ANLISIS MATEMTICO.

TEOREMAS Y
DEFINICIONES EN VARIAS VARIABLES

Clculo de longitudes

La longitud de arco s de la curva y=f (x) desde x=a hasta x=b se

expresa como

b b
dy 2
a

s= 1+ ( f ( x ) ) dx= 1+
' 2

a
( ) dx
dx

Si la curva est dada en forma paramtrica:

( (
t =b b
ds 2 dx 2 dy 2
s=
t =a dt) dt=
a dt )( )
+
dt
dt

Si la curva est en coordenadas polares:

2 2

s=
1 ( dr 2 2
d ) 2
2
+r d= ( f ' ( ) ) + ( f ( ) ) d
1

Plano tangente y recta normal en un punto

Una ecuacin del plano tangente a z=f ( x , y ) en (a , b , f (a , b )) es

z=f ( a ,b )+ f 1 ( a , b ) ( xa ) + f 2 ( a ,b ) ( yb)

El vector normal en el punto (a , b) es:

| |
i j k
n = T 2= 0 1 f 2 ( a , b ) =f 1 ( a , b ) i + f 2 ( a , b ) j k
T1
1 0 f 1 (a , b)

Usando el vector normal se puede calcular la recta normal a la grfica z=f (a , b) :

xa yb zc
= =
n1 n2 n3

La funcin longitud de arco o parmetro natural

Nos proporciona el vector de posicin de un punto arbitrario P en funcin de la

longitud del arco s de dicha curva desde el punto inicial

P0 hasta P . No es nico.
Dos parmetros naturales se diferencian en una constante . Para realizar el cambio de
t a s hemos de dar dos pasos:

Paso 1: Calcular s=h(t) por medio de

t t
s=h ( t )=
t0
|dtd ( )|d=|v ( )|d
t0

Paso 2: Encontrar la inversa t=g ( s ) , es decir, despejar t en la

expresin anterior. As tendramos

( s ) =( g )( s )= ( g ( s ) )= ( t )

Definicin de lmite

Se dice que f ( x , y ) =L cuando:

1. Todo entorno de (a , b) contiene puntos del dominio de f diferentes de

(a , b) .

2. Para todo entero positivo existe un nmero positivo = ( ) tal que

|f ( x )L|< se cumple siempre que ( x , y ) est en el dominio de f y

satisfaga
0< ( xa ) + ( y b ) <
2 2

Continuidad

La funcin f (x , y ) es continua en el punto (a , b) si

f ( x , y ) = f (a , b)
lim
(x , y)(a ,b)

Diferenciabilidad

Se dice que la funcin f (x , y ) es diferenciable en el punto (a , b) si

f ( a+h , b+ k )f ( a , b )h f 1 ( a , b )k f 2 (a , b)
= 0
h2 +k 2
lim
(h , k)(0,0)
Funcin armnica

Una funcin es armnica si cumple con la siguiente ecuacin:

2 V 2 V 2 U 2 U
+ =0 + =0
y2 x2 y 2 x2

Un test de la segunda derivada

Supongamos que a=(a 1 , a2 , , an ) es un punto crtico de f ( x )=f ( x 1 , x 2 , , x n) y

que est en el interior del dominio de f . Supongamos tambin que todas las

derivadas parciales segundas de f son continuas en un entorno de a , de forma

que la matriz hessiana

( )
f 11 ( x ) f 12 ( x ) f 1 n ( x)
H ( x )= f 21 ( x ) f 22 ( x ) f 2 n ( x)

f n1( x ) f 2n( x ) f nn ( x )

es tambin continua en ese punto. Ntese que la continuidad de las derivadas

parciales garantiza que H es una matriz simtrica.

Caso de dos variables o matriz hessiana 2 x 2:

a) Si el determinante es mayor que cero, entonces se procede a verificar si
f 11 ( x ) es positivo o negativo. Si f 11 ( x ) es positivo o mayor que cero
entonces la funcin tiene un MNIMO LOCAL en el punto crtico. Si
f 11 ( x ) es negativo o menor que cero entonces la funcin tiene un
MXIMO LOCAL en el punto crtico.
b) Si el determinante es menor que cero entonces se concluye que la
funcin tiene un PUNTO DE SILLA en el punto crtico.
c) Si el determinante es igual a cero EL CRITERIO NO ES CONCLUYENTE, por
lo tanto se debe buscar otra forma de determinar el comportamiento de
la funcin.
Caso de tres o ms variables, matriz hessiana 3 x 3 o n x n:
a) Si todos los determinantes de la matriz hessiana tienen signo positivo,
entonces la funcin tiene un MNIMO LOCAL en el punto crtico.
b) Si los determinantes tienen signo alterno (comenzando con un valor
negativo), entonces la funcin tiene un MXIMO LOCAL en el punto
crtico.
c) Si no se cumple lo dicho en los literales a) y b), es decir, en cualquier
otro caso se concluye que EL CRITERIO NO ES CONCLUYENTE.
NOTA: En el caso de tener funciones de tres o ms variables significa que se debe
empezar trabajando la matriz hessiana F(x) o de 1 x 1, luego F(x, y) o de 2 x 2, luego
F(x, y, z) o de 3 x 3, hasta llegar a F(x, y, z,n) o de n x n. Para finalmente concluir
que tipo de puntos contiene la funcin.

Test de la segunda derivada para funciones de dos variables

Supongamos que (a , b) es un punto crtico de la funcin f ( x , y ) , perteneciente al

interior del dominio de f . Supongamos tambin que las derivadas parciales

segundas de f son continuas y tienen en ese punto los valores:

A=f 11 ( a , b ) , B=f 12 ( a , b ) y C=f 22 (a , b)

2
(a) Si B AC <0 y A >0 , entonces f tiene un valor mnimo local en (a , b)

.
(b) Si B 2 AC <0 y A <0 , entonces f tiene un valor mximo local en

(a , b) .

(c) Si B 2 AC >0 , entonces f tiene un punto de ensilladura en (a , b) .

(d) Si B 2 AC=0 , este test no proporciona informacin; f puede tener un

mximo, un mnimo local o un punto de ensilladura en (a , b) .

Recta de regresin lineal

n n n

a=
n ( ) ( )( )
xi yi
i=1
xi
i =1 i=1
yi
=
xy
x y
x ( x )
n n 2 2 2

( ) ( )n
i=1
x 2i
i=1
xi

n n n n

b=
( )( ) ( )( )
i=1
x 2i
i=1
yi
i=1
xi
i=1
xi yi
x2 y x xy
= 2

n n 2 2

( ) ( ) n
i=1
x 2i
i=1
xi
x ( x )

Mtodo de los multiplicadores de Lagrange

En los problemas de optimizacin, el mtodo de los multiplicadores de Lagrange,
llamados as en honor a Joseph Louis Lagrange, es un procedimiento para encontrar
los mximos y mnimos de funciones de varias variables sujetas a restricciones. Este
mtodo reduce el problema restringido con n variables a uno sin restricciones de
n + k variables, donde k es igual al nmero de restricciones, y cuyas ecuaciones
pueden ser resueltas ms fcilmente. La funcin g es la que realiza la restriccin.

En todo punto crtico de L debe cumplirse:

{
L
0= =f ( x , y ) + g1 ( x , y )
x 1
L
0= =f ( x , y ) + g2 ( x , y )
y 2
L
0= =g ( x , y ) ecuacin de larestriccin

Estas condiciones son en el caso de tener funciones en dos variables y una

restriccin. En caso de tener ms variables se agregaran ms derivadas parciales y si

hubiera ms restricciones se agregaran ms funciones (h , i , ) multiplicadas cada

una con un multiplicador de Lagrange: , , , respectivamente.

Matriz Jacobiana
La matriz jacobiana es una matriz formada por las derivadas parciales de primer
orden de una funcin. Una de las aplicaciones ms interesantes de esta matriz es la
posibilidad de aproximar linealmente a la funcin en un punto. En este sentido, el
jacobiano representa la derivada de una funcin multivariable.
Cuando una funcin es diferenciable, entonces las derivadas parciales de estas m

funciones pueden ser organizadas en una matriz m n . El determinante de la

matriz jacobiana de F se denota tambin de esta manera:

| |
F (1 ) F (1 )

y1 y n ( F , F , , F )
(1 ) ( 2) ( n)
=
( y1 , y2 , , yn )
F (n ) F (n )

y1 yn

Teorema de la Funcin Implcita

Consideremos un sistema de ecuaciones con n+m variables,

 {
F (1 ) ( x 1 , x 2 , , x m , y 1 , y 2 , , y n ) =0
F (2 ) ( x 1 , x 2 , , x m , y 1 , y 2 , , y n ) =0

F (n ) ( x 1 , x 2 , , x m , y 1 , y 2 , , y n ) =0

y un punto
P 0 = ( a1 , a 2 , a m , b 1 , b2 , , bn ) que satisface el sistema. Si se cumple que

| |
F( 1) F( 1)

y1 yn
( y 1 , y 2 , , y n ) P |
( F ( 1 ) , F ( 2) , , F ( n ) )

0
=
F( n)

F( n)
0 entonces se pueden despejar

y1 yn P0

y1 , y2 , , yn como funciones de
x 1 , x 2 , , x m cerca de P0 . Esto quiere decir que

existen las funciones

1 ( x 1 , x 2 , , x m ) , , n ( x1 , x2 , , x m ) en las que se cumple

1 ( a1 ,a 2 , , am )=b j ,( j=1, , n)

F( 1) , , F (n )
Las funciones pasaran a ser funciones de

x 1 , x 2 , , x m , 1 ( x1 , x 2 , , x m ) , 2 ( x 1 , x 2 , , x m ) , , n ( x 1 , x 2 , , x m )

Nos quedaran las ecuaciones de esta forma:

{
F (1 ) ( x 1 , x 2 , , x m , 1 ( x 1 , x 2 , , x m ) , , n ( x 1 , x 2 , , x m ) )=0
F (2 ) ( x 1 , x 2 , , x m , 1 ( x 1 , x 2 , , x m ) , , n ( x 1 , x 2 , , x m ) ) =0

F (n ) ( x 1 , x2 , , x m , 1 ( x1 , x2 , , x m ) , , n ( x 1 , x 2 , , x m ) ) =0

Estas ecuaciones se cumplen si

x 1 , x 2 , , x m estn lo suficientemente cerca de

( a1 , a2 , am ) .
Cambio de variables en integrales dobles

| |

(x , y)
f ( x , y ) dxdy= g ( u , v ) (u , v)
dudv
D S

Valor medio

El valor medio de una funcin integrable f ( x , y ) en el conjunto D es el nmero

f = 1
f ( x , y ) dA
rea de D D

El valor medio de x en un dominio D de rea A es

1
x = xdA
rea de D D

Campos vectoriales

Si
F ( x , y , z ) =( x , y , z )= i+ j+ k en un dominio D , entonces se dice
x y z

F D , y la funcin
que es un campo vectorial conservativo en se denomina

F D .
potencial (escalar) de en

F ( x , y , z ) =F1 ( x , y , z ) i + F 2 ( x , y , z ) j+ F3 ( x , y , z ) k
Si es un campo vectorial conservativo

en un dominio D en el espacio tridimensional, entonces en todo ese punto de D

se debe cumplir

F 1 F 2 F 1 F3 F 2 F 3
= , = , =
y x z x z y

Integrales de campos vectoriales sobre curvas

Una integral sobre una curva de un campo vectorial continuo se convierte en una
integral definida ordinaria mediante una parametrizacin del camino de integracin.

Dado un arco suave r =r ( t )=x (t) i + y (t) j+ z (t) k , a t b tenemos

b b

F d r = F ddtr dt = F ddtr dt
C a a
Independencia del camino
D
F
Sea un dominio abierto y conexo, y sea un campo vectorial suave definido

en D . Entonces las siguientes afirmaciones son equivalentes, si una se cumple, se

cumplen las dems:

F D .
a) es conservativo en

b) F d r=0 para toda curva C cerrada y suave en D .

C

c) Dados dos puntos cualesquiera

P0 y
P1 , pertenecientes a D , F d r
C

tiene el mismo valor para todas las curvas suaves por tramos en D que

empiecen en
P0 y terminen en
P1 .