4 Calculo Diferencial

Cálculo 1.
4. Cálculo diferencial de una y varias variables.
15 de septiembre de 2022
4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 1 / 78

Contenidos
1 Definición de derivada y propiedades
2 Cálculo de derivadas
3 Funciones crecientes y decrecientes. Extremos relativos
4 Derivadas de orden superior
5 Teoremas fundamentales del cálculo diferencial
6 Teorema de Taylor
7 El método de Newton-Raphson
8 Derivadas direccionales y derivadas parciales
9 Vector gradiente y matriz de Jacobi
10 Diferenciabilidad de una función de varias variables reales
11 Condiciones para la diferenciabilidad
12 Operaciones con funciones diferenciables
13 Diferenciabilidad de orden superior. Matriz de Hesse
14 Polinomio de Taylor de una función escalar
15 Cálculo de extremos de funciones
16 Operadores diferenciales en coordenada cartesianas
17 Operadores diferenciales en coordenadas polares
18 Operadores diferenciales en coordenada esféricas

Definición de derivada y propiedades

Función derivable en un punto. Se dice que f es derivable en a si existe:
′ f (x) − f (a)
f (a) = lı́m .
x→a x −a
Observación. Otra forma equivalente de definir el concepto de derivada es:
f (a + h) − f (a)
′
f (a) = lı́m .
h h→0
A lo largo de este capı́tulo emplearemos la definición que mejor se adapte a nuestros propósitos.

x sen(1/x) ̸ 0
x = Ejemplo.La función
Ejemplo La función ϕ(x) =
0 x =0 2
x sen(1/x) ̸ 0
x =
no es derivable en 0 ya que ϕ(x) = es derivable en 0
0 x =0
ya que
f (h) − f (0) 1
lı́m = lı́m sen . f (h) − f (0) 1
h→0 h h→0 h lı́m = lı́m h sen = 0.
h→0 h h→0 h

Función derivable. Diremos que la función f es derivable en I si f es derivable en cada punto de I .

Derivadas laterales. Se definen la derivada por la derecha y la derivada por la izquierda de la función f en el
punto a (derivadas laterales), y se representan por f+′ (a) y f−
′
(a) respectivamente, como:
′ f (x) − f (a) ′ f (x) − f (a)

f+ (a) = lı́m , f (a) = lı́m .
x→a+ x −a − x→a− x −a
Para que f sea derivable en a es necesario y suficiente que las derivadas laterales en dicho punto sean iguales.
Ejemplo. La función f (x) = |x| no es derivable en el cero ya que sus derivadas laterales son distintas:
′ f (x) − f (0) x ′ f (x) − f (0) −x

f+ (0) = lı́m = lı́m = 1, f− (0) = lı́m = lı́m = −1,
x→0+ x −0 x→0+ x x→0− x −0 x→0− x
Observación. Debemos tener en cuenta las siguientes observaciones:

1 En la definición de derivada, el cociente
f (x) − f (a)
,
x −a
que se denomina cociente incremental o cociente de incrementos de la función f en el punto a, es la
pendiente de la recta secante a la curva y = f (x) pasando por los puntos (a, f (a)) y (x, f (x)).
2 Es posible utilizar otras notaciones, tanto para la derivada como para el lı́mite
(1) (1 f (x) − f (a) f (a + h) − f (a)

f ′ (a) = f (a) = f (a) = lı́m = lı́m
x→a x −a h→0 h

∆y dy dy d df
= lı́m = = = f (a) , , ....
∆x→0 ∆x dx x=a dx dx dx x=a

Función derivada. Se define la función derivada de f , y se denota por f ′ o f (1) , como la función que asigna a
cada punto x el valor de la derivada de f en el dicho punto x.
′ ′ f (t) − f (x)
f : x ∈ C → f (x) = lı́m
t→x t−x
Ejemplo. Veamos algunos ejemplos de funciones derivadas.

1 Dada f (x) = c, donde c es una constante real, se tiene que f ′ (x) = 0:
f (x) − f (x0 ) c −c
lı́m = lı́m =0 ∀x ∈ R.
x→x0 x − x0 x→x0 x − x0
2 Dada f (x) = ax + b, se tiene que f ′ (x) = a:
f (x) − f (x0 ) ax + b − ax0 − b a(x − x0 )

lı́m = lı́m = lı́m = a.
x→x0 x − x0 x→x0 x − x0 x→x0 x − x0
3 Dada f (x) = x 2 , se tiene que f ′ (x) = 2x:
f (x) − f (x0 ) x 2 − x02 (x − x0 )(x + x0 )

lı́m = lı́m = lı́m = lı́m x + x0 = 2x0 .
x − x0
x→x0 x→x0 x − x0 x→x0 x − x0 x→x0
Derivabilidad implica continuidad. Si una función f , definida en un intervalo I , es derivable en un punto a ∈ I ,

entonces es continua en dicho punto.
El recı́proco no es cierto. Si una función es continua no tiene por qué ser derivable. Por ejemplo, la función

x sen(1/x) si x ̸= 0,
ϕ(x) =
0 si x = 0,
es continua en x0 = 0 y, sin embargo, no es derivable en x0 = 0.

Cálculo de derivadas
Teorema Sean f , g : I −→ R dos funciones derivables en un punto a ∈ I y λ un número real:
1 La suma f + g es derivable en a y además, la derivada de la suma es:
′ ′ ′
(f + g ) (a) = f (a) + g (a) .
2 El producto f · g es derivable en a y además, la derivada del producto es:
′ ′ ′
(f · g ) (a) = f (a) · g (a) + f (a) · g (a) .
3 El producto de una constante por una función λ · f es derivable en a y además, su derivada es:
′ ′
(λ · f ) (a) = λ · f (a) .
f
4 ̸ 0 entonces el cociente
Si g (a) = es derivable en a y además, la deriva del cociente es:
g
′
f f ′ (a)g (a) − f (a)g ′ (a)
(a) = .
g [g (a)]2
Ejemplo. Dado n ∈ N, f : x ∈ R → f (x) = x n ∈ R es tal que f ′ (x) = nx n−1 (inducción).

Para n = 1 se tiene que f (x) = x y, entonces, f ′ (x) = 1 = 1 · x 0 .
Supongamos que la afirmación es cierta para n = k y veamos qué ocurre para n = k + 1:
k+1 k
f (x) = x = x · x,
por lo tanto, aplicando la regla de derivación para el producto y la hipótesis de inducción ((x k )′ = kx k−1 ):
′ k−1 k k
f (x) = kx x + x = (k + 1)x .
Se cumple entonces la propiedad para n = k + 1 y, por el principio de inducción, tenemos garantizado que
se cumple para todo n ∈ N
Generalización del ejemplo anterior. Si f : I → R es derivable en x ∈ I , entonces, ∀n ∈ N, f (x)n es derivable

en x y, además la derivada de la potencia n-ésima de f se calcula mediante:
d n n−1 ′
(f (x)) = n(f (x)) f (x).
dx
Regla de la cadena. Sea f una función derivable en un punto a y g derivable en b = f (a), entonces la función
compuesta g ◦ f es derivable en a y se verifica que:
′ ′ ′
(g ◦ f ) (a) = g (f (a))f (a) .
Ejemplo. Vamos a continuación una serie de ejemplos:

1 Utilizando la relación cos(x) = sen(x + π/2) y la regla de la cadena, se tiene que, dada f (x) = cos(x),
f ′ (x) = cos(x + π/2) = sen(x + π) = − sen(x).
2 Sean f (x) = x 2 y g (x) = sen(x), la derivada de h(x) = (g ◦ f )(x) = sen(x 2 ) es h′ (x) = 2x cos(x 2 ), y la
de w (x) = (f ◦ g )(x) = sen2 (x) es w ′ (x) = 2 sen(x) cos(x).
Derivación de la función inversa. Sea f una función con inversa f −1 , si f es derivable en a ∈ I y f ′ (a) ̸= 0,
entonces f −1 es derivable en b = f (a) y
−1 ′ −1 ′ 1 1
(f ) (b) = (f ) (f (a)) = = ′ .
f ′ (f −1 (b)) f (a)
Ejemplo. Veamos a continuación una serie de ejemplos de cálculo de derivadas de funciones inversas.
f (x) = sen(x), definida en I = (−π/2, π/2) tiene inversa f −1 (y ) = arcsin(y ) = x definida en
J = (−1, 1), además, puesto que cos(x) > 0, ya que x ∈ (−π/2, π/2),
−1 ′ 1 1 1 1 1
(f ) (y ) = = = p = p = p ,
f ′ (x) cos(x) 1 − sen2 (x) 1 − sen2 (arcsin(y ) 1 − y2

La función f (x) = ex = y tiene inversa f −1 (y ) = log(y ) = x. Ya que f ′ (x) = ex , se tiene que
−1 ′ 1 1 1 1
(f ) (y ) = = ′ = log(y ) = .
f ′ (x) f (log(y )) e y
Derivada de una función implı́cita. La ecuación F (x, y ) = 0 define implı́citamente a una función
x → f (x) = y , en I si, ∀x ∈ I , F (x, f (x)) = 0. En este caso, se tiene que:
Si f (x) y F (x, f (x)) son derivables, entonces la derivada f ′ (x) se puede calcular derivando F (x, f (x))
como una función compuesta e igualando a cero lo que resulte de derivar.
2 3 2 dy 2 2
Ejemplo. Consideremos la ecuación 6x y + 5y + 3x = 12 − x y y calculemos :
dx
2 dy 2 dy 2 2 dy
12xy + 6x · + 15y · + 6x = −2xy − 2x y · ,
dx dx dx
por lo tanto, despejando:
dy 12xy + 6x + 2xy 2
=− 2 .
dx 6x + 15y 2 + 2x 2 y
Derivada logarı́tmica. Sea y = f (x) con f (x) positiva,
′ f ′ (x)
log(y ) = log(f (x)) ⇒ (log(f (x))) =
f (x)
y, por tanto,
′ ′
f (x) = f (x)(log(f (x))) .

Ejemplo. Sea f (x) = x x ,
f ′ (x)
log(f (x)) = x log(x) ⇒ = log(x) + 1,
f (x)
de donde f ′ (x) = x x (1 + log(x)).
Tabla de las derivadas más comunes.
TABLA DE DERIVADAS
Función Derivada Condiciones
α 0 α∈R
xα αx α−1 x >0, α∈R
ex ex x ∈R
ax ax log(a) x ∈ R,a > 0
log(x) 1/x x >0
loga (x) 1/(x log(a)) x > 0 a > 0 a ̸= 1
sen(x) cos(x) x ∈R
cos(x) − sen(x) x ∈R
π
tan(x) 1/ cos2 (x) = 1 + tan2 (x) x ̸= + kπ, k ∈ Z
√ 2
arcsen(x) 1/ √ 1 − x2 −1 < x < 1
arc cos(x) −1/ 1 − x 2 −1 < x < 1
arctg(x) 1/(1 + x 2 ) x ∈R

Funciones crecientes y decrecientes. Extremos relativos

Extremos de una función Sean f : I ⊂ R −→ R y x0 ∈ I . Diremos que f tiene en x0 :
Un mı́nimo relativo si ∃r > 0 : ∀x ∈ (x0 − r , x0 + r ) ∩ I , f (x) ≥ f (x0 ).
Un máximo relativo si ∃r > 0 : ∀x ∈ (x0 − r , x0 + r ) ∩ I , f (x) ≤ f (x0 ).
Un mı́nimo absoluto si f (x) ≥ f (x0 ), ∀x ∈ I .
Un máximo absoluto si f (x) ≤ f (x0 ), ∀x ∈ I .
Teorema Sean f : I ⊂ R −→ R tal que f ′ (x0 ) > 0, entonces, f es estrictamente creciente en un entorno de x0
(análogo para f ′ (x0 ) < 0, la función es estrictamente decreciente).
Ejemplo. Lo contrario no es cierto, es decir, no es necesario que f ′ (x0 ) > 0 para que f sea creciente en un
entorno de x0 . La función f (x) = x 3 es tal que f ′ (0) = 0 y, además, es creciente.
Teorema. Sea x0 un punto interior del intervalo I en el cual f : I ⊂ R → R es derivable. Entonces, si f tiene en
x0 un extremo relativo, se tiene que f ′ (x0 ) = 0.
Observación. Algunas consideraciones que es necesario tener en cuenta:

El recı́proco no es cierto, no es suficiente con que f ′ (x0 ) = 0 para que una función tenga un extremo
relativo en x0 (véase la función f (x) = x 3 ).
Tampoco se cumple el teorema si el máximo o mı́nimo está en el extremo del intervalo: f : x ∈ [1, 2] → x
tiene un máximo en 2, pero f ′ (1) = 1 ̸= 0, como se observa en la gráfica:
Tampoco se cumple si f no es derivable: f (x) = |x| tiene un mı́nimo en x = 0, pero no es derivable en 0:

Ejemplo. Determinemos las dimensiones del cilindro con mayor volumen con superficie k.
Sea R el radio de la base del cilindro y h la altura. La superficie total del cilindro viene dada por:
2
S = 2πRh + 2πR = 2πR(R + h),
que tiene que ser constante e igual a k. Por lo tanto, despejando la altura del cilindro:
k − 2πR 2
. h=
2πR
Ahora, el volumen de un cilindro puede ser calculado mediante la siguiente fórmula:
k − 2πR 2
2 Rk − 2πR 3
2
V = πR h = πR = .
2πR 2
Calculemos los extremos relativos de la función volumen que sólo depende de R (k es constante).
k − 6πR 2 ′
V (R) =
2
ahora, si igualamos a cero y resolvemos la ecuación algebraica resultante:
r
k
R = .
6π
q
k
Se puede comprobar analizando el crecimiento y decrecimiento de la función V (R) en un entorno de 6π , que
q
k
V (R) tiene un máximo en 6π . Por lo tanto, las dimensiones del cilindro con volumen máximo serán:
r
k
R = , h = 2R.
6π

Derivadas de orden superior

Derivada segunda de una función Sea f : I ⊂ R −→ R una función derivable, y sea el conjunto
1
e = {x ∈ I / f es derivable en x}.
1
Dado x0 ∈ e , si existe el siguiente lı́mite:
f ′ (x) − f ′ (x0 ) ′′
lı́m
= f (x0 ),
x − x0 x→x0
diremos que f tiene en x0 derivada segunda o derivada de orden 2.
Derivadas de orden superior. Sea en general
k k−1
e = {x ∈ e / f tiene derivada de orden k − 1 en x}.
Dado x0 ∈ en−1 . Si existe el siguiente lı́mite:
f n−1) (x) − f n−1) (x0 ) n)

lı́m = f (x0 ),
x − x0
x→x0
diremos que f es n veces derivable en x0 o que f tiene derivada n-ésima.
Ejemplo. Dada f (x) = x 3 + 3x, se tiene que:
f ′ (x) = 3x 2 + 3,
f ′′ (x) = 6x,
f (3) (x) = 6.
Ejemplo. Dada f (x) = sen(x), se tiene que:
f ′ (x) = cos(x),
f ′′ (x) = −sen(x),
f (3) (x) = −cos(x).
Función continuamente diferenciable. Si f : I ⊂ R → R es derivable en I y la función derivada de f es

continua, diremos que f es continuamente diferenciable en I o que f es una función de clase 1 (f ∈ C 1 (I )).
Función de clase n Diremos que f : I ⊂ R −→ R tal que f es de clase n en I (f ∈ C n (I )), si f tiene derivada
n-ésima en todo punto de I y f n) es continua en I .
Función infinitamente diferenciable. Diremos que f : I → R tal que f es de clase infinito en I (f ∈ C ∞ (I )), si
f tiene derivadas de todos los órdenes en I .
Extremos de funciones. Sea f : U ⊂ R → R definida en un entorno U de a ∈ R. Se tendrá:
1 Si f es derivable en a, para que f tenga un extremo relativo (máximo o mı́nimo) en el punto a es
necesario que f ′ (a) = 0.
2 Si la función es n veces derivable en a y se cumple que:
′ ′′ (n−1) (n)
f (a) = f (a) = . . . = f (a) = 0 y f (a) ̸= 0,
entonces, según la paridad de n y el signo f (n) (a), se tiene que:
▶ Si n es par y f (n) (a) > 0, entonces f tiene un mı́nimo relativo en x = a.
▶ Si n es par y f (n) (a) < 0, entonces f tiene un máximo relativo en x = a.
▶ Si n es impar y f (n) (a) > 0, entonces f crece estrictamente en el punto x = a.
▶ Si n es impar y f (n) (a) < 0, entonces f decrece estrictamente en el punto x = a.

Ejemplo Consideremos la función f (x) = (x − 1)2 (x + 1).
f (x) = (x 1)2 (x + 1)
Analicemos los extremos relativos:

f ′ (x) = (x − 1)2 + (2x − 2)(x + 1), se anula en {− 13 , 1}.
f ′′ (x) = 6x − 2.
▶ f ′′ (− 13 ) = −4. n = 2 es par y f (n) (− 13 ) < 0, entonces x0 = − 31 es máximo relativo.
▶ f ′′ (1) = 4. n = 2 es par y f (n) (1) > 0, entonces x0 = 1 es mı́nimo relativo.

Función convexa. Diremos que una función f : (a, b) ⊂ R −→ R diferenciable en un punto x0 es convexa en el
punto x0 si los valores de la tangente a la curva en el punto x0 son menores que los valores de la función:
Ejemplo. Consideremos la función f (x) = x 2 , gráficamente, esta función presenta el siguiente aspecto:
f (x) = x2
t(x) = x 1/4 t(x) = x 1/4
Observamos que las rectas tangentes a la gráfica siempre se encuentran por debajo de la gráfica de la función:
′ 2 2 2 2
t(x) = f (x0 ) + f (x0 )(x − x0 ) = x0 + 2x0 (x − x0 ) = x0 + 2xx0 − 2x0 = 2xx0 − x0 .
Ahora bien:
2 2 2 2 2
t(x) = 2xx0 − x0 ≤ x + x0 − x0 = x = f (x).
El valor de la recta tangente en un punto siempre es menor que el valor de la función en dicho punto.
1
Función cóncava. Diremos que f : (a, b) ⊂ R → R diferenciable en un punto x0 es cóncava en el punto

x0 ∈ (a, b) si los valores de la tangente a la curva en el punto x0 son mayores que los valores de la función:
Ejemplo. Consideremos la función f (x) = 1 − x 2 , gráficamente, dicha función presenta el siguiente aspecto:
t(x) = 5/4 + x t(x) = 5/4 x
f (x) = 1 x2
Observamos que las rectas tangentes a la curva siempre quedan por encima de la gráfica de la función:
′ 2 2 2 2
t(x) = f (x0 ) + f (x0 )(x − x0 ) = 1 − x0 − 2x0 (x − x0 ) = 1 − x0 − 2xx0 + 2x0 = 1 − (2xx0 − x0 ).
Ahora bien:
2 2 2 2 2
t(x) = 1 − (2xx0 − x0 ) ≥ 1 − (x + x0 − x0 ) = 1 − x = f (x).
El valor de la recta tangente a la función en el punto x0 está por encima del valor de la función.

Punto de inflexión. Diremos que f : (a, b) ⊂ R → R tiene un punto de inflexión en el punto x0 ∈ (a, b) si la
gráfica de la tangente a la función en ese punto atraviesa la gráfica de la curva.
Ejemplo. Consideremos la función f (x) = x 3 /10 − x, gráficamente, dicha función presenta el siguiente aspecto:
t(x) = x
Cóncava f (x) = x3 /10 x
Convexa
Observamos que la recta tangente en x0 = 0 atraviesa a la gráfica de la función, esto es, estamos ante un punto
de inflexión.

Concavidad/convexidad/puntos de inflexión de funciones. Sea f : U ⊂ R −→ R una función definida en un

entorno U de un punto a ∈ R. Si la función f es n veces derivable en a y se cumple que:
′′ (n−1) (n)
f (a) = . . . = f (a) = 0 y f (a) ̸= 0,
entonces, según la paridad de n y el signo de f (n) , se tiene que:
Si n es par y f (n) (a) > 0, entonces f es convexa en a.
Si n es par y f (n) (a) < 0, entonces f es cóncava en a.
Si n es impar, entonces f tiene un punto de inflexión en x = a.
Ejemplo. f (x) = x 2 es tal que f ′ (x) = 2x, f ′′ (x) = 2, ∀x ∈ R, por lo tanto, es convexa en todos los puntos
de su dominio de definición.
Ejemplo. f (x) = 1 − x 2 es tal que f ′ (x) = −2x, f ′′ (x) = −2, ∀x ∈ R, por lo tanto, estamos ante una
función cóncava.

Teoremas fundamentales del cálculo diferencial
Teoremas fundamentales del cálculo diferencial Teoremas fundamentales del cálculo diferencial.
Teorema de Rolle Sea f : [a, Teoremas R −→ R una

b] ⊂ fundamentales función
del cálculo real de variable real continua en [a, b] y derivable en
diferencial.
Teorema de Rolle Sea f : [a, b] ⇢ R ! R una función′ real de variable real continua en [a, b] y derivable en
(a, b). Si f (a) = f (b), entonces ∃x=0f (b),
(a, b). Si f (a) ∈entonces
(a, b) 9x 2tal
(a, b)que
tal que ff (x(x ) = 0.
) =00. 0
0
0
f 0 (c) = 0
f (a) = f (b)
a c b
Observación. Bajo las hipótesis del teorema anterior, puede haber más de un punto en el cual la derivada se
Observación. Bajo las hipótesis del teorema anterior, puede haber más de un punto en el cual la derivada se
anula. Por ejemplo, si consideramos la función sen(x) en el intervalo [0, 2⇡], se tiene que:
Sesión 18. Cálculo diferencial de funciones de una variable. Cálculo I Curso 2014-2015. 24 de octubre de 2014 9/1
anula. Por ejemplo, si consideramos la función sen(x) en el= 0intervalo [0, 2π], se tiene
sin(0) = sin(2⇡) (1) que:
y su derivada cumple que:
cos(⇡/2) = cos(3⇡/2) = 0. (2)

Hay dos puntos en los cuales la derivada se anula. sin(0) = sin(2π) = 0
y su derivada cumple que: Observación. Debemos realizar las siguientes observaciones:
Si falla la continuidad en (a, b), en a o en b, no tiene por qué cumplirse la tesis del teorema.
Si falla la derivabilidad en un punto, tampoco se tiene por qué cumplir el resultado del teorema. Por
ejemplo, la función f (x) = |x| cumple que f ( 1) = f (1), pero no hay ningún punto en el cual la derivada
cos(π/2) = cos(3π/2) = 0.
se anula. Falla la hipótesis de la derivabilidad de la función en el intervalo.
Hay dos puntos en los cuales la derivada se anula.

Ejemplo. Empleando el teorema de Rolle y el teorema de Bolzano, veamos que la ecuación:
5
f (x) = x + 5x 3 = 0, (3)
tiene exactamente una raı́z real. En efecto, por un lado, si evaluamos el polinomio anterior en los puntos 10 y
Observación. Debemos realizar
10 tenemoslas
que: siguientes observaciones:
9
Si falla la continuidad en (a, b), en a o en b, no) tiene
( 10) + 5( 10) 3 < 0, = 5
por qué cumplirse la tesis
9 c 2 ( 10, 10) t.q. c + 5c 3 = 0. (4)
del teorema. 5
; |{z}
(+10)5 + 5(+10) 3>0
Si falla la derivabilidad enbien,un
Ahora punto,
si calculamos tampoco
la derivada del polinomiose tiene
anterior, por
tenemos que: qué cumplir el resultado del teorema. La
Bolzano
función f (x) = |x| cumple que f (−1) = ff (1), (x) = 5xpero

+ 5 > 0,no 8x 2hay
R, ningún punto en(5)el cual la derivada se anula.
0 4
por lo tanto, en base al teorema de Rolle, no puede existir otra raı́z de la ecuación. Esto es, si existiera c̃ 6= c tal
que f (c̃) = 0, entonces, por el teorema de Rolle, existirı́a un punto en el intervalo (mı́n{c̃, c}, máx{c̃, c}) en el
4. Cálculo diferencial de una y varias cual
variables. Cálculo
la derivada de anuları́a, pero esto no puede ser ya que f 0 (x)1.> 0 para todos los puntos de la recta real. 15 de septiembre de 2022 20 / 78
Ejemplo. Empleando el teorema de Rolle y el teorema de Bolzano, veamos que la ecuación:

5
f (x) = x + 5x − 3 = 0,
tiene exactamente una raı́z real. En efecto, por un lado:

f (−10) = (−10)5 + 5(−10) − 3 < 0, 
5
⇒ ∃ c ∈ (−10, 10) t.q. c + 5c − 3 = 0.
 |{z}
f (10) = (10)5 + 5(10) − 3 > 0 Bolzano
Ahora bien, si calculamos la derivada del polinomio anterior, tenemos que:
′ 4
f (x) = 5x + 5 > 0, ∀x ∈ R,
por lo tanto, en base al teorema de Rolle, no puede existir otra raı́z de la ecuación.
Teorema del Valor Medio del Cálculo Diferencial Sea f : [a, b] ⊂ R → R una función continua en [a, b] y
′ f (b) − f (a)
derivable en (a, b). Entonces existe un punto c ∈ (a, b) tal que f (c) = .
Teoremas fundamentales del cálculo diferencial.
Teoremas fundamentales del cálculo diferencial.

b−a
(b, f (b))
0 f (b) f (a)
f (c) =
b a
(a, f (a)) c
Ejemplo Veamos como podemos emplear el Teorema del Valor Medio del Cálculo Diferencial para demostrar
que | sen(x) sen(y )|  |x y |, 8x, y 2 R. En efecto, sabemos, por el TVMCD que, puesto que la función
sen(x) es diferenciable, dados dos puntos x, y (supongamos, sin pérdida de generalidad, que x < y )
4. Cálculo diferencial de una y varias variables.
cualesquiera, existe un punto x0 2 (x, y ) tal que:Cálculo 1. 15 de septiembre de 2022 21 / 78
Ejemplo Veamos que | sen(x) − sen(y )| ≤ |x − y |, ∀x, y ∈ R empleando el TVMCD. Se tendrá, supuesto que
x < y , que existe x0 ∈ (x, y ) tal que:
sen(y ) − sen(x) = cos(x0 )(x − y ).

Tomando el valor absoluto en ambos lados de la igualdad:
| sen(y ) − sen(x)| = | cos(x0 )||x − y | ≤ |x − y |.

De donde se concluye el resultado.
Regla de l’Hôpital Sean f , g : I ⊂ R → R diferenciables en un entorno de x0 ∈ I con g ′ (x0 ) ̸= 0, entonces:
1 Indeterminaciones del tipo 00 .

f ′ (x) f (x)
lı́m f (x) = 0, lı́m g (x) = 0, lı́m ′ = ℓ ⇒ lı́m = ℓ.
x→x0 x→x0 x→x0 g (x) x→x0 g (x)
∞
2 Indeterminaciones del tipo ∞ .

f ′ (x) f (x)
lı́m f (x) = ∞, lı́m g (x) = ∞, lı́m ′ = ℓ ⇒ lı́m = ℓ.
x→x0 x→x0 x→x0 g (x) x→x0 g (x)
Ejemplo. Veamos una serie de ejemplos en los que podemos aplicar la regla de l’Hôpital:
1
log(x) x
lı́m x · log(x) = lı́m 1
= lı́m −1
= lı́m −x = 0
x→0+ x→0+ x x→0+ x→0+
x2
x2 x2
e −1 2xe x x2
lı́m = lı́m = 2 lı́m lı́m e = 2 · 1 · 1 = 2.
x→0 1 − cos(x) x→0 sen(x) x→0 sen(x) x→0
1
ln x 1
lı́m = lı́m x = lı́m = 0.
x→∞ x x→∞ 1 x→∞ x

Teorema de Taylor
Teorema de Taylor
Polinomio de Taylor. Sea f : I ⊂ R → R n veces derivable en un punto x0 ∈ I . Se denomina polinomio de
Taylor de grado n de f en x0 a:
′ f ′′ (x0 ) 2 f (n) (x0 ) n

Pn,x0 (x) = f (x0 ) + f (x0 )(x − x0 ) + (x − x0 ) + · · · + (x − x0 ) .
2! n!
Ejemplo. Dada f (x) = sen(x), se tendrá que que el polinomio de Taylor centrado en x0 = 0 será:
′ f ′′ (0) 2 f (n) (0) n

Pn,0 (x) = f (0) + f (0) x + x + ··· + x
2! n!
Caso n = 1, en este caso:
P1,0 (x) = sen(0) + cos(0) x = x.

− sen(0) 2 − cos(0) 3 x3
P3,0 (x) = sen(0) + cos(0) x + x + x =x− .
2! 3! 6
− sen(0) 2 − cos(0) 3 sen(0) 4 cos(0) 5

P5,0 (x) = sen(0) + cos(0) x + x + x + x + x
2! 3! 4! 5!
x3 x5
= =x− + .
6 120
Los polinomios de orden impar n = 2k + 1 de la función sen(x) centrados en x0 = 0, con k ∈ N, coinciden con
los de orden par n = 2k.
Teorema de Taylor
A medida que aumentamos el grado, el polinomio resultante estará más próximo a la función:
Observación El polinomio de Taylor Pn,x0 (x) de orden n relativo a la función f (x) centrado en el punto x0 es
tal que f (x0 ) = Pn,x0 (x0 ). Además también coinciden los valores de las sucesivas derivadas hasta el orden n:
(k) (k)
f (x0 ) = Pn,x (x0 ), ∀k = 0, 1, . . . , n.
0

Teorema de Taylor
Resto n-ésimo de Taylor. Sea f (x) una función tal que existe Pn,x0 (x). A la expresión f (x) − Pn,x0 (x) se la
denomina resto o residuo n-ésimo del polinomio de Taylor, y se denota por Rn,x0 (x).
Existen diferentes formas de calcular el resto de Taylor de una función f (x) que requieren un análisis más
profundo de la función f (x). Una de las opciones es la fórmula de Lagrange para el polinomio de Taylor
f (n+1) (ξx ) n+1

Rn,x0 (x) = (x − x0 ) ,
(n + 1)!
donde ξx ∈ (x0 , x) (si x > x0 ) o ξx ∈ (x, x0 ) (si x < x0 ).
Ejemplo. Sea la función f (x) = ex , empecemos calculando el polinomio P3,0 (x):
f ′ (0) f ′′ (0) 2 f (3) (0) 3 1 2 1 3

P3,0 (x) = f (0) + (x − 0) + (x − 0) + (x − 0) = 1 + x + x + x .
1! 2! 3! 2 6
En este caso el número e = f (1) se aproxima por P3,x0 (1) = 1 + 1 + 12 + 61 = 16 6 = 2, 6. Analicemos el error
cometido acotando la fórmula para el error:
f (4) (ξx ) 4
R3,0 (x) = x ,
4!
donde ξx ∈ (0, 1). Se tendrá que:
(4) x 1
f (x) = e ≤ e ∀x ∈ [0, 1],
ya que la función e es monótona creciente en el intervalo [0, 1]. Por lo tanto, puesto que x 4 ≤ 1 ∀x ∈ [0, 1],
x
e
R3,0 (x) ≤
4!

Teorema de Taylor
Intentemos obtener el grado mı́nimo del polinomio de Taylor para, por ejemplo, alcanzar una precisión de 10−5
(el error que cometemos al aproximar la función por el polinomio debe ser menor que 10−5 ).
e
En el intervalo [0, 1], el resto n-ésimo se puede acotar por , por lo tanto tenemos que obtener un
(n + 1)!
n ∈ N tal que
e −5
Rn,0 (x) ≤ < 10 ,
(n + 1)!
es decir, e · 105 < (n + 1)!. Se tiene que 8! = 40320 y que 9! = 362880. Ası́, para n = 8, el polinomio de
Taylor de grado 8 en x = 0, aproxima e con una precisión de 10−5 , de hecho:
P8,x0 = 2,71827876984 . . . , siendo e = 2,71828182845 . . . .
Serie de Taylor. Una serie de Taylor es un desarrollo en serie de una función alrededor de un punto de la
siguiente forma:
′′′
′ f ′′ (x0 ) 2 f (x0 ) 3
f (x0 ) + f (x0 )(x − x0 ) + (x − x0 ) + (x − x0 ) + · · ·
2! 3!
∞
X f (k) (x0 )
f (n) (x0 ) n k
+ (x − x0 ) + · · · = f (x0 ) + (x − x0 ) ,
n! k=1
k!
cuando x0 = 0 la serie de Taylor anterior también se llama serie de Mac Laurin.
El teorema de Taylor establece que cualquier función que satisface unas determinadas condiciones puede ser
expresada en forma de serie de Taylor.
Podemos dar estas condiciones en función del resto de Taylor de la siguiente forma:

Teorema de Taylor
Supongamos que f (x) tiene n + 1 derivadas continuas en un entorno de x0 . Entonces, para todo x del entorno:
" n
#
X f (k) (x0 ) k
f (x) = f (x0 ) + (x − x0 ) + Rn,x0 (x),
k=1
k!
donde el sumando Rn,x0 (x) es el error que puede ser expresado empleando la fórmula del resto de Lagrange.
Con estas notaciones tenemos que la serie infinita de Taylor converge a la función f (x),
∞
X f (k) (x0 ) k
f (x) = f (x0 ) + (x − x0 )
k=1
k!
si y solamente si,
lı́m Rn,x0 (x) = 0.

n→∞
Ejemplo. Consideremos f (x) = log(x + 1) y calculemos su serie de Taylor. Por un lado,
(k) (−1)k+1 (k − 1)!

f (x) = ,
(1 + x)k
por lo tanto, la serie de Taylor de f (x) centrada en x0 = 0 es:
∞
X (−1)k+1 k
0+ x .
k=1
k
Si calculamos el resto de Taylor empleando la fórmula de Lagrange tenemos que:
f (n+1) (ξx ) n+1 (−1)n+2 n! n+1 (−1)n+2 x n+1

Rn,0 (x) = x = n+1
x = ,
(n + 1)! (n + 1)!(1 + ξx ) (n + 1)(1 + ξx )n+1
que tiende a cero únicamente si x ∈ (−1, 1) para cualquier ξx ∈ (0, x).

Teorema de Taylor
Ejemplo. Consideremos ahora la función f (x) = ex , es claro que:

(n) x
f (x) = e , ∀n ∈ N.
Por lo tanto, la serie de Taylor centrada en x0 = 0 es:
∞
X
0 e0 n
e + (x − 0) ,
n=1
n!
o lo que es lo mismo, suponiendo que 0! = 1,
∞
X xn
.
k=0
n!
Si calculamos el resto empleando la fórmula de Lagrange, tenemos que:
ξx x n+1
Rn,0 (x) = e , ξx ∈ (0, x).
(n + 1)!
Ahora bien, dado cualquier x ∈ R, se tiene, empleando las convergencias básicas, que:
ξx x n+1
lı́m e = 0.
n→∞ (n + 1)!
Por lo tanto,
lı́m Rn,0 (x) = 0, ∀x ∈ R

n→∞
y, entonces,
∞
X
x xk
e = .
k=0
k!

Teorema de Taylor
Desarrollos importantes en serie de Taylor son los siguientes:

∞
X (−1)k+1 k
log(x + 1) = x , ∀x ∈ (−1, 1),
k=1
k
∞
X xk
ex = , ∀x ∈ R,
k=0
k!
∞
X
a n
= ax , ∀x ∈ (−1, 1),
1−x n=0
∞
X (−1)k 2k+1
sen(x) = x , ∀x ∈ R,
k=0
(2k + 1)!
∞
X (−1)n 2n
cos(x) = x , ∀x ∈ R.
k=0
(2n)!

El método de Newton-Raphson
La idea del método de Newton-Raphson consiste realizar aproximaciones sucesivas de la solución de la ecuación
f (x) = 0 empleando las raı́ces de la recta tangente a la función f (x) en cada uno de los puntos calculados.
Descripción del método.
Iteración 1. Denotemos por r0 (x) la recta tangente a la función f (x) en el punto x0 ,
′
r0 (x) = f (x0 ) + f (x0 )(x − x0 )
y sea x1 el punto de corte de la recta tangente con el eje x (r0 (x1 ) = 0):
f (x0 )
r0 (x1 ) = 0 ⇔ x1 = x0 − .
f ′ (x0 )
Iteración 2. Repetimos el paso anterior. Denotemos por r1 (x) la recta tangente a la función f (x) en el
punto x1 ,
′
r1 (x) = f (x1 ) + f (x1 )(x − x1 )
y sea x2 el punto de corte de la recta tangente con el eje x (r1 (x2 ) = 0):
f (x1 )
r1 (x2 ) = 0 ⇔ x2 = x1 − .
f ′ (x1 )
Iteración n. Denotemos por rn−1 (x) la recta tangente a la función f (x) en el punto xn−1 ,
′
rn−1 (x) = f (xn−1 ) + f (xn−1 )(x − xn−1 )
y sea xn el punto de corte de la recta tangente con el eje x (rn−1 (xn ) = 0):
f (xn−1 )
rn−1 (xn ) = 0 ⇔ xn = xn−1 − .
f ′ (xn−1 )

Consideremos la función f (x) = 3x − ex y hagamos a continuación dos iteraciones de Newton-Raphson,

tomando como iterante inicial x0 = 1:
Iteración 1. Calculemos el punto de intersección de la recta tangente en x0
(r0 (x) = f (x0 ) + f ′ (x0 )(x − x0 )) con el eje x:
f (x0 ) 3−e
x1 = x0 − =1− = 0.
f ′ (x0 ) 3−e
Iteración 2. Calculemos el punto de intersección de la recta tangente en x1
(r1 (x) = f (x1 ) + f ′ (x1 )(x − x1 )) con el eje x:
f (x1 ) −1 1
$¡MDVMP * x2 = x1 − ′ =0− =
f (x1 ) 3−1 2
$FOUSP 6OJWFSTJUBSJP EF MB %FGFOTB
Gráficamente:
৷1 )৽* > ৬ )৽1 * , ৬ າ )৽1 *)৽ Ҥ ৽1 *
৽2 ৽3 ৽1
৬ )৽* > 4৽ Ҥ f৽
৷2 )৽* > ৬ )৽2 * , ৬ າ )৽2 *)৽ Ҥ ৽2 *
4VQPOHBNPT RVF RVFSFNPT DBMDVMBS MB TPMVDJ³O DPO VOB QSFDJTJ³O EF TFJT EFDJNBMFT WFBNPT DVBOUBT JUFSBDJP
OFT EFCFNPT IBDFS FO FTUF DBTP
Supongamos que queremos calcular la solución con una precisión de seis decimales, veamos cuantas iteraciones
debemos hacer en este caso:
Iteración Valor aproximado Iteración Valor Aproximado
1 0 2 0,5
3 0.610059654958962 4 0.61899677974154
5 0.619061283355313 6 0.619061286735945
Observamos que es necesario realizar 6 iteraciones antes de alcanzar la precisión pedida.

Derivadas direccionales y derivadas parciales Derivadas direccionales
Derivadas direccionales y derivadas parciales

Derivadas direccionales
Derivada direccional. Sea f : A ⊂ Rn → R y sean a ∈ A y v ∈ Rn tal que ∥v∥ = 1. Llamaremos derivada

direccional de f en el punto a según la dirección v, que denotaremos por
∂f (a)
Dv f (a) ≡
∂v
al valor del siguiente lı́mite, en el caso se que exista,
f (a + tv) − f (a)
Dv f (a) = lı́m .
t→0 t
Ejemplo. Sea f : R2 −→ R la función definida mediante las siguientes expresiones:

 2
 x sen(y ) + y 2 sen(x)
f (x, y ) = , (x, y ) ̸= (0, 0),
 x2 + y2
0 (x, y ) = (0, 0).
La derivada direccional de f en el punto (0, 0) con respecto al vector u = (a, b) es:
f (0 + ta, 0 + tb) − f (0, 0) a2 sen(tb) + b 2 sen(ta)

Du f (0, 0) = lı́m = lı́m =
t→0 t t→0 t(a2 + b 2 ) |{z}
L’Hôpital
2 2 2 2
a b cos(tb) + b a cos(ta) a b+b a
lı́m = .
t→0 a2 + b 2 a2 + b 2

Derivadas direccionales y derivadas parciales Derivadas direccionales
Observación. La derivada direccional de una función escalar f : A ⊂ Rn −→ R en un punto a según la

dirección v indica la razón de cambio de f en el punto según la dirección de v.
Observación. Una función f puede tener derivadas direccionales en un punto y no ser continua. Por ejemplo:

 xy 2
2
f : (x, y ) ∈ R → f (x, y ) = 2 + y4
, (x, y ) ̸= (0, 0),
 x
0, si(x, y ) = (0, 0),
no es continua en el (0, 0) y, sin embargo, existen las derivadas direccionales en (0, 0) ∀v ∈ R2 :
f (0 + tv1 , 0 + tv2 ) − f (0, 0) f (tv1 , tv2 ) t 3 v1 v22

Dv f (0, 0) = lı́m = lı́m = lı́m 4 4 = 0.
t→0 t t→0 t t→0 t v + t 2 v 2
2 1
Observamos entonces que, la existencia e igualdad de las derivadas direccionales en un punto, no implica la
continuidad de la aplicación en dicho punto.

Derivadas direccionales y derivadas parciales Derivadas parciales
Derivadas parciales
Derivadas parciales. Sea f : A ⊂ Rn → R y a ∈ A. Diremos que f es derivable parcialmente con respecto a la
variable k-ésima en el punto a si existe el siguiente lı́mite:
f (a + tek ) − f (a)
lı́m,
t t→0
donde ek ∈ R es el k-ésimo vector de la base canónica. Si el lı́mite anterior, lo denotaremos por:
n
∂f (a)
≡ ∂xk f (a) = Dk f (a).
∂xk
Observación. En el caso particular en el que n = 2, se tiene que:
1 f es derivable parcialmente con respecto a la

variable x en un punto (a1 , a2 ) si existe el lı́mite:
f (a1 + t, a2 ) − f (a1 , a2 )
lı́m .
t→0 t
2 f es derivable parcialmente con respecto a la

variable y en el punto (a1 , a2 ) si existe el lı́mite:
f (a1 , a2 + t) − f (a1 , a2 )
lı́m .
t→0 t

Ejemplo. Calculemos las derivadas parciales en el (0, 0) de la aplicación:

2 2
f : (x, y ) ∈ R −→ f (x, y ) = x .
1 La derivada parcial con respecto a x en (0, 0):
f (0 + t, 0) − f (0, 0) t2
lı́m = lı́m = 0.
t→0 t t→0 t
2 La derivada parcial con respecto a y en (0, 0):
f (0, 0 + t) − f (0, 0)
lı́m = 0.
t→0 t
Observación. Para obtener la derivada parcial (respecto a la i-ésima variable xi , cualquiera) son aplicables las
reglas de la derivación de funciones de una variable (las variables que no se derivan se tratan como constantes)
2 2 3
f (x, y ) = x + y + 2xy ,
derivamos la expresión con respecto a x suponiendo que la y es un parámetro:
∂f 3
(x, y ) = 2x + 2y
∂x
y para calcular la segunda derivada parcial, derivamos la expresión con respecto a y , suponiendo que la x es un
parámetro:
∂f 2
(x, y ) = 2y + 6xy .
∂y

Ejemplo. Calculemos las derivadas parciales de la función:

( xy
2 (x, y ) ̸= (0, 0),
f : (x, y ) ∈ R −→ f (x, y ) = x2 + y2
0 (x, y ) = (0, 0).
Para cualquier punto (x, y ) ̸= (0, 0), podemos Para el punto (0, 0) tenemos que emplear la
emplear las reglas habituales de derivación: definición:
∂f y (x 2 + y 2 ) − 2x 2 y ∂f f (0 + t, 0) − f (0, 0)
(x, y ) = , (0, 0) = lı́m = 0.
∂x (x 2 + y 2 )2 ∂x t→0 t
∂f x(x 2 + y 2 ) − 2xy 2 ∂f f (0, 0 + t) − f (0, 0)
(x, y ) = . (0, 0) = lı́m = 0.
∂y (x 2 + y 2 )2 ∂y t→0 t
Por lo tanto,
 

 y (x 2 + y 2 ) − 2x 2 y 
 x(x 2 + y 2 ) − 2xy 2
∂f  (x, y ) ̸= (0, 0) ∂f  (x, y ) ̸= (0, 0)
(x, y ) = (x 2 + y 2 )2 (x, y ) = (x 2 + y 2 )2
∂x 
 ∂y 

 
0 (x, y ) = (0, 0) 0 (x, y ) = (0, 0)
Observaciones
Existen las deriadas parciales de la función anterior en el (0, 0) y, sin embargo, la función no es continua
en dicho punto
Una función escalar con dominio contenido en Rn tiene, como mucho, n derivadas parciales.

Vector gradiente y matriz de Jacobi Vector gradiente
Vector gradiente y matriz de Jacobi

Vector gradiente
Vector gradiente. Sea f : A ⊂ Rn → R y a ∈ A, llamaremos gradiente de f en a al siguiente vector

∂f (a) ∂f (a) ∂f (a)
∇f (a) = , ,..., .
∂x1 ∂x2 ∂xn
Ejemplo. Dada la función escalar f : (x, y , z) ∈ R3 −→ f (x, y , z) = cos(xy + z), tenemos que:
∂f (x, y , z)
1 = −y sen(xy + z),
∂x
∂f (x, y , z)
2 = −x sen(xy ) + z,
∂y
∂f (x, y , z)
3 = − sen(xy + z).
∂z
Por lo tanto:
∇f (x, y , z) = (−y sen(xy + z), −x sen(xy ) + z, − sen(xy + z))
Observación. Dado un campo escalar f para el cual podamos calcular su vector gradiente en un punto a ∈ R2
de forma que ∇f (a) =
̸ 0, se tiene que ∇f (a) apunta en la dirección en la cual f crece más rápidamente.

Vector gradiente y matriz de Jacobi Matriz de Jacobi
Matriz de Jacobi
Matriz de Jacobi. Sea f : A ⊂ Rn → Rm y a ∈ A, definidmos la matriz de Jacobi de f en a como:
 
∂f1 (a) ∂f1 (a) ∂f1 (a)
...
 ∂x1 ∂x2 ∂xn 
 
 
 ∂f (a) ∂f2 (a) ∂f2 (a) 
 2 
 ... 

 ∂x1 ∂x2 ∂xn 

Jf(a) = D1 f(a) D2 f(a) ... Dn f(a) =  ∈ Mm×n .
 
 . . . . 
 . . . . 
 . . . . 
 
 
 ∂fm (a) ∂fm (a) ∂fm (a) 
...
∂x1 ∂x2 ∂xn
Donde Dk f(a) ∈ Rm , k = 1, . . . , n, es el siguiente vector columna:

∂f1 (a) 
 
 ∂f∂x(a)
k 
 2 
 
 ∂xk 
Dk f(a) =  .
 . 
 . 
 . 
 ∂f (a) 
m
∂xk
Observación. Puesto que la matriz de Jacobi está compuesta por las derivadas parciales de cada una de las
componentes de f, el cálculo de las entradas de dicha matriz se realiza empleando las reglas comunes de
derivación (ver el siguiente ejercicio).

Vector gradiente y matriz de Jacobi Matriz de Jacobi
Ejemplo. Calculemos la matriz de Jacobi en un punto (x, y ) de la siguiente función vectorial:

2 2 2 x+y 2 2
f : (x, y ) ∈ R −→ f(x, y ) = log(1 + x + y ), e , tan(xy )
Se tiene que:
 ∂f (a) ∂f1 (a)   
1 2x 2y
 ∂x ∂y   
   x2 + y2 + 1 x2 + y2 + 1 
   
 ∂f (a) ∂f2 (a) 
 2   y 2 +x y 2 +x

Jf(a) =  = e 2y e 
 ∂x ∂y   
   
  
 

 ∂f (a) ∂f (a)  2 2 2 2 2
3 3 y tan x y +1 2x y tan x y +1
∂x ∂y

Diferenciabilidad de una función de varias variables reales Diferenciabilidad de una función escalar en un punto
Diferenciabilidad de una función de varias variables reales

Diferenciabilidad de una función escalar en un punto
Diferenciabilidad de una función escalar en un punto. Sea f : A ⊂ Rn → R y a ∈ A. Diremos que f es
diferenciable en a si existen todas las derivadas parciales de f en a y además:
f (a + h) − f (a) − ∇f (a)h
lı́m = 0.
h→0 ∥h∥
h ∈ Rn
Ejemplo. Estudiemos la diferenciabilidad de la siguiente función escalar en el punto (0, 0):



 x2y 2
 , (x, y ) ̸= (0, 0),
2 x 2 + y2
f : (x, y ) ∈ R −→ f (x, y ) =



0, (x, y ) = (0, 0).
Para estudiar la diferenciabilidad de la función anterior empleando la definición, debemos comprobar:
1 Que existen las derivadas parciales en el punto (0, 0):
f (0 + t, 0) − f (0, 0)
▶ Primera parcial, lı́m = 0.
t→0f
f (0, 0 + t) − f (0, 0)
▶ Segunda parcial, lı́m = 0.
t→0 t
2 Que se cumple:
f (h1 , h2 ) − f (0, 0) − ∇f (0, 0)h

lı́m = 0.
h→0 ∥h∥
h ∈ R2

Ahora bien:
2 h2
h1 2
f (h1 , h2 ) − f (0, 0) − ∇f (0, 0)h h2 +h2 h2 h2
= 1 2 = 1 23 ,
∥h∥ ∥h∥ ∥h∥
gráficamente la función escalar asociada al cociente anterior se comporta de la siguiente forma:
Veamos que, efectivamente, el lı́mite cuando h tiende a (0, 0) de la función escalar asociada al cociente es cero:
h12 h22 (h2 + h22 )(h12 + h22 ) ∥h∥4

≤ 1 = = ∥h∥,
∥h∥3 ∥h∥3 ∥h∥3
Empleando el criterio del sandwich:
h12 h22
0≤ ≤ ∥h∥,
∥h∥3
se sigue el resultado deseado.

Ejemplo. La existencia de las derivadas parciales no es suficiente para que la función sea diferenciable:

 xy 2
2
f : (x, y ) ∈ R −→ f (x, y ) = 2 + y2
, (x, y ) ̸= (0, 0),
 x
0, (x, y ) = (0, 0).
Veamos la existencia de las derivadas parciales:
f (0 + t, 0) − f (0, 0)
Primera parcial, lı́m = 0.
t→0 t
f (0, 0 + t) − f (0, 0)
Segunda parcial, lı́m = 0.
t→0 t
Veamos que la aplicación no es diferenciable:
f (h1 , h2 ) − f (0, 0) − ∇f (0, 0)h h1 h22

lı́m = lı́m .
h→0 ∥h∥ h→0 ∥h∥3
h ∈ R2 h ∈ R2
Observamos que, al acercarnos al (0, 0) por el conjunto S = {(x, y ) ∈ R2 : x = y }, no existe el lı́mite:
h1 h22 x3
lı́m = lı́m 3
,
h→0 ∥h∥3 x→0
(2 x 2 ) 2
h ∈ {(x, y ) ∈ R2 : x = y }
pero:
√ √
x3 2 x3 2
lı́m 3
= ̸= lı́m 3
=− .
x→0+ (2 x 2 ) 2 4 x→0− (2 x 2 ) 2 4

Diferenciabilidad de una función de varias variables reales Diferenciabilidad de una función vectorial en un punto
Diferenciabilidad de una función vectorial en un punto
Diferenciabilidad de una función vectorial en un punto. Sean f : A ⊂ Rn → Rm y a ∈ A. Diremos que f es

diferenciable en a si existen todas las derivadas parciales de las componentes de f en a y además se cumple que:
∥f(a + h) − f(a) − Jf(a)h∥

lı́m = 0.
h→0 ∥h∥
h ∈ Rn
Diferenciabilidad de un campo vectorial en función de la diferenciabilidad de sus componentes. Sea

f : A ⊂ Rn → Rm y a ∈ A. Entonces, f es diferenciable en a si y solamente si todas sus componentes son
diferenciables en a.

Condiciones para la diferenciabilidad

Condición necesaria de diferenciabilidad.
Sea f : A ⊂ Rn −→ Rm y a ∈ A. Si f es diferenciable en a, entonces f es continua en a.
Criterio negativo de diferenciabilidad.

Sea f : A ⊂ Rn −→ Rm y a ∈ A. Si f no es continua en a, entonces f no es diferenciable en a.
Condición suficiente de diferenciabilidad.

∂fi
Sea f : A ⊂ Rn −→ Rm y a ∈ A. Si existen las derivadas parciales ∂xj , ∀i = 1, . . . , m, ∀j = 1, . . . , n, en un
entorno de a y son continuas, entonces f es diferenciable en a.
Observación. El recı́proco no es cierto en general, ya que, por ejemplo, la siguiente aplicación es diferenciable
(derivable) en el 0 y, sin embargo, su derivada no es continua en el 0:

 2 1
x sen , x = ̸ 0,
f : x ∈ R −→ f (x) = x

0 x = 0.
Conclusión
⇒ ⇒
Derivadas parciales continuas Diferenciabilidad Existencia de derivadas parciales.
⇍ ⇍

Ejemplo. Consideremos la siguiente función escalar:



 x2y 2
(x, y ) ̸= (0, 0),
f (x, y ) = x2 + y2


0 (x, y ) = (0, 0).
Se tendrá que:
1 Continuidad. Estudiemos la continuidad realizando el cambio a coordenadas polares:
2 2 2
f (ρ, θ) = ρ cos(θ) sen(θ)
y tomando el lı́mite cuando ρ → 0:
2 2 2
lı́m f (ρ, θ) = lı́m ρ cos(θ) sen(θ) = 0,
ρ→0 ρ→0
independiente y uniformemente en θ. Por lo tanto, la función es continua.

2 Existencia de derivadas parciales. Por definición:
∂f f (0 + t, 0) − f (0, 0)
(0, 0) = lı́m = 0,
∂x t→0 t
∂f f (0, 0 + t) − f (0, 0)
(0, 0) = lı́m = 0.
∂y t→0 t
Existen las derivadas parciales.
3 Diferenciabilidad. Comprobemos si se cumple la condición necesaria de diferenciabilidad (continuidad de
las derivadas parciales).

Para cualquier punto (x, y ) ̸= (0, 0), podemos calcular las derivadas parciales por simple derivación:
∂f 2 x y2 2 x3 y2
(x, y ) = 2 − ,
∂x x + y2 (x 2 + y 2 )2
∂f 2 x2 y 2 x2 y3
(x, y ) = 2 − .
∂y x +y 2 (x 2 + y 2 )2
Veamos a continuación si son continuas. Para la primera parcial, si realizamos el cambio a polares y
tomamos el lı́mite cuando ρ tiende a cero:
2 3 2
lı́m ρ cos(θ) sen(θ) − 2ρ cos(θ) sen(θ) = 0,
ρ→0
independiente y uniformemente en θ, por lo tanto, la primera parcial es continua. Repetimos el mismo

procedimiento para la segunda parcial:
2 2 3
lı́m ρ cos(θ) sen(θ) − 2ρ cos(θ) sen(θ) = 0,
ρ→0
independiente y uniformemente en θ, por lo tanto, la segunda parcial es continua. Al ser las dos derivadas
parciales continuas, la función será diferenciable.

Operaciones con funciones diferenciables

Proposición. Sean f, g : Rn → Rm . Si f y g son diferenciables en a ∈ A y λ ∈ R, entonces:
1 f + g es diferenciable en a y además J(f + g)(a) = Jf(a) + Jg(a).
2 λf es diferenciable en a y además J(λf)(a) = λJf(a).
3 < f, g > es diferenciable en a y J < f, g > (a)h =< Jf(a)h, g(a) > + < f(a), Jg(a)h >.
Ejemplo. Consideremos

2 2 2 y z x
f(x, y , z) = x ,y ,z , g(x, y , z) = , y .
x y z
t
Calculemos J < f, g > (x, y , z)h, siendo h = (1, 1, 1) . Por un lado,
   
2x 0 0 2x
Jf(x, y , z) =  0 2y 0  ⇒ Jf(x, y , z)h =  2y ,
0 0 2z 2z
 2   2 
−y /x 1/x 0 1/x − y /x
   
   
Jg(x, y , z) =  −z/y
2  ⇒ Jg(x, y , z)h =  2 .
 0 1/y   1/y − z/y 
   
2 2
1/z 0 −x/z 1/z − x/z
Por lo tanto:
< Jf(a)h, g(a) > + < f(a), Jg(a)h >= 2y + 2z + 2x + x − y + y − z + z − x = 2x + 2y + 2z.

Proposición. Sean f : Rn → Rm y g : Rn → R diferenciables en a y g (a) ̸= 0, entonces, f/g es diferenciable en

a y además se cumple que:

f g (a)Jf(a) − f(a)∇g (a)
J (a) = ,
g g 2 (a)
Ejemplo. Consideremos:
2 2 2 2
f (x, y , z) = x + y + z y g (x, y , z) = x + 1.
Empleando la regla del cociente:
g (x, y , z)Jf (x, y , z) − f (x, y , z)∇g (x, y , z)
f
J g (x, y , z) =
g 2 (x, y , z)
(x 2 + 1)(2x, 2y , 2z) − (x 2 + y 2 + z 2 )(2x, 0, 0)

=
(x 2 + 1)2
!
2 x y2 + z2 − 1 2y 2z
= − , , .
(x 2 + 1)2 x2 + 1 x2 + 1

Regla de la cadena. Sean f : U ⊂ Rn → Rm y g : V ⊂ Rm → Rp de forma que f(U) ⊂ V . Entonces, si f es

diferenciable en a ∈ U y g es diferenciable en f(a) ∈ V , entonces (g ◦ f) es diferenciable en a y además:
J(g ◦ f)(a) = Jg(f(a))Jf(a).

O lo que es lo mismo:
Xm
∂(g ◦ f)i ∂gi (f(a)) ∂fk (a)
= .
∂xj k=1
∂xk ∂xj
Cambio de variable a polares. Supongamos que tenemos un campo escalar ϕ : R2 −→ R. Si realizamos el

cambio de variable a coordenadas polares en el campo escalar ϕ:
ϕ(x, y ) = ϕ ◦ φ(x, y ) = ϕ(ρ(x, y ), θ(x, y )),

|{z}
φ(x,y )=(ρ(x,y ),θ(x,y ))
por lo tanto, puesto que las coordenadas ρ y θ dependen de x e y :

∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ
= + ,
∂x ∂ρ ∂x ∂θ ∂x
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ
= + .
∂y ∂ρ ∂y ∂θ ∂y
2 2 2
Ahora, ρ = x + y y tan(θ) = y /x, por lo tanto:
∂ρ ∂ρ ∂ρ ∂ρ
2ρ = 2x ⇒ = cos(θ), 2ρ = 2y ⇒ = sen(θ),
∂x ∂x ∂y ∂y
1 ∂θ y ∂θ sen(θ) 1 ∂θ 1 ∂θ cos(θ)
=− 2 ⇒ =− , = ⇒ = .
cos(θ)2 ∂x x ∂x ρ cos(θ)2 ∂y x ∂y ρ

Con lo cual:
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ sen(θ) ∂ϕ
= + = cos(θ) − ,
∂x ∂ρ ∂x ∂θ ∂x ∂ρ ρ ∂θ
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ cos(θ) ∂ϕ
= + = sen(θ) + .
∂y ∂ρ ∂y ∂θ ∂y ∂ρ ρ ∂θ
Por lo tanto:

∂ϕ ∂ϕ sen(θ) ∂ϕ ∂ϕ cos(θ)
∇ϕ = cos(θ) − e1 + sen(θ) + e2
∂ρ ∂θ ρ ∂ρ ∂θ ρ
∂ϕ 1 ∂ϕ
= (cos(θ)e1 + sen(θ)e2 ) + (− sen(θ)e1 + cos(θ)e2 ) .
∂ρ ρ ∂θ
∂ϕ 1 ∂ϕ
eρ +
= eθ ,
∂ρ ρ ∂θ
donde eρ y eθ son, respectivamente, los vectores normal asociados al sistema de coordenadas polares:
eρ = + cos(θ)e1 + sen(θ)e2
eθ = − sen(θ)e1 + cos(θ)e2

Diferenciabilidad de orden superior. Matriz de Hesse Derivadas de orden superior
Diferenciabilidad de orden superior. Matriz de Hesse

Derivada de orden superior. Sea f : A ⊂ Rn → Rm una función vectorial

1 Si existe Di f(x), ∀i = 1, . . . , n, ∀x ∈ A y Di f(x) es continua, ∀i = 1, . . . , n, diremos que f es una
aplicación de clase uno en A y lo denotaremos por f ∈ C 1 (A).
2 Sea, para cada i = 1, . . . , n:
n f(x + tei ) − f(x) m

Di f : x ∈ A ⊂ R −→ Di f(x) = lı́m ∈R
t t→0
Si para todo i, j = 1, . . . , n existe Dj (Di f)(x), diremos que f tiene derivadas parciales de segundo orden
en x y denotaremos por:
Di f(f + tej ) − Di f(x)

Di,j f(x) = Dj (Di f)(x) = lı́m .
t
t→0
Si además Di,j f existe y es continua ∀i, j = 1, . . . , n, diremos que f es una aplicación de clase dos en A y
lo denotaremos por f ∈ C 2 (A).
3 En general, si existen Di1 ,i2 ,...,ip f (derivadas parciales de orden p) y son continuas
∀i1 , i2 , . . . , ip ∈ {1, . . . , n}, diremos que f es una aplicación de clase p en A y lo denotarmos por
f ∈ C p (A).
4 Si f ∈ C p (A) ∀p ∈ N, diremos entonces que f es una aplicación de clase infinito en A: f ∈ C ∞ (A).

Diferenciabilidad de orden superior. Matriz de Hesse Derivadas de orden superior
Ejemplo. Obtengamos las derivadas parciales de segundo orden de la aplicación:
x2y
f (x, y ) = e
1 Derivadas parciales de primer orden:
∂f (x, y ) x2 y
D1 f (x, y ) = = 2x y e
∂x
∂f (x, y ) 2 x2 y
D2 f (x, y ) = =x e .
∂y
2 Derivadas parciales de segundo orden:
∂ ∂f (x, y ) ∂2 x2 y 2 2 x2 y
D1,1 f (x, y ) = = f (x, y ) = 2 y e + 4x y e
∂x ∂x ∂x 2
∂ ∂f (x, y ) ∂2 4 x2 y
D2,2 f (x, y ) = = f (x, y ) = x e .
∂y ∂y ∂y 2
∂ ∂f (x, y ) ∂2 x2 y 3 x2 y
D2,1 f (x, y ) = = f (x, y ) = 2 x e + 2x y e .
∂y ∂x ∂y ∂x
∂ ∂f (x, y ) ∂2 x2 y 3 x2 y
D1,2 f (x, y ) = = f (x, y ) = 2 x e + 2x y e .
∂x ∂y ∂x∂y
Observamos que las derivadas segundas cruzadas D2,1 f (x, y ) y D1,2 f (x, y ) son iguales.

Diferenciabilidad de orden superior. Matriz de Hesse Matriz de Hesse
Matriz de Hesse
Matriz de Hesse. Sea f : A ⊂ Rn → R una función escalar. Si existen las derivadas parciales de segundo orden
de f en z0 , definimos la matriz de Hesse de f en z0 (o matriz hessiana de f en z0 ):
 
D1,1 f (z0 ) D1,2 f (z0 ) ... D1,n f (z0 )
 
 D f (z ) D2,2 f (z0 ) ... D2,n f (z0 ) 
 2,1 0 
Hf (z0 ) =  
 . . .. . 
 . . . . 
. . .
Dn,1 f (z0 ) Dn,2 f (z0 ) ... Dn,n f (z0 )
Ejemplo. Dada la función escalar f (x, y , z) = xe yz ,
∂2 ∂2
D1,1 f (x, y , z) = f (x, y , z) = 0, D1,2 f (x, y , z) = f (x, y , z) = z ey z ,
∂x∂x ∂x∂y
∂2 ∂2
D1,3 f (x, y , z) = f (x, y , z) = y ey z , D2,1 f (x, y , z) = f (x, y , z) = z ey z ,
∂x∂z ∂y ∂x
∂2 ∂2
D2,2 f (x, y , z) = f (x, y , z) = x z 2 ey z , D2,3 f (x, y , z) = f (x, y , z) = ey z (x + x y z )
∂y ∂y ∂y ∂z
∂2 ∂2
D3,1 f (x, y , z) = f (x, y , z) = y ey z , D3,2 f (x, y , z) = f (x, y , z) = ey z (x + x y z)
∂z∂x ∂z∂y
∂2
D3,3 f (x, y , z) = f (x, y , z) = x y 2 ey z
∂z∂z

Diferenciabilidad de orden superior. Matriz de Hesse Matriz de Hesse
Por lo tanto  
0 z ey z y ey z
 
 
Hf (x, y , z) =  z ey z x z 2 ey z x ey z + x y z ey z 
 
y ey z x e y z + x y z ey z x y 2 ey z
Observación. A la vista de la matriz obtenida, observamos que ésta es simétrica. çEnunciemos a continuación
una condición suficiente que nos garantice que la matriz de Hesse sea simétrica, esto es:
∂2 ∂2
f (z0 ) = f (z0 )
∂xi ∂xj ∂xj ∂xi
Teorema de Schwartz. Sea f : Rn −→ Rm una función vectorial definida en la bola abierta B(z0 , r ) y sea
z0 ∈ A. Si f ∈ C 1 (A) y dados i, j ∈ {1, . . . , n} existe Di,j f en A y es continua en z0 , entonces existe Dj,i f(z0 )
y además se cumple que:
Di,j f(z0 ) = Dj,i f(z0 ).

Polinomio de Taylor de una función escalar

Polinomio de Taylor de una función escalar. Sean f : A ⊂ Rn → R una función de clase C 3 (A) y a ∈ A.
1 Se define el polinomio de Taylor de orden uno de f en a:
 
h1
 h2 
 
P1,f ,a (a + h) = f (a) + ∇f (a)  . .
 .. 
hn
2 Se define el polinomio de Taylor de orden dos de f en a:
   
h1 h1
 h2  1  h2 
   
P2,f ,a (a + h) = f (a) + ∇f (a)  .  + (h1 , h2 , . . . , hn ) Hf (a)  . .
 ..  2  .. 
hn hn
Ejemplo. Dada f (x, y ) = ye x+y −5 , se tiene, por un lado,

x+y −5 x+y −5 x+y −5
∇f (x, y ) = y e ,e +ye .
Por lo tanto:

h1
P1,f ,(x,y ) (x + h1 , y + h2 ) = f (x, y ) + ∇f (x, y )
h2

= y ex+y −5 + h1 y ex+y −5 + h2 ex+y −5 + y ex+y −5

Por otro lado,

y ex+y −5 ex+y −5 + y ex+y −5
Hf (x, y ) = x+y −5 .
e + y ex+y −5 2 ex+y −5 + y ex+y −5
Por lo tanto, el polinomio de grado dos será:
   
h1 h1
 h2   h2 
  1  
P2,f ,(x,y ) (x + h1 , y + h2 ) = f (a) + ∇f (a)  . + 2 (h1 , h2 , . . . , hn ) Hf (a)  . 
 ..   .. 
hn hn

= h2 h1 ex+y −5 + y ex+y −5 + h2 2 ex+y −5 + y ex+y −5

+h2 ex+y −5 + y ex+y −5
+ h1 h2 ex+y −5 + y ex+y −5 + h1 y ex+y −5
+y e x+y −5 + h1 y ex+y −5 .
Observación. El polinomio de Taylor de primer grado es el plano tangente a una función esacalar. Dada
f : R2 → R, el polinomio de Taylor de primer grado centrado en un punto (x0 , y0 )
∂f (x0 , y0 ) ∂f (x0 , y0 )
P1,f ,(x0 ,y0 ) (x, y ) = f (x0 , y0 ) + (x − x0 ) + (y − y0 ),
∂x ∂y
es el plano tangente al grafo de la aplicación f en el punto (x0 , y0 ).

Ejemplo. Calculemos el plano tangente en el punto (1, 1) de la siguiente función escalar:
x4 + y4
f (x, y ) = .
x2 + y2
Las derivadas parciales son las siguientes:
∂f (x, y ) 4x 3 (x 2 + y 2 ) − 2x(x 4 + y 4 )
= ,
∂x (x 2 + y 2 )2
∂f (x, y ) 4y 3 (x 2 + y 2 ) − 2y (x 4 + y 4 )
= ,
∂y (x 2 + y 2 )2
al evaluarlas en el punto (1, 1) nos quedan:
∂f (1, 1) ∂f (1, 1)
= 1, = 1.
∂x ∂y
Por lo tanto, el plano tangente será t(x, y ) = 1 + 1 · (x − 1) + 1 · (y − 1) = x + y − 1. Gráficamente:

Cálculo de extremos de funciones
Extremo relativo. Sea f : B ⊂ Rn → R un campo escalar. Diremos que f tiene en x0 ∈ B un máximo relativo
(respectivamente un mı́nimo relativo), si existe R > 0 tal que f (x) ≤ f (x0 ) (respectivamente, f (x) ≥ f (x0 )),
∀x ∈ B(x0 , R) ∩ B.
Extremo relativo estricto. Sea f : B ⊂ Rn → R un campo escalar. Diremos que f tiene en x0 ∈ B un máximo
relativo estricto (respectivamente un mı́nimo relativo estricto), si existe R > 0 tal que f (x) < f (x0 )
(respectivamente, f (x) > f (x0 )), ∀x ∈ B(x0 , R) ∩ B, con x ̸= x0 .
Condición necesaria de primer orden para la existencia de extremos relativos. Sea f : A ⊂ Rn → R una
función escalar. Si f tiene un estremo relativo en x0 y f es diferenciable en x0 , entonces ∇f (x0 ) = 0 ∈ Rn .
Observación. Como ya vimos en el caso escalar, el recı́proco del teorema anterior no es cierto: la función
f (x) = x 3 tiene derivada nula en el punto x0 = 0, a pesar de que no presenta un extremo en dicho punto.
Con la intención de dar una extensión a la conocida propiedad sobre extremos de funciones reales de una
variable real dos veces derivables, introducimos los conceptos de matriz (semi-)definida positiva y negativa.
Definición. Sea A ∈ Mn×n una matriz simétrica.
1 Diremos que A es una matriz definida positiva si ht Ah > 0 ∀h ∈ Rn , h ̸= 0.
2 Diremos que A es una matriz semi-definida positiva si ht Ah ≥ 0 ∀h ∈ Rn .
3 Diremos que A es una matriz definida negativa si ht Ah < 0 ∀h ∈ Rn , h ̸= 0.
4 Diremos que A es una matriz semi-definida negativa si ht Ah ≤ 0 ∀h ∈ Rn .

Proposición. Sea A ∈ Mn×n una matriz simétrica. Son equivalentes:

1 A es una matriz definida positiva (definida negativa).
2 Se cumple que:

a1,1 ... a1,k

a2,1 ... a2,k
k
∆k = . . > 0, (respectivamente, (−1) ∆k > 0), ∀k = 1, . . . , n.
. .
. .
a ... ak,k
k,1
Condición necesaria de segundo orden par la existencia de extremos. Sea f : A ⊂ Rn → R una función
escalar. Dado x0 ∈ A, si f ∈ C 2 (B(x0 , R)), para algún R > 0, y f tiene un mı́nimo relativo (máximo relativo)
en x0 , entonces la matriz de Hesse de f en x0 es semi-definida positiva (semi-definida negativa).
Observación. La condición anterior es necesaria, pero, en general, no es suficiente. Por ejemplo, la aplicación:
2 2 2
f : (x, y ) ∈ R −→ f (x, y ) = x y + y ∈ R
cumple que:

2 2y 2x
∇f (x, y ) = (2xy , x + 2y ), Hf (x, y ) = .
2x 2
Por lo tanto,

0 0
Hf (0, 0) =
0 2
es una matriz semi-definida positiva

ya que
0 0 h1 2
(h1 , h2 ) = 2h2 ≥ 0.
0 2 h2
Pero, en el punto (0, 0), f no tiene ningún extremo relativo:
Condición suficiente para la existencia de extremos relativos. Sea f : A ⊂ Rn → R tal que f ∈ C 2 (B(x0 , R))
con x0 ∈ A y R > 0. Si ∇f (x0 ) = 0 y Hf (x0 ) es una matriz definida positiva (definida negativa), entonces f
tiene x0 un mı́nimo relativo estricto (máximo relativo estricto).
Observación. Si queremos calcular los extremos relativos de f : A ⊂ Rn → R, lo que haremos será:
1 Obtenemos los puntos crı́ticos, esto es C = {x ∈ A : ∇f (x0 ) = 0}.
2 Para cada punto x0 crı́tico de f , calculamos Hf (x0 ) y:
1 Si Hf (x0 ) no es definida, entonces f no presenta extremo relativo en x0 .
2 Si Hf (x0 ) es definida positiva, entonces f presenta un mı́nimo relativo estricto en x0 .
3 Si Hf (x0 ) es definida negativa, entonces f presenta un máximo relativo estricto en x0 .

Ejemplo. Calculemos los extremos relativos de la siguiente función:

3 3
f (x, y ) = x + 3xy + y .
2 2
Primero, observemos que f ∈ C (R ), además:
2 2
∇f (x, y ) = (3x + 3y , 3x + 3y ),
de forma que ∇f (x, y ) = (0, 0) es equivalente a que:
3x 2 + 3y = 0 ⇔ −y = x 2 ,
3x + 3y 2 = 0 ⇔ −x = y 2 .
Por lo tanto, los únicos puntos crı́ticos son (0, 0) y (−1, −1). Ahora bien:

6x 3
Hf (x, y ) = ,
3 6y
por lo tanto:

0 3 −6 3
Hf (0, 0) = , Hf (−1, −1) = .
3 0 3 −6
Se tiene que:
En el caso de Hf (0, 0), ∆1 = 0 y ∆2 = −9, por lo tanto, la matriz no es ni definida positiva ni definida
negativa.
En el caso de Hf (−1, −1), ∆1 = −6 y ∆2 = 27, por lo tanto, la matriz de Hesse es definida negativa ya
que (−1)1 ∆1 > 0 y (−1)2 ∆2 > 0. Entonces f tiene en el (−1, −1) un máximo relativo estricto.

Ejemplo. Calculemos los extremos de la función

3 2 2 2
f : (x, y , z) ∈ R −→ f (x, y , z) = x + y + z + xy − x + y + z.
Seguiremos el siguiente esquema.
1 Obtención de los puntos crı́ticos. Comencemos calculando el gradiente:
∇f (x, y , z) = (2 x + y − 1, x + 2 y + 1, 2 z + 1) .
En este caso sólo tenemos un punto crı́tico, el (1, −1, −1/2).
2 Análisis de los puntos crı́ticos. Calculamos la matriz de Hesse:
 
2 1 0
Hf (x, y , z) =  1 2 0  ,
0 0 2
que es constante. Se tendrá que ∆1 = 2, ∆2 = 3 y ∆3 = 6, por lo tanto, la matriz es definida positiva y
tenemos en (1, −1, −1/2) un mı́nimo relativo.

Ejemplo. Calculemos los extremos relativos de la siguiente función f (x, y ) = x 2 y + 2xy − y 2 − 3y ,

1 Obtención de los puntos crı́ticos. Comencemos calculando el gradiente:

2
∇f (x, y ) = 2 x y + 2 y , x + 2 x − 2 y − 3 ,
ahora veamos en que puntos se anula:

 2 y + 2 x y = 0,
∇f (x, y ) = (0, 0) ⇔
 2
x + 2 x − 2 y − 3 = 0.
Se tendrá que las soluciones del sistema anterior son los puntos (1, 0), (−1, −2) y (−3, 0)
2 Análisis de los puntos crı́ticos. Una vez obtenido los puntos crı́ticos, veamos, con la ayuda de la matriz de
Hesse, si alguno es un extremo relativo. Comencemos calculando la matriz de Hesse:

2y 2x + 2
Hf (x, y ) =
2x + 2 −2
y evaluémosla en cada uno de los puntos crı́ticos:
▶ En el punto crı́tico (1, 0):

0 4
Hf (1, 0) = ,
4 −2
∆1 = 0 y que ∆2 = −16, la matriz de Hesse es indefinida, no tenemos ningún extremo relativo.
▶ En el punto crı́tico (−1, −2):

−4 0
Hf (−1, −2) = ,
0 −2
∆1 = −4 y que ∆2 = 8, la matriz de Hesse es definida negativa, tenemos un máximo relativo.

▶ En el punto crı́tico (−3, 0):

0 −4
Hf (−3, 0) = ,
−4 −2
∆1 = 0 y que ∆2 = −16, la matriz de Hesse es indefinida, no tenemos ningún extremo relativo.

Operadores diferenciales en coordenada cartesianas
Operadores diferenciales en coordenadas cartesianas

Operador gradiente. Dado un campo escalar ϕ : Rn −→ R diferenciable, se define su gradiente, ∇ϕ, de la
siguiente forma:

∂ϕ ∂ϕ ∂ϕ ∂ϕ ∂ϕ ∂ϕ
∇ϕ(x) = , ,..., = e1 + e2 + . . . + en ,
∂x1 ∂x2 ∂xn ∂x1 ∂x2 ∂xn
donde {e1 , e2 , . . . , en } son los vectores de la base canónica de Rn .
Ejemplo. Dado el campo escalar ϕ(x, y ) = x 2 exy , su gradiente será:

∂ϕ ∂ϕ xy 2 xy 3 xy xy 2 xy 3 xy
∇ϕ = , = (2xe + x y e , x e ) = 2xe + x y e e1 + x e e2 ,
∂x ∂y
donde:
e1 = (1, 0),
e2 = (0, 1).
Ejemplo. Dado el campo escalar ϕ(x, y , z) = xy + z, su gradiente será:

∂ϕ ∂ϕ ∂ϕ
∇ϕ = , , = (y , x, 1) = y e1 + xe2 + e3 ,
∂x ∂y ∂z
donde:
e1 = (1, 0, 0),
e2 = (0, 1, 0),
e3 = (0, 0, 1).

Operdador divergencia. Dado un campo vectorial F : Rn −→ Rn , se define el operador divergencia ∇ · F:

∂F1 ∂F2 ∂Fn
+∇·F= + ··· + ,
∂x1 ∂x2 ∂xn
donde F1 , F2 , ..., Fn , son las componentes del campo vectorial F.
2
Ejemplo. Dado el campo vectorial F(x, y ) = ( x y , cos(xy )), su divergencia será:
|{z} | {z }
F1 F2
∂F1 ∂F2
∇·F= + = 2xy + x cos(xy ).
∂x ∂y
2
Ejemplo. Dado el campo vectorial F(x, y , x) = ( x y , y , zx ), su divergencia será:
|{z} |{z} |{z}
F1 F2 F3
∂F1 ∂F2 ∂F3

∇·F= + + = 2xy + 1 + x.
∂x ∂y ∂z

Operador rotacional. Dado un campo vectorial F : R3 −→ R3 , se define su rotacional ∇ × F como:

e1 e2 e3
∂ ∂F3 ∂F2 ∂F3 ∂F1 ∂F2 ∂F1
∇ × F = ∂x ∂
∂y
∂
∂z = − e1 − − e2 + − e3 .
F1 F2 F3 ∂y ∂z ∂x ∂z ∂x ∂y
Operador rotacional bidimensional. Dado un campo vectorial en R2 , F(x, y ) = (F1 (x, y ), F2 (x, y )), podemos
calcular su rotacional si lo identificamos con el campo en R3 eF(x, y , z) = (F1 (x, y ), F2 (x, y ), 1):

e1 e2 e3
∂F2 ∂F1
∇×e F = ∂
∂x
∂
∂y
∂
∂z = − e3
F1 (x, y ) F2 (x, y ) 1 | ∂x {z ∂y }
∇×F
2
Ejemplo. Dado el campo vectorial F(x, y , z) = ( 3xy , yz , z ), su rotacional será:
|{z} |{z} |{z}

e1 e2 e3
∂

∇ × F = ∂x ∂
∂y
∂
∂z = −y e1 − 3xe3 = (−y , 0, −3x)
3xy yz z2
Ejemplo. Dado el campo vectorial F(x, y ) = (x 2 y , y cos(x)), su rotacional bidimensional será:

2
∇ × F = −y sen(x) − x .

Operador laplaciano en coordenadas cartesianas. Dado un campo escalar ϕ : Rn −→ R suficientemente

regular, se define el operador laplaciano ∆ϕ:
∂2ϕ ∂2ϕ ∂2ϕ

∆ϕ = + + ... + .
∂x12 ∂x22 ∂xn2
Ejemplo. Dado el campo escalar ϕ(x, y ) = x sen(x 2 + y ), su laplaciano será:
∂2ϕ ∂2ϕ
2 3 2 2
∆ϕ = + = 6 x cos x + y − 4 x sen x + y − x sen x + y .
∂x 2 ∂y 2
2z3
Ejemplo. Dado el campo escalar ϕ(x, y , z) = xyzexy , su laplaciano será:
2 2 2
∂ ϕ ∂ ϕ ∂ ϕ
∆ϕ = + +
∂x 2 ∂y 2 ∂z 2
3 4 x y2 z3 2 4 x y2 z3 5 7 x y2 z3
= 2y z e + 6x y z e +xy z e
2 z3 2 z3 2 z3
+12 x 2 y 3 z 2 ex y + 4 x 3 y 3 z 7 ex y + 9 x 3 y 5 z 5 ex y

Operadores diferenciales en coordenadas polares

Cambio de variable a polares. Supongamos que tenemos un campo escalar ϕ : R2 −→ R. Si realizamos el
cambio de variable a coordenadas polares en el campo escalar ϕ:
ϕ(x, y ) = ϕ(ρ, θ),

por lo tanto, puesto que las coordenadas ρ y θ dependen de x e y :
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ
= + ,
∂x ∂ρ ∂x ∂θ ∂x
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ
= + .
∂y ∂ρ ∂y ∂θ ∂y
2 2 2
Ahora, ρ = x + y y tan(θ) = y /x, por lo tanto:
∂ρ ∂ρ ∂ρ ∂ρ
2ρ = 2x ⇒ = cos(θ), 2ρ = 2y ⇒ = sen(θ),
∂x ∂x ∂y ∂y
1 ∂θ y ∂θ sen(θ) 1 ∂θ 1 ∂θ cos(θ)
=− 2 ⇒ =− , = ⇒ = .
cos(θ)2 ∂x x ∂x ρ cos(θ)2 ∂y x ∂y ρ
Con lo cual:
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ sen(θ) ∂ϕ
= + = cos(θ) − ,
∂x ∂ρ ∂x ∂θ ∂x ∂ρ ρ ∂θ
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ cos(θ) ∂ϕ
= + = sen(θ) + .
∂y ∂ρ ∂y ∂θ ∂y ∂ρ ρ ∂θ

Operador gradiente en coordenadas polares.

∂ϕ ∂ϕ sen(θ) ∂ϕ ∂ϕ cos(θ)
∇ϕ = cos(θ) − e1 + sen(θ) + e2
∂ϕ 1 ∂ϕ
= (cos(θ)e1 + sen(θ)e2 ) + (− sen(θ)e1 + cos(θ)e2 ) .
∂ρ ρ ∂θ
∂ϕ 1 ∂ϕ
eρ +
= eθ ,
∂ρ ρ ∂θ
donde eρ y eθ son, respectivamente, los vectores normal asociados al sistema de coordenadas polares:
eρ = + cos(θ)e1 + sen(θ)e2
eθ = − sen(θ)e1 + cos(θ)e2
Ejemplo. Consideremos el siguiente campo escalar:

1 2 2

ϕ(x, y ) = x +y
2
Haciendo el cambio de variable a coordenadas polares
1 2
ϕ(ρ, θ) = ρ ,
2
por lo tanto:
∂ϕ 1 ∂ϕ
∇ϕ = eρ + eθ = ρeρ .
∂ρ ρ ∂θ

Operador divergencia en coordenadas polares.

∂F1 ∂F2
∇·F= + ,
∂x ∂y
ahora,
∂F1 ∂F1 ∂ρ ∂F1 ∂θ
= + ,
∂x ∂ρ ∂x ∂θ ∂x
∂F2 ∂F2 ∂ρ ∂F2 ∂θ
= + .
∂y ∂ρ ∂y ∂θ ∂y
Por lo tanto:
∂F1 ∂ρ ∂F1 ∂θ ∂F2 ∂ρ ∂F2 ∂θ
∇·F=
+ + + ,
∂ρ ∂x ∂θ ∂x ∂ρ ∂y ∂θ ∂y
empleando los resultados que hemos obtenido en la subsección precedente:
∂F1 ∂F1 sen(θ) ∂F2 ∂F2 cos(θ)

∇·F=
cos(θ) − + sen(θ) + .
Ahora, si tenemos en cuenta las componentes del campo vectorial F en los vectores normales eρ y eθ ,
Fρ = F · eρ = + cos(θ)F1 + sen(θ)F2
Fθ = F · eθ = − sen(θ)F1 + cos(θ)F2 ,
podemos escribir la expresión para la divergencia en función de las componentes polares del campo como:
1 ∂(ρFρ ) 1 ∂Fθ
∇·F= +
ρ ∂ρ ρ ∂θ

Operador laplaciano en coordenadas polares. Realizando el cambio de variable correspondiente y empleando la

regla de la cadena:

∂2ϕ ∂ ∂ϕ ∂ρ ∂ϕ ∂θ
2
= +
∂x ∂x ∂ρ ∂x ∂θ ∂x
2 2
∂2ϕ ∂ρ ∂2ϕ ∂θ ∂ϕ ∂ 2 ρ ∂ϕ ∂ 2 θ ∂ 2 ϕ ∂θ ∂ρ
= + + + +2
∂ρ2 ∂x ∂θ 2 ∂x ∂ρ ∂x 2 ∂θ ∂x 2 ∂θ∂ρ ∂x ∂x

∂2ϕ ∂ ∂ϕ ∂ρ ∂ϕ ∂θ
= +
∂y 2 ∂y ∂ρ ∂y ∂θ ∂y
2 2
∂2ϕ ∂ρ ∂2ϕ ∂θ ∂ϕ ∂ 2 ρ ∂ϕ ∂ 2 θ ∂ 2 ϕ ∂θ ∂ρ
= + + + +2 ,
∂ρ2 ∂y ∂θ 2 ∂y ∂ρ ∂y 2 ∂θ ∂y 2 ∂θ∂ρ ∂y ∂y
obteniendo:
∂2ϕ ∂2ϕ 1 ∂ ∂ϕ 1 ∂2ϕ
∆ϕ = 2
+ = ρ + .
∂x ∂y 2 ρ ∂ρ ∂ρ ρ2 ∂θ 2

Operadores diferenciales en coordenada esféricas
Operadores diferenciales en coordenadas esféricas

Cambio de variable a esféricas. Consideremos un campo escalar ϕ : R3 −→ R y realicemos un cambio de
variable a coordenadas esféricas:
ϕ(x, y , z) = ϕ(ρ, θ, φ).
Se tiene que:
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ ∂φ
= + + ,
∂x ∂ρ ∂x ∂θ ∂x ∂φ ∂x
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ ∂φ
= + + ,
∂y ∂ρ ∂y ∂θ ∂y ∂φ ∂y
∂ϕ ∂ϕ ∂ρ ∂ϕ ∂θ ∂ϕ ∂φ
= + + .
∂z ∂ρ ∂z ∂θ ∂z ∂φ ∂z
2 2 2 2
Ahora, ρ = x + y + z , cos(θ) = z/ρ y tan(φ) = y /x, por lo tanto:
∂ρ ∂ρ
2ρ = 2x ⇒ = sen(θ) cos(φ),
∂x ∂x
análogamente:
∂ρ ∂ρ
= sen(θ) sen(φ), = cos(θ).
∂y ∂z
Por otro lado:
∂θ z ∂ρ ρ cos(θ) ∂θ 1
− sen(θ) =− 2 =− sen(θ) cos(φ) ⇒ = cos(θ) cos(φ),
∂x ρ ∂x ρ2 ∂x ρ
análogamente:
∂θ 1 ∂θ 1
= cos(θ) sen(φ), = − sen(θ).
∂y ρ ∂z ρ
Por último:
1 ∂φ y ∂φ 1 sen(φ)
=− 2 ⇒ =− ,
cos(φ)2 ∂x x ∂x ρ sen(θ)
análogamente:
∂φ 1 cos(φ) ∂φ
= , = 0.
∂y ρ sen(θ) ∂z
Por lo tanto:

∂ϕ ∂ϕ 1 ∂ϕ 1 sen(φ)
∇ϕ = sen(θ) cos(φ) + cos(θ) cos(φ) − e1
∂ρ ∂θ ρ ∂φ ρ sen(θ)
∂ϕ ∂ϕ 1 ∂ϕ 1 cos(φ)
= sen(θ) sen(φ) + cos(θ) sen(φ) + e2
∂ρ ∂θ ρ ∂φ ρ sen(θ)
∂ϕ ∂ϕ 1
= cos(θ) − sen(θ) e3 ,
∂ρ ∂θ ρ
agrupando factores:
∂ϕ
∇ϕ = (sen(θ) cos(φ)e1 + sen(θ) sen(φ)e2 + cos(θ)e3 )
∂ρ
1 ∂ϕ
= (cos(θ) cos(φ)e1 + cos(θ) sen(φ)e2 − sen(θ)e3 )
ρ ∂θ
1 ∂ϕ
= (sen(φ)e1 + cos(φ)e2 ).
ρ sen(θ) ∂φ

Si tenemos en cuenta los vectores normales eρ , eθ y eφ asociados al sistema de coordenadas esféricas:
eρ = sen(θ) cos(φ)e1 + sen(θ) sen(φ)e2 + cos(θ)e3 ,
eθ = cos(θ) cos(φ)e1 + cos(θ) sen(φ)e2 − sen(θ)e3 ,
eφ = sen(φ)e1 + cos(φ)e2 ,
obtenemos la siguiente expresión para el operador gradiente en coordenadas esféricas:
∂ϕ 1 ∂ϕ 1 ∂ϕ
∇ϕ = eρ + eθ + eφ .
∂ρ ρ ∂θ ρ sen(θ) ∂φ
Ejemplo. Consideremos el siguiente campo escalar:

1 2 2 2
(2z − x − y )
ϕ(x, y , z) =
2
y calculemos su gradiente en coordenadas esféricas. Realizando el cambio de variable:
1 2 2 2

ϕ(ρ, θ, φ) = 3ρ cos(θ) − ρ ,
2
por lo tanto:
∂ϕ 1 ∂ϕ 1 ∂ϕ
∇ϕ = eρ + eθ + eφ
∂ρ ρ ∂θ ρ sen(θ) ∂φ

2
= ρ 3 cos(θ) − 1 eρ − 3ρ cos(θ) sen(θ)eθ .

Operador divergencia en coordenadas esféricas. Se obtiene de forma análoga a los casos anteriores,
simplemente daremos su expresión:
1 ∂(ρ2 Fρ ) 1 ∂(sen(θ)Fθ ) 1 ∂Fφ

∇·F= + + ,
ρ2 ∂ρ ρ sen(θ) ∂θ ρ sen(θ) ∂φ
donde:
Fρ = sen(θ) cos(φ)F1 + sen(θ) sen(φ)F2 + cos(θ)F3 ,
Fθ = cos(θ) cos(φ)F1 + cos(θ) sen(φ)F2 − sen(θ)F3 ,
Fφ = sen(φ)F1 + cos(φ)F2 ,
siendo F1 , F2 y F3 las componentes del campo vectorial F.
Operador rotacional en coordenadas esféricas. Dado un campo vectorial F : R3 −→ R, la expresión para el
rotacional en coordenadas esféricas es:

eρ ρ eθ ρ sen θ eφ
1 ∂
∇×F= 2 ∂ ∂ .
ρ sen θ F
∂ρ ∂θ
ρFθ
∂φ
ρsen θ Fφ

ρ
Desarrollando la expresión anterior:

1 ∂(sen(θ)Fφ ) ∂Fθ 1 1 ∂Fρ ∂(ρFφ )
∇×F= − eρ − − eθ
ρ sen(θ) ∂θ ∂φ ρ sen(θ) ∂φ
∂ρ
1 ∂(ρFθ ) ∂Fρ
+ − eφ
ρ ∂ρ ∂θ

Operador laplaciano en coordenadas esféricas. Dado un campo escalar ϕ : R3 −→ R, la expresión del

laplaciano en coordenadas esféricas es:

1 ∂ 2 ∂ϕ 1 ∂ ∂ϕ 1 ∂2ϕ
∆ϕ = ρ + sen θ +
ρ2 ∂ρ ∂ρ ρ2 sen θ ∂θ ∂θ ρ2 sen2 θ ∂φ2

4 Calculo Diferencial

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4 Calculo Diferencial

Cargado por

Copyright:

Formatos disponibles

Cálculo 1.

4. Cálculo diferencial de una y varias variables.

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 1 / 78

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 2 / 78

Definición de derivada y propiedades

Observación. Otra forma equivalente de definir el concepto de derivada es:

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 3 / 78

Función derivable. Diremos que la función f es derivable en I si f es derivable en cada punto de I .

′ f (x) − f (a) ′ f (x) − f (a)

′ f (x) − f (0) x ′ f (x) − f (0) −x

Observación. Debemos tener en cuenta las siguientes observaciones:

(1) (1 f (x) − f (a) f (a + h) − f (a)

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 4 / 78

Ejemplo. Veamos algunos ejemplos de funciones derivadas.

2 Dada f (x) = ax + b, se tiene que f ′ (x) = a:

f (x) − f (x0 ) ax + b − ax0 − b a(x − x0 )

f (x) − f (x0 ) x 2 − x02 (x − x0 )(x + x0 )

Derivabilidad implica continuidad. Si una función f , definida en un intervalo I , es derivable en un punto a ∈ I ,

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 5 / 78

Ejemplo. Dado n ∈ N, f : x ∈ R → f (x) = x n ∈ R es tal que f ′ (x) = nx n−1 (inducción).

Generalización del ejemplo anterior. Si f : I → R es derivable en x ∈ I , entonces, ∀n ∈ N, f (x)n es derivable

Ejemplo. Vamos a continuación una serie de ejemplos:

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 7 / 78

La función f (x) = ex = y tiene inversa f −1 (y ) = log(y ) = x. Ya que f ′ (x) = ex , se tiene que

Derivada logarı́tmica. Sea y = f (x) con f (x) positiva,

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 8 / 78

Ejemplo. Sea f (x) = x x ,

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 9 / 78

Funciones crecientes y decrecientes. Extremos relativos

Observación. Algunas consideraciones que es necesario tener en cuenta:

Tampoco se cumple si f no es derivable: f (x) = |x| tiene un mı́nimo en x = 0, pero no es derivable en 0:

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 11 / 78

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 12 / 78

Derivadas de orden superior

f n−1) (x) − f n−1) (x0 ) n)

Función continuamente diferenciable. Si f : I ⊂ R → R es derivable en I y la función derivada de f es

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 14 / 78

Ejemplo Consideremos la función f (x) = (x − 1)2 (x + 1).

Analicemos los extremos relativos:

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 15 / 78

t(x) = x 1/4 t(x) = x 1/4

Función cóncava. Diremos que f : (a, b) ⊂ R → R diferenciable en un punto x0 es cóncava en el punto

t(x) = 5/4 + x t(x) = 5/4 x

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 17 / 78

Cóncava f (x) = x3 /10 x

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 18 / 78

Concavidad/convexidad/puntos de inflexión de funciones. Sea f : U ⊂ R −→ R una función definida en un

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 19 / 78

Teorema de Rolle Sea f : [a, Teoremas R −→ R una

cos(⇡/2) = cos(3⇡/2) = 0. (2)

Hay dos puntos en los cuales la derivada se anula.

función f (x) = |x| cumple que f (−1) = ff (1), (x) = 5xpero

Ejemplo. Empleando el teorema de Rolle y el teorema de Bolzano, veamos que la ecuación:

Teoremas fundamentales del cálculo diferencial.

sen(y ) − sen(x) = cos(x0 )(x − y ).

| sen(y ) − sen(x)| = | cos(x0 )||x − y | ≤ |x − y |.

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 22 / 78

′ f ′′ (x0 ) 2 f (n) (x0 ) n

′ f ′′ (0) 2 f (n) (0) n

Caso n = 1, en este caso:

P1,0 (x) = sen(0) + cos(0) x = x.

− sen(0) 2 − cos(0) 3 sen(0) 4 cos(0) 5

4. Cálculo diferencial de una y varias variables. Cálculo 1. 15 de septiembre de 2022 24 / 78

৷1 )৽* > ৬ )৽1 * , ৬ າ )৽1 )৽ Ҥ ৽1

৷2 )৽* > ৬ )৽2 * , ৬ າ )৽2 )৽ Ҥ ৽2