Está en la página 1de 46

ANALISIS

VECTORIAL
Mara del Rosario Soler Zapata.
Enero-Julio de 2013.

Mara del Rosario Soler Zapata

CONTENIDO.

Contenido.
1 Introducci
on

2 Objetivos y metas

3 Justificaci
on

4 Matrices y Determinantes
4.1 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Suma de matrices y multiplicacion por escalar . . . . . . . . .
4.1.2 Algunos tipos de matrices . . . . . . . . . . . . . . . . . . . .
4.1.3 El producto dos matrices . . . . . . . . . . . . . . . . . . . .
4.1.4 Propiedades de la transpuesta y algunas matrices especiales.
4.1.5 La traza de una matriz y sus propiedades. . . . . . . . . . . .
4.1.6 La inversa de una matriz. Metodo de la matriz aumentada. .
4.2 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Definicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.3 Determinantes e inversas. . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

7
7
7
9
9
11
12
12
16
16
17
18

5 Vectores y escalares.
5.1 La suma de vectores y sus propiedades. . . . . . . . . . . . . .
5.2 Producto punto y multiplicacion por escalar. . . . . . . . . . .
5.3 Propiedades del producto punto y la multiplicacion por escalar.
5.4 Vectores colineales y perpendiculares. . . . . . . . . . . . . . .
5.5 Producto cruz. . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5.1 Definicion y propiedades. . . . . . . . . . . . . . . . . .
5.5.2 Interpretacion geometrica . . . . . . . . . . . . . . . . .
5.6 Triple producto escalar y su interpretacion geometrica. . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

18
19
20
21
23
24
24
24
25

6 Introducci
on a la diferenciaci
on vectorial.
6.1 Derivada de un vector. . . . . . . . . . . .
6.2 Continuidad y derivabilidad. . . . . . . . .
6.3 Introduccion a trayectorias . . . . . . . .
6.4 Formulas de derivaci
on. . . . . . . . . . .
6.5 Derivadas parciales de un vector. . . . . .
6.6 Diferencial de un vector . . . . . . . . . .
6.7 Gradiente, Divergencia y Rotacional . . .
6.7.1 Gradiente de un campo escalar . .
6.7.2 Divergencia de un campo vectorial
6.7.3 Rotacional de un campo vectorial .
6.8 Derivadas direccionales . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

26
26
28
28
29
32
33
34
34
35
35
35

7 Introducci
on a la integraci
on
7.1 Integral de un vector . . . .
7.2 Integral curvilnea . . . . .
7.3 Superficies parametrizadas .
7.4 Integral de superficie . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

36
36
37
38
38

vectorial
. . . . . .
. . . . . .
. . . . . .
. . . . . .

.
.
.
.

.
.
.
.

Mara del Rosario Soler Zapata

7.5
7.6
7.7
7.8

Integral de volumen
Teorema de Green .
Teoreama de Stokes
Teorema de Gauss .

.
.
.
.

CONTENIDO.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

39
44
45
45

Mara del Rosario Soler Zapata

INTRODUCCION

Introducci
on

Estas notas contienen los temas a desarrollar en el curso de Analisis Vectorial, durante el semestre actual, as
como tambien los objetivos, justificacion y metas esperadas.
Las primeras secciones se refieren al aprendizaje y manejo de herramientas del algebra lineal, tales como
la teora de matrices y determinantes; posteriormente abordamos un estudio amplio de los vectores y las operaciones entre ellos, que permitiran acercarnos de manera natural a la diferenciacion e integracion vectorial.
La diferenciacion en integraci
on vectorial que se estudiara durante el curso sera de manera introductoria,
ya que para realizar un estudio profundo se requieren de conocimientos de calculo en varias variables, mismos
que se estudiaran en los proximos dos semestres.
Todos las definiciones y teoremas seran abordados de manera practica para familiarizarse con la aplicacion
de los mismos. El formalismo de algunos conceptos y resultados se analizaran en asignaturas paralelas y de
semestres avanzados.

Mara del Rosario Soler Zapata

OBJETIVOS Y METAS

Objetivos y metas

Objetivo general:
Presentar el material de Analisis Vectorial de una forma sencilla y practica mediante definiciones y ejemplos
que permitan al estudiante detectar los conceptos fundamentales y aplicarlos de tal forma que la probabilidad
de que repruebe sea casi nula.

Objetivos particulares:
1. Relacionar los conceptos algebraicos y geometricos de vectores.
2. Aplicar la teora a problemas abstractos y reales.
3. Facilitar la resolucion de problemas abstractos y aplicados.
Metas:
1. Se espera que los conocimientos adquiridos por el estudiante sea aprendizaje de vida, de tal forma que
sea capaz de aplicarlos a problemas reales.
2. Se espera que el analisis vectorial permita visualizar de alguna manera los problemas abstractos para
darle un sentido.
3. Se espera que el analisis vectorial sea catalogado como divertido y aplicable a problemas reales.


3 JUSTIFICACION

Mara del Rosario Soler Zapata

Justificaci
on

Si el hecho de sentir un cambio en el modo de vida es para muchos difcil, imagnense que se puede decir del
hecho de aprender cosas nuevas de una manera en la que nunca quiza lo habamos hecho.
El paso de la preparatoria a una carrera universitaria es difcil, mas a
un cuando de una carrera de ciencias se trata. Para el estudiante resulta en su mayoria difcil cambiar de habitos de estudio, puesto que es
bien sabido que para cursar una carrera de ciencias es necesario comprometerse y disciplinarse para resolver
el mayor n
umero de problemas, as como tambien, comprender muchas de las cosas reales vistas de manera
abstracta.
Captar la atencion del estudiante y darle sentido a cuestiones que pueden ser demasiado abstractas no es
tarea facil, por ello, contar con notas que resuman de manera sencilla y practica el curso de analisis vectorial,
sera de mucha utilidad para reducir la empata por las cuestiones abstractas y aumentar la simpata por ellas.
Para ello, es necesario enfocarse en en el significado geometrico de los conceptos. Una vez dado un sentido a
conceptos que en un principio son abstractos, sera mucho mas facil comprender la mayora de los conceptos.
Otra razon importante para realizar estas notas es que no todos los estudiantes tienen a la mano bibliografa que les permita estudiar mas alla de lo visto en clase y en ocasiones, las notaciones en otras fuentes
bibliograficas pueden confundir al estudiante; por ello, es necesario contar con notas que de alguna manera
resuman la teora de tal manera que se presente a los estudiantes el uso de los distintos teoremas en la practica
y en una notacion sencilla.

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

Matrices y Determinantes

El objetivo principal de esta seccion es recordar herramientas elementales del algebra lineal que seran de mucha
ayuda para el estudio del calculo integral en varias variables. A continuacion se enlistan algunos conceptos y
resultados importantes acerca de matrices y determinantes.

4.1

Matrices

Definici
on 4.1. Una matriz de m n es un arreglo rectangular de mn n
umeros reales dispuestos en m
renglones y n columnas

a11 a12 a1j a1n


a21 a22 a2j a2n

..
..
..
..
.
.
.
.

A=
ai1 ai2 aij ain

.
..
..
..
..
.
.
.
am1 am2 amj amn
Al n
umero m n, (sin simplificar) se le llama tama
no de la matriz A y la componente o elemento ij de A,
denotado por aij es el n
umero que aparece en el rengl
on i y la columna j de A.
En la definicion anterior ai1 , ai2 , . . . ain son los elementos que forman la columna i de A y a1j , a2j , . . . amj
son los elementos que forman la columna j de A. El elemento a23 de

1
2

A=
2 0 23
es 23 .
De manera abreviada la matriz A con elementos aij se escribe A = (aij ).
Definici
on 4.2. Sean A = (aij ) y B = (bij ) dos matrices, decimos que A = B si A y B son del mismo
tama
no y las componentes correspondientes son iguales.
4.1.1

Suma de matrices y multiplicaci


on por escalar

En el conjunto de matrices de mn, denotado por Mmn , se definen 3 operaciones de las cuales 2 se muestran
a continuacion,
Definici
on 4.3. Sean A = (aij ) y B = (bij ) dos matrices de m n. Se define la suma de A y B denotada
por A + B como
A + B = (aij + bij )

a11 + b11
a21 + b21

..

=
a
+
i1 bi1

..

.
am1 + bm1

a12 + b12
a22 + b22
..
.

..
.

a1j + b1j
a2j + b2j

a1n + b1n
a2n + a2n
..
.

ai2 + bi2
..
.

..
.

aij + bij

ain + bin
..
.

am2 + bm2

amj + bmj

amn + bmn

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

Definici
on 4.4. Sean A = (aij ) Mmn y R. Se define la multiplicaci
on de A por el escalar , llamada
multiplicaci
on por escalar, como
A = (aij )

a11
a21

..
.
=
ai1

.
..
am1

a12
a22
..
.

..
.

a1j
a2j

a1n
a2n
..
.

ai2
..
.

..
.

aij

ain
..
.

am2

amj

amn

Dadas las operaciones anteriores, es natural preguntarse si satisfacen los axiomas que cumplen los n
umeros
reales, por lo que al estudiar si tienen o no sentido en el mundo de las matrices de m n, sobresalen dos
matrices especiales:
1. La matriz cero de m n cuyos elementos son todos cero.
2. La matriz A cuyos elementos son los inversos aditivos de los elementos de la matriz A, es decir, si
A = (aij ), entonces A = (aij ).
Las matrices cumplen con axiomas similares a los axiomas de campo. Sean A, B y C matrices de m n,
entonces
1. A + B es una matriz de m n.
2. A + B = B + A.
3. A + (B + C) = (A + B) + C.
4. Existe 0 Mmn , tal que A + 0 = A
5. Existe A Mmn tal que A + (A) = 0
La multiplicacion por escalar satistafe las siguientes propiedades:
6. 0A = 0
7. 1A = A
8. (A + B) = A + B.
9. ( + )A = A + A.
No esta de mas observar que en la propiedad 6 el cero de la izquierda es el cero real y el cero de la derecha de
la matriz cero de m n.
En el mundo de las matrices de m n hay algunas que tienen el mismo n
umero de filas que de columnas, las
matrices de n n, que tambien se les conoce con el nombre de matrices cuadradas.

Mara del Rosario Soler Zapata

4.1.2

MATRICES Y DETERMINANTES

Algunos tipos de matrices

Definici
on 4.5. Sea A = (aij ) Mnn , decimos que
1. A es triangular superior si aij = 0 para toda i > j.
2. A es triangular inferior si aij = 0 para toda i < j.
3. A es diagonal si aij = 0 para toda i 6= j.
Ejemplos: Las matrices
tivamente.

3 0
A= 0 7
0 0

A, B y C siguientes, son triangular superior, triangular inferior y diagonal respec


4

0

0 0
B= 0 1 0
2 8 5

7
C= 0
0

0 0
4 0
0 1

La matriz diagonal en la que cada elemento de su diagonal es un 1, se llama matriz identidad. Por ejemplo,
la matriz identidad de 3 3 es:

1 0 0
A= 0 1 0
0 0 1
La matriz que resulta de intercambiar las columnas de una matriz A por sus filas, se llama matriz transpuesta
de A y se denota por At , es decir, si A = (aij ), At = (aji ), por ejemplo, para

1 2
A= 2 4
3 5
se tiene que

A =
Considere la matriz

1
2

2
4

3
A= 8
1 2

3
5

1
2
2
5

para la matriz A dada, se tiene que A = At , este tipo de matrices recibe un nombre especial, matrices
simetricas.
Definici
on 4.6. Sea A una matriz de n n, decimos que A es una matriz simetrica si A = At ; si A = At ,
A se llama antisimetrica.
4.1.3

El producto dos matrices

Hasta ahora se han definido dos operaciones en Mmn y los diferentes tipos de matrices que resultan al
estudiar las matrices cuadradas. En esta seccion recordaremos el porducto de matrices y sus propiedades.
Definici
on 4.7. Sean A Mmn y B Mnp . Se define el producto de A y B, denotado por AB como
la matriz AB = (cij ) donde el elemento cij de AB esta dado por la multiplicaci
on del rengl
on i de A por la
columna j de B, esto es:
cij = ai1 b1j + ai2 b2j + + ain bnj
9

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

Ejemplo: Sean

4 1
A= 2 0
0 1

2
2
1

8 6 3
B = 1 9 5 .
7 5 0

De la definicion de multiplicacion de matrices

8
4 1 2
2 1
AB = 2 0
7
0 1 1


c11
6 3
9 5 = c21
5 0
c31

c12
c22
c32

c13
c23
c33

donde cij = ai1 b1j + ai2 b2j + . . . + ain bnj , luego


c11
c12
c13
c21
c22
c23
c31
c32
c33

por lo tanto

= (4)(8) + (1)(1) + (2)(7) = 45


= (4)(6) + (1)(9) + (2)(5) = 23
= (4)(3) + (1)(5) + (2)(0) = 17
= (2)(8) + (0)(1) + (2)(7) = 2
= (2)(6) + (0)(9) + (2)(5) = 22
= (2)(3) + (0)(5) + (2)(0) = 6
= (0)(8) + (1)(1) + (1)(7) = 6
= (0)(6) + (1)(9) + (1)(5) = 4
= (0)(3) + (1)(5) + (1)(0) = 5

45
AB = 2
6

23
22
4

17
6
5

De la definicion anterior observamos que dos matrices se pueden multiplicar si y solo si el n


umero de columnas
de la primera matriz es igual al n
umero de filas de la segunda matriz, es decir, el producto de una matriz 3 4
por una matriz de 4 2 esta definido, mientras que el producto de una matriz de 2 3 con una matriz de
4 2 no lo esta.
Teorema 1. Si todas las sumas y productos est
an definidos, entonces
1. A(BC) = (AB)C
2. A(B + C) = AB + AC
3. (A + B)C = AC + BC
4. (AB) = (A)B = A(B)
En general AB 6= BA, por ejemplo, sean

2 3
4 1
A=
y B=
,
1 2
0 6

10

Mara del Rosario Soler Zapata

entonces

AB =

2 3
1 2

8 20
4 11

4
0

1
6

MATRICES Y DETERMINANTES

7 14
6 12

4 1
2 3
=
0 6
1 2
6=

= BA
El ejemplo anterior muestra que el producto de matrices no es conmutativo. A continuacion damos dos
ejemplos que nos muestran dos propiedades que sabemos que se cumplen para los n
umeros reales, pero que
no se cumplen en el conjunto de matrices con la operacion producto definida anterioremente.
1. Si AB = 0 no necesariamente se cumple que A = 0 o B = 0. Considere

2 3
9 12
A=
y B=
.
4 6
6 8
Claramente

AB =

2 3
4 6

9
6

12
8

0 0
0 0

pero A 6= 0 y B 6= 0.
2. Si AB = AC no necesariamente se cumple que B = C. Sean

4
2 4
1 2
A=
,B =
y C=
3
1 2
3 4
2
Entonces

AB =

2 4
1 2

1 2
3 4

14 20
7 10

4
2 4
=
3
1 2
2

1
9
2

9
2

= AC
pero B 6= C.
4.1.4

Propiedades de la transpuesta y algunas matrices especiales.

En secciones anteriores se definieron las matrices diagonales, triangulares superiores e inferiores, simetricas y
antisimetricas y la transpuesta de una matriz dada. Estas matrices tienen propiedades especiales respecto a
las 3 operaciones definidas anteriormente.
1. La suma de dos matrices diagonales es una matriz diagonal.
11

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

2. El producto de dos matrices diagonales es una matriz diagonal.


3. El producto de un escalar por una matriz diagonal es una matriz diagonal.
4. La suma de dos matrices simetricas(antisimetricas) es una matriz simetrica(antisimetrica).
5. El producto de dos matrices simetricas(antisimetricas) no necesariamente es una matriz simetrica (antisimetrica).
6. El producto de un escalar por una matriz simetrica(antisimetrica) es una matriz simetrica (antisimetrica).
7. (At )t = A.
8. (A + B)t = At + B t .
9. (AB)t = B t At .
10. (A)t = At .
4.1.5

La traza de una matriz y sus propiedades.

Sea A = (aij ) una matriz de n n, se define la traza de A, denotada por tr(A), como la suma de los elementos
de su diagonal, es decir
tr(A) = a11 + a22 + + ann
De la definicion de traza es facil ver que
1. tr(A + B) = tr(A) + tr(B)
2. tr(AB) = tr(A)tr(B)
3. tr(A) = tr(A)
4. tr(At ) = tr(A)
4.1.6

La inversa de una matriz. M


etodo de la matriz aumentada.

En el conjunto de matrices no podemos decir que si A 6= 0 entonces existe B, al que llamemos inverso de A
respecto a la operacion producto de matrices, tal que AB = BA = I sin embargo para algunas de ellas (donde
tiene sentido hablar de inversos), s tienen un elemento que cumple con esa propiedad.
Definici
on 4.8. Sea A una matriz de n n decimos que A tiene inversa o que A es invertible si existe una
matriz B de nn tal que AB = BA = I. B se llama la inversa de A y se denota por A1 . Las matrices inversas
junto con las operaciones, suma, producto y multiplicacion por escalar satisfacen las siguientes propiedades
1. Si existe la inversa de una matriz A, A1 es u
nica.
2. (A1 )1 = A.
3. (AB)1 = B 1 A1
4. (A)1 = 1 A1 para toda 6= 0.
5. (An )1 = (A1 )n .
6. (At )1 = (A1 )t .
12

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

Considere una matriz A de n n. Para calcular su inversa inversa se aplica el procedimiento de la matriz
aumentada que consiste en:
1. Escribir la matriz aumentada (A|I).
2. Se aplican operaciones elementales con renglones para llevar a la matriz A a la forma mas parecida a la
identidad.
3. Si al aplicar operaciones elementales obtuvimos la matriz aumentada (I|B), B es la matriz inversa de A.
Es posible que de ninguna manera se pueda obtener (I|B); en ese caso, la matriz A no es invertible. Las
operaciones elementales a considerar (que en general se aplican a matrices de m n) son las siguientes:
1. Sustituir el renglon i de A por un m
ultiplo del renglon i de A. Esta operacion la denotamos por Ri cRi .
2. Sustituir el renglon j de A por el renglon que resulta de sumar el renglon j de A con un m
ultiplo del
renglon i de A. Esta operacion la denotamos por Rj Rj + cRi .
3. Intercambiar el renglon i de A por el renglon j de A y el renglon j de A por el
operacion la denotamos por Ri Rj .

2
Ejemplos de aplicacion de las operaciones elementales a una matriz A: Sea A = 1
1

2 4
1. La matriz que resulta de aplicar la operacion R2 3R2 , es A = 3 6 , en
1 4

2 4
2 4
1 2 R2 3R2 3 6

1 4
1 4

renglon i de A. Esta

4
2
4
smbolos

2 4
2. La matriz que resulta de aplicar la operacion R3 R3 + 3R2 , es A = 1 2 , en smbolos
2 10

2 4
2 4
1 2 R3 R3 + 3R2 3 6

1 4
1 4

1 2
3. La matriz que resulta de aplicar la operacion R1 R2 , es A = 2 4 , en smbolos
1 4

2 4
1 2
1 2 R1 R2 2 4

1 4
1 4

13

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

Ejemplo: Calcular la inversa de la matriz, usando el metodo de la matriz aumentada.

1 1 3
A= 0 0 1
1 2 0
Para calcular la inversa de A, en caso de que exista, por el metodo de la matriz aumentada, el primer paso
consiste en escribir la matriz (A|I), para posteriormente aplicar operaciones elementales con renglones y llevar
la matriz A a la forma mas parecida a la identidad, esto es: Ejemplo: Bajo que condiciones la matriz

a11 a12
A=
,
a21 a22
tiene inversa?
Para contestar la pregunta, supongamos que

a b
c d

B=

es la matriz inversa de A, luego

AB =

a11
a21

a12
a22

a b
c d

a11 a + a12 c a11 b + a12 d


a21 a + a22 c a21 b + a22 d

1 0
=
0 1

de donde se tienen los dos sistemas de ecuaciones lineales con dos incognitas siguientes:
a11 a + a12 c = 1
a21 a + a22 c = 0

a11 b + a12 d = 0
a21 b + a22 d = 1.

Observemos que si a11 = a12 = 0, se tiene que

0
0
a b
AB =
a21 a22
c d

0
0
=
a21 a + a22 c a21 b + a22 d

1 0
6=
0 1
analogamente si a21 = a22 = 0, o a11 = a21 = 0 o a12 = a22 = 0, se tiene que AB 6= I. En conclusion, si A
tiene una renglon o una columna de ceros, A no es invertible. Luego, para evitar que eso pase, al menos debe
suceder que a11 y a22 sean distintos de cero o bien a21 y a12 sean distintos de cero. Supongamos que a21 y
a12 son distintos de cero y recordemos que B debe cumplir los siguientes sistemas de ecuaciones,
a11 a + a12 c = 1
a21 a + a22 c = 0

14

a11 b + a12 d = 0
a21 b + a22 d = 1.

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

Resolvamos los sistemas ecuaciones:


Caso 1.- Si a11 = 0, de la primer ecuacion del primer sistema de ecuaciones se sigue que c = a112 , luego,
a22
sustituyendo c = a112 en la segunda ecuacion del primer sistema de ecuaciones se tiene que a = a12
a21 . Para
el segundo sistema de ecuaciones se tiene, si a11 = 0 se tiene que d = 0 y de sustituir d = 0 en la segunda
ecuacion, se tiene que b = a121 . Por lo tanto, si a12 y a21 son distintos de cero y a11 = 0 se tiene que
a22

1
1
a22 a12
a21 a12
a21
B=
=
1
a21
0
0
a21 a12
a12
Caso 2.- Supongamos que a11 6= 0; de multiplicar la primer ecuacion del primer sistema por a21 y la segunda
ecuacion del primer sistema por a11 se tiene el sistema de ecuaciones equivalente
a21 a11 a + a21 a12 c = a21
a11 a21 a a11 a22 c = 0
Luego, sumando la primer ecuacion con la segunda ecuacion se sique que
a21 a12 c a11 a22 c = (a21 a12 a11 a22 ) c = a21
por lo que si a21 a12 a11 a22 6= 0

a21
.
a21 a12 a11 a22
en a21 a a22 c = 0, se concluye que
c=

Sustituyendo c =

a21
a21 a12 a11 a22

a22
.
a11 a22 a21 a12
De resolver el segundo sistema, mediante un proceso similar al anterior, se sigue que
a12
b=
a11 a22 a21 a12
y
a11
d=
.
a11 a22 a21 a12
a=

Por lo tanto, si a12 y a21 son distintos de cero, a11 6= 0 y a21 a12 a11 a22 6= 0 se tiene que

a22
a12
1
a22 a12
a
a
a
a
a
a
a
a
11
22
21
12
11
22
21
12
B=
=
a21
a11
a21 a11
a11 a22 a21 a12
a21 a12 a11 a22
a11 a22 a21 a12
Analogamente para el caso en que a11 y a22 son distintos de cero, se tiene que
1

a12
1
a22 a12
a11
a11 a22
B=
=
1
0
a11
0
a11 a22
a22
si a21 = 0 y

si a21 = 0 y a11 a22 a21 a12

1
a22 a12
B=
a21 a11
a11 a22 a21 a12
6 0. De todos los casos se puede concluir que
=

a11 a12
A=
a21 a22

tiene inversa si a11 a22 a21 a12 6= 0, mas a


un,
A1 =

1
a11 a22 a21 a12
15

a22
a21

a12
a11

Mara del Rosario Soler Zapata

4.2

MATRICES Y DETERMINANTES

Determinantes

4.2.1

Definici
on

a11 a12
Sea A =
una matriz de 2 2. Se define el determinante de A denotado por |A|, como
a21 a22

a11 a12

= a11 a22 a12 a21


|A| =
a21 a22
En la seccion anterior vimos que una condicion necesaria y suficiente para que una matriz cuadrada A = (aij )
de 2 2 tuviera inversa era que a11 a22 a12 a21 , con este nuevo concepto podemos decir que una matriz
A = (aij ) de 2 2 tiene inversa si y solo si |A| 6= 0.
Para definir el determinante de una matriz de n n, necesitamos algunas definiciones.
A
como la matriz
Definici
on 4.9. Sea A una matriz de n n. Se define el menor ij de A denotado por Mij
de (n 1) (n 1) obtenida de A eliminando el rengl
on i y la columna j de A.

2 3 4
2 3
A
=
.
Ejemplo: Si A = 1 2 3 , el menor 23 de A es la matriz M23
0 1
0 1

Definici
on 4.10. Sea A una matriz de n n. Se define el cofactor ij de A denotado por Aij , como
A
|.
Aij = (1)i+j |Mij

Observe que la definicion de Aij depende del determinante de una matriz mas peque
na que A, por lo que
podramos pensar que el determinante en general depende de determinantes mas peque
nos.
Definici
on 4.11. Sea A = (aij ) una matriz de n n. Se define el determinante de A, denotado por |A|, como
|A| = a11 A11 + a12 A12 + a13 A13 + + a1n A1n =

n
X
k=1

1
0
Ejemplo: Sea A =
0
1

0
1
1
0

1
2
1
1

0
1
, entonces
2
4

16

a1k A1k

Mara del Rosario Soler Zapata

MATRICES Y DETERMINANTES

|A| = a11 A11 + a12 A12 + a13 A13 + a14 A14

= 1 1
0

2 1
1 2 + 0
1 4

1
2

= 1 1
0 1

1
= 1
1


1 0 1
2 0 1
4 1 0

1 2
2
2
4
0 4

2 1
1 2 1
1 4

1
2
4

+1


1
0
1

1 1
1 2 + 0
0 4

1
1
0

2
1
1

1 2

0 4

2
+1
4

1
0

= (1(4 + 2) 2(4 + 0) + 1(1 + 0)) (0 1(0 2) + 1(0 + 1))


= (6 + 8 + 1) (2 + 1)
= 12
4.2.2

Propiedades

A continuacion se enlista las propiedades de los determinantes,


1. El determinante de una matriz A = (aij ) triangular superior o triangular inferior es el producto de los
elementos de su diagonal, esto es
|A| = a11 a22 a33 ann .
2. |AB| = |A||B|.
3. |At | = |A|.
4. Sea A = (aij ) entonces
|A| =

n
X

aik Aik =

k=1

n
X

akj Akj ,

k=1

es decir, el determinante de una matriz puede expandirse por cualquier renglon o cualquier columna.
5. Si cualquier renglon o columna de A contiene solo ceros, entonces |A| = 0.
6. Si el renglon i o la columna j de

a11

a21

..
.
|B| =
cai1
.
..

an1

A, se multiplica por c y si a

a11
a12 a1n

a21
a22 a2n

..
..
..
.
.
.
= c
cai2 cain
ai1
.
..
..
..
.
.

an1
an2 ann
17

esta nueva matriz le llamamos B, entonces

a12 a1n
a22 a2n
..
..
.
.
= |A|
ai2 ain
..
..
.
.
an2 ann

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

7. Suponga que A, B y C son matrices identicas excepto por la columna j y que la columna j de C es la
suma de las jesimas columnas de A y B, entonces, |C| = |A| + |B|. La misma afirmacion es cierta para
renglones.
8. El intercambio de cualesquiera dos renglones o columnas distintos de A tiene el efecto de multiplicar a
|A| por 1.
9. Si A tiene dos renglones (o dos columnas) iguales, entonces |A| = 0.
ultiplo escalar de otro renglon (o columna), entonces |A| = 0.
10. Si un renglon (o columna) de A es un m
11. Si se suma un m
ultiplo escalar de un renglon (o columna) de A a otro renglon (o columna) de A, entonces
el determinante no cambia.
12. ai1 Aj1 + ai2 Aj2 + + ain Ajn si i 6= j.
4.2.3

Determinantes e inversas.

Ademas del metodo de la matriz aumentada, hay otra forma, usando determinantes, en la que se puede calcular la matriz inversa de una matriz A en caso de existir. Para ello es necesario conocer la siguiente
Definici
on 4.12. Sea A = (aij ) una matriz de n n, se define la matriz de cofactores de A, denotada por
BA como la matriz BA = (Aij ) formada por todos los cofactores de A.
Definici
on 4.13. Sea A = (aij ) una matriz de n n, se define la matriz de adjunta de A, denotada por adj A
como la matriz adj A = (BA )t = (Aji ), es decir, la adjunta de A es la matriz de cofactores transpuesta.
Teorema 2. Si A es invertible, entonces |A| 6= 0 y
|A1 | =

1
|A|

Teorema 3. Sea A una matriz de n n. Entonces


(A)(adj A) = |A| I.
Teorema 4. Sea A una matriz de n n. Entonces A es invertible si y s
olo si |A| 6= 0 y
A1 =

1
adj A.
|A|

Vectores y escalares.

Las matematicas son aplicables a la fsica, y muchas de estas aplicaciones suelen relacionarse con cantidades
que poseen magnitud, direccion y sentido, por ejemplo, la fuerza, sin embargo, dependiendo de los ojos con
los que se mira, podemos dar 3 definiciones de vector, que como era de pensarse, coinciden.
Definici
on 5.1 (Fsica). Un vector es Una magnitud cuya determinaci
on exige del conocimiento de un m
odulo,
una direcci
on y un sentido. Ejemplos: El desplazamiento, la velocidad, la aceleracion, la fuerza y el mpetu.

18

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

Definici
on 5.2 (Algebra). Un vector ~v Rn es un arreglo de la forma ha1 , a2 , . . . , an i, donde ai R para
i {1, . . . , n}. Los n
umeros ai se llaman elementos o componentes del vector.
Definici
on 5.3 (Geometra). Un vector es el conjunto de todos los segmentos de recta dirigidos equivalentes a
un segmento de recta dirigido dado. Cualquier segmento de recta en ese conjunto se llama una representaci
on
del vector.
La siguiente figura muestra un conjunto de segmentos de recta dirigidos equivalentes:

Un vector tiene un representante muy especial; aquel que tiene punto inicial el orgen. Para la definicion
algebraica de vector se considera u
nicamente al representante del vector que tiene como punto inicial el orgen.
De ese modo referirse al vector ha1 , a2 , . . . , an i equivale, geometricamente hablando, al conjunto de segmentos de recta dirigidos equivalentes al segmento de recta dirigido con punto inicial el orgen y punto final
P = (a1 , a2 , . . . , an ).

Un escalar, es un n
umero que pertenece a un campo. En nuestro curso, un escalar sera un n
umero real.

5.1

La suma de vectores y sus propiedades.

Si consideramos el conjunto formado por todos los vectores, es natural preguntarse si podemos definir alguna
operacion entre vectores. La respuesta es, s.

Definici
on 5.4 (Geometrica). Sean ~a, ~b vectores en Rn y P Q, RS representantes de ~a y ~b respectivamente.
Se define la suma de ~a y ~b, denotada por ~a + ~b, como el conjunto de segmentos de recta dirigidos equivalentes
al segmento de recta dirigido con punto inicial P y punto final S. La figura siguiente muestra c
omo sumar
vectores de manera geometrica.
Definici
on 5.5 (Algebraica). Sean ~a = ha1 , a2 , . . . , an i, ~b = hb1 , b2 , . . . , bn i vectores en Rn . Se define la suma
de ~a y ~b, denotada por ~a + ~b, como
~a + ~b = ha1 + b1 , a2 + b2 , . . . , an + bn i

19

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

QR

S
P

P
R
S

En R2 consideren dos vectores ~a = ha1 , a2 i y ~b = hb1 , b2 i. Al realizar la suma de dichos vectores en forma
geometrica y algebraica se observa que, al aplicar el Teorema de Pitagoras a la suma geometrica, el punto
inicial de ~a + ~b es el (0, 0) y el punto final es (a1 + b1 , a2 + b2 ).
Un proceso similar se puede realizar para vectores en Rn en general y al final concluir que la suma algebraica y la suma geometrica, como debe de ser, coincide.
La suma de vectores satisface las siguientes propiedades:
1. ~a + ~b = ~b + ~a.
2. ~a + (~b + ~c) = (~a + ~b) + ~c.
3. Existe ~0 = h0, . . . , 0i Rn tal que ~a + ~0 = ~0 + ~a = ~a.
4. Para todo ~a = ha1 , . . . , an i Rn existe ~a = ha1 , . . . , an i Rn tal que
~a + (~a) = (~a) + ~a = ~0.

5.2

Producto punto y multiplicaci


on por escalar.

Otra de las operaciones que puede definirse entre vectores es el producto punto y la multiplicacion por escalar.
Definici
on 5.6 (Multiplicacion por escalar). Sean R y ~a = ha1 , . . . , an i un vector en Rn , se define la
multiplicaic
on por escalar, denotada por ~a como
~a = ha1 , . . . , an i

Geometricamente hablando, cuando un vector es multiplicado por un escalar, sucede algo similar a lo que
pasa cuando multiplicamos dos n
umeros enteros (multiplicar 2 3 equivale a sumar 2 veces 3 o 3 veces 2),
por que si > 1 el vector se alarga, y si 0 < < 1 el vector se hace mas pequeo; en ambos casos conserva la
direccion de la fecha. En el caso es que < 0 la direccion de la flecha cambia en sentido contrario y ademas
si < 1 el vector se alarga y si 1 < < 0 el vector se acorta.

Otra operacion que se realiza entre vectores es el producto punto.


Definici
on 5.7 (Producto punto). Sean ~a = ha1 , . . . , an i y ~b = hb1 , . . . , bn i vectores en Rn , se define el
producto punto, denotado por ~a ~b, como
~a ~b = a1 b1 + + an bn
20

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

(3/2)A
(1/2)A

A
(1/2)A
A
(3/2)A

a2+ b2 2 a b cos()

P=(x,y)

x2+ y2

a sen()
b

Geometricamente el producto punto esta relacionado con la longitud de un vector y el angulo entre dos vectores
2
~
De la figura anterior se observa que la longitud
p del vector P = hx, yi R , tambien llamada norma de
p
P~ y denotada por kP~ k es kP~ k = x2 + y 2 = P~ P~ .

En general si ~x = hx1 , . . . , xn i Rn se tiene que k~xk =

5.3

x21 + + x2n =

~x ~x.

Propiedades del producto punto y la multiplicaci


on por escalar.

La multiplicacion por escalar, el producto punto y la norma, junto con la suma definida anteriormente,
satisfacen las siguientes propiedades:
1. (~a) = ()~a = (~a).
2. ( + )~a = ~a + ~a.
3. (~a + ~b) = ~a + ~b.
4. ~a ~b = ~b ~a.
5. ~a (~b + ~c) = ~a ~b + ~a ~c.
6. (~a ~b) = (~a) ~b = ~a (~b).

21

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

7. k~ak 0 para todo ~a Rn .


8. k~ak = 0 si solo si ~a = ~0.
9. k~ak = ||k~ak.
10. |~a ~b| k~akk~bk
11. k~a + ~bk k~ak + k~bk.
12. | k~ak k~bk | k~a ~bk.
Observemos que el producto punto u
nicamente puede realizarse entre dos vectores y el resultado es un n
umero
real, por lo que el producto punto no es asociativo. Existe un producto muy particular para vectores en R3
que se llama producto vectorial, que se realiza entre vectores y da como resultado un vector. Este producto
se definira y estudiara en la seccion siguiente.
El angulo entre dos vectores es el angulo mas peque
no formado por ellos, la figura muestra el angulo
formado por dos vectores.

Un resultado geometrico importante acerca del producto punto es el siguiente


Teorema 5. Sean ~a, ~b vectores en Rn , entonces
~a ~b = k~akk~bkcos .
Para demostrarlo basta considerar la ley de los cosenos al triangulo formado por los vectores ~a y ~b de longitud
k~ak = a y k~bk = b respectivamente, tal y como se muestra en la siguiente figura,

a2 + b2 2 abcos()
a

22

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

Observe que k~a ~bk2 = a2 + b2 2abcos y como k~a ~bk2 = (~a ~b) (~a ~b) = k~ak2 2~a ~b + k~ak2 se
sigue que k~ak2 2~a ~b + k~ak2 = a2 + b2 2abcos , luego ~a ~b = a b cos .

5.4

Vectores colineales y perpendiculares.

Cuando tenemos dos vectores, respecto al angulo que forman, podemos decir si son paralelos, colineales,
perpendiculares o ninguno de los anteriores. Decimos que son colineales, intuitivamente hablando, si estan en
una misma lnea recta, o bien
Definici
on 5.8. Dos vectores ~a, ~b Rn son colineales si existe 6= 0 tal que ~a = ~b.
En terminos del angulo que forman, dos vectores son colineales si elangulo entre ellos es 0 o
Definici
on 5.9. Dos vectores ~a, ~b Rn son paralelos si existe > 0 tal que ~a = ~b.
En terminos de angulos, dos vectores son paralelos si el angulo entre ellos es 0.
Observemos que dos vectores paralelos son colineales, pero dos vectores colineales no necesariamente son
paralelos.
Por u
ltimo, si el angulo entre dos vectores es de
ulares. Del Teorema anterior podemos decir que

2,

decimos que los vectores son ortogonales o perpendic-

Corolario 5.1. Dos vectores son ortogonales si y s


olo si, su producto punto es 0.
Consideremos la siguiente figura:

Sea R tal que ~v = ~a ~b sea ortogonal a ~b, entonces


0 = ~b ~v
= ~b (~a ~b)
= ~b ~a (~b ~b)
= ~a ~b k~bk2
Luego
=

~a ~b
k~bk2

23

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

Al vector ~b se le llama proyeccion ortogonal de ~a sobre ~b y se denota por proy~b~a, esto es


proy~b~a =

5.5
5.5.1

~a ~b ~
b
k~bk2

Producto cruz.
Definici
on y propiedades.

El producto cruz, o producto vectorial esta definido u


nicamente para vectores en R3 .
Definici
on 5.10. Sean ~a = ha1 , a2 , a3 i, ~b = hb1 , b2 , b3 i vectore es R3 . Se define el producto cruz de ~a y ~b,
denotado por ~a ~b como ~a ~b = ha2 b3 a3 b2 , a3 b1 a1 b3 , a1 b2 a2 b1 i.
El producto cruz satisface las siguientes propiedades
1. ~a ~b = ~b ~a.
2. ~a (~b + ~c) = ~a ~b + ~a ~c.
3. (~a ~b) = (~a) ~b = ~a (~b).
4. ~a (~b ~c) 6= (~a ~b) ~c.
5. ~a ~b es ortogonal a ~a y a ~b.
5.5.2

Interpretaci
on geom
etrica

De la definicion de producto cruz, es facil (pero tedioso) ver que


k~a ~bk2 + |~a ~b|2 = k~ak2 k~bk2 ,
luego,
k~a ~bk2 = k~ak2 k~bk2 |~a ~b|2
= k~ak2 k~bk2 k~ak2 k~bk2 cos2
= k~ak2 k~bk2 (1 cos2 )
= k~ak2 k~bk2 sen2
por lo que

k~a ~bk = k~akk~bk|sen | = k~akk~bksen

ya que 0 < < .


En la siguiente figura observemos que el area del paralelogramo generado por los vectores ~a y ~b de longitudes k~ak = a y k~bk = b respectivamente
es k~akk~bksen = ab sen , luego, para calcular el area del paralelogramo generado por vectores ~a y ~b basta
calcular k~a ~bk. En conclusion, si denotamos al area del paralelogramo generado por ~a y ~b por Ah~a, ~bi se tiene
que
Ah~a, ~bi = k~a ~bk = k~akk~bksen
24

Mara del Rosario Soler Zapata

5 VECTORES Y ESCALARES.

a
a sen( )

5.6

Triple producto escalar y su interpretaci


on geom
etrica.

El triple producto escalar es un producto entre 3 vectores ~a = ha1 , a2 , a3 i, ~b = hb1 , b2 , b3 i y ~c = hc1 , c2 , c3 i en


R3 , realizado de la siguiente manera: ~a (~b ~c). Haciendo uso de las definiciones de producto punto, producto
vectorial y determinantes, se puede ver que

a1 a2 a3

~a (~b ~c) = b1 b2 b3
c1 c2 c3
Por el momento no hagamos mucho caso a la expresion anterior, puesto que en la siguiente seccion abordaremos a fondo la definicion de los determinantes y sus propiedades. Por ahora solo nos importa dar una
interpretacion geometrica del triple producto escalar.
Considere la siguiente figura:

Observe que el vol


umen del paralelepdedo generado por ~a, ~b, ~c denotado por V h~a, ~b, ~ci esta dado por
V h~a, ~b, ~ci = area de la base altura.
Como el area de la base esta dado por k~b ~ck y la altura es la norma de proy(~b~c)~a =
que

~a (~b ~c)

~b ~c
V h~a, ~b, ~ci = k~b ~ck

k~b ~ck2

~a (~b ~c)
~

= k~b ~ck
k b ~ck
k~b ~ck2
=

|~a (~b ~c)| ~


k b ~ck2
k~b ~ck2

= |~a (~b ~c)|

25

~
a(~b~
c)
k~b~
ck 2

~b ~c, se tiene

Mara del Rosario Soler Zapata

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Con lo anterior, podemos decir que el valor absoluto del triple producto escalar es el volumen del paraleleppedo
generado por los vectores ~a, ~b y ~c, esto es

a1 a2 a3

V h~a, ~b, ~ci = |~a (~b ~c)| = b1 b2 b3


c1 c2 c3

6
6.1

Introducci
on a la diferenciaci
on vectorial.
Derivada de un vector.

Recordemos que fsicamente, un vector es una magnitud cuya determinacion exige el conoci- miento de un
modulo, una direccion y un sentido; geometricamente, un vector es un conjunto de segmentos dirigidos equivalentes a uno dado y algebraicamente, es un punto p en Rn que realmente, en el sentido geometrico, significa
el segmento de recta dirigido con punto inicial 0 Rn y punto final p. Decir p = (p1 , p2 , . . . , pn ), significa
p Rn , decir p~ = (p1 , p2 , . . . , pn ) significa el vector con punto inicial 0 Rn y punto final (p1 , p2 , . . . , pn )
Para hablar de la derivada de un vector es natural pensar en que el vector tiene cierta dependencia, por
lo que podramos relacionarlo con una especie de funcion. A saber, sea R(u) un vector funcion de la variable
escalar u (una funcion de R en Rn ), entonces
R
R(u + u) R(u)
=
u
u
donde u es el incremento en la variable u.

Definici
on 6.1. Si

R
R(u + u) R(u)
= lim
u0 u
u0
u
lim

existe. Se define la derivada del vector R(u) respecto de u como


lim

u0

y se denota por

dR
du

R(u + u) R(u)
R
= lim
u0
u
u

es decir
R
R(u + u) R(u)
dR
= lim
= lim
u0 u
u0
du
u
26

Mara del Rosario Soler Zapata

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Observemos que gracias al algebra vectorial, es natural pensar que derivar un vector se transforma en derivar
cada una de las componentes del vector. En particular, si R(u) es el vector posicion r(u) = x(u) i + y(u) j +
z(u) k que une el origen O de un sistema de coordenadas con un punto (x, y, z) cualquiera, al dar valores a
u, se obtienen distintos valores de r(u) y el lugar geometrico de su extremo es una curva en el espacio cuyas
ecuaciones parametricas son x = x(u), y = y(u) y z = z(u). Bajo estas condiciones
r(u + u) r(u)
r
=
u
u
es un vector de la misma direccion y sentido que r. Si existe
lim

u0

r
u

este es un vector en la direccion de la tangente a la curva en el punto (x, y, z) y viene dado por
dr
dx
dy
dz
=
i+
j+
k
du
du
du
du

Ejemplo: Siendo R(u) = x(u) i + y(u) j + z(u) k y x, y y z funciones derivables en u, demostrar que
dR
dx
dy
dz
=
i+
j+
k
du
du
du
du
Demostracion:
dR
R(u + u) R(u)
= lim
u0
du
u
= lim

u0

[x(u + u)i + y(u + u)j + z(u + u)k] [x(u)i + y(u)j + z(u)k]


u

= lim

u0

x(u + u) x(u)
y(u + u) y(u)
z(u + u) z(u)
i+
j+
k
u
u
u

dx
dy
dz
i+
j+
k
du
du
du

Ejemplo: Siendo R(t) = sen(t) i + cos(t) j + 8t, hallar dR


dt
Solucion.-


dR d(sen(t))
d(cos(t))
d(8t)

=
i+
j+
k
dt
dt
dt
dt
= |cos(t) i + sen(t) j + 8 k|
p
= cos2 (t) + sen2 (t) + 64

= 65
27

Mara del Rosario Soler Zapata

6.2

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Continuidad y derivabilidad.

Recordemos que dada f : R R decimos que f es continua en p si


lim f (x) = f (p)

xp

o lo que es equivalente
lim f (p + p) = f (p).

p0

En terminos de : Decimos que f : R R es continua en p si para todo > 0 existe > 0 tal que si
|p| < , entonces |f (p + p) f (p)| < .
Esta definicion nos seguira siendo u
til, pero en el contexto del analisis vectorial, el nombre y notacion cambia.
A saber, decimos que una funcion escalar es continua en u si para todo > 0 existe > 0 tal que si |u| < ,
entonces |(u + u) (u)| < .
Analogamente para nuestra duncion de estudio,
Definici
on 6.2. Una funci
on vectorial R(u) = R1 (u)i + R2 (u)j + R3 (u)k es continua en u si lo son las tres
funciones escalares R1 (u), R2 (u) y R3 (u), o bien si
lim R(u + u) = R(u)

u0

Observemos que lo que estamos aprendiendo depende muy fuertemente de lo que aprendimos en Calculo I y
Calculo II, por lo que debemos recurrir a nuestros apuntes si en este momento no recordamos ciertos conceptos.

Definici
on 6.3. Una funci
on vectorial o escalar es derivable de orden n cuando existe su derivada nesima.
Observaci
on 6.1. Una funci
on derivable es continua, pero si es continua, no necesariamente es diferenciable.
El ejemplo favorito: f (x) = |x|.

6.3

Introducci
on a trayectorias

Definici
on 6.4. Una trayectoria en Rn es una funci
on vectorial de la forma:
(t) : t (a, b) R (x1 (t), x2 (t), . . . , xn (t)) Rn
Donde x1 (t), x2 (t), . . . , xn (t) son las componentes. Esta trayectoria es detipo C 1 (diferenciable, hasta sus
derivadas contnuas) en su dominio (a, b) si cadauna de sus componentes son tambien de tipo C 1 en (a, b);
(a), (b) son los extremos de la trayectoria y su imagen es una curva en Rn .
Entonces, (t) = (x(t), y(t), z(t)) es una trayectoria en R3 donde x(t), y(t) y z(t) son las componentes de
la trayectoria, (t) es diferenciable en (a, b) si y solo si cada una de sus componentes lo son.

Ejemplo: Analizar el grafico de la funcion


(t) = (t sin t, 1 cost),
28

Mara del Rosario Soler Zapata

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

que es una curva plana conocida como la cicloide, formada por la trayectoria que describe un punto de un
crculo rodante de radio 1.
Solucion.- El crculo esta en el plano xy y rueda sobre el eje x, de tal forma que su centro se mueve hacia la derecha sobre la recta y = l y con rapidez constante de 1 radian por unidad de tiempo. El punto del
crculo rodante tiene un movimiento mas complicado y es la imagen de (t), la curva que va describiendo se
conoce como cicloide, la misma que se representa en la figura de abajo

Ejemplo: Representar una circunferencia de radio r como una trayectoria en R2 y discutir su grafico.
Solucion.- El crculo de radio r es una trayectoria en R2 y esta dada por (t) = (r cos(t), r sin(t)) que es
la parametrizacion de la circunferencia de radio r usando coordenadas polares. Su grafica puede apreciarse a
continuacion

6.4

F
ormulas de derivaci
on.

Sean A, B y C funciones vectoriales derivables en u, y una funcion escalar derivable en u, entonces


Proposici
on 6.1. Se cumplen las siguientes propiedades,
1.

d
du (A

+ B) =

dA
du

dB
du .

29

Mara del Rosario Soler Zapata

2.

d
du (A

B) = A

3.

d
du (A

B) = A

4.

d
du A

5.

d
du (A

B C) = A B

6.

d
du (A

(B C)) = A (B

= dA
du +

dB
du

+B

dB
du

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

dA
du .

dA
du

B.

d
du A.
dC
du

+A
dC
du )

dB
du

C+

dA
du

BC

+ A ( dB
du C) +

dA
du

(B C)

Observemos que en 5 de la proposicion anterior no existen parentesis como en 6 de la misma proposicion;


esto se debe a que no hay manera de confundirse si recordamos claramente que el producto punto se aplica a
vectores y obtenemos un escalar, mientras que el producto cruz o vectorial se aplica a vectores y obtenemos
otro vector, por lo que al decir A B C se refiere a realizar las operaciones en el siguiente orden: primero
B C y al resultado obtenido se le hace producto punto con A, esto es A (B C), de otro modo no tiene
sentido, por ejemplo (A B) C, ya que (A B) es un escalar, y por definicion de producto cruz,no es posible
realizar tal operacion entre un escalar y un vector.

30

Mara del Rosario Soler Zapata

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Ejemplo: Sean A y B diferenciables en u, demostrar que

d
du (A

B) = A

dB
du

+B

dA
du

Solucion.- Sean A = A1 i + A2 j + A3 k y B = B1 i + B2 j + B3 k, entonces


d
d
(A B) =
(A1 B1 + A2 B2 + A3 B3 )
du
du
= A1

dA1
dA2
dA3
dB1
dB2
dB3
+
B1 + A2
+
B2 + A3
+
B3
du
du
du
du
du
du

dA2
dA3
dB2
dB3
dA1
dB1
+ A2
+ A3
+
B1 +
B2 +
B3
A1
du
du
du
du
du
du

=A
Ejemplo: Demostrar que A

dA
dt

dB dA
+
B
du
du
= |A| d|A|
dt .

Solucion.- Sabemos que

entonces

A A = |A|2

d
d
d|A|
A A = |A|2 = 2|A|
.
dt
dt
dt

Por otro lado, usando la proposicion 3.1


d
dA
dA
dA
AA=A
+A
= 2A
dt
du
du
du
luego

d|A|
dA
d
A A = 2|A|
= 2A
dt
dt
du

por lo que,
2|A|

d|A|
dA
= 2A
dt
du

|A|

dA
d|A|
=A
dt
du

lo cual implica que

que es lo que se quera demostrar.

31

Mara del Rosario Soler Zapata

6.5

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Derivadas parciales de un vector.

En las secciones anteriores, las funciones vectoriales dependian de una sola variable. En esta seccion estudiaremos cuestiones basicas de diferenciabilidad de funciones vectoriales de dos o mas variables.
Definici
on 6.5. Sea A una funci
on vectorial de n variables, esto es, A = A(x1 , x2 , . . . , xn ). La derivada
parcial de A respecto de xi est
a dada por
A(x1 , . . . , xi1 , xi + xi , xi+1 , . . . , xn ) A(x1 , . . . , xn )
A
= lim
xi 0
xi
xi
si existe este lmite.
para fijar ideas, supongamos que A depende de 3 variables, en ese caso se toman las variables x, y, z en
vez de x1 , x2 , x3 por comodidad. Entonces, para A = A(x, y, z), las derivadas parciales de A respecto de x, y
y z son:
A
A(x + x, y, z) A(x, y, z)
= lim
x0
x
x
A
A(x, y + y, z) A(x, y, z)
= lim
y0
y
y
A
A(x, y, z + z) A(x, y, z)
= lim
z0
z
z
si existen.
Observaci
on 6.2. Es posible que exista
las derivadas parciales.

A
x

y las otras dos no. En general, no tienen por que existir todas

En el caso de funciones de dos o mas variables el termino derivable indica que la funcion tiene primeras
derivadas continuas. Las derivadas de orden superior se definen del mismo modo que el calculo diferencial
ordinario, esto es
2A

=
2
x
x

2A
=
xy
x

A
x
A
y

2A

=
2
y
y
2A

=
xz
x

A
y
A
z

2A

=
2
z
z
2A

=
yz
y

A
z
A
z

Si A tiene segundas derivadas parciales continuas, entonces se cumple que


2A
2A
=
xy
yx
Las reglas de derivacion parcial de vectores son analogas a las del calculo diferencial ordinario.

32

Mara del Rosario Soler Zapata

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Proposici
on 6.2. Sean A y B funciones de x, y, z, entonces
1.

x (A

B) = A

2.

x (A

B) = A

3.

2
yx (A

B) =

B
x

B
x

A
x

x (A

A
x

B) =

B
x

B =

A
x

3
x2 z

Ejemplo: Sean (x, y, z) = xy 2 y A = xz i xy 2 j + yz 2 k, hallar


Solucion.- Como

B
x

A
x

B etc.

(A) en el punto (1, 1, 0).

A = (xy 2 z)(xz i xy 2 j + yz 2 k) = x2 y 2 z 2 i x2 y 4 z j + xy 3 z 3 k

entonces

(A) =
z

2 2 2
x y z
z

2 4
x y z
z

j+

xy 3 z 3
z

= 2x2 y 2 z i x2 y 4 j + 3xy 3 z 2 k.

2
(A) =
(2x2 y 2 z i x2 y 4 j + 3xy 3 z 2 k)
x z
x
= 4xy 2 z i 2xy 4 j + 3y 3 z 2 k.

3
(A) =
(4xy 2 z i 2xy 4 j + 3y 3 z 2 k)
z
x

2x

= 4y 2 z i 2y 4 j.
Por lo tanto

3
(A) = 4y 2 z i 2y 4 j.
z

2x
Luego, en (x, y, z) = (1, 1, 0)

3
(A) = 4(1)2 (0) i 2(1)4 j = 2 j
2 x z

6.6

Diferencial de un vector

Definici
on 6.6. Dado un sistema de coordenadas y vector de posici
on
r . Entendemos por vector diferencial

de r en el punto d r , un vector de m
odulo infinitesimal que permite pasar de dicho punto d
r a otro punto
infinitesimalmente pr
oximo.
33

Mara del Rosario Soler Zapata

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Las componentes cartesianas de d


r son cantidades de valor infinitesimal y se designa por (dx, dy, dz):

d
r = (dx, dy, dz) = dxi + dyj + dz k

6.7
6.7.1

Gradiente, Divergencia y Rotacional


Gradiente de un campo escalar

Definici
on 6.7. Un campo escalar en Rn es una funci
on f : R, donde es un subconjunto de Rn .
Usualmente sera un conjunto abierto. Para n = 2 tenemos un campo escalar en el plano, que tendra
la forma (x, y) f (x, y). Para n = 3 tendremos un campo escalar en el espacio, dado por la expresion
(x, y, z) f (x, y, z).

Definici
on 6.8. Sea f un campo escalar definido en un abierto Rn y sea a = (a1 , a2 , . . . , an ) .
Supongamos que f es diferenciable en el punto a, con lo que existen las n derivadas parciales de f en a:
f
f (a + tek ) f (a)
f
a=
=lim
t0
xk
xk
t
para k = 1, 2, . . . , n donde {e1 , e2 , . . . , en } es la base estandard de Rn . Se define el gradiente de f en el punto
a como el vector dado por:

f (a) =

X
n
f
f
f
f
(a),
(a), . . . ,
(a) =
(a1 , a2 , . . . , an )ek
x1
x2
xn
xk
k=1

Si el campo f es diferenciable en todos los puntos de tendremos una funcion f : Rn que a cada
punto x hace corresponder el vector gradiente en diho punto, f (x). Es natural entonces escribir

f =

f f
f
,
,...,
x1 x2
xn

34

n
X
f
=
ek .
xk
k=1

Mara del Rosario Soler Zapata

6.7.2

A LA DIFERENCIACION
VECTORIAL.
INTRODUCCION

Divergencia de un campo vectorial

Definici
on 6.9. Sea F un campo vectorial definido en un conjunto abierto Rn y consideremos sus
cordenadas F = (F1 , F2 , . . . , Fn ). Supongamos que F es diferenciable en un punto a , lo que sabemos
equivale a que todos los campos escalares Fk , con k = 1, 2, . . . , n, sean diferenciables en el punto a. De hecho
cada vector gradiente Fk (a) es la kesima fila de la matriz jacobiana de F en a. Pues bien, la traza e dicha
matriz es, por definici
on, la divergencia del campo F en el punto a, y se denota por divF (a). as pues, se
tendr
a:
n
X
F1
F2
Fn
Fk
divF (a) =
(a) +
(a) + . . . +
(a) =
x1
x2
xn
xk
k=1

6.7.3

Rotacional de un campo vectorial

Definici
on 6.10. Sea F = P QR) un campo vectorial definido en un abierto Rn y diferenciable en un
punto a . Del mismo modo que la divergencia divF (a) se obtiene como el producto escalar smbolico
F (a), podemos pensar en el producto vectorial, tabien smbolico, F (a). El vector que as se obtiene es,
por definici
on, el rotacional del campo F en el punto a y se denota por rotF (a). Asi pues:

j
i
k

rotF (a) = F (a) = x

y
x
P (a) Q(a) R(a)

6.8

R
y (a)

Q
z (a)

i +

z (a)

R
x (a)

j +

Q
x (a)

P
x (a)

Derivadas direccionales

Definici
on 6.11. Consideremos de un campo escalar f definido en un abierto Rn diferenciable en un
punto a . Fijemos el vector u = (u1 , u2 , . . . , un ) Rn con kuk = 1, se define la derivada direccional de f
en la direcci
on u como:
n

f
f (a + tu) f (a) X f
(a) =lim
=
(a)uk =< f (a)|u > .
t0
u
t
xk
k=1

y mide la rapidez de variacion de f al desplazarnos desde el punto a en la direccin del vector u. La


desigualdad de Cauchy-Schwartz nos da:
f
=< f (a)|u > | < f (a)|u > | kf (a)kkuk = kf (a)k
u
f (a)
Si f (a) 6= 0, podemos conseguir que las desigualdades anteriores sean igualdades tomando u = kf
(a)k
y tenemos una interpretacion fsica del gradiente de un campo escalar: kf (a)k es la maxima rapidez de
variacion del campo que podemos conseguir al desplazarnos desde el punto a; esta maxima variacion se produce en la direccion del vector gradiente, mas concretamente, el maximo aumento se consigue en el sentido
del vector gradiente y la maxima disminucion en sentido opuesto.

35

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

Introducci
on a la integraci
on vectorial

En esta seccion estudiaremos algunas integrales vectoriales.

7.1

Integral de un vector

Recordemos que podemos escribir un vector en terminos de funciones con valores reales, ya sea en una o varias
variables, consideeremos en caso en que el vector depende de una variable u; la siguiente definicion muestra
como llevar a cabo su integral
Definici
on 7.1. Sea R(u) = hR1 (u), R2 (u), R3 (u)i un vector funci
on de una variable u donde R1 (u), R2 (u), R3 (u)
son funciones continuas en un intervalo dado, entonces
Z

Z
Z
Z
R(u) du =
R1 (u) du, R2 (u) du, R3 (u) du
Observe que integral un vector que depende de una variable correponde a realizar el tipo de derivadas que se
estudiaran en el curso de calculo II.
Ejemplo: Sea R(u) = h2u u2 , 2u3 , 2i, hallar
Solucion.-

R(u) du y

R1 (u) du,

R2 (u) du,
Z

(2u u ) du,

R(u) du =
1

R3 (u) du

Z
3

2u du,

2 du

u3
u4
u
+ c1 ,
+ c2 , 2u + c3
3
2

+
2 4
2
u
2
,
+ c2 , [2u + c3 ]1
2
1
1


4
4

13
2
1
23
+ c1 12
+ c1 ,
+ c2
+ c2 , (2(2) + c3 ) (2(1) + c3 )
22
3
3
2
2

u3
u2
+ c1
3

R(u) du.
Z

R(u) du =

R2

1
4 2
, 8 , 4 + 2
3 3
2

2 7
, , 2
3 2

36

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

7.2

Integral curvilnea

Este tipo de integrales es muy usual en fsica, puesto que de analizar el movimiento de una partcula con
un determinado vector de desplazamiento, de tiene que el trabajo realizado al ir de c(t) a c(t + t) es
aproximadamente
F (c(t)) s F (c(t)) c0 (t)t
Si dividimos el intervalo [a, b] en n partes iguales a = t0 < t1 < < tn = b, con t = ti+1 ti , entonces el
trabajo realizado por F es aproximadamente
n1
X

F (c(ti )) s =

t=0

n1
X

F (c(ti )) c0 (ti )t.

t=0

Luego, cuando n esta aproximacion es mucho mas acertada, de modo que es natural definir trabajo
como el lmite de la suma anterior cuando n .
Definici
on 7.2. Sea F un campo vectorial en R3 continuo sobre la trayectoria C 1 , c : [a, b]R R3 . Se define
la integral de lnea (a veces llamada integral curvilnea) de F a lo largo de c, denotada por c F ds como
Z
Z b
F ds =
F (c(t)) c0 (t) dt;
c

Para trayectorias c tales que c0 (t) 6= 0 hay una formula u


til equivalente a la integral de lnea
Z
Z b
F ds =
[F (c(t)) T (t)] kc0 (t)k dt,
c

donde T (t) =

c (t)
kc0 (t)k

denota al vector tangente unitario.

Otra manera muy com


un de escribir integrales de lnea es
Z
Z
Z
F ds = F1 dx + F2 dy + F3 dz =
c

dy
dz
dx
+ F2
+ F3
dt,
F1
dt
dt
dt

donde F1 , F2 , F3 son las componentes del campo vectorial F y c(t) = (x(t), y(t), z(t)).
F1 dx + F2 dy + F3 dz le llamamos forma diferencial.
Ejemplo: Evaluar
Solucion.- Como

R
c

dx
dt

A la expresion

x2 dx + xy dy + dz donde c : [0, 1] R3 esta dada por c(t) = (t, t2 , 1) = (x(t), y(t), z(t)).
dz
= 1, dy
dt = 2t, dt = 0, se tiene que

Z
Z 1
dx
dy dz
x2 dx + xy dy + dz =
[x(t)]2
+ [x(t) y(t)]
+
dt
dt
dt
dt
c
0

Z
=

(t2 + 2t4 ) dt

11
.
15
37

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

7.3

Superficies parametrizadas

En secciones anteriores hemos estudiado algunas superficies, a saber, las superficies obtenidas de graficar funciones en dos variables de valores reales. Tambien sabemos calcular planos tangentes y localizar maximos y
mnimos. En semestres anteriores hemos escrito la ecuacion de una recta dependiendo de un solo parametro;
tambien hemos escrito ecuaciones de algunas otras curvas en terminos de un solo parametro. Ha llegado el
turno de escribir algunas superficies en terminos de algunos parametros. Si en el caso de curvas, esto fue
posible con un parametro, es natural pensar que para superficies bastan dos parametros.
Definici
on 7.3. Una superficie parametrizada es una funci
on : D R2 R3 . La superficie S es la imagen
de , esto es
S = (D)
De la definicion anterior podemos decir que si (u, v) = (x(u, v), y(u, v), z(u, v)) es diferenciable o de clase C 1 ,
S es una superficie diferenciable o C 1 .
Ejemplo: Parametrizar x2 + y 2 z 2 = 25
Solucion.- Usemos coordenadas cilndricas; en este caso la superficie a parametrizar es equivalente a
(r cos )2 + (r sen )2 z 2 = r2 z 2 = 25,
luego, r2 = z 2 + 25 y r =

7.4

z 2 + 25; por lo tanto, una parametrizacion de x2 + y 2 z 2 = 25 es


p
p
(z, ) = ( z 2 + 25 cos , z 2 + 25 sen , z)

Integral de superficie

En el caso en que f no es una funcion de valores reales sino una funcion de valores vectoriales la integral sobre
una superficie parametrizada S se define en la siguiente
Definici
on 7.4. Sea F un campo
R R vectorial definido en S, donde S = (D). Se define la integral de superficie
de F sobre , denotada por
F dS, como

Z Z
Z Z
F dS =
F (Tu Tv ) du dv

Ejemplo: Supongase que una funcion de temperatura esta dada por T (x, y, z) = 3x2 + 3z 2 . Calcular el flujo
de calor a traves de la superficie x2 + z 2 = 2, 0 y 2 si k = 1.
Solucion.- Sabemos que
F = T (x, y, z) = (6x, 0, 6z).

38

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

En S, n(x, y, z) =

1 (x, 0, z)
2

es la normal exterior unitaria a S en (x, y, z) y


f (x, y, z) = F n
1
= (6x2 6z 2 )
2
6
= (x2 + z 2 )
2
12
= ,
2

as
Z Z

Z Z
F dS =
S

f dS
S

12
=
2

Z Z
dS
S

12
= A(S)
2
12
=
4 2
2
= 48.

7.5

Integral de volumen

Consideremos una superficie cerrada que encierre un determinado volumen V del espacio. Las integrales
Z Z Z
Z Z Z
A dV y
dV
V

son ejemplos de integrales de volumen.


Definici
on 7.5. Sea f (x, y, z) integrable en la caja B = [a, b] [c, d] [p, q]. Entonces, si existe cualquier

39

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

integral iterada, es igual a la integral triple; esto es,


Z Z Z

f (x, y, z)dx dy dz =
B

f (x, y, z)dx dy dz
p

a
bZ d

f (x, y, z)dx dy dz
p

a
bZ q

f (x, y, z)dx dy dz
a

f (x, y, z)dx dy dz
a

f (x, y, z)dx dy dz
c

a
bZ q

f (x, y, z)dx dy dz
c

Ejemplo: Integrar ex+y+z sobre la caja B = [0, 1] [0, 1] [0, 1]. Solucion.Z Z Z

Z
ex+y+z dx dy dz =
B

=
0

(ex+y+z )|1x=0 dy dz
(e1+y+z ey+z ) dy dz

(e1+y+z ey+z )|1y=0 dz


e2+z 2e1+z + ez dz

0
2+z

= (e

ex+y+z dx dy dz

0
1

=
Z

1
0

=
Z

2e1+z + ez )|1z=0

= e3 3e2 + 3e 1
= (e 1)3 .
Para poder dar la definicion de integral de volumen en regiones mas generales, es necesario dar antes algunas
definiciones.

40

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

Definici
on 7.6 (Region de Tipo I). Sean 1 : [a, b] R y 2 : [a, b] R tales que 1 (x) 2 (x) para todo
x [a, b]. Una regi
on de tipo I es un conjunto D de puntos en el plano tales que x [a, b] y 1 (x) y 2 (x).

y= 2 (x)

y= 2(x)

y=1(x)
a

y= 1(x) b

Regiones elementales de tipo I


Definici
on 7.7 (Region de Tipo II). Sean 1 : [c, d] R y 2 : [c, d] R tales que 1 (y) 2 (y) para todo
y [c, d]. Una regi
on de tipo II es un conjunto D de puntos en el plano tales que y [c, d] y 1 (y) x 2 (y).

y
d
x= 1(y)
c

y
d
x= 1(y)
D

D
x= 2(y)

x= 2(y)

c
x

Regiones elementales de tipo II


Definici
on 7.8. Una regi
on es una regi
on elemental de tipo III, si es de tipo I y es de tipo II.
La figura siguiente muestra una region de tipo III, donde
p
1 (x) = 1 x2
p
2 (x) = 1 x2
p
1 (y) = 1 y 2
p
2 (y) = 1 y 2

41

Mara del Rosario Soler Zapata

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Una region elemental en R3 es la que se define acotando una de las variables por dos funciones de las otras
dos variables, y que los dominios de estas dos funciones sea una region elemental en R2 .
Definici
on 7.9. Sea D una regi
on elemental en R2 y sean 1 , 2 : D R tales que 1 (x, y) 2 (x, y) para
todo (x, y) D, una regi
on elemental W en R3 es el conjunto de puntos (x, y, z) R3 tales que (x, y) D y
1 (x, y) z 2 (x, y).
La definicion anterior se basa en D region elemental en el plano xy; definiciones similares se tienen si D es
una region elemental en el palno yz o en el plano xz.
La siguiente figura muestra dos regiones elementales en el espacio.

42

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

Una integral triple sobre una region elemental se puede escribir como una integral iterada en la que los
lmites de integracion son funciones:
Supongamos que W es una region elemental que se describe al acotar z entre dos funciones de x y y, entontes
Z Z Z
Z b Z 2 (x) Z 2 (x,y)
f (x, y, z) dx dy dz =
f (x, y, z) dz dy dx
W

Si f (x, y, z) = 1, se tiene que


Z Z Z

1 (x)

1 (x,y)

Z Z Z
f (x, y, z) dx dy dz =

dx dy dz = Volumen de W

Ejemplo: Verificar la formula del vol


umen de la esfera de radio r
Z Z Z
4
dx dy dz = r3
3
W
donde W es el conjunto de (x, y, z) con x2 + y 2 + z 2 r2 .
Solucion.- Observemos que W es el conjunto de las (x, y, z) R3 tales que
r x r
p
p
2
r x2 y r2 x2
p
p
r2 x2 y 2 z r2 x2 y 2
luego

Z Z Z

dx dy dz =
W

Z r2 x2 y2

r 2 x2

r 2 x2

dz dy dx
r 2 x2 y 2

por lo que
Z Z Z

dx dy dz =
W

r 2 x2

r 2 x2

r 2 x2

r 2 x2

2 2 2
r x y
z| 2 2 2 dz dy dx

r x y

p
r2 x2 y 2 dy dx

para obtener la siguiente integral observemos que como y es la variable de integracion, x es fija, por lo que
Z Z Z

dx dy dz =
W

r 2 x2

r 2 x2

=2
r

43

p
r2 x2 y 2 dy dx

a2 y 2 dy dx

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

donde a =

r2 x2 > 0; luego, como

Ra p

a2 y 2 dy es el area de un semicrculo de radio a, se tiene que

a2 y 2 dy =

a2
.
2

Por lo tanto
Z Z Z

dx dy dz = 2
W

=2
r

r 2 x2

r 2 x2

p
r2 x2 y 2 dy dx

( r2 x2 )2
dx
2

(r2 x2 ) dx

= (r2 x

7.6

x3 r
dx
)|
3 x=r

4 3
r
3

Teorema de Green

El Teorema de Green esta relacionado con la integral de lnea a lo largo de una curva cerrada y en general
se aplica a cualquier region que aunque no se pueda escribir coo una region elemental de tipo 3 s se pueda
descomponer en partes tales que cada una de ellas sea de tipo 3.
Teorema 6 (Teorema de Green). Sea D una regi
on elemental de tipo 3 y sea C su frontera. Sup
ongase que
P : D R y Q : D R son de clase C 1 , entonces

Z
Z Z
Q P
P dx + Q dy =

dx dy
x
y
C+
D
Si usamos la notacion de D para la frontera de D que no es otra cosa mas que la curva orientada C + ,
el Teorema de Green se puede escribir como

Z
Z Z
Q P
P dx + Q dy =

dx dy
x
y
D
D
Supongamos que tenemos una curva C que es simple cerrada y que acota una region; si aplicamos el teorea
de Green se tiene que la region D acotada por C = D tiene area
Z
1
A=
x dy y dx.
2 D
La forma vectorial del teorema de Green se tiene en el siguiente

44

A LA INTEGRACION
VECTORIAL
7 INTRODUCCION

Mara del Rosario Soler Zapata

Teorema 7. Sea D R2 una regi


on para la cual se aplica el teorea de Green, sea D su frontera orientada
en sentido contrario a las manecillas del reloj, y sea F = (P, Q) un campo vectorial C 1 en D, entonces
Z
Z Z
Z Z
F dS =
(rot F ) k dA =
( F ) k dA
D

7.7

Teoreama de Stokes

El teorema de Stokes es similar al teorema de Green, solo que el teorema de Stokes se refiere a la integral de
lnea a lo largo de una curva cerrada simple en R3 .
Teorema 8. Sea S la superficie orientada definida por una funci
on C 2 z = f (x, y) donde (x, y) D y sea F
1
un campo vectorial C en S. Si S denota la curva frontera orientada de S, entonces
Z Z
Z
Z Z
rot F dS =
( F ) dS =
F dS.
S

Si S es una superficie parametrizada el teorema de Stokes dice lo siguiente


Teorema 9. Sea S una superficie orientada definida por una parametrizaci
on uno a uno : D R2 S.
1
Si S denota la frontera orientada de S y si F es un capo vectorial C en S, entonces
Z Z
Z
( F ) dS =
F dS.
S

7.8

Teorema de Gauss

El teorea de Gauss trata del flujo de un campo vectorial hacia afuera de una superficie cerrada, es en realidad
un resultado paralelo al teorema de Green y al teorema de Stokes en el sentido en que relaciona una integral
sobre un objeto geometrico cerrado con una integral sobre una region contenida.
Teorema 10. Sea una regi
on elemental simetrica en el espacio. Sea la superficie cerrada orientada que
acota a . Si F es un campo vectorial suave definido en , entonces
Z Z
Z Z Z
( F ) dV =
F dS.

o lo que es equivalente

Z Z Z

Z Z
(div F ) dV =

(F n) dS.

45

BIBLIOGRAFIA.

Mara del Rosario Soler Zapata

Bibliografa.
[1] Jerrold E. Marsden y Anthony J. Tromba. C
alculo Vectorial. Addison Wesley.
[2] Michael Spivak. Calculus. , Reverte.
[3] Murray R. Spiegel. An
alisis Vectorial. Mc Graw Hill.
[4] W. Fleming Funtions of several variables. Springer-Verlag.
[5] Michael Spivak. C
alculo en variedades. Reverte.

46