Analisis Vectorial

Apuntes de
AN
ALISIS VECTORIAL I
Hector Fiel
23 de junio de 2010
1
Esta obra esta liberada bajo la licencia Creative Commons CC-BY-NC-SA 3.0
http://creativecommons.org/licenses/by-nc-sa/3.0/es/
2
Nota preliminar:
Estos apuntes se crearon para la asignatura de Analisis Vectorial I impartida en la
ETSIT de Malaga en el primer curso de Ingeniera Superior de Telecomunicacion. Con-
cretamente pertenecen al curso 2003-2004, y fueron tomados en las clases de D
a
Gloria
Galan, a la que agradezco desde aqu su papel como profesora.
Estos apuntes se suministran tal cual. Se ha intentado en la medida de lo posible
eliminar todas las erratas, pero no se puede garantizar su correccion. En caso de detectar
alg un error, o si se tiene alguna sugerencia, te ruego me escribas a contacto@hel.es.
Con respecto a su utilizacion, se liberan bajo la licencia Creative Commons CC BY-
NC-ND 3.0, y por lo tanto cualquiera puede usarlos de forma libre y gratuita, siempre y
cuando se cumplan las condiciones que establece dicha licencia.
Hector Fiel - Junio de 2010.
Indice general
I Campos Escalares y Vectoriales 8
1. Introduccion a R
n
9
1.1. Denicion de R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2. Notacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3. Estructura de R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4. Topologa de R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5. Deniciones de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6. Propiedades de los conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7. Ejercicios de ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2. Campos escalares y vectoriales 16
2.1. Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2. Notacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3. Dominios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.1. Dominio de un campo escalar . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2. Dominio de un campo vectorial . . . . . . . . . . . . . . . . . . . . . 17
2.4. Representacion de campos: Ecuaciones . . . . . . . . . . . . . . . . . . . . . 18
2.5. Representacion de campos escalares . . . . . . . . . . . . . . . . . . . . . . 21
2.5.1. Curvas de nivel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.2. Supercies de nivel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.6. Lmites de campos escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.6.1. Notacion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.6.2. Propiedades:

Algebra de lmites . . . . . . . . . . . . . . . . . . . . . 22
2.6.3. Tecnicas de calculo de lmites . . . . . . . . . . . . . . . . . . . . . . 22
2.7. Lmites de Campos Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.8. Continuidad en campos escalares . . . . . . . . . . . . . . . . . . . . . . . . 31
2.9. Continuidad en campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . 31
2.9.1. Teorema de la continuidad de los campos vectoriales . . . . . . . . . 32
2.10. Composicion de funciones de varias variables . . . . . . . . . . . . . . . . . 32
2.10.1. Continuidad en composicion de funciones de varias variables . . . . . 32
II Derivaci on 33
3. Derivacion en campos escalares y vectoriales 34
3.1. Derivadas parciales de un campo escalar . . . . . . . . . . . . . . . . . . . . 34
3
INDICE GENERAL 4
3.1.1. Funciones derivada parcial . . . . . . . . . . . . . . . . . . . . . . . . 34
3.1.2. Notacion en R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.1.3. Derivadas de orden superior . . . . . . . . . . . . . . . . . . . . . . . 35
3.1.4. Derivadas parciales cruzadas . . . . . . . . . . . . . . . . . . . . . . 35
3.1.5. Teorema de Schwartz . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2. Derivadas parciales y continuidad . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3. Derivada direccional de un campo escalar . . . . . . . . . . . . . . . . . . . 37
3.4. Diferenciablidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.5. Diferenciabilidad de campos escalares . . . . . . . . . . . . . . . . . . . . . 39
3.6. Teorema de unicidad de la diferencial . . . . . . . . . . . . . . . . . . . . . . 39
3.7. Teorema de continuidad en campos diferenciables . . . . . . . . . . . . . . . 40
3.8. Teorema de condicion suciente de diferenciabilidad . . . . . . . . . . . . . 40
3.9. Pasos para estudiar la diferenciablidad de un campo . . . . . . . . . . . . . 41
3.10. Vector gradiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.11. Matriz asociada a una aplicacion lineal . . . . . . . . . . . . . . . . . . . . . 43
3.12. Diferenciablidad y derivadas direccionales . . . . . . . . . . . . . . . . . . . 43
3.12.1. Demostracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.13. Vector gradiente y supercies de nivel . . . . . . . . . . . . . . . . . . . . . 45
3.13.1. Calculo del plano tangente a una supercie en un punto . . . . . . . 46
3.14. Aproximacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.14.1. Interpretacion geometrica de la aproximacion lineal . . . . . . . . . . 47
3.15. Diferenciabilidad en campos vectoriales . . . . . . . . . . . . . . . . . . . . 47
3.15.1. Teorema de diferenciabilidad de campos vectoriales . . . . . . . . . . 47
3.16. Matriz asociada a la diferencial en un campo vectorial . . . . . . . . . . . . 48
3.16.1. Teorema para el calculo de la matriz Jacobiana . . . . . . . . . . . . 48
3.16.2. La matriz Jacobiana como generalizacion de la derivada . . . . . . . 48
3.17. El operador diferencial nabla . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.18. Operaciones con en campos vectoriales . . . . . . . . . . . . . . . . . . . 49
3.18.1. Divergencia de un campo vectorial . . . . . . . . . . . . . . . . . . . 49
3.18.2. Rotacional de un campo vectorial . . . . . . . . . . . . . . . . . . . . 49
3.18.3. Laplaciano de un campo vectorial . . . . . . . . . . . . . . . . . . . . 49
3.18.4. Interpretacion fsica de los operadores . . . . . . . . . . . . . . . . . 49
4. Diferenciablidad de campos por composicion 50
4.1. Regla de la cadena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2. Derivadas sucesivas de la composicion . . . . . . . . . . . . . . . . . . . . . 52
5. Diferenciablidad de funciones implcitas 54
5.1. Determinante jacobiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2. Funcion Implcita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2.1. Notacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3. Teorema de la funcion implcita . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.3.1. Exigencias y consideraciones del teorema . . . . . . . . . . . . . . . 55
5.3.2. Demostracion y ejemplo de la regla de la cadena . . . . . . . . . . . 56
5.4. Sistemas de ecuaciones implcitas . . . . . . . . . . . . . . . . . . . . . . . . 57
5.5. Derivadas parciales y diferencial total . . . . . . . . . . . . . . . . . . . . . 59
5.6. Derivadas sucesivas de la funcion implcita . . . . . . . . . . . . . . . . . . . 60
INDICE GENERAL 5
5.7. Teorema de la funcion inversa . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.8. Teorema de Taylor para campos escalares . . . . . . . . . . . . . . . . . . . 63
5.8.1. Expresion de E
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.8.2. Teorema de Taylor para f : R
n
R . . . . . . . . . . . . . . . . . . 64
5.8.3. Calculo del polinomio de Taylor de una funcion denida implcitamente 65
6. Extremos de campos escalares 66
6.1. Maximos y mnimos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.2. Existencia de extremos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.2.1. Teorema de Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.3. Localizacion de extremos absolutos y relativos . . . . . . . . . . . . . . . . . 67
6.3.1. Teorema de localizacion . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.3.2. Punto crtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.3.3. Interpretacion geometrica de los puntos crticos . . . . . . . . . . . . 67
6.3.4. Anotacion al teorema de localizacion . . . . . . . . . . . . . . . . . . 68
6.3.5. Punto de silla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.3.6. Donde puede haber extremos? . . . . . . . . . . . . . . . . . . . . . 68
6.3.7. Localizacion de extremos absolutos . . . . . . . . . . . . . . . . . . . 68
6.4. Localizacion de extremos relativos . . . . . . . . . . . . . . . . . . . . . . . 69
6.4.1. Matriz Hessiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.4.2. Criterio de clasicacion de puntos crticos . . . . . . . . . . . . . . . 69
6.4.3. Demostracion del criterio de clasicacion . . . . . . . . . . . . . . . 70
6.4.4. Generalizacion del criterio de clasicacion . . . . . . . . . . . . . . . 71
6.5. Extremos condicionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.6. Metodo de los multiplicadores de Lagrange . . . . . . . . . . . . . . . . . . 74
6.6.1. Expresion general del problema de los extremos condicionados . . . 74
6.6.2. Metodo de los m ultiplicadores de Lagrange para una condicion . . . 74
6.6.3. Metodo de los multiplicadores de Lagrange para varias condiciones . 75
6.6.4. Demostracion de la condicion g ,= 0 . . . . . . . . . . . . . . . . . 75
6.6.5. Metodo de los multiplicadores de Lagrange para extremos absolutos
condicionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.6.6. Metodo de los multiplicadores de Lagrange para extremos relativos
condicionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
III Integracion 79
7. Integral de Lnea 80
7.1. La integral de lnea como extension del concepto de integral . . . . . . . . . 80
7.2. Funciones vectoriales en R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . 80
7.3. Representacion graca de funciones vectoriales . . . . . . . . . . . . . . . . 81
7.4. Funciones vectoriales regulares . . . . . . . . . . . . . . . . . . . . . . . . . 81
7.5. Denicion de la integral de lnea . . . . . . . . . . . . . . . . . . . . . . . . 82
7.5.1. Notaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
7.6. Expresion de la integral de lnea . . . . . . . . . . . . . . . . . . . . . . . . 82
7.6.1. Formas diferenciales . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
7.7. Propiedades de las integrales de lnea . . . . . . . . . . . . . . . . . . . . . . 84
INDICE GENERAL 6
7.7.1. Notacion para curvas cerradas . . . . . . . . . . . . . . . . . . . . . 84
7.8. Campos gradientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.9. Conjunto conexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.9.1. Conjunto simplemente conexo . . . . . . . . . . . . . . . . . . . . . . 85
7.9.2. Conjunto convexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.10. Teorema de los campos gradientes . . . . . . . . . . . . . . . . . . . . . . . 85
7.11. Condicion necesaria para que un campo sea un gradiente . . . . . . . . . . . 88
7.12. Condicion necesaria y suciente para que un campo sea un gradiente . . . . 90
7.13. Calculo de un potencial asociado a un gradiente . . . . . . . . . . . . . . . . 90
8. Integrales dobles 96
8.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
8.2. Sumas de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
8.3. Integrales dobles en funcion de Sumas de Riemann . . . . . . . . . . . . . . 97
8.3.1. Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8.3.2. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8.4. Interpretacion geometrica de la integral doble . . . . . . . . . . . . . . . . . 98
8.5. Calculo de integrales dobles por integracion iterada . . . . . . . . . . . . . . 98
8.6. Teorema de la existencia de la
__
. . . . . . . . . . . . . . . . . . . . . . . . 99
8.7. Recintos de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
8.8. Teorema de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
8.8.1. Demostracion para recintos de tipo I . . . . . . . . . . . . . . . . . . 100
8.9. Cambio de orden de integracion . . . . . . . . . . . . . . . . . . . . . . . . . 101
8.10. Cambios de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
8.11. Transformacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
8.11.1. Aplicacion de la transformacion lineal . . . . . . . . . . . . . . . . . 104
8.12. Integrales dobles impropias . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.12.1. Integrales dobles impropias en recintos no acotados . . . . . . . . . . 105
8.12.2. Integrales dobles impropias con f(x, y) no acotado en el dominio . . 105
8.12.3. Ejemplos de integrales dobles impropias . . . . . . . . . . . . . . . . 105
9. Integrales Triples 107
9.1. Integrales triples y sumas de Riemann . . . . . . . . . . . . . . . . . . . . . 107
9.2. Calculo de integrales triples por integracion iterada . . . . . . . . . . . . . . 107
9.3. Teorema de Fubini para integrales triples . . . . . . . . . . . . . . . . . . . 107
9.4. Interpretacion geometrica de la integral triple . . . . . . . . . . . . . . . . . 108
9.5. Cambios de variable en integrales triples . . . . . . . . . . . . . . . . . . . . 109
9.5.1. Transformacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 109
9.5.2. Coordenadas cilndricas . . . . . . . . . . . . . . . . . . . . . . . . . 109
9.5.3. Coordenadas esfericas . . . . . . . . . . . . . . . . . . . . . . . . . . 110
9.5.4. Variante para las coordenadas esfericas . . . . . . . . . . . . . . . . 111
9.5.5. Ejemplos de cambios de variable . . . . . . . . . . . . . . . . . . . . 111
9.6. Integrales triples impropias . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.7. Integral m ultiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
10.Integracion y curvas en polares 115
INDICE GENERAL 7
11.Integrales de supercie 121
11.1. Representacion de supercies . . . . . . . . . . . . . . . . . . . . . . . . . . 121
11.1.1. Clasicacion de supercies parametricas . . . . . . . . . . . . . . . . 122
11.1.2. Producto vectorial fundamental . . . . . . . . . . . . . . . . . . . . . 123
11.1.3. Clasicacion de los puntos de una supercie parametrica . . . . . . . 123
11.1.4. Supercies regulares . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
11.1.5. Uso de las coordenadas como parametros . . . . . . . . . . . . . . . 124
11.2.

Area de una supercie parametrica . . . . . . . . . . . . . . . . . . . . . . . 125
11.2.1. Caso particular con parametros (x, y) . . . . . . . . . . . . . . . . . 125
11.2.2. Caso particular con funciones implcitas . . . . . . . . . . . . . . . . 126
11.2.3. Ejemplos de calculo de areas . . . . . . . . . . . . . . . . . . . . . . 127
11.3. Integral de supercie de un campo escalar . . . . . . . . . . . . . . . . . . . 128
11.3.1. Caso particular con parametros (x, y) . . . . . . . . . . . . . . . . . 128
11.4. Cambio de representacion parametrica . . . . . . . . . . . . . . . . . . . . . 129
12.Integrales de ujo 130
12.1. La integral de ujo como integral de supercie . . . . . . . . . . . . . . . . 130
12.2. Notacion mediante cosenos directores . . . . . . . . . . . . . . . . . . . . . . 131
12.2.1. Caso para expresiones explcitas de S . . . . . . . . . . . . . . . . . 131
12.2.2. Traslado del caracter vectorial de n . . . . . . . . . . . . . . . . . . . 132
12.3. Ejemplos de integral de ujo . . . . . . . . . . . . . . . . . . . . . . . . . . 132
13.Teoremas integrales 137
13.1. Teorema de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
13.1.1. Curva de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
13.1.2. Teorema de Green-Riemann . . . . . . . . . . . . . . . . . . . . . . . 137
13.1.3. Demostracion del teorema de Green . . . . . . . . . . . . . . . . . . 138
13.1.4. Funcion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
13.1.5. Funcion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
13.1.6. Ejemplos del teorema de Green . . . . . . . . . . . . . . . . . . . . . 140
13.2. Teorema de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
13.2.1. Ejemplo del teorema de Stokes . . . . . . . . . . . . . . . . . . . . . 147
13.3. Teorema de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
13.3.1. Anotacion sobre el teorema de Gauss . . . . . . . . . . . . . . . . . . 151
13.3.2. Ejemplo del teorema de Gauss . . . . . . . . . . . . . . . . . . . . . 151
Parte I
Campos Escalares y Vectoriales
8
Captulo 1
Introducci on a R
n
1.1. Denici on de R
n
Denimos R
n
como una extension de R de la siguiente forma:
R
2
: R R = (x, y)x, y R
R
3
: R R R = (x, y, z)x, y, z R
.
.
.
.
.
.
.
.
.
R
n
: R R = (x
1
, , x
n
)x
i
R, 1 x
i
n
1.2. Notaci on
Por comodidad, los elementos (x
1
, , x
n
) R
n
se expresaran en forma compacta con
la representacion de vector x:
x = (x
1
, , x
n
)
1.3. Estructura de R
n
En R
n
podemos denir las siguientes operaciones y sus propiedades:
Suma
(x
1
, , x
n
) + (y
1
, , y
n
) = (x
1
+y
1
, , x
n
+y
n
)
(x
1
, , x
n
), (y
1
, , y
n
) R
n
Producto Externo
(x
1
, , x
n
) = (x
1
, , x
n
)
R, (x
1
, , x
n
) R
n
Por las propiedades de las operaciones + y en R
n
podemos armar que (R
n
, +, )
es un espacio vectorial.
Producto Escalar
x y = (x
1
, , x
n
) (y
1
, , y
n
) = (x
1
y
1
+ +x
n
y
n
) =
n
i=1
x
i
y
i
x, y R
n
9
CAP
ITULO 1. INTRODUCCI
ON A R
N
10
Como tenemos producto escalar, podemos armar que (R
n
, +, ) es un espacio vec-
torial euclideo.
Con estas operaciones podemos denir dos nuevos conceptos:
Norma de un vector
|x| =
x x =
_
n
i=1
x
2
i
x R
n
Propiedades de la norma
|x| 0 x R
n
|x| = 0 x =
0
|x| = [ [ |x| R, x R
|x +y| |x| +|y| x, y R
n
Distancia entre dos vectores
d(x, y) = |x y| =
_
(x
1
y
1
)
2
+ + (x
n
y
n
)
2
=
_
n
i=1
(x
i
y
i
)
2
x, y R
n
Propiedades de la distancia
d(x, y) = 0 x = y
d(x, y) 0 x, y R
n
d(x, y) = d(y, x) x, y R
n
d(x, y) d(x, z) +d(z, y) x, y, z R
n
A esta ultima propiedad se le llama propiedad triangular.
1.4. Topologa de R
n
En este apartado vamos a estudiar la estructura de los subconjuntos de R
n
que se
denen a continuacion:
Bola abierta:
Sea a R
n
y sea r R, r > 0. Se dene la bola abierta B con centro a y radio r
B(a, r) como el conjunto de x R
n
:
B(a, r) = x R
n
d(a, x) < r
En R
2
sera un crculo excluida la circunferencia.
En R
3
sera una esfera excluida la supercie.
Del mismo modo podemos denir la bola cerrada:
CAP
ITULO 1. INTRODUCCI
ON A R
N
11
Bola cerrada:
B(a, r) = x R
n
d(a, x) r
La diferencia se halla en la frontera (en este caso si se incluyen la circunferencia del
crculo (en R
2
) y la supercie de la esfera (en R
3
).
Bola abierta perforada:
Es la bola abierta B(a, r) excluido el centro a:
B
(a, r) = B(a, r) a
Bola cerrada perforada:
Es la bola cerrada

B exluido el centro a:
(a, r) =

B(a, r) a
Ahora vamos a clasicar los elementos de R
n
respecto de un subconjunto A R
n
:
Punto interior:
Sea a R
n
; a es punto interior a A si esta totalmente rodeado de puntos de A, es
decir:
B(a, r)B(a, r) A
El conjunto de todos los puntos interiores al conjunto A se llama interior de A, y
se denota

A.
Punto exterior:
Sea a R
n
; a es punto exterior a A si esta totalmente rodeado de puntos que / A,
es decir:
B(a, r)B(a, r) (A
donde (A es el complementario de A.
El conjunto de todos los puntos exteriores al conjunto A se llama exterior de A y
se denota ExtA.
Punto frontera:
Sea a R
n
; a es punto frontera de A si esta rodeado de puntos de A y de (A, es
decir:
B(a, r) se tiene que
_
B(a, r) A ,=
B(a, r) (A ,=
El conjunto de los puntos frontera de A es la frontera de A y se denota FrA.
Durante la realizacion de ejercicios, y solo como comprobacion de los resultados, pueden
resultar utiles las siguientes relaciones:
1.

A FrA ExtA = R
n
2.

A A (puede coincidir o no)
3. ExtA (A (puede coincidir o no).
CAP
ITULO 1. INTRODUCCI
ON A R
N
12
4. La FrA puede o no pertenecer a A.
5. Cualquier punto de R
n
pertenece a uno de los tres subconjuntos (frontera, interior,
exterior)
Ademas de esta clasicacion, un punto puede ser otras cosas respecto de A:
Punto de adherencia:
Sea a R
n
, a es punto de adherencia de A si:
_
_
_
es de A
o
sin pertenecer a A esta muy cerca
Matematicamente, a es punto adherente si:
B(a, r) B(a, r) A ,=
PE: (0, 1] en R; 0 / R, pero pertenece a la adherencia.
El conjunto de los puntos de adherencia se llama adherencia o cierre de A y se
denota

A.
Dentro de los puntos de adherencia encontramos dos tipos:
Puntos aislados
Sea a R
n
; a es un punto aislado de A si:
B(a, r)B(a, r) A = a
o
B
(a, r)B
(a, r) A =
Puntos de acumulacion
Son los puntos de adherencia que no son aislados, o los que sin ser de A estan
muy cerca.
Sea a R
n
; a es un punto de acumulacion de A si:
B
(a, r) B
(a, r) A ,=
Estos puntos son los que cumplen el contrario de la segunda denicion de punto
aislado
El conjunto formado por todos los puntos de acumulacion se llama conjunto
derivado
1
y se denota A
.
Ahora que hemos visto todos los conceptos, veamos un ejemplo:
A = (0, 1] 2
A = (0, 1) ; ExtA = (, 0) (1, 2) (2, )

FrA = 0, 1, 2 ;

A = [0, 1] 2 ; A
= [0, 1]
1
No confundir con el concepto de derivada
CAP
ITULO 1. INTRODUCCI
ON A R
N
13
1.5. Deniciones de conjuntos
Ahora veremos las deniciones de algunos conjuntos en funcion de las propiedades de
sus elementos.
Conjunto abierto
Sea A R
n
; A es un conjunto abierto si todos sus puntos son interiores, es
decir, A =

A.
Ejemplos de conjuntos abiertos:
Una bola abierta en R
n
.
El conjunto vacio, ya que al no tener puntos, todos son interiores.
El propio R
n
es un conjunto abierto en R
n
.
Conjunto cerrado
Sea A R
n
; A es un conjunto cerrado si su complementario es abierto.
Ejemplos de conjuntos cerrados:
Una bola cerrada.
El conjunto , ya que su complementario, R
n
, es abierto.
El propio R
n
, ya que su complementario, , es abierto.
Por lo tanto, y R
n
son los unicos conjuntos que son, a la vez, abiertos y cerrados.
Son los casos triviales.
Conjunto acotado
Sea A R
n
; A es un conjunto acotado si:
B(a, r)A B(a, r)
Conjunto compacto
Sea A R
n
; A es un conjunto compacto si es a la vez cerrado y acotado.
Por ejemplo, el conjunto:
(N = (, 1) (1, 2) (2, 3)
es cerrado, (porque su complementario, N, es abierto), pero no esta acotado
1.6. Propiedades de los conjuntos
Los conjuntos que acabamos de denir cumplen las siguientes propiedades:
1. La union y la interseccion nitas de conjuntos abiertos forman un conjunto abierto.
2. La union y la interseccion nitas de conjuntos cerrados forman un conjunto cerrado.
3. La union innitade conjuntos abiertos es un conjunto abierto (de la interseccion no
puedo decir nada).
4. La interseccion innitade conjuntos cerrados es un conjunto abierto (de la union no
puedo decir nada).
CAP
ITULO 1. INTRODUCCI
ON A R
N
14
1.7. Ejercicios de ejemplo
1. Estudiar la topologa del conjunto A y dar el interior, exterior, fontera, cierre y
puntos aislados.
A = (0, 2] [1, 5)
__
5 +
1
n
,
n
n
2
+ 1
__
nN
a) Interior de A:
A = (0, 2) (1, 5)
que es el interior del rectangulo sin incluir los segmentos que forman sus verti-
ces.
b) Frontera de A:
FrA =
_
(x, y) R
2
x = 0
1 y 5
_
_
(x, y) R
2
x = 2
1 y 5
_
_
(x, y) R
2
0 x 2
y = 1
_
_
(x, y) R
2
0 x 2
y = 5
_
__
5 +
1
n
,
n
n
2
+ 1
__
nN
(5, 0)
que son cada uno de los segmentos del rectangulo, incluyendo los extremos.
Hay que notar que los puntos donde los segmentos se cortan (las esquinas del
triangulo) se cuentan mas de una vez, pero mientras no nos dejemos ninguna,
no importa que se repitan. A estos segmentos, hay que a nadir el punto (5, 0), ya
que si en
__
5 +
1
n
,
n
n
2
+1
__
nN
asignamos a n valores muy grandes, nos vamos
a (5, 0), y en se punto, si tomamos una bola abierta, abarco puntos de A (con
una n que tienda a
) y de (A (el propio punto (5, 0)).

c) Exterior de A:
ExtA =
_
_
(x, y) R
2
(x, y) / [0, 2] [1, 5]

(x, y) /
__
5 +
1
n
,
n
n
2
+1
__
nN
(x, y) ,= (5, 0)
_
_
que son todos los puntos de R
2
exluyendo los que forman el rectangulo (tambien
hay que descartar los bordes, de ah que se usen intervalos cerrados a izquierda
y derecha), los que genera la sucesion
__
5 +
1
n
,
n
n
2
+1
__
nN
, y el punto (5, 0),
ya que pertenece a la fontera.
d) Cierre de A Adherencia de A:
A = [0, 2] [1, 5]
__
5 +
1
n
,
n
n
2
+ 1
__
nN
que son los puntos que conforman el rectangulo (incluyendo los bordes) junto
con los que genera la sucesion (pero sin incluir el (5, 0)).
CAP
ITULO 1. INTRODUCCI
ON A R
N
15
e) Conjunto derivado:
A
= [0, 2] [1, 5] (5, 0)

que son los puntos que conforman el rectangulo (incluyendo los bordes) junto
con el (5, 0).
f ) Puntos aislados:
__
5 +
1
n
,
n
n
2
+ 1
__
nN
que son los que genera la sucesion.
Con esto tendremos denidos todos los puntos del conjunto A. Si queremos compro-
bar el resultado, podemos usar la relacion dada anterioremente:
A FrA ExtA = R
n
Al calcular estas uniones, efectivamente obtenemos R
2
.
2. Estudiar el conjunto de R
3
:
A = (x, y, z) R
3
x
2
+y
2
+z
2
> 9 y 1 < x < 2
a) Interior de A:
A = A
porque no se incluyen las fronteras en ning un conjunto.
b) Frontera de A:
FrA =
_
(x, y, z) R
3
x
2
+y
2
+z
2
= 9
1 x 2
_
_
(x, y, z) R
3
x = 1
x
2
+y
2
+z
2
> 9
_
_
(x, y, z) R
3
x = 2
x
2
+y
2
+z
2
> 9
_
que son, respectivamente, los dos arcos que forman el corte entre la esfera y los
planos, y cada una de las semirectas (x = 1 y x = 2)
c) Exterior de A:
ExtA = (x, y, z) R
3
x < 1 (x, y, z) R
3
x > 2
(x, y, z) R
3
1 x 2
x
2
+y
2
+z
2
< 9
donde el ultimo termino representa el trozo interior de la esfera atrapado entre
x = 1 y x = 2.
d) Cierre de A:
A = (x, y, z) R
3
x
2
+y
2
+z
2
9 y 1 x 2
donde se incluyen los arcos de la esfera que forman parte de la frontera.
e) Derivado de A:
A
=

A
f ) Puntos aislados:
No existen.
Captulo 2
Campos escalares y vectoriales
2.1. Denici on
Un campo escalar es una funcion f de la forma:
f : D R
n
R , n > 1
Dado que la imagen R, f es un escalar.
Un campo vectorial es una funcion f de la forma:
f : D R
n
R
m
, n > 1, m > 1
Dado que la imagen R
m
,

f es un vector.
2.2. Notaci on
Para representar las componentes de los campos escalares podemos aprovechar la
idea intuitiva que tenemos de R
2
como un plano, y de R
3
como un espacio tridimen-
sional.
As, en R
2
tendramos:
f : R
2
R
z = f(x, y)
Donde x e y son las variables independientes, y z la variable dependiente.
Para R
3
nos quedara:
f : R
3
R
f(x, y, z)
Donde ahora las tres variables x, y, z son independientes
Cuando n > 3, la idea intuitiva de plano y espacio se pierde, y resulta mas
comodo nombrar las componentes de R
n
mediante subndices:
f : R
n
R
f(x
1
, x
2
, , x
n
)
16
CAP
ITULO 2. CAMPOS ESCALARES Y VECTORIALES 17

En el caso de campos vectoriales, las componentes se pueden expresar como cam-
pos escalares. Por ejemplo, en el siguiente campo vectorial:
F : R
3
R
3
F(x, y, z) = (P(x, y, z), Q(x, y, z), R(x, y, z))

Donde las tres componentes P, Q, R son campos escalares de R
3
R
2.3. Dominios
2.3.1. Dominio de un campo escalar
Sea f : R
n
R. El dominio del campo sera el mayor subconjunto de R
n
donde f
esta denido.
2.3.2. Dominio de un campo vectorial
Sea

f : R
n
R
m
. Dado que el campo vectorial lo puedo representar como una familia
de campos escalares

f = (f
1
, , f
m
), su dominio sera la interseccion de todos los campos
escalares que lo componen.
Como ejemplo, sea el campo vectorial:
f : R
2
R
2
f(x, y) =
_
sen(x
2
+y
2
)
xy
, ln
_
16x
2
y
2
x
2
+y
2
4
__
Sus campos escalares componentes son:
f
1
(x, y) =
sen(x
2
+y
2
)
xy
f
2
(x, y) = ln
_
16x
2
y
2
x
2
+y
2
4
_
luego el Dom(

f) sera la interseccion de Dom(f
1
) Dom(f
2
):
D
1
= (x, y) R
2
x ,= y
D
2
= (x, y) R
2
_
_
_
16 x
2
y
2
> 0
y
x
2
+y
2
4 > 0
o
_
_
_
16 x
2
y
2
< 0
y
x
2
+y
2
4 < 0
Si estudiamos cada uno de los dos casos que se nos presentan en D

2
:
1. a) 16 x
2
y
2
> 0 =x
2
+y
2
< 16: el interior del crculo (excluida la frontera)
de centro (0,0) y radio 4.
b) x
2
+y
2
4 > 0 =x
2
+y
2
> 4: el exterior del crculo (excluida la frontera) de
centro (0,0) y radio 2.
con lo que al combinar a) y b) resulta ser la corona circular comprendida entre r=2
y r=4.
2. a) 16 x
2
y
2
< 0 =x
2
+y
2
> 16: el exterior (excluida la frontera) del crculo
de centro (0,0) y radio 4.
CAP

b) x
2
+y
2
4 < 0 =x
2
+y
2
< 4: el interior (excludia la frontera) del crculo de
centro (0,0) y radio 2.
con lo que al combinar a) y b) vemos como este caso es imposible ( un punto que
este a la vez en el exterior del cculo grande y en el interior del peque no). Por lo
tanto, quitamos este caso de D
2
.
Con lo cual, para calcular el dominio del campo vectorial, solo nos queda a nadir la condi-
cion de D
1
, x ,= y, es decir, hay que eliminar los puntos que corresponden a la bisectriz.
Por lo tanto:
Dom

f = D
1
D
2
=
_
_
_
(x, y) R
2
16 x
2
y
2
> 0
x
2
+y
2
4 > 0
x ,= y
_
_
_
2.4. Representaci on de campos: Ecuaciones
En la representacion graca de campos, veremos que solo podemos representar campos
escalares de dos tipos:
1. f : R =R, el cual genera una curva en 2D.
2. f : R
2
= R, el cual, haciendo la identicacion Z = f(x, y), genera una supercie
en 3D.
En 3D, solo vamos a trabajar con supercies con mucha simetra, las cuales son: para-
boloides, esferas, elipsoides, conos, cilindros y planos.
Procedemos a estudiar basicamente estas supercies:
Paraboloides: El caso general es un paraboloide con el vertice en (0,0,0), centrado
alrededor del eje OZ (coincide con la Z cartesiana) y abierto hacia arriba (z > 0).
Su ecuacion es:
z = x
2
+y
2
Sobre este caso base puedo introducir modicaciones. Por ejemplo, un paraboloide
con vertice (x
0
, y
0
, z
0
), manteniendo identicas el resto de propiedades:
z z
0
= (x x
0
)
2
+ (y y
o
)
2
Si corto el paraboloide mediante planos paralelos al eje XY, obtengo circunferencias.
Pero el paraboloide puede estar degenerado, con lo que al cortarlo obtendra elipses.
Un paraboloide elptico tiene como expresion:
z z
0
=
(x x
0
)
2
a
2
+
(y y
o
)
2
b
2
Si el paraboloide esta abierto hacia abajo:
z z
0
= (x
2
+y
2
)
y en general, cualquier paraboloide deformado (elptico) y abierto hacia abajo:
z z
0
=
(x x
0
)
2
a
2

(y y
0
)
2
b
2
CAP

Hay que indicar que, por comodidad, en estas expresiones siempre se toma la variable
z como la dependiente, pero al trabajar con los paraboloides puede que me interese
tomar cualquier otra variable como la dependiente, cosa que podemos hacer sin
ning un problema.
Esferas: La ecuacion mas general de una esfera es:
x
2
+y
2
+z
2
= r
2
la cual representa una esfera centrada en (0, 0, 0) de radio r. Si cambiamos el centro
de la esfera por (x
0
, y
0
, z
0
):
(x x
0
)
2
+ (y y
0
)
2
+ (z z
0
)
2
= r
2
Aunque el paraboloide se expresa como z = algo, la esfera viene dada en forma
implcita. Y aunque puedo despejar la z, me quedara una expresion de la forma:
z =
_
x
2
+y
2
, la cual es muy incomoda de manejar.
Elipsoide: Si degeneramos la esfera, nos queda esta otra gura (parecida a un balon
de rugby):
(x x
0
)
2
a
2
+
(y y
0
)
2
b
2
+
(z z
0
)
2
c
2
= 1
donde tenemos un elipsoide de centro (x
0
, y
0
, z
0
) y semiejes a, b, c
Cono: Su expresion es:
z
2
= x
2
+y
2
para el caso general centrado en (0, 0, 0) y eje paralelo al eje OZ. En caso de tener
el centro en (x
0
, y
0
, z
0
), su expresion sera:
(z z
0
)
2
= (x x
0
)
2
+ (y y
0
)
2
y si el cono es elptico:
(z z
0
)
2
=
(x x
0
)
2
a
2
+
(y y
0
)
2
b
2
Cilindro: La ecuacion general de un cilindro viene dada por:
x
2
+y
2
= r
2
ecuacion que en 2D representa una circunferencia, y en 3D un cilindro. Esta ecuacion
representa un cilidro con centro en (0, 0) (la z se extiende innitamente: no hay que
indicarla) y radio r. Dicho cilindro se extiende paralelo al eje OZ. Si cambiamos el
centro por (x
0
, y
0
), la expresion resultante queda:
(x x
0
)
2
+ (y y
0
)
2
= r
2
un cilindro elptico tendra como ecuacion:
(x x
0
)
2
a
2
+
(y y
0
)
2
b
2
= r
2
CAP

Planos: Un plano centrado en (0, 0, 0):
ax +by +cz = 1
centrado en (x
0
, y
0
, z
0
):
A(x x
0
) +B(y y
0
) +C(z z
0
) = 0
Todas estas ecuaciones estan en forma normalizada, pero al trabajar en los problemas
veremos que no siempre se nos dan las ecuaciones en esta forma. Por lo tanto, tendremos
que hacer una transformacion que nos permita convertir la ecuacion que nos dan en alguna
de las que hemos visto aqu. Para llevar a cabo dicha transformacion, podemos emplear
dos herramientas clave:
Sacar factor com un
Completar cuadrados
Veamos un ejemplo de transformacion:
2x
2
+ 2x + 3y
2
+ 6y +z
2
=
5
2
1. Agrupo terminos x, terminos y y terminos z sacando factor com un, de manera que
el coeciente de los terminos al cuadrado sea 1:
2(x
2
+x) + 3(y
2
+ 2y) +z
2
=
5
2
2. Completo cuadrados, de la forma (x
2
+ x) 2
_
_
x +
1
2
_
2
1
4
_
, con lo cual nos
queda:
2
_
_
x +
1
2
_
2
1
4
_
+ 3
_
(y + 1)
2
1
_
+z
2
=
5
2
3. Efect uo los corchetes:
2
_
x +
1
2
_
2
1
2
+ 3(y + 1)
2
3 +z
2
=
5
2
4. El
1
2
y el 3 pasan al otro miembro
2
_
x +
1
2
_
2
+ 3(y + 1)
2
+z
2
= 6
5. Divido todo entre 6 para forzar que este igualado a 1:
_
x +
1
2
_
2
3
+
(y + 1)
2
2
+
z
2
6
= 1
Con lo cual nos queda que la expresion es un elipsoide de centro (
1
2
, 1, 0) y semiejes
(
3,
2,
6).
CAP

2.5. Representaci on de campos escalares
2.5.1. Curvas de nivel
Sea f : D R
2
R. La representacion de dicho campo mediante curvas de nivel (las
que se emplean, por ejemplo, en los mapas para delimitar las zonas con la misma altura)
son los puntos C
k
del plano que cumplen:
C
k
= (x, y) Df(x, y) = k
Por ejemplo, en z = z
0
+ (x x
0
)
2
+ (y y
0
)
2
, las curvas de nivel seran:
C
k
= (x, y) Dz
0
+ (x x
0
)
2
+ (y y
0
)
2
= k
(x x
0
)
2
+ (y y
0
)
2
= k z
0
que representa circunferencias concentricas de centro (x
0
, y
0
) y radio
k z
0
; k z
0
2.5.2. Supercies de nivel
Sea f : D R
3
R. Al igual que al trabajar en 2D con las curvas de nivel, en 3D nos
encontramos con el concepto de supercies de nivel:
S
k
= (x, y, z) Df(x, y, z) = k
Por ejemplo, f(x, y, z) = ax +by +cz. La supercie de nivel de esta expresion sera:
S
k
= (x, y, z) R
3
ax +by +cz = k
que sera el plano que pasa por
_
k
a
, 0, 0
_
,
_
0,
k
b
, 0
_
,
_
0, 0,
k
c
_
2.6. Lmites de campos escalares
Para calcular lmites de campos escalares, vamos a partir del concepto de lmite que
ya conocemos en f : R R, y procederemos a extenderlo. La denicion de lmite en R es:
lm
xa
f(x) = L > 0 > 00 < [x a[ < [f(x) L[ <
Generalizando para R
n
: Sea f : D R
n
R:
lm
xa
f(x) = L > 0 > 00 < |x a| < [f(x) L[ <
Donde hay que prestar atencion al hecho de que trabajo con vectores, por lo tanto no
puedo calcular [x a[ (no existe el valor absoluto de un vector), pero como se vio en
la primera parte de la asignatura, tenemos el concepto de norma, y a traves de el, el de
distancia entre dos vectores, que es el que podemos emplear aqu. As mismo, en el ultimo
termino no tenemos ning un problema al emplear el valor absoluto, ya que el valor de fx
s es un escalar, por lo que [f(x) L[ s esta denido.
Merece la pena anotar tambien que el punto a tiene que ser un punto de acumulacion,
ya que en otro caso no tendra sentido que nos aproximaramos a el.
CAP

2.6.1. Notaci on:
f : D R
2
R
lm
(x,y)(a,b)
f(x, y)
f : D R
3
R
lm
(x,y,z)(a,b,c)
f(x, y, z)
2.6.2. Propiedades:

Algebra de lmites
Sean f : R
n
R y g : R
n
R ; Si lm
xa
f(x) = L y lm
xa
g(x) = M entonces:
1.
lm
xa
(f g)(x) = L M
2.
lm
xa
(f g)(x) = L M
3.
lm
xa
(
f
g
)(x) =
L
M
si M ,= 0
Hay que tener cuidado con esto, porque la propiedad dice que si existen los lmites L y
M entonces puedo aplicarlo, por lo que tengo que comprobar que existan antes de nada.
Si L y M no existen, no puedo aplicar ninguna de estas propiedades.
2.6.3. Tecnicas de calculo de lmites
1. Aplicar la denicion: En este caso trabajamos igual que con lmites en f : R R.
Ejemplos:
a) Demostrar aplicando la denicion que: lm
(x,y)(0,0)
5x
2
y
x
2
+y
2
= 0
lm
(x,y)(0,0)
5x
2
y
x
2
+y
2
= 0 > 0 > 00 < |x a| <
0 <
_
x
2
+y
2
< [
5x
2
y
x
2
+y
2
0[ <
Ahora tengo que acotar [f(x) L[ por :
[
5x
2
y
x
2
+y
2
[ 5[y[ 5
_
x
2
+y
2
< 5
Ahora, si tomo:
<

5
[
5x
2
y
x
2
+y
2
[ <
con lo que queda demostrado que , <

5
CAP

b) Demostrar aplicando la denicion que : lm
(x,y)(1,2)
(x 1) sen
_
1
y 2
_
= 0
lm
(x,y)(1,2)
(x 1) sen
_
1
y 2
_
= 0 > 0 > 0 0 <
_
(x 1)
2
+ (y 2)
2
<
[(x 1) sen
_
1
y2
_
0[ <
Partiendo de [f(x) L[:
[(x 1) sen
_
1
y 2
_
[ [x 1[
_
(x 1)
2
+ (y 2)
2
<
Tomando:
< [(x 1) sen
_
1
y 2
_
[ <
luego ya tenemos acotado el lmite por
Aplicar la denicion tiene la ventaja de su sencillez, ya que solo necesitamos acotar
el lmite. Pero el inconveniente es que a veces no es tan facil encontrar el valor de
esa acotacion; de hecho, hay pocos campos en los que podamos aplicar la denicion.
Ademas, para poder aplicarla, necesitamos tener de antemano un valor del lmite L
que tendremos que demostrar mediante la denicion.
2. Aplicar transformaciones algebraicas:
Con las transformaciones algebraicas intentamos simplicar el lmite para evitar una
indeterminacion. As, podemos emplear factorizacion mediante Runi, multiplicar
y dividir por el conjugado en caso de raices, etc. Ejemplos:
a)
lm
(x,y)(0,0)
x
2
+y
2
_
x
2
+y
2
+ 1 1
=
_
I =
0
0
_
=
_
_
_
multiplicando y dividendo
por el conjugado del
denominador
_
_
_
=
= lm
(x,y)(0,0)
(x
2
+y
2
)
_
_
x
2
+y
2
+ 1 + 1
_
_
_
x
2
+y
2
+ 1 1
__
_
x
2
+y
2
+ 1 + 1
_ =
= lm
(x,y)(0,0)
(x
2
+y
2
)
_
_
x
2
+y
2
+ 1 + 1
_
x
2
+y
2
+ 1 1
=
= lm
(x,y)(0,0)
_
x
2
+y
2
+ 1 + 1 = 2
b)
lm
(x,y)(1,1)
(x
3
1)(y
4
1)
(x 1)(y
2
1)
=
_
I =
0
0
_
= factorizando mediante Runi =
= lm
(x,y)(1,1)
(x 1)(x
2
+x + 1)(y
2
1)(y
2
+ 1)
(x 1)(y
2
1)
=
= lm
(x,y)(1,1)
(x
2
+x + 1)(y
2
+ 1) = 6
CAP

3. Aplicar el Teorema de Compresion:
Sean f, g, h : R
n
R, y f(x) g(x) h(x).
Si se cumple:
lm
xa
f(x) = lm
xa
h(x) = L
entonces puedo asegurar que:
lm
xa
g(x) = L
Aunque encontrar f(x) y h(x) puede resultar complicado, podemos emplear una
consecuencia inmediata del teorema.
4. Consecuencia del teorema de compresion (0 acotado = 0)
Sea f : R
n
R f(x) = a(x)b(x).
Si se cumple:
A) lm
xa
a(x) = 0
B) b(x) acotado en las proximidades de a
_
entonces lm
xa
f(x) = 0
Ejemplos:
a)
lm
(x,y)(0,0)
x
3
x
2
+y
2
= lm
(x,y)(0,0)
x
x
2
x
2
+y
2
= 0
b)
lm
(x,y)(0,0)
(x
2
+y
2
) sen
_
1
xy
_
= 0
5. Equivalencias de innitesimos:
sen x x en x = 0
1 cos x
x
2
2
en x = 0
tan x x en x = 0
e
x
1 x en x = 0
a
x
1 xln a en x = 0
ln(1 +x) x en x = 0
ln(x) x 1 en x = 1
Ejemplos:
a)
lm
(x,y)(0,0)
1 cos(xy)
x
2
y
2
=
_
1 cos x
x
2
2
_
= lm
(x,y)(0,0)
(xy)
2
2
x
2
y
2
= lm
(x,y)(0,0)
x
2
y
2
2
x
2
y
2
=
1
2
b)
lm
(x,y)(0,0)
e
tan(x
2
y)
1
2 sen(x
2
y)
=
_
e
x
1 x
sen x x
_
= lm
(x,y)(0,0)
tan(x
2
y)
2x
2
y
=
= tan x x = lm
(x,y)=(0,0)
x
2
y
2x
2
y
=
1
2
CAP

6. Cambios de variable:
En este caso introducimos una nueva variable que actua en lugar de una parte del
lmite. Suele usarse para eliminar indeterminaciones.
Ejemplo:
lm
(x,y)(1,2)
y(x 1)
3
(x 1)
2
+ (y 2)
2
=
_
0
0
= I
_
;
_
u = (x 1) (si x 1, u 0)
v = (y 2) (si y 2, v 0)
_
lm
(u,v)(0,0)
(v + 2)u
3
u
2
+v
2
= lm
(u,v)(0,0)
(v + 2) u
u
2
u
2
+v
2
=
= 0 acotada = 0
7. Indeterminaciones exponenciales:
Son los casos en los que tengo una indeterminacion de la forma lm = a
I
. Para
resolverlas, supongo que existe el lmite y que lm = A. Entonces, podemos aplicar
ln a ambos lados y, mediante las reglas de los logaritmos, manipular la expresion
para eliminar la indeterminacion.
Ejemplo:
lm
(x,y)(0,3)
(1 +x
2
y)
1
x
2
= A ln
_
lm
(x,y)(0,3)
(1 +x
2
y)
1
x
2
_
= ln A
lm
(x,y)(0,3)
ln(1 +x
2
y)
1
x
2
= ln A
lm
(x,y)(0,3)
1
x
2
ln(1 +x
2
y) = ln A =
_
0
0
= I
_
ln(1 +x) x
lm
(x,y)(0,3)
1
x
2
x
2
y = ln A lm
(x,y)(0,3)
y = ln A
ln A = 3 A = e
3
8. Lmites direccionales:
Este metodo es esclusivamente refutativo, es decir, sirve para demostrar la no
existencia del lmite, pero mediante el no podemos saber si un lmite existe. Se
basa en que si un lmite no existe, su valor variara seg un la direccion con la que
nos aproximemos a el. As, si al aplicar el lmite direccional el resultado nal es un
valor que depende de un parametro, podremos asegurar que dicho lmite no existe.
Por el contrario, si al calcular el valor por distintas direcciones obtengo que el lmite
siempre vale L, sin depender de nig un parametro, no puedo garantizar la existencia
del lmite, pero si que puedo asegurar que, en caso de que dicho lmite exista, su valor
tiene que ser L. Esto puede resultar util en combinacion con la denicion de lmite,
ya que de aqu puedo obtener un valor L que demostrar mediante la denicion. Hay
que tener en cuenta que el camino que escojamos tiene que pasar por el punto donde
vayamos a calcular el lmite.
Ejemplos:
a)
lm
(x,y)(0,0)
y=mx
xy
x
2
+y
2
= lm
x0
mx
2
x
2
+m
2
x
2
=
_
x
2
_
= lm
x0
m
1 +m
2
=
m
1 +m
2
=
CAP

Dado que el lmite depende de un parametro m, podemos asegurar que el lmite
no existe.
b)
lm
(x,y)(0,0)
y=mx
x
2
y
2
x
2
y
2
+ (x y)
2
= lm
(x)(0)
m
2
x
4
m
2
x
4
+ (x mx)
2
= lm
x0
m
2
x
4
m
2
x
4
+x
2
(1 m)
2
= lm
x0
m
2
x
2
m
2
x
2
+ (1 m)
2
=
_
0 si m ,= 1
1 si m = 1
c)
lm
(x,y)(1,2)
y=mxm+2
(x 1)(y 2)
(x 1)
2
+ (y 2)
2
= lm
x1
m(x 1)
2
(x 1)
2
+m
2
(x 1)
2
=
m
1 +m
2

d) En este ejemplo, al calcular el lmite direccional a traves de la recta y = mx, el
valor del lmite sale 0, por lo tanto no puedo asegurar nada y debo probar con
otra direccion:
lm
(x,y)(0,0)
y=mx
m=1
x
2
y x
= lm
x0
x
mx x
= lm
x0
x
m1
= 0
lm
(x,y)(0,0)
y=x+mx
2
m=0
x
2
y x
= lm
x0
x
2
x +mx
2
x
= lm
x0
x
2
mx
2
=
1
m
En este ultimo lmite, como el valor del lmite vara seg un la direccion por la
que nos acerquemos, podemos asegurar que el lmite no existe.
9. Lmites iterados:
Sea f : D R
2
R, y sea (a, b) el punto en el que vamos a calcular el lmite.
Supongo que existen los lmites unidireccionales lm
xa
f(x, y), lm
xb
f(x, y). Bajo esta
suposicion, si existe el lmite doble lm
(x,y)(a,b)
f(x, y) = L entonces existen los lmites
iterados:
lm
xa
_
lm
yb
f(x, y)
_
= lm
yb
_
lm
xa
f(x, y)
_
= L
Aunque no podemos aplicar el teorema directamente, al igual que con el teorema de
compresion, podemos emplear una consecuencia del mismo.
10. Consecuencia de los lmites iterados:
Si existen los lmites iterados y son distintos, entonces el lmite doble no existe.
Si lm
xa
_
lm
yb
f(x, y)
_
,= lm
yb
_
lm
xa
f(x, y)
_
entonces lm
(x,y)(a,b)
f(x, y) no existe.
Hay que notar que la condicion recproca no funciona, es decir,la no existencia de los
lmites iterados, o el que existan y sean iguales, no me asegura nada sobre el lmite
doble.
Ejemplos:
CAP

a)
lm
(x,y)(0,0)
x
2
y
2
x
2
+y
2
=
_
0
0
= I
_
Comprobemos si existen los lmites unidireccionales:
lm
x0
x
2
y
2
x
2
+y
2
= 1
lm
y0
x
2
y
2
x
2
+y
2
= 1
Una vez que hemos comprobado los unidireccionales, veamos los lmites itera-
dos:
lm
y0
_
lm
x0
x
2
y
2
x
2
+y
2
_
= 1
lm
x0
_
lm
y0
x
2
y
2
x
2
+y
2
_
= 1
Con lo que vemos que los lmites iterados , pero son distintos, por lo tanto,
podemos asegurar que el lmite doble .
b)
lm
(x,y)(0,0)
xsen
_
1
y
_
+y sen
_
1
x
_
Comprobamos los unidireccionales:
lm
x0
xsen
_
1
y
_
+y sen
_
1
x
_
=
ya que
1
x
, y el sen = . Pero el lmite s existe (trivialmente), por la
consecuencia del teorema de compresion:
lm
(x,y)(0,0)
xsen
_
1
y
_
+y sen
_
1
x
_
= 0 acotada + 0 acotada = 0
c)
lm
(x,y)(0,0)
xy
x
2
+y
4
=
_
0
0
= I
_
Comprobamos los unidireccionales:
lm
x0
xy
x
2
+y
4
= 0
lm
y0
xy
x
2
+y
4
= 0
luego los unidireccionales y son iguales. Los iterados:
lm
y0
_
lm
x0
xy
x
2
+y
4
_
= lm
y0
(0) = 0
lm
x0
_
lm
y0
xy
x
2
+y
4
_
= lm
x0
(0) = 0
CAP

Luego existen los iterados y son iguales, lo que me indica que en caso de existir
el lmite, su valor sera 0, pero todava tengo que comprobar que exista.
Probemos con lmites direccionales:
lm
(x,y)(0,0)
y=mx
xy
x
2
+y
4
= lm
x0
mx
2
x
2
+m
4
x
4
= lm
x0
m
1 +m
4
x
2
= m
Como el lmite a traves de la direccion y = mx depende de un parametro m,
podemos asegurar que el lmite doble no existe.
11. Lmites en polares:
Esta tecnica solo es valida en lmites de R
2
R, y solo cuando (x, y) (0, 0).
Sea f : D R
2
R. Para estudiar lm
(x,y)(0,0)
f(x, y), podemos realizar un cambio
de variable a coordenadas polares de la siguiente forma:
x = r cos
y = r sen
_
lm
r0
f(r cos , r sen )
Si al calcular el lmite en polares este no existe, entonces el lmite doble tampoco
puede existir. Pero la condicion recproca no es valida (en general): si el lmite en
polares existe, no puedo asegurar nada sobre el lmite doble. Resumiendo:
a) Si lm
r0
f(r cos , r sen ) no existe, entonces lim
(x,y)(0,0)
f(x, y) tampoco existe.
b) En general, la existencia de lmite en polares no garantiza la existencia del
lmite doble.
c) Bajo ciertas condiciones, la existencia de lmites polares implica la existencia
del lmite doble.
Estas condiciones se analizan en el siguiente punto.
12. Teorema de los lmites polares:
Sea f : D R
2
R. Si se cumplen estas dos condiciones:
a)
[f(r cos , r sen )[ F(r) r,
(La funcion f esta acotada por una funcion F que solo depende de r)
b)
lm
r0
F(r) = 0
Entonces podemos armar que:
lm
(x,y)(0,0)
f(x, y) = 0
Ejemplos:
CAP

a)
lm
(x,y)(0,0)
x
2
y
x
4
+y
2
=
_
0
0
= (I)
_
Vamos a comprobar como este lmite existe en polares, pero el lmite en si no
existe.
Por polares:
lm
r0
r
3
cos
2
sen
r
4
cos
2
+r
2
sen
2
= r
2
= lm
r0
r cos
2
sen
r
2
cos
4
+ sen
2
=
=
_
_
_
1) si sen = 0 o cos = 0 lm
r0
= 0
2) si sen ,= 0 y cos ,= 0 lm
r0
r cos
2
sen
r
2
cos
4
+sen
2
= 0
Por lo tanto, existe el lmite en polares (luego no se nada, excepto que si el
lmite doble existe, tiene que valer 0). Si ahora calculo el lmite direccional a
traves del camino parabolico y = mx
2
(elijo este camino porque en el lmite
tengo x
2
, x
4
, los cuales se iran al simplicar):
lm
(x,y)(0,0,)
y=mx
2
x
2
y
x
4
+y
2
= lm
x0
mx
4
x
4
+m
2
x
4
=
m
1 +m
2
Y podemos ver como el lmite depende de un parametro m, por lo tanto el
lmite doble no existe.
b)
lm
(x,y)(0,0)
x
2
y
2
(x
2
+y
2
)
3/2
=
_
0
0
= I
_
Vamos a estudiar el lmite en polares:
lm
r0
r
4
cos
2
sen
2
(r
2
cos +r
2
sen
2
)
3/2
Y teniendo en cuenta que cos
2
a + sen
2
a = 1:
lm
r0
r
4
cos
2
sen
2
(r
2
)
3/2
= lm
r0
r
4
cos
2
sen
2
r
3
= lm
r0
r cos
2
sen
2
= 0
Ahora que tenemos un valor candidato del lmite, tenemos que comprobarlo, para lo
cual lo acotamos mediante la denicion:
[f(r cos , r sen )[ = [r cos
2
sen
2
[ r = F(r) r,
lm
r0
F(r) = 0
Por lo tanto podemos asegurar que el lm
(x,y)(0,0)
, y que su valor es 0.
13. Lmites por regiones:
CAP

Sea f : D R
n
R, y sea a un punto de acumulacion del dominio. Supongo que
D se puede expresar como union de particiones de D:
D = D
1
D
2
D
k
D
i
D
j
= , i, j
a es punto de acumulacion de D
i
, 1 i k ( a es punto de acumulacion en todos
los subdominios). Con todo esto, puedo asegurar que:
lm
x a
f( x) = L lm
x a
xD
i
f( x) = L 1 i k
Esto no es mas que la generalizacion de los lmites laterales en funciones reales de
una variable real. En la teora, el metodo es bastante comodo, ya que descompongo
en lmites mas peque nos y los estudio por separado. Pero en la practica, resulta muy
complicado encontrar una particion del cunjunto.
Ejemplo:
lm
(x,y)(0,0)
ln(1 +x
2
y
2
)
x
2
+y
2
El dominio de la funcion es:
D = (x, y) R
2
(x, y) ,= (0, 0)
Una posible particion de D:
D
1
= (x, y) D x = 0 o y = 0
D
2
= (x, y) D x ,= 0, y ,= 0
Ahora estudio lm
(x,y)(0,0)
(x,y)D
1
y lm
(x,y)(0,0)
(x,y)D
2
:
a)
lm
(x,y)(0,0)
(x,y)D
1
ln(1 +x
2
y
2
)
x
2
+y
2
= 0
b)
lm
(x,y)(0,0)
(x,y)D
2
ln(1 +x
2
y
2
)
x
2
+y
2
=
_
ln(1 +x) x
x = 0
_
= lm
(x,y)(0,0)
(x,y)D
2
x
2
y
2
x
2
+y
2
= 0
Como al calcular los lmites por regiones el resultado es identico:
lm
(x,y)(0,0)
ln(1 +x
2
y
2
)
x
2
+y
2
= 0
CAP

2.7. Lmites de Campos Vectoriales
Sea

f : D DR
n
R
m
:
lm
x a
f( x) =

L > 0 > 0 0 < | x a| < |
f( x)

L| <
En la practica, el calculo de lmites se hace por medio del siguiente teorema:
Teorema: El lmite del campo vectorial es la union de los lmites de sus campos
escalares componentes.
Sea

f : D R
n
R
m
,

f = (f
1
, f
2
, , f
m
).
L R
m
,

L = (L
1
, L
2
, , L
m
).
lm
x a

f( x) =

L lm
x a
f
i
= L
i
1 i m
2.8. Continuidad en campos escalares
Sea f : D R
n
R.
f es continuo en a D si se cumplen estas tres condiciones:
1. a D ( a es punto de acumulacion del dominio).
2. lm
x a
f( x) (existe el lmite en el punto).
3. lm
x a
f( x) = f( a) (el valor del lmite coincide con el valor del campo en ese punto).
Luego f es continuo en a D si:
lm
x a
f( x) = f( a)
Esto lo podemos extender a funciones de R
n
R
m
, es decir, a campos vectoriales.
2.9. Continuidad en campos vectoriales
Sea

f : D R
n
R
m
f es continuo en a D si:
1. a D
2. lm
x a
f( x)
3. lm
x a
f( x) =

f( a)
Con todo esto,

f es continuo en a D si y solo si:
lm
x a

f( x) =

f( a)
En la practica, para comprobar la continuidad de un campo vectorial, lo descompongo
en n campos escalares componentes, y compruebo la continuidad de dichos campos.
CAP

2.9.1. Teorema de la continuidad de los campos vectoriales
Sea

fD : R
n
R
m
,

f = (f
1
, , f
m
).
f es continuo en a f
i
es continuo en a , 1 i m
2.10. Composicion de funciones de varias variables
Sean

f y g dos campos vectoriales tales que:
f : R
n
R
m
g : R
m
R
p
Img(

f) Dom( g)
Bajo estas condiciones puedo denir la funcion compuesta como:
( g

f) : R
n
R
p
( g

f)( x) = g
_
f( x)
_
2.10.1. Continuidad en composici on de funciones de varias variables
Si:

f es continua en a R
n
y: g es continua en

f( a) R
m
_
entonces ( g

f) es continua en a
Parte II
Derivaci on
33
Captulo 3
Derivacion en campos escalares y
vectoriales
3.1. Derivadas parciales de un campo escalar
Sea f : D R
2
R, y sea (a, b) un punto interior, (a, b)

D. Las derivadas parciales
de f se denen como:
D
1
f(a, b) =
f
x
= lm
h0
f(a +h, b) f(a, b)
h
D
2
f(a, b) =
f
y
= lm
k0
f(a, b +k) f(a, b)
k
Ejemplo:
f(x, y) =
_
x
6
(x
2
y)
2
+x
6
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Aplicando la denicion, obtengo las derivadas parciales de f en (0, 0):
D
1
f(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= lm
h0
h
6
h
4
+h
6
0
h
= lm
h0
h
6
h
5
+h
7
= lm
h0
h
1 +h
2
= 0
D
2
f(0, 0) = lm
k0
f(0, k) f(0, 0)
k
= lm
k0
0 0
k
= 0
Por suerte, no tengo que recurrir a la denicion, ya que puedo emplear las tecnicas de
calculo que conocemos para funciones f : R R.
3.1.1. Funciones derivada parcial
f : D R
n
R
D
1
: R
n
R
D
2
: R
n
R
_
_
_
El sentido fsico de estas funciones es el de la
tasa de cambio de una variable cuando
el resto se mantienen constantes.
Todo lo visto de R
2
R, se generaliza ahora para R
n
R.
34
CAP
ITULO 3. DERIVACI
ON EN CAMPOS ESCALARES Y VECTORIALES 35

3.1.2. Notaci on en R
n
Para respresentar la derivada parcial, podemos emplear tres representaciones:
D
1
f ;
f
x
; f
x
3.1.3. Derivadas de orden superior
Sea el campo escalar f : R
n
R Sus derivadas parciales son:
D
1
: fR
n
R
.
.
.
D
n
: fR
n
R
_
_
D
1
D
n
pueden admitir derivadas parciales.
As, D
1
puede derivarse n veces, que conformaran las derivadas de orden superior.
Como ejemplo, en f : R
2
R:
D
1
: fR
2
R
D
2
: fR
2
R
Ya que D
1
y D
2
son derivables, voy a tener 4 derivadas de segundo orden:
_
_
D
11
f = D
1
(D
1
f) =

2
f
x
2
=

x
_
f
x
_
= f
xx
D
21
f = D
2
(D
1
f) =

2
f
yx
=

y
_
f
x
_
= f
yx
D
12
f = D
1
(D
2
f) =

2
f
xy
=

x
_
f
y
_
= f
xy
D
22
f = D
2
(D
2
f) =

2
f
y
2
=

y
_
f
y
_
= f
yy
La notacion empleada se lee de derecha a izquierda; as, D
21
f es la 1
a
derivada (respecto
de x) respecto de la 2
a
variable (y).
3.1.4. Derivadas parciales cruzadas
Hay que notar que las derivadas parciales cruzadas (D
21
y D
12
) en principio no tienen
porque coincidir, ya que el orden en el que se calculen las derivadas es importante.
Ejemplo:
f(x, y) =
_
xy
x
2
y
2
x
2
+y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Vamos a demostrar que D
12
f(0, 0) ,= D
21
f(0, 0).
D
21
f(0, 0) es la segunda parcial de la primera parcial; aplicando la denicion de deri-
vada parcial:
D
21
f(0, 0) = lm
k0
D
1
f(0, k) D
1
f(0, 0)
k
CAP
ITULO 3. DERIVACI

Para seguir calculando, necesito hallar D
1
f(0, k) y D
1
f(0, 0):
D
1
f(0, k) = lm
h0
f(h, k) f(0, k)
h
= lm
h0
hk
x
2
k
2
h
2
+k
2
h
= k
D
1
f(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= 0
Volviendo a D
21
f(0, 0):
D
21
f(0, 0) = lm
k0
k
k
= 1
Calculamos ahora la otra derivada cruzada:
D
12
f(0, 0) = lm
h0
D
2
f(h, 0) D
2
f(0, 0)
h
Calculamos ahora D
2
f(h, 0) y D
2
f(0, 0):
D
2
f(h, 0) = lm
k0
f(h, k) f(h, 0)
k
= lm
k0
hk
h
2
k
2
h
2
+k
2
k
= h
D
2
f(0, 0) = lm
k0
f(0, k) f(0, 0)
k
= 0
Luego:
D
12
f(0, 0) = lm
h0
h
h
= 1
Con lo que comprobamos que D
21
,= D
12
las parciales cruzadas no tienen porque coin-
cidir.
Dado que resultara interesante que las derivadas cruzadas coincidieran (es decir, que
el orden no fuera importante), vamos a indicar unas condiciones bajo las cuales esto es
posible:
3.1.5. Teorema de Schwartz
Sea f : R
2
R y (a, b) un punto del dominio.
1. Supongo que D
1
f, D
2
f y una de las derivadas cruzadas (PE D
12
f) en un conjunto
abierto que contenga a (a, b).
2. Supongo ademas que la cruzada que es continua. (D
12
f es continua en (a, b))
Si se cumplen 1 y 2 D
21
f(a, b) y ademas:
D
21
f(a, b) = D
12
f(a, b)
Hay que notar que este es un resultado puntual, que funciona en (a, b); pero si las condi-
ciones impuestas se cumplen en todo el dominio de la funcion, entonces podemos extender
el resultado a dicho dominio. Si lo extiendo a R
n
, en el calculo de las derivadas de orden
k tienen que existir todas las derivadas de orden anterior (k 1), y ademas una de las
derivadas de ese orden k. Con estas dos condiciones, existen el resto de derivadas de orden
k. As por ejemplo, si nos encontramos con que calcular D
12
es mucho mas complicado que
hallar D
21
y se cumplen las condiciones del teorema de Schwartz, tendremos solucionado
el problema.
CAP
ITULO 3. DERIVACI

3.2. Derivadas parciales y continuidad
Ahora vamos a ver como el concepto de derivada parcial no implica continuidad de un
campo escalar, y para ello vamos a comprobar como la existencia de derivadas parciales
en un punto no obliga a que la funcion sea continua en dicho punto.
Sea f(x, y) =
_
_
_
x
6
(x
2
y)
2
+x
6
en (x, y) ,= (0, 0)
0 en (x, y) = (0, 0)
Vamos a comprobar como f(, x, y)
no es continua en (0, 0), pero que tiene derivadas parciales en dicho punto. Mediante lmites
direccionales, voy a calcular el lmite aproximandome mediante una recta de tangente 1
(la bisectriz del primer cuadrante) y una parabola:
lm
(x,y)(0,0)
y=x
x
6
(x
2
y)
2
+x
6
= lm
x0
x
6
(x
2
x)
2
+x
6
= lm
x0
x
6
x
4
2x
3
+x
2
+x
6
= x
2
=
= lm
x0
x
4
x
2
2x + 1 +x
4
= 0
lm
(x,y)(0,0)
y=x
2
x
6
(x
2
y)
2
+x
6
= lm
x0
x
6
(x
2
x
2
)
2
+x
6
= lm
x0
x
6
x
6
= 1
luego, dado que el lmite vara en funcion de la direccion con la que nos acerquemos, dicho
lmite no existe, por lo que la funcion no es continua en (0, 0). Sin embargo, las derivadas
parciales existen, y su calculo se vio en 3.1.
3.3. Derivada direccional de un campo escalar
Para intentar que la derivada parcial implique continuidad, vamos a generalizar a un
mas su concepto con el de derivada direccional.
Sea f : R
2
R y sea u = (u
1
, u
2
) un vector unitario.
Deno la derivada direccional como:
D
u
f(a, b) = lm
h0
f(a +hu
1
, b +hu
2
) f(a, b)
h
Y al igual que en el resto de deniciones donde intervienen lmites, si el lmite , entonces
la direccional tampoco puede existir.
Generalizando: f : R
n
R ; u = (u
1
, , u
n
)
D
u
f(a
1
, , a
n
) = lm
h0
f(a
1
+hu
1
, a
2
+hu
2
, , a
n
+hu
n
) f(a
1
, , a
n
)
h
Hay que notar que las derivadas parciales son un caso particular de las direccionales; as,
en R
2
:
Si u = (1, 0), la D
u
= D
1
(primera parcial)
Si u = (0, 1), la D
u
= D
2
(segunda parcial)
CAP
ITULO 3. DERIVACI

Lo mismo puede extenderse para R
n
El sentido fsico de la derivada direccional es el de la tasa de cambio de una magnitud,
en la direccion u, por unidad de longitud.
Ejemplo:
Sea f(x, y, z) = xyz. Calcular la derivada direccional en el punto a = (1, 0, 1) a traves
de la direccion del vector v = (1, 1, 1).
Lo primero que debemos hacer es normalizar v (recordemos que el vector ha de ser
unitario):
u = | v| =
_
3
3
,
3
3
,
3
3
_
Con lo que la derivada direcccional nos queda:
D
u
f(1, 0, 1) = lm
h0
f
_
1 +h
3
3
, h
3
3
, 1 +h
3
3
_
f(1, 0, 1)
h
=
= lm
h0
_
1 +h
3
3
_
h
3
3
_
1 +h
3
3
_
h
=
= lm
h0
3
3
+h
2
_
3
3
_
=
3
3
Sin embargo, vamos a ver como las derivadas direccionales tambien fallan al intentar
extender la continuidad. Ejemplo:
f(x, y) =
_
xy
2
x
2
+y
4
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Vamos a comprobar como f(x, y) tiene derivadas direccionales en cualquier direcccion.
u = (u
1
, u
2
)
D
u
f(0, 0) = lm
h0
f(hu
1
, hu
2
) f(0, 0)
h
= lm
h0
h
3
u
1
u
2
2
h(h
2
u
2
1
+h
4
u
4
2
)
=
= lm
h0
h
3
u
1
u
2
2
h
3
u
2
1
+h
5
u
4
2
= lm
h0
u
1
u
2
2
u
2
1
+h
2
u
4
2
=
_
_
_
u
2
2
u
1
si u
1
,= 0
0 si u
1
= 0
Como no hemos puesto ninguna restriccion en cuanto a la direccion, y los lmites existen,
la parcial existe en cualquier direcci on, pero el campo no es continuo, como vemos a
continuacion:
lm
(x,y)(0,0)
x=ay
2
xy
2
x
2
+y
4
= lm
y0
ay
4
a
2
y
4
+y
4
=
a
1 +a
2
Dado que el valor del lmite depende del parametro a, y por lo tanto el lmite no existe,
podemos asegurar que f(x, y) no es continua en (0, 0).
CAP
ITULO 3. DERIVACI

3.4. Diferenciablidad
Cuando nos encontramos en R R, disponemos de tres deniciones equivalentes de
diferenciablidad.
Sea f : R R. f es derivable en a y su derivada es f
(a) si:
1.
lm
h0
f(a +h) f(a)
h
= f
(a)
2.
lm
h0
f(a +h) f(a) hf
(a)
h
= 0
3.
: R R dada por (x) = f
(a)x lm
h0
f(a +h) f(a) (h)
h
= 0
Dado que en R R estas tres deniciones son completamente equivalentes, empleamos la
que mas nos interesa. Sin embargo, cuando trabajamos en R
n
R, las deniciones dejan
de ser equivalentes. Vamos a generalizar la tercera denicion:
3.5. Diferenciabilidad de campos escalares
Sea f : R
n
R. Sea a un punto interior de D. Dire que f es diferenciable en a si:
: R
n
R lm
0
f( a +

h) f( a) (
h)
|
h|
= 0
En el caso particular de encontrarnos ante f : R
2
R:
a = (a, b)
h = (h, k)
lm
(h,k)(0,0)
f(a +h, b +k) f(a, b) (h, k)
h
2
+k
2
= 0
3.6. Teorema de unicidad de la diferencial
Sea f : R
n
R. Si f es diferenciable en a, existe una unica aplicacion lineal:
: R
n
R lm
h0
f( a +

h) f( a) (
h)
|
h|
= 0
A esta aplicacion se le llama apicacion diferenciable, y se denota:
(x
1
, , x
n
) df
a
(x
1
, , x
n
) = D
1
f( a)x
1
+D
2
f( a)x
2
+ +D
n
f( a)x
n
Este teorema es condicion necesaria de diferenciablidad, pero no suciente. Para que
fuera condicion suciente, debera comprobar que las parciales cumplen la denicion. La
aplicacion diferenciable tambien puede emplearse como condicion sucente de no di-
ferenciablidad, ya que si las derivadas parciales no existen, la funcion no puede ser
diferenciable.
CAP
ITULO 3. DERIVACI

3.7. Teorema de continuidad en campos diferenciables
Sea f : R
n
R; Si f es diferenciable en a entonces f es contnuo en a.
Demostracion en R
2
R:
Partimos de la condicion necesaria de diferenciabilidad.
lm
(h,k)(0,0)
f(a +h, b +k) f(a, b) D
1
f(a, b)h D
2
f(a, b)k
h
2
+k
2
= 0
Este lmite es una indeterminacion
_
I =
0
0
_
, ya que el denominador siempre es 0, y solo
puede tener solucion 0 si el numerador es 0 y resolvemos la indeterminacion (empleando
para ello el metodo que mas comodo nos resulte). Es decir, que la solucion es 0 cuando el
numerador cumpla:
lm
(h,k)(0,0)
f(a +h, b +k) f(a, b) D
1
f(a, b)h D
2
f(a, b)k = 0
lm
(h,k)(0,0)
f(a +h, b +k) = f(a, b)
3.8. Teorema de condicion suciente de diferenciabilidad
Sea f : R
n
R. Si existen todas las derivadas parciales de f en a y son continuas,
entonces f es diferenciable en a.
Para demostrarlo, vamos a dar dos deniciones:
1. Teorema del valor medio
f(a +h, y) f(a, y) = D
1
f(x
0
, y)h con x
0
(a, a +h)
f(x, b +k) f(x, b) = D
2
f(x, y
0
)h con y
0
(b, b +k)
2. Continuidad de las parciales
D
1
f(a +h, b +k) D
1
f(a, b) =
1
(h, k) con lm
(h,k)(0,0)
1
(h, k) = 0
D
2
f(a +h, b +k) D
2
f(a, b) =
2
(h, k) con lm
(h,k)(0,0)
2
(h, k) = 0
Una vez dadas estas expresiones, para demostrar el teorema necesito demostrar que:
lm
(h,k)(0,0)
f(a +h, b +k) f(a, b) D
1
f(a, b)h D
2
f(a, b)k
h
2
+k
2
= 0
Manipulando la expresion:
f(a +h, b +k) f(a, b) D
1
f(a, b)h D
2
f(a, b)k = por el Tma. del valor medio
= f(a +h, b +k) f(a, b +k) +f(a, b +k) f(a, b) D
1
f(a, b)h D
2
f(a, b)k =
= D
1
f(x
1
b +k)h +D
2
f(a, y)k D
1
f(a, b)h D
2
f(a, b)k =
_
con x (a, a +h)
y (b, b +k)
_
=
=
1
(h, k)h +
2
(h, k)k con
_
lm
(h,k)(0,0)
1
(h, k) = 0
lm
(h,k)(0,0)
2
(h, k) = 0
CAP
ITULO 3. DERIVACI

Con esa expresion del numerador, procedo a calcular el lmite:
lm
(h,k)(0,0)
f(a +h, b +k) f(a, b) D
1
f(a, b)h D
2
f(a, b)k
h
2
+k
2
=
= lm
(h,k)(0,0)
1
(h, k)h +
2
(h, k)k
h
2
+k
2
= 0
Donde el ultimo lmite se resuelve empleando la consecuencia del teorema de compresion.
3.9. Pasos para estudiar la diferenciablidad de un campo
1. Estudio la existencia de derivadas parciales en a. Si no existen todas las parciales,
el campo no es diferenciable. Si existen todas las parciales, no se nada.
2. Suponiendo que existen las parciales, estudio la condicion suciente de diferencia-
blidad: continuidad de las parciales. Si existen las parciales y son continuas, puedo
asegurar que el campo es diferenciable. Si existen las parciales y no son continuas,
el teorema no me sirve, y contin uo hasta el paso 3.
3. Empleo la denicion, es la ultima posibilidad que nos queda.
Cuando tenga un campo escalar que tiene derivadas parciales y son continuas, se dice que
es un campo diferenciable en continuidad.
Ejemplo:
Estudiar la continuidad, existencia de derivadas parciales, existencia de derivadas di-
reccionales y diferenciabilidad del campo:
f(x, y) =
_
xy
2
x
2
+y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
en el punto (0, 0).
1. Continuidad:
Si se cumple lm
(x,y)(0,0)
xy
2
x
2
+y
2
= 0, el campo es continuo en el punto. Por el teorema
de compresion:
y
2
_
x
2
+y
2
_
y
2
x
2
+y
2
1
Entonces, si x = 0, 0 acotada = 0, luego vale lo mismo que el campo en (0, 0), con
lo que aseguro que es continuo. Si el campo no fuera continuo, ya tendra descartada
la posiblidad de que fuera diferenciable (de la existencia de parciales y direccionales
no sabra nada a un), pero como es continuo, prosigo con los calculos.
2. Existencia de derivadas parciales:
D
1
f
(0,0)
= lm
h0
f(h, 0) f(0, 0)
h
= 0
D
2
f
(0,0)
= lm
k0
f(0, k) f(0, 0)
k
= 0
Donde vemos que las parciales existen y son iguales (esto es pura casualidad: no
tienen porque coincidir).
CAP
ITULO 3. DERIVACI

3. Continuidad de las parciales:
Para comprobar la continuidad, busco una expresion de las parciales para puntos
distintos de (0, 0) , y estudio su lmite.
D
1
f(x, y), con (x, y) ,= (0, 0). Derivando con algebra de derivadas:
D
1
f(x, y) =
y
2
_
x
2
+y
2
_
2x
2
y
2
(x
2
+y
2
)
2
=
y
4
x
2
y
2
(x
2
+y
2
)
2
D
2
f(x, y) =
2xy
_
x
2
+y
2
_
2xy
3
(x
2
+y
2
)
2
=
2x
3
y
(x
2
+y
2
)
2
Estudiando los lmites en (0, 0), comprobamos si existen y son iguales al valor en
(0, 0). El lmite de la primera parcial es (empleando direccionales):
lm
(x,y)(0,0)
y
4
x
2
y
2
(x
2
+y
2
)
2
= lm
(x,y)(0,0)
y=kx
y
4
x
2
y
2
(x
2
+y
2
)
2
= lm
x0
k
4
x
4
k
2
x
4
(x
2
+k
2
x
2
)
=
_
x
4
_
=
k
4
k
2
(1 +k
2
)
2
donde vemos que el valor del lmite depende de un parametro k, con lo que el lmite no
existe. Por lo tanto, la primera parcial no es continua, y no me sirve de nada calcular
la otra, ya que la continuidad no se va a cumplir. Por lo tanto, no podemos aplicar la
condicion suciente de diferenciabilidad, con lo que para estudiar la diferenciabilidad
solo nos queda recurrir a la denicion.
4. Diferenciablidad (mediante la denicion):
lm
(h,k)(0,0)
f(h, k) f(0, 0) df
(0,0)
(h, k)
h
2
+k
2
= lm
(h,k)(0,0)
hk
2
h
2
+k
2
0 0
h
2
+k
2
= lm
(h,k)(0,0)
hk
2
(h
2
+k
2
)
3
/
2
introduciendo lmites direccionales:
lm
(h,k)(0,0)
k=mh
hk
2
(h
2
+k
2
)
3
/
2
= lm
h0
m
2
h
3
(h
2
+m
2
h
2
)
3
/
2
=
m
2
(1 +m
2
)
3
/
2
con lo que comprobamos como el lmite depende de un parametro m, luego el lmite
no existe, por lo que podemos armar que el campo no es diferenciable.
5. Existencia de derivadas direccionales:
Hemos reservado la comprobacion de la existencia de direccionales para el nal,
ya que si en en paso anterior huberamos obtenido que el campo es diferenciable,
por medio del teorema resolvera las direccionales de manera inmediate. Pero como
hemos obtenido que el campo no es diferenciable, tengo que calcularlas a mano.
Dado que no nos indican una direccion, deberemos estudiar la exsitencia de direc-
cionales para cualquier direccion.
D
u
f(0, 0) = lm
h0
f(hu
1
, hu
2
) f(0, 0)
h
= lm
h0
h
3
u
1
u
2
2
h
_
h
2
u
2
1
+h
2
u
2
2
_ = u
1
u
2
2
CAP
ITULO 3. DERIVACI

con lo que vemos que existe la derivada direccional en cualquier direccion. Ademas,
comprobamos como el gradiente es cero s y solo s u
1
= 0 o u
2
= 0, en cuyo caso la
derivada direccional se reduce a la parcial.
3.10. Vector gradiente
Sea f : R
n
R un campo escalar tal que existen todas las derivadas parciales en un
punto a. Entonces, deno el gradiente como:
D
1
f( a), , D
n
f( a)
gradf( a) =

f( a) = (D
1
f( a), , D
n
f( a))
3.11. Matriz asociada a una aplicacion lineal
Sea f : R
n
R diferenciable en un punto a, y sea : R
n
R la aplicacion diferencial.
Como por algebra sabemos que una aplicacion lineal tiene asociada una matriz, se que
tiene una matriz de 1 n.
(x
1
, x
n
) = df
a
(x
1
, x
n
) = D
1
f( a)x
1
+D
2
f( a)x
2
+ +D
n
f( a)x
n
Por el teorema de unicidad, la matriz asociada a la aplicacion diferencial es el vector
gradiente.
El vector gradiente es efectivamente la generalizacion del concepto de derivada para
campos escalares. Hasta ahora, las generalizaciones del concepto de derivada que hemos
probado no han funcionado, debido a que todas han fallado al extender la continuidad.
Sin embargo, el vector gradiente permite extender el concepto de derivada as como su
relacion con la continuidad a campos escalares. As, podemos ver la extension del concepto
de derivada de la siguiente forma:
En f : R R trabajo con n umeros y producto de n umeros:
df
a
(x) = f
(a)x
En f : R
n
R trabajo con vectores y producto de vectores:
df
a
( x) =

f( a) x
Habamos visto que la existencia de derivadas parciales es una condicion necesaria (no
suciente) de diferenciablidad.
Ahora vamos a estudiar la relacion entre diferenciabilidad y la existencia de derivadas
parciales.
3.12. Diferenciablidad y derivadas direccionales
Sea f : R
n
R.
Sea u R
n
un vector unitario.
Si f es diferenciable en a entonces existe la derivada direccional en la direccion de u:
D
u
f( a) y ademas:
D
u
f( a) =

f( a) u = D
1
f( a)u
1
+ +D
n
f( a)u
n
CAP
ITULO 3. DERIVACI

3.12.1. Demostraci on
lm
0
f( a +

h) f( a)

f( a)
h
|
h|
= 0
Se cumple por la denicion de diferencial y el teorema de unicidad. Dado que

h = h u,
donde u es el vector unitario en la direccion de

h, h esta relacionado con la norma de |
h|,
y h > 0 siempre que quiera, luego puedo reescribir la expresion:
lm
h0
f( a +h u) f( a)

f( a)h u
h
= 0
que es lo mismo que decir:
lm
h0
f( a +h u) f( a)
h
=

f( a) u
donde el primer termino es la denicion de derivada direccional D
u
f( a):
D
u
f( a) = lm
h0
f( a +h u) f( a)
h
=

f( a u
con lo que queda demostrado.
El teorema me dice que si f es diferenciable, existe la D
u
, y D
u
=

f( a) u
Luego, bajo las hipotesis del teorema:
D
u
f( a) =

f( a) u = [
f( a)[ cos
Siendo el angulo formado por

f( a) y por u.
De aqu obtengo 3 conclusiones:
1. D
u
f( a) es maxima si cos = 1 = 0, esto es, si lo vectores tienen la misma
direccion, y su valor maximo es [
f( a)[. Es en esta direccion donde f tiene mayor

tasa de crecimiento.
2. D
u
f( a) es mnima si cos = 1 = , es decir, que los vectores tienen direcciones
contrarias, y su valor mnimo es [
f( a)[.
3. D
u
f( a) es nula si =

2
.
Un error que se suele cometer es olvidar la hipotesis de diferenciabilidad, ya que si no
se cumple, no puedo aplicar el teorema.
Un ejemplo de campo con parciales pero no diferenciable (donde no se cumple el
teorema):
f(x, y) =
_
_
_
xy
(x
2
+y
2
)
1
/
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Vamos a ver que existen parciales en (0, 0), que existe D
u
(0, 0) y que no se cumple la
igualdad que nos da el teorema:
D
1
f(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= 0
D
2
f(0, 0) = lm
k0
f(0, k) f(0, 0)
k
= 0
CAP
ITULO 3. DERIVACI

Ahora vemos la D
u
f(0, 0) aplicando la denicion:
u = (u
1
, u
2
)
D
u
f(0, 0) = lm
h0
f(hu
1
, hu
2
) f(0, 0)
h
= lm
h0
h
2
u
1
u
2
_
h
2
u
2
1
+h
2
u
2
2
0
h
= lm
h0
h
2
u
1
u
2
h
_
h
2
u
2
1
+h
2
u
2
2
=
=
_
_
u
2
1
+u
2
2
= 1, ya que es vector unitario
_
= u
1
u
2
,= D
1
f(0, 0)u
1
+D
2
f(0, 0)u
2
= 0
Donde la igualdad falla porque u
1
u
2
solo es 0 si u = (1, 0) o u = (0, 1). Por lo que la
igualdad no funciona, ya que f no es diferenciable en (0,0).
Vamos a comprobar ahora como f no es diferenciable:
Si f fuera diferenciable, la aplicacion diferencial sera = 0 (ya que las derivadas son
0). Aunque ahora mismo ya se que f no es diferenciable por incumplir el teorema, como
ejercicio voy a comprobar que no es diferenciable en (0, 0). Para que f fuera diferenciable
en (0, 0), empleando la denicion tendra que ocurrir:
lm
(h,k)(0,0)
f(h, k) f(0, 0) 0(h, k)
h
2
+k
2
= 0
Cuando en realidad:
lm
(h,k)(0,0)
f(h, k) f(0, 0) 0(h, k)
h
2
+k
2
= lm
(h,k)(0,0)
hk 0 0(h, k)
h
2
+k
2
h
2
+k
2
= lm
(h,k)(0,0)
hk
h
2
+k
2
y por direccionales comprobamos que el lmite no existe:
lm
(h,k)(0,0)
k=ah
hk
h
2
+k
2
= lm
h0
ah
2
h
2
+a
2
h
2
=
a
1 +a
2

Con lo que ya tenemos demostrado que f no es diferenciable en (0, 0).
3.13. Vector gradiente y supercies de nivel
La interpretacion geometrica del gradiente en campos de R
2
R y de R
3
R se
corresponde con los conceptos de curvas y supercies de nivel.
Sea f : D R
2
R diferenciable en (a, b), y ademas

f(a, b) ,= (0, 0). Se puede
demostrar que

f(a, b) es a la curva de nivel que pasa por (a, b):
f(a, b)C
k
= (x, y) D f(x, y) = f(a, b)
Sea f : D R
3
R diferenciable en (a, b, c), y ademas

f(a, b, c) ,= (0, 0, 0). Se puede
demostrar que

f(a, b, c) es a la spercie de nivel que pasa por (a, b, c):
f(a, b, c)S
k
= (x, y, z) D f(x, y, z) = f(a, b, c)
CAP
ITULO 3. DERIVACI

3.13.1. Calculo del plano tangente a una supercie en un punto
Sea una supercie de nivel F(x, y, z); supongo que el campo F cumple las condiciones
de diferenciabilidad en (a, b, c), y que

F(a, b, c) ,= (0, 0, 0).
El plano tangente es el plano que pasa por (a, b, c) y que tiene como vector caraterstico
a un vector perpendicular a la supercie en dicho punto, que es el vector

F(a, b, c):
Plano tg
_
pasa por (a, b, c)
F(a, b, c)
Luego el plano es el producto escalar de dos vectores perpendiculares:
F(a, b, c) (x a, y b, z c) = 0
o tambien, ya que

es el vector de las derivadas direccionales:
D
1
F(a, b, c)(x a) +D
2
F(a, b, c)(y b) +D
3
F(a, b, c)(z c) = 0
Ejemplos:
1. Hallar la ecuacion del plano tangente a la supercie S
k
x
2
4y
2
+ z
2
= 16 en
(2, 1, 4).
Esta es la supercie de nivel del campo F(x, y, z) = x
2
4y
2
+ z
2
. El gradiente del
campo sera:
F(x, y, z) = (2x, 8y, 2z)
F(2, 1, 4) = (4, 8, 8)
Donde este ultimo vector

es el vector perpendicular a la supercie en (2, 1, 4). Con
todo esto, nos queda que el plano tangente es:
4(x 2) 8(y 1) + 8(z 4) = 0 4 x 2y + 2z = 8
2. Hallar la ecuacion del plano tangente a Z = 4x +y
2
en (1, 3, 5):
F(x, y, z) = 4x +y
2
z
F(x, y, z) = (4, 2y, 1) F(1, 3, 5) = (4, 6, 1)
F(1, 3, 5) (x + 1, y 3, z 5) = 0
4(x + 1) + 6(y 3) (z 5) = 0 4x + 6y z = 9
3.14. Aproximaci on lineal
Haciendo uso de las derivadas direccionales, puedo realizar una aproximacion lineal a
un n umero: Sea f : R R derivable en a:
f(a +h) f(a) +f
(a)h
Sea f : R
n
R diferenciable en a:
f( a +

h) f( a) +f( a)
h
CAP
ITULO 3. DERIVACI

As, en f : R
2
R diferenciable en (a, b):
f(a +h, b +k) f(a, b) +D
1
f(a, b)h +D
2
f(a, b)k
Ejemplo: calcular mediante aproximacion lineal
_
(2,1)
2
+ (1,2)
2
+ (1,98)
2
:
f(x, y, z) =
_
x
2
+y
2
+z
2
f(2, 1, 2) =
9 = 3
f(2,1, 1,2, 1,98) f(2, 1, 2) +D
1
f(2, 1, 2)
1
10
+D
2
f(2, 1, 2)
2
10
+D
3
f(2, 1, 2)
_
2
100
_
con lo que solo me queda calcular las parciales:
D
1
f(x, y, z) =
x
_
x
2
+y
2
+z
2
; D
1
f(2, 1, 2) =
2
3
D
2
f(x, y, z) =
y
_
x
2
+y
2
+z
2
; D
2
f(2, 1, 2) =
1
2
D
3
f(x, y, z) =
z
_
x
2
+y
2
+z
2
; D
3
f(2, 1, 2) =
2
3
luego:
f(2,1, 1,2, 1,98) 3 +
2
3

1
10
+
1
3

2
10

2
3

1
100
= 3,12
3.14.1. Interpretaci on geometrica de la aproximacion lineal
La aproximacion lineal es, geometricamente, aproximarnos a un punto de una curva a
traves de la tangente a la curva en dicho punto. En R
2
R me aproximo a una supercie
en un entorno de un punto, a partir del plano tangente a la supercie en ese punto.
Ejemplo: Sea z = f(x, y) (por lo que trabajamos en R
2
R).
z es supercie de nivel del campo F(x, y, z) = f(x, y) z. Vamos a calcular el plano
tangente a la supercie en un punto (a, b, f(a, b)):
D
1
f(a, b)(x a) +D
2
f(a, b)(y b) (z f(a, b)) = 0
pasando z al otro miembro:
z = f(a, b) +D
1
f(a, b)(x a) +D
2
f(a, b)(y b)
3.15. Diferenciabilidad en campos vectoriales
Sea

f : R
n
R
m
.

f es diferenciable en a

f si existe:
: R
n
R
m
lm
0
[[
f( a +

h)

f( a)
h)[[
[[
h[[
=

0
Esta expresion resulta incomoda de manejar, por lo que para calcular recurrimos al si-
guiente teorema:
3.15.1. Teorema de diferenciabilidad de campos vectoriales
Sea

f : R
n
R
m
, donde

f es la familia de campos escalares:

f = (f
1
, , f
m
).
f es diferenciable en a f
i
es diferenciable en a, i 1, , m
CAP
ITULO 3. DERIVACI

3.16. Matriz asociada a la diferencial en un campo vectorial
Sea

f : R
n
R
m
. Si la diferencial es una aplicacion lineal de la forma

= R
n
R
m
,
esta tiene asociada una matrix de orden mn. Para calcular dicha matriz, recurrimos al
siguiente teorema:
3.16.1. Teorema para el calculo de la matriz Jacobiana
Si

f : R
n
R
m
es diferenciable en a, entonces existen todas las parciales D
i
f
j
( a) con
i 1, , n; j 1, , m. La matriz asociada a la diferencial se denomina matriz
jacobiana de

f en a:
J(

f)
a
=
_
_
_
_
_
D
1
f
1
( a) D
2
f
1
( a) D
n
f
1
( a)
D
1
f
2
( a) D
2
f
2
( a) D
n
f
2
( a)
.
.
.
.
.
.
.
.
.
.
.
.
D
1
f
m
( a) D
2
f
m
( a) D
n
f
m
( a)
_
_
_
_
_
=
_
_
_
_
_
f
1
( a)
f
2
( a)
.
.
.
f
m
( a)
_
_
_
_
_
El teorema me dice que la diferenciabilidad del campo vectorial esta relacionada con
la diferenciabilidad de los campos escalares componentes, luego es logico que la matriz
este relacionada con los

.
En el caso particular de encontrarnos en campos vectoriales de R
n
R
n
, la matriz
jacobiana es cuadrada (n n), con lo que vemos que tiene sentido el concepto de deter-
minante. Al determinante de la matriz jacobiana se le llama Jacobiano.
3.16.2. La matriz Jacobiana como generalizaci on de la derivada
Al igual que cuando trabajamos con campos escalares vimos como el vector gradiente
era una correcta generalizacion del concepto de derivada, ahora que nos encontramos en
campos vectoriales la generalizacion es la matriz Jacobiana. Vamos a ver las analogas
entre las diferenciales de distintos campos:
f : R R su diferencial es df
a
(x) = f
(a)x
f : R
n
R

df
a
( x) = f( a) x
f : R
n
R
m
d
f
a
( x) = J(

f)
a
X
Donde X es la matriz columna cuyos elementos son las componentes de x
3.17. El operador diferencial nabla
Sea f : R
3
R donde existen las derivadas parciales. Considero el vector nabla
(operador diferencial):
=

x
i +

y
j +

z
k f =
f
x
i +
f
y
j +
f
z
k
Donde vemos como al multiplicarlo por f nos da las parciales (esto es, el gradiente de f).
Puedo trabajar con

como si fuera un vector normal, luego puedo hacer:
=

2
x
2
+

2
y
2
+

2
z
2
CAP
ITULO 3. DERIVACI

Donde

es el operador laplaciano (o laplaciana):
2
=
La laplaciana de f sera entonces:
( )f =

2
f
x
2
+

2
f
y
2
+

2
f
z
2
3.18. Operaciones con en campos vectoriales
Sea

F : R
3
R, donde

f = (P, Q, R). Supongo la existencia de las parciales. Podemos
denir 3 operaciones sobre el campo

f mediante el operador diferencial nabla:
3.18.1. Divergencia de un campo vectorial

F =
P
x
+
Q
y
+
R
z
3.18.2. Rotacional de un campo vectorial

F =
i

j

k
z
P Q R
=
_
R
y

Q
z
_
i +
_
P
z

R
x
_
j +
_
Q
x

P
y
_
k
3.18.3. Laplaciano de un campo vectorial
_

_

F =
_
2
P
x
2
+

2
P
y
2
+

2
P
z
2
,

2
Q
x
2
+

2
Q
y
2
+

2
Q
z
2
,

2
R
x
2
+

2
R
y
2
+

2
R
z
2
_
3.18.4. Interpretaci on fsica de los operadores
Cuando el campo f o el

F tienen un sentido fsico, estos operadores tambien tienen
un sentido fsico. As, dado un campo:
f = 0 f es armonico

F = 0

F es solenoidal

F = 0

F es irrotacional
Captulo 4
Diferenciablidad de campos por
composicion
4.1. Regla de la cadena
Sean:
f : R
n
R
m
g : R
m
R
p
h = g

f : R
n
R
p
Si

f es diferenciable en a y g es diferenciable en

f( a) entonces

h = g

f es diferenciable
en a, y ademas:
J(
h)
a
= J( g)
f( a)
J(

f)
a
Ejemplo: Sean

f y g dados por:
f : R
2
R
3

f(u
1
+u
2
) = (f
1
(u
1
, u
2
), f
2
(u
1
, u
2
), f
3
(u
1
, u
2
))
g : R
3
R
2
g(v
1
, v
2
, v
3
) = ( g
1
(v
1
, v
2
, v
3
), g
2
(v
1
, v
2
, v
3
))
h = g

f : R
2
R
2

h(u
1
, u
2
) = (h
1
(u
1
, u
2
), h
2
(u
1
, u
2
))
donde:
v
1
= f
1
(u
1
, u
2
)
v
2
= f
2
(u
1
, u
2
)
v
3
= f
3
(u
1
, u
2
)
50
CAP
ITULO 4. DIFERENCIABLIDAD DE CAMPOS POR COMPOSICI
ON 51
Calculamos las jacobianas:
J(
h) =
_
_
_
h
1
u
1
h
1
u
2
h
2
u
1
h
2
u
2
_
_
_
J( g) =
_
_
_
g
1
v
1
g
1
v
2
g
1
v
3
g
2
v
1
g
2
v
2
g
2
v
3
_
_
_
J(

f) =
_
_
_
_
_
_
_
f
1
u
1
f
1
u
2
f
2
u
1
f
2
u
2
f
3
u
1
f
3
u
2
_
_
_
_
_
_
_
y dado que hemos renombrado v
1
= f
1
(u
1
, u
2
), , etc, podemos reescribir la jacobiana
de

f:
J(

f) =
_
_
_
_
_
_
_
v
1
u
1
v
1
u
2
v
2
u
1
v
2
u
2
v
3
u
1
v
3
u
2
_
_
_
_
_
_
_
Ahora, mediante el uso de la regla de la cadena, puedo recalcular J(
h):
J(
h) =
_
_
_
h
1
u
1
h
1
u
2
h
2
u
1
h
2
u
2
_
_
_
=
_
_
_
g
1
v
1
g
1
v
2
g
1
v
3
g
2
v
1
g
2
v
2
g
2
v
3
_
_
_
_
_
_
_
_
_
_
v
1
u
1
v
1
u
2
v
2
u
1
v
2
u
2
v
3
u
1
v
3
u
2
_
_
_
_
_
_
_
h
1
u
1
=
g
1
v
1
v
1
u
1
+
g
1
v
2
v
2
u
1
+
g
1
v
3
v
3
u
1
h
1
u
2
=
g
1
v
1
v
1
u
2
+
g
1
v
2
v
2
u
2
+
g
1
v
3
v
3
u
2
h
2
u
1
=
g
2
v
1
v
1
u
1
+
g
2
v
2
v
2
u
1
+
g
2
v
3
v
3
u
1
h
2
u
2
=
g
2
v
1
v
1
u
2
+
g
2
v
2
v
2
u
2
+
g
2
v
3
v
3
u
2
El arbol de dependencias es:
h g
_
_
v
1
f
1
_
u
1
u
2
v
2
f
2
_
u
1
u
2
v
3
f
3
_
u
1
u
2
CAP
ON 52
4.2. Derivadas sucesivas de la composici on
Sean los campos

f y g, y su composicion h = g

f:
f : R
2
R
2

f(x, y) = (f
1
(x, y), f
2
(x, y))
g : R
2
R g(u, v)
h = g f : R
2
R
Siendo los vectores u y v, y el arbol de dependencias:
u = f
1
(x, y)
v = f
2
(x, y)
h g
_
_
u f
1
_
x
y
v f
2
_
x
y
Aplicando la regla de la cadena:
h
x
=
g
u

u
x
+
g
v

v
x
h
y
=
g
u

u
y
+
g
v

v
y
Calculamos ahora las derivadas sucesivas mediante reglas normales de derivacion:
2
h
x
2
=

x
_
g
u

u
x
+
g
v

v
x
_
=
_
_
_
usando:
_
_
_
derivada suma = suma derivadas
(fg)
= f
g +g
f
regla de la cadena
_
_
_
_
_
_
=

2
g
u
2
_
u
x
_
2
+

2
g
vu

v
x

u
x
+
g
u

2
u
x
2
+

2
g
uv

u
x

v
x
+

2
g
v
2
_
v
x
_
2
+
g
v

2
v
x
2
Operamos igual para obtener:
2
h
y
2
;

2
h
xy
;

2
h
yx
Con lo que nos queda:
2
h
yx
=

y
_
g
u

u
x
+
g
v

v
x
_
=

2
g
u
2

u
y

y
x
+

2
g
vu

v
y

u
x
+
+
g
u

2
u
yx
+

2
g
uv

u
y

v
x
+

2
g
v
2

v
y

u
x
+
g
v

2
v
yx
2
h
xy
=

x
_
g
u

u
y
+
g
v

v
y
_
=
2
h
y
2
=

y
_
g
u

u
y
+
g
v

v
y
_
=
CAP
ON 53
Ejemplo:
Sea f : R
2
R dado por:
z = f(x, y)
Sabiendo que las parciales hasta orden 2 son continuas (por lo que se cumple el Teorema
de Schwartz), e introduciendo el cambio de variable:
x = r cos()
y = r sen()
con lo que la funcion f(x, y) = (r, ).
Hallar:

r
;

;

2
r
2
;

2
2
Aplicando la regla de la cadena:
r
=
f
x

x
r
+
f
y

y
r
=
f
x

x
+
f
y

y
x
r
= cos()
y
r
= sen()
x
= r sen()
y
= r cos()
luego:
r
=
f
x
cos() +
f
y
sen()
=
f
x
r sen() +
f
y
r cos()
Para hallar las segundas derivadas parciales, aplico reglas de derivacion:
r
2
=

2
f
x
2

x
r
cos() +

2
f
yx

y
r
cos() +

2
f
xy

x
r
sen() +

2
f
y
2

y
r
sen() =
=

2
f
x
2
cos
2
() + 2

2
f
yx
sen() cos() +

2
f
y
2
sen
2
()
Captulo 5
Diferenciablidad de funciones
implcitas
5.1. Determinante jacobiano
Sea F : R
n
R
n
tal que

F = (F
1
, , F
n
), y que existan todas las parciales de F
i
. La
mmatriz jacobina sera de orden n n. Designamos como J el determinante de la matriz:
J =
F
1
x
1

F
1
x
n
.
.
.
.
.
.
.
.
.
F
n
x
1

F
n
x
n
(F
1
, , F
n
)
(x
1
, , x
n
)
5.2. Funcion Implcita

Si estoy en R
2
y tengo una funcion de la forma z = f(x, y), dicha funcion es una expre-
sion explcita de z en terminos de f (z es funcion explcita de x, y). Si tengo F(x, y, z) = 0
decimos que es una funcion implcita de z, de la cual puedo despejar la z y convertirla
en una funcion explcita. As, por ejemplo, la expresion x
2
+ y
2
+ z
2
= r
2
es una funcion
implcita ( ya que la z no esta despejada), de la que puedo despejar facilmente la z de
forma que la expresion quede: z =
_
r
2
x
2
y
2
, con lo cual ya tengo una funcion
implcita de z en terminos de x, y.
Sin embargo, despejar la variable denida implicitamente no siempre resulta sencillo,
por ello vamos a denir algunas reglas de derivacion de funciones implcitas que nos van
a permitir trabajar con estas funciones sin tener que despejar.
5.2.1. Notaci on
Representamos la funcion implcita como F:
F(x
1
, , x
n1
) = 0
Representamos la funcion explcita como f:
x
n
= f(x
1
, , x
n1
)
54
CAP
ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL
ICITAS 55
5.3. Teorema de la funcion implcita
Con este teorema puedo asegurar, bajos ciertas condiciones, la diferenciabilidad de una
funcion implcita.
Sea F : R
n
R tal que cumpla:
1. F(a
1
, , a
n
) = 0, es decir que F se puede expresar como F(x, y, z, , n) = 0.
2. F es diferenciable con continuidad en dicho punto, es decir, que existen las parciales
en ese punto y son continuas.
3. D
n
F ,= 0 en dicho punto.
Bajo estas tres hipotesis, la funcion:
f : R
n1
R
dada por:
x
n
= f(x
1
, , x
n1
)
donde x
n
es el ultimo vector de F, es diferenciable en el punto (a
1
, , a
n1
), y ademas:
D
i
f =
D
i
F
D
n
F
, i 1, , n 1
en dicho punto.
El teorema me dice que si la funcion F : R
n
R cumple las tres condiciones, X
n
es funcion implcita de las demas variables (se comporta como la z en los ejemplos de
[5.2]), y ademas es diferenciable en el punto de estudio, y la expresion de la diferencial es
D
i
f =
D
i
F
D
n
F
.
5.3.1. Exigencias y consideraciones del teorema
1. Es puntual, aunque al igual ocurre con otros teoremas a lo largo del curso, si se
puede extender para que se cumpla en el dominio, podemos emplearlo sin problemas
en todo el dominio.
2. Si me dan una funcion implcita, la tendencia y la costumbre nos invitan a despejar.
Sin embargo esto puede ser imposible, o incluso no ayudarme en los calculos. Un
ejemplo es la ecuacion x
2
+y
2
+z
2
= r
2
. Si despejo, me veo obligado a trabajar con
y races, pero si uso directamente el teorema sin despejar, solo tengo que emplear
cuadrados y sumas.
3. Cuando se enuncia el teorema, siempre se da x
n
= f(x
1
, , x
n1
), (la ultima va-
riable). Pero esto es solo una forma de notacion, y por lo tanto el teorema se puede
emplear para cualquier variable.
4. El teorema me da condiciones sucientes. Si no se cumplen las tres hipotesis, no
se nada. Pero si se cumplen las tres condiciones, aseguro el resultado (no necesito
comprobar las conclusiones mediante el uso de deniciones).
CAP
ICITAS 56
5.3.2. Demostraci on y ejemplo de la regla de la cadena
Sea F(x
1
, , x
n
) = 0 (con lo que ya se cumple la primera condicion del teorema).
Asumo que F(x
1
, , x
n
) = 0 dene a x
n
como funcion implcita de las demas variables:
x
n
= f(x
1
, , x
n1
)
Si asumo que F = 0 dena a x
n
= f(x
1
, , x
n1
), es mentira que F dependa de n
variables (ya que no depende de x
n
, y x
n
depende de n 1 variables, lo que impone que
F depende tambien de n 1 variables), por lo que reescribo F como g(x
1
, , x
n1
):
g(x
1
, , x
n1
) = F (x
1
, , x
n1
, f(x
1
, , x
n1
)) = 0
La diferencial de g sera:
D
i
g = regla de la cadena = D
i
F +D
n
FD
i
f = 0, 1 i (n 1) D
i
f =
D
i
F
D
n
F
ya que D
i
F depende de F, D
n
FD
i
f depende de f(x
i
) a traves de F, y su producto es
igual a 0 porque (g = 0) es constante.
As, el arbol de dependencias queda:
g f
_
_
x
1

x
n1
x
n
= f
_
_
_
x
1

x
n1
Ejemplo:
Sea z = f(x, y) denida implicitamente por la relacion F(xaz, ybz) = 0. Demostrar
la relacion:
a
z
x
+b
z
y
= 1
Construyo dos variables auxiliares u y v:
u = x az
v = y bz
con lo que el arbol de dependencias queda:
F
_
_
u
_
_
_
x
z
_
x
y
v
_
_
_
y
z
_
x
y
Voy a trabajar asumiendo que existe la funcion implcita.
CAP
ICITAS 57
La parcial de F con respecto a x (siguiendo el camino):
F
x
=
F
u

u
x
+
F
u

u
z

z
x
+
F
v

v
z

z
x
= 0
Si estudio ahora las parciales de las variables auxiliares u y v:
u
x
= 1
v
y
= 1
u
z
= a
v
z
= b
Con estos resultados reescribo
F
x
:
F
x
=
F
u

F
u
a
z
x

F
v
b
z
x
= 0
y despejando la
z
x
:
z
x
=
F
/
u
a
F
u
+b
F
v
Operando ahora con la variable y:
F
y
=
F
u

u
z

z
y
+
F
v

v
y
+
F
v

v
z

z
y
= 0
F
u
a
z
y
+
F
v

F
v
b
z
y
= 0
y despejando la
z
y
:
z
y
=
F
/
v
a
F
u
+b
F
v
5.4. Sistemas de ecuaciones implcitas
Cuando un sistema de m ecuaciones, con n incognitas, (n > m), me permite denir
m variables como funcion implcita de las n m variables restantes?
Ejemplo:
F(x
1
, , x
n
, y, z) = 0 (n + 2 variables)
G(x
1
, , x
n
, y, z) = 0 (n + 2 variables)
donde tenemos m = 2 ecuaciones, y n = (n + 2) incognitas, y F,G son diferenciables con
continuidad.
La condicion para denir y, z como funciones implcitas es que el jacobiano:
(F, G)
(y, z)
,= 0
y se puede demostrar que:
y
x
i
=
(F,G)
(x
i
,z)
(F,G)
(y,z)
CAP
ICITAS 58
y que:
z
x
i
=
(F,G)
(y,x
i
)
(F,G)
(y,z)
con i 1, , n.
Con esto hemos visto que el teorema de la implcita se puede generalizar para sistemas
de ecuaciones.
Ejemplo:
Dado el sistema:
2x = u
2
v
2
y = u v
_
Para que condiciones el sistema dene a u y v como funciones implcitas de x y de y? En
ese caso, calcular:
u
x
,
u
y
,
v
x
,
v
y
El sistema lo puedo escribir como:
F(x, y, u, v) = 2x u
2
+v
2
= 0
G(x, y, u, v) = y uv = 0
_
1
a
condicion del teorema
Dado que ambas expresiones son polinomios,la condicion de diferenciabilidad y conti-
nuidad esta resuelta (2
a
condicion del teorema).
La 3
a
condicion del teorema (jacobiano ,= 0):
(F, G)
(u, v)
F
u
F
v
G
u
G
v
2u 2v
v u
= 2u
2
+2v
2
= 2(u
2
+v
2
)
_
= (0, 0) si (u, v) = (0, 0)
,= (0, 0) si (u, v) ,= (0, 0)
Luego el sistema me permite denir a u, v como f(x, y) en cualquier caso excepto en
el que (u, v) = (0, 0), donde no puedo.
Calculamos ahora las parciales a traves del teorema de la implcita:
u
x
=
(F, G)
(x, v)
(F, G)
(u, v)
F
x
F
v
G
x
G
v
2(u
2
+v
2
)
=
2 2v
0 u
2(u
2
+v
2
)
=
2u
2(u
2
+v
2
)
=
u
u
2
+v
2
y operamos igual para obtener el resto de parciales:
u
y
=
(F, G)
(y, v)
(F, G)
(u, v)
= =
v
u
2
+v
2
v
x
=
(F, G)
(u, x)
(F, G)
(u, v)
= =
v
u
2
+v
2
CAP
ICITAS 59
v
y
=
(F, G)
(u, y)
(F, G)
(u, v)
= =
u
u
2
+v
2
5.5. Derivadas parciales y diferencial total
Sea z = f(x, y) y tengo g(x, y) = 0 que dene implicitamente a y como funcion de x,
con lo que el arbol de dependencias queda:
z
_
x
y x
luego vemos que z solo depende realmente de x, por lo que puedo expresar
dz
dx
:
dz
dx
=
z
x
+
z
y

dy
dx
Ejemplos:
1. Hallar
z
x
si:
z = x
2
+y
2
F = x
2
+y
3
+y = 0
El arbol de dependencias es:
z
_
x
y x
Y la parcial se convierte en una diferencial total:
z
x
=
dz
dx
=
z
x
+
z
y

dy
dx
= 2x + 2y
_
2x
3y
2
+ 1
_
= 2x
4xy
3y
2
+ 1
donde hemos usado el teorema de la implcita para calcular
dy
dx
.
2. Sea z = f(x, y) tal que existen las parciales, y tengo las relaciones:
g
1
(x, y, t) = 0
g
2
(x, y, t) = 0
_
que denene un sistema de ecuaciones implcitas, el cual supongo que me permite
denir a x e y como funciones implcitas de t. El arbol de dependencias es:
z
_
x t
y t
Luego:
dz
dt
=
z
x

dx
dt
+
z
y

dy
dt
CAP
ICITAS 60
3. Sea z = x
3
y. Hallar
dz
dt
sabiendo que:
x
5
+y = t
x
2
+y
3
= t
_
z
_
x t
y t
Vamos a hacerlo son aplicar la f ormula de teorema; en su lugar, vamos a verlo como
un sistema de ecuaciones:
5x
4 dx
dt
+
dy
dt
= 1
2x
dx
dt
+ 3y
2
dy
dt
= 1
_
y ahora lo trato como un sistema de ecuaciones normal y corriente (el cual puedo
resolver por sustitucion, igualacion, etc.). Restando las dos ecuaciones:
_
5x
4
2x
_
dx
dt
+
_
1 3y
2
_
dy
dt
= 0
dy
dt
=
_
5x
4
2x
3y
2
1
_
dx
dt
Sustituyendo
dy
dt
en la 1
a
ecuacion:
5x
4
dx
dt
+
_
5x
4
2x
3y
2
1
_
dx
dt
= 1
dx
dt
=
1
5x
4
2x
3y
2
1
+ 5x
4
=
=
_
multiplico numerador y
denominador por 3y
2
+ 1
_
=
3y
2
1
15x
4
y
2
2x
Como antes ya haba despejado
dy
dt
, sustituyo este ultimo resultado en su expresion:
dy
dt
=
_
5x
4
2x
3y
2
1
_
dx
dt
=
_
5x
4
2x
3y
2
1
_
_
3y
2
1
15x
4
y
2
2x
_
=
5x
4
2x
15x
4
y
2
2x
Con esto ya tengo
dx
dt
y
dy
dt
, y procedo a calcular
dz
dt
:
dz
dt
=
z
x

dx
dt
+
z
y

dy
dt
= 3x
2
y
_
3y
2
1
15x
4
y
2
2x
_
+x
3
_
5x
4
2x
15x
4
y
2
2x
_
=
=
9x
2
y
3
3x
2
y + 5x
7
2x
4
15x
4
y
2
2x
= x =
9xy
3
3xy + 5x
6
2x
3
15x
3
y
2
2
5.6. Derivadas sucesivas de la funci on implcita
Sea F(x, y, z) = xz z
3
y = 0. Cuando dene a z como funcion implcita de x e y?
En tal caso, hallar todas las parciales hasta orden 2.
F dene a z como funcion de x, y cuando:
F
z
= x 3z
2
,= 0
CAP
ICITAS 61
las parciales de z en funcion de x e y son:
z
x
=

F
/
x
F
/
z
=
z
x 3z
2
z
y
=
F
/
y
F
/
z
=
1
x 3z
2
Ahora hallo las segundas derivadas, para lo cual aplico el algebra de derivadas:
2
z
x
2
=
z
x

_
x 3z
2
_
+
_
1 6z
z
x
_
z
(x 3z
2
)
2
=
2z +
6z
3
x3z
2
(x 3z
2
)
2
=
=
_
_
x 3z
2
__
=
2xz 6z
3
+ 6z
3
(x 3z
2
)
3
=
2xz
(x 3z
2
)
3
Una segunda forma de hacerlo sera derivando directamente de F(x, y, z) asumiendo
que z = f(x, y) (mediante la regla de la cadena), y teniendo en cuenta que para ello tiene
que seguir cumplendose la condicion
F
z
= x 3z
2
,= 0
Derivando con respecto de x:
z +x
z
x
3z
2
z
x
= 0
z
x
=
z
x 3z
2
Derivando con respecto a y:
x
z
y
3z
2
z
y
1 = 0
z
y
=
1
x 3z
2
Para hallar las segundas derivadas, derivo las de primer orden:
2
z
x
2
=

x
_
z
x
_
=
z
x
+ 1
z
x
+x

2
z
x
2
6z
_
z
x
_
2
3z
2
2
z
x
2
= 0

2
z
x
2
=
6z
_
z
x
_
2
2
z
x
x 3z
2
=
6z
3
(x3z
2
)
2
+
2z
x3z
2
x 3z
2
=
2xz
(x 3z
2
)
3
Y se hara lo mismo con la
z
x
. Como se puede comprobar, el resultado es el mismo
mediante ambos metodos.
5.7. Teorema de la funcion inversa
Sea

F : R
n
R
n
,

F = (F
1
, , F
n
), tal que

F es diferenciable con continuidad en a.
Si se cumple que:
J =
(F
1
, , F
n
)
(x
1
, x
n
)
a
,= 0
entonces:
CAP
ICITAS 62
1.
F
1
: R
n
R
n
en

F( a).
2.

F
1
es diferenciable en

F( a).
3. la matriz jacobiana de

F
1
es igual a la inversa de la jacobiana de

F:
J(

F
1
)
F( a)
=
_
J(

F)
a
_
1
En principio, el teorema es puntual, pero si lo extiendo, puedo aplicarlo al dominio.
Ejemplo:
Sea

F : R
2
R
2
dado por

F(x, y) = (e
x
+e
y
, e
x
e
y
). Demostrar que

F es invertible,
y que

F
1
es diferenciable. Hallar la matriz J(

F
1
)
Dado que el campo esta denido por funciones exponenciales, la condicion de que

F
sea diferenciable con continuidad esta solucionada. Por lo tanto el jacobiano:
(F
1
, F
2
)
(x, y)
,= 0 =
F
1
x
F
1
y
F
2
x
F
2
y
e
x
e
y
e
x
e
y
= 2e
x
e
y
= 2e
x+y
luego 2e
x+y
,= 0 se cumple siempre, con lo que puedo asegurar la existencia de la
funcion inversa:
F
1
(u, v) , siendo
_
u = e
x
+e
y
v = e
x
e
y
y a traves del teorema, tambien puedo asegurar que la inversa es diferenciable.
El teorema de la inversa nos dice que la jacobiana de la inversa es la inversa de la
jacobiana. As, siendo la jacobiana:
J
_
F(x, y)
_
=
_
e
x
e
y
e
x
e
y
_
y dado que el determinante es ,= 0, no tengo problemas para invertirla. Por el teorema:
J
_
F
1
_
=
_
J

F
_
1
=
_
_
_
e
x
2
e
x
2
e
y
2

e
y
2
_
_
_
Pero como hemos denido

F
1
en funcion de las variables (u, v), tenemos que reescribir
la matriz para que muestre este cambio de variable. Si trabajo con las expresiones de u y
v:
u = e
x
+e
y
v = e
x
e
y
_
sumando 2e
x
= u +v e
x
=
u +v
2
e
x
=
2
u +v
u = e
x
+e
y
v = e
x
e
y
_
restando 2e
y
= u v e
y
=
u v
2
e
y
=
2
u v
con lo que ya podemos escribir la matriz en funcion de (u, v):
J
_
F
1
_
=
_
_
_
1
u +v
1
u +v
1
u v

1
u v
_
_
_
CAP
ICITAS 63
5.8. Teorema de Taylor para campos escalares
El teorema de Taylor para funciones reales de una variable real (R R) deca que si
f tiene derivadas hasta orden n continuas en un punto, puedo escribir:
f(a +h) = f(a) +f
(a)h +
1
2!
f
(a)h
2
+ +
1
n!
f
n
(a)h
n
+E
n
(a, h) , lm
h0
E
n
(a, h) = 0
donde el termino E
n
es la expresion del error cometido.
Si desarollamos este resultado en R
2
:
Sea f : R
2
R, la cual supongo que tiene derivadas parciales continuas (orden 1) en
un punto (a, b). El polinomio de Taylor centrado en (a, b) para dicho orden sera:
f(a+h, b+k) = f(a, b)+
f
x
(a, b)h+
f
y
(a, b)k+E
1
(a, b, h, k) , lm
(h,k)(0,0)
E
1
(a, b, h, k) = 0
Si la funcion tiene derivadas parciales hasta orden 2 continuas:
f(a +h, b +k) = f(a, b) +
f
x
(a, b)h +
f
y
(a, b)k+
+
1
2!
_
2
f
x
2
(a, b)h
2
+ 2

2
f
xy
(a, b)hk +

2
f
y
2
(a, b)k
2
_
+
+E
2
(a, b, h, k) , lm
(h,k)(0,0)
E
2
(a, b, h, k) = 0
donde tengo 4 parciales de orden 2, pero como las parciales son continuas, se cumplen
las condiciones del teorema de Schwartz, con lo que:

2
xy
=

2
yx
.
Si la funcion tiene parciales hasta orden 3 continuas:
f(a +h, b +k) = f(a, b) +
f
x
(a, b)h +
f
y
(a, b)k+
+
1
2!
_
2
f
x
2
(a, b)h
2
+ 2

2
f
xy
(a, b)hk +

2
f
y
2
(a, b)k
2
_
+
+
1
3!
_
3
f
x
3
(a, b)h
3
+ 3

3
f
x
2
y
(a, b)h
2
k + 3

3
f
xy
2
(a, b)hk
2
+

3
f
y
3
(a, b)k
3
_
+E
3
(a, b, h, k) , lm
(h,k)(0,0)
E
3
(a, b, h, k) = 0
Si continuamos con este desarrollo, el termino generico con las parciales hasta orden n
continuas sera:
f(a +h, b +k) = f(a, b) +
f
x
(a, b)h +
f
y
(a, b)k + +
+
1
n!
_
n
f
x
n
(a, b)h
n
+
_
n
1
_

n
f
x
n1
y
(a, b)h
n1
k +
_
n
2
_

n
f
x
n2
y
2
(a, b)h
n2
k
2
+
+ +

n
f
y
n
(a, b)k
n
_
+E
n
(a, b, h, k) , lm
(h,k)(0,0)
E
n
(a, b, h, k) = 0
con lo que ya tengo el polinomio de Taylor hasta orden n con las parciales continuas.
CAP
ICITAS 64
5.8.1. Expresion de E
n
Una extension del teorema de Taylor me dice que si las parciales hasta orden (n + 1)
son continuas, tengo la siguiente expresion del termino E
n
:
E
n
(a, b, h, k) =
1
(n + 1)!
n+1
i=0
_
n + 1
i
_

n+1
f( a,
b)
x
i
y
n+1i
h
i
k
n+1i
y donde E
n
no esta evaluado en (a, b), sino en ( a,
b), con:
a (a, a +h)
b (b, b +k)
5.8.2. Teorema de Taylor para f : R
n
R
Si estoy en f : R
n
R, ya no tiene sentido trabajar componente a componente. En
estos casos, el teorema de Taylor me dice que:
f
_
a +

h
_
= f( a) +
n
i=1
f( a)
x
i
h
i
+
1
2!
n
i=1
n
j=1
2
f( a)
x
i
x
j
h
i
h
j
+
+
1
3!
n
i=1
n
j=1
n
k=1
3
f( a)
x
i
x
j
x
k
h
i
h
j
h
k
+
Ejemplo:
Hallar el enesimo polinomio de Taylor asociado a f(x, y) = e
x2y
centrado en (2, 1).
Vamos a empezar a calcular las parciales, teniendo en cuenta que las cruzadas seran
iguales por el terorema de Schwartz, ya que trabajamos con funciones exponenciales:
f
x
= e
x2y

2
f
x
2
= e
x2y
f
y
= 2e
x2y

2
f
y
2
= (2)
2
e
x2y
2
f
xy
=

2
f
yx
= 2e
x2y
.
.
.
n
f
x
i
y
ni
= (2)
ni
e
x2y
Una vez calculadas las derivadas, las eval uo en el punto (2, 1):
f(2, 1) = 1
f
x
(2,1)
= 1
f
y
(2,1)
= 2
;
2
f
x
2
(2,1)
= 1
2
f
xy
(2,1)
= 2
2
f
y
2
(2,1)
= (2)
2
;

n
f
x
i
y
ni
(2,1)
= (2)
ni
CAP
ICITAS 65
donde tengo en cuenta que al calcular las sucesivas derivadas no me conviene simplicar
los resultados (por ejemplo, en la

2
f
y
2
(2,1)
= (2)
2
no debo simplicar el resultado a 4,
ya que con la expresion completa puedo intuir mejor que va a pasar con las derivadas
enesimas, y ademas me permite simplicar mas facilmente el desarrollo del Taylor).
Construyo ahora el polimonio de Taylor:
T
n
(2,1)
(x, y) = 1 + [(x 2) + (2)(y 1)] +
1
2!
_
(x 2)
2
+ 2(2)(x 2)(y 1)+
+(2)
2
(y 1)
2
+
1
3!
_
(x 2)
3
+ 3(2)(x 2)
2
(y 1) + 3(2)
2
(x 2)(y 1)
2
+
+(2)
3
(y 1)
3
+ +
1
n!
_
n
k=0
_
n
k
_
(2)
nk
(x 2)
k
(y 1)
nk
_
5.8.3. Calculo del polinomio de Taylor de una funci on denida implci-
tamente
Hallar el polinomio de Taylor de la funcion x = f(x, y) denida implcitamente por
x
2
+ y
2
+ z
3
+ z 2 = 0 en (0, 0, 1). Vamos a calcularlo por el segundo metodo de
derivacion de la funcion implcitica, derivando directamente [ver apartado 5.6]. As, las
derivadas parciales nos quedan:
2x + 3z
2
z
x
+
z
x
= 0
z
x
=
2x
1 + 3z
2

z
x
(0,0,1)
= 0
2y + 3z
2
z
y
+
z
y
= 0
z
y
=
2y
1 + 3z
2

z
y
(0,0,1)
= 0
y las sucesivas quedan (respecto de x2):
2 + 6z
_
z
x
_
2
+ 3z
2
2
z
x
2
+

2
z
x
2
= 0

2
z
x
2
=
2 6z
_
z
x
_
1 + 3z
2

2
z
x
2
(0,0,1)
=
1
2
operando de igual modo respecto de xy y respecto de y
2
obtenemos:
2
z
xy
(0,0,1)
= 0 ;

2
z
y
2
(0,0,1)
=
1
2
Por lo tanto, ya podemos construir nuestro polonomio de Taylor de orden 2:
T
2
(0,0,1)
=
T
2
(0,0)
= 1 +
1
2!
_
1
2
x
2
1
2
y
2
_
Donde hemos evaluado el polinomio en (0, 0) en lugar de (0, 0, 1), ya que al estar la
variable z denida implcitamente, el 1 esta forzado. Ademas, dado que las parciales de
primer orden y las cruzadas son 0, no aparecen en la expresion.
Captulo 6
Extremos de campos escalares
6.1. Maximos y mnimos
Sea f : D
n
R. Decimos que f tiene:
Maximo absoluto en un punto a si se verica que
f( x) f( a) x D
Maximo relativo (o local) en a si cumple
f( x) f( a) en una bola centrada en a
Mnimo absoluto en a si cumple
f( x) f( a) x D
Mnimo relativo (o local) en a si cumple
f( x) f( a) en una bola centrada en a
6.2. Existencia de extremos
Para los extremos abolutos tenemos un teorema que nos permite demostrar su exis-
tencia, siempre que se cumplan sus condiciones. Para extremos relativos no hay ningun
teorema.
6.2.1. Teorema de Weierstrass
Sea f : D R
n
R. Si D es cerrado y acotado, y f es continua en D, entonces f
alcanza su maximo y su mnimo absoluto en D.
Este teorema me da condiciones sucientes, con lo que me permite asegurar la exis-
tencia de estos extremos. Fuera de esto, si las hipotesis no se cumplen, no se nada.
66
CAP
ITULO 6. EXTREMOS DE CAMPOS ESCALARES 67

6.3. Localizacion de extremos absolutos y relativos
Para facilitar la localizacion de los extremos, vamos a enunciar un teorema, y una
denicion que nos permite emplear ese teorema.
6.3.1. Teorema de localizacion
Si f : D
n
R tiene extremo en un punto interior a, y f es diferenciable en a,
entonces todas las derivadas parciales de f en a se anulan, es decir:
f( a) =

0
Hay que tener cuidado, ya que este teorema presenta tres condiciones:
1. f tenga extremos en a
2. a sea interior
3. f sea diferenciable en a
Si no se cumplen las tres, el teorema no me sirve de nada, pero eso no quiere decir
que no haya extremos.
6.3.2. Punto crtico
Sea f : D R
n
R. Se dice que un punto interior a es punto crtico o estacionario si:
1. f es diferenciable en a
2. f( a) =

0
Un punto crtico, por lo tanto, satisface las 3 hipotesis del anterior teorema.
6.3.3. Interpretaci on geometrica de los puntos crticos
Sea f : D R
2
R. Sea (a, b) un punto crtico de f. Voy a calcular el plano tangente
a la supercie de f en el punto (a, b, f(a, b)). El campo lo represento por z = f(x, y). Para
hallar el plano tangente lo veo como una superce de nivel:
F(x, y, z) = f(x, y) z
F(x, y, z) = (D
1
f(x, y), D
2
f(x, y), 1)
F(a, b, f(a, b)) = (0, 0, 1)
luego la ecuacion del plano tangente es:
(z f(a, b)) = 0 z = f(a, b) z = cte plano horizontal
CAP

6.3.4. Anotaci on al teorema de localizaci on
Hay que tener en cuenta que el recproco del teorema no es cierto: f( a) =

0 no
implica que nos encontremos ante un extremo.
Ejemplo:
Sea f(x, y) = xy. (0, 0) es un punto crtico, pero se puede ver que no tiene extremos,
ya que si comprobamos el signo que toma la funcion f en los cuadrantes, vemos como en
un entorno de (0, 0) hay puntos que son > 0 y < 0, luego no hay maximos, con lo que se
comprueba que el recproco del teorema no es cierto. Con este ejemplo, podemos dar una
nueva denicion.
6.3.5. Punto de silla
Sea f : D R
n
R, y sea a un punto crtico. Se dice que a es punto silla (o punto
de silla) si f no tiene maximo ni mnimo en a
6.3.6. Donde puede haber extremos?
Con todo lo que hemos visto, podemos indicar cuales son los puntos donde podemos
encontrar candidatos a extremos:
En los puntos crticos
Donde fallen las hipotesis del teorema, es decir:
En la frontera
En los puntos donde f no sea diferenciable
6.3.7. Localizacion de extremos absolutos
Hallar los extremos absolutos de f(x, y) = x
2
+y
2
x y +1, denido en el cuadrado
de vertices (0, 0), (0, 1), (1, 0), (1, 1). Dado que el campo es diferenciable siempre, podemos
tener extremos en dos sitios:
Puntos crticos
Frontera
Los puntos crticos son:
D
1
f(x, y) = 2x 1
D
2
f(x, y) = 2y 1
Imponiendo la condicion de que:
D
1
f(x, y) = 0
D
2
f(x, y) = 0
obtengo un sistema de ecuaciones:
2x 1 = 0
2y 1 = 0
cuya unica solucion es
_
1
2
,
1
2
_
. Este es mi primer candidato a extremo.
Ahora estudio los posibles puntos de la frontera, formada por los cuatro lados del
cuadrado y que estudiamos por separado:
CAP

1. x = 0, 0 y 1. Con esta condicion, f(x, y) se reduce a g(y) = y
2
y +1. Hallamos
los extremos de g : R R, mediante su derivada: g
(y) = 2y1. Si en esta expresion

impongo la condicion g
(y) = 0 obtengo que y =

1
2
, luego otro candidato es (0,
1
2
).
2. x = 1, 0 y 1, con lo que de nuevo f(x, y) queda reducida a una expresion
g : R R, que en este caso coincide con la anterior: g(y) = 2y 1, y operando de
igual modo que antes, obtenemos un nuevo candidato, (1,
1
2
).
3. y = 0, 0 x 1, de donde obtengo (
1
2
, 0).
4. y = 1, 0 x 1, de donde obtengo (
1
2
, 1)
Pero dado que el dominio va de 0 x 1, 0 y 1, tambien son candidatos los
puntos que forman la frontera de la frontera, es decir, los cuatro vertices del cuadrado:
(0, 0), (0, 1), (1, 0), (1, 1), con lo que en total tengo 9 candidatos a extremos.
Como lo que me piden son los extremos absolutos, calculo el valor de f en los candidatos
y selecciono el mayor y el menor de ellos:
f
_
1
2
,
1
2
_
=
1
2
f
_
0,
1
2
_
= f
_
1,
1
2
_
= f
_
1
2
, 0
_
= f
_
1
2
, 1
_
=
3
4
f(0, 0) = f(1, 0) = f(0, 1) = f(1, 1) = 1
Con lo que vemos que f tiene maximo absoluto en (0, 0), (0, 1), (1, 0), (1, 1) y mnimo
absoluto en (
1
2
,
1
2
).
El problema se complicara si me pidieran buscar los extremos relativos. Tendra que
buscar candidatos, y estudiar el crecimiento y decreciemiento de la funcion en un entorno
del punto.
6.4. Localizacion de extremos relativos
6.4.1. Matriz Hessiana
Sea f : R
2
R tal que existen las derivadas hasta orden 2 (sin importar que sean
continuas) en un punto (a, b). Con estas condiciones, se llama Matriz Hessiana a:
Hf(a, b) =
_
D
11
f(a, b) D
12
f(a, b)
D
21
f(a, b) D
22
f(a, b)
_
y se llama Determinante Hessiano al determinante de dicha matriz:
[Hf(a, b)[
6.4.2. Criterio de clasicaci on de puntos crticos
Sea f : R
2
R con derivadas parciales hasta orden 2 continuas en un punto crtico
(a, b).
Si [Hf(a, b)[ > 0 y D
11
f(a, b) > 0, entonces el campo f tiene un mnimo relativo en
el punto (a, b).
CAP

Si [Hf(a, b)[ > 0 y D
11
f(a, b) < 0, entonces f tiene un maximo relativo en (a, b).
Si [Hf(a, b)[ < 0 entonces f tiene un punto de silla en (a, b).
Si [Hf(a, b)[ = 0, el criterio de clasicacion no decide, y debo estudiar el punto por
otro medio.
6.4.3. Demostraci on del criterio de clasicacion
Vamos a demostrar los casos del maximo y el mnimo. Nos basamos para ello en la
hipotesis de las parciales de orden 2 continuas, con lo que se cumple el teorema de Schwartz
D
12
f(a, b) = d
21
f(a, b).
Vamos a llamar:
D
11
f(a, b) = A
D
12
f(a, b) = D
21
f(a, b) = B
D
22
f(a, b) = C
Con lo que el determinante Hessiano queda:
[Hf(a, b)[ =
A B
B C
= AC B
2
La hipotesis con la que trabajamos, [Hf(a, b)[ > 0 AC B
2
> 0, nos obliga a que A y
C sean ,= 0, ya que si A o C son = 0, nos queda que B
2
> 0, lo cual es imposible. Por
lo tanto, estamos seguros de que A, C ,= 0.
Calculamos ahora el polinomio de Taylor de orden 2 centrado en el punto (a, b), en el
cual vamos a pasar el primer miembro del polinomio, f(a, b), al primer termino, restando:
f(a +h, b +k) f(a, b) =
1
2
_
Ah
2
+ 2Bhk +ck
2
+E
2
(a, b, h, k)
con lm
(h,k)(0,0)
E
2
(a, b, h, k) = 0.
Hay que notar que el signo de la diferencia del primer miembro coincide con el signo
del corchete, ya que al ser
1
2
positivo, y al tender E
2
a 0, no afectan al signo. Estudiando
el corchete:
Ah
2
+2Bhk+ck
2
=
_
multiplicando y dividiendo entre A
y completando cuadrados
_
=
(Ah +Bk)
2
+
_
AC B
2
_
k
2
A
con lo que vemos que, dado que el numerador siempre es 0, el signo de la expresion
depende del signo de A:
Si A > 0, entonces la expresion es > 0 f(a + h, b + k) f(a, b) > 0 f(a, b) <
f(a +h, b +k), con lo que f tiene un mnimo en (a, b).
Si A < 0 f(a + h, b + k) f(a, b) < 0 f(a, b) > f(a + h, b + k), con lo que f
tiene un maximo en (a, b).
con lo que queda demostrado .
Se debe hacer mencion al hecho de que las variables son intercambiables: lo mismo que
hemos demostrado para la variable A se puede demostrar para el caso de que la variable
escogida sea la C.
CAP

6.4.4. Generalizaci on del criterio de clasicacion
Vamos a generalizar el criterio para campos de f : R
n
R. Para ello, el primer paso
sera generalizar la matriz Hessiana.
Si f : R
n
R tiene derivadas parciales hasta orden 2 en un punto (no es necesario
que las parciales sean continuas), denimos la matriz Hessiana como:
Hf( a) =
_
_
_
_
_
D
11
f( a) D
12
f( a) D
1n
f( a)
D
21
f( a) D
22
f( a) D
2n
f( a)
.
.
.
.
.
.
.
.
.
.
.
.
D
n1
f( a) D
n2
f( a) D
nn
f( a)
_
_
_
_
_
Y procedemos a extender el criterio, donde en este caso daremos la denicion mediante
los autovalores de la matriz Hessiana:
Sea el campo f : R
n
R, con un punto crtico a, y con derivadas parciales continuas
hasta orden 2 en ese punto a.
Si todos los valores propios de la matriz Hf( a) son > 0 f tiene un mnimo en a.
Si todos los autovalores de Hf( a) son < 0 f tiene un maximo en a.
Si todos los autovalores de Hf( a) son no nulos, y existen autovalores > 0 y < 0,
entonces a es punto silla.
En cualquier otro caso, el criterio no decide.
Ejemplo:
Hallar los extremos relativos del campo:
f(x, y) = (x
2
+y
2
)
2
2a
2
(x
2
y
2
) ; a ,= 0
Sabemos que podemos encontrar extremos en los siguientes lugares:
Puntos crticos, los cuales estudiaremos ahora.
Puntos frontera. En este caso, no vamos a tener ya que la expresion es un polinomio.
Puntos donde el campo no sea diferenciable. No vamos a tener, ya que el campo es
diferenciable siempre por ser un polinomio.
Calculamos las parciales:
D
1
f(x, y) = 4x(x
2
+y
2
) 4a
2
x = 4x(x
2
+y
2
a
2
)
D
2
f(x, y) = 4y(x
2
+y
2
) + 4a
2
y = 4y(x
2
+y
2
+a
2
)
y los puntos crticos se hallaran donde se anulen las parciales. Imponiendo las condiciones:
D
1
f(x, y) = 0
D
2
f(x, y) = 0
_
obtengo el siguiente sistema de ecuaciones:
4x(x
2
+y
2
a
2
) = 0
4y(x
2
+y
2
+a
2
) = 0
_
CAP

el cual es un sistema de ecuaciones no lineal, por lo tanto no dispongo de ningun proce-
dimiento para estudiarlo de forma comoda. Tenemos que abordarlo por el estudio de los
posibles casos, teninendo cuidado de barrer todos los casos.
1. x = 0, con lo que la primera ecuacion se satisface. En la 2
a
, para que se siga cum-
pliendo me obliga a que y = 0, con lo que ya tengo el primer punto crtico: (0, 0).
2. y = 0, la segunda ecuacion se cumple, y en la primera tengo tres posibilidades: x = 0,
x = a y x = a. El caso de x = 0 ya se ha estudiado en el punto 1, con lo que nos
olvidamos de el. Las otras dos posiblidades nos dan como resultado los puntos (a, 0)
y (a, 0).
3. x ,= 0 y y ,= 0, para el cual no tengo solucion posible.
Con esto ya tengo hallados todos los puntos crticos: (0, 0), (a, 0), (a, 0). Clasicamos
ahora estos puntos crticos, para lo que estudio las derivadas de segundo orden (en las
cuales se cumple el teorema de Schwartz):
D
11
f(x, y) = 12x
2
+ 4y
2
4a
2
D
12
f(x, y) = D
21
f(x, y) = 8xy
D
22
f(x, y) = 4x
2
+ 12y
2
+ 4a
2
Evaluamos las parciales de segundo orden en los puntos crticos:
(0, 0):
D
11
f(0, 0) = 4a
2
D
12
f(0, 0) = 0
D
22
f(0, 0) = 4a
2
con lo que la matriz Hessiana queda:
Hf(0, 0) =
_
4a
2
0
0 4a
2
_
[Hf(0, 0)[ = 16a
4
< 0 ; D
11
f(0, 0) < 0
luego comprobamos que en (0, 0) tenemos un punto de silla.
(a, 0):
D
11
f(a, 0) = 8a
2
D
12
f(a, 0) = 0
D
22
f(a, 0) = 8a
2
con lo que la matriz Hessiana queda:
Hf(a, 0) =
_
8a
2
0
0 8a
2
_
[Hf(a, 0)[ = 64a
4
> 0 ; D
11
f(a, 0) > 0
luego vemos que en (a, 0) el campo tiene un mnimo.
(a, 0):
En este caso obtenemos el mismo resultado que en el apartado anterior, luego en
(a, 0) tenemos un mnimo.
CAP

6.5. Extremos condicionados
Los extremos condicionados se presentan en aquellos casos donde el campo se da me-
diante condiciones (PE en el ejemplo 6.3.7). Veamos un ejemplo:
Hallar los extremos de la parabola y = x
2
mas proximos a la recta y = x 1. En este
caso, la funcion en la cual tenemos que hallar extremos es en realidad la funcion distancia
entre dos puntos, en la cual imponemos dos condiciones: la parabola y la recta. La funcion
distacia es:
d(x
0
, y
0
, x
1
, y
1
) =
_
(x
0
x
1
)
2
+ (y
0
y
1
)
2
Pero dado que la raiz cuadrada es una funcion monotona, los extremos de la distancia d
se corresponden con los extremos de d
2
. Introduciendo una funcion g = d
2
:
g(x
0
, y
0
, x
1
, y
1
) = (x
0
x
1
)
2
+ (y
0
y
1
)
2
Tendremos ahora que hallar los extremos de g metiendo las dos condiciones de la parabola
y la recta.
1. Que un punto pertenezca a y = x
2
:
(x
0
, y
0
) = (a, a
2
)
2. Que el otro pertenezca a y = x 1:
(x
1
, y
1
) = (b, b 1)
Por lo tanto, ahora trabajaremos con una funcion f(a, b):
f(a, b) = (a b)
2
+ (a
2
b + 1)
2
Hallamos las parciales, las igualamos a 0 y resolvemos el sistema que generan:
D
1
f(a, b) = 2(a b) + 2(a
2
b + 1)2a
D
2
f(a, b) = 2(a b) 2(a
2
b + 1)
Imponiendo:
D
1
f(a, b) = 0
D
2
f(a, b) = 0
me queda el sistema:
D
1
f(a, b) = (a b) + 2a(a
2
b + 1) = 0
D
2
f(a, b) = (a b) + (a
2
b + 1) = 0
_
el cual resolvemos por casos:
1. (a = b):
(a b) = 0 a
2
a + 1 = 0
Que es una ecuacion de segundo grado sin soluciones reales, por lo tanto con a = b
no tenemos candidatos.
CAP

2. (a ,= b):
El primer termino, (a b), no nos afecta en la igualdad, pero el termino de 2a
nos impone la condicion 2a = 1, ya que de otra forma no se podran igualar las 2
ecuaciones.
2a = 1 a =
1
2

1
2
b +
1
4
b + 1 =
7
4
2b = 0 b =
7
8
Y si lo comprobamos con el criterio de clasicacion, vemos que f(a, b) tiene un
mnimo en (
1
2
,
7
8
).
Por lo tanto, el punto de la parabola mas proximo a la recta es (
1
2
,
1
4
), ya que si x
0
=
1
2
, y
0
= x
2
0
=
_
1
2
_
2
=
1
4
.
6.6. Metodo de los multiplicadores de Lagrange
A veces nos encontraremos con casos como este:
Hallar los extremos de la funcion f(x, y) = x+y sometido a la condicion x
5
+y
5
+x+y =
1. Esto dene a y como funcion implcita de x, pero no puedo meter la condicion en la
funcion, con lo que no puedo actuar igual que en el ultimo ejemplo.
Vamos a ver un metodo que nos permitira resolver estos casos. Para ello, vamos a
expresar estos problemas de forma general:
6.6.1. Expresion general del problema de los extremos condicionados
Hallar los extremos de f(x
1
, , x
n
), sometido a m condiciones de la forma:
g
1
(x
1
, , x
n
) = 0
.
.
.
g
m
(x
1
, , x
n
) = 0
Siendo m < n, y donde suponemos que f y las condiciones no presentan problemas, es
decir:
f(x
1
, , x
n
), g
1
(x
1
, , x
n
), , g
m
(x
1
, , x
n
)
son diferenciables con continuidad.
6.6.2. Metodo de los m ultiplicadores de Lagrange para una condicion
Para hallar los extremos de f(x
1
, , x
n
) sometido a la condicion g(x
1
, , x
n
) = 0,
siendo f(x
1
, , x
n
) y g(x
1
, , x
n
) diferenciables con continuidad, y siendo g ,= 0 , se
procede de la siguiente forma:
1. Se construye la funcion de Lagrange (de (n + 1) variables):
L(x
1
, , x
n
, ) = f(x
1
, x
n
) g(x
1
, x
n
)
CAP

2. Los extremos de f sometidos a la condicion de g estan entre los puntos que verican:
L(x
1
, x
n
, ) =

0
donde este gradiente, como es logico, tambien tiene (n+1) variables. Los puntos que
se obtengan de esta condicion seran candidatos a extremos, los cuales deberemos
sustituir en el campo para seleccionar aquellos que efectivamente se correspondan
con extremos.
6.6.3. Metodo de los multiplicadores de Lagrange para varias condicio-
nes
Si quiero hallar los extremos de f(x
1
, , x
n
), sometido a mcondiciones: g
1
(x
1
, , x
n
) =
0, , , g
m
(x
1
, , x
n
) = 0, donde todo son diferenciales con continuidad.
Ahora, mi L dependera de (n +m) variables:
L(x
1
, x
n
,
1
,
m
) = f(x
1
, x
n
)
1
g
1
(x
1
, , x
n
)
m
g
m
(x
1
, , x
n
)
Los candidatos a extremos estaran entre las soluciones de:
L(x
1
, x
n
,
1
,
m
) =

0
Aclaracion sobre la notacion de los multiplicadores de Lagrange
Los parametros son herramientas que actuan como variables de apoyo. As, en algunas
areas de las matematicas y algunos libros, nos puede interesar tratar L de distinta manera,
con lo que la funcion de los multiplicadores de Lagrange queda:
L(x
1
, x
n
,
1
,
m
) = f(x
1
, x
n
) +
1
g
1
(x
1
, , x
n
) + +
m
g
m
(x
1
, , x
n
)
Esto no afecta a los calculos, ya que los parametros los imponemos nosotros, asi que
podemos operar con ellos como mejor nos convenga.
6.6.4. Demostraci on de la condicion g ,= 0
Vamos a ver ahora un ejemplo que nos muestra la necesidad de dicha condicion. En
este ejemplo g ,= 0 no se cumple, y por lo tanto al metodo de los multiplicadores se le
escapa el extremo del campo.
Sea f(x, y) = (x+1)
2
+y
2
. Este campo presenta un mnimo en (0, 0) sometido a x
3
= y
2
,
como vamos a comprobar inmediatamente. Si x
3
= y
2
, esto nos indica que x
3
0 x 0.
Entonces, f(x, y) = (x +1)
2
+y
2
1, y en (0, 0), f(0, 0) = 1 f(0, 0) f(x, y) en todos
los puntos que cumplen la restriccion. Por lo tanto, hemos comprobado que en (0, 0) hay
un mnimo.
Veamos ahora lo que ocurre al aplicar Lagrange:
L(x, y, ) = (x + 1)
2
+y
2
(x
3
y
2
)
D
1
L(x, y, ) = 2(x + 1) 3x
2
D
2
L(x, y, ) = 2y + 2y
D
3
L(x, y, ) = (x
3
y
2
)
CAP

Imponiendo que L(x, y, ) =

0, obtenemos el siguiente sistema:
2(x + 1) 3x
2
= 0
2y + 2y = 0
x
3
= y
2
_
_
Donde podemos comprobar como el punto (0, 0) no satisface la primera ecuacion, por lo
tanto dicho punto no me aparecera como candidato por Lagrange. Esto se debe a que el
gradiente de g en forma normalizada es:
= (3x
2
, 2y)
y vemos como en (0, 0) dicho gradiente se anula, por lo que deja de cumplirse la condicion
de g ,= 0. Con esto hemos visto la importancia de comprobar que se cumpla dicha
condicion, puesto que de otro modo, al aplicar directamente Lagrange podemos dejarnos
atras algunos candidatos a extremo.
6.6.5. Metodo de los multiplicadores de Lagrange para extremos abso-
lutos condicionados
Hallar los extremos condicionados absolutos de:
f(x, y) = x
3
+y3
denida en el conjunto x2 +y2 = 1.
Comprobamos primero que se cumple la condicion de g ,= 0:
g = 2x + 2y
Aqu podemos ver como en (0, 0) no se cumple, ya que el gradiente se anula, pero el punto
(0, 0) ni siquiera cumple la restriccion impuesta al campo, x2+y2 = 1, ya que 0
2
+0
2
,= 1.
Por lo tanto, dicho punto queda fuera de nuestro estudio, y podemos continuar aplicando
el metodo.
L(x, y, ) = x
3
+y
3
(x
2
+y
2
1)
Imponiendo que L(x, y, ) =

0 obtenemos el sistema:
3x
2
2x = 0
3y
2
2y = 0
x
2
+y
2
= 1
_
_
El cual, al no ser un sistema lineal, procedemos a resolver por casos.
1. x = 0:
La primera ecuacion se satisface, y de la tercera obtenemos dos resultados posibles:y =
1 e y = 1. Con estos valores de y, puedo despejar el valor de en la segunda ecua-
cion:
x = 0
_
y = 1 =
3
2
y = 1 =
3
2
CAP

2. y = 0:
En este caso se cumple la segunda ecuacion, y de la tercera obtengo x = 1 y x = 1.
Introduciendo estos valores en la primera ecuacion, obtengo el valor de asociado:
y = 0
_
x = 1 =
3
2
x = 1 =
3
2
3. x ,= 0, y ,= 0:
Sacando factor com un x en la primera ecuacion e y en la segunda, se fuerza que
x = y, con lo que obtenemos los siguientes puntos.
x =
2
2
, y =
2
2
, =
3
2
4
x =
2
2
, y =
2
2
, =
3
2
4
As, ya tenemos los posibles candidatos a extremos, los cuales debemos introducir en
el campo para seleccionar nalmente los que sean extremos absolutos.
6.6.6. Metodo de los multiplicadores de Lagrange para extremos relati-
vos condicionados
Sea f : R
2
R, con derivadas parciales de orden 2 continuas, sometido a una unica
condicion g(x, y) = 0, donde el campo g : R
2
R tiene tambien parciales hasta orden 2
continuas.
Sea (a, b,
0
) tal que cumple: L(a, b,
0
) =

0 (con lo que ya tenemos que (a, b) es un
posible extremo). Sea el determinante:
[HL(a, b,
0
)[ =
D
11
L(a, b,
0
) D
12
L(a, b,
0
) D
13
L(a, b,
0
)
D
21
L(a, b,
0
) D
22
L(a, b,
0
) D
23
L(a, b,
0
)
D
31
L(a, b,
0
) D
32
L(a, b,
0
) D
33
L(a, b,
0
)
El criterio me dice que:

Si [HL(a, b,
0
)[ > 0, entonces f sometido a g(x, y) = 0 tiene un mnimo local en
(a, b).
Si [HL(a, b,
0
)[ < 0, entonces f sometido a g(x, y) = 0 tiene un maximo local en
(a, b).
Si [HL(a, b,
0
)[ = 0, entonces el criterio no decide.
Al usar este criterio hay que tener en cuenta dos cosas importantes:
1. Dado que imponemos que las parciales de orden 2 sean continuas, se cumplen las
condiciones del teorema de Schwartz, luego las derivadas parciales cruzadas son
iguales, lo cual hace que el calculo del determinante se simplique en gran medida.
2. Hay que tener cuidado con los signos del criterio, ya que este va al contrario de los
que hemos visto: si el determinante [HL(a, b,
0
)[ es menor que cero se presenta un
mnimo, y si es mayor que cero presenta un maximo.
CAP

Ejemplo:
Hallar los extremos de f(x, y) = (x y)
2
sometido a x
2
+y
2
= 1. Entonces:
L(x, y, ) = (x y)
2
(x
2
+y
2
1)
Si derivamos e imponemos la condicion de que las derivadas sean iguales a 0, obtenemos
el siguiente sistema:
2(x y) 2x = 0
2(x y) 2y = 0
(x
2
+y
2
1) = 0
_
_
Donde vemos que, sumando las dos primeras ecuaciones, obtenemos una ecuacion que nos
ofrece dos casos:
(x +y) = 0
_
= 0
x +y = 0
Estudiamos cada caso:
Si = 0, o bien en la primera ecuacion, o bien en la segunda, queda (x y) = 0
x = y, y si x = y, de la tercera ecuacion obtengo los valores de x e y:
_
_
x =
2
2
, y =
2
2
o
x =

2
2
, y =

2
2
Si x +y = 0, de la tercera ecuacion obtengo dos posiblidades:
x = x
_
_
x =
2
2
, y =

2
2
o
x =

2
2
, y =
2
2
Ahora, introduzco estos valores de x e y en la primera o segunda ecuacion, y obtengo
los correspondientes valores de , que en ambos casos resulta ser = 2.
Como ya tengo los candidatos, eval uo el determinante en dichos puntos para aplicar el
criterio, teniendo en cuenta que se cumplen las hipotesis del teorema de Schwartz:
[HL[
2 2 2 2x
2 2 2 2y
2x 2y 0
Evaluando el determinante en los puntos candidatos:
HL
_
2
2
,
2
2
, 0
_
HL
_
2
2
,
2
2
, 0
_
= 16
HL
_
2
2
,
2
2
, 2
_
HL
_
2
2
,
2
2
, 2
_
= 16
luego resulta que el campo sometido a la condicion presenta un mnimo en
_
2
2
,
2
2
_
y en
_
2
2
,

2
2
_
, y tiene un maximo en
_
2
2
,
2
2
_
y tambien en
_
2
2
,

2
2
_
.
Parte III
Integraci on
79
Captulo 7
Integral de Lnea
7.1. La integral de lnea como extension del concepto de
integral
Es una forma de extender el concepto de integral que conocemos,
_
b
a
f(x)dx, para
generalizarlo. Intuitivamente, la generalizacion consiste en pasar de funciones de R R
a campos de R
n
R
n
. As, pasamos de trabajar con un intervalo [a, b] a trabajar con
una curva en un espacio n-dimensional. Y de trabajar con funciones f(x) de una variable
real (acotadas por [a, b]), a trabajar con campos

f : R
n
R
n
, acotados por la curva n-
dimensional.
Sin embargo, para pasar de esta idea intuitiva al proceso matematico vamos a requerir
el uso de ciertas herramientas matematicas.
7.2. Funciones vectoriales en R
n
Trabajaremos con funciones vectoriales de la forma:
: R R
n
Donde denotamos a la funcion con la letra , para reservar la letra

f para el campo
vectorial.
Un ejemplo de funcion vectorial es la representacion de la trayectoria de un movil. As,
en 2D tendra una funcion que describe la trayectoria del movil en cada instante t:
: R R
2
t (x(t), y(t))
y en 3D, de manera equivalente:
: R R
3
t (x(t), y(t), z(t))
.
Dada una funcion vectorial : R R
n
, puedo descomponerla de la misma mane-
ra que lo haca con los campos. As, poda ver un campo

f como la combinacion de
los campos (f
1
, f
2
, , f
n
), y ahora puedo descomponer una fucion vectorial como
80
CAP
ITULO 7. INTEGRAL DE L
INEA 81
= (
1
,
2
, ,
n
), con lo cual el estudio de se reduce al estudio de n funciones
componentes. Por ejemplo, el estudio del dominio de es el estudio de la interseccion de
los dominios de sus funciones componentes.
Ejemplos de descomposicion:
lm
tp
(t) =
_
lm
tp
1
(t), lm
tp
2
(t), , lm
tp
n
(t)
_

(t) =
_
1
(t),
2
(t), ,
n
(t)
_
En nuestro caso particular, a nosotros nos interesan las funciones vectoriales denidas
en un intervalo:
: [a, b] R
n
7.3. Representaci on graca de funciones vectoriales
: [a, b] R
2
representa un conjunto de puntos en el plano.
: [a, b] R
2
representa un conjunto de puntos en el espacio 3D.
: [a, b] R
2
representa un conjunto de puntos en el espacio n-dimensional.
En el caso de que sea continua, a la representacion graca se le da el nombre de curva,
como por ejemplo en el caso de la trayectoria de un movil.
No debemos identicar funcion vectorial con representacion graca. No decimos la
curva tal, sino que hablamos de la funcion tal, cuya representacion graca es la curva
tal. En estas situaciones esto es especialmente delicado puesto que, por ejemplo en la
trayectoria de un movil, si tengo la curva que describe, solo tengo los puntos por los que
ha pasado el cuerpo. Pero si ademas tengo la funcion vectorial, se como se ha engendrado
la curva (en que sentido se recorre, donde avanza mas rapido, ...).
Dada una curva, esta se puede expresar matematicamente de innitas maneras. A estas
innitas formas de expresar la curva les llamamos parametrizaciones.
Ejemplo:
(t) =
_
t
2
, t
3
_
0 t 1
(t) =
_
t,t
3
/
2
_
0 t 1
Si representamos estas dos funciones vectoriales, vemos que son parametrizaciones de la
misma curva.
Ejemplo:
(t) =
_
t, t
2
_
t R
(t) =
_
- t,t
2
_
t R
Si represento estas dos funciones, ambas generan la misma parabola, pero la segunda la
engendra en sentido contrario a la primera (C
2
= C
1
).
7.4. Funciones vectoriales regulares
Sea : [a, b] R
n
una funcion vectorial continua. Se dice que es regular si existe
, y dicha funcion es continua en (a, b). Notar que en este caso hablamos del intervalo
CAP
INEA 82
abierto (a, b), y no de [a, b], ya que todo lo referido a derivabilidad en la frontera no tiene
sentido.
Sedice que es regular a trozos si el intervalo [a, b] lo puedo descomponer en un n umero
nito de subintervalos, en cada uno de los cuales .
Introducimos tambien el concepto de camino. Cuando hablamos de camino, queremos
expresar que tenemos todos los datos de la funcion vectorial (no solo su curva). As,
una funcion vectorial genera un camino, una funcion vectorial regular genera un camino
regular, y una funcion vectorial a trozos genera un camino regular a trozos.
Con todo esto, ya nos encontramos en condiciones de denir la integral de llnea.
7.5. Denici on de la integral de lnea
Sea : [a, b] R
n
una funcion vectorial regular a trozos (un camino regular a trozos).
Sea

f : R
n
R un campo vectorial denido y acotado sobre . Se dene la integral de
lnea a lo largo del camino como:
_

f d =
_
b
a
f ( (t))
(t)dt
7.5.1. Notaciones
_
C
fd , donde C es la curva que es la representacion graca de .

_
C
2
C
1
f d donde C
1
y C
2
son los extremos de la curva.
7.6. Expresion de la integral de lnea
Si tenemos en cuenta que podemos escribir:
f = (f
1
, f
2
, , f
n
)
= (
1
,
2
, ,
n
)

= (
1
, ,
n
)
podemos reescribir la integral de lnea de la siguiente manera:
_

f d =
_
b
a
n
i=1
f
i
( (t))
i
(t)dt =
n
i=1
_
b
a
f
i
( (t))
i
(t)dt
En la practica, dado que solo vamos a trabajar en R
2
y R
3
, podemos identicar
1
x,
2
y,
3
z, con lo que nos queda (para R
2
):
(t) = (
1
(t),
2
(t)) = (x(t), y(t))
f(x, y) = (f
1
(x, y), f
2
(x, y))
_

f d =
_
b
a
f
1
(x, y)x
(t)dt +f
2
(x, y)y
(t)dt =
=
_
b
a
_
f
1
(x, y)x
(t) +f
2
(x, y)y
(t)
_
dt =
_
x
(t)dt dx
y
(t)dt dy
_
=
=
_
C
f
1
(x, y)dx +f
2
(x, y)dy
CAP
INEA 83
Donde vemos que al hacer el cambio de variable, nos ha surgido un problema: (a) y (b)
son los extremos del campo en funcion de t, y ya no tenemos t; por eso hemos empleado
la notacion de la integral con el camino,
_
c
.
En el caso de que trabajemos en R
3
, de manera analoga obtenemos:
_

f d =
_
f
1
(x, y, z)dx +f
2
(x, y, z)dy +f
3
(x, y, z)dz
Y si nos encontramos en R
n
:
_

f d =
_
f
1
(x
1
, , x
n
)dx
1
+ +f
n
(x
1
, , x
n
)dx
n
7.6.1. Formas diferenciales
A una expresion de la forma:
f
1
(x, y)dx +f
2
(x, y)dy
se le llama forma diferencial en R
2
. De la misma manera, en R
3
:
f
1
(x, y, z)dx +f
2
(x, y, z)dy +f
3
(x, y, z)dz
tenemos una forma diferencial en R
3
.
En general:
f
1
(x
1
, , x
n
)dx
1
+ +f
n
(x
1
, , x
n
)dx
n
es una forma diferencial en R
n
.
Ejemplo: Calcular
_

f d entre (0, 0) y (1, 1), siendo:
f = (xy + 1, x +y)
1. a lo largo del camino (t) = (t, t
2
), 0 t 1.
2. a lo largo del camino

(t) = (t, t), 0 t 1.
Vamos a construir para cada camino su forma diferencial:
1.
x = t, dx = dt
y = t
2
, dy = 2tdt
La forma diferencial es:
(x +y + 1)dx + (x +y)dy = (t
3
+ 1 + (t +t
2
)2t)dt =
= (t
3
+ 1 + 2t
2
+ 2t
3
)dt = (3t
3
+ 1 + 2t
2
)dt
luego la integral de lnea sera:
_
(1,1)
(0,0)
f d =
_
1
0
(3t
2
+ 2t
2
+ 1)dt =
29
12
CAP
INEA 84
2.
x = t, dx = dt
y = t, dy = dt
En este caso, la forma diferencial es:
(xy + 1)dx + (x +y)dy = (t
2
+ 1 + 2t)dt
por lo tanto, la integral de lnea sera:
_
(1,1)
(0,0)
f d
=
_
1
0
(t
2
+ 2t + 1)dt =
7
3
7.7. Propiedades de las integrales de lnea
1. La integral de lnea no depende de la parametrizacion. Esto es, que para dos funciones
vectoriales cualesquiera, la integral depende del camino. Pero si las dos funciones son
parametrizaciones de la misma curva, entonces las integrales a lo largo de las dos
curvas son iguales.
_
C
f d =
_
C
f d
donde y

son dos caminos que son parametrizaciones de la misma curva.
2.
_
(A
f +B g)d = A
_

f d +B
_
g d
3.
_
C
f d =
_
C1
f d +
_
C2
f d
donde se cumple:
C = C
1
C
2
C
1
C
2
=
4. Si C
2
= C
1
:
_
C2
f d =
_
C1
f d
7.7.1. Notaci on para curvas cerradas
Cuando la curva C es cerrada, a la integral de lnea se la designa
_

f d , y el nombre
que se le suele dar es circulacion del campo a lo largo de la curva C.
CAP
INEA 85
7.8. Campos gradientes
Sea el campo

f : R
n
R
n
.

f es un gradiente si existe una funcion : R
n
R
diferenciable tal que:
f =

con lo que tenemos:

f
1
(x
1
, , x
n
) =
(x
1
, , x
n
)
x
1
.
.
.
f
n
(x
1
, , x
n
) =
(x
1
, , x
n
)
x
n
Construimos la forma diferencial:
f
1
(x
1
, , x
n
)dx
1
+ +f
n
(x
1
, , x
n
)dx
n
=
=
(x
1
, , x
n
)
x
1
dx
1
+ +
(x
1
, , x
n
)
x
n
dx
n
=
= d
Si

f es un gradiente, a la forma diferencial d se le llama forma diferencial exacta. En
algunos libros, a se le denota tambien como u, y se le denomina funcion potencial.
7.9. Conjunto conexo
Un subconjunto de R
n
abierto, A R
n
, se dice que es conexo si para todo par de
puntos xy, y A, se tiene que existe un camino regular a trozos que los une, cuya graca
esta contenida en A.
Es importante resaltar que lo contrario de conexo no es convexo, sino no conexo.
7.9.1. Conjunto simplemente conexo
Es un conjunto conexo sin agujeros.
7.9.2. Conjunto convexo
A R
n
es convexo si para todo x, y A se tiene que existe un camino rectilneo que
los une, y cuya graca esta contenida en A.
La relacion entre conexo y convexo es que un conjunto convexo abierto es conexo.
7.10. Teorema de los campos gradientes
Sea D un conjunto abierto conexo, y sea C una curva regular a trozos contenida en D.
Bajo estas hipotesis son equivalentes las armaciones siguientes:
a)

f es un gradiente.
b)
_
c
f d es independiente del camino.

CAP
INEA 86
c)
_
c
f d = 0, esto es, la integral de linea a lo largo de cualquier camino cerrado

es siempre cero.
De cada una de estas armaciones puedo pasar a las otras dos.
Demostracion:
a b; b c; c b; b a
Con estos cuatro casos los demostramos todos. Los tres primeros casos resultan sencillos de
manejar, y el unico que puede presentar alguna dicultad es el caso b a. Demostramos
cada caso:
a b:
f(x, y) = P(x, y)
i +Q(x, y)
j =
(x, y)
x
i +
(x, y)
y
j
Calculamos la integral de lnea:
_
(x
1
,y
1
)
(x
0
,y
0
)
f d =
_
(x
1
,y
1
)
(x
0
,y
0
)
(x, y)
x
dx +
(x, y)
y
dy =
=
_
(x
1
,y
1
)
(x
0
,y
0
)
d = (x
1
, y
1
) (x
0
, y
0
)
Con lo que vemos que el valor de la integral de lnea no depende de (es decir, no
depende del camino), sino que solo depende de (x
0
, y
0
) y de (x
1
, y
1
).
b c
Consideramos el camino cerrado que comienze y termine en un punto (x
0
, y
0
) y
consideramos un punto (x
1
, y
1
) de dicho camino. Podemos dividir ese camino C en
dos caminos:
C
1
: de (x
0
, y
0
) a (x
1
, y
1
).
C
2
: de (x
1
, y
1
) a (x
0
, y
0
).
La hipotesis dice que la integral a traves de la curva C,
_
C
f d , es independiente
del camino, luego tiene que ser lo mismo:
_
C
1
f d =
_
C
2
f d
Calculamos la integral para la curva cerrada C:
_
C
f d =
_
C
1
f d +
_
C
2
f d = 0
Donde vemos que la integral es 0, dado que
_
C
1
=
_
C
2
CAP
INEA 87
c b
Consideremos (x
0
, y
0
), (x
1
, y
1
) y un camino cerrado C que comienza y termina en
(x
0
, y
0
), pasando por (x
1
, y
1
), con lo que se divide el camino cerrado C en dos caminos
C
1
y C
2
.
Nuestra hipotesis dice que:
_
C
1
f d +
_
C
2
f d = 0
_
C
2
f d =
_
C
1
f d
y comprobamos como efectivamente:
_
C
2
f d =
_
C
2
f d =
_
C
1
f d
b a
Sea

f(x, y) = P(x, y)
i +Q(x, y)
j.
Nuestra hipotesis dice que:
_

f d =
_
P(x, y)dx +Q(x, y)dy
es independiente del camino.
Queremos demostrar que existe una funcion (x, y) tal que:
(x, y)
x
= P(x, y)
(x, y)
y
= Q(x, y)
Vamos a suponer que tiene una expresion de la forma:
(x, y) =
_
(x,y)
(a,b)
P(s, q)ds +Q(s, q)dq
donde (a, b) es un punto arbitrario, y donde en P y Q no podemos emplear (x, y)
como variables, ya que (x, y) aparecen en la expresion como extremos de integracion,
asi que introducimos otras variables (s, q).
Comprobamos que
(x,y)
x
= P(x, y),
(x,y)
y
= Q(x, y):
(x, y)
x
= lm
h0
(x +h, y) (x, y)
h
Vamos a desarrollar el numerador por separado:
(x +h, y) (x, y) =
_
(x+h,y)
(x,y)
P(s, q)ds +Q(s, q)dq
CAP
INEA 88
Con lo que vemos que el problema se reduce a calcular esta integral de lnea. Si
tomamos la linea recta que va desde (x, y) hasta (x +h, y) para calcular la integral:
_
s = x +ht 0 t 1 ds = hdt
q = y dq = 0
_
=
_
1
0
P(x +ht, y)hdt =
=
_
u = ht du = hdt
t = 0 u = 0 t = 1 u = h
_
=
_
h
0
P(x +u, y)du =
= hP(x +, y), [0, h]
Llevamos ahora este resultado a la denicion de derivada parcial:
(x, y)
x
= lm
h0
(x +h, y) (x, y)
h
= lm
h0
,hP(x +, y)
,h
Y dado que esta acotado 0 h y h 0, podemos asegurar que es 0, y la
derivada parcial vale:
P(x, y)
Operando de la misma manera podemos obtener que
(x, y)
y
= Q(x, y).
En la practica, es incomodo trabajar con el teorema para ver que un campo es un
gradiente. Pero es facil utilizarlo para demostrar que no es un gradiente, ya que con que
falle cualquiera de las condiciones el campo ya no es un gradiente.
7.11. Condici on necesaria para que un campo sea un gra-
diente
Sea

f = (f
1
, , f
n
) un campo vectorial diferenciable con continuidad en un conjunto
conexo S R
n
.
Si

f es un gradiente entonces:
D
i
f
j
( x) = D
j
f
i
( x)
i, j 1, , n
i ,= j
x S
Demostracion para n = 2:
f(x, y) = f
1
(x, y)
i +f
2
(x, y)
j
Hipotesis:

f es un gradiente.
Para que esto se cumpla, existe una funcion (x, y) tal que:
f
1
(x, y) =
(x, y)
x
f
2
(x, y) =
(x, y)
y
CAP
INEA 89
Ademas, por nuestra hipotesis, sabemos que

f es diferenciable, con lo que podemos
calcular:
D
2
f
1
(x, y) =

2
(x, y)
yx
D
1
f
2
(x, y) =

2
(x, y)
xy
Y dado que

f es derivable con continuidad, D
1
y D
2
son continuas, luego se cumplen
las condiciones del teorema de Schwartz. Con esto, ya podemos asegurar que todas las
derivadas cruzadas son iguales, con lo que queda demostrada la condicion necesaria.
Ejemplo: Sea

f(x, y) =
_
y
x
2
+y
2
,
x
x
2
+y
2
_
. Su dominio es D = R
2
(0, 0). Descomponemos
el campo

f en dos campos:
f
1
(x, y) =
y
x
2
+y
2
f
2
(x, y) =
x
x
2
+y
2
Calculamos las derivadas cruzadas:
D
2
f
1
(x, y) =
(x
2
+y
2
) + 2y
2
(x
2
+y
2
)
2
=
y
2
x
2
(x
2
+y
2
)
2
D
1
f
2
(x, y) =
_
x
2
+y
2
_
2x
2
(x
2
+y
2
)
2
=
y
2
x
2
(x
2
+y
2
)
2
y como resulta que son iguales, no puedo armar nada (si fueran distintas, habra de-
mostrado que el campo no es un gradiente, pero en este caso tenemos que continuar
calculando).
Vamos a demostrar que este campo no es un gradiente. Para ello, calcularemos la
integral de lnea por un camino cerrado que rompe la integral. La integral de lnea es:
_

f d =
_
y
x
2
+y
2
dx +
x
x
2
+y
2
dy
Si ahora introducimos como camino:
x = cos t 0 t 2
y = sen t 0 t 2
dx = sen t dt
dy = cos t dt
la integral de lnea nos queda convertida en:
_
2
0
_
sen
2
t + cos
2
t
_
dt = 2 ,= 0
Donde demostramos que

f no es un gradiente, ya que su integral a lo largo de un
camino cerrado es ,= 0.
CAP
INEA 90
7.12. Condici on necesaria y suciente para que un campo
sea un gradiente
Sea

f = (f
1
, , f
n
) un campo vectorial diferenciable con continuidad en un conjunto
abierto convexo S R
n
.

f es un gradiente si y solo si:
D
i
f
j
( x) = D
j
f
i
( x)
i, j 1, , n
i ,= j
x S
Donde vemos que, para convertir la condicion necesaria en condicion necesaria y su-
ciente, solo hemos tenido que cambiar el conjunto S, pasando de uno conexo a uno abierto
convexo.
7.13. Calculo de un potencial asociado a un gradiente
Si hemos comprobado que el campo

f es un gradiente, entonces podemos proceder a
calcular un potencial del mismo. El potencial sera:
(x, y) =
_
(x,y)
(a,b)
f d
Dado que siempre tenemos un factor de indeterminacion (porque el punto (a, b) es arbi-
trario), hablamos de un potencial, y no del potencial.
Ejemplo:
Sea

f(x, y, z) =
_
2xyz +z
2
2y
2
+ 1
_
i +
_
x
2
z 4xy
_
j +
_
x
2
y + 2xz 2
_
k. Compro-
bar si el campo es un gradiente, y en caso de que lo sea, hallar una funcion potencial.
Otra manera de preguntar lo mismo sera: la forma diferencial
_
2xyz +z
2
2y
2
+ 1
_
dx+
_
x
2
z 4xy
_
dy +
_
x
2
y + 2xz 2
_
dz es exacta?. En ese caso, hallar un potencial.
Lo primero que haremos sera comprobar que

f es un gradiente. Para ello, usamos la
condicion necesaria y suciente para que un campo sea un gradiente:
D
i
f
j
( x) = D
j
f
i
( x)
Con i ,= j. Con esto, para ver que

f es un gradiente tenemos que comprobar (ya que
estamos en R
3
):
D
1
f
2
(x, y, z) = D
2
f
1
(x, y, z)
D
1
f
3
(x, y, z) = D
3
f
1
(x, y, z)
D
2
f
3
(x, y, z) = D
3
f
2
(x, y, z)
Si calculamos dichas derivadas cruzadas, podemos comprobar como efectivamente coinci-
den, por lo tanto aseguramos que

f es un gradiente. Vamos a calcular la funcion de dos
formas.
CAP
INEA 91
1. 1
a
forma: Si

f es un gardiente, se que existe una funcion (x, y, z), donde:
x
= 2xyz +z
2
2y
2
+ 1
y
= x
2
z 4xy
z
= x
2
y + 2xz 2
Entonces puedo obtener integrando cada una de las parciales respecto de su com-
ponente:
(x, y, z) =
_
_
2xyz +z
2
2y
2
+ 1
_
dx = x
2
yz +xz
2
2xy
2
+x +A(y, z)
donde hemos introducido como constante de integracion A(y, z), esto es, una funcion
que engloba a las variables que no hemos integrado. Operamos de igual modo con
y, z:
(x, y, z) =
_
_
x
2
z 4xy
_
dy = x
2
yz 2xy
2
+B(x, z)
(x, y, z) =
_
_
x
2
y + 2xz 2
_
dz = x
2
yz +xz
2
2z +C(x, y)
Vemos como en las tres expresiones hay elementos que se repiten (como x
2
yz). Aho-
ra, tenemos A, B, C indeterminadas, pero dado que las tres expresiones que hemos
obtenido para (x, y, z) tienen que ser iguales, puedo obtenerlos.
A(y, z). Para hallar su valor, tenemos que buscar en las otras dos expresiones de
(x, y, z) los elementos que dependen de (y, z), pero no de x. Si comprobamos
las expresiones, obtenemos:
A(y, z) = 2z
B(x, z). Operamos igual que antes, y obtenemos:
B(x, z) = xz
2
C(x, y). Repetimos el proceso una ultima vez:
C(x, y) = 2xy
2
+x
Ahora procedemos a construir (x, y, z). Para ello, partiendo de una de las tres
expresiones originales, vamos a crear una nueva expresion en la que aparezcan los
terminos en com un de las tres expresiones, y aquellos que solo aparecen en las otras
dos. De este modo, si tomamos la primera expresion y sustituimos A(y, z) por el
valor que hemos calculado arriba nos quedara una expresion de la forma:
(x, y, z) = x
2
yz +xz
2
2xy
2
+x 2z +D
que sera la expresion nal de la funcion potencial, la cual contiene todos los elemen-
tos repetidos y no repetidos de las tres expresiones. Esto mismo lo podramos haber
CAP
INEA 92
hecho en la segunda expresion (la que continene B(x, z)) sustituyendo B(x, z) por
el valor calculado y obtendramos el mismo resultado. Lo mismo se puede decir de
la tercera expresion.
Si al calcular alguna de las integrales me encontrara con alg un termino dependiente
de (x, y, z) que no apareciera en las otras dos integrales, tendra un error, que se
podra deber, o bien a que el campo

f no es un gradiente (caso que descartamos
al comprobar antes del proceso que de hecho

f es un gradiente, por medio de la
condicion necesaria y suciente), o bien a que hemos cometido un error al calcular
las integrales. Cualquier termino que dependa la vez de (x, y, z) tiene que aparecer
por fuerza en el resultado de las tres integrales simultaneamente.
2. 2
a
forma: metodo de los conjuntos convexos Podemos expresar

f de la forma:

f(x, y, z) =
f
1
(x, y, z)
i +f
2
(x, y, z)
j +f
3
(x, y, z)
k. Calculamos el potencial a partir de la deni-

cion, y reescribimos la forma diferencial con otras variables.
(x, y, z) =
_
(x,y,z)
(a,b,c)
f
1
(p, q, r)dp +f
2
(p, q, r)dq +f
3
(p, q, r)dr
Donde hay que tener cuidado de que el punto (a, b, c) pertenezca al conjunto. In-
troduzco el camino rectilneo que va de (a, b, c) (x, y, z), cosa que podemos hacer
dado que el conjunto en el que estamos trabajando (R
3
) es un conjunto convexo,
por lo tanto, entre dos puntos cualesquiera del conjunto existe un camino rectilneo.
Parametrizamos:
p = a + (x a)t 0 t 1
q = b + (y b)t
r = c + (z c)t
una vez que tengo las expresiones de p, q, r, calculamos:
dp = (x a)dt
dq = (y b)dt
dr = (z c)dt
y reescribimos la forma diferencial con la nueva parametrizacion. Con esto ya tendramos
resuelto el problema.
En este metodo encontramos una variante que nos permite simplicar los calculos.
Si en lugar de introducir como camino la recta que une (a, b, c) (x, y, z), cojo
tres segmentos rectilneos paralelos a los ejes, puedo dividir el camino original en
tres caminos mas sencillos: (a, b, c) (x, b, c) (x, y, c) (x, y, z), donde en cada
camino a nado una nueva variable. Con esto, tengo que calcular tres integrales, pero
cada una de ellas respecto de una unica variable.
Analizemos cada tramo:
a) El primer tramo ira de (a, b, c) (x, b, c). Con este camino, la parametrizacion
queda:
p = a + (x a)t 0 t 1 dp = (x a)dt
q = b dq = 0
r = c dr = 0
donde vemos que q y r son constantes, luego sus diferenciales son 0.
CAP
INEA 93
b) El segundo tramo sera (x, b, c) (x, y, c):
p = x dp = 0
q = b + (y b)t 0 t 1 dq = (y b)dt
r = c dr = 0
donde p ya es constantemente x.
c) El tercer tramo va de (x, y, c) (x, y, z):
p = x dp = 0
q = y dq = 0
r = c + (z c)t 0 t 1 dr = (z c)dt
Con esto, habramos simplicado enormemente los calculos.
Pero en el caso de que el punto (0, 0, 0) pertenzca al conjunto, puedo introducirlo
en el lugar de (a, b, c), con lo que el proceso se me simplica a un mas, ya que la
parametrizacion por un camino quedara:
p = xt 0 t 1 dp = xdt
q = yt dq = ydt
r = zt dr = zdt
y en caso de que lo hagamos por tramos, los tramos seran:
(0, 0, 0) (x, 0, 0) (x, y, 0) (x, y, z)
.
Vamos a ver ahora un ejemplo del segundo metodo, primero a traves de un unico
camino, y luego por tres tramos.
a) Por un unico camino: Sea

f(x, y, z) =
_
2xyz +z
2
2y
2
+ 1
_
i+
_
x
2
z 4xy
_
j+
_
x
2
y + 2xz 2
_
k. Ya sabemos que el campo es un gradiente (por la condicion

necesaria y suciente). Tomamos como punto arbitrario (a, b, c) = (0, 0, 0), y
rescribimos la forma diferencial, donde tenemos que introducir otras variables en
lugar de (x, y, z), ya que estas representan a uno de los extremos de integracion:
(x, y, z) =
_
(x,y,z)
(0,0,0)
_
2pqr +r
2
2q
2
+ 1
_
dp +
_
p
2
r 4pq
_
dq +
_
p
2
q + 2pr 2
_
dr
Como R
3
es convexo, hay un camino rectilneo que une (0, 0, 0) con (x, y, z).
Parametrizamos:
q = yt dq = ydt
r = zt dr = zdt
e introducimos esta nueva parametrizacion en la integral (con lo que cambian
los extremos de integracion):
(x, y, z) =
_
1
0
_
2xyzt
3
+z
2
t
2
2y
2
t
2
+ 1
_
xdt +
_
y
2
zt
3
4xyt
2
_
ydt+
+
_
x
2
yt
3
+ 2xzt
2
2
_
zdt =
_
1
0
_
4x
2
yzt
3
+ 3xz
2
t
2
6xy
2
t
2
+x 2z
_
dt =
= x
2
yz +xz
2
2xy
2
+x 2z
CAP
INEA 94
aqu vemos que no nos aparece ninguna constante de integracion, dado que
la integral se ha convertido en una integral denida. Por lo tanto, tengo que
introducirla para obtener el valor real de (x, y, z) (dado que, aunque nosotros
hemos forzado que (a, b, c) = (0, 0, 0) para hacer los calculos, el punto es en
realidad arbitrario, y por lo tanto nos introduce una indeterminacion que se
reeja en la constante de integracion). Con esto, nos queda:
(x, y, z) = x
2
yz +xz
2
2xy
2
+x 2z +C
b) Por tres tramos:
En este caso, la parametrizacion sera:
Primer tramo: (0, 0, 0) (x, 0, 0):
q = 0 dq = 0
r = 0 dr = 0
Con esto, los ultimos terminos de la integral son 0, ya que dq = dr = 0.
Pero ademas, en el termino correspondiente a dp, muchos de los sumandos
se hacen 0, ya que q = r = 0. De esta manera, la forma diferencial se reduce
a:
1dp = xdt
Con todo esto, la integral me queda:
_
dp =
_
1
0
xdt = x
Segundo tramo: (x, 0, 0) (x, y, 0):
p = x dp = 0
q = yt 0 t 1 dq = ydt
r = 0 dr = 0
igual que en el primer tramo, la forma diferencial se reduce debido a los
valores 0 de las varibales, con lo que la forma nos queda (introduciendo la
parametrizacion del segundo tramo):
4pqdq = 4xy
2
tdt
luego la ingtegral sera:
_
4pqdq =
_
1
0
4xy
2
tdt = 2xy
2
Tercer tramo: (x, y, 0) (x, y, z):
p = x dp = 0
q = y dq = 0
r = zt 0 t 1 dr = zdt
CAP
INEA 95
Con lo que la forma diferencial me queda:
_
p
2
q + 2pr 2
_
dr =
_
x
2
y + 2xzt 2
_
zdt
Procedo a calcular la contribucion del tercer tramo al potencial:
_
_
p
2
q + 2pr 2
_
dr =
_
1
0
_
x
2
yz + 2xz
2
t 2z
_
dt = x
2
yz +xz
2
2z
Por lo tanto, la funcion potencial me queda:
(x, y, z) = x 2xy
2
+x
2
yz xz
2
2z +C
Donde de nuevo he introducido una constante de integracion C para reejar la
indeterminacion que me genera el punto arbitrario (a, b, c).
Captulo 8
Integrales dobles
8.1. Introducci on
Partimos de la integral denida
_
b
a
f(x)dx. La idea de la integral doble es: en lugar
de trabajar con un intervalo [a, b] en la recta real, trabajo en un subconjunto Q R
2
. Y
en lugar de trabajar con una funcion real de una variable real,f : R R trabajo con un
campo f : Q R
2
R, siendo Q el reciento de integracion.
[a, b] Q R
2
f(x)
Pasamos a
f : Q R
2
R
_
b
a
f(x)dx
__
Q
f(x, y)dxdy
8.2. Sumas de Riemann
Vamos a imponer una restriccion sobre Q, de forma que Q sea un rectangulo de lados
paralelos a los ejes.
Q = [a, b] [c, d] =
_
(x, y) R
2
a x b, c y d
_
Tengo mi campo f(x, y) denido y acotado en el conjunto. Consideramos las dos particio-
nes siguientes dentro del campo:
1
o
: Una particion del intervalo [a, b] en n subintervalos:
P
1
= a = x
0
, x
1
, , x
n
= b
2
o
: Una particion del intervalo [c, d] en m subintervalos:
P
2
= c = y
0
, y
1
, , y
m
= d
Con estas dos particiones puedo denir una suma, de la misma manera que los hacamos
en funciones f : R R. A esta suma la llamamos Suma de Riemann:
R
f
=
n
i=1
m
j=1
f
_
x
i
, y
j
_
(x
i
x
i1
) (y
j
y
j1
)
96
CAP
ITULO 8. INTEGRALES DOBLES 97

donde:
x
i
[x
i1
, x
i
], y
j
[y
j1
, y
j
]
, es decir,
_
x
i
, y
j
_
es un punto del rectangulo.
Por lo tanto, el valor de R
f
depende de las dos particiones que se hagan, y del punto
_
x
i
, y
j
_
.
Hay dos sumas especialmente importantes:
Suma superior:
U
f
=
n
i=1
m
j=1
f
_
x
i
, y
j
_
(x
i
x
i1
) (y
j
y
j1
)
donde: f
_
x
i
, y
j
_
= max (f(x, y)) cuando x [x
i1
, x
i
], y [y
j1
, y
j
]
Suma inferior:
L
f
=
n
i=1
m
j=1
f
_
x
i
, y
j
_
(x
i
x
i1
) (y
j
y
j1
)
donde: f
_
x
i
, y
j
_
= mn (f(x, y)) cuando x [x
i1
, x
i
], y [y
j1
, y
j
]
8.3. Integrales dobles en funci on de Sumas de Riemann
8.3.1. Denici on
Sea Q = [a, b] [c, d] y sea f(x, y) : R
2
R.
f es integrable en Q por denicion existe un unico n umero I tal que L
f
I U
f
,
para cualquier L
f
, U
f
.
8.3.2. Propiedades
1.
__
Q
f(x, y)dxdy =
__
Q
1
f(x, y)dxdy +
__
Q
2
f(x, y)dxdy
donde Q
1
, Q
2
son una particion de Q, es decir:
Q
1
Q
2
= Q
Q
1
Q
2
=
2. Linealidad:
__
Q
(af(x, y) +bg(x, y)) dxdy = a
__
Q
f(x, y)dxdy +b
__
Q
g(x, y)dxdy
3. Comparacion:
__
Q
f(x, y)dxdy
__
Q
g(x, y)dxdy
siempre que f(x, y) g(x, y), (x, y) Q
CAP

8.4. Interpretaci on geometrica de la integral doble
Sea Q = [a, b], y sea f(x, y) denido y acotado en Q. Supongo que f(x, y) 0 (es
funcion positiva). Entonces:
__
Q
f(x, y)dxdy
es el volumen de la region 3D limitada por:
Suelo: rectangulo [a, b] [c, d].
Paredes: los planos x = a, x = b, y = c, y = d.
Techo: la graca de la supercie que genera el campo escalar z = f(x, y).
Esto nos permite emplear las integrales dobles para calcular el volumen limitado por
una base rectangular, planos laterales, y una superfcie superior.
8.5. Calculo de integrales dobles por integracion iterada
Bajo ciertas condiciones, puedo calcular la integral doble con comodidad. Sea Q =
[a, b] [c, d], y sea f(x, y) un campo escalar denido y acotado. Supongo que existe la
integral:
_
b
a
f(x, y)dx
, donde solo integro respecto de x, dejando la y constante. Si esta integral existe, depen-
dera de y. Supongamos ademas que dicha integral existe para todo el rango de valores que
puede tomar la variable y:
_
b
a
f(x, y)dx = A(y), y [c, d]
y supongamos que existe:
_
c
d
A(y)dy
Bajo estas hipotesis, puedo asegurar que existe la integral doble extendida a Q de:
__
Q
f(x, y)dxdy
y su expresion es:
__
Q
f(x, y)dxdy =
_
c
d
A(y)dy =
_
d
c
_
b
a
f(x, y)dxdy
Ademas, esto tambien se cumple al integrar primero respecto de y: Supongamos que
existe:
_
d
c
f(x, y)dy = B(x), x [a, b]
CAP

y que existe
_
b
a
B(x)dx
entonces podemos asegurar que existe:
__
Q
f(x, y)dxdy =
_
b
a
B(x)dx =
_
b
a
_
d
c
f(x, y)dydx
Hay que tener cuidado con el orden de las integrales, ya que depende del orden en el
que evaluemos los extremos. As, el orden de los simbolos de diferenciacion me indica cual
hay que realizar primero.
_
d
c
_
b
a
dxdy
_
b
a
_
d
c
dydx
Para que este metodo de calculo, hay que seguir los pasos cuidadosamente:
1. Compruebo si existe A(y).
2. Compruebo si existe
_
A(y).
3. Si ambas existen, entonces puedo asegurar que existe
__
Q
8.6. Teorema de la existencia de la
__
Sea Q = [a, b] [c, d], y sea f(x, y) un campo escalar continuo en Q. Bajo la hipotesis
de continuidad puedo asegurar la existencia de la
__
.
__
Q
f(x, y)dxdy =
_
b
a
_
d
c
f(x, y)dydx =
_
d
c
_
b
a
f(x, y)dxdy
Ejemplo: Q = [a, b] [c, d].
__
Q
(x +y)dxdy =
_
por T
ma
continuidad

__
Q
_
=
_
y=d
y=c
_
x=b
x=a
(x +y)dxdy =
=
_
d
c
_
x
2
2
+xy
_
b
a
dy =
_
d
c
_
_
b
2
a
2
_
2
+y(b a)
_
dy =
=
_
_
b
2
a
2
_
2
y +
y
2
2
(b a)
_
d
c
=
(b a)
2
2
(d c) +
_
d
2
c
2
_
2
(b a) =
=
(b a)(b +a)(d c)
2
+
(d c)(d +c)(b a)
2
=
=
(b a)(d c)
2
(a +b +c +d)
CAP

8.7. Recintos de Fubini
Mediante los recintos de Fubini vamos a extender la integral doble a recintos mas
generales que el rectangulo.
Tenemos dos tipos de recintos de Fubini:
Tipo I: donde el recinto esta limitado por los dos segmentos verticales x = a, x = b,
y por las curvas y = g
1
(x), y = g
2
(x). El recinto queda:
R =
_
(x, y) R
2
a x b; g
1
(x) y g
2
(x)
_
Tipo II: limitado por los segmentos horizontales y = c, y = d, y por las curvas
x = h
1
(y), x = h
2
(y). El recinto para el tipo II queda entonces:
R =
_
(x, y) R
2
c y d; h
1
(y) x h
2
(y)
_
8.8. Teorema de Fubini
Sea f(x, y) continuo en un recinto de Fubini R. Dependiendo del tipo de recinto de
Fubini, podemos asegurar:
Si R es de tipo I:
__
R
f(x, y)dxdy =
_
b
a
_
g
2
(x)
g
1
(x)
f(x, y)dydx
Si R es de tipo II:
__
R
f(x, y)dxdy =
_
d
c
_
h
2
(y)
h
1
(y)
f(x, y)dxdy
8.8.1. Demostraci on para recintos de tipo I
Sea el recinto denido por R =
_
(x, y) R
2
a x b, g
1
(x) y g
2
(x)
_
. Este
recinto esta delimitado por la izquierda por x = a; por la derecha por x = b; en la
parte superior por la curva g
2
(x); por la parte inferior por g
1
(x).Prolongo los lados hasta
construir un recinto Q formado por un rectangulo que engloba al recinto R. Con esto, los
laterales siguen delimitados por x = a, x = b, pero las partes superior e inferior se encierran
ahora por las rectas horizontales y = c (lado inferior) e y = d (lado superior). Los valores
de c y d son el mnimo de la curva g
1
(x) y el maximo de la curva g
2
(x) respectivamente
(ambos extremos calculados entre x = a y x = b). En este nuevo recinto denimos una
funcion

f(x, y) a trozos de la siguiente forma:
f(x, y) =
_
f(x, y) (x, y) R
0 (x, y) QR
De manera que, en los puntos del recinto Q que coinciden con los del recinto R,

f(x, y)
toma los valores originales de f(x, y), y en aquellos puntos donde Q engloba areas de R
2
CAP

donde R no estaba denido, la nueva funcion toma el valor 0. De este modo, procedemos
a calcular:
__
R
f(x, y)dxdy =
__
Q
f(x, y)dxdy =
_
b
a
_
d
c
f(x, y)dxdy =
_
b
a
_
g
2
(x)
g
1
(x)
f(x, y)dxdy
Existen bastantes casos de recintos que son simultaneamente de tipo I y de tipo II
(PE un crculo, ya que podemos delimitarlo con dos rectas x = a, x = b o con dos rectas
y = c, y = d). Tambien existen muchos otros donde podemos ver facilmente que se trata
de una composicion de recintos de ambos tipos.
8.9. Cambio de orden de integracion
Cuando me dan una integral como esta:
_
x=3
x=4
_
y=
16x
2
y=0
f(x, y)dydx+
_
x=3
x=3
_
y=
16x
2
y=
9x
2
f(x, y)dydx+
_
x=4
x=3
_
y=
16x
2
y=0
f(x, y)dydx
formada por tres recintos de tipo I, y queremos convertirla a tipo II, tenemos que cambiar
el orden de integracion de esta forma:
_
y=3
y=0
_
x=
9y
2
x=
16y
2
f(x, y)dxdy+
_
y=3
y=0
_
x=
16y
2
x=
9y
2
f(x, y)dxdy+
_
y=4
y=3
_
x=
16y
2
x=
16y
2
f(x, y)dxdy
8.10. Cambios de variable
Cuando nos encontramos ante una integral que por las caractersticas del recinto resulta
muy complicada de calcular, podemos introducir un cambio de variable. As, convertimos
la integral de esta forma:
__
S
f(x, y)dxdy
__
T
F(u, v)dudv
Para realizar el cambio de variable necesitamos que se cumplan una serie de cosas:
Suponemos que:
1.
x = x(u, v)
y = y(u, v)
u = u(x, y)
v = v(x, y)
tienen que ser inversibles.
2.
x = x(u, v)
y = y(u, v)
u = u(x, y)
v = v(x, y)
CAP

tienen que ser biyectivas: Puntos distintos se transforman en puntos distintos
3.
x = x(u, v)
y = y(u, v)
u = u(x, y)
v = v(x, y)
tienen que ser diferenciables con continuidad.
Con todo esto, tenemos que:
__
S
f(x, y)dxdy =
__
T
f (x(u, v) , y (u, v))
(x, y)
(u, v)
dudv
Ejemplo de cambio a coordenadas polares:
Realizamos el siguiente cambio:
_
x = r cos
y = r sen
por lo que r =
_
x
2
+y
2
, r > 0. El valor de dependera de los valores de x, y, estando
acotado por [0, 2):
=
_
_
_
arctg
y
x
x ,= 0
2
x = 0, y = 0
3
2
x = 0, y < 0
y el jacobiano de la transformacion sera:
J =
x
r
x
y
r
y
cos r sen
sen r cos
= r
con lo que al aplicar el cambio a la integral, esta queda:
__
S
f(x, y)dxdy =
__
T
f (r cos , r sen ) r drd
Ejemplo:
Calcular el volumen de la esfera x
2
+y
2
+z
2
= a
2
. Si la proyectamos sobre el eje XY ,
nos genera la circunferencia x
2
+ y
2
= a
2
, y si convertimos la expresion de la esfera en
z =
_
a
2
x
2
y
2
, podemos calcular el volumen de la mitad positiva de la esfera y
multiplicar su valor por dos:
V = 2
_
a
a
_

a
2
x
2
a
2
x
2
_
a
2
x
2
y
2
dydx
Pero el calculo de esta integral resulta demasiado complejo, y dado que la forma es una
esfera, puede que nos interese realizar el cambio a coordenadas polares.
_
x = r cos
y = r sen
CAP

donde 0 < r a y 0 < 2. Con estos cambios, la integral se transforma en:
V = 2
_
2
0
_
a
0
r
_
a
2
r
2
drd =
2
3
_
2
0
_
_
a
2
r
2
_3
/
2
_
a
0
d =
2
3
a
3
2r =
4
3
a
3
donde hemos hecho el siguiente calculo intermedio:
_
r
_
a
2
r
2
dr =
_
u = a
2
r
2
du = 2rdr
_
=
1
2
_
u
1
/
2
du =
1
2
u
3
/
2
3
/
2
+C =
1
3
_
a
2
r
2
_3
/
2
+C
8.11. Transformacion lineal
Otra tecnica que podemos emplear es la transformacion lineal, donde se realiza el
siguiente cambio de variable:
x = Au +Bv
y = Cu +Dv
con lo que la integral se transforma:
__
S
f(x, y)dxdy
__
T
F(u, v)dudv
donde imponemos la siguiente condicion:
A B
C D
,= 0 = J
F
que es el jacobiano de F.
Con este cambio, podemos simplicar bastante el recinto de integracion.
Ejemplo:
__
R
(y x)dxdy
donde el recinto R esta denido como:
y = x + 1
y = x 3
y =
x
3
+
7
9
y =
x
5
+ 5
si hacemos el cambio:
u = x +y
v =
x
3
+y
podemos denir el nuevo recinto T de la siguiente forma:
u = 1
u = 3
v =
7
9
v = 5
CAP

T = [1, 3] [
7
/
9
, 5]
De las expresiones de u, v sacamos la representacion de x, y en funcion de u, v:
+
3u = 3x 3y
3v = x + 3y
3u + 3v = 4x x =
3u
4
+
3v
4
u = x y
3v = x + 3y
u 3v = 4y y =
u
4
+
3v
4
Con esto, ya podemos calcular el Jacobiano:
J
F
=
3
/
4
3
/
4
1
/
4
3
/
4
=
9
16
+
3
16
=
12
16
=
3
4
donde, en caso de que el valor del jacobiano me hubiera salido negativo, tendra que
tomar su valor absoluto.
Procedemos a calcular la integral.
__
R
(y x)dxdy =
3
4
__
T
_
u
4
+
3v
4

3u
4

3v
4
_
dudv =
3
4
__
ududv =
=
3
4
_
u=3
u=1
_
v=5
v=
7
9
ududv =
38
5
8.11.1. Aplicaci on de la transformacion lineal
Mediante la trasnformacion lineal podemos calcular el area de una supercie denida
por f : D R
2
R, donde f tiene derivadas parciales continuas en el dominio D. El
area denida por la funcion z = f(x, y) sera entonces:
A =
__
D
_
1 + (D
1
f(x, y))
2
+ (D
2
f(x, y))
2
dxdy
8.12. Integrales dobles impropias
En f : D R R una integral es impropia si:
el integrando es innito o
el intervalo es innito
Cuando pasamos a trabajar con funciones f : D R
2
R, tendremos que la integral
doble
__
D
f(x, y)dxdy sera impropia si:
f(x, y) no esta acotado o
D es innito, no acotado
Vamos a tratar ambos casos por separado.
CAP

8.12.1. Integrales dobles impropias en recintos no acotados
Cuando tengamos que calcular una integral doble impropia en un recinto no acotado,
trabajaremos de la siguiente manera:
Construyo un recinto auxiliar D
M
:
D
M
= D
_
(x, y) R
2
x
2
+y
2
M
_
Calculamos:
__
D
f(x, y)dxdy = lm
M
__
D
M
f(x, y)dxdy
ahora, en funcion del valor de dicho lmite:
si es nito,
__
D
f(x, y)dxdy converge
si es innito,
__
D
f(x, y)dxdy diverge
si no existe,
__
D
f(x, y)dxdy no existe
8.12.2. Integrales dobles impropias con f(x, y) no acotado en el dominio
Vamos a suponer que existe un punto (x
0
, y
0
) del dominio en el que el campo no
esta acotado:
lm
(x,y)(x
0
,y
0
)
f(x, y) =
En este caso, para calcular la integral:
Construimos un recinto auxiliar D
n
:
D
n
= D
_
(x, y) R
2
(x x
0
)
2
(y y
0
)
2
n
2
_
Calculamos:
__
D
f(x, y)dxdy = lm
n0
__
D
n
f(x, y)dxdy
ahora, en funcion del valor de dicho lmite:
si es nito,
__
D
f(x, y)dxdy converge
si es innito,
__
D
f(x, y)dxdy diverge
si no existe,
__
D
f(x, y)dxdy no existe
8.12.3. Ejemplos de integrales dobles impropias
1. Calcular la integral:
_

0
_

0
e
(x
2
+y
2
)
dxdy
Introducimos el cambio de variable a polares:
x = r cos
y = r sen
0

2
r > 0
CAP

Con lo que el jacobiano queda: J = r
Calculamos la integral:
_
=
2
=0
_
r=
r=0
e
r
2
rdrd = lm
R
_
2
0
_
R
0
e
r
2
rdrd
Resolvemos aparte la integral indenida:
_
e
r
2
rdr =
_
u = e
r
2
du = 2e
r
2
rdr
_
1
2
_
du =
1
2
u +C =
1
2
e
r
2
+C
Con este resultado, volvemos al lmite y terminamos de resolver la integral:
lm
R
_
2
0
_
R
0
e
r
2
rdrd = lm
R
1
2
_
2
o
_
e
r
2
_
R
0
d = lm
R
4
_
e
r
2
+ 1
_
=

4
2. Calcular el area del hemisferio:
z =
_
a
2
x
2
y
2
La funcion que tenemos, f(x, y) =
_
a
2
x
2
y
2
, esta denida en un dominio x
2
+
y
2
= a
2
, que es un crculo de centro en el origen y radio a. Calculamos sus parciales:
D
1
f(x, y) =
x
_
a
2
x
2
y
2
D
2
f(x, y) =
y
_
a
2
x
2
y
2
Calculamos el area:
A =
__
D
_
1 +
x
2
a
2
x
2
y
2
+
y
2
a
2
x
2
y
2
_
dxdy =
__
D
a
2
a
2
x
2
y
2
dxdy =
= a
__
D
dxdy
_
a
2
x
2
y
2
la cual es una integral impropia. Dado que la proyeccion es un crculo, es conveninente
pasar a polares:
x = r cos
y = r sen
A = a
_
=2
=0
_
r=a
r=0
rdrd
a
2
r
2
= a lm
Ra
_
=2
=0
_
R=R
R=0
rdrd
a
2
r
2
calculamos la integral indenida:
_
rdr
a
2
r
2
=
_
u = a
2
r
2
du = 2rdr
_
=
1
2
_
u
1
2
du =
1
2
u
1
2
1
/
2
+C =
_
a
2
r
2
_1
2
+C
Por lo tanto:
A = 2a lm
Ra
_
_
a
2
r
2
_1
2
_
R
0
= 2a lm
Ra
_
_
a
2
R
2
_1
2
+a
_
= 2a
2
Captulo 9
Integrales Triples
9.1. Integrales triples y sumas de Riemann
Sea f : R
3
R acotado en un recinto Q = [a, b] [c, d] [e, f], y sean las particiones:
P
0
, particion de [a, b]; P
1
, particion de [c, d]; P
2
, particion de [e, f].
Con estas particiones denimos la siguiente suma de Riemann:
R
f
=
n
i=1
n
j=1
n
k=1
f(x
i
, y
j
, z
k
)(x
i
x
i1
)(y
j
y
j1
)(z
k
z
k1
)
donde:
x
i
[x
i1
, x
i
]
y
j
[y
j1
, y
j
]
z
k
[z
k1
, z
k
]
9.2. Calculo de integrales triples por integracion iterada
Sea Q = [a, b] [c, d] [e, f], y sea f(x, y, z) continua en Q. Entonces existe la integral
triple:
___
Q
f(x, y, z)dxdydz
y se puede calcular por integracion iterada.
9.3. Teorema de Fubini para integrales triples
Sea f : D R
3
R. En el caso de los recintos de Fubini para integrales triples se nos
presentan 6 recintos distintos.
1.
D
1
=
_
(x, y, z) R
3
a x b; f
1
(x) y f
2
(x); g
1
(x, y) z g
2
(x, y)
_
Entonces:
107
CAP
ITULO 9. INTEGRALES TRIPLES 108

___
D
f(x, y, z)dxdydz =
_
x=b
x=a
_
y=f
2
(x)
y=f
1
(x)
_
z=g
2
(x,y)
z=g
1
(x,y)
f(x, y, z)dzdydx
Y puedo operar de manera analoga con cada uno de los otros recintos posibles, que
enumeramos a continuacion:
2.
D
2
=
_
(x, y, z) R
3
a x b; f
1
(x) z f
2
(x); g
1
(x, z) y g
2
(x, z)
_
3.
D
3
=
_
(x, y, z) R
3
a y b; f
1
(y) x f
2
(y); g
1
(x, y) z g
2
(x, y)
_
4.
D
4
=
_
(x, y, z) R
3
a y b; f
1
(y) z f
2
(y); g
1
(y, z) x g
2
(y, z)
_
5.
D
5
=
_
(x, y, z) R
3
a z b; f
1
(z) x f
2
(z); g
1
(x, z) y g
2
(x, z)
_
6.
D
6
=
_
(x, y, z) R
3
a z b; f
1
(z) y f
2
(z); g
1
(y, z) x g
2
(y, z)
_
Ejemplo: Sea el campo f(x, y, z) = xy + 2z, y sea el recinto:
D = (x, y, z) 0 x 2; 0 y x; 0 z x +y
_
x=2
x=0
_
y=x
y=0
_
z=x+y
z=0
(xy + 2z)dzdydx =
_
2
0
_
x
0
_
xyz +z
2
x+y
0
dydx =
=
_
2
0
_
x
0
_
x
2
y +xy
2
+ (x +y)
2
_
dydx =
_
2
0
_
x
2
y
2
2
+
xy
3
3
+
(x +y)
3
3
_
x
0
dx =
=
_
2
0
_
x
4
2
+
x
4
3
+
8x
3
3

x
3
3
_
dx =
_
2
0
_
5
6
x
4
+
7
3
x
3
_
dx =
_
5
6
x
5
5
+
7
3
x
4
4
_
2
0
=
=
44
3
9.4. Interpretaci on geometrica de la integral triple
El signicado geometrico de la integral triple
___
D
f(x, y, z)dxdydz es el del volumen
que encierra esa region.
CAP

9.5. Cambios de variable en integrales triples
Cuando realizamos un cambio de variable en integrales triples pasamos de calcular la
integral de f(x, y, z) a calcular la de F(u, v, w), de la siguiente forma:
___
S
f(x, y, z)dxdydz =
___
T
F(u, v, w)dudvdw
En las siguientes secciones veremos los cambios de variable que vamos a emplear en los
calculos.
9.5.1. Transformacion lineal
En este cambio de variable operamos de igual manera que con la transformacion lineal
en integrales dobles. El cambio que realizamos en este caso es:
_
_
x = Au +Bv +Cz
y = Du +Ev +Fz
z = Gu +Hv +Iz
El resto de calculos son los mismos que para integrales dobles, aplicados a tres variables.
9.5.2. Coordenadas cilndricas
Para poder trabajar con las coordenadas cilndricas, vamos a denir primero cuales
son las variables que van a introducirse en este cambio, es decir, (r, , z). En R
3
, tomemos
un punto P del primer octante. Proyectamos dicho punto sobre el plano XY , con lo
que obtenemos el punto Q sobre dicho plano. La distancia que hay entre el origen de
coordenadas O y el punto Q es nuestra variable r. Si medimos ahora el angulo que forman
el eje OX positivo y el segmento OQ (en ese sentido, de OX a OQ), dicho angulo es
el angulo . La ultima variable, z, es la que corresponde a la altura del punto, es decir,
la distancia del plano XY hasta el punto P, medida como es logico en perpendicular al
plano.
Ahora que conocemos las variables, vamos a analizar el rango de valores que pueden
tomar r y . La variable r siempre es r > 0, y nunca tomaremos para evitar que
la transformacion que realizamos sea biyectiva. Con respecto a la variable , esta toma
valores comprendidos entre 0 < 2, donde de nuevo tomamos exlusivamente < 2 y
nunca para evitar de nuevo una transformacion biyectiva.
Una vez que tenemos denidas las variables y los rangos entre los que oscilan, vamos a
enunciar las ecuaciones necesarias para realizar el cambio de variable. La transformacion
que vamos a realizar es:
x = r cos
y = r sen
z = z
_
_
Con esto, ya solo nos queda calcular el jacobiano correspondiente a esta transformacion:
J =
cos r sen 0
sen r cos 0
0 0 1
= r
CAP

Ahora, ya podemosexpresar nuestra integral en funcion de las nuevas variables:
___
S
f(x, y, z)dxdydz =
___
T
f(r cos , r sen , z)rdrddz
donde el nuevo recinto de integracion T es la imagen del recinto original S, y donde la r
que aparece multiplicando a f(x, y, z) es el jacobiano expresado en valor absoluto, y dado
que el jacobiano es positivo, no hay que cambiar su signo.
Con esto, ya tenemos denido completamente el cambio de variable a coordenadas
polares, y emplearemos este cambio en aquellas integrales triples donde el recinto presente
simetra cilndrica.
9.5.3. Coordenadas esfericas
En el cambio de variable a coordenadas esfericas, vamos a denir, igual que en el
apartado anterior, las variables que intervienen. En este caso, nuestras nuevas variables
seran (, , ). De nuevo, vamos a denirlas a partir de un punto P del primer octante
de R
3
. Proyectando el punto sobre el plano XY , obtenemos el punto Q. La variable
sera la distancia entre el origen de coordenadas O y el punto P (distancia OP). El angulo
sera el que formen el semieje OX positivo y el segmento OQ, en ese sentido. La ultima
variable, , sera el angulo formado por el semieje OZ positivo y el segmento OP, en ese
sentido.
En este caso, el rango de valores que pueden tomar las variables sera:
> 0
0 < 2
0
En este caso, las ecuaciones para el cambio de variable son:
x = cos sen
y = sen sen
z = cos
y el jacobiano queda:
J =
cos sen sen sen cos cos

sen sen cos sen sen cos
cos 0 sen
=
2
sen
Tras el cambio, la integral se transforma de la siguiente manera:
___
S
f(x, y, z)dxdydz =
___
T
f( cos sen , sen sen , cos )
2
sen ddd
donde
2
sen es el valor absoluto del jacobiano.
CAP

9.5.4. Variante para las coordenadas esfericas
En esta variante, solo cambiamos la forma en la que medimos . Si lo comparamos
con la denicion de variables que acabamos de ver en el apartado anterior, es ahora
el angulo entre OQ y OP, medido en ese sentido. Al introducir esta variacion, tambien
cambia en rango de valores que puede tomar :
2

2
Y en las ecuaciones, el cambio se reeja de la siguiente manera: los sen se transforman
en cos , y viceversa. As, las ecuaciones del cambio quedan:
x = cos cos
y = sen cos
z = sen
y el jacobiano:
J =
2
cos
Con esta variante, la transformacion de la integral queda:
___
S
f(x, y, z)dxdydz =
___
T
f( cos cos , sen cos , sen )
2
cos ddd
9.5.5. Ejemplos de cambios de variable
Coordenadas cilndricas
Hallar el volumen del cuerpo limitado por las supercies:
9x
2
+ 4y
2
+ 36z = 36
z = 0
_
manipulando la primera expresion, sin mas que despejar la z, comprobamos que se
trata de un paraboloide, en este caso orientado hacia abajo, que corta con el plano
z = 0.
z = 1
x
2
4

y
2
9
z = 0
_
_
_
El volumen del cuerpo se calculara (por tratarse de un recinto de Fubini):
V =
_
x=2
x=2
_
y=3
1
x
2
4
y=3
1
x
2
4
_
z=1
x
2
4

y
2
9
z=0
dzdydx
y la proyeccion del cuerpo sobre el plano XY sera la de la elipse que forma su base:
_
(x, y) R
2
x
2
4
+
y
2
9
1
_
CAP

Introducimos el cambio de variable a coordenadas cilndricas:
x = r cos
y = r sen
z = z
_
_
Ahora tenemos que tener en cuenta el rango que podemos dar a las variables, y nos
encontramos con un problema: r tiene que variar entre (0, 2) (con la periodicidad
del coseno x variara entre (2, 2) como necesitamos), pero en y llegamos de 3 a 3
(cuando x = 0); Como podemos hacer que se cumplan los dos cambios a la vez? Tan
solo tenemos que dejar r tal y como esta (entre (0, 1)), y multiplicar cada ecuacion
por el valor adecuado. De esta forma, el cambio con sus respectivos rangos queda:
x = 2r cos
y = 3r sen
z = z
_
_
0 < r 1
0 < 2
0 z 1 r
2
Con lo que hemos logrado que la variable y siga la forma que describe la elipse de
la base.
Calculamos ahora el jacobiano de la transformacion:
J =
2 cos 2r sen 0
3 sen 3r cos 0
0 0 1
= 6r
Una vez que tenemos el cambio de variables y el valor del jacobiano, procedemos a
calcular el volumen:
V = 6
_
=2
=0
_
r=1
r=0
_
z=1r
2
z=0
rdzdrd = 6
_
=2
=0
_
r=1
r=0
(r r
3
)drd = 12
_
r
2
2

r
4
4
_
1
0
=
12
4
= 3
Coordenadas esfericas
Hallar el volumen del elipsoide:
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1
Lo primero que haremos sera calcular la proyeccion del elipsoide sobre el plano XY
(cuando z = 0).
1
Dicha proyeccion es:
_
(x, y) R
2
x
2
a
2
+
y
2
b
2
1
_
1
Hay que tener cuidado con esto, ya que depende de la gura con la que trabajemos. Si estamos ante
un cono, la proyeccion habr a que hacerla con z = MAX, ya que un cono sin degenerar tiene el vertice en
z = 0, con lo que su proyecci on en XY sera unicamente un punto.
CAP

Con esto, el volumen a calcular queda:
V =
_
x=a
x=a
_
y=b
1
x
2
a
2
y=b
1
x
2
a
2
_
z=c
1
x
2
a
2
y
2
b
2
z=c
1
x
2
a
2
y
2
b
2
dzdydx
el cual es un recinto de Fubini. Esta integral es bastante complicada, pero vamos a
ver como al introducir el cambio de variable logramos simplicarla en gran medida.
El cambio a coordenadas esfericas, con su correspondientes rangos y el jacobiano
quedan:
x = a cos sen
y = b sen sen
z = c cos
_
_
0 < 1
0 < 2
0
J = abc
2
sen
Ahora, procedemos calcular el volumen:
V = abc
_
=2
=0
_
=
=0
_
=1
=0
2
sen ddd =
abc
3
_
=2
=0
_
=
=0
sen dd =
=
2
3
abc [cos ]
0
=
2
3
abc [1 + 1] =
4
3
abc
9.6. Integrales triples impropias
Una integral triple es impropia si ocurre:
1. El recinto de integracion no est a acotado.
2. Tengo un campo escalar no acotado en ese recinto.
Estudiemos cada caso:
Sea D un recinto no acotado. Para solucionar este problema, trabajo con un recinto
D
M
, el cual deno como:
D
M
= D
_
(x, y, z) R
3
x
2
+y
2
+z
2
M
2
_
y entonces procedemos a transformar la integral:
___
D
f(x, y, z)dxdydz = lm
M
___
D
M
f(x, y, z)dxdydz
Sea f(x, y, z) no acotado en D, de forma que en un punto (x
0
, y
0
, z
0
):
lm
(x,y,z)(x
0
,y
0
,z
0
)
f(x, y, z) = 0
CAP

Para poder trabajar con este caso, empleo un recinto auxiliar al que le quitamos una
esfera centrada en donde el campo se escapa de la acotacion:
D
n
= D
_
(x, y, z) R
3
(x x
0
)
2
+ (y y
0
)
2
+ (z z
0
)
2
< n
2
_
con este nuevo recinto, la integral queda:
___
D
f (x, y, z) dxdydz = lm
n0
___
D
n
f (x, y, z) dxdydz
En estos dos casos tengo tres posibles resultados:
1. Que la integral sea convergente (cuando el lmite existe).
2. Que la integral sea divergente (cuando el lmite crece indenidamente).
3. Que la integral no exista (cuando el lmite no exista).
9.7. Integral m ultiple
Tambien tenemos otros tipos de integral, como el de integral m ultiple, en los cuales
no vamos a profundizar aqu. El concepto de integral m ultiple trata de extender lo que
ya conocemos para poder trabajar con n variables. Para que exista la integral m ultiple
tendramos que generalizar la continuidad, los recintos de Fubini, etc.
Captulo 10
Integraci on y curvas en polares
En este captulo vamos a ver ejemplos de calculo integral con curvas que expresadas en
coordenadas cartesianas tienen una expresion compleja, pero que al pasarlas a coordenadas
polares se simplican.
Hallar el area limitada por las curvas:
x
2
+y
2
= 2bx
x
2
+y
2
= 2ax
y = x
y = 0
_
_
0 < a < b
Cuando nos aparece un termino x
2
y otro x, puede parecernos que lo mejor es
completar cuadrados:
1.
x
2
+y
2
= 2bx (x b)
2
+y
2
= b
2
que es una circunferencia de centro (b, 0) y radio b.
2.
x
2
+y
2
= 2ax (x a)
2
+y
2
= a
2
que es una circunferencia de centro (a, 0) y radio a.
Sin embargo, ahora no debemos emplearlo, ya que si completamos cuadrados, al
pasar a polares vamos a obtener dos circunferencias no concentricas, con lo que se
rompen las polares.
Hacemos la transformacion a polares directamente:
x = r cos
y = r sen
_
con lo que cada ecuacion se transforma en:
1.
r
2
= 2br cos r = 2b cos
115
CAP
ITULO 10. INTEGRACI
ON Y CURVAS EN POLARES 116

2.
r
2
= 2ar cos r = 2a cos
3.
r sen = r cos sen = cos =

4
4.
y = 0 y = r sen = 0
Procedemos a calcular el area, donde, dado que estamos en un recinto de Fubini,
tenemos el orden de integracion forzado.
A =
__
R
dxdy =
_
=
4
=0
_
r=2b cos
r=2a cos
rdrd =
1
2
_
=
4
=0
_
r
2
2b cos
2a cos
d =
= 2
_
b
2
a
2
_
_
=
4
=0
cos
2
d = 2
_
b
2
a
2
_
_
2
+
sen cos
2
_
4
0
=
= 2
_
b
2
a
2
_
_
8
+
2
2
+
2
2
2
_
=
_
b
2
a
2
_
4
( 2)
donde hemos calculado aparte
_
cos
2
d:
_
cos
2
d =

2
+
sen cos
2
+C
Con esto, hemos visto que a veces resulta mejor trabajar con la expresion en polares
directamente, sin hacer el cambio. La forma resulta comoda cuando tengo fuciones
r(). Hay toda una familia de curvas donde la expresion de r() no es directamente
una funcion de , sino de cos y sen , pero esto tambien resulta interesante, dado
que por la periodicidad de estas funciones me encuentro en un intervalo cerrado.
Hallar el area de la region limitada por:
_
x
2
+y
2
_
2
= 2
_
x
2
y
2
_
x
2
+y
2
= 1
_
En el ejemplo anterior, poda transformar las ecuaciones para averiguar que graca
tena la curva, pero en este caso, desconocemos la representacion de la primera curva.
Por lo tanto, lo primero que haremos sera estudiar su comportamiento.
Expresando la curva en polares:
x = r cos
y = r sen
_
_
r
2
cos
2
+r
2
sen
2
_
2
=
_
r
2
_
2
= r
4
= 2
_
r
2
cos
2
r
2
sen
2
_
=
= 2r
2
_
cos
2
sen
2
_
r
2
= 2 cos (2)
CAP
ITULO 10. INTEGRACI

Esta expresion solo vale cuando > 0. Vemos que r depende de a traves de un
coseno. Como sabemos el comportamiento del cos en los cuadrantes (positivo en el
primer y cuarto cuadrante, negativo en el segundo y el tercero), si tomamos rangos de
valores para 2, obtenemos los rangos de valores para los que la curva esta denida:
0 2

2
0

4
cos (2) = +
3
2
2 2
3
4
cos (2) = +
2 2
5
2

5
4
cos (2) = +
7
2
2 4
7
4
2 cos (2) = +
En todos estos intervalos para la variable , la curva esta denida.
Vamos a estudiar el crecimiento y decrecimiento de la funcion coseno en los cuadran-
tes:
0

4
la funcion decrece.
3
4

la funcion crece.

5
4
la funcion decrece.
7
4
2
la funcion crece.
Con todo esto, obtenemos que la forma de la curva es una lemniscata, con lo que
tengo que hallar el area entre la lemniscata y la circunferencia, para lo cual busco
los puntos de corte.
La interseccion entre ambas curvas se obtiene a traves de la ecuacion:
r
2
= 2 cos (2)
r
2
= 1
_
2 cos (2) = 1 cos (2) =
1
2
Hay una propiedad de las curvas planas que dependen del cos o del sen , y es
su simetra. Por ello, puedo trabajar solo en el primer cuadrante y extender los
resultados que obtenga al resto.
cos (2) =
1
2
2 =

3
=

6
CAP
ITULO 10. INTEGRACI

Con este punto de corte en el angulo =

6
, el area a calcular queda dividida en dos
trozos. Para angulos mayores de =

6
, tenemos un peque no arco de lemniscata que
nace en el origen, y acaba en el punto de corte entre las dos curvas, estando comple-
tamente encerrado en la circunferencia. A esta parte la llamaremos S
1
. Por debajo
del punto de corte en =

6
, tenemos el mayor trozo de lemniscata, el cual queda
cortado en dos partes por la circunferencia. La parte interior a la circunferencia, a
la que llamaremos S
2
, es la que nos interesa. Esta parte es un sector circular de la
circunferencia.
Debido a la simetra, sabemos que el area total de la curva sera:
A = 4 (A
S1
+A
S2
)
Calculamos el area de S
2
:
A
S2
=
__
S2
dxdy =
_
=
6
=0
_
r=1
r=0
rdrd
y dado que estamos en un recinto rectangular, podemos calcular las dos integrales a
la vez, con lo que queda:
A
S2
=
1
2

6
=

12
Procedemos ahora a calcular el area de S
1
:
A
S1
=
__
S1
dxdy =
_
=
4
=
6
_
r=
2 cos(2)
r=0
rdrd =
1
2
_
=
4
=
6
_
r
2
2 cos(2)
0
d =
=
1
2
_
=
4
=
6
2 cos (2) d =
_
=
4
=
6
cos (2) d =
_
sen (2)
2
_
4
6
=
=
1
2
_
sen

2
sen

3
_
=
1
2
_
1
3
2
_
=
1
2
_
2
3
2
_
=
2
3
4
donde en la primera integral hemos puesto como extremo superior de integracion
=

4
, ya que para valores superiores de la curva no esta denida.
Conocidos los valores de S
1
y S
2
, procedemos a calcular el valor del area total:
A
T
= 4 (A
S1
+A
S2
) = 4
_

12
+
2
3
4
_
=
_
3
+
_
2
3
__
=
=
+ 6 3
3
3
CAP
ITULO 10. INTEGRACI

Hallar el area interior a la curva:
x
2
+y
2
= 64
y exterior a:
x
2
+y
2
= 8
_
_
x
2
+y
2
+x
_
Lo primero que haremos, sera pasar la curva a coordenadas polares:
x = r cos
y = r sen
_
con lo que obtenemos las ecuaciones:
1.
r
2=
64
2.
r
2
= 8 (r + cos ) r
2
= 8r (1 + cos ) r = 8 (1 + cos )
con lo que vemos que en la segunda ecuacion tenemos r como funcion explcita de
a traves de un coseno, por lo que deberemos estudiar el comportamiento de dicha
funcion en un intervalo [0, 2]. Los valores obtenidos para r son:
= 0 r = 16
=

2
r = 8
= r = 0
= 3
2
r = 8
= 2 r = 16
Si dibujaramos la funcion obtendramos la representacion de una cardioide, la cual
presenta simetria respecto al eje X.
Procedemos ahora a calcular la interseccion entre las dos curvas:
r
2=
64
r = 8 (1 + cos )
_
r
2=
64
r
2
= 64 (1 + cos )
_
cos = 0 =

2
En este caso, el area a calcular se encuentra solamente en el segundo y tercer cua-
drante, ya que la mitad de circunferencia que se encuentra en el primer y cuarto
cuadrante esta completamente tapada por la cardioide. Ademas, dada la simetra de
las guras, solo necesitamos calcular el area en el segundo cuadrante, y multiplicar
el resultado por 2. En dicho cuadrante, tenemos una cuarta parte de circunferencia
a la que debemos quitar un trozo de cardioide.
CAP
ITULO 10. INTEGRACI

Calculamos nalmente la integral en el segundo cuadrante:
A = 2
_
=
=
2
_
r=8
r=8(1+cos )
rdrd = 2
_

2
_
r
2
2
_
8
8(1+cos )
d = 8
2
_

2
_
1 (1 + cos )
2
_
d =
= 64
_

2
_
2 cos cos
2
_
d = 64
_
2
_

2
cos d
_

2
cos
2
d
_
=
= 64
_
2 [sen ]
2
+
cos sen
2
_
2
_
= 64
_
2 [1]
_
4
__
= 64
_
2

4
_
Captulo 11
Integrales de supercie
En este tipo de integrales, vamos a integrar a traves de una supercie en 3D en lugar
de hacerlo a traves de una region del plano.
11.1. Representaci on de supercies
Una supercie se puede dar de varias formas:
Explcita: z = f(x, y)
Implcita: F(x, y, z) = 0
Parametrica: r(u, v) = x(u, v)
i +y(u, v)
j +z(u, v)
k, donde tengo (x, yz) en funcion

de dos parametros (u, v).
En esta ultima forma de representacion, es tan importante conocer las variables (x, y, z)
como conocer el rango de valores donde se denen (u, v):
(u, v) T
Veamos un ejemplo con las tres posibles representaciones de una esfera:
Explcita: z =
_
a
2
x
2
y
2
.
Implcita: x
2
+y
2
+z
2
= a
2
o x
2
+y
2
+z
2
a
2
= 0.
Parametrica: vamos a elegir como parametros los angulos de los cambios a coorde-
nadas esfericas (en concreto, la segunda variante de coordenadas esfericas que se ha
visto en 9.5.4).
r(u, v) = a cos ucos v
i +a sen ucos v
j +a sen v
k
donde:
u [0, 2] ; v
_
2
,

2
_
Con la representacion parametrica de la esfera, no solo conozco los puntos, sino que se como
se ha engendrado la supercie. Para comprender esto, imaginemos una supercie rectan-
gular T como la que se muestra en la siguiente imagen.
121
CAP
ITULO 11. INTEGRALES DE SUPERFICIE 122

Nuestro recinto se extiende en el eje X a lo largo del intervalo [0, 2], y en el eje Y
hasta [0,

2
]. Podemos curvar el recinto para generar con el media esfera de manera que el
vertice AB conformara el polo superior de la esfera, el vertice CD el ecuador de la misma,
y los laterales se uniran para terminar de cerrar la esfera, tal y como se ve en la imagen:
De igual manera que hemos creado una esfera, podemos curvar la misma region T para
crear un cilindro (en este caso solo habra que curvarlo para unir los laterales), e incluso
podemos volver a curvar sobre si mismo el cilindro obtenido para obtener un toro (uniendo
los extremos superior e inferior). Al trabajar con representaciones parametricas hay que
apuntar que la representacion parametrica de una supercie no es unica.
Cuando representemos parametricamente una supercie, siempre vamos a suponer que
las funciones:
x(u, v)
y(u, v)
z(u, v)
_
_
son funciones continuas.
r(u, v) = x(u, v)
i +y(u, v)
j +z(u, v)
k ; (u, v) T
Con esto aseguro que la supercie que estamos generando se crea curvando, doblando,
estirando, o comprimiendo el recinto T, pero nunca rompiendolo.
11.1.1. Clasicaci on de supercies parametricas
Vamos a clasicar las supercies parametricas en dos grupos:
Simple: en este tipo de supercies, puntos diferentes de T tienen imagenes distintas en
la supercie (es decir, que puntos diferentes de T tambien generan puntos diferentes
sobre la supercie generada).
No simple: es aquella supercie que no es simple.
Volviendo al ejemplo mostrado en la imagen, cuando generamos una esfera a partir del
recinto rectangular T, nos encontramos ante una supercie no simple, dado que todos los
puntos que se encuentran en el vertice AB se unen en un mismo punto (el polo de la esfera)
y los puntos de ambos laterales se unen para cerrarla, con lo que de nuevo tenemos puntos
que en la forma original son distintos, y se convierten en los mismos tras la deformacion.
CAP

11.1.2. Producto vectorial fundamental
Sea r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k. Supongo que existen las seis parciales de

(x, y, z). Deno las parciales:
r
u
=
x
u
i +
y
u
j +
z
u
k
r
v
=
x
v
i +
y
v
j +
z
v
k
y con ellas el producto vectorial fundamental, pvf ,:
r
u

r
v
=
i

j

k
x
u
y
u
z
u
x
v
y
v
z
v
y
u
z
u
y
v
z
v
x
u
z
u
x
v
z
v
j +
x
u
y
u
x
v
y
v
k =
=
y
u
z
u
y
v
z
v
i +
z
u
x
u
z
v
x
v
j +
x
u
y
u
x
v
y
v
k =
(y, z)
(u, v)
i +
(z, x)
(u, v)
j +
(x, y)
(u, v)
k
el cual esta formado por los jacobianos de cada una de las variables.
11.1.3. Clasicaci on de los puntos de una supercie parametrica
Sea r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k, con (u, v) T. Distinguimos dos tipos de

puntos:
Punto regular, si cumple las dos condiciones siguientes:
1. Ambas parciales,
r
u
y
r
v
, existen y son continuas.
y
2. El producto vectorial fundamental
r
u

r
v
,= 0
Punto singular, si cumple alguna de estas condiciones:
1. Alguna parcial,
r
u
o
r
v
, no existe o no es contnua.
o
2. El producto vectorial fundamental
r
u

r
v
= 0
11.1.4. Supercies regulares
Diremos que una supercie es supercie regular si todos sus puntos son regulares. La
condicion de existencia y continudad de las derivadas parciales en los puntos regulares
quiere decir, geometricamente, que la supercie es suave, es decir, que no presenta bordes,
aristas ni picos. La segunda condicion, la cual dice que el pvf es distinto de 0, vamos a
estudiarla por medio de un ejemplo: Tenemos un recinto T como el que se vio en 11.1. Si en
ese recinto rectangular T tomo un diferencial tambien rectangular de area dudv, al generar
la supercie parametrica de un hemisferio de esfera el diferencial de area se correspondera a
un recinto con forma de paralelogramo curvilneo, cuya area sera:
_
_
r
u

r
v
_
_
dudv. La
norma del pvf act ua como vector de proporcionalidad. Por esto, si el pvf = 0, se produce
una degeneracion: el rectangulo de area dudv se anula al generar la supercie parametrica,
con lo que tenemos puntos del recinto original que desaparecen.
CAP

11.1.5. Uso de las coordenadas como parametros
Si tengo la expresion explcita de una supercie, z = f(x, y), y tomo como parametros
a las propias variables (x, y), entonces la representacion parametrica de la supercie sera:
r(x, y) = x
i +y
j +f(x, y)
k
Esta representacion presenta bastantes ventajas:
1. Se trata de una supercie parametrica simple.
2. El recinto T es la proyeccion de la supercie sobre el plano XY .
3.
r
x
=
i +
f(x, y)
x
k
r
y
=
j +
f(x, y)
y
k
_
r
x

r
y
=
i

j

k
1 0
f
x
0 1
f
y
=
f
x
i
f
y
j +
k
En este tercer caso, los unicos puntos singulares van a salir o bien de la no existencia
de las parciales, o de que estas no sean continuas, ya que nunca se nos va a presentar
el caso de que el pvf sea igual a cero.
Ejemplo:
Vamos a ver un ejemplo de supercie parametrica mediante un hemisferio de esfera,
denido por:
z =
_
a
2
x
2
y
2
donde por sencillez vamos a emplear solo el hemisferio superior. Procedemos a parametrizar
la supercie por medio de las coordenadas (x, y):
r(x, y) = x
i +y
j +
_
a
2
x
2
y
2
k
Y el recinto T esta denido para:
T =
_
(x, y) R
2
x
2
+y
2
a
2
_
Como podemos comprobar, al hacer la parametrizacion por medio de las coordenadas
(x, y), hemos generado una supercie parametrica simple. Dicha supercie se ha engen-
drado de la misma forma que una pelcula de jabon que se hincha creando una pompa.
Las derivadas parciales de la expresion parametrica de la supercie son:
f
x
=
x
_
a
2
x
2
y
2
f
y
=
y
_
a
2
x
2
y
2
Estas parciales no estan denidas en todo T, sino que solo tienen sentido en el interior
del crculo.
Ahora vamos a comprobar lo que pasa si tratamos la supercie con la otra parametrza-
cion que hemos estudiado:
r (u, v) = a cos ucos v
i +a sen ucos v
j +a sen v
k
CAP

En este caso, el recinto T es el rectangulo formado por:
T = [0, 2]
_
0,

2
_
y la supercie se va a curva tal y como se vio en 11.1. Vamos a comprobar si el hemisferio
de esfera engendrado de esta forma presenta puntos singulares. Para ello, estudiamos su
pvf :
r
u

r
v
= a cos v r
En este pvf , si v =

2
, cos v = 0, con lo que obtenemos que v =

2
, cos v = 0, lo que nos
indica la presencia de un puntos singular. Esto es as ya que con v =

2
la imagen de todo
el lado superior del recinto T se convierte en el polo norte del hemisferio.
Tal y como acabamos de comprobar, el que la supercie parametrica sea o no simple
no depende de supercie en s, sino de como la hemos engendrado.
11.2.

Area de una supercie parametrica
Sea S = r(u, v) con (u, v) T una supercie parametrica regular. Sea dudv un dife-
rencial rectangular de area de T, dicho diferencial se convertira al engendrar la supercie
en un diferencial de area con forma de paralelogramo curvilneo, cuya area sera:
r
u

r
v
dudv
con esto, el area total de la supercie S es:
a(S) =
__
T
r
u

r
v
dudv
Vamos a reescribir esta expresion para hacer que sea mas comodo usarla, empleando
para ello la expresion del producto vectorial fundamental:
r
u

r
v
=
(y, z)
(u, v)
i +
(z, x)
(u, v)
j +
(x, y)
(u, v)
k
reescrbiendo a(S):
a(s) =
__
T
(y, z)
(u, v)
2
+
(z, x)
(u, v)
2
+
(x, y)
(u, v)
2
dudv
11.2.1. Caso particular con parametros (x, y)
Cuando mi supercie esta engendrada en forma explcita, z = f (x, y), puedo tomar
como parametros (x, y) en lugar de (u, v). De esta forma, obtenemos:
r (x, y) = x
i +y
j +f(x, y)
k
CAP

y calculando sus derivadas parciales, podemos obtener su pvf :
r
x
=
i +
f
x
k
r
y
=
j +
f
y
k
r
x

r
y
=
f
x
i
f
y
j +
k
si ahora trasladamos todo esto al calculo del area de la supercie parametrica, resulta:
a(s) =
__
T
_
f
x
_
2
+
_
f
y
_
2
+ 1
Vamos a reescribir la expresion.
Dado que
r
x
y
r
y
son vectores tangentes a la supercie, su producto vectorial funda-
mental sera perpendicular a la supercie:
N =
r
x

r
y
=
f
x
i
f
y
j +
k
donde denotamos con la letra

N para indicar que son normales a la supercie. Si este
vector es perpendicular a la supercie, tambien lo es este otro:
N =
f
x
i +
f
y
j k
Sea

k el vector unitario en la direccion del eje OZ
+
, (0, 0, 1), y sea el angulo formado
por

N y

k. El producto escalar entre

N y

k sera:
k = 1 =
cos
donde el signo depende del caso del vector

N que hayamos elegido.
Si tomamos la norma del vector y el valor absoluto de podemos quitarnos el :
1 =
_
_
N
_
_
[cos [
Con esta notacion, la expresion del area queda:
a(S) =
__
T
dxdy
[cos [
donde hay que notar que la expresion no tiene sentido con cos = 0
11.2.2. Caso particular con funciones implcitas
Si la supercie se engendra de forma implcita, F(x, y, z) = 0, a traves del teorema de la
implcita tenemos otro caso particular del calculo del area. Para esta situacion, se tiene que
cumplir la condicion del teorema de la funcion implcita,
F
z
,= 0. Se puede demostrar que
todo lo que se ha visto en el anterior caso particular para funciones explcitas z = f (x, y)
CAP

sigue siendo valido para el caso de funciones implcitas, y solo tenemos que cambiar la
expresion de las parciales en funcion de lo que nos dice el teorema de la implcita, es decir:
z
x
=

F
/
x
F
/
z
z
y
=
F
/
y
F
/
z
con esto, podemos calcular el pvf :
r
x
=
i
F
/
x
F
/
z
k
r
y
=
j
F
/
y
F
/
z
k
r
x

r
y
=
F
/
x
F
/
z
i +
F
/
y
F
/
z
j +
k
y la expresion del area de la supercie queda:
a(S) =
__
T
_
_
F
x
_
2
+
_
F
y
_
2
+
_
F
z
_
2
_
F
z
_
2
dxdy =
=
__
T
_
_
F
x
_
2
+
_
F
y
_
2
+
_
F
z
_
2
F
z
dxdy
11.2.3. Ejemplos de calculo de areas
Hallar el area del hemisferio z =
_
a
2
x
2
y
2
.
Mediante parametros (x, y)
r (x, y) = x
i +y
j +
_
a
2
x
2
y
2
k
D =
_
(x, y) R
2
x
2
+y
2
a
2
_
El area de la supercie queda:
a(S) =
__
D
_
f
x
_
2
+
_
f
y
_
2
+ 1dxdy
calculamos aparte las parciales:
f
x
=
x
_
a
2
x
2
y
2
f
y
=
y
_
a
2
x
2
y
2
CAP

y vemos como las parciales no estan denidas en la frontera, ya que su dominio es
_
(x, y) R
2
x
2
+y
2
< a
2
_
Con esto, el area queda:
a(S) =
__
D
x
2
a
2
x
2
y
2
+
y
2
a
2
x
2
y
2
+ 1dxdy =
=
__
D
a
2
a
2
x
2
y
2
dxdy = a
__
D
dxdy
_
a
2
x
2
y
2
= 2a
2
Mediante parametros (u, v)
r (u, v) = a cos ucos v
i +a sen ucos v
j +a sen v
k
u [0, 2] , v
_
0,

2
_
calculamos el pvf :
r
u

r
v
= a cos v r
_
_
_
_
r
u

r
v
_
_
_
_
= a cos
2
v
el area de la supercie queda:
a(S) = v
2
__
T
cos vdudv = a
2
_
u=2
u=0
_
v=
2
v=0
cos vdvdu =
= 2a
2
[sen v]
2
0
= 2a
2
Con lo que comprobamos que mediante las dos parametrizaciones el resultado es el
mismo.
11.3. Integral de supercie de un campo escalar
Sea S = r (u, v) , (u, v) T una supercie parametrica regular. Sea f (x, y, z) un campo
escalar denido y acotado en S.
Denimos la integral de supercie de f (x, y, z) a traves del recinto S como:
__
S
f (x, y, z) ds =
__
T
f ( r (u, v))
_
_
_
_
r
u

r
v
_
_
_
_
dudv
11.3.1. Caso particular con parametros (x, y)
r (x, y) = x
i +y
j +g (x, y)
k
El pvf en este caso es:
r
x

r
y
=
g
x
i
g
y
j +
k
CAP

el cual resulta ser un vector normalizado.
Calculando la norma del pvf :
_
_
_
_
r
x

r
y
_
_
_
_
=
_
g
x
_
2
+
_
g
y
_
2
+ 1 =
1
[cos [
Y con esto, el calculo del area queda:
__
S
f (x, y, z) ds =
__
T
f (x, y, z)
dxdy
[cos [
11.4. Cambio de representacion parametrica
Sean r (A) y

R(B) dos parametrizaciones de la supercie S. Si existe la integral:
__
r(A)
f (x, y, z) ds
entonces tambien existe
__
R(B)
f (x, y, z) ds
y ademas:
__
R(B)
f (x, y, z) ds =
__
r(A)
f (x, y, z) ds
es decir, la integral de supercie es independiente de la parametrizacion.
Captulo 12
Integrales de ujo
12.1. La integral de ujo como integral de supercie
Sea la supercie S = r (u, v) , (u, v) T una supercie parametrica regular. Sea
F : R
3
R
3
un campo vectorial denido y acotado en S. Sea n un vector unitario
perpendicular a la supercie S en cada punto, lo que es equivalente a decir que n tiene la
direccion del producto vectorial fundamental, o la direccion opuesta al producto vectorial
fundamental.
n n
1
, n
2
,
_
n
1
vector unitario en la direccion del pvf
n
2
vector unitario en la direccion opuesta al pvf
Con esto denimos que la integral de ujo de

F a traves de la supercie S es la integral
de supercie del producto escalar:
__
S
F ndS
con lo que logramos que nuestro integrando se convierta en un escalar y podamos resolver
la integral de supercie de un campo vectorial.
Reescribimos la expresion:
__
S
F ndS =
__
T
F n
r
u

r
v
dudv =
=
__
T
F
_
r
u

r
v
_
dudv
donde el dependera de si hemos tomado n n
1
o n n
2
.
Desarrollamos F : R
3
R
3
mediante sus componentes:
F (x, y, z) = P (x, y, z)
i +Q(x, y, z)
j +R(x, y, z)
k
y el producto vectorial como determinante mediante jacobianos:
r
u

r
v
=
(y, z)
(u, v)
i +
(z, x)
(u, v)
j +
(x, y)
(u, v)
k
con lo que podemos reescribir la integral como:
__
S
F ndS =
__
T
Pdy dz +Qdz dx +Rdx dy
130
CAP
ITULO 12. INTEGRALES DE FLUJO 131

donde
dy dz =
(y, z)
(u, v)
dudv
dz dx =
(z, x)
(u, v)
dudv
dx dy =
(x, y)
(u, v)
dudv
Hay que apuntar dos cosas sobre esta operacion:
dy dz ,= dz dy, es decir, la operacion no es conmutativa. Si cambio el orden, en
el jacobiano se intercambian las las y las columnas, con lo que cambia el signo y el
jacobiano no me sirve.
El smbolo es solo una manera comoda de escribir, pero por abuso de notacion, a
menudo se omite y la integral se escribe
__
T
Pdydz +Qdzdx +Rdxdy. Esto, aunque
lo parezca, no es una integral doble, ya que P, Q, R dependen de tres variables.
12.2. Notaci on mediante cosenos directores
En este caso particular, expresamos

F mediante sus campos componentes y n por sus
cosenos directores, es decir,
n = (cos , cos , cos )
con lo que nos queda la siguiente integral:
__
S
F nds =
__
S
(P cos +Qcos +Rcos ) ds
donde vemos que no tenemos dualidad de signo () en la integral ya que la represen-
tacion mediante cosenos me sirve en los dos casos.
Dentro de esta representacion en cosenos directores tenemos casos particulares en fun-
cion de como expresemos la supercie S o el caracter vectorial de n.
12.2.1. Caso para expresiones explcitas de S
En este caso, en funcion de cuales sean las variables que denen a la funcion explcita,
me interesara proyectar sobre uno u otro plano.
z = g (x, y) En este caso, me interesara proyectar sobre el plano XY :
z = g (x, y) ds =
dxdy
[cos [

__
S
F nds =
=
__
T
(P cos +Qcos +Rcos )
dxdy
[cos [
donde T es la proyeccion sobre el plano XY
CAP

y = g (x, z) En este caso, me interesara proyectar sobre el plano XZ:
y = g (x, z) ds =
dxdz
[cos [

__
S
F nds =
=
__
T
dxdz
[cos [
donde T es la proyeccion sobre el plano XZ.
x = g (y, z) En este caso, me interesara proyectar sobre el plano Y Z:
x = g (y, z) ds =
dydz
[cos [

__
S
F nds =
=
__
T
dydz
[cos [
donde T es la proyeccion sobre el plano Y Z.
12.2.2. Traslado del caracter vectorial de n
Si pasamos el caracter vectorial de n al diferencial de supercie, la integral queda:
__
S
F ndS =
__
S
F d
S
12.3. Ejemplos de integral de ujo
1. Hallar
__
S
F ndS donde:
F (x, y, z) =
xz
a
2
i +
yz
b
2
j +
z
2
c
2
k
, S es la supercie de la parte del elipsoide
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1 con z > 0, y n es la
normal unitaria exterior al elipsoide.
Comenzamos parametrizando la supercie, para lo cual tengo dos posibilidades:
Aprovechamos que la expresion del elipsoide es una funcion implcita y puedo
pasarla a explcita,
, y dado que z > 0, me queda +
.
Parametrizacion analoga (u, v), donde hay que tener en cuenta la deformacion
de los semiejes: en x meto el semieje a, en y el b y en z el c, con lo que obtengo
una esfera deformada, para lo cual tengo que multiplicar la primera la del
jacobiano por a, la segunda por b y la tercera por c.
Vamos a calcular la integral mediante la primera parametrizacion.
Parametrizamos la supercie:
r (x, y) = x
i +y
j +c
_
1
x
2
a
2

y
2
b
2
k
donde en la tercera componente se nos presenta la z despejada, con raiz +
. Esta
expresion solo es valida si el termino interior de la raiz es positivo, pero como se nos
CAP

ha indicado al principio del ejercicio que z > 0, no tenemos ning un problema. El
recinto T sobre el que vamos a trabajar es el interior de la elipse:
T =
_
(x, y) R
2
x
2
a
2
+
y
2
b
2
< 1
_
donde la condicion
x
2
a
2
+
y
2
b
2
< 1 se obtiene de nuevo de que z > 0.
Procedemos ahora a calcular el producto vectorial fundamental:
r
x

r
y
=
f
x
i
f
y
j +
k
y dado que
z = f (x, y) = c
_
1
x
2
a
2

y
2
b
2
el producto vectorial fundamental nos queda:
xc
a
2
_
1
x
2
a
2

y
2
b
2
i
yc
b
2
_
1
x
2
a
2

y
2
b
2
j +
k
Estudiando la expresion, vemos que la tercera componente,
k, es > 0; como nos dicen

que estamos trabajando con el vector n que sale, concluimos que n = n
1
, por lo tanto
tiene la misma direccion que el producto vectorial fundamental y es positivo.
Vamos a trabajar con notacion en cosenos directores, y procedemos a compactar la
expresion:
N =
r
x

r
y
los cosenos directores son:
cos =
1
_
_
N
_
_
xc
a
2
_
1
x
2
a
2

y
2
b
2
, cos =
1
_
_
N
_
_
yc
b
2
_
1
x
2
a
2

y
2
b
2
, cos =
1
_
_
N
_
_
Dado que el recinto T es el interior de la elipse, trabajamos con una integral propia.
Si tuvieramos T 1 nos encontraramos ante una integral impropia.
El diferencial de supercie depende del valor absoluto del coseno de , pero dado
que hemos visto que n = n
1
, el cos > 0, por lo que:
ds =
dxdy
[cos [
; cos > 0 ds =
dxdy
cos
CAP

Calculamos la integral y la compactamos:
__
S
F nds =
__
T
_
xz
a
2
cos +
yz
b
2
cos +
z
2
c
2
cos
_
dxdy
cos
=
=
__
T
_
xz
a
2
cos
cos
+
yz
b
2
cos
cos
+
z
2
c
2
_
dxdy =
=
__
T
_
_
xz
a
2
xc
a
2
1
_
1
x
2
a
2

y
2
b
2
+
yz
b
2
yc
b
2
1
_
1
x
2
a
2

y
2
b
2
+
z
2
c
2
_
_
dxdy =
=
__
T
_
x
2
c
2
a
4
+
y
2
c
2
b
4
+
z
2
c
2
_
dxdy =
=
__
T
_
x
2
c
2
a
4
+
y
2
c
2
b
4
+ 1
x
2
a
2

y
2
b
2
_
dxdy =
=
__
T
_
x
2
_
c
2
a
2
_
a
4
+
y
2
_
c
2
b
2
_
b
4
+ 1
_
dxdy
realizamos el cambio a coordenadas polares teniendo en cuenta los semiejes:
x = ar cos
y = br sen
_
0 < r < 1
0 < 2
, J = abr
introducimos el cambio de coordenadas en la integral, con lo que nos queda:
ab
_
=2
=0
_
r=1
r=0
_
_
c
2
a
2
_
a
2
r
2
cos
2
+
_
c
2
b
2
_
b
2
r
2
sen
2
+ 1
_
rdrd =
= ab
_
=2
=0
_
_
c
2
a
2
_
a
2
r
4
4
cos
2
+
_
c
2
b
2
_
b
2
r
4
4
sen
2
+
r
2
2
_
r=1
r=0
d =
= ab
_
=2
=0
_
_
c
2
a
2
_
4a
2
cos
2
+
_
c
2
b
2
_
4b
2
sen
2
+
1
2
_
d =
= ab
_
_
c
2
a
2
_
4a
2
+
_
c
2
b
2
_
4b
2
+
_
2. Hallar la integral de supercie
__
S
F nds con:
F (x, y, z) = P (x, y, z)
i +Q(x, y, z)
j +R(x, y, z)
k
el recinto S tiene las coordenadas del cubo formado por:
(0, 0, 0) , (0, 0, 1) , (0, 1, 0) , (1, 0, 0)
(0, 1, 1) , (1, 0, 1) , (1, 1, 0) , (1, 1, 1)
y el vector n es exterior al cubo.
CAP

Comenzamos estudiando por separado cada cara del cubo. Necesito hallar el vector
n exterior a cada lado del cubo. En la cara con z = 0, n = (0, 0, 1) =
k =
(0, 0, cos ) , cos = 1. Hacemos lo mismo con cada una de las caras. Por ejemplo, en
la cara x = 0, x = 0 n = (1, 0, 0) =
i = (cos , 0, 0) , cos = 1. Completando

los calculos para las otras caras obtenemos la siguiente tabla:
x = 0 n =
i = (1, 0, 0)
x = 1 n =
i = (1, 0, 0)
y = 0 n =
j = (0, 1, 0)
y = 1 n =
j = (0, 1, 0)
z = 0 n =
k = (0, 0, 1)
z = 1 n =
k = (0, 0, 1)
Estudiamos el valor de
__
S
F nds en cada cara del cubo:

z = 1
__
S
F nds =
_
y=1
y=0
_
x=1
x=0
R(x, y, 1) cos
dxdy
[cos [
=
=
_
y=1
y=0
_
x=1
x=0
R(x, y, 1) dxdy
z = 0
__
S
F nds =
_
y=1
y=0
_
x=1
x=0
R(x, y, 0) cos
dxdy
[cos [
=
=
_
y=1
y=0
_
x=1
x=0
R(x, y, 0) dxdy
x = 1
__
S
F nds =
_
z=1
z=0
_
y=1
y=0
P (1, y, z) cos
dydz
[cos [
=
=
_
z=1
z=0
_
y=1
y=0
P (1, y, z) dydz
x = 0
__
S
F nds =
_
z=1
z=0
_
y=1
y=0
P (0, y, z) cos
dydz
[cos [
=
=
_
z=1
z=0
_
y=1
y=0
P (0, y, z) dydz
y = 1
__
S
F nds =
_
x=1
x=0
_
z=1
z=0
Q(x, 1, z) cos
dzdx
[cos [
=
=
_
x=1
x=0
_
z=1
z=0
Q(x, 1, z) dzdx
CAP

y = 0
__
S
F nds =
_
x=1
x=0
_
z=1
z=0
Q(x, 0, z) cos
dzdx
[cos [
=
=
_
x=1
x=0
_
z=1
z=0
Q(x, 0, z) dzdx
y el ujo total es la sumatoria de todos los subujos.
Captulo 13
Teoremas integrales
13.1. Teorema de Green
Este teorema, tambien conocido como Teorema de Green en el plano y como Teorema
de Green-Riemann, nos permite relacionar una integral de lnea con una integral doble.
Para enunciar el teorema, necesito denir lo que es una curva de Jordan.
13.1.1. Curva de Jordan
Una curva de Jordan es una curva simple plana cerrada. Analizemos cada parte de la
denicion por separado:
Curva plana: es una funcion : [a, b] R
2
. Es plana por ser su imagen R
2
.
Cerrada: el principio de la curva coincide con el nal, (a) = (b).
Simple: aparte del corte entre el principio y el nal no presenta otros cortes: (t
1
) ,=
(t
2
), si t
1
, t
2
[a, b).
La caracterstica de una curva de Jordan es que divide al plano en dos regiones, una
interior a la curva (acotada) y otra exterior (no acotada).
13.1.2. Teorema de Green-Riemann
Sea C una curva de Jordan regular a trozos. Sea R la union de la curva C con su
interior. Sean P, Q campos escalares de R
2
R diferenciables con continuidad en R.
Entonces podemos armar:
__
R
_
Q
x

P
y
_
dxdy =
_
C
Pdx +Qdy
donde el circulo sobre el signo de integral indica que la curva se recorre en sentido antiho-
rario.
Este teorema funciona en los dos sentidos, por lo que si resulta complicado calcular la
integral doble, hago la integral a traves del camino cerrado, y viceversa.
137
CAP
ITULO 13. TEOREMAS INTEGRALES 138

13.1.3. Demostraci on del teorema de Green
Vamos a demostrar el teorema dividiendolo en dos partes:
__
R
Q
x
dxdy =
_
C
Qdy
__
R
P
y
dxdy =
_
C
Pdx
Vamos a demostrar la segunda parte, y la primera es analoga. Suponemos que R es union
de recintos que son simultaneamente de tipo I (para Pdx) y tipo II (para Qdy). Dado que
vamos a demostrar la segunda parte, tomamos un recinto de tipo I, donde los laterales
son los dos segmentos verticales x = a, x = b, y los extremos superior e inferior estan
delimitados por las curvas y = g(x), y = f(x) respectivamente.
La integral nos queda:
__
R
P
y
dxdy =
_
x=b
x=a
_
y=g(x)
y=f(x)
P
y
dydx =
_
x=b
x=a
[P (x, y)]
g(x)
f(x)
dx =
=
_
x=b
x=a
(P (x, g (x)) P (x, f (x))) dx =
=
_
x=b
x=a
(P (x, f (x)) P (x, g (x))) dx
Mantenemos este resultado aqu, y comenzamos a trabajar con la integral a traves de
la curva C, recorrida en sentido antihorario. Procedemos a descomponer la integral en
cuatro partes, una para cada lado del recinto de Fubini. Denotamos cada lado como:
C1 y = f (x)
C2 x = b
C3 y = g (x)
C4 x = a
con lo que nos quedan las siguientes integrales:
_
C1
Pdx =
_
x=b
x=a
P (x, f (x)) dx
_
C2
Pdx =
_
C4
Pdx = 0
_
C3
Pdx =
_
x=a
x=b
P (x, g (x)) dx =
_
x=b
x=a
P (x, g (x)) dx
luego la integral
_
C
Pdx queda:
_
C
Pdx =
_
C1
Pdx +
_
C2
Pdx +
_
C3
Pdx +
_
C4
Pdx =
=
_
x=b
x=a
P (x, f (x)) dx + 0
_
x=b
x=a
P (x, g (x)) dx + 0 =
=
_
x=b
x=a
(P (x, f (x)) P (x, g (x))) dx
CAP

13.1.4. Funcion
La funcion , as como la funcion que veremos a continuacion, estan denidas como
integrales impropias. En el caso concreto de la funcion su expresion integral es:
(n) =
_

0
t
n1
e
t
dt, n > 0
Pero a nosotros nos va a interesar mas su expresion recursiva, que nos permite denir
la funcion (n + 1) en terminos de funciones (n). Esta denicion recursiva de la funcion
se obtiene mediante integracion por partes, de la siguiente forma:
(n + 1) =
_

0
t
n
e
t
dt =
_
t
n
e
t
0
+
_

0
nt
n1
e
t
dt =
= n
_

0
t
n1
e
t
dt = n(n)
con lo que obtenemos la expresion recursiva de (n):
(n + 1) = n(n)
para todo n umero n > 0. La funcion no esta denida para n = 0.
En caso de trabajar con n umero enteros, la funcion se comporta como un factorial,
de la forma:
(n + 1) = n! si n = 0, 1, 2, . . .
En caso de tener n umero negativos, podemos emplear la anterior relacion para hacer:
(n) =
(n + 1)
n
Algunos valores de la funcion para n umero enteros son, usando la denicion recursiva
de la funcion:
(1) = (1 1)! = 0! = 1
(2) = 1(1) = 1!
(3) = 2(2) = 2!
(4) = 3(3) = 3!
Y en caso de trabajar con n umeros racionales:
_
1
2
_
=
_
3
2
_
=
_
1
2
_
_
1
2
_
=
_
5
2
_
=
_
3
2
_
_
3
2
_
=
3
2
2
_
7
2
_
=
_
5
2
_
_
5
2
_
=
3 5
2
3
CAP

13.1.5. Funcion
La funcion se dene en dos puntos a, y b, expresandose (a, b).
Como se indico antes, la funcion tambien esta generada a partir de una integral
impropia, siendo en este caso:
(a, b) =
_
2
0
sen
2a1
cos
2b1
d
o, lo que es lo mismo:
(a, b) =
_
2
0
sen
p
cos
q
d =
1
2
_
p + 1
2
,
q + 1
2
_
La funcion se puede expresar tambien en terminos de la funcion :
(a, b) =
(a) (b)
(a +b)
Un ejemplo de uso de la funcion :
_
2,
5
2
_
=
_
2
0
sen
3
cos
4
d =
1
2
_
4
2
,
5
2
_
=
1
2
(2)
_
5
2
_
_
9
2
_ =
=
1
2
_
5
2
_
7
2
5
2
_
5
2
_ =
2
35
Cuando tengamos que emplear la funcion para calcular integrales del tipo
_
sen
a
cos
b
d
cuyos extremos no sean
_
0,

2
, podemos manipular la expresion de la integral si compro-

bamos el signo que toman las funciones sen
a
, cos
b
y su producto en cada uno de los
cuadrantes. As, por ejemplo, si tenemos que calcular una integral donde intervengan
sen
3
cos
4
, sabiendo que sen
3
es positivo en el primer y segundo cuadrantes y negati-
vo en el tercero y cuarto, y que cos
4
es positivo en todos los cuadrantes, su producto,
sen
3
cos
4
, tendra el mismo comportamiento que sen
3
, es decir, positivo en el primer y
segundo cuadrantes. Con esto, podramos calcular las siguientes integrales:
_

0
sen
3
cos
4
d = 2
_
2
0
sen
3
cos
4
d
_ 3
2
0
sen
3
cos
4
d =
_
2
0
sen
3
cos
4
d
con lo que ya tendramos integrales que se corresponden con la expresion de la funcion
, y podramos calcularlas de manera comoda mediante la relacion entre la funcion y la
funcion .
13.1.6. Ejemplos del teorema de Green
1. Calcular la integral:
_
C
x
2
y
2
x
2
+y
2
dx
2xy
x
2
+y
2
dy
CAP

cuando la curva C es:
Antes de comenzar a resolver el problema, vamos a comprobar que el recinto no
presente ning un problema. En este caso, el unico punto conictivo sera el (0, 0), que
anulara los denominadores, pero dado que dicho punto no pertenece a la curva, no
tenemos ning un problema.
Vamos a resolver el problema de dos formas: calculando la integral directamente y
por medio del teorema de Green.
Directamente:
Vamos a dividir la integral en 4 trozos:
Semicircunferencia x
2
+y
2
= 16
Parametrizamos la curva en ese trozo:
x = 4 cos
y = 4 sen
_
0
dx = 4 sen d
dy = 4 cos d
Reescribimos el integrando:
_
x
2
y
2
x
2
+y
2
dx
2xy
x
2
+y
2
dy =
=
_
=
=0
_
_
16 cos
2
16 sen
2
_
16
(4 sen )
(32 sen cos )
16
(4 cos )
_
d =
=
_

0
_
4 cos
2
sen + 4 sen
3
8 cos
2
sen
_
d =
=
_

0
_
12 cos
2
sen + 4 sen
3
_
d
Vamos a calcular por separado las integrales, haciendo uso de la funcion ,
para lo cual vamos a calcular el valor de la integral entre
_
0,

2
y compro-
bamos el signo que tomas las funciones seno y coseno:
_
2
0
cos
2
sen d =
1
2
_
3
2
, 1
_
=
1
2
_
3
2
_
(1)
_
5
2
_ =
1
2
_
3
2
_
1
3
2
_
3
2
_ =
1
3
CAP

La funcion sen es positiva en el primer y segundo cuadrantes, y la funcion
cos
2
es positiva es todos los cuadrantes, por lo tanto la funcion cos
2
sen
es positiva en el primer y segundo cuadrante. Con esto, calculamos:
_

0
cos
2
sen d = 2
_
2
0
cos
2
sen d =
2
3
Hacemos la misma operacion con la otra integral:
_
2
0
sen
3
d =
1
2
_
2,
1
2
_
=
1
2
(2)
_
1
2
_
_
5
2
_ =
=
1
2
_
1
2
_
3
2
_
3
2
_ =
1
2
_
1
2
_
3
2
1
2
_
1
2
_ =
2
3
Comprobamos los signos, y vemos que la funcion sen
3
es positiva en el
primer y segundo cuadrante, por lo tanto:
_

0
sen
3
d = 2
_
2
0
sen
3
d =
4
3
Regresamos a la integral original y terminamos de calcularla:
_

0
_
12 cos
2
sen + 4 sen
3
_
d = 12
2
3
+ 4
4
3
=
24 + 16
3
=
8
3
con lo que ya hemos obtenido el valor de la integral en la 1
a
semicircunfe-
rencia.
Semicircunferencia x
2
+y
2
= 9
Ahora vamos a calcular la integral de la segunda semicircunferencia, donde
tenemos que tener en cuenta que hay que recorrerla en sentido antihorario,
por lo que no podemos parametrizar como antes, ya que si parametrizo:
x = 3 cos
y = 3 sen
_
la estara recorriendo en sentido horario (la recorrera igual que la prime-
ra semicircunferencia). Cambiamos la parametrizacion para tener esto en
cuenta:
x = 3 cos
y = 3 sen
_
0
dx = 3 sen d
dy = 3 cos d
y procedemos a calcular la integral:
_
x
2
y
2
x
2
+y
2
dx
2xy
x
2
+y
2
dy =
=
_

0
_
_
9 cos
2
9 sen
2
_
9
3 sen +
(18 sen cos )
9
3 cos
_
d =
=
_

0
_
9 cos
2
sen 3 sen
3
_
d = 9
2
3
3
4
3
=
18
3

12
3
= 2
CAP

donde de nuevo hemos hecho uso de la funcion para calcular su valor, de
la misma manera que en el apartado anterior.
Segmento entre [4, 3]
Parametrizamos:
x = t
y = 0
_
4 t 3
dx = dt
dy = 0
calculamos la integral:
_
x
2
y
2
x
2
+y
2
dx
2xy
x
2
+y
2
dy =
_
3
4
t
2
t
2
dt 0 =
_
3
4
dt = 1
y ya tenemos el valor en ese segmento.
Segmento entre [3, 4]
Parametrizamos:
x = t
y = 0
_
3 t 4
dx = dt
dy = 0
calculamos la integral:
_
x
2
y
2
x
2
+y
2
dx
2xy
x
2
+y
2
dy =
_
4
3
dt = 1
y con esta ultima integral ya tenemos calculados todos los trozos en los que
dividimos la integral original.
Una vez realizados todos los calculos, la integral a lo largo de toda la curva
cerrada C es:
_
C
x
2
y
2
x
2
+y
2
dx
2xy
x
2
+y
2
dy =
8
3
+ 4 =
4
3
Mediante el teorema de Green:
Vamos a resolver ahora el problema por medio del teorema de Green, el cual
nos dice:
_
Pdx +Qdy =
__
R
_
Q
x

P
y
_
dxdy
En este caso:
P =
x
2
y
2
x
2
+y
2
Q =
2xy
x
2
+y
2
CAP

Calculamos sus parciales:
Q
x
=
2y
_
x
2
+y
2
_
(2x) (2xy)
(x
2
+y
2
)
2
=
=
2y
_
x
2
+y
2
_
+ 4x
2
y
(x
2
+y
2
)
2
=
2x
2
y 2y
3
(x
2
+y
2
)
2
P
y
=
2y
_
x
2
+y
2
_
2y
_
x
2
y
2
_
(x
2
+y
2
)
2
=
=
4x
2
y
(x
2
+y
2
)
2
de esto, obtenemos:
Q
x

P
y
=
6x
2
y 2y
3
(x
2
+y
2
)
2
con lo que el problema se reduce a calcular la integral doble a traves del re-
cinto R, siendo este recinto la curva formada por las semicircunferencias y los
segmentos junto con su interior:
I =
__
R
6x
2
y 2y
3
(x
2
+y
2
)
2
dxdy
Pasamos a coordenadas polares, ya que si trabajo en cartesianas me encuentro
con raices. En polares, R es un rectangulo, con lo que nos queda:
I =
_
=
=0
_
r=4
r=3
_
6r
3
cos
2
sen 2r
3
sen
3
_
r
4
rdrd
sacando factor com un r y simplicando obtenemos:
I =
_

0
_
4
3
_
6 cos
2
sen 2 sen
3
_
drd =
=
_

0
_
6 cos
2
sen 2 sen
3
_
d =
= 6
2
3
2
4
3
=
4
3
que resulta ser lo mismo que obtuvimos al calcular la integral directamente sin
emplear el teorema de Green.
2. Ejemplo del teorema de Green con una astroide.
Hallar el area de la region:
x
2
/
3
+y
2
/
3
= a
2
/
3
Comenzamos el problema comprobando de que gura se trata, en este caso nos
encontramos ante una astroide. La parametrizacion de la astroide es:
x = a cos
3
y = a sen
3
_
[0, 2)
CAP

Vamos a calcular el area por dos caminos, de la misma forma que en el ejemplo
anterior. Comenzamos calculando la integral doble directamente.
Directamente:
El area a calcular viene dada por la integral:
A =
__
R
dxdy
introducimos el cambio de variable:
x = r cos
3
y = r sen
3
_
0 < r a
0 < 2
y el jacobiano de dicho cambio es:
J =
cos
3
3r cos
2
sen
sen
3
3r sen
2
cos
= 3r sen
2
cos
2
A = 3
_
=2
=0
_
r=a
r=0
r sen
2
cos
2
drd =
3a
2
2
_
=2
=0
sen
2
cos
2
d
ahora calculamos esta integral por medio de la duncion :
_
2
0
sen
2
cos
2
d =
1
2
_
3
2
,
3
2
_
=
1
2
_
3
2
_
_
3
2
_
(3)
=
=
1
2
2
2!
=

16
Necesitamos la integral:
_
=2
=0
sen
2
cos
2
d
y para calcularla, estudiamos el signo de las funciones seno y coseno. En este
caso, al estar ambas funciones elevadas al cuadrado, su signo es siempre positivo,
por lo tanto:
_
2
0
= 4
_
2
0
= 4

16
=

4
Con este valor, regresamos a la integral doble original:
A =
3a
2
2
_
=2
=0
sen
2
cos
2
d =
3
8
a
3
con lo que obtenemos el valor de area de la astroide.
CAP

Por medio del teorema de Green:
El teorema indica:
__
R
dxdy =
_
C
Pdx +Qdy
donde la condicion del teorema nos dice:
Q
x

P
y
= 1
Procedemos a calcular. Si:
Q(x, y) =
x
2
P (x, y)
y
2
entonces el area sera:
A =
1
2
_
ydx +xdy
parametrizamos:
x = a cos
3
y = a sen
3
_
dx = 3a cos
2
sen d
dy = 3a sen
2
cos d
con lo que el area queda:
A =
1
2
_
2
0
_
3a
2
sen
4
cos
2
+ 3a
2
sen
2
cos
4
_
d =
=
3a
2
2
_
2
0
sen
2
cos
2
_
sen
2
+ cos
2
_
d = =
=
3a
2
2
_
2
0
sen
2
cos
2
d =
3
8
a
2
que es lo mismo que obtenamos calculando directamente.
13.2. Teorema de Stokes
Sea una curva de Jordan regular a trozos. Sea T el interior de la curva . Sea
r : R
2
R
3
un campo vectorial denido en T. Sea S = r (T) una supercie parametrica
simple y regular. Sea C = r () una curva. Sea F : R
3
R
3
, F = (P, Q, Z), F diferenciable
con continuidad en S C.
La idea del teorema es la siguiente: tenemos una curva con su interior T. Esta curva
va a engendrar un hemisferio de esfera, de manera que engendra la circunferencia del
hemisfero y T engendra su supercie.
Con todo esto, podemos asegurar que:
__
R
rotF nds =
_
C
F d
donde n es el vector unitario en la direccion del pvf en cada punto de la supercie, y
donde C se recorre en el sentido que resulta de aplicar a r a la curva , r (), si la curva
original se recorre en el sentido antihorario.
CAP

En la practica, el teorema solo se aplica en este sentido:
_
C
F d =
__
R
rotF nds
Para hacer la parametrizacion:
F (x, y, z) = P (x, y, z)
i +Q(x, y, z)
j +R(x, y, z)
k
rotF =
_
R
y

Q
z
_
i +
_
P
z

R
x
_
j +
_
Q
x

P
y
_
k
con estas dos expresiones podemos escribir:
__
R
_
R
y

Q
z
_
dy dz +
_
P
z

R
x
_
dz dx +
_
Q
x

P
y
_
dx dy =
=
_
C
Pdx +Qdy +Rdz
Este teorema esta relacionado con el teorema de Green, ya que si nuestra supercie S
es una supercie en 2D, el teorema se convierte en el teorema de Green. Podemos ver el
teorema de Stokes como una generalizacion del teorema de Green para supercies en 3D,
o ver el teorema de Green como un caso particular del teorema de Stokes para supercies
2D.
13.2.1. Ejemplo del teorema de Stokes
Hallar la integral de linea:
_
C
ydx +zdy +xdz
donde C es la curva interseccion de estas dos superfcies en 3D:
x +z = 2
x
2
+y
2
+z
2
= 2 (x +z)
_
Vamos a calcular el resultado directamente. La primera supercie es un plano, y para
ver que es la segunda agrupo terminos:
x +z = 2
(x 1)
2
+y
2
+ (z 1)
2
= 2
_
si hago:
z = 2 x (x 1)
2
+y
2
+ (2 x 1)
2
= 2 (x 1)
2
+y
2
= 2
(x 1)
2
+
y
2
2
= 1
Con esto, aunque no sabemos la forma exacta de la curva, tenemos una informacion
muy importante, y es que su proyeccion sobre el plano z = 0 es una elipse.
CAP

Con la informacion que tenemos, ya podemos parametrizar, mediante parametros
(x, y), lo cual me fuerza z = 2 x:
x = 1 + cos
y =
2 sen
z = 1 cos
_
_
0 < 2
dx = sen d
dy =
2 cos d
dz = sen d
_
C
ydx +zdy +xdz =
=
_
2
0
_
2 sen
2
+
2 cos
2 cos
2
+ sen + sen cos
_
d =
=
2
_
2
0
_
sen
2
+ cos
2
_
d =
2
_
2
0
d = 2
2
Ahora vamos a resolver el problema aplicando el teorema de Stokes.
Partimos de:
x +z = 2
(x 1)
2
+y
2
+ (z 1)
2
= 2
_
y lo proyectamos sobre el plano XZ, con lo que la esfera deformada (una elipse) en
3D nos proyecta una circunferencia (sin deformar) sobre dicho plano, y con lo que vemos
que el plano x + z = 2 es una plano diametral de la esfera, el cual pasa por su centro,
por lo tanto la interseccion entre el plano y la esfera es una circunferencia maxima. Con
todo esto, vemos que C es la circunferencia que dene ese plano dentro de la esfera. Nos
falta averiguar quien es S. S puede ser el crculo que acabamos de encontrar, pero tambien
puede ser el hemisferio superior de la esfera. Como ambas supercies nos sirven, tomamos
la mas facil, en este caso el crculo que dene el plano. Por lo tanto:
F = y
i +z
j +x
k
rotF =
i

j

k
z
y z x
k
Parametrizo la supercie del plano:
r (x, y) = x
i +y
j + (2 x)
k
En este caso, el recinto T es la proyeccion de la elipse:
T =
_
(x, y) R
2
(x 1)
2
+
y
2
2
1
_
CAP

Hallamos el pvf :
r
x

r
y
=
f
x
i
f
y
j +
k =
i +
k
__
S
rotF ndS = 2
__
T
dxdy
cambiamos a polares:
x 1 = r cos
y =
2r sen
_
0 < r 1
0 < 2
, J =
2r
y volvemos a la integral:
2
2
_
2
0
_
r=1
r=0
rdrd = 2
2
1
2
2 = 2
2
13.3. Teorema de Gauss
Este teorema nos realaciona una integral de ujo con una integral de supercie.
Sea V una region del espacio 3D limitada por una supercie parametrica S. Sea n
la normal unitaria exterior a S en cada punto. Sea F : R
3
R
3
un campo vectorial
diferenciable con continuidad en V . Con todo esto puedo asegurar:
__
S
F ndS =
___
V
div Fdxdydz
Esta es la expresion compacta del teorema. Vamos a extenderla:
F (x, y, z) = P (x, y, z)
i +Q(x, y, z)
j +R(x, y, z)
k
n = (cos , cos , cos )
__
S
F ndS =
__
S
(P cos +Qcos +Rcos ) dS =
=
___
V
_
P
x
+
Q
y
+
R
z
_
dxdydz
Vamos a demostrar el teorema con la version extendida.
Si puedo demostrar estas tres igualdades y las sumamos:
__
S
P cos dS =
___
V
P
x
dxdydz
__
S
Qcos dS =
___
V
Q
y
dxdydz
__
S
Rcos dS =
___
V
R
z
dxdydz
entonces tendremos toda la demostracion. Vamos a demostrar la tercera igualdad, y
las otras dos seran analogas.
CAP

__
S
Rcos dS =
___
V
R
z
dxdydz
Para demostrar esto, vamos a imponer dos restricciones que nos permitiran simplicar
los calculos: La supercie S la vamos a descomponer en tres partes:
1. S
1
, z = f(x, y) continua en T (la parte de arriba).
2. S
2
, z = g(x, y) continua en T (la parte de abajo).
3. S
3
, opcionalmente, una pared lateral vertical, perpendicular al plano XY.
La tercera parte, S
3
, puede que no aparezca si S
1
y S
2
encajan perfectamente.
La segunda restriccion afecta a la tercera componente del vector n:
1. 3
a
componente positiva en S
1
.
2. 3
a
componente negativa en S
2
.
3. 3
a
componente nula en S
3
.
Con esto estamos indicando que el solido es proyectable en el plano XY .
Con estas restricciones, puedo empezar a demostrar. Comenzamos con la integral triple:
___
V
R
z
dxdydz =
__
T
_
z=f(x,y)
z=g(x,y)
R
z
dzdxdy =
=
__
T
(R(x, y, f (x, y)) R(x, y, g (x, y))) dxdy
Dejamos aqu la integral triple y trabajamos con la de ujo:
__
S
Rcos dS =
__
S
1
Rcos dS +
__
S
2
Rcos dS +
__
S
3
Rcos dS
calculamos cada integral:
__
S
3
Rcos dS = 0
ya que el S
3
la tercera componente era nula, luego el coseno es 0.
__
S
1
Rcos dS =
__
T
Rcos
dxdy
[cos [
=
__
T
R(x, y, f (x, y)) dxdy
donde el coseno es positivo porque la primera componente es positiva en S
1
.
__
S
2
Rcos dS =
__
T
Rcos
dxdy
[cos [
=
__
T
R(x, y, g (x, y)) dxdy
donde en este caso el coseno sale negativo, ya que la tercera componente en S
2
es
negativa.
CAP

Con las tres integrales calculadas, las sumo:
__
S
Rcos dS =
__
S
1
Rcos dS +
__
S
2
Rcos dS +
__
S
3
Rcos dS =
=
__
T
(R(x, y, f (x, y)) R(x, y, g (x, y))) dxdy
13.3.1. Anotaci on sobre el teorema de Gauss
Para que el teorema funcione, la supercie tiene que ser cerrada. Pero si no lo es,
podemos cerrarla nosotros mismos. Por ejemplo, para calcular una integral a traves de una
pared cilndrica, el teorema no funciona porque la supercie no es cerrada, pero podemos
solucionarlo agregando nosotros una tapa y una base a la pared.
13.3.2. Ejemplo del teorema de Gauss
Dado el campo F = z
i +y
j + 2z
k, hallar el ujo a traves de la parte de la supercie:

z = 7 x
2
y
2
para la cual z > 0.
En este problema, la supercie sobre la que tenemos que calcular el ujo es un pa-
raboloide bocabajo, y su proyeccion sobre el plano XY sera nuestro recinto T. Vamos a
calcular directamente la integral
__
S
F ndS:
Parametrizamos:
r (x, y) = x
i +y
j +
_
7 x
2
y
2
_
k
T =
_
(x, y) R
2
x
2
+y
2
7
_
El pvf es:
r
x

r
y
=
f
x
i
f
y
j +
k = 2x
i + 2y
j +
k
Con esto, calculamos:
__
S
F ndS =
__
T
_
2xz + 2y
2
+ 2z
_
dxdy =
= 2
__
T
_
xz +y
2
+z
_
dxdy =
= 2
__
T
_
x
_
7 x
2
y
2
_
+y
2
+ 7 x
2
y
2
_
dxdy
Pasamos a polares y completamos el calculo:
2
_
=2
=0
_
r=
7
r=0
_
r cos
_
7 r
2
_
+r
2
sen
2
+ 7 r
2
_
rdrd =
= 2
_
r=
7
r=0
_
r
2
+ 14 2r
2
_
rdr = 2
_
r=
7
r=0
_
14r r
3
_
dr =
= 2
_
7r
2
r
4
4
_
7
0
= 2
_
7
2
7
2
4
_
= 2
3
4
7
2
=
3
2
7
2
CAP

Ahora vamos a hacer el calculo por medio del teorema de Gauss. En este caso, vemos
que la supercie no es cerrada, y la cerramos nosotros poniendo como base el crculo que
cierra el paraboloide en z = 0. De este modo nos queda:
__
S
F ndS +
__
Base
F ndS =
___
V
div Fdxdydz
Calculamos la integral de la base, con n = (0, 0, 1) y z = 0:
__
Base
F ndS = 0
Calculamos la integral triple:
___
V
div Fdxdydz = 3
___
V
dxdydz
Pasamos a coordenadas cilndricas:
3
_
=2
=0
_
r=
7
r=0
_
z=7r
2
z=0
rdzdrd = 6
_
r=
7
r=0
_
7r r
3
_
dr =
= 6
_
7r
2
2

r
4
4
_
7
0
= 6
_
7
2
2

7
4
2
_
=
6
4
7
2
=
=
3
2
7
2
con lo que podemos concluir que:
__
S
F ndS =
3
2
7
2

Analisis Vectorial

Cargado por

Información del documento

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

Analisis Vectorial

Cargado por

Copyright:

Formatos disponibles

Apuntes de

A = (0, 1) ; ExtA = (, 0) (1, 2) (2, )

) y de (A (el propio punto (5, 0)).

(x, y) / [0, 2] [1, 5]

= [0, 2] [1, 5] (5, 0)

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 17

F(x, y, z) = (P(x, y, z), Q(x, y, z), R(x, y, z))

Si estudiamos cada uno de los dos casos que se nos presentan en D

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 18

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 19

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 20

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 21

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 22

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 23

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 24

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 25

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 26

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 27

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 28

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 29

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 30

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 31

ITULO 2. CAMPOS ESCALARES Y VECTORIALES 32

ON EN CAMPOS ESCALARES Y VECTORIALES 35

ON EN CAMPOS ESCALARES Y VECTORIALES 36

ON EN CAMPOS ESCALARES Y VECTORIALES 37

ON EN CAMPOS ESCALARES Y VECTORIALES 38

ON EN CAMPOS ESCALARES Y VECTORIALES 39

ON EN CAMPOS ESCALARES Y VECTORIALES 40

ON EN CAMPOS ESCALARES Y VECTORIALES 41

ON EN CAMPOS ESCALARES Y VECTORIALES 42

ON EN CAMPOS ESCALARES Y VECTORIALES 43

ON EN CAMPOS ESCALARES Y VECTORIALES 44

f( a)[. Es en esta direccion donde f tiene mayor

ON EN CAMPOS ESCALARES Y VECTORIALES 45

ON EN CAMPOS ESCALARES Y VECTORIALES 46

F(x, y, z) = (2x, 8y, 2z)

ON EN CAMPOS ESCALARES Y VECTORIALES 47

ON EN CAMPOS ESCALARES Y VECTORIALES 48

ON EN CAMPOS ESCALARES Y VECTORIALES 49

ITULO 4. DIFERENCIABLIDAD DE CAMPOS POR COMPOSICI

ITULO 4. DIFERENCIABLIDAD DE CAMPOS POR COMPOSICI

ITULO 4. DIFERENCIABLIDAD DE CAMPOS POR COMPOSICI

5.2. Funcion Implcita

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 5. DIFERENCIABLIDAD DE FUNCIONES IMPL

ITULO 6. EXTREMOS DE CAMPOS ESCALARES 67

ITULO 6. EXTREMOS DE CAMPOS ESCALARES 68

ITULO 6. EXTREMOS DE CAMPOS ESCALARES 69

(y) = 2y1. Si en esta expresion

(y) = 0 obtengo que y =

ITULO 6. EXTREMOS DE CAMPOS ESCALARES 70

ITULO 6. EXTREMOS DE CAMPOS ESCALARES 71

ITULO 6. EXTREMOS DE CAMPOS ESCALARES 72

ITULO 6. EXTREMOS DE CAMPOS ESCALARES 73