$\textcolor{Red}{\textbf{Extremos Restringidos (Multiplicadores de Lagrange)}}$

Supongase que se quieren hallar los valores extremos (máximo ó mínimo) de una función $f(x,y)$ sujeta a la restircción $x^2+y^2=1$; esto es, que $(x,y)$ está en el circulo unitario. Con mayor generalidad, podemos necesitar maximizar o minimizar $f(x,y)$ sujeta a la condición adicional de que $(x,y)$ también satisfaga una ecuación $g(x,y)=c$ donde $g$ es alguna función y $c$ es una constante. En el ejemplo $g(x,y)=x^2+y^2$ y $c=1$]. El conjunto de dichas $(x,y)$ es un conjunto de nivel de $g$.

En general, sean $f:u\subset \mathbb{R}^n\rightarrow \mathbb{R}$ y $g: u\subset \mathbb{R}^n\rightarrow \mathbb{R}$ funciones $C^1$ dadas, y sea $S$ el conjunto de nivel de $g$ con valor $c$. Recordar que el conjunto de nivel son los puntos $x\in
\mathbb{R}^n$ con $g(x)=c$] Cuando $f$ se restringe a $S$, de nuevo tenemos el concepto de máximos locales o mínimos locales de $f$ (extremos locales), y un máximo (valor mayor) o un minimo absoluto (valor menor) debe ser un extremo local.

$\textbf{Teorema.- Método de los multiplicadores de lagrange.}$ Sean $f:u\subset \mathbb{R}^n\rightarrow \mathbb{R}$ y $g: u\subset \mathbb{R}^n\rightarrow \mathbb{R}$ funciones $C^1$ con valores reales dados. Sean $x_0 \in u$ y $g(x_0)=c$, y sea $S$ el conjunto de nivel de $g$ con valor $c$. Suponer $\nabla g(x_0)\neq 0$.
Si $f|_s$ (f restringida a s) tiene un máximo o un mínimo local en $S$, en $x_0$, entonces existe un número real $\lambda$ tal que $\nabla f(x_0)=\lambda\nabla g(x_0)$.

$Demostrción$ Para $n=3$ el espacio tangente o plano tangente de $S$ en $x_0$ es el
espacio ortogonal a $\nabla g(x_0)$ y para $n$ arbitraria podemos dar la misma definición de espacio tangente de $S$ en $x_0$. Esta definición se puede motivar al considerar tangentes a trayectorias $c(t)$ que estan en $s$, como sigue: si $c(t)$ es una trayectoria en $S$ y $c(0)=x_0$, entonces $c'(0)$ es un vector tangente a $S$ en $x_0$, pero $$\frac{dg(c(t))}{dt}=\frac{d}{dt}(c)=0$$
Por otro lado usando regla de la cadena
$$\left.\frac{d}{dt}g(c(t))\right|_{t=0}=\nabla g(x_0)\cdot c'(0)$$
de manera que $\nabla g(x_0)\cdot c'(0)=0$, esto es, $c'(0)$ es ortogonal a $\nabla g(x_0)$.

Si $f|s$ tiene un máximo en $x_0$, entonces $f(c(t))$ tiene un máximo en $t=0$. Por cálculo de una variable, $\displaystyle\left.\frac{df(c(t))}{dt}\right|{t=0}=0$. Entonces por regla de la cadena $$0=\displaystyle\left.\frac{df(c(t))}{dt}\right|_{t=0}=\nabla f(x_0)\cdot c'(0)$$
Asi, $\nabla f(x_0)$ es perpendicular a la tangente de toda curva en $S$ y entonces tambien es perpendicular al espacio tangente completo de $S$ en $x_0$. Como el espacio perpendicular a este espacio tangente es una recta, $\nabla f(x_0)$ y $\nabla
g(x_0)$ son paralelos. Como $\nabla g(x_0)\neq 0$, se deduce que $\nabla f(x_0)$ es multiplo de $\nabla g(x_0)$.

$\textbf{Corolario.}$ Si $f$ al restringirse a una superficie $S$, tiene un máximo o un mínimo local en $x_0$, entonces $\nabla f(x_0)$ es perpendicular a $S$ en $x_0$.La geometria de los valores extremos restringidos.

$\textbf{Ejemplo.}$ Sea $S\subset\mathbb{R}^2$ la recta que pasa por $(-1,0)$ inclinada a $45^{o}$, y sea $f:\mathbb{R}^2 \rightarrow \mathbb{R}$ daa asi $f(x,y)=x^2+y^2$. Hallar los extremos de $f|_s$.

$Solución.$ Aqui $S=\left\{(x,y) | y-x-1=0 \right\}$ y por lo tanto hacemos $g(x,y)=-y-x-1$ y $c=0$. Tenemos $\nabla g(x,y)=-i+j \neq 0$. Los extremos relativos de $f|_s$ deben hallarse entre los puntos en que $\nabla f$ es ortogonal a $S$, esto es, inclinada a $-45^{o}$. Pero $\nabla f (x,y)=(2x.2y)$, que tiene la pendiente deseada sólo cuando $x=-y$, o cuando $(x,y)$ está sobre la recta L, que pasa por el origen inlinada a $-45^{o}$. Esto puede suceder en el conjunto $S$ sólo para el unico punto en
el que se intersecan L y S. Al referirnos a las curvas de nivel de $f$ se indica que este punto $(-\frac{1}{1},\frac{1}{2})$ es un mínimo relativo de $f|_s$ (Pero no de $f$).

$\textbf{Ejemplo.}$ Sea $f:\mathbb{R}^2\rightarrow \mathbb{R}$ dada asi $f(x,y)=x^2-y^2$ y sea $S$ el círculo de radio 1 alrededor del origen. Hallar los extremos de $f|_s$.

$Solución.$ El conjunto $S$ es la curva de nivel para $g$ con valor $t$. Donde $g:\mathbb{R}^2\rightarrow \mathbb{R}$, $(x,y) \rightarrow x^2+y^2$. La condición de que $\nabla f=\lambda \nabla g$ en $x_0$, es decir que $\nabla f$ y $\nabla g$ son pararlelos en $x_0$, es la misma que las curvas de nivel sean tangentes en $x_0$. Asi los puntos extremos de $f |_s$ son $(0,\pm 1)$ y $(\pm1,0)$. Evaluando $f$ hallamos que $(0,\pm 1)$ son mínimos y $(\pm1,0)$ son máximos. Usando Multiplicadores de
lagrange $\nabla f(x,y)=(2x,2y)$ y $\nabla g(x,y)=(2x,2y)$\ $\therefore$ \quad $(2x,-2y)=\lambda(2x,2y)$ cuya solución es $(0,\pm 1)$, $(\pm1,0)$.

$\textbf{Ejemplo.}$ Maximizar la función $f(x,y,z)=x+z$ sujeta a la restricción $x^2+y^2+z^2=1$

$Solución.$ Buscamos $\lambda$ y $(x,y,z)$ tales que $1=2x\lambda$, $0=2y\lambda$ y $1=2z\lambda$ $x^2+y^2+z^2=1$ la solución es $(\frac{1}{\sqrt{2}},0,\frac{1} {\sqrt{2}})$, $(-\frac{1}{\sqrt{2}},0,-\frac{1}{\sqrt{2}})$ comprobando los valores de $f$ en estos puntos podemos ver que el primer punto produce el máximo de $f$ y el segundo el mínimo.

$\textbf{Ejemplo.}$ Hallar los puntos extremos de $f(x,y,z)=x+y+z$ sujeto a las dos condiciones $x^2+y^2=2$ y $x+z=1$

$Solución.$ Aquí hay dos restricciones $g_1=(x,y,z)=x^2+y^2-2=0$ $g_2(x,y,z)=x+z-1=0$ asi, debemos encontrar $x,y,z,\lambda_1$ y $\lambda_2$ tales que $$\nabla f(x,y,z)=\lambda_1 \nabla g (x,y,z)+ \lambda_2 \nabla g_2(x,y,z)$$
$$g_1(x,y,z)=0 \quad y \quad g_2(x,y,z)=0$$
Calculando gradientes e igualando componentes, obtenemos

$\begin{eqnarray}
1=\lambda_1\cdot 2x+\lambda_2\cdot 1\\
1=\lambda_1 2y+\lambda_2\cdot 0\\
1=\lambda_1\cdot 0 + \lambda_2\cdot 1\\
x^2+y^2=2\\
x+z=1
\end{eqnarray}$

De (3) $\lambda_2=1$ y asi $2x\lambda_1=0$, $2y\lambda_1=1$.

Como la segunda implica $\lambda_1\neq 0$ $x=0$. Asi $y=\pm\sqrt{2}$ y $z=1$. Entonces los extremos deseados son $(0,\pm\sqrt{2},1)$.

Por inspección $(0,\sqrt{2},1)$ da un máximo relativo y $(0,-\sqrt{2},1)$ un mínimo relativo.

La condición $x+z=1$ implica que $z$ tambien está acotada. Se deduce que el conjunto de restricciones $S$ es cerrada y acotada,

Por lo tanto $f$ tiene un máximo y un mínimo en $S$ que se deben alcanzar en $(0,\sqrt{2},1)$ y $(0,-\sqrt{2},1)$ respectivamente.

Extremos Locales parte 2 pequeño

Para el caso de funciones $f:\mathbb{R}^{3}\rightarrow\mathbb{R}$ tenemos que recordando un poco de la expresión de taylor
$$f(x,y)=f(x_{0},y_{0})+\left(\frac{\partial f}{\partial x}\right){p}(x-x_{0})+\left(\frac{\partial f}{\partial y}\right){p}(y-y_{0})+\left(\frac{\partial f}{\partial z}\right){p}(z-z_{0})+$$

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

Haciendo $x-x_{0}=h_{1},y-y_{0}=h_{2},z-z_{0}=h_{3}$ podemos escribir el término rojo de la siguiente manera
$$\frac{1}{2!}\left(\frac{\partial^{2}f}{\partial x^{2}}h_{1}^{2}+2\frac{\partial^{2}f}{\partial x\partial y}h_{1}h_{2}+\frac{\partial^{2}f}{\partial y^{2}}h_{2}^{2}+2\frac{\partial^{2}f}{\partial x\partial z}h_{3}h_{1}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}\right)$$

y también se puede ver como producto de matrices
$$\frac{1}{2!}(h_{1}~h_{2}~h_{3})\left(\begin{matrix}\frac{\partial^{2}f}{\partial
x^{2}}&\frac{\partial^{2}f}{\partial y\partial x}&\frac{\partial^{2}f}{\partial z\partial x}\\\frac{\partial^{2}f}{\partial x\partial y}&\frac{\partial^{2}f}{\partial
y^{2}}&\frac{\partial^{2}f}{\partial z\partial y}\\\frac{\partial^{2}f}{\partial
x\partial z}&\frac{\partial^{2}f}{\partial y\partial z}&\frac{\partial^{2}f}{\partial z^{2}}\end{matrix}\right){p}\left(\begin{matrix}h{1}\\h_{2}\\h_{3}\end{matrix}\right)$$

Si $(x_{0},y_{0},z_{0})$ es un punto critico de la función entonces en la expresión de Taylor
$$f(x,y)=f(x_{0},y_{0})+\left(\frac{\partial f}{\partial
x}\right){p}(x-x_{0})+\left(\frac{\partial f}{\partial
y}\right){p}(y-y_{0})+\left(\frac{\partial f}{\partial
z}\right){p}(z-z_{0})$$
$$\textcolor{Red}{\frac{1}{2!}\left(\frac{\partial^{2}f}{\partial
x^{2}}{p}(x-x_{0})^{2}+2\frac{\partial^{2}f}{\partial x \partial
y}{p}(x-x_{0})(y-y_{0})+\frac{\partial^{2}f}{\partial
y^{2}}{p}(y-y{0})^{2}+2\frac{\partial^{2}f}{\partial
x\partial z}{p}(z-z{0})(x-x_{0})+2\frac{\partial^{2}f}{\partial
y\partial z}{p}(z-z_{0})(y-y_{0})\right)}$$
$$\textcolor{Red}{+\frac{\partial^{2}f}{\partial
z^{2}}{p}(z-z_{0})(x-x_{0})}$$

El término
$$\frac{\partial f}{\partial x}{p}(x-x_{0})+\frac{\partial f}{\partial y}{p}(y-y_{0})+\frac{\partial f}{\partial z}{p}(z-z_{0})=0$$
y por lo tanto
$$f(x,y)-f(x_{0},y_{0})=\frac{1}{2!}(h_{1}~h_{2}~h_{3})\left(\begin{matrix}\frac{\partial^{2}f}{\partial
x^{2}}&\frac{\partial^{2}f}{\partial
y\partial x}&\frac{\partial^{2}f}{\partial
z\partial x}\\\frac{\partial^{2}f}{\partial
x\partial y}&\frac{\partial^{2}f}{\partial
y^{2}}&\frac{\partial^{2}f}{\partial
z\partial y}\\\frac{\partial^{2}f}{\partial
x\partial z}&\frac{\partial^{2}f}{\partial
y\partial z}&\frac{\partial^{2}f}{\partial
z^{2}}\end{matrix}\right){p}\left(\begin{matrix}h{1}\\h_{2}\\h_{3}\end{matrix}\right)$$
vamos a determinar el signo de la forma
$$Q(h)=\frac{1}{2!}(h_{1}~h_{2}~h_{3})\left(\begin{matrix}\frac{\partial^{2}f}{\partial
x^{2}}&\frac{\partial^{2}f}{\partial
y\partial x}&\frac{\partial^{2}f}{\partial
z\partial x}\\\frac{\partial^{2}f}{\partial
x\partial y}&\frac{\partial^{2}f}{\partial
y^{2}}&\frac{\partial^{2}f}{\partial
z\partial y}\\\frac{\partial^{2}f}{\partial
x\partial z}&\frac{\partial^{2}f}{\partial
y\partial z}&\frac{\partial^{2}f}{\partial
z^{2}}\end{matrix}\right){p}\left(\begin{matrix}h{1}\\h_{2}\\h_{3}\end{matrix}\right)$$

vamos a trabajar sin el término $\displaystyle{\frac{1}{2!}}$ que no afectara al signo de la expresión, tenemos entonces

$$Q(h)=(h_{1}~h_{2}~h_{3})\left(\begin{matrix}\frac{\partial^{2}f}{\partial
x^{2}}&\frac{\partial^{2}f}{\partial
y\partial x}&\frac{\partial^{2}f}{\partial
z\partial x}\\\frac{\partial^{2}f}{\partial
x\partial y}&\frac{\partial^{2}f}{\partial
y^{2}}&\frac{\partial^{2}f}{\partial
z\partial y}\\\frac{\partial^{2}f}{\partial
x\partial z}&\frac{\partial^{2}f}{\partial
y\partial z}&\frac{\partial^{2}f}{\partial
z^{2}}\end{matrix}\right){p}\left(\begin{matrix}h{1}\\h_{2}\\h_{3}\end{matrix}\right)=\textcolor{Red}{\frac{\partial^{2}f}{\partial x^{2}}h_{1}^{2}+2\frac{\partial^{2}f}{\partial x\partial y}h_{1}h_{2}+\frac{\partial^{2}f}{\partial y^{2}}h_{2}^{2}}+2\frac{\partial^{2}f}{\partial x\partial z}h_{3}h_{1}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$

$$=\textcolor{Red}{\frac{\partial^{2}f}{\partial x^{2}}\left(h_{1}+\frac{\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}h_{2}\right)^{2}+\left(\frac{\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}}\right)h_{2}^{2}}+2\frac{\partial^{2}f}{\partial x\partial z}h_{3}h_{1}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$

$$=\textcolor{Red}{\frac{\partial^{2}f}{\partial x^{2}}\left(h_{1}+\frac{\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}h_{2}\right)^{2}+\left(\frac{\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}}\right)h_{2}^{2}}+2\frac{\partial^{2}f}{\partial x\partial z}h_{3}h_{1}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$

hacemos $\displaystyle{b_{1}=\frac{\partial^{2}f}{\partial x^{2}},h_{1}’=\left(h_{1}+\frac{\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}h_{2}\right),b_{2}=\frac{\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}},~~h_{2}’=h_{2}}$ y obtenemos
$$=b_{1}h_{1}’^{2}+b_{2}h_{2}’^{2}+2\frac{\partial^{2}f}{\partial x\partial z}h_{3}h_{1}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$
que podemos escribir

$$=b_{1}h_{1}’^{2}+b_{2}h_{2}’^{2}+2\frac{\partial^{2}f}{\partial x\partial z}\left(h_{1}+\frac{\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}h_{2}-\frac{\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}h_{2}\right)h_{3}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$
$$=b_{1}h_{1}’^{2}+b_{2}h_{2}’^{2}+2\frac{\partial^{2}f}{\partial x\partial z}\left(h_{1}’-\frac{\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}h_{2}’\right)h_{3}+2\frac{\partial^{2}f}{\partial y\partial z}h_{3}h_{2}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$
$$=b_{1}h_{1}’^{2}+b_{2}h_{2}’^{2}+2\frac{\partial^{2}f}{\partial x\partial z}h_{1}’h_{3}+\left(2\frac{\partial^{2}f}{\partial y\partial z}-\frac{2\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}\right)h_{2}’h_{3}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$
hacemos

$$2b_{23}=2\frac{\partial^{2}f}{\partial y\partial z}-\frac{2\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}$$y obtenemos
$$=b_{1}h_{1}’^{2}+b_{2}h_{2}’^{2}+2\frac{\partial^{2}f}{\partial x\partial z}h_{1}’h_{3}+2b_{23}h_{2}’h_{3}+\frac{\partial^{2}f}{\partial z^{2}}h_{3}^{2}$$
que se puede escribir

$$=b_{1}\left(h_{1}’^{2}+2\frac{\frac{\partial^{2}f}{\partial x\partial z}}{b_{1}}h_{1}’h_{3}+\left(\frac{\frac{\partial^{2}f}{\partial x\partial z}h_{3}}{b_{1}}\right)^{2}\right)+b_{2}\left(h_{2}’^{2}+2\frac{b_{23}}{b_{2}}h_{2}’h_{3}+\left(\frac{b_{23}}{b_{2}}h_{3}\right)^{2}\right)+\left(\frac{\partial^{2}f}{\partial z^{2}}-\frac{\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}}{b_{1}}-\frac{b_{23}^{2}}{b_{2}}\right)h_{3}^{2}$$
hacemos
$$b_{3}=\frac{\partial^{2}f}{\partial z^{2}}-\frac{\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}}{b_{1}}-\frac{b_{23}^{2}}{b_{2}}$$
y obtenemos

$$=b_{1}\left(h_{1}’^{2}+2\frac{\frac{\partial^{2}f}{\partial x\partial z}}{b_{1}}h_{1}’h_{3}+\left(\frac{\frac{\partial^{2}f}{\partial x\partial z}h_{3}}{b_{1}}\right)^{2}\right)+b_{2}\left(h_{2}’^{2}+2\frac{b_{23}}{b_{2}}h_{2}’h_{3}+\left(\frac{b_{23}}{b_{2}}h_{3}\right)^{2}\right)+b_{3}h_{3}^{2}$$
$$=b_{1}\left(h_{1}’+\frac{\frac{\partial^{2}f}{\partial x\partial z}}{b_{1}}h_{3}\right)^{2}+b_{2}\left(h_{2}’+\frac{b_{23}}{b_{2}}h_{3}\right)^{2}+b_{3}h_{3}^{2}$$
esta última expresión será positiva si y solo si $b_{1}>0~~b_{2}>0$ y $b_{3}>0$ en clases pasadas vimos los dos primeros, veamos ahora que $$b_{3}=\frac{\partial^{2}f}{\partial z^{2}}-\frac{\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}}{b_{1}}-\frac{b_{23}^{2}}{b_{2}}>0$$
tenemos entonces que

$$\frac{\partial^{2}f}{\partial z^{2}}-\frac{\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}}{b_{1}}-\frac{b_{23}^{2}}{b_{2}}=\frac{\partial^{2}f}{\partial z^{2}}-\frac{\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}}{\frac{\partial^{2}f}{\partial z^{2}}}-\frac{\left(\frac{\partial^{2}f}{\partial y\partial z}-\frac{2\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial x^{2}}}\right)^{2}}{\frac{\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}}}$$

$$=\frac{\frac{\partial^{2}f}{\partial z^{2}}\frac{\partial^{2}f}{\partial x^{2}}\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}}-\frac{\frac{\left(\frac{\partial^{2}f}{\partial y\partial z}\frac{\partial^{2}f}{\partial x^{2}}-\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\left(\frac{\partial^{2}f}{\partial x^{2}}\right)^{2}}}{\frac{\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}}}=\frac{\frac{\partial^{2}f}{\partial z^{2}}\frac{\partial^{2}f}{\partial x^{2}}\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}}-\frac{\left(\frac{\partial^{2}f}{\partial y\partial z}\frac{\partial^{2}f}{\partial x^{2}}-\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\left(\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}\right)\frac{\partial^{2}f}{\partial x^{2}}}$$

$$=\frac{\left(\frac{\partial^{2}f}{\partial z^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}\right)\left(\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}\right)-\left(\frac{\partial^{2}f}{\partial y\partial z}\frac{\partial^{2}f}{\partial x^{2}}-\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}\left(\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}\right)}$$

$$=\frac{\frac{\partial^{2}f}{\partial z^{2}}\frac{\partial^{2}f}{\partial x^{2}}\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\frac{\partial^{2}f}{\partial z^{2}}\frac{\partial^{2}f}{\partial x^{2}}\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}-\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}+\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}-\left(\frac{\partial^{2}f}{\partial y\partial z}\right)^{2}\left(\frac{\partial^{2}f}{\partial x^{2}}\right)^{2}-}{\frac{\partial^{2}f}{\partial x^{2}}\left(\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}\right)}$$

$$\frac{2\left(\frac{\partial^{2}f}{\partial x^{2}}\frac{\partial^{2}f}{\partial y\partial z}\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}\right)-\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}{\frac{\partial^{2}f}{\partial x^{2}}\left(\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}\right)}$$
$$=\frac{\frac{\partial^{2}f}{\partial z^{2}}\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\frac{\partial^{2}f}{\partial z^{2}}\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}-\frac{\partial^{2}f}{\partial y^{2}}\left(\frac{\partial^{2}f}{\partial x\partial z}\right)^{2}-\left(\frac{\partial^{2}f}{\partial y\partial z}\right)^{2}\frac{\partial^{2}f}{\partial x^{2}}+2\frac{\partial^{2}f}{\partial y\partial z}\frac{\partial^{2}f}{\partial x\partial z}\frac{\partial^{2}f}{\partial y\partial x}}{\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}$$
$$=\frac{\left|\begin{matrix}\frac{\partial^{2}f}{\partial x^{2}}&\frac{\partial^{2}f}{\partial y\partial x}&\frac{\partial^{2}f}{\partial z\partial x}\\\frac{\partial^{2}f}{\partial x\partial y}&\frac{\partial^{2}f}{\partial y^{2}}&\frac{\partial^{2}f}{\partial z\partial y}\\\frac{\partial^{2}f}{\partial x\partial z}&\frac{\partial^{2}f}{\partial y\partial z}&\frac{\partial^{2}f}{\partial z^{2}}\end{matrix}\right|}{\frac{\partial^{2}f}{\partial y^{2}}\frac{\partial^{2}f}{\partial x^{2}}-\left(\frac{\partial^{2}f}{\partial y\partial x}\right)^{2}}$$

por lo tanto
$$b_{3}>0~\Leftrightarrow~\left|\begin{matrix}\frac{\partial^{2}f}{\partial x^{2}}&\frac{\partial^{2}f}{\partial y\partial x}&\frac{\partial^{2}f}{\partial z\partial x}\\\frac{\partial^{2}f}{\partial x\partial y}&\frac{\partial^{2}f}{\partial y^{2}}&\frac{\partial^{2}f}{\partial z\partial y}\\\frac{\partial^{2}f}{\partial x\partial z}&\frac{\partial^{2}f}{\partial y\partial z}&\frac{\partial^{2}f}{\partial z^{2}}\end{matrix}\right|>0$$

Definición 1. La forma $Q(x)=xAx^{t}$, que tiene asociada la matriz A (respecto a la base canónica de $\mathbb{R}^{n}$) se dice:
$\textcolor{Red}{\textbf{Definida positiva}}$, si $Q(x)>0~\forall x \in~\mathbb{R}^{n}$
La forma $Q(x)=xAx^{t}$, que tiene asociada la matriz A (respecto a la base canónica de $\mathbb{R}^{n}$) se dice:
$\textcolor{Red}{\textbf{Definida negativa}}$, si $Q(x)<0~ \forall x \in~\mathbb{R}^{n}$

Definición 2. Si la forma $Q(x)=xAx^{t}$ es definida positiva, entonces f tiene un mínimo local en en x.
Si la forma $Q(x)=xAx^{t}$ es definida negativa, entonces f tiene un máximo local en en x.

Hay criterios similares para una matriz simetrica $A$ de $n\times n$ y consideramos las $n$ submatrices cuadradas a lo largo de la diagonal, $A$ es definida positiva si y solo si los determinantes de estas submatrices diagonales son todos mayores que cero. Para $A$ definida negativa los signos deberan alternarse $<0$ y $>0$. En casi de que los determinantes de las submatrices diagonales sean todos diferentes de cero pero que la matrix no sea definida positiva o negativa, el punto crítico es tipo silla. Y por lo tanto el punto no es máximo ni mínimo. Asi tenemos el siguiente resultado.

Definición 3. Dada una matriz cuadrada $A=a_{ij}j=1,…,ni=1,…,n$ se consideran las submatrices angulares $A_{k}k=1,…,n$ definidas como $$A_{1} (a_{11})~A_{2}=\left(\begin{matrix}a_{11}&a_{12}\\a_{21}&a_{22}\end{matrix}\right)~~A_{3}=\left(\begin{matrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\end{matrix}\right),\cdots,A_{n}=A$$
se define $\det A_{k}=\triangle_{k}$

Definición 4. Se tiene entonces que que la forma $Q(x)=xAX^{t}$ es definida positiva si y solo si todos los dterminantes $\triangle_{k}~~k=1,…,n$ son números positivos.

Definición 5. La forma $Q(x)=xAX^{t}$ es definida negativa si y solo si los dterminantes $\triangle_{k}k=1,…,n$ tienen signos alternados comenzando por $\triangle_{1}<0,\triangle_{2}>0,…$ respectivamente.

Ejemplo. Consideremos la función $f:\mathbb{R}^3\rightarrow
\mathbb{R}$ $f(x,y,z)=\sin x +\sin y + \sin z -\sin(x+y+z)$, el punto $P=\left(\frac{\pi}{2},\frac{\pi}{2},\frac{\pi}{2}\right)$ es
un punto crítico de $f$ y en ese punto la matriz hessiana de

$f$ es $$H(p)=\left[
\begin{array}{ccc}
-2 & -1 & -1 \\
-1 & -2 & -1 \\
-1 & -1 & -2 \
\end{array}
\right]
$$
los determinantes de las submatrices angulares son
$$\Delta_1=det(-2)\qquad \quad $$ $$\Delta_2=det \left[
\begin{array}{cc}
-2 & -1 \\
-1 & -2 \
\end{array}
\right]$$

$$\Delta_3=det H(p)=-4$$ puesto que son signos alternantes con $\Delta t< 0$ concluimos que la funcion $f$ tiene en $\left(\frac{\pi}{2},\frac{\pi}{2},\frac{\pi}{2}\right)$ un máximo local. Este máximo local vale $f\left(\frac{\pi}{2},\frac{\pi}{2},\frac{\pi}{2}\right)=4$

Introducción

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.

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 análoga, $x_0 \in u$ 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.

Un punto $x_0$ es un punto crítico de $f$ si $Df(x_0)=0$.

Un punto crítico que no es un extremo local se llama punto silla.

Teorema 1. $\textcolor{Red}{\textbf{Criterio de la primera derivada}}$ Si $u \in \mathbb{R}$ es abierto, la función $f:u\subset \mathbb{R}^n \rightarrow \mathbb{R}$ es diferenciable y $x_0 \in u$ es un extremo local entonces $\nabla f(x_0)=0$, esto es $x_0$ es un punto crítico de $f$.

Demostración. Supongamos que $t$ alcanza su máximo local en $x_0$. Entonces para cualquier $h \in \mathbb{R}^n$ la función $g(t)=f(x_0+th)$ tiene un máximo local en $t=0$. Asi, del cálculo de una variable $g'(0)=0$ ya que como $g(0)$ es máximo local, $g(t)\leq g(0)$ para $t > 0$ pequeño
$$\therefore \quad g'(0)=\displaystyle\lim_{t \rightarrow t_0^+}\frac{g(t)-g(0)}{t}=0$$
Análogamente para $t< 0$ pequeño tomamos
$$g'(0)=\displaystyle\lim_{t \rightarrow t_0^-}\frac{g(t)-g(0)}{t}=0$$
Ahora por regla de la cadena $$g'(0)=\frac{\partial f}{\partial x_{1}}(x_{0})h_{1}+\frac{\partial f}{\partial x_{2}}(x_{0})h_{2}+\cdots+\frac{\partial f}{\partial x_{n}}(x_{0})h_{0}=\nabla f(x_{0})\cdot h$$
Así $\nabla f(x_{0})\cdot h=0 \quad \forall \: h$ de modo que $\nabla f(x_{0})=0$. En resumen si $x_0$ es un extremo local, entonces $\displaystyle\frac{\partial f}{\partial x_i}(x_0)=0 \quad \forall~i=1,\ldots,n$. En otras palabras $\nabla f(x_0)=0$. $\square$

Ejemplo. Hallar los máximos y mínimos de la función $f:\mathbb{R}^2 \rightarrow \mathbb{R}$, definida por $$f(x,y)=x^2+y^2-2x-6y+14$$

Solución. Debemos identificar los puntos críticos de $f$ resolviendo $\displaystyle{\frac{\partial f}{\partial x}=0}$, $\displaystyle{\frac{\partial f}{\partial y}=0}$ para $x,y$, $$2x-2=0~~~2y-6=0$$ De modo que el punto crítico es $(1,3)$. Como $$f(x,y)=\left(x^{2}-2x+1\right)+\left(y^{2}-6y+9\right)+4=\left(x-1\right)^{2}+\left(y-3\right)^{2}+4$$ tenemos que $f(x,y)\geq 4$ por lo tanto en $(1,3)$ $f$ alcanza un mínimo relativo.

Ejemplo. Considerar la función $f:\mathbb{R}^2 \rightarrow \mathbb{R}$,
$f(x,y)=4-x^2-y^2$ entonces $\displaystyle{\frac{\partial f}{\partial x}=-2x}$, $\displaystyle{\frac{\partial f}{\partial y}=-2y}$. $f$ solo tiene un punto crítico en el origen, donde el valor de $f$ es 4. Como $$f(x,y)=4-(x^{2}+y^{2})$$
tenemos que $f(x,y)\leq 4$ por lo tanto en $(0,0)$ $f$ alcanza un máximo relativo.

Ejemplo. En el siguiente ejemplo mostramos que no todo punto critico es un valor extremo\Sea $f(x,y)=x^{2}y+y^{2}x$ tenemos que sus puntos criticos son
$$\frac{\partial f}{\partial x}=2xy+y^{2}~\frac{\partial f}{\partial y}=2xy+x^{2}=0$$ por lo tanto $$\left(\begin{matrix}2xy+y^{2}=0\\2xy+x^{2}=0\end{matrix}\right)\Leftrightarrow\left(\begin{matrix}x=y\\x=-y\end{matrix}\right)$$ tomando $x=-y$ tenemos que $$2xy+y^{2}=0~\Rightarrow~-2y^{2}+y^{2}=0~\Rightarrow~y^{2}=0\Rightarrow~y=0~\Rightarrow~x=0$$ tomando $x=y$ tenemos que $$2xy+y^{2}=0~\Rightarrow~2y^{2}+y^{2}=0~\Rightarrow~-3y^{2}=0\Rightarrow~y=0~\Rightarrow~x=0$$ por lo tanto $(0,0)$ es el único punto critico.\Ahora bien para $f(x,y)$ tomamos $x=y$ $$f(x,x)=2x^{3}$$ la cual es ($<0$ si $x<0$) y ($>0$ si $x>0$) por lo tanto el punto critico $(0,0)$ no es ni máximo ni mínimo local de f \Ahora bien para $f(x,y)$ tomamos $x=-y$ $$f(x,-x)=0~\forall x$$
por lo tanto el punto critico $(0,0)$ no es ni máximo ni mínimo local de $f$

Requerimos un criterio que dependa de la segunda derivada para que un punto sea extremo relativo. En el caso particular $n=1$ el criterio es $f»(x)>0$ y $f»(x)<0$ para máximo o mínimo respectivamente para el contexto de varias variables usaremos el hessiano el cual esta definido por

$$Hf(x_0)h=\frac{1}{2}\sum_{i,j=1}^{n}\frac{\partial^2t}{\partial x_i\partial
x_j}(x_0|_{x_ix_j}).$$

Recordando un poco de la expresión de taylor$$f(x,y)=f(x_{0},y_{0})+\left(\frac{\partial f}{\partial x}\right){p}(x-x{0})+\left(\frac{\partial f}{\partial y}\right){p}(y-y{0})+\textcolor{Red}{\frac{1}{2!}\left(\frac{\partial^{2}f}{\partial x^{2}}{p}(x-x{0})^{2}+2\frac{\partial^{2}f}{\partial y \partial x}{p}(x-x{0})(y-y_{0})+\frac{\partial^{2}f}{\partial y^{2}}{p}(y-y{0})^{2}\right)}$$

Teorema 2. 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 $ac-b^2>0$.

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

Ejemplo. Sea $f:\mathbb{R}^2\rightarrow\mathbb{R}$ la función dada por
$$f(x,y)=2(x-1)^2+3(y-2)^2$$ tenemos entonces que $\frac{\partial f}{\partial x}=4(x-1)$ $\frac{\partial f}{\partial y}=6(y-2)$ por lo tanto $\frac{\partial f}{\partial x}=0$ $\Rightarrow \quad x=1$

$\frac{\partial f}{\partial y}=0$ $\Rightarrow$ $y=2$

por lo tanto $x_0=(1,2)$ es un punto critico

$\displaystyle{\frac{\partial^{2} f}{\partial x^{2}}}=4$, $\displaystyle{\frac{\partial^{2} f}{\partial y^{2}}}=6$, $\displaystyle{\frac{\partial^{2} f}{\partial x\partial y}}=0$, $\displaystyle{\frac{\partial^{2} f}{\partial y\partial x}}=0$

$H(1,2)=\left|\begin{array}{cc}
4 & 0 \\
0 & 6 \
\end{array}
\right|=24> 0 \forall \:(x,y) \in
B_{\epsilon}(1,2)$
podemos decir que $f$ tiene un mínimo relativo en $(1,2)$

Funciones de $\mathbb{R}^{n}\rightarrow\mathbb{R}^{m}$ (parte dos)

Ejemplo. Encontrar el dominio y la imagen de la región $\displaystyle{R=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq x\leq1,~0\leq y\leq1\right\}}$ para la función $f:\mathbb{R}^{2}\rightarrow \mathbb{R}^{2}$ dada por $$\displaystyle{f(x,y)=\left(x^{2}-y^{2},2xy\right)}$$

Solución. En este caso $$f_{1}=\left(x^{2}-y^{2}\right)~\Rightarrow~Dom_{f_{1}}=\mathbb{R}^{2}$$
$$f_{2}=\left(2xy\right)~\Rightarrow~Dom_{f_{2}}=\mathbb{R}^{2}$$
por lo tanto
$$Dom_{f}=Dom_{f_{1}}\bigcap Dom_{f_{}}=\mathbb{R}^{2}\bigcap \mathbb{R}^{2}=\mathbb{R}^{2}$$
Para la imagen de la región $\displaystyle{R=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq x\leq1,~0\leq y\leq1\right\}}$ procedemos de la siguiente manera:
Definimos los siguientes conjuntos que limitan la región

$$A_{1}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq x\leq 1,~y=0\right\}$$
$$A_{2}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq y\leq 1,~x=1\right\}$$
$$A_{3}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq x\leq 1,~y=1\right\}$$
$$A_{1}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq y\leq 1,~x=0\right\}$$

ahora procedemos a encontrar las imagenes de cada uno de los conjuntos definidos

Para $A_{1}$ se tiene
$$A_{1}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq x\leq 1,~y=0\right\}f(x,y)=\left(x^{2}-y^{2},2xy\right)=(x’,y’)$$ $$x’=x^{2}-y^{2}~\underbrace{\Rightarrow}_{y=0}~x’=x^{2}~y~si~0\leq x\leq\leq1~\Rightarrow~0\leq x^{2}\leq 1~\Rightarrow~0\leq x’\leq 1$$
$$y’=2xy\underbrace{\Rightarrow}_{y=0}y’=0$$ por lo tanto $$f(A_{1})=\left\{(x’,y’)\in\mathbb{R}^{2}~|~0\leq x’\leq 1~,~y’=0\right\}$$ Para $A_{2}$ se tiene $$A_{2}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq y\leq 1,~x=1\right\}f(x,y)=\left(x^{2}-y^{2},2xy\right)=(x’,y’)$$
$$x’=x^{2}-y^{2}~\underbrace{\Rightarrow}_{x=1}~x’=1-y^{2}~\Rightarrow~y=\sqrt{1-x’}$$ $$y’=2xy\underbrace{\Rightarrow}_{x=1}y’=2y~\Rightarrow~y’=2\sqrt{1-x’}~\Rightarrow~y’^{2}=4(1-x’)$$
por lo tanto
$$f(A_{2})=\left\{(x’,y’)\in\mathbb{R}^{2}~|~y’^{2}=4(1-x’),~0\leq y’\leq 2 \right\}$$
Para $A_{3}$ se tiene
$$A_{3}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq x\leq 1,~y=1\right\}f(x,y)=\left(x^{2}-y^{2},2xy\right)=(x’,y’)$$
$$x’=x^{2}-y^{2}~\underbrace{\Rightarrow}_{y=1}~x’=x^{2}-1~\Rightarrow~x’+1=x^{2}~\Rightarrow~x=\sqrt{x’+1}$$ $$y’=2xy\underbrace{\Rightarrow}_{y=1}y’=2x~\Rightarrow~y’=2\sqrt{x’+1}~\Rightarrow~y’^{2}=4(x’+1)$$
por lo tanto
$$f(A_{3})=\left\{(x’,y’)\in\mathbb{R}^{2}~|~y’^{2}=4(x’+1),~0\leq y’\leq 2 \right\}$$
Para $A_{4}$ se tiene
$$A_{4}=\left\{(x,y)\in \mathbb{R}^{2}~|~0\leq y\leq 1,~x=0\right\}f(x,y)=\left(x^{2}-y^{2},2xy\right)=(x’,y’)$$
$$x’=x^{2}-y^{2}~\underbrace{\Rightarrow}_{x=0}~x’=-y^{2}ysi0\leq y\leq1~\Rightarrow~0\leq y^{2}\leq 1~\Rightarrow~-1\leq y^{2}\leq 0$$ $$y’=2xy\underbrace{\Rightarrow}_{x=0}y’=0$$
por lo tanto
$$f(A_{4})=\left\{(x’,y’)\in\mathbb{R}^{2}~|~-1\leq x’\leq 0~,~y’=0\right\}$$

Operaciones con Funciones de $\mathbb{R}^{n}\rightarrow\mathbb{R}^{m}$

Definición 1. Sean $f,g:A\subset \mathbb{R}^{n}\rightarrow\mathbb{R}^{m},\alpha\in\mathbb{R}y~~h:D\subset\mathbb{R}^{m}\rightarrow\mathbb{R}^{k}$. Definimos

1. La suma de f y g que denotamos por f+g como
   $$(f+g)(x)=f(x)+g(x),~~~x\in A$$
2. El producto del escalar $\alpha$ por la función f que denotamos $\alpha f$ como
   $$(\alpha f)(x)=\alpha f(x),~~~x\in A$$
3. El producto punto de f por g que denotamos $f\cdot g$ como
   $$(f\cdot g)(x)=f(x)\cdot g(x),~~~x\in A$$
4. Si $m=3$ el producto cruz de f por g que denotamos $f\times g$ como
   $$(f\times g)(x)=f(x)\times g(x),~~~x\in A$$
5. Si $m=1$ el cociente de f por g que denotamos $\displaystyle{\frac{f}{g}}$ como
   $$\left(\frac{f}{g}\right)(x)=\frac{f(x)}{g(x)},~~~x\in A$$
6. La composición de h con f, que denotamos como $h\circ f$ como
   $$(h\circ f)(x)=h(f(x))para~cada~~\left\{x\in A~|~f(x)\in D\right\}$$

Gráficas de Funciones de $\mathbb{R}^{n}\rightarrow\mathbb{R}^{m}$

Definición 2. Dada la función $f (f_{1},…,f_{m}):A\subset\mathbb{R}^{n}\rightarrow
\mathbb{R}^{m}$, definimos su gráfica como el subconjunto
$$g_{f}={(x_{1},…,x_{n},f_{1}(x_{1},…,x_{n}),f_{2}(x_{1},…,x_{n}),…,f_{m}(x_{1},…,x_{n}))\in\mathbb{R}^{n+m}|(x_{1},…,x_{n})\in A}$$

{Límite de Funciones de $f:\mathbb{R}^{n}\rightarrow\mathbb{R}^{m}$

Definición 3. $\textcolor{Red}{\textbf{Por sucesiones}}$ Sean $f:A\subset\mathbb{R}^{n}\rightarrow\mathbb{R}^{m}$ y $x_{0}\in A’$. Decimos que f tiene límite en $x_{0}$ y que su límite es $\ell\in\mathbb{R}^{m}$, si para toda sucesión ${x_{k}}$ contenida en $A-{x_{0}}$ que converge a $x_{0}$ se tiene que la sucesión ${f(x_{k})}$ converge a $\ell$. En este caso escribimos
$$\lim_{x\rightarrow x_{0}}f(x)=\ell$$
y decimos que $\ell$ es el límite de f en $x_{0}$.

Definición 4. $\textcolor{Red}{(\epsilon-\delta)}$ Sea $f:A\subset\mathbb{R}^{n} \rightarrow
\mathbb{R}^{m}$, y sea $x_{0}$ un punto de acumulación de A.
Se dice que $\ell\in\mathbb{R}^{m}$ es el límite de $f$ en
$x_{0}$, y se denota por:\ $$\displaystyle\lim_{x\rightarrow
x_{0}}f(x)=\ell$$ Si dado $\forall~\epsilon > 0$, existe $\delta > 0$ tal
que $$|f(x)-\ell|<\epsilon~cuando~0<|x-x_{0}|<\delta$$

Continuidad de Funciones de Varias Variables

Definición 5. Sean $f:\Omega\subset\mathbb{R}^n\rightarrow\mathbb{R}^m$ y
$x_0\in\Omega$. Se dice que $f$ es continua en $x_0$ si dado $\epsilon>0$, $\exists$ $\delta>0$ tal que $|f(x)-f(x_0)|<\epsilon$ siempre que $x\in\Omega$ y $0<|x-x_0|<\delta$

Definición 6. Se dice que un subconjunto $V\subset\mathbb{R}^{n}$ es un entorno del punto $x$, si exite $\epsilon>0$ tal que $B(x,\epsilon)\subset V.$

Definición 7. Sean $f:\Omega\subset\mathbb{R}^n\rightarrow\mathbb{R}^m$ y $x_0\in\Omega$. Se dice que $f$ es continua en $x_0$ cuando $\forall$ entorno V de $f(x_{0})$ existe un entorno U de $x_{0}$ tal que $f(U)\subset V$ es decir para cualquier $x\in U$ se cunple $f(x)\in V$

Proposición 1. Una función $f:D\subset\mathbb{R}^{n}\rightarrow \mathbb{R}^m$ es continua si y solo si
$$f^{-1}(v)=\left\{x\in D\mid f(x)\in v\right\}$$
es un abierto (contenido en $D$) para cada abierto $v\subset\mathbb{R}^m$.

Demostración. $\textcolor{Red}{\Rightarrow}$ Sea $v$ un abierto en $\mathbb{R}^m$ y sea $\overline{x}\in f^{-1}(v)$; tenemos por definición $f(\overline{x})\in v$. Como $v$ es un
conjunto abierto $\exists\ \ r>0$ tal que $B(f(\overline{x}),r)\subset v$ como $f$ es continua $\exists$ $\rho>0$ tal que $f(B(x,\rho))\subset B(f(x),r)$ pero esto significa que $B(x,\rho)\subset f^{-1}(B(f(x),r))\subset f^{-1}(v)$ por lo que cada punto $x\in f^{-1}(v)$ es punto interior lo que prueba que $v$ es abierto.
$\textcolor{Red}{\Leftarrow}$ Supongamos que $f^{-1}(v)$ es un abierto, para cada conjunto abierto $v\subset\mathbb{R}^{m}$\Sea $\epsilon>0$ y $x\in\mathbb{R}^{n}$, hacemos:
$B(f(x),\epsilon)=V$ por lo que$f^{-1}(V)$ es abierto, esto quiere decir que $\exists~\delta>0$ tal que $B(x,\delta)\subset f^{-1}(V)$ esto implica $f(B(x,\delta))\subset V$ esto es $f(B(x,\delta))\subset B(f(x),\epsilon)$ esto muestra que $f$ es continua en $x$.

Proposición 2.

(1) $$f^{-1}(v)=\left\{x\in D\mid f(x)\in v\right\}$$
es un abierto (contenido en $D$) para cada abierto
$v\subset\mathbb{R}^m$.
(2) $$f^{-1}(v)=\left\{x\in D\mid f(x)\in v\right\}$$
es un cerradoo (contenido en $D$) para cada cerradoo
$v\subset\mathbb{R}^m$.

Vamos a probar que $\textcolor{Red}{1\Rightarrow 2}$

Demostración. Si $V=\overline{V}\subset\mathbb{R}^{m}$, consideremos el conjunto $V^{c}$ el cual es abierto y por hipotesis $f^{-1}(V^{c})$ es abierto, pero
$$f^{-1}(V^{c})=\left(f^{-1}(V)\right)^{c}$$
por lo que $\left(f^{-1}(V)\right)^{c}$ es abierto, en consecuencia $f^{-1}(V)$ es cerrado\
Vamos a probar que \textcolor{Red}{$2\Rightarrow 1$}
Si $V=int(V)\subset\mathbb{R}^{m}$ entonces $V^{c}$ es cerrado y por hipotesis $f^{-1}(V^{c})$ es cerrado, pero
$$f^{-1}(V^{c})=\left(f^{-1}(V)\right)^{c}$$
por lo que $\left(f^{-1}(V)\right)^{c}$ es cerradoo, en consecuencia $f^{-1}(V)$ es abierto $\square$