Apuntes Ampliacion

AmpliAcin de mAtemticAs
MxiMo JiMnez Lpez

coleccin apuntes
Universidad de Jan
indice salir cubierta
Ampliacin de matemticas/ MxiMo JiMnez Lpez
Indice
(Apuntes de la asignatura)
Introduccin. .......................................................................................................................11
Estudio de la asignatura. ......................................................................................................12
Tema 1. Ecuaciones en diferencias .......................................................................................14
1. Ecuacin en diferencias lineal con coefcientes constantes ................................................... 16
1.1. Propiedades de la ecuacin en diferencias lineal de coefcientes constantes ............. 17
1.1.1. Unicidad de la solucin ........................................................................................ 17
1.1.2. El espacio vectorial de las soluciones de la ecuacin en diferencias lineal
Homognea .......................................................................................................... 18
2. Solucin de la ecuacin en diferencias lineal homognea de coefcientes constantes .......... 19
3. Solucin de la ecuacin en diferencias lineal completa de coefcientes constantes .............. 21
4. Sistema lineal de ecuaciones en diferencias homogneo de orden 1 con coefcientes
Constantes ........................................................................................................................... 21
5. Sistema lineal de ecuaciones en diferencias no homogneo de orden 1 con coefcientes
Constantes ........................................................................................................................... 23
6. Bibliografa citada en el tema ................................................................................................. 24
Tema 2. Funciones en varias variables .................................................................................25
1. Algunos tpos de funciones de varias variables segn el espacio inicial y fnal ..................... 26
1.1. Curvas parametrizadas ................................................................................................. 26
1.2. Funciones escalares ..................................................................................................... 27
1.3. Campos vectoriales ...................................................................................................... 28
2. Componentes de una funcin de varias variables .................................................................. 29
3. Lmite de una funcin de varias variables .............................................................................. 29
3.1. Clculo efectvo del lmite ............................................................................................ 31
3.2. Probar que no existe lmite .......................................................................................... 32
4. Contnuidad de una funcin de varias variables..................................................................... 34
5. Ejercicios propuestos.............................................................................................................. 35
2
Tema 3. Diferenciacin en varias variables ...........................................................................36
1. Derivadas parciales. ............................................................................................................... 37
1.1. Derivadas parciales de rdenes superiores. ................................................................. 38
1.2. Matriz jacobiana........................................................................................................... 40
2. Funcin diferenciable ............................................................................................................. 40
2.1. Funcin diferenciable en una variable. Diferencial de una funcin ............................. 40
2.2. Funcin diferenciable en varias variables .................................................................... 42
2.3. Diferencial de una funcin de varias variables ............................................................. 44
2.4. Diferencial de una funcin escalar ............................................................................... 45
2.5. Algunas propiedades de la diferencial ......................................................................... 46
3. Regla de la cadena en funciones de varias variables .............................................................. 46
3.1. Matriz jacobiana de la composicin de funciones en varias variables ......................... 47
3.2. Casos partculares de la regla de la cadena para funciones escalares ......................... 48
4. Diferenciales de orden superior de una funcin escalar ........................................................ 50
5. Diferencial de una funcin de varias variables con variables intermedias ............................. 52
5.1. Invariancia de la diferencial primera. .......................................................................... 52
5.2. Diferencial segunda con cambio de variables .............................................................. 53
6. Integrales dependientes de un parmetro ............................................................................. 54
Tema 4. Extremos en funciones de varias variables ..............................................................59
1. Signo de una forma cuadrtca ............................................................................................... 60
1.1. Clculo prctco del signo de una forma cuadrtca ..................................................... 63
2. Trminos usados en el estudio de extremos .......................................................................... 66
3. Polinomio de Taylor de una funcin de dos variables ............................................................ 68
4. Condicin necesaria de extremo local ................................................................................... 71
5. Condicin sufciente de extremo local ................................................................................... 72
6. Extremos locales condicionados ............................................................................................ 73
6.1. Mtodo de susttucin ................................................................................................. 73
6.2. Mtodo de los multplicadores de Lagrange ................................................................ 75
7. Mximos y mnimos absolutos ............................................................................................... 77
3
Tema 5. Integracin en varias variables ................................................................................79
1. Concepto de integral doble .................................................................................................... 81
2. Condiciones sufcientes de integrabilidad .............................................................................. 83
3. Propiedades de la integral doble ............................................................................................ 84
4. Clculo efectvo de la integral doble ...................................................................................... 86
4.1. Teorema de Fubini ........................................................................................................ 86
4.2. Integracin vertcal....................................................................................................... 87
4.3. Integracin horizontal .................................................................................................. 88
5. Cambio de variable en la integral doble ................................................................................. 89
6. Cambio de variable a coordenadas polares ........................................................................... 90
7. Integral triple .......................................................................................................................... 93
8. Propiedades de la integral triple ............................................................................................ 94
9. Clculo efectvo de la integral triple ....................................................................................... 96
10. Cambio de variable en la integral triple ............................................................................... 97
10.1. Cambio de variable a coordenadas cilndricas ............................................................ 98
10.2. Cambio de variable a coordenadas esfricas .............................................................. 98
11. Ejercicios propuestos ........................................................................................................... 99
12. Bibliografa citada en el tema ............................................................................................ 100
Tema 6. Integral de lnea .................................................................................................... 101
1. Algunas nociones sobre curvas parametrizadas ................................................................... 102
2. Integral de lnea de una funcin real .................................................................................... 103
2.1. Propiedades de la integral de lnea de funciones escalares ....................................... 105
3. Integral de lnea de un campo vectorial ............................................................................... 106
3.1. Otra forma de escribir la integral de lnea de un campo vectorial ............................. 109
3.2. Propiedades de la integral de lnea de campos vectoriales ....................................... 109
4. Teorema de Green ................................................................................................................ 110
5. Teorema Fundamental de la integral de lnea en 2 ........................................................... 111
5.1. Campos vectoriales conservatvos en 2 .................................................................. 112
5.2. Regla de Barrow para la integral de lnea en 2 ....................................................... 114
6. Teorema Fundamental de la integral de lnea en 3 ........................................................... 115
6.1. Rotacional de un campo vectorial. ............................................................................. 116
6.2. Regla de Barrow para la integral de lnea en 3 ....................................................... 117
7. Ejercicios propuestos............................................................................................................ 118
8. Bibliografa citada en el tema ............................................................................................... 119
4
Tema 7. Integral de superfcie ............................................................................................ 120
1. Algunas nociones sobre superfcies parametrizadas ............................................................ 120
2. Integral de superfcie de una funcin escalar ....................................................................... 125
3. Propiedades de la integral de superfcie de funciones escalares. ........................................ 127
4. Integral de superfcie de un campo vectorial ....................................................................... 127
5. Propiedades de la integral de superfcie de campos vectoriales .......................................... 130
6. Teorema de la divergencia.................................................................................................... 130
6.1. Divergencia de un campo vectorial ............................................................................ 131
7. Teorema de Stokes ............................................................................................................... 132
8. Ejercicios propuestos............................................................................................................ 134
9. Bibliografa ........................................................................................................................... 135
Tema 8. Introduccin a la variable compleja ...................................................................... 136
1. Nmeros complejos ............................................................................................................. 136
1.1. Representacin geomtrica de los nmeros complejos ............................................ 138
1.2. Conjugado de un nmero complejo ........................................................................... 138
1.3. Mdulo de un nmero complejo ............................................................................... 139
1.4. Argumento de un nmero complejo .......................................................................... 140
2. La exponencial compleja ...................................................................................................... 142
3. Contnuidad de una funcin compleja ................................................................................. 143
4. Diferenciabilidad de una funcin compleja .......................................................................... 145
5. Ecuaciones de Cauchy-Riemann ........................................................................................... 147
5.1. Ecuaciones de Cauchy-Riemann en forma exponencial ............................................. 150
6. Derivada e integral de una funcin compleja de variable real ............................................. 151
7. Integral a lo largo de una curva de una funcin compleja ................................................... 154
7.1. Propiedades de la integral de lnea compleja ............................................................ 155
8. Extensin del teorema fundamental del clculo .................................................................. 156
9. Algunos teoremas importantes ............................................................................................ 158
10. Ejercicios propuestos ......................................................................................................... 160
11. Bibliografa citada .............................................................................................................. 161
Tema 9. Aproximacin a las ecuaciones en derivadas parciales ..........................................163
1. Ecuaciones en derivadas parciales. Conceptos bsicos ........................................................ 163
2. Solucin general de una ecuacin en derivadas parciales ................................................... 164
3. Condiciones de contorno y condiciones iniciales ................................................................. 166
5
4. Ecuacin de Euler ................................................................................................................. 168
5. Ecuacin de ondas unidimensional ...................................................................................... 170
5.1. Solucin de DAlembert para la ecuacin de ondas unidimensional .......................... 171
6. Bibliografa citada. ................................................................................................................ 175
6
Indice
(Manual de prctcas)
Prctca 1. Ecuaciones en diferencias. ............................................................................... 177
1. Conocimientos previos. ....................................................................................................... 177
1.1. Borrado de variables previamente defnidas. ........................................................... 177
1.2. Cmo hacer referencia a un resultado anterior. ....................................................... 178
1.3. Resolucin de ecuaciones y sistemas. ....................................................................... 178
1.4. Cmo defnir una funcin. ........................................................................................ 179
1.5. Sucesiones con el Mathematca. ............................................................................... 179
1.6. Desarrollo de los factores de un producto. ............................................................... 180
2. Ecuaciones en diferencias. .................................................................................................. 180
3. Solucin partcular de una ecuacin en diferencias. ........................................................... 181
4. Ecuacin en diferencias lineal homognea con coefcientes constantes. ........................... 182
5. Ecuacin en diferencias lineal completa con coefcientes constantes. ............................... 184
6. Apndice. Solucin partcular de la ecuacin en diferencias lineal completa de
coefcientes constantes. Mtodo de variacin de constantes. ........................................... 184
7. Bibliografa. ......................................................................................................................... 187
Prctca 2. Sistema de ecuaciones en diferencias. ............................................................. 188
1.1. Cmo generar una matriz. ........................................................................................ 188
1.2. Elevar una matriz a una potencia. ............................................................................. 189
1.3. Potencia ensima de una matriz. .............................................................................. 189
2. Sistema lineal de ecuaciones en diferencias homogneo de orden 1 con coefcientes
constantes. .......................................................................................................................... 190
3. Sistema lineal de ecuaciones en diferencias no homogneo de orden 1 con
coefcientes constantes. ...................................................................................................... 190
4. Resolucin de un sistema de ecuaciones en diferencias con el Mathematca. ................... 191
5. Apndice. Solucin partcular del sistema lineal en diferencias con coefcientes
constantes no homogneo de orden 1. .............................................................................. 192
6. Bibliografa. ......................................................................................................................... 193
7
Prctca 3. Representacin de funciones de varias variables. ............................................ 194
1.1. Dibujo de una funcin real de variable real. ............................................................. 194
1.2. Presentacin de varios grfcos en un mismo dibujo. ............................................... 195
1.3. Dibujo de un punto con el Mathematca. ................................................................. 195
1.4. Colocar un texto en un lugar del plano o del espacio. .............................................. 196
2. Funciones escalares de . 2 --> ....................................................................................... 197
3. Campos vectoriales en 2. ................................................................................................. 198
4. Campos vectoriales en 3. ................................................................................................. 199
5. Representacin de un campo de vectores discreto............................................................. 200
6. Curvas parametrizadas en 2. ............................................................................................ 202
7. Curvas parametrizadas en 3. ............................................................................................ 203
8. Bibliografa. ......................................................................................................................... 204
Prctca 4. Estudio general de las curvas parametrizadas. ................................................. 205
1.1. Mdulo de un vector. ................................................................................................ 205
1.2. La orden FinRoot. ...................................................................................................... 205
2. Longitud de una curva parametrizada. ................................................................................ 206
3. Distntas parametrizaciones de una trayectoria. ................................................................. 207
4. Sentdo de recorrido de una curva parametrizada. ............................................................. 208
5. Obtencin de una curva con sentdo contrario a otra dada. ............................................... 209
6. Puntos dobles de una curva parametrizada. ....................................................................... 211
7. Bibliografa. ......................................................................................................................... 213
Prctca 5. Curvas parametrizadas por el parmetro arco. Frmulas de Frenet. ................. 214
1.1. Producto escalar. ....................................................................................................... 214
1.2. Producto vectorial. .................................................................................................... 215
1.3. Producto mixto.......................................................................................................... 215
2. Curva parametrizada por el parmetro arco. ...................................................................... 215
3. Vector tangente. .................................................................................................................. 217
4. Curvatura. ............................................................................................................................ 218
8
5. Vector normal principal. ...................................................................................................... 219
6. Vector binormal. .................................................................................................................. 220
7. Plano osculador. .................................................................................................................. 221
8. Torsin. ................................................................................................................................ 221
9. Formulas de Frenet. ............................................................................................................ 222
10. Bibliografa. ....................................................................................................................... 223
Prctca 6. Triedro de Frenet de una curva no parametrizada por el arco. ......................... 224
1. Vector tangente, normal y binormal de una curva no parametrizada por el arco. ............. 224
1.1. Representacin grfca del triedro de Frenet. ........................................................... 226
2. Curvatura y torsin de una curva no parametrizada por el parmetro arco. ...................... 227
3. Bibliografa. ......................................................................................................................... 228
Prctca 7. Introduccin al estudio de superfcies parametrizadas. .................................... 229
1.1. ngulo de dos vectores. ............................................................................................ 229
1.2. Derivadas parciales con el Mathematca................................................................... 229
2. Superfcies parametrizadas. ................................................................................................ 230
3. Vector normal en un punto de la superfcie. ....................................................................... 231
4. Parametrizacin de una cara de la superfcie. ..................................................................... 233
5. Dada una superfcie parametrizada obtener la parametrizacin de la otra cara. ............... 235
6. rea de una superfcie parametrizada. ............................................................................... 238
7. Bibliografa. ......................................................................................................................... 239
Prctca 8. Extremos locales de funciones de varias variables. .......................................... 240
1.1. Regla de susttucin. ................................................................................................... 240
1.2. Generar nmeros aleatorios. ...................................................................................... 241
1.3. Vector gradiente. ......................................................................................................... 241
1.4. Matriz hessiana. .......................................................................................................... 242
1.5. Extremos locales con el Mathematca. ........................................................................ 242
2. Signo de una forma cuadrtca. ........................................................................................... 243
3. Puntos crtcos. .................................................................................................................... 245
4. Condicin sufciente de extremo local. ............................................................................... 245
5. Bibliografa. ......................................................................................................................... 246
9
Prctca 9. Extremos condicionados y absolutos en funciones de varias variables. ............ 247
1.1. Polinomio de interpolacin. ........................................................................................ 247
2. Extremos locales condicionados. Mtodo de susttucin. .................................................. 248
3. Extremos locales condicionados. Multplicadores de Lagrange. ......................................... 250
4. Mximos y mnimos absolutos. ........................................................................................... 252
5. Bibliografa. ......................................................................................................................... 255
Prctca 10. Polinomio de Taylor en varias variables. ........................................................ 256
1.1. Extraer un elemento de un vector. .............................................................................. 256
1.2. Rutnas con el Mathematca. La orden For. ................................................................. 257
1.3. Programar con el Mathematca. La orden Input. ........................................................ 258
2. Diferencial total de una funcin de varias variables. ........................................................... 259
3. Polinomio de Taylor de una funcin de dos variables. ........................................................ 259
4. Programa para obtener el polinomio de Taylor. .................................................................. 260
5. Bibliografa. ......................................................................................................................... 262
10
Introduccin
En el presente curso acadmico se ha estmado conveniente preparar esta gua didctca
como un elemento de ayuda para la preparacin de la asignatura Ampliacin de Matemtcas,
situada en el segundo curso de las ttulaciones de Ingeniera Tcnica Industrial de la Escuela
Politcnica Superior de Linares de la Universidad de Jan.
La asignatura presenta un contenido muy variado lo que difculta enormemente el trabajo
del alumno a la hora de preparar los temas correspondientes a la misma. No conozco ningn
texto que abarque ntegramente todos los descriptores que se contemplan en esta asignatura.
De esta forma, el alumno se ve obligado a consultar textos de muy variada naturaleza.
Sin duda, el hecho de consultar distntos manuales supone para el alumno una difcultad
aadida a la de la propia de la materia pero, por otra parte, entre los objetvos que se contemplan
en la formacin del alumno est el estmular el trabajo autnomo y la capacitacin para leer
cualquier texto matemtco que le permita resolver los problemas que puedan encontrarse en
el desarrollo de las asignaturas especfcas de la ttulacin de Ingeniera Industrial. La presente
gua trata de buscar un equilibrio entre estos dos aspectos.
Estos apuntes no pretenden ser un libro ms de matemtcas que trata unos determinados
temas. Aspiran a ser una especie de tutor que facilite la compresin de la asignatura y, al
mismo tempo, anime al alumno sobre el uso diferentes textos que consideramos apropiados
para los objetvos y niveles de conocimiento de los estudiantes de Ingeniera Tcnica Industrial.
Y todo ello desde la experiencia que ofrece haber impartdo la asignatura durante varios aos.
En coherencia con el propsito de esta gua, se sacrifcar el rigor matemtco en aras
de una lectura ms amena y fcil de la asignatura. Evitaremos muchas demostraciones y slo
nos detendremos en aquellas que puedan ayudar a la comprensin del concepto que se est
tratando en ese momento. Por otra parte, sealaremos los textos ms apropiados donde se
puedan encontrar las justfcaciones y demostraciones que aqu no se hagan.
Asimismo, al fnal de cada tema daremos una relacin de problemas totalmente
desarrollados en textos de fcil acceso por parte del alumno. Los problemas de estas relaciones
estn seleccionados por su contenido didctco en relacin con los conceptos que aqu se tratan.
11
Estudio de la asignatura
Para superar esta asignatura, el alumno no debe limitarse slo al estudio de estos apuntes
sino que, al menos, deber acudir a los textos que oportunamente remitmos. En dichos manuales
se encontrarn el desarrollo de los temas con la necesaria precisin que requiere una asignatura
de matemtcas.
La asignatura de Ampliacin de Matemtcas consta de 6 crditos de los que 4.5
corresponde a la parte de teora y problemas y 1.5 a las prctcas con el ordenador. Para la
realizacin de las prctcas utlizaremos el programa de clculo simblico Mathematca en su
versin 6 o posterior.
A fn de superar con xito la presente materia, estmamos conveniente que se sigan las
consideraciones que exponemos a contnuacin.
Las prctcas realizadas con el ordenador estn ntmamente ligadas con los conceptos
tericos de la asignatura. Por lo tanto, se aconseja su lectura en el momento que se indica en la
presente gua.
Bsicamente, el temario de Ampliacin de Matemtcas consiste en extender a funciones
de varias variables las nociones que previamente, en otras asignaturas, se habrn estudiado
para funciones de una variable. Por ello, se aconseja que, antes de tratar directamente un
determinado concepto en varias variables, se lea con especial atencin lo que ocurra en una
variable tal y como aqu se hace.
Para manejar con agilidad los contenidos que se recogen en la presente asignatura resulta
necesario que, como mnimo, se realicen los ejercicios que se proponen al fnal de cada tema.
Esto no excluye que el alumno pueda y deba acudir al uso de otros manuales dentro de la
abundante bibliografa que existe en relacin con el temario de la asignatura.
En la fcha de la asignatura que publica la Universidad de Jan, el alumno puede solucionar
cualquier duda sobre el temario de la misma, criterios de evaluacin, etc. Tambin se puede
consultar la pgina web de profesor de la asignatura:
htp://www4.ujaen.es/~mjimenez
En especial resulta muy recomendable acudir a las tutoras, cuyo horario est recogido en
la pgina web, para cualquier aclaracin sobre la materia de la asignatura o de cualquier otro tpo.
El profesor:
Mximo Jimnez Lpez
12
AMPLIACIN DE MATEMTICAS
(Apuntes de la asignatura)
TEMA 1
ECUACIONES EN DIFERENCIAS

Las ecuaciones en diferencias surgen de forma espontnea cuando tratamos de
modelizar matemticamente determinados sucesos que se hacen efectivos en intervalos
regulares de tiempo.

El problema tpico que conduce a una ecuacin en diferencias se produce cuando
estamos interesados en conocer la evolucin de un capital C, depositado en un banco que
produce un inters i cada mes. Si llamamos a la cuanta del depsito al n mes de haber
entregado el capital C se tiene:
0
1 1
2 1

3 1

En definitiva, tenemos una sucesin : cuyo trmino general es:
1

o, escrito de otra forma
1
:

Observamos que, en esta sucesin, existe una relacin entre dos trminos
consecutivos de la misma, en concreto:

esta ecuacin es un caso particular de lo que se denomina ecuaciones en diferencias. Una
ecuacin en diferencias es una ecuacin que relaciona distintos trminos de una sucesin. Por
lo tanto, la solucin de esta ecuacin ser una sucesin cuyos trminos verifica lo establecido
en la misma.

1
Si el alumno no est familiarizado con el concepto de sucesin puede consultar la obra de QUESADA
TERUEL et al, Anlisis y Mtodos Numricos, pg. 77 en adelante.
Ampliacin de matemticas/ MxiMo JiMnez Lpez 14
El problema a resolver en las ecuaciones en diferencias es precisamente el contrario
del que acabamos de describir. Es decir, dada una ecuacin en diferencias, por ejemplo:
1.1

lo que tenemos que calcular es la expresin del trmino general
que hace cierta la igualdad

anterior para todo n.

En este caso concreto, despus de la introduccin realizada al principio, resulta claro
que la solucin de la ecuacin en diferencias
1.1
es:
1.1

donde c es una constante genrica. Efectivamente, si damos valores a esta solucin
observamos que se cumple la relacin dada por la ecuacin en diferencias para todo n:
0
1.1 1.1
1.1
1.1
1.1
1.1
1.1

En resumen, la solucin general de la ecuacin en diferencias:
1.1

ser:
1.1

que depende de una constante genrica c.

Adems, si a
le pedimos que tenga un valor determinado, por ejemplo
1000,
entonces la solucin del problema que consiste en resolver la ecuacin
1.1
y que,
adems, verifique que
1000 ya es nica:
1.1
1000

El objetivo de este tema va a consistir en, para unos determinados tipos de ecuaciones
y sistemas en diferencias, exponer distintos mtodos matemticos que nos permitan
encontrar sus soluciones.
Las aplicaciones ms importantes de las ecuaciones en diferencias se suelen asociar
con el mundo de la economa, sin embargo, son muchos los campos de otras ciencias en donde
aparecen importantes contribuciones de este tipo de ecuaciones
2
.

1. ECUACIN EN DIFERENCIAS LINEAL CON COEFICIENTES CONSTANTES.

Vamos a tratar un tipo particular de ecuaciones en diferencias, en concreto, las
ecuaciones en diferencias lineales con coeficientes constantes de gran aplicacin en la
prctica. Las soluciones y propiedades de este tipo de ecuaciones nos van a resultar muy
familiares por su parecido con las ecuaciones diferenciales lineales de coeficientes constantes.

Una ecuacin en diferencias se llama lineal de coeficientes constantes si es de la
forma:

siendo
constante ; y por lo menos
0

Hay que hacer una serie de consideraciones sobre esta ecuacin:

Si 0 la ecuacin en diferencias se llama homognea, en caso contrario, se dice
completa.
Por ejemplo, la ecuacin 2
2 es una ecuacin de diferencias lineal

completa, mientras que
0 es homognea.
La constante k se denomina orden de la ecuacin en diferencias.
As,
2 es una ecuacin en diferencias lineal de orden 3. Sin embargo,

hay que prestar atencin a la forma en que pueda venir dada la ecuacin en
diferencias. Por ejemplo,
1 no es una ecuacin de orden 3

puesto que dicha ecuacin es totalmente equivalente a
1 1, por lo tanto, es una ecuacin en diferencias de orden 2.

2
A este respecto, en el libro de FERNNDEZ PREZ et al, Ecuaciones diferenciales y en diferencias.
Sistemas dinmicos, se puede consultar un nmero importante de ejemplos.
1.1. Propiedades de la ecuacin en diferencias lineal de coeficientes constantes.

Veamos algunas propiedades de la ecuacin en diferencias lineal que nos permitir
obtener fcilmente las soluciones de este tipo de ecuaciones.

1.1.1. Unicidad de la solucin.

Sea la ecuacin en diferencias lineal de coeficientes constantes:

el problema de encontrar una sucesin
tal que cumpla dicha ecuacin y que adems para

los k valores prefijados
, ,
se verifique:

existe y es nica.

Explicacin.

Sirvindonos de un ejemplo vamos a indicar cmo se podra demostrar la existencia y
unicidad de la solucin. Consideremos la ecuacin en diferencias de orden 2:
2
que verifica

primero calculamos
que, al tener que cumplirse la ecuacin, deber verificar (tomando

0):
2
0
2
9 1 0
4

de la misma manera se deduce que
8 y sucesivamente iramos obteniendo los dems

trminos de la sucesin. Evidentemente no hay posibilidad de que la solucin sea otra
sucesin distinta.

1.1.2. El espacio vectorial de las soluciones de la ecuacin en diferencias lineal homognea.

La clave para resolver las ecuaciones en diferencias lineales se basa en la estructura
algebraica que presentan sus soluciones. Resulta fcil demostrar las siguientes propiedades
3
:

El conjunto de las soluciones de la ecuacin homognea de orden k
0
es un espacio vectorial de dimensin k.
Esta importante propiedad nos permitir obtener la solucin general de la ecuacin
homognea si somos capaces de obtener k soluciones independientes de dicha
ecuacin.
La siguiente propiedad reconoce cuando un conjunto de k soluciones de la ecuacin en
diferencias (hay que recordar que cada solucin es una sucesin) van a ser
independientes.
Sean k soluciones de la ecuacin en diferencias lineal homognea:
, ,

son independientes si se verifica:
0
Adems, se puede demostrar que si con los primeros k trminos de cada sucesin este
determinante es distinto de cero, va a seguir siendo distinto de cero con cualesquiera k
trminos consecutivos.

3
Para ver las demostraciones de estas propiedades se puede acudir, entre otros, al libro de ALCONCHEL
PREZ y VIGNERON TENORIO, Ecuaciones Lineales en Diferencias, pgina 8 y siguientes.
2. SOLUCIN DE LA ECUACIN EN DIFERENCIAS LINEAL HOMOGNEA DE COEFICIENTES
CONSTANTES.

Como consecuencia de las propiedades mencionadas en el apartado anterior, se deduce
que para encontrar la solucin general de la ecuacin en diferencias:

0
bastar con encontrar una base del conjunto de soluciones de dicha ecuacin.

Si forzamos a que este conjunto de soluciones adopten la forma
se puede
deducir que el valor de , que da lugar a las soluciones independientes, ha de verificar la
siguiente ecuacin llamada ecuacin caracterstica
4
:
0

Resolviendo esta ecuacin se obtienen las distintitas soluciones que forman la base del
conjunto de soluciones de la ecuacin en diferencias. Ahora bien, en caso de obtener
soluciones repetidas o complejas se deben adoptar los siguientes criterios:

A cada raz real
se le asocia la solucin:

A cada raz real mltiple
de multiplicidad m le asociamos las m soluciones:

A cada raz compleja simple (como los
son nmeros reales tambin deber

aparecer su conjugada ) le asociamos dos soluciones. Para calcular estas
soluciones calculamos el mdulo y argumento del nmero :
| |
Arg

4
La demostracin puede verse en ALCONCHEL PREZ y VIGNERON TENORIO, Ecuaciones Lineales en
Diferencias, pgina 15.
al que le asociamos las soluciones:
cos
sen
A cada raz compleja de multiplicidad m (la conjugada aparecer tambin con la
misma multiplicidad), le asociaremos las siguientes soluciones:
cos
sen
cos
sen
cos
sen

cos
sen

Por ejemplo, para obtener la solucin general de la ecuacin en diferencias:
13
69
193
306
270
108
0
en primer lugar calculamos las soluciones de la ecuacin:
13
69
193
306
270 108 0
que son: 2 simple; 3 mltiple de multiplicidad 3; 1 y 1 . Es decir:
13
69
193
306
270 108
2 3
1 1

Un conjunto de soluciones que forman base para esta ecuacin ser:
cos
sin
4

y la solucin general de esta ecuacin en diferencias es:
cos
sin
4

donde los
son constantes cualesquiera.

3. SOLUCIN DE LA ECUACIN EN DIFERENCIAS LINEAL COMPLETA DE COEFICIENTES
CONSTANTES.

La solucin general de la ecuacin en diferencias lineal completa de coeficientes
constantes:

es la suma de la solucin general de la homognea asociada (
0) y una particular de la completa

5
.

La solucin general de la homognea asociada se ha comentado en el epgrafe
anterior, slo quedara calcular una particular de la completa.

Existen diferentes mtodos para calcular la particular de la completa, por ejemplo, el
mtodo de los coeficientes indeterminados que consiste en ensayar con una determinada
sucesin cuya expresin viene dada por la de .

En la Prctica 1 de la asignatura indicamos el mtodo de variacin de constantes para
obtener una solucin particular de la completa y a ella nos remetimos
6
.

4. SISTEMA LINEAL DE ECUACIONES EN DIFERENCIAS HOMOGNEO DE ORDEN 1 CON
COEFICIENTES CONSTANTES.

Supongamos ahora que hay ms de una sucesin desconocida, por ejemplo
,
pero dichas sucesiones han de verificar conjuntamente el siguiente sistema:

5
Una demostracin de esta afirmacin puede verse en FERNNDEZ PREZ et al Ecuaciones diferenciales
y en diferencias, pg. 471.
6
Tambin en RODRGUEZ RUZ et al Matemticas 2. Economa y Empresa. Teora, pg. 321 puede verse
una explicacin detallada de este mtodo.

o puesto de otra manera:

En esta situacin, se dice que estamos ante un sistema de ecuaciones en diferencias
lineal de coeficientes constantes y de orden 1 (slo hay un desplazamiento en la variable n).

Para calcular la solucin de este sistema es conveniente expresarlo en forma matricial:

1 3
4 0

si seguimos el siguiente razonamiento encontraremos fcilmente la solucin general de este
sistema en diferencias:

1 3
4 0

1 3
4 0

1 3
4 0

1 3
4 0

por lo tanto, si se quiere resolver el sistema de ecuaciones en diferencias

con las condiciones iniciales
la solucin ser necesariamente:

1 3
4 0

1
4

teniendo en cuenta que
7

1 3
4 0
4 3
3 4

la
solucin del problema planteado es:

1
7
1
3
7
3
4
7
3
1
7
4 3
3 4

1
4

1
7
2
5 1
4
7
5 3

7
El clculo de la potencia ensima de una matriz se explica en la Prctica 2 de la asignatura.
o lo que es lo mismo:
1
7
2
5 1
4
7
5 3

A la vista de este razonamiento, podemos enunciar el siguiente resultado:

TEOREMA. Sea el sistema lineal homogneo de ecuaciones en diferencias:

la solucin de dicho sistema es:

siendo
constantes genricas.

5. SISTEMA LINEAL DE ECUACIONES EN DIFERENCIAS NO HOMOGNEO DE ORDEN 1 CON
COEFICIENTES CONSTANTES.

Un sistema lineal de coeficientes constantes de orden 1 no homogneo tiene la
siguiente forma:

donde
son constantes,
son funciones de n; y las incgnitas son, naturalmente, las

sucesiones
,,
.

De manera anloga a lo que ocurra en ecuaciones lineales de orden k, se puede
enunciar el siguiente teorema:

TEOREMA. La solucin general del sistema de ecuaciones en diferencias no
homogneo se obtiene sumando una solucin particular del sistema y la solucin general del
sistema homogneo asociado.

La solucin general del sistema homogneo asociado se ha tratado en el epgrafe
anterior. Para calcular una solucin particular del sistema completo me remito a la Prctica 2
de esta asignatura.

6. BIBLIOGRAFA CITADA EN EL TEMA.

ALCONCHEL PREZ, A. y VIGNERON TENORIO, A.: Ecuaciones Lineales en Diferencias:
aplicaciones a la empresa y la economa, Servicio de Publicaciones de la Universidad de
Cdiz, 2004.
FERNNDEZ PREZ, C. VZQUEZ HERNNDEZ, F.J. VEGAS MONTANER, J.M.: Ecuaciones
diferenciales y en diferencias. Sistemas dinmicos, Editorial THOMSON, 2003.
QUESADA TERUEL, J.M. SNCHEZ GMEZ, C. JDAR REYES, J. MARTNEZ MORENO, J.:
Anlisis y Mtodos Numricos, Servicio de Publicaciones de la Universidad de Jan,
2004.
RODRGUEZ RUIZ, J. PRIETO SEZ, E. HERNNDEZ MORALES, V. GMEZ TOLEDANO, M.P.:
Matemticas 2. Economa y Empresa. Teora, Editorial Centro de Estudios Ramn
Areces, 1996.

TEMA 2
FUNCIONES EN VARIAS VARIABLES

Una funcin en varas variables es una aplicacin :
tal que a cada punto

le hace corresponder el punto
. Por ejemplo, la funcin ,

3
, cos es una funcin de varias variables, concretamente, :
.
Nosotros, como en la mayora de los textos, cuando hablamos de funciones
:
consideramos la estructura afn tanto de
como de
. Es decir,
siguiendo con el ejemplo anterior, al punto , le asociamos el punto
3
, cos . Sin embargo, tambin se puede considerar la estructura vectorial

de
, en cuyo caso, al vector ,
le asociaramos el vector
3
, cos
.

Otras veces, incluso en la misma funcin, consideraremos distintas estructuras
para el espacio inicial y final. De todos modos, esta cuestin no se prestar a
equivocaciones como iremos viendo ms detalladamente a lo largo de la asignatura.

En los problemas de ingeniera son innumerables los ejemplos que aparecen
funciones en varias variables. Veamos algunos:

La Ley de Coulomb dice que la fuerza de atraccin o repulsin entre dos cargas
puntuales es directamente proporcional al producto de sus cargas e inversamente
proporcional al cuadrado de la distancia que las separa. Por lo tanto, se trata de una
funcin de tres variables:
con constante

La Ley de los gases ideales dice que la presin P de un gas depende del volumen V y la
temperatura T segn la siguiente ecuacin:
,
con constante


La desviacin H del punto medio de una viga rectangular que soporta una carga
uniforme y tiene como dimensiones , , (longitud, anchura y altura respectivamente)
es:
, ,
con constante

Estos ejemplos vienen a mostrar la importancia del estudio de las funciones de varias
variables.

1. ALGUNOS TIPOS DE FUNCIONES DE VARIAS VARIABLES SEGN EL ESPACIO INICIAL Y
FINAL.

El dominio de una funcin :
es el conjunto D del espacio inicial donde

la funcin toma valores. Salvo que se especifique lo contrario, el dominio de una funcin f es el
conjunto de valores para los que la expresin que define a f tiene sentido.

La Imagen de una funcin :
es el conjunto elementos
, ,
para los que existe al menos un , ,
tal que
, ,
, ,
.

Veamos los principales tipos de funciones en varias variables que pueden presentarse
en funcin de su espacio inicial y final. De todos modos, en la parte prctica de la asignatura
con ordenador estudiaremos con mayor profundidad estos tipos de funciones.

1.1. Curvas parametrizadas.

Una curva parametrizada es una funcin cuyo conjunto inicial es un intervalo de (o el
propio ) y el espacio final es
, es decir, : ,
con 2 3.


El esquema grfico de una curva parametrizada sera el siguiente:

y su expresin analtica puede venir dada en forma vectorial , con , ,
o bien en forma paramtrica

con , .

Por ejemplo, la curva parametrizada
2, 3sen con 4,4, o bien

2
3 sen
con 4,4, tendra la siguiente representacin grfica:

1.2. Funciones escalares.

Una funcin se dice escalar cuando el conjunto final es , es decir, :
.

El esquema grfico de una funcin de este tipo sera:

Sin embargo, la representacin grfica de una funcin de este tipo se realiza en
.
Para cada punto , del dominio se toma una altura igual a , .

Por ejemplo, sea una placa rectangular D tal que en cada punto , de la misma
tiene una temperatura igual a , 3
. Su representacin grfica sera:

Evidentemente, slo se puede representar grficamente las funciones :
y no
sera posible una representacin grfica :
.

1.3. Campos vectoriales.

Un campo vectorial es una funcin :
que a cada punto de
le asocia un
vector de
. En la prctica, los ms utilizados son los campos en
2 y los
campos en
.

Por ejemplo, sea el campo vectorial ,

cuya interpretacin
es que a cada punto , le asocia el vector que tiene las mismas coordenadas pero
normalizado (modulo 1)
1
, su esquema grfico sera:

1
En muchos textos, para incidir que se trata de un campo vectorial, se suele expresar ,
.

sin embargo, la representacin grfica consiste en dibujar, sobre unos mismos ejes, el punto y
el vector que le corresponde aplicado sobre el mismo de la siguiente manera:

2. COMPONENTES DE UNA FUNCIN DE VARIAS VARIABLES.

Una funcin :
tiene m componentes
, ,
siendo:
, ,
, ,
, ,
, ,
, ,

y se escribe
, ,
. Hay que sealar que cada
es una funcin escalar
.

Por ejemplo, la funcin :
definida por ,
, cos , 0 tiene tres

componentes:
, cos
, 0

Las componentes de una funcin desempean un importante papel en el estudio de
las funciones de varias variables pues, en muchas ocasiones, el estudio de una determinada
funcin
, ,
se simplificar estudiando de forma separada cada una de sus

componentes
.

3. LMITE DE UNA FUNCIN DE VARIAS VARIABLES.

Se supone conocida la funcin distancia en
:

1
, ,
,
1
, ,

1

1


DEFINICIN. Sea :
, diremos que el lmite de
, ,
cuando
, ,
tiende
a
, ,
es igual a L y se escribe:
lim
,,
,,
, ,

si 0 existe un 0 tal que si
1
, ,
,
1
, ,
con
, ,
, ,
entonces :
|
, ,
|

Por ejemplo, sea la funcin ,
entonces:
lim
,,

sen
3
pues si , se acerca al punto 2,0 su imagen
tiende a 3.
DEFINCIN. Sea :
diremos que
lim
1
,,
1
,,
1
, ,

1
, ,

si
lim
1
,,
1
,,
1
, ,

con 1, ,

Es decir, el lmite de una funcin :
se reduce a calcular los m lmites de sus

funciones componentes
.
NOTA. Hay que sealar que, en estas definiciones, cuando se escribe
1
, ,
,
1
, ,
, lo que se dice es que
, ,
se acerca al punto
, ,
, pero, se da por supuesto que el punto
, ,
ha de estar dentro del dominio

de la funcin f.

Por ejemplo, la funcin ,
est definida , salvo en los puntos

, 0, luego para el clculo del lim
,,

no tiene sentido acercarme al punto

2,0 con puntos de la forma , 0. Es decir, podramos acercarnos con puntos del siguiente
tipo:


pero no con estos otros:

3.1. Clculo efectivo del lmite.

El lmite de una funcin :
, si existe, es nico
2
y su clculo efectivo, en la
prctica, se determina usando las propiedades aritmticas de los mismos, que viene a decir
que el lmite de una operacin es la operacin de los lmites respectivos. As:
lim
,,
1

lim
,,
1
lim
,,

2

El problema, igual que ocurra con las funciones de una variable, se presenta cuando al
utilizar el criterio anterior aparecen las indeterminaciones que, con la notacin habitual en el
contexto de lmites, son fundamentalmente:
0
0
;
; 0 ; ; 0
; 1

En estos casos, a diferencia de lo que ocurra en el caso de una variable, la deduccin
del lmite se complica. Hay que tener en cuenta que para el clculo del
lim
,,
,,
, ,
al punto
, ,
me puedo acercar de muy diferentes

formas y, para afirmar la existencia del lmite, tengo que asegurar que por cualquier camino
que me acerque al punto
, ,
existe dicho lmite y siempre es el mismo

3
.

As pues, en el caso de las indeterminaciones siempre podemos acudir a la definicin
para probar la existencia o no del lmite lo que, sin duda, resulta bastante complicado en la
mayora de los casos. No obstante, en el caso de funciones definidas en
podemos acudir al
uso de coordenadas polares.

2
Para estudiar la existencia y propiedades de los lmites de funciones en varias variables se puede
consultar DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 26 en adelante.
3
Por su puesto, he de acercarme al punto
1
, ,
con puntos
, ,
dentro del dominio de

definicin de f.

TEOREMA. Sea :
tratamos de calcular lim

,,
, y realizamos el cambio de
variable:
cos
sen

si probamos que lim
cos , sen , cualquiera que sea el valor de 0,2,

entonces lim
,,
, .

Por ejemplo, el lim
,,

es una indeterminacin del tipo
. Si realizamos un
cambio a coordenadas polares, trasladamos el problema al clculo de:
lim
cos
0
que al tratarse de una expresin que tiende a 0 () por otra que est acotada (cos
) tiende
globalmente a 0, luego:
lim
,,

0

En cambio, se puede asegurar la no existencia del lim
,,

pues, realizando
el cambio a coordenadas polares, el problema es equivalente a:
lim
cos sin cos sin

que, evidentemente, depende de .

3.2. Probar que no existe lmite.

Nos centramos en la determinacin del lmite en el origen
4
de funciones :
,
aunque todo lo que se diga en este apartado es fcilmente generalizable a funciones
:
.

El paso a coordenadas polares puede solucionar muchas indeterminaciones, pero
tambin puede ocurrir que la expresin resultante despus del cambio a polares sea incluso
ms complicada de resolver que la frmula original.

4
En todos los ejemplos hemos supuesto que el punto donde se quiere calcular el lmite es el 0,0. Pero,
en realidad, esto no representa ninguna restriccin pues, por ejemplo, si se pretende calcular
lim
,,

, en primer lugar, se hace el cambio de variable

1
2
lo que equivale a
trasladar nuestro problema al clculo del lim
,,

, es decir, a evaluar un lmite en el origen.

En estos casos, se recomienda intentar probar que no existe lmite acercndonos al
origen de distintas formas. Si llegamos a probar que, en funcin de cmo nos acerquemos,
obtenemos lmites distintos se contradice la unicidad del lmite y, por tanto, no existira el
lmite propuesto. Los mtodos ms usuales para acercarse al origen son:

Lmites direccionales. Se trata de acercarse al origen por rectas de la forma
con lo que trasladamos el problema del clculo del lim
,,
, a la
determinacin, en una variable, del lim
, . Si salieran lmites distintos en

funcin del valor de m se habra demostrado la no existencia de lmite en la expresin
original.
Lmites por curvas. La idea es la misma que acabamos de mencionar pero, ahora, nos
acercamos al origen por curvas. Suele ser muy normal aproximarse por curvas de la
forma
o bien
, u otro tipo de curva en funcin de la expresin de

, . Si salieran lmites distintos en funcin del valor de k se habra demostrado la no
existencia del lmite.

Hay que sealar que si todos los lmites direccionales y por curvas nos conducen a un
mismo lmite L tendremos un candidato a lmite (el nmero L), pero no podemos asegurar
que efectivamente ese valor sea el verdadero lmite.

Otro mtodo muy usado para demostrar la no existencia del lmite consiste en tomar
lmites reiterados. Los lmites reiterados (o sucesivos) se definen de la siguiente manera:
lim
lim
lim
lim

Si
podemos asegurar que no existe lmite. En cambio si fueran iguales

tenemos un candidato a lmite pero no podemos asegurar nada.

Por ejemplo, para calcular lim
,,

podemos utilizar los lmites reiterados:

lim
lim
lim
1 1
por otra parte:
lim
lim
lim
0 0

por lo tanto se puede asegurar que no existe lim
,,

.
NOTA. Aunque los clculos analticos de los lmites reiterados suelen ser simples, sin embargo,
conceptualmente estamos usando un artificio bastante rebuscado para acercarnos al valor que
debera tener el lmite de , lo que nos obliga a tener una cierta precaucin. En concreto,
puede ocurrir que no exista alguno de los lmites reiterados (o ninguno de los dos) y sin
embargo existir lim
,,
,
5
.

4. CONTINUIDAD DE UNA FUNCIN DE VARIAS VARIABLES.

La nocin de funcin continua en funciones de varias variables es la misma que para
funciones de una variable, viene a decir que a pequeos incrementos de
, ,
le
corresponde pequeos incrementos de
, ,
.

No vamos a considerar los puntos aislados del dominio de f por su poco inters. En los
puntos aislados, por definicin, la funcin ser continua
6
.
DEFINICION. Una funcin :
es continua en el punto
, ,
si existe
1
, ,
;
existe lim
1
,,
1
,,
1
, ,

1
, ,
1
, ,

1
, ,

Resulta fcil probar el siguiente teorema que nos facilitar la comprobacin de la
continuidad de una funcin en un punto.
TEOREMA. Una funcin :
, ,
si todas sus funciones

componentes
son continuas en
, ,
.

Sobre los importantes teoremas que involucran a las funciones continuas me remito a
la bibliografa que aparece al final del tema.

5
A este respecto se puede consultar el libro de DE BURGOS ROMN, Clculo infinitesimal de varias
variables, pgs. 36 a 39.
6
Un punto aislado es aqul tal que no existen puntos del dominio de f, distintos del propio punto
aislado, que se acerquen a dicho punto. Por ejemplo, la funcin:
,
si 1 1; 1 1
3 si , 2,2

est definida en el rectngulo 1,1 1,1 junto con el punto 2,2. El punto 2,2 es un punto
aislado en la que la funcin , va a ser continua.

5. EJERCICIOS PROPUESTOS.

A continuacin, recomendamos una serie de ejercicios que nos parece adecuados para
reforzar los conocimientos que se han adquirido en el presente tema.

Dentro de la abundante bibliografa que existe al respecto, hemos elegido unos textos
que pueden estar fcilmente disponibles en cualquier biblioteca a la que el alumno pueda
tener acceso.

Los problemas estn completamente desarrollados en los textos que se indican y han
sido elegidos en funcin de su capacidad para aclarar los conceptos aqu planteados.

LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen
2, quinta edicin, McGraw-Hill, 1995.
Ejemplo 1 pgina 988 Ejemplo 1 pgina 1002 Ejemplo 2 pgina 1002
Ejemplo 3 pgina 1003 Ejemplo 5 pgina 1006

GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias
variables, CLAGSA-MADRID, 1996.
Problema 1 pgina 11 Problema 3 pgina 14 Problema 7 pgina 16
Problema 6 pgina 57


DE BURGOS ROMN, J: Clculo infinitesimal de varias variables, segunda edicin, McGraw-Hill,
2008.
GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, CLAGSA-
MADRID, 1996.
LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen 2,
quinta edicin, McGraw-Hill, 1995.
TEMA 3
DIFERENCIACIN EN VARIAS VARIABLES

En el presente tema tratamos de estudiar el comportamiento del cociente entre lo que
se incrementa una funcin
, ,
cuando se incrementa el punto
, ,
en un valor
muy pequeo, mejor dicho, cuando los incrementos que se otorgan a cada
tienden a 0.

En funciones de una variable, lo que acabamos de decir es el concepto de derivada al
que nos vamos a referir seguidamente a modo de introduccin de lo que sucede en el
ambiente de varias variables.

Sea una funcin : definida en un intervalo que contiene al punto x

se define la derivada de f como la proporcin entre e cuando se hace muy pequeo:
lim
lim

Por ejemplo, supongamos la funcin
y fijemos el punto 3, si damos a

valores cada vez ms pequeos obtenemos el siguiente cuadro:

0.1 6.1
0.05 6.05
0.01 6.01
0.001 6.001

lo que nos confirma el resultado esperado de que
3 6, puesto que:
lim
2
si evaluamos en el punto 3:
2|
6

1. DERIVADAS PARCIALES.

Supongamos :
, ahora no podemos calcular el cociente entre los dos

incrementos, como pasaba en una variable, puesto que el denominador sera , y no
tiene sentido dividir por l. Pero s podemos fijar una variable y medir la proporcin entre el
y lo que se incrementa la otra variable. Surge as, el concepto de derivada parcial.
DEFINICIN. Sea :
se define la derivada parcial de f respecto de la variable x y se

escribe
al siguiente lmite:
lim
, ,

si evaluamos en un punto concreto
lim

Anlogamente, se define la derivada parcial de f respecto de la variable y:
lim
, ,

Ejemplo, sea la funcin ,

si 0
0 si 0
calculemos las derivadas parciales

en todo punto.

Sea el punto , con 0, para puntos cercanos a , la expresin de f es:
,
sen

luego:
lim
, ,

lim

sen

sen

lim

sen cos cos sen sen

lim

cos sen

lim
sen cos 1

1
cos

1
Utilizamos que sen es equivalente a cuando 0. Asimismo, cuando 0 son equivalentes
1 cos y
.
En realidad, las operaciones que acabamos de hacer no son necesarias puesto que la
nocin de
descansa en dejar la y fija e incrementar la variable x, lo que equivale a usar las

reglas usuales de derivacin respecto de x considerando la y como una constante.

Supuesto distinto son los puntos de la forma , 0. En estos puntos la funcin f toma
una expresin distinta a la que tiene en los puntos de su alrededor. Aqu tenemos que acudir
necesariamente a la definicin para calcular la derivada parcial:
,,
lim
, 0 , 0
lim

0

luego:

cos si 0
0 si 0

anlogamente se comprueba que:

cos sen
y
si 0
no existe si 0

NOTA 1. El concepto de derivada parcial que hemos definido para funciones :
se
extiende sin ninguna dificultad a funciones :
.
NOTA 2. Tampoco presenta dificultad extender la definicin de derivadas parciales a funciones
:
realizando la derivacin parcial de cada componente. Por ejemplo, si ,

, cos , entonces
, y sen , 0.
NOTA 3. El hecho de que las derivadas parciales de f existan en un punto, respecto de todos
sus argumentos, no garantiza que f tenga que ser continua en dicho punto
2
.

1.1. Derivadas parciales de rdenes superiores.

Sea :
tal que existen las derivadas parciales
. Estas derivadas parciales

sern funciones de , que a su vez podrn derivarse parcialmente. A las derivadas
parciales de
se le llaman derivadas parciales segundas o de segundo orden y se notan

de la siguiente forma:

2
Por ejemplo, ver la nota de KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol.
1, pg. 623.
o bien
o bien
o bien
o bien

Por ejemplo, si ,
, entonces
.

Observamos que, en este caso, las derivadas parciales cruzadas

son
iguales lo que suceder en la inmensa mayora de las ocasiones aunque no se puede asegurar
siempre
3
. Nosotros, salvo que se especifique lo contrario, damos por supuesta la igualdad de
las derivadas parciales cruzadas. De todas formas, enunciamos dos teoremas que nos
proporcionan condiciones suficientes para asegurar la igualdad de las derivadas parciales
cruzadas
4
.
TEOREMA DE SCHWARTZ. Sea :
tal que en un entorno de
existen las
derivadas parciales

y si

, entonces existe

y se verifica que
.
TEOREMA DE BONET. Sea :
existen

. Si

son continuas en
entonces
.

En definitiva, la igualdad de las derivadas parciales cruzadas se puede asegurar con la
existencia y continuidad de las distintas derivadas parciales de menor o igual orden. Adems,
este resultado se extiende con facilidad a funciones :
.

3
En KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1, pg. 645, puede verse
un ejemplo en que no se da la igualdad de las derivadas parciales cruzadas.
4
La demostracin de estos teoremas puede verse en DE BURGOS ROMN, Clculo infinitesimal de
varias variables, pg.102.
1.2. Matriz jacobiana.

Sea :
de la que suponemos que existen todas las derivadas parciales
. La
matriz jacobiana
,,
,,
se define como la siguiente matriz:
, ,
, ,

Cuando la matriz anterior se evale en un punto concreto
se
notar por
,,
,,
,,
,,
o simplemente
,,
,,
.
NOTA: Cuando la matriz sea cuadrada, a su determinante se le denomina jacobiano.

2. FUNCIN DIFERENCIABLE.

Muchas veces estamos interesados en calcular de forma fcil para pequeos
aunque sea de forma aproximada. Esto se consigue con la ayuda del concepto de
diferenciabilidad. Veamos lo que ocurra en funciones de una variable para extenderlo despus
a funciones de varias variables.

2.1. Funcin diferenciable en una variable. Diferencial de una funcin.

La funcin : se dice diferenciable en el punto a si existe un nmero k (que, en
general, depender de a pero no de ) tal que el siguiente lmite es nulo:
lim
0

Ejemplo,
es diferenciable en cualquier punto a, pues existe 2 tal

que:
lim
lim

lim
0

Se puede demostrar de forma sencilla
5
que f diferenciable en a equivale a decir que f
es derivable en a, y que el nmero k de la definicin de diferenciablidad es precisamente
.

Por lo tanto, las funciones diferenciables en a verifican:
lim
0

Es decir,
se aproxima por
de tal forma que su

diferencia es un infinitsimo de mayor orden (ms pequeo) que .

Esta aproximacin de ,
, se llama diferencial de f en el punto a.

DEFINICIN. Sea una funcin real diferenciable en el punto a, se define la
diferencial de f en el punto a y se escribe |
como:

y, en general, para un punto genrico x:

Grficamente se puede ver la diferencia entre y . La recta que aparece en el
dibujo es la recta tangente a la grfica de en el punto , .

5
Ver pg. 352 de KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1.
Por ejemplo, dado
para el punto 3 y 0.1 la diferencia entre
.
y |
.
sera:
.
0.61
2 |
.
0.6

la diferencia es escasa, sin embargo, |
.
es mucho ms fcil de calcular que |
.
.

2.2. Funcin diferenciable en varias variables.

En el punto anterior, se repas la definicin de funcin diferenciable en una variable.
Extendamos este concepto a funciones de varias variables.
DEFINICIN. Una funcin :
se dice diferenciable en
si existen
todas las derivadas parciales en un entorno de a y adems se verifica (trabajando por
columnas):
lim
,,
,,

, ,
, ,
0

Es decir, f es diferenciable en a si existe una aplicacin lineal caracterizada por la
matriz jacobiana tal que, en dicho punto a, la diferencia entre el incremento de la funcin y la
aplicacin lineal aplicada al incremento de la variable es un infinitsimo mayor (ms pequeo)
que el incremento de la variable.

Por ejemplo, sea , ,
1, , comprobemos que es diferenciable en

el punto 1,2.

En primer lugar, calculamos la matriz jacobiana en dicho punto:
,,
,,

2 1
2 0
1 1

tomando lmites:
lim
,,
1 2
1
1
2 1

2
2
1

2 1
2 0
1 1
lim
,,
lim
,,
6
0

Comprobar que una determinada funcin es diferenciable es una condicin necesaria
para poder aplicar muchos de los teoremas y resultados que veremos a lo largo de esta
asignatura. Afortunadamente, para demostrar la diferenciabilidad de una funcin la mayora
de las veces no tendremos que realizar un razonamiento como el que acabamos de hacer.
Existen teoremas que, bajo unos sencillos supuestos, nos aseguran la diferenciabilidad de una
funcin
7
.
TEOREMA 1. Una funcin :
es diferenciable si y solo si lo son cada una de sus

funciones componentes
, ,
.
TEOREMA 2. Sea :
, ,
las derivadas parciales

son continuas en dicho entorno . Entonces f es diferenciable en
, ,
8
.

As pues, para demostrar la diferenciabilidad de la funcin , ,
1,
en el punto 1,2 tambin podramos razonar de la siguiente manera:
son
continuas en un entorno del punto 1,2, luego
, es diferenciable en 1,2. El mismo

razonamiento se hace para
, y
, lo que nos lleva a que , es diferenciable en

1,2.

De la definicin de funcin diferenciable se deduce sin mucho esfuerzo las siguientes
propiedades:

6
Este lmite se puede calcular haciendo un cambio a polares.
7
La demostracin de estos teoremas se pueden ver en DE BURGOS ROMN, Clculo infinitesimal de
varias variables, pg. 89.
8
El recproco de este teorema no es cierto. Una funcin puede ser diferenciable en un punto y no tener
derivadas parciales continuas en ese punto. Ver el ejemplo 3 de GARCA CASTRO y GUTIRREZ GMEZ,
Clculo infinitesimal II, Vol. 1, pg. 109.
1. Si una funcin f es diferenciable en el punto
, ,
, entonces es continua en dicho

punto
9
.
2. Si f y g son funciones diferenciables, tambin son diferenciables:
con

3. Si f y g son funciones escalares diferenciables, tambin son diferenciables:

en los puntos donde no se anula la funcin g.

2.3. Diferencial de una funcin de varias variables.

Sea :
diferenciable en
, de la definicin de
diferenciablidad se tiene:
lim
,,
,,

, ,
, ,
0
DEFINICIN. Se llama diferencial de f en el punto a, y se denota por
, al trmino
,,
,,
y es una aproximacin de |
de mayor orden (ms pequeo) que :
, ,
, ,

Por ejemplo, sea ,
, , ln, calculemos
|
,,
,.,.
y
|
,,
,.,.
:
|
,,
,.,.

1.1 2.2
1.1 2.2
ln1.1 2.2

4
1
ln2

1.324
0.1
0.19

9
El recproco no es cierto, una funcin puede ser continua en un punto y no ser diferenciable en dicho
punto. Ver el ejemplo 4 de GARCA CASTRO y GUTIRREZ GMEZ, Clculo infinitesimal II, Vol. 1, pg.
111.
|
,,
,.,.
2
1 1
,,
,.,.

1.2
0.1
0.2

observamos que y esta aproximacin ser tanto mejor cuanto ms pequeos sean
e .

Para un punto genrico
, ,
la diferencial de la funcin f tiene la expresin:

, ,
, ,

Si
, ,
es la variable independiente, por definicin, se suele notar:

en consecuencia, la expresin de la diferencial queda de la siguiente forma
10
:

, ,
, ,

2.4. Diferencial de una funcin escalar.

Si la funcin f es una funcin escalar, la diferencial de f adopta una forma ms cmoda.
Por ejemplo, sea :
entonces:

Y evaluada en un punto concreto
|
,
1
,
2
,
1
,
2
,
1
,
2

En general, si :

10
GALINDO SOTO et al, Gua prctica de Clculo Infinitesimal en varias variables, pg. 50, da una
explicacin ms coherente para esta notacin. De todas formas, hay que sealar que si z no es una
variable independiente entonces , en general, ser distinto de , en concreto, .
2.5. Algunas propiedades de la diferencial.

De la definicin de df se deducen fcilmente las siguientes propiedades:

1. Si f es una funcin constante, entonces 0.
2. Si f y g son funciones diferenciables:
con

3. Si f y g son funciones escalares diferenciables:

en los puntos donde g no se anula.

3. REGLA DE LA CADENA EN FUNCIONES DE VARIAS VARIABLES.

Antes de estudiar la regla de la cadena en funciones de varias variables, vamos a
comentar dicho resultado para funciones de una variable donde lo suponemos conocido.

Supongamos una funcin con , en definitiva, podemos decir que f es
una funcin en la variable x.

Por ejemplo, cos siendo
1. Entonces f es funcin de x definida por

cos
1.

La regla de la cadena para funciones de una variable dice:

hay que sealar que las expresiones de f que aparecen en ambos lados de la igualdad son
distintas. As, en el lado izquierdo se entiende que:
cos
1 sen
1 2
mientras que en el lado derecho:
cos sen

La igualdad de la regla de la cadena nos confirma que:
sen 2
sen
1 2

Si evaluamos en un punto concreto
, la regla de la cadena ha de aplicarse de la

siguiente manera:

Por ejemplo, siguiendo con la misma funcin cos , con
1. Si
evaluamos la derivada en el punto 1 se tiene:
sen
1 2|
2 sen2
y utilizando la regla de la cadena:
sen|
2|
2 sen2
Extendamos la regla de la cadena a funciones de varias variables.

3.1. Matriz jacobiana de la composicin de funciones en varias variables.

Sean :
y :
entonces :
segn el siguiente
esquema:

Si suponemos que f es diferenciable en
, ,
y g es diferenciable en
, ,

entonces es diferenciable en
, ,
y la matriz jacobiana de la composicin es

11
:

11
La demostracin de este resultado puede consultarse en GARCA CASTRO y GUTIRREZ GMEZ,
Clculo infinitesimal II, Vol.1, pg. 116.
, ,
, ,
,,
,,
, ,
, ,
,,
,,
, ,
, ,
,,
,,

Con otro enfoque, lo anterior tambin se puede expresar del siguiente modo:

Supongamos la funcin:
, ,

tal que cada
es a su vez funcin de
, ,
, ,

es decir:
, ,
, ,

por lo tanto, :
y, aplicando la regla del jacobiano para la composicin de funciones,

podemos afirmar:
, ,
, ,
,,
,,
, ,
, ,
,,
,,
, ,
, ,
,,
,,

o de forma genrica:
, ,
, ,
, ,
, ,
, ,
, ,

3.2. Casos particulares de la regla de la cadena para funciones escalares.

En el apartado anterior hemos visto la regla de la cadena para el caso general. Sin
embargo, lo usual es aplicar dicha regla slo para casos muy concretos con lo que la escritura
de la misma se simplifica considerablemente. Veamos algunos de estos supuestos particulares.
CASO 1. Sea , , pero las variables x e y dependen a su vez de t

.
Podemos decir que : . Utilizando la regla de la cadena para este supuesto:

si evaluamos en un punto concreto
se tiene:

Por ejemplo, sea la funcin , sen donde

entonces:
sen
cos 2
si evaluamos en el punto 0
sen|
,,

cos |
,,
2|

Para recordar las expresiones resultantes de utilizar la regla de la cadena se suelen
utilizar los diagramas de rbol. A la derecha se ponen las variables de las que dependen las
funciones situadas ms a la izquierda. Se trata de llegar, de izquierda a derecha, por todos los
caminos posibles apareciendo tantos sumandos como caminos se puedan encontrar:

CASO 2. Sea , con
,
,
.

El diagrama de rbol para este caso sera:

la regla de la cadena dice:
f
x t
y t
f
u
x
y
v
x
y


Evaluando en un punto concreto , :
,,
,,,,

,,

,,,,

,,
,,

,,,,

,,

,,,,

,,

CASO 3. Sea , , , con
,
,
,

El diagrama de rbol sera:

aplicando la regla de la cadena:

4. DIFERENCIALES DE ORDEN SUPERIOR DE UNA FUNCIN ESCALAR.

Sea , una funcin diferenciable, la df, en general, depender de ,
(tambin de y ), y puede volver a ser diferenciable. A esta nueva diferencial la
llamaremos diferencial segunda.
f
u
x
y
v
x
y
w
x
y
DEFINICION. Se denomina diferencial total segunda de la funcin , y se denota por

a:

TEOREMA. Sea , una funcin escalar de clase 2
12
. Entonces df es diferenciable y:

Demostracin.

Al ser , de clase 2 podemos asegurar las operaciones que realizaremos a
continuacin as como la igualdad de las derivadas parciales cruzadas.
13

Este resultado se suele expresar de forma simblica:

donde el significado simblico de la potencia se puede adivinar fcilmente.
NOTA 1. Para funciones de clase r se puede deducir:

NOTA 2. Si :
es de clase r:

NOTA 3. Todo lo visto en este apartado se puede extender sin dificultad a funciones
:
mediante sus funciones componentes

14
.

12
Una funcin es de clase 2 si todas las derivadas parciales de segundo orden son continuas, lo que a su
vez implica que tambin es de clase 1. El concepto de funcin de clase r puede verse en DE BURGOS
ROMN, Clculo infinitesimal de varias variables, pg. 99.
13
Aplicamos que 0 puesto que ni ni dependen de , .
14
Ver DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 108.
5. DIFERENCIAL DE UNA FUNCIN DE VARIAS VARIABLES CON VARIABLES INTERMEDIAS.

Estudiemos la expresin de la diferencial de una funcin cuando previamente hemos
realizado un cambio de variable. Veamos con un ejemplo lo que pretendemos.

Sea la funcin:
, sen

por lo tanto
, y para calcular df habra que realizar las correspondientes

derivadas parciales.

Supongamos ahora que realizamos el cambio de variable

, la nueva
expresin de la funcin f se simplifica:
, sen

Si se pudiera asegurar que
, obtendramos una expresin fcil de

df, aunque fuera en funcin de las variables intermedias u y v.

Vamos a demostrar que la presuncin anterior es cierta para la diferencial primera
pero no para las diferenciales de rdenes superiores.

5.1. Invariancia de la diferencial primera.

Sea , , con
,
,
, en definitiva, f ser una funcin en las variables

independientes x e y. Adems, suponemos suficiente regularidad tanto de las funciones
, y , como de la funcin f
15
, entonces:

15
Sera suficiente con exigir la continuidad a las derivadas parciales de u y v y la continuidad de
,
ver KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1, pg. 634.

Luego, la diferencial total adopta una expresin del mismo tipo, tanto si los
argumentos son variables independientes como si stos son a su vez funciones de ciertas
variables:

Por ejemplo, sea , sen
con

cos
sen

ahora sustituimos u y v por su valor as como 2
; y
obtendremos el mismo resultado que hubiramos obtenido directamente calculando la

con la funcin , sen
.

5.2. Diferencial segunda con cambio de variables.

Con el mismo planteamiento que en el punto anterior, veamos que
tiene
expresiones distintas segn que las variables sean dependientes o independientes.

En el apartado 4 de este tema demostramos que si x e y son variables independientes:

Sea ahora , , con
,
,
:
16

17

En resumen, con variables intermedias:

Sera un buen ejercicio comprobar para , sen
con

la
igualdad de este ltimo resultado con el que se habra obtenido calculando directamente la
diferencial segunda de , sen
, donde hay que puntualizar lo siguiente:

6. INTEGRALES DEPENDIENTES DE UN PARMETRO.

Como aplicacin de la diferenciacin en varias variables vamos a comentar
ligeramente el caso de las integrales dependientes de un parmetro
18
.

Consideremos la funcin ,
donde a y b son constantes. Por

ejemplo:
2
3

16
Utilizamos la invariancia de la diferencial primera.
17
Ahora, 0 puesto que depender, en general, de , y lo mismo ocurre con .
18
Para un estudio mas detenido de este tema se puede consultar KRASNOV, M. et al, Curso de
matemticas superiores para Ingenieros, Vol. 2, pg. 471 en adelante. O tambin, LOSADA RODRGUEZ,
Anlisis Matemtico, pg. 624 en adelante.
En principio, este tipo de funciones definidas bajo el signo integral no deben
presentar problemas siempre que sea fcil resolver la integral. Sin embargo, todos sabemos
que el clculo de integrales a menudo resultan complicados.

El objetivo de este apartado es dar tcnicas para calcular la derivada de una funcin
definida bajo el signo integral, sin llegar a calcular dicha integral (o resolviendo otra ms
sencilla).
TEOREMA 1. Sea , una funcin continua en el rectngulo cerrado , , .
Entonces la funcin ,
es continua en , . Es decir, si
, :
lim
lim
lim

Por ejemplo, si pretendemos calcular:
lim
2 1

podramos calcular la integral, con lo que quedara una expresin en x, posteriormente
tomaramos lmites cuando 0. Pero resolver esta integral no es nada sencillo, sin embargo,
podramos aplicar el teorema anterior con lo que tendramos:
lim
2 1
lim
2 1
3
2

TEOREMA 2. Sea , continua en , , tal que
es tambin continua en el
mismo rectngulo. Entonces para , :

Por ejemplo, sea:

cos

si queremos calcular
sera un intento baldo intentar primero realizar la integral para

que, una vez expresada sin el signo de integracin, pudiramos derivarla. Pero aplicando
el teorema 2:
cos
sen
cos 2 cos

Veamos ahora un teorema que engloba al anterior. Es el caso en que
,
, es decir, los lmites de integracin tambin depende de x.

TEOREMA 3. Sea ,
, donde , y
son continuas en la regin D:

entonces para , se tiene:

Demostracin.

Consideremos la funcin de tres variables , , ,
, si ahora
suponemos que y podramos aplicar la regla de la cadena segn el
siguiente rbol:

luego:
19
,
20
,

19
Aplicamos el primer teorema fundamental del clculo (o segundo teorema fundamental del clculo
para otros autores) que, bajo la condicin de continuidad de la funcin g, dice que si:

entonces

20
Aplicamos el teorema 2.
b x
a x
x
Por ejemplo, sea:

cos

y queremos calcular
.

Identificamos cada trmino:

,
cos

aplicando el teorema 3:
cos
cos
cos
3cos
2cos



tener acceso.



Problema 8 pgina 352


2008.
GALINDO SOTO, F. SANZ GIL, J. TRISTN VEGA, L.A.: Gua prctica de Clculo Infinitesimal
en varias variables, Editorial THOMSON, 2005.
GARCA CASTRO, F. y GUTIRREZ GMEZ, A. Clculo infinitesimal II, volumen 1, Editorial
Pirmide, 1985.
MADRID, 1996.
KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, Vol. 1 y 2, Ed. MIR. 1990.
LOSADA RODRGUEZ, R.: Anlisis Matemtico, Ed. Pirmide, 1978.
TEMA 4
EXTREMOS EN FUNCIONES DE VARIAS VARIABLES

El objetivo de este tema se centra en el clculo de extremos de funciones :
.
Por ejemplo, la , ,
, considerada como una funcin en todo
, tiene un
mnimo en el punto 0,0,0 y no tiene mximo.

Suponemos conocidos los mtodos de obtencin de extremos en funciones reales de
variable real, lo que va servir de gua para nuestro estudio en varias variables.

As, dada una funcin : , como la de la siguiente figura:

para calcular los mximos y mnimos de esta funcin, en primer lugar, se plantea la ecuacin
0 de su solucin obtenemos los llamados puntos crticos
.

Si tuviramos acceso a la representacin grfica de entre a y b no hara falta ms,
podemos asegurar que
es un mximo local y
es un mnimo local. Si no tenemos la

posibilidad de representar grficamente se calcula la segunda derivada de la funcin que,
seguramente, debera salir
0 y
0 confirmndonos que, efectivamente, se

trata de un mximo local y mnimo local respectivamente.

Respecto del ejemplo que acabamos de exponer hay que hacer varias consideraciones.

Si no disponemos de la representacin grfica de y adems ocurriera que
0, se sigue derivando y llegamos a la conclusin de que si la primera

derivada distinta de cero es de orden impar existe un punto de inflexin, por el contrario, si es
de orden par tenemos un mximo (en caso de que fuera menor que cero) o un mnimo (si era
mayor que cero). A estos resultados se llega con facilidad razonando sobre el polinomio de
Taylor de centrado en el punto crtico que se est estudiando.
Por otra parte, si observamos el dibujo de advertimos que los mximos y mnimos
absolutos no tienen por qu coincidir con los mximos y mnimos locales. En este caso, el
mximo absoluto se encuentra en el punto b y el mnimo absoluto en
que tambin es un
mnimo local.

En resumen, para una primera aproximacin sobre el estudio de extremos de
funciones de varias variables tenemos que:

Definir lo que se entiende por extremo local, extremo absoluto, extremo local en
sentido estricto y extremo local en sentido amplio.
Estudiar el polinomio de Taylor en varias variables lo que permite dar sentido al
proceso ordinario de clculo de extremos.
Calcular los puntos crticos de una funcin de varias variables. En una variable los
puntos crticos se obtenan resolviendo la ecuacin
0 o identificando aquellos
puntos en los que la funcin no fuera derivable.
Calcular el signo de una determinada forma cuadrtica en los puntos crticos. Esto
equivale, en funciones de una variable, al estudio del signo de la segunda derivada en el
punto crtico.
Distinguir entre extremos locales y absolutos cuando el conjunto de definicin de la
funcin sea un conjunto con frontera (en el ejemplo que hemos seguido en la
introduccin de este tema la frontera estaba formada por los puntos a y b).
Estudio de extremos con restricciones, cuestin que s representa una novedad
respecto a lo que aconteca en funciones de una variable.

Adems, por cuestin de comodidad en la notacin, nos vamos a centrar en funciones
:
pero se adivina sin dificultad la extensin de los resultados que obtengamos a

espacios de mayor dimensin.

1. SIGNO DE UNA FORMA CUADRTICA.

En primer lugar vamos a estudiar el signo de una forma cuadrtica que, como
acabamos de comentar en la introduccin, va a desempear el papel que tena el signo de la
segunda derivada en el anlisis de los extremos locales en funciones de una variable.
Una forma cuadrtica es una aplicacin :
que puede venir definida por una

matriz simtrica de la siguiente manera:

Por ejemplo, una forma cuadrtica en dimensin 3 podra ser:

1 2 3/2
2 1 1
3/2 1 4

4 3
2 4

Las formas cuadrticas se pueden clasificar atendiendo al signo de
, para
cualquier vector
. As diremos:

es definida positiva si
0,
.

En este supuesto, la matriz simtrica que caracteriza a Q, en una base apropiada, ser
una matriz diagonal del siguiente tipo:
con
es definida negativa si
0,
.

En este caso, la matriz simtrica que caracteriza a Q, en una base apropiada, es una
matriz diagonal del siguiente tipo:
con
0


es semidefinida positiva si
0 y existen vectores
tal que
0.

con
es semidefinida negativa si
0 y existen vectores
tal que
0.

con
es indefinida en cualquier otro caso.

En este supuesto habr vectores
tales que
0 y
0, y la
matriz simtrica que caracteriza a Q, en una base apropiada, ser del siguiente tipo:
con
0 y
0

1.1. Clculo prctico del signo de una forma cuadrtica.

En la prctica, existen principalmente dos procedimientos para calcular el signo de una
forma cuadrtica. Uno de ellos est basado en el clculo de las races del polinomio
caracterstico. El otro se fundamenta en el criterio de Sylvester sobre la secuencia de
submatrices principales.

Veamos en primer lugar el criterio que tiene como base el signo de las races
caractersticas.

Sea la forma cuadrtica :
caracterizada por la matriz A. si se hace un cambio

de base en
cambiarn las coordenadas de los vectores y la expresin de la matriz A, en

concreto, la nueva matriz tiene de expresin
siendo P la matriz del cambio de base y

su transpuesta, pero evidentemente ello no afectar a los valores en que toma la forma
cuadrtica.

Por ejemplo, sea la forma cuadrtica

5 3 0
3 7 0
0 0 12
,
tomemos un determinado vector
1
2
3
, entonces:
1
2
3
141 4 3
si realizamos el cambio de base definido por la matriz
0
0 0 1
, en esta nueva base

el vector
1
2
3
tiene de coordenadas
que vienen dadas por la ecuacin:
1
2
3

luego:
1
2
3

1
3
2
1
2
3
3

la forma cuadrtica aplicada al mismo vector pero en la nueva base sera:
1
3
2
1
2
3
3

1
3
2
1
2
3 3

1
3
2
1
2
3
3
141 4 3
lo que aclara que el signo de una forma cuadrtica no va a depender del cambio de base que
se pueda realizar.

Adems, se puede demostrar que existe un cambio de base adecuado tal que la nueva
matriz de la forma cuadrtica respecto de esta base (
) es diagonal, y los elementos de la

diagonal estn formados por las races del polinomio caracterstico
1
. Es decir, las races del
siguiente determinante:

que tiene exactamente n races reales, aunque algunas de ellas puedan estar repetidas.

Por lo tanto, existe un cambio de base adecuado tal que la matriz que caracteriza a la
forma cuadrtica es del tipo:
0 0
0
0

0 0

1
Ver, entre otros, GRANERO RODRGUEZ, lgebra y Geometra Analtica, pg.252.
Por otra parte, el signo de una forma cuadrtica dada por una matriz es diagonal es
inmediato. En concreto:

Si todos los
son estrictamente mayores que cero, entonces la forma cuadrtica es

definida positiva.
Si todos los
son estrictamente menores que cero, entonces la forma cuadrtica es

definida negativa.
Si los
son estrictamente mayores que cero, salvo algunos que valen cero, entonces la
forma cuadrtica es semidefinida positiva.
Si los
son menores que cero, salvo algunos que valen cero, la forma cuadrtica es
semidefinida negativa.
Si existen valores de
mayores y menores que cero la forma cuadrtica es indefinida.

Este criterio es el que seguiremos en la parte Prctica de la asignatura debido a la
facilidad que tiene el Mathematica, con la orden Eigenvalues, para calcular los autovalores (o
valores caractersticos) de una matriz (races de su polinomio caracterstico).

Retomando el ejemplo que acabamos de mencionar, si ponemos con el Mathematica:

5 3 0
3 7 0
0 0 12
12, 8, 4
los tres autovalores son positivos lo que prueba que la forma cuadrtica definida positiva.
Adems, el cambio de base definido por la matriz
0
0 0 1
hace que la nueva matriz

de la forma cuadrtica sea:

4
8
12

Tambin existen otros mtodos para adivinar si una forma cuadrtica es definida
positiva o negativa, quizs el ms conocido es el criterio de Sylvester
2
el cual afirma que dada

2
La demostracin puede verse en MERINO GONZLEZ y SANTOS ALEZ, lgebra Lineal con mtodos
elementales, pg. 282.
la forma cuadrtica Q definida por la matriz simtrica
, si
denotamos por
las submatrices principales de A (aquellas de orden k formadas a partir de

la esquina superior izquierda de A):

entonces:

Q es definida positiva si y solo si los determinantes de
son estrictamente mayores

que cero, |
| 0 1, , .
Q es definida negativa si y solo si 1
| 0 1, , .

2. TRMINOS USADOS EN EL ESTUDIO DE EXTREMOS.

Sea :
, un punto
se dice que es interior a D si existe un crculo

pequeo centrado en el punto totalmente incluido en D.

En el punto interior
, notamos por:

El punto
es un mximo local de , si existe 0 tal que
0
para todo e .

La representacin grfica de un mximo local sera:

Si se cumple la desigualdad estricta
0, lgicamente cuando ,
0,0, entonces
es un mximo local estricto para , . En caso contrario se habla

de mximo local en sentido amplio.

Por ejemplo, el punto
que se muestra en el siguiente dibujo es un mximo

local en sentido amplio de la funcin ,
3, puesto que alrededor

del punto
siempre habr otros puntos (los sealados con la curva ms gruesa) tales
que el valor de f en esos puntos coincide con
.

Anlogamente, el punto
es un mnimo local de , si existe un 0 tal

que
0 para todo e . Si se cumpliera la desigualdad estricta
0 entonces
sera un mnimo local estricto para , , en caso contrario,

se habla de mnimo local en sentido amplio.
Un punto
se dice que es un extremo local en sentido estricto si es un mximo

o mnimo local en sentido estricto. Se dir simplemente extremo local si es un mximo o
mnimo local en sentido amplio.

El punto
es punto de silla si no es extremo local.

Tambin hay que distinguir entre extremo local y extremo absoluto. Mientras que en
los extremos locales nos centramos en lo que pasa en un entorno muy reducido del punto
, en los extremos absolutos se tiene en cuenta todo el conjunto D en donde est

definida la funcin , .

Sea :
, un punto
es un mximo absoluto si

, para todo , . Si se da la desigualdad estricta se dir que
es un mximo
absoluto estricto.

Anlogamente,
es un mnimo absoluto si
, para todo
, . Si se da la desigualdad estricta se dice que
es un mnimo absoluto estricto.

3. POLINOMIO DE TAYLOR DE UNA FUNCIN DE DOS VARIABLES.

De la definicin de extremo local se deduce que el signo de |
, en el entorno de
, es determinante para concluir si dicho punto es o no un extremo local. Tambin

vimos, en el apartado 2.3 del Tema 3, que una aproximacin de
es
. Pero
esta primera aproximacin se puede an mejorar con el denominado polinomio de Taylor
centrado en dicho punto.

Consideremos el siguiente esquema:


,

Si tenemos ahora en cuenta que
, llegamos a la siguiente
aproximacin:
,

en definitiva, con la diferencial primera, hemos aproximado la funcin , por un
polinomio de grado uno en las variables x e y.

Por ejemplo, sea la funcin , ln consideremos el punto
1,2
entonces:
ln ln 2
,,
1
,,
2
ln 2 1
1
2
2

Si representamos con el Mathematica ambas funciones vemos efectivamente que la
funcin ln y el polinomio primer grado en dos variables ln2 1
2
coinciden en el punto 1,2 y en un entorno de dicho punto son bastante parecidas:

DESARROLLO DE TAYLOR. Sea , definida en un conjunto abierto
con derivadas
parciales continuas hasta de orden n+1, dado un punto
se verifica que:
,
|
,
1
2!
|
,
1
!
|
,

donde
se denomina resto de orden n del desarrollo de Taylor y que puede tener, entre
otras, la siguiente expresin
3
:
|
,
con 0,1

Si en la expresin de , obviamos el resto se obtiene el denominado polinomio
de Taylor de orden n centrado en el punto
que lo denotamos por
, dando por
sobrentendido el punto
.

Ejemplo, sea , ln los polinomios de Taylor de distinto orden centrados
en el punto 1,2 son
4
:
, ln2 1
1
2
2
, ln2 1
1
2
2
1
2
1
1
4
2
, ln2 1
1
2
2
1
2
1
1
4
2

1
6
2 1
1
4
2
.

Tomemos un punto cercano al 1,2, por ejemplo 1.1,2.1, evaluando los distintos
polinomios de Taylor de diversos rdenes en dicho punto se tiene:
1.1,2.1 ln2 0.1

1
2
0.1 0.843147
1.1,2.1 ln 2 0.1
1
2
0.1
1
2
0.1
1
4
0.1
0.836897
1.1,2.1 ln2 0.1

1
2
0.1
1
2
0.1
1
4
0.1

1
6
2 0.1
1
4
0.1
0.837272

puesto que ln1.1 2.1 0.837248 observamos dos cuestiones interesantes:

La aproximacin del polinomio de Taylor en un entorno del punto
ser tanto
mejor cuanto mayor sea el orden del polinomio centrado en dicho punto.
En un entorno muy reducido del punto
, el valor absoluto de cada sumando del

polinomio de Taylor decrece debido a las potencias, cada vez mayores, de e .

3
La demostracin del desarrollo de Taylor puede verse en DE BURGOS ROMN, Clculo infinitesimal de
varias variables, pg. 109. Adems, el desarrollo de Taylor puede extenderse a funciones :
.
4
Aunque el clculo del polinomio de Taylor es tericamente fcil, en la prctica suele ser una tarea
bastante engorrosa por la cantidad cuentas que hay que realizar. En la parte Prctica de la asignatura
realizamos un programa con el Mathematica a fin de simplificar esta tarea.
4. CONDICIN NECESARIA DE EXTREMO LOCAL.

Sea la funcin :
diferenciable y
un punto interior de D. El punto
se dice crtico para la funcin , si
.

Para las funciones que no son diferenciables en todo punto, tambin se llaman puntos
crticos a aquellos en los que no existen alguna o las dos derivadas parciales.

TEOREMA (condicin necesaria de extremo local). Sea :
diferenciable y

un punto interior de D, si la funcin , tiene un extremo local en el punto

entonces dicho punto es crtico.
Demostracin.

Si en , dejamos constante la segunda variable igual a
, entonces la funcin:
,

es una funcin de una variable que tiene un extremo local en
, luego la derivada de en
es cero:
0
lim
0
lim
0

De forma anloga se demuestra que
0.

En resumen, los extremos locales hay que buscarlos entre los puntos crticos, es decir,
aquellos que verifican el sistema
.

5. CONDICIN SUFICIENTE DE EXTREMO LOCAL.

Sea , funcin diferenciable cuantas veces sea necesario y supongamos que
es un punto crtico, es decir, un candidato a extremo local. En este punto
|
,
0 y el polinomio de Taylor centrado en
adopta la siguiente forma:
|
,
1
2!
|
,
1
3!
|
,

como en un entorno reducido de
los valores absolutos de cada sumando son cada vez

menores, el signo de
|
,
(decisivo, en este caso, para asegurar si es mximo o

mnimo) va a depender del signo de
|
,
, pero:
|
,

Es decir, el signo de
|
,
coincidir con el signo de la forma cuadrtica

definida por la matriz
llamada matriz hessiana de , y que la

denotaremos por |
.

TEOREMA (condicin suficiente de extremo local)
5
. Sea , con derivadas parciales
continuas hasta de segundo orden y
un punto crtico de , entonces se verifica:

i. Si
es definida negativa entonces
es un mximo local estricto de

, .
ii. Si
es definida positiva entonces
es un mnimo local estricto de

, .
iii. Si
es indefinida entonces
es un punto de silla de , .
iv. Si
es semidefinida negativa entonces
es un mximo local o un punto

de silla de , .

5
En BARBOLLA et al, Optimizacin Matemtica: teora ejemplos y contraejemplos, pg. 233 y siguientes,
pueden verse ejemplos y comentarios sobre la condicin suficiente de extremo.
v. Si
es semidefinida positiva entonces
es un mnimo local o un punto

de silla de , .

6. EXTREMOS LOCALES CONDICIONADOS.

Hasta ahora hemos hablado de extremos locales de funciones definidas en un cierto
conjunto
cuyos resultados se extienden inmediatamente a subconjuntos de
.
Veamos ahora el caso en el que queremos calcular un extremo local de :
pero
en el que los puntos
, . . ,
deben cumplir unas ciertas restricciones, denominadas

ecuaciones de ligadura.

El problema que se plantea es:
extremos locales de
, . . ,

sujetos a las ecuaciones de ligadura:
, . . ,
, . . ,
, . . ,
con

Por ejemplo, en el siguiente dibujo se visualiza el problema de calcular el mnimo local
de la funcin ,
sujeto a la ecuacin de ligadura 4. En realidad, se

trata de calcular el mnimo de la curva que aparece en la figura:

6.1. Mtodo de sustitucin.

Un procedimiento sencillo para resolver el problema de obtener extremos locales con
ecuaciones de ligadura es el denominado mtodo de sustitucin.
Este mtodo consiste en despejar, entre las ecuaciones de ligadura y siempre que sea
posible, m variables en funcin de las m-n restantes. La sustitucin de estas m variables en la
funcin
, . . ,
transforma el problema inicial en otro de menos variables sin

restricciones que se resuelve de la forma conocida
6
.

En el ejemplo que acabamos de exponer el problema que se plantea es:
calcular el mnimo local de ,

sujeto a la ecuacin de ligadura 4
si utilizamos el mtodo de sustitucin podamos proceder del siguiente modo:
4
por lo que se trata de calcular el mnimo de la funcin (en una variable):

que se resuelve de la forma habitual:
0
4 8 0
2

Si 2, de la ecuacin de ligadura se desprende que 2 y el mnimo local de este
problema se encuentra en el punto 2,2 con un valor igual a 2,2 8.

El mtodo de sustitucin aunque parece sencillo a veces no es muy recomendable por
dos razones.

En primer lugar, no siempre ser fcil despejar las m variables en funcin de las n-m
restantes con lo que, en caso de no poder despejarlas, el mtodo no se podra aplicar.

En segundo lugar, este mtodo nos puede deparar sorpresas tales como obtener
distintos resultados en funcin de las variables que se despejen en el sistema de ligadura
7
. La
razn se encuentra en el propio procedimiento. En realidad, el mtodo que hemos seguido
para calcular el mnimo local consiste en proyectar la curva a la que queremos calcular su
extremo local sobre el plano OXZ en la forma que aparece en el dibujo:

6
Una discusin ms pormenorizada de este mtodo puede verse en BARBOLLA et al, Optimizacin
Matemtica: teora ejemplos y contraejemplos, pg. 292 y siguientes.
7
Por ejemplo, si en el problema que hemos planteado hubiramos despejado la variable x en funcin de
la y la funcin a la que habra que calcularle el mnimo local hubiera sido 2
que, en
este caso, produce el mismo resultado pero no siempre es as.

Pero si la curva a la que se quiere calcular sus extremos locales fuera de la siguiente
forma:

por este procedimiento no podramos localizar los extremos P y Q salvo que proyectemos
sobre el eje OZY (despejemos la x en funcin de la y)
8
.

6.2. Mtodo de los multiplicadores de Lagrange.

Para evitar los inconvenientes del mtodo de sustitucin descritos en el apartado
anterior, los problemas de extremos condicionados suelen resolverse por el denominado
mtodo de los multiplicadores de Lagrange
9
.

Se trata de calcular los extremos locales de
, . . ,

sujetos a las ecuaciones de ligadura:

8
En DAZ HERNANDO, Clculo Diferencial. Funciones de varias variables. Representacin de curvas, pgs.
260 a 262 pueden verse varios ejemplos muy ilustrativos sobre esta cuestin.
9
Nosotros nos limitaremos a exponer el mtodo de los multiplicadores de Lagrange, las demostraciones
de las afirmaciones que aqu se hacen pueden consultarse, entre otros, en MARSDEN y TROMBA, Clculo
vectorial, pg. 217 y siguientes o BARBOLLA et al, Optimizacin Matemtica: teora ejemplos y
contraejemplos, pg. 298 y siguientes.
, . . ,
, . . ,
, . . ,
con
suponemos que tanto
, . . ,
como
, . . ,
tienen derivadas parciales y son

continuas. Adems, vamos a suponer que en los puntos que por este mtodo sean candidatos
a extremo la matriz
tiene de rango m
10
.

Construimos la funcin lagrangiana:
, ,
, ,
, ,
, ,

donde
son nmeros auxiliares llamados multiplicadores de Lagrange.

Los puntos crticos se obtienen resolviendo el sistema:
, . . ,
, . . ,

Una vez obtenidos los candidatos a extremos, las condiciones suficientes para discernir
cuales son mximos mnimos o puntos de silla de nuestro problema con ligaduras suelen ser
engorrosas de aplicar
11
. De todas formas, en estos casos, lo usual es hacer consideraciones
lgicas, geomtricas o incluso analticas que nos permite adivinar qu tipo de punto se trata
sin necesidad de acudir a teoremas que involucran a unas especiales matrices hessianas.

10
Esta ltima condicin es necesaria para poder aplicar el mtodo de los multiplicadores de Lagrange,
ver el ejercicio de la pgina 266 de DAZ HERNANDO, Clculo Diferencial. Funciones de varias variables.
Representacin de curvas. Por lo tanto, aparte de aplicar este mtodo tambin se deberan estudiar
aquellos puntos en los que esta matriz tenga rango menor que m.
11
En MARSDEN y TROMBA, Clculo vectorial, pg. 231 o LOSADA RODRGUEZ, Anlisis Matemtico, pg.
662 pueden verse dos versiones distintas de condiciones suficientes para decidir si el punto crtico
obtenido es mximo, mnimo o punto de silla.
7. MXIMOS Y MNIMOS ABSOLUTOS.

En los problemas de ingeniera tiene ms importancia calcular los extremos absolutos
de una cierta regin acotada que hallar un determinado extremo local. Sin embargo, ello no
quiere decir que todo lo que hemos estudiado hasta ahora no tenga importancia, todo lo
contrario, el clculo de extremos absolutos va a implicar generalmente la obtencin de los
extremos locales y, posteriormente, una comparacin entre el valor de dichos extremos con el
valor de la funcin sobre el borde de la regin.

Por ejemplo, la funcin , definida sobre el rectngulo 1,1 1,1 que tiene
la siguiente representacin grfica:

tiene un mnimo absoluto en el mismo punto donde tiene un mnimo local por lo que, en
primer lugar, tendramos que resolver un problema de extremos locales libres (sin
restricciones). Posteriormente, para calcular el mximo absoluto habra que estudiar el
mximo valor que toma , sobre los lados del rectngulo 1,1 1,1.

A pesar de que a continuacin proponemos una relacin de problemas sobre extremos
de funciones de varias variables, normalmente este tipo de problemas requieren una gran
cantidad de cuentas por lo que sera conveniente, una vez que se lea el fundamento terico
que aqu se expone, realizar los ejercicios de las Prcticas 8 y 9.



tener acceso.

Ejemplo 4 pgina 1078

Problema 28 pgina 218 Problema 29 pgina 220


BARBOLLA, R. CERD, E. SANZ, P.: Optimizacin Matemtica: teora ejemplos y
contraejemplos, Espasa Calpe, 1991.
2008.
DAZ HERNANDO, J.A.: Clculo Diferencial. Funciones de varias variables. Representacin de
curvas, segunda edicin, Editorial Tebar Flores, Madrid, 1991.
GRANERO RODRGUEZ, F.: lgebra y Geometra Analtica, MacGraw-Hill, 1989.
MARSDEN, J.E. y TROMBA, A.J.: Clculo vectorial, quinta edicin, PEARSON EDUCACIN, 2004.
MERINO GONZLEZ, L.M. y SANTOS ALEZ E.: lgebra Lineal con mtodos elementales, Edita
Grficas Lino, Granada, 1997.
TEMA 5
INTEGRACIN EN VARIAS VARIABLES

Todos hemos aprendido el concepto de integral definida a travs del problema
geomtrico consistente en calcular el rea A que encierra la grfica de una determinada
funcin con 0 y el eje de abscisas entre los puntos a y b, tal y como se muestra en
la siguiente figura
1
:

para calcular este rea se toma una particin
del segmento , :

en cada uno de los segmentos
tomamos un punto cualquiera
, y
realizamos la siguiente suma:

que representa el rea de la regin escalonada:

Haciendo este proceso para diferentes particiones
cada vez ms finas, es decir que

cada particin divida a la anterior, se observa que
, donde A es el rea que se quiere

calcular.

As pues, supongamos que existe el siguiente lmite:
lim
lim
con

1
Un razonamiento de este tipo puede verse en KRASNOV, M. et al, Curso de matemticas superiores
para Ingenieros, Vol. 1 pg. 523.
para cualquier particin del segmento , y sin que dependa de la eleccin de los
en cada
segmento
. El lmite medir el valor del rea A y se llama integral de la funcin

entre a y b que se denota por
lim

con
.

Sobre este razonamiento quiero hacer dos precisiones.

En primer lugar, a pesar de que el ejemplo motivador para llegar al concepto de
integral sea hallar una determinada rea, en la prctica, la integral definida se aplica a multitud
de problemas que nada tienen que ver con el clculo de reas.

Por ejemplo, sea una bomba que extrae lquido de un depsito semiesfrico de radio
10. Se quiere calcular el trabajo realizado por la bomba que ha extrado lquido desde el nivel a
hasta el b, tal y como se muestra en el siguiente dibujo
2
:

la densidad del lquido homogneo es y la bomba se encuentra 3 unidades por encima del
depsito. Si hacemos una particin sobre el segmento , se prueba sin excesiva dificultad
que una aproximacin del trabajo W realizado por la bomba es:

3 100

con
.

Por lo tanto, podemos afirmar que:
3 100

2
Este ejemplo est sacado de SALAS HILLE ETGEN, Calculus. Una y varias variables, Vol. I, pg. 354.
En el mismo texto pueden verse otras interesantes aplicaciones de la integral definida, pgs. 321 a 364.
La otra precisin que quiero realizar es que una integral como la anterior, en la
prctica, no se calcula intentando resolver el lmite de una particin cada vez ms fina sino que
directamente se aplica la regla de Barrow, habida cuenta de la continuidad de la funcin que
aparece en el integrando.

Este va a ser nuestro mtodo para estudiar la integracin en varias variables. En primer
lugar se estudiar un problema que sirva de elemento motivador para la definicin de integral
doble y triple y, a continuacin, daremos las propiedades y mtodos prcticos para el clculo
efectivo de dichas integrales.

1. CONCEPTO DE INTEGRAL DOBLE.

Al concepto de integral doble de Riemann se puede llegar mediante el problema de
calcular el volumen V del cuerpo cilndrico de la siguiente figura
3
:

El cuerpo cilndrico est delimitado por el plano XOY, una superficie , con
, y las generatrices que se apoyan en D son paralelas al eje OZ.

Dividimos D en un nmero de zonas disjuntas, que las llamaremos regiones
elementales,
, ,
con reas respectivas
, ,
. Para cada zona elemental

construimos un cuerpo cilndrico con generatrices paralelas al eje OZ:

3
Existen diferencias entre los distintos textos a la hora de introducir el concepto de integral doble.
Nosotros vamos a seguir el mtodo que emplea KRASNOV, M. et al, Curso de matemticas superiores
para Ingenieros, Vol. 2, pg. 294 y siguientes.

Como resultado de este proceso el cuerpo original queda dividido en n cuerpos
cilndricos elementales. Si sustituimos el k-simo cilindro elemental por el cilindro
que tiene
la misma base y altura igual a
siendo
cualquier punto de
, el volumen de
es:

Por lo tanto, una aproximacin del volumen total sera:

Si hacemos la particin cada vez ms fina, es decir, subdividimos todas y cada una de
estas regiones elementales, tendremos aproximaciones ms exactas del volumen del cuerpo
cilndrico. La integral doble de , sobre la regin D ser el lmite de estas sumas cuando
las particiones se hacen ms finas y medir el volumen V del cuerpo cilndrico considerado.

DEFINICION. Sea , una funcin acotada sobre D conjunto compacto de
(acotado
y conteniendo a su frontera) que se divide en regiones elementales
de rea
.

Se define el dimetro de
como:

Sup
,
,

Sea:
d el mayor dimetro de las regiones

si existe:
lim
con

que no depende del procedimiento empleado para dividir la regin D en zonas elementales ni
de la eleccin de los puntos
en
. A dicho lmite se le llama integral doble de la

funcin , sobre la regin D y se denota por cualquiera de los siguientes smbolos:
,
; ,

Por lo tanto, el volumen V del cuerpo cilndrico que hemos tomado como ejemplo para
introducir el concepto de integral doble ser ,
. Si en la regin D la
funcin , tomase valores positivos y negativos, entonces ,

representara la suma algebraica de los volmenes elementales, de tal forma que aquellas
partes del cuerpo que se encuentran dispuestas por encima del plano XOY tienen signo
positivo mientras que las partes que se sitan por debajo del plano OXY tienen signo negativo.
NOTA. En principio pudiera parece que cualquier funcin acotada , sobre el compacto D
va a ser integrable en el sentido que acabamos de ver, pero esto no as. Por ejemplo, sea
0,1 0,1 y ,
1 si ,
0 en los dems casos
, esta funcin no es integrable puesto
que lim
va a depender de la eleccin que se haga en cada momento del

punto
.

2. CONDICIONES SUFICIENTES DE INTEGRABILIDAD.

De la forma que se ha introducido el concepto de integral doble se desprende
intuitivamente que si , es una funcin continua entonces existe ,
.

TEOREMA. Si , es continua en un dominio cerrado y acotado entonces es integrable en
este dominio
4
.

Sin embargo, no es obligatorio exigir la continuidad sobre D de la funcin , para
asegurar la existencia de ,
. Por ejemplo, si , es discontinua sobre una

curva C contenida en D, como se muestra en el siguiente dibujo:

4
Una demostracin de este teorema puede verse en DE BURGOS ROMN, Clculo infinitesimal de varias
variables, pg. 210.

parece clara la existencia del volumen definido por la superficie discontinua , con el
plano OXY. Es decir, si el conjunto de discontinuidades de la funcin , se reduce a un
conjunto finito de curvas en el compacto D, podemos afirmar la existencia de
,
.

Asimismo, podemos afirmar que dada dos funciones integrables , y , tales
que , , , , salvo quizs para un nmero finito de curvas en D,
entonces ,
.

3. PROPIEDADES DE LA INTEGRAL DOBLE.

Las integrales dobles tienen bsicamente las mismas propiedades que las integrales
simples, si bien adaptadas a un dominio en dos dimensiones. Las principales propiedades,
suponiendo la existencia de todas las integrales que aparecen son
5
:

1. Propiedad lineal.
, ,

con
2. Conservacin de la monotona.
Si , se verifica que , , entonces:

5
Estas propiedades se desprenden casi todas ellas inmediatamente de la propia definicin. De todas
formas, en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 214 y siguientes, pueden
verse las demostraciones que aqu enunciamos.
,

3. Caso particular de conservacin de la monotona.
,
|, |

4. rea de una regin plana.
El rea de una regin plana D es la integral doble sobre dicho dominio de la funcin
unidad.

5. Aditividad de las regiones.
Sean
dos dominios tales que
no tiene puntos
interiores comunes, entonces:
,

6. Estimacin de la integral.
Sean M y m una cota superior e inferior de , en D respectivamente, entonces:
,

siendo A el rea de D.
7. Teorema del valor medio para integrales dobles.
Si , es continua en un dominio cerrado y acotado D existe un punto

tal que:
,

siendo A el rea de D.
Al valor
se llama valor medio de , en el dominio D.

4. CLCULO EFECTIVO DE LA INTEGRAL DOBLE.

En la prctica, el clculo efectivo de una integral doble se realiza haciendo dos
integrales simples
6
. La tcnica a seguir es distinta dependiendo de la expresin de ,
pero, sobre todo, de la forma de la regin D sobre la que se integra. En este apartado, vamos a
describir tres tcnicas de integracin en funcin de la forma que adopta la regin D.

En todo el apartado vamos a considerar la situacin ms usual que consiste en suponer
la continuidad de la funcin , y de las funciones que delimitan las fronteras de la regin
de integracin D, si bien sera suficiente con exigir que estas funciones fueran integrables
7
.

4.1. Teorema de Fubini.

El caso ms sencillo es aqul en el que el recinto de integracin D es un rectngulo. En
este caso aplicamos el conocido teorema de Fubini.

Antes de exponer este teorema hay que aclarar la notacin que vamos a seguir en este
curso.

Cuando se escribe ,
no se est dando ningn orden de integracin, es

decir, lo mismo se hubiera podido escribir ,
. El motivo de que nunca se ponga

esta ltima expresin es por guardar el orden alfabtico.

En cambio, si ponemos
s estamos estableciendo un orden a la hora

de integrar. Primero se hace
, donde la x se considera como una constante:

49
2
25
2
12

posteriormente, se hace la integral respecto de x. As:

12
32 4 28

6
En SALAS HILLE ETGEN, Calculus. Una y varias variables, Vol. II, pgs. 962 a 964 pueden verse
algunos ejemplos de clculo de la integral doble usando directamente la definicin pero, salvo que las
funciones a integrar sean muy sencillas, es una tarea bastante complicada.
7
Ver DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 264.
Resulta frecuente ver cualquiera de estas tres notaciones:

las tres dicen lo mismo, primero se integra respecto de y, considerando x como una constante,
y el resultado se integra respecto de x.

Anlogamente:
,

TEOREMA DE FUBINI
8
. Sea D un rectngulo cerrado con los lados paralelos a los ejes de
coordenadas , , :

y , una funcin continua en D, entonces:
,

NOTA. Observamos que ,
se puede hallar de dos formas diferentes; una

integrando primero respecto de y, despus respecto de x, y al revs. Aunque el resultado es el
mismo, puede ocurrir que un orden de integracin sea mucho ms difcil que el otro. Tambin
es posible que, con un determinado orden de integracin, sea imposible calcular la integral
doble por mtodos elementales mientras que si cambiamos el orden sea factible obtener cada
una de las primitivas.

4.2. Integracin vertical.

Supongamos que la regin D est limitada inferior y superiormente por las curvas
continuas
con respectivamente, de forma que la regin D

no tiene huecos, tal y como se muestran en las siguientes figuras:

8
La demostracin de este teorema puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 325.

Si , es continua en D se tiene que
9
:
,

4.3. Integracin horizontal.

Supongamos ahora que existen dos curvas continuas
con
delimitando a la regin D, de forma que sta no tiene huecos, tal y como se
muestran en las siguientes figuras:

Si , es continua en D se tiene:
,

NOTA 1. Es frecuente que una misma regin D se adapte tanto a una a una integracin vertical
como horizontal, en estos casos, no sera extrao cambiar el tipo de integracin (de horizontal
a vertical o al revs) a fin de facilitar, o incluso posibilitar, el clculo de las respectivas
integrales simples.
NOTA 2. Si el dominio D tiene la forma de la siguiente figura:

9
La demostracin de este resultado puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 332.

la regin no se adapta para poder aplicar una integracin vertical ni horizontal. En estos casos
se suele dividir la regin D en subregiones adecuadas y sumaramos las integrales obtenidas
sobre las distintas subregiones. En este caso concreto, tambin se podra hacer:
,

5. CAMBIO DE VARIABLE EN LA INTEGRAL DOBLE.

Se supone conocida la forma de proceder en los cambios de variable para una integral
definida simple. Pero veamos con detenimiento dicho proceso.

Por ejemplo, sea la integral:

si hacemos el cambio de variable 2 4, la nueva integral a resolver sera:
2 4
2

Es decir, lo que hemos hecho es sustituir la x por su expresin respecto de t al tiempo
que se cambian los lmites de integracin segn la relacin:
6 1
2 1

Adems aparece en el integrando el factor 2 que representa la compensacin por la
diferencia de longitud que ha sufrido el intervalo de integracin al pasar de la variable x a la
variable t.

En la integracin en varias variables se produce un proceso anlogo.
TEOREMA. Sea el cambio de variable
,
,
, es decir, y son funciones continuas,
con derivadas parciales continuas y tal que a cada punto , le corresponde otro punto
, y al revs. Entonces si , es integrable en D se tiene:
,
, , , |, |

donde D* es la regin que se transforma en D por el cambio de variable y |, | es el valor
absoluto del jacobiano, es decir, el valor absoluto de
.

La demostracin de este teorema no es fcil
10
, sin embargo, tiene importantes
aplicaciones en el clculo prctico de integrales dobles puesto que nos puede permitir cambiar
un recinto de integracin complicado D por otro D* ms fcil de integrar
11
.

6. CAMBIO DE VARIABLE A COORDENADAS POLARES.

Al tratar de resolver una integral doble el cambio de variables que se realiza con ms
frecuencia es, sin duda, el paso de coordenadas cartesianas a polares:
cos
sen

cuyo jacobiano es
.

Este cambio est indicado para regiones tales como: crculos, cardioides, curvas de
ptalos o expresiones del tipo
etc. Debido a la frecuencia de este cambio de variable

vamos a realizar un estudio detallado del mismo.

El prototipo de dominio D que se adapta perfectamente a un cambio de coordenadas
polares es el siguiente:

10
Ver pg. 271 de DE BURGOS ROMN, Clculo infinitesimal de varias variables.
11
Adems, hay que sealar que en un cambio de variable como el sealado en este teorema las curvas
que delimitan la frontera del compacto D* se transforman en curvas que delimitan la frontera de D, ver
GALINDO SOTO et al, Gua prctica de Clculo Infinitesimal en varias variables, pg. 253.

La regin D del dibujo es el resultado de transformar, por este cambio de variable, la
regin D*:

haciendo una integracin vertical sobre D* se obtiene:
,
cos , sen

El cambio a coordenadas polares sigue siendo vlido para regiones que puedan
considerarse como casos extremos al que hemos planteado como prototipo. As pues, si el
dominio de integracin D es del tipo:

y razonamos de la misma manera que en la situacin anterior, ahora no tenemos un cambio de
variable, en el sentido que hemos definido en el apartado 5 de este tema, puesto que la
transformacin no es uno a uno. Todos los puntos de la curva inferior
0 con
se transforma en el origen de coordenadas pero, como hemos comentado en el

apartado 2, lo que suceda a lo largo de una curva no afecta al valor de la integral.
Por lo tanto, en este caso podemos afirmar que:
,
cos , sen

Por la misma razn, para una regin del tipo:

el cambio a polares implicara que:
,
cos , sen

Si la regin D fuera:

el cambio a polares llevara a la siguiente igualdad:
,
cos , sen

NOTA. Pocas veces ocurre que la regin D se preste a que sea ms fcil expresar en funcin
de . De todos modos, si fuera ste el caso, habra que precisar unos valores adecuados de
tales que pudiera escribirse una expresin del siguiente tipo:

,
cos , sen

7. INTEGRAL TRIPLE.

Al concepto de integral triple se llega de forma natural al tratar de hallar la masa de un
cuerpo slido de densidad variable
12
.

Sea un cuerpo de
3
tal que en cada punto , , su distribucin de masas viene
dada por la funcin , , . Dividamos en regiones elementales
, ,
con
volmenes respectivos
, ,
:

En cada regin elemental
elegimos un punto arbitrario
, adems,
suponemos que en la regin
la densidad es constante e igual a
.

Una aproximacin a la masa total M de sera:

Si hacemos las particiones cada vez ms finas, es decir, subdividimos todas y cada una
de estas regiones elementales, obtenemos aproximaciones ms exactas de la masa de . La
integral triple sobre la regin ser el lmite de estas sumas cuando la particin se hace cada
vez ms fina, es decir, ser la masa M.

12
Seguimos la introduccin que utiliza KRASNOV, M. et al, Curso de matemticas superiores para
Ingenieros, Vol. 2, pg. 325 y siguientes.
DEFINICION. Sea , , una funcin acotada sobre la regin conjunto compacto de
(acotado y conteniendo a su frontera). Dividamos en regiones elementales
de
volumen
. Se define el dimetro de
como:

Sup
,
,
sea:
d el mayor dimetro de las regiones

Si existe:
lim
con

que no depende del procedimiento empleado para cubicar la regin en zonas elementales ni
de la eleccin de los puntos
en
, a este lmite se llama integral triple de

, , sobre y se designa por cualquiera de los siguientes smbolos:
, ,
; , ,

Como se puede observar, en esencia, la definicin de integral triple es la misma que la
integral doble cambiando el compacto
por
. As, con los mismos argumentos

que se vieron para la integral doble podemos asegurar lo siguiente:

TEOREMA. Si la funcin , , est acotada sobre y las discontinuidades de , ,
se encuentra situadas en una superficie, entonces existe , ,
.

8. PROPIEDADES DE LA INTEGRAL TRIPLE.

Las propiedades de la integral triple vienen a repetir las que ya se enunciaron para la
integral doble. As pues, si suponemos la existencia de las integrales de , , y , ,
sobre , entre otras, podemos enunciar las siguientes:
, , , ,
, ,
, ,

, ,
, ,

con .
2. Conservacin de la monotona.
Si , , se verifica que , , , , entonces:
, ,
, ,

3. Caso particular de conservacin de la monotona.
, ,
|, , |

4. Volumen de un cuerpo.
El volumen V de un cuerpo es la integral triple sobre dicho dominio de la funcin
unidad.

5. Aditividad de las regiones.
Sean
dos dominios tales que
y la interseccin de ambas no tiene

puntos interiores comunes, entonces:
, ,
, ,
, ,

6. Estimacin de la integral.
Sean M y m una cota superior e inferior de , , sobre respectivamente,
entonces:
, ,

siendo V el volumen de .
7. Teorema del valor medio para integrales triples.
Si , , es continua en el dominio cerrado y acotado , existe un punto
tal que:
, ,

siendo V el volumen de .
Al valor
se llama valor medio de , , en el dominio .

9. CLCULO EFECTIVO DE LA INTEGRAL TRIPLE.

En la prctica, el clculo efectivo de la integral triple se reduce a resolver tres
integrales simples.

El teorema de Fubini sigue siendo cierto para las variables triples.

TEOREMA DE FUBINI
13
. Sea un cubo cerrado con los lados paralelos a los ejes de
coordenadas
y , , una funcin continua en ,

entonces se verifica la igualdad respecto de los seis posibles rdenes de integracin:
, ,
, ,
, ,

Otro tipo de regin cuya integral triple se calcula fcilmente es la que aparece en el
siguiente dibujo:

la regin est definida por el conjunto de puntos , , tales que , y la
coordenada z est delimitada entre dos superficies
, . En este caso, el

13
La demostracin del teorema de Fubini para el caso general, no slo para el caso de integrales dobles,
puede verse en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 230.
clculo de la integral triple se reduce a una integral doble mediante la proyeccin de sobre el
plano XOY, previa integracin sobre la variable z
14
. Es decir:
, , , ,
,

Por ejemplo, para calcular , ,
donde es la esfera de radio

unidad centrada en el origen, tal y como se muestra en el siguiente dibujo:

podra hacerse del siguiente modo:
, ,

donde D el crculo unidad centrado en el origen.

10. CAMBIO DE VARIABLE EN LA INTEGRAL TRIPLE.

El cambio de variable en la integral triple presenta las mismas peculiaridades que
comentbamos en las integrales dobles, por lo que son vlidas todas las consideraciones que
hicimos cuando se estudi el problema de cambio de variable en las integrales dobles.

En las integrales triples son dos los cambios de variables que se realizan con ms
frecuencia, el cambio a coordenadas cilndricas y a coordenadas esfricas.

14
En MARTNEZ SAGARZAZU, Clculo Integral. Aplicaciones y ejercicios, pg. 134 y siguientes, pueden
verse ejemplos de regiones que se proyectan sobre los restantes planos coordenados.
10.1. Cambio de variable a coordenadas cilndricas.

Este cambio de variable puede resultar til en un dominio formado o delimitado por
una superficie de revolucin de eje OZ o cuando en la funcin a integrar aparece la expresin
etc.

El cambio de variable viene definido por las expresiones:
cos
sen

con 0 y 0 2.

Grficamente, la interpretacin de las coordenadas y pueden verse en el siguiente
dibujo:

El jacobiano del cambio de variable es . Luego:
, ,
cos , sen ,

10.2. Cambio de variable a coordenadas esfricas.

El cambio de variable a coordenadas esfricas puede resultar til para dominios de
integracin limitados por superficies esfricas o cnicas.

La formulacin ms frecuente del cambio a coordenadas esfricas es:
sencos
sensen
cos

con 0, 0 y 0 2.
Grficamente, la interpretacin de las coordenadas , y puede verse en el
siguiente dibujo:

El jacobiano del cambio de variable es
sen. Luego:
, ,
sencos , sensen , cos
sen



tener acceso.





2008.
MADRID, 1996.
KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, Vol. 1 y 2, Ed. MIR. 1990.
MARTNEZ SAGARZAZU, E.: Clculo Integral. Aplicaciones y ejercicios, Edita la Universidad del
Pas Vasco, 1993.
SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol. I, cuarta edicin, Revert, 2002.

TEMA 6
INTEGRAL DE LNEA

Antes de comenzar con el estudio de las integrales de lnea sera conveniente repasar
la Prctica 4 correspondiente a la parte de la asignatura diseada con el ordenador.

En la integracin en varias variables, las regiones en donde se integraba eran
compactos de
. En el presente tema, el recinto de integracin va a ser un trozo de

curva en el plano o el espacio.

En primer lugar, hay que destacar que van a existir dos tipos de integrales de lnea en
funcin de que la funcin a integrar sea escalar o vectorial. Por ejemplo, y aunque sea
anticipar un poco el desarrollo del tema, si es una curva en el plano, las siguientes integrales
de lnea:

lo que tienen en comn es el recinto en donde se integra, la curva , pero se resuelven de
distinta forma y miden cosas distintas.

En
, la funcin a integrar ,
es una funcin escalar :
.

Por el contrario, en
la funcin a integrar ,
,
es un campo vectorial :
.

Por lo tanto, antes de resolver una integral curvilnea o aplicar cualquiera de sus
propiedades hay que distinguir si la funcin a integrar es escalar o si se trata de un campo
vectorial.

Por otra parte, el mtodo que vamos a seguir para estudiar las integrales de lnea va a
ser el mismo que el mantenido en las integrales dobles y triples. Primero estudiaremos un
problema fsico que sirva de motivacin para definir un determinado tipo de integral de lnea
y, a continuacin, daremos las propiedades de dicha integral de lnea.
Aqu no tiene sentido detallar ningn tipo de tcnica de integracin. La propia
definicin de integral de lnea nos dice cul va a ser la integral simple que tengamos que
resolver.

1. ALGUNAS NOCIONES SOBRE CURVAS PARAMETRIZADAS.

En la Prctica 4 de la asignatura usamos el Mathematica para asimilar intuitivamente
conceptos bsicos de las curvas parametrizadas como son: sentido de recorrido de una curva,
reparametrizaciones de una curva, parametrizacin de un segmento rectilneo, etc., por lo que
sera conveniente una lectura, aunque sea ligera, de dicha prctica.

El tipo de curva que va a aparecer a lo largo del tema va a ser la imagen de una
funcin continua definida sobre el intervalo compacto , de la recta real. Adems, va ser
regular a trozos.

DEFINICIN. Sea la curva parametrizada : ,
(con 2 3). Se dice que es una

curva regular a trozos (o tambin suave a trozos) si existe y es continua
con

para todo , salvo quizs en algn conjunto finito de puntos.

As pues, en una curva regular a trozos tenemos asegurado la existencia de un vector
tangente
en cada punto de la curva salvo, a lo ms, en un conjunto finito de puntos.

Por ejemplo, la siguiente curva definida en el intervalo 0,2:

sen , cos si 0,

2
2
, 2 si
2
, 2

es una curva continua suave a trozos ya que slo en

no existe
, como se muestra en
el siguiente dibujo:

Para una curva suave a trozos es fcil demostrar que la longitud L de dicha curva viene
dada por la expresin
1
:
|

Por ejemplo, una parametrizacin de la semicircunferencia de radio 2 puede ser:
2cos , 2sen con 0,
luego su longitud es:
|2sen , 2cos |
2

Hay que observar que la frmula para hallar la longitud de una curva es vlida tanto en
el plano como en el espacio. Por ejemplo, el trozo de recta que une los puntos 2,1, 1 y
0, 2,1 puede tener la siguiente parametrizacin:
2 2, 1 3, 1 2 con 0,1
y su longitud ser:
|2, 3,2|
17
17

2. INTEGRAL DE LNEA DE UNA FUNCIN REAL.

Al concepto de integral de lnea de una funcin real se llega de forma natural cuando
tratamos de hallar la masa de un alambre de densidad variable.

Sea un alambre dispuesto en el plano (tambin podramos situar el alambre en el
espacio) segn una curva definida por la parametrizacin:
, con ,

Sea , la distribucin de densidad lineal para cada punto , del alambre.

Si realizamos una particin del alambre del siguiente modo:

1
La demostracin de este resultado puede verse en SALAS HILLE ETGEN, Calculus. Una y varias
variables, Vol. II, pg. 796.

y suponemos que la masa es constante en cada trozo de la particin, la masa del trozo i-simo
ser:

siendo
cualquier punto del trozo i-simo de curva y
su longitud. Por lo tanto:

por el teorema del valor medio para integrales, existe
con
tal que:
|

como
era un punto cualquiera del trozo i-simo de la curva, tomamos
,
por lo tanto:

y una aproximacin a la masa total ser:

con
.

Cada vez que hagamos una participacin ms fina de la curva, o lo que es lo mismo del
intervalo , , tenemos una mejor aproximacin de la masa total del alambre; luego su masa
M ser:
lim

pero lo anterior es la expresin de una integral simple
2
, es decir, la masa M del alambre es:
|

De todo lo anterior se comprende que no resulta para nada artificial ni caprichosa la
siguiente definicin de integral de lnea para funciones escalares.

2
Ver en la introduccin del Tema anterior cmo se pasaba del lmite de una sumatoria a la expresin
integral.
DEFINICION. Sea el intervalo compacto , y : ,
una curva suave a trozos.

Sea una funcin :
continua definida en un abierto que contenga a la curva . Se llama

integral de lnea de la funcin escalar f a lo largo de
3
, y se nota por ,
a la
siguiente integral:
,

La misma definicin es vlida para curvas : ,
definidas en el espacio y
funciones escalares definidas en conjuntos que contenga a la curva :
, ,

2.1. Propiedades de la integral de lnea de funciones escalares.

Las propiedades de la integral de lnea de una funcin escalar se deducen de forma
inmediata de las propiedades de la integral simple. Entre las principales podemos citar:

1. La integral de lnea de una funcin escalar es invariante ante distintas
parametrizaciones de la misma curva, siempre que se pase el mismo nmero de veces
por cada punto. Incluso resulta invariante para parametrizaciones que inviertan el
sentido de recorrido de la curva
4
.
, ,

con .
3. Monotona de la integral.
Si , , , entonces

3
En algunos textos tambin se denomina integral de lnea de primera especie de la funcin f sobre la
curva .
4
A este respecto ver los comentarios en GALINDO SOTO et al, Gua prctica de Clculo Infinitesimal en
varias variables, pgs. 352 y 353.
,

4. Caso particular de conservacin de la monotona:
,
|, |

5. Longitud de una curva parametrizada.
La longitud L de una curva es la integral de lnea de la funcin unidad:
1

6. Aditividad de los trozos de curva.
Si una curva se divide en dos trozos
, entonces:
,

7. Teorema del valor medio para integrales de lnea de funciones escalares.
Enfatizamos que , debe ser continua. Entonces, existe un punto de la curva
tal que
,

siendo L la longitud de .

Todas estas propiedades son validas para curvas en el espacio y funciones :

cambiado, en donde corresponda, , por , , .

3. INTEGRAL DE LNEA DE UN CAMPO VECTORIAL.

Ahora pretendemos calcular el trabajo que se realiza al mover un objeto a lo largo de
una curva . Para ello, vamos a razonar sobre el plano (aunque no existira diferencia alguna si
situamos la curva en el espacio) y pasaremos de situaciones muy simples a otras ms
complejas.

De fsica elemental se sabe que si una fuerza constante F mueve un objeto una
distancia d, en lnea recta, el trabajo W efectuado es:

Si consideramos las anteriores magnitudes en su dimensin vectorial, el trabajo
realizado por la fuerza constante
que desplaza un objeto a travs de un trayecto en lnea

recta representado por :

viene dado por el siguiente producto escalar:

|| cos

Para calcular el trabajo que realiza una fuerza , , continua pero variable en cada
punto, al mover un objeto a lo largo de la curva , con , , realizamos el siguiente
razonamiento.

Sea una particin de la curva (o del intervalo , ) y suponemos que en cada trozo de
la curva la fuerza es constante e igual a
siendo
cualquier punto del trozo i-

simo de la curva. Asimismo, suponemos que el recorrido se realiza en la direccin del vector
tangente unitario a la curva en este punto
segn el siguiente dibujo:

Una aproximacin al trabajo realizado en el trozo i-simo sera:

siendo
la longitud del trozo de curva.

Razonando de la misma forma que en el apartado anterior sobre la longitud del trozo i-
simo de la curva:

y por el teorema del valor medio para integrales, existe
tal que:

tomando como
se tiene:
|
|

Por lo tanto, el trabajo realizado por el campo de fuerzas , al mover un objeto a
lo largo de la curva ser el lmite, cuando la particin se hace cada vez ms fina, de de la
suma de los trabajos correspondientes a cada trozo de curva:
lim
lim

Esta ltima integral va a ser precisamente la definicin de integral de lnea de un
campo vectorial.

DEFINICION. Sea el intervalo compacto , y : ,
una curva suave a trozos.

Sea el campo vectorial :
continuo y definido en un abierto que contenga a la curva

, se llama integral de lnea del campo vectorial F a lo largo de
5
, y se nota por
, a la
siguiente integral:

La misma definicin es vlida para curvas definidas en el espacio : ,
y
campos vectoriales definidos en conjuntos que contenga a la curva .

NOTA. En coherencia con la notacin mantenida por nosotros, la integral de lnea del campo
vectorial F se debera haber notado por
. Sin embargo, en la mayora de los libros,

cuando tratan este tipo de integrales, al vector de posicin de la curva, que hasta ahora lo
hemos venido llamando , lo denota como .

5
En algunos textos tambin se denomina integral de lnea de segunda especie de la funcin F sobre la
curva .
3.1. Otra forma de escribir la integral de lnea de un campo vectorial.

Supongamos el campo vectorial ,
, , en muchos textos
observaremos que para indicar la integral de lnea de F sobre la curva , en lugar de escribir

, se nota
. Veamos que, en realidad, es la misma expresin.

Si
y , :

, ,
, ,

que se suele poner de forma simplificada:

En
se notara:

3.2. Propiedades de la integral de lnea de campos vectoriales.

Destacamos las siguientes propiedades de la integral de lnea de un campo vectorial:

1. Igualdad ante las parametrizaciones de que conservan el sentido de recorrido
6
.
El valor de
no vara para cualquier parametrizacin de siempre que

conserve el sentido de recorrido de la curva.
Por el contrario, si es la misma curva que pero recorrida en sentido contrario,
entonces se tiene que

.
Esta propiedad se corresponde perfectamente con la interpretacin fsica que dimos
para motivar la definicin de este tipo de integral, puesto que al cambiar el sentido de

6
La demostracin de esta propiedad puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 426.
recorrido por la curva, el trabajo del campo de fuerzas a lo largo de la misma cambia
de signo.

con , .
Si la curva se divide en dos trozos
, entonces:

4. TEOREMA DE GREEN.

Aunque parezca extrao, existe relacin entre la integral de lnea una curva cerrada y
la integral doble sobre la regin que encierra dicha curva. Adems, esta relacin tiene
aplicaciones importantes en el mundo de la ingeniera.

Para usar el teorema de Green es necesario que la curva que sirve de frontera a la
regin sea cerrada y simple como aparece en el siguiente dibujo:

DEFINICIN. Una curva con , se dice cerrada si . Cuando la curva es
cerrada a la integral de lnea sobre dicha curva se le suele denotar por el smbolo
.

DEFINICIN. La curva se dice cerrada y simple si es cerrada y no tiene puntos dobles salvo
los puntos inicial y final.

TEOREMA DE GREEN. Sea una curva continua en el plano cerrada, simple y suave a trozos,
sea D la regin delimitada por . Adems, suponemos que curva se recorre de tal
manera que la regin D queda siempre a su izquierda. Sea la funcin vectorial
con
continuas y con derivadas parciales continuas en una regin abierta que contiene a D,
entonces
7
:

El teorema de Green tambin es cierto para regiones con huecos parametrizando de
forma adecuada las regiones que delimitan dichos huecos
8
.

COROLARIO. Si consideramos el campo vectorial , , de forma inmediata se
deduce que el rea de la regin D delimitada por la curva continua cerrada, simple y
suave a trozos se obtiene de la siguiente integral de lnea:
1
2

5. TEOREMA FUNDAMENTAL DE LA INTEGRAL DE LNEA EN
.

Una de las principales dificultades para calcular la integral
consiste en
parametrizar la curva . En este apartado vamos a ver que para determinados campos
vectoriales es posible obtener el valor de esta integral sin necesidad de parametrizar la curva
sobre la que se integra. Slo tendremos que tener en cuenta el punto inicial y final de la curva
lo que supone una generalizacin de la conocida regla de Barrow en las integrales simples.

Por ejemplo, y aunque sea adelantar los resultados que vamos a desarrollar a
continuacin, si tenemos que hallar la integral
donde , 2
, 4 y la
espiral del dibujo:

7
La demostracin de este teorema puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 501.
8
Ver MARSDEN y TROMBA, Clculo vectorial, pg. 503.
tendramos que parametrizar la curva y despus resolver una integral que se adivina bastante
complicada. Sin embargo, este problema tambin se puede resolver calculando previamente
una funcin potencial de , (primitiva en el lenguaje de las integrales simples) que, segn
veremos, puede ser , 2
, posteriormente evaluaremos esta funcin potencial en

los puntos inicial y final de la curva:

,,
,,

0
pero para poder aplicar este procedimiento se necesita que el campo vectorial F sea
conservativo. Todos estos conceptos los vamos a desarrollar a lo largo de este apartado.

5.1. Campos vectoriales conservativos en
.

Sea la funcin diferenciable :
, se define gradiente de f y se denota por

, al vector
9
:
,

DEFINICIN. El campo vectorial :
, se dice conservativo si existe una funcin

diferenciable :
tal que . En este caso, a la funcin escalar , se llama

funcin potencial de F.

As pues, cuando intentemos calcular
, sin necesidad de parametrizar la curva

, lo primero que hay que comprobar es si el campo , es conservativo, dicha cuestin se
contesta en el teorema que daremos a continuacin, pero antes hay que hacer una precisin
sobre el tipo de regin al que se refiere el teorema.

Una regin
se dice simplemente conexa si para cada curva cerrada simple

contenida en D, la regin interior de est contenida en D. En el siguiente dibujo hacemos una
distincin entre distintas nomenclaturas que pueden prestarse a confusin.

9
El gradiente de una funcin diferenciable tiene importantes aplicaciones prcticas. Para ver algunas de
ellas se puede consultar LARSON ROLAND et al, Clculo. Vol. 2, pg. 1040 y siguientes.

TEOREMA
10
. Sea la funcin vectorial :
tal que
tienen derivadas
parciales continuas en el dominio abierto y simplemente conexo D. Entonces el campo
,
, ,
, es conservativo si y solo si:

Una vez que sepamos que el campo vectorial , es conservativo hay que calcular
la funcin potencial :
tal que
. Es decir, encontrar una funcin ,

tal que:

Si partimos de la igualdad
(el proceso es simtrico si se empieza desde la otra

igualdad
) entonces estaramos tentados a poner:

,
,
,

con lo que se quiere decir que ,
, . Pero la constante C puede ser

realmente una constante o bien una funcin que depende de y. En ambos casos se cumple que
,
, . Luego sera ms correcto poner:

,
,
,

donde , es conocida puesto que se ha obtenido integrando
, y es, por el
momento, desconocida.

10
La demostracin de este teorema puede verse en SALAS HILLE ETGEN, Calculus. Una y varias
variables, Vol. II, pg. 944.
Para obtener utilizamos la segunda igualdad de la que partimos

En definitiva, si , es un campo conservativo su funcin potencial es:
,

En la prctica, resulta ms fcil seguir los pasos que hemos seguido para hallar esta
expresin que memorizarla. Adems, si hubiramos comenzado por la igualdad

hubiramos llegado a otra expresin simtrica a la anterior.

5.2. Regla de Barrow para la integral de lnea en
.

El siguiente teorema se denomina teorema fundamental de las integrales de lnea para
campos conservativos y supone una extensin de la conocida regla de Barrow en las integrales
simples.

TEOREMA
11
. Sea
un campo vectorial continuo en la regin abierta D. Sea una

curva continua suave a trozos contenida en D con punto inicial
y final
.
Entonces si F es conservativo, con funcin potencial , , se tiene:

,
,

Como resumen de todo lo que hemos dicho hasta ahora se puede deducir que, en
condiciones suficientemente regulares, es decir, :
con
con derivadas
parciales continuas en la regin abierta D simplemente conexa y continua y suave a trozos
incluida en D, son equivalentes las siguientes afirmaciones:
i)
en D.

11
La demostracin se puede ver en LARSON et al, Clculo, vol. 2, pg. 1189.
ii) F es conservativo en D.
iii)
es independiente del camino.

iv)
0 si es una curva cerrada.

6. TEOREMA FUNDAMENTAL DE LA INTEGRAL DE LNEA EN
.

Todo lo que se ha comentado en el epgrafe anterior para el plano es bsicamente
vlido en el espacio. As, para la funcin diferenciable :
se define el gradiente de f, y
se denota por , , , al vector:
, ,

Tambin, dado un campo vectorial :
, se dice conservativo si existe una

funcin diferenciable :
tal que , llamndose funcin potencial de F a la

funcin escalar , , .

Sin embargo, tanto desde el punto de vista conceptual como operativo algunos
conceptos presentan algo ms de dificultad. Por ejemplo, la extensin al espacio del concepto
de regin simplemente conexa sera aquella en la que toda curva cerrada y simple se puede
deformar de manera continua a un punto sin salirse de
12
.

Asimismo, la caracterizacin de los campos conservativos sobre dominios simplemente
conexos ya no es tan fcil como en el plano
13
. Ahora F tiene tres componentes

y para comprobar si es o no conservativo hay que, en general, acudir al concepto de rotacional
de un campo vectorial como veremos a continuacin.

Tambin debemos advertir que, en aras a la claridad, no vamos a ser muy precisos a la
hora de delimitar las hiptesis realmente necesarias para aplicar los teoremas que restan hasta
el final del tema. En particular, vamos a suponer que el conjunto de definicin del campo
vectorial F es lo suficientemente regular.

12
Ver SMITH y MINTON, Clculo, Vol. 2, pg. 420.
13
Recordar que en el plano consista en que
.
6.1. Rotacional de un campo vectorial.

Dado el campo vectorial diferenciable F en
, se define el rotacional de F y se denota

como (o tambin ) al campo vectorial siguiente:

que, utilizando una notacin simblica fcil de entender, tambin se expresa de la siguiente
manera:

Por ejemplo, sea el campo vectorial , , , , 1
14
:

0,1,

El rotacional de un campo vectorial tiene importantes interpretaciones fsicas
15
pero,
en este momento, nosotros lo vamos a utilizar para identificar qu campos de
son
conservativos.

TEOREMA. Sea
un campo vectorial definido en una esfera abierta del espacio

tal que
tiene derivadas parciales continuas

16
, entonces:
F es conservativo si y solo si 0

Por otra parte, una vez que se ha comprobado que F es conservativo, hay que calcular
la funcin potencial :
tal que . El mtodo es idntico que el seguido para

aunque los clculos resultan ms laboriosos.
Si :

14
Para calcular el rotacional de este campo vectorial con el Mathematica, en primer lugar, hay que
cargar el paquete:
Needs["VectorAnalysis`"]
despus se ejecutara la orden:
Curl[{z, x*y, 1}, Cartesian[x, y, z]]
15
Ver, por ejemplo, MARSDEN y TROMBA, Clculo vectorial, pgs. 292 y 519.
16
En SMITH y MINTON, Clculo, Vol. 2, pg. 391 puede verse un ejemplo de la necesidad de la
continuidad de las derivadas parciales de
para asegurar el resultado del teorema.


entonces:
, ,
, ,
, , ,

donde , , es el resultado de resolver la integral y , es una funcin desconocida
que se determinar utilizando las igualdades segunda y tercera. Asimismo, hay que sealar que
se puede empezar desde cualquiera de las tres igualdades del principio.

6.2. Regla de Barrow para la integral de lnea en
.

En el espacio sigue siendo cierto el teorema fundamental de las integrales de lnea.

TEOREMA. Sea
un campo vectorial continuo en la regin abierta
. Sea
una curva continua suave a trozos contenida en con punto inicial
y final
. Entonces, si F es conservativo con funcin potencial , , se tiene:

, ,
,

De modo semejante a lo que ocurra en el plano, podemos asegurar que si F es un
campo vectorial definido en
tal que
tienen derivadas parciales continuas y sea la

curva continua y suave a trozos, entonces son equivalentes las siguientes afirmaciones
17
:
i) 0
.
ii) F es conservativo.
iii)
es independiente del camino.

iv)
0 si es una curva cerrada.

17
La demostracin puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 531.


tener acceso.





MADRID, 1996.
SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol. II, cuarta edicin, Revert, 2002.
SMITH, R.T. y MINTON, R.B.: Clculo, Vol. 2, segunda edicin, McGraw-Hill, 2003.

TEMA 7
INTEGRAL DE SUPERFICIE

Antes de comenzar con el estudio de las integrales de superficie sera conveniente
repasar la Prctica 7 correspondiente a la parte de la asignatura diseada con el ordenador.

El estudio de la integral de superficie es muy parecido al que se hizo con motivo de la
integral de lnea, slo que ahora el recinto en donde se integra va a ser una superficie y no una
curva como en el tema anterior.

Al igual que ocurra con las integrales de lnea, van a existir dos tipos de integrales de
superficie segn que la funcin a integrar sea escalar o un campo vectorial.

El mtodo a seguir para estudiar las integrales de superficie va a ser el mismo que el
seguido para las integrales de lnea, de esta forma se aprecia con ms claridad la similitud
entre ambos tipos de integracin.

1. ALGUNAS NOCIONES SOBRE SUPERFICIES PARAMETRIZADAS.

Antes de comenzar con el estudio de la integral de superficie sera recomendable una
lectura, aunque sea ligera, de la Prctica 7 de la asignatura. En dicha prctica aprovechamos la
facilidad grfica del Mathematica para visualizar conceptos bsicos de la teora de superficies
paramentizadas. En especial, se recomienda la lectura sobre cada una de las caras de una
superficie parametrizada.

El tipo de superficie que aparece en este tema es el de una superficie parametrizada
regular a trozos. As pues, lo primero que vamos a hacer es delimitar la terminologa que
vamos a usar al referirnos a la regin que sirve de soporte para la integral de superficie.

DEFINICIN. Sea D una regin del plano delimitada por una curva cerrada y simple como la que
aparece en el siguiente dibujo:

Una superficie parametrizada S es una aplicacin continua definida en una regin

delimitada por una curva cerrada y simple en
.

Tambin es muy normal designar a la superficie S como la imagen de la anterior
aplicacin. Con este criterio se suele hablar de distintas parametrizaciones para una misma
superficie, en el sentido de que el conjunto imagen de las parametrizaciones es el mismo.

Por ejemplo, una parametrizacin de la semiesfera de radio uno podra ser:
, cos sen , sen sen , cos con , 0,2 0,

pero esta otra:
, cos sen , sen sen , cos con , 0,
0,2

tambin parametriza la misma semiesfera:


Si S es una superficie diferenciable o, con mayor precisin, si la funcin ,
, , , , , es diferenciable en cada punto , , entonces en cada punto
, de la misma existen los siguientes vectores:

y el producto vectorial de ambos:
,

El vector
, , o simplemente
, es un vector perpendicular a la
superficie S en el punto , , es decir,
es el vector director del plano tangente a la

superficie en dicho punto
1
.

Por ejemplo, sea la semiesfera unidad con parametrizacin:
, cos sen , sen sen , cos
entonces:
sen sen , cos sen , 0
cos cos , sen cos , sen

y
, cos sen
, sin sen
, sin cos

Si evaluamos en un punto concreto, podemos afirmar que el vector:
1
22
,
1
22
,
1
2

4
,
4

es perpendicular a la superficie S en el punto
.

En las integrales de superficie se suele exigir que S sea diferenciable y adems que
, con ello se asegura la existencia del plano tangente en cada punto de la misma lo
que, de forma intuitiva, viene a decir que , no tenga esquinas.

1
Una explicacin de que el vector
es perpendicular a la superficie puede verse en LARSON et al,

Clculo, Vol. 2, pg. 1211.

DEFINICIN. La superficie parametrizada S se dice regular (o suave) si S es una aplicacin
:
con
y tal que
son continuas en un abierto que contiene a

D.

En una superficie regular, al ser el producto vectorial
una aplicacin continua,

estamos asegurando que la superficie sea orientable, es decir, que tenga dos caras.

Por ejemplo, la superficie , , ,
con , 2,2 2,2

parametriza la cara interior de S. Para comprobarlo tomamos un punto cualquiera de S, por
ejemplo 1,1,2 1,1, el vector normal a la superficie en ese punto 2, 2,1
1,1 mira hacia dentro tal y como se muestra en el dibujo:

resulta inmediato comprobar que la parametrizacin , , ,
con ,
2,2 2,2 parametriza la cara exterior de la misma superficie.

DEFINICIN. Si la aplicacin :
es inyectiva se dice que S es una superficie

parametrizada simple.

Si exigimos que S sea una superficie simple evitamos que la parametrizacin se aplique
varias veces en los mismos puntos.

Para las superficies regulares y simples se define el rea de dicha superficie como
2
:
|

2
La justificacin de |
como el rea de S puede verse en MARSDEN y TROMBA,

Clculo vectorial, pg. 449.

Por ejemplo, una parametrizacin del tringulo formado por el plano 1
con los ejes coordenados:

puede ser:
, , , 1
con , siendo D la siguiente regin:

en este caso:
, 1,0, 1
, 0,1, 1
, 1,1,1

luego el rea del tringulo es:
|
3
2

DEFINICIN. La superficie S se dice regular a trozos (o suave a trozos) si

siendo cada una de las
superficies suaves.

Por ejemplo, un cubo ser una superficie suave a trozos ya que est delimitada por seis
trozos de plano que son superficies suaves.


2. INTEGRAL DE SUPERFICIE DE UNA FUNCIN ESCALAR.

Para motivar la definicin de integral de superficie de una funcin escalar intentemos
calcular la masa de una lmina S de densidad variable.

Supongamos que la lmina est dispuesta en el espacio segn la parametrizacin
, con ,
. Sea , , la densidad de cada punto de la lmina (densidad

medida en masa por unidad de rea).

Realizamos una particin
de la regin D, lo que dar lugar a la

correspondiente particin
, ,
de S con reas respectivas
, ,
tal y como aparece

en el dibujo:

Si suponemos que el trozo de lmina
tiene densidad constante e igual a
para cualquier punto
tenemos que la masa de este trozo

ser:
, |

usando el teorema del valor medio para integrales dobles, sabemos que existe un punto
tal que:
|
, |

luego, una aproximacin de la masa total M de la lmina ser:

Esta aproximacin ser tanto mejor cuanto ms fina sea la particin del dominio D o, lo
que es lo mismo, de la lmina S. Si notamos por d el dimetro de la particin:

lim

siempre que exista dicho lmite y no dependa de la particin realizada en D.

Pero esta ltima expresin es precisamente la definicin de una integral doble, luego:
,
, |

As pues, no nos extraar la definicin de integral de superficie de una funcin escalar
que daremos a continuacin. Adems, lo mismo que en las integrales de lnea se peda la
continuidad del integrando y la suavidad a trozos de la curva sobre la que se integraba para
asegurar la existencia de la integral, en las integrales de superficie tambin se imponen
determinadas restricciones para asegurar su existencia.

DEFINICIN. Sea S una superficie suave y , , una funcin escalar continua definida sobre
S. Se define la integral de , , sobre la superficie S, y se nota por , ,
, a la
siguiente integral:
, ,
, |

NOTA 1. La integral de superficie sobre una superficie suave a trozos
se
puede calcular sumando las integrales obtenidas sobre cada superficie suave
.

NOTA 2. En muchas ocasiones la superficie viene expresada explcitamente de la forma
, con , . En este caso, una parametrizacin inmediata de la superficie sera
, , , , con , . Entonces:
1,0,
0,1,
, 1

y la integral de , , sobre la superficie S puede expresarse de la siguiente manera:
, ,
, , ,


3. PROPIEDADES DE LA INTEGRAL DE SUPERFICIE DE FUNCIONES ESCALARES.

Las propiedades de la integral de superficie de una funcin escalar se deducen
inmediatamente de las propiedades de la integral doble. Algunas de las propiedades ms
importantes son:

1. Independencia de la parametrizacin.
La integral de superficie , ,
no depende de la parametrizacin elegida

para S ni de la cara que se haya parametrizado.
2. Linealidad.
, , , ,
, ,
, ,

con , .
3. rea de una superficie.
El rea de S se puede calcular como la integral de superficie de la funcin unidad.
rea de S = 1

4. Aditividad.
Si S es la unin de dos superficies parametrizadas
que no se intersecan,
excepto a lo largo de una curva que define sus fronteras, entonces:
, ,
, ,
, ,

5. Teorema del valor medio para integrales de superficie de funciones escalares.
Enfatizamos que , , ha de ser continua en S. Entonces, existe al menos un punto
tal que:
, ,

siendo A el rea de S.

4. INTEGRAL DE SUPERFICIE DE UN CAMPO VECTORIAL.

La nocin fsica de flujo, en sus diferentes manifestaciones, es la que subyace en el
concepto de integral de superficie de un campo vectorial, tambin llamada integral de flujo.

Por ejemplo, en un campo de fuerzas elctrico se define el flujo a travs de una
superficie como el nmero de lneas de fuerza que atraviesan dicha rea. Pues bien, su clculo
efectivo se realizar mediante la integral sobre la superficie del campo de fuerzas.

El ejemplo que vamos a desarrollar, para motivar la definicin de integral de superficie
de un campo vectorial, consiste en hallar el flujo de un lquido en movimiento a travs de una
superficie S inmersa en dicho lquido.

Sea una superficie S inmersa en un fluido que tiene un campo de velocidades continuo
F. Si F es constante y perpendicular a la superficie S, tal y como se muestra en el dibujo:

la cantidad de fluido que atraviesa esta superficie por unidad de tiempo (flujo de F a travs
de S) es igual a || , siendo A el rea de S. En definitiva, el flujo sera el volumen de
un cilindro cuya base est formada por la superficie S y la altura por ||.

Si suponemos que las lneas de fuerza no son perpendiculares a la superficie plana S, el
flujo ser el volumen de la siguiente figura:

si h es la altura del cilindro y A el rea de la superficie S:

|| cos
||

| ||

|


Si el campo de fuerzas no es constante ni la superficie es plana hagamos el siguiente
razonamiento. Sea :
una parametrizacin de la superficie, tomemos una

particin
, ,
de la regin D lo que implica la correspondiente divisin en la superficie
, ,
de reas respectivas
, ,
. Si suponemos que en el trozo k-simo el campo

vectorial es constante e igual a
siendo
cualquier punto de
y
consideramos que el trozo
es plano con vector director igual a
|

como
, |
, |
|

utilizando el teorema del valor medio para integrales dobles, existe un punto
tal
que:
|
|

por lo tanto, una aproximacin del flujo total sobre la superficie S ser:

Esta aproximacin ser tanto mejor cuanto ms fina sea la particin realizada, luego si
d es el dimetro de la particin:
lim

por consiguiente:
,
,
que va a ser la definicin de la integral de superficie del campo vectorial F.

DEFINICION. Sea la superficie suave S y el campo vectorial continuo :
, se define la
integral F sobre la superficie S, y se denota por
, a la siguiente integral:

NOTA 1. Esta integral tambin se suele notar como
, donde n es el vector normal

unitario:

|


NOTA 2. La integral de superficie sobre una superficie suave a trozos
se
puede calcular sumando las integrales obtenidas sobre cada superficie suave
.

5. PROPIEDADES DE LA INTEGRAL DE SUPERFICIE DE CAMPOS VECTORIALES.

Las propiedades de la integral de superficie de campos vectoriales se desprenden
fcilmente de su definicin.

1. La integral de superficie no depende de la parametrizacin elegida para la superficie
siempre que parametricen la misma cara.
Si
parametrizan distintas caras de la misma superficie, entonces la integral

cambia de signo:

2. Linealidad.

con , .
3. Si S se divide en dos partes
por medio de una curva suave, entonces:

6. TEOREMA DE LA DIVERGENCIA.

Segn vimos en el tema anterior, el teorema de Green estableca una igualdad entre la
integral de un campo vectorial sobre una lnea cerrada y simple con la integral doble sobre la
regin que encierra la curva. El teorema de la divergencia va a hacer algo muy parecido, va a
relacionar la integral de un campo vectorial sobre una superficie cerrada con la integral triple
del cuerpo slido que encierra dicha superficie.

Esta relacin se consigue a travs de la divergencia del campo vectorial a integrar.


6.1. Divergencia de un campo vectorial.

Sea F un campo vectorial diferenciable en
, se define la divergencia de F, y se
denota como (o tambin como ), a la funcin escalar siguiente:

Por ejemplo, para el campo vectorial , , , , 1 su divergencia ser
3
:

La divergencia de un campo vectorial tiene importantes interpretaciones fsicas que se
basan principalmente en el siguiente teorema
4
.

TEOREMA DE LA DIVERGENCIA. Sea una regin slida limitada por la superficie S suave a
trozos y parametrizada por la normal correspondiente a la cara exterior, segn el siguiente
dibujo:

Si F es un campo vectorial cuyas funciones componentes tienen derivadas parciales
continuas en , entonces
5
:

3
Para calcular con el Mathematica la divergencia de este campo vectorial, en primer lugar, hay que
cargar el paquete:
Needs["VectorAnalysis`"]
despus se ejecutara la orden:
Div[{z, x*y, 1}, Cartesian[x, y, z]]
4
En SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol II, pg. 1091 puede verse un ejemplo,
muy ilustrativo, sobre una primera interpretacin de la divergencia como medida de acumulacin o
alejamiento de un fluido en la proximidad de un punto.
5
La demostracin puede verse en SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol II, pg.
1096.

7. TEOREMA DE STOKES.

El teorema de Stokes constituye una generalizacin del teorema de Green para
superficies con borde en
. Este teorema relaciona la integral de un campo vectorial sobre

una curva cerrada con la integral del rotacional de dicho campo sobre cualquier superficie
cuyo borde sea precisamente esa curva.

La situacin es la que se visualiza en el siguiente dibujo:

La superficie parametrizada S est delimitada por una curva cerrada, simple y suave
a trozos. Adems, la superficie est parametrizada de tal manera que si ponemos los dedos de
la mano derecha sealando el sentido de recorrido de la curva el pulgar seala la direccin del
vector
.

En esta situacin, el Teorema de Stokes dice que si F es un campo vectorial cuyas
funciones componentes tienen derivadas parciales continuas en una regin abierta que
contiene a S y a , entonces se verifica:

Veamos a modo de resumen un ejemplo de integral de flujo.

Sea el campo vectorial , ,
, cos , y la superficie S definida por la

ecuacin 1
con 0. Se pide hallar
.

En primer lugar calculamos el rotacional de F:
, , 1 sen , 1,0


La superficie S tiene la siguiente representacin grfica:

Una parametrizacin de la superficie S podra ser:
, , , 1

con , , siendo D el crculo centrado en el origen de radio uno.

Este problema se puede resolver de tres maneras diferentes. En primer lugar, haciendo
la integral directamente:

1 sin1
, 1,0 2, 2, 1
2 2 2 sin1
0

Otra forma de resolver el problema sera utilizando el teorema de Stokes. El borde de
la superficie S es la circunferencia de radio 1:
cos , sin , 0
con 0,2. Entonces:
sen , cos , 0

cos
, 1, cos sen sen , cos , 0

cos
sen cos

0


Una tercera forma sera utilizando el teorema de Stokes de la siguiente manera:

siendo T la siguiente superficie:

cuya parametrizacin es:
, , , 0
con , siendo D el crculo centrado en el origen de radio uno.

1, 1,0 0,0,1
0

Sin duda, la integral ms sencilla se obtiene utilizando el ltimo mtodo.



tener acceso.




9. BIBLIOGRAFA.

Se recomienda la misma bibliografa que la del tema anterior correspondiente a las
integrales de lnea.
TEMA 8
INTRODUCCIN A LA VARIABLE COMPLEJA

Las matemticas que se estudian en primer y segundo curso de ingeniera versan
principalmente sobre funciones en una y varias variables. En concreto, el temario de la
presente asignatura fundamentalmente se refiere al conocimiento y manejo de las funciones
en varias variables.

Sin embargo, y as est previsto en los descriptores de esta asignatura, existen otros
captulos de las matemticas con importantes aplicaciones prcticas que el alumno debe
conocer, aunque sea de forma muy ligera pues las limitaciones de tiempo impiden el estudio
con la profundidad que la materia merece. Uno de estos captulos es precisamente el tema
que ahora nos ocupa sobre la Variable Compleja.

En los problemas de ingeniera, aunque se trabaje en el campo real, a menudo se
recurre a las tcnicas de variable compleja para resolver los problemas que se presentan pues,
como deca JACQUES HADAMAR, el camino ms corto entre dos verdades del anlisis real
pasa por el anlisis complejo
1
. El uso de tcnicas de variable compleja supone para el alumno
un rechazo que puede ser perfectamente paliado con unos conocimientos bsicos sobre el
comportamiento de las funciones de variable compleja.

Somos conscientes que, por lo general, en el momento en que se imparte esta
asignatura el alumno no tiene una base slida sobre el cuerpo complejo y las funciones usuales
que en l se definen. As pues, en el presente tema comenzamos dando unas ligeras nociones
sobre , continuamos con el estudio de la derivada para terminar con unas nociones muy
bsicas de la integracin compleja.

1. NMEROS COMPLEJOS.

CARDANO (1501-1576) ya mencionaba a las races de nmeros negativos como 1
llamndolas sofisticadas
2
, pero fue EULER en 1779
3
quien formaliz la notacin que se conoce

1
Cita tomada de IVORRA CASTILLO, Funciones de variable compleja.
2
RBNICOV, Historia de las matemticas, pg. 131.
en la actualidad utilizando el smbolo (unidad imaginaria) que tiene la propiedad de que
1. As, la ecuacin
1 0 tiene dos soluciones y .

Sin embargo fueron los trabajos de GAUSS (1777-1855) y CAUCHY (1789-1857) los que
introdujeron y fundamentaron las operaciones con los nmeros complejos de la forma .
DEFINICIN. Se define el conjunto de los nmeros complejos como aquellos nmeros z
basados en dos nmeros reales x e y. El nmero z se denota indistintamente por:

o tambin
4
:

A x se le denomina parte real del nmero complejo z, e y la parte imaginaria del
mismo nmero
5
:

En se define la suma y la multiplicacin de la siguiente manera:

En definitiva, las dos operaciones anteriores supone realizar las operaciones
algebraicas usuales de la suma y la multiplicacin con la precaucin de que cuando aparezca

se ha de sustituir por 1.

Por ejemplo:
2 3 1 2 2 3 11

Si asociamos el nmero real con el nmero complejo 0 podemos decir que los
nmeros complejos constituyen una extensin de los nmeros reales. Adems, las operaciones
de suma y producto definidas en extienden de forma natural a la suma y producto de los
nmeros reales, lo que induce a concluir que .

3
LEVINSON y REDHEFFER, Curso de variable compleja, pg. 1.
4
Para introducir la unidad imaginaria en el Mathematica basta con poner una I mayscula o bien el
smbolo de la ayuda .
5
En el Mathematica la parte real e imaginaria de un nmero complejo z se obtienen con las rdenes
Re[z] e Im[z] respectivamente.
Por lo tanto, vamos a notar al nmero imaginario 2 0 como 2 sin hacer ningn tipo
de distincin sobre si me refiero al nmero real o imaginario. Asimismo, notaremos por 3 al
nmero complejo 0 3 que llamaremos imaginario puro.

1.1. Representacin geomtrica de los nmeros complejos.

El nmero complejo viene determinado unvocamente por dos nmeros
reales x e y. Esta relacin nos permite identificar el cuerpo de los nmeros complejos con
:
,

As se habla del plano complejo . Pero hay que advertir aunque exista esta
identificacin geomtrica entre
y no son el mismo conjunto. En
no existe la
multiplicacin en el sentido que hemos indicado ms arriba.

1.2. Conjugado de un nmero complejo.

Existe una funcin especial dentro del conjunto de los nmeros complejos que deja
fijos a los nmeros reales, se trata de la conjugacin.

DEFINICIN. Sea , se define el conjugado de z, y se denota por , al nmero
complejo:

As, si 2 3 su conjugado sera 2 3.
y son simtricos respecto de la recta real:

Son inmediatas las siguientes propiedades:
1.
2.

3.
4. Si , entonces

El conjugado de un nmero resulta muy til para dividir dos nmeros complejos. Si
0 (es decir, 0 0) la forma ms cmoda de efectuar el cociente
consiste
en multiplicar el numerador y denominador por .

Por ejemplo, para realizar el cociente
:
1 2
3

1 23
3 3
1 7
10
1
10
7
10

1.3. Mdulo de un nmero complejo.

DEFINICIN. Sea , se define el mdulo (o valor absoluto) del nmero complejo
z, y se nota por ||, al nmero
6
:
||

El mdulo del nmero complejo no es ms que la distancia en
del punto
, al origen.

Entre las propiedades del mdulo de un nmero complejo podemos citar
7
:

6
La orden del Mathematica para calcular el mdulo del nmero complejo z es Abs[z].
1. || ||
2. Si 0:
1

||

3. | | || ||
4. Si 0:

||
||

5. Desigualdad triangular:
| | || ||

El mdulo de un nmero complejo nos permite definir en una distancia que ser la
misma que la distancia usual en
. As, dos nmeros complejos y estarn ms o menos

lejos en funcin del valor de | |. Esto nos lleva a poder definir el concepto de lmite de
una sucesin de nmeros complejos.

DEFINICIN. Dada una sucesin de nmeros complejos
se dice que converge al nmero , y

se escribe
, si para cada 0 existe tal que |
| para .

De la definicin anterior se desprende:

1.4. Argumento de un nmero complejo.

Cuando se escribe el nmero complejo se dice que z viene dado en forma
binmica, pero z tambin puede escribirse en forma trigonomtrica (o polar) mediante el
siguiente razonamiento:

7
Las demostraciones de estas propiedades pueden verse en GONZLEZ LPEZ, Variable Compleja, pg.
4.
||cos sen

DEFINICIN. Sea , se define el argumento de z, y se escribe arg, a cualquier
nmero tal que ||cos sin .

El nmero no est unvocamente determinado, tanto como 2 con
verifican la condicin para ser considerados como argumentos de z. As pues, el argumento de
z es un conjunto de nmeros:
arg 2
con .

Por ejemplo, si 1 :
arg
2 con .
como || 2, la forma trigonomtrica o polar de z es:
2 cos
4
sen
4

Entre todos los posibles argumentos del nmero complejo z se suele elegir aqul que
se encuentra en el intervalo ,
8
. En este caso, se dice que estamos ante el argumento
principal y se escribe como
9
:
si
arg
y
,

Por ejemplo, 1

.

En muchas operaciones resulta ms adecuado operar con la forma trigonomtrica del
nmero complejo que con su expresin binmica. Por ejemplo, las races n-simas de un
nmero complejo z tienen la siguiente expresin:
||
cos
2
sen
2

con 0 1.

8
Otros libros suelen elegir el intervalo 0,2.
9
La orden del Mathematica para calcular el argumento principal del nmero complejo z es Arg[z].
As:
8
8cos sen
cos
2
3
sen
2
3

con 0,1,2. Es decir, la raz cbica compleja de 8 tiene las tres soluciones:
8
2
1
2
3
2
1 3
21 0 2
2
1
2
3
2
1 3

Al ser el argumento de un nmero complejo z un conjunto de nmeros hay que tener
cuidado con las expresiones en las que aparece arg. Veamos algunas de ellas
10
:

1. arg arg 2 arg
2. arg arg arg
3. Frmula de De Moivre.
Como consecuencia de la propiedad anterior, si arg, para se tiene:
||
cos sen
4. .

2. LA EXPONENCIAL COMPLEJA.

Las funciones elementales que se estudian en , exponencial, logaritmo, seno,
coseno, tienen su correspondiente extensin al plano complejo. Entre todas ellas tiene un
especial inters la exponencial compleja.

DEFINICIN. Sea , se define la exponencial compleja
como:
cos sen
donde
es la exponencial compleja mientras que
es la exponencial real.

Esta funcin es una extensin de la exponencial real puesto que si z es un nmero real,
0, entonces:

10
Una explicacin ms detallada de estas propiedades puede verse en LPEZ GMEZ, Ecuaciones
diferenciales y variable compleja, pg. 4.
cos 0 sin0

La exponencial compleja conserva casi todas las propiedades de la exponencial real
como son
11
:

1.
.
2.
0.
3.
.
4.

Y otras especficas respecto de la exponencial real como:
5. |
|=
.
6.

1.
7. La exponencial compleja no es inyectiva:
si y solo si 2 con

De la definicin de la exponencial compleja se deduce una tercera forma de expresar
los nmeros complejos, siempre que sea distinto de 0, llamada forma exponencial:
||

con arg.

3. CONTINUIDAD DE UNA FUNCIN COMPLEJA.

La funcin : viene determinada por dos funciones u y v de
:
, ,

DEFINICIN. Sea la funcin compleja definida alrededor de
se dice que el lmite de la

funcin cuando z tiende a
es igual a
, y se escribe:
lim

si para todo 0 existe un 0 tal que |
| siempre que 0 |
| .

De esta definicin se desprende que si
:

11
Las demostraciones de estas propiedades pueden verse en LPEZ GMEZ, Ecuaciones diferenciales y
variable compleja, pg. 8.
lim

lim
,
lim
,

DEFINICIN. La funcin compleja definida alrededor de
se dice continua en
si existe
lim
, existe
y:
lim

De forma inmediata se deduce que es continua si y solo si , y , son
continuas como funciones de
.

Por ejemplo, la funcin exponencial
cos
sin es continua en
todo punto al serlo tanto ,
cos como ,
sen.

Veamos otro ejemplo sobre continuidad de las funciones complejas.

La rama principal del logaritmo complejo est definido en 0 por:
Log ln||
donde ln designa al logaritmo real y el argumento principal del z.

Resulta fcil apreciar que la funcin Log es continua en todo punto menos en el
semieje negativo de la recta real. Para ello, basta con tomar un nmero en dicho semieje
0 con 0, entonces:
Log 0 ln||
pero si tomamos una sucesin de nmeros complejos que tiendan a 0 como los del
dibujo:

lim
Log lim
ln||
ln||

Por lo tanto, lim
Log Log cuando 0.

En definitiva, el estudio de la continuidad de una funcin de variable compleja se
reduce a estudiar la continuidad de dos funciones de
.

4. DIFERENCIABILIDAD DE UNA FUNCIN COMPLEJA.

La definicin de lmite en el plano complejo hace que la expresin lim

tenga perfecto sentido. De esta forma podemos desarrollar una teora de derivacin en
similar a la que se establece en y que va a tener bsicamente las mismas propiedades (y con
las mismas demostraciones) que la derivada real. Cuestin distinta es la interpretacin
geomtrica de la derivada real que, lgicamente, no tendr paralelismo en el plano complejo.

DEFINICIN. Sea la funcin compleja definida en un disco alrededor de
se dice que
es derivable o diferenciable en
y su derivada es
, o tambin
, si se
verifica:
lim

O, en forma de incrementos:
lim

Por ejemplo, sea la funcin
lim
lim
lim
lim

en general, para cualquier punto z se puede afirmar que la derivada de
es 2.
De inmediato se deduce que si es derivable en
entonces es continua en dicho

punto. Adems, es fcil demostrar las siguientes propiedades
12
:
1. Si es constante, entonces
0.
2. Si se tiene que
1.
3.

4.
con .
5.
.
6. Si 0,
.
7. Regla de la cadena.

Sea la funcin compleja con , entonces:

Si evaluamos en un punto concreto:

Por ejemplo, la derivada de
es
pues:
lim

lim

lim

Luego para calcular la derivada de
podramos hacer:
1
3
1

si llamamos
1:

12
Las demostraciones de estas propiedades pueden verse en LPEZ GMEZ, Ecuaciones diferenciales y
variable compleja, pg. 29.
1
3
3
1

si evaluamos en el punto 1 :
2|

5. ECUACIONES DE CAUCHY-RIEMANN.

En el apartado anterior, hemos visto que la derivada compleja funciona de modo
semejante a la derivada real. Sin embargo, todava no estamos en condiciones para manipular
de forma gil las derivadas de las funciones complejas de variable compleja.

Por ejemplo, podemos preguntarnos si la funcin , o lo que es lo mismo
, es o no derivable y en caso de que lo sea cul sera su derivada.

Veamos que no es derivable en ningn punto:
lim
lim

lim

lim

para que sea derivable en un punto el lmite anterior debe existir con
independencia de la direccin por la que me acerque a dicho punto. Si me acerco con puntos
de la forma 0 , el lmite anterior tendra el siguiente resultado:
lim
0
1
si me acerco con puntos de la forma 0 el resultado sera:
lim
0
1
luego no es derivable en ningn punto.

Vamos a caracterizar fcilmente qu funciones son derivables, as como calcular su
derivada, a travs de la parte real e imaginaria de la funcin compleja f.
Sea la funcin , , , si suponemos que f es derivable en
se tiene:
lim

lim

, , , ,

si nos aproximamos con puntos de la forma 0 la ltima expresin se convierte en:
lim

, , , ,

si nos acercamos con puntos de la forma 0 :
lim

, , , ,

lim

, , , ,

como estamos suponiendo que es derivable, las dos expresiones tienen que coincidir
luego igualando parte real e imaginaria se puede concluir que:

Si , , es derivable se ha de verificar las siguientes ecuaciones
(ecuaciones de Cauchy-Riemann):

en cuyo caso:

Pero adems, las ecuaciones de Cauchy-Riemann son tambin condiciones suficientes
para que sea derivable.

TEOREMA
13
. Sea , , definida en algn entorno del punto .
Supongamos que existen las derivadas parciales primeras de , y , respecto de x e y
en todos los puntos de ese entorno y son continuas en , . Entonces, si se cumple las
ecuaciones de Cauchy-Riemann en , existe
.

13
La demostracin puede verse en CHURCHILL y BROWN, Variable compleja y aplicaciones, pg. 58.
Por ejemplo, la funcin no cumple las ecuaciones de Cauchy-
Riemann en ningn punto y no es derivable como habamos demostrado anteriormente.

Para la funcin ||
2;
0;

las ecuaciones de Cauchy-Rieman slo se verifica en el punto 0 0 que ser el nico punto en
que esta funcin es derivable y
0 0.

La funcin
o, lo que es lo mismo,
cos
sen:
cos ;
cos
sen ;
sen

luego es diferenciable y
cos
cos , es decir, si
entonces

.

Con los ejemplos que hemos puesto debe quedar claro el concepto de funcin analtica
que es el centro de la teora de variable compleja.

DEFINICIN. Una funcin es analtica en
(tambin se suele decir holomorfa en
) si
no slo existe en
sino en todo punto de un cierto disco que contenga a
.

As, hemos demostrado que la funcin ||
, a pesar de ser derivable en el 0, no

es analtica en dicho punto.

DEFINICIN. Si la funcin es analtica en todos los puntos de un dominio se dice que es
analtica en dicho dominio. Si es analtica en todo el plano complejo se dice que es
entera.

Por ejemplo, se definen las funciones trigonomtricas complejas seno y coseno de la
siguiente forma:
cos

2

sen

2

Ambas funciones son la prolongacin de sus respectivas funciones reales
14
y son
funciones enteras pues para cualquier :
cos

2
sen

Igualmente probaramos que
sen cos .

DEFINICIN. Si una funcin no es analtica en
pero es analtica en al menos un punto de

todo entorno de
, se dice que
es un punto singular o una singularidad de .

Por ejemplo, la funcin

tiene dos puntos singulares y , ya que los

polinomios son funciones enteras y su cociente tambin lo es salvo en los puntos donde se
anula el denominador.

5.1. Ecuaciones de Cauchy-Riemann en forma exponencial.

En el apartado 2 de este tema comentamos que una forma usual de expresar un
nmero complejo z, distinto de 0, era su forma exponencial:
||

con || y .

En estos casos la funcin f vendra definida de la siguiente forma:

, ,

14
Por ejemplo, si y el coseno complejo lo notamos con negrita:

cos sen cos sen

2
cos

luego el coseno complejo aplicado a un nmero real coincide con el coseno real. Lo mismo se puede
decir del seno.
En este supuesto, las formulas de Cauchy-Riemann en funcin del mdulo y argumento
vienen dadas por
15
:

Y la derivada tiene la expresin:

Por ejemplo, tomemos la rama del valor principal de , es decir, si || y
:

/
cos
2
sen
cos
sen
2

para :
1
2
1/2
cos
2
;
1

1

1
2
cos
2

1
2
1
2
1/2
sen
2
;
1

1

1
2
sen
2

1
2

luego es derivable y su derivada ser:

es decir:

1
2
/
cos
2

1
2
/
sen
1
2

1
1
2

6. DERIVADA E INTEGRAL DE UNA FUNCIN COMPLEJA DE VARIABLE REAL.

Con objeto de simplificar el estudio de la integral de una funcin compleja a lo largo de
una curva vamos a definir, en primer lugar, la derivada e integral de una funcin : .

15
Las demostraciones de las expresiones de la derivada en forma exponencial puede verse en
CHURCHILL y BROWN, Variable compleja y aplicaciones, pg. 60.
DEFINICIN. Sea : definida por . Si y son derivables
respecto de t se define
de la siguiente manera:

Por ejemplo, sea la funcin
cos sen, comprobemos que
cos

sen
sen cos
cos sen

Las propiedades de esta derivada son casi las mimas que la de la derivada real puesto
que bsicamente se basa en la derivada de dos funciones reales
16
. Por supuesto se cumplen las
propiedades algebraicas de la derivada incluso la regla de la cadena en el siguiente sentido
17
:

Si es una funcin compleja, analtica en el punto z, y z a su vez es una funcin
derivable de , entonces:

Por ejemplo, sea la funcin cos con
, en definitiva : entonces:
sen 2
sen
2
2 senh

DEFINCIN. Sea , definida por se define
de la
siguiente manera:

siempre que existan las integrales de la derecha.

16
En la pg. 98 de CHURCHILL y BROWN, Variable compleja y aplicaciones, se observa que no todas las
propiedades de la derivada real se conservan para este tipo de derivada. Por ejemplo, el teorema del
valor medio para la derivada no se cumple.
17
La demostracin de la regla de la cadena para esta derivada puede verse en LEVINSON y REDHEFFER,
Curso de variable compleja, pg. 101.
Por ejemplo:

1
2

1
2

Las propiedades de esta integral son las usuales que caben esperar en las integrales,
para su demostracin basta con separar la parte real e imaginaria que aparece en la definicin
de la integral.

As, suponiendo la existencia de las integrales que aparen, podemos decir
18
:

1. Linealidad.

con .
2. Aditividad del intervalo.
Si :

3.
||

4. Extensin de la regla de Barrow.
Sea : continua en , y tal que
en , , entonces:

Por ejemplo, si queremos calcular la integral:
sen
2
/

podemos intentar buscar una primitiva de sen
2. Segn hemos visto ms arriba:

cos
sen
2

18
La demostracin de la propiedad 3 puede verse en IVORRA CASTILLO, Funciones de variable compleja,
pg. 33.
luego:
sen
2 cos

por lo tanto:
sen
2
/
cos
cos
cos
/
cos
4
cos 0
1 cosh
4

7. INTEGRAL A LO LARGO DE UNA CURVA DE UNA FUNCIN COMPLEJA.

La integral de una funcin compleja sobre una curva no va a tener, en general, las
interpretaciones fsicas que veamos de la integral de lnea en el campo real. Sin embargo,
dicha integral conduce a resultados de gran trascendencia tanto en la matemtica pura como
aplicada.

La identificacin geomtrica que existe entre
y nos permite extender sin

dificultad lo aprendido sobre curvas en el plano real al plano complejo.

DEFINICIN. Un arco diferenciable en el plano complejo es una aplicacin:
con ,
donde e son derivables con continuidad.

Ejemplo de arco en sera la circunferencia centrada en el origen de radio 2 cuyas
ecuaciones paramtricas seran:
2 cos 2sen 2

con 0,2.

La circunferencia de radio r centrada en el punto
sera
19
:

cos sen

con 0,2.

Si es un arco diferenciable y 0 con , entonces el arco se le llama suave.
DEFINICIN. Un contorno en es un conjunto finito de arcos suaves tal que el punto
final de uno de ellos se corresponde con el origen del siguiente.

DEFINICIN. Sea el contorno , y una funcin continua cuyo dominio contiene a
la trayectoria de . Se define la integral de lnea o integral de contorno de f a lo largo de , y
se escribe
, a la siguiente integral:

Por ejemplo, sea la circunferencia de radio 1, para calcular

se procedera
de la siguiente forma:

Como cos sen
con 0,2:
2

7.1. Propiedades de la integral de lnea compleja.

De la definicin de integral de lnea de una funcin compleja se desprenden las
siguientes propiedades
20
.

1. Independencia de la parametrizacin de la curva.

19
Hay que sealar que sumar a un conjunto de puntos en el plano complejo el nmero fijo

equivale a trasladar dicho conjunto segn el vector , .
20
La demostracin de estas propiedades puede verse en LPEZ GMEZ, Ecuaciones diferenciales y
variable compleja, pgs. 64 a 66.
El valor de la integral de lnea es independiente de las distintas parametrizaciones de la
curva siempre que se recorra en el mismo sentido.
2. Cambio en el sentido de recorrido de la curva.
Si notamos por la curva que tiene la misma trayectoria que pero recorrida en
sentido contrario, entonces:

3. Linealidad.

con .
Sea
, entonces:

5. Acotacin de la integral.
Sea M el mximo de || sobre la curva y
la longitud de . Entonces se verifica:

8. EXTENSIN DEL TEOREMA FUNDAMENTAL DEL CLCULO.

En principio, la integral de lnea de una variable compleja depende de la curva . Sin
embargo, para ciertas funciones la integral va a depender del punto inicial y final de la curva
con independencia del camino seguido. Para ello veamos el siguiente teorema.

TEOREMA
21
. Sea una funcin analtica con derivada continua y tal que
en
un dominio (abierto y conexo) D. Sea un arco contenido en D de origen
y extremo

entonces:

21
La demostracin de este teorema puede verse en los cometarios de la pg. 117 de CHURCHILL y
BROWN, Variable compleja y aplicaciones.

NOTA. Si estamos en la hiptesis de este teorema, el valor de la integral de lnea slo depende
del punto inicial y final por lo que tambin se suele escribir:

Por ejemplo:

1
4
5
4

Hay que sealar que para emplear este mtodo de resolucin de integrales se necesita
que exista
y sea continua en todo un dominio que contenga a la curva. Esto es

importante puesto que si, por ejemplo, quisiramos calcular:

siendo la circunferencia de radio 1 centrada en el origen y de sentido contrario a las agujas
del reloj. En un principio estaramos tentados a decir inmediatamente que es cero puesto que
una primitiva de la funcin
es Log
22
. Pero Log es analtica en todo punto del plano
complejo si exceptuamos el semieje negativo de los nmeros reales
23
.

22
Esta derivada se calcula muy fcil puesto que:
Log ln
con .
Si descartamos el origen y el semieje negativo donde , no es ni continua, la funcin
Log es derivable y:

luego:
Log

23
Ver ejemplo del apartado 3 de este tema.
Por lo tanto, en cualquier dominio D que contenga a la circunferencia de radio 1:

existe un trozo donde Log no derivable (ni siquiera es continua). As, para calcular
esta integral se puede utilizar directamente la definicin:

con 0,2
2

9. ALGUNOS TEOREMAS IMPORTANTES.

Para finalizar esta introduccin a la variable compleja enunciamos dos teoremas de
gran importancia en esta parcela de las matemticas.

TEOREMA DE CAUCHY-GOURSAT. Sea un contorno cerrado y simple y sea una funcin
analtica en el interior de y sobre . Entonces:

0

Veamos una aplicacin sencilla de este teorema. Queremos calcular

siendo
ahora la lnea rectangular del dibujo:

para aprovechar el resultado del ejemplo anterior introducimos la curva que se corresponde
con la circunferencia de radio 1 recorrida en el sentido de las agujas del reloj:

mejor an, descompongamos la figura anterior en estas dos curvas
:

como
es analtica en todo el plano complejo menos en el cero, por el teorema de Cauchy-

Goursat:
0
luego:
0

puesto que

2 (es la misma integral que la del apartado anterior pero la curva
est recorrida en sentido contrario) por lo tanto:
2

Otro resultado de gran importancia en la teora de variable compleja es la frmula
integral de Cauchy. Esta frmula vienen a afirmar que si una funcin es analtica el valor
de viene determinado por los valores que toma f sobre cualquier curva cerrada y simple
que rodee al punto z.

FRMULA INTEGRAL DE CAUCHY. Sea analtica en el interior y en los puntos de una curva
cerrada y simple orientada de forma que deje a su izquierda la regin encerrada por ella . Si
es un punto interior a , entonces:

1
2

Por ejemplo, vamos a utilizar la frmula integral de Cauchy para calcular

siendo la circunferencia centrada en el origen de radio 2 con sentido anti horario.

La situacin es la siguiente:

como
es analtica y el punto 1 se encuentra en el interior de la curva se puede utilizar la

frmula integral de Cauchy, luego:

1
2

2



tener acceso.

WUNSCH, A.DAVID: Variable compleja con aplicaciones, segunda edicin, Pearson
Educacin, 1999.

CHURCHILL, RUEL V. y BROWN, JAMES WARD: Variable compleja y aplicaciones,
MacGraw-Hill, 1995.
Ejemplo pgina 53 Ejemplo 1 pgina 57 Ejemplo 2 pgina 57
Ejemplo 1 pgina 59 Ejemplo 2 pgina 59 Ejemplo pgina 61
Ejemplo pgina 65 Ejemplo pgina 75 Ejemplo pgina 78
Ejemplo 2 pgina 120 Ejemplo 3 pgina 120 Ejemplo pgina 131
Ejemplo pgina 136

11. BIBLIOGRAFA CITADA.

LPEZ GMEZ, J.: Ecuaciones diferenciales y variable compleja con teora espectral y una
introduccin al grado topolgico de Brouwer, Prentice Hall, 2001.
CHURCHILL, RUEL V. y BROWN, JAMES WARD: Variable compleja y aplicaciones, MacGraw-Hill,
1995.
GONZLEZ LPEZ, A.: Variable Compleja, 2003,
http://mimosa.pntic.mec.es/jgomez53/matema/indice.htm
IVORRA CASTILLO, C.: Funciones de variable compleja, www.uv.es/ivorra/Libros/Varcom.pdf
LEVINSON, N. y REDHEFFER, R. M.: Curso de variable compleja, Editorial Revert, 1990.
RBNICOV, K.: Historia de las matemticas, Editorial MIR, 1987.
WUNSCH, A.DAVID: Variable compleja con aplicaciones, segunda edicin, Pearson Educacin,
1999.
TEMA 9
APROXIMACIN A LAS ECUACIONES EN DERIVADAS PARCIALES

El temario de la presente asignatura trata fundamentalmente sobre el estudio de las
funciones en varias variables. Se ha estudiado la continuidad, diferenciabilidad, valores
extremos, integracin en
, en
, sobre curvas y sobre superficies de dichas funciones.

Todos estos captulos tienen importantes aplicaciones prcticas en el mundo de la
ingeniera. Sin embargo, no me equivoco al asegurar que el apartado con mayores
aplicaciones, en las que intervienen las funciones de varias variables, se corresponde con las
ecuaciones en derivadas parciales (EDP).

De los descriptores de la asignatura se desprende que el alumno debe tener algunos
conocimientos, aunque sea de forma ligera, de las ecuaciones en derivadas parciales.

Evidentemente, el tema que nos ocupa es merecedor de una dedicacin mayor que la
que podamos dedicarle aqu. Las restricciones de tiempo nos limita prcticamente a comentar
en qu consiste una EDP y dar algn ejemplo.

A pesar de todo lo anterior, hemos optado por tratar con algo ms de profundidad el
problema de la cuerda vibrante pues estimamos que puede suponer una manera de que el
alumno se adentre en la resolucin de las EDP sin excesivas dificultades.

1. ECUACIONES EN DERIVADAS PARCIALES. CONCEPTOS BSICOS.

Se denominan ecuaciones en derivadas parciales (EDP) a las ecuaciones en las que
interviene, al menos, alguna derivada parcial de una funcin desconocida de varias variables.

Por ejemplo, si , , la ecuacin
sera una EDP puesto que

intervienen las derivadas parciales de la funcin a calcular , .

DEFINICIN. Se llama orden de una EDP a la derivada parcial de mayor orden que aparece en
la ecuacin.
Por ejemplo,
sera una ecuacin en derivadas parciales de orden 1. La

ecuacin
0 sera una EDP de orden 2.

Veamos cmo pueden ser las soluciones de las ecuaciones en derivadas parciales.

Por ejemplo, sea la funcin , y la ecuacin en derivadas parciales:
0
una posible solucin de esta ecuacin sera:
,

efectivamente:
0

Otro ejemplo, podra ser la ecuacin en derivadas parciales:
0
una posible solucin , de esta EDP podra ser:
, cos sen
pero esta otra:
,

tambin sera solucin. O tambin:
, 3 7
sera otra solucin, y existen muchas ms que se puede poner de ejemplo.

2. SOLUCIN GENERAL DE UNA ECUACIN EN DERIVADAS PARCIALES.

El conjunto de soluciones es tan diverso que parece imposible obtener una expresin
general que nos determine el resultado de una ecuacin en derivadas parciales. De todas
formas, existen casos de EDP sencillos en los que s es posible obtener una forma general de su
solucin. Veamos tres ejemplos.

1. sea la EDP:
0
La igualdad implica que la funcin buscada u no depende de x pero s puede depender
de y. Por lo tanto, la solucin sera:
,
siendo una expresin cualquiera de y, por ejemplo, 2
, o tambin,
cos , etc.
2. Sea la EDP:

0
Si notamos por , a
, la ecuacin dada adopta la forma:
0
cuya solucin es , . Luego:

,

En definitiva, la solucin de

0 es:
,
siendo F y G expresiones cualesquiera de x e y respectivamente.
3. Sea la EDP:

0
Utilizando coordenadas polares:
arctan

y aplicando la regla de la cadena:

la ecuacin en derivadas parciales original se transforma en:
0
u
x
y
x
y
puesto que:

1
1

1
1

La solucin de la EDP es:
,
siendo cualquier expresin que slo dependa de .
Por lo tanto, en coordenadas cartesianas, la solucin a la EDP
0 es:
,

siendo
cualquier expresin de
.

3. CONDICIONES DE CONTORNO Y CONDICIONES INICIALES.

Hasta ahora hemos visto que una EDP puede tener una variedad enorme de
soluciones
1
. Sin embargo, si a la solucin de una determinada EDP se le exige que, adems,
cumpla una serie de condiciones entonces es posible que la solucin sea nica.

Lo que acabamos de decir resulta del todo lgico pues si una EDP regula un
determinado problema fsico sera racional pensar que la respuesta (funcin u), ante unas
condiciones predeterminadas, sea nica y predecible.

Las condiciones que se imponen a las EDP para que la solucin sea nica pueden
dividirse en tres categoras:

- Condiciones de contorno.
- Condiciones iniciales.
- Condiciones mixtas (de contorno e iniciales a la vez).
Veamos algunos ejemplos.

1
Tambin pueden no tener ninguna solucin, por ejemplo, la EDP
1 no tiene ninguna
solucin.
Condiciones de contorno.
Se exige que la solucin de la EDP verifique un determinado valor sobre la frontera de
una regin.
Por ejemplo
2
, se trata de hallar la solucin de:
0
sujeto a las condiciones de contorno siguientes:
, 0 sen
,,
0

Es decir, la condicin de contorno impone que la solucin de la EDP , , as como
su derivada parcial respecto de y, deben tomar un valor determinado sobre la recta
0, tal y como se muestra en el siguiente dibujo:

La solucin en este caso es:
, sin
2

Condiciones iniciales.
Cuando una de las variables independientes de la EDP es el tiempo, se suele imponer
que la solucin u tenga un determinado valor en un tiempo concreto (generalmente en
0). Entonces se dice que tenemos un problema de EDP con condiciones iniciales.
Por ejemplo, sea la EDP:
con 0.
si se impone que en el momento inicial la solucin tome el valor sen, es decir,
, 0 sen, entonces la solucin es:
,
sen

2
Ejemplo extrado de STEPHENSON, Introduccin a las ecuaciones en derivadas parciales, pg. 24.
4. ECUACIN DE EULER.

Una EDP se dice que es del tipo de Euler si tiene la siguiente expresin:

0
con a,b y h constantes.

Por ejemplo, una EDP del tipo de Euler sera:
8
0

Este tipo de ecuaciones se pueden resolver con facilidad mediante un cambio de
variable adecuado. Para saber cul es el cambio de variable que simplifica esta EDP vamos a
realizar el siguiente artificio:

Resolvemos la ecuacin de segundo grado:
8 6
0
cuyas soluciones son:

entonces, el cambio de variable que debe realizarse es:
2
4

Comprobemos cmo queda la ecuacin 8
0 con este cambio de

variables:

x
y
x
y
luego:

con el mismo procedimiento se llegara a:
16

16

que si sustituimos en la expresin de la EDP original queda:

0
cuya solucin, segn se mostr en el apartado 2 de este tema, es:
,
siendo F y G expresiones cualesquiera de y respectivamente.

Si deshacemos el cambio de variables se obtiene que la solucin de la EDP:
8
0
es:
, 2 4
siendo F y G expresiones cualesquiera de 2 y 4 respectivamente.
El procedimiento que hemos seguido para resolver la anterior EDP es general. Para
encontrar la solucin de la EDP:

0
se resuelve la ecuacin

0
sean
las soluciones de la ecuacin anterior

3
. Entonces la solucin de esta EDP es:

3
En STEPHENSON, Introduccin a las ecuaciones en derivadas parciales, pgs. 18 a 23 puede verse la
solucin de la EDP de tipo de Euler para el caso en que las races de
0 sean real
doble o complejas.
,

siendo F y G expresiones cualesquiera de
respectivamente.

5. ECUACIN DE ONDAS UNIDIMENSIONAL.

Se una cuerda de material homogneo con los extremos sujetos de forma que se
mantiene tirante. Adems, la cuerda es completamente flexible, es decir, no ofrece ninguna
resistencia a doblarse. Asimismo, vamos a suponer que slo tiene un movimiento vertical. Por
ejemplo, la cuerda de una guitarra puede ser modelo bastante aproximado.

La funcin , va a representar la altura en vertical del punto x de la cuerda al cabo
del tiempo t. Por ejemplo, si llegamos a la conclusin de que 5,0.3 2 quiere decir que al
cabo de los 0.3 segundos el punto 5 de la cuerda toma una altura igual a 2, como se
aprecia en el siguiente dibujo:

No es excesivamente complicado demostrar que la funcin , que describe la
vibracin de la cuerda debe de verificar la EDP:

donde c es una constante que depender del material de la cuerda y de la tensin a la que est
sometida
4
.

Ecuacin que es del tipo de Euler estudiada en el apartado anterior y cuya solucin es:
,
siendo F y G expresiones cualesquiera de y respectivamente.

4
En HABERMAN, Ecuaciones en Derivadas Parciales, pgs. 141 a 144 se justifica cmo la vibracin de la
cuerda debe verificar esta EDP.
5.1. Solucin de DAlembert para la ecuacin de ondas unidimensional.

Supongamos una cuerda de gran longitud en las condiciones que acabamos de
exponer para la cuerda vibrante. Imponemos las siguientes condiciones iniciales:
, 0
,,

es decir, va a ser la posicin de la cuerda en el momento 0 y la velocidad de
cada punto tambin en 0.

Para aclarar el significado de las funciones y veamos el siguiente ejemplo.
Sea una cuerda tensada tal que en el momento inicial se encuentra en la siguiente posicin:

para este caso particular, la funcin ser:

0 si 1
1 si 1 0
1 si 0 1
0 si 1

Si imponemos, adems, que en el momento inicial la cuerda est parada, entonces:
0

A partir del momento 0, debido a la tensin, la cuerda empieza a vibrar libremente
y la solucin de la ecuacin de ondas , que verifica estas condiciones iniciales ser la que
nos indique en cada momento t la posicin de cada punto x de la cuerda.

SOLUCIN DE DALEMBERT. Sea la EDP:

con c constante. La solucin , de dicha EDP que verifica las condiciones iniciales:
, 0
,,

viene dada por la llamada frmula de DAlembert:
,

2
1
2

Demostracin.

Segn hemos comentado ms arriba, la solucin de la EDP
es:
,
siendo F y G las funciones que debemos de calcular.

Si , tiene que satisfacer las condiciones iniciales se debe de verificar:

,,

,,

Vamos a desarrollar

,,
. Para ello hacemos el cambio de variable:

con el cambio de variable, F ser una funcin de y por la regla de la cadena:

,,
,,

siendo
la derivada de F.

Con el mismo razonamiento:

,,

luego las condiciones iniciales se pueden poner de la siguiente forma:

Integramos la segunda ecuacin de este sistema:

siendo a una constante cualquiera. As pues:

y las condiciones iniciales se pueden volver a escribir de la siguiente manera:

resolviendo este sistema (sumando y restando las ecuaciones):
1
2

1
2

Como , se tiene:
,

2
1
2

1
2

2

En definitiva:
,

2
1
2

como se quera demostrar.

Para completar el estudio de la vibracin de la cuerda vamos a utilizar el Mathematica
a fin de visualizar el comportamiento de la solucin de DAlembert a travs del tiempo
5
.

Retomemos el ejemplo de la cuerda tensada que, en el tiempo 0, est parada y
tiene la posicin que se describe en el dibujo:

5
Para un estudio terico del comportamiento de la solucin de DAlembert puede verse KRASNOV,
Curso de matemticas superiores para Ingenieros, Vol. 2, pg. 665.

Las condiciones iniciales son:

0 si 1
1 si 1 0
1 si 0 1
0 si 1
0

En primer lugar, introducimos en el Mathematica las condiciones iniciales (suponemos
que la constante c es igual a 1):

c=1;
f[x_]=Which[x<-1,0,-1<=x<0,-x-1,0<=x<=1,x-1,x>1,0];
g[x_]=0;
escribimos la solucin del problema:
u[x_,t_]=1/2(f[x+c*t]+f[x-c*t])+1/(2c) Integrate[g[z],{z,x-c*t,x+c*t}]
slo nos queda realizar una secuencia de dibujos, en pequeos pasos de tiempo, lo nos dar la
sensacin de movimiento. Esto se puede hacer con la orden Manipulate.

Por ejemplo, vamos a realizar una secuencia en la que se dibuje la funcin , en
un rango que vaya desde 4 4. La secuencia comenzar en el momento inicial y
terminar a los 5 segundos con un paso de una dcima de segundo entre dos dibujos
consecutivos.

Manipulate[Plot[u[x,t],{x,-4,4}],{t,0,5,0.1}]

Una vez que tengamos un cuadro como el anterior, se recomienda desplegar el icono
y pulsar la flecha para que comiencen a ejecutarse todos los dibujos de forma
automtica.

6. BIBLIOGRAFA CITADA.

HABERMAN, R.: Ecuaciones en Derivadas Parciales con series de Fourier y Problemas de
Contorno, tercera edicin, Prentice Hall, 2003.
KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, Vol. 2, Ed. MIR. 1990.
STEPHENSON, G.: Introduccin a las ecuaciones en derivadas parciales, Editorial Revert, 1982.
AMPLIACIN DE MATEMTICAS
(Manual de prctcas)
Curso 2010 - 2011
Ampliacin de Matemticas. (I. T. Industrial)
Prctica 1
Ecuaciones en diferencias
En esta prctica utilizaremos el Mathematica para resolver algunos tipos de ecuaciones en diferencias. Antes de
comenzar a realizar los ejemplos y ejercicios de esta prctica, resulta aconsejable repasar el Tema 1 de la parte terica de la
asignatura donde se fundamentan los procedimientos que vamos a seguir.
Como tendremos ocasin de comprobar, la orden RSolve del Mathematica nos da directamente la solucin de este
tipo de ecuaciones. An as, nosotros haremos un estudio paralelo al seguido en la parte terica con el fin de aclarar y
consolidar los conceptos que all se exponen.
Al principio de cada prctica presentaremosunaseriederdenesconel Mathematica que nos facilitar el desarrollo
de la misma.
ndice.
1. Conocimientos previos.
1.1 Borrado de variables previamente definidas.
1.2 Cmo hacer referencia a un resultado anterior.
1.3 Resolucin de ecuaciones y sistemas.
1.4 Cmo definir una funcin.
1.5 Sucesiones con el Mathematica.
1.6 Desarrollo de los factores de un producto.
2. Ecuaciones en diferencias.
3. Solucin particular de una ecuacin en diferencias.
4. Ecuacin en diferencias lineal homognea con coeficientes constantes.
5. Ecuacin en diferencias lineal completa con coeficientes constantes.
6. Apndice. Solucin particular de la ecuacin en diferencias lineal completa de coeficientes constantes. Mtodo de
variacin de constantes.
7. Bibliografa
Conocimientos previos.
1.1 Borrado de variables previamente definidas.
Si durante una sesin hemos otorgado a unas variables determinados valores, dichos valores pueden borrarse
mediante la orden Clear["Global`*"]. Por ejemplo:
In[1]:= a = 7
b = 6
Out[1]= 7
Out[2]= 6
se observa que a y b tienen asignados, respectivamente, los valores 7 y 6:
177
In[3]:= a b
Out[3]= 42
Podemos borrar dichos valores con la la orden Clear["Global`*"]
In[4]:= Clear@"Global`"D
comprobamos que, efectivamente, las variables a y b no tienen ahora asignadas ningn valor.
In[5]:= a
b
Out[5]= a
Out[6]= b
1.2 Cmo hacer referencia a un resultado anterior.
Habitualmente necesitaremos hacer referencia a un resultado anterior. Sera una prdida de tiempo, con muchas
posibilidades de equivocarnos, introducir nuevamente la expresin previamente obtenida. En este caso, el procedimiento ms
lgico sera, resaltar con el ratn la parte desada, copiar y pegar. No obstante, muchas veces resulta til utilizar el smbolo %
que hace referencia al ltimo resultado ejecutado por el programa; %% se refiere al penltimo y, en general, %n a la salida
n. Ejemplo:
In[7]:= N@, 10D
Out[7]= 3. 141592654
In[8]:= % + 2
Out[8]= 5. 141592654
1.3 Resolucin de ecuaciones y sistemas.
Si pretendemos resolver la ecuacin x
3
+7x
2
+1= 0, procederamos del siguiente modo:
In[9]:= Solve@x^3 + 7 x^2 + 1 0, xD
Out[9]= ::x
1
3
7 49
2
713 3 4197
13
1
2
J713 3 4197 N
13
>,
:x
7
3
+
1
6
J1 + 3 N
1
2
J713 3 4197 N
13
+
49 J1 3 N
3 2
23
J713 3 4197 N
13
>,
:x
7
3
+
1
6
J1 3 N
1
2
J713 3 4197 N
13
+
49 J1 + 3 N
3 2
23
J713 3 4197 N
13
>>
Tambin podramos haber resuelto la ecuacin anterior con la orden NSolve, en especial esta ltima orden
proporciona muy buenos resultados cuando las ecuaciones son polinmicas:
In[10]:= NSolve@x^3 + 7 x^2 + 1 0, xD
Out[10]= 88x 7. 02029<, 8x 0. 0101452 0. 377281 <, 8x 0. 0101452+ 0. 377281 <<
Si, lo que se pretende es resolver el sistema :
x = 1+2a y
y = 9+2x
en las incgnitas 8x, y<, el modo de proceder sera el
siguiente:
2 Prctica 1.nb
178
In[11]:= Solve@8x == 1 + 2 ay, y == 9 + 2 x<, 8x, y<D
Out[11]= ::x
1 + 18 a
1 + 4 a
, y
11
1 + 4 a
>>
1.4 Cmo definir una funcin.
A pesar de la gran cantidad de funciones que tiene implementado el programa Mathematica nosotros podemos definir
una funcin de la siguiente manera:
In[12]:= f@x_D = x^2
Out[12]= x
2
a partir de ahora podemos utilizarla introduciendo el argunento entre corchetes
In[13]:= f@3D
Out[13]= 9
In[14]:= f@Sin@xDD
Out[14]= Si n@xD
2
1.5 Sucesiones con el Mathematica.
En la definicin de una funcin con Mathematica resulta indiferente el nombre que se otorgue a la variable. Para el
programa las funciones f HxL =
1
x+1
y sHnL =
1
n+1
son idnticas. Sin embargo, en la literatura matemtica se suele interpretar
las dos expresiones anteriores como cosas diferentes. Mientras que la variable x, en principio, puede tomar cualquier valor
real, generalmente se admite que la variable n slo puede tomar valores enteros mayores o iguales que cero. De esta manera
se distingue entre los conceptos de funcin y sucesin.
Una sucesin es una aplicacin s : , (a pesar de que 0 , nosotros al hacer referencia al conjunto de los
naturales vamos a incluir tambin al cero). Si representamos grficamente la funcin f HxL =
1
x+1
y la sucesin sHnL =
1
n+1
se
observan fciilmente las diferencias entre funcin y sucesin:
En resumen, los conceptos de funcin y sucesin son distintos y esto se expresa de forma clara en la notacin que se
utiliza. As, si queremos referirnos a la funcin de expresin general
1
x+1
se suele utilizar la letra f (u otra cercana en el
abecedario) y como argumento la variable x: f HxL =
1
x+1
. Por otra parte, cuando queremos referirnos a la sucesin de
expresin general
1
n+1
se suele utilizar la letra x y como argumento la variable n: xHnL =
1
n+1
o, quizs de forma ms comn,
x
n
=
1
n+1
.
Para el Mathematica, la mera utilizacin de la letra n como argumento no implica que el programa ya sepa que se
Prctica 1.nb 3
179
trata de una sucesin sino que hay que indicrselo de alguna manera. As pues, la sucesin 9
1
n+1
= cuyas imgenes (o trminos
de la sucesin) son 91,
1
2
,
1
3
,
1
4
,
1
5
,
1
6
, ...= se define con el Mathematica de la siguiente forma:
In[15]:= x@n_D = SimplifyB
1
n + 1
, n Integers && n 0F
Out[15]=
1
1 + n
NOTA 1. Si se utiliza la paleta BasicMathInput hay que tener cuidado en distinguir entre el smbolo y la letra griega e
(psilon) cuyas grafas en la pantalla del ordenador son muy parecidas.
NOTA 2. En la prctica, resulta frecuente definir una sucesin como si fuera una funcin de variable real, por ejemplo
x@n_D =
1
n+1
, y despus se tiene la precaucin de darle a n slo valores naturales. Esta forma de proceder resulta equivalente a
definir xHnL como si fuera una sucesin; pero no debe olvidarse que Mathematica la ha definido como una funcin de
variable real y, en determinados momentos, pudiera dar un resultado no esperado para una sucesin.
1.6 Desarrollo de los factores de un producto.
Para desarrollar un producto formado por unaseriedefactores Hx -a
1
L Hx -a
2
L ... Hx -a
n
L se puede utilizar laorden
Expand. Ejemplo:
In[16]:= Expand@Hx 2L Hx H3 + 2 ILL Hx H3 2 ILLD
Out[16]= 26 + 25 x 8 x
2
+ x
3
2. Ecuaciones en diferencias.
Suponemos conocida la nocin de ecuacin en diferencias (Tema 1 del temario de la asignatura). Se trata de obtener
una sucesin cuyos trminos verifican una determinada relacin. Mathematica dispone de la orden RSolve que nos
proporciona la solucin de la ecuacin en diferencias. Su sintaxis es la siguiente:
RSolve[ecuacin,x[n],n]
Por ejemplo, resolvamos la ecuacin x
n+2
- 4x
n+1
+2x
n
= 0:
In[18]:= RSolve@x@n + 2D 4 x@n + 1D + 2 x@nD 0, x@nD, nD
Out[18]= ::x@nD J2 2 N
n
C@1D + J2 + 2 N
n
C@2D>>
As pues, la solucin de la ecuacin x
n+2
-4x
n+1
+2x
n
= 0 es:
In[19]:= x@n_D = SimplifyBJ2 2 N
n
C@1D + J2 + 2 N
n
C@2D, n Integers && n 0F
Out[19]= J2 2 N
n
C@1D + J2 + 2 N
n
C@2D
comprobemos que, efectivamente, esta sucesin es solucin de la ecuacin en diferencias:
In[20]:= x@n + 2D 4 x@n + 1D + 2 x@nD 0
Out[20]= J2 2 N
2+n
C@1D + J2 + 2 N
2+n
C@2D +
2 JJ2 2 N
n
C@1D + J2 + 2 N
n
C@2DN 4 KJ2 2 N
1+n
C@1D + J2 + 2 N
1+n
C@2DO 0
4 Prctica 1.nb
180
In[21]:= Simplify@%D
Out[21]= Tr ue
Ejercicio 1.
Calcular la solucin de la ecuacin en diferencias x
n+1
-3x
n
= 2 y comprobar que, efectivamente, la sucesin
obtenida es solucin de dicha ecuacin.
Ejercicio 2.
Calcular la solucin de la ecuacin x
n+1
x
n
+ x
n+1
- x
n
= 0 y comprobar que la sucesin obtenida es solucin de la
ecuacin en diferencias.
NOTA. Observad que Mathematica puede resolver ecuaciones en diferencias aunque la ecuacin no sea lineal como ocurre
en el presente caso.
3. Solucin particular de una ecuacin en diferencias.
En el epgrafe anterior se ha obtenido que la solucin de la ecuacin en diferencias x
n+2
- 4x
n+1
+2x
n
= 0 es
x
n
= J2- 2 N
n
C@1D + J2+ 2 N
n
C@2D que depende de dos constantes genricas C@1D y C@2D. Si se quiere calcular la
solucin de la misma ecuacin sujeta a las condiciones inicales :
x
0
= 0
x
1
= 1
podramos proceder del siguiente modo:
In[22]:= x@n_D = SimplifyBJ2 2 N
n
C@1D + J2 + 2 N
n
C@2D, n Integers && n 0F;
In[23]:= Solve@8x@0D 0, x@1D 1<, 8C@1D, C@2D<D
Out[23]= ::C@1D
1
2 2
, C@2D
1
2 2
>>
luego la solucin del problema con condiciones iniciales es x
n
= J2- 2 N
n
K-
1
2 2
O +J2+ 2 N
n
K
1
2 2
O
Tambin se puede calcular directamente la solucin de la ecuacin en diferencias con condiciones inciales utilizando
la orden RSolve con el siguiente formato:
RSolve[{ecuacin,condicin1,condicin2,...},x[n],n]
en nuestro ejemplo sera:
In[25]:= RSolve@8x@n + 2D 4 x@n + 1D + 2 x@nD 0, x@0D 0, x@1D 1<, x@nD, nD
Out[25]= ::x@nD
J2 2 N
n
J2 + 2 N
n
2 2
>>
Prctica 1.nb 5
181
4. Ecuacin en diferencias lineal
homognea con coeficientes contantes.
En muchas ocasiones no dispondremos del Mathematica para resolver la ecuacin en diferencias. Si la ecuacin es
lineal de coeficientes constantes y homognea, es decir, tiene la expresin:
a
k
x
n+k
+ a
k-1
x
n+k-1
+... +a
0
x
n
= 0
con a
j
= constante" j
se procede, en primer lugar, resolviendo la ecuacin caracterstica:
a
k
l
k
+ a
k-1
l
k-1
+... +a
1
l + a
0
= 0
y la solucin general x
n
depender de las races de dicha ecuacin, con el siguiente criterio:
a) A cada raz real l
i
se le asocia la solucin:
x
n
= l
i
n
b) A cada raz real multiple l
j
, de multiplicidad m, le asociamos las m soluciones:
x
n
= l
j
n
; x
n
= n l
j
n
; x
n
= n
2
l
j
n
; ... x
n
= n
m-1
l
j
n
c) A cada raz compleja simple a + b (como a
j
son nmeros reales tambin deber aparecer su conjugada a - b) le
asociamos dos soluciones. Lo ms fcil es escribir el nmero complejo a + b en forma de mdulo y argumento
:
r = Abs@a + bD
q = Arg@a + bD
y le asociamos las soluciones:
x
n
= r
n
cosHn qL ; x
n
= r
n
senHn qL
d) A cada raz compleja a + b de multiplicidad m (la conjugada aparecer tambin con la misma multiplicidad),
volviendo expresar dicho nmero en forma de mdulo y argumento, le asociamos las siguientes 2m soluciones:
x
n
= r
n
cosHn qL; x
n
= n r
n
cosHn qL;
x
n
= r
n
senHn qL; x
n
= n r
n
senHn qL;

... x
n
= n
m-1
r
n
cosHn qL
... x
n
= n
m-1
r
n
senHn qL
Ejemplo 1.
Calculemos la solucin de la ecuacin en diferencias x
n+2
+2x
n+1
-3x
n
= 0
la ecuacin caracterstica es l
2
+ 2l -3= 0 que tiene por races:
In[26]:= Solve@^2 + 2 3 == 0, D
Out[26]= 88 3<, 8 1<<
la solucin de esta ecuacin en diferencias ser x
n
= c
1
H-3L
n
+c
2
Ejemplo 2.
Sea la ecuacin en diferencias x
n+2
-4x
n+1
+ 4x
n
= 0
la ecuacin carcterstica l
2
- 4l +4= 0 tiene por races:
6 Prctica 1.nb
182
In[27]:= Solve@^2 4 + 4 == 0, D
Out[27]= 88 2<, 8 2<<
como 2 es raz doble, la solucin de la ecuacin en diferencias es x
n
= c
1
2
n
+ c
2
n 2
n
Ejemplo 3.
n+3
- x
n+2
+ x
n+1
- 2x
n
= 0 que debe de verificar :
x
0
= 0
x
1
= 1
x
2
= 1
las races de la ecuacin carcterstica l
3
-l
2
+ l - 2= 0 son:
In[28]:= NSolve@^3 ^2 + 2 == 0, D
Out[28]= 88 0. 176605 1. 20282 <, 8 0. 176605 + 1. 20282 <, 8 1. 35321<<
88 0. 176605 1. 20282 <, 8 0. 176605+ 1. 20282 <, 8 1. 35321<<
88 0. 176605 1. 20282 <, 8 0. 176605+ 1. 20282 <, 8 1. 35321<<
tomemos una raz compleja y calculamos su mdulo y argumento:
In[29]:= Abs@0.17660498209966224` 1.2028208192854788` D
Out[29]= 1. 21572
In[30]:= Arg@0.17660498209966224` 1.2028208192854788` D
Out[30]= 1. 71658
la solucin general ser: x
n
= c
1
1.35321
n
+c
2
1.21572
n
cosH-1.71658nL +c
3
1.21572
n
senH-1.71658nL
In[31]:= x@n_D = c1H1.3532099641993245L^n + c2H1.2157167610134412L^nCos@1.71658036649671 nD +
c3H1.2157167610134412L^nSin@1.71658036649671 nD;
Si imponemos las condiciones a verificar obtenemos:
In[32]:= Solve@8x@0D 0, x@1D 1, x@2D 1<, 8c1, c2, c3<D
Out[32]= 88c1 0. 35732, c2 0. 35732, c3 0. 37692<<
luego la solucin pedida es:
x
n
= 0.35732 1.35321
n
- 0.35732 1.21572
n
cosH-1.71658nL -0.37692 1.21572
n
senH-1.71658nL
Ejercicio 3.
Resolver de dos formas diferentes, con la orden RSolve y con ayuda de la ecuacin caracterstica, las siguientes
ecuaciones en diferencias:
a) x
n+3
- 5x
n+2
+7x
n+1
-3x
n
= 0.
b) 4x
n+3
+3x
n+2
+ x
n+1
-2x
n
= 0 tal que x
0
= x
1
= 0 y x
2
= 1.
c) x
n+4
+ 2x
n+2
+ x
n
= 0.
Prctica 1.nb 7
183
Ejercicio 4.
Sea la sucesin x
n
= c
1
2
n
+c
2
J 2 N
n
cosIn
p
4
M + c
3
J 2 N
n
senIn
p
4
M con c
1
, c
2
y c
3
constantes genricas. Calcular la
ecuacin en diferencias de la que esta sucesin es su solucin.
NOTA. El nmero complejo a + b se puede expresar en funcin de su mdulo y argumento como
a + b = r cosq + r senq.
Ejercicio 5.
Sea la sucesin x
n
= c
1
2
n
cosHn 1.5L + c
2
2
n
senHn 1.5L con c
1
y c
2
constantes genricas. Calcular la ecuacin en
diferencias de la que esta sucesin es su solucin.
5. Ecuacin en diferencias lineal
completa con coeficientes contantes.
La solucin general de la ecuacin en diferencias lineal completa:
a
k
x
n+k
+ a
k-1
x
n+k-1
+... +a
0
x
n
= gHnL
es la suma de la general de la homognea asociada y una particular de la completa.
Si no disponemos del Mathematica, para calcular la solucin general de la ecuacin completa tendremos que realizar
los dos pasos siguientes:
- Calcular la solucin general de la homognea asociada (a
k
x
n+k
+ a
k-1
x
n+k-1
+... +a
0
x
n
= 0), problema que se ha
estudiado en el epgrafe anterior, y
- Calcular una solucin particular de la completa.
Existen diferentes mtodos para calcular la particular de la completa, por ejemplo, el mtodo de los coeficientes
indeterminados que consiste en ensayar con una determinada sucesin cuya expresin viene dada por la de gHnL.
En el Apndice de esta prctica se expone el mtodo de variacin de constantes para obtener una solucin particular
de la completa.
Ejercicio 6.
n+2
-3x
+1
+ x
n
= 2
n
, identificar una solucin particular de la ecuacin completa.
6. Apndice. Solucin particular de la ecuacin en diferencias
lineal completa de coeficientes constantes. Mtodo de
variacin de constantes.
(Lectura opcional).
Consideremos al ecuacin en diferencias:
x
n+k
+a
k-1
x
n+k-1
+ ... +a
0
x
n
= gHnL
si x
n
1
, x
n
2
, ..., x
n
k
son k soluciones independientes de la homognea asociada, la solucin general de esta ltima es:
8 Prctica 1.nb
184
x
gh
HnL = c
1
x
n
1
+ c
2
x
n
2
+... + c
k
x
n
k
Si ahora suponemos que los coeficentes c
i
en lugar de ser constantes fueran sucesiones y forzamos a que sea solucin
particular de la completa obtendramos la sucesin:
x
pc
HnL = c
1
HnL x
n
1
+c
2
HnL x
n
2
+... +c
k
HnL x
n
k
donde, por el momento, no sabemos el valor de los c
j
HnL.
Se puede demostrar que el hecho de imponer que x
pc
HnL sea solucin de la completa fuerza a que se cumpla el
siguiente sistema con incgnitas en Dc
j
(siendo Dc
j
= c
j
Hn +1L - c
j
HnL) :
Dc
1
x
n+1
1
+ Dc
2
x
n+1
2
+ ... +Dc
k
x
n+1
k
= 0
Dc
1
x
n+2
1
+ Dc
2
x
n+2
2
+ ... +Dc
k
x
n+2
k
= 0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ....
Dc
1
x
n+k
1
+Dc
2
x
n+k
2
+... +Dc
k
x
n+k
k
= gHnL
sistema que al resolverlo obtendramos Dc
1
, Dc
2
, ..., Dc
k
(que dependen de n).
Una vez obtenidos Dc
j
HnL para j = 1, ..., k resulta fcil calcular los valores c
j
HnL pues, como mencionamos
anteriormente, Dc
j
HnL = c
j
Hn +1L -c
j
HnL y por tanto:
Dc
j
H0L = c
j
H1L -c
j
H0L
Dc
j
H1L = c
j
H2L -c
j
H1L
Dc
j
H2L = c
j
H3L -c
j
H2L
... ... ... ... ...
Dc
j
Hn - 1L = c
j
HnL -c
j
Hn - 1L
sumando los miembros de la derecha (observar que desaparacen todos menos dos) y los de la izquierda se mantiene la
igualdad luego:
p=0
n-1
Dc
j
H pL = c
j
HnL - c
j
H0L
as obtenemos:
c
j
HnL = c
j
H0L +
p=0
n-1
Dc
j
H pL
como nos basta con una sola solucin de la completa, lo m habitual es tomar como c
j
H0L = 0, en cuyo caso c
j
HnL se podra
expresar como:
c
j
HnL =
p=0
n-1
Dc
j
H pL
una vez calculados los c
j
HnL la solucin particular de la completa ser:
x
pc
HnL = c
1
HnL x1HnL +c
2
HnL x2HnL +... +c
k
HnL xkHnL
y la solucin general de la completa:
x
n
= x
gh
+ x
pc
o tambin:
x
n
= c
1
x
n
1
+ c
2
x
n
2
+... + c
k
x
n
k
+ c
1
HnL x
n
1
+ c
2
HnL x
n
2
+... + c
k
HnL x
n
k
Prctica 1.nb 9
185
Ejemplo.
Sea la ecuacin en diferencias: x
n+2
- 5x
n+1
+6x
n
= 5
n
.
la solucin de la ecuacin caracterstica es:
In[34]:= Solve@^2 5 + 6 0, D
Out[34]= 88 2<, 8 3<<
la solucin general de la homognea asociada (x
n+2
-5x
n+1
+ 6x
n
= 0) es x
gn
= c
1
2
n
+c
2
3
n
In[35]:= x1@n_D = 2^n;
x2@n_D = 3^n;
xgh@n_D = Simplify@c1x1@nD + c2x2@nD, n Integers && n 0D
Out[37]= 2
n
c1 + 3
n
c2
Buscamos una particular de la completa de la forma x
pc
HnL = c
1
HnL 2
n
+c
2
HnL 3
n
, para ello se resuelve el sistema:
In[38]:= Solve@8c1x1@n + 1D + c2x2@n + 1D 0,
c1x1@n + 2D + c2x2@n + 2D 5^n<, 8c1, c2<D
Out[38]= 99c1 2
1n
5
n
, c2 3
1n
5
n
==
implementemos ambas soluciones en el Mathematica:
In[39]:= c1@n_D = 2
1n
5
n
Out[39]= 2
1n
5
n
In[40]:= c2@n_D = 3
1n
5
n
Out[40]= 3
1n
5
n
calculamos c
1
HnL y c
2
HnL
In[41]:= c1@n_D = Sum@c1@pD, 8p, 0, n 1<D
Out[41]=
1
3
1
5
2
n
In[42]:= c2@n_D = Sum@c2@pD, 8p, 0, n 1<D
Out[42]=
1
2
1 +
5
3
n
la solucin particular de la completa ser:
In[43]:= xpc@n_D = Simplify@c1@nDx1@nD + c2@nDx2@nD, n Integers && n 0D
Out[43]=
1
6
I2
1+n
3
1+n
+ 5
n
M
y la solucin general de la completa es:
In[44]:= x@n_D = xgh@nD + xpc@nD
Out[44]=
1
6
I2
1+n
3
1+n
+ 5
n
M + 2
n
c1 + 3
n
c2
10 Prctica 1.nb
186
7. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al
respecto, destacamos la siguiente:
ALCONCHEL PREZ, A.y VIGNERON TENORIO, A. : Ecuaciones Lineales en Diferencias: aplicaciones a la empresa y
la economa, Servicio de Publicaciones de la Universidad de Cdiz, 2004.
FERNNDEZ PREZ, C.-VZQUEZ HERNNDEZ, F.J .-VEGAS MONTANER, J .M. : Ecuaciones diferenciales y en
diferencias.Sistemas dinmicos, Editorial THOMSON, 2003.
RODRGUEZ RUIZ, J .-PRIETO SEZ, E.-HERNNDEZ MORALES, V.-GMEZ TOLEDANO, M.P. : Matemticas 2.
Economa y Empresa.Teora, Editorial Centro de Estudios Ramn Areces, 1996.
Prctica 1.nb 11
187
Curso 2010 - 2011
Prctica 2
Sistema de ecuaciones en diferencias
En la prctica anterior se estudi la resolucin de ecuaciones en diferencias del tipo x
n+2
+2x
n+1
- x
n
= 0.
Supongamos ahora que hay ms de una sucesin desconocida, por ejemplo x
n
e y
n
, tales que han de verificar conjuntamente:
:
2x
n+1
- x
n
+ y
n
= 0
y
n+1
-2x
n
= 0
En este spuesto se dice que estamos ante un sistema de ecuaciones en diferencias. La orden RSolve que utilizbamos
para resolver las ecuaciones en diferencias tambin nos sirve para resolver este tipo de sistemas. A pesar de ello, como ya
hicimos en la prctica anterior, iremos obteniendo las soluciones de los distintos tipos de sistemas de forma semejante a
como se hizo en la parte terica con el fin de consolidar los conceptos que all se expusieron
En el Tema 1 de la parte terica de la asignatura se obtuvieron las soluciones de los sistemas de ecuaciones en
diferencias utilizando su expresin matricial. As pues, en primer lugar, daremos unos conocimientos previos sobre el manejo
de las matrices con el Mathematica.
ndice.
1.1 Cmo generar una matriz.
1.2 Elevar una matriz a una potencia.
1.3 Potencia ensima de una matriz.
2. Sistema lineal de ecuaciones en diferencias homogneo de orden 1 con coeficientes constantes.
3. Sistema lineal de ecuaciones en diferencias no homogneo de orden 1 con coeficientes constantes.
4. Resolucin de un sistema de ecuaciones en diferencias con el Mathematica.
5. Apndice. Solucin particular del sistema lineal en diferencias con coeficientes constantes no homogneo de orden 1.
6. Bibliografa.
1.1 Cmo generar una matriz.
Para el Mathematica, un vector es una lista de elementos separados por comas y encerrados entre llaves. As, el
vector H1, 3, 5L se escribira como 81, 3, 5< .
Una matriz, en el Mathematica, es un vector cuyos elementos a su vez son vectores. As pues, la matriz
a b c
1 2 3
se escribira de la siguiente manera {{a,b,c},{1,2,3}}. A veces, resulta muy prctico utilizar la barra de herramientas para
itroducir una matriz de la siguiente forma:
Insert Table/Matrix New...
y una vez seleccionados el nmero de filas y columnas se irn rellenando las celdas movindose con el tabulador.
188
Para generar una matriz cuyos elementos siguen una determinada frmula se utiliza la orden Table con dos variables
segn el siguiente formato:
Table[f(i,j),{i,m},{j,n}]
que construye una matriz mn con i variando desde 1 hasta m y j desde 1 hasta n. Ejemplo:
In[1]:= TableB
i
j
2
, 8i, 2<, 8j, 3<F
Out[1]= ::1,
1
4
,
1
9
>, :2,
1
2
,
2
9
>>
In[2]:= MatrixForm@%D
Out[2]//MatrixForm=
1
1
4
1
9
2
1
2
2
9
1.2 Elevar una matriz a una potencia.
Sea la matriz A =
3 -1 0
2 1 4
2 2 0
, si se pretende calcular A
4
sera incorrecto poner
3 -1 0
2 1 4
2 2 0
4
puesto que esta orden
se limitara a elevar cada trmino de la matriz a la cuarta potencia. Mathematica tiene la orden MatrixPower para realizar
esta tarea:
MatrixPower[matriz,potencia]
por ejemplo, para obtener A
4
habra que escribir:
In[3]:= A =
3 1 0
2 1 4
2 2 0
;
In[4]:= MatrixPower@A, 4D
Out[4]= 8855, 56, 76<, 8264, 15, 4<, 8150, 40, 24<<
Out[5]//MatrixForm=
55 56 76
264 15 4
150 40 24
1.3 Potencia ensima de una matriz.
Incluso si la potencia de una matriz no es dato numrico la orden MatrixPower puede calcular A
n
:
In[6]:= MatrixPowerB
1 0
1 2
, nF MatrixForm
Out[6]//MatrixForm=
1 0
1 2
n
2
n
2 Prctica 2.nb
189
2. Sistema lineal de ecuaciones en diferencias homogneo de
orden 1 con coeficientes constantes.
Sean dos sucesiones x
n
e y
n
, tales que han de verificar conjuntamente el siguiente sistema:
:
x
n+1
+ x
n
- y
n
= 0
y
n+1
-2x
n
= 0
o mejor:
:
x
n+1
= -x
n
+ y
n
y
n+1
= 2x
n
Dicho sistema se dice lineal de coeficientes constantes y de orden 1 (slo hay un desplazamiento en la variable n).
Para calcular su solucin es conveniente expresarlo en forma matricial:
x
n+1
y
n+1
=
-1 1
2 0
x
n
y
n
Como se explic en el apartado 5 del Tema 1 de la asignatura, la solucin general de este sistema es:
x
n
y
n
=
-1 1
2 0
n
c
1
c
2
con c
1
y c
2
constantes genricas
Por lo tanto, la solucin general del sistema :
x
n+1
= -x
n
+ y
n
y
n+1
= 2x
n
se calcula del siguiente modo:
A =
1 1
2 0
;
In[9]:=
x@n_D
y@n_D
= MatrixPower@A, nD.
C@1D
C@2D
Out[9]= ::
1
3
+
1
3
H1L
n
2
1+n
C@1D +
1
3

H2L
n
3
C@2D>, :
2
3

1
3
H1L
n
2
1+n
C@1D +
2
3
+
H2L
n
3
C@2D>>
In[10]:= x@nD
Out[10]=
1
3
+
1
3
H1L
n
2
1+n
C@1D +
1
3

H2L
n
3
C@2D
In[11]:= y@nD
Out[11]=
2
3

1
3
H1L
n
2
1+n
C@1D +
2
3
+
H2L
n
3
C@2D
3. Sistema lineal de ecuaciones en diferencias no homogneo
de orden 1 con coeficientes constantes.
Un sistema lineal de coeficientes constantes de orden 1 no homogneo tiene la siguiente forma:
Prctica 2.nb 3
190

x
n+1
1
= a
11
x
n
1
+... +a
1k
x
n
k
+ b
1
HnL
x
n+1
2
= a
21
x
n
1
+... +a
2k
x
n
k
+ b
2
HnL
.... ... ... ... ... ... ... ...
x
n+1
k
= a
k1
x
n
1
+... + a
kk
x
n
k
+ b
k
HnL

donde los coeficientes a
ij
son costantes y b
i
HnL son funciones de n. Las incgnitas son, naturalmente, las sucesiones
x
n
1
, x
n
2
, ... , x
n
k
.
De manera anloga a lo que ocurra en las ecuaciones lineales de orden k, se puede enunciar el siguiente teorema:
TEOREMA. La solucin general del sistema de ecuaciones en diferencias no homogneo se obtiene sumando una solucin
particular del sistema y la solucin general del sistema homogneo asociado.
Dado que la solucin general del sistema homogneo se ha estudiado en el apartado anterior, slo quedara encontrar
una solucin particular del sistema completo. En el Apndice de esta prctica ofrecemos una expresin para su clculo.
4. Resolucin de un sistema de euaciones en diferencias con
el Mathematica.
La orden RSolve tambin puede resolver sistemas de ecuaciones utilizando la siguiente sintaxis:
RSolve[{ecuacin1,ecuacin2,...,ecuacink},{x1[n], x2[n],...,xk[n]},n]
por ejemplo, para el sistema :
x
n+1
+ x
n
- y
n
= 0
y
n+1
-2x
n
= 0
se procedera:
In[13]:= RSolve@8x@n + 1D + x@nD y@nD 0, y@n + 1D 2 x@nD 0<, 8x@nD, y@nD<, nD
Out[13]= ::x@nD
1
3
I1 + H1L
n
2
1+n
M C@1D +
1
3
I1 H2L
n
M C@2D,
y@nD
2
3
I1 + H2L
n
M C@1D +
1
3
I2 + 2
n

n
M C@2D>>
Ejercicio 1.
Calcular la solucin del sistema :
x
n+1
+ x
n
- y
n
= n
y
n+1
- 2x
n
= 1
.
Ejercicio 2.
Calcular la solucin del sistema :
x
n+1
+ x
n
- y
n
= n
y
n+1
- 2x
n
= 1
tal que :
x
0
= 1
y
0
= 0
Ejercicio 3.
Dado el sistema :
x
n+1
+2x
n
- y
n
= 2
n
y
n+1
-2x
n
+ 3y
n
= n
identificar una solucin particular del sistema.
4 Prctica 2.nb
191
5. Apndice. Solucin particular del sistema lineal en
diferencias con coeficientes constantes no homogneo de
orden 1.
(Lectura opcional).
Sea el sistema lineal de coeficientes constantes de orden 1 no homogneo:

x
n+1
1
= a
11
x
n
1
+... +a
1k
x
n
k
+ b
1
HnL
x
n+1
2
= a
21
x
n
1
+... +a
2k
x
n
k
+ b
2
HnL
.... ... ... ... ... ... ... ...
x
n+1
k
= a
k1
x
n
1
+... + a
kk
x
n
k
+ b
k
HnL

donde los coeficientes a
ij
son costantes y b
i
HnL son funciones de n, siendo las incgnitas las sucesiones x
n
1
, x
n
2
, ... , x
n
k
.
Este sistema adopta la expresin matricial siguiente:

x
n+1
1
...
x
n+1
k
= A
x
n
1
...
x
n+1
k
+ BHnL
siendo la matriz A =
a
11
a
12
... a
1k
a
21
a
22
... a
2k
... ... ... ...
a
k1
a
k2
... a
kk
y BHnL =
b
1
HnL
b
2
HnL
...
b
k
HnL
Aplicando el mtodo de variacin de constantes se llega a la conclusin de que una solucin particular de este
sistema es:

i=0
n-1
A
n-i-1
BHiL
Ejemplo, calculemos la solucin del sistema :
x
n+1
= 2x
n
+ y
n
+ n
y
n+1
= 2y
n
+ 1
.
A =
2 1
0 2
;
B@n_D = K
n
1
O;
In[17]:=
i=0
n1
HMatrixPower@A, n i 1D.B@iDL
Out[17]=
i =0
1+n
992
1i +n
i 2
2i +n
H1 + i nL=, 92
1i +n
==
luego una solucin particular
xpcHnL
ypcHnL
del sistema completo ser:
Prctica 2.nb 5
192
In[18]:=
xpc@n_D
ypc@n_D
= ::
i=0
1+n
I2
1i+n
i 2
2i+n
H1 + i nLM>, :
i=0
1+n
I2
1i+n
M>>
Out[18]= ::
1
2
H2 + 2
n
L n>, 81 + 2
n
<>
la solucin general del sitema homogneo asociado es:
In[19]:=
xgh@n_D
ygh@n_D
= MatrixPower@A, nD.
C@1D
C@2D
Out[19]= 992
n
C@1D + 2
1+n
n C@2D=, 82
n
C@2D<=
y la solucin general del sistema completo ser:
In[20]:=
x@n_D
y@n_D
=
xgh@nD
ygh@nD
+
xpc@nD
ypc@nD
Out[20]= ::
1
2
H2 + 2
n
L n + 2
n
C@1D + 2
1+n
n C@2D>, 81 + 2
n
+ 2
n
C@2D<>
Es decir,
In[21]:= x@n_D = SimplifyB
1
2
H2 + 2
n
L n + 2
n
C@1D + 2
1+n
n C@2D, n Integers && n 0F
Out[21]= 2
n
C@1D +
1
2
n H2 + 2
n
+ 2
n
C@2DL
In[22]:= y@n_D = Simplify@1 + 2
n
+ 2
n
C@2D, n Integers && n 0D
Out[22]= 1 + 2
n
+ 2
n
C@2D
6. Bibliografa.
Se recomienda la misma bibliografa que la del tema anterior.
6 Prctica 2.nb
193
Curso 2010 - 2011
Prctica 3
Representacin de funciones de varias variables
En esta prctica se mostrar la facilidad que tiene el Mathematica para realizar representaciones grficas, en el plano
o en el espacio, de funciones escalares, campos vectoriales o curvas parametrizadas.
ndice.
1.1 Dibujo de una funcin real de variable real.
1.2 Presentacin de varios grficos en un mismo dibujo.
1.3 Dibujo de un punto con el Mathematica.
1.4 Colocar un texto en un lugar del plano o del espacio.
2. Funciones escalares de
2
en .
3. Campos vectoriales en
2
.
3
.
5. Representacin de un campo de vectores discreto.
6. Curvas parametrizadas en
2
.
3
.
8. Bibliografa.
1.1 Dibujo de una funcin real de variable real.
La orden Plot del Mathematica dibuja funciones reales de variable real. Su sintaxis es la siguiente:
Plot[f[x],{x,a,b}
dibuja la funcin f HxL en el dominio a < x < b
Por ejemplo, dibujemos la funcin senHxL en el dominio 0 x 2p
In[1]:= Plot@Sin@xD, 8x, 0, 2 Pi<D
Out[1]=
1 2 3 4 5 6
-1.0
-0.5
0.5
1.0
La orden Plot dispone de muchas opciones que permiten modificar el aspecto del dibujo, para ello se utiliza la orden
PlotStyle{ }. Veamos un ejemplo con las principales opciones:
194
In[2]:= 8Plot@Sin@xD, 8x, 0, 2 Pi<, PlotStyle 8Red<D,
Plot@Sin@xD, 8x, 0, 2 Pi<, PlotStyle 8Thick<D,
Plot@Sin@xD, 8x, 0, 2 Pi<, PlotStyle 8Dashed<D,
Plot@Sin@xD, 8x, 0, 2 Pi<, PlotStyle 8Green, Dashed<D<
Out[2]= :
1 2 3 4 5 6
-1.0
-0.5
0.5
1.0
,
1 2 3 4 5 6
-1.0
-0.5
0.5
1.0
,
1 2 3 4 5 6
-1.0
-0.5
0.5
1.0
,
1 2 3 4 5 6
-1.0
-0.5
0.5
1.0
>
1.2 Presentacin de varios grficos en un mismo dibujo.
Existen muchas formas de superponer en un mismo dibujo varios grficos, la ms fcil consiste en otorgar un nombre
a cada grfico y, a continuacin, mostrarlas en un mismo dibujo con la orden Show. Por ejemplo:
In[3]:= dibujo1 = Plot@Sin@xD, 8x, 0, 2 Pi<D;
dibujo2 = Plot@Cos@xD, 8x, 0, 2 Pi<, PlotStyle 8Orange<D;
Show@dibujo1, dibujo2D
Out[5]=
1 2 3 4 5 6
-1.0
-0.5
0.5
1.0
1.3 Dibujo de un punto con el Mathematica.
Para dibujar un punto con el Mathematica se utiliza la orden Point precedida de Graphics:
Graphics[Point[{x,y}]]
dibuja el punto de coordenadas Hx, yL
Por ejemplo, para dibujar el punto H1, 1L:
In[6]:= Graphics@Point@81, 1<DD
Out[6]=
La orden Graphics dispone de muchas posibilidades para modificar el aspecto de los elementos que muestra, puntos,
2 Prctica 3.nb
195
lneas, rectngulos,... Veamos algunas de las ms interesantes:
In[7]:= 8Graphics@8PointSize@SmallD, Point@81, 1<D<D,
Graphics@8PointSize@MediumD, Point@82, 1<D<D,
Graphics@8PointSize@LargeD, Point@83, 1<D<D,
Graphics@8PointSize@MediumD, Pink, Point@84, 1<D<D<
Out[7]= : , , , >
Mathematica tambin puede dibujar puntos en tres dimensiones con la orden Graphics3D. Por ejemplo, dibujemos el
punto {0,0,0}:
In[8]:= Graphics3D@8PointSize@MediumD, Point@80, 0, 0<D<D
Out[8]=
1.4 Colocar un texto en un lugar del plano o del espacio.
Muchas veces estaremos interesados en colocar un texto en un lugar determinado. Esto se puede hacer con la orden
Text precedida de Graphics
Graphics[Text["texto",{coordenadas}]]
coloca el texto en las coordenadas especificadas
Por ejemplo:
Prctica 3.nb 3
196
In[9]:= dibujo1 = Plot@Sin@xD, 8x, 0, 2 Pi<D;
dibujo2 = Graphics@Text@"funcin senHxL", 81, 0.5<DD;
Out[11]=
funcinsenHxL
1 2 3 4 5 6
-1.0
-0.5
0.5
1.0
De forma anloga, con la orden Graphics3D[Text["texto",{coordenadas}]] colocaramos un texto en el espacio.
2. Funciones escalares de
2
en .
Para representar graficamente una funcin f :
2
parece lgico que el proceso consista en que a cada punto
Hx, yL e
2
se le aada una tercera coordenada z = f Hx, yL. Por lo tanto, la representacin grfica de una funcin f :
2

consiste en poner como altura de cada punto Hx, yL el valor de la funcin f en dicho punto. Esta tarea la realiza Mathematica
con la orden Plot3D que tiene la sigueinte sintaxis:
Plot3D[f(x,y),{x,a,b},{y,c,d}]
Por ejemplo, sea una placa rectangular de dimensin 21 situada en el primer cuadrante y cuya temperatura en cada
punto Hx, yL viene dada por la funcin THx, yL = 10- x - 3y. Representemos esta funcin cuyo dominio es la regin
D = @0, 2D@0, 1D
2
:
In[12]:= T@x_, y_D = 10 x 3 y;
Plot3D@T@x, yD, 8x, 0, 2<, 8y, 0, 1<, AxesLabel 8"eje X", " eje Y", "eje Z"<D
Out[13]=
solamente con la visualizacin de la grfica observamos que la temperatura mnima se obtiene en el punto H2, 1L y la mxima
en el punto H0, 0L.
4 Prctica 3.nb
197
Ejercicio 1.
Representar las siguientes funciones en el dominio D = @-10, 10D@-10, 10D:
a) f Hx, yL = x
2
+ y
2
(paraboloide elptico).
b) gHx, yL = sen x
2
+ y
2
.
NOTA: Una vez situado el cursor sobre una grfica tridimensional se recomienda moverlo para ver la figura desde distintos
puntos de vista.
2
.
Antes de dibujar con el Mathematica los campos vectoriales es aconsejable repasar lo comentado en el apartado 1.3
del tema 2 de la asignatura. En sntesis, un campo vectorial en
2
es una aplicacin F :
2

2
tal que a un punto le asocia
un vector. La representacin del vector se hace dibujndolo a partir del punto del que es imagen.
Antes de representar un campo vectorial con el Mathematica debemos cargar el paquete VectorFieldPlots`
In[14]:= Needs@"VectorFieldPlots`"D
Dibujemos el campo vectorial FHx, yL =
x
x
2
+y
2
,
y
x
2
+y
2
:
In[15]:= VectorFieldPlotB:
x
x
2
+ y
2
,
y
x
2
+ y
2
>, 8x, 1, 1<, 8y, 1, 1<F
Power::infy : Infinite expression
1
0
encountered.
::indet : Indeterminate expression 0ComplexInfinity encountered.
Power::infy : Infinite expression
1
0
encountered.
::indet : Indeterminate expression 0ComplexInfinity encountered.
Out[15]=
Prctica 3.nb 5
198
Ejercicio 2.
Representar el campo vectorial Hsenx, cosyL en el primer cuadrante de longitud 2p.
3
.
La orden del Mathematica VectorFieldPlot3D dibuja un campo vectorial en
3
. Previamente hay que cargar el
paquete VectorFieldPlots`.
Representemos, en el cubo de longitud la unidad situado en el primer octante, el campo en
3
que a cada punto le
hace corresponder su vector de posicin .
In[17]:= VectorFieldPlot3D@8x, y, z<, 8x, 0, 1<, 8y, 0, 1<, 8z, 0, 1<D
Out[17]=
Si no queremos que evale tantos puntos en cada direccin, podemos utilizar la opcin PlotPoints 3 (por defecto es
7).
Si queremos que se dibujen las flechas de los vectores utilizamos la opcin VectorHeadsTrue (por defecto es
False).
6 Prctica 3.nb
199
In[18]:= VectorFieldPlot3D@8x, y, z<, 8x, 0, 1<,
8y, 0, 1<, 8z, 0, 1<, PlotPoints > 3, VectorHeads > TrueD
Out[18]=
Ejercicio 3.
Representar el campo vectorial FHx, y, zL = Hx, 2y +3zL en el cubo de lado 1 centrado en el origen.
5. Representacin de un campo de vectores discreto.
Mathematica tambin puede representar un campo vectorial expresado por un conjunto discreto de puntos y vectores
mediante la orden ListVectorFieldPlot o ListVectorFieldPlot3D, segn estemos en
2
o
3
respectivamente, y siempre
cargando previamente el paquete VectorFieldPlots`. La sintaxis de esta funcin en
2
es:
ListVectorFieldPlot[{ {punto1,vector1}, {punto2,vector2} ,...., {punton,vectorn} }]
Por ejemplo, sea el campo vectorial FHx, yL =
x
x
2
+y
2
,
y
x
2
+y
2
dibujemos los vectores asociados a los puntos
H-1, -1L; H-1, 1L; H1, 1L y H1, -1L:
In[20]:= F@8x_, y_<D = :
x
x
2
+ y
2
,
y
x
2
+ y
2
>
Out[20]= :
x
x
2
+ y
2
,
y
x
2
+ y
2
>
In[21]:= P1 = 81, 1<;
P2 = 81, 1<;
P3 = 81, 1<;
P4 = 81, 1<;
Prctica 3.nb 7
200
In[25]:= ListVectorFieldPlot@8 8P1, F@P1D<, 8P2, F@P2D<, 8P3, F@P3D<, 8P4, F@P4D< <D
Out[25]=
Si al dibujo anterior queremos aadirle las coordenadas de los puntos, de los que los vectores son sus imgenes,
podramos hacerlo de la siguiente forma (las coordenadas se colocan aproximadamente en el lugar que le corresponden
intentanto guardar cierta esttica):
In[26]:= dibujo1 = ListVectorFieldPlot@8 8P1, F@P1D<, 8P2, F@P2D<, 8P3, F@P3D<, 8P4, F@P4D< <D;
dibujo2 = Graphics@
8Text@P1, 81, 0.9<D, Text@P2, 81, 0.9<D, Text@P3, 81, 0.9<D, Text@P4, 81, 0.9<D< D;
Out[28]=
8-1, -1<
8-1, 1< 81, 1<
81, -1<
Ejercicio 4.
La curva seno hiperblico (Sinh@xD) tiene la grfica que se observa en el dibujo. Un vector tangente a dicha curva en
el punto H2, SinhH2LL es H1, CoshH2LL. Se trata de poner las rdenes adcuadas con el Mathematica para obtener el siguiente
dibujo:
8 Prctica 3.nb
201
vector tangenteaSinhHxL
enel puntoH2,SinhH2LL
-3 -2 -1 1 2 3
-10
-5
5
10
2
.
La mejor forma de trabajar con una curva en el plano consiste en dar una expresin vectorial o paramtrica de la
misma. Es decir, definiendo una funcin gHtL con t @a, bD que toma valores en
2
.
g : @a, bD
2
Por ejemplo, es conocido que la expresin de la circunferencia centrada en el origen de radio 1 es x
2
+ y
2
= 1. Sin
embargo, no es muy til trabajar con esta expresin. La mejor forma de expresar esta circunferencia consiste en dar su
expresin paramtrica:
gHtL :
x = cost
y = sent
con t @0, 2pD
o bien en forma vectorial:
gHtL = Hcost, sentL con t @0, 2pD
Efectivamente, se trata de la misma circunferencia puesto que:

x
2
+ y
2
= cos
2
t + sen
2
t
= 1
el significado del parmetro t es el ngulo que forma el segmento que une el punto Hx, yL y el origen con el eje de abscisas:
Mathematica tiene la orden ParametricPlot para representar este tipo de funciones:
ParametricPlot[{x[t],y[t]},{t,a,b}]
Por ejemplo:
Prctica 3.nb 9
202
In[29]:= @t_D = 8Cos@tD, Sin@tD<
Out[29]= 8Cos@t D, Si n@t D<
In[30]:= ParametricPlot@@tD, 8t, 0, 2 Pi<D
Out[30]=
-1.0 -0.5 0.5 1.0
-1.0
-0.5
0.5
1.0
Veamos una pequea muestra de la flexibilidad que permite la expresin de una curva en paramtricas. Si ahora
quiero dibujar
3
4
de circunferencia podemos hacer gHtL = Hcost, sentL con t A0,
3p
2
E:
In[31]:= ParametricPlotB@tD, :t, 0,
3
2
>F
Out[31]=
-1.0 -0.5 0.5 1.0
-1.0
-0.5
0.5
1.0
Ejercicio 5.
Dibujar la espiral g :
x =
t4
senH2tL
y =
t4
cosH2tL
t e @-3, 4D
3
Una curva parametrizada en
3
es una aplicacin g : @a, bD
3
que, en forma paramtrica, viene dada por las
ecuaciones: g :
x = xHtL
y = yHtL
z = zHtL
t @a, b D, y en forma vectorial por gHtL = HxHtL, yHtL, zHtLL con t @a, bD.
La orden del Mathematica que realiza el dibujo de la curva es:
ParametricPlot3D[{x[t],y[t],z[t]},{t,a,b}]
10 Prctica 3.nb
203
Ejercicio 6
Dibujar la hlice de ecuaciones: :
x = cost
y = sent
z = 0.2t
t @0, 8pD.
NOTA: La orden ParametricPlot posee distintas opciones. Se recomienda que se utilice la opcin AxesLabel para poner
nombre a los ejes:
AxesLabel{"eje x","eje y","eje z"}
8. Bibliografa.
GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, Edita CLAGSA-MADRID,
1996.
KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, volumen 1, Ed. MIR. 1990.
J IMNEZ LPEZ, M. - J DAR REYES, J .: Matemticas I (Manual de prcticas), Universidad de J an, CD (Coleccin
Apuntes, curso 2002-2003).
J IMNEZ LPEZ, M. - J DAR REYES, J .: Matemticas II (Manual de prcticas), Universidad de J an, CD (Coleccin
LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997.
Prctica 3.nb 11
204
Curso 2010 - 2011
Ampliacin de Matemticas (I. T. Industrial)
Prctica 4
Estudio general de las curvas parametrizadas
En la prctica anterior vimos que una curva parametrizada en el plano es una aplicacin g : @a, bD
2
.
Anlogamente, una curva parametrizada en el espacio es una aplicacin g : @a, bD
3
. Tambin se vi que ParametricPlot
y ParametricPlot3D son las rdenes que tiene el Mathematica para representar estas curvas en
2
y
3
respectivamente. En
esta prctica vamos a familiarizarnos con las curvas expresadas en forma paramtrica.
ndice.
1.1 Mdulo de un vector.
1.2 La orden FinRoot.
3. Distintas parametrizaciones de una trayectoria.
4. Sentido de recorrido de una curva parametrizada.
5. Obtencin de una curva con sentido contrario a otra dada.
6. Puntos dobles de una curva parametrizada.
7. Bibliografa
1.1 Mdulo de un vector.
El mdulo de un vector v
= Hx
1
, ..., x
n
L es el nmjero real v
= x
1
2
+... + x
n
2
y representa la longitud de dicho
vector. Con independencia de la dimensin del vector, la orden Norm del Mathematica calcula su mdulo. Ejemplo:
In[1]:= Norm@81, 1<D
Out[1]= 2
In[2]:= Norm@81, 1, 1<D
Out[2]= 3
1.2 La orden FindRoot.
En prcticas anteriores se han utilizado las rdenes Solve y NSolve para la resolucin de ecuaciones y sistemas. Sin
embargo, muchas veces estas rdenes anteriores son incapaces de encontrar la solucin de la ecuacin o del sistema. En estos
casos, se utiliza la orden FindRoot que busca la solucin mediante un mtodo iterativo; es decir, comenzando en un punto x
0
que est relativamente prximo a la verdadera solucin y el mtodo va generando un conjunto de puntos que se aproximan a
la solucin buscada. La sintaxis de esta orden es:
205
FindRoot[ecuacin,{x,x
0
}]
Mathematica no nos muestra los resultados intermedios sino slo la aproximacin numrica final. De todas formas, si
no encontrara la solucin de la ecuacin o del sistema nos devolvera un mensaje en ese sentido. En este ltimo caso, la
forma de proceder sera repetir la orden cambiando el valor inicial x
0
por otro que est ms prximo a la verdadera solucin.
El mismo procedimiento se habra de seguir si la solucin que propone el programa no se ajusta a lo esperado por nosotros.
Por ejemplo, vamos a obtener la solucin de la ecuacin: x senx =
1
2
, esto equivale a calcular la raz de la funcin
f HxL = x senHxL -
1
2
, dicho de otro modo, el valor c que verifica: f HcL = 0. Para ello una buena idea es representar f HxL en un
intervalo, a elegir por nosotros, y tomar un valor x
0
cercano al punto donde la grfica de la funcin corte al eje de abscisas:
In[3]:= Plot@xSin@xD 12, 8x, 0, 2<D
Out[3]=
0.5 1.0 1.5 2.0
-0.5
0.5
1.0
observamos que la raz de la funcin f HxL = x senHxL -
1
2
(o la solucin de la ecuacin x senHxL =
1
2
) est cercana al valor 1.
Por lo tanto, tomamos x
0
= 1 como valor para comenzar el algortimo de bsqueda en la orden FindRoot.
In[4]:= FindRoot@xSin@xD == 12, 8x, 1<D
Out[4]= 8x 0. 740841<
De forma anloga se procedera para hallar la solucion de un sistema, por ejemplo :
y senHxL =
1
2
x senHyL = 1
In[5]:= FindRoot@8ySin@xD == 12, xSin@yD == 1<, 8x, 1<, 8y, 1<D
Out[5]= 8x 1. 95044, y 0. 538331<
Sea una curva parametrizada gHtL (en
2

3
) con t @a, bD, se puede demostrar facilmente que la longitud LHgL de
de esta curva viene dada por:
LHgL =
a
b
g' HtL t
Por ejemplo, para calcular la longitud de la circunferencia de radio 3 procederamos del siguiente modo:
Parametrizamos la circunferencia:
In[7]:= @t_D = 83 Cos@tD, 3 Sin@tD<
Out[7]= 83 Cos@t D, 3 Si n@t D<
con t @0, 2pD
Calculamos la derivada de gHtL que la llmamamos dgHtL:
2 Prctica 4.nb
206
In[8]:= d@t_D = D@@tD, tD
Out[8]= 83 Si n@t D, 3 Cos@t D<
Calculamos la norma de la derivada:
In[9]:= Norm@d@tDD
Out[9]= 9 Abs@Cos@t DD
2
+ 9 Abs@Si n@t DD
2
la longitud de la circunferencia de radio 3 ser:
In[10]:= IntegrateB 9 Abs@Cos@tDD
2
+ 9 Abs@Sin@tDD
2
, 8t, 0, 2 Pi<F
Out[10]= 6
Ejercicio 1.
Hallar la longitud de la hlice g :
x = cost
y = sent
z = 0.2t
t @0, 8pD.
3. Distintas parametrizaciones de una trayectoria.
Situmonos en el plano, la idea intuitiva de curva parametrizada es la de reflejar el movimiento de un mvil que se
mueve en dicho plano, de tal forma que en el tiempo t se encuentra en el el punto :
x = xHtL
y = yHtL
. Por lo tanto, es lgico pensar que
una misma trayectoria puede ser recorrida a diferentes velocidades y, consecuentemente, una misma trayectoria puede venir
representada por infinitas parametrizaciones.
Por ejemplo, las curvas :
x = 2cost
y = 2sent
con t @0, pD y :
x = 2cos
2
Ht + 1L - 2sen
2
Ht +1L
y = 4cosHt +1L senHt +1L
con t @-1, p -1D tienen la
misma trayectoria o, como tambin se dice, son dos parametrizaciones de la misma curva. Veamos:
In[12]:= 1@t_D = 82 Cos@tD, 2 Sin@tD<;
2@t_D = 82 HCos@t + 1DL^2 2 HSin@t + 1DL^2, 4 Cos@t + 1D Sin@t + 1D<;
dib1 = ParametricPlot@1@tD, 8t, 0, Pi<D;
dib2 = ParametricPlot@2@tD, 8t, 1, Pi 1<D;
Show@dib1, dib2D
Out[16]=
-2 -1 1 2
0.5
1.0
1.5
2.0
slo aparece una grfica porque se han superpuesto los dibujos de g
1
y g
2
.
Por lo tanto, si el mvil A recorre el plano siguiendo el movimiento de la curva :
x = 2cost
y = 2sent
con t @0, pD, y el B lo
Prctica 4.nb 3
207
hace segn :
x = 2cos
2
Ht +1L -2sen
2
Ht + 1L
y = 4cosHt +1L senHt +1L
con t @-1, p - 1D, ambos describen la misma trayetoria; cuestin distinta es
que lo hagan a distintas velocidades o en distinto sentido.
4. Sentido del recorrido de una curva parametrizada.
Sea el mvil que en el momento t se encuentra en el punto :
x = Ht - 2L
3
-t
y = 2Ht -2L
2
, su recorrido desde el momento inicial
hasta los 5 segundos sera:
In[17]:= @t_D = 9Ht 2L
3
t, 2 Ht 2L
2
=;
ParametricPlot@@tD, 8t, 0, 5<, PlotRange FullD
Out[18]=
-5 5 10 15 20
5
10
15
pero nos queda la duda si el mvil se mueve de izquierda a derecha o al revs. Podemos hacer un pequeo artificio que
consiste en dibujar el movimiento realizado desde 0 hasta t (ParametricPlot[g[z], {z, 0, t}]) y posteriormente hacemos una
animacin superponiendo muchos de esos dibujos de tal forma que t tome valores 0< t < 5 con un paso de una dcima de
segundo. Esto se puede hacer con la orden Manipulate:
Manipulate[expresin(t),{t,inicio,final,paso}]
In[19]:= Manipulate@ParametricPlot@@zD, 8z, 0, t<D, 8t, 0, 5, 0.1<D
Out[19]=
t
0.8 1.0 1.2 1.4 1.6 1.8 2.0
-1.5
-1.0
-0.5
conforme se va deslizando la barra del parmetro t hacia la derecha (t va tomando valores crecientes) se muestra el sentido de
recorrido de la curva. Si se pulsa el boton + del deslizador, adems de otros controladores, se observarn los valores que
4 Prctica 4.nb
208
va tomando t en cada momento.
De la manipulacin anterior se desprende que se mueve de izquierda a derecha. Pero tambin lo podramos haber
adivinado de una forma ms fcil.
In[20]:= Print@"Punto inicial =", @0DD
Print@"Punto final =", @5DD
Punt o i ni ci al =88, 8<
Punt o f i nal =822, 18<
es decir, la curva va desde el punto H-8, 8L al punto H22, 18L luego va de izquierda a derecha.
NOTA 1. Hay que sealar que tan importante como conocer la forma de la curva es saber su sentido de recorrido.
NOTA 2. El parmetro t siempre tomar valores crecientes lo que, por otra parte, es consecuente con el hecho de que, en la
mayora de las aplicaciones prcticas, el parmetro t representar el tiempo.
Ejercicio 2.
Sea la curva g :
x = 2cos
3
t
y = 2sen
3
t
t e @1, 2D. Representar la curva indicando su punto inicial y final.
Ejercicio 3.
Hallar una parametrizacin del segmento rectilneo que comienza en el punto H1, 3, 1L y termina en el H4, 5, 2L.
5. Obtencin de una curva con sentido contrario a otra dada.
Sea la curva gHtL = 8t +1, cosHtL + senHtL< con t @0, 6D, cuya representacin grfica es:
muchas veces interesa obtener otra curva que tenga el mismo dibujo pero que se recorra en sentido contrario. Este problema
se puede resolver fcilmente mediante el cambio de variable s = f HtL = -t como se observa en el siguiente dibujo:
Prctica 4.nb 5
209
si definimos la curva bHtL = gH f HtLL = gH-tL, la curva bHtL tendr la mis trayectoria que g pero recorrida en sentido opuesto.
NOTA 1. El intervalo donde esta definida bHtL deber ser @-b, -aD a fin de que la imagen de f aplicada al intervalo @-b, -aD
sea precismante @a, bD.
Apliquemos este procedimiento a la la curva gHtL = 8t +1, cosHtL +senHtL< con t @0, 6D que la dibujaremos de color
rojo mientras que b la pintaremos de color verde, asimismo representaremos las dos curvas sobre los mismos ejes
coordenados.
In[22]:= @t_D = 8t + 1, Cos@tD + Sin@tD<
Out[22]= 81 + t , Cos@t D + Si n@t D<
In[23]:= @t_D = @tD
Out[23]= 81 t , Cos@t D Si n@t D<
In[24]:= dibujo1 = ParametricPlot@@tD, 8t, 0, 6<, PlotStyle 8Red<D;
dibujo2 = ParametricPlot@@tD, 8t, 6, 0<, PlotStyle 8Green, Opacity@0.5D<D;
Out[26]=
aunque las trayectorias de g y b son las mismas estn recorridas de forma diferente:
In[27]:= Print@"Punto inicial de HtL: ", N@@0DD, " Punto final de HtL: " , N@@6DDD
Print@"Punto inicial de HtL: ", N@@6DD, " Punto final de HtL: ", N@@0DDD
Punt o i ni ci al de Ht L: 81. , 1. < Punt o f i nal de Ht L: 87. , 0. 680755<
Punt o i ni ci al de Ht L: 87. , 0. 680755< Punt o f i nal de Ht L: 81. , 1. <
NOTA 2. Si tuvieramos especial inters en que el intervalo de definicin de la nueva curva fuera el mismo que el de la curva
g entonces se realizara una traslacin previa mediante el cambio de variable gHtL = t - Hb + aL. Siguiendo con el mismo
ejemplo la nueva curva dHtL sera:
In[29]:= @t_D = @Ht H6 + 0LLD
Out[29]= 87 t , Cos@6 t D + Si n@6 t D<
6 Prctica 4.nb
210
In[30]:= dibujo3 = ParametricPlot@@tD, 8t, 0, 6<D;
Out[31]=
2 3 4 5 6 7
-1.0
-0.5
0.5
1.0
In[32]:= Print@"Punto inicial de HtL: ", N@@0DD, " Punto final de HtL: ", N@@6DDD
Punt o i ni ci al de Ht L: 87. , 0. 680755< Punt o f i nal de Ht L: 81. , 1. <
Ejercicio 4.
La semicircunferencia g :
x = cost
y = sent
t e @0, pD se recorre en sentido contrario a las agujas del reloj. Obtener otra
parametrizacin de dicha semicircunferencia pero que se recorra en sentido opuesto.
6. Puntos dobles de una curva parametrizada.
En un ejemplo visto ms arriva se consideraba el desplazamiento de un mvil en el plano segn la curva
g :
x = Ht -2L
3
- t
y = 2Ht -2L
2
con t @0, 5D. Vimos que su representacin grfica era:
-5 5 10 15 20
5
10
15
adems, comprobamos que se recorra de izquierda a derecha.
Pues bien, observamos que existen dos momentos t
1
y t
2
en los que el mvil pasa por el mismo punto, punto doble.
Calculemos dicho punto y los valores de los tiempos t
1
y t
2
en los que se alcanza el punto doble.
In[33]:= @t_D = 9Ht 2L
3
t, 2 Ht 2L
2
=
Out[33]= 9H2 + t L
3
t , 2 H2 + t L
2
=
existirn dos momentos t
1
y t
2
tales que gHt
1
L = gHt
2
L, por lo tanto, nuestro problema queda resuelto obteniendo la solucin
del sistema gHt
1
L = gHt
2
L donde las incgnitas son t
1
y t
2
:
Prctica 4.nb 7
211
In[34]:= Solve@@t1D @t2D, 8t1, t2<D
Solve::svars : Equations may not give solutions for all "solve" variables.
Out[34]= :8t 1 1, t 2 3<, 8t 1 2, t 2 2<, 8t 1 3, t 2 1<,
:t 1
1
3
J6 3 N, t 2
1
3
J6 3 N>, :t 1
1
3
J6 + 3 N, t 2
1
3
J6 + 3 N>, 8t 1 t 2<>
In[35]:= N@%D
Out[35]= 88t 1 1. , t 2 3. <, 8t 1 2. , t 2 2. <, 8t 1 3. , t 2 1. <,
8t 1 1. 42265, t 2 1. 42265<, 8t 1 2. 57735, t 2 2. 57735<, 8t 1 t 2<<
de todas las soluciones anteriores, las nicas que aplicadas a nuestro problema tienen sentido sentido son :
t
1
= 1
t
2
= 3
y el punto
dosble sera gH1L = gH3L = H-2, 2L:
In[36]:= @1D
Out[36]= 82, 2<
Suele ocurrir que al resolver el sistema gHt
1
L = gHt
2
L con la orden Solve el Mathematica no sea capaz de darnos
ningn resultado. Por ejemplo, sea la curva gHtL = I1+cos
t
2
, sint -1M con t @-5, 5D. Efectivamente, esta curva posee un
punto doble como se desprende de su representacin grfica:
In[37]:= @t_D = :1 + CosB
t
2
F, Sin@tD 1>;
ParametricPlot@@tD, 8t, 5, 5<D
Out[38]=
0.5 1.0 1.5 2.0
-2.0
-1.5
-1.0
-0.5
si intentamos calcular, con la orden Solve, los momentos t
1
y t
2
que se aplican en el punto doble no obtenemos ningn
resultado:
In[39]:= Solve@@t1D @t2D, 8t1, t2<D
Solve::tdep : The equations appear to involve the variables to be solved for in an essentially non-algebraic way.
Out[39]= Sol veB:1 + CosB
t 1
2
F, 1 + Si n@t 1D> :1 + CosB
t 2
2
F, 1 + Si n@t 2D>, 8t 1, t 2<F
En casos como ste podemos utilizar la orden FindRoot, paro antes de aplicar dicha funcin necesitamos unos
valores cercanos a las verdaderas soluciones de t
1
y t
2
para que comience el proceso iterativo. As pues, hacemos una tabla de
valores 8t, gHtL< teniendo en cuenta que el punto doble se encuentra en el punto H1, -1L (o muy cercano a dicho punto):
8 Prctica 4.nb
212
In[40]:= Table@8t, N@@tDD<, 8t, 5, 5, 0.5<D MatrixForm
Out[40]//MatrixForm=
5. 80. 198856, 0. 0410757<
4. 5 80. 371826, 0. 0224699<
4. 80. 583853, 0. 243198<
3. 5 80. 821754, 0. 649217<
3. 81. 07074, 1. 14112<
2. 5 81. 31532, 1. 59847<
2. 81. 5403, 1. 9093<
1. 5 81. 73169, 1. 99749<
1. 81. 87758, 1. 84147<
0. 5 81. 96891, 1. 47943<
0. 82. , 1. <
0. 5 81. 96891, 0. 520574<
1. 81. 87758, 0. 158529<
1. 5 81. 73169, 0. 00250501<
2. 81. 5403, 0. 0907026<
2. 5 81. 31532, 0. 401528<
3. 81. 07074, 0. 85888<
3. 5 80. 821754, 1. 35078<
4. 80. 583853, 1. 7568<
4. 5 80. 371826, 1. 97753<
5. 80. 198856, 1. 95892<
observamos que t
1
tiene que estar cerca de -3 y t
2
cerca de 3:
In[41]:= FindRoot@@t1D @t2D, 8t1, 3<, 8t2, 3<D
Out[41]= 8t 1 3. 14159, t 2 3. 14159<
In[42]:= @3.141592651528695D
Out[42]= 81. , 1. <
Luego gH-3.14159L = gH3.14159L = H1, -1L.
Ejercicio 5.
Sea la curva g :
x = cos
2
t
y = sen3t
t e @-5, 5D. Representarla y calcular, si existen, sus puntos dobles.
7. Bibliografa.
1996.
Prctica 4.nb 9
213
Curso 2010 - 2011
Prctica 5
Curvas parametrizadas por el parmetro arco. Frmulas de Frenet
Si estamos interesados en conocer el comportamiento de una curva g : @a, bD
3
, alrededor de un punto
determinado P, parece lgico que los clculos se deben simplificar si se toma un sistema de referencia apropiado a la forma
de la curva en las cercanas de dicho punto.
En esta prctica vamos a calcular dicho sistema de referencia afn que estrar formado por el punto P y tres vectores
unitarios perpendiculares entre s orientados segn las caractersticas de la propia curva en el punto P.
Tambien daremos las nociones de curvatura y torsin cuyos valores caracterizarn a la curva salvo isometras en el
espacio.
NOTA. En toda la prctica vamos a suponer que g : @a, bD
3
es una funcin diferenciable cuantas veces sean necesarias y
que est parametrizada por el parmetro arco. En la prctica siguiente extenderemos los resultados a otras curvas no
necesariamente parametrizadas por dicho parmetro.
ndice.
1.1 Producto escalar.
1.2 Producto vectorial.
1.3 Producto mixto.
2. Curva parametrizada por el parmetro arco.
3. Vector tangente.
4. Curvatura.
5. Vector normal principal.
6. Vector binormal.
7. Plano osculador.
8. Torsin.
9. Formulas de Frenet.
10. Bibliografa.
1.1 Producto escalar.
Dados dos vectores v
= Hx
1
, ..., x
n
L y w = Hy
1
, ..., y
n
L de
n
, el Mathematica realiza el producto escalar
v
w = x
1
y
1
+... + x
n
y
n
de estos vectores con el "punto del teclado". Ejemplo:
In[1]:= 83, 1, 0<.82, 2, 5<
Out[1]= 4
214
1.2 Producto vectorial.
Dados dos vectores v
y w
de
3
, la orden Cross del Mathematica realiza el producto vectorial de ambos vectores
Jv
N. Por ejemplo, el producto vectorial de los vectores H-1, 0, 3L H2, 4, -2L se calculara:
In[2]:= Cross@81, 0, 3<, 82, 4, 2<D
Out[2]= 812, 4, 4<
1.3 Producto mixto.
Dados tres vectores u = Hu
1
, u
2
, u
3
L, v
= Hv
1
, v
2
, v
3
L, w = Hw
1
, w
2
, w
3
L de
3
, se define el producto mixto de estos tres
vectores, y se escribe Bu,
v,
F, como el nmero:
Bu,
v,
F = u
Jv
N =
u
1
u
2
u
3
v
1
v
2
v
3
w
1
w
2
w
3
Por ejemplo, sean los vectores de
3
u = H-1, 0, 3L, v
= H2, 1, 2L, w = H0, -1, 1L su producto mixto Bu,
v,
F sera -9:
In[3]:= Det@881, 0, 3<, 82, 1, 2<, 80, 1, 1<<D
Out[3]= 9
2. Curva parametrizada por el parmetro arco.
En la prctica anterior vimos que la semicircunferencia de radio 2 poda expresarse de dos maneras diferentes
g
1
:
x = 2cost
y = 2sent
con t @0, pD, y g
2
:
x = 2cos
2
Ht + 1L -2sen
2
Ht +1L
y = 4cosHt +1L senHt + 1L
con t @-1, p - 1D.
Puestos a elegir entre estas dos parametrizaciones parece claro que nos quedaramos con la primera pues resulta
relativamente cmoda. Pero hay que sealar que no es la mejor la mejor de todas las parametrizaciones.
La parametrizacin que ms ventajas proporciona es aquella en la que el mvil la recorre a velocidad constantemente
igual a 1. Es decir, g' HtL = 1 para todo t. Cuando una curva presenta estas caractersticas se dice que est parametrizada por
el parmetro arco y en lugar de utilizar la letra t, se utiliza como parmetro de la curva la letra s.
DEFINICIN. La curva g : @a, bD se dice que est parametrizada por el parmetro arco si g' HsL = 1 para todo
s @a, bD.
Dada una curva gHtL veamos los pasos que debemos realizar, cambio de variable, para conseguir una nueva
parametrizacin de la misma curva (misma trayectoria) pero que, ahora, la curva quede parametrizada por el parmetro arco.
Partimos de gHtL con t @a, bD.
Definimos la nueva variable s del siguiente modo s =
a
t
g' HzL z. Una vez resuelta dicha integral se tiene una
funcin s = f HtL.
Despejamos la variable t en funcin de la variable s, t = gHsL
La nueva expresin de la curva ser gHgHsLL
El intervalo de definicin del parmetro s sera s @a, bD donde gHaL = a y f HbL = b.
Por ejemplo, parametricemos por el parmetro arco la semicircunferencia de radio 2. Partimos de la expresin
2 Prctica 5.nb
215
gHtL = H2cost, 2sentL con t @0, pD que no est parametrizada por el parmetro arco.
In[5]:= @t_D = 82 Cos@tD, 2 Sin@tD<
Out[5]= 82 Cos@t D, 2 Si n@t D<
In[6]:= d@t_D = D@@tD, tD
Out[6]= 82 Si n@t D, 2 Cos@t D<
In[7]:= Norm@d@tDD
Out[7]= 4 Abs@Cos@t DD
2
+ 4 Abs@Si n@t DD
2
In[8]:= Simplify@%, 0 t D
Out[8]= 2
In[9]:=
0
t
2 z
Out[9]= 2 t
In[10]:= Solve@s == 2 t, tD
Out[10]= ::t
s
2
>>
El nuevo intervalo de definicin del parmetro s ser:
In[11]:= SolveB
s
2
0, sF
SolveB
s
2
, sF
Out[11]= 88s 0<<
Out[12]= 88s 2 <<
Por lo tanto, la expresin de la semicircunferencia de radio 2 parametrizada por el arco sera gHsL = I2cos
s
2
, 2sen
s
2
M
con t @0, 2pD
In[13]:= ParametricPlotB:2 CosB
s
2
F, 2 SinB
s
2
F>, 8s, 0, 2 Pi<F
Out[13]=
-2 -1 1 2
0.5
1.0
1.5
2.0
Adems, veamos que, efectivamente, est parametrizada por el parmetro arco (g' HsL = 1):
In[14]:= @s_D = :2 CosB
s
2
F, 2 SinB
s
2
F>
Out[14]= :2 CosB
s
2
F, 2 Si nB
s
2
F>
Prctica 5.nb 3
216
In[15]:= Norm@'@sDD
Out[15]= AbsBCosB
s
2
FF
2
+ AbsBSi nB
s
2
FF
2
In[16]:= Simplify@%, s RealsD
Out[16]= 1
Ejercicio 1.
Expresar por el parmetro arco la curva (trozo de recta) gHtL = It
3
, t
3
M con t @-1, 1D.
3. Vector tangente.
DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco. Se define el vector tangente unitario en el punto
P = gHsL como el vector:
tangenteHsL = g' HsL
Ejemplo, el vector tangente a la curva g :
x =
coss
2
y =
sens
2
z =
s
2
en el punto P = J
1
2
, 0, 0N se calculara del siguiente modo:
En primer lugar veamos si la curva est parametrizada por el parmetro arco:
In[17]:= @s_D = :
Cos@sD
2
,
Sin@sD
2
,
s
2
>
Out[17]= :
Cos@sD
2
,
Si n@sD
2
,
s
2
>
In[18]:= d@s_D = D@@sD, sD
Out[18]= :
Si n@sD
2
,
Cos@sD
2
,
1
2
>
In[19]:= Norm@d@sDD
Out[19]=
1
2
+
1
2
Abs@Cos@sDD
2
+
1
2
Abs@Si n@sDD
2
Out[20]= 1
efectivamente, g' HsL = 1 por tanto est parametrizada por el parmetro arco.
El vector tangente en cada punto de la curva es g' HsL
In[21]:= Tangente@s_D = Simplify@d@sDD
Out[21]= :
Si n@sD
2
,
Cos@sD
2
,
1
2
>
ahora calculamos el valor s
0
del parmetro de la curva que verifica gHs
0
L = P = J
1
2
, 0, 0N.
4 Prctica 5.nb
217
In[22]:= SolveB@sD :
1
2
, 0, 0>F
Solve::incnst :
Inconsistent or redundant transcendental equation. After reduction, the bad equation is -ArcCos@Cos@sDD == 0.
Solve::ifun : Inverse functions are being used by Solve, so
some solutions may not be found; use Reduce for complete solution information.
Out[22]= 88s 0<<
El vector tangente en el punto P = gH0L = J
1
2
, 0, 0N es:
In[23]:= Tangente@0D
Out[23]= :0,
1
2
,
1
2
>
Ejercicio 2.
Sea la curva g :
x = coss
y = sens
z = 3
, comprobar que est parametrizada por el parmetro arco y calcular el vector tangente
en el punto H1, 0, 3L.
4. Curvatura.
La idea intuitiva de curvatura se entiende con la siguiente apreciacin. Sea la curva gHsL, conforme cambiamos de
punto ir cambiando tambin su vector tangente, es ms, cuanto ms curvada sea sta el vector tangente tambin ir variando
con mayor rapidez. Por lo tanto, la derivada del vector tangente medir lo curvada que est la curva.
DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco. Se define la curvatura kHsL en el punto P = gHsL de la
curva como el nmero:
kHsL = g'' HsL
Por ejemplo, la curvatura de la curva g :
x =
coss
2
y =
sens
2
z =
s
2
en el punto P = J
1
2
, 0, 0N sera:
In[24]:= @s_D = :
Cos@sD
2
,
Sin@sD
2
,
s
2
>;
d@s_D = D@@sD, sD;
dd@s_D = D@d@sD, sD;
La curvatura en cada punto de gHsL es:
In[27]:= k@s_D = Norm@dd@sDD
Out[27]=
1
2
Abs@Cos@sDD
2
+
1
2
Abs@Si n@sDD
2
Prctica 5.nb 5
218
Out[28]=
1
2
En este caso la curvatura ha salido constante en cada punto pero, en general, depender del parmetro s. La curvatura
en el punto P = J
1
2
, 0, 0N ser:
In[29]:= k@0D
Out[29]=
1
2
Ejercicio 3.
Calcular la curvatura en cada punto de la curva g :
x = coss
y = sens
z = 3
.
5. Vector normal principal.
DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco, si kHsL 0, se define el vector normal principal en el
punto g(s) como el siguiente vector:
normal principalHsL =
g'' HsL
g'' HsL
=
g'' HsL
kHsL
Por ejemplo, el vector normal principal (o simplemente vector normal) de la curva g :
x =
coss
2
y =
sens
2
z =
s
2
en el punto
P = J
1
2
, 0, 0N es:
In[30]:= @s_D = :
Cos@sD
2
,
Sin@sD
2
,
s
2
>;
d@s_D = D@@sD, sD;
el vector normal principal en cada punto de gHsL sera:
In[33]:= NormalPrincipal@s_D = SimplifyB
dd@sD
Norm@dd@sDD
F
Out[33]= :
Cos@sD
Abs@Cos@sDD
2
+ Abs@Si n@sDD
2
,
Si n@sD
Abs@Cos@sDD
2
+ Abs@Si n@sDD
2
, 0>
Out[34]= 8Cos@sD, Si n@sD, 0<
el vector normal en el punto P = gH0L = J
1
2
, 0, 0N
6 Prctica 5.nb
219
In[35]:= NormalPrincipal@0D
Out[35]= 81, 0, 0<
Ejercicio 4.
Calcular el vector normal principal en el punto H1, 0, 3L de la curva g :
x = coss
y = sens
z = 3
.
6. Vector binormal.
DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco, suponemos que existen el vector tangente y el normal
principal en gHsL. Se define el vector binormal de gHsL como el vector:
binormalHsL = tangenteHsL normal principalHsL
Ejemplo, sea la curva g :
x =
coss
2
y =
sens
2
z =
s
2
el vector tangente en cada punto gHsL es :-
Sin@sD
2
,
Cos@sD
2
,
1
2
> y el normal
principal 8-Cos@sD, -Sin@sD, 0<, por lo tanto, el vector binormal en cada punto de gHsL ser:
In[36]:= Tangente@s_D = :
Sin@sD
2
,
Cos@sD
2
,
1
2
>;
NormalPrincipal@s_D = 8Cos@sD, Sin@sD, 0<;
In[38]:=
In[39]:= Binormal@s_D = Cross@Tangente@sD, NormalPrincipal@sDD
Out[39]= :
Si n@sD
2
,
Cos@sD
2
,
Cos@sD
2
2
+
Si n@sD
2
2
>
Out[40]= :
Si n@sD
2
,
Cos@sD
2
,
1
2
>
el vector binormal en el punto P = gH0L = J
1
2
, 0, 0N es:
In[41]:= Binormal@0D
Out[41]= :0,
1
2
,
1
2
>
Ejercicio 5.
Calcular el vector binormal de la curva g :
x = coss
y = sens
z = 3
Prctica 5.nb 7
220
7. Plano osculador.
Sea la curva gHsL (que suponemos no es una recta) y P un punto de la misma. Si la curva estuviera contenida en un
plano dicho plano se denomina plano osculador. Si la curva no fuera plana, el plano osculador en el punto P se definira
como aqul que ms se aproxima a la curva en el sentido que, en las proximidades del punto P, el error que se comete al
suponer la curva situada en dicho plano es el mnimo. O, si se prefiere, el plano osculador sera el plano limite de aquellos
que pasan por P y por otros dos puntos de la curvan que tienden al punto P.
DEFINICIN. Sea P un punto de la curva gHsL. Se define el plano osculador a gHsL en el punto P como el plano formado por
el punto P y los vectores tangente y normal principal.
Por lo tanto, si P = gHs
0
L = Hx
0
, y
0
, z
0
L, el vector tangente en P Ht
1
, t
2
, t
3
L y el vector normal en el mismo punto
Hn
1
, n
2
, n
3
L, la ecuacin del plano osculador sera:
x - x
0
y - y
0
z - z
0
t
1
t
2
t
3
n
1
n
2
n
3
= 0
Ejemplo, para la curva g :
x =
coss
2
y =
sens
2
z =
s
2
y el punto P = J
1
2
, 0, 0N, el vector tangente en P es J0,
1
2
,
1
2
N y el vector
normal principal en ese punto H-1, 0, 0L. El plano osculador en P se calculara:
In[42]:= DetB::x
1
2
, y 0, z 0>, :0,
1
2
,
1
2
>, 81, 0, 0<>F
Out[42]=
y
2
+
z
2
El plano osculador de la curva g :
x =
coss
2
y =
sens
2
z =
s
2
en el punto P = J
1
2
, 0, 0N es z - y = 0.
Ejercicio 6.
Calcular el plano osculador de la curva g :
x = coss
y = sens
z = 3
8. Torsin.
Una curva que no est contenida en un plano se ir levantando respecto al plano osculador. Una medida de la rapidez
con que se levanta la curva del plano osculador lo da la torsin.
DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco tal que kHsL 0, se define la torsin tHsL en cada punto
de la curva gHsL como el nmero:
tHsL =
@g' HsL,g'' HsL,g''' HsLD
g'' HsLg'' HsL
8 Prctica 5.nb
221
Por ejemplo, la torsin de la curva g :
x =
coss
2
y =
sens
2
z =
s
2
en cada punto de gHsL es:
In[43]:= @s_D = :
Cos@sD
2
,
Sin@sD
2
,
s
2
>;
d@s_D = D@@sD, sD;
ddd@s_D = D@dd@sD, sD;
In[47]:= @s_D =
Det@8d@sD, dd@sD, ddd@sD<D
dd@sD.dd@sD
Out[47]=
Cos@sD
2
2 2
+
Si n@sD
2
2 2
Cos@sD
2
2
+
Si n@sD
2
2
Out[48]=
1
2
La torsin de la curva g en el punto P = gH0L = J
1
2
, 0, 0N es:
In[49]:= @0D
Out[49]=
1
2
Ejercicio 7.
Calcular la torsin de la curva g :
x = coss
y = sens
z = 3
9. Frmulas de Frenet.
las respectivas derivadas del vector tangente, normal y binormal proporcionan una idea de cmo va variando el
sistema de referencia (llamado triedro de Frenet y que ya apuntbamos en la introduccin de esta prctica) a lo largo de la
curva g(s). Las frmulas que relacionan las derivadas de los vectores tangente, normal y binormal en funcin de ellos
mismos se denominan frmulas de Frenet y se suelen expresar en forma matricial de la siguiente manera:
T ' HsL
N' HsL
B' HsL
=
0 kHsL 0
-kHsL 0 tHsL
0 -tHsL 0

THsL
NHsL
BHsL
donde THsL, NHsL yBHsL son los vectores tangente, normal principal y binormal respectivamente.
Prctica 5.nb 9
222
Ejercicio 8.
Comprobar las frmulas de Frenet para la curva g :
x = coss
y = sens
z = 3
.
10. Bibliografa.
CASTELLANO ALCNTARA, J . - GMEZ DOMINGO, D. - PREZ GMEZ, R.: Clculo Matemtico Aplicado a la
Tcnica, Edita Proyecto Sur, Granada, 1997.
CORDERO, LUIS A. - FERNNDEZ, M. - GRAY, A.: Geometra diferencial de curvas y superficies con Mathematica,
Alianza Universidad, 1995.
GRANERO RODRGUEZ, F.: lgebra y Geometra Analtica, McGraw-Hill, 1989.
LARSON ROLAND E. - HOSTETLER ROBERT P. - EDWARDS BRUCE H.: Clculo, volumen 2, McGraw-Hill, 1995.
10 Prctica 5.nb
223
Curso 2010 - 2011
Prctica 6
Triedro de Frenet de una curva no parametrizada por el arco
En la prctica anterior se vi que, dada una curva gHsL parametrizada por el parmetro arco, era posible construir un
sistema de referencia ortonormal afn, denominado Triedro de Frenet, formado por el punto de la curva y los vectores
tangente, normal y binormal, suponiendo la existencia de todos ellos.
Pero si la curva gHtL no est parametrizada por el parmetro arco Hg' HtL T 1L, para obtener el triedro de Frenet habra
que previamente parametrizarla por el parmetro arco lo que, en general, no ser una tarea fcil ya que en primer lugar hay
que resolver la integral
t
0
t
g' HzL z en donde aparece una raz cuadrada y, despus, hay que despejar la varaible t de la
ecuacin s =
t
0
t
g' HzL z.
En esta prctica vamos a obtener el triedro de Frenet, as cmo la curvatura y torsin, para curvas no necesariamente
parametrizadas por el arco. Como vamos a comprobar la expresin de estos elementos son ms complicados pero gracias a la
facilidad de clculo del Mathematica no tendremos mayores problemas.
ndice.
1. Vector tangente, normal y binormal de una curva no parametrizada por el arco.
1.1 Representacin grfica del triedro de Frenet.
2. Curvatura y torsin de una curva no parametrizada por el parmetro arco.
3. Bibliografa.
1. Vector tangente, normal y binormal de una curva no
parametrizada por el arco.
A continuacin, exponemos las frmulas de vector tangente, normal principal y binormal de una curva no
parametrizada por el parmetro arco, supuesta la existencia de estos vectores. En particular, se exige que dada punto de la
curva sea regular. Un punto de una curva P = gHt
0
L se dice regular si g' Ht
0
L 0
. En caso contrario, el punto P se llama

singular. Muchas veces el hecho de que un punto sea sea regular o singular slo depende de la parametrizacin elegida para
la curva. Por ejemplo, el dibujo de gHtL = Ht, tL y de bHtL = It
3
, t
3
M es el mismo ya que se corresponde con la recta y = x, sin
embargo, el origen es un punto regular para g y singular para b.
Vector tangente:
tangenteHtL =
g' HtL
g' HtL
Vector normal principal:
normal principalHtL =
Hg' HtLg'' HtLL g' HtL
Hg' HtLg'' HtLL g' HtL
224
Vector binormal:
binormalHtL =
g' HtLg'' HtL
Hg' HtLg'' HtLL
Por ejemplo, sea la curva g :
x = 2
t
y =
2t
z = Ht + 1L
3
. Calculemos el triedro de Frenet en el punto P = H2, 1, 1L
In[2]:= @t_D = 92 E
t
, E
2 t
, Ht + 1L^3=;
d@t_D = D@@tD, tD;
dd@t_D = D@d@tD, tD;
Tangente@t_D = SimplifyB
d@tD
Norm@d@tDD
, t RealsF
Out[5]= :
2
t
4
2 t
+ 4
4 t
+ 9 H1 + t L
4
,
2
2 t
4
2 t
+ 4
4 t
+ 9 H1 + t L
4
,
3 H1 + t L
2
4
2 t
+ 4
4 t
+ 9 H1 + t L
4
>
In[6]:= NormalPrincipal@t_D = SimplifyB
Cross@Cross@d@tD, dd@tDD, d@tDD
Norm@Cross@d@tD, dd@tDDD Norm@d@tDD
, t RealsF
Out[6]= :
4
4 t
+ 9 H1 + t L H1 + t L
3
I4
2 t
+ 4
4 t
+ 9 H1 + t L
4
M J4
4 t
+ 9 I1 + t
2
M
2
+ 36
2 t
It + t
2
M
2
N
,
2
t
I2
2 t
+ 9 t H1 + t L
3
M
I4
2 t
+ 4
4 t
+ 9 H1 + t L
4
M J4
4 t
+ 9 I1 + t
2
M
2
+ 36
2 t
It + t
2
M
2
N
,
6
t
H1 + t L I1 + t + 2
2 t
t M
I4
2 t
+ 4
4 t
+ 9 H1 + t L
4
M J4
4 t
+ 9 I1 + t
2
M
2
+ 36
2 t
It + t
2
M
2
N
>
In[7]:= Binormal@t_D = SimplifyB
Cross@d@tD, dd@tDD
Norm@Cross@d@tD, dd@tDDD
, t RealsF
Out[7]= :
6
t
t H1 + t L
4
4 t
+ 9 I1 + t
2
M
2
+ 36
2 t
It + t
2
M
2
,
3 I1 + t
2
M
4
4 t
+ 9 I1 + t
2
M
2
+ 36
2 t
It + t
2
M
2
,
2
2 t
4
4 t
+ 9 I1 + t
2
M
2
+ 36
2 t
It + t
2
M
2
>
Calculamos el punto t
0
tal que gHt
0
L = P = H2, 1, 1L:
In[8]:= Solve@@t0D 82, 1, 1<, t0D
Solve::ifun : Inverse functions are being used by Solve, so
some solutions may not be found; use Reduce for complete solution information.
Out[8]= 88t 0 0<<
por lo tanto, el triedro de Frenet en el punto P = H2, 1, 1L sera:
2 Prctica 6.nb
225
In[9]:= Tangente@0D
Out[9]= :
2
17
,
2
17
,
3
17
>
In[10]:= NormalPrincipal@0D
Out[10]= :
13
17
,
4
221
,
6
221
>
In[11]:= Binormal@0D
Out[11]= :0,
3
13
,
2
13
>
1.1 Representacin grfica del triedro de Frenet.
Representemos la curva g :
x = 2
t
y =
2t
z = Ht +1L
3
junto con su triedro de Frenet en el punto P = H2, 1, 1L.
dibujo1 = ParametricPlot3D@@tD, 8t, 0.6, 0.6<, AxesLabel 8"X", "Y", "Z"<D;
dibujo2 = ListVectorFieldPlot3D@88@0D, Tangente@0D<,
8@0D, NormalPrincipal@0D<,
8@0D, Binormal@0D<<, VectorHeads > TrueD;
dibujo3 = Graphics3D@8
Text@"Tangente", @0D + Tangente@0D + 0.1D,
Text@"Normal", @0D + NormalPrincipal@0D + 0.1D,
Text@"Binormal", @0D + Binormal@0D + 0.1D
<D;
In[16]:= Show@dibujo1, dibujo2, dibujo3D
Out[16]=
Tangente
Normal Binormal
2 3
X
0
1
2
3
Y
0
1
2
3
4
Z
Prctica 6.nb 3
226
Ejercicio 1.
Sea la curva g :
x = t
y = Ht +1L
2
z = Ht - 1L
3
, representar el triedro de Frenet en el punto P = H1, 4, 0L.
2. Curvatura y torsin de una curva no parametrizada por el
parmetro arco.
Las frmulas de la curvatura y la torsin de una curva no parametrizada por el arco son:
Curvatura:
kHtL =
g' HtLg'' HtL
g' HtL
3
Torsin :
tHtL =
@g' HtL,g'' HtL,g''' HtLD
Hg' HtLg'' HtLLHg' HtLg'' HtLL
Ejemplo, la curvatura y la torsin de la curva g :
x = 2
t
y =
2t
z = Ht +1L
3
en el punto P = H2, 1, 1L son:
In[17]:= @t_D = 92 E
t
, E
2 t
, Ht + 1L^3=;
d@t_D = D@@tD, tD;
dd@t_D = D@d@tD, tD;
ddd@t_D = D@dd@tD, tD;
In[21]:= k@t_D = SimplifyB
Norm@Cross@d@tD, dd@tDDD
Norm@d@tDD
3
, t RealsF
Out[21]=
2
t
4
4 t
+ 9 I1 + t
2
M
2
+ 36
2 t
It + t
2
M
2
I4
2 t
+ 4
4 t
+ 9 H1 + t L
4
M
32
en el punto P = H2, 1, 1L la curvatura es:
In[22]:= k@0D
Out[22]=
2
13
17
17
In[23]:= N@%D
Out[23]= 0. 102879
4 Prctica 6.nb
227
In[24]:= @t_D = SimplifyB
Det@8d@tD, dd@tD, ddd@tD<D
Cross@d@tD, dd@tDD.Cross@d@tD, dd@tDD
, t RealsF
Out[24]=
6
t
I1 t + t
2
M
4
4 t
+ 36
2 t
t
2
H1 + t L
2
+ 9 I1 + t
2
M
2
en el punto P = H2, 1, 1L la torsin es:
In[25]:= @0D
Out[25]=
6
13
In[26]:= N@%D
Out[26]= 0. 461538
Ejercicio 2.
Calcular la curvatura y la torsin de la curva g :
x = t
y = Ht +1L
2
z = Ht -1L
3
en el punto P = H1, 4, 0L.
3. Bibliografa.
CASTELLANO ALCNTARA, J . - GMEZ DOMINGO, D. - PREZ GMEZ, R.: Clculo Matemtico Aplicado a la
Tcnica, Edita Proyecto Sur, Granada, 1997.
CORDERO, LUIS A. - FERNNDEZ, M. - GRAY, A.: Geometra diferencial de curvas y superficies con Mathematica,
Alianza Universidad, 1995.
MONTESDEOCA DELGADO, A.: Representacin grfica de curvas dadas en implcitas, paramtricas y polares, http : //
webpages.ull.es/users/amontes/apuntes/curvasgr.pdf
Prctica 6.nb 5
228
Curso 2010 - 2011
Prctica 7
Introduccin al estudio de superficies parametrizadas
Normalmente, en un primer curso de Ingeniera Industrial se estudian las superficies en su forma expcita z = f Hx, yL
o en forma implcita jHx, y, zL = 0. En esta prctica, vamos a familiarizarnos con la expresin paramtrica de la superficie
que tanto se utiliza en los problemas de ingeniera. Adems, la facilidad grfica del Mathematica va a facilitar la compresin
de conceptos bsicos de la teora de superficies.
ndice.
1.1. ngulo de dos vectores.
1.2. Derivadas parciales con el Mathematica.
2. Superficies parametrizadas.
3. Vector normal en un punto de la superficie.
4. Parametrizacin de una cara de la superficie.
5. Dada una superficie parametrizada obtener la parametrizacin de la otra cara.
6. rea de una superficie parametrizada.
7. Bibliografa.
1.1 ngulo de dos vectores.
Es conocido que el producto escalar de dos vectores x y tiene la expresin x y = x y cosa, siendo a el ngulo
que forman dichos vectores. De esta forma se concluye que:
x y > 0 el ngulo de ambos vectores es menor que
p
2
.
x y = 0 los vectores son perpendiculares.
x y < 0 el ngulo de los vectores es mayor que
p
2
.
1.2 Derivadas parciales con el Mathematica.
Sea la funcin de varias variables f Hx
1
, x
2
, ..., x
n
L, para calcular con el Mathematica las derivadas parciales de f
respecto de sus variables x
1
, ..., x
n
se utiliza la rden Derivative con el siguiente formato:
Derivative[n
1
, n
2
, ..., n
k
][f][x
1
, x
2
, ..., x
k
]
cuyo resultado es derivar n
1
veces la funcin f respecto de la primera variable, n
2
veces resepecto de la segunda y n
k
veces
respecto de la variable k-sima.
Por ejemplo, para la funcin f Hx, yL sern equivalentes las siguientes expresiones:
229
Derivative[1,0][f][x,y]
f Hx, yL
x
2
f Hx, yL
x y
2
f Hx, yL
x
2
si f Hx, yL = x
2
y
3
, las derivadas parciales
f
x
,
2
f
y
2
seran:
In[1]:= f@x_, y_D = x^2y^3
Out[1]= x
2
y
3
In[2]:= Derivative@1, 0D@fD@x, yD
Out[2]= 2 x y
3
In[3]:= Derivative@0, 2D@fD@x, yD
Out[3]= 6 x
2
y
si la funcin fuera de tres variables, por ejemplo f Hx, y, zL = x
2
y
3
z, la
2
f
y z
se escibira del siguiente modo:
In[4]:= f@x_, y_, z_D = x^2 y^3z
Out[4]= x
2
y
3
z
In[5]:= Derivative@0, 1, 1D@fD@x, y, zD
Out[5]= 3 x
2
y
2
2. Superficies en parametrizadas.
Una superfice parametrizada es una aplicacin S de un subconjunto D
2
con valores en
3
(S : D
3
). El
esquema grfico de una funcin de este tipo sera:
normalmente se suele identificar la superficie con su imagen en
3
.
Por ejemplo, representemos la esfera de radio unidad. Una de las parametrizaciones posibles de la esfera podra ser:
2 Prctica 7.nb
230
SHu, vL = HcosHuL senHvL, senHuL senHvL, cosHvLL con :
u @0, 2pD
v @0, pD
o tambin:
S :
xHu, vL = cosHuL senHvL
yHu, vL = senHuL senHvL
zHu, vL = cosHvL
con :
u @0, 2pD
v @0, pD
Mathematica tiene la orden ParametricPlot3D para dibujar las superfices parametrizadas.
In[6]:= S@u_, v_D = 8Cos@uD Sin@vD, Sin@uD Sin@vD, Cos@vD<;
ParametricPlot3D@S@u, vD, 8u, 0, 2 Pi<, 8v, 0, Pi<, AxesLabel 8"X", "Y", "Z"<D
Out[7]=
Ejercicio 1
Dibujar el cono de parametrizacin SHu, vL = Hu cosHvL, u senHvL, uL con :
u @0, 2D
v @0, 2pD
.
3. Vector normal en un punto de la superficie.
En gran cantidad de problemas resulta de enormeinterscalcular unvector perpendicular a la superficie enunpunto
determinado P = SHu
0
, v
0
L. Este vector perpendicular viene dado por el producto vectorial:
S
u
S
v

Iu
0
,v
0
M
y se llamar vector
normal. Cuando el vector normal tenga de mdulo la unidad se llamar vector normal unitario (en realidad ser uno de los
dos vectores normales unitarios a la superficie en un punto determinado).
Si notamos por nHu, vL al vector normal a la superficie S se tiene el siguiente esquema grfico:
Prctica 7.nb 3
231
Por ejemplo, calculemos el vector normal a la esfera de radio 1 en el punto P = J
1
2
,
1
2
,
2
2
N. En primer lugar,
hallamos las coordenadas Hu
0
, v
0
L tal que SHu
0
, v
0
L = J
1
2
,
1
2
,
2
2
N
In[8]:= SolveB:Cos@uD Sin@vD 12, Sin@uD Sin@vD 12, Cos@vD == 2 2>, 8u, v<F
Sol ve: : i f un :
I nver se f unct i ons ar e bei ng used by Sol ve, so some sol ut i ons may not be
f ound; use Reduce f or compl et e sol ut i on i nf or mat i on.
Out[8]= ::v
4
, u
3
4
>, :v
4
, u
4
>>
en esta parametrizacin de la esfera :
u @0, 2pD
v @0, pD
nuestra solucin sera Hu, vL = I
p
4
,
p
4
M. Es decir, P = SI
p
4
,
p
4
M = J
1
2
,
1
2
,
2
2
N.
el vector nHu, vL perpendicular a la superficie en el punto SHu, vL ser:
In[9]:= Su@u_, v_D = Derivative@1, 0D@SD@u, vD
Out[9]= 8Si n@uD Si n@vD, Cos@uD Si n@vD, 0<
In[10]:= Sv@u_, v_D = Derivative@0, 1D@SD@u, vD
Out[10]= 8Cos@uD Cos@vD, Cos@vD Si n@uD, Si n@vD<
In[11]:= n@u_, v_D = Cross@Su@u, vD, Sv@u, vDD
Out[11]= 9Cos@uD Si n@vD
2
, Si n@uD Si n@vD
2
, Cos@uD
2
Cos@vD Si n@vD Cos@vD Si n@uD
2
Si n@vD=
Out[12]= 9Cos@uD Si n@vD
2
, Si n@uD Si n@vD
2
, Cos@vD Si n@vD=
el vector normal en el punto P = J
1
2
,
1
2
,
2
2
N = SI
p
4
,
p
4
M es:
In[13]:= n@Pi4, Pi4D
Out[13]= :
1
2 2
,
1
2 2
,
1
2
>
4 Prctica 7.nb
232
Ejercicio 2
Calcular el vector normal al cono del ejercicio 1 en el punto I1, 1, 2 M
4. Parametrizacin de una cara de la superficie.
Excepto casos excepcionales, toda superficie tiene dos caras. Por ejemplo, una esfera tiene claramente dos caras una
interior y otra exterior. Cuando se parametriza una superfice se est parametrizando una cara de la misma. As, en el caso A
del siguiente dibujo, al apuntar el vector normal hacia arriba, se dice que se est parametrizando la cara superior de la
superficie SHu, vL. Por el contrario, en el caso B se parametriza la cara inferior de dicha superficie.
Por ejemplo, dada la parametrizacin de la superficie de radio 1 del apartado 2, comprobemos cul de las dos caras se
est parametrizando. Elijamos un punto P de la superficie, por ejemplo P = J
1
2
,
1
2
,
2
2
N, segn calculamos en el apartado 3
de esta prctica, el vector normal en dicho punto es J-
1
2 2
, -
1
2 2
, -
1
2
O. Representemos en un mismo dibujo la superficie
y el vector normal sobre el punto P:
Prctica 7.nb 5
233
S@u_, v_D = 8Cos@uD Sin@vD, Sin@uD Sin@vD, Cos@vD<;
p = :
1
2
,
1
2
,
2
2
>;
n@pD = :
1
2 2
,
1
2 2
,
1
2
>;
dibujo1 = ParametricPlot3D@S@u, vD, 8u, 0, 2 Pi<, 8v, 0, Pi<, AxesLabel 8"X", "Y", "Z"<D;
Needs@"VectorFieldPlots`"D
dibujo2 = ListVectorFieldPlot3D@88p, n@pD<<, VectorHeads TrueD;
Out[21]=
no se observa el dibujo del vector normal, quizs porque apunte hacia dentro y el dibujo de la esfera tape al vector. Para
evitar este inconveniente hagamos que la opacidad del color de la esfera sea ligera, asimismo quitamos la malla de la esfera
para que se aprecie claramente el dibujo del vector:
In[22]:= dibujo1 = ParametricPlot3D@S@u, vD, 8u, 0, 2 Pi<, 8v, 0, Pi<,
AxesLabel 8"X", "Y", "Z"<, PlotStyle Opacity@0.3D, Mesh 0D;
Out[23]=
luego SHu, vL = HcosHuL senHvL, senHuL senHvL, cosHvLL con :
u @0, 2pD
v @0, pD
parametriza la cara interior de la esfera de radio
unidad.
6 Prctica 7.nb
234
Sin embargo, la forma ms fcil y habitual para calcular la cara que se ha parametrizado no coniste en realizar el
dibujo de la superficie junto con su vector normal, basta con tener una leve idea de la superficie y la situacin del punto
elegido y multiplicar escalarmente el vector normal en dicho punto con el vector que apunta en la direccin del eje Z (vector
H0, 0, 1L).
In[24]:= :
1
2 2
,
1
2 2
,
1
2
>.80, 0, 1<
Out[24]=
1
2
este producto, al ser negativo, ya nos dice que el vetor normal en el punto P = J
1
2
,
1
2
,
2
2
N con el vector H0, 0, 1L forma un
ngulo mayor que
p
2
lo que debe corresponderse con la parametrizacin de la cara interior de la esfera.
Ejercicio 3
Dada la parametrizacin del cono del ejercicio 1, calcular la cara de la superficie parametrizada.
5. Dada una superficie parametrizada
obtener la parametrizacin de la otra cara.
Si tenemos la parametrizacin de una cara de la superficie, SHu, vL con Hu, vL D
2
y queremos parametrizar la
otra cara de la misma superficie, es decir, obtener la misma figura pero que el vector normal apunte en sentido contrario,
basta con realizar este pequeo cambio:
THu, vL = SHv, uL con Hv, uL D
Por ejemplo, segn se ha estudiado en el apartado anterior, la parametrizacin de la cara interior de la esfera de radio
unidad viene dada por:
SHu, vL = HcosHuL senHvL, senHuL senHvL, cosHvLL con :
u @0, 2pD
v @0, pD
aprovechamos la parametrizacin SHu, vL de la esfera unidad para dar otra parametrizacin T Hu, vL de la misma esfera pero
que parametriza la cara exterior:
THu, vL = SHv, uL = HcosHvL senHuL, senHvL senHuL, cosHuLL con :
u @0, pD
v @0, 2pD
Prctica 7.nb 7
235
In[25]:= Clear@"Global`"D;
S@u_, v_D = 8Cos@uD Sin@vD, Sin@uD Sin@vD, Cos@vD<;
dibujo1 = ParametricPlot3D@S@u, vD, 8u, 0, 2 <, 8v, 0, <, AxesLabel 8"X", "Y", "Z"<D;
T@u_, v_D = S@v, uD
dibujo2 = ParametricPlot3D@T@u, vD, 8u, 0, <, 8v, 0, 2 <, AxesLabel 8"X", "Y", "Z"<D;
Out[28]= 8Cos@vD Si n@uD, Si n@uD Si n@vD, Cos@uD<
Out[30]=
Veamos que el vector normal apunta hacia fuera. Elijamos un punto cualquiera, por ejemplo
TI
p
6
,
p
6
M = :
3
4
,
1
4
,
3
2
> y calculemos el vector normal en ese punto:
In[31]:= p = TB
6
,
6
F
Out[31]= :
3
4
,
1
4
,
3
2
>
In[32]:= Tu@u_, v_D = Derivative@1, 0D@TD@u, vD
Out[32]= 8Cos@uD Cos@vD, Cos@uD Si n@vD, Si n@uD<
In[33]:= Tv@u_, v_D = Derivative@0, 1D@TD@u, vD
Out[33]= 8Si n@uD Si n@vD, Cos@vD Si n@uD, 0<
In[34]:= n@u_, v_D = Cross@Tu@u, vD, Tv@u, vDD
Out[34]= 9Cos@vD Si n@uD
2
, Si n@uD
2
Si n@vD, Cos@uD Cos@vD
2
Si n@uD + Cos@uD Si n@uD Si n@vD
2
=
Out[35]= 9Cos@vD Si n@uD
2
, Si n@uD
2
Si n@vD, Cos@uD Si n@uD=
el vector normal en nuestro punto P ser:
In[36]:= n@Pi6, Pi6D
Out[36]= :
3
8
,
1
8
,
3
4
>
8 Prctica 7.nb
236
dibujo2 = ParametricPlot3D@T@u, vD, 8u, 0, <, 8v, 0, 2 <,
AxesLabel 8"X", "Y", "Z"<, PlotStyle Opacity@0.3D, Mesh 0D;
dibujo3 = ListVectorFieldPlot3D@88p, n@Pi6, Pi6D<<, VectorHeads TrueD;
Out[40]=
para verlo mejor ampliamos el rango del dibujo :
In[41]:= Show@dibujo2, dibujo3, PlotRange 1.5D
Out[41]=
Ejercicio 4.
Parametrizar la cara exterior del cono dado en el ejercicio 1.
Prctica 7.nb 9
237
6. rea de una superficie parametrizada.
Dada una superficie parametrizada SHv, uL con Hv, uL D, si SHv, uL es inyectiva, o mejor, si la parametrizacin no
describe varias veces trozos de superficie con rea y si
S
u
S
v
0
en el mismo conjunto de puntos, entonces el rea de la

superficie parametrizada viene dada por:

D

S
u
S
v
u v
Por ejemplo, el rea del tringulo originado por el plano x + y + z = 1 con el primer octante de los ejes coordenados
se calculara del siguiente modo.
En primer lugar hay que parametrizar la superficie. La parametrizacin se puede realizar facilmente considerando el
siguiente dibujo:
as pues, la parametrizacin ms fcil de este tringulo es S :
x = u
y = v
z = 1- u -v
con Hu, vL D siendo D el subconjunto
D = :Hu, vL
2
;
0 u 1
0 v 1-u
>. Por lo tanto, el rea de esta superficie es:
In[42]:= S@u_, v_D = 8u, v, 1 u v<;
In[43]:= Su@u_, v_D = Derivative@1, 0D@SD@u, vD
Out[43]= 81, 0, 1<
In[44]:= Sv@u_, v_D = Derivative@0, 1D@SD@u, vD
Out[44]= 80, 1, 1<
In[45]:=
0
1
0
1u
Norm@Cross@Su@u, vD, Sv@u, vDDD v u
Out[45]=
3
2
10 Prctica 7.nb
238
Ejercicio 5.
Calcular el rea del cono dado en el ejercicio 1.
7. Bibliografa.
SALAS - HILLE - ETGEN: Clculus. Una y varias variables, volumen II, Revert, 2003.
Prctica 7.nb 11
239
Curso 2010 - 2011
Prctica 8
Extremos locales de funciones de varias variables
Antes de realizar la presente prctica resulta imprescindible repasar el Tema 4 de la parte terica de la Asignatura. La
resolucin de un problema de extremos en varias variables requiere generalmente de clculos muy tediosos, en la presente
prctica vamos a utilizar el Mathematica para evitar en lo posible las engorrosas cuentas de este tipo de problemas.
ndice.
1.1 Regla de sustitucin.
1.2 Generar nmeros aleatorios.
1.3 Vector gradiente.
1.4 Matriz hessiana.
1.5 Extremos locales con el Mathematica.
2. Signo de una forma cuadrtica.
3. Puntos crticos.
4 Condicin suficiente de extremo local.
5. Bibliografa.
1. Conocimientos previos
1.1 Regla de sustitucin.
En ocasiones tendremos una expresin, por ejemplo 7x z +3y z -8x y, en el que hay que darle un cierto valor a una
variable, supongamos que x queremos que tome el valor 5, esta tarea se puede hacer facilmente declarando previamente x = 5
y despus se introduce la expresin:
x = 5;
7 x z + 3 y z 8 x y
Out[3]= 40 y + 35 z + 3 y z
Pero tambin hay otra forma de hacerlo directamente mediante el operador de sustitucin /. Su sintaxis es la siguiente:
expresion/.{regla1,regla2,...,reglan}
en la que se evala la "expresion" y despus realiza las sustituciones indicadas por las reglas de sustitucin "regla1" ,
"regla2",..., "reglan".
Volvamos sobre el ejemplo anterior:
7 x z + 3 y z 8 x y . 8x 5<
Out[5]= 40 y + 35 z + 3 y z
240
si se pretende sustitur x por 5 e y por 3 sera:
In[6]:= 7 x z + 3 y z 8 x y . 8x 5, y 3<
Out[6]= 120 + 44 z
1.2 Generar nmeros aleatorios.
La orden RandomReal del Mathematica nos devuelve nmeros reales aleatorios. Es decir, cada vez que se ejecute
dar numros al azar dentro de un rango prefijado. Su sintaxis es la siguiente:
RandomReal[{ rango de los nmeros aleatorios }, longitud del vector aleatorio]
Por ejemplo:
In[7]:= RandomReal@84, 4<D
Out[7]= 1. 99332
In[8]:= RandomReal@84, 4<, 3D
Out[8]= 80. 666734, 1. 91533, 0. 922525<
Si se pretende realizar una matriz aleatoria de dimensin 23 sera:
In[9]:= RandomReal@84, 4<, 82, 3<D MatrixForm
Out[9]//MatrixForm=
0. 501675 1. 89994 0. 863012
2. 33419 0. 345342 3. 47197
Si se queire obtener slo valores enteros, la orden a ejecutar sera RandomInteger con las mismas opciones:
In[10]:= RandomInteger@84, 4<D
Out[10]= 3
In[11]:= RandomInteger@84, 4<, 3D MatrixForm
3
1
4
In[12]:= RandomInteger@84, 4<, 82, 3<D MatrixForm
1 1 4
2 3 2
1.3 Vector gradiente.
Sea f :
n
se define el gradiente de esta funcin y se denota por f a:
f = :
f
x
1
,
f
x
2
, ...,
f
x
n
>
Mathematica calcula el gradiente de f Hx
1
, ..., x
n
L con la orden D:
D[ f Hx
1
, ..., x
n
L,{{x
1
, ..., x
n
<, 1<D o tambin D[ f Hx
1
, ..., x
n
L,{{x
1
, ..., x
n
<<D
por ejemplo, el gradiente de la funcin f Hx, yL = x
3
y
4
sera:
2 Prctica 8.nb
241
In[14]:= f@x_, y_D = x
3
y
4
;
D@f@x, yD, 88x, y<<D
Out[15]= 93 x
2
y
4
, 4 x
3
y
3
=
1.4 Matriz hessiana.
Sea f :
n
diferenciable ella y sus derivadas parciales en todo punto, se llama matriz hessiana de la funcin
f Hx
1
, ..., x
n
L a la matriz simtrica Hf:
Hf
x
1
x
n
=
2
f
x
1
2
2
f
x
1
x
2
...
2
f
x
1
x
n
2
f
x
2
x
1
2
f
x
2
2
...
2
f
x
2
x
n
... ... ... ...
2
f
x
n
x
1
2
f
x
n
x
2
...
2
f
x
n
2
la orden D del Mathematica nos devuelve la matriz hessiana de la funcin f Hx
1
, ..., x
n
L con la siguiente sintaxis:
D[ f Hx
1
, ..., x
n
L,{{x
1
, ..., x
n
<, 2<D
As la matriz hessiana de la funcin f Hx, yL = x
3
y
4
sera:
In[16]:= f@x_, y_D = x
3
y
4
;
D@f@x, yD, 88x, y<, 2<D
Out[17]= 996 x y
4
, 12 x
2
y
3
=, 912 x
2
y
3
, 12 x
3
y
2
==
6 x y
4
12 x
2
y
3
12 x
2
y
3
12 x
3
y
2
1.5 Extremos locales con el Mathematica.
Mathematica dispone de las rdenes FindMinimum y FindMaximum para calcular, respectivamente, un mnimo y
un mximo local a partir de un determinado punto. Ambas rdenes tienen deficiencias como son el hecho de necesitar un
punto para empezar la bsqueda de los extremos locales, o tambin, el que slo nos devuelve un entremo y se olvida de otros
posibles etc. Sin embargo, en funciones de una variable s funcionan relativamente bien y de forma intuitiva. Su sintaxis es la
siguiente:
FindMinimum[ f Hx
1
, ..., x
n
L, 88x
1
, c
1
<, ..., 8x
n
, c
n
<<D
devuelve un mnimo local de la funcin f Hx
1
, ..., x
n
L a partir del punto Hc
1
, ..., c
n
L
Por ejemplo, calculemos el mnimo y mximo local de la funcin f Hx, yL = x
2
+ y
2
a partir del punto H1, 1L:
In[19]:= f@x_, y_D = x
2
+y
2
;
FindMinimum@f@x, yD, 88x, 1<, 8y, 1<<D
Out[20]= 80. , 8x 0. , y 0. <<
Prctica 8.nb 3
242
In[21]:= FindMaximum@f@x, yD, 88x, 1<, 8y, 1<<D
FindMaximum::cvmit : Failed to converge to the requested accuracy or precision within 100 iterations.
Out[21]= 91. 1068510
209
, 9x 2. 352510
104
, y 2. 352510
104
==
el resultado nos dice que no ha podido calcular el mximo local que, evidentemente, no existe.
Las rdenes FindMinimum y FindMaximum tambin permiten calular mnimo y mximo local de una funcin con
determinadas restricciones:
FindMinimum[8 f Hx
1
, ..., x
n
L, condicin1 && condicin2 && ... condicink<, 88x
1
, c
1
<, ..., 8x
n
, c
n
<<D
Por ejemplo, calculemos el mximo y el mnimo local de la funcin f HxL = x senI
1
x
M sujeto a la condicin
0.05 x 0.1, (previamente representamos f HxL en su dominio):
In[22]:= f@x_D = xSinB
1
x
F;
In[23]:= Plot@f@xD, 8x, 0.05, 0.1<D
Out[23]=
0.06 0.07 0.08 0.09 0.10
-0.05
0.05
In[24]:= FindMinimum@8f@xD, 0.05 x 0.1<, 8x, 0.06<D
Out[24]= 80. 0579718, 8x 0. 0580695<<
In[25]:= FindMaximum@8f@xD, 0.05 x 0.1<, 8x, 0.06<D
Out[25]= 80. 0709135, 8x 0. 0710924<<
2. Signo de una forma cuadrtica.
En primer lugar vamos a utilizar el Mathematica para comprobar empricamente que la forma cuadrtica
QHx, yL = 3x
2
- 2x y +4y
2
es definida positiva. Esta forma cuadrtica escrita matricialmente se expresa de la siguiente
manera:
Q
x
y
= Hx yL
3 -1
-1 4
x
y
se trata de ejecutar repetidas veces la siguiente secuencia:
4 Prctica 8.nb
243
In[27]:= A =
3 1
1 4
;
MatrixForm@v = RandomReal@85, 5<, 81, 2<DD
MatrixForm@Transpose@vDD;
v.A.Transpose@vD
H 3. 11736 0. 827873 L
Out[30]= 8837. 0569<<
Observamos que el vector aleatorio
x
y
puede tromar distintos valores (positivos y negativos) pero el resultado del
producto Hx yL
3 -1
-1 4
x
y
va a ser siempre positivo.
El signo de una forma cuadrtica real puede obtenerse de forma inmediata calculando sus autovalores, es decir, las
races del polinomio formado por el siguiente determinante:
PHlL =
a
11-l
a
12
... a
1n
a
21
a
22
-l. ... ...
... ... ... ...
a
n 1
... ... a
n n
-l
La orden del Mathematica que obtiene los autovalores de una matriz cuadrada es Eigenvalues. En nuestro ejemplo
anterior, los autovalores de la matriz A son:
In[31]:= EigenvaluesB
3 1
1 4
F
Out[31]= :
1
2
J7 + 5 N,
1
2
J7 5 N>
In[32]:= N@%D
Out[32]= 84. 61803, 2. 38197<
los dos autovalores son positivos lo que implica que el signo de la forma cuadrtica es definida positiva.
En general, si l
1
, ..., l
n
son los autovalores de la matriz simtrica A que carateriza a la forma cuadrtica; entonces, la
forma cuadrticas es:
Identicamente nula
i
= 0 i
Definida positiva
i
> 0 i
Definida negativa
i
< 0 i
Semidefinida positiva
i
0 y exi st e al menos al guno de el l os que t oma el val or cer o
Semidefinida negativa
i
0 y exi st e al menos al guno de el l os que t oma el val or cer o
Indefinida i, j t al que
i
> 0 y
j
< 0
Ejercicio 1.
Calcular el signo de las siguientes formas cuadrticas:
a) Q
1
x
y
= -9x
2
-16x y - 8y
2
.
b) Q
2
x
y
= Hx yL
-1 3
3 3
x
y
.
Prctica 8.nb 5
244
3. Puntos crticos.
Sea la funcin diferenciable f :
n
, los puntos crticos (candidatos a extremos locales) de esta fucin se obtienen
resolviendo el sistema:
:
f
x
1
= 0
... ... ...
f
x
n
= 0

Podemos utilizar la orden Derivative del Mathematica para obtener los puntos crticos. Asimismo, es conveniente
utilizar la funcin NSolve para resover el sistema a fin de que aparezcan puntos concretos y no expresiones complicadas.
Por ejemplo, calculemos los puntos crticos de la funcin f Hx, yL = 3x y - x
3
- y
3
In[33]:= f@x_, y_D = 3 x y x
3
y
3
Out[33]= x
3
+ 3 x y y
3
In[34]:= NSolve@8Derivative@1, 0D@fD@x, yD 0, Derivative@0, 1D@fD@x, yD 0<, 8x, y<D MatrixForm
x 0. 5 0. 866025 y 0. 5 + 0. 866025
x 0. 5 + 0. 866025 y 0. 5 0. 866025
x 1. y 1.
x 0. y 0.
observamos que, aparte de las soluciones complejas que no entran dentro de nuestro problema, hay dos puntos crticos
P
0
= H0, 0L y P
1
= H1, 1L.
Tambin se poda haber resuelto este sistema de una foma ms compacta, ya que:
:
f
x
1
= 0,
f
x
2
= 0, ...,
f
x
n
= 0> :
f
x
1
,
f
x
2
, ...,
f
x
n
> = 80, 0, ..., 0< f = 80, 0, ..., 0<
por lo tanto, los puntos crticos de f Hx, yL = 3x y - x
3
- y
3
se pueden obtener con el siguiente procedimiento:
In[35]:= NSolveADA3 x y x
3
y
3
, 88x, y<<E 80, 0<, 8x, y<E
Out[35]= 88x 0. 5 0. 866025 , y 0. 5 + 0. 866025 <,
8x 0. 5 + 0. 866025 , y 0. 5 0. 866025 <, 8x 1. , y 1. <, 8x 0. , y 0. <<
El que P
0
y P
1
sean mximos, mnimos o puntos de silla se determinar estudiando el hessiano como veremos en el
siguiente epgrafe.
4. Condicin suficiente de extremo local.
Una vez localizado un punto crtico P, la condicin de mximo local, mnimo local o punto de silla depender del
signo de la forma cuadrtica definida por la matriz hessiana en dicho punto Hf
P
. As, si Q
x
1
x
n
= Hx
1
... x
n
L Hf
P
x
1
x
n
es:
definida negativa el punto P es un mximo local estricto
definida positiva el punto P es un mnimo local estricto
semidefinida negativa el punto P es un mximo local o un punto de silla
semidefinida positiva el punto P es un mnimo local o un punto de silla
Indefinida el punto P es un punto de silla
6 Prctica 8.nb
245
Por ejemplo, los puntos P
0
= H0, 0L y P
1
= H1, 1L eran puntos crticos de la funcin f Hx, yL = 3x y - x
3
- y
3
, veamos
qu tipo de puntos son:
In[36]:= Hf@x_, y_D = DA3 x y x
3
y
3
, 88x, y<, 2<E
Out[36]= 886 x, 3<, 83, 6 y<<
Para el punto P
0
= H0, 0L
In[37]:= Eigenvalues@Hf@x, yD . 8x 0, y 0<D
Out[37]= 83, 3<
luego P
0
= H0, 0L es un punto de silla.
En el punto P
1
= H1, 1L
In[38]:= Eigenvalues@Hf@x, yD . 8x 1, y 1<D
Out[38]= 89, 3<
que es definida negativa luego el punto P
1
= H1, 1L es un mximo local estricto.
Ejercicio 2.
Sea la funcin f Hx, y, zL = 9+ y
2
+ x
2
y
2
-6z - 2y z + 2z
2
calcular, si existen, sus extremos locales.
5. Bibliografa.
BARBOLLA, R. - CERD, E. - SANZ, P.: Optimizacin Matemtica: teora ejemplos y contraejemplos, Espasa Calpe,
1991
MERINO GONZLEZ, L.M. y SANTOS ALEZ E.: lgebra Lineal con mtodos elementales, Edita Grficas Lino,
Granada, 1997.
Prctica 8.nb 7
246
Curso 2010 - 2011
Prctica 9
Extremos condicionados y absolutos en funciones de varias variables
Antes de realizar la presente prctica resulta imprescindible repasar el Tema 4 de la parte terica de la asignatura.
ndice.
1.1 Polinomio de interpolacin.
2. Extremos locales condicionados. Mtodo de sustitucin.
3. Extremos locales condicionados. Multiplicadores de Lagrange.
4. Extremos absolutos.
5. Bibliografa.
1. Conocimientos previos
1.1 Polinomio de interpolacin.
Dados dos puntos de
2
(que no estn situados en lnea vertical) existe un nico polinomio de grado 1 (recta
y = a x +b) que pasa por ambos puntos. Analogamente, dados tres puntos existe un polinomio de grado 2 que pasa por ellos
(salvo que los tres puntos estn alineados en cuyo caso el polinomio ser de grado uno).
En general, dado un conjunto de n puntos:
8x
1
, y
1
<, ..., 8x
n
, y
n
<
existe un nico polinomio y = pHxL de grado menor o igual que n-1, llamado polinomio de interpolacin del conjunto de
puntos, que pasa por todos ellos.
La orden del Mathematica InterpolatingPolynomial obtiene el polinomio de interpolacin de un conjunto de puntos
dado. Su sintaxis es la siguiente:
InterpolatingPolynomial[datos,x]
devuelve el polinomio de interpolacin pHxL del conjunto de puntos contenidos en datos = 88x
1
, y
1
<, ..., 8x
n
, y
n
< <
Por ejemplo, el polinomio de interpolacin que pasa por los puntos H-1, 2L, H0, 4L y H1, 3L es:
In[1]:= InterpolatingPolynomial[{{-1,2},{0,4},{1,3}},x]
Out[1]= 2 + 2
3 x
2
H1 + xL
In[2]:= Expand@%D
Out[2]= 4 +
x
2

3 x
2
2
247
es decir, el polinomio de interpolacin que pasa por H-1, 2L, H0, 4L y H1, 3L es pHxL = 4+
x
2
-
3x
2
2
.
Veamos otro ejemplo. La recta que pasa por los puntos H-1, 2L, H0, 4L es:
In[3]:= InterpolatingPolynomial@881, 2<, 80, 4<<, xD
Out[3]= 2 + 2 H1 + xL
In[4]:= Expand@%D
Out[4]= 4 + 2 x
luego la recta que pasa por H-1, 2L, H0, 4L es y = 4+2x.
2. Extremos locales condicionados. Mtodo de sustitucin.
Consideremos el problema de calcular la mnima distancia del origen a la superficie z = 10-6x + x
2
- 2y + y
2
.
Aunque no sea necesario, si podemos dibujar las regiones a las que hacemos referencia siempre estar ms clara la
solucin del problema. Como la superficie z = 10-6x + x
2
-2y + y
2
viene expresada de forma explcita su representacin
grfica coincide con la grfica de la funcin hHx, yL = 10-6x + x
2
-2y + y
2
.
In[5]:= Plot3DA10 6 x + x
2
2 y + y
2
, 8x, 10, 10<,
8y, 10, 10<, Mesh None, PlotStyle 8Opacity@0.5D<E
Se trata de minimizar la funcin distancia desde el origen O a un punto del espacio Hx, y, zL con la condicin de que
dicho punto pertenezca a la superficie anterior, tal y como se muestra en la siguiente figura:
2 Prctica 9.nb
248
Analticamente el problema se podra plantear as:
Calcular el mnimo local (en este caso sera tambin absoluto) de la funcin:
dHx, y, zL = x
2
+ y
2
+ z
2
sujeto a la condicin:
z = 10-6x + x
2
-2y + y
2
la funcin dHx, y, zL involucra a una raz cuadrada que siempre dificultar los clculos de las operaciones a realizar. Sin
embargo, se entiende facilmente que la funcin d y esta otra d2 = x
2
+ y
2
+ z
2
, que es la distancia al cuadrado, van a tener el
mnimo en el mismo punto Hx, y, zL (aunqe el valor de d2 en dicho punto sea el cuadrado de d). Por lo tanto, el problema
definitivo que se plantea es:
Calcular el mnimo local (global) de la funcin:
d2Hx, y, zL = x
2
+ y
2
+ z
2
sujeto a la condicin:
z = 10-6x + x
2
-2y + y
2
El mtodo de sustitucin para la obtencin de extremos locales con condiciones propone sustituir en d2 la variable z
(u otra apropiada) por el valor que se desprende de la ecuacin de ligadura; obteniendo esta otra funcin:
f Hx, yL = x
2
+ y
2
+I10-6x + x
2
-2y + y
2
M
2
de menos variables y libre de restricciones:
In[6]:= f@x_, y_D = x
2
+ y
2
+ I10 6 x + x
2
2 y + y
2
M
2
Out[6]= x
2
+ y
2
+ I10 6 x + x
2
2 y + y
2
M
2
In[7]:= NSolve@8Derivative@1, 0D@fD@x, yD 0, Derivative@0, 1D@fD@x, yD 0<, 8x, y<D MatrixForm
Out[7]//MatrixForm=
x 3. 48513 1. 07519 y 1. 16171 0. 358398
x 3. 48513+ 1. 07519 y 1. 16171+ 0. 358398
x 2. 02975 y 0. 676582
la nica solucin factible es H2.02975, 0.676582L que, por el planteamiento del problema, podemos asegurar que es un
mnimo. De todas formas, si calculamos el signo de la matriz hessiana en ese punto vemos que es definida positiva:
In[8]:= Hf@x_, y_D = D@f@x, yD, 88x, y<, 2<D
Out[8]= 992 + 2 H6 + 2 xL
2
+ 4 I10 6 x + x
2
2 y + y
2
M, 2 H6 + 2 xL H2 + 2 yL=,
92 H6 + 2 xL H2 + 2 yL, 2 + 2 H2 + 2 yL
2
+ 4 I10 6 x + x
2
2 y + y
2
M==
In[9]:= Hf@x, yD . 8x 2.02975, y 0.676582<
Out[9]= 8813. 715, 2. 51037<, 82. 51037, 7. 02073<<
In[10]:= Eigenvalues@%D
Out[10]= 814. 5518, 6. 18394<
El mnimo se obtiene en x 2. 02975, y 0. 676582 a los que le corresponde la siguiente coordenada z:
In[11]:= 10 6 x + x
2
2 y + y
2
. 8x 2.02975, y 0.676582<
Out[11]= 1. 04598
Prctica 9.nb 3
249
As pues, la distancia mnima se encuentra en el punto de la superficie P = H2.02975, 0.676582, 1.04598L y el valor
de dicha distancia es 2.38154:
In[12]:= x
2
+ y
2
+ z
2
. 8x 2.02975, y 0.676582, z 1.04598<
Out[12]= 2. 38154
Ejercicio 1.
Calcular la mnima distancia del punto (3, 2) a la parbola y = x
2
.
3. Extremos locales condicionados. Multiplicadores de
Lagrange.
Consideremos ahora este otro problema. La temperatura en cada punto del paraboloide elptico z = x
2
+ y
2
es
THx, y, zL = 10+ x
2
+ y
2
+3z. Se pide la temperatura mxima y mnima sobre la curva formada por dicho paraboloide y el
plano x + y + z = 10.
El paraboloide elptico al que hacemos referencia es una especie de cesta, la dibujamos, por ejemplo, para
-5< x < 5; -5< y < 5 :
In[13]:= d1 = Plot3D@x^2 + y^2, 8x, 5, 5<, 8y, 5, 5<D
Out[13]=
dibujamos el plano x + y + z = 10:
In[14]:= d2 = Plot3D@10 x y, 8x, 20, 20<, 8y, 20, 20<D
Out[14]=
observamos la curva interseccin de ambas superficies
4 Prctica 9.nb
250
In[15]:= Show@d1, d2D
Out[15]=
se trata de de hallar las temperaturas mxima y mnima sobre la curva que aparece en el dibujo.
Analticamente el problema se puede plantear del siguiente modo:
Mximo y mnimo de la funcin:
THx, y, zL = 10+ x
2
+ y
2
+ 3z
sujeto a las ecuaciones de ligadura:
z = x
2
+ y
2
x + y + z = 10
Si intentamos hacer el mismo mtodo que en el apartado anterior, tendramos que, en las ecuaciones de ligadura,
despejar dos variables (por ejemplo la z y la y en funcin de la x) pero en este caso la tarea no es fcil.
En estos supuestos debemos utilizar el mtodo de los multiplicadores de Lagrange:
En primer lugar definimos la funcin Lagrangiana LHx, y, zL = THx, y, zL + l Ix
2
+ y
2
- zM + b Hx + y + z - 10L:
In[17]:= L@x_, y_, z_D = 10 + x
2
+ y
2
+ 3 z + Ix
2
+ y
2
zM + Hx + y + z 10L
Out[17]= 10 + x
2
+ y
2
+ 3 z + H10 + x + y + zL + Ix
2
+ y
2
zM
obtenemos los puntos crticos:
In[18]:= NSolveA9Derivative@1, 0, 0D@LD@x, y, zD 0,
Derivative@0, 1, 0D@LD@x, y, zD 0,
Derivative@0, 0, 1D@LD@x, y, zD 0,
z == x
2
+ y
2
,
x + y + z == 10=, 8x, y, z, , <E
Out[18]= 88x 1. 79129, y 1. 79129, z 6. 41742, 0. 127128, 3. 12713<,
8x 2. 79129, y 2. 79129, z 15. 5826, 1. 87287, 4. 87287<<
Han salido dos puntos crticos P
1
= H1.79129, 1.79129, 6.41742L y P
2
= H-2.79129, -2.79129, 15.5826L luego
ninguno de los dos ser punto de silla puesto que el problema ha de tener, al menos, un punto con temperatura mxima y otro
con temperatura mnima. Cul de los puntos se corresponde con el mximo o con el mnimo?, es cuestin de ver
directamente su temperatura:
Prctica 9.nb 5
251
In[19]:= 10 + x
2
+ y
2
+ 3 z . 8x 1.79129, y 1.79129, z 6.41742<
Out[19]= 35. 6697
In[20]:= 10 + x
2
+ y
2
+ 3 z . 8x 2.79129, y 2.79129, z 15.5826<
Out[20]= 72. 3304
Resumiendo, la temperatura mnima de curva se encuentra en el punto P
1
= H1.79129, 1.79129, 6.41742L con un valor
igual a 35.6697. La temperatura mxima de la curva se encuentra en el punto P
2
= H-2.79129, -2.79129, 15.5826L con un
valor de 72.3304.
Ejercicio 2.
La temperatura sobre cada punto del elipsoide x
2
+ 2y
2
+3z
2
= 1 es THx, y, zL = x + y - z. Calcular la temperatura
mxima y mnima sobre dicho elipsoide.
4. Mximos y mnimos absolutos.
En ingeniera, la mayora de las veces, ms que la obtencin de extremos locales lo que interesa es calcular los
extremos absolutos sobre una determinada regin. Adems, la existencia de estos extremos absolutos suele estar garantizada
ya que si una funcin f : D
n
es continua en una regin compacta (regin acotada que incluye a su borde) existen al
menos dos puntos en D donde se alcanzan el mximo y mnimo absolutos.
Mathematica tiene una forma cmoda para calcular el mnimo y mximo de una funcin f :
n
con las rdenes
Minimize y Maximize, cuyas sintaxis son idnticas:
Minimize[{f[x1,...xn],condicin1&&condicin2&&...condicink},{x1,...,xn}]
calcula el mnimo absoluto de f Hx
1
, ..., x
n
L donde Hx
1
, ..., x
n
L pertenece al conjunto definido por las k condiciones
Ejemplo 1.
Sea la funcin f Hx, yL = x
4
+ y
4
definida sobre el disco D centrado en el origen y de radio cinco, se quiere calcular
los valores mximo y mnimo absolutos de la funcin f Hx, yL sobre dicho disco.
Se puede proceder con el Mathematica del siguiente modo :
In[21]:= MinimizeA9x
4
+ y
4
, x^2 + y^2 25=, 8x, y<E
Out[21]= 80, 8x 0, y 0<<
In[22]:= MaximizeA9x
4
+ y
4
, x^2 + y^2 25=, 8x, y<E
Out[22]= 8625, 8x 5, y 0<<
Esta forma de proceder es cmoda pero, aprovechando que hemos elegido una funcin muy sencilla, vamos a razonar
sobre las deficiencias que tiene este mtodo.
Observamos que en el mnimo s ha acertado plenamente f Hx, yL = x
4
+ y
4
tiene un mnimo en el H0, 0L y su valor es
0. Respecto al valor mximo slo nos ha proporcionado uno de ellos el H-5, 0L en el que f H-5, 0L = 625 pero se ha olvidado
de otros puntos sobre el borde que tambin alcanzan el mximo absoluto. Veamos esta ltima afirmacin:
In[24]:= f@x_, y_D = x
4
+ y
4
Out[24]= x
4
+ y
4
6 Prctica 9.nb
252
la parametrizacin del crculo de radio 5 es :
x = 5cost
y = 5sent
con t @0, 2pD, entonces sobre el borde del disco la funcin f Hx, yL
toma el valor (ya en una variable):
In[25]:= f@x, yD . 8x 5 Cos@tD, y 5 Sin@tD<
Out[25]= 625 Cos@t D
4
+ 625 Si n@t D
4
si dibujamos dicha funcin a lo largo del borde :
In[26]:= PlotA625 HCos@tDL
4
+ 625 HSin@tDL
4
, 8t, 0, 2 <E
Out[26]=
1 2 3 4 5 6
400
450
500
550
600
observamos que tiene cuatro mximos, en concreto para t = 0 y tambin:
In[27]:= FindMaximumA9625 Cos@tD
4
+ 625 Sin@tD
4
, 1 < t < 2=, tE
Out[27]= 8625. , 8t 1. 5708<<
4
+ 625 Sin@tD
4
, 3 < t < 4=, tE
Out[28]= 8625. , 8t 3. 14159<<
4
+ 625 Sin@tD
4
, 4 < t < 5=, tE
Out[29]= 8625. , 8t 4. 71239<<
que se corresponden con los puntos:
In[30]:= P1 = N@85 Cos@tD, 5 Sin@tD< . 8t 0<D
P2 = N@85 Cos@tD, 5 Sin@tD< . 8t 1.5707963253842856`<D
P3 = N@85 Cos@tD, 5 Sin@tD< . 8t 3.1415926571475223`<D
P1 = N@85 Cos@tD, 5 Sin@tD< . 8t 4.712388967405944`<D
Out[30]= 85. , 0. <
Out[31]= 97. 0530610
9
, 5. =
Out[32]= 95. , 1. 7788610
8
=
Out[33]= 96. 4893710
8
, 5. =
Debido a los mtodos de aproximacin que el Mathematica ha utilizado para el clculo de los correspondientes
mximos, la coordenada 7. 05306 10
9
ha de tomarse como cero y anlogamente para las otras coordenadas. En
definitiva, los mximos de la funcin f Hx, yL = x
4
+ y
4
sobre el disco centrado en el origen de radio 5 son los que se
muestran en el siguiente dibujo.
Prctica 9.nb 7
253
en todos ellos se toma el valor 625.
Ejemplo 2.
La temperatura de una placa triangular de vrtices A = H-1, 6L, B = H-1, -2L, C = H1, 0L como la que aparece en el
dibujo es THx, yL = x y + x
2
+ y
2
-10
se pide calcular los puntos en donde se alcanzan la temperatura mxima y mnima.
En primer lugar, vamos a obtener el conjunto de restricciones que delimitan el tringulo de la figura y que despus
sern introducidas en las rdenes Maximize y Minimize.
Los puntos A = H-1, 6L y B = H-1, -2L determinan la recta x = -1 que divide al plano en dos partes. Nuestro
tringulo est en la parte correspondiente a x -1.
Los puntos A = H-1, 6L y C = H1, 0L determinan la recta: y = 3- x:
Out[34]= 6 3 H1 + xL
In[35]:= Expand@%D
Out[35]= 3 3 x
esta recta divide al plano en dos partes; el tringulo se ecuentra en la parte y 3-3x, para ello basta comprobar cmo el
H0, 0L (que pertence al tringulo) cumple dicha desigualdad.
Los puntos B = H-1, -2L y C = H1, 0L determinan la recta: y = x -1:
Out[36]= 1 + x
la recta divide al plano en dos partes; el tringulo se ecuentra en la parte y x -1.
Una vez obtenidas las restricciones que caracterizan al tringulo de la figura calculamos la temperatura mxima y
8 Prctica 9.nb
254
mnima:
In[37]:= MaximizeA9x y + x
2
+ y
2
10, x 1 && y 3 3 x && y x 1=, 8x, y<E
Out[37]= 821, 8x 1, y 6<<
In[38]:= MinimizeA9x y + x
2
+ y
2
10, x 1 && y 3 3 x && y x 1=, 8x, y<E
Out[38]= 810, 8x 0, y 0<<
El resultado se muestra en la siguiente figura:
Adems, se deja para comprobacin, no existen otros puntos distintos del H-1, 6L y del H0, 0L que alcancen las
temperaturas mxima y mnima respectivamente.
Ejercicio 3.
Calcular el mximo y mnimo absoluto de la funcin f Hx, yL =
x-y
+ y
2
en el rectngulo :
0 x 1
0 y 1
.
5. Bibliografa.
BARBOLLA, R. - CERD, E. - SANZ, P.: Optimizacin Matemtica: teora ejemplos y contraejemplos, Espasa Calpe,
1991
MARSDEN, J .E. y TROMBA, A.J .: Clculo vectorial, quinta edicin, PEARSON EDUCACIN, 2004.
MERINO GONZLEZ, L.M. y SANTOS ALEZ E.: lgebra Lineal con mtodos elementales, Edita Grficas Lino,
Granada, 1997.
Prctica 9.nb 9
255
Curso 2010 - 2011
Prctica 10
Polinomio de Taylor en varias variables
En el Tema 4 de la parte trica de la asignatura se estudi el polinomio de Taylor en funciones de varias variables al
que me remito para un repaso ms detallado sobre esta materia.
En una variable es muy fcil obtener el polinomio de de Taylor con la ayuda del Mathematica, para ello se utiliza la
orden Series. Sin embargo, en varias variables esta labor ya no es tan fcil.
El principal objetivo de esta prctica consiste en cofeccionar un programa que obtenga el polinomio de Taylor de
cualquier funcin suficientemente regular en varias variables. Aunque nos vamos a centrar en las funciones f :
2
todo
lo que se haga va a ser fcilmente generalizable a funciones f :
n
.
Otro propsito de la presente prctica es dotar de unos mnimos conocimientos de programacin, con Mathematica,
que incentive al alumno para que l mismo elabore sencillos programas que le ayuden a resolver los problemas que aparecen
en la Ingeniera y que frecuentemente requieren de clculos repetidos o tediosos.
ndice.
1.1 Extraer un elemento de un vector.
1.2 Rutinas con el Mathematica. La orden For.
1.3 Programar con el Mathematica. La orden Input.
2. Diferencial total de una funcin de varias variables.
3. Polinomio de Taylor de una funcin de dos variables.
4. Programa para obtener el polinomio de Taylor.
5. Bibliografa.
Conocimientos previos.
1.1 Extraer un elemento de un vector.
Sea el vector V = 8a
1
, a
2
, ..., a
n
<, si queremos extraer del vector V la coordenada j bastar con poner, seguidamente
del vector V, la coordenada j encerrada entre dos corchetes del siguiente modo:
V[[j]]
Por ejemplo, sea el vector V = 8m, n, h, p, q<, para obtener la segunda coordenada se hara:
In[1]:= V = 8m, n, h, p, q<
Out[1]= 8m, n, h, p, q<
In[2]:= V@@2DD
Out[2]= n
256
1.2 Rutinas con el Mathematica. La orden For.
En el lenguaje informatico una rutina en una secuencia de instrucciones que se ejecutan repetidas veces. Mathematica
tiene distintas rdenes para relizar estas rutinas, la ms importante es For cuya sintaxis es la siguiente:
For[contador=inicio, condicin, paso, proceso]
Por ejemplo, si se quiere hallar la quinta potencia de los 4 primeros nmeros naturales se procedera del siguiente
modo:
In[3]:= For[i=1,i<=4,i=i+1,Print[i^5]]
1
32
243
1024
El proceso que ha realizado la orden For ha sido el siguiente:
PASO 1:
El contador i toma el valor 1 (valor dado en inicio) comprueba si la condicin es cierta (en este caso si i 4)
puesto que efectivamente es cierta, realiza el proceso, es decir, imprime 1
5
(1 en nuestro caso) y aumenta en uno el valor del
contador i.
PASO 2:
El contador i ahora tiene el valor 2 comprueba que la condicin sigue siendo cierta (i 4) realiza el proceso
(imprime 2
5
) y aumenta en uno el valor de i.
PASO 3:
El contador i ahora tiene el valor 3 comprueba que la condicin es cierta (i 4) realiza el proceso (imprime 3
5
)
y aumenta en uno el valor de i.
PASO 4:
El contador i tiene ahora el valor 4 comprueba que la condicin es cierta (i 4) realiza el proceso (imprime 4
5
)
y aumenta en uno el valor de i.
PASO 5:
El contador i ahora tiene el valor 5 comprueba si la condicin es cierta (i 4), como no se cumple no ejecuta el
proceso y finaliza la rutina.
NOTA. Es importante observar que si ahora preguntamos por el valor del contador i, Mathematica nos devuelve el valor 5
(que es el ltimo valor que haba tomado antes de que la rutina finalizase).
In[4]:= i
Out[4]= 5
por lo tanto, si en este momento utilizramos la letra i en cualquier operacin, sin previamente borrarla, nos podra dar un
resultado totalmente inesperado.
Dentro del apartado correspondiente a proceso se pueden realizar tantas tareas diferentes como queramos, basta con
separar cada una de ellas con un ;. Por ejemplo, si adems de obtener la quinta potencia queremos calcular la raz cuadrada
de los mismos nmeros podramos proceder del siguiente modo:
2 Prctica 10.nb
257
In[5]:= ForBi = 1, i 4, i = i + 1, Print@i, "^5 = ", i^5D; PrintBi, "^12 = ", NB i FFF
1^5 = 1
1^12 = 1.
2^5 = 32
2^12 = 1. 41421
3^5 = 243
3^12 = 1. 73205
4^5 = 1024
4^12 = 2.
1.3 Programar con el Mathematica. La orden Input.
Un programa es un conjunto de rdenes contenidas en una sola celda que se ejecutan a la vez siguiendo el orden en
que estn escritas.
En un programa hay que distinguir tres partes.
En la primera, se nos pide de forma interactiva los valores que queremos introducir.
La segunda constituye la parte principal del programa y ha de contener las operaciones necesarias para resolver el
problema que se plantea.
Por ltimo, presentaremos los resultados de la forma ms agradable posible.
Para la primera parte se utilizar la orden Input cuyo funcionamiento es fcil de dentender con el siguiente ejemplo:
In[6]:= k = Input@"Introduzca el valor de la variable k"D;
al ejecutar esta orden nos habr salido un recuadro, una vez introducida una cantidad y pulsado OK, la variable k tomar el
valor que se ha insertado.
A ttulo de ejemplo, vamos a confeccionar un programa que nos pida un vector v y obtengamos la suma de los
cuadrados de cada coordenada. Para realizar este programa vamos a seguir la siguiente estrategia:
En primer lugar, se suele poner la orden Clear["Global`*"] para que no haya interferencias entre las variables que
aqu se utilizan con otras que se hubieran utilizado previamente.
Con la orden Input se pide el vector sobre el que vamos a realizar las manipulaciones pertinentes y lo vamos a
llamar v.
Al vector v le calculamos el nmero de coordendadas con la orden Length.
Hacemos una rutina consistente en extraer todas y cada una de las coordenadas y las llamamos a[i].
Elevamos cada a[i] al cuadrado y sumamos todos los cuadrados.
Escribimos el resultado de la forma ms inteligible posible.
v = Input@"Introduzca un vector segn el siguiente modelo 8a,b,...,k<"D;
n = Length@vD;
For@i = 1, i n, i = i + 1, a@iD = v@@iDDD;
sumadecuadrados =
j=1
n
a@jD
2
;
Print@"la suma de los cuadrados de las coordenadas del vector ",
v, " es ", sumadecuadradosD
l a suma de l os cuadr ados de l as coor denadas del vect or 81, 2, 3< es 14
Prctica 10.nb 3
258
2. Diferencial total de una funcin de varias variables.
Dada una funcin diferenciable f :
n
, se define la diferencial de f (df) a:
d f =
f
x
1
d x
1
+
f
x
2
d x
2
+ ... +
f
x
n
d x
n
la orden del Mathematica que devuelve la diferencial total es Dt. Por ejemplo, sea f Hx, y, zL = x
2
y
3
z la df ser:
f@x_, y_, z_D = x^2 y^3z
Out[14]= x
2
y
3
z
In[15]:= Dt@f@x, y, zDD
Out[15]= 2 x y
3
z Dt @xD + 3 x
2
y
2
z Dt @yD + x
2
y
3
Dt @zD
3. Polinomio de Taylor de una funcin de dos variables.
Sea f :
2
con derivadas parciales diferenciables cuantas veces sean necesarias. Se define el polinomio de
Taylorde orden n centrado en el punto (a,b) de la funcin f Hx, yL al polinomio pHx, yL de expresin:
p
n
Hx, yL = f Ha, bL +
1
1!
J
f
x

Hx,yL=Ha,bL
Hx -aL +
f
y

Hx,yL=Ha,bL
Hy - bLN +
1
2!
J
2
f
x
2

Hx,yL=Ha,bL
Hx - aL
2
+2
2
f
x y

Hx,yL=Ha,bL
Hx - aL Hy -bL +
2
f
y
2

Hx,yL=Ha,bL
Hy -bL
2
N + ... +
1
n!
J
n
f
x
n

Hx,yL=Ha,bL
Hx - aL
n
+n
n
f
x
n-1
y

Hx,yL=Ha,bL
Hx -aL
n-1
Hy -bL + ... +
n
f
y
n

Hx,yL=Ha,bL
Hy - bL
n
N
y representa una aproximacin de f Hx, yL en un entorno del punto Ha, bL.
Mathematica tiene la orden Normal[Series] para calcular el polinomio de Taylor en una variable. Por ejemplo, si
queremos calcular el polinomio de Taylor de orden 5 centrado en el origen de la funcin f HxL =
x
escribimos:
In[16]:= Normal@Series@E
x
, 8x, 0, 5<DD
Out[16]= 1 + x +
x
2
2
+
x
3
6
+
x
4
24
+
x
5
120
y para una funcin general f HxL sera:
Normal@Series@f@xD, 8x, a, 5<DD
Out[18]= f @aD + Ha + xL f
@aD +
1
2
Ha + xL
2
f
@aD +
1
6
Ha + xL
3
f
H3L
@aD +
1
24
Ha + xL
4
f
H4L
@aD +
1
120
Ha + xL
5
f
H5L
@aD
Si embargo, si intentamos utilizar la misma orden para calcular el polinomio de Taylor en varias variables nos
encontramos que no funciona de forma adecuada. Veamos esta cuestin al intentar obtener el polinomio de Taylor centrado
en el punto Ha, bL y de orden 2 a una funcin genrica f Hx, yL con la orden Normal[Series]:
4 Prctica 10.nb
259
Normal@Series@f@x, yD, 8x, a, 2<, 8y, b, 2<DD
Out[20]= f @a, bD + Ha + xL f
H1, 0L
@a, bD +
1
2
Ha + xL
2
f
H2, 0L
@a, bD +
Hb + yL f
H0, 1L
@a, bD + Ha + xL f
H1, 1L
@a, bD +
1
2
Ha + xL
2
f
H2, 1L
@a, bD +
Hb + yL
2
1
2
f
H0, 2L
@a, bD +
1
2
Ha + xL f
H1, 2L
@a, bD +
1
4
Ha + xL
2
f
H2, 2L
@a, bD
f @a, bD + Ha + xL f
H1, 0L
@a, bD +
1
2
Ha + xL
2
f
H2, 0L
@a, bD +
Hb + yL f
H0, 1L
@a, bD + Ha + xL f
H1, 1L
@a, bD +
1
2
Ha + xL
2
f
H2, 1L
@a, bD +
Hb + yL
2
1
2
f
H0, 2L
@a, bD +
1
2
Ha + xL f
H1, 2L
@a, bD +
1
4
Ha + xL
2
f
H2, 2L
@a, bD
observamos que la orden Normal[Series] devuelve ms sumandos que los que corresponden al polinomio de Taylor de orden
2, en concreto, sobran los sumandos resaltados en color.
4. Programa para obtener el polinomio de Taylor.
Sea la funcin f :
2
el polinomnio de Taylor centrado en (a,b) de orden n de la funcin f tambin se puede
expresar de la siguiente manera:
p
n
Hx, yL = f Ha, bL +
1
1!
df
Hx,yL=Ha,bL
+
1
2!
d
2
f
Hx,yL=Ha,bL
+ ... +
1
n!
d
n
f
Hx,yL=Ha,bL
donde:
dx = x - a
dy = y -b
Por razones de claridad en la exposicin, vamos a ir obteniendo cada uno de estos sumandos sobre una funcin
concreta, por ejemplo f Hx, yL = x
6
y
5
. Al sumando i-simo lo denotaremos por s@iD Hx, yL:
s@iD Hx, yL = d
i
f Hx, yL
In[22]:= f@x_, y_D = x^6y^5
Out[22]= x
6
y
5
In[23]:= s@1D@x_, y_D = Dt@f@x, yDD
Out[23]= 6 x
5
y
5
Dt @xD + 5 x
6
y
4
Dt @yD
como x e y son variables independientes Dt@xD = dx y Dt@yD = dy, por lo tanto, realizamos las respectivas sustituciones. De
esta manera, dx ser considerada por el Mathematica como una constante:
In[24]:= s@1D@x_, y_D = Dt@f@x, yDD . 8Dt@xD dx, Dt@yD dy<
Out[24]= 5 dy x
6
y
4
+ 6 dx x
5
y
5
In[25]:= s@2D@x_, y_D = Dt@s@1D@x, yDD . 8Dt@xD dx, Dt@yD dy<
Out[25]= 20 dy
2
x
6
y
3
+ 60 dx dy x
5
y
4
+ 30 dx
2
x
4
y
5
+ 6 x
5
y
5
Dt @dxD + 5 x
6
y
4
Dt @dyD
como dx y dy no dependen de Hx, yL, Dt@dxD = 0 y Dt@yD = 0, que se aade a la regla de sustituciones:
Prctica 10.nb 5
260
In[26]:= s@2D@x_, y_D = Dt@s@1D@x, yDD . 8Dt@xD dx, Dt@yD dy, Dt@dxD 0, Dt@dyD 0<
Out[26]= 20 dy
2
x
6
y
3
+ 60 dx dy x
5
y
4
+ 30 dx
2
x
4
y
5
In[27]:= s@3D@x_, y_D = Dt@s@2D@x, yDD . 8Dt@xD dx, Dt@yD dy, Dt@dxD 0, Dt@dyD 0<
Out[27]= 60 dy
3
x
6
y
2
+ 360 dx dy
2
x
5
y
3
+ 450 dx
2
dy x
4
y
4
+ 120 dx
3
x
3
y
5
y as sucesivamente.
Si nos quedramos en el polinomio de Taylor centrado en el punto H1, 2L de orden 3 podramos poner:
In[28]:= PrintB"El polinomio de Taylor de orden 3 de la funcin ", f@x, yD,
" centrado en H1,2L es: ", f@1, 2D +
i=1
3
1
i!
s@iD@1, 2D . 8dx Hx 1L, dy Hy 2L<F
El pol i nomi o de Tayl or de or den 3 de l a f unci n x
6
y
5
cent r ado en H1, 2L es:
32 + 192 H1 + xL +
1
2
I960 H1 + xL
2
+ 960 H1 + xL H2 + yL + 160 H2 + yL
2
M +
1
6
I3840 H1 + xL
3
+ 7200 H1 + xL
2
H2 + yL + 2880 H1 + xL H2 + yL
2
+ 240 H2 + yL
3
M + 80 H2 + yL
o si se prefiere :
In[29]:= ExpandBf@1, 2D +
i=1
3
1
i!
s@iD@1, 2D . 8dx Hx 1L, dy Hy 2L<F
Out[29]= 3840 + 6912 x 3840 x
2
+ 640 x
3
+ 2880 y 3840 x y + 1200 x
2
y 640 y
2
+ 480 x y
2
+ 40 y
3
El cuerpo del programa ya est hecho slo falta pedir los datos necesarios y presentarlos de forma agradable, aunque
admite mejoras, el programa puede tener la siguiente forma:
Clear@"Global`"D;
f@x_, y_D =
Input@"Introduzca la expresin de la funcin fHx,yL a la que se va a calcular
su polinomio de Taylor, por ejemplo Sin@xyD"D;
s@0D@x_, y_D = f@x, yD;
puntocentro = Input@"Introduzca el punto 8a,b< donde se centrar el polinomio"D;
a = puntocentro@@1DD;
b = puntocentro@@2DD;
n = Input@"Introduzca el orden del polinomio de taylor"D;
For@i = 1, i n, i = i + 1,
s@iD@x_, y_D = Dt@s@i 1D@x, yDD . 8Dt@xD dx, Dt@yD dy, Dt@dxD 0, Dt@dyD 0<D
p@nD@x_, y_D = f@a, bD +
i=1
n
1
i!
s@iD@a, bD . 8dx Hx aL, dy Hy bL<;
Print@"El polinomio de Taylor de orden ", n, " de la funcin ",
f@x, yD, " centrado en el punto ", puntocentro, " es: ", p@nD@x, yD,
". A partir de ahora se puede utilizar como p@", n, "D@x,yD"D
Ejercicio 1.
a) Utilizar el programa anterior para calcular el polinomio de Taylor centrado en el punto H1, 1L de orden 3 de la
funcin f Hx, yL = Log
x
y
.
b) Comparar f H1.2, 1, 1L y p
3
H1.2, 1.1L.
6 Prctica 10.nb
261
Ejercicio 2.
Comprobar que el programa que hemos diseado es correcto, para ello se puede tener en cuenta que si
f Hx, yL = senHx yL, entonces el polinomio de Taylor centrado en el H0, 0L es p
3
Hx, yL = x y. Asimismo, p
6
Hx, yL = x y -
x
3
y
3
6
.
Ejercicio 3.
a) Dibujar la funcin f Hx, yL = senHx yL junto con su polinomio de Taylor centrado en el origen de orden 3. Se
recomienda el dibujo en el siguiente conjunto de valores: Hx, yL @-2, 2D @-2, 2D.
b) Repetir el apartado a) con el polinomio de Taylor de orden 6.
Ejercicio 4.
Dado el polinomio x
4
+ x
3
y
2
-7x y +9, expresarlo en potencias de Hx -1L e Hy - 2L.
Ejercicio 5.
a) Realizar un programa que obtenga el polinomio Taylor para una funcin de tres variables.
b) Comprobar que el programa del apartado a) es correcto sabiendo que el polinomio de Taylor centrado en el origen
de orden 9 de la funcin cosHx y zL es 1-
1
2
x
2
y
2
z
2
.
5. Bibliografa.
DE BURGOS ROMN, J : Clculo infinitesimal de varias variables, segunda edicin, McGraw-Hill, 2008.
1996.
Prctica 10.nb 7
262

Apuntes Ampliacion

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes Ampliacion

Cargado por

Copyright:

Formatos disponibles

AmpliAcin de mAtemticAs

MxiMo JiMnez Lpez

que hace cierta la igualdad

le pedimos que tenga un valor determinado, por ejemplo

constante ; y por lo menos

2 es una ecuacin de diferencias lineal

2 es una ecuacin en diferencias lineal de orden 3. Sin embargo,

1 no es una ecuacin de orden 3

1 1, por lo tanto, es una ecuacin en diferencias de orden 2.

tal que cumpla dicha ecuacin y que adems para

que, al tener que cumplirse la ecuacin, deber verificar (tomando

8 y sucesivamente iramos obteniendo los dems

de multiplicidad m le asociamos las m soluciones:

son nmeros reales tambin deber

son constantes cualesquiera.

0) y una particular de la completa

la solucin ser necesariamente:

son funciones de n; y las incgnitas son, naturalmente, las

tal que a cada punto

le hace corresponder el punto

. Por ejemplo, la funcin ,

, cos es una funcin de varias variables, concretamente, :

consideramos la estructura afn tanto de

, cos . Sin embargo, tambin se puede considerar la estructura vectorial

, en cuyo caso, al vector ,

es el conjunto D del espacio inicial donde

para los que existe al menos un , ,

2, 3sen con 4,4, o bien

con 4,4, tendra la siguiente representacin grfica:

. Su representacin grfica sera:

que a cada punto de

. En la prctica, los ms utilizados son los campos en

. Hay que sealar que cada

es una funcin escalar

, cos , 0 tiene tres

se simplificar estudiando de forma separada cada una de sus

, diremos que el lmite de

se reduce a calcular los m lmites de sus

, lo que se dice es que

, pero, se da por supuesto que el punto

ha de estar dentro del dominio

est definida , salvo en los puntos

no tiene sentido acercarme al punto

me puedo acercar de muy diferentes

existe dicho lmite y siempre es el mismo

dentro del dominio de

tratamos de calcular lim

cos , sen , cualquiera que sea el valor de 0,2,

es una indeterminacin del tipo

cos sin cos sin

, en primer lugar, se hace el cambio de variable

, . Si salieran lmites distintos en

, u otro tipo de curva en funcin de la expresin de

podemos asegurar que no existe lmite. En cambio si fueran iguales

podemos utilizar los lmites reiterados:

si todas sus funciones

cuando se incrementa el punto

y fijemos el punto 3, si damos a

, ahora no podemos calcular el cociente entre los dos

se define la derivada parcial de f respecto de la variable x y se

calculemos las derivadas parciales

descansa en dejar la y fija e incrementar la variable x, lo que equivale a usar las

realizando la derivacin parcial de cada componente. Por ejemplo, si ,