right)}+$$

$$\textcolor{Red}{\frac{1}{2!}\left(\frac{\partial^{2} f}{\partial x^{2}}(x_{0},y_{0})(x-x_{0})^{2}+2\frac{\partial^{2} f}{\partial x\partial y}(x_{0},y_{0})(x-x_{0})(y-y_{0})+\frac{\partial^{2} f}{\partial y^{2}}(x_{0},y_{0})(y-y_{0})^{2}\right)}+R_{2}$$
Donde la expresión azul se puede escribir

$$\textcolor{Blue}{\frac{1}{1!}\left(\frac{\partial f}{\partial x}(x_{0},y_{0})\cdot (x-x_{0})+\frac{\partial f}{\partial y}(x_{0},y_{0})\cdot (y-y_{0})\right)=\nabla f(x_{0},y_{0},z_{0})\cdot (h_{1},h_{2},h_{3})}$$
y la expresión en rojo

$$\textcolor{Red}{\frac{1}{2!}\left(\frac{\partial^{2}f}{\partial
x^{2}}{p}(x-x{0})^{2}+2\frac{\partial^{2}f}{\partial y \partial
x}{p}(x-x{0})(y-y_{0})+\frac{\partial^{2}f}{\partial
y^{2}}{p}(y-y{0})^{2}\right)}$$ Define una forma cuadratica que
podemos escribir

$$\textcolor{Red}{\frac{1}{2!}(x-x_{0}\quad y-y_{0})\left(\begin{array}{cc}
\frac{\partial^{2}f}{\partial x^{2}}&\frac{\partial^{2}f}{\partial y \partial x}\\
\frac{\partial^{2}f}{\partial x \partial y }&\frac{\partial^{2}f}{\partial y^{2}} \end{array}\right)\left(\begin{array}{c}
x-x_{0} \\y-y_{0} \end{array}\right)}$$

Por lo que el desarrollo de Taylor se puede escribir
$$f(x,y)=f(x_{0},y_{0})+\nabla f(x_{0},y_{0},z_{0})\cdot (h_{1},h_{2},h_{3})+\frac{1}{2!}(x-x_{0}\quad y-y_{0})\left(\begin{array}{cc}
\frac{\partial^{2}f}{\partial x^{2}}&\frac{\partial^{2}f}{\partial y \partial x} \\
\frac{\partial^{2}f}{\partial x \partial y }&\frac{\partial^{2}f}{\partial y^{2}} \end{array}\right)\left(\begin{array}{c}
x-x_{0} \\y-y_{0} \end{array}\right)$$

A la matriz

$$\left(\begin{array}{cc}
\frac{\partial^{2}f}{\partial x^{2}}&\frac{\partial^{2}f}{\partial y \partial x} \\
\frac{\partial^{2}f}{\partial x \partial y }&\frac{\partial^{2}f}{\partial y^{2}} \end{array}\right)$$

se le conoce como matriz Hessiana y se denota $H(x_{0},y_{0})$ por lo que el desarrollo de Taylor se puede escribir
$$f(x,y)=f(x_{0},y_{0})+\nabla f(x_{0},y_{0},z_{0})\cdot (h_{1},h_{2},h_{3})+\frac{1}{2!}(x-x_{0}\quad y-y_{0})(H(x_{0},y_{0}))\left(\begin{array}{c}
x-x_{0} \\y-y_{0} \end{array}\right)$$

$\textcolor{Red}{\textbf{Aproximación de Taylor para funciones $f:\mathbb{R}^{3}\rightarrow\mathbb{R}$}}$

Sea $f:A\subset\mathbb{R}^{3}\rightarrow\mathbb{R}$ y sea $F(t)=f(x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3}t)$ con $t\in[0,1]$, de esta manera f recorre el segmento de $[x_{0},y_{0},z_{0}]$ a $[x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3}t]$. Se tiene entonces que usando la regla de la cadena

$$F'(t)=\frac{\partial f}{\partial x}(x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3}t)\cdot \frac{d(x_{0}+h_{1}t)}{dt}+\frac{\partial f}{\partial y}(x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3}t)\cdot \frac{d(y_{0}+h_{2}t)}{dt}+$$

$$\frac{\partial f}{\partial z}(x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3}t)\cdot \frac{d(z_{0}+h_{3}t)}{dt}=$$

$$\frac{\partial f}{\partial x}(x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3})\cdot h_{1}+\frac{\partial f}{\partial y}(x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3})\cdot h_{2}+\frac{\partial f}{\partial z}(x_{0}+h_{1}t,y_{0}+h_{2}t,z_{0}+h_{3})\cdot h_{3}$$

Vamos ahora a calcular $F^{´´}(t)$

$$F^{´´}(t)=\frac{\partial}{\partial x}\left(\frac{\partial f}{\partial x}h_{1}+ \frac{\partial f}{\partial y}h_{2}+\frac{\partial f}{\partial z}h_{3}\right)h_{1}+\frac{\partial}{\partial y}\left(\frac{\partial f}{\partial x}h_{1}+ \frac{\partial f}{\partial y}h_{2}+\frac{\partial f}{\partial z}h_{3}\right)h_{2}+\frac{\partial}{\partial z}\left(\frac{\partial f}{\partial x}h_{1}+ \frac{\partial f}{\partial y}h_{2}+\frac{\partial f}{\partial z}h_{3}\right)h_{3}=$$

$$\frac{\partial^{2}f}{\partial x^{2}}h_{1}^{2}+2\frac{\partial^{2}f}{\partial x\partial y}h_{1}h_{2}+\frac{\partial^{2}f}{\partial y^{2}}h_{2}^{2}+2\frac{\partial^{2}f}{\partial x\partial z}h_{3}h_{1}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$
Ahora bien si se aplica la fórmula de Taylor con la forma del residuo de Lagrange a la función $$F(t)=f(x_{0}+h_{1}t,y_{0}+h_{2}t)$$ y ponemos $t=0$, y $n=2$ se tiene

$$F(t)=F(0)+\frac{1}{1!}F'(0)t+\frac{1}{2!}F^{´´}(0)t^{2}+R_{2}$$

ahora bien con $t=1$, $x=x_{0}+h_{1}$, $y=y_{0}+h_{2}$, $z=z_{0}+h_{3}$

$$f(x,y)=f(x_{0},y_{0})+\textcolor{Blue}{\left(\frac{\partial f}{\partial
x}\right){p}(x-x_{0})+\left(\frac{\partial f}{\partial
y}\right){p}(y-y_{0})+\left(\frac{\partial f}{\partial
z}\right){p}(z-z_{0})}+$$

$$\textcolor{Red}{\frac{1}{2!}\left(\frac{\partial^{2}f}{\partial
x^{2}}{p}(x-x_{0})^{2}+2\frac{\partial^{2}f}{\partial x \partial
y}{p}(x-x_{0})(y-y_{0})+\frac{\partial^{2}f}{\partial
y^{2}}{p}(y-y_{0})^{2}+2\frac{\partial^{2}f}{\partial
x\partial z}{p}(z-z_{0})(x-x_{0})+2\frac{\partial^{2}f}{\partial
y\partial z}{p}(z-z_{0})(y-y_{0})\right)}$$

$$\textcolor{Red}{+\frac{\partial^{2}f}{\partial
z^{2}}{p}(z-z_{0})}+R_{2}$$
Donde la expresión en azul se puede escribir

$$\textcolor{Blue}{\left(\frac{\partial f}{\partial
x}\right){p}(x-x_{0})+\left(\frac{\partial f}{\partial
y}\right){p}(y-y_{0})+\left(\frac{\partial f}{\partial
z}\right){p}(z-z_{0})=\nabla f(x_{0},y_{0},z_{0})\cdot (h_{1},h_{2},h_{3})}$$

y la expresión en rojo
$$\textcolor{Red}{\frac{1}{2!}\left(\frac{\partial^{2}f}{\partial x^{2}}h_{1}^{2}+2\frac{\partial^{2}f}{\partial x\partial y}h_{1}h_{2}+\frac{\partial^{2}f}{\partial y^{2}}h_{2}^{2}+2\frac{\partial^{2}f}{\partial x\partial z}h_{3}h_{1}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}\right)}$$

se puede ver como producto de matrices

$$\frac{1}{2!}(h_{1}~h_{2}~h_{3})\left(\begin{matrix}\frac{\partial^{2}f}{\partial
x^{2}}&\frac{\partial^{2}f}{\partial y \partial x}&\frac{\partial^{2}f}{\partial z \partial x}\\ \frac{\partial^{2}f}{\partial x \partial y}&\frac{\partial^{2}f}{\partial
y^{2}}&\frac{\partial^{2}f}{\partial z \partial y}\\ \frac{\partial^{2}f}{\partial
x \partial z}&\frac{\partial^{2}f}{\partial y \partial z}&\frac{\partial^{2}f}{\partial
z^{2}}\end{matrix}\right)_{p}\left(\begin{matrix}h{1}\\h_{2}\\h_{3}\end{matrix}\right)$$

La matriz
$$\left(\begin{matrix}\frac{\partial^{2}f}{\partial
x^{2}}&\frac{\partial^{2}f}{\partial
y\partial x}&\frac{\partial^{2}f}{\partial
z\partial x}\\\frac{\partial^{2}f}{\partial
x \partial y}&\frac{\partial^{2}f}{\partial
y^{2}}&\frac{\partial^{2}f}{\partial
z \partial y}\\\frac{\partial^{2}f}{\partial
x \partial z}&\frac{\partial^{2}f}{\partial
y \partial z}&\frac{\partial^{2}f}{\partial
z^{2}}\end{matrix}\right)$$
se le conoce como matriz Hessiana y se le denota $H(x_{0},y_{0},z_{0})$, por lo que la aproximación de Taylor se puede escribir

$$f(x,y)=f(x_{0},y_{0})+\nabla f(x_{0},y_{0},z_{0})\cdot (h_{1},h_{2},h_{3})+\frac{1}{2!}(h_{1}~h_{2}~h_{3})H(x_{0},y_{0},z_{0})\left(\begin{matrix}h_{1}\\h_{2}\\h_{3}\end{matrix}\right)$$

$\textbf{Ejemplo}$ Considere la función $f(x,y)=e^{2x+3y}$
$f[(0,0)+(x,y)]=f(0,0) +\nabla f(0,0)\cdot(x,y)+\frac{1}{2}[xy]H(0,0)\left[\begin{array}{c} x\\y\end{array}\right]+r_2(x,y)$

donde $\displaystyle\lim _{(x,y)\rightarrow(0,0)} \displaystyle\frac{r(x,y)}{x^2+y^2}=0$

$\nabla f=\left(\displaystyle\frac{\partial f}{\partial x}, \displaystyle\frac{\partial f}{\partial y}\right)=(2e^{2x+3y},3e^{2x+3y})~~~~ \therefore \nabla f(0,0)=(2,3)$

$$
H(x,y)=\left[\begin{array}{cc}
\displaystyle\frac{\partial ^2f}{\partial x^2} & \displaystyle\frac{\partial ^2f}{\partial y\partial x}\\
\displaystyle\frac{\partial ^2f}{\partial x\partial y} & \displaystyle\frac{\partial ^2f}{\partial y^2}\end{array}\right]=
\left[\begin{array}{cc}
4e^{2x+3} & 6e^{2x+3y}\\
6e^{2x+3y} & 9e^{2x+3y}\end{array}\right] ~~~~ \therefore H(0,0)= \left(\begin{array}{cc} 4&6\\6&9\end{array}\right)
$$

Así

Así $f(x,y)=f(0,0)+(2,3)\cdot (x,y) +\frac{1}{2}[xy]\left(\begin{array}{cc} 4&6\\6&9 \end{array}\right)\left[\begin{array}{c} x\\y\end{array}\right]+r(x,y)$
$\therefore e^{2x+3y}=1+2x+3y+2x^2+6xy\frac{9}{2}y^2+r(x,y)$

$\textcolor{Red}{\textbf{Extremos Locales}}$

Entre las caracteristicas geometricas básicas de la gráficas de una función estan sus puntos extremos, en los cuales la función alcanza sus valores mayor y menor.

$\textbf{Definición 1.}$ Si $f:u\subset \mathbb{R}^n \rightarrow
\mathbb{R}$ es una función escalar, dado un punto $x_0 \in u$
se llama mínimo local de $f$ si existe una vecindad $v$ de $x_0$ tal que $\forall x \in v$ ,$f(x)>f(x_0)$. De manera analoga, $x_0 \in u$ es un máximo local si existe una vecindad $v$ de $x_0$ tal que $f(x)<f(x_0)$, $\forall \quad x \in v$. El punto $x_0 \in u$ es un extremo local o relativo, si es un mínimo local o máximo
local.

En la expresión del desarrollo de Taylor
$$f(x,y)=f(x_{0},y_{0})+\nabla f(x_{0},y_{0},z_{0})\cdot (h_{1},h_{2},h_{3})+\frac{1}{2!}(x-x_{0}\quad y-y_{0})(H(x_{0},y_{0}))\left(\begin{array}{c}
x-x_{0} \\y-y_{0} \end{array}\right)$$
Si consideramos los valores para los cuales

$$\nabla f(x_{0},y_{0},z_{0})=(0,0,0)$$
es decir los puntos críticos del gradiente entonces nuestra aproximación de Taylor nos queda

$$f(x,y)=f(x_{0},y_{0})+\frac{1}{2!}(x-x_{0}\quad y-y_{0})(H(x_{0},y_{0}))\left(\begin{array}{c}
x-x_{0} \\y-y_{0} \end{array}\right)$$
que se puede escribir
$$f(x,y)-f(x_{0},y_{0})=\frac{1}{2!}(x-x_{0}\quad y-y_{0})(H(x_{0},y_{0}))\left(\begin{array}{c}
x-x_{0} \\y-y_{0} \end{array}\right)$$

por lo que el signo del lado izquierdo $f(x,y)-f(x_{0},y_{0})$ dependerá del signo de la expresión
$$\frac{1}{2!}(x-x_{0}\quad y-y_{0})(H(x_{0},y_{0}))\left(\begin{array}{c}
x-x_{0} \\y-y_{0} \end{array}\right)$$

es decir dependerá del signo de la forma
$$\frac{1}{2!}(h_{1}~h_{2})\left(\begin{matrix}\frac{\partial^{2}f}{\partial
x^{2}}&\frac{\partial^{2}f}{\partial
y\partial x}\\\frac{\partial^{2}f}{\partial
x\partial y}&\frac{\partial^{2}f}{\partial
y^{2}}\end{matrix}\right)_{p}\left(\begin{matrix}h{1}\\h_{2}\\h_{3}\end{matrix}\right)$$

$\textbf{Teorema 1.}$ Sea $B=\left[\begin{array}{cc}
a & b \\
b & c \\
\end{array}
\right]$ y $H(h)=\frac{1}{2}[h_1,h_2]\left[
\begin{array}{cc}
a & b \\
b & c \\
\end{array}
\right]\left(
\begin{array}{c}
h_1 \\
h_2
\end{array}
\right)$ entonces $H(h)$ es definida positiva si y solo si $a>0$ y $ac-b^2>0$

$\small{Demostración.}$ Tenemos $$H(h)=\frac{1}{2}[h_1,h_2]\left[
\begin{array}{cc}
a h_1& bh_2 \\
b h_1& ch_2 \
\end{array}
\right]=\frac{1}{2}(ah_1^2+2bh_1h_2+ch_1^2)$$
si completamos el cuadrado
$$H(h)=\frac{1}{2}a\left(h_1+\frac{b}{a}h_2\right)^2+\frac{1}{2}\left(c-\frac{b^2}{a}\right)h_2^2$$
supongamos que $h$ es definida positiva. Haciendo
$h_2=0$ vemos que $a>0$. Haciendo $h_1=-\frac{b}{a}h_2$ $c-\frac{b^2}{a}>0$ ó $ac-b^2>0$. De manera analoga $H(h)$ es definida negativa si y solo si $a<0$ y $ac-b^2>0$. $\square$

Criterio del máximo y del mínimo para funciones de dos variables Sea $f(x,y)$ de clase
$C^3$ en un conjunto abierto $u$ de $\mathbb{R}^2$. Un punto $x_0,y_0$ es un mínimo local (Estricto) de $f$ si se cumple las siguientes tres condiciones:

$I)$ $\frac{\partial f}{\partial x}(x_0,y_0)=\frac{\partial f}{\partial y}(x_0,y_0)$
$II)$$\frac{\partial^2 f}{\partial x^2}(x_0,y_0)> 0$
$III)$ $\left(\frac{\partial^2 f}{\partial x^2}\right)\left(\frac{\partial^2 f}{\partial y^2}\right)-\left(\frac{\partial^2 f}{\partial x \partial y}\right)^2> 0$ en $(x_0,y_0)$ (Discriminante). Si en II) tenemos $<0$ en lugar de $>0$ sin cambiar III)
hay un máximo local.

Más adelante

Veremos la forma linela algebraica que nos ayuda a la clasificación de puntos extremos locales, también veremos como no todo punto crítico es un valor extremo. Esta conclusión se driva del análisis o comportamiento de la función alrededor del punto que queremos clasificar.

Tarea Moral

1.- Halla los máximos y mínimos de $f: \mathbb{R}^2 \rightarrow \mathbb{R}$, $f(x,y)=x^2+y^2-xy$

2.- Halla los puntos críticos de $z=x^2y+y^2+3xy$

3.-Clasifica los puntos críticos de $f(x,y)=(x-y)(xy-1)$

4.-Halla los máximos y mínimos de la función $f(x,y)=log(x^2+y^2+1)$

5.-Sea $f(x,y)= Ax^2 +E$ donde $A$ y $E$ son constantes, indica cuáles son los puntos críticos de $f$. ¿Son máximos locales o mínimos locales?

Enlaces

La siguiente gráfica está construida a partir de la forma cuadrática, puedes jugar con los valores de los deslizadores y obsvervar algunas cosas importantes:
cuando
a=1
b=0
c=1
podemos observar un paraboloide
de forma que el punto crítico es un mínimo local
cuando
a=-1
b=0
c=-1
de trata de un paraboloide pero con la «cúpula» hacia arriba de manera que se trata de un máximo local
finalmente cuando
a=1
b=0
c=-1
se trata de un punto silla

Todos los resultados sujetos al signo de su determinante anexado en la descripción de la calculadora.

https://www.geogebra.org/3d/tmbdfkrr

Introduccion

El diferencial de orden n es una extensión del diferencial de orden 2 y se utiliza cuando se quiere aproximar el cambio de una función de manera más detallada respecto al cambio lineal. También veremos el Teorema de Taylor para varias variables, recordemos que la expansión de Taylor es una aproximación a una función que es siempre diferencialbe mediante polinomios.

Para obtener esta expansión en varias variables, primero veremos cómo se construye el diferencial de orden (n) y cómo puede expresarse mediante las derivadas parciales de la función. Posteriormente, utilizaremos estos resultados para obtener la fórmula de Taylor para funciones de varias variables, incluyendo el término correspondiente al residuo, que nos permite estimar el error cometido al sustituir la función por su polinomio de Taylor.

Finalmente, aplicaremos el Teorema de Taylor a algunos ejemplos concretos para observar cómo estas aproximaciones pueden utilizarse para estudiar el comportamiento local de una función y, en particular, para resolver ciertos problemas relacionados con límites.

Diferencial de orden n

$$d^{n}f=\frac{\partial^{n} f}{\partial x^{n}}dx^{n}+\left(\begin{matrix}n\\1\end{matrix}\right)\frac{\partial^{n-1} f}{\partial x^{n-1}\partial y}dx^{n-1}dy+\left(\begin{matrix}n\\2\end{matrix}\right)\frac{\partial^{n-2} f}{\partial x^{n-2}\partial y^{2}}dx^{n-2}dy^{2}+\cdots+$$ $$\left(\begin{matrix}n\\k\end{matrix}\right)\frac{\partial^{n-k} f}{\partial x^{n-k}\partial y^{k}}dx^{n-k}dy^{k}+\cdots+\frac{\partial^{n}f}{\partial y^{n}}dy^{n}$$
que se puede escribir
$$d^{n}f=\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}dx^{n-j}dy^{j}$$

Ejercicio. Probar usando inducción
$$d^{n}f=\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}dx^{n-j}dy^{j}$$

Solución. Para n=1 se tiene
$$df=\frac{\partial f}{\partial x}dx+\frac{\partial f}{\partial y}dy$$
Suponemos valido para n

$$d^{n}f=\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}dx^{n-j}dy^{j}$$
Por demostrar que es valida para n+1
$$d^{n+1}f=d(d^{n}f)=\frac{\partial}{\partial x}\left(\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}dx^{n-j}dy^{j}\right)dx+\frac{\partial}{\partial y}\left(\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}dx^{n-j}dy^{j}\right)dy=$$

$$\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n+1}f}{\partial x^{n+1-j}\partial y^{j}}dx^{n+1-j}dy^{j}+\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n+1}f}{\partial x^{n-j}\partial y^{j+1}}dx^{n-j}dy^{j+1}=$$
$$\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n+1}f}{\partial x^{n+1-j}\partial y^{j}}dx^{n+1-j}dy^{j}+\sum_{j=1}^{n+1}\left(\begin{matrix}n\\j-1\end{matrix}\right)\frac{\partial^{n+1}f}{\partial x^{n+1-j}\partial y^{j}}dx^{n+1-j}dy^{j}=$$

$$\frac{\partial^{n+1}f}{\partial x^{n+1}}dx^{n+1}+\sum_{j=1}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n+1}f}{\partial x^{n+1-j}\partial y^{j}}dx^{n+1-j}dy^{j}+\sum_{j=1}^{n}\left(\begin{matrix}n\\j-1\end{matrix}\right)\frac{\partial^{n+1}f}{\partial x^{n+1-j}\partial y^{j}}dx^{n+1-j}dy^{j}+\frac{\partial^{n+1}f}{\partial y^{n+1}}dy^{n+1}=$$

$$\frac{\partial^{n+1}f}{\partial x^{n+1}}dx^{n+1}+\sum_{j=1}^{n}\left(\left(\begin{matrix}n\\j\end{matrix}\right)+\left(\begin{matrix}n\\j-1\end{matrix}\right)\right)\frac{\partial^{n+1}f}{\partial x^{n+1-j}\partial y^{j}}dx^{n+1-j}dy^{j}+\frac{\partial^{n+1}f}{\partial y^{n+1}}dy^{n+1}=$$

$$\frac{\partial^{n+1}f}{\partial x^{n+1}}dx^{n+1}+\sum_{j=1}^{n}\left(\begin{matrix}n+1\\j\end{matrix}\right)\frac{\partial^{n+1}f}{\partial x^{n+1-j}\partial y^{j}}dx^{n+1-j}dy^{j}+\frac{\partial^{n+1}f}{\partial y^{n+1}}dy^{n+1}=\sum_{j=0}^{n+1}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}dx^{n-j}dy^{j}$$

La última fórmula puede expresarse simbólicamente por la ecuación
$$d^{n}f=\left(\frac{\partial}{\partial x}dx+\frac{\partial}{\partial y}dy\right)^{n}f$$

donde primero debe desarrollarse le expresión de la derecha formalmente por medio del teorema del binomio y, a continuación deben sustituirse los términos
$$\frac{\partial^{n}f}{\partial x^{n}}dx^{n},\frac{\partial^{n}f}{\partial x^{n-1}\partial y}dx^{n-1}dy,\cdots,\frac{\partial^{n}f}{\partial y^{n}}dy^{n}$$
por los términos
$$\left(\frac{\partial}{\partial x}dx\right)^{n}f,\left(\frac{\partial}{\partial x}dx\right)^{n-1}\left(\frac{\partial}{\partial y}dy\right)f,\cdots,\left(\frac{\partial}{\partial y}dy\right)^{n}f$$

Teorema de Taylor para funciones $f:A\subset\mathbb{R}^{2}\rightarrow\mathbb{R}$

Recordando el Teorema de Taylor para funciones $f:\mathbb{R}\rightarrow\mathbb{R}$

Teorema. Si $f(x)$ tiene n-ésima derivada continua en una vecindad de $x_{0}$, entonces en esa vecindad
$$f(x)=f(x_{0})+\frac{1}{1!}f'(x_{0})(x-x_{0})+\frac{1}{2!}f»(x_{0})(x-x_{0})^{2}+\frac{1}{3!}f»'(x_{0})(x-x_{0})^{3}+…+\frac{1}{n!}f^{n}(x_{0})(x-x_{0})^{n}+R_{n}$$
donde
$$R_{n}=\frac{f^{n+1}(\epsilon)}{(n+1)!}(x-x_{0})^{n+1},~donde~\epsilon\in(x_{0},x)$$

Sea $f:A\subset\mathbb{R}^{2}\rightarrow\mathbb{R}$ y sea $F(t)=f(x_{0}+h_{1}t,y_{0}+h_{2}t)$ con $t\in[0,1]$, de esta manera f recorre el segmento de $[x_{0},y_{0}]$ a $[x_{0}+h_{1}t,y_{0}+h_{2}t]$. Se tiene entonces que usando la regla de la cadena
$$F'(t)=\frac{\partial f}{\partial x}(x_{0}+h_{1}t,y_{0}+h_{2}t)\cdot \frac{d(x_{0}+h_{1}t)}{dt}+\frac{\partial f}{\partial y}(x_{0}+h_{1}t,y_{0}+h_{2}t)\cdot \frac{d(y_{0}+h_{2}t)}{dt}=$$

$$\frac{\partial f}{\partial x}(x_{0}+h_{1}t,y_{0}+h_{2}t)\cdot h_{1}+\frac{\partial f}{\partial y}(x_{0}+h_{1}t,y_{0}+h_{2}t)\cdot h_{2}$$
Vamos ahora a calcular $F^{´´}(t)$

$$F^{´´} ( t )=\frac{\partial}{\partial x}\left(\frac{\partial f}{\partial x}h_{1}+ \frac{\partial f}{\partial y}h_{2}\right)h_{1}+\frac{\partial}{\partial y}\left(\frac{\partial f}{\partial x}h_{1}+ \frac{\partial f}{\partial y}h_{2}\right)h_{2}=$$
$$\frac{\partial^{2} f}{\partial x^{2}}h_{1}^{2}+2\frac{\partial^{2} f}{\partial x\partial y}h_{1}h_{2}+\frac{\partial^{2} f}{\partial y^{2}}h_{2}^{2}$$

simbólicamente se puede escribir
$$F^{»}(t)=\left(\frac{\partial }{\partial x}\cdot h_{1}+\frac{\partial }{\partial y}\cdot h_{2}\right)^{2}f$$
y en general

$$F^{n}(t)=\frac{\partial^{n} f}{\partial x^{n}}h_{1}^{n}+\left(\begin{matrix}n\\1\end{matrix}\right)\frac{\partial^{n-1} f}{\partial x^{n-1}\partial y}h_{1}^{n-1}h_{2}+\left(\begin{matrix}n\\2\end{matrix}\right)\frac{\partial^{n-2} f}{\partial x^{n-2}\partial y^{2}}h_{1}^{n-2}h_{2}^{2}+\cdots+\left(\begin{matrix}n\\k\end{matrix}\right)\frac{\partial^{n-k} f}{\partial x^{n-k}\partial y^{k}}h_{1}^{n-k}h_{2}^{k}+\cdots+\frac{\partial^{n}f}{\partial y^{n}}h_{2}^{n}$$

que simbólicamente se puede escribir
$$F^{n}=\sum_{j=0}^{n}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}h_{1}^{n-j}h_{2}^{j}=\left(\frac{\partial }{\partial x}\cdot h_{1}+\frac{\partial }{\partial y}\cdot h_{2}\right)^{n}f$$

Ahora bien si se aplica la fórmula de Taylor con la forma del residuo de Lagrange a la función $$F(t)=f(x_{0}+h_{1}t,y_{0}+h_{2}t)$$ y ponemos $t=0$, se tiene
$$F(t)=F(0)+\frac{1}{1!}F'(0)t+\frac{1}{2!}F^{»}(0)t^{2}+\frac{1}{3!}F»'(0)t^{3}+…++\frac{1}{n!}F^{^{n}}(0)t^{n}+R_{n}$$
ahora bien con $t=1$
$$f(x_{0}+h_{1},y_{0}+h_{2})=f(x_{0},y_{0})+\frac{1}{1!}\left(\frac{\partial f}{\partial x}(x_{0},y_{0})\cdot h_{1}+\frac{\partial f}{\partial y}(x_{0},y_{0})\cdot h_{2}\right)+\frac{1}{2!}\left(\frac{\partial^{2} f}{\partial x^{2}}(x_{0},y_{0})h_{1}^{2}+2\frac{\partial^{2} f}{\partial x\partial y}(x_{0},y_{0})h_{1}h_{2}+\frac{\partial^{2} f}{\partial y^{2}}(x_{0},y_{0})h_{2}^{2}\right)$$
$$+\cdots+\frac{1}{n!}\left(\sum_{j=0}^{n+1}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}(x_{0},y_{0})h_{1}^{n-j}h_{2}^{j}\right)$$

$x=x_{0}+h_{1}$, $y_{0}+h_{2}=y$ por lo que $h_{1}=x-x_{0}$ y $h_{2}=y-y_{0}$ entonces

$$f(x,y)=f(x_{0},y_{0})+\frac{1}{1!}\left(\frac{\partial f}{\partial x}(x_{0},y_{0})\cdot (x-x_{0})+\frac{\partial f}{\partial y}(x_{0},y_{0})\cdot (y-y_{0})\right)+$$

$$\frac{1}{2!}\left(\frac{\partial^{2} f}{\partial x^{2}}(x_{0},y_{0})(x-x_{0})^{2}+2\frac{\partial^{2} f}{\partial x\partial y}(x_{0},y_{0})(x-x_{0})(y-y_{0})+\frac{\partial^{2} f}{\partial y^{2}}(x_{0},y_{0})(y-y_{0})^{2}\right)+$$

$$\cdots+\frac{1}{n!}\left(\sum_{j=0}^{n+1}\left(\begin{matrix}n\\j\end{matrix}\right)\frac{\partial^{n}f}{\partial x^{n-j}\partial y^{j}}(x_{0},y_{0})(x-x_{0})^{n-j}(y-y_{0})^{j}\right)+R_{n}$$

donde
$$R_{n}=\frac{1}{n+1!}\left((x-x_{0})^{n+1}\frac{\partial^{n+1}f}{\partial x^{n+1}}(\xi,\eta)+\cdots+(y-y_{0})^{n+1}\frac{\partial^{n+1}f}{\partial y^{n+1}}(\xi,\eta)\right)$$ donde $\xi\in(x_{0},x_{0}+h_{1})$ y $\eta\in(y_{0},y_{0}+h_{2})$\En general el residuo $R_{n}$ se anula en un orden mayor que el término $d^{n}f$

Ejemplo. Desarrollar la fórmula de Taylor en $(x_{0},y_{0})=(0,0)$ con $n=3$ para la función $$f(x,y)=e^{y}\cos x$$

Solución. En este caso tenemos que
$$f(0,0)=e^{0}\cos(0)=1$$
Para la diferencial de orden 1
$$\frac{\partial f}{\partial x}(0,0)~\Rightarrow~\frac{\partial (e^{y}\cos(x))}{\partial x}(0,0)~\Rightarrow~-e^{y} sen\left( x\right) \big{|}{(0,0)}=0$$ $$\frac{\partial f}{\partial y}(0,0)~\Rightarrow~\frac{\partial (e^{y} \cos x)}{\partial y}(0,0)~\Rightarrow~-e^{y}\cos(x)\big{|}{(0,0)}=1$$
por lo tanto
$$\frac{1}{1!}\left(\frac{\partial f}{\partial x}(x_{0},y_{0})\cdot (x-x_{0})+\frac{\partial f}{\partial y}(x_{0},y_{0})\cdot (y-y_{0})\right)=\frac{1}{1!}\left((0)(x)+(1)(y)\right)=y$$
Para la diferencial de orden 2
$$\frac{\partial^{2} f}{\partial x^{2}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (e^{y}\ cos x)}{\partial x^{2}}(0,0)~\Rightarrow~-e^{y} \cos~x\big{|}{(0,0)}=-1$$ $$\frac{\partial^{2} f}{\partial y^{2}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (e^{y} \cos x)}{\partial y^{2}}(0,0)~\Rightarrow~e^{y} \cos~x\big{|}{(0,0)}=1$$ $$\frac{\partial^{2} f}{\partial x~\partial y}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (e^{y}\cos x)}{\partial x~\partial y}(0,0)~\Rightarrow~-e^{y} sen~x~ \big{|}{(0,0)}=0$$ Por lo tanto $$\frac{1}{2!}\left(\frac{\partial^{2} f}{\partial x^{2}}(x_{0},y_{0})h_{1}^{2}+2\frac{\partial^{2} f}{\partial x\partial y}(x_{0},y_{0})h_{1}h_{2}+\frac{\partial^{2} f}{\partial y^{2}}(x_{0},y_{0})h_{2}^{2}\right)=\frac{1}{2!}((-1)x^{2}+2(0)xy+(1)y^{2})$$
Para la diferencial de orden 3

$$\frac{\partial^{3} f}{\partial x^{3}}(x_{0},y_{0})~\Rightarrow~e^{y} sen~x\big{|}_{(0,0)}=0$$

$$\frac{\partial^{3} f}{\partial y^{3}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (e^{y}\cos x)}{\partial y^{3}}(0,0)~\Rightarrow~e^{y}\cos~x\big{|}_{(0,0)}=1$$

$$\frac{\partial^{3} f}{\partial x^{2}~\partial y}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (e^{y}\cos x)}{\partial x^{2}~\partial y}(0,0)~\Rightarrow~-e^{y}\cos~x\big{|}_{(0,0)}=-1$$

$$\frac{\partial^{3} f}{\partial y^{3}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (e^{y}\cos x)}{\partial y^{3}}(0,0)~\Rightarrow~e^{y}\cos~x\big{|}_{(0,0)}=1$$

$$\frac{\partial^{3} f}{\partial x~\partial y^{2}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (e^{y}\cos x)}{\partial x~\partial y^{2}}(0,0)~\Rightarrow~-e^{y} sen~x\big{|}_{(0,0)}=0$$

Por lo tanto
$$\frac{1}{3!}\left(\frac{\partial^{3} f}{\partial x^{3}}h_{1}^{3}+3\frac{\partial^{3} f}{\partial x^{2}\partial y}h_{}1^{2}h_{2}+3\frac{\partial^{3} f}{\partial x\partial y^{2}}h_{1}h_{2}^{2}+\frac{\partial^{3} f}{\partial y^{3}}h_{}2^{3}\right)=$$

$$\frac{1}{3!}\left((0)(x^{3})+3(-1)x^{2}y+3(0)xy^{2}+(1)y^{3}\right)$$
Finalmente para el residuo se tiene

$$\frac{\partial^{4} f}{\partial x^{4}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{4} (e^{y}\cos(x))}{\partial y^{3}}(0,0)~\Rightarrow~e^{y}\cos~x\big{|}_{(\xi,\eta)}=e^{\eta}\cos~\xi$$

$$\frac{\partial^{4} f}{\partial x^{2}\partial y^{2}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{4} (e^{y}\cos x)}{\partial x^{2}\partial y^{2}}(0,0)~\Rightarrow~-e^{y}\cos~x\big{|}_{(\xi,\eta)}=-e^{\eta}\cos~\xi$$

$$\frac{\partial^{4} f}{\partial x\partial y^{3}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{4} (e^{y}\cos x)}{\partial x\partial y^{3}}(0,0)~\Rightarrow~-e^{y} sen~x\big{|}_{(\xi,\eta)}=-e^{\eta} sen~\xi$$

$$\frac{\partial^{4} f}{\partial y^{4}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{4} (e^{y}\cos x)}{\partial y^{4}}(0,0)~\Rightarrow~e^{y}\cos~x\big{|}_{(\xi,\eta)}=e^{\eta}\cos~\xi$$

$$R_{3}=\frac{1}{4!}\left(\frac{\partial^{4} f}{\partial x^{4}}h_{1}^{4}+4\frac{\partial^{4} f}{\partial x^{3}\partial y}h_{1}^{3}h_{2}+6\frac{\partial^{4} f}{\partial x^{2}\partial y^{2}}h_{1}^{2}h_{2}^{2}+4\frac{\partial^{4} f}{\partial x\partial y^{3}}h_{1}h_{2}^{3}+\frac{\partial^{4} f}{\partial h_{2}^{4}}dy^{4}\right)$$

$$=\frac{1}{4!}\left(x^{4}e^{\eta}\cos~\xi+4x^{3}ye^{\eta} sen~xi-6x^{2}y^{2}e^{\eta}\cos~\xi-4xy^{3}e^{\eta} sen~\xi+y^{4}e^{\eta}\cos~\xi\right)$$

Por lo que nuestro desarrollo de Taylor nos queda
$$e^{y}\cos~x=1+y+\frac{1}{2}(x^{2}-y^{2})+\frac{1}{6}(x^{3}-3xy^{2})+R_{3}$$
donde
$$R_{3}=\frac{1}{4!}\left(x^{4}e^{\eta}\cos~\xi+4x^{3}ye^{\eta} sen~\xi-6x^{2}y^{2}e^{\eta}\cos~\xi-4xy^{3}e^{\eta} sen~\xi+y^{4}e^{\eta}\cos~\xi\right)$$

$\textbf{Ejercicio}$ Use la fórmula de Taylor en
$$f(x,y)=\cos~(x+y)$$
en el punto $(x_{0},y_{0})=(0,0)$ con $n=2$ para comprobar que
$$\lim_{(x,y)\rightarrow(0,0)}\frac{1-\cos~(x+y)}{(x^{2}+y^{2})^{2}}=\frac{1}{2}$$

En este caso para
$$f(x,y)=\cos(x+y)$$
se tiene
$$f(0,0)=\cos(0+0)=1$$
Para la diferencial de orden 1
$$\frac{\partial f}{\partial x}(0,0)~\Rightarrow~\frac{\partial (\cos x+y)}{\partial x}(0,0)~\Rightarrow~- sen(x+y)\big{|}{(0,0)}=0$$ $$\frac{\partial f}{\partial y}(0,0)~\Rightarrow~\frac{\partial (\cos x+y)}{\partial y}(0,0)~\Rightarrow~- sen(x+y)\big{|}{(0,0)}=0$$
por lo tanto

$$\frac{1}{1!}\left(\frac{\partial f}{\partial x}(x_{0},y_{0})\cdot (x-x_{0})+\frac{\partial f}{\partial y}(x_{0},y_{0})\cdot (y-y_{0})\right)=\frac{1}{1!}\left((0)(x)+(0)(y)\right)=0$$

Para la diferencial de orden 2
$$\frac{\partial^{2} f}{\partial x^{2}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (\cos x+y)}{\partial x^{2}}(0,0)~\Rightarrow~-\cos~x+y\big{|}{(0,0)}=-1$$ $$\frac{\partial^{2} f}{\partial y^{2}}(x_{0},y_{0})~\Rightarrow~\frac{\partial^{2} (\cos x+y)}{\partial y^{2}}(0,0)~\Rightarrow~-\cos~x+y\big{|}{(0,0)}=-1$$ $$\frac{\partial^{2} f}{\partial x~\partial y}(x{0},y_{0})~\Rightarrow~\frac{\partial^{2} (\cos x+y)}{\partial x~\partial y}(0,0)~\Rightarrow~-\cos~x+y\big{|}_{(0,0)}=-1$$
Por lo tanto

$$\frac{1}{2!}\left(\frac{\partial^{2} f}{\partial x^{2}}(x_{0},y_{0})h_{1}^{2}+2\frac{\partial^{2} f}{\partial x\partial y}(x_{0},y_{0})h_{1}h_{2}+\frac{\partial^{2} f}{\partial y^{2}}(x_{0},y_{0})h_{2}^{2}\right)=\frac{1}{2!}((-1)x^{2}-2xy+(-1)y^{2})$$
Por lo que nuestro desarrollo de Taylor nos queda
$$\cos(x+y)=1-\frac{x^{2}}{2}-xy-\frac{y^{2}}{2}$$
De manera que

$$\lim_{(x,y)\rightarrow(0,0)}\frac{1-\cos~(x+y)}{(x^{2}+y^{2})^{2}}=\lim_{(x,y)\rightarrow(0,0)}\frac{1-(1-\frac{x^{2}}{2}-xy-\frac{y^{2}}{2})}{(x^{2}+y^{2})^{2}}$$
$$=\lim_{(x,y)\rightarrow(0,0)}\frac{1}{2}\frac{(x^{2}+y^{2})^{2}}{(x^{2}+y^{2})^{2}}=\frac{1}{2}$$

Mas adelante

Ya vimos que la expansión de Taylor es una expresión que determina cómo es el comportamiento local de una función cerca de un punto. Sin embargo en un extremo local sabemos que las derivadas parciales se hacen cero de forma que su expansión se ve como un término cuadrático, En la siguiente entrada analizaremos estas expresiones y veremos los resultados alrededor de esto.

Tarea Moral

Determina la expansión de Taylor de segundo orden en $(x_0, y_0)=(0,0)$ para las siguientes funciones:

1.- $f(x,y)=sen(x+2y)$

2.-$f(x,y)=\frac{1}{x^2+y^2+1}$

3.-$f(x,y)=e^{-x^{2}-y^{2}}$

4.-$f(x,y)=sen(xy)+cos(xy)$

5.- $f(x,y)=e^{(x-1)^{2}}$

Enlaces

El polinomio de Taylor es una aproximación mediante polinomios a una función, capturando su comportamiento local alrededor de un punto.

La expansión de Taylor convierte una función complicada en un polinomio que se comporta igual cerca del punto. Esto ayuda cuando dos funciones se comportan de manera muy similar alrededor de un punto porque tienen el mismo límite. Sin embargo la idea de aproximar debe realizarse correctamente ya que por ejemplo, podría pensarse que como $x^2+y^2 \approx x^2$ entonces debe ocurrir que $\frac{x^2}{x^2+y^2}\approx \frac{x^2}{x^2}=1$ concluyendo que el ímite es 1 pero esto no es correcto porque en sentido estricto $x^2+y^2$ no es equivalente a $x^2$ en todas las direcciones.

La siguiente liga muestra como ejemplo la representación del ejemplo de esta entrada para la función $f(x,y)=\cos~(x+y)$, a diferencia del caso anterior, en este ejemplo distintas trayectorias se acercan al mismo valor $\frac{1}{2}$ bajo la función. Sin embargo hay que tener en cuenta que geogebra permite visualizar gráficas, sin tomar en cuenta todo el proceso de un límite.

https://www.geogebra.org/3d/y5xwvtm4

Introducción

Cuando trabajas con una función de varias variables, por ejemplo $$z=f(x,y),z = f(x,y)$$ las derivadas parciales de primer orden $f_x$ y $f_y$ miden cómo cambia la función en las direcciones de $x$ y $y$. Las derivadas de orden superior aparecen cuando vuelves a derivar esas derivadas. Las derivadas de segundo orden representan la curvatura en direcciones $x$ y $y$ según la variable que se esté derivando por segunda vez. En esta entrada veremos por ejemplo que $f_{xy}$ es cómo cambia la pendiente en $x$ cuando te mueves en $y$ y viceversa y que además valen lo mismo. La razón geométrica es que $f_{xy}$ representa si al movernos lateralmente la pendiente aumenta o no, pero es indistinto el orden en que se desplace.

Derivadas Parciales de Orden Superior

Si $f$ es una función de doas variables $x,y$ $\Rightarrow$ $\displaystyle\frac{\partial f}{\partial x}, \displaystyle\frac{\partial f}{\partial y}$ son funciones de las mismas variables, cuando derivamos $\displaystyle\frac{\partial f}{\partial x}$ y $ \displaystyle\frac{\partial f}{\partial y}$ obtenemos las derivadas parciales de segundo orden, las derivadas de $\displaystyle\frac{\partial f}{\partial x}$ están definidas por:

$$\displaystyle\frac{\partial^{2}f}{\partial x^{2}}(x,y)=\displaystyle\lim_{h\to 0}{\displaystyle\frac{\displaystyle\frac{\partial f}{\partial x}(x+h,y)-\displaystyle\frac{\partial f}{\partial x}(x,y)}{h}}$$

$$\displaystyle\frac{\partial^{2}f}{\partial y \partial x}(x,y)=\displaystyle\lim_{k\to 0}{\displaystyle\frac{\displaystyle\frac{\partial f}{\partial x}(x,y+k)-\displaystyle\frac{\partial f}{\partial x}(x,y)}{k}}$$

Si $f$ es una función de dos variables entonces hay cuatro derivadas parciales de segundo orden.

Consideremos las diferentes notaciones para las derivadas parciales:

$$f_{1,1}=\displaystyle\frac{\partial^{2}f}{\partial x^{2}}=f_{xx}$$

$$f_{1,2}=\displaystyle\frac{\partial^{2}f}{\partial y \partial x}=\frac{\partial}{\partial y}\bigg(\frac{\partial f}{\partial x}\bigg)=f_{xy}$$

$$f_{2,1}=\displaystyle\frac{\partial^{2}f}{\partial x \partial y}=\frac{\partial}{\partial x}\bigg(\frac{\partial f}{\partial y}\bigg)=f_{yx}$$

$$f_{2,2}=\displaystyle\frac{\partial^{2}f}{\partial y^{2}}=\frac{\partial}{\partial y}\bigg(\frac{\partial f}{\partial y}\bigg)=f_{yy}$$

Ejemplo. $z=x^{3}+3x^{2}y-2x^{2}y^{2}-y^{4}+3xy$ hallar $\displaystyle\frac{\partial z}{\partial x}, \displaystyle\frac{\partial z}{\partial y},\displaystyle\frac{\partial^{2} z}{\partial x^{2}},\displaystyle\frac{\partial^{2}z}{\partial x \partial y},\displaystyle\frac{\partial^{2}z}{\partial y \partial x},\displaystyle\frac{\partial^{2} z}{\partial y^{2}}$

$$\displaystyle\frac{\partial z}{\partial x}=3x^{2}+6xy-4xy^{2}+3y$$

$$\displaystyle\frac{\partial z}{\partial y}=3x^{2}-4x^{2}y-4y^{3}+3x$$

$$\displaystyle\frac{\partial^{2} z}{\partial x^{2}}=6x+6y-4y^{2}$$

$$\displaystyle\frac{\partial^{2} z}{\partial y^{2}}=-4x^{2}-12y^{2}$$

$$\displaystyle\frac{\partial^{2}z}{\partial y \partial x}=6x-8xy+3$$

$$\displaystyle\frac{\partial^{2}z}{\partial x \partial y}=6x-8xy+3$$

Teorema 1.Teorema de schwarz

Sea $f:A\subset \mathbb{R}^{2}\rightarrow\mathbb{R}$ una función definida en el abierto A de $\mathbb{R}^{2}$. Si las derivadas parciales

$$\frac{\partial^{2} f}{\partial y\partial x}~y~\frac{\partial^{2} f}{\partial x\partial y}$$

existen y son continuas en $A$, entonces

$$\frac{\partial^{2} f}{\partial y\partial x}=\frac{\partial^{2} f}{\partial x\partial y}$$

Demostración. Sea

$\displaystyle{M=f(x+h_{1},y+h_{2})-f(x+h_{1},y)-f(x,y+h_{2})+f(x,y)}$ y definimos $$\varphi(x)=f(x,y+h_{2})-f(x,y)$$de manera que
$$\varphi(x+h_{1})-\varphi(x)=f(x+h_{1},y+h_{2})-f(x+h_{1},y)-(f(x,y+h_{2})-f(x,y))=M$$

Aplicando el TVM a $\varphi$ en el intervalo $[x,x+h_{1}]$ se tiene que existe $\theta~\in~(x,x+h_{1})$ tal que

$$\varphi(x+h_{1})-\varphi(x)=\varphi'(\theta)h_{1}$$

por otro lado
$$\varphi'(x)=\frac{\partial f}{\partial x}(x,y+h_{2})-\frac{\partial f}{\partial x}(x,y)$$
por lo tanto
$$\varphi'(\theta)=\frac{\partial f}{\partial x}(\theta,y+h_{2})-\frac{\partial f}{\partial x}(\theta,y)$$
tenemos entonces que

$$M=\varphi(x+h_{1})-\varphi(x)=\varphi'(\theta)h_{1}=\left(\frac{\partial f}{\partial x}(\theta,y+h_{2})-\frac{\partial f}{\partial x}(\theta,y)\right)h_{1}$$
Consideremos ahora $\displaystyle{\psi(y)=\frac{\partial f}{\partial x}(x,y)}$. Aplicando el TVM a $\psi$ en el intervalo $[y,y+h_{2}]$ se tiene que existe $\eta~\in~(y,y+h_{2})$ tal que
$$\psi(y+h_{2})-\psi(y)=\psi'(\eta)h_{2}$$
por otro lado

$$\psi'(y)=\frac{\partial }{\partial y}\left(\frac{\partial f}{\partial x}\right)(x,y)=\frac{\partial^{2}f}{\partial y\partial x}(x,y)$$
por lo tanto
$$\psi'(\eta)=\frac{\partial^{2}f}{\partial y\partial x}(x,\eta)$$
de esta manera

$$\psi(y+h_{2})-\psi(y)=\psi'(\eta)h_{2}=\left(\frac{\partial^{2}f}{\partial y\partial x}(x,\eta)\right)h_{2}$$
y si $\theta\in (x,x+h_{1})$ tenemos entonces que

$$\frac{\partial f}{\partial x}(\theta,y+h_{2})-\frac{\partial f}{\partial x}(\theta,y)=\left(\frac{\partial^{2}f}{\partial y\partial x}(\theta,\eta)\right)h_{2}$$
en consecuencia
$$M=\left(\frac{\partial f}{\partial x}(\theta,y+h_{2})-\frac{\partial f}{\partial x}(\theta,y)\right)h_{1}=\left(\frac{\partial^{2}f}{\partial y\partial x}(\theta,\eta)\right)h_{2}h_{1}$$

Consideremos ahora $$\overline{\varphi}(y)=f(x+h_{1},y)-f(x,y)$$de manera que
$$\overline{\varphi}(y+h_{2})-\overline{\varphi}(y)=f(x+h_{1},y+h_{2})-f(x+h_{1},y)-(f(x,y+h_{2})-f(x,y))=M$$

Aplicando el TVM a $\overline{\varphi}$ en el intervalo $[y,y+h_{2}]$ se tiene que existe $\overline{\eta}~\in~(y,y+h_{2})$ tal que
$$\overline{\varphi}(y+h_{2})-\overline{\varphi}(y)=\overline{\varphi}'(\overline{\eta})h_{2}$$
por otro lado
$$\overline{\varphi}'(y)=\frac{\partial f}{\partial y}(x+h_{1},y)-\frac{\partial f}{\partial y}(x,y)$$
por lo tanto

$$\overline{\varphi}'(\overline{\eta})=\frac{\partial f}{\partial y}(x+h_{1},\overline{\eta})-\frac{\partial f}{\partial y}(x,\overline{\eta})$$
tenemos entonces que
$$M=\overline{\varphi}(y+h_{2})-\overline{\varphi}(y)=\overline{\varphi}'(\overline{\eta})h_{2}=\left(\frac{\partial f}{\partial y}(x+h_{1},\overline{\eta})-\frac{\partial f}{\partial y}(x,\overline{\eta})\right)h_{2}$$

Consideremos ahora $\displaystyle{\overline{\psi}(x)=\frac{\partial f}{\partial y}(x,y)}$. Aplicando el TVM a $\psi$ en el intervalo $[x,x+h_{1}]$ se tiene que existe $\overline{\theta}~\in~(x,x+h_{1})$ tal que
$$\overline{\psi}(x+h_{1})-\overline{\psi}(x)=\overline{\psi}'(\overline{\theta})h_{1}$$
por otro lado

$$\overline{\psi}'(x)=\frac{\partial }{\partial x}\left(\frac{\partial f}{\partial y}\right)(x,y)=\frac{\partial^{2}f}{\partial x\partial y}(x,y)$$
por lo tanto
$$\overline{\psi}'(\overline{\theta})=\frac{\partial^{2}f}{\partial y\partial x}(\overline{\theta},y)$$
de esta manera

$$\overline{\psi}(x+h_{1})-\overline{\psi}(x)=\overline{\psi}'(\overline{\theta})h_{1}=\left(\frac{\partial^{2}f}{\partial x\partial y}(\overline{\theta},y)\right)h_{1}$$
es decir
$$\frac{\partial f}{\partial y}(x+h_{1},y)-\frac{\partial f}{\partial y}(x,y)=\left(\frac{\partial^{2}f}{\partial x\partial y}(\overline{\theta},y)\right)h_{1}$$
y si $\overline{\eta}\in (y,y+h_{2})$ tenemos entonces que
$$\frac{\partial f}{\partial y}(x+h_{1},\overline{\eta})-\frac{\partial f}{\partial y}(x,\overline{\eta})=\left(\frac{\partial^{2}f}{\partial x\partial y}(\overline{\theta},\overline{\eta})\right)h_{1}$$
en consecuencia

$$M=\left(\frac{\partial f}{\partial y}(x+h_{1},\overline{\eta})-\frac{\partial f}{\partial y}(x,\overline{\eta})\right)h_{1}h_{2}=\left(\frac{\partial^{2}f}{\partial x\partial y}(\overline{\theta},\overline{\eta})\right)h_{2}h_{1}$$
igualando ambas expresiones de M se tiene
$$\left(\frac{\partial^{2}f}{\partial y\partial x}(\theta,\eta)\right)h_{2}h_{1}=\left(\frac{\partial^{2}f}{\partial x\partial y}(\overline{\theta},\overline{\eta})\right)h_{2}h_{1}$$
donde
$$\left(\frac{\partial^{2}f}{\partial y\partial x}(\theta,\eta)\right)=\left(\frac{\partial^{2}f}{\partial x\partial y}(\overline{\theta},\overline{\eta})\right)$$
Tomando limite cuando $h_{1},h_{2}\rightarrow 0$ y usando la continuidad asumida de las parciales mixtas se tiene que $\theta,\overline{\theta}\rightarrow x$ y $\eta,\overline{\eta}\rightarrow y$ se concluye
$$\frac{\partial^{2}f}{\partial y\partial x}(x,y)=\frac{\partial^{2}f}{\partial x\partial y}(x,y)$$ $\square$

Ejemplo. Sea $f:\mathbb{R}^{2}\rightarrow\mathbb{R}$ dada por $f(x,y)=x^{3}+3x^{2}y-2x^{2}y^{2}-y^{4}+3xy$\
En este caso
$$\frac{\partial f}{\partial x}=3x^{2}+6xy-4xy^{2}+3y$$
$$\frac{\partial f}{\partial y}=3x^{2}-4x^{2}y-4y^{3}+3x$$
$$\frac{\partial^{2} f}{\partial x^{2}}=6x+6y-4y^{2}$$
$$\frac{\partial^{2} f}{\partial y^{2}}=-4x^{2}-12y^{2}$$
$$\frac{\partial^{2} f}{\partial x\partial y}=6x-8xy+3$$
$$\frac{\partial^{2} f}{\partial y\partial x}=6x-8xy+3$$

Ejemplo. Dada la función

tenemos que para $(x,y)\neq (0,0)$
$$\frac{\partial f}{\partial x}=y\frac{x^{4}+4x^{2}y^{2}-y^{4}}{(x^{2}+y^{2})^{2}}$$
$$\frac{\partial f}{\partial y}=x\frac{x^{4}-4x^{2}y^{2}-y^{4}}{(x^{2}+y^{2})^{2}}$$
para el primer caso hacemos $x=0$ y tenemos
$$\frac{\partial f}{\partial x}=y\frac{x^{4}+4x^{2}y^{2}-y^{4}}{(x^{2}+y^{2})^{2}}\underbrace{=}{x=0}-y$$ para el segundo caso hacemos $y=0$ y tenemos $$\frac{\partial f}{\partial y}=x\frac{x^{4}-4x^{2}y^{2}-y^{4}}{(x^{2}+y^{2})^{2}}\underbrace{=}{y=0}1$$
Calculamos ahora
$$\frac{\partial^{2} f}{\partial y\partial x}=\frac{\partial^{2} (-y)}{\partial y\partial x}=-1$$
$$\frac{\partial^{2} f}{\partial x\partial y}=\frac{\partial^{2} (1)}{\partial x\partial y}=1$$
por lo tanto
$$\frac{\partial^{2} f}{\partial y\partial x}=-1\neq 1=\frac{\partial^{2} f}{\partial x\partial y}$$
En este caso las parciales segundas no son contiuas en $(0,0)$

Teorema. Caso General

Sea $f:A\subset\mathbb{R}^{n}\rightarrow\mathbb{R}$ definida en el abierto A de $\mathbb{R}^{n}$ tal que
$$\frac{\partial^{2} f}{\partial x_{i}\partial x_{j}}$$ sean continuas en A, entonces
$$\frac{\partial^{2} f}{\partial x_{i}\partial x_{j}}=\frac{\partial^{2} f}{\partial x_{j}\partial x_{i}}$$

Más adelante

En la siguiente entrada se definen las derivadas de orden superior y veremos cómo se analizan de forma similar.

Tarea Moral

Determina las derivadas de segundo orden para:

1.- $f(x,y)=\dfrac{1}{x^{2}+y^{2}+1}$, $x_0=0$, $y_0=0$

2.- $f(x,y)=e^{x+y}$, $x_0=0$, $y_0=0$

3.- $f(x,y)=e^{-x^{2}-y^{2}}$, $x_0=0$, $y_0=0$

4.-$f(x,y)=sen(xy)+cos(xy)$, $x_0=0$, $y_0=0$

5.- $f(x,y)=e^{(x-1)^{2}}$, $x_0=0$, $y_0=0$

Enlaces

El siguiente enlace muestra el paraboloide $x^2+y^2$ y analiza en el punto inicial $(a,b)=(0,0)$y se determina hacia dónde nos moveremos en el plano con un ángulo $\theta$. La idea es evaluar una línea del plano, definida con una función paramétrica auxiliar y la evalúa en la suerficie. También puedes pensarlo como una curva obtenida a partir de intersectar la superficie con un plano vertical.

https://colab.research.google.com/drive/1arFzSo_yPpsOkkm33n4kZBqGsZ3O_IVk?usp=sharing

Introducción

La regla de la cadena permite derivar funciones que dependen de otras variables, por otro lado el plano tangente es la mejor aproximación lineal de una superficie en un punto.

Caso particular de la regla de la cadena

Supongamos que $C:\mathbb{R}\rightarrow\mathbb{R}^{3}$ es una trayectoria diferenciable y $f:\mathbb{R}^{3}\rightarrow\mathbb{R}$.

Sea $h(t)$=$f(x(t), y(t), z(t))$ donde $c(t)$=$(x(t),y(t), z(t))$.
Entonces

$$\displaystyle\frac{\partial{h}}{\partial{t}} = \displaystyle\frac{\partial{f}}{\partial{x}}\cdot \frac{\partial{x}}{\partial{t}}+\frac{\partial{f}}{\partial{y}}\cdot
\frac{\partial{y}}{\partial{t}}+\frac{\partial{f}}{\partial{z}}\cdot
\frac{\partial{z}}{\partial{t}}$$

Esto es:
$\displaystyle\frac{\partial{h}}{\partial{t}}$=$\nabla{f(c(t))}\cdot
{c'(t)}$, ~donde $c'(t)$=$((x'(t), y'(t), z'(t))$

Demostración. Por definición
$\displaystyle\frac{\partial{h}}{\partial{t}}(t_{0})$=$\displaystyle\lim_{t\rightarrow0}\displaystyle\frac{h(t)-h(t_{0})}{t-t_{0}}$
Sumando y restando tenemos que

$\displaystyle\frac{h(t)-h(t_{0})}{t-t_{0}}$=$\displaystyle\frac{f(c(t))-f(c(t_{0}))}{t-t_{0}}$=$\displaystyle\frac{f(x(t), y(t), z(t)) – f(x(t_{0}), y(t_{0}), z(t_{0}))}{t-t_{0}}$=

=$\frac{f(x(t), y(t), z(t))~-~f(x(t_{0}), y(t),
z(t))~+~f(x(t_{0}), y(t), z(t))~-~f(x(t_{0}), y(t_{0}),
z(t))~+~f(x(t_{0}), y(t_{0}), z(t))~-~f(x(t_{0}), y(t_{0}),
z(t_{0}))}{t-t_{0}}$…$\ast$

Aplicando el Teorema del valor medio $\textbf{(T.V.M.)}$

$f(~x(t),~y(t),~z(t))-f(~x(t_{0}),~y(t),~z(t))=\displaystyle\frac{\partial{f}}{\partial{x}}(~c,~y(t),~z(t))~(x(t)-x(t_{0}))$

$f(~x(t_{0}),~y(t),~z(t))-f(~x(t_{0}),~y(t_{0}),~z(t))=\displaystyle\frac{\partial{f}}{\partial{y}}~(x(t),~ d, ~z(t))~(y(t)-y(t_{0}))$

$f(~x(t_{0}),~y(t_{0}),~z(t))-f(~x(t_{0}),~y(t_{0}),~z(t_{0}))=\displaystyle\frac{\partial{f}}{\partial{z}}(~x(t),~y(t),~e)~(z(t)-z(t_{0}))$

$\therefore$$\ast$=$\displaystyle\frac{\partial{f}}{\partial{x}}(~c,~y(t),~z(t))~\displaystyle\frac{x(t)-x(t_{0})}{t-t_{0}}+\displaystyle\frac{\partial{f}}{\partial{y}}~(~x(t),~d,~z(t))~\displaystyle\frac{y(t)-y(t_{0})}{t-t_{0}}$+

$+\displaystyle\frac{\partial{f}}{\partial{z}}~(~x(t),~y(t),~e))~\displaystyle\frac{z(t)-z(t_{0})}{t-t_{0}}$

Tomando $\displaystyle\lim_{t\rightarrow{t_{0}}}$ y por la continuidad de las parciales

$\displaystyle\frac{\partial{h}}{\partial{t}}$=$\displaystyle\frac{\partial{f}}{\partial{x}}~\frac{\partial{x}}{\partial{t}}+ \displaystyle\frac{\partial{f}}{\partial{y}}~\frac{\partial{y}}{\partial{t}}+\displaystyle\frac{\partial{f}}{\partial{z}}~\frac{\partial{z}}{\partial{t}}$

Ejemplos: Caso particular de la regla de la cadena

Ejemplo. Verificar la regla de la cadena para $f:\mathbb{R}^{2}\rightarrow\mathbb{R}$ dada por $f(x,y)=x^{2}+3y^{2}$ y $c:\mathbb{R}\rightarrow\mathbb{R}^{2}$ dada por $c(t)=(e^{t},\cos(t))$

Solución. En este caso $\displaystyle{h(t)=f\circ c(t)~\Rightarrow~h'(t)=\frac{\partial h}{\partial t}}$ y aplicando la regla de la cadena se tiene
$$\frac{\partial f}{\partial x}(c(t))\cdot \frac{d x(t)}{dt}=\frac{\partial (x^{2}+3y^{2})}{\partial x}\left|{(e^{t},\cos(t))}\right.\cdot\frac{d (e^{t})}{dt}=2x\left|{(e^{t},\cos(t))}\cdot e^{t}\right.=2e^{t}\cdot e^{t}=2e^{2t}$$

$$\frac{\partial f}{\partial y}(c(t))\cdot \frac{d y(t)}{dt}=\frac{\partial (x^{2}+3y^{2})}{\partial y}\left|{(e^{t},\cos(t))}\right.\cdot\frac{d (\cos(t))}{dt}=6y\left|{(e^{t},\cos(t))}\cdot (-sen(t))\right.=6 cos(t) \cdot (- sen(t))$$
por lo tanto
$$h'(t)=2e^{2t}-6\cos(t)\cdot (sen(t))$$

Ejemplo. Verificar la regla de la cadena para $f:\mathbb{R}^{2}\rightarrow\mathbb{R}$ dada por $f(x,y)=xy$ y $c:\mathbb{R}\rightarrow\mathbb{R}^{2}$ dada por $c(t)=(e^{t},\cos(t))$

Solución. En este caso $\displaystyle{h(t)=f\circ c(t)~\Rightarrow~h'(t)=\frac{\partial h}{\partial t}}$ y aplicando la regla de la cadena se tiene
$$\frac{\partial f}{\partial x}(c(t))\cdot \frac{d x(t)}{dt}=\frac{\partial (xy)}{\partial x}\left|{(e^{t},\cos(t))}\right.\cdot\frac{d (e^{t})}{dt}=y\left|{(e^{t},\cos(t))}\cdot e^{t}\right.=\cos(t)\cdot e^{t}$$

$$\frac{\partial f}{\partial y}(c(t))\cdot \frac{d y(t)}{dt}=\frac{\partial (xy)}{\partial y}\left|{(e^{t},\cos(t))}\right.\cdot\frac{d (cos(t))}{dt}=x\left|{(e^{t},cos(t))}\cdot (-sen(t))\right.=e^{t}\cdot (-sen(t))$$

por lo tanto
$$h'(t)=\cos(t)e^{t}-e^{t}\cdot sen(t)$$

Ejemplo.Verificar la regla de la cadena para $f:\mathbb{R}^{2}\rightarrow\mathbb{R}$ dada por $f(x,y)=e^{xy}$ y $c:\mathbb{R}\rightarrow\mathbb{R}^{2}$ dada por $c(t)=(3t^{2},t^{3})$

Solución. En este caso $\displaystyle{h(t)=f\circ c(t)~\Rightarrow~h'(t)=\frac{\partial h}{\partial t}}$ y aplicando la regla de la cadena se tiene

$$\frac{\partial f}{\partial x}(c(t))\cdot \frac{d x(t)}{dt}=\frac{\partial (e^{xy})}{\partial x}\left|{(3t^{2},t^{3})}\right.\cdot\frac{d (3t^{2})}{dt}=ye^{xy}\left|{(3t^{2},t^{3})}\cdot 6t\right.=t^{3}e^{3t^{5}}6t=6t^{4}e^{3t^{5}}$$

$$\frac{\partial f}{\partial x}(c(t))\cdot \frac{d x(t)}{dt}=\frac{\partial (e^{xy})}{\partial y}\left|{(3t^{2},t^{3})}\right.\cdot\frac{d (t^{3})}{dt}=xe^{xy}\left|{(3t^{2},t^{3})}\cdot 3t^{2}\right.=3t^{2}e^{3t^{5}}3t^{2}=9t^{4}e^{3t^{5}}$$
por lo tanto
$$h'(t)=6t^{4}e^{3t^{5}}+9t^{4}e^{3t^{5}}=15t^{4}e^{3t^{5}}$$

Teorema 1. El gradiente es normal a las superficies de nivel. Sea $f:\mathbb{R}^{3}\rightarrow\mathbb{R}$ una aplicación $C^{1}$ y sea
$(x_{0},y_{0},z_{0})$ un punto sobre la superficie de nivel $S$ definida por $f(x,y,z)$=$k$, $k$=$cte$. Entonces $\nabla{f}(x_{0},~y_{0},~z_{0})$ es normal a la superficie de nivel en el siguiente sentido: si $v$ es el vector tangente en $t$=$t_{0}$ de
una trayectoria $c(t)$ con $c(t_{0})$=$(x_{0},~y_{0},~z_{0})$ Entonces $\nabla{f}\cdot {v}$=$0$

que se puede escribir como
$$\left(\frac{\partial f}{\partial x}(x(t),y(t)z(t)),\frac{\partial f}{\partial y}(x(t),y(t)z(t)),\frac{\partial f}{\partial z}(x(t),y(t)z(t))\right)\cdot\left(\frac{dx}{dt},\frac{dy}{dt},\frac{dz}{dt}\right)=0$$
en $t=t_{0}$
$$\nabla f(x(0),y(0),z(0))\cdot c'(t_{0})=0$$

Plano Tangente

Sea $f:A\subset\mathbb{R}^{3}\rightarrow\mathbb{R}$ una función diferenciable definida en A, y sea
$$S=\left\{(x,y,z)\in\mathbb{R}^{3}~|~f(x,y,z)=c \right\}$$

una superficie de nivel de f y $\hat{x}_{0}=(x_{0},y_{0},z_{0})$ un punto de ella. Considere además, una curva
$$\alpha(t)=(x(t),y(t),z(t))$$
y una curva
$$\beta(t)=(x_{1}(t),y_{1}(t),z_{1}(t))$$

que pasen por $\hat{x}_{0}$ con $t\in[a,b]$ en ambos casos y tanto $\alpha$ como $\beta$ diferenciables, se tiene entonces $$(f\circ\alpha)'(t)=f'(\alpha(t))\alpha'(t)=\nabla f(\alpha(t))\cdot \alpha'(t)=0$$ $$(f\circ\beta)'(t)=f'(\beta(t))\beta'(t)=\nabla f(\beta(t))\cdot \beta'(t)=0$$ pues el gradiente $\nabla f(\hat{x}{0})$ en ambos casos es ortogonal tanto al vector $\alpha'(t_{0})$ como al vector $\beta'(t_{0})$ en el punto $\hat{x_{0}}=\alpha(t_{0})=\beta(t_{0})$

Si $\nabla f(\hat{x}{0})\neq 0$, entonces las tangentes a las curvas $\alpha, \beta$ sobre S que pasan por $\hat{x}{0}$

están contenidas en un mismo plano; por lo que el plano tangente a
$$S=\left\{(x,y,z)\in\mathbb{R}^{3}~|~f(x,y,z)=c \right\}$$ se define

Definición. El plano tangente a S en $\hat{x}{0}$ se define $$P=\left\{\hat{x}~|~\nabla f(\hat{x}_{0})\cdot (\hat{x}-\hat{x}_{0})=0 \right\}$$

Ejemplo. Hallar el plano tangente a la superficie
$$S=\left\{(x,y,z)\in\mathbb{R}^{3}~|~\frac{x^{2}}{4}-\frac{y^{2}}{9}+z^{2}=1 \right\}$$
en el punto $(2,3,1)$

Solución. En este caso el gradiente es
$$\nabla f(x,y,z)=\left(\frac{x}{2},-\frac{2}{9}y,2z\right)$$
en el punto $(2,3,1)$ es
$$\nabla f(2,3,1)=\left(1,-\frac{2}{3},2\right)$$
Por tanto la ecuación del plano tangente es
$$\left(1,-\frac{2}{3},2\right)\cdot (x-1,y-3,z-1)=0$$
es decir
$$3x-2y+6z-6=0$$

Mas adelante

En la siguiente entrada estudiaremos el tema de derivadas de orden superior, el cual, trata de estudiar qué ocurre cuando derivamos una función más de una vez, y cómo esas derivadas adicionales nos dan información más profunda sobre el comportamiento de la función.

Tarea Moral

1.- Verifica la regla de la cadena para $f(x,y)=(x^2+y^2) log \sqrt{x^2+y^2}$ y la trayectoria $c(t)=(e^t,e^{-t})$

2.- Aplica la regla de la cadena para $f(x,y)=x exp(x^2+y^2)$ y $c(t)=(t,-t)$

3.- Sea la superficie $S=\left\{(x,y,z) \in \mathbb{R}^3 ~|~ x^2+y^2+(z-6)^2=9 \right\}$ calcula el plano tangente en $(4,-1,2)$

4.- Sea la superficie $S=\left\{(x,y,z) \in \mathbb{R}^3 ~|~ \sqrt {x^2+y^2+z^2} =5 \right\}$ calcula el plano tangente en $(0,2,-6)$

5.- Calcula la ecuación del plano tangente a la superficie definida por $S=\left\{(x,y,z) \in \mathbb{R}^{3} ~|~ 3xy+z^2 =4 \right\}$ calcula el plano tangente en $(1,1,1)$

Enlaces

El siguiente enlace muestra la gráfica de el hiperboloide mostrado anteriormente como ejemplo $S=\left\{(x,y,z)\in\mathbb{R}^{3}~|~\frac{x^{2}}{4}-\frac{y^{2}}{9}+z^{2}=1 \right\}$ y su plano tangente en el punto $(2,3,1)$. Puedes modificar la superficie por la que tú quieras para seguir observando este concepto.

https://www.geogebra.org/calculator/rmpbz7ft

Se muestra otra gráfica con su respectivo plano tangente en un punto, en esta ocasión el plano tangente va variando su inclinación dependiendo del punto.

https://www.geogebra.org/calculator/tutrembb

Diferenciabilidad de Funciones de $\mathbb{R}^{2}\rightarrow \mathbb{R}$

Introducción

En funciones de varias variables la continuidad significa que no hay “saltos” en la gráfica: puedes acercarte a un punto desde cualquier dirección y el valor de la función coincide, sin embargo, hay que verificar esto para todas las direcciones posibles hacia el punto. Más aún, diremos que la función es diferenciable si se puede aproximar localmente por un plano tangente.

Las derivadas parciales miden cómo cambia una función de varias variables cuando cambias solamente una variable y mantienes las demás constantes.

Definición. Sea $A\subset\mathbb{R}^{2}$, un abierto, $f:A\rightarrow\mathbb{R}$ y $(x_{0},y_{0})\in A$. Se dice que f es diferenciable en $(x_{0},y_{0})$ si existen las derivadas parciales $\displaystyle{\frac{\partial f}{\partial x}(x_{0},y_{0}),~~\frac{\partial f}{\partial y}}(x_{0},y_{0})$ tal que
$$f((x_{0},y_{0})+(h_{1},h_{2}))=f(x_{0},y_{0})+\frac{\partial f}{\partial x}(x_{0},y_{0})h_{1}+\frac{\partial f}{\partial y}(x_{0},y_{0})h_{2}+r(h_{1},h_{2})$$donde
$$\lim_{(h_{1},h_{2})\rightarrow(0,0)}\frac{r(h_{1},h_{2})}{|(h_{1},h_{2})|}=0$$.

Diferenciabilidad implica continuidad de Funciones de $\mathbb{R}^{2}\rightarrow \mathbb{R}$

Teorema 1. Si la función $f:A\subset\mathbb{R}^{2}\rightarrow \mathbb{R}$ definida en $A$ de $\mathbb{R}^{2}$, es diferenciable en el punto $p=(x_{0},y_{0})\in A$, entonces es continua en ese punto.

Demostración. Si f es diferenciable en el ´punto $p=(x_{0},y_{0})\in A$ se tiene
$$f((x_{0},y_{0})+(h_{1},h_{2}))=f(x_{0},y_{0})+\frac{\partial f}{\partial x}(x_{0},y_{0})h_{1}+\frac{\partial f}{\partial y}(x_{0},y_{0})h_{2}+r(h_{1},h_{2})$$
tomando limite se tiene
$$\lim_{(h_{1},h_{2})\rightarrow(0,0)}f((x_{0},y_{0})+(h_{1},h_{2}))=\lim_{(h_{1},h_{2})\rightarrow(0,0)}f(x_{0},y_{0})+\cancel{\frac{\partial f}{\partial x}(x_{0},y_{0})h_{1}}+\cancel{\frac{\partial f}{\partial y}(x_{0},y_{0})h_{2}}+\cancel{r(h_{1},h_{2})}$$
se tiene entonces que
$$\lim_{(h_{1},h_{2})\rightarrow(0,0)}f((x_{0},y_{0})+(h_{1},h_{2}))=f(x_{0},y_{0})$$
por lo que f es continua en $(x_{0},y_{0})$

Aplicación del Teorema del Valor Medio de Funciones de $\mathbb{R}^{2}\rightarrow \mathbb{R}$

El teorema del valor medio de funciones de $\mathbb{R}^{2}\rightarrow \mathbb{R}$ es una generalización del teorema de una variable: Si una función es continua en el segmento que une dos puntos en $\mathbb{R}^{2}$ y diferenciable en los puntos interiores al mismo, Si

$$P=(x_1,y_1),Q=(x_2,y_2),$$

entonces existe un punto C en el segmento entre P y Q tal que

$$f(Q)-f(P)=\mathrm{\nabla }f(C)\cdot (Q-P)\mathrm{.}$$

La idea es que el cambio total de la función entre dos puntos puede expresarse mediante la derivada en algún punto intermedio, pero ahora la derivada es el gradiente y se toma en la dirección que une los dos puntos.

Teorema 2. Suponga que $f:A\subset\mathbb{R}^{2}\rightarrow\mathbb{R}$ es tal que
$$\left|\frac{\partial f}{\partial x}(x_{0},y_{0})\right|\leq M$$ y $$\left|\frac{\partial f}{\partial x}(x_{0},y_{0})\right|\leq M$$

donde $M$ no depende de $x,y$ entonces $f$ es continua en $A$.

Demostración. Sean $(x_{0},y_{0}),(x_{0}+h_{1},y_{0}+h_{2})\in A$ tenemos entonces que $$f(x_{0}+h_{1},y_{0}+h_{2})-f(x_{0},y_{0})=f(x_{0}+h_{1},y_{0}+h_{2})\textcolor{Red}{-f(x_{0}+h_{1},y_{0})+f(x_{0}+h_{1},y_{0})}-f(x_{0},y_{0})$$ Aplicando teorema del valor medio se tiene que existen $\xi_{1},\in\ (x_{0},x_{0}+h_{1})$,$\xi_{2}\in(y_{0},y_{0}+h_{2})$ tal que $$f(x_{0}+h_{1},y_{0}+h_{2})\textcolor{Red}{-f(x_{0}+h_{1},y_{0})}=\frac{\partial f}{\partial y}(x_{0}+h_{1},\xi_{2})h_{2}$$ $$\textcolor{Red}{f(x_{0}+h_{1},y_{0})}-f(x_{0},y_{0})=\frac{\partial f}{\partial x}(\xi_{1},y_{0}+h_{2})h_{1}$$ por lo tanto $$\left|f(x_{0}+h_{1},y_{0}+h_{2})-f(x_{0},y_{0})\right|=\left|\left(\frac{\partial f}{\partial y}(x_{0}+h_{1},\xi_{2})h_{2}\right)+\left(\frac{\partial f}{\partial x}(\xi_{1},y_{0}+h_{2})h_{1}\right)\right|\leq $$ $$\left|\left(\frac{\partial f}{\partial y}(x_{0}+h_{1},\xi_{2})\right)\right||h_{2}|+\left|\left(\frac{\partial f}{\partial x}(\xi_{1},y_{0}+h_{2}\right)\right|)|h_{1}|\leq M(|h_{2}|+|h_{1}|)$$ si tenemos que $\displaystyle{|(h_{1},h_{2})|}<\delta$ entonces $$M(|h_{2}|+|h_{1}|)<2M\delta~\therefore~~~\epsilon=2M\delta\Rightarrow \delta=\frac{\epsilon}{2M}$$.

Diferenciabilidad y Derivadas Direccionales

La idea de la derivada direccional es muy sencilla: mide qué tan rápido cambia una función si te mueves desde un punto en una dirección específica. Qué tan rápido está aumentando o disminuyendo la «altura» mientras caminas en esa dirección.

Teorema 3. Si $f:\mathbb{R}^{n}\rightarrow \mathbb{R}$ es una función diferenciable en $x_{0}$ en la dirección del vector unitario u entonces
$$\frac{\partial f}{\partial u}(x_{0})=\sum_{i=1}^{n}\frac{\partial~f}{\partial x_{i}}\cdot u_{i}$$.

Demostración. Sea $u\in\mathbb{R}^{n}$ tal que $u\neq0$ y $|u|=1$ como $f$ es diferenciable en $x_{0}$, se tiene que
$$f(x_{0}+h)-f(x_{0})=\sum_{i=1}^{n}\frac{\partial f}{\partial x_{i}}(x_{0})h_{i}+r(h)$$satisface
$$\lim_{(h)\rightarrow 0}\frac{r(h)}{|(h)|}=0$$
tomando $h=tu$ se tiene $|h|=|tu|=|t||u|=|t|$\
se tiene entonces
$$f(x_{0}+t(u))-f(x_{0})=\sum_{i=1}^{n}\frac{\partial f}{\partial x_{i}}(x_{0})tu_{i}+r(tu)$$
tenemos entonces
$$\lim_{t\rightarrow0}\frac{f(x_{0}+t(u))-f(x_{0})}{t}=\sum_{i=1}^{n}\frac{\partial f}{\partial x_{i}}(x_{0})u_{i}+\cancel{\lim_{t\rightarrow0}r(tu)}$$
es decir
$$\frac{\partial f}{\partial u}(x_{0})=\sum_{i=1}^{n}\frac{\partial f}{\partial x_{i}}(x_{0})u_{i}$$ $\square$.

Ejemplo. Halle la derivada direccional de $f(x,y)=\ln(x^{2}+y^{3})$ en el punto $(1,-3)$ en la dirección $(2,-3)$

Solución. En este caso
$$u=(2,-3)~\Rightarrow~|u|=\sqrt{13}~\rightarrow~\frac{u}{|u|}=\left(\frac{2}{\sqrt{13}},\frac{-3}{\sqrt{13}}\right)$$
$$\frac{\partial f}{\partial x}(1,-3)=\frac{2x}{x^{2}+y^{3}}\left|_{(1,-3)}\right.=\frac{-2}{26}$$

$$\frac{\partial f}{\partial y}(1,-3)=\frac{3y^{2}}{x^{2}+y^{3}}\left|_{(1,-3)}\right.=\frac{-27}{26}$$

por lo tanto
$$D_{\left(\frac{2}{\sqrt{13}},\frac{-3}{\sqrt{13}}\right)}f\left(1,-3\right)=\left(\frac{-2}{26}\right)\cdot\left(\frac{2}{\sqrt{13}}\right)+\left(\frac{-27}{26}\right)\cdot \left(\frac{-3}{\sqrt{13}}\right)=\frac{77\sqrt{13}}{338}$$

El Gradiente

La información que nos da el vector gradiente nos indica cómo cambia la función dependiendo de la dirección en la que se mueve una función, ya que indica, hacia dónde crece más rápido. Tengamos en cuenta que en una función de $\mathbb{R}^{n}\rightarrow \mathbb{R}$, un punto $(x,y)$ tiene muchas opciones para desplazarse en el dominio.

¿Cómo cambia la función dependiendo de la dirección en la que me mueva?

Sea $f:A\subset \mathbb{R}^{n}\rightarrow \mathbb{R}$ una función diferenciable en $x_{0}\in A$. Entonces el vector cuyas componentes
son las derivadas parciales de f en $x_{0}$ se le denomina Vector Gradiente
$$\left(\frac{\partial f}{\partial x_{1}}(x_{0}),\frac{\partial f}{\partial x_{2}}(x_{0}),…,\frac{\partial f}{\partial x_{n}}(x_{0}),\right)$$
y se le denota por $\nabla f$.

En el caso particular $n=2$ se tiene
$$\nabla f(x_{0})=\left(\frac{\partial f}{\partial x}(x_{0}),\frac{\partial f}{\partial y}(x_{0})\right)$$
En el caso particular $n=3$ se tiene
$$\nabla f(x_{0})=\left(\frac{\partial f}{\partial x}(x_{0}),\frac{\partial f}{\partial y}(x_{0}),\frac{\partial f}{\partial z}(x_{0})\right)$$.

Ejemplo. Calcular $\nabla f$ para $f(x,y)=x^{2}y+y^{3}$
Solución. En este caso
$$\nabla f(x,y)=\left(2xy,x^{2}+3y^{2}\right)$$.

Teorema 4. Si $f:\mathbb{R}^{2}\rightarrow \mathbb{R}$ es una función diferenciable en $(x_{0},y_{0})$ en la dirección del vector unitario u entonces
$$\frac{\partial f}{\partial u}(x_{0},y_{0})=\nabla f(x_{0},y_{0})\cdot u$$.

Sea $u\in\mathbb{R}^{n}$ tal que $u\neq0$ y $|u|=1$ como $f$ es diferenciable en
$(x_{0},y_{0})$, se tiene que
$$f((x_{0},y_{0})+(h_{1},h_{2}))=f(x_{0},y_{0})+\frac{\partial f}{\partial x}(x_{0},y_{0})h_{1}+\frac{\partial f}{\partial y}(x_{0},y_{0})h_{2}+r(h_{1},h_{2})$$

satisface
$$\lim_{(h_{1},h_{2})\rightarrow(0,0)}\frac{r(h_{1},h_{2})}{|(h_{1},h_{2})|}=0$$
tomando $h=tu$ se tiene $|h|=|(h_{1},h_{2})|=|tu|=|t||u|=|t|$

se tiene entonces
$$f((x_{0},y_{0})+t(u))=f(x_{0},y_{0})+\frac{\partial f}{\partial x}(x_{0},y_{0})tu_{1}+\frac{\partial f}{\partial y}(x_{0},y_{0})tu_{2}+r(tu_{1},ru_{2})$$
y también
$$\frac{r(h_{1},h_{2})}{|(h_{1},h_{2})|}=\frac{r(tu_{1},ru_{2})}{|tu|}=\frac{r(tu_{1},ru_{2})}{|t||u|}=\frac{r(tu_{1},ru_{2})}{|t|}$$
tenemos entonces
$$\lim_{t\rightarrow0}\frac{r(tu_{1},ru_{2})}{|t|}=\lim_{t\rightarrow0}\frac{f((x_{0},y_{0})+t(u))-f(x_{0},y_{0})}{|t|}-\frac{\frac{\partial f}{\partial x}(x_{0},y_{0})tu_{1}}{|t|}-\frac{\frac{\partial f}{\partial y}(x_{0},y_{0})tu_{2}}{|t|}$$
es decir
$$0=\frac{\partial f}{\partial u}(x_{0},y_{0})-\frac{\partial f}{\partial x}(x_{0},y_{0})u_{1}-\frac{\partial f}{\partial y}(x_{0},y_{0})u_{2}$$
y en consecuencia

$$\frac{\partial f}{\partial u}(x_{0},y_{0})=\frac{\partial f}{\partial x}(x_{0},y_{0})u_{1}+\frac{\partial f}{\partial y}(x_{0},y_{0})u_{2}=\left(\frac{\partial f}{\partial x}(x_{0},y_{0},\frac{\partial f}{\partial y}(x_{0},y_{0}\right)\cdot\left(u_{1},u_{2}\right)=\nabla f(x_{0},y_{0})\cdot u$$ $\square$.

Ejemplo. Halle la derivada direccional de $f(x,y)=\ln(x^{2}+y^{3})$ en el punto $(1,-3)$ en la dirección $(2,-3)$.

Solución. En este caso

$$\frac{\partial f}{\partial x}(1,-3)=\frac{2x}{x^{2}+y^{3}}\left|_{(1,-3)}\right.=\frac{-2}{26}$$

$$\frac{\partial f}{\partial y}(1,-3)=\frac{3y^{2}}{x^{2}+y^{3}}\left|_{(1,-3)}\right.=\frac{-27}{26}$$

por lo tanto
$$\nabla f(1,-3)=\left(\frac{-2}{26},\frac{-27}{26}\right)\cdot \left(\frac{2}{\sqrt{13}},\frac{-3}{\sqrt{13}}\right)=\frac{77}{26\sqrt{13}}=\frac{77\sqrt{13}}{338}$$.

Dirección de Mayor Crecimiento de una Función

Teorema 5. Supongamos que $\nabla(f(x))\neq(0,0,0)$. Entonces $\nabla(f(x))$ apunta en la dirección a lo largo de la cual f crece más rápido.

Demostración. Si v es un vector unitario, la razón de
cambio de f en la dirección v está dada por $\nabla(f(x))\cdot v$ y
$\nabla(f(x)) \cdot v$ = $|\nabla{f(x)}|~|v|\cos\Theta$ = $|\nabla{f(x)}|\cos\Theta$,
donde $\Theta$ es el ángulo entre $\nabla{f}$, $v$. Este es máximo cuando $\Theta~=~0$ y esto ocurre cuando $v$, $~\nabla{f}$ son paralelos. En otras palabras, si queremos movernos en una dirección en la cual $f$ va a crecer más rápidamente, debemos proceder en la dirección $\nabla{f(x)}$. En forma análoga, si queremos movernos en la dirección en la cual $f$ decrece más rápido, habremos de proceder
en la dirección $-\nabla{f}$.

Ejemplo. Encontrar la dirección de rapido crecimiento en $(1,1,1)$ para $\displaystyle{f(x,y,z)=\frac{1}{\sqrt{x^{2}+y^{2}+z^{2}}}}$.

Solución. En este caso:

$$\nabla f(1,1,1)=\left(\frac{\partial \left(\frac{1}{\sqrt{x^{2}+y^{2}+z^{2}}}\right)}{\partial x},\frac{\partial \left(\frac{1}{\sqrt{x^{2}+y^{2}+z^{2}}}\right)}{\partial y},\frac{\partial \left(\frac{1}{\sqrt{x^{2}+y^{2}+z^{2}}}\right)}{\partial z}\right)\left|_{(1,1,1)}\right.=$$

$$\left(-\frac{x}{\sqrt{x^{2}+y^{2}+z^{2}}},-\frac{y}{\sqrt{x^{2}+y^{2}+z^{2}}},-\frac{z}{\sqrt{x^{2}+y^{2}+z^{2}}}\right)\left|_{(1,1,1)}\right.=-\frac{1}{3\sqrt{3}}\left(1,1,1\right)$$
Podemos tomar

$$u=\frac{\nabla f}{|\nabla f|}$$
en este caso
$$u=\frac{-\frac{1}{3\sqrt{3}}\left(1,1,1\right)}{\frac{1}{3}}=\left(-\frac{1}{\sqrt{3}},-\frac{1}{\sqrt{3}},-\frac{1}{\sqrt{3}}\right)$$.

Puntos Estacionarios

Para hablar de puntos estacionarios necesitamos que la función sea diferenciable pero ¿qué pasa en un punto donde el gradiente es el vector cero?

A ese punto lo llamamos punto estacionario (o punto crítico), es donde la función no aumenta ni disminuye inmediatamente en ninguna dirección. Pero sí son candidatos a ser máximos, mínimos locales o puntos silla.

Definición. Sea $f:\Omega\subset \mathbb{R}^{n} \rightarrow \mathbb{R}$ diferenciable, a los puntos $x \in \Omega$ tales que $\nabla f(x)=0$ se les llama puntos críticos (o punto estacionario.) de la función.

Ejemplo. Sea $f:\mathbb{R}^{2}\rightarrow\mathbb{R}$ dada por $f(x,y)=x^{2}-y^{2}$ hallar los puntos críticos de $f$

Solución. Se tiene que $\nabla f(x)=(2x, 2y)$ $\hspace{0.5cm}$ $\nabla f(x)=0\Leftrightarrow(2x, 2y)=(0,0)\Leftrightarrow 2x=0$ y $2y=0\Leftrightarrow x=0$ y $y=0$ \hspace{0.5cm} $\therefore$ $(0,0)$ es el único punto crítico de $f$.

Ejemplo. Que condición se debe satisfacer para que la función $f:\mathbb{R}^{2}\rightarrow\mathbb{R}$ dada por $f(x,y)=ax^{2}+2bxy+cy^{2}+dx-ey+f$ tenga un punto crítico

$\nabla f=(2ax+2by+d, 2bx+2cy-e)$ entonces

$\nabla f=0\Leftrightarrow 2ax+2by+d=0$ y $2bx+2cy-e=0$

$\Rightarrow$ $ 2ax+2by=-d$ y $2bx+2cy=e$ se necesita que

$$\begin{vmatrix} 2a & 2b \\ 2b & 2c \end{vmatrix} \neq 0 $$

$\Rightarrow$ $2a(2c)-(2b)^{2}\neq 0$ $\therefore$ $ac-b^{2}\neq 0$

Más adelante

En la siguiente entrada veremos como la regla de la cadena representa una herramienta del cálculo que permite derivar funciones compuestas. Si una variable depende de otra, y esa a su vez depende de otra, la derivada de la función final se obtiene multiplicando las derivadas intermedias. También veremos cómo gracias a que el gradiente representa la dirección de máximo crecimiento nos ayuda a definir el plano tangente de una función en un punto dado.

Tarea Moral

1.- Sea la función $f:\mathbb{R^2}\rightarrow \mathbb{R}$ con $f:xe^y$ calcula: $\nabla f=(\frac{\partial{f}}{\partial{x}}, \frac{\partial{f}}{\partial{y}}, \frac{\partial{f}}{\partial{z}})$

2.- Sea $f(x,y)=x^2+y+3y^2$ calcula la derivada direccional en el punto $(2,-4)$ en la dirección $(3,2)$.

3.- Evalua el gradiente de $f(x,y,z)=log(x^2+y^2+z^2)$ en $(1,0,1)$

4.- Sean $f,g:\mathbb{R}^2\rightarrow \mathbb{R}$ prueba que $\nabla(fg)=f \nabla g+ \nabla f g$

5.- Sea $f(x,y,z)=x^2e^{-yz}$ calcula la derivada direccional de $f$ en la dirección del vector unitario $v=(\dfrac{1}{3},\dfrac{1}{3},\dfrac{1}{3})$

Enlaces

El siguiente enlace contiene una calculadora en python que te va a permitir saber el valor de la derivada direccional de una función de dos dimensiones en un punto y una dirección en específico.
Lo que hace es:

Es decir:

1. Calcula las derivadas parciales.
2. Forma el gradiente.
3. Evalúa el gradiente en el punto.
4. Normaliza el vector dirección.
5. Hace el producto punto.
   
   NOTA:

Como se usa la librería SymPy toma en cuenta que las operaciones matemáticas se hace bajo la siguiente denotación:

multiplicación: *

elevar al cuadrado: **

raíz n-ésima: x**(1/n) (donde n es un número natural)

En la siguiente imagen se muestra un ejemplo de cómo debes introducir tus datos al programa para calcular la derivada direccional de la función: $f(x,y)=x^2+3y-4$, en la dirección $(1, \dfrac{1}{2})$, en la dirección $(2,3)$. Observa que no es necesario escribir paréntesis en el prompt.

https://colab.research.google.com/drive/19EHSU3DyMZgHt2a2IZtO6vToMrCJVeHC?usp=sharing