NOTAS DE CLASE

CLCULO III
Doris Hinestroza
Diego L. Hoyos

1
ndice general

1. Funciones Vectoriales 5
1.1. El Espacio Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Funciones Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1. Operaciones algebraicas. . . . . . . . . . . . . . . . . . . 8
1.2.2. Lmites, derivadas e integrales. . . . . . . . . . . . . . . 9
1.2.2.1. Teoremas bsicos . . . . . . . . . . . . . . . . . 10
1.3. Curvas y Tangentes . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4. Longitud de arco y reparametrizacin de una curva. . . . . . . 14
1.5. Curvatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5.1. Triedro de Frenet . . . . . . . . . . . . . . . . . . . . . . 19
1.5.2. El vector aceleracin. . . . . . . . . . . . . . . . . . . . 20
1.5.3. *Ecuaciones de Frenet para una curva plana. . . . . . . 21

2. Campos Escalares en R2 y R3 24
2.1. Grfica de z = f (x, y). Curvas y superficies de nivel. . . . . . . 24
2.1.1. Superficies cudricas. . . . . . . . . . . . . . . . . . . . . 31
2.2. Lmites y Continuidad . . . . . . . . . . . . . . . . . . . . . . . 31
2.3. Funciones Diferenciables . . . . . . . . . . . . . . . . . . . . . . 34
2.3.1. Derivadas parciales . . . . . . . . . . . . . . . . . . . . . 34
2.3.2. Superficies parametrizadas . . . . . . . . . . . . . . . . . 35
2.3.3. El plano tangente . . . . . . . . . . . . . . . . . . . . . . 38
2.3.4. El concepto de diferenciabilidad . . . . . . . . . . . . . . 39
2.4. La Regla de la Cadena . . . . . . . . . . . . . . . . . . . . . . . 44
2.4.1. El vector gradiente . . . . . . . . . . . . . . . . . . . . . 46
2.5. Derivadas Direccionales . . . . . . . . . . . . . . . . . . . . . . 48
2.6. Mximos y Mnimos. . . . . . . . . . . . . . . . . . . . . . . . . 51
2.6.1. Criterio para determinar extremos de funciones de dos
variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6.2. Extremos condicionados. . . . . . . . . . . . . . . . . . 55
2.7. *Temas de Lectura . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.7.1. Campos Escalares y Campos Vectoriales . . . . . . . . . 65

2
 2.7.2. Derivada en una direccin de un campo escalar en Rn .
Derivadas direccionales y parciales. . . . . . . . . . . . . 66
2.7.3. Diferenciabilidad de un campo escalar en Rn . . . . . . . 68
2.7.4. Regla de la cadena para campos escalares en Rn . . . . . 71
2.7.5. Derivada en una direccin de un campo vectorial. Deriva-
da direccional . . . . . . . . . . . . . . . . . . . . . . . . 73
2.7.6. Diferenciabilidad de un campo vectorial . . . . . . . . . 74
2.7.7. Regla de la cadena para campos vectoriales. . . . . . . . 76
2.7.8. Frmula de Taylor de orden dos para campos escalares . 80
2.7.9. Naturaleza de un punto crtico teniendo como criterio los
valores propios de la matriz Hessiana . . . . . . . . . . . 82
2.7.10. Criterio para determinar extremos de funciones de dos
variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.7.11. Ley de la conservacin de la energa. Campos conservativos 85

3. Integrales Mltiples 87
3.1. Integrales Dobles . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.1.1. Propiedades de la Integral doble . . . . . . . . . . . . . 88
3.1.2. Integracin en regiones ms generales . . . . . . . . . . 89
3.1.3. Clculo de integrales dobles: reas y volmenes. . . . . . 91
3.1.4. Cambio de variable . . . . . . . . . . . . . . . . . . . . 95
3.1.4.1. La frmula del cambio de variable . . . . . . . 97
3.2. Integrales Triples . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.2.1. Regiones ms generales . . . . . . . . . . . . . . . . . . 102
3.2.2. Cambio de variable en integrales triples. . . . . . . . . . 104
3.2.2.1. Coordenadas cilndricas. . . . . . . . . . . . . . 105
3.2.2.2. Coordenadas esfricas. . . . . . . . . . . . . . . 106
3.3. Aplicaciones de las integrales mltiples. . . . . . . . . . . . . . 107
3.3.1. Momentos y centros de masa. . . . . . . . . . . . . . . . 107
3.3.2. Densidad y masa. . . . . . . . . . . . . . . . . . . . . . . 109
3.3.3. Momento de Inercia. . . . . . . . . . . . . . . . . . . . 112
3.3.4. Probabilidad. . . . . . . . . . . . . . . . . . . . . . . . . 116
3.3.4.1. Valores esperados . . . . . . . . . . . . . . . . 116

4. Integrales de Lnea. reas de Superficies e Integrales de Su-

perficie 117
4.1. Integral de Lnea . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.1.1. Propiedades de la Integrales de lnea . . . . . . . . . . 119
4.2. El concepto de trabajo como integral de lnea . . . . . . . . . . 121
4.3. Campos conservativos y funciones potenciales . . . . . . . . . . 123
4.4. El teorema de Green . . . . . . . . . . . . . . . . . . . . . . . . 124
4.5. rea de una superficie . . . . . . . . . . . . . . . . . . . . . . . 130
4.6. Integral de superficie . . . . . . . . . . . . . . . . . . . . . . . . 133

3
4.6.1. Integral de superficie de una funcin escalar . . . . . . . 133
4.6.2. Integral de superficie de un campo vectorial . . . . . . . 134

4
Captulo 1

Funciones Vectoriales

En este captulo combinaremos el lgebra lineal y los mtodos fundamentales

del clculo para estudiar algunas aplicaciones de las curvas y algunos problemas
de Mecnica.

1.1. El Espacio Rn
El espacio Rn es el conjunto de todas las n-uplas de nmeros reales:

Rn = {(x1 , x2 , ..., xn ) : xi R, i = 1, 2, 3, ...n)} .

Los elementos de Rn se le llaman vectores.

En Rn definimos la suma de vectores y producto por escalares. Si

a = (x1 , x2 , ..., xn )



n
y b = (y1 , y2 , ..., yn ) entonces a + b es el elemento de R dado por

a + b = (x1 + y1 , x2 + y2 , ..., xn + yn ).

Para cada escalar R, el vector

a es definido por

a = (x1 , x2 , ..., xn ).

El producto escalar entre dos vectores de Rn est definido por

n


X
a b = xi yi .
i=1

Recordemos algunas propiedades del producto escalar:

5




a b = b a



(

a + b )
c =

a c + b

c





a b =
  
a b = a b

La longitud o norma de un vector de Rn es definida por

q
||

a .
2 2 2
a || = a = (x1 ) + (x2 ) + ... + (xn )

o
||

a ||2 =

a

a.


La distancia entre

a y b se define por



dist(

a , b ) = k

a b k,

para cada

a y b Rn
Propiedades importantes de la definicin de longitud o norma son las siguientes:

||

a || 0, a Rn


|| a || = || ||
a ||





|| a + b || || a || + || b ||




a b ||

a || || b ||

El ngulo entre los vectores

a y b est dado por la relacin.

a b
cos =

k

a kk b k

En el caso que

a y b R3 definiremos otro producto entre vectores conocido


como producto vectorial que se denota por

a b y lo definimos como
 
 i j k 


 
a b =  x1 x2 x3  = (x2 y3 x3 y2 ,
 x3 y1 x1 y3 , x1 y2 x2 y1 ).
 y1 y2 y3 

6
Recordemos algunas propiedades del producto vectorial




a b

a y
a b b




a b = b a



(
a + b) c = a c + b


c







= (a c) b a b

a b c c


 

(

a) b = =

 
a b a b



(

a b)
c =

a b c .

La norma de

a b est dada por



||

a b || = ||

a || || b ||sen

donde es el ngulo comprendido entre estos vectores.

1.2. Funciones Vectoriales

Una F : J Rn donde J es un conjunto de nmeros reales, se llama funcin
vectorial.



El valor de la funcin F en t lo designaremos corrientemente por F (t). Puesto


que F (t) Rn


F (t) = (f1 (t), f2 (t), ..., fn (t))
donde cada fi es una funcin real fi : J R, i = 1, 2, ...n. Las funciones


fi son llamadas las componentes de la funcin vectorial F . As, cada funcin
vectorial da origen a n funciones reales f1 , f2,..., fn . Indicaremos esta relacin


por F = (f1 , f2,.., fn ). Llamamos a la variable t el parmetro de la funcin.


La ecuacin x = F (t) donde
x = (x1 , x2 , ..., xn ) Rn , nos permite definir
las ecuaciones

x1 = f1 (t)
x2 = f2 (t)
..
.
xn = fn (t)
llamadas ecuaciones paramtricas con parmetro t.
En algunos casos representaremos las funciones vectoriales como combinacin
lineal de la base usual en Rn . Por ejemplo cuando n = 2 algunas veces uti-


lizaremos la representacin F (t) = (x(t), y(t)) = x(t)i + y(t)j donde i = (1, 0)

7


y j = (0, 1) y cuando n = 3 utilizaremos F (t) = (x(t),y(t),z(t)) =x(t)i +
y(t)j+z(t)k donde i = (1, 0, 0), j = (0, 1, 0), k =(0, 0, 1).

Ejemplo 1.2.1 Consideremos el caso de la ecuacin de una recta que pasa

por el punto P0 = (a, b, c) y tiene vector director

a = (l, m, n) . Las ecuaciones
paramtricas de la recta estn dadas por

x = a + lt,
y = b + mt,
z = c + nt.

Estas variables las podemos escribir en forma vectorial de la siguiente manera

F (t) = (x(t), y(t), z(t)) = (a+lt, b+mt, c+nt) = (a, b, c)+t(l, m, n) = P0 +t

a,
donde el parmetro t R. As, la ecuacin vectorial de la recta define la
funcin vectorial


F (t) = P0 + t

a.

Ejemplo 1.2.2 Si consideramos las ecuaciones paramtricas dadas por x =

cos t y y = sent, 0 t 2, obtenemos la funcin vectorial


F (t) = cos ti + sen tj.

La norma o longitud de F (t) para cada t est dada por

p 2

F (t) = cos t + sen2 t = 1.

El vector F (t) describe una circunferencia de radio 1 en sentido contrario a
las manecillas del reloj dando una vuelta completa cuando t aumenta de 0 a
2.

1.2.1. Operaciones algebraicas.

Las operaciones algebraicas de los vectores pueden aplicarse para las funciones


vectoriales. Sean F , G , funciones vectoriales definidas sobre un dominio comn


y f una funcin real, entonces definimos las funciones F + G , f F , F G ,
mediante
 
F + G (t) = F (t) + G(t),



f F (t) = f (t) F (t),




F G (t) = F (t) G (t).

8
(El producto aqu considerado es el de producto escalar).
Observemos que el producto escalar de funciones vectoriales es una funcin
real.


Adems en el caso de que F y G tengan sus valores en R3 podemos definir el
producto vectorial 



F G (t) = F (t) G (t).

1.2.2. Lmites, derivadas e integrales.

Los conceptos fundamentales de lmite, continuidad, derivadas e integral pueden
generalizarse naturalmente para funciones vectoriales.


Si F = (f1 , f2,.., fn ) es una funcin vectorial y L = (l1 , l2 , ..., ln ) Rn , definimos
el lmite por


lm F (t) = L lm f1 (t) = l1 , lm f2 (t) = l2 , lm fn (t) = ln
ta ta ta ta

siempre que los lmites existan.

Diremos que F es continua en a si lm F (t) = F (a). Es decir, F es continua
ta
en a si y solo si cada componente es continua en a.
Si una funcin vectorial continua est definida en el intervalo [a, b], entonces ca-
da componente real es continua en [a, b] y por lo tanto integrable. As podemos
definir !
Z b Z b Z b Z b


F (t)dt = f1 (t)dt, f2 (t)dt, ..., fn (t)dt
a a a a

Igualmente, la derivada F 0 (t) de una funcin vectorial F (t) se define exacta-


mente de la misma forma que la derivada de una funcin real, es decir F (t) es
diferenciable en t, si




F (t + h) F (t)
F 0 (t) = lm
h0 h

existe. De acuerdo a la definicin del lmite para funciones vectoriales podemos

decir que la funcin vectorial F (t) es diferenciable si y slo si cada componente
es diferenciable. En este caso


F 0 (t) = (f10 (t), f20 (t), ..., fn0 (t))


Diremos que F es continua, derivable o integrable en un intervalo si cada com-
ponente lo es. De acuerdo a estas definiciones muchos de los resultados sobre
lmites, continuidad, derivacin e integracin de funciones reales son vlidos
para las funciones vectoriales.

9
Denotaremos las derivadas por



0
dF
F (t) = Dt F = .
dt


En el caso de n = 2, si F (t) = (x(t), y(t)) = x(t)i + y(t)j,



0


dF dx dy dx dy
F (t) = Dt F = = , = i + j.
dt dt dt dt dt


En el caso de n = 3, si F (t) = (x(t), y(t), z(t)) = x(t)i + y(t)j+z(t)k,



0


dF dx dy dz dx dy dz
F (t) = Dt F = = , , = i + j+ k.
dt dt dt dt dt dt dt

1.2.2.1. Teoremas bsicos

Teorema 1.2.1 Si F , G , funciones vectoriales y f una funcin real son


diferenciables, entonces lo mismo ocurre con las funciones F + G , f F , F G ,
y tenemos



( F + G )0 = F 0 + G0




(f F )0 = f0 F + fF0
 0

F G = F 0 G + F G0

Si F y G tienen valores en R3 , entonces

0

F G = F 0 G + F G0

Demostracin. Vamos a demostrar la segunda propiedad. Las dems se prue-

ban de manera similar.

0 0 0
(f F )0 = ((f f1 ) , (f f2 ) , ..., (f fn ) )
= (f 0 f1 + f f10 , f 0 f2 + f f20 , ..., f 0 fn + f fn0 )
= f 0 (f1 , f2 , ..., fn ) + f (f10 , f20 , ..., fn0 )


= f0 F + fF0

El siguiente es un teorema muy importante y caracteriza las funciones vectori-

ales que tienen longitud constante.

10


Teorema 1.2.2 Una funcin vectorial F (t) diferenciable tiene longitud con-



stante en un intervalo abierto I, si y slo si F (t) F 0 (t) = 0. Esto significa que



los vectores F (t) y F 0 (t) son perpendiculares para cada t I.


Demostracin. Vamos inicialmente a suponer que la longitud de F (t) es




constante. Definamos la funcin g(t) = || F (t)||2 = F (t) F (t). De acuerdo a
la hiptesis g(t) = c para todo t I donde c es una constante. Por lo tanto
g 0 (t) = 0 en I. Como g es un producto escalar, tenemos que







g 0 (t) = F 0 (t) F (t) + F (t) F 0 (t) = 2 F (t) F 0 (t) = 0,



entonces F (t) F 0 (t) = 0 en I.



Para mostrar el recproco consideremos que F (t) F 0 (t) = 0 en I y definamos

2



g(t) = F (t) . Derivando g(t) tenemos que g 0 (t) = 2 F (t) F 0 (t) y aplicando


la hiptesis tenemos que g 0 (t) = 0 para todo t I. As la longitud de F (t) es
constante.

Los siguientes teoremas se demuestran teniendo en cuenta las propiedades de

los vectores y los teoremas bsicos de derivadas de una variable como la regla
de la cadena y los teoremas fundamentales del clculo.

Teorema 1.2.3 (Regla de la cadena para funciones vectoriales). Sea

G = F u donde F es una funcin vectorial y u es una funcin real. Si u es


continua en t y F es continua en u(t) entonces G es continua en t. Adems si



u es diferenciable en t y F es diferenciable en u(t) entonces G es diferenciable
en t y



G0 (t) = F 0 (u(t))u0 (t).

Teorema 1.2.4 (Primer Teorema Fundamental del Calculo para funciones

Vectoriales) Sea F : [a, b] Rn una funcin vectorial continua y definamos
Z t



A (t) = F (s)ds, a t b
a




Entonces A0 existe y A0 (t) = F (t).

Teorema 1.2.5 (Segundo Teorema Fundamental del Calculo para funciones

Vectoriales). Supongamos que la funcin F tiene derivada continua F 0 en un
intervalo I. Entonces para cada t I tenemos
Z t




F 0 (s)ds = F (t) F (a)
a

11
o
t




Z
F (t) = F (a) + F 0 (s)ds.
a

1.3. Curvas y Tangentes

A las funciones vectoriales diferenciables las llamaremos curvas y las denotare-


mos con la letra
r en lugar de la letra F . As, una curva en Rn es una funcin

r : I Rn diferenciable; la curva es regular, si r0 (t) 6= 0 para todo t. A no
ser que se diga lo contrario, nuestras curvas siempre sern regulares. Tambin
llamaremos curva o trayectoria al rango o conjunto imagen de la funcin r,
esto es, al conjunto C definido por

C = {

x :

x =

r (t) para algn t I}.

En este caso, la funcin

r se denomina parametrizacin de C, y diremos que
la curva C est descrita paramtricamente (o parametrizada) por
r . Cuando
n = 2 3 podemos representar geomtricamente la curva. Por ejemplo, en el
caso de n = 3, la curva descrita por

r (t) = P + t

a es una lnea recta que pasa


por el punto P y tiene vector director a .

Observacin 1.3.1 El grfico de cualquier funcin real y = f (x) puede ser

dado en forma paramtrica mediante las ecuaciones: x = t y = f (t) o en forma
vectorial como


r (t) = (t, f (t)).


Definicin 1.3.1 La derivada r0 (t0 ) de una curva
r en t0 est ligada al con-
cepto de tangencia, como en el caso de una funcin real. Formamos el cociente
de Newton


r (t0 + h)
r (t0 )
,
h

12
Investigamos el comportamiento de este cociente cuando h 0. El cociente es
el producto del vector

r (t0 + h)
r (t0 ) por el escalar 1/h. Observemos que
el numerador es paralelo a este cociente. Si hacemos que h 0 tenemos que


r (t0 + h)

r (t0 )
lm = r0 (t0 )
h0 h

suponiendo que este lmite exista. La interpretacin geomtrica sugiere la sigu-

iente definicin.

Definicin 1.3.2 Sea C la curva parametrizada por r =

r (t). Si la derivada

0
r existe y no es nula, la ecuacin de la recta tangente que pasa por el punto

r (t0 ) y tiene vector director r0 (t0 ) est dada por
r (t) =

r (t0 ) + t r0 (t0 ). El

0
vector r (t0 ) se llama vector tangente a C en r (t0 ).

Ejemplo 1.3.1 Recta. Consideremos la funcin vectorial

r (t) = P + t
a,



0

siendo a 6= 0 , tenemos que r = a , as que la recta tangente coincide con la
curva de

r.

Ejemplo 1.3.2 Circunferencia. Si

r (t) describe una circunferencia de radio
R y centro en el punto P , entonces || r (t) P || = R. El vector
r (t) P
geomtricamente representa un vector que va desde el punto P al punto r (t).


Puesto que este radio vector tiene longitud constante, tenemos que r (t) P


y su derivada (r (t) P )0 = r0 (t) son perpendiculares y por lo tanto el radio
vector es perpendicular a la recta tangente. As pues, para una circunferencia
la definicin de tangente coincide con aquella dada en la geometra elemental.

Puede pensarse que la curva C es la trayectoria de una partcula que se mueve

en el espacio a medida que transcurre el tiempo t, as, r (t) es la posicin

0
de la partcula en el tiempo t. r (t) es entonces la velocidad de la partcula,
que tambin denotamos
v (t). La norma de la velocidad k
v (t) k se denomina

13


rapidez de la curva y se denota v(t). La segunda derivada r00 (t) es la aceleracin


de la curva y se denota a (t).
Si conocemos la aceleracin de una partcula en un tiempo t y si tambin sabe-
mos su velocidad y su posicin en un tiempo especfico t0 , entonces podemos
conocer su velocidad y su posicin en cualquier tiempo t, como se muestra en
el siguiente ejemplo.

Ejemplo 1.3.3 Se sabe que la aceleracin de una partcula que se mueve en

el espacio est dada por
a (t) = 2t i + sent j + cos 2t k . Si su velocidad y



posicin en t = 0 estn dados por
v (0) = i y r (0) = j , hallar su posicin
en cualquier tiempo t.


Solucin. Puesto que
a (t) = v 0 (t), entonces

R





v (t) =
R
a (t)dt = (2t i +sent j +cos 2t k )dt = t2 i cos t j + 21 sen2t k +
c,

donde la constante c = (c1 , c2 , c3 ). Por un lado

v (0) = (0, 1, 0)+(c1, c2 , c3 ) =


(c1 , c2 1, c3 ) y por otro lado, v (0) = (1, 0, 0), de tal manera que c1 = 1, c2 = 1




y c3 = 0, y la velocidad es entonces
v (t) = (t2 + 1) i + (1 cos t) j + 21 sen2t k .
Ya podemos hallar su posicin puesto que

t3
1


Z


r (t) =

v (t)dt = ( + t) i + (t sent) j cos 2t k + (c1 , c2 , c3 )
3 4

y puesto que por hiptesis r (0) = (0, 1, 0), y por otro lado

r (0) = (c1 , c2 , 41 +
t3

c3 ) tenemos que la posicin en un tiempo t est dada por
r (t) = ( + t) i +

3


(t sent + 1) j + ( 14 41 cos 2t) k .

1.4. Longitud de arco y reparametrizacin de una

curva.
Sea C una curva parametrizada por
r = r (t), t [a, b]. Si reemplazamos t
por una funcin diferenciable h : [c, d] [a, b], creciente o decreciente de otra
variable u, t = h(u), obtenemos una nueva parametrizacin de r de la forma

(u) = r (h(u)), esto es, la composicin de r con h.

Nota: A veces, para simplificar la notacin y cuando no haya peligro de con-

fusin, denotaremos la reparametrizacin
con la misma letra r y en lugar



de escribir t = h(u) escribimos t = t(u) as: r (u) = r (t(u)); lo mismo para
la inversa u = h1 (t) escribimos u = u(t). Si h es creciente, diremos que el
cambio de parmetro preserva la orientacin y si h es decreciente, diremos que

14
h invierte la orientacin.

Ejemplo 1.4.1 Sabemos que la ecuacin y = 1 x2 , x [1, 1] repre-
senta la mitad superior de un crculo
de radio 1. Podemos parametrizar di-
cho semicrculo por r (t) = (t, 1 t2 ), t [1, 1] con orientacin del
punto (1, 0) al punto (1, 0). Escribiendo
t = t(u) = cos u obtenemos la
reparametrizacin r (u) = (cos u, 1 cos2 u) = (cos u, sen u). Si tomamos
u [0, ] = [arc cos(1), arc cos(1)] obtenemos una reparametrizacin que in-
vierte la orientacin pues en dicho intervalo cos es decreciente.
La longitud de una curva

r =

r (t) para t [a, b] se define por

Zb


L(

r)= || r0 (t)||dt
a

En los casos n = 2 y n = 3, esto es, cuando

r (t) = (x(t), y(t)) y

r (t) =
(x(t), y(t), z(t)), sus longitudes son
Z b
L(
p
r)= x0 (t)2 + y 0 (t)2 dt
a
y
Z b
L(
p
r)= x0 (t)2 + y 0 (t)2 + z 0 (t)2 dt
a
Por ejemplo, en el crculo

r (t) = (acost, asent), para t [0, 2], tenemos que

r (t) = (asent, acost) y || r0 (t)|| = a por lo que su longitud es
0

Z 2
L(

r)= adt = 2a
0
y en el caso de la hlice r (t) = (acost, asent, bt), su longitud desde el punto
(1, 0, 0) hasta el punto (1, 0, 2) es
Z 2 p p
a2 + b2 dt = 2 a2 + b2 .
0
Ntese que al reparametrizar una curva, ni su forma ni su longitud cambian.
Esto ltimo se deduce del hecho de que haciendo t = h(u) y suponiendo h
creciente

Zd Zd Zd Zb
0
0
0

0 0
(u) du = r (h(u))h (u) du = || r (h(u))||h (u)du = r0 (t) dt

c c c a

15
El estudiante puede hacer algo anlogo para h decreciente.
Sin embargo, escribiendo
r (u) =
r (t(u)) se tiene que

d
 
r = d r  dt 
 
du dt  du 
 dt 
lo que muestra que su rapidez s cambia por el factor  du ; incluso la velocidad
puede invertir su sentido en el caso en que t = t(u) sea decreciente pues en este
dt
caso < 0.
du
Pregunta: Se podr reparametrizar una curva cualquiera de tal manera que
su rapidez sea constante? La respuesta es s, como veremos a continuacin.


Sea
r = Rt
r (t), t [a, b] una curva cualquiera, y sea s = s(t) = a r0 (u) du.

s = s(t) se denomina funcin longitud de arco y mide la longitud de r desde

ds

0

a hasta t. Puesto que = r (t) > 0, s(t) es una funcin creciente y como
dt
s(a) = 0 y s(b) = L (su longitud total), su inversa t = t(s) es creciente con
dominio [0, L]. Utilizando esta inversa como cambio de parmetro, obtenemos
la parametrizacin r (s) =
r (t(s)) en donde el parmetro es la longitud del
arco s. La velocidad de esta parametrizacin es

dr d
r dt
=
ds dt ds

d

dt 1 1 r = 1. As vemos que cuando la

Como = ds =
, tenemos que
ds dt
0
r (t)
ds
curva est parametrizada por longitud de arco, su rapidez es constante e igual

a 1. Recprocamente, si r =

r (t) es una curva tal que r0 (t) = 1, entonces

Rt Rt
s = 0 r0 (u) du = 0 du = t, es decir el parmetro t es la longitud del arco

s. Hemos demostrado el siguiente teorema:

Teorema 1.4.1 Una

curva r = r (t) est parametrizada por longitud de arco
si y solo si r0 (t) = 1.

Ejemplo 1.4.2 Parametrizar por longitud de arco el crculo de radio a, r (t) =

(a cos(t), a sen(t)),t [0, 2].



Rt

Tenemos que r0 (t) = (a sen(t), a cos(t)) y r0 (t) = a. As, s = 0 r0 (u) du =

Rt s
0 a du = at. Despejando t tenemos que t = a y reemplazando obtenemos

s s
r (s) = (a cos( ), a sen( )) es la parametrizacin pedida.
a a

16
1.5. Curvatura
La curvatura es el concepto ms importante de la teora de curvas y mide
qu tanto se dobla una curva en un punto determinado. Puesto que la forma
como se dobla una curva tiene que ver con su concavidad, es apenas natural
pensar que la segunda derivada tiene que estar involucrada, esto es, la razn de
cambio del vector tangente. Definiremos inicialmente la curvatura de una curva
parametrizada por la longitud de arco s y luego deduciremos una frmula para
la curvatura de una curva con cualquier parmetro t.

Definicin

1.5.1 Sea C una curva parametrizada por r = r (s) donde s =
Rt
0
r (u) du. Definimos la curvatura de C por

0



k(s) = r00 (s) (1.1)

Ejemplo 1.5.1 Calcular la curvatura del crculo de radio a,

r (t) = (a cos t, asent).
En el ejemplo anterior vimos que la parametrizacin por longitud de arco del
s s
crculo es
r (s) = (a cos( ), a sen( )). Tenemos entonces que la segunda
a a



1 s 1 s
derivada de r es r00 (s) = cos( ), sen( ) y por lo tanto k(s) =
a a a a


1
00
r (s) = .

a
Nota.
Esta definicin solo es vlida para curvas parametrizadas por longitud de arco
y no sirve como definicin de curvatura de una curva con cualquier parmetro


00
t (es decir, escribir k(t) = r (t) ). Para ver porqu esto es as, vea el ejercicio

y la observacin al final de esta seccin.

En principio, si queremos calcular la curvatura de una curva con cualquier

parmetro t, deberamos primero reparametrizarla por longitud de arco y aplicar
la ecuacin 1.1 como se hizo en el ejemplo anterior. Esto no es prctico por la
dificultad en el clculo de la integral involucrada o porque a menudo es muy
difcil o virtualmente imposible invertir dicha integral. Para encontrar una fr-
mula de la curvatura con cualquier parmetro t, definamos el vector tangente
unitario de una curva parametrizada por r =r (t) as:

0

r (t)
T (t) =

0 (1.2)
r (t)

Reparametrizando entonces por longitud de arco, tenemos que r (s) = r (t(s))

donde t = t(s) es la inversa de la funcin longitud de arco s = s(t); se tiene en-

17



tonces tambin que el vector tangente unitario tiene la forma T (s) = T (t(s)).

0

Entonces r (s) = T (s) y la segunda derivada de
r es


0

00

0 d T dt T (t)
r (s) = T (s) = =

dt ds r0 (t)

y puesto que la curvatura es la norma de este vector, tenemos que

0

T (t)
k(t) =
. (1.3)
r0 (t)

Esta frmula nos permite calcular la curvatura de una curva cualquiera sin tener
que reparametrizarla por longitud de arco. Podemos encontrar una frmula


ms sencilla que slo involucre r y sus derivadas (y no el vector T ) dada en el
siguiente teorema.

Teorema 1.5.1
0

r (t) r00 (t)

k(t) = (1.4)
0 3

r (t)





Demostracin. Escribiendo v(t) = r0 (t) tenemos que r0 (t) = v(t) T (t);
derivando obtenemos




r00 (t) = v 0 (t) T (t) + v(t)T 0 (t)
.
Entonces

0


r r00 = v T v 0 T + v T 0

= vv 0 T T + v 2 T T 0

= v2 T T 0
Por lo tanto

0
2


r r00 = v 2 T T 0 = r0 T T 0 sen(/2)

puesto que T es perpendicular a T 0 . Y como T = 1 se tiene que

18

0
2


r r00 = r0 T 0 .

3

Dividiendo a ambos lados de esta ltima ecuacin por r0 se obtiene la fr-
mula deseada.

La curvatura de una curva con cualquier parmetro t est bien definida por
la ecuacin 1.3, en el sentido de que es independiente de la parametrizacin
elegida, es decir, que para calcular la curvatura no interesa qu parametrizacin
tomemos. Esto se demuestra de la siguiente manera: si
es una reparametrizacin




de r , esto es, (u) = r (h(u)) con h(u) = t y llamamos k ,kr ,T y Tr a las
curvaturas y al vector tangente unitario en las dos parametrizaciones, entonces:

0

0

0

T (u) Tr (h(u))h0 (u) Tr (t)

k (u) =
=
=
0 = kr (t)

0 (u) r0 (h(u))h0 (u) r (t)

Note que si en la ecuacin 1.3 hacemos t = s obtenemos la ecuacin 1.1.

Puede probarse fcilmente que si la curvatura de una curva es cero en todos

sus puntos, dicha curva es una linea recta, que es efectivamente lo que nos
dice la intuicin. Para ello notemos que como la curvatura es independiente

0
de la parametrizacin, podemos suponer r (t) = 1. Si k = 0, entonces por


la ecuacin 1.1 debe ser r00 (t) = 0. Integrando entre t0 y t se obtiene que

0
0
r (t) = r (t0 ) e integrando de nuevo obtenemos r (t)

r (t0 ) = (t t0 )

r 0 (t0 )


0

esto es, r (t) = (t t0 ) r (t0 ) + r (t0 ) que ciertamente es una lnea recta.

1.5.1. Triedro de Frenet

Para una curva

r =

r (t) definimos el vector normal unitario por



T 0 (t)
N (t) =
0
(1.5)
T (t)


Note que N T puesto que kT k = 1. Definimos tambin el vector binormal
por




B (t) = T (t) N (t)

19


n o
vector que es perpendicular tanto a T como a N . La tripla T , N , B se de-
nomina triedro de Frenet y juega un papel central en el estudio de la geometra
de curvas.

n o
El plano generado por el par T , N se denomina plano osculador .
n o
El plano generado por el par N , B se denomina plano normal.
n o
El plano generado por el par T , B se denomina plano rectificante.
Las ecuaciones de dichos planos en un punto
r (t0 ) son




plano osculador: ( x r (t0 )) B (t0 ) = 0.


plano normal: (x
r (t0 )) T (t0 ) = 0.


plano rectificante: (

x r (t0 )) N (t0 ) = 0.

1.5.2. El vector aceleracin.

Si escribimos
v = r0 y v = r0 , tenemos que


v = v T . Derivando a ambos
lados de esta ecuacin, obtenemos:

0


v =
a = v0 T + vT 0




Como T 0 = T 0 N = kv N , entonces

a = v 0 T + kv 2 N

20
Escribiendo aT = v 0 y aN = kv 2 tenemos que la aceleracin es una combinacin




lineal de los vectores T y N de la forma a = aT T + aN N , lo que nos dice
que el vector aceleracin est siempre sobre el plano osculador.
Podemos encontrar expresiones para aT y aN en trminos solamente de las
derivadas de r as:



v
a = v T v 0 T + kv 2 N



= vv 0 T T + kv 3 T N
0
= vv


0
0 v
a r r00
As, aT = v = =
.
v r0

0
2
0
r r00 r0 r r00

2
Para aN , observemos que aN = kv = = 0 .

0 3

r r
El estudiante puede demostrar fcilmente que tambin se tiene que k
2
ak =
a2T + a2N .

1.5.3. *Ecuaciones de Frenet para una curva plana.

Las ecuaciones de Frenet expresan la variacin de los vectores T y N en tr-
minos de ellos mismos y desempean un papel fundamental en el estudio de la
geometra de las curvas. Deduciremos estas ecuaciones en el caso de una curva
plana.




De la ecuacin 1.5 obtenemos T 0 = T 0 N y reemplazando T 0 por lo dado
en la ecuacin 1.3 tenemos que



T 0 = vk N (1.6)



donde v = r0 .



Esta es la primera ecuacin de Frenet. Por otro lado como N = 1 tenemos



que N 0 N y como la curva es plana, entonces N 0 es paralelo a T y por lo

0

tanto existe un escalar tal que N = T . Al multiplicar a ambos lados de



esta ecuacin por T , obtenemos que = T N 0 . Por otro lado, derivando la


0 0
ecuacin T N = 0 obtenemos T N + T N = 0 lo que es equivalente a


kv N N + T N 0 = 0 por la primera ecuacin de Frenet (ecuacin 1.6) y as,

0
= T N = vk, y obtenemos la segunda ecuacin de Frenet

21



N 0 = vk T (1.7)
Las ecuaciones 6 y 7, llamadas Ecuaciones de Frenet se pueden escribir en la
forma matricial

!   !
T0
0 0 k T
= r

N0 k 0 N
Ejercicio
1
Demostrar que si una curva tiene curvatura k = (constante) entonces es un

a
crculo de radio a (con centro en algn punto P ).
Puesto que la curvatura
es independiente de la parametrizacin, podemos
0
suponer v(t) = r (t) = 1. Para demostrar que
r es un crculo de radio





a con centro en P , debemos probar que r (t) + a N (t) = P pues entonces

r (t) P = a N (t) y as,

r (t) P = a, como se observa en la figura

abajo.

d


Para ver esto, observe que (
r (t) + a N (t)) = r0 (t) + aN 0 (t). Pero la se-
dt
1
gunda ecuacin de Frenet (ecuacin 1.7) es N 0 (t) = T (t), por lo tanto
a

0

1

r (t) + aN 0 (t) = T (t) a. T (t) = 0 y por lo tanto
r (t) + a N (t) =constante.

a
Llamando P a dicha constante, se tiene lo que se quiere demostrar.

Observacin.

22
Se defini la curvatura de una curva parametrizada por longitud de arco como
la norma del cambio en el vector tangente (ecuacin 1.1). Esta definicin no
funciona
para
una curva con cualquier parmetro t. Para ver
esto basta observar

que r (t) = 2 (constante) para la parbola
00
r (t) = t, t2 , lo que significara

que la parbola es un crculo!!

23
Captulo 2

Campos Escalares en R2 y R3

Una funcin de n variables campo escalar, es una funcin f : U Rn R. Si

(x1 , x2 , . . . , xn ) U , su imagen por f es un nmero real xn+1 = f (x1 , x2 , . . . , xn ).
En este curso solo estudiaremos los casos n = 2 y n = 3 y entonces escribire-
mos z = f (x, y) y w = f (x, y, z) respectivamente. U es el dominio de f y es un
subconjunto del plano del espacio.

Ejemplo 2.0.2 Hallar el dominio de f (x, y) = x ln y.

Es claro que xpuede tomar cualquier valor real, mientras que ysolo puede tomar
valores positivos; por lo tanto el dominio de f es el conjunto U = {(x, y)|x
R, y R+ }, esto es, el semiplano superior del plano R2 .
p
Ejemplo 2.0.3 Hallar el dominio de f (x, y) = 1 x2 y 2 .
Puesto que 1 x2 y 2 0, f solo puede ser calculado en los puntos del disco
x2 + y 2 1.

2.1. Grfica de z = f (x, y). Curvas y superficies

de nivel.
La grfica de una funcin de dos variables es un subconjunto de R3 y se define
por

Graf (f ) = {(x, y, f (x, y))|(x, y) U } R3

La grfica de z = f (x, y) la denominamos superficie. Dibujar "a mano" una su-
perficie es difcil y lo mejor es recurrir a un computador. Sin embargo, podemos
hacernos una idea de cmo es una superficie (o por lo menos las ms utilizadas
en la prctica), viendo las curvas que se forman al cortar la superficie con planos
paralelos a los planos coordenados, llamadas trazas. En particular, las trazas

24
con planos paralelos al plano xy se denominan curvas de nivel, que se obtienen
intersectando la grfica de f con los planos z = c (constante), esto es, la curva
de nivel en el nivel c es el subconjunto del plano definido por

Lf (c) = {(x, y)|f (x, y) = c} R2

Para las trazas con planos paralelos a los planos coordenados xz y yz hacemos
y = c y x = c. Veamos algunos ejemplos.

Ejemplo 2.1.1 Sea f : R2 R definida por

z = f (x, y) = x2 + y 2 .

Dado un nmero real c, la curva de nivel al nivel c de f est dada por

Lf (c) = {(x, y) : x2 + y 2 = c}.

Claramente si c < 0, Lf (c) = (vaco); si c = 0, Lf (c) = {(0, 0)}; para

cualquier c > 0,los conjuntos de nivel son circunferencias con centro en el
origen de radio c. La figura muestra las circunferencias concntricas

En el ejemplo anterior, las curvas de nivel son crculos que se expanden a

medida que aumentamos el valor de c. En la siguiente grfica, a la derecha
vemos una imagen tridimensional de estos crculos; cada uno de ellos est
sobre el plano z = c.

25
Sin embargo, esto no es suficiente. Necesitamos ver las trazas con los planos
coordenados yz y xz. Para ver el corte con el plano yz, hacemos x = 0 en la
funcin f ; tenemos entonces que dicho corte es la parbola z = y 2 . Igualmente,
para el corte con el plano xz, hacemos y = 0 para obtener la parbola z = x2 .
Abajo puede verse la grfica de dicha funcin, llamada paraboloide.

p
Ejemplo 2.1.2 Hagamos la grfica de la funcin z = f (x, y) = x2 + y 2 .
Las curvas de nivel estn dadas por el conjunto

p
Lf (c) = {(x, y) : x2 + y 2 = c} = {(x, y) : x2 + y 2 = c2 }

esto es, crculos concntricos de radio c.

26
Observe que esta grfica aparentemente es igual a la del paraboloide, sin em-
bargo la grfica de f no es un paraboloide como lo muestran
p los cortes con los
otros planos coordenados: Si x = 0, obtenemos z = y 2 = |y|, esto es, las dos
rectas z = y y z = y. De la misma manera, si y = 0 obtenemos las rectas
z = x, y z = x. Vemos la grfica abajo, que evidentemente es un cono.

Ejemplo 2.1.3 Veamos ahora la funcin z = y 2 x2 .

Las curvas de nivel son las hiprbolas y 2 x2 = c, como se observa en la figura
abajo.

27
Note que en el caso c = 0 obtenemos la hiprbola degenerada x2 = y 2 que
corresponde a las dos rectas y = x y y = x.
El corte con el plano yz es la parbola z = y 2 y el corte con el plano xz es
la parbola z = x2 . Esta grfica se llama paraboloide hiperblico o silla de
montar y tiene el aspecto que se muestra abajo.

Ejemplo 2.1.4 Veamos la grfica de la superficie dada por la ecuacin z = y 2 .

Observe que en la ecuacin no aparece la variable x; esto significa que x toma

28
todos los valores reales. Superficies de este tipo se llaman cilindros. Cuales
son las curvas de nivel? Su grfica puede verse abajo.

Para el caso de una funcin de tres variables w = f (x, y, z), su grfica se define
por el conjunto

Grf (f ) = {(x, y, z, f (x, y, z)) |(x, y, z) U } R4

Por supuesto no podemos hacer un dibujo de ella por estar en el espacio cu-
atridimensional R4 . Sin embargo tenemos el concepto de superficie de nivel
definido de forma anloga al de curva de nivel as:

Sf (c) = {(x, y, z) |f (x, y, z) = c} R3

y aunque no podamos despejar z explcitamente en trminos de x y de y, s

podemos encontrar las trazas con los planos coordenados. Veamos ejemplos de
esto.

Ejemplo 2.1.5 Consideremos la funcin de tres variables w = f (x, y, z) =

x2 + y 2 + z 2 . La superficie de nivel en el nivel 1 es el conjunto {(x, y, z) :
2 2 2 2 2 2
+ y + z = 1}. Haciendo z = c, obtenemos crculos x + y = 1 c de radio
x
2
1 c por lo que debemos tener 1 c 1. En la figura abajo se muestran
estas curvas.

29
De la misma manera obtenemos crculos al cortar la superficie con planos par-
alelos a los otros dos planos coordenados. La figura obtenida es una esfera de
radio 1.

Ejemplo 2.1.6 Las superficies de nivel de la funcin f (x, y, z) = x2 + y 2 z 2

es el conjunto de nivel {x, y, z) : x2 + y 2 z 2 = c}. El lector no tendr dificultad
en comprobar que las grficas que se muestran abajo corresponden a c = 1, c =
0, c = 1 respectivamente, llamadas hiperboloide de una hoja, doble cono e
hiperboloide de dos hojas.

30
Observemos que la grfica de una funcin de dos variables puede verse como
la superficie de nivel de una funcin de tres variables. Si f : R2 R,
recordemos que la grfica de f es

Gf = {(x, y, z) R3 : z = f (x, y), (x, y) }

Gf = {(x, y, z) R3 : (x, y) , z f (x, y) = 0 } = Lg (0)

donde g(x, y, z) = z f (x, y). As la grfica de una funcin de dos variables es

una superficie de nivel de una funcin de tres variables.

2.1.1. Superficies cudricas.

Consideremos las funciones de tres variables sobre R3 que son de tipo polinomial

f (x, y, z) = Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Hx + Iy + Jz + K,

donde A, B, C, D, E, F, G, H, I, J, K son constantes. Si A, B.C, D, E, F no son

simultneamente cero las superficies de nivel

Lf (c) = {(x, y, z) R3 : Ax2 +By 2 +Cz 2 +Dxy+Exz+F yz+Hx+Iy+Jz+K = c

se llaman superficies cudricas.

Si A = B = C = D = E = F = 0, tenemos que la superficie de nivel de f
determina como superficie un plano dado por Hx + Iy + Jz + K = c
En general estas superficies cudricas pertenecen a nueve tipos diferentes: El
elipsoide, el hiperboloide de una hoja, el hiperboloide de dos hojas, el cono, el
paraboloide elptico, el paraboloide hiperblico, el cilindro elptico, el cilindro
hiperblico.

2.2. Lmites y Continuidad

Utilizamos la notacin lm f (x, y) = L para indicar que podemos aprox-
(x,y)(x0 ,y0 )
imar la funcin f (x, y) tanto como queramos a un nmero L siempre y cuan-
do tomemos (x, y) suficientemente cerca del punto (x0 , y0 ) pero con (x, y) 6=

31
(x0 , y0 ). En otras palabras, f (x, y) est cerca de L si (x, y) est cerca de (x0 , y0 )
y entre ms cerca est (x, y) de (x0 , y0 ), ms cerca est f (x, y) de L. Esto sig-
nifica que podemos tomar la distancia entre f (x, y) y L tan pequea como
queramos siempre y cuando la distancia entre (x, y) y (x0 , y0 ) sea lo suficien-
temente pequea. Tenemos entonces la equivalencia

lm f (x, y) = L lm |f (x, y) L| = 0
(x,y)(x0 ,y0 ) ||(x,y)(x0 ,y0 )||0

que podemos escribir tambin en la forma

f (x, y) L cuando (x, y) (x0 , y0 )|f (x, y) L| 0 cuando

p
(x x0 )2 + (y y0 )2 0.

As, el lmite de una funcin de dos variables se reduce al lmite usual del
clculo de una variable, y es por esta razn que las propiedades usuales de los
lmites unidimensionales tambin son vlidas para lmites de funciones de dos
variables. Claramente se ve que la definicin anterior de lmite es vlida para
cualquier campo escalar en Rn , con solo reemplazar la pareja (x, y) por un
vector
x Rn y la pareja (x0 , y0 ) por cualquier vector

a Rn .
Las propiedades de los lmites y de la continuidad las resumimos en los sigu-
ientes teoremas:

Teorema 2.2.1 Si lm f (


x)=b y lm g(


x ) = c, entonces
xa xa

1. lm (f (


x ) + g(

x )) = b + c,
xa

2. lm f (


x ) = b para todo escalar ,
xa

3. lm f (


x )g(

x ) = b c,
xa

4. lm |f (


x )| = |b| ,
xa

Definicin 2.2.1 Diremos que un campo escalar f es continuo en

a si

lm f (

x) =
x a


f ( a ).
As como con las funciones de una sola variable, tambin son continuas las
sumas, productos y cocientes de funciones continuas (una vez que, en el ltimo
caso, se evite la divisin entre cero).

Teorema 2.2.2 Si una funcin g de n-variables es continua en a y una fun-

cin f de una variable es continua en g( a ), entonces la funcin compuesta
f g, definida por (f g)(

x ) = f (g(

x )) es continua en

a.

32
Decir que f es continua sobre un conjunto U significa que f (

x ) es continua en
cada punto del conjunto.

Para calcular un lmite, existe la dificultad de que (x, y) puede aproximarse a

(x0 , y0 ) por muchos caminos, (contrario al caso unidimensional en el cual solo
existen dos caminos de acercamiento: por la izquierda y por la derecha) y para
que el lmite exista, debe ser el mismo para todos los caminos de acercamiento.
Es claro entonces, que el lmite no existe si por dos caminos distintos se ob-
tienen lmites diferentes, como se ve en el siguiente ejemplo.

x2 y 2 0
Ejemplo 2.2.1 Para probar que lm 2 2
(que es de la forma ) no
(x,y)(0,0) x + y 0
existe, observamos resultados distintos si nos acercamos al origen por el eje x
y por el eje y as:
Acercamiento por el eje x: tomamos y = 0
x2
lm f (x, 0) = lm 2 = 1
(x,0)(0,0) x0 x
Acercamiento por el eje y: tomamos x = 0
y 2
lm f (0, y) = lm 2 = 1
(0,y)(0,0) y0 y

Son continuas las funciones

X f (x, y) = x, f (x, y) = y, todos los polinomios de
i j
la forma f (x, y) = aij x y y en general todas las posibles combinaciones de
sumas, productos, cocientes y composiciones de las funciones elementales, con
excepcin posiblemente de los puntos en donde los denominadores sean cero
o el lmite no exista. Por ejemplo, la funcin F (x, y) = cos(x3 4xy + y 2 ) es
continua en todo punto del plano, puesto que la funcin g(x, y) = x3 4xy + y 2
es continua (como un polinomio) en toda su extensin y tambin f (t) = cos t es
continua para todo nmero t R. Por supuesto, la funcin dada en el ejemplo
anterior no es continua en el origen.

Ahora introducimos algunos conceptos relativos a conjuntos en el espacio de

Rn . Sean

a Rn y r > 0. El conjunto

B(x; r) = {

x Rn : k

x

a k < r}.

se llama una n-bola abierta de radio r y centro a . En el espacio R2 , una

3
bola abierta es el interior de un crculo; en R es el interior de una esfera. Un
punto
a es un punto interior de un conjunto U si existe una bola abierta


B( a ; r) contenida en U. Todos los puntos interiores de U forman el interior de
U. Por otra parte, a es un punto frontera de U si toda bola abierta con centro


en a contiene puntos que pertenecen a U y otros que no pertenecen. Todos los
puntos de frontera de U forman la frontera de U. Finalmente, un conjunto

33
es abierto si todos sus puntos son interiores y un conjunto es cerrado
si contiene todos sus puntos frontera. Por ejemplo en los nmeros reales , R,
los tipos ms sencillos de conjuntos abiertos son los intervalos abiertos. La
unin de dos o ms intervalos abiertos es tambin abierto. El intervalo [a, b]
es un intervalo cerrado. El conjunto U = (x, y) : x2 + y 2 1 es un conjunto
cerrado en R2 .

2.3. Funciones Diferenciables

De la misma manera que la existencia de una recta tangente est ntimamente
relacionado con el concepto de diferenciabilidad de una funcin de una variable,
la existencia de un plano tangente, que definiremos ms adelante, tiene que ver
con el concepto de diferenciabilidad de una funcin de dos variables. Para llegar
a este concepto definiremos inicialmente las derivadas parciales.

2.3.1. Derivadas parciales

Si en una funcin de dos variables z = f (x, y) consideramos una variable,
por ejemplo y, como constante, obtenemos una funcin que depende exclusiva-
mente de la variable x. As, si escribimos y = y0 (constante) y h(x) = f (x, y0 ),
la derivada h0 (x0 ) se denomina derivada parcial de f con respecto a x en el
f f
punto (x0 , y0 ) y se denota (x0 , y0 ) |(x ,y ) . De la misma manera, si es-
x x 0 0
cribimos g(y) = f (x0 , y), entonces la derivada parcial de f con respecto a y en
f f
el punto (x0 , y0 ) ser la derivada g 0 (y0 ) y se denota (x0 , y0 ) |(x ,y ) .
y y 0 0
Notacin. Si las derivadas parciales se calculan en un punto genrico (x, y),
f f f f
escribimos y en lugar de (x, y) y (x, y). Estas derivadas tambin
x y x y
se denotan fx y fy , Dx f y Dy f .

Recordemos que la definicin usual de derivada es

h(x0 + 4x) h(x0 )

h0 (x0 ) = lm
4x0 4x
Al escribir dicha frmula en trminos de f obtenemos

f f (x0 + 4x, y0 ) f (x0 , y0 )

(x0 , y0 ) = lm (2.1)
x 4x0 4x
De la misma manera tenemos que

34
 f f (x0 , y0 + 4y) f (x0 , y0 )
(x0 , y0 ) = lm . (2.2)
y 4y0 4y
Puesto que las derivada parciales son tambin funciones de las variables x y y,
podemos tambin derivarlas parcialmente para obtener derivadas parciales de
segundo orden denotadas como se muestra a continuacin:

2f 2f 2f 2f
       
f f f f
= , = , = , = .
x x x2 y y y 2 x y xy y x yx

Las derivadas parciales que involucran las dos variables x y y se denominan

derivadas parciales mixtas. Un hecho importante es que bajo ciertas condiciones
estas derivadas mixtas son iguales como lo dice el siguiente teorema.

Teorema 2.3.1 Si las derivadas parciales mixtas son continuas en un conjunto

abierto U que contiene un punto (x0 , y0 ), entonces

2f 2f
(x0 , y0 ) = (x0 , y0 ).
xy yx

Las derivadas parciales de z = f (x, y) se interpretan geomtricamente como las

pendientes de las tangentes a las curvas interseccin de la grfica de f con los
planos x =constante y y =constante como se observa en las grficas abajo.

2.3.2. Superficies parametrizadas

En el captulo anterior definimos curva (parametrizada) en el espacio como una
funcin
r : I R R3 . En este caso, como el dominio es un subconjunto de

35
la recta real, tenemos un solo parmetro que denotamos con la letra t y escribi-
mos r (t) = (x(t), y(t), z(t)). Anlogamente tenemos el concepto de superficie
parametrizada como una funcin r : U R2 R3 . Como el dominio es un
subconjunto del plano, tenemos ahora dos parmetros que denotamos con las
letras u y v, y escribimos

r (u, v) = (x(u, v), y(u, v), z(u, v))

x, y y z son por supuesto, funciones de U en R. Las ecuaciones x = x(u, v), y =

y(u, v), z = z(u, v) son las ecuaciones paramtricas. La grfica abajo ilustra la
situacin.

Ejemplo 2.3.1 1. El cilindro.

Un cilindro de radio a se puede parametrizar en la forma

r (u, v) = (a cos u, a sen u, v), u [0, 2], < v <

La secuencia siguiente muestra cmo se transforma el rectngulo [0, 2]

[0, 1] en el cilindro.

2. La esfera.
Para la parametrizacin de la esfera observe la grfica abajo.

36
 En el tringulo rectngulo 4OAB se tiene que x = h cos y y = h sen
y en el tringulo rectngulo 4OBC se tiene que z = a cos . Pero de
nuevo en 4OBC se tiene que h = a sen , de manera que las
ecuaciones paramtricas de la esfera son

x = a cos sen
y = a sen sen
z = a cos
en donde [0, 2] y [0, ]. As la funcin

r tiene la forma


r (, ) = (a cos sen , a sen sen , a cos )

3. La grfica de z = f (x, y).

Anlogo a la parametrizacin de la grfica de una funcin de una variable
y = f (x) como la curva r (t) = (t, f (t)), la grfica de una funcin de dos
variables z = f (x, y) se puede ver como una superficie parametrizada solo
con tomar x = u, y = v, z = f (u, v), esto es,


r (u, v) = (u, v, f (u, v))

4. Ejercicio (para los curiosos).

Pruebe que una parametrizacin del hiperboloide de una hoja x2 +y 2 z 2 =
1 est dada por las ecuaciones

x = cos u cosh v
y = sen u cosh v
z = senh v

37
 para u [0, 2], < v < +.

2.3.3. El plano tangente

En una superficie parametrizada, r (u, v) = (x(u, v), y(u, v), z(u, v)) con (u, v)
U , las rectas u = u0 (constante) y v = v0 (constante) se convierten por la accin
de r en las curvas sobre la superficie r (u) = r (u, v0 ) y r (v) =
r (u0 , v)
como se observa en la grfica abajo.
Dichas curvas se denominan curvas coordenadas. Los vectores tangentes en el


r


r
punto u0 y v0 son respectivamente r0 (u0 ) = (u0 , v0 ) y r0 (v0 ) = (u0 , v0 )
u v
y se definen por

 
r x y z
(u0 , v0 ) = (u0 , v0 ), (u0 , v0 ), (u0 , v0 )
u  u u u


r x y z

(u0 , v0 ) = (u0 , v0 ), (u0 , v0 ), (u0 , v0 )
v v v v

Si dichos vectores son linealmente independientes, entonces generan un plano

que pasa por el punto r (u0 , v0 ) denominado plano tangente, con vector normal
r


r
(u0 , v0 ) (u0 , v0 ). Por lo tanto, si

r (u0 , v0 ) = (x0 , y0 , z0 ), la ecuacin
u v
del plano tangente en ese punto es

r

r
(x x0 , y y0 , z z0 ) (u0 , v0 ) (u0 , v0 ) = 0
u v

38
En el caso particular en el que tenemos la grfica de z = f (x,y), con la


r
r f
parametrizacin
r (x, y) = (x, y, f (x, y)) tenemos que = 1, 0,
    x y x
f f f
0, 1, = , , 1 . Si escribimos z0 = f (x0 , y0 ), la ecuacin del
y x y
plano tangente es

f f
z = f (x0 , y0 ) + (x0 , y0 )(x x0 ) + (x0 , y0 )(y y0 ) (2.3)
x y

2.3.4. El concepto de diferenciabilidad

Recordamos inicialmente el concepto de diferenciabilidad para una funcin de
una variable y = f (x), para luego, de forma anloga, abordar el caso z =
f (x, y).

Diferenciabilidad de y = f (x).

Sabemos que en el caso de una funcin de una variable de la forma y = f (x),

la derivada de f en un punto x0 se define como

f (x0 + 4x) f (x0 )

f 0 (x0 ) = lm
4x0 4x
en caso de que dicho lmite exista. Si esto ltimo es cierto, la pendiente de la
recta secante est cercana a la pendiente de la tangente si 4x es pequeo as:

f (x0 + 4x) f (x0 )

f 0 (x0 )
4x

39
El error cometido en la aproximacin est dado por

f (x0 + 4x) f (x0 )

= f 0 (x0 )
4x
Entre ms pequeo sea 4x, menor es el error. La expresin anterior se puede
escribir en la forma

f (x0 + 4x) f (x0 )

= f 0 (x0 ) +
4x
donde 0 cuando 4x 0. Si escribimos 4y = f (x0 + 4x) f (x0 ),
obtenemos la ecuacin

4y = f 0 (x0 )4x + 4x (2.4)

donde 0 cuando 4x 0.
Si escribimos x = x0 + 4x, entonces f (x) = f (x0 ) + 4y y la ecuacin 2.4 toma
la forma

f (x) = f (x0 ) + f 0 (x0 )(x x0 ) + (x x0 )

donde 0 cuando x x0 . Podemos escribir entonces

f (x) f (x0 ) + f 0 (x0 )(x x0 )

si x est cerca de x0 . Entre ms cerca est x de x0 ms pequeo es el error
cometido en la aproximacin . La expresin de la derecha en la aproximacin
anterior es lineal en x, esto es, la funcin

L(x) = f (x0 ) + f 0 (x0 )(x x0 )

es una linea recta. As,

f (x) L(x)

cerca de x0 y esta es exactamente la idea de diferenciabilidad:

Una funcin y = f (x) es diferenciable en un punto x0 , si el incremento en y,

4y se puede escribir como en la ecuacin 2.4, es decir, si localmente (esto es,
en cualquier vecindad de x0 ) se puede aproximar por una recta, ms especfi-
camente, por la recta tangente en x0 ; hablando claro, si localmente, la grfica
de f es "casi" una recta.

En un computador se puede comprobar esto. Dibuje la grfica de, por ejemplo,

f (x) = x2 con un programa de clculo simblico (MuPad por ejemplo) y haga

40
zoom cerca del origen de coordenadas. Se dar cuenta de que entre mayor sea
el zoom, la grfica de la parbola ser cada vez ms recta.
Esto no sucede por ejemplo con la funcin f (x) = |x| pues no importa qu tan
cerca se est del origen, la grfica de f siempre se ver como una punta (dos
rectas).

El primer sumando en el miembro derecho de la ecuacin 2.4 se denomina

diferencial de f y se denota df o ms comnmente dy, as, la diferencial en
cualquier x es

dy = f 0 (x)4x
y se toma generalmente como una aproximacin para 4y; entre ms pequeo
sea 4x mejor es la aproximacin.

Diferenciabilidad de z = f (x, y).

De la misma manera como la diferenciabilidad de una funcin de una variable

y = f (x) tiene que ver con la existencia de una funcin lineal (una recta) L(x)
que aproxima a f en una vecindad de un punto x0 , la diferenciabilidad de
z = f (x, y) en un punto (x0 , y0 ) tiene que ver con la existencia de una funcin
lineal (un plano) L(x, y) que aproxima a f en una vecindad de (x0 , y0 ), esto es,
algo como

f (x, y) A + Bx + Cy.
Para encontrar tal aproximacin, le aplicamos el mismo anlisis anterior a las
derivadas parciales, ecuaciones 2.1 y 2.2, y obtenemos formas anlogas a la
ecuacin 2.4 para los incrementos parciales

f
f (x0 + 4x, y0 ) f (x0 , y0 ) = (x0 , y0 )4x + 1 4x
x
f
f (x0 , y0 + 4y) f (x0 , y0 ) = (x0 , y0 )4y + 2 4y
y
donde 1 y 2 0 cuando 4x y 4y 0.

Tenemos as aproximaciones lineales para los incrementos parciales. Parece nat-

ural pensar que el incremento de f en ambas variables simultneamente, pueda
aproximarse por la suma (ya que necesitamos que la aproximacin sea lineal)
de las dos aproximaciones parciales. Esto no siempre sucede, pero cuando es
as, tenemos nuestra definicin de diferenciabilidad:

Una funcin de dos variables z = f (x, y) es diferenciable en (x0 , y0 ), si el

41
incremento de z, 4z = f (x0 + 4x, y0 + 4y) f (x0 , y0 ) puede escribirse en la
forma
f f
4z = (x0 , y0 )4x + (x0 , y0 )4y + 1 4x + 2 4y (2.5)
x y

donde (1 , 2 ) (0, 0) cuando (4x,4y) (0, 0).

Si escribimos x = x0 + 4x y y = y0 + 4y, entonces la ecuacin 2.5 toma

la forma

f f
f (x, y) = f (x0 , y0 )+ (x0 , y0 )(xx0 )+ (x0 , y0 )(yy0 )+1 (xx0 )+2 (yy0 )
x y
(2.6)
donde (1 , 2 ) (0, 0) cuando (x, y) (x0 , y0 ).

La ecuacin 2.6 explica el concepto de forma clara: si escribimos

f f
L(x, y) = f (x0 , y0 ) + (x0 , y0 )(x x0 ) + (x0 , y0 )(y y0 )
x y
tenemos entonces la aproximacin lineal

f (x, y) L(x, y)
en una vecindad de (x0 , y0 ). Note que la funcin L es precisamente el plano
tangente en el punto (x0 , y0 ) (vea de nuevo la ecuacin 2.3). Tenemos as, que
f es diferenciable si puede linealizarse localmente, esto es, si en una vecindad
de un punto (x0 , y0 ) la grfica de f se ve casi plana, siendo dicho plano
precisamente el plano tangente.
Los dos primeros trminos de la derecha de la ecuacin 2.5 se denomina la
diferencial de f y se denota df o ms comnmente dz as:
f f
dz = (x0 , y0 )4x + (x0 , y0 )4y
x y
y es una aproximacin para el incremento 4z. Si le aplicamos esta definicin a
x x
las variables independientes x y y obtenemos que dx = 4x + 4y = 4x
x y
y de la misma manera, dy = 4y. Por esta razn, es comn que la diferencial
en cualquier punto (x, y) se escriba en la forma
f f
dz = dx + dy. (2.7)
x y
Nota. A veces, por abuso de notacin, la ecuacin 2.7 se escribe

42
 z z
dz = dx + dy
x y
Si f es diferenciable en (x0 , y0 ), de la ecuacin 2.6 se deduce de forma inmediata
que f es continua en dicho punto pues claramente f (x, y) f (x0 , y0 ) cuando
(x, y) (x0 , y0 ).

Contrario a lo que sucede en el caso de una variable en el que la existencia

de la derivada es suficiente para garantizar la existencia de la recta tangente,
para una funcin de dos variables la sola existencia de las derivadas parciales
no implica la existencia del plano tangente. Por ejemplo, la funcin
( xy
si (x, y) 6= (0, 0)
f (x, y) = x2 + y 2
0 si (x, y) = (0, 0)
f f
no es diferenciable en (0, 0) pues aunque (0, 0) = (0, 0) = 0, la funcin
x y
no es continua en (0, 0). Abajo se muestra su grfica generada por MuPad para
x[0.01, 0.01] y y[0.01, 0.01].

0.4

0.2

z 0.0
0.2

0.4

0.010
0.005
0.010
0.000 0.005
y 0.005 0.000
0.005 x
0.010 0.010

El teorema siguiente establece las condiciones suficientes para la diferenciabil-

idad.

Teorema 2.3.2 Si las derivadas parciales de z = f (x, y) existen y son contin-

uas en (x0 , y0 ) entonces f es diferenciable en dicho punto, es decir, 4z puede
escribirse como en la ecuacin 2.5.

43
2.4. La Regla de la Cadena
Sea z = f (x, y) un campo escalar diferenciable en un conjunto abierto U R2 ,
y supongamos que x = x(t) y y = y(t) son funciones diferenciables de t. Se
tiene entonces que z = z(t) = f (x(t), y(t)), esto es, tenemos la composicin
z(t) = f h(t) donde h es la funcin vectorial definida por h(t) = (x(t), y(t)).
El teorema siguiente establece la forma como se calcula la derivada z 0 (t):

Teorema 2.4.1 En las condiciones del comentario anterior, se tiene que

dz f dx f dy
= + (2.8)
dt x dt y dt

Demostracin. Puesto que f es diferenciable se tiene que

f f
4z = 4x + 4y + 1 4x + 2 4y
x y
donde (1 , 2 ) (0, 0) cuando (4x, 4y) (0, 0).
Dividiendo ambos miembros de la ecuacin por 4t y tomando el lmite cuando
4t 0 obtenemos

dz f 4x f 4y 4x 4y
= lm + lm + lm 1 + lm 2 (2.9)
dt x 4t0 4t y 4t0 4t 4t0 4t 4t0 4t
donde (1 , 2 ) (0, 0) cuando (4x, 4y) (0, 0).
4x dx 4y dy
Por un lado, lm = y lm = . Por otro lado,
4t0 4t dt 4t0 4t dt
lm 4x = lm x(t + 4t) x(t) = 0
4t0 4t0

puesto que x = x(t) es una funcin continua (por ser diferenciable). De la mis-
ma manera, lm 4y = 0, lo que significa que lm 1 = lm 2 = 0 por lo que
4t0 4t0 4t0
la ecuacin 2.9 se convierte en la ecuacin 2.8.

Nota. A veces, por abuso de notacin, la regla de la cadena se escribe as:

dz z dx z dy
= +
dt x dt y dt
En el caso en que x y y sean funciones diferenciables de dos variables s y t,
x = x(s, t), y = y(s, t), entonces z = z(s, t) = f (x(s, t), y(s, t)) y las derivadas
parciales de z con respecto a s y t estn dadas por:

44
 z z x z y
= +
s x s y s (2.10)
z z x z y
= +
t x t y t
dy
Podemos utilizar la regla de la cadena para encontrar en el caso en que la
dx
ecuacin F (x, y) = k defina y como funcin implcita de x. Derivando a ambos
lados de la ecuacin F (x, y(x)) = k (aplicando la ecuacin 2.8 obtenemos
F dx F dy
+ =0
x dx y dx
As tenemos que
F
dy
= x . (2.11)
dx F
y
Anlogamente, si la ecuacin F (x, y, z) = k define z como funcin implcita
de x y y, podemos encontrar frmulas para las derivadas parciales de z con
respecto a x y y aplicando las frmulas dadas por las ecuaciones 2.10 a la
ecuacin F (x, y, z(x, y)) = k para obtener

F F
z z y
= x =
x F y F
z z
d2 z
Ejercicio. Si z(t) = f (x(t), y(t)), calcular 2 .
dt
dz z dx z dy
Tenemos que = + . Derivando a ambos lados de esta ecuacin,
dt x dt y dt
aplicando la regla de la derivada de un producto, obtenemos:

d2 z z d2 x z d2 y
   
d z dx d z dy
= + + + (2.12)
dt2 dt x dt x dt2 dt y dt y dt2
z z
Para las derivadas con respecto a t de y , debemos aplicar de nuevo la
x y
z z
regla de la cadena (ecuacin 2.8) porque y son funciones de x y y y
x y
estas a su vez son funciones de t as:

2 z dx 2 z dy
 
d z
= +
dt x x2 dt yx dt

45
 2 z dx 2 z dy
 
d z
= + 2
dt y xy dt y dt
reemplazando estas dos expresiones en la ecuacin 2.12, asumiendo que las
derivadas parciales mixtas son iguales y reduciendo trminos semejantes, obten-
emos la expresin

2 2
d2 z 2z 2 z dx dy 2z z d2 x z d2 y
 
dx dy
= +2 + 2 + +
dt2 x2 dt xy dt dt y dt x dt2 y dt2

La regla de la cadena para una funcin de tres variables w = w(t) = f (x(t), y(t), z(t))
tiene una forma anloga a la ecuacin 2.8:
dw w dx w dy w dz
= + + (2.13)
dt x dt y dt z dt

2.4.1. El vector gradiente

Observe que la ecuacin 2.8 puede escribirse en la forma
   
dz f f dx dy
= , ,
dt x y dt dt
 
f f
El vector , se denomina gradiente de f en (x, y) y se denota f , as:
x y
 
f f
f = ,
x y
Nota. La notacin f significa f (x, y).

Si calculamos el gradiente en un punto (x0 , y0 ) escribimos

 
f f
f (x0 , y0 ) = (x0 , y0 ), (x0 , y0 )
x y
 
dx dy
Si escribimos
r (t) = (x(t), y(t)), entonces r 0 (t) = , y la ecuacin
dt dt
2.8, calculada en un punto t0 , toma la forma
dz d

|t=t0 = |t=t0 f (
r (t)) = f (
r (t0 )) r0 (t0 ) (2.14)
dt dt
Podemos utilizar la forma de la regla de la cadena como la expresa la ecuacin
2.14 para probar que el vector gradiente de z = f (x, y) en un punto P = (x0 , y0 )
es perpendicular a la curva de nivel f (x, y) = k que pasa por P . Para ver esto,

46
supongamos que dicha curva de nivel est descrita por la funcin vectorial

r (t) = (x(t), y(t)) que pasa por P en un tiempo t0 , esto es, P =

r (t0 ) =


(x0 , y0 ). Es claro entonces que debe ser f (x(t), y(t)) = f ( r (t)) = k. Derivando
a ambos lados de esta ecuacin tenemos que

d
f (
r (t)) = 0 (2.15)
dt

Aplicando la frmula 2.14 para el lado izquierdo de la ecuacin 2.15 en el punto

P , tenemos que

f (x0 , y0 ) r0 (t0 ) = 0

lo que prueba lo afirmado. La grfica abajo ilustra la situacin.

De la misma manera, el vector gradiente de una funcin de tres variables

w = F (x, y, z) en un punto P = (x0 , y0 , z0 ) es perpendicular a la superfi-
cie de nivel S definida por la ecuacin F (x, y, z) = k que pasa por P . Si

r (t) = (x(t), y(t), z(t)) es cualquier curva sobre S que pasa por P en un tiem-
po t0 , entonces F (
r (t)) = k y de nuevo

F (x0 , y0 , z0 ) r0 (t0 ) = 0 (2.16)

47
Como la ecuacin 2.16 es vlida para todas las curvas sobre S que pasan por P ,
resulta natural definir el plano tangente a S en el punto P como el plano que
pasa por P (x0 , y0 , z0 ) y que tiene por vector normal el gradiente F (x0 , y0 , z0 ),
por lo que su ecuacin ser

(

x P ) F (P ) = 0
siendo su expresin cartesiana

F F F
(x0 , y0 , z0 )(x x0 ) + (x0 , y0 , z0 )(y y0 ) + (x0 , y0 , z0 )(z z0 ) = 0.
x y z
(2.17)
Observe que como la grfica de una funcin de dos variables z = f (x, y) puede
verse como la superficie de nivel F (x, y, z) = 0 donde F (x, y, z) = f (x, y) z,
al aplicar la ecuacin 2.17 a esta F en particular, obtenemos la ecuacin 2.3.

2.5. Derivadas Direccionales

Recordemos que la derivada parcial con respecto a x de una funcin de dos
variables z = f (x, y) se define por

f f (x0 + t, y0 ) f (x0 , y0 )
(x0 , y0 ) = lm
x t0 t
Esta es la misma ecuacin 2.1 en donde hemos reemplazado 4x por t. Esta
expresin puede escribirse en la forma

f f ((x0 , y0 ) + t(1, 0)) f (x0 , y0 )

(x0 , y0 ) = lm
x t0 t



Si escribimos x0 = (x0 , y0 ) y i = (1, 0) obtenemos

48




f ) = lm f (x0 + t i ) f (x0 )
(x0
x t0 t


De la misma manera, escribiendo j = (0, 1) la derivada parcial con respecto a
y se escribe

f ) = lm f (x0 + t j ) f (x0 )
(x0
y t0 t
Esta forma de expresar las derivadas parciales muestran que dichas derivadas
se calculan tomando la variacin de f a lo largo de las rectas + t
(t) =
x

i
0

+ t
y (t) = x0 j , esto es, rectas paralelas a los ejes coordenados que pasan
por x. Podemos pensar en generalizar esto, calculando la variacin de f a
0
lo largo de cualquier recta que pase por , esto es, una recta de la forma
x 0

r (t) = x0 + t u donde u es un vector unitario cualquiera. Esto nos conduce
al concepto de derivada direccional en la direccin de un vector unitario u en


un punto x0 , denotada D f (
x ) y definida de la manera natural
u 0

f (
+ t
x0

u ) f (
)
x0
u f (x0 ) = lm
D
(2.18)
t0 t
y se puede interpretar geomtricamente como la pendiente de la tangente de
la curva de interseccin de la grfica de f con un plano perpendicular al plano
coordenado xy en el punto .
x0

Es claro entonces que

49
 f ) = D

(x0 f (x0 )
i
x
f ) = D

(x0 f (x0 )
j
y
esto es, las derivadas parciales son las derivadas direccionales en las direcciones

i y j , que corresponden a las pendientes de las tangentes de las curvas de
interseccin de la grfica de f con planos perpendiculares al plano coordenado
xy paralelos a los planos coordenados xz y yz respectivamente, como se explic
en la seccin 2.3.1.

Una forma sencilla de calcular la derivada direccional en la direccin de un

vector unitario

u de una funcin f la da el siguiente teorema:

Teorema 2.5.1


(2.19)
u f (x0 ) = f (x0 ) u
D

Demostracin. Si llamamos
r (t) =
+ t
x0

u a la recta que pasa por
con
x0




0

vector director u , entonces r (0) = x0 y r (0) = u . Entonces

d f (
r (t)) f (
r (0))
|t=0 f (

r (t)) = lm
dt t0 t
f (
+ t
x0
u ) f (
)
x0
= lm
t0 t

= D u f (x0 )

Pero, por la regla de la cadena (ecuacin 2.14) se tiene que

d

|t=0 f (

r (t)) = f (

r (0)) r0 (0)
dt
= f ()
x 0

u
lo que demuestra el teorema.

Nota. Observe que la definicin de derivada direccional (ecuacin 2.18) su

expresin en trminos del gradiente (ecuacin 2.19) es vlida para cualquier
campo escalar f definido en Rn .

La derivada direccional de un campo escalar f en un punto en la direccin

x0


de un vector u (unitario), representa la tasa de cambio de f en dicho punto
en la direccin dada. Podemos preguntarnos por la direccin en la cual dicha
tasa de cambio es mxima mnima. Podemos encontrar la razn de cambio
mxima y mnima de f a partir de la ecuacin 2.19. Puesto que k
u k = 1,

D
f (
)
u f (x0 )
= x 0 u


= kf (x0 )k cos

50
dnde es el ngulo entre f (
) y
x 0

u . Puesto que el coseno oscila entre 1 y
1, la razn mxima se obtiene cuando cos = 1, esto es = 0, es decir, cuando

u y f () tienen la misma direccin y es mnima cuando cos = 1, esto es

x0
= , es decir, cuando
u y f ( ) tienen direcciones opuestas. Resumiendo,
x0
la derivada direccional mxima se obtiene en la direccin del gradiente, esto es,

f
u = y su valor es D f f = kf k; la derivada direccional mnima se
kf k ||f ||

obtiene en la direccin opuesta al gradiente y su valor es kf k .

2.6. Mximos y Mnimos.

1. f (

a ) es un valor mximo global de f en U si f (

a )f (x, y) para todo
(x, y) U.

2. f (
a ) es un valor mnimo global de f en U si f (

a )f (x, y) para todo
(x, y) U.

3. f (

a ) es un valor extremo global de f en U si es un valor mximo global
o mnimo global.

Son vlidas las mismas definiciones, sustituyendo la palabra global por local en
(1) y (2), cuando las desigualdades se cumplen en alguna vecindad abierta de

a.
La definicin es una generalizacin natural de las mismas nociones para fun-
ciones de una sola variable; y an ms, las generalizaciones para funciones de
tres y ms variables son claras.

Teorema 2.6.1 (Existencia de mximo o mnimo)) Si f es continua en un

dominio cerrado y acotado U, entonces f alcanza tanto un valor mximo global
como un mnimo global en U .

A continuacin definiremos lo que son puntos frontera, puntos crticos y puntos

singulares.

1. Puntos frontera. Vea la seccin 2.2

2. Puntos crticos. Decimos que a es un punto crtico si es interior en U


donde f es diferenciable y f ( a ) = 0. En dicho punto, el plano tangente
es horizontal.
3. Puntos singulares. Decimos que a es un punto singular si es interior en
U donde f no es diferenciable (por ejemplo, un punto de la grfica donde
f tiene una esquina aguda).

51
Teorema 2.6.2 (Condiciones necesarias para los extremos) Sea f una
funcin definida en un conjunto U que contiene a
a . Si f (

a ) es un valor


extremo, entonces a deber ser un punto frontera de U, o un punto crtico de
f, o un punto singular de f.
Demostracin. Supongamos que
a = (x0 , y0 ) no es punto frontera ni singular
(por lo que a ser un punto interior en el que f existe) y veremos si f (


a)=

0 Puesto que f tiene un valor extremo en (x0 , y0 ), la funcin g(x) = f (x, y0 )

tiene un valor extremo en x0 . Adems, g es diferenciable en x0 puesto que f lo
es para (x0 , y0 ) y por lo tanto, por el teorema del punto crtico para funciones
de una variable,
g 0 (x0 ) = fx (x0 , y0 ) = 0
En forma anloga, la funcin h(y) = f (x0 , y) tiene un valor extremo en y0 y
satisface la expresin
h0 (x0 ) = fy (x0 , y0 ) = 0
El gradiente es cero, ya que ambas derivadas parciales son 0.
Ejemplo 2.6.1 Encuentre el valor mximo o mnimo local de f (x, y) = x2
2x + y 2 /4.
Solucin La funcin dada es derivable en todo el plano xy. Por lo tanto,
los nicos puntos crticos posibles son los puntos crticos que se obtienen al
igualar a cero fx (x, y) y fy (x, y). Pero fx (x, y) = 2x 2 y fy (x, y) = y/2 son
iguales a cero slo cuando x = 1 e y = 0. Falta por decidir si (1, 0) es un
mximo, un mnimo o nada de esto. Pronto desarrollaremos un instrumento
para esto, pero por ahora debemos proceder con un poco de ingenio. Obsrvese
que f (1, 0) = 1 y que
y2 y2 y2
f (x, y) = x2 2x + = x2 2x + 1 1 = (x 1)2 + 1 1
4 4 4
Por lo tanto, f (1, 0) es en realidad un mnimo global de f. No hay valores
mximos locales.
Ejemplo 2.6.2 Encuentre los valores mximo o mnimo locales de f (x, y) =
x2 /a2 + y 2 /b2 .
Solucin. Los nicos puntos crticos se obtienen al igualar a cero fx (x, y) =
2x/a2 y fy (x, y) = 2y/b2. Esto produce el punto (0, 0) que no da mximo ni
mnimo (vea la figura 11). Se llama punto de silla. Debe notarse que en toda
vecindad de (0, 0) hay puntos en los que f (x, y) < f (0, 0), y otros puntos en
los que f (x, y) > f (0, 0). La funcin dada no tiene extremos locales.
Este ejemplo ilustra la dificultad de que f (x0 , y0 ) = 0 no garantiza que exista
un extremo local en (x0 , y0 ). Por fortuna, existe un criterio regular para decidir
lo que sucede en un punto crtico. El prximo teorema es un anlogo a la prueba
de segunda derivada para funciones de una variable.

52
2.6.1. Criterio para determinar extremos de funciones de
dos variables
Teorema 2.6.3 [Condiciones suficientes para los extremos] Supngase que f (x, y)
tiene segundas derivadas parciales continuas en una vecindad de
a R2 y que
2 2 2
f( a ) f( a ) f( a )
f (
a ) = 0. Sea A = , B= , C = y sea Hf (

a)
x2 xy y 2
la matriz definida por  
A B
Hf (
a)=
B D



Escribamos D( a ) = det(Hf ( a )). Entonces
2 f (

a)
1. Si D(
a)>0 y > 0, entonces tiene un mnimo relativo en

a.
x2
2 f (

a)
2. Si D(
a)>0 y 2
< 0, entonces tiene un mximo relativo en

a.
x
3. Si Si D(

a ) < 0, entonces tiene un punto silla en
a.
4. Si D(

a ) = 0, el criterio no decide nada.
Nota. La matriz Hf (
a ) se denomina matriz hessiana de f en

a.
Para su demostracin, remitimos al lector al apndice. Sin embargo, podemos
ver de manera intuitiva porqu es cierto. D es

a ) 2 f (
2 f (
 2
f (
2

a) a)
D( a ) =
x2 y 2 xy
2 f (

a)
Para los casos 1 y 2, en los cuales D( a ) > 0, se tiene entonces que 2

x
2 f (
2 f (
a ) 2 f (
2 f (

  2
a) a) a)
2
> 0, por lo que las dos derivadas 2
y
y xy x y 2
2 f (

a)
deben tener el mismo signo. As, si > 0, se tiene concavidad hacia
x2
arriba en las direcciones de ambos ejes, por lo que se puede sospechar que
2 f (

a)
en
a existe un mnimo. Y si 2
< 0, se tiene concavidad hacia abajo
x
en la direccin de ambos ejes, por lo que se puede sospechar la existencia
de un mximo en a . En el caso 3, en el cual D(
a ) < 0, el producto de
2 2
f( a ) f( a )
las dos derivadas y debe ser negativo y por lo tanto deben
x2 y 2
tener signos opuestos; de tal manera que tenemos concavidad hacia arriba en la
direccin de uno de los ejes y concavidad hacia abajo en la direccin del otro,
por lo que sospechamos un punto silla en
a . Se deja al estudiante comprobar
la parte 4.

53
Ejemplo 2.6.3 Encuentre los extremos, si los hay, de la funcin f (x, y) =
3x3 + y 2 9x + 4y.
Solucin. Puesto que fx (x, y) = 9x2 9 y fy (x, y) = 2y + 4, los puntos crticos
que se obtienen al resolver las ecuaciones simultneas fx (x, y) = fy (x, y) = 0
son (1, 2) y (1, 2).Ahora bien, fxx (x, y) = 18x, fyy (x, y) = 2 y fxy (x, y) =
fyx (x, y) = 0. Por lo tanto, en el punto crtico (1, 2) tenemos
2
D(1, 2) = fxx (1, 2)fyy (1, 2) fxy (1, 2) = 18(2) 0 = 36 > 0
Adems, fxx (1, 2) = 18 > 0, por lo que segn el teorema anterior, f (1, 2) =
10 es un valor mnimo local de f. En la comprobacin de la funcin dada en
otro punto crtico (1, 2) encontramos que fxx (1, 2) = 18, fyy (1, 2) =
2 y fxy (1, 2) = 0, lo cual produce D(1, 2) = 36 < 0. Entonces, (1, 2)
es un punto de silla y f (1, 2) no es valor extremo.
Ejemplo 2.6.4 Encuentre los valores mximo y mnimo de f (x, y) = 2x2 +
y 2 4x 2y + 5 en el conjunto cerrado U = {(x, y)| x2 + y 2 /2 1}.

Solucin. Como fx (x, y) = 4x 4 y fy (x, y) = 2y 2, el nico punto crtico

posible es (1, 1). Sin embargo, este punto est fuera de U, entonces puede ser
ignorado. La frontera de U es la elipse x2 + y 2 /2 = 1, que se puede describir
paramtricamente por

x = cos t, y = 2 sen t, 0 t 2
Deseamos maximizar o minimizar la funcin de una variable

g(t) = f (cos t, 2 sen t), 0 t 2
Por la regla de la cadena,
f dx f dx
g 0 (t) = + = (4x 4)(sen t) + (2y 2)( 2 cos t)
x dt y dt

= (4 cos t 4)(sen t) + (2 2 sen t 2)( 2 cos t) = 4 sen t 2 2 cos t
0

Haciendo g (t) = 0 obtenemos tan t = 2/2 con los dos soluciones t1 =
arctan( 2/2) y t2 = + t1 . De donde g(t) tiene los cuatro puntos crticos
0, t1 , t2 y 2 en el intervalo
Estos,
[0, 2]. a su vez, determinan los tres pun-
tos (1, 0), (2/ 6, 2/ 6) y (2/ 6, 2/ 6) en la frontera de U. Los valores
correspondientes de f son
   
2 2 2 2
f (1, 0) = 3, f , 2,101, f , 11,899
6 6 6 6
Luego, concluimos que el valor mnimo de f en U es 2.101 y el valor mximo
es 11.899.

54
Ejemplo 2.6.5 Encuentre la distancia mnima entre el origen y la superficie
z 2 = x2 y + 4.

Solucin. Sea P (x, y, z) un punto cualquiera de la superficie dada. El cuadra-

do de la distancia entre el origen y P es d2 = x2 + y 2 + z 2 . Busquemos las
coordenadas de P que hagan que d2 (y por lo tanto d ) sea mnima. Puesto
que P pertenece a la superficie, sus coordenadas satisfacen la ecuacin de sta.
Sustituyendo z 2 = x2 y + 4 en d2 = x2 + y 2 + z 2 resulta d2 como funcin de dos
variables x e y
d2 = f (x, y) = x2 + y 2 + x2 y + 4
Para obtener los puntos crticos, hacemos fx (x, y) = 0 y fy (x, y) = 0, con lo
que se obtiene
2x + 2xy = 0 y 2y + x2 = 0
3
Por eliminacin de y entre esas ecuaciones, se tendr 2x x = 0. Por lo tanto,
x = 0 o x = 2. Sustituyendo estos valores en la segunda ecuacin seobtiene
y = 0 e y = 1. Luego, los puntos crticos son (0, 0), ( 2, 1) y ( 2, 1).
Para probar cada uno de ellos, necesitamos fxx (x, y) = 2 + 2y, fyy (x, y) =
2
2, fxy (x, y) = 2x y D(x, y) = fxx fyy fxy = 4 + 4y 4x2 . Puesto que

D( 2, 1) = 8 < 0, ni ( 2, 1) ni ( 2, 1) producen un extremo. Sin
embargo, D(0, 0) = 4 > 0 y fxx (0, 0) = 2 > 0; por lo tanto, (0, 0) produce la
distancia mnima. Sustituyendo x = 0 e y = 0 en la expresin de d2 , obtenemos
d2 = 4. Luego, la distancia mnima entre el origen y la superficie dada es 2.

2.6.2. Extremos condicionados.

Ahora distinguimos entre dos clases de problemas. Encontrar el valor mnimo
de f (x, y) es un problema de extremo libre. Encontrar el mnimo de f (x, y)
sujeto a una condicin g(x, y) = 0 es un problema de extremo condicionado o
de extremo restringido. El ejemplo 2.6.5 de la seccin anterior fue un proble-
ma de extremo condicionado. Se nos pidi encontrar la distancia mnima entre
la superficie z 2 = x2 y + 4 al origen. Formulamos el problema de minimizar
d2 = x2 + y 2 + z 2 sujeta a la restriccin z 2 = x2 y + 4. Manejamos el problema
sustituyendo el valor de z 2 de la restriccin en la expresin de d2 y despus
resolvimos el problema de valor extremo libre que result. Sin embargo, con
frecuencia sucede que no es fcil despejar una de las variables en la ecuacin de
restriccin y, an cuando pueda lograrse, puede ser ms prctico otro mtodo.
Este es el mtodo de multiplicadores de Lagrange.

El mtodo de Lagrange proporciona un recurso algebraico para encontrar los

puntos extremos restringidos. Si p0 es un extremo restringido, entonces la curva
de nivel y la restriccin son tangentes en dicho punto. Las grficas abajo ilustran
esta situacin.

55
Dichas curvas tienen una recta tangente comn y, por consecuencia, tienen una
perpendicular comn. Pero en cualquier punto de una curva de nivel, el vector
gradiente f es perpendicular a ella (ver seccin 2.4.1) y en forma similar g
es perpendicular a la curva de restriccin g(x, y) = 0, pues dicha curva puede
verse como curva de nivel de la funcin z = g(x, y). Por lo tanto, f y g son
paralelos en p0 , es decir,
f (p0 ) = 0 g(p0 )
para algn nmero no nulos 0 . Esto sugiere la siguiente formulacin del mtodo
de Lagrange.

Mtodo de multiplicadores de Lagrange. Si un campo escalar f (x1 , x2 , ..., xn )

tiene un extremo (mximo o mnimo) sujeto a la restriccin g(x1 , x2 , ..., xn ) = 0,
entonces existe un escalar tal que

f = g

en dicho punto extremo. El nmero se llama multiplicador de Lagrange.

56
Teniendo en cuenta el mtodo de multiplicadores de Lagrange observemos que
podemos formar la siguiente funcin

L(x1 , x2 , ..., xn , ) = f (x1 , x2 , ..., xn ) g(x1 , x2 , ..., xn )

conocida como funcin de Lagrange. En este caso los puntos extremos son
puntos crticos de L y por lo tanto las derivadas parciales de la funcin L son
cero en estos puntos.

Ejemplo 2.6.6 Encuentre el punto del plano 2x 2y + z = 4 que est ms

prximo al origen.
p
Solucin. Se desea minimizar la distancia d = x2 + y 2 + z 2 sujeta a 2x
2y +z 4 = 0. Para facilitar el problema se minimiza el cuadrado de la distancia
d2 = x2 + y 2 + z 2 . La funcin de Lagrange ser

L(x, y, z, ) = x2 + y 2 + z 2 (2x 2y + z 4)

Luego, el sistema de ecuaciones de Lagrange es

L L L
= 2x 2 = 0, = 2y + 2 = 0, = 2z = 0,
x y z

L
= 2x + 2y z + 4 = 0

Si se sustituyen los valores de 2x, 2y y z de las tres primeras ecuaciones en la
cuarta, se obtiene

9 8
2 2 + 4 = 0, o + 4 = 0, o =
2 2 9
Por tanto, x = 8/9, y = 8/9 y z = 4/9, as (8/9, 8/9, 4/9) es el punto
requerido, y la distancia de dicho punto al origen es
r r r
64 + 64 + 16 4+4+1 1 4
=4 = 4 =
81 81 9 3
Ejemplo 2.6.7 Cual es el rea mxima que puede tener un rectngulo si la
longitud de su diagonal es 2?

Solucin. Coloque el rectngulo en el primer cuadrante con dos de sus lados

a lo largo de los ejes coordenados; entonces, el vrtice opuesto al origen tendr
comopcoordenadas (x, y), siendo positivas x e y. La longitud de su diagonal
ser x2 + y 2 = 2 y su rea xy. Entonces podemos formular el problema como

57
maximizacin de f (x, y) = xy sujeta a la restriccin g(x, y) = x2 + y 2 4 = 0.
Formando la funcin de Lagrange
L(x, y, ) = xy x2 + y 2 4

llegamos al sistema de ecuaciones

L L L
= y 2x = 0, = x 2y = 0, = 4 x2 y 2 = 0
x y
Si multiplicamos la primera ecuacin por y y la segunda por x, obtenemos
y 2 = 2xy y x2 = 2xy, por 2 2
lo que y = x . De la tercera ecuacin para
2 2
y = x encontramos x = 2 e y = 2; y sustituyendo estos valores en
x 2y = 0, y 2x = 0 resulta =1/2. Entonces,
la solucin del sistema
, conservando positivas x e y, es x = 2, y = 2, = 1/2.Concluimos que el
rectngulo
de mxima rea con diagonal 2 es el cuadrado cuyos lados miden
2. Su rea es 2.
Observacin 2.6.1 El definir la funcin de Lagrange tiene su ventaja cuando
tenemos que hallar los extremos de una funcin f (x1 , x2 , ..., xn ) sujetos a m
restriccin g1 (x1 , x2 , ..., xn ) = 0, g2 (x1 , x2 , ..., xn ) = 0, ..., gm (x1 , x2 , ..., xn ) = 0
donde suponemos m < n. La funcin de la Lagrange en este caso est definida
por
L (x1 , x2 , ..., xn , 1 , 2 , ..., m ) = f (x1 , x2 , ..., xn ) + 1 g1 (x1 , x2 , ..., xn )
+2 g2 (x1 , x2 , ..., xn ) + ... + m gm (x1 , x2 , ..., xn )
Ejemplo 2.6.8 Hallar el mximo de la funcin f (x, y, z) = x + y + z sobre la
curva determinada por el plano x + 2y + 3z = 0 y el cilindro x2 + y 2 = 1
Solucin:Observemos que las funciones que se determinar para definir las re-
stricciones son g1 (x, y, z) = x + 2y z y g2 (x, y, z) = x2 + y 2 4.
Entonces la funcin de Lagrange es definida por
L(x, y, z, 1 , 2 ) = x + y + z + 1 (x + 2y z) + 2 x2 + y 2 1

Calculando las derivadas parciales e igualando a cero para hallar los puntos
crticos de L obtenemos
L
(1) = 1 + 1 + 22 x = 0
x
L
(2) = 1 + 21 + 22 y = 0
y
L
(3) = 1 1 = 0
z
L
(4) = x + 2y z = 0
1
L
(5) = x2 + y 2 1 = 0
2

58
Al tomar 1 = 1 (de (3)) en (1) obtenemos 2 x = 1, o sea que x = 1/2 .
Similarmente, (2) nos da y = 3/(22 ). Substituyendo en (5) tenemos

1 9
2 + 2 =1
(2 ) 4 (2 )

2
as que (2 ) = 13/4, 2 = 13/2. Por tanto x = 213 , y = 313 y de (4)
tenemos z = x + 2y = 513 . Los valores que le corresponden para la funcin
f son

2 3 5 10
= .
13 13 13 13

El valor mximo de f es 10 .
13

Ejemplo 2.6.9 Utilizar el software MuPad para hallar el mximo de la funcin

f (x, y) = x3 xy + y 2 + 3 con la restriccin x2 + 2y 2 = 1. Hacer las grficas
que muestren que los extremos se obtienen en los puntos en donde las curvas
de nivel son tangentes a la curva de restriccin.

Solucin.
Definimos las funciones f y g como sigue:

F:=x^3-x*y+y^2+3-z
x3 xy + y 2 z + 3

g:=x^2+2*y^2-1
x2 + 2y 2 1

Dibujamos la superficie que corresponde a F en z = 0:

plot(
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2))

59
Recordemos que las curvas de nivel se obtienen intersectando la superficie con
planos z = constante. Abajo se ve un ejemplo para z = 3,5:

plot(
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2),
plot::Surface([x,y,3.5],x=-1.2..1.2,y=-1.2..1.2,Color=RGB::Yellow),
plot::Implicit3d(F|z=3.5, x =-1.2..1.2, y=-1.2..1.2,z=3.45..3.55))

Resolvemos el sistema

f (x, y) = g(x, y)
g(x, y) = 0
que corresponde al sistema

60

3x2 y = 2x
x + 2y = 4y
2
x + 2y 2 = 1
tt:=numeric::solve([3*x^2-y=2*a*x,-x+2*y=4**y,x^2+2*y^2=1],[x,y,])

[x = 0.2359 - 0.5446 i, y = -0.7918 - 0.0811 i, = 0.5562 - 0.1777 i],

[x = 0.2359 + 0.5446 i, y = -0.7918 + 0.0811 i, = 0.5562 + 0.1777 i],
[x = 0.9468, y = -0.2275, = 1.5403],
[x = 0.5440, y = 0.5933, = 0.2707],
[x = -0.9853, y = -0.1207, = -1.5392],
[x = -0.3106, y = 0.6721, = 0.6155]

Como se ve, se tienen dos soluciones complejas y cuatro reales. Aislamos las
cuatro reales en la siguiente tabla:

table(1=tt[3],2=tt[4],3=tt[5],4=tt[6])

1 x = 0,9468 y = 0,2275 = 1,5403

2 x = 0,5440 y = 0,5933 = 0,2707
3 x = 0,9853 y = 0,1207 = 1,5392
4 x = 0,3106 y = 0,6721 = 0,6155
Reemplazando los valores de x y y en la funcin f (x, y), obtenemos los cuatro
valores:

table(1=F|(x=0.9468,y=-0.2275,z=0),2=F|(x=0.5440,y=0.5933,z=0),
3=F|(x=-0.9853,y=-0.1207,z=0),4=F|(x=-0.3106,y=0.6721,z=0))

1 4,1158
2 3,1902
3 1,9390
4 3,6305
La grfica siguiente muestra las cuatro curvas de nivel y la curva de restriccin
con los puntos de tangencia en donde se encuentran los extremos.

plot(plot::Implicit2d(F|z=4.1158,x=-2..2,y=-2..2),
plot::Implicit2d(g,x=-2..2,y=-2..2,Color=RGB::Black),
plot::Implicit2d(F|z=3.1902,x=-2..2,y=-2..2,Color=RGB::Green),
plot::Implicit2d(F|z=3.6305,x=-2..2,y=-2..2,Color=RGB::Red),
plot::Implicit2d(F|z=1.939,x=-2..2,y=-2..2,Color=RGB::Brown),
plot::Point2d([0.94,-0.22],Color=RGB::Blue),
plot::Point2d([0.54,0.59],Color=RGB::Green),

61
plot::Point2d([-0.98,-0.12],Color=RGB::Brown),
plot::Point2d([-0.31,0.67],Color=RGB::Red))

Las cinco grficas siguientes muestran la superficie con su restriccin y las

curvas de nivel correspondientes a los cuatro valores anteriores, vindose clara-
mente que los extremos se obtienen en los puntos de tangencia.
plot(plot::Curve3d([cos(t),(1/sqrt(2))*sin(t),
(cos(t))^3-cos(t)*(1/sqrt(2))*sin(t)+(1/2)*(sin(t))^2+3], t = 0..2*PI,LineWidth=1),
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2),
plot::Implicit3d(g,x=-2..2,y=-2..2,z=0..0.1,LineColor=RGB::Blue))

plot(plot::Curve3d([cos(t),(1/sqrt(2))*sin(t),
(cos(t))^3-cos(t)*(1/sqrt(2))*sin(t)+(1/2)*(sin(t))^2+3], t = 0..2*PI,LineWidth=1),

62
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2),
plot::Implicit3d(F|z=4.1158, x =-1.2..1.2, y=-1.2..1.2,z=4.1..4.2),
plot::Implicit3d(g,x=-2..2,y=-2..2,z=0..0.1,LineColor=RGB::Blue),
plot::Implicit3d(F|z=4.1158,x=-2..2,y=-2..2,z=0..0.1))

plot(plot::Curve3d([cos(t),(1/sqrt(2))*sin(t),
(cos(t))^3-cos(t)*(1/sqrt(2))*sin(t)+(1/2)*(sin(t))^2+3], t = 0..2*PI,LineWidth=1),
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2),
plot::Implicit3d(F|z=3.1902, x =-1.2..1.2, y=-1.2..1.2,z=3.1..3.2),
plot::Implicit3d(g,x=-2..2,y=-2..2,z=0..0.1,LineColor=RGB::Blue),
plot::Implicit3d(F|z=3.1902,x=-2..2,y=-2..2,z=0..0.1))

plot(plot::Curve3d([cos(t),(1/sqrt(2))*sin(t),
(cos(t))^3-cos(t)*(1/sqrt(2))*sin(t)+(1/2)*(sin(t))^2+3], t = 0..2*PI,LineWidth=1),

63
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2),
plot::Implicit3d(F|z=1.939, x =-1.2..1.2, y=-1.2..1.2,z=1.9..2),
plot::Implicit3d(g,x=-2..2,y=-2..2,z=0..0.1,LineColor=RGB::Blue),
plot::Implicit3d(F|z=1.939,x=-2..2,y=-2..2,z=0..0.1))

plot(plot::Curve3d([cos(t),(1/sqrt(2))*sin(t),
(cos(t))^3-cos(t)*(1/sqrt(2))*sin(t)+(1/2)*(sin(t))^2+3], t = 0..2*PI,LineWidth=1),
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2),
plot::Implicit3d(F|z=3.6305, x =-1.2..1.2, y=-1.2..1.2,z=3.6..3.7),
plot::Implicit3d(g,x=-2..2,y=-2..2,z=0..0.1,LineColor=RGB::Blue),
plot::Implicit3d(F|z=3.6305,x=-2..2,y=-2..2,z=0..0.1))

Tenemos entonces el mximo z = 4,1158 en el punto (0,9468, 0,2275) y el

mnimo z = 1,9390 en el punto (0,9853, 0,1207).

64
Observe en este ejemplo que existen otros dos puntos de tangencia en donde
no hay extremos; esto demuestra que la condicin de tangencia de la curva de
nivel con la curva de restriccin para la existencia de un extremo, es solamente
una condicin necesaria pero no suficiente.

2.7. *Temas de Lectura

2.7.1. Campos Escalares y Campos Vectoriales
En este captulo consideramos las funciones de subconjuntos U Rn (n > 1)
a Rm (m 1) . Cuando m = 1, las funciones

f: U Rn R

x f (

x)

x = (x1 , x2 , ..., xn ), le llamaremos campos escalares o funciones de varias vari-

ables. Un campo escalar asigna a cada vector
x un nmero real f ( x ) R.
Cuando m > 1, definiremos los campos vectoriales como funciones


F : U Rn Rm



x F (

x)


F (
x ) = (f1 (

x ), f2 (

x ), ..., fm (

x ))


donde cada una de las componentes de F , fi : U Rn R son campos
escalares o funciones de varias variables. Hablaremos de un campo vectorial


sobre Rn cuando F : U Rn Rn . Un campo vectorial asigna a cada


vector

x un vector F (x ) Rm . Ver la figura en caso de campo vectorial sobre
R2 y R3 respectivamente.

65
De acuerdo a la definicin de campo vectorial, podemos inicialmente hacer un
anlisis de los campos escalares que naturalmente extenderemos a los campos
vectoriales.
Veamos algunos ejemplos de campos escalares y campos vectoriales:

Ejemplo 2.7.1 En el plano xy el dominio natural de

p
y x2
f (x, y) = 2
x + (y 1)2

es U = {(x, y) : y x2 } (0, 1).

1
p
Ejemplo 2.7.2 Si z = f (x, y) = 3 36 9x2 4y 2 y observemos que z 0.
El dominio de f es el conjunto

U = {(x, y) : 36 9x2 4y 2 0}.

Ejemplo 2.7.3 En el caso de z = y 2 x2 , el dominio U = R2 .

Definicin 2.7.1 El rango de una funcin de varias variables f : U R o

campo vectorial F : U Rn Rm es el conjunto representado por Rf
definido por
o R
F
Rf = {f (

x) R :
x U}

o



= { F ( x ) Rm : x U }
R
F
respectivamente.

Definicin 2.7.2 Dada una funcin de varias variables o campo escalar f :

U Rn R, la grfica de f es definida como el conjunto

Gr(f ) = {(x1, x2 , ..., xn , xn+1 ) : xn+1 = f (x1, x2 , ..., xn ), (x1, x2 , ..., xn ) U }.

De esta definicin podemos observar que la grfica de f est en Rn+1 . Si n = 1,

tenemos una funcin real cuya grfica est en el plano, mientras que si n = 2,
la grfica se encuentra en R3 . En este ltimo caso diremos que la grfica es una
superficie.

2.7.2. Derivada en una direccin de un campo escalar en

Rn . Derivadas direccionales y parciales.
Sea f : U Rn R un campo escalar y a un punto interior a U. Deseamos
estudiar la variacin de f cuando nos desplazamos desde
a a un punto prximo.
En general, la variacin de f depender de la direccin en la cual nos movemos

66
a partir de a . Supongamos que se presenta esa direccin mediante un vector

y . Esto es, supongamos que nos movemos desde

a hacia otro punto
a +y,




siguiendo el segmento de recta que une a con a + y . Cada punto de este
segmento tiene la forma a + t

y , donde t es un nmero real. Mantengamos
t 6= 0 pero lo bastante pequeo para que
a + ty U y definamos el cociente
de diferencias
f (

a + t
y ) f (

a)
t
El numerador de este cociente pone de manifiesto el cambio de la funcin cuando
nos desplazamos desde a a
a + t

y . El cociente denomina a su vez el promedio
de variacin de f en el segmento de recta que une
a a
a +
y . Nos interesa
el comportamiento de esa cociente cuando t 0.

Definicin 2.7.3 Sea f : U Rn R un campo escalar y a un punto

interior a U y y Rn un punto arbitrario.. La derivada de f en a con respecto
ay se representa con el smbolo f 0 (a;

y ) y se define

f (

a + t

y ) f (

a)
f 0 (a;

y ) = lm
t0 t

cuando tal lmite existe. En particular, cuando y es un vector unitario, es

decir k y k = 1, la distancia entre a y a + t y es |t|. En tal caso el cociente de
diferencias representa el promedio de variacin de f por unidad de distancia
a lo largo del segmento de recta que une a con a +
y y la derivada f 0 (a;

y)



se denomina derivada direccional. Adems, si y = ek (el vector k -simo
coordenado unitario) la derivada direccional f 0 (a;

ek ) se denomina derivada
f
parcial respecto a ek y se denota por xk ( a ).

Ejemplo 2.7.4 En R2 los vectores coordenados unitarios son los vectores i y

j. Si a = (x0 , y0 ) las derivadas parciales f 0 (

a ; i) y f 0 (

a ; j) tambin se
escriben
f f
f 0 (

a ; i) = (x0 , y0 ) = fx (x0 , y0 ), f 0 (

a ; j) = (x0 , y0 ) = fy (x0 , y0 )
x y

En <3 , los vectores coordenados unitarios son los vectores i,

j y k. Si a = (x0 , y0 , z0 ) las derivadas parciales f 0 (a; i),
f 0 (a; j) y f 0 (a; k) se escriben respectivamente como

f f
(x0 , y0 , z0 ) = fx (x0 , y0 , z0 ), (x0 , y0 , z0 ) = fy (x0 , y0 , z0 ),
x y
f
(x0 , y0 , z0 ) = fz (x0 , y0 , z0 )
z

67
De acuerdo a la definicin de derivada en una direccin, las derivadas parciales
fx (x0 , y0 ) y fy (x0 , y0 ) pueden expresarse

f (x0 + h, y0 ) f (x0 , y0 )
fx (x0 , y0 ) = lm para y = y0 fijo
h0 h
f (x0 , y0 + h) f (x0 , y0 )
fy (x0 , y0 ) = lm para x = x0 fijo
h0 h
En lugar de calcular fx (x0 , y0 ) y fy (x0 , y0 ) en forma directa a partir de las
definiciones, lo usual es encontrar fx (x0 , y0 ) y fy (x0 , y0 ) mediante las reglas
ordinarias de derivacin; despus se sustituyen x = x0 e y = y0 .

Ejemplo 2.7.5 Si f (x, y) = x2 sen (xy 2 ), encuentre fx ( 4 , 1) y fy ( 4 , 1).

Solucin.
f
(x, y) = 2x sen (xy 2 ) + x2 cos(xy 2 ) y 2 = 2x sen (xy 2 ) + x2 y 2 cos(xy 2 )
x
f
(x, y) = x2 cos(xy 2 ) 2xy = 2x3 y cos(xy 2 )
y

Sustituyendo x = 4 y y = 1 se calculan

   2   2( 2 + 8)
2 2 2
fx ( , 1) = 2 sen 1 + 1 cos 1 =
4 4 4 4 4 32
 3
  2 3
fy ( , 1) = 2 cos 12 =
4 4 4 64

2.7.3. Diferenciabilidad de un campo escalar en Rn .

Definicin 2.7.4 Un campo escalar f : U R , donde U es un conjunto
abierto de Rn es diferenciable en si existe un vector f (

a ) Rn tal que



f (

a + h )f (

a )f (

a ) h


lm
= 0. (2.20)
h 0 khk

Si definimos



f (

a + h )f (

a )f (

a ) h
E(a; h) =
,
khk
tendramos de acuerdo a la definicin, f es diferenciable en

a si y slo si




lm E(

a; h)=0
h 0

68
Podemos escribir



f (

a + h ) f (

a ) f (

a ) h = khkE(

a ; h ),

o equivalentemente,



f (

a + h ) = f (

a ) f (

a ) h + khkE(

a ; h ),

El vector f (a ) le llama el gradiente de f en

a y al producto de f (

a)h


se le llama la diferencial de f en a .

Teorema 2.7.1 Si f : U R es diferenciable en

a , entonces es continua en

a.

Demostracin. Puesto que f es diferenciable en a tenemos que

lm E(

a ; h ) = 0.
h 0

Adems




f (

a + h )=f (

a )f (

a ) h +khkE(

a ; h ),


y tomando el limite cuando h 0 tenemos que




lm f (

a + h ) =f (

a ).
h 0

Por lo tanto f es continua en

a .

Teorema 2.7.2 Sea f derivable en a . Entonces la derivada de f en

a en la


direccin del vector unitario y = (y1 , y2 , yn ) y

f (

n
a)
f 0 (

a ;

y )=f (

a )

X
y = yk
xk
k=1

Demostracin. Si y = 0 claramente f (a )

y = 0 y f 0 (
a ;

y )=0 . Por



consiguiente consideremos y 6= 0 . Como f es diferenciable en a tenemos que
para h con |hk < r





f (

a + h )=f (

a )+f (

a ) h + k h kE(

a ; h ),



donde lmh0
E( a ; h) = 0 . Si tomamos |t| < r , entonces h = t

y con t 6= 0


cumple que h <r y por lo tanto

f (

a + t

y )f (

a )=f (

a )t

y + |t|E(

a ;

y ).

69
Dividiendo por t tenemos

f (

a + t

y )f (

a) |t|
= f (

a )

y + E(a ;
y ).
t t
|t|
Puesto que lmt0 = 1 tenemos que
t
f (

a + t

y )f (

a)
lm = f (

a )

y.
t0 t
Por lo tanto
f 0 (

a ;

y )=f ( a )

y.
f (

a)
Adems, teniendo en cuenta que f 0 (

a ; ek ) = y
y = u 1 e1 + + u n en
xk
concluimos que

f 0 (

a ;

y) = f (

a) e1 + +un
a ) (u1
y = f (
e
n)
n
uk f (

a)

X
= ek
k=1

f (
f (
f (

n n  
a) a) a)
uk f (

a ;

X X
0
= ek ) = uk = ,..., (u1 , . . . , un ).
xk xk xn
k=1 k=1

De aqu podemos concluir que el vector gradiente es dado por

f (
f (

 

a) a)
f ( a )= ,...,
x1 xn

Si f es diferenciable en

a , existen todas las derivadas parciales. No obstante la
existencia de todas las derivadas parciales no garantiza que f sea diferenciable
en
a .

Ejemplo 2.7.6 Consideremos la funcin

xy 2
si (x, y) 6= (0, 0)
f (x, y) = x2 + y 4
0 si (x, y) = (0, 0)

f f
Mostremos que (0, 0) y (0, 0) existen. Por definicin
x y

f f ((0, 0) + ti) f (0, 0) f (ti) f (t, 0)

(0, 0) = lm = lm = lm =0
x t0 t t0 t t0 t

70
y
f f ((0, 0) + tj) f (0, 0) f (tj) f (0, t)
(0, 0) = lm = lm = lm = 0.
y t0 t t0 t t0 t
Sin embargo la funcin no es continua en (0, 0) . Observemos que f (x, 0) = 0 y
f (0, y) = 0 . As a travs de los ejes coordenados f 0 cuando nos acercamos
al origen. Sin embargo si nos acercamos al origen sobre la parbola x = y 2
tenemos que f (y 2 , y) = 1/2 . As f (x, y) 1/2 cuando x = y 2 y y 0 .
Puesto que f (0, 0) 6= 1/2, f no es continua en (0, 0) y por lo tanto no puede
ser diferenciable en (0, 0) .
Teorema 2.7.3 (Condicin suficiente de diferenciabilidad). Si existen
f f
las derivadas parciales ,..., en cierta n-bola B(

a ;

r ) y son continuas
x1 xn
en
a , entonces f es diferenciable en a .

2.7.4. Regla de la cadena para campos escalares en Rn .

La regla de la cadena para funciones compuestas de una sola variable establece
que si y = g(t) = f (r(t)), donde tanto f como r son funciones diferenciables,
entonces
g 0 (t) = f 0 (r(t))r0 (t)
o
dy dy dr
=
dt dr dt
Ahora veremos como la regla de la cadena puede generalizarse para los campos
escalares o funciones de varias variables.
Teorema 2.7.4 [Regla de la cadena] Sea f una funcin de n -variables
definida en un conjunto abierto U Rn y r una funcin vectorial
r :J U
donde J es un intervalo abierto. Definamos la funcin compuesta f r en J
por g(t) = f (r(t)) donde t J . Sea t J en el que r 0 (t) existe y tal que f es
diferenciable en r(t) . Entonces g 0 (t) existe y

g 0 (t) = f (r(t)) r0 (t)
Demostracin. Sea
a = r(t) . Puesto que U es abierto existe una bola B(

a)






U y tomemos h 6= 0 tal que r (t + h) B( a ) . Sea y = r (t + h) r (t) .
Claramente si h 0 entonces yb 0 . ahora consideremos
g(t + h) g(t) = f (

r (t + h)) f (

r (t)) = f (

a + y) f (

a ).

Como f es diferenciable en

a entonces
f (

a +

y ) f (

a ) = f (

a)

y + k

y kE(

a ; y).

71
donde E(

a ; y) 0 cuando |yk 0. Ahora,

g(t + h) g(t) = f (

a ) (

r (t + h)

r (t)) + k

r (t + h)

r (t)kE(

a ;

y ).

Dividiendo por h obtenemos

g(t + h) g(t) (

r (t + h))

r (t))

r (t + h))

r (t)
= f (

a ) +k kE(

a ;

y ).
h h h
Tomando h 0 tenemos que

g 0 (t) = f (

r (t)) r0 (t)).

Si escribimos

r en sus ecuaciones paramtricas x1 = x1 (t), x2 = x2 (t), ..., xn =
xn (t) podemos escribir g 0 (t) en la forma
f dx1 f dxn
g 0 (t) = (
a) + ... + (
a)
x1 dt xn dt
Cuando
a describe una curva C , la derivada direccional de f en la direccin


del vector tangente unitario T (t) se llama derivada direccional de f a lo largo
de la curva C .

Ejemplo 2.7.7 Halle la derivada direccional de f (x, y) = x2 3xy a lo largo

de la parbola y = x2 x + 2 en el punto (1, 2) .

Solucin: El gradiente de f est dado por

f f
f (x, y) = ( , ) = (2x 3y, 3x).
x y
En el punto (1, 2) tenemos que f (1, 2) = (4, 3). La parbola la podemos
parametrizar por r (t) = (t, t2 t + 2). Observemos que para t = 1,

r (1) = (1, 2) que es el punto dado. El vector velocidad es dado por

r 0 (t) =

0

(1, 2t 1) y r (1) = (1, 1) el cual tiene norma | r (1)k = 2 . As T b(1) =
1 (1, 1) . Por lo tanto la derivada direccional a lo largo de la parbola en el
2
punto (1, 2) es
1 7
f ((1, 2); T (1)) = f (1, 2) (1, 1) =
2 2
Ejemplo 2.7.8 Suponga que se calienta un cilindro circular recto slido y que
su radio r aumenta a razn de 0.2 cm por hora y su altura h a 0.5 cm por
hora. Encuentre la razn de aumento del rea con respecto al tiempo, cuando
el radio mide 10 cm y altura 100.

72
Solucin: La frmula del rea total de un cilindro es S(r, h) = 2rh + 2r2 .
En consecuencia,
dS S dr S dh
= + = (2h + 4r)(0,2) + (2r)(0,5)
dt r dt h dt
Cuando r = 10 y h = 100,
dS
= (2 100 + 4 10)(0,2) + (2 10)(0,5) = 58 cm2 por hora
dt
Ejemplo 2.7.9 Suponga que w = x2 y + y + xz, donde x = cos , y = sen , y
z = 2 . Encuentre dw/d y la evale para = /3.
Solucin.
dw w dx w dy w dz
= + + = (2xy + z)(sen ) + (x2 + 1)(cos ) + (x)(2)
d x d y d z d
= 2 cos sen2 2 sen + cos3 + cos + 2 cos
En = /3,

1 1 2 1 2 3
 
dw 3 1 1 2 1
= 2 + +1 + = +
d 2 3 3 2 4 2 3 2 8 18 3
Suponemos en seguida que z = f (x, y), donde x = x(s, t) e y = y(s, t) de modo
que z es una funcin de dos variables z = f [x(s, t), y(s, t)] = h(s, t). Entonces,
tiene sentido preguntar por z/s y z/t.

2.7.5. Derivada en una direccin de un campo vectorial.

Derivada direccional


Definicin 2.7.5 ea F : U Rm definido en un subconjunto U de Rn .
Sea
a un punto interior de U y y Rn , un punto arbitrario. Definimos la

0


derivada F ( a ; y ) por la frmula

0
F (
a + t

y ) F (
a)
F ( a ; y ) = lm
t0 t
Siempre que el lmite exista. Observemos que esta derivada es un vector de Rm .
De acuerdo a la definicin de lmites para campos vectoriales podemos observar
que

0
F (a ;

y ) = (f10 (

a ;

y ), f20 (

a ;
0
y ), ..., fm (
a ;

y ))

0
En el caso que y es un vector unitario, es decir k y k = 1, F (


a ;

y ) se llama
derivada direccional de un campo vectorial.

73
2.7.6. Diferenciabilidad de un campo vectorial


Definicin 2.7.6 Diremos que un campo vectorial F es diferenciable en

a si

existe una matriz DF (
a ) m n (la matriz Jacobiana) tal que




F ( a ) DF (
a + h ) F ( a) h
lm


=0
h 0 khk

De esta definicin y por las propiedades de los lmites diremos que est defini-


cin implica que cada componente de F , fi , es diferenciable en

a.
Denotemos por








F (
a + h ) F (
a ) DF (
a) h
E (
a, h)= .
khk




Observemos que E (
a , h ) es un vector de Rm . Esto nos permite escribir





F (
a + h ) = F (
a ) + DF (
a ) h + khk E (
a, h)


y decir que un un campo vectorial F es diferenciable en
a si existe una matriz






DF ( a ) mn tal que la igualdad anterior se cumple donde lm E (
a, h) =
h 0
0. Esta frmula es conocida como frmula de Taylor de primer orden. vlida


para todo h con h < r para cierto r > 0. La matriz DF ( a ) la llamaremos



la derivada de F en a .
f1

Vamos a demostrar que la matriz DF ( a ) = ...
a ) es DF ( donde fi

fm
(i = 1, ..., m) es el gradiente de la funcin fi (i = 1, ..., m).

Observemos que

F (
a + h ) F (
a) = (f1 (

a + h ), ..., fm (

a + h )) (f1 (
a ), ..., fm (

a ))



= (f (
1

a + h ) f (
1
a ), ..., f (
m

a + h ) f (
m

a ))

Como cada componente fi es diferenciable tenemos que

fi (

a + h ) fi (

a ) = fi h + khk Ei (

a, h)


donde lm
E (
h 0 i

a , h ) = 0. Por lo tanto

74






F (
a + h ) F (
a) = (f1 (
a + h ), ..., fm (
a + h )) (f1 ( a ), ..., fm (

a ))







= (f1 ( a + h ) f1 ( a ), ..., fm ( a + h ) fm ( a ))





= (f1 h + khk E1 ( a , h ), ..., fm h + khk Em (
a , h ))





= (f1 h , ..., fm h ) + (khk E1 (
a , h ), ..., khk Em (a , h ))





= (f1 h , ..., fm h ) + khk (E1 (
a , h ), ..., Em (
a , h ))





Si DF (
a ) h = (f1 h , ..., fm h ) y E (
a , h ) = (E1 (

a , h ), ..., Em (

a , h ))
tenemos que





F (a + h ) = F ( a ) + DF (
a ) h + khk E (
a, h)



donde lm

h 0
E (a , h ) = 0. Esto implica que

f1
f2
DF (
 T
a)= .. = f1 f2 fm .

.
fm

Observemos tambin que

0
F (
a ;

y) = (f10 (

a ;

y ), f20 (

a ;
0
y ), ..., fm (a ;

y ))




= (f1 h , f2 h , ..., fm h ) = DF ( a) h


Esta frmula nos permite determinar fcilmente la derivada F 0 (
a ;
y ).

Ejemplo 2.7.10 Supongamos que T : Rn Rm es una transformacin lineal.
(Una transformacin lineal es un ejemplo


particular de campo vectorial). Vamos a mostrar que T es difenciable y que



DT (x)= a donde

a es la matriz mn asociada a T ,esto es T (
x)= a
x.







T (x + h ) T (
x)

a h A (x + h)
a
x

a h
lm




= lm





h 0 h h 0 h




ax +
a h a
x
a h
=
lm



=0
h 0 h

75


entonces DT ( x)= A
As todos las transformaciones lineales son campos vectoriales diferenciables.

Ejemplo 2.7.11 Si f : U Rn R es un campo escalar diferenciable sobre

un conjunto abierto U , entonces f : U Rn Rn es un campo vectorial
dado por
f f f
f = ( , , ..., )
x1 x2 xn
Si cada una de las derivadas parciales es diferenciable tenemos que podemos
encontrar la matriz Jacobiana de f, Df, la cual en algunos textos se denota
por 2 f (

x ) y es igual a
T
2f 2f 2f


x21 x1 x2 x1 xn
2f 2f 2f



2 f (

x)=
x2 x1 x22 x2 xn



2f 2f 2f

xn x1 xn x2 x2n

2.7.7. Regla de la cadena para campos vectoriales.

Teorema 2.7.5 [Regla de la cadena] Sea F una funcin vectorial definido
en un conjunto abierto U Rn y
r una funcin vectorial r : J U donde


J es un intervalo abierto. Definamos la funcin compuesta F r en J por

0

G (t) = F ( r (t)) donde t J . Sea t J en el que r (t) existe y tal que F es


diferenciable en
r (t) . Entonces G 0 (t) existe y

0

G (t) = D F (r(t))r0 (t)

Demostracin. Sea a=
r (t) . Puesto que U es abierto existe una bola
B( a ) U y tomemos h 6= 0 tal que


r (t + h) B(
a ) . Sea

y = r(t + h) r(t)



. Claramente si h 0 entonces
y 0 . ahora consideremos G (t+ h) G (t) =

F (r (t + h)) F (
r (t)) = F (a + y ) F (a ).



Como F es diferenciable en a entonces




F (
a +y ) F (a ) = D F (a) y + k
y kE(
a ;

y ).

donde E(

a ; y) 0 cuando |yk 0. Ahora,





G (t + h) G (t) = D F (
a ) (r(t + h) r(t)) + kr(t + h) r(t)k E (
a ;
y ).

76
Dividiendo por h obtenemos

G (t + h) G (t) (

r (t + h))

r (t))

r (t + h))

r (t)
= D F (
a ) +k kE(

a ;

y ).
h h h
Tomando h 0 tenemos que

0

G (t) = D F (
r (t))

r 0 (t).

En el caso general de la composicin de dos campos vectoriales tenemos que

Teorema 2.7.6 [Regla de la cadena general] Sea F y G dos campos vec-



toriales en un abierto U donde la funcin compuesta H = F G esta bien





definida por H (x ) = F ( G (

x )) donde x U.. Sea x U en el que D G 0 (x)




existe y tal que F es diferenciable en G (
x ) . Entonces D H (
x ) existe y




D H (
x ) = D F ( G (
x ))D G (
x ).

que es el producto de las dos matrices.

Demostracin. Sea a = G ( x ) . Puesto que U es abierto existe una bola


B(
a ) U y tomemos h 6= 0 tal que r (t + h) B(
a ) . Sea
y = G ( x +

h ) G (( x ) . Claramente si h 0 entonces y 0 . ahora consideremos

H (x + h ) H ( x ) = F ( G (
x + h )) F ( G ( x )) = F (a + y ) F (
a ).



Como F es diferenciable en a entonces





F (
a +

y ) F (
a ) = D F (
a )
y + k

y k E (
a ;
y ).


donde E (
a ; y) 0 cuando |yk 0. Ahora,






H (
x + h ) H (
x) = D F (a ) G ((x + h) G ((x) +




k G ((x + h) G ((x)k E ( a ;y ).




h i
= D F ( a ) D G (x) h + h E(x, h) +

h

i
kD G(x) h + h E (x, h) k E ( a ;y)




= D F (a ) D G (x) h + D F (

a ) h E(x, h) +


h i
kD G(x) h + h E (x, h) k E ( a ;y ).

77



Dividiendo por h obtenemos






H (
x + h ) H (
x ) D F (
a ) D G (x) h



= D F (
a ) E(x, h) +
h




kD G(x) h + h E(x, h)



E (
a ;
y ).
h



Tomando h 0 tenemos que




D H (
x ) = D F ( G (
x ))D G (
x)

Definicin 2.7.7 Divergencia de un campo vectorial. Sea F : U Rn


Rn donde U es un subconjunto de Rn un campo vectorial dado por F ( x)=
(f1 (

x ), f2 (

x ), ..., fn (

x ))

x = (x1 , x2 , ..., xn ). Definimos la divergencia


de F como
f1 (

x ) f2 (
x) fn (

x)
div F = + + ... + .
x1 x2 xn
 

Si representamos = , , ..., observemos que podemos denotar
x1 x2 xn
divF = F. Hay que tener en cuenta que la divergencia es un campo escalar.



Ejemplo 2.7.12 Sea F (x, y, z) = (x2 y, xyz, x2 z). La divergencia de F es


div F = 2xy + xz + x2 .
Ejemplo 2.7.13 Sea


!

r x y z x y z
F (x, y, z) = = , , = , , ,.
k k
r k k
r k k
3 3 3 3 r3 r3 r3
rk rk
x y z
donde r = k p
r k = x2 + y 2 + z 2 . Sean f1 = 3 , f1 = 3 , f2 = 3 . Entonces
r r r
3


r (r) x
r3 x r3 3xr2 r3 3xr2 3 2
f1
= x = x = r = r 3x r ,
x r6 r6 r6 r6
3


r (r) y
r3 x r3 3yr2 r3 3yr2 3 2
f2
=
y
=
y
= r = r 3y r ,
y r6 r6 r6 r6
3


r (r) z
r3 x r3 3zr2 r3 3yr2 3 2
f 3
= z = z = r = r 3z r .
z r6 r6 r6 r6

78
Sumando estas derivadas tenemos que

f1 f2 f2 3r3 3r3
div F = + + = = 0.
x y y r6


Definicin 2.7.8 Rotacional de un campo vectorial. Sea F : U R3
R3 donde U es un subconjunto de Rn un campo vectorial dado por


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


Definimos el rotacional de F al vector definido por

 
R Q P R Q P
rot F = , ,
y z z x x y

Observacin 2.7.1 El rotacional se puede ver como

i j k
 
 


 
rot F = F = 

x y z

 
 P Q R 

Observacin 2.7.2 En el caso que F (x, y) = (P (x, y), Q(x, y)) definiremos


el rotacional de F como
 i j k  
 



 Q P
rot F =  0 = k

 x y  x y
 P Q 0 

Observacin 2.7.3 Si el vector rot F = 0 , diremos que es campo vectorial
es un campo irrotacional.

.


Ejemplo 2.7.14 Sea F (x, y, z) = (x, xy + y, 2x xz), entonces el rotacional
es dado por

i j k
 
 

 
rot F =   = (x, xy + y, 2x xy) = xi+ (xy + y) jxyk.

 x y z 
 xyz x2 xy 

79
Definicin 2.7.9 Laplaciano de un Campo Escalar. Sea f (x, y, z) un
campo escalar.diferenciable con derivadas de orden dos, definimos el Lapla-
ciano de f, f, como la divergencia del gradiente de f, esto es

f f f 2f 2f 2f
f = div (f ) = div ( , , )= + +
x y y x2 y 2 y 2

En el caso de dos variables f (x, y) tenemos

2f 2f
f = div (f ) = +
x2 y 2

Ejemplo 2.7.15 Sea f (x, y) = x3 3xy 2 . Hallar el Laplaciano de f.

f 2f
= 3x2 3y 2 2
= 6x
x x
2
f f
= 6xy = 6x
y 2
Entonces
f = 0.

Definicin 2.7.10 Una funcin escalar cuyo Laplaciano es cero, esto es f =

0, se llama funcin armnica.

2.7.8. Frmula de Taylor de orden dos para campos es-

calares
Teorema 2.7.7 Sea f un campo escalar con derivadas de orden dos continuas
en una bola Br (

a ). Entonces para todo y Rn tal que

a +
y Br (
a ),
tenemos que
1
f (

a +

y ) = f (

a ) + f (
y +
a)
y H(
a + c

y )

y |, 0 < c < 1,
2!
donde H es la matrz Hessiana de f . Tambin podemos escribir
1
f (

a +
y ) = f (

a ) + f (

a)

y + y H(
a )

y | + k

y k E2 (

a ;

y ),
2!
donde lm E (

2

a ;
y ) = 0.


y0

Demostracin. Fijemos

y Rn . Definamos la funcin

g(t) = f (

a + t

y ), 0 t 1.

80
Claramente g(0) = f (a) y g(1) = f (

a +

y ). Por lo tango f (

a +

y ) f (

a)=
g(1) g(0).
Como g es una funcin real, aplicamos la frmula de Taylor de orden 2 en el
intervalo [0, 1]. As

1 00
g(1) = g(0) + g 0 (0) + g (c), 0<c<1
2!
(Resultado de Clculo I).
Aplicando regla de la cadena a g tenemos que

f (

a + t

n
y)
f (

a + t

y )

X
0
g (t) = y = yi
xi
i=1
f (

a + t

y) f (

a + t

y) f (

a + t

y)
= y1 + y2 + + yn
x1 x2 xn

As g 0 (0) = f ( a) y.
Calculamos la segunda derivada de g aplicando nuevamente regla de la cadena

f (a + t f (
a + t
   
y) y)
g 00 (t) = y y1 + y y2 + +
x1 x2



f ( a + t y )

y yn
xn
 2
f ( a + t 2 f (
a + t 2 f (
a + t 
y) y) y)
= y1 + y2 + + yn y1
x21 x2 x1 xn x1
 2
f ( a + t
2 f (

a + t 2 f (

a + t 
y) y) y)
+ y1 + y2 + + yn y2
x1 x2 x22 xn x2
..
. 
2 f (
a + t
2 f (

a + t 2 f (

a + t 
y) y) y)
+ y1 + y2 + + y n yn .
x1 xn x2 xn x2n

2 f (

a + t

n X
n
y)
yi yj =

y H(

a + c

y )

X
00
g (t) = y |.
i=1 j=1
xi xj

As,
g 00 (c) =

y H(

a + c

y )

y |.
y por lo tanto as demostramos que

1
f (

a +

y ) = f (

a ) + f (
y +
a)
y H(
a + c

y )

y |, 0 < c < 1.
21

81
Para demostrar la segunda parte, definamos
1

k

y k E2 (

a ;

y)=
y [H(

a + c

y ) H(a)]

y |,
6 0
y =
21
y


E2 (

a; 0)=0 .
En este caso tenemos que
1 |
f (

a +
y ) = f (

a ) + f (

a)y + y H(
a )

y + k

y k E2 (

a ;

y ).
2!
Vamos a mostrar que lm E (


a ;

y ) = 0.
2


y0
 
n  2
2
 n X
X  
f ( a + t y ) f ( a )
k

y k |E2 (

a ;

2 
y )| =  yi yj 

 i=1 j=1 xi xj xi xj 
n X n
 2 f (

a + t
y ) 2 f (
 
X a )  2
 k y k .
i=1 j=1
 x i xj x i x j

As dividiendo por k
y k 6= 0 tenemos que
n  2
n X
 f (
a + ty ) 2 f (

a ) 
|E2 (

a ;

X
y )|  .
i=1 j=1
 xi xj xi xj 

puesto que 2f
xi xj son continuas en

a , entonces

2 f (

a + t
y) 2 f (

a)
lm

=


y0 xi xj xi xj

Por lo tanto lm

|E2 (

a ;

y )| = 0 y esto implica que lm

E2 (

a ;

y)=0.


y0

y0

2.7.9. Naturaleza de un punto crtico teniendo como cri-

terio los valores propios de la matriz Hessiana


Si

a es un punto crtico de f tenemos que f (a) = 0 . En este caso
1 |
f (

a +

y ) = f (

a)+ y H(
a )

y + k

y k E2 (

a ;

y ).
2!
Teorema 2.7.8 Sea A = (aij ) una matriz n n y simtrica. Supongamos que
n Pn
Q(y) =

y A

y>=
P
a y y . Entonces
ij i j
i=1 j=1

82


1. Q(

y ) > 0
6 0 los valores propios de A son positivos.
y =


2. Q(

y ) < 0
y 6= 0 los valores propios de A son negativos.

Demostracin. Por ser A una matriz simtrica, A es diagonalizable, esto es ex-

iste una matriz P ortogonal (P > = P ) tal que P T AP = D = diag(1 , 2 , , n )
donde i i=1,...,n son valores propios de A los cuales son reales. Haciendo
y = xP > , tenemos
n
Q(y) =

y A

y > = xP > AP

x > = xD

X
x> = i x2u
i=1

Claramente y 6= 0 , x 6= 0 . Si los valores propios de A son positivos entonces


Q(y) > 0. Ahora si Q(y) > 0 y 6= 0 , tenemos en particular que si y = ei P > ,
donde ei = (0, , 1, 0) es el k-esimo vector unitario de la base usual tenemos
que Q(y) = i > 0.
La parte (2) se prueba de manera similar.

Teorema 2.7.9 Sea f un campo escalar con derivadas de orden dos continuas
en una bola Br (

a ). Sea H(

a ) la matriz Hessiana en un punto estacionario

a . Entonces:

1. Si todos los valores propios de H(

a ) son positivos entonces f tiene un


mnimo relativo en a .
2. Si todos los valores propios de H(

a ) son negativos entonces f tiene un
mximo relativo en a .

3. Si H(
a ) tiene valores propios negativos y positivos entonces f tiene un
punto silla en
a.


Demostracin. sea Q(y) =
y H(

a )
y > y puesto que f (a) = 0 , tenemos
que
1 |
f (

a + a)=
y ) f (
y H( a )

y + k
y k E2 (

a ;

y ).
2!
donde lm

E2 (

a ;
y ) = 0 . Vamos a mostrar que existe r > 0, tal que


y0
0 < k y k < r, talque f ( a +y ) f (

a ) tiene el mismo signo que Q(y).
Supongamos que los valores propios de H( a ) son positivos 1 , 2 , , n .Si
h = mn{1 , 2 , , n } y 0 < t < h entonces 1 t, 2 t, , n t son
tambin positivos. Estos son los valores propios de H(
a ) tI, siendo I la ma-
triz idntica n n. Por lo tanto la forma cuadrtica
y (H( a ) tI) y> > 0



y 6= 0 de acuerdo al teorema anterior. Por lo que concluimos que


y H(

a )

y > > t k

yk
2
0 < t < h.

83


Tomando t = 12 h tenemos Q(y) > 21 h k

y k
2
y 6= 0 . Puesto que lm

E2 (

a ;

y)=


y0
0, existe r > 0 tal que |E2 (

a ;
y )| < 41 h con tal que 0 < k

y k < r. Para tales

y tenemos
1 1
0 k
y k E2 (

a ;

y ) < h < Q(y).
4 2
Esto demuestra que
1
f (

a +y ) f (

a ) Q(y) k
y k E2 (

a ;

y)>0
2
Por consiguiente f tiene un mnimo relativo en
a.
En la misma forma se prueba (2).
Para mostrar (c) supongamos que 1 y 2 son valores propios de H( a ) con
signos opuestos. Sea h = mn{|1 | , |2 |}, para 0 < t < h entonces 1 t, 2 t
son valores propios de H( a ) tI de signos opuestos. Por lo tanto La for-
ma cuadrtica y (H( a ) + tI)


y | toma valores positivos en una vecindad


de a . Nuevamente, puesto que lm E2 (
a ;

y ) = 0, existe r > 0 tal que


y0
|E2 (
y )| < 41 h con tal que 0 < k
a ;

y k < r. Para tales
y tenemos que el signo




de f ( a + y ) f ( a ) es el mismo que el de Q(y). Entonces tenemos en la
vecindad de a valores positivos y negativos de f. por lo tanto f tiene un punto


silla en a .

2.7.10. Criterio para determinar extremos de funciones

de dos variables
Teorema 2.7.10 [Condiciones suficientes para los extremos] Supn-
gase que f (x, y) tiene segundas derivadas parciales continuas en una vecindad
2 f (
a) 2 f (

a) 2 f (

a)
de

a y que f (
a ) = 0. Sea A = , B = , C = y
x2 xy y 2
 

A B
H( a ) =
B D

y D = det(H(

a )). Entonces

2 f (
a)
1. Si D > 0 y 2
> 0, entonces tiene un mnimo relativo en

a.
x
2 f (
a)
2. Si D > 0 y < 0, entonces tiene un mximo relativo en

a.
x2
3. Si Si D < 0, entonces tiene un punto silla en a.
4. Si D = 0, el criterio no decide nada.

84
Demostracin. Para calcular los valores propios de la matriz Hessiana, hal-
lamos la ecuacin caracterstica det(I H( a )) = 0, teniendo la ecuacin en
,
2 (A + C) + D = 0
donde D = det(H( a )). Los valores propios y estn ligados por la relacin
1 2

1 + 2 = A + C y 1 2 = D.

Claramente si D > 0 entonces ambos valores propios son positivos o negativos.

Como D = AC B 2 y D > 0 entonces AC > B 2 0. Entonces A y C tienen
el mismo signo. Por lo tanto si A es positivo entonces C es positivo y esto
implicara que 1 y 2 seran positivos y por lo tanto
a es un punto mnimo
de f. Similarmente si A es negativo entonces C es negativo y esto implicara que
1 y 2 seran negativos y por lo tanto

a es un punto mximo de f. En forma
similar se demuestra (3). D < 0, entonces los valores propios de H(a)seran de
signo opuesto y por lo tanto f tiene un punto silla en
a.

2.7.11. Ley de la conservacin de la energa. Campos con-

servativos
Definicin 2.7.11 Sea U un abierto de <n . Un campo vectorial sobre U,
se dice que es un campo conservativo si existe una campo escalar talque

F = . A la funcin se le llama energ potencial

Supongamos que una partcula de masa m se desplaza a lo largo de una curva

derivable r(t) y supongamos que la partcula cumple la segunda ley de Newton:

F (r(t)) = mr00 (t)


para todo t donde r(t) est definido. Por ser F un campo conservativo tenemos
que

F (X) = mr00 (t) = (r(t)) = mr00 (t) + (r(t)) = 0.
Multiplicando escalarmente esta ltima ecuacin tenemos que

mr00 (t) r0 (t) + (r(t)) r0 (t) = 0

Observando que
1 dv 2 (t)
m = mr00 (t) r0 (t)
2 dt
y

d(r0 (t))
= (r(t)) r0 (t),
dt

85
tenemos que

 
d 1
mv 2 (t) + (r0 (t)) = 0
dt 2

De lo cual concluimos que la funcin 12 mv 2 (t) + (r0 (t)) es una constante.
Este resultado se conoce como la ley de la conservacin de la energa.

La funcin 12 mv 2 (t) se le llama la energa cintica y a la funcin (r0 (t))
energa potencia. Por lo tanto la ley de la conservacin dice que la suma de
la energa cintica y potencial es una constante.

Observemos que si el dominio de definicin de la curva es [a, b] , tenemos por

la ley de la conservacin de la energa que
1 1
mv 2 (b) + (r0 (b)) = mv 2 (a) + (r0 (a))
2 2
O sea que la diferencia de la energa cintica es igual a la diferencia de la energa
potencial, esto es
1 1
mv 2 (b) mv 2 (a) = (r0 (a)) (r0 (b))
2 2
La mayor parte de los campos de la fsica clsica son conservativos.Por ejem-
plo consideremos una fuerza que es inversamente proporcional al cuadrado de
la distancia del punto al origen y que tiene la direccin del vector posicin.
Entonces existe una constante C tal que

1

x
F (
x)=C
2 k

kxk xk


ya que x
es un vector unitario en la direccin de

x . As
k

xk

1
F (
x)=C


3 x.
kxk

Una funcin potencial para F es dada por

C
(

x)=
|| x ||

lo cual puede demostrarse calculando las derivadas parciales.

86
Captulo 3

Integrales Mltiples

3.1. Integrales Dobles

Vamos a considerar una funcin de dos variables f : S R2 R. Subdivi-
damos la regin S en N subregiones S1 , S2 , ....SN donde cada una de ellas est
acotada por una curva simple cerrada suave a trozos y de rea Ak = rea(Sk ).
en donde (xk , yk ) es cualquier punto en la subregin Sk .

Denotemos por dk el dimetro de la regin Sk ( la mayor distancia entre dos

puntos cualesquiera en Sk ) y por norma de la particin

||P || = max1kN {dk }.

Formemos la suma
N
X
f (xk , yk )Ak
k=1

87
RDefinicin
R 3.1.1R R.Definimos la integral doble de f sobre S, denotada por
S f (x, y)dA S f (x, y)dxdycomo

Z Z N
X
f (x, y)dA = lim||P ||0 f (xk , yk )Ak
S k=1

si el lmite existe y es independiente de las particiones {Sk } y de los puntos

{(xk , yk )}.

Puede mostrarse que si f es acotada y continua en S, f ser integrable, es decir

la integral existe.

Nota. Frecuentemente se subdivide S mediante rectas paralelas a los ejes co-

ordenados. Puede darse el caso donde hayan subregiones no rectangulares. Sin
embargo la particin puede hacerse tan fina que estas subregiones pueden des-
preciarse y puede mostrarse que la suma de estas regiones es despreciable. En
este caso el rea de cada subrectngulo es xi yj y se tiene que
Z Z n X
X m
f (x, y)dxdy = lim||P ||0 f (xi , yj )xi yj
S i=1 j=1

Observemos que hemos reemplazado dA por el smbolo dxdy.

Nota. Si f (x, y) = 1 tenemos que

Z Z Z Z
rea(S) = dA = dxdy
S S

3.1.1. Propiedades de la Integral doble

Se puede demostrar que la integral cumple las mismas propiedades de la inte-

gral unidimensional como son:

1.
RR RR RR
S [c1 f (x, y) + c2 g(x, y)]dxdy = c1 S f (x, y)dxdy + c2 S g(x, y)dxdy

2. Si S = S1 S2 y S1 S2 = , entonces
Z Z Z Z Z Z
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy
S S1 S2

88
 3. si f g entonces
Z Z Z Z
f (x, y)dxdy g(x, y)dxdy
S S

En particular si f 0 entonces
Z Z
f (x, y)dxdy 0
S

El siguiente teorema nos permite calcular las integrales de funciones continuas

en trminos de las integrales unidimensionales en el rectngulo S = [a, b] [c, d]

Teorema 3.1.1 Sea f : S = [a, b] [c, d] R. Si f es continua entonces

! !
Z Z Z b Z d Z d Z b
f (x, y)dxdy = f (x, y)dy dx = f (x, y)dx dy
S a c c a

Nota. Esta forma de calcular la integral doble se le llama clculo de la integral

doble en forma iterada.

3.1.2. Integracin en regiones ms generales

Consideraremos dos tipos de regiones.

Regin tipo I.

Est descrita por el conjunto

S = {(x, y) : a x b, 1 (x) y 2 (x)}

esto es, la regin acotada a izquierda y derecha por lneas rectas y arriba y
abajo por las funciones 2 (x) y 1 (x) como se muestra en la figura abajo.

89
En este caso las integrales iteradas toman la forma
!
Z Z Z b Z 2 (x)
f (x, y)dxdy = f (x, y)dy dx
S a 1 (x)

Regin tipo II.

Est descrita por el conjunto

S = {(x, y) : c y d, 1 (y) x 2 (y)}

esto es, la regin acotada arriba y abajo por lineas rectas horizontales y a
izquierda y a derecha por las funciones 1 (y) y 2 (y) como se ve esquematizado
en la grfica abajo.

90
En este caso, las integrales iteradas toman la forma
!
Z Z Z d Z 2 (y)
f (x, y)dxdy = f (x, y)dx dy
S c 1 (y)

Una regin puede ser al mismo tiempo de tipo I tipo II. Por ejemplo, la regin
que se muestra en la figura abajo.

De tipo I se describe en la forma

S = (x, y) : 0 x 1, x2 y x


y de tipo II en la forma

S = {(x, y) : y x y, 0 y 1}

3.1.3. Clculo de integrales dobles: reas y volmenes.

1. Sea S = {(x, y) : a x b 1 (x) y 2 (x)}. Si hacemos f (x, y) = 1 para

todo (x, y) S tenemos que
Z Z Z b Z 2 (x) Z b Z b
(x)
dxdy = [ dy]dx = [y|21 (x) ]dx = [2 (x) 1 (x)]dx
S a 1 (x) a a

As, el rea de S est dada por

RR
S dxdy.
2. Sea f > 0 y continua en S. Supongamos que S es de tipo I y consideremos
el slido limitado por la grfica de z = f (x, y) y por la regin S. Claramente
Z 2 (x)
f (x, y)dy
1 (x)

representa el rea de la seccin transversal que se obtiene al cortar el slido

por un plano paralelo al plano yz. (Ver figura).

91
Por lo tanto podemos definir el volumen del slido como
Z b Z 2 (x) Z Z
V ol(Sol) = [ f (x, y)dy]dx = f (x, y)dxdy
a 1 (x) S

El mismo razonamiento para regiones de tipo II. En general si f (x, y) g(x, y)

la integral
Z Z
[g(x, y) f (x, y)]dxdy
S

representa el volumen del slido limitado entre las dos superficies.

Ejemplo 3.1.1 Calcular el volumen del slido limitado por la esfera

x2 + y 2 + z 2 = R2

Solucin.
p El slido est comprendido
p entre las grficas de z = f (x, y) =
R x y y z = g(x, y) = R x2 y 2 . La regin S = (x, y) : x2 + y 2 R2 .

2 2 2 2

RR RR
V ol (V ) = S [f (x, y) g(x, y)]dxdy = 2 S f (x, y)dxdy
R R R R2 x2 p
=8 0 [ 0 R2 x2 y 2 dy]dx
p
Hagamos A = R2 x2 o sea A2 = R2 x2 por lo tanto r2 x2 y 2 =
y 2
p p
A2 y 2 = A 1 ( A ) . Si hacemos el cambio de variable y = asen en-

92
tonces dy = a cos d y obtenemos
Z Z
V ol(V ) = 2 f (x, y)dxdy
S
Z R Z R2 x2 p
" # Z R
"Z
R2 x2 p
#
= 8 R2 x2 y 2 dy dx = 8 A2 y 2 dy dx
0 0 0 0
"Z #
Z R /2 p
2
= 8 A 1 sen cos d dx
2
0 0
/2
R ZR Z/2 
1 cos 2 1 
Z Z
= 8 [ A2 cos2 d]dx = 8 A2 =  dx
0 0 2 2 
0 0 
0
R R
2
Z Z
= 8 A dx = 8 (R2 x2 )dx
0 4 4 0
R
x3  R3 2 4
= 2 (R x ) = 2(R3
2
) = 2 R3 = R3 .
3 0 3 3 3
Ejemplo 3.1.2 . Dibujemos la regin de integracin de
Z 1Z x
[ f (x, y)dy]dx
0 x2
La regin de integracin est dada por
S = (x, y) : 0 x 1, x2 y x

Observemos que la regin S puede ser descrita por

S = {(x, y) : y x y, 0 x 1}
As, la integral la podemos escribir como
Z 1Z x Z 1Z
y
[ f (x, y)dy]dx = [ f (x, y)dx]dy
0 x2 0 y

93
A este cambio en los limites de integracin se le conoce como cambio en el orden
de integracin (invertir el orden de integracin), lo que puede hacerse cuando
la regin es de los dos tipos al mismo tiempo. Muchas veces integrales que no
podemos calcular en un orden determinado, podemos resolverla invirtiendo su
orden como se puede ver en el ejemplo a continuacin:

Ejemplo 3.1.3 Evaluar la integral

Z 6Z 2 p
[ x y 3 + 1dy]dx
0 x/3

La regin de integracin es de tipo I:

S = (x, y) : 0 x 6, x/3 y 2

p
Observemos que la integral y 3 + 1 no tiene antiderivada elemental. Como S
tambin es de tipo II, podemos invertir el orden de integracin y obtenemos la
descripcin
S = {(x, y) : 0 y 2, 0 x 3y}
As la integral la podemos expresar como
Z 6Z 2 p Z 2 Z 3y p Z 2 p Z 3y
[ x y 3 + 1dy]dx = [ x y 3 + 1dx]dy = y 3 + 1[ xdx]dy
0 x/3 0 0 0 0
2 Z 2
x2 3y 9 2p 3
Z p
= 3
y + 1[ |0 ]dy = y y + 1dy
0 2 0 2
2
= (y 3 + 1)3/2  = 27 1 = 26

0

94
3.1.4. Cambio de variable

En el caso de la integral de una variable, el mtodo de sustitucin nos permita

transformar la integral a una integral ms simple. Recordemos que si tenemos
Rb
que resolver la integral a f (x)dx y hacemos un cambio de variable x = g(t)
de tal manera que la funcin sea diferenciarle, tenemos que dx = g 0 (t)dt y el
cambio de variable lo escribimos como
Z b Z g1 (b)
f (x)dx = f (g(t))g 0 (t)dt
a g1 (a)

En el caso de dos dimensiones tenemos un resultado similar. Sin entrar en mu-

chos detalles, consideremos un campo vectorial T : R2 R2 que transforma un
conjunto cerrado U en un conjunto , esto es T : U es uno a uno y sobre.
Denotando T (u, v) = (x(u, v), y(u, v)) y asumiendo que T es diferenciable, di-
remos que T define un cambio de variables de las variables (u, v) a las variables
(x, y). Escribiendo x = x(u, v), y = y(u, v) consideramos la matriz
 x y 
(x, y)
= [xy] = u x
u
y
(u, v) v v

llamada matriz Jacobiana, que jugar un papel importante ms adelante.

 Su

(x,y)
determinante es llamado el Jacobiano de T , denotado JT (u, v) det (u,v) .

Ejemplo 3.1.4 (Coordenadas Polares) Recordemos que otro sistema de coor-

denadas en el plano adems de las coordenadas cartesianas (x, y) de un punto


P son las coordenadas polares del punto P definidas por (r, ) donde r = OP ,


distancia del origen al punto P y es el ngulo entre el vector OP y el eje x,
medido en el sentido positivo ( o direccin contraria a las manecillas del reloj)
desde 0 a 2. Esto es p
r = x2 + y 2
y hallamos tal que
y
,
tan =
x
donde si y > 0, entonces se toma 0 y si y < 0, entonces se toma
< 2. Si x = 0 y y > 0 se toma = 2 . Si x = 0 y y < 0 se toma
= 3
2 . Recprocamente si un punto P est dado en coordenadas polares (r, ),
entonces las coordenadas cartesianas de P (x, y) estn dadas por

x = r cos
y = rsen.

95
Observemos que tambin podramos escoger en lugar del intervalo [0, 2) para
los valores de , cualquier intervalo de longitud 2. Otro intervalo que se utiliza
tambin es el intervalo (, ) .

Definamos la funcin
(x, y) = T (r, ) = (r cos , rsen)
como un cambio de coordenadas polares a las coordenadas cartesianas. Ob-
servemos que en este caso la matriz Jacobiana est dada por
sen
 
(x, y) cos
=
(r, ) rsen r cos

sen
 
cos
y su Jacobiano est dado por J = det = r.
rsen r cos
La funcin T transforma regiones rectangulares en el plano r en regiones
circulares en el plano x y.
Ejemplo 3.1.5 La regin rectangular para a > 0
U = {(r, ) : 0 r a, 0 < 2}
se transforma en la regin
S = Br (a) = (x, y) : x2 + y 2 a2 .


Ejemplo 3.1.6 La regin rectangular para a > 0

U = {(r, ) : a r b, 0 < 2}
se transforma en la regin
S = Br (a) = (x, y) : a2 x2 + y 2 b2 .


96
3.1.4.1. La frmula del cambio de variable
Consideremos el cambio de variable

x = h1 (u, v)
(u, v) U
y = h2 (u, v)
donde asumimos que las funciones h1 , h2 son campos escalares continuos y
diferenciables y tal que a cada punto (x, y) S est en correspondencia 1-1
con los puntos (u, v) de U y adems la curva que limita a U se enva en la
curva que limita a S. Esto lo podemos definir ms concretamente definiendo


el campo vectorial F : U S dado por


F (u, v) = (h1 (u, v), h2 (u, v))


tal que F es un campo invertible es decir existe

1
F : S U.

Si particionamos la regin U en rectngulos pequeos de longitud u, v, las

imgenes de estos rectngulos sern pequeos paralelogramos curvilneos en la
regin S.

97
En la grfica abajo vemos un zoom de este pequeo rectngulo y su correspon-
diente imagen curvilnea.

Al rectngulo Ti,j en el plano uv le corresponde la regin curvilnea Ri,j en el

plano xy. Hallemos la relacin entre el rea del rectngulo Ti,j con el rea de
Ri,j .

rea de Ti,j = A(Ti,j .) = uv

rea a de Ri,j = A(Ri,j ) Q1 Q2 Q1 Q4

Calculando aproximadamente las coordenadas de los puntos Q1 , Q2 , Q4 usando

diferenciales y teniendo en cuenta que P1 = (u, v), P2 = (u + u, v), P4 =
(u, v + v) y


Q1 = (x1 , y1 ) = F (u, v) = (h1 (u, v), h2 (u, v))


Q2 = (x2 , y2 ) = F (u + u, v) = (h1 (u + u, v), h2 (u + u, v))


Q4 = (x4 , y4 ) = F (u, v + v) = (h1 (u, v + v), h2 (u, v + v))

Usando diferenciales, (ver seccin 2.3.4), los puntos x2 , y2 los podemos aproxi-
mar por

h1 h1
x2 = h1 (u + u, v) h1 (u, v) + (u, v)u = x1 + (u, v)u
u u
h2 h2
y2 = h2 (u + u, v) h2 (u, v) + (u, v)u = y1 + (u, v)u
u u
As
h1 h2
Q2 (x1 + (u, v)u, y1 + (u, v)u)
u u

98
Haciendo lo mismo con el punto Q4 tenemos
h1 h2
Q4 (x1 + (u, v)v, y1 + (u, v)v).
v v
Ahora

 
h1 h2
Q1 Q2 = Q2 Q1 (u, v)u, (u, v)u
u u

 
h1 h2
Q1 Q4 = Q4 Q1 (u, v)v, (u, v)v
v v
y
h1 h1
 



Q1 Q2 Q1 Q4 uv  u v
h2 h2  k.
u v

Denotemos este determinante por

h1 h1
 
 
J(u, v) =  u v .
h2 h2 
u v

Es llamado el Jacobiano del cambio de variable.

Ahora, el rea

rea a de Ri,j = area(Ri,j ) Q1 Q2 Q1 Q4

uv |J(u, v)| = |J(u, v)| area(Tij )

Para calcular f (x, y)dxdy tenemos que

RR

Z SZ XX
f (x, y)dxdy f (xi , yj ).(area(Ri,j ))
S
PP
f (h1 (ui , vj ), h2 (ui , vj )) |J(u, v)| area(Tij )

Tomando el lmite cuando u, v 0 se tiene que

Z Z Z Z
f (x, y)dxdy = f (h1 (u, v), h2 (u, v))|J(u, v)|dudv
S U

Esta frmula es conocida como la frmula de cambio de variable para las inte-
grales dobles.

Ejemplo 3.1.7 En coordenadas polares tenemos

x = r cos , y = rsen

99
En este ejemplo r, hacen el papel de las variables u, v. Si r > 0 y 0 2
tenemos una aplicacin 1-1 y sobre. El Jacobiano de la transformacin est
dado por
 
 cos sen 
(x, y) 
J(r, ) = = |x y| =  =r
(r, )  rsen

r cos 

entonces en el cambio a coordenadas polares tenemos que

Z Z Z Z
f (x, y)dxdy = f (r cos , rsen)rdrd.
S T

Ejemplo 3.1.8 Calcular

Z Z p
a2 x2 y 2 dxdy
S


donde S = (x, y); 0 x a, 0 y a2 x2 . Al hacer el cambio a coor-
denadas polares, tenemos que la regin T que se transforma en S por dicho
cambio es T = {(r, ) : 0 r a, 0 /2}y la integral se transforma en

Z Z p Z a pZ /2 Z ap
a2 r2 rdrd = [ a2 r2 rd]dr = /2 a2 r2 rdr
T 0 0 0
a
(a2 r2 )3/2  3
= /2  = 6a
3 0

Si multiplicamos este resultado por 8 obtenemos el volumen de la bola igual a

4 3
a .
3

Ejemplo 3.1.9 Calcular

Z Z
yx
e y+x dxdy
S

donde S es la regin limitada por la recta x + y = 2 y los ejes coordenados.

Definamos el cambio de variable u = y x y v = y + x. Resolviendo para x y
y obtenemos x = vu u+v
2 y y = 2 (ver figura)

100
Hallando el Jacobiano tenemos que J(u, v) = 1/2 As la integral la podemos
resolver en la forma
u 1 1 2 v u 1 2 u v
Z Z Z Z Z Z Z
yx
e y+x dxdy = e dudv =
v e dudv =
v ve v |v dv
S T 2 2 0 v 2 0
1 2 1 1
Z
= v(e )dv = e
2 0 e e

3.2. Integrales Triples

La definicin de la integral doble se puede generalizar casi sin cambios a n-
dimensiones, en particular, para n = 3, si f es continua definida en una regin
V del espacio R3 acotada por una superficie cerrada tenemos que
Z Z Z N
X
(x, y, z)dV = lim||P ||0 f (xk , yk , zk )Vk
V k=1

En donde Vk representa el volumen de cada subregin Vk del slido V. Como

en el caso de integrales dobles a veces se usa en lugar de dV el smbolo dxdydz.
El siguiente teorema nos permite calcular las integrales de funciones continuas
en trminos de las integrales unidimensionales en el cubo V = [a, b] [c, d]
[e, f ].
Teorema 3.2.1 Sea f : V = [a, b][c, d][e, f ] R. Si f es continua, entonces
! !
ZZZ Z Z b
Z d f
f (x, y, z)dV = f (x, y, z)dz dy dx.
V a c e

Nota. En este teorema en particular, no importa el orden en el cual in-

tegremos, es decir, la integral triple puede calcularse tambin en el orden
R b R f R d 
a e c
f (x, y, z)dy dz dx en cualquier otro.

101
3.2.1. Regiones ms generales
Consideraremos tres tipos de regiones:

Regin tipo I

Si el volumen V est limitado entre dos superficies z = z1 (x, y), z = z2 (x, y)

con z1 (x, y) z2 (x, y) y S es la proyeccin de dicho volumen al plano xy.

Entonces la integral se calcula en la forma

!
Z Z Z Z Z Z z2 (x,y)
f (x, y, z)dxdydz = f (x, y, z)dz dA.
V S z1 (x,y)

Regin tipo II

Si el volumen V est limitado entre dos superficies y = y1 (x, z), y = y2 (x, z)

con y1 (x, z) y2 (x, z) y S es la proyeccin de dicho volumen al plano xz.

102
Entonces la integral se calcula en la forma
!
Z Z Z Z Z Z y1 (x,z)
f (x, y, z)dxdydz = f (x, y, z)dy dA.
V S y1 (x,z)

Regin tipo III

Si el volumen V est limitado entre dos superficies x = x1 (y, z), x = x2 (y, z)
con x1 (y, z) x2 (y, z) y S es la proyeccin de dicho volumen al plano yz.

Entonces la integral se calcula en la forma

!
Z Z Z Z Z Z x1 (y,z)
f (x, y, z)dxdydz = f (x, y, z)dx dA.
V S x1 (y,z)

Nota . El volumen de la regin V est dado por

Z Z Z Z Z Z
Volumen(V ) = dV = dxdydz
V V

Nota . La integral doble sobre S que aparece en el clculo de la integral triple,

se calcula como vimos anteriormente, viendo si S es de tipo I tipo II. Por
ejemplo, si V es de tipo I y S es tambin de tipo I, se tendra la integral iterada
Z Z Z Z b Z y2 (x) Z z2 (x,y)
f (x, y, z)dxdydz = f (x, y, z)dxdydz.
V a y1 (x) z1 (x,y)

Ejemplo 3.2.1 Hallar la integral

Z Z Z
xydxdydz
V

donde V es el dominio limitado por los planos x + y + z = 1, el plano xy, y el

plano xz. Consideremos un bosquejo de este volumen y su proyeccin sobre el
plano xy.

103
Claramente podemos observar que la variable z est limitada por 0 z 1x
y. La proyeccin S est definida por S = {(x, y) : 0 x 1, 0 y 1 x}.
As, la integral triple la calculamos as:
Z Z Z Z 1 Z 1x Z 1xy
f (x, y, z)dxdydz = xydzdydx
V 0 0 0
Z 1 Z 1x
= xy(1 x y)dydx
0 0
1
1
Z
= (1/6)x(1 x)3 dx =
0 120

3.2.2. Cambio de variable en integrales triples.

Dado un cambio de variables x = x(u, v, w), y = y(u, v, w), z = z(u, v, w), a
un punto P (u, v, w) del espacio uvw le corresponde un punto del espacio xyz,
es decir el sistema de ecuaciones establece una correspondencia 1-1 entre los
puntos de ambos espacios. Un dominio V en el espacio uvw se corresponde
biunvocamente con un volumen T en el espacio xyz. La siguiente es la frmula
del cambio de variable:
Z Z Z
f (x, y, z)dxdydz
Z Z ZV
= f (x(u, v, w), y(u, v, w), z(u, v, w))|J(u, v, w)|dudvdw
T
(x,y,z)
donde J(u, v, w) = (u,v,w) = |x y z|.
Nota. Claramente si f = 1 entonces
Z Z Z Z Z Z
dxdydz = |J(u, v, w)|dudvdw
V T

lo que implica que el |J(u, v, w)| es la razn de proporcin entre el volumen V

y el volumen T .
Ahora estudiaremos algunos cambios de variable importantes.

104
3.2.2.1. Coordenadas cilndricas.

Consideremos el sistema de coordenadas (r, , z) como se muestra en la figura

Estas coordenadas estn ligadas a las coordenadas (x, y, z) mediante las ecua-
ciones dadas por

x = r cos , y = rsen, z = z

Las coordenadas (r, , z) se llaman coordenadas cilndricas del punto P ya que

x2 + y 2 = r2 .
De este sistema de ecuaciones tenemos que el Jacobiano est dado por

J(r, , z) = |xyz| = r

y la frmula del cambio de variable se expresa en la forma

Z Z Z Z Z Z
f (x, y, z)dxdydz = f (r cos , rsen, z)rdrddz
V T

Ejemplo 3.2.2 Calcule la integral

Z Z Z
(x2 + y 2 )dxdydz

donde V es el volumen limitado por el casquete superior de la esfera x2 + y 2 +

z 2 = 4 y cortada por el cilindro x2 + y 2 = 1.

105
Utilizando coordenadas cilndricas tenemos que este volumen puede verse como
p
T = (r, , z) : 0 r 1, 0 2, 0 z 4 r2

Por lo tanto la integral est dada por

Z Z Z Z 2 Z 1 Z 4r 2
(x2 + y 2 )dxdydz = r2 rdzdrd
0 0 0

Z 2 Z 1 Z 4r 2
= r3 dzdrd
0 0 0
2 1

64 11 3
Z Z p
2 2
= [ r 4 r dr]d = 2( ).
0 0 15 5

3.2.2.2. Coordenadas esfricas.

Las coordenadas esfricas (, , ) son las indicadas en la figura

y estn ligadas con las coordenadas cartesianas mediante las siguientes ecua-
ciones

106
 x = cos sen , y = sen sen, z = cos ,

con

0 2, 0 , 0 a
En coordenadas esfricas, la esfera de radio a tiene ecuacin = a. El Jacobiano
en coordenadas esfricas est dado por

J(, , ) = |xyz| = 2 sen

y la formula del cambio de variable toma la forma

Z Z Z Z Z Z
f (x, y, z)dxdydz = f ( cos sen , sen sen, cos )2 sen d d d
V T
p
Ejemplo 3.2.3 Hallar el volumen de la parte del cono z = x2 + y 2 inter-
sectada por la esfera x2 + y 2 + z 2 = a2 .

Z Z Z Z Z Z
V ol = dxdydz = 2 sen d d d
V T
donde T = (, , ) : 0 a, 0 2, 0 /4 entonces
Z 2 Z a Z /4
2 a3 2 2 2 3
V ol = sen d d d = 2( (1 )= a .
0 0 0 3 2 3

3.3. Aplicaciones de las integrales mltiples.

3.3.1. Momentos y centros de masa.
Nuestro objetivo es hallar el punto P en que una lmina plana delgada se
equilibra horizontalmente. Este punto se llama centro de masa (o centro de

107
gravedad) de la placa. Vamos a suponer inicialmente que tenemos dos masas
m1 y m2 ubicadas sobre una varilla de masa despreciable en los lados opuestos
de un fulcro (de un balancn) y a una distancia d1 y d2 respectivamente. De
acuerdo al principio de Arqumedes, la varilla se equilibra si

m1 d1 = m2 d2

Si suponemos que la varilla coincide con el eje x, con m1 y m2 ubicadas en x1

y x2 respectivamente (x1 < x2 ). Supongamos que queremos hallar su centro de
masa, x. Claramente d1 = x x1 y d2 = x2 x, y por consiguiente

m1 (x x1 ) = m2 (x2 x)
m1 x + m2 x = m1 x1 + m2 x2
m1 x1 + m2 x2
x =
m1 + m2
Los nmeros m1 x1 y m2 x2 se conocen como momentos de las masa m1 y m2
( con respecto al origen). Es claro que el centro de masa se obtiene de sumar
los momentos y de dividir por la masa total m = m1 + m2 .

En general si tenemos un sistema de n partculas con masa m1 , m2 , ..., mn

ubicadas en los puntos x1 , x2 , ..., xn sobre el eje x., se puede demostrar que el
centro de masa del sistema est en
n
P n
P
mk xk mk xk
m1 x1 + m2 x2 + ... + mn xn k=1 k=1
x= = n = ,
m1 + m2 + ... + mn P m
mk
k=1

108
 n
donde m = mk la la masa total del sistema y la suma de los momentos
P
k=1
n
mk xk se llama el momento del sistema respecto al origen. Observemos
P
M=
k=1
que en este caso podemos escribir mx = M, lo cual significa que si la masa total
se concentra en el sistema en el centro de masa x, entonces su momento sera
el mismo que el momento del sistema.

Generalizando al plano xy, consideremos n partculas con masa m1 , m2 , ..., mn

ubicadas en los puntos (x1 , y1 ), (x2 , y2 )..., (xn , yn ). Por analoga con el caso
unidimensional podemos definir el centro de masa de coordenadas (x, y) por
las frmulas

n
P n
P
mk xk mk y k
k=1 k=1
x= y= .
m m
n n
Si escribimos My = mk xk , y Mx = mk yk , diremos que My es el
P P
k=1 k=1
momento del sistema respecto al eje y y mide la tendencia del sistema a
girar sobre el eje y y Mx es el momento del sistema respecto al eje x y
mide la tendencia del sistema a girar sobre el eje x.
Observemos que mx = My y my = Mx , lo cual implica que

m(x, y) = (My , Mx )

3.3.2. Densidad y masa.

Supongamos que tenemos una lamina delgada ocupa una regin plana S. Subdi-
vidamos la regin S en N subregiones S1 , S2 , ....SN donde cada una de ellas est
acotada por una curva simple cerrada suave a trozos y de rea Ak = area(Sk ).
en donde (xk , yk ) es cualquier punto en la subregin Sk . Denotemos por dk el
dimetro de la regin Sk ( la mayor distancia entre dos puntos cualesquiera en
Sk ) y por norma de la particin definiremos

||P || = max1kN {dk}.

109
Definimos la densidad (x, y) (en unidades de masa por unidad de rea) en
cada punto (x, y). por
m
(x, y) = lm
||P ||0 A

donde m y A son la masa y el rea de una de las subregiones de S que

contiene a (x, y). La masa total m de la lmina la podemos aproximar por
N
X
m (xk , yk )Ak
k=1

Por lo tanto podemos definir la masa total de la lmina como

N
X Z Z
m = lm (xk , yk )Ak = (x, y)dxdy
||P ||0 S
k=1

( en el caso que el lmite exista).

En la misma forma como definimos la masa podemos hablar de la cantidad

total de carga elctrica que se distribuye a travs de una regin plana S si
conocemos la densidad de carga (x, y) (en unidades de carga por unidad de
rea) en el punto (x, y), entonces la carga total est dada por
Z Z
Q= (x, y)dxdy
S
Para buscar en centro de masa de la lmina S, (x, y) observemos que podemos
aproximar los momentos del sistema por

n
X n
X n
X
My mk xk (xk , yk )Ak xk = xk (xk , yk )Ak ,
k=1 k=1 k=1
Xn Xn Xn
Mx mk y k (xk , yk )Ak yk = yk (xk , yk )Ak .
k=1 k=1 k=1

110
As podemos definir los momentos del sistema como

n
X Z Z
My = lm xk (xk , yk )Ak = x(x, y)dxdy
||P ||0
k=1 S
n
X Z Z
Mx = lm yk (xk , yk )Ak = y(x, y)dxdy
||P ||0
k=1 S

Por lo tanto el centro de masa est dado por

My 1 Mx 1
Z Z Z Z
x= = x(x, y)dxdy y y= = y(x, y)dxdy
m m m m
S S

donde
Z Z
m= (x, y)dxdy
S
En el caso que la densidad sea constante llamaremos al centro de masa cen-
troide.
Ejemplo 3.3.1 Si la densidad de una lmina semicircular es proporcional a la
distancia desde el centro del crculo. Determine el centro de masa de la lmina.
Solucin. Si consideramos la lmina como la mitad de crculo x2 +yp 2
a2 . La
distancia desde un punto (x, y) del crculo al origen 2 2
p est dada por x + y .
2 2
Por lo tanto la densidad est dada por (x, y) = K x + y , donde K es una
constante de proporcionalidad. As, la masa est dada por
Z Z p
m= K x2 + y 2 dxdy
S
Para calcular esta integral hacemos un cambio de variable a coordenadas po-
lares. En este caso la regin estara dada por 0 r a y 0 , y esta
integral sera

Z Z
p Z Z a
m = 2 2
K x + y dxdy = K r rdrd
S 0 0
Z Z a a
r3  Ka3

= K d r2 dr = K  = .
0 0 3 0 3
Puesto que la lmina y la funcin de densidad es simtrica respecto al eje y, el
centro de masa est sobre el eje y, esto es x = 0. Puesto que

111
 1 3
Z Z Z Z p
y = y(x, y)dxdy = 3
yK x2 + y 2 dxdy
m Ka
Z SZ p ZS Z a
3 2 2
3
= y x + y dxdy = rsen r rdrd
a3 S a3 0 0
Z Z a 4 a
3 a4

3 3 3 r  3a
= 3
sen d r dr = 3
cos | 0 = 2 =
3 4
.
a 0 0 a 4 
0 a 2

3.3.3. Momento de Inercia.

Recordemos del Captulo I que el movimiento rectilneo se caracteriza por que

el vector velocidad y la aceleracin son vectores colineales.

2
El vector velocidad es dado por v(t) = ddtx y la aceleracin es a(t) = ddt2x . La
fuerza relacionada con la aceleracin segn la ley de Newton est dada por

1
F = m

a o

a = F.
m
Como se muestra en la segunda frmula, la fuerza es directamente proporcional
a la fuerza pero inversamente proporcional a la masa. Por lo tanto podemos
pensar en la masa m de la partcula, como una medida de su capacidad para
resistir la aceleracin, por que si la fuerza es la misma y m aumenta, entonces

a disminuye.

Consideremos ahora el caso de una partcula de masa m que gira alrededor de

un eje fijo

112
Recordemos que el vector posicin est dado por

r(t) = r(cos (t), sen (t))
2
Sea w = d d
dt la velocidad angular (no se supones constante) y = dt2 la
aceleracin angular. Los vector velocidad y aceleracin estn dados por
d
v(t) = r (sen (t), cos (t)) = rw(sen (t), cos (t))
dt
y

d2 d
a(t) = r 2 (sen (t), cos (t))+r ( cos (t), sen (t) = aT T (t)+aN N (t)
dt dt
donde
aT = r y aN = rw.

Puesto que la fuerza es un vector dado por F (t) = ma(t) tenemos que

F (t) = FT + FN = maT T (t) + maN N (t).
As la fuerza tangencial est dada por


FT = maT T (t)
y la fuerza normal por

FN = maN N (t)
El efecto rotatorio de la fuerza tangencial se mide por de momento dado por
T = kFT k r que es dado por el producto de la magnitud de fuerza tangencial
por la distancia de su lnea de accin al eje. entonces

T = maT r = mr2

113
Si escribimos por

I = mr2

tenemos que
T = I.

Esta constante de proporcionalidad I se le conoce con el nombre de momen-

to de inercia (o segundo momento). I se considera que es la medida de la
capacidad del sistema para resistir la aceleracin angular. (Observemos que
= TI ).
Ampliamos el concepto de momento de inercia a una lmina con una funcin
de densidad (x, y) que ocupa una regin S. Procediendo como hicimos para
estudiar el momento del sistema (o primer momento), considerando la particin
hecha a la regin podemos definir el momento de inercia alrededor del
eje x de la lmina como
n
X X Z Z
Ix = lm (xk , yk )yk2 Ak = y 2 (x, y)dxdy
||P ||0 S
||P ||0 k=1

De manera similar,el momento de inercia alrededor del eje y de la lmina

como
n
X X Z Z
Ix = lm (xk , yk )x2k Ak = x2 (x, y)dxdy
||P ||0 S
||P ||0 k=1

Otro momento de inercia que es interesante es el el momento de inercia

alrededor del origen, que se llama momento polar de inercia de la
lmina como

n
X n
X
mk x2k + yk2 = lm (xk , yk ) x2k + yk2 Ak



Io = lm
||P ||0 ||P ||0
k=1 k=1
Z Z
= (x2 + y 2 )(x, y)dxdy = Ix + Iy .
S

Observemos que Io = Ix + Iy .

Ejemplo 3.3.2 Determine los momentos de inercia de Ix , Iy , Io de un disco

D con centro en el origen y frontera x2 + y 2 = a2 homogneo con densidad
(x, y) = constante
Puesto que

114
 Z Z Z Z Z 2 Z a
2 2 2 2
Io = (x + y )(x, y)dxdy = (x + y )dxdy = r2 rdrd
D 0 0
D
Z2 Za
a4 a4
= d r3 dr = 2 = .
4 2
0 0

Debido a la simetra del problema Ix = Iy y esto nos permite calcular Ix y Iy ,

puesto que Io = Ix + Iy . Por lo tanto

Io a4
=
Ix = ly =
2 4
4
Puesto que Io = a a2 . Entonces Io = 21 ma2 .


2 y la masa del disco es m =
Por lo tanto si incrementamos la masa o el radio, aumentamos el momento de
inercia. El momento de inercia de una rueda es lo que dificultad comenzar el
movimiento de un automvil o detenerlo.
Las definiciones de centro de masa, momentos y momentos de inercia se extien-
den rpidamente al espacio. Si una regin V es un cuerpo slido de densidad
variable (x, y, z) (=masa por unidad de volumen), la masa total est dada por
Z Z Z
m= (x, y, z)dV.
V
Los momentos respectos a los diversos planos coordenados estn dados por
Myz , Mxz , Mxy ; y tambin las frmulas para los momentos de inercia respecto
a los diversos ejes, denotados por Ix , Iy y Iz . Estas frmulas son
Z Z Z
Myz = x(x, y, z)dxdydz,
V
Z Z Z
Mxz = y(x, y, z)dxdydz,
Z Z ZV
Mxz = z(x, y, z)dxdydz
V
y

Z Z Z
Ix = (y 2 + z 2 )(x, y, z)dxdydz,
V
Z Z Z
Iy = (x2 + z 2 )(x, y, z)dxdydz,
Z Z ZV
IZ = (x2 + y 2 )(x, y, z)dxdydz.
V

115
Adems, las ecuaciones
Myz Mxz Mxy
x= , y= , z=
m m m
definen el centro de masa de un cuerpo o el centroide en el caso que sea
constante.

3.3.4. Probabilidad.
Toda variable
R aleatoria continua X tiene un funcin de densidad f (x) 0 y
tal que f (x) = 1 y la probabilidad de que X est entre a y b se calcula por
Z b
P (a X b) = f (x)dx.
a
Cuando se tienen dos variables aleatorias continuas X y Y , la funcin de
densidad conjunta de X y Y es una funcin f de dos variables (f (x, y) 0 y
y)dxdy = 1) tal que la probabilidad de (X, Y ) est en una regin S
RR
R2 f (x,
es dada por
Z Z
P ((X, Y ) S) = f (x, y)dxdy.
S

3.3.4.1. Valores esperados

Si X es una variable aleatoria continua con una funcin de densidad de prob-
abilidad f , entonces su media es dada por
Z
= xf (x)dx

Ahora si se tienen dos variables aleatorias continuas X y Y , la funcin de

densidad conjunta de X y Y , f, definimos la media de X y la media de Y,
conocidos como valores esperados de X y de Y como
Z Z Z Z
1 = xf (x, y)dxdy, 2 = yf (x, y)dxdy

Observemos que estos valores son parecidos a los momentos Mx , y My de una

lmina con funcin de densidad . Realmente podemos considerar la proba-
bilidad como una masa distribuida continuamente. Observemos que la proba-
bilidad igual como calculamos la masa: integrando una funcin de densidad.
Puesto que la masa de probabilidad es 1, la expresin para x y y muestran
que podemos considerar los valores esperados de X y de Y (1 y 2 ) como las
coordenadas del centro de masa de la distribucin de probabilidad.

116
Captulo 4

Integrales de Lnea. reas de

Superficies e Integrales de
Superficie

4.1. Integral de Lnea

Definicin 4.1.1 Sea F : Rn Rn un campo vectorial y
r : [a, b]
una funcin vectorial regular a trozos que parametriza una curva C. Definimos
la integral de lnea como

Zb

Z
F d

r = F(

r (t)) r0 (t)dt.
C a

Definicin 4.1.2 Sea f : Rn R un campo escalar y

r : [a, b] una
funcin vectorial regular a trozos que parametriza una curva C. Definimos la
integral de lnea con respecto a la longitud de arco como

Z Zb
f ds = f (

r (t)) r0 (t) dt.

C a

Observacin 4.1.1 En el caso que la curva

H C sea una curva de Jordan (curva
cerrada y simple), usaremos la notacin F d

r.
C

0
Observacin  4.1.2 Si F(x, y, z) = (f1 (x, y, z), f2 (x, y, z), f3 (x, y, z)), r (t) =
y d


dx dx dy
dt , dt , dt r = (dx, dy, dz) entonces

117
 Zb

Z
F d

r = F(

r (t)) r0 (t)dt
C a
Zb  
dx dy dz
= (f1 (x, y, z), f2 (x, y, z), f3 (x, y, z)) , , dt
dt dt dt
a
Zb  
dx dy dz
= f1 (x, y, z) + f2 (x, y, z) +, f3 (x, y, z) dt
dt dt dt
a
Z
= f1 (x, y, z)dx + f2 (x, y, z)dy + f3 (x, y, z)dz
C

Similarmente si F(x, y) = (f1 (x, y), f2 (x, y)) Fd

R R
r = f1 (x, y)dx+f2 (x, y)dy.
C C

Observacin 4.1.3 Sea F : Rn Rn un campo vectorial y r : [a, b]

una funcin vectorial regular a trozos que parametriza una curva C y T (t)



r 0 (t) 0
es el vector tangente unitario dado por T (t) = (con r (t) 6= 0). Clara-
0
r (t)


mente F T es un escalar entonces tenemos que

Zb


Z
F (


F T ds = r (t)) T (t) r0 (t) dt
C a
Zb

Z
= F (

r (t)) r0 (t)dt = F d

r
a C

Ejemplo 4.1.1 Sea F(x, y) = y, x3 + y . Calcular las integral de lnea

desde el punto (0, 0) al punto (1, 1) a lo largo de la curva

r (t) = (t, t) 0 t 1

2 3


y de la curva (t) = t , t .

118
 (1,1) Z1

Z
F d

r = F(

r (t)) r0 (t)dt
(0,0) 0

Z1
= ( t, t3 + t) (1, 1)dt
0
Z1
17
= ( t + t3 + t)dt =
12
0

Ahora

(1,1) Z1



Z
Fd = F( (t)) 0 (t)dt
(0,0) 0

Z1
= (t3/2 , t6 + t3 ) (2t, 3t2 )dt
0
Z1
59
= (2t5/2 + 3t8 + 3t5 )dt =
52
0

Observemos de estas dos integrales de lnea que la integral depende del camino
que escojamos para ir del punto (0, 0) al punto (1, 1).

Las siguientes son algunas propiedades de la integral de lne que se pueden

probar fcilmente de la definicin.

4.1.1. Propiedades de la Integrales de lnea

1. Z Z Z
(aF+bG) d

r =a F d

r +b G d

r
C C C

2. Sean C1 y C2 dos curvas que forman una curva C tal que

r1 : [a, b]




y r2 : [b, c] y r1 (b) = r2 (b). Definamos


r1 (t) atb
r (t) =

r (t) 2 btc

119
 entonces Z Z Z
F d

r = F d

r + F d

r
C C1 C2

3. Sea r : [a, b] una parametrizacin de una curva C y definamos

un cambio de parmetro h : [c, d] [a, b] tal que h0 ( ) 6= 0 y defi-


namos ( ) = r (h( )). Recordemos que en el caso que h0 ( ) > 0 am-
bas parametrizaciones determinan la misma orientacin sobre la curva
C, mientras que si h0 ( ) < 0 las direcciones son opuestas. En el caso
h0 ( ) > 0, tenemos que h(c) = a, h(d) = b y se tiene que

Zd Zd




Z
Fd = F( ( )) 0 ( )d = F(

r (h( ))) r0 (h( ))h0 ( )d.
C c c

Haciendo el cambio de variable t = h( ), entonces dt = h0 ( )d , h(c) = a,

h(d) = b y obtenemos

Zd



Z
Fd = F( ( )) 0 ( )d
C c
Zd


= F(

r (h( ))) r0 (h( ))h0 ( )d
c
Zb


Z
= F(

r (t)) r0 (t)dt = F d

r.
a C

Como se puede observar aqu, las integrales son iguales.

En el otro caso h0 ( ) < 0, tenemos que h(c) = b y h(d) = a, entonces

Zd



Z
Fd = F( ( )) 0 ( )d
C c
Zd


= F(

r (h( ))) r0 (h( ))h0 ( )d
c

Haciendo el cambio de variable t = h( ) entonces dt = h0 ( )d , h(c) = b,

h(d) = a y obtenemos

120
 Zd



Z
Fd = F( ( )) 0 ( )d
C c
Zd


= F(

r (h( ))) r0 (h( ))h0 ( )d
c
Za


= F(

r (t)) r0 (t)dt
b
Zb


Z
= F(

r (t)) r0 (t)dt = F d

r
a C

Aqu podemos observar que las integrales cambian de signo.

4.2. El concepto de trabajo como integral de lnea

Recordemos que el trabajo hecho por una fuerza constante F cuyo punto de



aplicacin se mueve sobre un segmento que va desde el punto P al punto Q


es definida como WP Q = FP Q

En el caso que la fuerza F est aplicada sobre una curva parametrizada por
una funcin vectorial r , consideramos una particin sobre la curva C dada

por los puntos {Po , P1 , P2 , ...PN 1 , PN } tales que Po = r(a)
yPN = r(b). y


los dems puntos estn sobre la curva C de tal forma que Po Pi1 Po Pi


(i = 2, ..., N ). Escojamos en cada segmento un punto r(tk ) y podemos con-
siderar que el  trabajo realizado sobre el arco P\ k1 Pk es aproximadamente

WPk1 Pk F(r(tk ) T Sk donde Sk = longitud(P\

k1 Pk ). As el tra-

bajo total realizado sobre la curva por la fuerza F desde el punto r(a) hasta

121
 N  
el punto r(b), W F(r(tk ) T Sk . Esto nos permite claramente definir
P
k=1
el trabajo realizado

Z Z
W = F T ds = F d

r.
C C

Ejemplo 4.2.1 Supongamos que la fuerza F es una fuerza constante F =(c1 , c2 , c3 )

entonces el trabajo est dado por

Zb


Z
W = F d

r = F(

r (t)) r0 (t)dt
C a
Zb


= (c1 , c2 , c3 ) r0 (t)dt
a

(c1 , c2 , c3 )
b
= r (t)|a

= F (r(a) r(b)),

Como podemos observar aqu el trabajo solo depende de los puntos extremos
de la curva.

Ejemplo 4.2.2 Principio del trabajo y la energa.

Supongamos que una partcula se mueve alo

largo de un campo de fuerzas F.
0
Si la rapidez de la partcula es v(t) = r (t) , su energa cintica est definida
por
1
K(t) = mv 2 (t)
2
Demostrar que la variacin de la energa cintica en cualquier intervalo de
tiempo es igual al trabajo realizado por F durante dicho intervalo de tiempo.

Solucin: Si
r (t) es el vector posicin de la partcula en el instante t, entonces
el trabajo realizado durante el intervalo de tiempo [a, b] es dado por Wab =

r(b)
F d

r . Vamos a mostrar que Wab = K(b) K(a) = 21 mv 2 (b) 12 mv 2 (a).
R

r(a)


De acuerdo a la segunda ley de Newton F(

r (t)) = mr00 (t), entonces

122

r(b) Za



Z
Wab = F d

r = mr00 (t) r0 (t)dt
b
r(a)
Za
1 d 
0

= m r (t) r0 (t) dt
2 dt
b
Za
1
d  
= m r0 (t) dt

2 dt
b
Za b
1 dv 2 (t) 1
dt = mv 2 (t)

= m
2 dt 2 a
b
1 1
= mv 2 (b) mv 2 (a) = K(b) K(a).
2 2

4.3. Campos conservativos y funciones potenciales

Un campo vectorial F : Rn Rn definido en una regin es conservativo,
si existe un campo escalar : Rn R tal que
F = .
En este caso la funcin es llamada funcin potencial.
Observacin 4.3.1 Dado un campo conservativo F en fsica se acostumbra
a escribir F = . Entonces, (x, y, z) es la energ potencial en el punto
(x,y,z). Si f = , entonces

r(b) Zb


Z
Wab =

F d r = (

r (t)) r0 (t)dt
a
r(a)

Zb
d
((

r (t))) dt = (
b
= r (t)|a
dt
a
= [(

r (b) (

r (a)] = (

r (a) (

r (b)

123
Observacin 4.3.2 De acuerdo al ejemplo 3 y a la observacin 4,

Wab = K(b) K(a) = (

r (a)) (

r (b)

o sea
K(b) + (

r (b) = K(a) + (

r (a))
Esta frmula es conocida como la ley de la conservacin de la energa
mecnica para una partcula que se mueve bajo la influencia de un campo
de fuerzas conservativo. La suma de la energa cintica y la energa potencial
permanece constante.

4.4. El teorema de Green

El teorema de Green, uno de los teoremas importantes en el clculo vectorial,
relaciona una integral de lnea de un campo vectorial sobre una curva plana
C con una integral doble sobre la regin encerrada por la curva. Un hecho
importante del Teorema de Green radica en que permite el clculo de una
integral doble conociendo la informacin sobre la frontera.
Una curva r : [a, b] R2 continua es cerrada si
r (a) =

r (b). Si adems se



cumple r (t1 ) 6= r (t2 ) para t1 6= t2 en el intervalo (a, b], la curva se dice que
es cerrada simple. Por ejemplo, la elipse, la circunferencia son curvas cerradas
simples. Esta clase de curvas son llamadas curvas de Jordan.
La curva de Jordan C se dice que est orientada positivamente si al recorrer la
curva, la regin queda a mano izquierda. Observemos que si la orientacin
es positiva el vector
(y 0 (t), x0 (t))
n(t) = 0 .

r (t)

es ortogonal al vector velocidad

v (t) = (x0 (t), y 0 (t)).
Una curva cerrada simple se dice que es regular a trozos si la curva se puede
parametrizar en la forma

r0 (t) t [a0 , b0 ]



r (t) t [a1 , b1 ]

1
r(t) = ..

.

r(t)

n t [a , b ]
n n

donde r es continua con a0 = a y bn = b y diferenciable en cada intervalo

(ai , bi ) .

Teorema 4.4.1 Teorema de Green.

124
Sea C una curva cerrada simple regular a trozos orientada positivamente en el
plano R2 que acota una regin en el plano. Si F : R2 R2 es un campo
vectorial diferenciable dado por F(x, y) = (P (x, y), Q(x, y)), entonces
Z Z  
Q P
I
P dx + Qdy = dxdy
x y
C


Observemos que si F = (P, Q) tenemos que
Zb




I
F
n ds = F (r(t)) n(t) r0 (t) dt

C a
Zb


= F (r(t)) n(t)dt
a
Zb


= F (r(t)) (y 0 (t), x0 (t))dt
a
Zb
= [P (

r (t)) y 0 (t) Q (

r (t)) x0 (t)] dt
Ia
= Qdx + P dy.
C

As tenemos que


I I
F
n ds = Qdx + P dy.
C C
Aplicando el teorema de Green tenemos que


Z Z  

P Q
I Z Z

F n ds = + dxdy = div (F )dxdy
x y
C

Este resultado es conocido como teorema de la divergencia en el plano.

Antes de probar este teorema para algunas regiones en particular consideremos
el siguiente ejemplo

Ejemplo 4.4.1 Hallar el valor de la integral

I
x2 ydx + y 2 xdy
C

125
donde C es una circunferencia unitaria orientada positivamente. Aplicando el
teorema de Green y teniendo en cuenta que P = x2 y y Q = y 2 x tenemos
que

Z Z Z
x2 ydx + y 2 xdy y 2 + x2 dxdy


=
C
Z2Z1
= r3 drd = 2.
0 0

Ejemplo 4.4.2 Hallar el valor de la integral

Z
ydx + xdy
C

donde C es la frontera del cuadrado = [0, 1] [0, 1] .

Observemos que si no conociramos el teorema de Green tendramos que re-
solver 4 integrales de lnea. Sin embargo, usando el Teorema de Green con
P = x, Q = x tenemos que

Z Z Z
ydx + xdy = 2dxdy
C
Z Z
= 2 dxdy = 2area() = 2.

Ejemplo 4.4.3 Sea F(x, y) = (x, y). y C una circunferencia de radio a. Sea
la bola cerrada Ba (0). La divergencia de F est dada por divF = F =
(x, y) = 1 + 1 = 2 entonces
Z Z Z Z
divFdxdy = 2dxdy = 2area() = 2a2

F

R
Ahora calculemos n ds, teniendo en cuenta que el vector normal exterior
C
(x, y)
a la circunferencia es dado por

n = , entonces
a

126
 (x, y)
Z Z
F

n ds = (x, y)
a
C C
1
Z
x2 + y 2 ds


=
a
C
1
Z Z
2
= a ds = a ds
a
C C
= a (2a) = 2a2

Demostracin del Teorema de Green para regin dada en la figura de abajo

Aunque el teorema se puede demostrar para regiones ms generales aqu vamos

a restringirnos a la figura dada. La regin es descrita como

= {(x, y) : a x b, 1 (x) y 2 (x)}

Zb Z1 (x)
P P
Z Z
dxdy = dy dx

y y

a 1 (x)

Zb
(x)
= P (x, y)|21 (x) dx
a
Zb
= {P [(x, 1 (x)] P [x, 2 (x)]} dx
a

127
Por otra parte, la integral de lnea P (x, y)dx la podemos escribir como
R
C
Z Z Z
P (x, y)dx = P (x, y)dx + P (x, y)dx.
C C1 C2

Para calcular la integral de lnea a lo largo de C1 utilizando la parametrizacin

r1 (t) = (t, 1 (t) obtenemos

Z Zb
P (x, y)dx = P [(t, 1 (t)] dt.
C1 a

Para calcular la integral de lnea a lo largo de C2 utilizando la parametrizacin

r2 (t) = (t, 2 (t) y teniendo en cuenta la inversin del sentido obtenemos

Z Zb
P (x, y)dx = P [(t, 2 (t)] dt.
C2 a

Por lo tanto
Z Zb Zb
P (x, y)dx = P [(t, 1 (t)] dt P [(t, 2 (t)] dt.
C a a

As, obtenemos que

P
Z Z Z
dxdy = P (x, y)dx
y
C

De manera semejante, podemos mostrar que

Q
Z Z Z
dxdy = Q(x, y)dy.
x
C

As Z Z  
Q P
I
P dx + Qdy = dxdy
x y
C

Ejemplo 4.4.4 Por medio del teorema de Green calcular el trabajo realizado
por un campo de fuerza F(x, y) = (3x + y, 2y x) al moverse una partcula
sobre una elipse x2 + 4y 2 = 4 en sentido contrario a las manecillas del reloj.

128
  
Q P
En este caso P (x, y) = 3x + y, Q(x, y) = 2y x. = 1 1 = 2.
x y

Entonces
Z Z  
Q P
dxdy = 2area() = 22 = 4
x y

entonces el trabajo es dado por la integral de lnea

 
R R R Q P
P dx + Qdy = dxdy = 4.
C x y

Corolario del teorema de Green .

El rea A de la regin acotada por una curva simple, cerrada y suave a trozos
est dada por

A = 12 ydx + xdy = ydx = xdy

R R R
C C C

Demostracin Definamos el campo

 vectorial F(x, y) = (y, x) ..P (x, y) = y,
Q P
Q(x, y) = x. entonces = 1 + 1 = 2.Entonces
x y
Z Z  
Q P
dxdy = 2area()
x y

Z
= 2A = P dx + Qdy
C
Z
= ydx + xdy.
C
 

dy dx
Por lo tanto, teniendo en cuenta que el vector n = , tenemos
ds ds
1 1
Z Z
A= Fn ds = ydx + xdy
2 2
C C

1
Z
A= ydx + xdy
2
C

RObservemos que si P (x, y) = 0 y Q(x, y) = x, el teorema de Green implica que

xdy = A.
C

129
Similarmente
R si P (x, y) = y y Q(x, y) = 0, el teorema de Green implica que
ydx = A
C
As tenemos que
1
Z Z Z
A= ydx + xdy = ydx = xdy.
2
C C C

4.5. rea de una superficie

Vamos a definir el rea de una superficie paramtrica. Por simplicidad vamos a
considerar que el dominio de la funcin vectorial es un rectngulo.Consideramos
una participacin de la regin T en subrectngulos. La particin definida en
el regin rectangular nos define una particin en la superficie S, la cual no es
formada necesariamente por rectngulos. Aproximamos el rea de Sk por una
regin del plano tangente en el punto Pk . Aproximamos esta rea por el rea
del paralelogramo formado por los vectores
ru u y
rv v. Est rea esta dada
por

k

ru u

rv vk = k

ru

rv k uv

N
k

ru

X
rv k uv
k=1

Esto nos permite definir el rea superficial de la siguiente manera:

Sea

130





r (u, v) = (x(u, v), y(u, v), y(u, v)) = x(u, v) i + y(u, v) j + y(u, v) k

una parametrizacin de una superficie suave que se cubre una sola vez cuando
(u, v) recorre el dominio , entonces se define el rea superficial por
ZZ
A(S) = k

ru

rv k dudv

donde

x
y z x
y z
ru = i + j + k rv = i + j + k
u u u v v v

Ejemplo 4.5.1 Encuentre el rea superficial de una esfera radio a.

Las ecuaciones paramtricas de la esfera son

x = a cos sen , y = asen sen , z = a cos

El dominio est dado por

= {(, ) 0 2, 0 }

 
 i j k 



r r =  x y z



 x y z 
 

 i j k 

=  asen sen a cos sen 0 

 a cos cos asen cos asen 
= a2 sensen2 ia2 sen sen2 ja2 sen cos k

k

r
r 2
k = a sen.

Entonces el rea superficial de la esfera es dada por

131
 ZZ
A(S) = k

ru

rv k dudv

Z2Z
= a2 sendd
0 0
Z2 Z
2
= a d send = 4a2
0 0

Ejemplo 4.5.2 . Supongamos que tenemos una funcin de dos variables z =

f (x, y) con dominio . Puesto que la grfica de f determina una superficie en
el espacio, sta la podemos parametrizar como

r (x, y) = (x, y, f (x, y)) con (x, y) .
Observemos
 
   i j k 
 i j k   f




 f f
zx  =  1 0

rx ry =  xx yx = i j+k
 
x x x
 xy yy zy   0
 f 
1 
 y 

la norma de este vector est dado por

s  2  2


f f
krx ry k = 1 + +
x y

As el rea superficial est dada por

ZZ
A(S) = k

rx

ry k dxdy

s  2  2
f f
ZZ
= 1+ + dxdy
x y

Si consideramos por ejemplo z = x2 + y 2 que est debajo del plano z = 9.

Observemos que en este caso est dado por el crculo x2 + y 2 9.

132
As el rea superficial es dada por
s  2  2
f f
ZZ
A = 1+ + dxdy
x y
ZZ p
= 1 + (2x)2 + (2y)2 dxdy

ZZ p
= 1 + 4x2 + 4y 2 dxdy.

Usando coordenadas polares tenemos
ZZ p
A = 1 + 4x2 + 4y 2 dxdy

Z2Z3 p
= 1 + 4r2 rdrd
0 0
Z2 Z3 p
= d 1 + 4r2 rdr
0 0

= (37 37 1)
6

4.6. Integral de superficie

4.6.1. Integral de superficie de una funcin escalar
Sea S una superficie parametrizada por

r(u, v) = (x(u, v), y(u, v), z(u, v)), (u, v) ,
donde es una regin del plano uv. Sea f : V S R, un campo escalar,
donde V es un abierto en R3 que contiene a la superficie S. Similar a las
integrales de lnea, la integral de superficie de f est definida por

Z Z Z Z 
f (x, y, z)dS = f r(u, v k ru
rv k dudv,
S

donde  

x y y
ru = , ,
u u u
y  

x y y
rv = , , .
v v v

133
4.6.2. Integral de superficie de un campo vectorial

Una superficie es orientable si podemos definir un vector normal unitario

n en


cada punto de la superficie que no sea un punto frontera tal que n vara con-
tinuamente. La grfica abajo muestra tres superficies, dos de ellas orientables
y una que no lo es (banda de Mobius) . Una superficie orientable tiene dos
caras. Si S es orientable y cerrada podemos escoger el vector
n de tal manera
que seale el exterior de la superficie y en este caso diremos que la orientacin
es positiva.

Una superficie orientada tiene dos caras. Si S es orientable y cerrada podemos

escoger el vector

n de tal manera que seale el exterior de la superficie y en este
caso diremos que la orientacin es positiva. Si

r (u, v) = (x(u, v), y(u, v), z(u, v))
es una parametrizacin de una superficie orientable S, entonces el vector normal
exterior puede ser

= ru rv

n = ru rv ,
o
n (kru rv k =
6 0)
1 2
kru rv k kru rv k

134
Definicin 4.6.1 Una superficie parametrizada S se dice que es simple si ex-
iste un conjunto abierto y acotado de 2 cuya frontera es una curva cerrada
simple regular a trozos tal que la parametrizacin
r : R2 R3 es



inyectiva, ru rv 6= 0 , S = r ().

Sea

n uno de los dos vectores normales o
n n a la superficie S. Sea

F un
1 2
campo vectorial definido en un conjunto abierto U que contiene a S.


Definicin 4.6.2 Sea F : U Rn Rn un vectorial continuo, definimos la
integral de superficie del campo vectorial a la integral

Z Z Z Z

F n dS = F (r (u, v))

n kru rv k dudv
S
Z Z


= F (
r (u, v)) ru rv dudv,

donde el signo es + si

n =
y el signo es si
n 1

n =
.
n 2

Los dos teoremas bsicos del clculo vectorial y permite calcular la integral de
una "derivada" en trminos de integrales en la frontera de la superficie son los
siguientes:

Teorema 4.6.1 (de Stokes): Sea S una superficie acotada en R3 cuya frontera


S es una curva regular, entonces para todo campo vectorial en R3 , F C1 ,
se cumple donde se considera en S la orientacin inducida por S. Entonces

Z Z Z

F .d = Rot F .
n dS
S S

Teorema 4.6.2 (Teorema de la divergencia o Teorema Gauss): Sea V un

slido en R3 cuya frontera es una superficie S orientable. Sea F un campo
vectorial derivable con continuidad definido sobre V . Entonces,

Z Z Z Z Z
F .
n dS = div (F )dV.
S V

Ejemplo 4.6.1 . Supongamos que tenemos una funcin de dos variables z =

f (x, y) con dominio . Puesto que la grfica de f determina una superficie en
el espacio, esta la podemos parametrizar como

135


Considere el campo vectorial F = (yz, xz, xy) y S es la superficie determinada
por parte de la esfera x + y + z 2 = 4 que est dentro del cilindro x2 + y 2 = 1
2 2

y arriba del plano xy (ver figura).

1. a) Halle la funcin vectorial de la curva C.

R
b) Halle C F .d r


c) Halle S Rot F dS
RR

Solucin: Para hallar la funcin vectorial de la curva C o parametrizacin

de lacurva, intersectamos la ecuacin de la esfera con la del plano obteniendo
z = 3, puesto quez 0. As la parametrizacin de la curva C es dada por

r (t) = (cos t, sent, 3) 0 t 2 y r 0 (t) = (sent, cos t, 0)

Ahora, F (
r (t)) = ( 3sent, 3 cos t, sent cos t) y F (r(t))r0 (t) = 3sen2 t+
3 cos2 t. Por lo tanto
Z2
2
Z


Z
F .d

2 2
r = 3sen t + 3 cos t dt = 3 cos 2tdt = 0
C
0 0

Aplicamos el teorema de Stokes obteniendo que

ZZ Z
Rot F dS = F .d
r =0
S C

Ejemplo 4.6.2 . Supongamos que tenemos una funcin de dos

variables z = f (x, y) con dominio . Puesto que la grfica de f de-
termina una superficie en el espacio, sta la podemos parametrizar
como
Sea V el cubo unitario de R3 definido por V = {(x, y, z) : 0 x
1, 0 y 1, , 0 z 1}

136
 Sea F (x, y, z) = x2 , y 2 , z 2 . Hallemos F


RR
n ds, en donde S
S
indica las seis paredes del cubo. De acuerdo al teorema de la Diver-
gencia tenemos que :


div F = 2x + 2y + 2z

Por lo tanto



ZZ ZZZ
F
n ds = div F dxdydz
S
Z Z ZV
= (2x + 2y + 2z) dxdydz
V
Z 1 Z 1 Z 1
= (2x + 2y + 2z) dxdydz
0 0 0
=3

Utilizando el teorema de la divergencia podemos establecer las sigu-

ientes relaciones de gran utilidad en las ecuaciones diferenciales
parciales. Demostraremos algunas y otras se dejan como ejercicios
Consideremos los campos escalares diferenciables f y g. Entonces
RR RRR
1. f ndS = f dxdydz, donde f es el laplaciano de f.
S V
RR
2. f ndS = 0, si f es armnica o sea f = 0. ( Se concluye
S
inmediatamente del resultado 1)
RR RRR
3. f g ndS = f g +f gdxdyd
S V
RR RRR
4. {f g n gf n} ds = V
f g gf dxdydz
S

137
 RR RR
5. f g n = gf n si f y g son armnicas.
S S

Para demostrar la primera observemos que

RR RRR RRR
f ndS = div(f )dxdydz = f dxdydz
S V V

Observemos que la tercera identidad es la generalizacin a tres di-

mensiones del mtodo de integracin por partes.

La ley de Coulomb afirma que si tenemos una carga elctrica de q

culombs, situada en el origen, la fuerza que ejerce sobre otra carga
unitaria y situada en el punto (x, y, x) viene dada por la expresin

cq
F (x, y, z) = 3 (x, y, z)
kx, y, zk

en donde c es una constante.

Sea V un slido de R3 que contiene al origen y denotemos con S su
frontera. Puesto que F no est definido en el origen, no podemos
aplicar directamente el teorema de la divergencia. Sea Br (), la bola
de centro en el origen y de radio r tal que Br () V. Entonces
sobre el conjunto V Br () s podemos aplicar el Teorema de la
divergencia. La figura ilustra un corte de V Br ()

138
Observemos que la frontera de V Br () est compuesta por S y
Br () y el vector normal unitario sobre la frontera Br () es

1
n = (x, y, z)
kx, y, zk

Es as cmo el teorema de la Divergencia toma la siguiente forma:

Z Z 

Z Z Z Z
div F dxdydz = F

n ds + F

n ds
V Br () S Br ()



Un clculo fcil nos muestra que div F = 0 y por lo tanto ten-
emos que

Z Z Z Z
F

n ds = F

n ds
S S
cq (x, y, z) 1 (x, y, z)
Z Z
= 3 1 dS
(x2 + y2 + z 2) 2 (x2 + y2 + z 2) 2
Br ()

x2 + y 2 + z 2
Z Z
= cq 2 dS
(x2 + y 2 + z 2 )
Br ()
cq
Z Z
= 2 dS

Br ()
cq
= 2 42 = 4cq.


F

RR
Por lo tanto el flujo n dS = 4cq slo depende de la
S
carga q y no del tamao o forma de S.

139