Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte UChile - Cálculo en Varias (Del Pino) PDF
Apunte UChile - Cálculo en Varias (Del Pino) PDF
CALCULO
EN VARIAS VARIABLES
Apunte de curso
Indice general
Introduccion
9
9
10
13
16
18
19
19
20
24
25
27
29
33
34
38
40
45
48
49
51
51
57
57
61
69
69
72
73
INDICE GENERAL
Captulo 6. Optimizacion
1. Puntos crticos de funciones diferenciables
2. Multiplicadores de Lagrange
77
77
85
119
119
120
121
123
124
2. Area
e integral de superficie
127
129
131
Introducci
on
Consideramos en este curso funciones definidas sobre el espacio RN ,
el conjunto de las N-tuplas ordenadas de n
umeros reales,
x = (x1 , . . . , xN ) ,
xi R i = 1, . . . , N .
INTRODUCCION
CAPTULO 1
Conceptos preliminares
1.
k
X
i=1
|xi |2
21
(1.1)
N
X
xi yi .
i=1
kxk = x x .
Resumimos las propiedades principales de la norma Euclideana en
el siguiente resultado.
n 1.1. Para todo x, y RN y todo R se tiene la
Proposicio
validez de las siguientes propiedades.
1. kxk = || kxk.
2. kxk 0. Ademas kxk = 0 si, y solo si, x = 0.
3. Desigualdad triangular: kx + yk kxk + kyk.
Demostraci
on. Las propiedades (1) y (2) son evidentes. Para verificar
(4), suponemos que x 6= 0, y 6= 0, pues de lo contrario no hay nada que
probar. Observemos que dado cualquier > 0,
1
2
k x
12
yk =
N
X
i=1
(xi yi ) =
9
N
X
i=1
x2i + 2
N
X
i=1
xi yi +
N
X
i=1
yi2 ,
10
1. CONCEPTOS PRELIMINARES
de modo que
1
0 kxk + kyk + 2
N
X
xi yi.
i=1
N
X
i=1
N
X
xi yi .
i=1
xi yi kxk kyk
y por ende la validez de (4). Verifiquemos ahora la desigualdad triangular (3). Tenemos, gracias a la definicion de la norma y la desigualdad
(4), que
kx + yk2 = kxk2 + 2x y + kyk2 kxk2 + 2kxkkyk + kyk2 = (kxk + kyk)2
y por lo tanto
kx + yk kxk + kyk.
2.
Sucesiones y convergencia
Asociada a la nocion de distancia (1.2) esta la de lmite. Introducimos, para comenzar, el concepto de lmite de una sucesion en RN .
Una sucesion en RN es una funcion x : N RN , n 7 xn . Anotamos
usualmente
x = (xn )nN
o simplemente
Por ejemplo,
xn = ( n1 , n2 , en ), n N ,
xn , n N .
2. SUCESIONES Y CONVERGENCIA
11
lm xn = x o tambien
(2.3)
x = (x1 , . . . , xN ) .
En otras palabras, la convergencia de una sucesion en RN es equivalente a la convergencia de todas sus coordenadas.
Demostraci
on. Demostremos que (a) = (b). Supongamos que
xn x cuando n . Consideremos i {1, . . . , N} y observemos
que
v
u N
uX
0 |x x | t
|x x|2 0.
ni
nk
k=1
(2.4)
12
1. CONCEPTOS PRELIMINARES
P
2
n +, y por ende |xni xi |2 0. Se sigue que N
i=1 |xni xi | 0
y por lo tanto
v
uN
uX
|x x |2 0,
kx xk = t
ni
i=1
lm 2e n2 = 2e0 = 2 ,
lm cos en = cos 0 = 1.
As,
lm x1n = 0,
lm x2n = 2,
lm x3n = 1,
y por lo tanto,
lm xn = (0, 2, 1) .
x = (x1 , . . . , xN ) ,
yn = (yn1 , . . . , ynN ) ,
y = (y1 , . . . , yN ) .
13
Sea zn = xn + yn . Por definicion de las operaciones de suma y ponderacion por escalar, se tiene que
zn = (xn1 + yn1, . . . , xnN + ynN ).
Por la proposicion anterior, se tiene que
xni xi , yni yi
para todo i = 1, . . . , N.
Esto es, cada coordenada de la sucesion zn converge a la correspondiente coordenada del punto x + y. Nuevamente en virtud de la
Proposicion 2.1, se sigue que zn x + y, y hemos completado la
demostracion.
3.
14
1. CONCEPTOS PRELIMINARES
Por otra parte Adh (A) es el conjunto de todos aquellos puntos del
espacio que pueden aproximarse por una sucesion de puntos en A. Observemos que siempre se tiene la cadena de inclusiones
Int (A) A Adh (A) .
(3.5)
En efecto, x RN \ Int (RN \ A) si, y solo si, x 6 Int (RN \ A) , esto es,
o sea
> 0 : B(x, ) 6 RN \ A,
> 0 : B(x, ) A 6= .
(3.6)
(3.7)
15
y ex } .
Se tiene que
Int (A) = {(x, y) R2 / x, y > 0,
y < ex } ,
y ex }.
0 , R) .
Adh (B(x0 , R)) = {x RN / kx x0 k R} := B(x
En efecto, si x Adh (B(x0 , R)), existe una sucesion xn con kxn x0 k <
R y kxn xk 0. Entonces
k
X
i=1
y xni xi para todo i, de donde |xni x0i | |xi x0i |, y por lo tanto
2
kxn xk = lm
N
X
i=1
|xni x0i |2 R2 .
1
(x x0 ) .
n
Entonces,
kxn xk =
1
kx x0 k 0
n
y ademas
kxn x0 k = (1 n1 )kx x0 k < R
16
1. CONCEPTOS PRELIMINARES
Una propiedad muy importante de la convergencia en RN es el Teorema de Bolzano-Weierstrass, que dice que toda sucesion acotada posee
una subsucesion convergente. Demostraremos este hecho, nuevamente
haciendo uso de la Proposicion 2.1 y suponiendo ya conocido este hecho
para sucesiones reales.
Recordemos que una subsucesion de una sucesion xn es una sucesion de la forma xk(n) donde k : N N es una funcion estrictamente
creciente.
Ejemplo 4.1. Si xn = (sin n1 , en ) entonces son subsucesiones de xn
las siguientes:
n
yn = (sin 2n , e2 ),
zn = (sin n2 , en ).
17
Esto quiere decir que todos los elementos de la sucesion estan contenidos en una bola de radio suficientemente grande. En efecto, xn
M) para todo n N. Tenemos la validez del siguiente importante
B(0,
resultado.
Teorema 4.1. (Bolzano-Weierstrass). Sea xn una sucesion acotada en RN . Entonces existe una subsucesion xk(n) , y un punto x RN
tales que xk(n) x cuando n .
Demostraci
on. Supongamos que la sucesion
xn = (xn1 , . . . , xnN )
es acotada. Entonces existe M > 0 tal que para cada i = 1, . . . , N,
v
uN
uX
|xni | t
|xnk |2 = kxn k M .
(4.8)
k=1
As, la sucesion de n
umeros reales xn1 es acotada. Se sigue, por el Teorema de Bolzano-Weierstrass para sucesiones reales, que esta sucesion
posee una subsucesion convergente, digamos xk1 (n)1 x1 R. En
modo similar se tiene, a partir de (4.8), que la sucesion xk1 (n)2 posee
una subsucesion convergente, digamos xk1 (k2 (n))2 x2 . Notemos que
la sucesion xk1 (k2 (n)1 es una subsucesion de xk1 (n)1 x1 y por lo tanto xk1 (k2 (n))1 x1 . Del mismo modo, (si N 3), xk1 (k2 (n)3 es una
sucesion real acotada, gracias a (4.8), y se sigue que posee una subsucesion convergente, digamos, xk1 (k2 (k3 (n)))3 x3 , y se tiene tambien que
xk1 (k2 (k3 (n)))l xl para l = 1, 2. Iterando este procedimiento N veces
construimos una subsucesion de xn de la forma xk1 (k2 ((kN (n))...) tal que
para ciertos n
umeros reales x1 , . . . , xN se tiene que
xk1 (k2 ((kN (n))...)l xl , cuando n ,
l = 1, . . . , N .
18
1. CONCEPTOS PRELIMINARES
5.
kxn xk <
, kxm xk <
.
2
2
Por otra parte, por la desigualdad triangular, tenemos tambien que
kxn xm k kxn xk + kxm xk < +
2 2
Por lo tanto, se tiene que dado cualquier > 0, existe un ndice n0 ()
tal que para todo n, m n0 (), kxn xm k < , esto es, xn es de
Cauchy.
Una importante y profunda propiedad de RN es el hecho, mucho
menos obvio, de que toda sucesion de Cauchy es convergentes. Esta propiedad se denomina completitud. Suponiendo la validez de esta
propiedad en R, discutida en el calculo de una variable, probaremos
entonces el siguiente resultado.
Teorema 5.1. (Completitud de RN ). Si xn es una sucesion de
Cauchy, entonces existe x RN con xn x.
Demostraci
on. Supongamos xn = (xn1 , . . . , xnN ). Sabemos que dado
> 0, existe n0 tal que si n, m n0 entonces kxn xm k < . Por otra
parte, para tales ndices n, m y cada componente l = 1, . . . , N se tiene
que
N
X
1
|xnl xml |
|xni xmi |2 2 = kxn xm k < .
i=1
CAPTULO 2
Introducci
on a las funciones de varias variables
A lo largo de este curso trabajaremos con funciones de varias variables; es decir, que a un punto x en un subconjunto RN le asocian
un punto f (x) Rm . En primer lugar, notemos que el grafo de una
funcion f : RN Rm es un conjunto en RN Rm y se define
como
Gr(f ) = { (x, y) RN Rm | x y f (x) = y }.
Si N = m = 1 esta es la definicion que conocemos para funciones de
una variable.
Ejemplo 1.1. Dado el conjunto = { (x, y) | x2 + y 2 1 }
definimos f : R mediante f (x, y) = x2 + y 2. Su grafo es la porcion
del paraboloide { (x, y, z) | z = x2 + y 2 } encerrada dentro del cilindro
{ (x, y, z) | x2 + y 2 = 1 }.
Grafo de f (x, y) = x2 + y 2 en .
20
radio .
1
4
2.
1
4
y = 1.
Lmites y continuidad
2. LIMITES Y CONTINUIDAD
21
Definici
on. Consideremos un conjunto RN , una funcion f :
Rm y un punto x0 . Decimos que f es continua en x0 , relativamente
a si para toda sucesion xn x0 con xn n N se tiene que
lm f (xn ) = f (x0 ) .
Cuando f este definida a partir de una formula cuyo dominio maximal de definicion es una region , diremos simplemente que f es
continua en x0 , omitiendo la partcula relativamente a .
Si f es continua en todo x0 diremos simplemente que f es
continua en .
Ejemplo 2.1. Consideremos f : R2 R2 dada por
f (x, y) = (x2 + 2exy , 5 cos(xy 2 )).
Afirmamos que esta funcion es continua en (1, 0). En efecto, consideremos una sucesion cualquiera (xn , yn ) (1, 0). Debemos probar que
f (xn , yn ) f (1, 0) = (3, 5). Como xn 1, yn 0, se sigue, por las
propiedades de sucesiones en R, que
x2n 1,
xn yn 0,
xn yn2 0 .
22
1
(|xn | + |yn | )2 ,
2
por ende,
1p 2
xn + yn2 ,
2
desigualdad, que es obviamente tambien valida si (xn , yn ) = (0, 0).
Deducimos entonces que
|f (xn , yn )|
f (xn , yn ) 0 = f (0, 0) .
Como la sucesion (xn , yn ) (0, 0) es arbitraria, concluimos que f es
continua en (0,0).
2. LIMITES Y CONTINUIDAD
23
xx0 , x
f (x) = L ,
xx0
De este modo, para la funcion f (x, y) del Ejemplo 2.2, se tiene que
lm
(x,y)(0,0)
f (x, y) = 0 ,
(x,y)(0,0)
f (x, y)
no existe.
n 2.1. Sea RN , f : Rm , x0 un punto de
Proposicio
acumulacion de . Las siguientes afirmaciones son equivalentes:
(a) f es continua en x0 relativamente a . (b) lmxx0 f (x) =
f (x0 ).
La demostracion de este resultado la proponemos como un ejercicio.
Tambien dejamos al lector la demostracion del siguiente resultado.
n 2.2. (Algebra
Proposicio
de lmites). Sean RN , f, g :
N
R , x0 R un punto de acumulacion de , , R. Supongamos
que f y g son tales que los lmites
m
lm f (x),
xx0
lm g(x)
xx0
xx0
xx0
xx0
24
(b) Si m = 1,
lm f (x)g(x) =
xx0
lm f (x)
xx0
lm g(x) .
xx0
3.
Una propiedad u
til para el analisis de continuidad de una funcion a
valores en Rm , es que su continuidad equivale a la de sus m funciones
coordenadas.
n 3.1. Sean RN , f : Rm , x0 ,
Proposicio
f (x) = (f1 (x), f2 (x), . . . , fm (x)).
25
Demostraci
on. Procedemos por contradiccion. Supongamos que f es
continua en x0 relativamente a y que (3.9) no se cumple. Entonces,
(0 > 0) ( > 0) (x ) : kx x0 k < y kf (x ) f (x0 )k 0 .
(3.10)
1
Escojamos en (3.10) = n . Existe entonces xn := x 1 tal que
n
1
y kf (
xn ) f (x0 )k 0 .
n
As, la sucesion xn satisface que xn x0 pero kf (
xn ) f (x0 )k
0 , de modo que f (
xn ) 6 f (x0 ). Por lo tanto f no es continua en
x0 relativamente a , una contradiccion que prueba entonces que la
condicion (3.9) se cumple.
k
xn x0 k <
(3.11)
Como xn x0 , se tiene que, gracias a la caracterizacion de la convergencia (2.3), existe n0 tal que n n0 se tiene que kxn x0 k < ().
As, en virtud de (3.11), se concluye que kf (xn ) f (x0 )k < . Hemos
probado que
( > 0) (n0 N) (n n0 ) : kf (xn ) f (x0 )k < ,
26
Demostraci
on. Si xn x0 en RN , con xn para todo n N,
entonces, por hipotesis, se tiene que f (xn ) f (x0 ) y g(xn ) g(x0 ).
As, en virtud de la Proposicion 2.2 se sigue que
f (xn ) + g(xn ) f (x0 ) + g(x0) .
i (x1 , . . . , xN ) = xi ,
N
N X
X
i1 =1 i2 =1
N
X
is =1
es continua en x0 relativamente a .
Demostraci
on. Supongamos que xn x0 , con xn n N. La
continuidad de f en x0 implica entonces que
yn := f (xn ) y0 = f (x0 ).
5. FUNCIONES LIPSCHITZ
27
Ejemplo 4.2. Las reglas operacionales de la continuidad ya establecidas, nos permiten verificar que las funciones construidas a traves de
formulas algebraicas basadas en las funciones habituales del calculo: polinomios, funciones trigonometricas, exponencial, etc., son tpicamente
continuas relativamente a sus dominios de definicion. Consideremos por
ejemplo la funcion f : R2 R3 dada por
f (x, y) = (x2 cos y, 2yexy + xy 2 exy , 2xy) .
Funciones Lipschitz
kf (x1 ) f (x2 )k K kx yk .
(5.12)
28
de modo que
1
1
1
2
2
kf (x1 , y1 )f (x2 , y2)k2 |x1 x2 |2 + | sin y1 sin y2 |2 + |ex1 ex2 |2 .
2
2
4
(5.13)
Ahora, por el Teorema del Valor Medio, tenemos que existe entre
y1 e y2 con
(sin y1 sin y2 ) = (cos ) (y1 y2 ) .
Entonces, como | cos | 1, se sigue que
(5.14)
1
2
max 2tet = 2e 2 ,
1 ,
2
como se verifica
t0
de lo cual obtenemos
2
|ex1 ex2 |
2e 2 |x1 x2 | .
(5.15)
CONTINUA
6. MAXIMO
Y MINIMO DE UNA FUNCION
6.
29
M
aximo y mnimo de una funci
on continua
f (x ) = mn f (x),
xK
xK
Demostraci
on. Demostraremos la existencia de un punto x donde
f alcanza su maximo en K. Recordemos que dado cualquier conjunto
A R, no-vaco y acotado superiormente, existe el supremo de A,
sup A R, que es la menor de sus cotas superiores. Ademas puede
encontrarse una sucesion an , con
an A n N
an sup A.
an +.
En este u
ltimo caso, escribimos, de todos modos, sup A = +.
Apliquemos esto al conjunto de n
umeros reales
A = { f (x) / x K } .
cuando n .
y por ende f se maximiza en x sobre K. La existencia de un punto de mnimo x en K se prueba en modo similar, y proponemos la
demostracion como un ejercicio.
30
x2
a2
y2
b2
z2
c2
1},
que es un conjunto
p cerrado y acotado. La funcion f : E R definida
por f (x, y, z) = x2 + y 2 alcanza su maximo y su mnimo pues es
continua. Observemos que f (x, y, z) representa la distancia del punto
(x, y, z) al eje OZ. Vemos entonces que el mnimo de f es 0 y se alcanza
en todos los puntos del elipsoide que se encuentran sobre dicho eje. Es
decir, en los puntos de la forma (0, 0, z), donde z 2 c2 . Por otra parte,
el maximo es max{|a|, |b|} y alcanza en los puntos:
(a, 0, 0, si |a| > |b|;
(0, b, 0), si |a| < |b|; y
(x, y, 0) con x2 + y 2 = a2 , si |a| = |b|.
Mas adelante veremos un metodo practico para determinar donde se
encuentran el maximo y el mnimo de funciones continuas en dominios
cerrados y acotados mas generales.
El Teorema 6.1 puede aplicarse para probar la existencia de maximos o mnimos de funciones continuas sobre conjuntos que no son necesariamente cerrados y acotados. Una funcion f : RN R es coerciva
si
lm f (x) = +.
kxk
x RN .
Demostraci
on. Consideremos el conjunto
K = {x RN / f (x) f (0)} .
CONTINUA
6. MAXIMO
Y MINIMO DE UNA FUNCION
31
x K.
x RN \ K ,
x2
cos(xy).
2
Afirmamos que f alcanza su mnimo en R2 . En efecto, observemos que
f (x, y) = x2 + y 2 log(1 + x2 + y 2) +
log(1 + x2 + y 2 )
x2
f (x, y)
=
1
+
cos(xy).
x2 + y 2
x2 + y 2
x2 + y 2
Por la regla de lHopital, tenemos que
log s
= 0,
s+ s
de modo que, en particular, existe R0 > 0 tal que
lm
log(1 + x2 + y 2 )
1
<
2
2
x +y
4
2
2
2
2
2x +y
x +y
2
32
de modo que, para todo punto (x, y) con k(x, y)k > R0 , tenemos
1
f (x, y) k(x, y)k2 ,
4
de lo que se deduce, en particular,
lm
k(x,y)k+
f (x, y) = + .
CAPTULO 3
a1j xj
x1
a11 a12 a1N
j=1
PN a2j xj
a2N
x2
a21
j=1
.
A =
x = Ax =
PN
xN
am1 a22 amN
j=1 amj xj
Una funcion lineal afn es una f : RN Rm de la forma
f (x) = Ax + b
donde b Rm . Notemos que si x0 RN , entonces tenemos que b =
f (x0 ) Ax0 , y por lo tanto vale la igualdad
f (x) = f (x0 ) + A(x x0 ).
(0.1)
34
en x0 si el lmite
f (x0 + h) f (x0 )
h0
h
existe. En tal caso, por cierto, llamamos a = f (x0 ). Esta relacion puede
reescribirse en el modo siguiente:
|f (x0 + h) f (x0 ) ah|
= 0.
lm
xx0
|h|
As, f es diferenciable en x0 si, y solo si, existe a R tal que
a = lm
Definici
on de diferenciabilidad y derivada
(1.2)
Afirmamos que si existe una matriz A tal que las relaciones (1.2),
(1.3) se satisfacen, entonces esta es u
nica. En efecto, supongamos que
A1 y A2 son dos matrices tales que
ki (h)k
lm
= 0, i = 1, 2,
h0
khk
donde
i (h) = f (x0 + h) f (x0 ) Ai h .
DE DIFERENCIABILIDAD Y DERIVADA
1. DEFINICION
35
Notemos que
0
k1 (h)k k2 (h)k
k1 (h) 2 (h)k
+
0
khk
khk
khk
cuando h 0 y entonces
k1 (h) 2 (h)k
k(A1 A2 )hk
= lm
.
h0
h0
khk
khk
0 = lm
Fijemos cualquier vector g RN con kgk = 1 y consideremos la sucesion hn = n1 g. Entonces, por definicion de lmite h 0 tenemos en
particular que
k(A1 A2 )hn k
= k(A1 A2 )gk,
n
khn k
0 = lm
(1.4)
m
N
X
X
i=1
j=1
aij hj
!2
m
N
X
X
i=1
j=1
|aij ||hj |
!2
36
!2 21
m
N
X
X
kf (x0 )hk
aij hj khk.
i=1
(1.6)
j=1
( h B(0, ) ) :
(1.7)
!2 21
m
N
X
X
C =1+
aij hj .
i=1
j=1
Ahora,
y entonces
|(h, k)|
7 lm k(h, k)k = 0 .
(h,k)(0,0) k(h, k)k
(h,k)(0,0)
lm
DE DIFERENCIABILIDAD Y DERIVADA
1. DEFINICION
37
N X
N
X
aij hi hj .
i=1 j=1
N
X
l=1
|hl |2 = 2khk2
N X
N
X
i=1 j=1
|aij |,
X
|(h)|
2 lm khk
|aij | = 0 .
h0
h0 khk
i,j
0 lm
38
2.
n 2.1. (Algebra
Proposicio
de la diferenciabilidad). Sean RN
abierto, f, g : Rm , x0 RN , , R. Supongamos que f y g son
diferenciables en x0 . Entonces
(a) La funcion f + g : Rm es diferenciable en x0 y
(f + g)(x0 ) = f (x0 ) + g (x0 ) .
Observemos que
(h) := (f g)(x0 + h) (f g)(x0) [g(x0 )f (x0 ) + f (x0 )g (x0 )]h
= [g(x0 ) + g (x0 )h] 1 (h) + f (x0 + h) 2 (h) + f (x0 )hg (x0 )h.
Tenemos que
lm [g(x0 ) + g (x0 )h]
h0
h0
1 (h)
= g(x0 ) 0 = 0.
khk
2 (h)
= f (x0 ) 0 = 0.
khk
39
y se sigue que
f (x0 )h g (x0 )h
= 0.
h0
khk
lm
(h)
= 0,
h0 khk
lm
f1 (x0 )
f (x0 )
2
.
f (x0 ) =
fm
(x0 )
Demostraci
on. Notemos que para una matriz A, m N, que expresamos
A1.
A2.
A =
.
Am.
40
f (x0 + h) f (x0 ) Ah =
=: (h).
(h)
=0
h0 khk
lm
i (h)
= 0 i = 1, . . . , m.
h0 khk
lm
As, A = f (x0 ) si, y solo si, Ai. = fi (x0 ) para todo i. Esto concluye la
demostracion.
Ejemplo 2.1. Consideremos una funcion :]a, b[ Rm . As, es
diferenciable en t si, y solo si, sus coordenadas lo son y se tiene la
relacion natural
1 (t)
2 (t)
(t) =
.
m (t)
Observemos en particular que la derivada puede calcularse a partir de
la formula habitual,
1
(t) = lm ((t + h) (t)).
h0 h
3.
Demostraci
on. A lo largo de cualquier sucesion hn 0 tenemos que
kf (x0 + hn ) f (x0 ) f (x0 )hn k
= 0.
n
khn k
lm
lo que implica
es decir
lm
(f (x0 + tn e) f (x0 )) f (x0 )e
= 0,
n tn
1
(f (x0 + tn e) f (x0 )) = f (x0 )e.
n tn
Como la sucesion tn 0 es arbitraria, se sigue que
1
lm (f (x0 + te) f (x0 )) = f (x0 )e,
t0 t
y la demostracion ha sido concluida.
lm
El resultado anterior nos permite entregar una interpretacion geometrica de la derivada de una funcion de varias variables en el caso m = 1.
Supongamos que kek = 1. Entonces t 7 x0 +te define la recta que pasa
por x0 y tiene a e como vector director. As, la funcion t 7 f (x0 + te)
corresponde a la restriccion de la funcion f a esta recta, y su derivada
en t = 0, el n
umero f (x0 )e, corresponde entonces a la pendiente del
grafico de f en el punto x0 , medida en la direccion del vector unitario
e. Es decir, la tasa de crecimiento de la funcion f en este punto y en
esta direccion.
Lo anterior motiva la siguiente definicion general: Sean RN un
abierto, f : Rm , x0 , e RN con kek = 1. En caso de existir,
el lmite
d
1
f (x0 ; e) := f (x0 + te)t=0 = lm (f (x0 + te) f (x0 ))
t0 t
dt
se denomina derivada direccional en x0 , en la direccion e.
En virtud de la proposicion anterior, se tiene entonces que la diferenciabilidad de f en x0 implica la existencia de derivadas direccionales
en x0 en toda direccion e, y ademas en tal caso f (x0 ; e) = f (x0 )e.
De especial relevancia son las derivadas direccionales de f en la
direccion de los elementos de la base canonica,
ej = (0, 0, . . . , 0, 1, 0 . . . 0),
42
fi
(x0 ) ,
xj
f1
(x0 )
x1
f2 (x0 )
x1
Ademas
f (x0 ) =
fm
(x0 )
x1
i = 1, . . . , m, j = 1, . . . , N ,
f1
(x0 )
x2
f2
(x0 )
x2
fm
(x0 )
x2
f1
(x0 )
xN
f2
(x0 )
xN
fm
(x0 )
xN
f1
(x
)
0
x
f2j
xj (x0 )
(x0 ) = .
xj
fm
(x0 )
xj
Es importante destacar que la sola existencia de las derivadas parciales, o incluso la de todas las derivadas direccionales, no implica por
s sola la diferenciabilidad de f . Veamos dos ejemplos de este hecho.
Ejemplo 3.2. Consideremos la funcion
( x|y|
(x,y)(0,0)
f (x, y) = f (0, 0)
44
Pero la formula obtenida nos dice por ejemplo que para e = 2 2 (1, 1),
f ((0, 0) ; e) = 1, una contradiccion que nos muestra que f no es diferenciable en (0, 0).
Ejemplo 3.3. Consideremos ahora la funcion
1 si 0 < y < x2 ,
f (x, y) =
0
si no .
4.
j = 1, . . . , N,
N
X
i=1
46
N
X
f
(x0 ) hj ,
x
j
j=1
f
(x0 ) hj
(h) =
aj (h) aj+1(h)
xj
i=1
N
X
f
f
j
=
(x0 + h )
(x0 ) hj .
xj
xj
i=1
N
X
(x
)
|(h)|
0
0
xj
x
j
i=1
y por Cauchy-Swchartz,
2 ! 21
N
X
f
f
j
|(h)|
(x
+
h
)
(x
)
0
0
xj
x
j
i=1
As,
N
X
i=1
h2j
! 12
2 ! 12
N
X
f
f
|(h)|
= 0,
(x0 + hj )
(x0 )
lm
0 lm
h0
h0 khk
x
x
j
j
i=1
f
f
(x0 + hj ) =
(x0 )
h0 xj
xj
lm
f
(x)
xj
en x = x0 . Esto concluye la
2
1
2
(x + y ) sin 2 2
si (x, y) 6= (0, 0)
f (x, y) =
x +y
0
si (x, y) = (0, 0).
Ejemplo 4.2. Las funciones construidas a traves de formulas algebraicas basadas en las funciones habituales del calculo: polinomios,
trigonometricas, exponencial, etc., son diferenciables dentro de sus dominios de definicion. Consideremos por ejemplo f : R2 R3 dada
por
f (x, y) = (x2 sin y, y 2exy , x2 y).
Notemos que
f
(x, y) = (2x sin y, y 3exy , 2xy)
x
f
(x, y) = (x2 cos y, 2yexy + xy 2 exy , x2 ).
y
Estas funciones estan definidas en todo R2 , y son evidentemente continuas en todo punto (x, y), al ser constituidas por sumas, producto y
(x, y) es precisacomposicion de funciones continuas. Por ejemplo, f
y
mente la funcion del Ejemplo 4.2. Concluimos entonces, del Ejemplo
4.1, que f es diferenciable en todo punto (x, y). De acuerdo a la Proposicion 3.2, tenemos ademas que
2x sin y
x2 cos y
f (x, y) = y 3 exy 2yexy + xy 2 exy .
2xy
x2
48
esto es,
0
0
0
2
3
T (x, y) = + x + y 2 .
0
0
0
5.
(x0 )
x1
f (x0 )
x2
.
f (x0 ) =
(5.8)
f
(x0 )
xN
El vector gradiente tiene a su vez una interesante interpretacion geometrica. Si e es tal que kek = 1 entonces
f (x0 ; e) = f (x0 ) e = f (x0 )T e = f (x0 ) e ,
f (x0 )
.
kf (x0 )k
Entonces
f (x0 ) e =
La conclusion es entonces que
kf (x0 )k2
= kf (x0 )k.
kf (x0 )k
f (x0 ; e) f (x0 ; e )
6. PLANO TANGENTE
49
metodo para encontrar mnimos de funciones de una o mas variables. Se trata del metodo del gradiente o del maximo descenso. Consiste en resolver la ecuacion diferencial dtd X(t) = f (X(t)), donde
X(t) = (x1 (t), . . . , xm (t)). Bajo ciertas hipotesis sobre la funcion f
(por ejemplo, si es convexa y coerciva), el lmite lmt X(t) existe y
es un minimizador de f .
6.
Plano tangente
50
El hiperplano tangente al grafo en el punto (x0 , f (x0 )) esta dado entonces como el conjunto de puntos (x, xN +1 ) que satisfacen
xN +1 = f (x0 ) + f (x0 ) (x x0 ).
Ejemplo 6.1. Consideremos la esfera en R3 dada por el conjunto
de puntos (x, y, z) que satisfacen
x2 + y 2 + z 2 = 2,
fy (x, y) = p
y
2 x2 y 2
de modo que el plano tangente en este punto esta dado por la ecuacion
fx (0, 1)x + fy (0, 1)(y 1) + (1)(z + 1) = 0,
esto es, el plano en R3 , y z = 2.
Si bien el punto (1, 1, 0) esta tambien en el grafo de la funcion f
anterior, sus derivadas se hacen infinitas. Podemos sin embargo visualizar la esfera en torno a este punto tambien como un grafo, pues esta
puede expresarse por la ecuacion
y = 2 x2 z 2 =: g(x, z) .
En este caso tenemos
fx (x, z) =
x
,
2 x2 z 2
fz (x, y) =
z
,
2 x2 z 2
8. REGLA DE LA CADENA
7.
51
d
( + t)t=0 ,
dt
d
f (x + (y x) + t(y x))t=0 .
dt
De acuerdo a la Proposicion 3.1, tenemos entonces que
() =
8.
Regla de la cadena
52
Denotemos
y0 = f (x0 ).
si k 6= 0,
si k = 0,
8. REGLA DE LA CADENA
53
(8.11)
Demostraci
on. Sabemos que
h
(x0 ) = h (x0 ) ej .
xj
De acuerdo con el Ejemplo 8.1, escribiendo y0 = f (x0 ), tenemos entonces que
h
f
(x0 ) = g (y0 ) f (x0 ) ej = g (y0 )
(x0 ).
xj
xj
As,
f1
g1
g1
g1
(x
)
(y
)
(y
)
(y
)
0
0
0
0
x
y2
ym
1
y
f2j
g2
g2
g2
(x0 )
(y
)
(y
)
(y
)
0
0
0
xj
y2
ym
1
(x0 ) =
xj
gk
gk
fm
m
(y0 ) f
(y0 ) y
(x0 )
(x0 )
y1
y2
xj
m
g1
(y0 )
yi
g
2
yi (y0 )
m
X fi
(x0 )
=
x
j
i=1
gk
(y0)
yi
m
X
fi
g
=
(x0 )
(y0 ).
x
y
j
i
i=1
2x 0
0 0 2w
f (x, y) = y 2xy
y
g (u, v, w) =
.
1 0 0
1 1
54
Luego
2x 0
0 0 2(x y) 2
y 2xy
(g f ) (x, y) =
1 0
0
1 1
2x 2y 2y 2x
=
.
2x
0
Para comprobar este resultado, reemplacemos
(g f )(x, y) = g(f (x, y)) = (x y)2 , x2 + 1 .
Tenemos que
2x 2y 2y 2x
(g f ) (x, y) =
.
2x
0
8. REGLA DE LA CADENA
55
f2
=
(r cos ) = cos ,
=
(r sin ) = sin ,
r
r
r
r
encontramos
T
T
h
(r, ) =
(r cos , r sin ) cos +
(r cos , r sin ) sin .
r
x
y
Con un argumento similar, obtenemos que
T
T
h
(r, ) = (r cos , r sin )r sin +
(r cos , r sin )r cos .
x
y
Despejando, esto conduce tambien a las formulas
T
h
h sin
(r cos , r sin ) =
cos
(8.12)
x
r
r
h
h cos
T
(r cos , r sin ) =
sin
(8.13)
y
r
r
Ejemplo 8.3. Consideremos para una funcion T (x, y) la ecuacion
diferencial
"
2 #
2
1
T
T
(x, y) =
(x, y) R2 . (8.14)
+
2
x
y
(1 + x + y 2 )2
Se pide encontrar una solucion T (x, y) tal que
lm
k(x,y)k+
T (x, y) = 0.
(8.15)
En lugar de resolver esta ecuacion directamente para T , consideramos el cambio de variables h(r, ) = T (r cos , r sin ). Notemos que T
satisface la ecuacion (8.14) si, y solo si,,
"
2 #
2
T
1
T
(r cos , r sin ) =
(8.16)
+
x
y
(1 + r 2 )2
para todo (r, ) [0, ) [0, 2) . As, sustituyendo las expresiones
(8.12) y (8.13) en (8.16), obtenemos, luego de algunas operaciones,
2
2
1 h
1
h
.
(8.17)
(r, ) + 2
(r, ) =
r
r
(1 + r 2 )2
Esta expresion sugiere que el modo mas simple de encontar una solucion, es buscar h independiente de , h(r, ) = g(r). Sustituyendo en
(8.17) obtenemos la ecuacion para g,
1
g (r)2 =
r [0, ) .
(1 + r 2 )2
56
p
T (x, y) = arctan( x2 + y 2 ) + C.
La condicion de anulamiento en (8.15) nos fuerza a escoger la constante C = 2 y una solucion de (8.14) como se requiere es
p
T (x, y) = arctan( x2 + y 2 ) .
2
CAPTULO 4
Teoremas de la Funci
on Inversa e Implcita
En esta seccion estudiaremos varias herramientas u
tiles para la resolucion de sistemas de ecuaciones no-lineales. Culminaremos con el
Teorema de la Funcion Implcita, un resultado notable y de gran generalidad que permite expresar las soluciones de sistemas de ecuaciones
en una vecindad de una solucion conocida como curvasdonde una
variable aparece parametrizada.en terminos de las otras.
1.
x = (x1 , . . . , xn ).
j = 1, . . . , N,
57
INVERSA E IMPLICITA
4. TEOREMAS DE LA FUNCION
58
x tal que x = f (
x). En otras palabras, f posee un u
nico punto fijo
en .
Demostraci
on. Para probar este resultado consideramos la sucesion
de puntos de , definida recursivamente como sigue: Dado x0
cualquiera,
xn+1 = f (xn ) n = 0, 1, 2, .
Para probar la existencia de un punto fijo, demostraremos que esta
sucesion es convergente, y que su lmite es el punto fijo buscado. Observemos que, como f es Lipschitz de constante K en , entonces para
todo j 1,
kxj+1 xj k = kf (xj ) f (xj1 )k Kkxj xj1 k .
m1
X
j=n
(xj+1 xj ) .
m1
X
j=n
(xj+1 xj )k
m1
X
j=n
kxj+1 xj k .
X
j=n
K j kx1 x0 k =
X
j=0
m1
X
j=n
K j kx1 x0 k
K j+n kx1 x0 k =
n
Kn
kx1 x0 k .
1K
K
kx1 x0 k 0. As, dado > 0,
Ahora, como K < 1 tenemos que 1K
existe n0 1 tal que
Kn
kx1 x0 k < .
1K
De este modo, tenemos que para n, m n0 , m > n,
kxm xn k < .
59
Por otra parte, como xn para todo n, se tiene que x Adh ().
Pero es cerrado, por lo tanto x . Ademas, como f es Lipschitz,
es continua relativamente a , y se sigue que, tambien,
lm f (xn ) = f (
x) .
6 + ex 2y = 0 .
posee una u
nica solucion (x, y) R2 .
Ejemplo 1.2. El Teorema 1.1 deja de ser cierto si suponemos solo
que K 1. En efecto, la funcion f : R2 R2 definida por f (x, y) =
(x+a, y+b) con a, b R es Lipschitz con constante K = 1 y su dominio,
R2 , es cerrado. Sin embargo, es evidente que f no tiene ning
un punto
fijo.
El Teorema del Punto Fijo de Banach tiene una importante consecuencia que sera u
til mas adelante para demostrar el Teorema de la
Funcion Inversa.
60
INVERSA E IMPLICITA
4. TEOREMAS DE LA FUNCION
1
kg(x1 ) g(x2 )k x1 , x2 B(0, R) .
1
posee una u
nica solucion x B(0, R). Mas a
un, V = g(B(0, R)) es un
conjunto abierto.
Demostraci
on. Sea y B(0, R(1 )), y consideremos la ecuacion
g(x) = y, que se escribe
y (x) := (x) + y = x
R). Ademas, si x
La funcion y es claramente contractante en B(0,
R) entonces
B(0,
ky (x)k =
<
=
k(x) (0) + yk
k(x) (0)k + kyk
kxk + kyk
R + (1 )R
R,
1
ky1 y2 k.
1
INVERSA E IMPLICITA
2. LOS TEOREMAS DE LA FUNCION
61
Solo resta demostrar que g(B(0, R)) es abierto. Sea y0 g(B(0, R)),
de modo que y0 = g(x0 ) con x0 B(0, R). Existe entonces > 0 tal
que B(x0 , ) B(0, R). Definamos
x) = (
(
x + x0 ) (x0 ) .
) con (0)
es claramente contractante de constante en B(0,
= 0.
Por lo tanto, si y B(y0 , (1 )), se tiene que y = y y0 B(0, (1
)), y de acuerdo a lo ya demostrado, existe una solucion x B(0, )
de la ecuacion
x) = y,
x (
esto es
x (x0 + x) + (x0 ) = y y0 .
Como x0 (x0 ) + (x0 ) = y0 Concluimos que
x0 + x (x0 + x) = y,
y por lo tanto todo punto de g(B(0, R)) es interior. Luego g(B(0, R))
es abierto, lo que concluye la demostracion.
2.
Consideremos una funcion F : R2 R de clase C 1 . Un problema natural es entender la estructura del conjunto de puntos, en R2 que
satisfacen la ecuacion F (x, y) = 0. Como ya hemos discutido antes, se
espera muchas veces que esta relacion defina una curva, lo que hemos
entendido como el hecho que localmente, esto es en una vecindad de
cada uno de sus puntos, la relacion en realidad puede describirse como
el grafico de una funcion de una variable, ya sea y como funcion de x,
o x como funcion de y. Supongamos que este es el caso, en torno a un
punto (x0 , y0) de la relacion. Existe una funcion y = (x) cuyo grafico
la describe en una vecindad de (x0 , y0). Es decir, (x0 ) = y0 y existe
> 0 tal que
F (x, (x)) = 0
62
INVERSA E IMPLICITA
4. TEOREMAS DE LA FUNCION
En particular en x = x0 obtenemos
1
F
F
(x0 , y0 )
(x0 , y0)
(x0 ) =
y
x
F (x, (x))
= 0,
(x)mN
donde I es la matriz identidad. Obtenemos entonces que
IN N
F (x0 , y0 )
= 0.
(x0 )mN
Denotemos entonces
Fy (x0 , y0 ) =
f
f
(x0 , y0)
(x0 , y0)
y1
ym
INVERSA E IMPLICITA
2. LOS TEOREMAS DE LA FUNCION
63
1 (h)
(h) =
(h)
N
64
INVERSA E IMPLICITA
4. TEOREMAS DE LA FUNCION
h(k) = f 1 (y + k) x.
INVERSA E IMPLICITA
2. LOS TEOREMAS DE LA FUNCION
65
1
1
+ 2x sin .
x
x
Consideremos las sucesion que tiende a cero
f (x) = 1 cos
xk =
1
,
2k
y notemos que
1
> 0.
2k
As, f tiene un mnimo local estricto en cada xk y f por ende no es
inyectiva en un entorno de xk . Como todo intervalo que contiene a 0
contiene una infinidad de estos xk , concluimos el resultado: f no es
inyectiva en en ninguno de estos intervalos.
f (xk ) = 0,
f (xk ) =
f (x, y) =
,
2x 1
de modo que f (0, 0) es invertible. Tambien tenemos que f (0, 0) =
(0, 0). De inmediato concluimos que f es invertible
en un entorno del
1 0
origen y la derivada de la matriz inversa es
.
0 1
66
INVERSA E IMPLICITA
4. TEOREMAS DE LA FUNCION
x RN , y Rm ,
(x, y) 7 f (x, y)
x U .
Demostraci
on. Consideremos la funcion
definida por
F : RN Rm ,
x
F (x, y) =
.
f (x, y)
F es claramente de clase C 1 ( ) y su derivada en (x0 , y0 ) es la
matriz cuadrada (N + m) (N + m) dada por
IN N
ON m
F (x0 , y0 ) =
.
fx (x0 , y0 ) fy (x0 , y0 )
F (x0 , y0 )h =
=
,
RN Rm
fx (x0 , y0 ) fy (x0 , y0 ) h2
0
h2
INVERSA E IMPLICITA
2. LOS TEOREMAS DE LA FUNCION
67
entonces
h1 = 0,
posee una u
nica solucion (t, y) W V, que define una funcion de
1
clase C
1 (x, z)
1
F (x, z) =
.
2 (x, z)
INVERSA E IMPLICITA
4. TEOREMAS DE LA FUNCION
68
Vemos que
2xy 5x4 ty
x2 x5 t
x5 y + 6t
F (x, y, t) =
2 2
2
3
2
3x y 6t y 2x y 6xt 12txy + 15t4
de modo que
3 0 5
F (1, 1, 1) =
3 4 3
y
3 0
F(x,y) (1, 1, 1) =
.
3 4
Esta matriz es invertible, de modo que por el Teorema de la Funcion
Implcita pueden despejarse x e y como funciones de t de manera C 1
en una vecindad de t = 1. Mas precisamente, existe > 0 y funciones
x :] , [ R,
y :] , [ R
para todo t ] , [ .
Podemos ademas calcular las derivadas x (1), y (1), por ejemplo mediante derivacion implcita de estas relaciones. Obtenemos de ellas
2xx y + x2 y 5x4 x ty x5 y x5 y + 6t = 0
3x y x + 2x3 yy 6x t2 y 12txy 6t2 xy + 15t4 = 0
2 2
para todo t ], [
y evaluando en t = 1,
3x (1) + 5 = 0
3x (1) 4y (1) + 3 = 0.
CAPTULO 5
Si las derivadas parciales de f definen funciones en esta la posibilidad de que ellas mismas puedan derivarse. Supongamos que RN
es un abierto, f : Rm y que la derivada parcial
f
(x) existe x .
xj
Consideremos la funcion
f
: Rm ,
xj
x 7
f
(x) .
xj
f
2f
(x0 ) =:
(x0 ).
xi xj
xi xj
Si i = j, denotamos tambien
2f
2f
(x0 ).
(x0 ) =:
xi xi
x2i
Esta definicion se extiende inductivamente a derivadas parciales de
cualquier orden P
k. As, si (i1 , i2 , . . . , is ) es una s-tupla de ndices il
{1, . . . , N} con sl=1 il = k, denotamos, en caso de existir,
f
k f
(x0 ) =:
(x0 ) .
xi1 xi2
xik1 xik
xi1 xi2 xis
Esta es la expresion en notacion de Leibnitz. Es tambien com
un utilizar
la notacion
k f
(x0 ) =: fxis xis1 xi1 (x0 ).
xi1 xi2 xis
2
f
2
= y 2exy sin y,
x
f
2
2
= 2xyexy sin y + exy cos y ,
y
69
70
71
(h1 , h2 )
=
lm
(h1 ,h2 )(0,0)
h1 h2
f
gracias a la continuidad de x2 x
en (x01 , x02 ). Por otra parte, observe1
mos que (h1 , h2 ) = (h2 , h1 ), de modo que el intercambio de nombre
de las variables nos permite concluir que tambien
2f
(h1 , h2 )
=
(x01 , x02 ),
(h1 ,h2 )(0,0)
h1 h2
x1 x2
lm
72
(x)
x1
f (x)
x2
f (x) = f (x) =
.
f
(x)
xN
y que, por la Proposicion 3.2
2f
2
2f
1
(x0 ) xNfx
(x0 )
(x0 )
x2 x1
x21
1
2
2f
2f
2
x1 x2 (x0 )
(x0 )
xNfx
2 (x0 )
x
2
f (x0 ) = (f )(x0 ) =
.
2f
f
2f
(x0 ) x2 xN (x0 ) 2 xN (x0 )
x1 xN
(2.20)
Entonces
2
f
(x0 ) .
f (x0 ) =
xi xj
ij
Observemos que gracias al Teorema de Schwartz, esta matriz es simetrica.
2
xy 2
.
f (x, y) = e
4xy + 2x2 y 3 2x2 + 4x3 y 2
3. APROXIMACIONES DE TAYLOR
3.
73
Aproximaciones de Taylor
m1
X
f (k) (x0 )
k=0
hk
hm
+ f (m) (x0 + h)
k!
m!
hm
hk
(m)
.
Tk (h) = f (x0 ) , Rm (h) = f (x0 + h)
k!
m!
Usamos aqu la convencion T0 (h) = f (x0 ). As,
(k)
f (x0 + h) =
m1
X
Tk (h) + Rm (h) .
(3.21)
k=0
m1
X
Tk (h)
k=0
m1
X
Tk (h) + Rm (h) ,
(3.22)
k=0
N X
N
X
i1 =1 i2 =1
N
X
ik
k f
(x0 )hi1 hik ,
x
x
i
i
1
k
=1
(3.23)
74
Rm (h) =
N
N
N
X
1 XX
mf
x
i
i
m
1
i =1
1
Demostraci
on. Consideremos la funcion de una variable (t) = f (x0 +
th). El Teorema de Taylor en una variable nos dice que
(1) = (0) +
m1
X
k=1
1 (m)
1 (k)
(0) +
()
k!
m!
(3.24)
con ]0, 1[. Tenemos que (1) = f (x0 + h), (0) = f (x0 ). Investiguemos las derivadas de . Tenemos que
(t) = f (x01 + th1 , . . . , x0N + thn ).
As, por la regla de la cadena tenemos que
(t) =
N
X
i1 =1
N X
N
X
i1 =1 i2
2f
(x01 + th1 , . . . , x0N + thn )hi1 hi2 .
x
x
i
i
2
1
=1
N X
N X
N
X
i1 =1 i2 =1 i3
3f
(x01 + th1 , . . . , x0N + thn )hi1 hi2 hi3 .
x
x
x
i
i
i
3
2
1
=1
(t) =
N X
N
X
i1 =1 i2 =1
N
X
ik
3f
(x0 + th)hi1 hik .
xi1 xik
=1
N
N
N
X
1 X X f 2
f
(x0 )hi +
(x0 + h))hihj .
x
2
x
x
i
i
j
i=1 j=1
i=1
3. APROXIMACIONES DE TAYLOR
75
Tk (h) =
hik
hi1
f (x0 ) .
k! i =1 i =1 i =1
xi1
xik
1
ai1 aik =
aj1 akj
,
2
j
i1 =1 i2 =1
ik =1
j=0
k!
k
,
=
j
(k j)!j!
y obtenemos entonces en modo similar
k
1
Tk (h) =
h1
+ h2
f (x0 ) ,
k!
x1
x2
lo que quiere decir exactamente
k
k f
1 X k
(x0 )hj1 hkj
,
Tk (h) =
2
k! j=0 j xj1 xkj
2
m1
k
XX
k=0 j=0
hj1 hkj
k f
2
(x0 ) + Rm (h) ,
(k j)!j! xj1 xkj
2
(3.26)
76
Para el caso de una funcion de N variables, N > 2, es posible tambien obtener expresiones mas economicas para el Teorema de Taylor.
Puede decirse en general, que el termino Tk (h) puede ser expresado operacionalmente como
k
1
h1
+ h2
+ + hN
f (x0 ) ,
Tk (h) =
k!
x1
x2
x1
y puede recurrirse a la formula del multinomio para expresar en modo
mas explcito esta cantidad.
Ejemplo 3.1. Consideremos la funcion
f (x, y) = x2 y + x cos y
y calculemos su expansion de Taylor de orden 3 en torno al punto
x0 = (1, 0). Tenemos:
fx = 2xy + cos y,
fy = x2 x sin y,
CAPTULO 6
Optimizaci
on
En la Seccion 2 se discutio sobre la existencia de maximos y mnimos de funciones continuas. Para funciones diferenciables existen varios
criterios que permite encontrar estos puntos. El gradiente es una herramienta muy u
til para determinar maximos y mnimos locales de funciones en dominios abiertos. Para ciertos dominios cerrados emplearemos
la tecnica de los Multiplicadores de Lagrange.
1.
Para una funcion de dos variables f (x, y), esto significa que el plano
tangente al grafo de f , z = f (x, y) en el punto (x0 , y0 , f (x0 , y0)) es
horizontal. En efecto, el vector normal a este plano es (f (x0 , y0), 1),
esto es (0, 0, 1), que tiene la direccion del eje z.
De gran importancia son los casos de un mnimo y un maximo
locales de f . Decimos que x0 es un mnimo local, si existe > 0
tal que la bola B(x0 , ) y
f (x0 ) f (x) x B(x0 , ),
es decir f (x0 ) =
mn f (x) .
xB(x0 ,)
6. OPTIMIZACION
78
y luego
(0) = lm+
t0
(t) (0)
0.
t
Para el caso en que x0 sea un maximo local, nos basta observar que
la funcion f tiene un mnimo local en x0 . Por lo tanto (f )(x0 ) =
f (x0 ) = 0.
hT Ah 0 .
79
Decimos que A es semidefinida negativa, respectivamente definida negativa, si la matriz A es semidefinida positiva, respectivamente definida
positiva.
Si A es simetrica, la positividad y semipositividad esta vinculada
a sus valores propios. Recordemos que si A = AT , entonces existe
una base ortonormal de RN constituida por vectores propios, digamos
{v1 , . . . , vN } con
Avi = i vi .
1 , . . . , N son los valores propios de A (posiblemente repetidos). Como
A es simetrica, estos son todos reales. Notemos que
i = i kvi k2 = viT Avi ,
i = 1, . . . , N.
(1.27)
N
X
i vi ,
i=1
khk =
Observemos que
"
!#
N
X
hT Ah = A
i vi
i=1
Ahora,
donde
y por lo tanto
i2 .
(1.28)
i=1
N
X
j vj
j=1
N X
N
X
i=1 j=1
i j (Avi ) vj .
(Avi ) vj = i vi vj = i ij
1
ij =
0
T
h Ah =
si i = j
si i =
6 j
N
X
i i2 .
(1.29)
i=1
= mn i .
i=1,...,N
(1.30)
6. OPTIMIZACION
80
0 lm
(1.31)
81
i,j
Por lo tanto
X
i,j
Como la funcion
(k) =
X
i,j
2
donde > 0 es el n
umero en (1.32). Por lo tanto, como h ]0, 1[, se
sigue que si khk < ,
X
khk2 .
2
De aqu y de las relaciones (1.31) y (1.32), se sigue que
|hT [f (x0 + h h) f (x0 )]h|
khk2 h B(0, ) .
4
Por lo tanto f tiene un mnimo local estricto en x0 . La afirmacion para
maximo se sigue a partir de aquella correspondiente a f .
f (x0 + h) f (x0 )
fy (x, y) = 3y 2 + 8y + 5 = (y + 1)(3y + 5)
o x = 2, y =
5
.
3
6. OPTIMIZACION
82
fxy (x, y) = 0,
fyy (x, y) = 6y + 8
2
0
f (x, y) =
.
0 6y + 8
Por lo tanto,
2 0
f (2, 1) =
0 2
(2, 53 )
2 0
=
.
0 2
Como f (2, 1) es una matriz diagonal, sus valores propios son precisamente las entradas de esta: 1 = 2, 2 = 2. Como ambos positivos,
concluimos que el punto (2, 1) es un mnimo local de f . En cambio
los valores propios de f (2, 35 ), 1 = 2, 2 = 2, tienen signos opuestos, de modo que el punto crtico no es ni un mnimo ni un maximo.
Precisemos un poco mas el comportamiento de la funcion f cerca de
este punto. Observemos que
2 0
1
1
2 0
0
0
= 2
= (2)
,
0 2 0
0
0 2 1
1
1 (t) = 2, 2 (t) = 2 + 6t .
Vemos entonces que en la direccion de e1 la funcion f tiene segunda
derivada positiva, esto es, es convexa, exhibiendo un mnimo en t = 0.
En la direccion de e2 en cambio, vemos que la segunda derivada es
negativa para todo t cercano a 0, siendo la funcion en esta direccion,
maximizandose en t = 0. La forma del grafico de f en torno a este
punto se denomina punto silla, en referencia a la forma de una silla de
montar.
Diremos en general, que para f : RN R de clase C 2 , un punto crtico x0 es un punto silla, si todos los valores propios de f (x0 ) son
distintos de cero, y hay presentes valores propios positivos y negativos.
83
Los vectores propios asociados a valores propios negativos corresponden a direcciones en las cuales la funcion baja a partir de x0 (hacia
ambos lados), mientras que en las direcciones complementarias, las de
los vectores propios asociados a valores propios positivos, la funcion
sube.
Ejemplo 1.2. Sea
f (x, y, z) = 3x2 6x + 3y 2 6y 2xy + (z 2 1)2 .
fy (x, y, z) = 6y 6 2x = 0,
(1, 1, 1),
(1, 1, 1),
6 2
0
.
0
f (x, y, z) = 2 6
2
0
0 12z 4
2 = 4,
3 = 8.
6. OPTIMIZACION
84
de modo que
De este modo,
6x x2 9,
6y y 2 9,
f (x, y, z) x2 + y 2 + z 2 21 .
p
x2 + y 2 + z 2 + .
f (0, 0) =
,
0 2
2. MULTIPLICADORES DE LAGRANGE
85
g (0, 0) =
,
0 2
que es una matriz semidefinida positiva. Sin embargo, es facil ver que
g no tiene un mnimo local en el origen.
2.
Multiplicadores de Lagrange
A = {z RN +m / g(z) = 0}
f (z0 ) = mn f (z) .
zA
Supongamos ademas que la matriz (N +m)m, g (z0 ) es de rango completo (posee m columnas linealmente independientes). Entonces existen
n
umeros 1 , 2 , . . . , m tales que
m
X
f (z0 ) =
i gi (z0 ).
i=1
Demostraci
on. Supongamos que la variable z RN +m se descompone
como
z = (x, y) RN Rm
donde, luego de reordenar las variables en caso de ser necesario, podemos suponer que las u
ltimas m columnas de g (x0 , y0) son linealmente
independientes. As, la matriz gy (x0 , y0 ) es invertible.
Supongamos que z0 = (x0 , y0 ) es tal que f se minimiza sobre
D = {(x, y) / g(x, y) = 0} Como, por hipotesis, la matriz gy (x0 , y0)
es invertible, el Teorema de la Funcion Impcita nos garantiza la existencia de una funcion y = (x), definida en un abierto U que contiene
a x0 , de modo que (x0 ) = y0 y g(x, (x)) = 0 para todo x U. As,
los puntos (x, (x)), x U yacen todos en D y tenemos entonces que
f (x, (x)) f (x0 , y0 )
para todo x U.
6. OPTIMIZACION
86
Por lo tanto, la funcion (x) := f (x, (x)) satisface que (x) (x0 )
para todo x U. Se sigue que (x0 ) = 0, lo que quiere decir, gracias
a la regla de la cadena, que
Im
Esto es
m
X
i=1
i gi (x0 , y0 )
f (x, y, z) := x + y z
g(x, y, z) := x2 + y 2 + z 2 1 = 0.
2. MULTIPLICADORES DE LAGRANGE
87
1 2x = 0
1 2y = 0
1 2z = 0
x2 + y 2 + z 2 1 = 0
3x2 = 1
f ( 13 , 13 , 13 ) = 3, y f ( 13 , 13 , 13 ) = 3.
Por lo tanto el segundo punto corresponde al valor mnimo.
La regla de los multiplicadores de Lagrange tiene una version nemotecnica u
til: Si x0 minimiza a f sujeto a las resticciones gi (x) = 0,
i = 1, . . . , m, entonces existen m n
umenros i0 tal que (x0 , 10 , . . . , m
0 )
N +m
es un punto crtico en R
de
L(x, 1 , . . . , m ) := f (x)
Esta funcion se llama Lagrangiano.
m
X
i g(x).
i=1
88
6. OPTIMIZACION
y + + 2x
x + + 2y
1 + + 2z
x+y+z
x2 + y 2 + z 2 1
cuyas 4 soluciones para (x, y, z) son
=
=
=
=
=
0
0
0
0
0,
( 16 , 16 , 26 ), ( 16 , 16 , 26 ), ( 1+4 5 , 14 5 , 21 ) y ( 14 5 , 1+4 5 , 12 ).
2 .
6
N
Y
i=1
xi 1 = 0
2. MULTIPLICADORES DE LAGRANGE
89
Esto es
N
Y
Y
1
=
xi = 0 para todo j,
xi 1 = 0.
N
i=1
i6=j
Tenemos entonces que, en el mnimo,
N
Y
xj
=
xi = para todo j,
N
i=1
si
N
Y
xi = 1,
i=1
N
aj
1 X
N1 .
N j=1 QN
i=1 ai
CAPTULO 7
Integraci
on de funciones de varias variables
En este captulo extenderemos la nocion de integral en el sentido
de Riemann a funciones definidas sobre subcojuntos del espacio RN .
Consideremos una funcion f : D RN R. Si N = 1 y D = [a, b] se
Rb
definio, bajo ciertas condiciones, la cantidad a f (x)dx, cuya interpretacion geometrica, cuando f es positiva, es el area bajo la curva que
define el grafico de f , {(x, f (x)) / x [a, b]}, por sobre el intervalo
[a, b], esto es, de la region
{(x, y) / x [a, b], 0 y f (x)}.
92
1.
Definici
on de la integral y propiedades b
asicas
en otras palabras,
[a1 , b1 ] [aN , bN ],
N
Y
R=
[ai , bi ] .
(1.1)
i=1
lo que en dimensiones 1, 2 y 3 corresponde a nuestras nociones habituales de largo, area y volumen, respectivamente. Consideramos en lo
que sigue un rectangulo R RN y una funcion f : R R la cual
supondremos acotada, esto es tal que existe M > 0 para el cual
|f (x)| M
para todo x R .
donde
mRi (f ) = nf f (x).
xRi
1. DEFINICION
93
donde
94
(en la u
ltima notacion el smbolo de integral se repite N veces).
Una caracterizacion u
til de la condicion de integrabilidad es la siguiente.
n 1.1. Si existe una sucesion de reticulados {Sn }nN
Proposicio
tal que
lm SSn (f ) ISn (f ) = 0
n
entonces f es integrable y
lm SSn (f ) = lm ISn (f ) =
n
Demostraci
on. Tenemos que
Z
Z
f (x)dx
ISn (f )
R
f (x)dx
R
f (x)dx SSn (f ) .
y entonces f es integrable.
, 0 j, k n 1.
Rjk =
,
,
n n
n n
1. DEFINICION
Entonces
ISn (f ) =
Ahora, claramente
n1 X
n1
X
95
n
V (Rjk
)mRnjk (f ).
j=0 k=0
mRnjk (f ) =
j
k
+ ,
n n
de modo que
n1 n1
1 XX
ISn (f ) =
(j + k)
n3 j=0
k=0
n1
1 X n(n 1)
+ nj
=
n3 j=0
2
1 2
1
n (n 1) = 1 .
3
n
n
En modo similar, obtenemos
j+1 k+1
+
MRnjk (f ) =
n
n
=
y
n1 n1
1 XX
1
SSn (f ) = 3
(j + k + 2) = 1 + .
n j=0 k=0
n
lm SSn (f ) ISn (f ) = 0.
n+
96
cuando n .
As, tenemos tambien que ynj x. Por otra parte, como f es continua
tenemos que
lm f (xnj ) = lm f (ynj ) = f (
x).
j
En particular, |f (xnj ) f (ynj )| 0. Esto es claramente una contradiccion con |f (xnj ) f (ynj )| 0 y la demostracion queda concluida.
Demostraci
on del Teorema 1.1. En virtud de la Proposicion 1.2,
basta demostrar que existe una sucesion de reticulados Sn , n N con
la propiedad que
SSn (f ) ISn (f ) 0.
1. DEFINICION
97
1
para todo x, y Ri .
m
En particular,
MRi (f ) mRi (f ) +
y
SS m =
1
m
MRi V (Ri )
1 X
iRi V (Ri )
m
1
V (R) .
m
Concluimos observando que m es arbitrario.
= ISm +
.
98
D2
D1
Demostraci
on. Supondremos en las propiedades (a)-(d) que D = R,
un rectangulo. Si no, basta aplicar los resultados obtenidos a las funciones fD , gD . Sea S un reticulado de R. Veamos la propiedad (a).
Tenemos que si R S entonces
nf f + nf g nf (f + g) sup(f + g) sup f + sup g.
R
(1.3)
1. DEFINICION
99
SSn (f ) ISn (f ) 0,
lm SSn (f ) = lm ISn (f ) =
y
n
f (x)dx
R
g(x)dx.
SS (f ) = SS (f ).
SS (f ) = IS (f ).
Si f 0, entonces
MR (|f |) mR (|f |) = MR (f ) mR (f ).
100
SSn (f ) ISn (f ) 0,
se sigue que
SSn (|f |) ISn (|f |) 0
f = (f )
|f (x)|dx
R
D
onde integrar: Conjuntos Jordan-medibles
2. DONDE
INTEGRAR: CONJUNTOS JORDAN-MEDIBLES
101
iI
y = g(x)}.
Afirmamos que A tiene medida nula. En efecto, consideremos el reticulado uniforme dado por (1.2) de R. Observemos entonces que
D i Ri [mRi (g), MRi (g)].
Como f es uniformemente continua sobre R, dado > 0 podemos
escoger n suficientemente grande como para que
X
V (Ri )
V (R) i
= .
<
102
es Jordan-medible
Demostraci
on. Observemos que la frontera de D es la region
F r(D) = {(x, y)/x [a, b], y = h(x)}
2. DONDE
INTEGRAR: CONJUNTOS JORDAN-MEDIBLES
103
g(x)
h(x)
a
h(x) y g(x)}
(2.4)
104
C
alculo de integrales: El Teorema de Fubini
a),
a
+
(b
a)
c
+
(d
c),
c
+
(d
c)
,
Rkj = a + k1
n
n
m
m
para k = 1, . . . , n, j = 1, . . . , m. Como f es uniformemente continua
sobre R, tenemos que, dado > 0, existe n0 tal que para todo n, m
n0 ,
MRkj (f ) mRkj (f )
.
V (R)
Por ende tenemos que
Z
f IS (f )
R
(ba)(dc)
nm
n X
m
X
k=1 j=1
f a + nk (b a), c +
SS (f )
Z
f + ,
j
(d
m
c)
y por lo tanto
Z
n
m
baXdcX
f a + nk (b a), c +
f
R
n k=1 m j=1
j
(d
c)
<
m
3. CALCULO
DE INTEGRALES: EL TEOREMA DE FUBINI
105
Z
Z
f
R
Z
f (x, y)dy dx .
Como es arbitrario,
Z
Z b Z d
Z
f=
f (x, y)dx dy =
R
Z
R2
R2
R2
R1
R1
f=
f (x1 , . . . , xN )dxN dx2 dx1 ,
R
a2
a1
aN
a1
a2
aN
106
De lo contrario escribimos
Z
Z
Z b1 Z b2
f=
R
a2
a1
bN
aN
I=
Z Z
f (x, y)dxdy.
y por lo tanto
I=
dx
f (x, y)dy.
3. CALCULO
DE INTEGRALES: EL TEOREMA DE FUBINI
107
f (x, y) si y x 1,
0
en caso contrario.
I =
=
=
dy
0
1
dy
0
1
0
(x2 + y 2 )dx
y
x=1
+ xy
x3
3
x=y
+ y 2 y 3 dy
1y 3
3
1
.
=
3
Geometricamente, el n
umero calculado corresponde al volumen sobre el triangulo D y bajo el paraboloide z = x2 + y 2.
Mas generalmente, si A R2 y f : A R+ definimos
D = {(x, y, z) / (x, y) A, 0 z f (x, y)}.
Bajo las hipotesis necesarias,
Z
v(D) =
1D ,
Z Z
Z Z
dxdy
a3
f (x,y)
f (x, y)dxdy.
dz
108
(1 x y)dxdy
Z 1 Z 1x
=
dx
(1 x y)dy
0
0
Z
1 1
(1 x)2 dx
=
2 0
1
.
=
6
V (D) =
D = {(x, y, z) /0 x 1, 0 y 1 x2 , 0 z 1 x2 + y 2 }.
Entonces
v(D) =
=
=
Z Z Z
Z
1dxdydz
dx
0
dx
0
1x2
dy
Z 1x2 y2
dz
1x2
1 x2 y 2 dy.
4. CALCULO
DE INTEGRALES: EL TEOREMA DEL CAMBIO DE VARIABLES
109
Calculemos
la integral interior
mediante el cambio de variables y =
t 1 x2 , de modo que dy = dt 1 x2 y
Z 1x2 p
Z 1
2
2
2
1 x y dy = (1 x )
1 t2 dt.
0
de donde
4.
cos2 tdt =
v(D) =
4
1
0
(1 x2 )dx =
,
4
.
6
C
alculo de integrales: El Teorema del Cambio de
Variables
El calculo del volumen de una porcion esferica en el ejemplo anterior, si bien fue posible, resulto relativamente complicado. La razon es
que no es del todo natural intentar describir una region de esta clase
directamente en coordenadas cartesianas xyz. El Teorema del Cambio
de Variables nos entrega una herramienta u
til de calculo en caso que
la region de integracion y/o la funcion involucrada pueden ser expresadas en modo mas simple mediante la introduccion de coordenadas
alternativas.
Consideremos a manera de ejemplo, las coordenadas polares en R2 ,
(r, ), 0 < r < , ]0, 2[. Consideremos una region D en R2 y su
representacion en coordenadas polares,
= {(r, ) /(r cos , r sin ) D.
D
Notemos que si a partir de un punto de coordenadas (r0 , 0 ) incrementamos la variable r en magnitudes peque
nas r y en entonces el
volumen de la celula
(r, ) [r0 , r0 + r] [0 , 0 + ]
r0 ,0
110
4. CALCULO
DE INTEGRALES: EL TEOREMA DEL CAMBIO DE VARIABLES
111
T (Ri )
iI
Z Z
Z ZRi
f (T (u))T (u)du =
f (x)dx
T (a)
f (T (u))(T (u))du =
f (x)dx .
T (b)
As, siempre que T (u) 6= 0 para todo u [a, b], tenemos que
Z
Z
f (T (u))|T (u)|du =
f (x)dx .
]a,b[
T (]a,b[)
Notemos que la inclusion estricta de los extremos del intervalo [a, b],
no altera el valor de la integral. Enunciemos ahora el teorema en su
version general.
Teorema 4.1. (Teorema del Cambio de Variables). Sea RN
un abierto y T : RN una funcion de clase C 1 . Sea D una region
abierta y acotada con Adh(D ) , y supongamos ademas que T es
inyectiva en D , que la matriz T (u) es invertible para todo u D y
R una funcion continua.
que D = T (D ) es un abierto. Sea f : D
Entonces
Z
Z
f (T (u))| det(T (u))| du .
f (x) dx =
112
donde
D = {(x, y) /1 x y 2 x, y + 1 2x 5 + y}.
Escribamos
u = x + y, v = 2x y
y definimos entonces la transformacion T como
1
(u + v)
x
3
.
T (u, v) =
= 1
(u 2v)
y
2
T (u, v) =
y as
1
3
1
2
1
3
1
| det(T (u, v))| = .
6
La region D queda entonces descrita en terminos de las coordenadas
(u, v) como
D = {(u, v) / 1 u 2, 1 v 5}
y de acuerdo con el Teorema del Cambio de Variables,
Z
Z 2
Z Z
Z Z
4 3
1
1 5
dv
udu = = 1.
(x + y)dxdy =
u dudv =
6 1
6 2
1
D
D 6
Ejemplo 4.2. Apliquemos este resultado para calcular el volumen,
en el primer octante, de la bola B(0, R) en R3 . Mas precisamente, de
la region {x2 + y 2 + z 2 < R2 , x, y, zp 0}. Esto es, el volumen bajo el
grafico de la funcion z = f (x, y) = R2 x2 y 2 sobre la region
D = {(x, y) / x, y 0, x2 + y 2 < R2 }
De este modo tenemos que (salvo por una zona de medida nula: la
periferia y el origen), D = T (D ) donde D es simplemente
Notemos que
4. CALCULO
DE INTEGRALES: EL TEOREMA DEL CAMBIO DE VARIABLES
113
f (x, y) dxdy =
D
Z Z
Z
0
R
2 0
3
=
R .
6
=
p
R2 r 2 cos2 r 2 sin2 rdrd
R2 r 2 rdr
114
Su area es
V (D) =
=
Z Z
Z
= a
2a cos
1rdrd
2a2 cos2 d
1dxdy
(1 + cos 2)d
= a2 ( 2 + 1).
Ejemplo 4.4. Calcularemos la masa total de un cono de revulucion
de altura h y radio R con vertice en el origen, y cuya densidad de masa
esta dada por (x, y, z) = z. Para este problema es conveniente introducir un sistema de coordenadas que extiende las coordenadas polares
del plano con la coordenada z, las llamadas coordenadas cilndricas:
x
r cos
T (r, , z) = y = r sin .
z
z
Notemos que
cos r sin 0
T (r, , z) = sin r cos 0 ,
0
0
1
de modo que det(T (r, , z)) = r. Decimos entonces, que para coordenadas cilndricas, el elemento de volumen esta dado por rdrddz. Esto
tiene una interpretacion gemetrica simple nuevamente, pues si a partir de un punto de coordenadas (r, , z) se hacen variar estas variables
respectivamente en magnitudes dr, d y dz se obtiene un rectangulo
infinitesimal de lados dr, rd y dz.
Usando estas coordenadas, podemos describir el cono D, salvo por
un conjunto de medida nula, como la region
D = {(r, , z) /r ]0, R[, ]0, 2[,
h
r
R
4. CALCULO
DE INTEGRALES: EL TEOREMA DEL CAMBIO DE VARIABLES
115
h
r
R
= h2
(1
r2
)rdr
R2
2 2
hR.
=
4
Notemos tambien que el volumen del cono esta dado por
Z Z Z
V (D) =
1rdrddz
D
Z 2 Z R
Z h
=
d
dz
rdr
0
= 2h
h
r
R
r(1 Rr )dr
2
hR ,
3
x
r cos sin
T (r, , ) = y = r sin sin .
z
r cos
Con esta p
definicion, r representa la distancia del punto (x, y, z) al origen: r = x2 + y 2 + z 2 mientras que es el angulo polar en el plano
XY como antes, [0, 2] y ahora es el angulo medido desde el eje
z al vector (x, y, z), [0, ], de modo que el r polar antiguo, el largo
de (x, y) esta dado ahora por r sin .
116
Tenemos que
de modo que
(x2 + y 2 )dxdydz
D
Z R Z 2 Z
=
(r 2 sin2 )r 2 sin drdd
0
0
Z 0
2 4 3
R
sin d
=
5
0
Z
2 4
=
(1 cos2 ) sin d
R
5
0
8
=
R4 .
15
Ejemplo 4.6. Consideremos el toro de revolucion D, constituido
por el solido obtenido al rotar el disco de centro (b, 0, 0) y de radio a con
b > a. Las siguientes coordenadas toroidales describen apropiadamente
a este solido:
x
(b + r cos ) cos
T (r, , ) = y = (b + r cos ) sin .
z
r sin
I =
4. CALCULO
DE INTEGRALES: EL TEOREMA DEL CAMBIO DE VARIABLES
117
De modo que
| det(T (r, , z))| = r(b + r cos ).
El volumen del toro esta dado por
Z 2 Z 2 Z a
V (D) =
r(b + r cos )dddr = 2 ba2 = (2b)(a2 ),
0
donde
JR =
R+
Z
x2
e
R
Z
dx
y 2
dy
Notemos que
B(0,2R)
118
2
ex dx = .
CAPTULO 8
Coordenadas curvilneas
Las coordenadas cartesianas no siempre son las mas comodas para
describir curvas (trayectorias), superficies, vol
umenes y otros objetos
geometricos. En diversas ocasiones el problema en estudio posee ciertas
simetras que no se ven reflejadas al utilizar estas coordenadas.
Por ello es importante estudiar formalmente un sistema de coordenadas arbitrario, al cual nos referiremos por sistema de coordenadas
curvilneas.
En general, un sistema de coordenadas curvilneas es una transformacion invertible ~r : D R3 R3 , de modo que a todo triplete
(u, v, w) D le corresponde un u
nico punto en el espacio
~r(u, v, w) = (x(u, v, w), y(u, v, w), z(u, v, w)).
1.
~
r
~
r
(u0 , v0 , w0)k =
6 0 y k w
(u0 , v0 , w0 )k =
6 0, los
Similarmente, si que k v
vectores tangentes v y w a las curvas parametrizadas por v 7 ~r(u0 , v, w0)
y w 7 ~r(u0 , v0 , w) estan bien definidos. Todo esto se establece a continuacion.
y w,
asociados al sistema de coordenadas dado por
r , en el punto
r (u0 , v0 , w0 ), mediante
r
r
r
r
, v =
, y w =
.
/
/
/
u =
u
u
v
v
w
w
119
8. COORDENADAS CURVILINEAS
120
De esta forma,
u =
1 ~r
,
hu u
v =
1 ~r
,
hv v
w =
1 ~r
.
hw w
Coordenadas cilndricas
+P
[0, +[
[0, 2[
zR
z
3. COORDENADAS ESFERICAS
121
~r
= ( sen , cos , 0) h = ,
~r
= (0, 0, 1) hz = 1,
z
obteniendo finalmente que el triedro es:
z
b
3.
Coordenadas esf
ericas
8. COORDENADAS CURVILINEAS
122
+P
r [0, +[
[0, ]
[0, 2[
r
= arctan
x2 + y 2
z
= arctan
~r
= (r sen sen , r sen cos , 0) h = r sen ,
obteniendo
r = (sen cos , sen sen , cos ),
= (cos cos , r cos sen , sen ),
= ( sen , cos , 0).
y
x
4. COORDENADAS TOROIDALES
123
r
b
4.
Coordenadas toroidales
Este nuevo sistema no corresponde exactamente a la nocion de sistema de coordenadas definida anteriormente, pues no permiten describir
el espacio R3 completo. Sin embargo, el analisis anterior sigue siendo
valido.
En estas coordenadas, dado un radio mayor R fijo, la posicion de un
punto P~ queda determinada por un radio menor r y dos angulos y
como muestra la figura.
z
R
x
El vector posicion viene dado por:
~r(r, , ) = ((R + r sen ) cos , (R + r sen ) sen , r cos ),
donde r [0, R], [0, 2) y [0, 2).
8. COORDENADAS CURVILINEAS
124
~r
= ((R + r sen ) sen , (R + r sen ) cos , 0); h = (R + r sen ).
De aqu obtenemos
r = (sen cos , sen sen , cos );
= (cos cos , cos sen , sen );
= ( sen , cos , 0).
Es facil verificar que r, y son ortogonales.
~r
~
b
~
b
5.
125
cadena se tiene
~r
(f ~r) = f
= hu f u,
u
u
~r
(f ~r) = f
= hv f v,
v
v
~r
(f ~r) = f
= hw f w,
w
w
donde hu , hv y hw son los factores escalares, y (
u, v, w)
el triedro,
(5.6)
hu u
hv v
hw w
Notemos que en el caso de las coordenadas cartesianas, lo anterior
corresponde a la expresion habitual para el gradiente
f
f
f
+
+
k.
f =
x
y
z
f =
.
Ejemplo 5.1. Consideremos el potencial gravitacional V = GM
r
~
El campo de fuerzas generado por este potencial viene dado por F =
V que, de acuerdo con la expresion (5.6), se escribe en coordenadas
esfericas como
GM
F~ (r) = 2 r.
r
Verifiquemos lo anterior mediante un calculo directo. Dado que
GM
V (x, y, z) = p
,
x2 + y 2 + z 2
tenemos que
GMx
GMy
GMz
V
V
V
=
=
=
3 ,
3 ,
3 .
x
(x2 + y 2 + z 2 ) 2 y
(x2 + y 2 + z 2 ) 2 z
(x2 + y 2 + z 2 ) 2
As,
V
GM
3 (xi + y j + z k)
+ y2 + z2) 2
xi + yj + z k
GM
p
= 2
x + y 2 + z 2 x2 + y 2 + z 2
GM
=
r.
r2
(x2
126
8. COORDENADAS CURVILINEAS
CAPTULO 9
La noci
on de superficie
Intuitivamente una superficie es un conjunto S R3 que localmente
se asemeja a un plano. El fenomeno fsico mas cercano podra ser el de
una membrana delgada, donde una de las dimensiones (espesor) es
despreciable frente a las otras.
En algunos modelos las superficies aparecen, por ejemplo, como los
conjuntos frontera que separan dos medios o dos fases dentro de un
fluido.
n 0.1. Un conjunto S R3 se llama superficie (o varieDefincio
S = {
r (u, v) : (u, v) },
DE SUPERFICIE
9. LA NOCION
128
y
x
se puede parametrizar como sigue:
R).
r 2 (x, y) = (x, y, R2 x2 y 2 ), (x, y) B(0,
Ejemplo 0.3. Para el manto de un cono, algunas posibles parametrizaciones son
z
a
x
hp 2
a),
x + y 2), (x, y) B(0,
r 1 (x, y) = (x, y,
a
129
x
viene dada por:
v
v0
~r(, )
tv
tu
D
u0
DE SUPERFICIE
9. LA NOCION
130
k
k
k; tv =
k,
tu =
u
u
v
v
donde cada una de estas funciones esta evaluada en (u0 , v0 ).
r = n
= tv
= tu
y
x
cuya parametrizacion viene dada por
n
= = r = (sen cos , sen sen , cos ).
2. AREA
E INTEGRAL DE SUPERFICIE
131
t
b
t =
x
se tiene la siguiente parametrizacion
1 + (h/a)2 y t = ,
t := (
+ k)/
a
donde corresponde al vector unitario polar (descrito anteriormente
para la esfera), k = (0, 0, 1), y ahora = (cos
p , sen , 0). Finalmente,
h
Area
e integral de superficie
2.
~r(, )
S
y
DE SUPERFICIE
9. LA NOCION
132
~r(ui , vj ) +
~r(, )
v
vj
~
r
v
v
~
r
u
u
~r(ui , vj )
ui
De esta manera, podemos estimar el area (A)ij de la region ennegrecida como sigue
~r
~r
~
r
~
r
=
(u
,
v
)u
(u
,
v
)v
(A)ij
i
j
i
j
u v
uv.
u
v
Sumando se tiene
A(S) =
i,j
X
~r
~
r
(A)ij
u v
uv.
i,j
(u,
v)
dA =
(~r(u, v))
u
v
S
~
r
u
u
2. AREA
E INTEGRAL DE SUPERFICIE
133
Notemos que los conceptos antes definidos no dependen de la parametrizacion regular elegida, es decir, si ~r1 = ~r es una reparametrizacion de la superficie S, donde : D1 R2 D es un difeomorfismo
( y 1 de clase C 1 ), entonces
RR
(~r1 (s, t))
~r1 (s, t) ~r1 (s, t)
dsdt
s
D1
RR
D
RR
~r
(u, v)
(~r(u, v))
u
~
r
(u, v)
dudv,
v
demostracion es una simple aplicacion del Teorema de Cambio de Variables para integrales dobles. En efecto, sabemos de la regla de la
cadena que
~r1
~r u ~r v
=
+
;
s
u s
v s
~r1
~r u ~r v
=
+
.
t
u t
v t
s
t
u v
u v
v u
s t
s t
D1
ZZ
D1
ZZ
D
u v
~r
~r
v u
(~r((s, t)))
dsdt,
u v
s t
s t
|
{z
}
~r
~
r
(~r(u, v))
u v
dudv.
| det J |
dos veces la misma region. El analogo en curvas es que la parametrizacion no debe devolverse y pasar dos veces por el mismo segmento de la
curva.
DE SUPERFICIE
9. LA NOCION
134
siguiente manera:
ZZ
1
xG =
x dA;
M
1
yG =
M
donde M =
RR
S
ZZ
y dA;
1
zG =
M
~r
dA y dA = u
ZZ
z dA,
~
r
dudv.
v
(2.8)
Podemos resumir lo an-
~rG =
~r dA, con
r = (x, y, z).
M
(2.9)
x
cuya parametrizacion sabemos que esta dada por
R
sen
dd
0
0
0
0
Z Z 2
=
R2 | sen | dd = 4R2 .
0
2. AREA
E INTEGRAL DE SUPERFICIE
135
z
a
x
y cuya parametrizacion es
~r(, ) =
h
cos , sen ,
a
~r ~r
dd
0
0
Z a Z 2
+ h k
dd
a
0
0
Z a Z 2
h
k a
dd
0
0
s
2
Z a
h
2
d
1+
a
0
a a2 + h2 .
Z
136
DE SUPERFICIE
9. LA NOCION
=
(R + a sen ) a
dd
0
0
Z 2 Z 2
=
a|R + a sen |dd
0
0
Z 2 Z 2
=
a(R + a sen )dd
0
= 4 aR.
A(S) =
r
ddr =
r r + 2 k
ddr
0
0
0
0
s
2
Z a Z 2
Z a Z 2
h
h
r k
ddr =
ddr
r2 +
=
2
2
0
0
0
0
s
2
Z 2a
Z a
h
h2
2r
=h
dr =
1+
1 + u2 du
h
2
0
0
h
i 2a
2
h 1
2
2
u 1 + u + ln u + u + 1 0 h
=
2 2
s
s
2
2
2
h 2a
2a
2a
2a
=
+ 1+
.
+ ln
1+
4
h
h
h
h
2. AREA
E INTEGRAL DE SUPERFICIE
137
a
2
.
1 + r 2 1 + r 2 ddr = 2
m=
(1+r )dr = 2 a +
3
0
0
0