es diferenciable en cuando existe una aplicación lineal (continua) con
La aplicación , la diferencial de en , es única; su matriz en las bases canónicas es la matriz jacobiana . La diferenciabilidad implica la continuidad y la existencia de todas las derivadas direccionales ; el recíproco es falso (Ejercicio 15.2). Para , : el gradiente del primer año, entendido ahora como el vector que representa la diferencial.
Ejemplos
Ejemplo 15.4 (Funciones radiales, de una vez por todas)
Sean sobre y con una función de una variable. Primero, es diferenciable fuera de : de ,
el vector radial unitario (derívese y divídase, o aplíquese la regla de la cadena a ). Entonces la regla de la cadena da, para toda función radial,
Ejemplo resuelto: da , el campo del inverso del cuadrado de la gravitación y la electrostática: de dirección radial y magnitud . Moraleja: los gradientes de las funciones radiales son radiales porque las curvas de nivel son esferas y el gradiente es ortogonal a ellas; en , en cambio, no es diferenciable (ninguna aplicación lineal candidata se ajusta a desde todas las direcciones): los perfiles radiales suaves necesitan para cruzar el origen con elegancia.
Ejemplo 15.6 (Una constante de Lipschitz a partir de la desigualdad del valor medio)
¿Es lipschitziana sobre , y con qué constante? Su gradiente es , de norma al cuadrado
(acótense y por por separado), luego en todas partes, y el Teorema 15.5 sobre el segmento entre dos puntos cualesquiera da
es -lipschitziana, y la constante es óptima (cerca del origen, tiene pendiente ). Moraleja: la desigualdad del valor medio convierte una cota puntual de la diferencial en un módulo global de continuidad; la vía estándar hacia las estimaciones lipschitzianas en toda dimensión, y el motor que hay dentro del Ejercicio 15.12.