Regla de la Cadena en Funciones Vectoriales
¡Bienvenidos, espero que estén genial!
En esta ocasión veremos cómo aplicar la regla de la cadena en funciones vectoriales.
Cuando teníamos una función compuesta de una variable, hacíamos:
\[(f(g(x)))^{\prime}=f^{\prime}(g(x)) \cdot g^{\prime}(x)\]
O, en notación de Leibniz:
\[\frac{\partial f}{\partial x}=\frac{\partial f}{\partial g} \cdot \frac{\partial g}{\partial x}\]
Sin embargo, en el caso de las funciones vectoriales, tendremos una función \(f\) de múltiples variables (\(2\) o \(3\)) y su parametrización, es decir, \(x, y\) (y \(z\) , si se trata de una función de tres variables) en función de uno o más parámetros.
\[f(x, y)=x y^{2}+x+y\]
\[\sigma(t)=\left(t^{2}, t+1\right)\]
Y queremos calcular la derivada de \(f\) con respecto a uno de los parámetros, por ejemplo \(t\).
Es decir, queremos calcular la matriz jacobiana de la función compuesta \(f(\sigma(t))\).
En notación de Leibniz:
\[\frac{\partial f}{\partial t}=\frac{\partial f}{\partial \sigma} \bullet \frac{\partial \sigma}{\partial t}\]
Siempre tendremos que hacer esto:
\(1.\) Calcular el jacobiano de la función \(f\), que será \(J_{f}\)
\(2.\) Calcular el jacobiano de la parametrización, que será \(J_{\sigma}\)
\(3.\) Hacer el producto escalar
\[\frac{\partial f}{\partial t}=J_{f} \cdot J_{\sigma}\]
En el ejemplo, la derivada de la función compuesta \(f(\sigma(t))\) en \(t=1\) es:
\(1.\) Calcular el Jacobiano de la función \(f(x, y)=x y^{2}+x+y\)
\[J_{f}=\left[\begin{array}{ll}\frac{\partial f_{1}}{\partial x} & \frac{\partial f_{1}}{\partial y}\end{array}\right]=\left[y^{2}+1 \quad 2 x y+1\right]\]
-
Tenemos que los valores de \(x\) y \(y\) en el punto \(t=1\) son:
-
\[x(t)=\sigma_{1}(t)=t^{2} \Rightarrow x(1)=1\]
-
\[y(t)=\sigma_{2}(t)=t+1 \Rightarrow y(1)=2\]
-
Por tanto, \(x=1\) y \(y=2\) cuando \(t=1\).
Entonces, el Jacobiano de \(f\) en \((1,2)\) será:
-
\[J_{f}(1,2)=\left[\begin{array}{ll}5 & 5\end{array}\right]\]
\(2.\) Calcular la derivada de la parametrización \(\sigma(t)=\left(t^{2}, t+1\right)\)
-
\[J_{\sigma}=\left[\begin{array}{c}\frac{\partial \sigma_{1}}{\partial t} \\ \frac{\partial \sigma_{2}}{\partial t}\end{array}\right]=\left[\begin{array}{c}2 t \\ 1\end{array}\right]\]
-
En \(t=1\), tenemos
-
\[J_{\sigma}\bigg(1\bigg)=\left[\begin{array}{l}2 \\ 1\end{array}\right]\]
\(3.\) Hacer el producto escalar entre las matrices jacobianas:
\[J_{f o \sigma}=J_{f} \cdot J_{\sigma}\]
\[\Rightarrow J_{f o \sigma}=\left[\begin{array}{ll}5 & 5\end{array}\right] \cdot\left[\begin{array}{l}2 \\ 1\end{array}\right]\]
\[\Rightarrow J_{f o \sigma}=5 \cdot 2+5 \cdot 1=15\]