Cálculo II

Cálculo II
Guillermo Julián Apuntes UAM

Doble Grado Mat.Inf.
UAM - C2 - 2011/2012
14 de junio de 2016 12:50
Código en Github
Cálculo II - C2 - 2011/2012 - UAM Guillermo Julián
Índice general
1 Estructura de RN . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1 Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Sucesiones en RN . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Topología . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Funciones RN → R . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1 Representación de casos específicos . . . . . . . . . . . . . . . 5
2.2 Límites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Diferenciabilidad de funciones RN 7→ RM . . . . . . . . . . . . . . . . 9
3.1 Operaciones con derivadas . . . . . . . . . . . . . . . . . . . . 10
3.2 Derivadas direccionales . . . . . . . . . . . . . . . . . . . . . 11
3.3 Gradiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4 Derivadas paramétricas . . . . . . . . . . . . . . . . . . . . . 13
3.5 Derivadas de orden superior . . . . . . . . . . . . . . . . . . . 13
3.6 Máximos y mínimos . . . . . . . . . . . . . . . . . . . . . . . 14
3.7 Máximos y mínimos absolutos . . . . . . . . . . . . . . . . . . 17
4 Funciones RN 7→ R>1 . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1 Curvas parametrizadas . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Superficies parametrizadas . . . . . . . . . . . . . . . . . . . . 21
4.3 Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 24
5 Integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.1 Cálculo de integrales . . . . . . . . . . . . . . . . . . . . . . . 27
5.2 Cambio de variables . . . . . . . . . . . . . . . . . . . . . . . 28
5.3 Integración en R3 . . . . . . . . . . . . . . . . . . . . . . . . 31
5.4 Integralsobre curvas . . . . . . . . . . . . . . . . . . . . . . . 32
5.5 Integrales sobre superficies . . . . . . . . . . . . . . . . . . . . 35
5.6 Teoremas del análisis vectorial . . . . . . . . . . . . . . . . . . 37
Índice alfabético 39
0
Documento compilado el 14 de junio de 2016 a las 12:50
1 de 40
1. Estructura de RN
1.1. Vectores
Operaciones básicas: suma, producto por un número real.
Producto Definición 1.1 Producto escalar Euclídeo.

escalar
N
Euclídeo X
x · y = hx, yi = xi yi = kxkkyk cos α
i=1
Norma Eu- Definición 1.2 Norma Euclídea.

clídea
√
kxk = xx
La norma euclídea es mayor o igual que cero y cumple la desigualdad triangular.
Distancia Definición 1.3 Distancia euclídea.

euclídea
D(x, y) = |x − y|
Teorema 1.1 (Desigualdad Cauchy-Schwarz).
|xy| ≤ kxkkyk
Ortogonalidad Definición 1.4 Ortogonalidad. Dos vectores son ortogonales si el ángulo que forman
es un ángulo recto:
x⊥y ⇐⇒ cos α = 0 ⇐⇒ xy = 0
1.2. Sucesiones en RN
Notación: {xk }k∈N , donde xkj es la coordenada j del elemento k de la sucesión.
Sucesiones Definición 1.5 Sucesiones convergentes. Una sucesión de vectores es convergente

convergen-
tes
2 de 40
a un vector a si la distancia entre el vector xk se va reduciendo a medida que k va a

aumentando.
xk −→ a ⇐⇒ ∀ε > 0, ∃k0 k ≥ k0 =⇒ kxk − ak < ε

k→∞
Teorema 1.2. La sucesión de vectores convergen si convergen todas sus

coordenadas.
xk → a ⇐⇒ xkj → aj ∀j = 1, 2, · · · , N
Demostración. Primero demostramos la implicación a la derecha. Sabemos que

xk → a, por lo tanto
v
u N
uX
∀ε > 0, ∃k0 k ≥ k0 =⇒ t (xkj − aj )2 < ε
j=1
.
Es obvio que
v
u N q
uX
t (xk − aj )2 ≥ (xk − aj )2 = xk − aj ≤ ε ∀j
j j j
j=1
. Por lo tanto, queda demostrada la implicación a la derecha.

Ahora demostramos hacia la izquierda.
Sabemos que ∀j xkj → aj , por lo
que ∀ε > 0, ∃k0j k > k0j =⇒ xkj < ε. Los k0 no tienen por qué ser todos

iguales.
∗
Lo que sí sabemos es que si cogemos
un k que sea el máximo de todos los k0 ,
entonces si k ≥ k ∗ entonces xkj − ak < ε ∀j.

Escogemos los k0 tal que ∀k > k0j xkj − aj < √εN , y sea k ∗ el mayor de todos

ellos. Entonces,
v
u N
√
r
2
t (x − aj )2 < N ε = ε2 = ε
uX
k
j
j=1
N
. Queda demostrada la implicación hacia la izquierda y por lo tanto la doble

implicación.
Criterio de Definición 1.6 Criterio de Cauchy. La sucesión {xk } es de Cauchy si y sólo si

Cauchy ∀ε > 0 ∃k0 tal que si k, m ≥ k0 , entonces kxk − xm k < ε.
3 de 40
Espacio Definición 1.7 Espacio completo. Dado un espacio X con una norma diremos que
completo X es completo si y sólo si toda sucesión de Cauchy contenida en X tiene un límite
que está en X.
1.3. Topología
Bola abier- Definición 1.8 Bola abierta. Definimos la bola abierta de centro x0 y radio ε al
ta conjunto de los puntos que están a una distancia menor que ε de x0 .
Bε (x0 ) = {x ∈ RN kx − x0 k < ε}
Conjunto Definición 1.9 Conjunto abierto. Un conjunto A es abierto si y sólo si ∀a ∈ A,

abierto podemos encontrar un ε > 0 tal que Bε (a) ⊂ A.
Conjunto Definición 1.10 Conjunto cerrado. Un conjunto B es cerrado si y sólo si su

cerrado complementario B C = RN − B es abierto.
Observación: Los únicos conjuntos que son a la vez abiertos y cerrados son el vacío
(∅) y el total (RN ).
Interior Definición 1.11 Interior. El interior de un conjunto A (notación: ) es el conjunto

abierto más grande posible contenido dentro de A.
Cierre Definición 1.12 Cierre. El cierre de un conjunto B (notación B) es el conjunto cerrado

más pequeño posible que contiene a B.
Teorema 1.3 (Caracterización por sucesiones). Diremos que B es cerrado si y

sólo si dada una sucesión {xl } ⊂ B con xk → L entonces L ∈ B.
Demostración. Demostramos primero la implicación a la derecha. Supongamos

que L no está en B, por lo que L ∈ B c , que es un conjunto abierto. por lo tanto
∃ε > 0 Bε (L) ⊂ B c . Por ser xk → L, ∃k0 k ≥ k0 =⇒ kxk − Lk < ε/2, por
lo que esos xk estarían dentro de B c . Contradicción.
Ahora pasamos a demostrar la implicación hacia la izquierda. Supongamos
que B c no es abierto. Entonces ∃b ∈ B c tal que para cualquier ε > 0 en Bε (b) hay
algún punto de B. Sea ε = k −1 . En Bk−1 (b) hay algún punto de B, al que llamamos
xk . A medida que aumenta k, kxk − bk → 0 y por lo tanto ×k → b. Pero, según la
hipótesis el límite L estaba dentro de B. Contradicción.
4 de 40
Frontera Definición 1.13 Frontera. La frontera de un conjunto A (notación: δA) son todos
los puntos del borde del conjunto. Es decir, que a ∈ δA ⇐⇒ ∀ε > 0 , Bε (a) ∩ A 6=
∅ ∧ Bε (a) ∩ Ac 6= ∅.
Punto ais- Definición 1.14 Punto aislado. Un punto a ∈ A es aislado si y sólo si ∃ε Bε (a) ∩
lado A = {a}.
Punto de Definición 1.15 Punto de acumulación. Un punto a ∈ Ac(A) es un punto de

acumula- acumulación si y sólo si ∀ε > 0; (Bε (a)\{a}) ∩ A 6= ∅.
ción
Conjunto Definición 1.16 Conjunto compacto. Un subconjunto k ⊂ RN es compacto si y

compacto sólo si es cerrado y acotado.
Teorema 1.4. Un conjunto k ⊂ RN es compacto si y sólo si ∀{xk } ⊂ k podemos

encontrar alguna subsucesión convergente.
Conjunto Definición 1.17 Conjunto convexo. Un conjunto es convexo si uniendo dos puntos
convexo cualquiera por un segmento no nos salimos del conjunto.
Función Definición 1.18 Función cóncava/convexa. Una función es cóncava si, trazando
cóncava/- una recta por dos puntos de la recta la gráfica queda por encima. Es convexa si la
convexa
gráfica queda por debajo.
2. Funciones RN → R
2.1. Representación de casos específicos

2.1.1. Funciones de R2 a R
Conjunto Definición 2.1 Conjunto de nivel. Un conjunto de nivel son todos los puntos (x, y)
de nivel que están al mismo nivel, al estilo de las curvas de nivel de los mapas topográficos.
NC = {(x, y) ∈ R2 f (x, y) = c}
Usando los conjuntos de nivel podemos reducir el problema de dibujar la superficie

a encontrar las curvaspque representan cada conjunto de nivel. Por ejemplo, tomando
la función f (x, y) = x2 + y 2 . Si c < 0, Nc = ∅. Si c = 0 entonces N0 = (0, 0), y
si c > 0 entonces cada conjunto Nc es una circunferencia de radio c centrada en el
origen.
5 de 40
p
Figura 1: La función f (x, y) = x2 + y 2
Para ensamblar todos los conjuntos hacemos una sección vertical, por ejemplo
usando el plano x = 0. En este caso, la función que sale es z = |y|, por lo que la
superficie es un cono.
2.1.2. Funciones de R3 a R
En las funciones de tres variables también podemos usar los conjuntos de nivel
como superficies, de forma que podemos hacernos una idea de cómo sería la función
en R4 .
2.2. Límites
Límite Definición 2.2 Límite.Sea f : RN 7−→ RM . Entonces
lı́m f (x) = L ⇐⇒ ∀ε > 0 , ∃δ > 0 0 < kx − ak < δ =⇒ kf (x) − Lk

x→a
Las propiedades de los límites en varias dimensiones son las siguientes:
El límite es único.
Sea f = (f1 , f2 , · · · , fM ) y L = (L1 , · · · , LM ). Entonces, lı́mx→a f (x) =
L ⇐⇒ lı́mx→a fj (x) = Lj , j = 1 · · · M .
lı́m(f + g) = lı́m f + lı́m g.
lı́m λf = λ lı́m f .
lı́m fg = lı́m f
lı́m g
si lı́m g 6= 0.
Si en un entorno de a f ≤ g entonces lı́m f ≤ lı́m g.
6 de 40
Figura 2: Las líneas de contorno de f
Figura 3: La función dibujada
7 de 40
2.2.1. Resolución de indeterminaciones
Indeterminación 0/0: Tomemos el siguiente límite.
x4
lı́m p
(x,y)→(0,0) x2 + y 2
Primero tomamos límites a lo largo de rectas y = kx. El límite se convierte entonces

en un límite de una sola variable:
x4 x4 x4 |x|3
lı́m p = lı́m p = lı́m √ = lı́m √ = 0 ∀k
x→0 x2 + (kx)2 x→0 x2 (1 + k 2 ) x→0 |x| 1 + k 2 x→0 1 + k 2
Con esto logramos una conjetura del límite, que podemos probar o bien con la
definición de límite o bien con el criterio de comparación. Como podemos acotar la
expresión
x2 x2 x2 (x2 + y 2 ) p
0≤ p ≤ p = x2 x2 + y 2
x2 + y 2 x2 + y 2
p
y es obvio que x2 x2 + y 2 tiende a 0 cuando x → 0, entonces por criterio de
comparación (lema del sándwich), nos queda que
x4
lı́m p =0
(x,y)→(a,b) x2 + y 2
Sin embargo, que el límite de cualquier recta sea 0 no implica que el límite sea ese
número. Por ejemplo, sea f la siguiente función:
(
1 si y = x2
f (x, y) =
0 si y 6= x2
El límite a lo largo de cualquier recta en el origen es 0. Sin embargo, si me acerco

al origen a través de la parábola y = x2 es límite es 1. Por lo tanto, el límite no existe.
2.3. Continuidad
Función Definición 2.3 Función continua. Una función f es continua en a si y sólo si

continua f (a) = lı́mx→a f (x). Es decir:
∀ε > 0 , ∃δ > 0 kx − ak < δ =⇒ kf (x) − f (a)k
8 de 40
Teorema 2.1 (Caracterización en términos de sucesiones). F es continua en

a si y sólo si para toda sucesión {xn } con lı́mn→∞ xn = a, se tiene que
lı́mn→∞ F (xn ) = F (a).
Las funciones continuas cumplen las mismas propiedades algebraicas que los límites.
Además, la función de cada una de las coordenadas de una función continua también
es continua.
Teorema 2.2 (Continuidad de la composición). Si F es continua en a y G es

continua en F (a), entonces G ◦ F es continua en a
Función Definición 2.4 Función inversa. Sea F : RN 7−→ RM , y A ⊂ RM , definimos la

inversa función inversa:
F −1 (A) = {x ∈ RN F (x) ∈ A}
Teorema 2.3. F es continua si y sólo si para todo conjunto abierto A F −1 (A)

es abierto.
Teorema 2.4. F es continua si y sólo si para todo conjunto cerrado B F −1 (B)

es cerrado.
3. Diferenciabilidad de funciones RN 7→ RM
Derivada Definición 3.1 Derivada parcial. La derivada parcial de una función es la derivada
parcial con respecto a una única variable. Notación:
∂F
∂x
El problema de la derivabilidad en varias variables es que no podemos buscar la

aproximación igual que en una variable. Buscamos entonces una aproximación lineal,
donde
9 de 40
F (x) = F (a) + DF (x) + ε
Donde ε es el error que cumple que

ε
lı́m =0
x→a kx − ak
. D es el diferencial, que depende de la función.
Diferencial Definición 3.2 Diferencial. Sea F : RN 7−→ RM , tal que F (x0 , · · · , xn ) =

(y0 , · · · , ym ). Entonces, el diferencial es una matriz de dimensión M × N que se
define como
 
∂ y1 y1
···
 ∂ x1
.. ..
xn
.. 
DF = 
 . . . 

∂ ym ∂ ym
∂ x1
··· ∂ xn
El diferencial cumple la siguiente identidad:
k(F (x) − F (a)) − DF (a)(x − a)k

lı́m =0
x→a kx − ak
Teorema 3.1. Si F es diferenciable en a, entonces F es continua en a.
Teorema 3.2. Si F es diferenciable, entonces existen todas las derivadas parciales.

Atención: el recíproco no es cierto.
Teorema 3.3. Si existen todas las derivadas parciales y además son continuas,
entonces la función es diferenciable.
Observación: Si las parciales no son continuas pueden darse los dos casos, que sea
o no sea diferenciable.
3.1. Operaciones con derivadas

Se aplican las mismas reglas que en una dimensión.
10 de 40
3.1.1. Regla de la cadena
Tenemos dos funciones, F : RM 7−→ RK y G : RN 7−→ RM , y consideramos su

composición H = F ◦ G : RN 7−→ RK .
Teorema 3.4. Si G es diferenciable en a y F diferenciable en G(a) entonces H

es diferenciable en a. Además:
DH(a) = DF (G(a)) · DG(a)
Teorema 3.5. Sea A una matriz y x un vector. Se tiene entonces que
Ax ≤ Ckxk
donde C es una constante. Esto es útil para probar la regla de la cadena.
Se puede abreviar la obtención de cada derivada parcial del diferencial de la siguiente

forma:
M
∂ Ha X ∂ Ha ∂ y i
= ·
∂ xb i=0
∂ y i ∂ xb
donde y1 es cada una de las variables de F .
3.2. Derivadas direccionales

La derivada direccional nos indica cómo crece la función en una dirección
determinada por un vector. La definición estricta viene a continuación:
Derivada Definición 3.3 Derivada direccional. Dada una función F : RN 7−→ R y un vector
direccional unitario u, llamamos Du F (a) a la derivada de F en el punto a en la dirección u. Si
llamamos g(t) = F (a + tu), entonces

0 dF (a + tu)
Du F (a) ≡ g (0) =
dt
t=0
Teorema 3.6. Si F es derivable, entonces Du F (a) = h∇F (a), ui.
11 de 40
3.3. Gradiente
Gradiente Definición 3.4 Gradiente. Sea F : RN 7−→ R. Entonces, se define el gradiente como

N ∂F ∂F
∇F ∈ R = ,··· ,
∂ x1 ∂ xn
El gradiente es un caso especial de la matriz diferencial, y cumple estas dos

propiedades:
1. El gradiente vive en el mismo espacio que los conjuntos de nivel, no en el de la

imagen.
2. ∇F es la dirección de máximo crecimiento de la función.
3.3.1. Plano tangente a través del gradiente
Además, el gradiente permite calcular el plano tangente a una superficie, tanto en

superficies dadas como conjuntos de nivel F (x, y, z) = C como en superficies dadas
como gráficas z = f (x, y).
Vamos con el primer caso: tomamos la superficie S ≡ {(x, y, z) F (x, y, z) =
C}, el punto a y la curva σ(t) que cumple que σ(t) ⊂ S ∀t y que σ(0) = a.
Denomimamos g(t) = F (σ(t)) = C, por lo que g 0 (t) = 0. En particular, tenemos
que h∇F (a), σ 0 (0)i = 0. Dado que σ es una curva arbitraria, obtenemos que ∇F (a)
es perpendicular a todos los vectores tangentes a la superficie. Por lo tanto, ∇F (a) es
perpendicular al plano tangente a S en a.
De esta forma, podemos definir el plano tangente según la siguiente ecuación:
0 = h∇F (a), x − ai
Vamos ahora con el segundo caso, donde S ≡ {z = f (x, y)}. Hay dos métodos
posibles, el primero es usando el cálculo anterior tomando F (x, y, z) = f (x, y)−z = 0.
De esta forma, nos quedaría que el plano tangente a S en el punto (a, b) tendría la
siguiente ecuación:
∂f ∂f
f (a, b) + (a, b)(x − a) + (a, b)(y − b) − z = 0
∂x ∂y
También podemos obtenerlo directamente. Tomamos una curva con x constante,

esto es σ1 (y) = (a, y, f (a, y)), cuya derivada es σ10 = (0, 1, ∂∂ fy ). Hacemos lo mismo
con y constante, quedándonos σ2 = (x, b, f (x, b)) y σ20 = (1, 0, ∂∂ fx ). Así nos quedaría
un vector n perpendicular a S:

∂f ∂f
n= σ10 × σ20 = , , −1
∂x ∂y
12 de 40
y que es el mismo que habíamos obtenido con el anterior método.
3.4. Derivadas paramétricas

Una función paramétrica se da de la siguiente forma:
(
x = x(t)
y = y(t)
Si derivamos x(t) y y(t), tenemos el vector director de la recta tangente a la curva

para un parámetro t. Además, tenemos que
dy dy dt
= ·
dx dt dx
3.5. Derivadas de orden superior

La derivada de orden superior consiste en derivar varias veces una función. Por
ejemplo, si f es una función:

∂ ∂f
∂x ∂y
consistiría en derivar primero f con respecto de y y después con respecto de x.
Teorema 3.7 (Teorema de las derivadas cruzadas de Euler). Sea F ∈ C 2 ,

F : RN 7−→ R. Entonces
∂ 2f ∂ 2f
=
∂x∂y ∂y∂x
Demostración. Definimos G(h, k) = F (x0 + h, y0 + k) − F (x0 + h, y0 ) − F (x0 , y0 +

k) + F (x0 , y0 ). k es fijo y h variable, y definimos g(s) = F (s, y0 + k) − F (s, y0 ).
Con esta notación, G(h, k) = g(x0 + h) − g(x0 ). Según el teorema del valor medio:
G(h, k) = g 0 (s̃)h
para algún s̃ ∈ [x0 , x0 + h]. Derivando, tenemos que
∂F ∂F
g 0 (s) = (s, y0 + k) − (s, y0 )
∂x ∂x
∂F
Definimos H(t) = ∂x
(s̃, t). Entonces, tenemos que
13 de 40
G(h, k) = H 0 (t̃)kh
para algún t̃ ∈ [y0 , y0 + k]. Si derivamos, tenemos que
∂ 2F
H 0 (t) = (s̃, t)
∂y∂x
∂2F
Entonces, nos queda G(h, k) = ∂y∂x
(s̃, t̃)hk, es decir
∂ 2F G(h, k)
(s̃, t̃) =
∂y∂x hk
Si tenemos en cuenta que cuando h → 0 y k → 0 s̃ y t̃ tienden a cero

respectivamente, entonces
∂ 2F G(h, k)
(x0 , y0 ) = lı́m
∂y∂x (h,k)→(0,0) hk
Si repitiésemos la misma prueba paso a paso pero en lugar de empezar tomando

la devirada en x la tomamos en y, obtendremos el mismo resultado.
A partir del teorema, podemos obtener la matriz de derivadas segundas:
Matriz Definición 3.5 Matriz Hessiana.

Hessiana !
∂2f ∂2f
∂x2
(a, b) (a, b)
D2 f (a, b) = ∂2f
∂x∂y
∂2f
∂y∂x
(a, b) ∂y 2
(a, b)
3.6. Máximos y mínimos
Máximo/mínimo Definición 3.6 Máximo/mínimo local. Sea f : RN 7−→ R. Diremos que x0 ∈ RN

local es un punto de máximo local si ∃ε > 0 F (x0 ) ≥ F (x) ∀x ∈ Bε (x0 )
La definición es análoga para el mínimo
Observación: Por las propiedades del gradiente, si F es diferenciable y x0 es un

máximo o mínimo local, entonces debe ser ∇F (x0 ) = 0.
Punto crí- Definición 3.7 Punto crítico. x ∈ RN es un punto crítico de F si y sólo si

tico ∇F (y) = 0
No todos los puntos críticos son máximos o mínimos, así que tenemos que
clasificarlos de alguna forma. Para ello, usamos el polinomio de Taylor de orden 2,
de forma que
14 de 40
F (x, y) = F (x0 , y0 ) + h∇F (x0 , y0 ), (x − x0 , y − y0 )i+

! !
∂2f ∂2f
1 2 (x 0 , y 0 ) (x 0 , y0 ) x − x 0
(x − x0 , y − y0 ) ∂∂x2 f ∂x∂y
∂2f +ε
2 ∂y∂x
(x ,
0 0 y ) ∂y 2
(x ,
0 0 y ) y − y 0
Simplificando nos queda que:
1
F (x) = F (x0 ) + h∇F (x0 ), x − x0 i + (x − x0 )D2 F (x0 )(x − xo )T + ε
2
Dado que el gradiente es 0, el punto clave es el signo de 21 (x−x0 )D2 F (x0 )(x−xo )T .
Para ello, usamos las siguientes definiciones del álgebra lineal.
3.6.1. Resultados de álgebra lineal
Matriz se- Definición 3.8 Matriz semidefinida y definida positiva y negativa.

midefinida La matriz A de dimensión N × N es semidefinida positiva si y sólo si vAvT ≥
y definida 0 ∀v ∈ RN .
positiva y
negativa La matriz A de dimensión N × N es definida positiva si y sólo si vAvT > 0 ∀v 6=
0 ∈ RN .
La matriz A de dimensión N × N es semidefinida negativa si y sólo si vAvT ≤
0 ∀v ∈ RN .
La matriz A de dimensión N × N es definida negativa si y sólo si vAvT < 0 ∀v 6=
0 ∈ RN .
Teorema 3.8. Si una matriz es simétrica, existe una base en la cual la matriz es
diagonal.
Sea A una matriz N × N . Entonces diremos que un vector v 6= 0 es un autovector

asociado al autovalor λ ∈ R si y sólo si Av = λv. Dado que podemos escribir
! !
a b x
A= v=
c d y
, entonces tenemos que Av = λv si y sólo si

(
ax + by = λx
cx + dy = λy
15 de 40
!
x
Es decir, la autorrecta es una solución no trivial del sistema anterior.
y
Sin embargo, para
! que haya soluciones no triviales el determinante de la matriz
a−λ b
debe ser 0.
c d−λ
Por lo tanto, los autovalores son las soluciones de la ecuación det(A − λI) = 0,
siendo I la matriz identidad.
Teorema 3.9. Si un conjunto de autovectores es una base, entonces la matriz A

expresada respecto a esa base pasa a ser diagonal, y los elementos de la diagonal
son los autovalores.
Si dos autovalores son distintos, los autovectores asociados son distintos.
Si A es simétrica, entonces el conjunto de autovectores es una base.
Volvemos ahora al cálculo.
Teorema 3.10 (Clasificación de puntos críticos). Sea F : RN 7−→ R, F ∈ C 2

(con dos derivadas continuas), y sea x0 un punto crítico. Entonces
a. Si todos los autovalores de D2 F (x0 ) son mayores que cero, entonces

D2 F (x0 ) es definida positiva y x0 es un mínimo local.
b. Si todos los autovalores de D2 F (x0 ) son menores que cero, entonces

D2 F (x0 ) es definida negativa y x0 es un máximo local.
c. Si algunos autovalores son mayores que cero y otros son menores que
cero, entonces x0 es un punto de silla.
d. Si algún autovalor es 0, y el resto son mayores o menores que cero, entonces

x0 es un punto crítico degenerado.
3.6.2. Ejemplos
Tomamos F (x, y) = x2 + y 2 + xy. Obtenemos los puntos críticos, es decir, los

puntos en los que ∇F (x, y) = (0, 0). El punto resultante es (0, 0). Estudiamos el tipo
de punto crítico. Para ello, calculamos la matriz hessiana en ese punto:
!
2 1
D2 F (0, 0) =
1 2
.
16 de 40
Los autovalores son las soluciones de
 ! ! !
2 1 1 0  2−λ 1
0 = det  −λ = det = (2 − λ)2 − 1
1 2 0 1 1 2−λ
Por lo tanto, λ es 3 o 1. Dado que ambos autovalores son mayores que 0, entonces
2
D F es definida positiva y (0, 0) es un mínimo local.
3.7. Máximos y mínimos absolutos
Máximo Definición 3.9 Máximo y mínimo absoluto. Sea F : RN − 7 → R y A ⊂ RN . xm es

y mínimo un máximo absoluto de F en A si y sólo si F (xm ) ≥ F (x) ∀x ∈ A. La definición es
absoluto análoga para el mínimo.
Teorema 3.11 (Teorema de compacidad). Tenemos un conjunto K ⊂ RN

compacto (cerrado y acotado). Supongamos la sucesión {xn }n∈N ⊂ K. Entonces
podemos encontrar al menos una subsucesión {xnj }j∈N ⊂ {xn }n∈N tal que {xnj }
es convergente.
Demostración. Trabajamos en dimensión 2, pero la demostración es análoga.

Como K es compacto, podemos encontrar un cuadrado Q0 de lado L que encierre
completamente a K. Divido Q0 en 22 cuadrados de lado L/2. En alguno de ellos
hay infinitos términos de la sucesión: lo llamamos Q1 y me quedo con uno de los
términos de la sucesión, al que llamamos x1 . Volvemos a dividir este cuadrado
en cuatro cuadrados, elegimos uno que tenga infinitos términos de la sucesión y
seleccionamos un elemento de la sucesión dentro al que llamamos x2 . Repetimos
esto muchas veces, de forma que cada término xn está encerrado en el cuadrado
Qn de lado 2Ln .
Si k, l > n, entonces
√ es claro que kxk − xl k es menor o igual que la diagonal
L
de Qn , que es 2n 2, que tiende a cero cuando n → ∞. Por el criterio de Cauchy,
entonces esta sucesión es convergente, y como K es cerrado el límite pertence a
K.
Teorema 3.12. Sea K ⊂ RN compacto y F : RN 7−→ R, continua en K.

Entonces, F alcanza su máximo y mínimo absolutos en K.
17 de 40
Demostración.
Como F es acotada, existe α = sup{F (x) x ∈ K}. Existe entonces
una sucesión {xn } tal que si n → ∞ entonces F (xn ) → α. Sabemos que
existe {xn } ⊂ K, por lo que existe una subsucesión{xnj } convergente tal que
xnj → x0 ∈ K
Como F es continua, F (xnk ) → F (x0 ), es decir F (xnj ) → α, por lo tanto el
supremo es el máximo.
3.7.1. Ejemplos
La función a estudiar es F (x, y) = x2 − y 2 en la bola ω = {x2 + y 2 ≥ 1}. Es

diferenciable en todo R porque es un poliniomio.
Calculamos el diferencial y vemos qué ocurre cuando es 0
∇F = (2x, −2y) = (0, 0) =⇒ (x, y) = (0, 0)
Operando, vemos que el punto (0, 0) es un punto de silla. Ahora sólo queda ver el
comportamiento en la frontera C, cuando x2 + y 2 = 1. F restringida a C quedaría de
la siguiente forma:
F (cos t, sin t) = cos2 t − sin2 t = cos 2t
El coseno tiene máximos cuando t = 0 y t = π, y mínimos cuando t = π/2 y

t = 3π/2. Es decir, tiene máximos absolutos en los puntos (1, 0), (−1, 0) y mínimos
absolutos en (0, −1), (0, 1).
Teorema 3.13 (Multiplicadores de Lagrange). Tenemos una función F : R2 7−→

R y una restricción G(x1 , · · · , xn ) = k, resolvemos el siguiente sistema:
∇F = λ∇G
G=k
4. Funciones RN 7→ R>1
4.1. Curvas parametrizadas

4.1.1. Ejemplos
La cicloide es un ejemplo de curva parametrizada en dos dimensiones, con la

siguiente función:
18 de 40
σ(t) = (t − sin t, 1 − cos t)
Figura 4: El cicloide evaluado desde 0 hasta 10π
4.1.2. Cálculo recta tangente
Sea σ(t) = (x1 (t), x2 (t), x3 (t)) una curva diferenciable. Hay dos casos posibles
para formar la recta tangente:
Si (x01 (t0 ), x02 (t0 ), x03 (t0 )) 6= (0, 0, 0), entonces la recta tangente es la siguiente:
     
x x1 (t0 ) x01 (t0 )
y  =  x2 (t0 ) + λ x02 (t0 )
     
z x3 (t0 ) x03 (t0 )
Si, por el contrario, σ 0 (t0 ) = 0, entonces normalizamos la derivada y hallamos el

límite cuando t → t0 :
σ 0 (t)
lı́m
t→t0 kσ 0 (t)k
Si este límite existe, nos dará la dirección de la recta tangente. Si no existe, no hay
recta tangente.
Ejemplos
Cicloide La función de la cicloide es σ(t) = (t − sin t, 1 − cos t), t ∈ R. Cuando

t = 0, σ 0 (0) = (0, 0). Normalizamos entonces la derivada y nos queda que
σ 0 (t) 1
= √ √ (1 − cos t, sin t)
kσ 0 (t)k 2 1 − cos t
Tomamos el límite cuando t → 0. La primera componente queda 0, la segunda es

más compleja:
√ √ √
sin t 1 + cos t sin t 1 + cos t 1 + cos t sin t
√ √ √ = √ √ 2 = √
2 1 − cos t 1 + cos t 2 sin t 2 | sin t|
Esto tiende a 1 cuando nos aproximamos por la derecha, y −1 cuando nos

acercamos por la izquierda. No hay por lo tanto recta tangente.
19 de 40
4.1.3. Cálculo de longitudes
Tenemos una curva σ : [a, b] 7−→ RN de la que queremos buscar la longitud.

Trabajamos en dimensión N = 3 para simplificar, pero el resultado es generalizable.
Dividimos el segmento en varios puntos t0 , t1 , · · · , tn . La longitud de un segmento que
va del punto ti a ti+1 es
p
l= (x(ti+1 ) − x(ti ))2 + (y(ti+1 ) − y(ti ))2 + (y(ti+1 ) − x(ti ))2
Según el teorema del valor medio, si si ∈ [ti , ti+1 ] entonces
p
l= (x0 (si )(ti+1 − ti ))2 + (y 0 (si )(ti+1 − ti ))2 + (z 0 (si )(ti+1 − ti ))2 = (ti+1 −ti )F (si )
1
donde
p
F (s1 ) = (x0 (si ))2 + (y 0 (si ))2 + (z 0 (si ))2
Entonces, la longitud L del segmento es
X Z b
L = lı́m = kσ 0 (t)kdt
n→∞ a
Teorema 4.1 (Longitud de arco). Dada un curva parametrizada σ : Ω ⊂ R 7−→

RN , la longitud de arco entre dos puntos a, b ∈ Ω es
Z b
kσ 0 (t)kdt
a
Ejemplos
Circunferencia Si σ(θ) = (R cos θ, R sin θ), θ ∈ [0, 2π], entonces
σ 0 (θ) = (−R sin θ, R cos θ)

p
0
kσ (θ)k = R2 sin2 θ + R2 cos2 θ = R
Integramos
Z 2π Z 2π
0
kσ (θ)kdθ = Rdθ = 2πR
0 0
1
En realidad, los si no tienen por qué ser iguales para todas las coordenadas. Sin embargo, esto
no afecta a la demostración, ya que cuando el intervalo se hace muy pequeño los puntos medios
coinciden.
20 de 40
Cardioide La ecuación es σ(t) = ((1 + cos t) cos t, (1 + cos t) sin t), la derivada
es σ 0 (t) = (− sin t − sin 2t, cos t + cos 2t). Calculamos el módulo:
√ √
kσ 0 (t)k = 2 1 + cos t
Integramos:
Z 2π √ √
L= 2 1 + cos t dt = 8
0
4.2. Superficies parametrizadas

4.2.1. Ejemplos
El helicoide es una función Φ de dos variables, que crea una superficie helicoidal
(escalera de caracol) en el espacio, tal que
Φ : R2 7−→ R3
(s, t) 7−→ Φ(s, t) = (s cos t, s sin t, t)
Figura 5: El helicoide
En general, una superficie parametrizada es una aplicación Φ de la siguiente forma:
Φ : Ω ⊂ R2 7−→ R3
(s, t) 7−→ Φ(s, t) = (x(s, t), y(s, t), z(y, t))
21 de 40
Por ejemplo, el paraboloide se puede definir como una superficie parametrizada

Φ(x, y) = (x, y, x2 + y 2 )
.
Otro ejemplo es el cilindro de radio 2. Para parametrizarlo, usamos coordenadas
polares de la siguiente forma:
Φ(t, z) = (2 cos t, 2 sin t, z) t ∈ [0, 2π], z ∈ R
Si queremos hacer la esfera de radio R, en la parametrización usamos dos

parámetros (longitud y latitud)
Φ(θ, φ) = (R sin φ cos θ, R sin φ sin θ, R cos φ) θ ∈ [0, 2π], φ ∈ [0, π]
El toro (una especie de flotador) se produce al girar una circunferencia de radio

R1 en el plano XZ con el centro sobre el eje X a R2 del origen alrededor del eje Z.
Φ(θ, φ) = ((R2 + R1 cos φ) cos θ, (R2 + R1 cos φ) sin θ, R1 sin φ) θ, φ ∈ [0, 2π]
Figura 6: Toro
4.2.2. Parametrización de superficies de revolución
Dada una función f : R 7−→ R, la superficie de revolución que surge al rotar esta
función sobre el eje z es la siguiente
z(r, θ) = f (r)
x(r, θ) = r cos θ
y(r, θ) = r sin θ
22 de 40
4.2.3. Coordenadas cilíndricas
Dado un punto P , sus coordenadas cartesianas son (x, y, z). Entonces, sus
coordenadas cartesianas son (r, θ, z), donde r ∈ [0, ∞), θ ∈ [0, 2π] y z ∈ R. La
correspondencia es la siguiente:
x = r cos θ
y = r sin θ
z=z
Geométricamente, z es la altura de P . Haciendo la proyección del punto sobre el

plano xy, r es la distancia de la proyección al origen y θ el ángulo del eje X con la
recta que une el origen y la proyección del punto.
4.2.4. Coordenadas esféricas
Las coordenadas esféricas de un punto P son (ρ, θ, φ), donde ρ ∈ [0, ∞),
θ ∈ [0, 2π], φ ∈ [0, π]. La correspondencia con coordenadas cartesianas es
x = ρ cos θ sin φ
y = ρ sin θ sin φ
z = ρ cos θ
Geométricamente, ρ es la distancia de P al origen, θ es el ángulo que forman el eje

X y la recta que une P y el origen, y φ es el ángulo que forman el eje Z y esa misma
recta.
4.2.5. Usos de coordenadas esféricas y cilíndricas
En las coordenadas cilíndricas, si mantenemos constante un parámetro y variamos

los otros dos obtenemos varias superficies:
Si r constante, tenemos un cilindro.
Si θ constante, tenemos un semiplano.
Si z constante, tenemos un plano horizontal.
Lo mismo ocurre con las coordenadas esféricas:
Si ρ constante, tenemos una esfera.
Si θ constante, tenemos un semiplano.
Si φ constante, tenemos un cono.
23 de 40
4.2.6. Cálculo del plano tangente
Tenemos una superficie Φ : Ω ⊂ R2 7−→ R3 de la que queremos calcular el plano

tangente en un punto P = (x(u0 , v0 ), y(u0 , v0 ), z(u0 , v0 )). Si mantenemos fijo v y
variamos u (nos movemos sobre una recta), tenemos que
Φ(u, v0 ) = σ1 (u) = (x(u, v0 ), y(u, v0 ), z(u, v0 ))

cuyo vector tangente es ∇σ10 (u0 ) ≡ Tu (u0 , v0 ). De la misma forma obtenemos el vector
tangente en la dirección v al que denotamos Tv (u0 , v0 ). Calculamos entonces el vector
v = Tu (u0 , v0 ) × Tv (u0 , v0 ) que es normal al plano, y a partir del cual obtenemos la
ecuación del plano.
Ejemplos
Helicoide La ecuación del helicoide es Φ(s, t) = (s cos t, s sin t, t). Calculamos

los vectores tangentes:
Ts = ∇Φ(s, t0 ) = (cos t0 , sin t0 , 0)

Tt = ∇Φ(s0 , t) = (−s0 sin t0 , s0 cos t0 , 1)
Calculamos el vector normal
n = Ts × Tt = · · · = (sin t0 , − cos t0 , s0 )
La ecuación del plano es entonces
R ≡ h(x, y, z) − P in = 0
4.3. Campos vectoriales

Los campos vectoriales son funciones F : RN 7−→ RN , en el que a cada punto se
le asigna un vector.
Campo Definición 4.1 Campo gradiente. Diremos que F es un campo gradiente o

gradiente conservativo si ∃V : RN 7−→ R tal que F = ∇V .
Divergencia Definición 4.2 Divergencia. En un campo vectorial, la divergencia mide el cambio

de volumen y existencia de fuentes o sumideros. Si la divergencia es 0, tenemos un
"fluido" incompresible.
∂F1 ∂Fn
div F = + ··· +
∂x1 ∂xn
24 de 40
Rotacional Definición 4.3 Rotacional. El rotacional mide el giro interno de las partículas en un
campo, que se puede expresar como 2
rot F = ∇ × F
Si el rotacional es distinto de cero, significa que ha habido choques internos de las

partículas y por lo tanto ha habido pérdida de energía.
Teorema 4.2. Supongamos que F ∈ C 1 es un campo gradiente. Entonces,

rot F = 0. El recíproco también es cierto.
Demostración. Al ser un campo

gradiente,
F = ∇V . En cada una de las
∂ ∂V ∂ ∂V
coordenadas tenemos ∂xa ∂xb − ∂xb ∂xa , que según el teorema de las derivadas
cruzadas de Euler es 0.
Laplaciano Definición 4.4 Laplaciano. El laplaciano es la divergencia de un campo gradiente F .

Si F = ∇V , entonces
∂ 2V ∂ 2V
div F = ∇ · ∇V = + · · · + = ∇2 V
∂x21 ∂x2n
5. Integración
Tomemos una función en dimensión dos, f : R2 7−→ R definida en un rectángulo
[a, b] × [c, d]. Su gráfica será una determinada superficie. El problema de la integración
consiste en hallar el volumen encerrado bajo esa superficie.
El punto de partida es similar al método en dimensión 1: sabemos calcular el
volumen de prismas rectangulares. Lo que haremos será particionar el rectángulo en
varios subrectángulos, a cada uno de los cuales le corresponde un prisma que aproxima
por debajo y otro por encima. A medida que aumentamos el número de subrectángulos,
los volúmenes se aproximan y si existe el límite, será el volumen que buscamos.
Procedimiento Lo primero que hacemos entonces es hacer la partición del

rectángulo inicial [a, b] × [c, d]. Hacemos particiones del intervalo [a, b] en subintervalos
[xi , xi+1 ] y del [c, d] en subintervalos [yk , yk+1 ]. Entonces, tenemos los subrectángulos
Rik = [xi , xi+1 ] × [yi , yi+1 ], donde i = 1, · · · , n y k = 1, · · · , m.
A partir de esto, aproximamos por prismas rectangulares rectos. A cada Rik le
corresponde un mínimo mik = ı́nf{f (x, y) (x, y) ∈ Rik } y análogamente un máximo
Mik .
2
En realidad, ∇ no es un vector y esto es sólo una regla mnemotécnica
25 de 40
Ahora hacemos la aproximación por arriba y por abajo. Sea P la partición hecha al
comienzo, definimos la suma superior U como
X
U (f, P) = Mik · Área(Rik )
i,k
y análogamente definimos la suma inferior L(f, P).

A partir de aquí, tomamos los límites. Tomamos α = ı́nf{U (f, P) P partición}
y β = sup{L(f, P) P partición}. Por lo tanto, la función es integrable si α = β.
La notación es la siguiente:
Z Z
f (x, y)dxdy = α = β
[a,b]×[c,d]
Teorema 5.1 (Función integrable). F es integrable si y sólo si ∀ε > 0 podemos

encontrar una partición Pε tal que U (f, Pε ) − L(f, Pε ) < ε.
Teorema 5.2. Si F es acotada y continua, entonces es integrable.
Ejemplos de funciones no integrables

(
1 si x ∈ C ∧ y ∈ C
f (x, y)
0 en otro caso
Conjunto Definición 5.1 Conjunto de área cero. Un A ⊂ R2 tiene área cero si y sólo si
de área ∀ε > 0 lo podemos recubrir por una familia finita de rectángulos R1 , · · · , Rk tales
cero Área(R1 ) + · · · + Área(Rk ) ≤ ε.
Son conjuntos de área cero los puntos aislados, rectas y curvas en una única
dimensión.
Teorema 5.3. Si F es acotada y sus discontinuidades son de área cero, entonces

es integrable.
26 de 40
5.1. Cálculo de integrales
Lema 5.4 (Principio de Cavalieri). Si dos cuerpos tienen la misma altura y además
tienen igual área en sus secciones planas realizadas a una misma altura, poseen entonces
igual volumen.
Con esto, podemos dividir una superficie F en rebanadas. Usando la misma notación
para las particiones de antes, hallamos que el volumen aproximado de cada rebanada
es el área de una de las caras de la rebanada por el ancho. De esta forma, el volumen
total aproximado sería
X
V = Área(yi )(yi+1 − yi )
i
que es una suma de Riemann:

Z d
V = Área(y) dy
c
.
Ahora bien, ¿qué es el Área(y)? Si nos fijamos, es el área encerrada bajo la función
f (x, y) entre a y b cuando y se mantiene fijo. Es decir:
Z b
Área(y) = f (x, y) dx
a
.
Así, nos queda que el volumen es el siguiente:
Z d Z b
V = f (x, y) dx dy
c a
Teorema 5.5 (Teorema de Fubini). Sea F continua en R = [a, b] × [c, d].

Entonces:
! !
Z Z Z b Z d Z d Z b
f= F (x, y) dy dx = F (x, y) dx dy
R a c c a
Versión 2:
Sea F con discontinuidades en un conjunto de área 0.Entonces si ∈dc F (x, y)dy
RR R b R d
existe ∀x ∈ [a, b] entonces R
F = a c F (x, y) dy dx. La forma es análoga
Rb
si existe a F (x, y)dx ∀y ∈ [c, d].
27 de 40
Ejemplos Consideramos la función f (x, y) = 2 − (x2 + y 2 ) en la región Ω ≡

[0, 1] × [0, 1]. Buscamos el volumen que encierra esta superficie, así que integramos
según el Teorema de Fubini:
! #1
1 1 1 1
x3
Z Z Z Z Z Z
5 2
V = f (x, y) = f (x, y)dx dy = 2x − − y2x = −y dy =
Ω 0 0 0 3 0 3
0
#1
3
5 y 4
= y− =
3 3 3
0
Hasta ahora hemos visto cómo integrar en rectángulos. Ahora bien, ¿qué ocurre
si queremos integrar en una superficie B no rectangular? Tomemos el ejemplo de
antes, y nuestro conjunto B como el primer cuadrante del círculo de radio 1:
B = {(x, y) ∈ R2 x ≥ 0 ∧ y ≥ 0 ∧ x2 + y 2 ≤ 1}. Consideramos la extensión
(
f (x, y) si (x, y) ∈ B
f˜(x, y) =
0 si (x, y) ∈ Ω − b
Dado que la discontinuidad de salto es un conjunto de área 0, ˜

R Rentonces
R Rf es
integrable, y como el área extendida no aporta volumen, tenemos que B
f≡ Ω
f˜.
Si calculamos la integral
Z Z Z 1 Z 1
f˜ = f˜(x, y) dydx
Ω 0 0
Al haber extendido, integrando con respecto a y√no aporta superficie todo el

intervalo [0, 1], sino que nos importa el intervalo [0, 1 − x2 ]. Y dado que en ese
intervalo f (x, y) = f˜(x, y), nos queda la siguiente integral:
√ #√1−x2
Z 1 Z 1−x2 Z 1 3
y
f (x, y) dydx = dx = 2y − x2 y −
0 0 0 3
0
Z 2 √ √
√ 2
(1 − x ) 1 − x2
= 2 1 − x 2 − x2 1 − x2 − dx
0 3
3π
Resolviendo esta integral, el resultado es 8
, que es independiente del orden en el
que integremos.
Observación: Que las integrales iteradas existan no implica que la función sea
integrable.
5.2. Cambio de variables
28 de 40
RR
Teorema 5.6. Dada una integral f (x, y) dx dx) y un cambio de variable
x = x(u, v), y = y(u, v), la integral quedaría de la siguiente forma:
Z Z
∂(x, y)
f (x(u, v), y(u, v)) du dv
∂(u, v)
∂(x,y)
donde ∂(u,v)
es el jacobiano y vale:
!
∂x ∂x

∂(x, y) ∂u ∂v

= det ∂y ∂y

∂(u, v) ∂u ∂v

Ejemplos Probamos el cambio de variables para hallar el área del círculo D ≡

x2 + y 2 ≤ R 2
Z Z
1 dx dy
D
El cambio de variable sería x = r cos θ, y = r sin θ. El jacobiano sería

!

∂(x, y) cos θ −r sin θ
= det = r cos2 θ + r sin2 θ = r
∂(r, θ) sin θ r cos θ
por lo que la integral quedaría
2π R 2π
R2 R2
Z Z Z
r dr dθ = dθ = 2π = πR2
0 0 0 2 2
Vamos a intentarlo
p ahora con la esfera. En un octavo de la esfera (región D), la
ecuación sería z = R2 − (x2 + y 2 ). Así, con el mismo cambio de variable del anterior
ejemplo
√ π
Z R Z R2 −x2 p Z
2
Z R √
Vol. esfera = 8 2 2 2
dy dx R − (x + y ) = 8 R2 − r2 r dr dθ =
0 0 0 0
π
R3 8R3 π 4πR3
Z
2
=8 dθ = =
0 3 3 2 3
2 R∞ 2
Intentamos ahora hacer la integral de e−x . Llamamos I = −∞ e−x dx. I también
R ∞ −y2
es igual a −∞ e dy, porque sólo hemos cambiado el nombre de la variable. De esta
forma, tenemos que
29 de 40
! Z ! !
Z ∞ ∞ Z ∞ Z ∞
−x2 −y 2 −y 2 2
I2 = e dx e dy = e dy e−x dx =
−∞ −∞ −∞ −∞
Z ∞ Z ∞
2 −y 2
= e−x dx dy
−∞ −∞
Aquí podemos aplicar un cambio de variable a coordenadas polares, de forma que

nos quedaría
∞
2π ∞ 2π −r2
1 2π
Z Z Z Z
2 e
I= e−r r dr dθ = dθ = dθ = π
0 0 0 −2 2 0
0
.
Por lo tanto
Z ∞ √
2
e−x dx = π
−∞
Probemos ahora la ecuación de la Lemniscata, que dibuja una gráfica similar al

símbolo ∞ y cuya ecuación es
(x2 + y 2 )2 = 2a2 (x2 − y 2 )
Pasando a coordenadas polares, tenemos que la ecuación es
r2 = 2a2 cos 2θ
Figura 7: La curva Lemniscata
30 de 40
Estudiamos el área de uno de los cuadrantes

√ √ al que llamamos D, el sombreado en
la figura 7, en el que la ecuación es r = 2a cos 2θ. Su área sería
π
√ π
a 2 cos 2θ
2a2 cos 2θ
Z Z Z Z Z
4 4
4 dx dy = 4 r dr dθ = 4 = 2a2
D 0 0 0 2
5.3. Integración en R3
La motivación para las integrales triples es el cálculo de la "masa" de región Ω con
una densidad variable f (x, y, z). La idea y la teoría es la misma que en dimensión dos,
que nos acabará llevando a un teorema de Fubini (ver página 27) y a un teorema de
cambio de variable.
El primer problema que se plantea es cómo colocar los límites de integración.
Tomaremos la función f (x, y, z) = x2 cos x y la región T limitada (acotada) por los
planos z = 0, z = π, x = 0, y = 0 y x + y = 1, es decir, un prisma triangular (un
prisma cuadrangular dividido por su diagonal).
La proyección de T en el plano XY es un triángulo, por lo que tomamos los límites
en x y en y que nos dan esta región. Tendríamos entonces la siguiente integral:
Z 1 Z 1−x Z
f dz dy dx
0 0
Observamos ahora el comportamiento de la variable z, que siempre valdrá π

independientemente de x e y. La integral nos quedaría entonces de la siguiente forma:
Z 1 Z 1−x Z π
f dz dy dx
0 0 0
Vamos ahora a buscar los límites para una región más compleja, un paraboloide
z = x2 + y 2 tapado por arriba por la esfera de radio 1 x2 + y 2 + z 2 = 1. Primero
hallamos la intersección entre ambas para encontrar la proyección en el plano XY .
Sustituyendo,
√ tenemos que z + z 2 = 1, por lo tanto y como z > 0, tenemos que
5−1
z = 2 , √de tal forma que la proyección sobre el plano XY es la circunferencia de
radio R = 5−12
centrada en el origen. De esta forma, la integral sería
Z R Z √
R2 −x2 Z √1−x2 −y2
√
f dz dy dx
−R − R2 −x2 x2 +y 2
Teorema 5.7 (Cambio de variables en R3 ). Dado un cambio de variables

Φ(u, v, w) = (x(u, v, w), y(u, v, w), z(u, v, w), se transforma la integral
Z Z Z
f (x, y, z) dx dy dz
Ω
31 de 40
en
Z Z Z
∂(x, y, z)
f (Φ(u, v, w)) det du dv dw

Ω∗ ∂(u, v, w)
donde  
∂x ∂x ∂x
∂(x, y, z)  ∂u
∂y
∂v
∂y
∂w
∂y 
=  ∂u ∂v ∂w 
∂(u, v, w) ∂z ∂z ∂z
∂u ∂v ∂w
Cambio a coordenadas cilíndricas Hacemos el cambio de variable a coordenadas

cilíndricas, calculando el determinante

cos θ −r sin θ 0

∂(x, y, z)
= sin θ r cos θ 0 = r

∂(u, v, w)
0 0 1

Cambio a coordenadas esféricas Si calculamos el determinante, observamos

cómo el cambio en la medida queda como ρ2 sin ϕ.
5.4. Integralsobre curvas

Imaginemos una curva Γ ≡ {σ(t) = (x(t), y(t), z(t)), t ∈ [a, b]}. Sobre esta curva
podemos hacer integrales de funciones escalares y de campos vectoriales.
5.4.1. Integral de función escalar sobre una curva
En este caso, nuestra curva Γ es un alambre de densidad variable f (x, y, z).

Entonces, la integral sería la masa de ese alambre. No sabemos cómo hacer esta
cuenta en el espacio, pero en el intervalo [a, b] sí sabemos. Es decir, el problema es
buscar una integral
Z b
f (x(t), y(t), z(t)) ∗ dt
a
donde ∗ es el cambio en la medida. Para buscarlo, miramos qué ocurre cuando f

es constante y vale 1: la integral es la longitud de esa curva. Pero la longitud ya la
hemos obtenido (ver 4.1.3), y sólo teníamos que integrar kσ 0 (t)k. De esta forma, nos
quedaría que el cambio en la medida es kσ 0 (t)k y la integral es
Z b
f (x(t), y(t), z(t)) kσ 0 (t)k dt
a
32 de 40
Teorema 5.8. En el caso escalar, el resultado no depende de la parametrización.
Demostración. Tenemos una curva Γ con dos parametrizaciones: σ1 (t), que

transforma el intervalo [a, b]; y σ2 (s) que lo hace con el [c, d]. Entonces, hay una
biyección h(t) = s que transforma el intervalo [a, b] en [c, d] y que es derivable h y
su inversa. Dada una función f , tendremos entonces que
Z Z d Z h−1 (d)
I= f (x, y, z) dσ2 = f (σ2 (s))kσ20 (s)k ds = f (σ2 (h(t)))kσ20 (h(t))kh0 (t) dt
γ c h−1 (c)
Hay dos posibilidades sobre h: que sea decreciente o creciente. Si es creciente,

transforma [c, d] en [a, b]. Si es decreciente, tenemos que transforma [c, d] en [b, a].
Si h es creciente, h0 ≥ 0 por lo que h = |h|. Entonces, nos queda que
Z b Z b
I= f (σ2 (h(t)))kσ20 (h(t))h0 (t)k dt = f (σ1 (t))kσ10 (t)k dt
a a
.
Si h es decreciente, h0 ≤ 0 por lo que −h = |h|. De esta forma, nos quedaría
que
Z a Z b
I= f (σ2 (h(t)))kσ20 (h(t))kh0 (t) dt =− f (σ2 (h(t)))kσ20 (h(t))kh0 (t) dt =
b a
Z b
= f (σ2 (h(t)))kσ20 (h(t))h0 (t)k dt
a
5.4.2. Integral de campo vectorial sobre una curva
Aquí, la integral representa el trabajo realizado por el campo vectorial F alrededor

de la curva Γ, más específicamente sobre la componente del vector tangencial a la
curva en cada punto. A esta componente la llamaremos la componente efectiva. Una
vez que calculamos esta componente, sólo tenemos números de forma que pasamos a
una integral de función escalar.
Llamamos vt al vector unitario tangente a la curva en un punto. Entonces, la
componente efectiva Ft = kFk cos α. Dado que vt es de módulo uno, nos queda que
Ft = hF, vt i. De esta forma, concluimos que
Z Z b Z b
0
F dσ = hF(σ(t)), vt ikσ (t)k dt = hF(σ(t)), σ 0 (t)i dt
Γ a a
33 de 40
Reparametrización Tenemos una curva Γ con dos parametrizaciones: σ1 (t), que

transforma el intervalo [a, b]; y σ2 (s) que lo hace con el [c, d]. Entonces, hay una
biyección h(t) = s que transforma el intervalo [a, b] en [c, d] y que es derivable h y su
inversa. De esta forma, sigma2 (s) = σ2 (h(t)) = σ1 (t).
transforma [c, d] en [a, b]. Si es decreciente, tenemos que transforma [c, d] en [b, a]. En
el primer caso, h conserva la orientación y σ1 y σ2 tienen la misma orientación. En el
caso decreciente, las parametrizaciones tienen distinta orientación.
Teorema 5.9. Si las dos parametrizaciones conservan la orientación sobre Γ, que

es una curva simple o cerrada simple, entonces la integral mantiene el mismo valor.
Si la orientación es distinta, las integrales son iguales con distinto signo.
Curva sim- Definición 5.2 Curva simple. Γ es una curva simple si la aplicación que la recorre es
ple inyectiva.
Curva ce- Definición 5.3 Curva cerrada simple. Γ es una curva cerrada simple si dada la
rrada sim- aplicación σ : [a, b] 7−→ RN que la recorre, σ es inyectiva en [a, b) y σ(a) = σ(b).
ple
Demostración. Dada una función F , tendremos entonces que
Z Z d Z h−1 (d)
I= F (x, y, z) dσ2 = hF (σ2 (s)), σ20 (s)i ds = hF (σ2 (h(t)), σ20 (h(t))ih0 (t) dt
γ c h−1 (c)

transforma [c, d] en [a, b]. Si es decreciente, tenemos que transforma [c, d] en [b, a].
Si h es creciente, h0 ≥ 0 por lo que h = |h|. Entonces, nos queda que
Z b Z b
I= f (σ2 (h(t)))kσ20 (h(t))h0 (t)k dt = f (σ1 (t))kσ10 (t)k dt
a a
.
Si h es decreciente, h0 ≤ 0 por lo que −h = |h|. De esta forma, nos quedaría
que
Z a Z b
I= f (σ2 (h(t)))kσ20 (h(t))kh0 (t) dt =− f (σ2 (h(t)))kσ20 (h(t))kh0 (t) dt =
b a
Z b
= f (σ2 (h(t)))kσ20 (h(t))h0 (t)k dt
a
34 de 40
5.4.3. Integrales en campos conservativos
Si tenemos una curva Γ ≡ {σ(t) t ∈ [a, b]}, la integral sobre el campo F = ∇U

sería
Z Z b Z b
0
F = hF (σ(t)), σ (t)i dt = h∇U (σ(t)), σ 0 (t)i dt =
Γ a a
Z b Z b b
= DU (σ(t))Dσ(t) dt = (U ◦ σ)(t)dt = (U ◦ σ)(t)t=a
a a
Es decir, en un campo conservativo la integral no depende del camino seguido, sólo

de los puntos inicial y final:
Z
F = U (σ(b)) − U (σ(a))
Γ
5.5. Integrales sobre superficies

5.5.1. Integral de campo escalar sobre una superficie
La motivación de la integral sobre una superficie es hallar la masa de una lámina

con la forma S y densidad superficial variable f (x, y, z). La superficie S se puede
parametrizar a través de una aplicación Φ(u, v) = (x(u, v), y(u, v), z(u, v)), donde
(u, v) ∈ D. La integral se transforma entonces en
Z Z Z Z
f (x, y, z) = f (Φ(u, v)) ∗ du dv
S D
donde, igual que antes, ∗ es el cambio en la medida. Para hallarlo, observamos

qué ocurre cuando la densidad es constante y vale 1: deberíamos obtener el área de la
superficie. Este área es la suma de todas las pequeñas áreas de S que llamamos Sij y
que obtenemos a partir de un rectángulo en la región D que llamamos Rij , de ancho
k y largo n.
El área de Sij es aproximadamente khTu × kTv k = hkkTu × Tv k, donde Tu y Tv
son los vectores tangentes a la superficie Sij en el punto (x(ui , vj ), y(ui , vj ), z(ui , vj ).
De esta forma, el área nos quedaría como
X
kTu × Tv kArea(Rij )
i,j
que es una suma de Riemann para la función kTu × Tv k en el plano (u, v). De esta
forma, la integral nos quedaría como
Z Z
kTu × Tv k du dv
D
Por lo tanto
35 de 40
Z Z Z Z
f (x, y, z) = f (Φ(u, v))kTu × Tv k du dv
S D
Ejemplos Probamos a obtener el área lateral de un cilindro, que debería ser 2πRh.
En coordenadas cilíndricas, la parametrización sería
Φ(θ, z) = (R cos θ, R sin θ, z) θ ∈ [0, 2π], z ∈ [0, h]
Hallamos los vectores Tθ = (−R sin θ, R cos θ, 0) y Tz = (0, 0, 1). El producto

vectorial valdría (R cos θ, R sin θ, 0) y su módulo vale R. La integral quedaría
Z Z Z h Z 2π
1= R dθ, dz = 2πRh
S 0 0
Vamos ahora con la esfera, usando coordenadas esféricas. Tθ = (−R sin θ sin φ, R cos θ sin φ, 0)
y Tφ = (R cos θ cos φ, R sin θ cos φ, −R sin φ). Entonces
Tθ × Tφ = −R2 sin φ(cos θ sin φ, sin θ sin φ, cos φ)
cuyo módulo vale R2 |sin φ|. El área de la esfera sería entonces
Z Z Z π/2 Z π/2 Z π/2

2 2 π/2
A=8 1=8 R |sin φ| dφ dθ = 8R (− cos φ|φ=0 dθ =
S 0 0 0
Z π/2
2 π
= 8R 1 dθ = 8R2 = 4πR2
0 2
Probemos ahora con el helicoide (ver página 21) de radio R, cuya parametrización
es Φ(r, t) = (r cos t, r sin t, t). Hallamos los vectores tangentes Tr = (cos t, sin t, 0)
√ t, r cos t, 1). El producto vectorial es Tr × Tt = (sin t, − cos t, r) y su
y Tt = (−r sin
módulo vale 1 + r2 . El área sería entonces
Z R Z 2 Z R √
π = 2π 1 + r2 dr
0 0 0
Para hallar la integral hacemos el cambio de variable r = sinh s, de tal forma que
dr = cosh s. Quedaría entonces
1 √
Z
2π cosh2 s ds = (R 1 + R2 + arcsinh(R)
arcsinh(R) 2
5.5.2. Integral de campo vectorial sobre una superficie
Supongamos que F es el campo de velocidades de un fluido que arrastra objetos.

Ahora pensamos qué ocurre si colocamos una red, que es una superficie S. La integral
representa cuantos objetos capturamos en la red por unidad del tiempo. Sin embargo,
36 de 40
la parte efectiva del campo sólo es la componente normal del campo a la que llamamos
FN . De esta forma nos quedaría que
Z Z Z Z
F= FN kTu × Tv k du dv
S D
Al igual que cuando hicimos para curvas, hallamos el vector normal como
Tu × Tv
FN = hF, i
kTu × Tv k
5.6. Teoremas del análisis vectorial
Orientación Definición 5.4 Orientación positiva. Dada una curva Γ, definimos su orientación
positiva positiva Γ+ . La obtenemos según la regla de la mano izquierda: nos colocamos de pie
sobre la curva con la mano izquierda hacia el interior del dominio, de forma que nuestra
nariz apunta a la orientación positiva de la curva.
Orientaciones Definición 5.5 Orientaciones compatibles. Dada una curva Γ y una superficie S,
compati- la orientación compatible Γ+ , S + es aquella en la que si nos colocamos de pie sobre
bles la superficie en su vector normal, nos movemos hacia el borde de tal forma que la
mano izquierda queda hacia dentro y la nariz apunta a la orientación compatible de la
curva.
Teorema 5.10 (Teorema de Green). Sea Γ una curva simple en R2 . Llamamos

D al interior de Γ. Sea (P, Q) el campo con P, Q ∈ C 1 (D). Entonces
Z Z Z
∂Q ∂P
(P, Q) dσ = − dx dy
Γ+ D ∂x ∂y
Teorema 5.11 (Teorema de Stokes). Dada Γ una curva cerrada simple en R3

que es el borde de una superficie S, tenemos que
Z Z Z
Fdσ = rot FdS
Γ+ S+
Esto indica que el flujo por una superficie depende sólo de la forma de su boca.
37 de 40
Teorema 5.12 (Teorema de Gauss). Sea S una superficie cerrada que encierra
una región Ω, y F ∈ C 1 (Ω).
Z Z Z Z Z
= div F dx dy dz
S+ Ω
38 de 40
Índice alfabético
Autovalor, 15 parcial, 9
Autovector, 15 Derivadas
cruzadas, 13
Bola abierta, 4 Desigualdad
Cambio de variables en R3 , 31 Cauchy-Schwarz, 2
Campo Diferencial, 10
gradiente o conservativo, 24 Distancia
vectorial, 24 euclídea, 2
Caracterización en términos de sucesiones, Divergencia, 24
8 Esfera, 22, 23
Caracterización por sucesiones, 4 Espacio completo, 4
Cardioide, 21
Cicloide, 18 Frontera, 5
Cierre, 4 Función
Cilindro, 22, 23 cóncava/convexa, 5
Conjunto continua, 8
abierto, 4 integrable, 26
cerrado, 4 inversa, 9
compacto, 5 Función integrable, 26
convexo, 5
de área cero, 26 Gradiente, 12
Conjunto de nivel, 5 Helicoide, 21, 24
Cono, 5, 23
Continuidad de la composición, 9 Integral, 27
Convergencia de línea, 20
de sucesiones, 2 sobre superficies, 35
Coordenadas Interior, 4
cilíndricas, 23
esféricas, 23 Jacobiano, 29
Criterio de Cauchy, 3 Límite, 6
Curva Laplaciano, 25
cerrada simple, 34 Lemniscata, 30
simple, 34
Curva cerrada simple, 34 Máximo/mínimo
Curva simple, 34 local, 14, 16
Matriz
Derivada definida positiva/negativa, 15
direccional, 11 Hessiana, 14
paramétrica, 13 jacobiana, 29
39 de 40
semidefinida positiva/negativa, 15
Multiplicadores de Lagrange, 18
Norma
Euclídea, 2
Orientación
positiva, 37
Orientaciones
compatibles, 37
Ortogonalidad, 2
Paraboloide, 21
Plano, 23
tangente, 12, 24
Principio de Cavalieri, 27
Producto
escalar Euclídeo, 2
Punto
aislado, 5
crítico, 14
crítico degenerado, 16
de acumulación, 5
de silla, 16
Recta
tangente, 19
Rotacional, 25
Semiplano, 23
Superficie
de revolución, 22
Teorema
de Gauss, 37
de Green, 37
de Stokes, 37
Teorema de compacidad, 17
Teorema de Fubini, 27
Teorema de Stokes, 37
Toro, 22
40 de 40

Cálculo II - Apuntes UAM

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cálculo II - Apuntes UAM

Cargado por

Copyright:

Formatos disponibles

Guillermo Julián Apuntes UAM

Producto Definición 1.1 Producto escalar Euclídeo.

Norma Eu- Definición 1.2 Norma Euclídea.

La norma euclídea es mayor o igual que cero y cumple la desigualdad triangular.

Distancia Definición 1.3 Distancia euclídea.

Teorema 1.1 (Desigualdad Cauchy-Schwarz).

Sucesiones Definición 1.5 Sucesiones convergentes. Una sucesión de vectores es convergente

a un vector a si la distancia entre el vector xk se va reduciendo a medida que k va a

xk −→ a ⇐⇒ ∀ε > 0, ∃k0  k ≥ k0 =⇒ kxk − ak < ε

Teorema 1.2. La sucesión de vectores convergen si convergen todas sus

Demostración. Primero demostramos la implicación a la derecha. Sabemos que

. Por lo tanto, queda demostrada la implicación a la derecha.

. Queda demostrada la implicación hacia la izquierda y por lo tanto la doble

Criterio de Definición 1.6 Criterio de Cauchy. La sucesión {xk } es de Cauchy si y sólo si

Conjunto Definición 1.9 Conjunto abierto. Un conjunto A es abierto si y sólo si ∀a ∈ A,

Conjunto Definición 1.10 Conjunto cerrado. Un conjunto B es cerrado si y sólo si su

Interior Definición 1.11 Interior. El interior de un conjunto A (notación: ) es el conjunto

Cierre Definición 1.12 Cierre. El cierre de un conjunto B (notación B) es el conjunto cerrado

Teorema 1.3 (Caracterización por sucesiones). Diremos que B es cerrado si y

Demostración. Demostramos primero la implicación a la derecha. Supongamos

Punto de Definición 1.15 Punto de acumulación. Un punto a ∈ Ac(A) es un punto de

Conjunto Definición 1.16 Conjunto compacto. Un subconjunto k ⊂ RN es compacto si y

Teorema 1.4. Un conjunto k ⊂ RN es compacto si y sólo si ∀{xk } ⊂ k podemos

2.1. Representación de casos específicos

Usando los conjuntos de nivel podemos reducir el problema de dibujar la superficie

Límite Definición 2.2 Límite.Sea f : RN 7−→ RM . Entonces

lı́m f (x) = L ⇐⇒ ∀ε > 0 , ∃δ > 0  0 < kx − ak < δ =⇒ kf (x) − Lk

Las propiedades de los límites en varias dimensiones son las siguientes:

Figura 2: Las líneas de contorno de f

Figura 3: La función dibujada

2.2.1. Resolución de indeterminaciones

Indeterminación 0/0: Tomemos el siguiente límite.

Primero tomamos límites a lo largo de rectas y = kx. El límite se convierte entonces

El límite a lo largo de cualquier recta en el origen es 0. Sin embargo, si me acerco

Función Definición 2.3 Función continua. Una función f es continua en a si y sólo si

∀ε > 0 , ∃δ > 0  kx − ak < δ =⇒ kf (x) − f (a)k

Teorema 2.1 (Caracterización en términos de sucesiones). F es continua en

Teorema 2.2 (Continuidad de la composición). Si F es continua en a y G es

Función Definición 2.4 Función inversa. Sea F : RN 7−→ RM , y A ⊂ RM , definimos la

Teorema 2.3. F es continua si y sólo si para todo conjunto abierto A F −1 (A)

Teorema 2.4. F es continua si y sólo si para todo conjunto cerrado B F −1 (B)

El problema de la derivabilidad en varias variables es que no podemos buscar la

F (x) = F (a) + DF (x) + ε

Donde ε es el error que cumple que

. D es el diferencial, que depende de la función.

Diferencial Definición 3.2 Diferencial. Sea F : RN 7−→ RM , tal que F (x0 , · · · , xn ) =

El diferencial cumple la siguiente identidad:

k(F (x) − F (a)) − DF (a)(x − a)k

Teorema 3.1. Si F es diferenciable en a, entonces F es continua en a.

Teorema 3.2. Si F es diferenciable, entonces existen todas las derivadas parciales.

3.1. Operaciones con derivadas

3.1.1. Regla de la cadena

Tenemos dos funciones, F : RM 7−→ RK y G : RN 7−→ RM , y consideramos su

Teorema 3.4. Si G es diferenciable en a y F diferenciable en G(a) entonces H

DH(a) = DF (G(a)) · DG(a)

Teorema 3.5. Sea A una matriz y x un vector. Se tiene entonces que

donde C es una constante. Esto es útil para probar la regla de la cadena.

Se puede abreviar la obtención de cada derivada parcial del diferencial de la siguiente

donde y1 es cada una de las variables de F .

3.2. Derivadas direccionales

Teorema 3.6. Si F es derivable, entonces Du F (a) = h∇F (a), ui.

xk −→ a ⇐⇒ ∀ε > 0, ∃k0 k ≥ k0 =⇒ kxk − ak < ε

lı́m f (x) = L ⇐⇒ ∀ε > 0 , ∃δ > 0 0 < kx − ak < δ =⇒ kf (x) − Lk

∀ε > 0 , ∃δ > 0 kx − ak < δ =⇒ kf (x) − f (a)k