Derivado total - Total derivative

Parte de una serie de artículos sobre
Cálculo
Teorema fundamental Regla integral de Leibniz Límites de funciones Continuidad Teorema del valor medio Teorema de rolle
Diferencial Definiciones Derivado  ( generalizaciones ) Diferencial infinitesimal de una función total Conceptos Notación de diferenciación Segunda derivada Diferenciación implícita Diferenciación logarítmica Tarifas relacionadas Teorema de Taylor Reglas e identidades Suma Producto Cadena Poder Cociente Regla de L'Hôpital Inverso General Leibniz La fórmula de Faà di Bruno
Integral Listas de integrales Transformada integral Definiciones Antiderivada Integral  ( inadecuado ) Integral de Riemann Integración de Lebesgue Integración de contorno Integral de funciones inversas Integración por Partes Discos Carcasas cilíndricas Sustitución  ( trigonométrica , Weierstrass , Euler ) Fórmula de Euler Fracciones parciales Cambio de orden Fórmulas de reducción Diferenciar bajo el signo integral Algoritmo de Risch
Serie Geométrico  ( aritmético-geométrico ) Armónico Alterno Poder Binomio Taylor Pruebas de convergencia Límite de suma (prueba temporal) Proporción Raíz Integral Comparación directa Comparación de límites Serie alternante Condensación de Cauchy Dirichlet Abel
Vector Degradado Divergencia Rizo Laplaciano Derivado direccional Identidades Teoremas Degradado Verduras Stokes ' Divergencia Stokes generalizado
Multivariable Formalismos Matriz Tensor Exterior Geométrico Definiciones Derivada parcial Integral múltiple Integral de línea Integral de superficie Integral de volumen Jacobiano arpillera
Especializado Fraccionario Malliavin Estocástico Variaciones
Diverso Precálculo Historia Glosario Lista de temas Abeja de integración Análisis
v t mi

En matemáticas , la derivada total de una función f en un punto es la mejor aproximación lineal cerca de este punto de la función con respecto a sus argumentos. A diferencia de las derivadas parciales , la derivada total se aproxima a la función con respecto a todos sus argumentos, no solo a uno solo. En muchas situaciones, esto es lo mismo que considerar todas las derivadas parciales simultáneamente. El término "derivada total" se usa principalmente cuando f es una función de varias variables, porque cuando f es una función de una sola variable, la derivada total es la misma que la derivada ordinaria de la función.

La derivada total como mapa lineal

Sea un subconjunto abierto . Entonces se dice que una función es ( totalmente ) diferenciable en un punto si existe una transformación lineal tal que ${\ Displaystyle U \ subseteq \ mathbb {R} ^ {n}}$${\ Displaystyle f: U \ to \ mathbb {R} ^ {m}}$${\ Displaystyle a \ in U}$ ${\ Displaystyle df_ {a}: \ mathbb {R} ^ {n} \ to \ mathbb {R} ^ {m}}$

${\ Displaystyle \ lim _ {x \ to a} {\ frac {\ | f (x) -f (a) -df_ {a} (xa) \ |} {\ | xa \ |}} = 0.}$

El mapa lineal se denomina ( total de ) derivado (o total de ) diferencial de al . Otras notaciones para la derivada total incluyen y . Una función es ( totalmente ) diferenciable si su derivada total existe en cada punto de su dominio. ${\ displaystyle df_ {a}}$${\ Displaystyle f}$${\ Displaystyle a}$${\ Displaystyle D_ {a} f}$${\ Displaystyle Df (a)}$

Conceptualmente, la definición de la derivada total expresa la idea de que es la mejor aproximación lineal al punto . Esto se puede precisar cuantificando el error en la aproximación lineal determinada por . Para hacerlo, escribe ${\ displaystyle df_ {a}}$${\ Displaystyle f}$${\ Displaystyle a}$${\ displaystyle df_ {a}}$

${\ Displaystyle f (a + h) = f (a) + df_ {a} (h) + \ varepsilon (h),}$

donde es igual al error en la aproximación. Decir que la derivada de a es equivalente a la declaración ${\ Displaystyle \ varepsilon (h)}$${\ Displaystyle f}$${\ Displaystyle a}$${\ displaystyle df_ {a}}$

${\ Displaystyle \ varepsilon (h) = o (\ lVert h \ rVert),}$

donde es una notación pequeña-o e indica que es mucho más pequeña que as . La derivada total es la transformación lineal única para la cual el término de error es tan pequeño, y este es el sentido en el que es la mejor aproximación lineal a . ${\ Displaystyle o}$${\ Displaystyle \ varepsilon (h)}$${\ Displaystyle \ lVert h \ rVert}$${\ Displaystyle h \ to 0}$${\ displaystyle df_ {a}}$${\ Displaystyle f}$

La función es diferenciable si y solo si cada uno de sus componentes es diferenciable, por lo que cuando se estudian las derivadas totales, a menudo es posible trabajar una coordenada a la vez en el codominio. Sin embargo, no ocurre lo mismo con las coordenadas del dominio. Es cierto que si es diferenciable en , entonces cada derivada parcial existe en . Lo contrario es falso: puede suceder que todas las derivadas parciales de at existan, pero no sean diferenciables en . Esto significa que la función es muy "aproximada" , hasta el extremo de que su comportamiento no puede describirse adecuadamente por su comportamiento en las direcciones de coordenadas. Cuando no es tan duro, esto no puede suceder. Más precisamente, si todas las derivadas parciales de at existen y son continuas en una vecindad de , entonces es diferenciable at . Cuando esto sucede, además, la derivada total de es la transformación lineal correspondiente a la matriz jacobiana de derivadas parciales en ese punto. ${\ Displaystyle f}$${\ Displaystyle f_ {i} \ colon U \ to \ mathbb {R}}$${\ Displaystyle f}$${\ Displaystyle a}$${\ estilo de visualización \ f parcial / \ x parcial_ {i}}$${\ Displaystyle a}$${\ Displaystyle f}$${\ Displaystyle a}$${\ Displaystyle f}$${\ Displaystyle a}$${\ Displaystyle a}$${\ Displaystyle f}$${\ Displaystyle f}$${\ Displaystyle a}$${\ Displaystyle a}$${\ Displaystyle f}$${\ Displaystyle a}$${\ Displaystyle f}$

La derivada total como forma diferencial

Cuando la función en consideración tiene un valor real, la derivada total puede reformularse utilizando formas diferenciales . Por ejemplo, suponga que es una función diferenciable de variables . La derivada total de at puede escribirse en términos de su matriz jacobiana, que en este caso es una matriz de filas: ${\ Displaystyle f \ colon \ mathbb {R} ^ {n} \ to \ mathbb {R}}$${\ Displaystyle x_ {1}, \ ldots, x_ {n}}$${\ Displaystyle f}$${\ Displaystyle a}$

${\ Displaystyle Df_ {a} = {\ begin {bmatrix} {\ frac {\ partial f} {\ Partical x_ {1}}} (a) & \ cdots & {\ frac {\ partial f} {\ Partical x_ {n}}} (a) \ end {bmatrix}}.}$

La propiedad de aproximación lineal de la derivada total implica que si

${\ Displaystyle \ Delta x = {\ begin {bmatrix} \ Delta x_ {1} & \ cdots & \ Delta x_ {n} \ end {bmatrix}} ^ {\ mathsf {T}}}$

es un vector pequeño (donde denota transponer, de modo que este vector es un vector de columna), entonces ${\ Displaystyle {\ mathsf {T}}}$

${\ Displaystyle f (a + \ Delta x) -f (a) \ approx Df_ {a} \ cdot \ Delta x = \ sum _ {i = 1} ^ {n} {\ frac {\ parcial f} {\ parcial x_ {i}}} (a) \ cdot \ Delta x_ {i}.}$

Heurísticamente, esto sugiere que si hay incrementos infinitesimales en las direcciones de las coordenadas, entonces ${\ Displaystyle dx_ {1}, \ ldots, dx_ {n}}$

${\ Displaystyle df_ {a} = \ sum _ {i = 1} ^ {n} {\ frac {\ parcial f} {\ parcial x_ {i}}} (a) \ cdot dx_ {i}.}$

De hecho, la noción de infinitesimal, que aquí es meramente simbólica, puede equiparse con una extensa estructura matemática. Técnicas, como la teoría de formas diferenciales , dan efectivamente descripciones analíticas y algebraicas de objetos como incrementos infinitesimales . Por ejemplo, puede inscribirse como funcional lineal en el espacio vectorial . Evaluar en un vector en mide la cantidad de puntos en la dirección de la coordenada th. La derivada total es una combinación lineal de funcionales lineales y, por tanto, es en sí misma un funcional lineal. La evaluación mide la cantidad de puntos en la dirección determinada por at , y esta dirección es el gradiente . Este punto de vista hace que la derivada total sea una instancia de la derivada exterior . ${\ displaystyle dx_ {i}}$${\ displaystyle dx_ {i}}$${\ Displaystyle \ mathbb {R} ^ {n}}$${\ displaystyle dx_ {i}}$${\ Displaystyle h}$${\ Displaystyle \ mathbb {R} ^ {n}}$${\ Displaystyle h}$${\ Displaystyle i}$${\ displaystyle df_ {a}}$${\ Displaystyle df_ {a} (h)}$${\ Displaystyle h}$${\ Displaystyle f}$${\ Displaystyle a}$

Supongamos ahora que es una función vectorial, es decir, . En este caso, los componentes de son funciones de valor real, por lo que tienen formas diferenciales asociadas . La derivada total amalgama estas formas en un solo objeto y, por lo tanto, es una instancia de una forma diferencial con valores vectoriales . ${\ Displaystyle f}$${\ Displaystyle f \ colon \ mathbb {R} ^ {n} \ to \ mathbb {R} ^ {m}}$${\ Displaystyle f_ {i}}$${\ Displaystyle f}$${\ displaystyle df_ {i}}$${\ displaystyle df}$

La regla de la cadena para las derivadas totales

La regla de la cadena tiene una declaración particularmente elegante en términos de derivados totales. Dice que, para dos funciones y , la derivada total de la función compuesta en satisface ${\ Displaystyle f}$${\ Displaystyle g}$ ${\ Displaystyle g \ circ f}$${\ Displaystyle a}$

${\ Displaystyle d (g \ circ f) _ {a} = dg_ {f (a)} \ cdot df_ {a}.}$

Si las derivadas totales de y se identifican con sus matrices jacobianas, entonces el compuesto del lado derecho es simplemente una multiplicación de matrices. Esto es enormemente útil en aplicaciones, ya que permite dar cuenta de dependencias esencialmente arbitrarias entre los argumentos de una función compuesta. ${\ Displaystyle f}$${\ Displaystyle g}$

Ejemplo: diferenciación con dependencias directas

Supóngase que f es una función de dos variables, x y y . Si estas dos variables son independientes, de modo que el dominio de f es , entonces el comportamiento de f puede entenderse en términos de sus derivados parciales en la x y Y direcciones. Sin embargo, en algunas situaciones, x e y pueden ser dependientes. Por ejemplo, puede suceder que f esté restringido a una curva . En este caso, estamos realmente interesados ​​en el comportamiento de la función compuesta . La derivada parcial de f con respecto ax no da la verdadera tasa de cambio de f con respecto a cambiar x porque cambiar x necesariamente cambia y . Sin embargo, la regla de la cadena para la derivada total tiene en cuenta tales dependencias. Escribe . Entonces, la regla de la cadena dice ${\ Displaystyle \ mathbb {R} ^ {2}}$${\ Displaystyle y = y (x)}$${\ Displaystyle f (x, y (x))}$${\ Displaystyle \ gamma (x) = (x, y (x))}$

${\ Displaystyle d (f \ circ \ gamma) _ {x_ {0}} = df _ {(x_ {0}, y (x_ {0}))} \ cdot d \ gamma _ {x_ {0}}.}$

Al expresar la derivada total usando matrices jacobianas, esto se convierte en:

${\ Displaystyle {\ frac {df (x, y (x))} {dx}} (x_ {0}) = {\ frac {\ partial f} {\ partial x}} (x_ {0}, y ( x_ {0})) \ cdot {\ frac {\ parcial x} {\ parcial x}} (x_ {0}) + {\ frac {\ parcial f} {\ parcial y}} (x_ {0}, y (x_ {0})) \ cdot {\ frac {\ parcial y} {\ parcial x}} (x_ {0}).}$

Suprimiendo la evaluación en por legibilidad, también podemos escribir esto como ${\ Displaystyle x_ {0}}$

${\ Displaystyle {\ frac {df (x, y (x))} {dx}} = {\ frac {\ parcial f} {\ parcial x}} {\ frac {\ parcial x} {\ parcial x}} + {\ frac {\ parcial f} {\ parcial y}} {\ frac {\ parcial y} {\ parcial x}}.}$

Esto da una fórmula sencilla para la derivada de en términos de las derivadas parciales de y la derivada de . ${\ Displaystyle f (x, y (x))}$${\ Displaystyle f}$${\ Displaystyle y (x)}$

Por ejemplo, suponga

${\ Displaystyle f (x, y) = xy.}$

La tasa de cambio de f con respecto ax suele ser la derivada parcial de f con respecto a x ; en este caso,

${\ Displaystyle {\ frac {\ parcial f} {\ parcial x}} = y.}$

Sin embargo, si y depende de x , la derivada parcial no da la verdadera tasa de cambio de f cuando x cambia porque la derivada parcial supone que y es fija. Supongamos que estamos limitados a la línea

${\ Displaystyle y = x.}$

Luego

${\ Displaystyle f (x, y) = f (x, x) = x ^ {2},}$

y la derivada total de f con respecto ax es

${\ Displaystyle {\ frac {df} {dx}} = 2x,}$

que vemos no es igual a la derivada parcial . Sin embargo, en lugar de sustituir inmediatamente por y en términos de x , también podemos usar la regla de la cadena como se indicó anteriormente: ${\ estilo de visualización \ f parcial / \ x parcial}$

${\ Displaystyle {\ frac {df} {dx}} = {\ frac {\ f parcial} {\ x parcial}} + {\ frac {\ f parcial} {\ y parcial}} {\ frac {dy} { dx}} = y + x \ cdot 1 = x + y = 2x.}$

Ejemplo: diferenciación con dependencias indirectas

Si bien a menudo se pueden realizar sustituciones para eliminar las dependencias indirectas, la regla de la cadena proporciona una técnica más eficiente y general. Supongamos que es una función del tiempo y de variables que a su vez dependen del tiempo. Entonces, la derivada de tiempo de es ${\ Displaystyle L (t, x_ {1}, \ dots, x_ {n})}$${\ Displaystyle t}$${\ Displaystyle n}$${\ Displaystyle x_ {i}}$${\ Displaystyle L}$

${\ Displaystyle {\ frac {dL} {dt}} = {\ frac {d} {dt}} L {\ bigl (} t, x_ {1} (t), \ ldots, x_ {n} (t) {\Gran R )}.}$

La regla de la cadena expresa esta derivada en términos de las derivadas parciales de y las derivadas de tiempo de las funciones : ${\ Displaystyle L}$${\ Displaystyle x_ {i}}$

${\ Displaystyle {\ frac {dL} {dt}} = {\ frac {\ parcial L} {\ parcial t}} + \ sum _ {i = 1} ^ {n} {\ frac {\ parcial L} { \ parcial x_ {i}}} {\ frac {dx_ {i}} {dt}} = {\ biggl (} {\ frac {\ parcial} {\ parcial t}} + \ sum _ {i = 1} ^ {n} {\ frac {dx_ {i}} {dt}} {\ frac {\ parcial} {\ parcial x_ {i}}} {\ biggr)} (L).}$

Esta expresión se usa a menudo en física para una transformación de calibre del Lagrangiano , ya que dos Lagrangianos que difieren solo por la derivada del tiempo total de una función del tiempo y las coordenadas generalizadas conducen a las mismas ecuaciones de movimiento. Un ejemplo interesante se refiere a la resolución de la causalidad en relación con la teoría simétrica en el tiempo de Wheeler-Feynman . El operador entre paréntesis (en la expresión final anterior) también se denomina operador de derivada total (con respecto a ). ${\ Displaystyle n}$ ${\ Displaystyle t}$

Por ejemplo, la derivada total de es ${\ Displaystyle f (x (t), y (t))}$

${\ Displaystyle {\ frac {df} {dt}} = {\ f parcial sobre \ parcial x} {dx \ sobre dt} + {\ f parcial \ sobre \ y parcial} {dy \ sobre dt}.}$

Aquí no hay término ya que en sí mismo no depende directamente de la variable independiente . ${\ Displaystyle \ parcial f / \ parcial t}$${\ Displaystyle f}$${\ Displaystyle t}$

Ecuación diferencial total

Una ecuación diferencial total es una ecuación diferencial expresada en términos de derivadas totales. Dado que la derivada exterior no tiene coordenadas, en un sentido al que se le puede dar un significado técnico, tales ecuaciones son intrínsecas y geométricas .

Aplicación a sistemas de ecuaciones

En economía , es común que la derivada total surja en el contexto de un sistema de ecuaciones. Por ejemplo, un sistema simple de oferta-demanda podría especificar la cantidad q de un producto demandado como una función D de su precio py la renta de los consumidores I , siendo esta última una variable exógena , y podría especificar la cantidad ofrecida por los productores como una función S de su precio y dos variables de costo de recursos exógenas r y w . El sistema de ecuaciones resultante

${\ Displaystyle q = D (p, I),}$

${\ Displaystyle q = S (p, r, w),}$

determina los valores de equilibrio de mercado de las variables p y q . La derivada total de p con respecto a r , por ejemplo, da el signo y la magnitud de la reacción del precio de mercado a la variable exógena r . En el sistema indicado, hay un total de seis posibles derivadas totales, también conocidas en este contexto como derivadas estáticas comparativas : dp / dr , dp / dw , dp / dI , dq / dr , dq / dw y dq / dI . Las derivadas totales se encuentran diferenciando totalmente el sistema de ecuaciones, dividiendo por, digamos dr , tratando dq / dr y dp / dr como las incógnitas, estableciendo dI = dw = 0 , y resolviendo las dos ecuaciones totalmente diferenciadas simultáneamente, típicamente por usando la regla de Cramer . ${\ displaystyle dp / dr}$

Ver también

• Derivado direccional
• Gradiente # Derivada total
• Derivada de Fréchet - generalización de la derivada total

Referencias

• AD Polyanin y VF Zaitsev, Manual de soluciones exactas para ecuaciones diferenciales ordinarias (segunda edición) , Chapman & Hall / CRC Press, Boca Raton, 2003. ISBN  1-58488-297-2
• De thesaurus.maths.org derivada total

enlaces externos

• Weisstein, Eric W. "Derivado total" . MathWorld .
• Ronald D. Kriz (2007) Visualización de derivadas totales de funciones escalares de dos dimensiones utilizando superficies elevadas y planos tangentes de Virginia Tech