Sunteți pe pagina 1din 139

NOTAS DE CLASE

CLCULO III
Doris Hinestroza
Diego L. Hoyos
1
ndice general
1. Funciones Vectoriales 5
1.1. El Espacio R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 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 R
2
y R
3
24
2.1. Grca de z = f(x, y). Curvas y supercies de nivel. . . . . . . 24
2.1.1. Supercies cudricas. . . . . . . . . . . . . . . . . . . . . 31
2.2. Lmites y Continuidad . . . . . . . . . . . . . . . . . . . . . . . 31
2.3. Funciones Diferenciables . . . . . . . . . . . . . . . . . . . . . . 34
2.3.1. Derivadas parciales . . . . . . . . . . . . . . . . . . . . . 34
2.3.2. Supercies 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 R
n
.
Derivadas direccionales y parciales. . . . . . . . . . . . . 66
2.7.3. Diferenciabilidad de un campo escalar en R
n
. . . . . . . 68
2.7.4. Regla de la cadena para campos escalares en R
n
. . . . . 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 Supercies e Integrales de Su-
percie 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 supercie . . . . . . . . . . . . . . . . . . . . . . . 130
4.6. Integral de supercie . . . . . . . . . . . . . . . . . . . . . . . . 133
3
4.6.1. Integral de supercie de una funcin escalar . . . . . . . 133
4.6.2. Integral de supercie de un campo vectorial . . . . . . . 134
4
Captulo 1
Funciones Vectoriales
En este cap

tulo 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 R
n
El espacio R
n
es el conjunto de todas las n-uplas de nmeros reales:
R
n
= (x
1
, x
2
, ..., x
n
) : x
i
R, i = 1, 2, 3, ...n) .
Los elementos de R
n
se le llaman vectores.
En R
n
denimos la suma de vectores y producto por escalares. Si

a = (x
1
, x
2
, ..., x
n
)
y

b = (y
1
, y
2
, ..., y
n
) entonces

a +

b es el elemento de R
n
dado por

a +

b = (x
1
+y
1
, x
2
+y
2
, ..., x
n
+y
n
).
Para cada escalar R, el vector

a es denido por

a = (x
1
, x
2
, ..., x
n
).
El producto escalar entre dos vectores de R
n
est denido por

b =
n

i=1
x
i
y
i
.
Recordemos algunas propiedades del producto escalar:
5

b =

b

a
(

a +

b )

c =

a

c +

c
_

a
_

b =
_

b
_
=

a
_

b
_
La longitud o norma de un vector de R
n
es denida por
[[

a [[ =

a .

a =
_
(x
1
)
2
+ (x
2
)
2
+... + (x
n
)
2
o
[[

a [[
2
=

a .
La distancia entre

a y

b se dene por
dist(

a ,

b ) = |

b |,
para cada

a y

b R
n
Propiedades importantes de la denicin de longitud o norma son las siguientes:
[[

a [[ 0,

a R
n
[[

a [[ = [[ [[

a [[
[[

a +

b [[ [[

a [[ +[[

b [[

[[

a [[ [[

b [[
El ngulo entre los vectores

a y

b est dado por la relacin.
cos =

b
|

a | |

b |
En el caso que

a y

b R
3
deniremos otro producto entre vectores conocido
como producto vectorial que se denota por

a

b y lo denimos como

b =

i j k
x
1
x
2
x
3
y
1
y
2
y
3

= (x
2
y
3
x
3
y
2
, x
3
y
1
x
1
y
3
, x
1
y
2
x
2
y
1
).
6
Recordemos algunas propiedades del producto vectorial

b

a y

a

b =

a
(

a +

b )

c =

a

c +

a
_

c
_
= (

c )

b
_

b
_

c
(

a )

b =
_

b
_
=

a
_

b
_
(

b )

c =

a
_

c
_
.
La norma de

a

b est dada por


[[

b [[ = [[

a [[ [[

b [[sen
donde es el ngulo comprendido entre estos vectores.
1.2. Funciones Vectoriales
Una

F : J R
n
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) R
n

F (t) = (f
1
(t), f
2
(t), ..., f
n
(t))
donde cada f
i
es una funcin real f
i
: J R, i = 1, 2, ...n. Las funciones
f
i
son llamadas las componentes de la funcin vectorial

F . As

, cada funcin
vectorial da origen a n funciones reales f
1
, f
2,...,
f
n
. Indicaremos esta relacin
por

F = (f
1
, f
2,..,
f
n
). Llamamos a la variable t el parmetro de la funcin.
La ecuacin

x =

F (t) donde

x = (x
1
, x
2
, ..., x
n
) R
n
, nos permite denir
las ecuaciones
x
1
= f
1
(t)
x
2
= f
2
(t)
.
.
.
x
n
= f
n
(t)
llamadas ecuaciones paramtricas con parmetro t.
En algunos casos representaremos las funciones vectoriales como combinacin
lineal de la base usual en R
n
. 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 P
0
= (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) = P


0
+t

a ,
donde el parmetro t R. As

, la ecuacin vectorial de la recta dene la


funcin vectorial

F (t) = P
0
+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


_
_
_

F (t)
_
_
_ =
_
cos
2
t + sen
2
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 denidas sobre un dominio comn


y f una funcin real, entonces denimos las funciones

F +

G, f

F ,

F

G,
mediante
_

F +

G
_
(t) =

F(t) +

G(t),
f

F (t) = f(t)

F (t),
_

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 R
3
podemos denir el
producto vectorial
_

G
_
(t) =

F (t)

G(t).
1.2.2. Lmites, derivadas e integrales.
Los conceptos fundamentales de l

mite, continuidad, derivadas e integral pueden


generalizarse naturalmente para funciones vectoriales.
Si

F = (f
1
, f
2,..,
f
n
) es una funcin vectorial y L = (l
1
, l
2
, ..., l
n
) R
n
, denimos
el l

mite por
lm
ta

F (t) = L lm
ta
f
1
(t) = l
1
, lm
ta
f
2
(t) = l
2
, lm
ta
f
n
(t) = l
n
siempre que los l

mites existan.
Diremos que

F es continua en a si lm
ta

F (t) =

F (a). Es decir,

F es continua
en a si y solo si cada componente es continua en a.
Si una funcin vectorial continua est denida en el intervalo [a, b], entonces ca-
da componente real es continua en [a, b] y por lo tanto integrable. As

podemos
denir
_
b
a

F (t)dt =
_
_
b
a
f
1
(t)dt,
_
b
a
f
2
(t)dt, ...,
_
b
a
f
n
(t)dt
_
Igualmente, la derivada

F

(t) de una funcin vectorial



F (t) se dene exacta-
mente de la misma forma que la derivada de una funcin real, es decir

F (t) es
diferenciable en t, si

(t) = lm
h0

F (t +h)

F (t)
h
existe. De acuerdo a la denicin del l

mite para funciones vectoriales podemos


decir que la funcin vectorial

F(t) es diferenciable si y slo si cada componente


es diferenciable. En este caso

(t) = (f

1
(t), f

2
(t), ..., f

n
(t))
Diremos que

F es continua, derivable o integrable en un intervalo si cada com-


ponente lo es. De acuerdo a estas deniciones muchos de los resultados sobre
l

mites, continuidad, derivacin e integracin de funciones reales son vlidos


para las funciones vectoriales.
9
Denotaremos las derivadas por

(t) = D
t

F =
d

F
dt
.
En el caso de n = 2, si

F (t) = (x(t), y(t)) = x(t)i +y(t)j,

(t) = D
t

F =
d

F
dt
=
_
dx
dt
,
dy
dt
_
=
dx
dt
i +
dy
dt
j.
En el caso de n = 3, si

F (t) = (x(t), y(t), z(t)) = x(t)i +y(t)j+z(t)k,

(t) = D
t

F =
d

F
dt
=
_
dx
dt
,
dy
dt
,
dz
dt
_
=
dx
dt
i +
dy
dt
j+
dz
dt
k.
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)

(f

F )

= f

F +f

G
_

G +

Si

F y

G tienen valores en R
3
, entonces
_

G
_

G +

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


ban de manera similar.
(f

F )

= ((ff
1
)

, (ff
2
)

, ..., (ff
n
)

)
= (f

f
1
+ff

1
, f

f
2
+ff

2
, ..., f

f
n
+ff

n
)
= f

(f
1
, f
2
, ..., f
n
) +f(f

1
, f

2
, ..., f

n
)
= f

F +f

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)

(t) = 0. Esto signica que


los vectores

F (t) y

(t) son perpendiculares para cada t I.


Demostracin. Vamos inicialmente a suponer que la longitud de

F (t) es
constante. Denamos 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

(t) = 0 en I. Como g es un producto escalar, tenemos que


g

(t) =

(t)

F (t) +

F (t)

(t) = 2

F (t)

(t) = 0,
entonces

F (t)

(t) = 0 en I.
Para mostrar el rec

proco consideremos que



F (t)

(t) = 0 en I y denamos
g(t) =
_
_
_

F (t)
_
_
_
2
. Derivando g(t) tenemos que g

(t) = 2

F (t)

(t) y aplicando
la hiptesis tenemos que g

(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

(t) =

(u(t))u

(t).
Teorema 1.2.4 (Primer Teorema Fundamental del Calculo para funciones
Vectoriales) Sea

F : [a, b] R
n
una funcin vectorial continua y denamos

A(t) =
_
t
a

F (s)ds, a t b
Entonces

existe y

(t) =

F (t).
Teorema 1.2.5 (Segundo Teorema Fundamental del Calculo para funciones
Vectoriales). Supongamos que la funcin

F tiene derivada continua

en un
intervalo I. Entonces para cada t I tenemos
_
t
a

(s)ds =

F (t)

F (a)
11
o

F (t) =

F (a) +
_
t
a

(s)ds.
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 R


n
es una funcin

r : I R
n
diferenciable; la curva es regular, si

r

(t) ,=

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 denido 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 l

nea recta que pasa


por el punto P y tiene vector director

a .
Observacin 1.3.1 El grco 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)).


Denicin 1.3.1 La derivada

(t
0
) de una curva

r en t
0
est ligada al con-
cepto de tangencia, como en el caso de una funcin real. Formamos el cociente
de Newton

r (t
0
+h)

r (t
0
)
h
,
12
Investigamos el comportamiento de este cociente cuando h 0. El cociente es
el producto del vector

r (t
0
+ h)

r (t
0
) por el escalar 1/h. Observemos que
el numerador es paralelo a este cociente. Si hacemos que h 0 tenemos que
lm
h0

r (t
0
+h)

r (t
0
)
h
=

(t
0
)
suponiendo que este l

mite exista. La interpretacin geomtrica sugiere la sigu-


iente denicin.
Denicin 1.3.2 Sea C la curva parametrizada por

r =

r (t). Si la derivada

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

r (t
0
) y tiene vector director

(t
0
) est dada por

r (t) =

r (t
0
) +t

(t
0
). El
vector

(t
0
) se llama vector tangente a C en

r (t
0
).
Ejemplo 1.3.1 Recta. Consideremos la funcin vectorial

r (t) = P + t

a ,
siendo

a ,=

0 , tenemos que

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)

(t) son perpendiculares y por lo tanto el radio


vector es perpendicular a la recta tangente. As

pues, para una circunferencia


la denicin 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
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 |

v (t) | se denomina
13
rapidez de la curva y se denota v(t). La segunda derivada

(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 especco t
0
, 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) =

(t), entonces

v (t) =
_

a (t)dt =
_
(2t

i +sent

j +cos 2t

k )dt = t
2

i cos t

j +
1
2
sen2t

k +

c ,
donde la constante

c = (c
1
, c
2
, c
3
). Por un lado

v (0) = (0, 1, 0)+(c


1
, c
2
, c
3
) =
(c
1
, c
2
1, c
3
) y por otro lado,

v (0) = (1, 0, 0), de tal manera que c


1
= 1, c
2
= 1
y c
3
= 0, y la velocidad es entonces

v (t) = (t
2
+1)

i +(1cos t)

j +
1
2
sen2t

k .
Ya podemos hallar su posicin puesto que

r (t) =
_

v (t)dt = (
t
3
3
+t)

i + (t sent)

j
1
4
cos 2t

k + (c
1
, c
2
, c
3
)
y puesto que por hiptesis

r (0) = (0, 1, 0), y por otro lado

r (0) = (c
1
, c
2
,
1
4
+
c
3
) tenemos que la posicin en un tiempo t est dada por

r (t) = (
t
3
3
+t)

i +
(t sent + 1)

j + (
1
4

1
4
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 simplicar 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 = h
1
(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 x
2
, x [1, 1] repre-
senta la mitad superior de un crculo de radio 1. Podemos parametrizar di-
cho semicrculo por

r (t) = (t,

1 t
2
), 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 cos
2
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 dene por


L(

r ) =
b
_
a
[[

(t)[[dt
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
L(

r ) =
_
b
a
_
x

(t)
2
+y

(t)
2
dt
y
L(

r ) =
_
b
a
_
x

(t)
2
+y

(t)
2
+z

(t)
2
dt
Por ejemplo, en el crculo

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

r

(t) = (asent, acost) y [[

(t)[[ = a por lo que su longitud es


L(

r ) =
_
2
0
adt = 2a
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
_
2
0
_
a
2
+b
2
dt = 2
_
a
2
+b
2
.
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
d
_
c
_
_
_

(u)
_
_
_ du =
d
_
c
_
_
_

(h(u))h

(u)
_
_
_ du =
d
_
c
[[

(h(u))[[h

(u)du =
b
_
a
_
_
_

(t)
_
_
_ dt
15
El estudiante puede hacer algo anlogo para h decreciente.
Sin embargo, escribiendo

r (u) =

r (t(u)) se tiene que


_
_
_
_
d

r
du
_
_
_
_
=
_
_
_
_
d

r
dt
_
_
_
_

dt
du

lo que muestra que su rapidez s cambia por el factor

dt
du

; incluso la velocidad
puede invertir su sentido en el caso en que t = t(u) sea decreciente pues en este
caso
dt
du
< 0.
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 =

r (t), t [a, b] una curva cualquiera, y sea s = s(t) =


_
t
a
_
_
_

(u)
_
_
_ du.
s = s(t) se denomina funcin longitud de arco y mide la longitud de

r desde
a hasta t. Puesto que
ds
dt
=
_
_
_

(t)
_
_
_ > 0, s(t) es una funcin creciente y como
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
d

r
ds
=
d

r
dt
dt
ds
Como
dt
ds
=
1
ds
dt
=
1
_
_
_

(t)
_
_
_
, tenemos que
_
_
_
_
d

r
ds
_
_
_
_
= 1. As vemos que cuando la
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


_
_
_

(t)
_
_
_ = 1, entonces
s =
_
t
0
_
_
_

(u)
_
_
_ du =
_
t
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
_
_
_

(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].
Tenemos que

(t) = (a sen(t), a cos(t)) y


_
_
_

(t)
_
_
_ = a. As, s =
_
t
0
_
_
_

(u)
_
_
_ du =
_
t
0
a du = at. Despejando t tenemos que t =
s
a
y reemplazando obtenemos

r (s) = (a cos(
s
a
), a sen(
s
a
)) es la parametrizacin pedida.
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. Deniremos 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.
Denicin 1.5.1 Sea C una curva parametrizada por

r =

r (s) donde s =
_
t
0
_
_
_

(u)
_
_
_ du. Denimos la curvatura de C por
k(s) =
_
_
_

(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
crculo es

r (s) = (a cos(
s
a
), a sen(
s
a
)). Tenemos entonces que la segunda
derivada de

r es

(s) =
_

1
a
cos(
s
a
),
1
a
sen(
s
a
)
_
y por lo tanto k(s) =
_
_
_

(s)
_
_
_ =
1
a
.
Nota.
Esta denicin solo es vlida para curvas parametrizadas por longitud de arco
y no sirve como denicin de curvatura de una curva con cualquier parmetro
t (es decir, escribir k(t) =
_
_
_

(t)
_
_
_). Para ver porqu esto es as, vea el ejercicio
y la observacin al nal 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
dicultad 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, denamos el vector tangente
unitario de una curva parametrizada por

r =

r (t) as:

T (t) =

(t)
_
_
_

(t)
_
_
_
(1.2)
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)).
Entonces

r

(s) =

T (s) y la segunda derivada de



r es

(s) =

(s) =
d

T
dt
dt
ds
=

T

(t)
_
_
_

(t)
_
_
_
y puesto que la curvatura es la norma de este vector, tenemos que
k(t) =
_
_
_

T

(t)
_
_
_
_
_
_

(t)
_
_
_
. (1.3)
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
k(t) =
_
_
_

(t)

(t)
_
_
_
_
_
_

(t)
_
_
_
3
(1.4)
Demostracin. Escribiendo v(t) =
_
_
_

(t)
_
_
_ tenemos que

r

(t) = v(t)

T (t);
derivando obtenemos

(t) = v

(t)

T (t) +v(t)

(t)
.
Entonces

= v

T
_
v

T +v

_
= vv

T +v
2

= v
2

Por lo tanto
_
_
_

_
_
_ = v
2
_
_
_

_
_
_ =
_
_
_

_
_
_
2
_
_
_

T
_
_
_
_
_
_

_
_
_ sen(/2)
puesto que

T es perpendicular a

T

. Y como
_
_
_

T
_
_
_ = 1 se tiene que
18
_
_
_

_
_
_ =
_
_
_

_
_
_
2
_
_
_

_
_
_ .
Dividiendo a ambos lados de esta ltima ecuacin por
_
_
_

_
_
_
3
se obtiene la fr-
mula deseada.
La curvatura de una curva con cualquier parmetro t est bien denida 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

,k
r
,T

y T
r
a las
curvaturas y al vector tangente unitario en las dos parametrizaciones, entonces:
k

(u) =
_
_
_

(u)
_
_
_
_
_
_

(u)
_
_
_
=
_
_
_

r
(h(u))h

(u)
_
_
_
_
_
_

(h(u))h

(u)
_
_
_
=
_
_
_

r
(t)
_
_
_
_
_
_

(t)
_
_
_
= k
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
de la parametrizacin, podemos suponer
_
_
_

(t)
_
_
_ = 1. Si k = 0, entonces por
la ecuacin 1.1 debe ser

r

(t) = 0. Integrando entre t


0
y t se obtiene que

(t) =

(t
0
) e integrando de nuevo obtenemos

r (t)

r (t
0
) = (t t
0
)

r

(t
0
)
esto es,

r (t) = (t t
0
)

r

(t
0
) +

r (t
0
) que ciertamente es una lnea recta.
1.5.1. Triedro de Frenet
Para una curva

r =

r (t) denimos el vector normal unitario por

N(t) =

(t)
_
_
_

(t)
_
_
_
(1.5)
Note que

N

T puesto que |T| = 1. Denimos tambin el vector binormal
por

B(t) =

T (t)

N(t)
19
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.
El plano generado por el par
_

T ,

N
_
se denomina plano osculador .
El plano generado por el par
_

N,

B
_
se denomina plano normal.
El plano generado por el par
_

T ,

B
_
se denomina plano recticante.
Las ecuaciones de dichos planos en un punto

r (t
0
) son
plano osculador: (

r (t
0
))

B(t
0
) = 0.
plano normal: (

r (t
0
))

T (t
0
) = 0.
plano recticante: (

r (t
0
))

N(t
0
) = 0.
1.5.2. El vector aceleracin.
Si escribimos

v =

y v =
_
_
_

_
_
_, tenemos que

v = v

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

a = v

T +v

Como

T

=
_
_
_

_
_
_

N = kv

N, entonces

a = v

T +kv
2

N
20
Escribiendo a
T
= v

y a
N
= kv
2
tenemos que la aceleracin es una combinacin
lineal de los vectores

T y

N de la forma

a = a
T

T + a
N

N, lo que nos dice


que el vector aceleracin est siempre sobre el plano osculador.
Podemos encontrar expresiones para a
T
y a
N
en trminos solamente de las
derivadas de

r as:

a = v

T
_
v

T +kv
2

N
_
= vv

T +kv
3

N
= vv

As, a
T
= v

a
v
=

_
_
_

_
_
_
.
Para a
N
, observemos que a
N
= kv
2
=
_
_
_

_
_
_
_
_
_

_
_
_
2
_
_
_

_
_
_
3
=
_
_
_

_
_
_
_
_
_

_
_
_
.
El estudiante puede demostrar fcilmente que tambin se tiene que |

a |
2
=
a
2
T
+a
2
N
.
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

=
_
_
_

_
_
_

N y reemplazando
_
_
_

_
_
_por lo dado
en la ecuacin 1.3 tenemos que

= vk

N (1.6)
donde v =
_
_
_

_
_
_.
Esta es la primera ecuacin de Frenet. Por otro lado como
_
_
_

N
_
_
_ = 1 tenemos
que

N

N y como la curva es plana, entonces



N

es paralelo a

T y por lo
tanto existe un escalar tal que

N

T . Al multiplicar a ambos lados de


esta ecuacin por

T , obtenemos que =

T

. Por otro lado, derivando la


ecuacin

T

N = 0 obtenemos

T

N +

= 0 lo que es equivalente a
kv

N +

= 0 por la primera ecuacin de Frenet (ecuacin 1.6) y as,


=

= vk, y obtenemos la segunda ecuacin de Frenet


21

= vk

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

T

_
=
_
_
_

_
_
_
_
0 k
k 0
_
_

T

N
_
Ejercicio
Demostrar que si una curva tiene curvatura k =
1
a
(constante) entonces es un
crculo de radio a (con centro en algn punto

P ).
Puesto que la curvatura es independiente de la parametrizacin, podemos
suponer v(t) =
_
_
_

(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 gura
abajo.
Para ver esto, observe que
d
dt
(

r (t) + a

N(t)) =

(t) + a

(t). Pero la se-


gunda ecuacin de Frenet (ecuacin 1.7) es

N

(t) =
1
a

T (t), por lo tanto

(t) +a

(t) =

T (t) a.
1
a

T (t) = 0 y por lo tanto

r (t) +a

N(t) =constante.
Llamando

P a dicha constante, se tiene lo que se quiere demostrar.
Observacin.
22
Se deni la curvatura de una curva parametrizada por longitud de arco como
la norma del cambio en el vector tangente (ecuacin 1.1). Esta denicin no
funciona para una curva con cualquier parmetro t. Para ver esto basta observar
que
_
_
_

(t)
_
_
_ = 2 (constante) para la parbola

r (t) =
_
t, t
2
_
, lo que signicara
que la parbola es un crculo!!
23
Captulo 2
Campos Escalares en R
2
y R
3
Una funcin de n variables campo escalar, es una funcin f : U R
n
R. Si
(x
1
, x
2
, . . . , x
n
) U, su imagen por f es un nmero real x
n+1
= f(x
1
, x
2
, . . . , x
n
).
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) = xln 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 R
2
.
Ejemplo 2.0.3 Hallar el dominio de f(x, y) =
_
1 x
2
y
2
.
Puesto que 1 x
2
y
2
0, f solo puede ser calculado en los puntos del disco
x
2
+y
2
1.
2.1. Grca de z = f(x, y). Curvas y supercies
de nivel.
La grca de una funcin de dos variables es un subconjunto de R
3
y se dene
por
Graf(f) = (x, y, f(x, y))[(x, y) U R
3
La grca de z = f(x, y) la denominamos supercie. Dibujar "a mano" una su-
percie es difcil y lo mejor es recurrir a un computador. Sin embargo, podemos
hacernos una idea de cmo es una supercie (o por lo menos las ms utilizadas
en la prctica), viendo las curvas que se forman al cortar la supercie 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 grca de f con los planos z = c (constante), esto es, la curva
de nivel en el nivel c es el subconjunto del plano denido por
L
f
(c) = (x, y)[f(x, y) = c R
2
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 : R
2
R denida por
z = f(x, y) = x
2
+y
2
.
Dado un nmero real c, la curva de nivel al nivel c de f est dada por
L
f
(c) = (x, y) : x
2
+y
2
= c.
Claramente si c < 0, L
f
(c) = (vaco); si c = 0, L
f
(c) = (0, 0); para
cualquier c > 0, los conjuntos de nivel son circunferencias con centro en el
origen de radio

c. La gura 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 grca, 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 suciente. 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 = x
2
.
Abajo puede verse la grca de dicha funcin, llamada paraboloide.
Ejemplo 2.1.2 Hagamos la grca de la funcin z = f(x, y) =
_
x
2
+y
2
.
Las curvas de nivel estn dadas por el conjunto
L
f
(c) = (x, y) :
_
x
2
+y
2
= c = (x, y) : x
2
+y
2
= c
2

esto es, crculos concntricos de radio c.


26
Observe que esta grca aparentemente es igual a la del paraboloide, sin em-
bargo la grca de f no es un paraboloide como lo muestran 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 grca abajo, que evidentemente es un cono.
Ejemplo 2.1.3 Veamos ahora la funcin z = y
2
x
2
.
Las curvas de nivel son las hiprbolas y
2
x
2
= c, como se observa en la gura
abajo.
27
Note que en el caso c = 0 obtenemos la hiprbola degenerada x
2
= 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 = x
2
. Esta grca se llama paraboloide hiperblico o silla de
montar y tiene el aspecto que se muestra abajo.
Ejemplo 2.1.4 Veamos la grca de la supercie dada por la ecuacin z = y
2
.
Observe que en la ecuacin no aparece la variable x; esto signica que x toma
28
todos los valores reales. Supercies de este tipo se llaman cilindros. Cuales
son las curvas de nivel? Su grca puede verse abajo.
Para el caso de una funcin de tres variables w = f(x, y, z), su grca se dene
por el conjunto
Grf(f) = (x, y, z, f(x, y, z)) [(x, y, z) U R
4
Por supuesto no podemos hacer un dibujo de ella por estar en el espacio cu-
atridimensional R
4
. Sin embargo tenemos el concepto de supercie de nivel
denido de forma anloga al de curva de nivel as:
S
f
(c) = (x, y, z) [f(x, y, z) = c R
3
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) =
x
2
+ y
2
+ z
2
. La supercie de nivel en el nivel 1 es el conjunto (x, y, z) :
x
2
+y
2
+z
2
= 1. Haciendo z = c, obtenemos crculos x
2
+y
2
= 1c
2
de radio

1 c
2
por lo que debemos tener 1 c 1. En la gura abajo se muestran
estas curvas.
29
De la misma manera obtenemos crculos al cortar la supercie con planos par-
alelos a los otros dos planos coordenados. La gura obtenida es una esfera de
radio 1.
Ejemplo 2.1.6 Las supercies de nivel de la funcin f(x, y, z) = x
2
+y
2
z
2
es el conjunto de nivel x, y, z) : x
2
+y
2
z
2
= c. El lector no tendr dicultad
en comprobar que las grcas 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 grca de una funcin de dos variables puede verse como
la supercie de nivel de una funcin de tres variables. Si f : R
2
R,
recordemos que la grca de f es
G
f
= (x, y, z) R
3
: z = f(x, y), (x, y)
G
f
= (x, y, z) R
3
: (x, y) , z f(x, y) = 0 = L
g
(0)
donde g(x, y, z) = z f(x, y). As la grca de una funcin de dos variables es
una supercie de nivel de una funcin de tres variables.
2.1.1. Supercies cudricas.
Consideremos las funciones de tres variables sobre R
3
que son de tipo polinomial
f(x, y, z) = Ax
2
+By
2
+Cz
2
+Dxy +Exz +Fyz +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 supercies de nivel
L
f
(c) = (x, y, z) R
3
: Ax
2
+By
2
+Cz
2
+Dxy+Exz+Fyz+Hx+Iy+Jz+K = c
se llaman supercies cudricas.
Si A = B = C = D = E = F = 0, tenemos que la supercie de nivel de f
determina como supercie un plano dado por Hx +Iy +Jz +K = c
En general estas supercies 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
(x,y)(x0,y0)
f(x, y) = L para indicar que podemos aprox-
imar la funcin f(x, y) tanto como queramos a un nmero L siempre y cuan-
do tomemos (x, y) sucientemente cerca del punto (x
0
, y
0
) pero con (x, y) ,=
31
(x
0
, y
0
). En otras palabras, f(x, y) est cerca de L si (x, y) est cerca de (x
0
, y
0
)
y entre ms cerca est (x, y) de (x
0
, y
0
), ms cerca est f(x, y) de L. Esto sig-
nica que podemos tomar la distancia entre f(x, y) y L tan pequea como
queramos siempre y cuando la distancia entre (x, y) y (x
0
, y
0
) sea lo sucien-
temente pequea. Tenemos entonces la equivalencia
lm
(x,y)(x0,y0)
f(x, y) = L lm
||(x,y)(x0,y0)||0
[f(x, y) L[ = 0
que podemos escribir tambin en la forma
f(x, y) L cuando (x, y) (x
0
, y
0
)[f(x, y) L[ 0 cuando
_
(x x
0
)
2
+ (y y
0
)
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 denicin anterior de lmite es vlida para
cualquier campo escalar en R
n
, con solo reemplazar la pareja (x, y) por un
vector

x R
n
y la pareja (x
0
, y
0
) por cualquier vector

a R
n
.
Las propiedades de los lmites y de la continuidad las resumimos en los sigu-
ientes teoremas:
Teorema 2.2.1 Si lm

x

a
f(

x ) = b y lm

x

a
g(

x ) = c, entonces
1. lm

x

a
(f(

x ) +g(

x )) = b +c,
2. lm

x

a
f(

x ) = b para todo escalar ,


3. lm

x

a
f(

x )g(

x ) = b c,
4. lm

x

a
[f(

x )[ = [b[ ,
Denicin 2.2.1 Diremos que un campo escalar f es continuo en

a si lm

x

a
f(

x ) =
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, denida por (f g)(

x ) = f(g(

x )) es continua en

a .
32
Decir que f es continua sobre un conjunto U signica que f(

x ) es continua en
cada punto del conjunto.
Para calcular un lmite, existe la dicultad de que (x, y) puede aproximarse a
(x
0
, y
0
) 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.
Ejemplo 2.2.1 Para probar que lm
(x,y)(0,0)
x
2
y
2
x
2
+y
2
(que es de la forma
0
0
) no
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
lm
(x,0)(0,0)
f(x, 0) = lm
x0
x
2
x
2
= 1
Acercamiento por el eje y: tomamos x = 0
lm
(0,y)(0,0)
f(0, y) = lm
y0
y
2
y
2
= 1
Son continuas las funciones f(x, y) = x, f(x, y) = y, todos los polinomios de
la forma f(x, y) =

a
ij
x
i
y
j
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(x
3
4xy + y
2
) es
continua en todo punto del plano, puesto que la funcin g(x, y) = x
3
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
R
n
. Sean

a R
n
y r > 0. El conjunto
B(x; r) =

x R
n
: |

a | < r.
se llama una n-bola abierta de radio r y centro

a . En el espacio R
2
, una
bola abierta es el interior de un c

rculo; en R
3
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) : x
2
+y
2
1
_
es un conjunto
cerrado en R
2
.
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 deniremos ms adelante, tiene que ver
con el concepto de diferenciabilidad de una funcin de dos variables. Para llegar
a este concepto deniremos 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 = y
0
(constante) y h(x) = f(x, y
0
),
la derivada h

(x
0
) se denomina derivada parcial de f con respecto a x en el
punto (x
0
, y
0
) y se denota
f
x
(x
0
, y
0
)
f
x
[
(x0,y0)
. De la misma manera, si es-
cribimos g(y) = f(x
0
, y), entonces la derivada parcial de f con respecto a y en
el punto (x
0
, y
0
) ser la derivada g

(y
0
) y se denota
f
y
(x
0
, y
0
)
f
y
[
(x0,y0)
.
Notacin. Si las derivadas parciales se calculan en un punto genrico (x, y),
escribimos
f
x
y
f
y
en lugar de
f
x
(x, y) y
f
y
(x, y). Estas derivadas tambin
se denotan f
x
y f
y
, D
x
f y D
y
f.
Recordemos que la denicin usual de derivada es
h

(x
0
) = lm
x0
h(x
0
+x) h(x
0
)
x
Al escribir dicha frmula en trminos de f obtenemos
f
x
(x
0
, y
0
) = lm
x0
f(x
0
+x, y
0
) f(x
0
, y
0
)
x
(2.1)
De la misma manera tenemos que
34
f
y
(x
0
, y
0
) = lm
y0
f(x
0
, y
0
+y) f(x
0
, y
0
)
y
. (2.2)
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:

x
_
f
x
_
=

2
f
x
2
,

y
_
f
y
_
=

2
f
y
2
,

x
_
f
y
_
=

2
f
xy
,

y
_
f
x
_
=

2
f
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 (x
0
, y
0
), entonces

2
f
xy
(x
0
, y
0
) =

2
f
yx
(x
0
, y
0
).
Las derivadas parciales de z = f(x, y) se interpretan geomtricamente como las
pendientes de las tangentes a las curvas interseccin de la grca de f con los
planos x =constante y y =constante como se observa en las grcas abajo.
2.3.2. Supercies parametrizadas
En el captulo anterior denimos curva (parametrizada) en el espacio como una
funcin

r : I R R
3
. 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 supercie
parametrizada como una funcin

r : U R
2
R
3
. 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 grca 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 senu, 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 grca abajo.
36
En el tringulo rectngulo OAB se tiene que x = hcos y y = hsen
y en el tringulo rectngulo OBC se tiene que z = a cos . Pero de
nuevo en OBC 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 grca de z = f(x, y).
Anlogo a la parametrizacin de la grca de una funcin de una variable
y = f(x) como la curva

r (t) = (t, f(t)), la grca de una funcin de dos
variables z = f(x, y) se puede ver como una supercie 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 x
2
+y
2
z
2
=
1 est dada por las ecuaciones
x = cos u coshv
y = senu coshv
z = senh v
37
para u [0, 2], < v < +.
2.3.3. El plano tangente
En una supercie parametrizada,

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


U, las rectas u = u
0
(constante) y v = v
0
(constante) se convierten por la accin
de

r en las curvas sobre la supercie

r (u) =

r (u, v
0
) y

r (v) =

r (u
0
, v)
como se observa en la grca abajo.
Dichas curvas se denominan curvas coordenadas. Los vectores tangentes en el
punto u
0
y v
0
son respectivamente

(u
0
) =

r
u
(u
0
, v
0
) y

(v
0
) =

r
v
(u
0
, v
0
)
y se denen por

r
u
(u
0
, v
0
) =
_
x
u
(u
0
, v
0
),
y
u
(u
0
, v
0
),
z
u
(u
0
, v
0
)
_

r
v
(u
0
, v
0
) =
_
x
v
(u
0
, v
0
),
y
v
(u
0
, v
0
),
z
v
(u
0
, v
0
)
_
Si dichos vectores son linealmente independientes, entonces generan un plano
que pasa por el punto

r (u
0
, v
0
) denominado plano tangente, con vector normal

r
u
(u
0
, v
0
)

r
v
(u
0
, v
0
). Por lo tanto, si

r (u
0
, v
0
) = (x
0
, y
0
, z
0
), la ecuacin
del plano tangente en ese punto es
(x x
0
, y y
0
, z z
0
)

r
u
(u
0
, v
0
)

r
v
(u
0
, v
0
) = 0
38
En el caso particular en el que tenemos la grca de z = f(x, y), con la
parametrizacin

r (x, y) = (x, y, f(x, y)) tenemos que


r
x

r
y
=
_
1, 0,
f
x
_

_
0, 1,
f
y
_
=
_

f
x
,
f
y
, 1
_
. Si escribimos z
0
= f(x
0
, y
0
), la ecuacin del
plano tangente es
z = f(x
0
, y
0
) +
f
x
(x
0
, y
0
)(x x
0
) +
f
y
(x
0
, y
0
)(y y
0
) (2.3)
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 x
0
se dene como
f

(x
0
) = lm
x0
f(x
0
+x) f(x
0
)
x
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 x es pequeo as:
f(x
0
+x) f(x
0
)
x
f

(x
0
)
39
El error cometido en la aproximacin est dado por
=
f(x
0
+x) f(x
0
)
x
f

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

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

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

(x
0
)(x x
0
) +(x x
0
)
donde 0 cuando x x
0
. Podemos escribir entonces
f(x) f(x
0
) +f

(x
0
)(x x
0
)
si x est cerca de x
0
. Entre ms cerca est x de x
0
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(x
0
) +f

(x
0
)(x x
0
)
es una linea recta. As,
f(x) L(x)
cerca de x
0
y esta es exactamente la idea de diferenciabilidad:
Una funcin y = f(x) es diferenciable en un punto x
0
, si el incremento en y,
y se puede escribir como en la ecuacin 2.4, es decir, si localmente (esto es,
en cualquier vecindad de x
0
) se puede aproximar por una recta, ms espec-
camente, por la recta tangente en x
0
; hablando claro, si localmente, la grca
de f es "casi" una recta.
En un computador se puede comprobar esto. Dibuje la grca de, por ejemplo,
f(x) = x
2
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 grca 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 grca 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

(x)x
y se toma generalmente como una aproximacin para y; entre ms pequeo
sea x 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 x
0
, la diferenciabilidad de
z = f(x, y) en un punto (x
0
, y
0
) tiene que ver con la existencia de una funcin
lineal (un plano) L(x, y) que aproxima a f en una vecindad de (x
0
, y
0
), 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(x
0
+x, y
0
) f(x
0
, y
0
) =
f
x
(x
0
, y
0
)x +
1
x
f(x
0
, y
0
+y) f(x
0
, y
0
) =
f
y
(x
0
, y
0
)y +
2
y
donde
1
y
2
0 cuando x y y0.
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 denicin de diferenciabilidad:
Una funcin de dos variables z = f(x, y) es diferenciable en (x
0
, y
0
), si el
41
incremento de z, z = f(x
0
+x, y
0
+y) f(x
0
, y
0
) puede escribirse en la
forma
z =
f
x
(x
0
, y
0
)x +
f
y
(x
0
, y
0
)y +
1
x +
2
y (2.5)
donde (
1
,
2
) (0, 0) cuando (x,y)(0, 0).
Si escribimos x = x
0
+ x y y = y
0
+ y, entonces la ecuacin 2.5 toma
la forma
f(x, y) = f(x
0
, y
0
)+
f
x
(x
0
, y
0
)(xx
0
)+
f
y
(x
0
, y
0
)(yy
0
)+
1
(xx
0
)+
2
(yy
0
)
(2.6)
donde (
1
,
2
) (0, 0) cuando (x, y) (x
0
, y
0
).
La ecuacin 2.6 explica el concepto de forma clara: si escribimos
L(x, y) = f(x
0
, y
0
) +
f
x
(x
0
, y
0
)(x x
0
) +
f
y
(x
0
, y
0
)(y y
0
)
tenemos entonces la aproximacin lineal
f(x, y) L(x, y)
en una vecindad de (x
0
, y
0
). Note que la funcin L es precisamente el plano
tangente en el punto (x
0
, y
0
) (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 (x
0
, y
0
) la grca 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:
dz =
f
x
(x
0
, y
0
)x +
f
y
(x
0
, y
0
)y
y es una aproximacin para el incremento z. Si le aplicamos esta denicin a
las variables independientes x y y obtenemos que dx =
x
x
x +
x
y
y = x
y de la misma manera, dy = y. Por esta razn, es comn que la diferencial
en cualquier punto (x, y) se escriba en la forma
dz =
f
x
dx +
f
y
dy. (2.7)
Nota. A veces, por abuso de notacin, la ecuacin 2.7 se escribe
42
dz =
z
x
dx +
z
y
dy
Si fes diferenciable en (x
0
, y
0
), de la ecuacin 2.6 se deduce de forma inmediata
que f es continua en dicho punto pues claramente f(x, y) f(x
0
, y
0
) cuando
(x, y) (x
0
, y
0
).
Contrario a lo que sucede en el caso de una variable en el que la existencia
de la derivada es suciente 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
f(x, y) =
_
xy
x
2
+y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
no es diferenciable en (0, 0) pues aunque
f
x
(0, 0) =
f
y
(0, 0) = 0, la funcin
no es continua en (0, 0). Abajo se muestra su grca generada por MuPad para
x[0.01, 0.01] y y[0.01, 0.01].
0.4
0.010
0.005
0.005
x
0.005
y
0.000
0.000
0.005
0.010
0.010
0.2
0.0
z
0.2
0.4
0.010
El teorema siguiente establece las condiciones sucientes para la diferenciabil-
idad.
Teorema 2.3.2 Si las derivadas parciales de z = f(x, y) existen y son contin-
uas en (x
0
, y
0
) entonces fes diferenciable en dicho punto, es decir, z 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 R
2
,
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 denida por h(t) = (x(t), y(t)).
El teorema siguiente establece la forma como se calcula la derivada z

(t):
Teorema 2.4.1 En las condiciones del comentario anterior, se tiene que
dz
dt
=
f
x
dx
dt
+
f
y
dy
dt
(2.8)
Demostracin. Puesto que f es diferenciable se tiene que
z =
f
x
x +
f
y
y +
1
x +
2
y
donde (
1
,
2
) (0, 0) cuando (x, y) (0, 0).
Dividiendo ambos miembros de la ecuacin por t y tomando el lmite cuando
t 0 obtenemos
dz
dt
=
f
x
lm
t0
x
t
+
f
y
lm
t0
y
t
+ lm
t0

1
x
t
+ lm
t0

2
y
t
(2.9)
donde (
1
,
2
) (0, 0) cuando (x, y) (0, 0).
Por un lado, lm
t0
x
t
=
dx
dt
y lm
t0
y
t
=
dy
dt
. Por otro lado,
lm
t0
x = lm
t0
x(t +t) x(t) = 0
puesto que x = x(t) es una funcin continua (por ser diferenciable). De la mis-
ma manera, lm
t0
y = 0, lo que signica que lm
t0

1
= lm
t0

2
= 0 por lo que
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
dt
=
z
x
dx
dt
+
z
y
dy
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
s
=
z
x
x
s
+
z
y
y
s
z
t
=
z
x
x
t
+
z
y
y
t
(2.10)
Podemos utilizar la regla de la cadena para encontrar
dy
dx
en el caso en que la
ecuacin F(x, y) = k dena 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
x
dx
dx
+
F
y
dy
dx
= 0
As tenemos que
dy
dx
=
F
x
F
y
. (2.11)
Anlogamente, si la ecuacin F(x, y, z) = k dene 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
z
x
=
F
x
F
z
z
y
=
F
y
F
z
Ejercicio. Si z(t) = f(x(t), y(t)), calcular
d
2
z
dt
2
.
Tenemos que
dz
dt
=
z
x
dx
dt
+
z
y
dy
dt
. Derivando a ambos lados de esta ecuacin,
aplicando la regla de la derivada de un producto, obtenemos:
d
2
z
dt
2
=
d
dt
_
z
x
_
dx
dt
+
z
x
d
2
x
dt
2
+
d
dt
_
z
y
_
dy
dt
+
z
y
d
2
y
dt
2
(2.12)
Para las derivadas con respecto a t de
z
x
y
z
y
, debemos aplicar de nuevo la
regla de la cadena (ecuacin 2.8) porque
z
x
y
z
y
son funciones de x y y y
estas a su vez son funciones de t as:
d
dt
_
z
x
_
=

2
z
x
2
dx
dt
+

2
z
yx
dy
dt
45
d
dt
_
z
y
_
=

2
z
xy
dx
dt
+

2
z
y
2
dy
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
d
2
z
dt
2
=

2
z
x
2
_
dx
dt
_
2
+ 2

2
z
xy
dx
dt
dy
dt
+

2
z
y
2
_
dy
dt
_
2
+
z
x
d
2
x
dt
2
+
z
y
d
2
y
dt
2
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
dt
=
w
x
dx
dt
+
w
y
dy
dt
+
w
z
dz
dt
(2.13)
2.4.1. El vector gradiente
Observe que la ecuacin 2.8 puede escribirse en la forma
dz
dt
=
_
f
x
,
f
y
_

_
dx
dt
,
dy
dt
_
El vector
_
f
x
,
f
y
_
se denomina gradiente de fen (x, y) y se denota f, as:
f =
_
f
x
,
f
y
_
Nota. La notacin f signica f(x, y).
Si calculamos el gradiente en un punto (x
0
, y
0
) escribimos
f(x
0
, y
0
) =
_
f
x
(x
0
, y
0
),
f
y
(x
0
, y
0
)
_
Si escribimos

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

r

(t) =
_
dx
dt
,
dy
dt
_
y la ecuacin
2.8, calculada en un punto t
0
, toma la forma
dz
dt
[
t=t0
=
d
dt
[
t=t0
f(

r (t)) = f(

r (t
0
))

(t
0
) (2.14)
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 = (x
0
, y
0
)
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 t


0
, esto es, P =

r (t
0
) =
(x
0
, y
0
). 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
dt
f(

r (t)) = 0 (2.15)
Aplicando la frmula 2.14 para el lado izquierdo de la ecuacin 2.15 en el punto
P, tenemos que
f(x
0
, y
0
)

(t
0
) = 0
lo que prueba lo armado. La grca 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 = (x
0
, y
0
, z
0
) es perpendicular a la super-
cie de nivel S denida 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 t
0
, entonces F(

r (t)) = k y de nuevo
F(x
0
, y
0
, z
0
)

(t
0
) = 0 (2.16)
47
Como la ecuacin 2.16 es vlida para todas las curvas sobre S que pasan por P,
resulta natural denir el plano tangente a S en el punto P como el plano que
pasa por P(x
0
, y
0
, z
0
) y que tiene por vector normal el gradiente F(x
0
, y
0
, z
0
),
por lo que su ecuacin ser
(

x P) F(P) = 0
siendo su expresin cartesiana
F
x
(x
0
, y
0
, z
0
)(x x
0
) +
F
y
(x
0
, y
0
, z
0
)(y y
0
) +
F
z
(x
0
, y
0
, z
0
)(z z
0
) = 0.
(2.17)
Observe que como la grca de una funcin de dos variables z = f(x, y) puede
verse como la supercie 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 dene por
f
x
(x
0
, y
0
) = lm
t0
f(x
0
+t, y
0
) f(x
0
, y
0
)
t
Esta es la misma ecuacin 2.1 en donde hemos reemplazado x por t. Esta
expresin puede escribirse en la forma
f
x
(x
0
, y
0
) = lm
t0
f((x
0
, y
0
) +t(1, 0)) f(x
0
, y
0
)
t
Si escribimos

x
0
= (x
0
, y
0
) y

i = (1, 0) obtenemos
48
f
x
(

x
0
) = lm
t0
f(

x
0
+t

i ) f(

x
0
)
t
De la misma manera, escribiendo

j = (0, 1) la derivada parcial con respecto a


y se escribe
f
y
(

x
0
) = lm
t0
f(

x
0
+t

j ) f(

x
0
)
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) =

x
0
+t

i
y

(t) =

x
0
+ t

j , esto es, rectas paralelas a los ejes coordenados que pasan


por

x
0
. Podemos pensar en generalizar esto, calculando la variacin de f a
lo largo de cualquier recta que pase por

x
0
, esto es, una recta de la forma

r (t) =

x
0
+ 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

x
0
, denotada D
u
f(

x
0
) y denida de la manera natural
D
u
f(

x
0
) = lm
t0
f(

x
0
+t

u ) f(

x
0
)
t
(2.18)
y se puede interpretar geomtricamente como la pendiente de la tangente de
la curva de interseccin de la grca de f con un plano perpendicular al plano
coordenado xy en el punto

x
0
.
Es claro entonces que
49
f
x
(

x
0
) = D
i
f(

x
0
)
f
y
(

x
0
) = D
j
f(

x
0
)
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 grca 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
D
u
f(

x
0
) = f(

x
0
)

u (2.19)
Demostracin. Si llamamos

r (t) =

x
0
+ t

u a la recta que pasa por



x
0
con
vector director

u , entonces

r (0) =

x
0
y

r

(0) =

u . Entonces
d
dt
[
t=0
f(

r (t)) = lm
t0
f(

r (t)) f(

r (0))
t
= lm
t0
f(

x
0
+ t

u ) f(

x
0
)
t
= D
u
f(

x
0
)
Pero, por la regla de la cadena (ecuacin 2.14) se tiene que
d
dt
[
t=0
f(

r (t)) = f(

r (0))

(0)
= f(

x
0
)

u
lo que demuestra el teorema.
Nota. Observe que la denicin de derivada direccional (ecuacin 2.18) su
expresin en trminos del gradiente (ecuacin 2.19) es vlida para cualquier
campo escalar f denido en R
n
.
La derivada direccional de un campo escalar f en un punto

x
0
en la direccin
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 |

u | = 1,
D
u
f(

x
0
) = f(

x
0
)

u
= |f(

x
0
)| cos
50
dnde es el ngulo entre f(

x
0
) y

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(

x
0
) tienen la misma direccin y es mnima cuando cos = 1, esto es
= , es decir, cuando

u y f(

x
0
) tienen direcciones opuestas. Resumiendo,
la derivada direccional mxima se obtiene en la direccin del gradiente, esto es,

u =
f
|f|
y su valor es D f
||f||
f = |f|; la derivada direccional mnima se
obtiene en la direccin opuesta al gradiente y su valor es |f| .
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 deniciones, sustituyendo la palabra global por local en
(1) y (2), cuando las desigualdades se cumplen en alguna vecindad abierta de

a .
La denicin 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 deniremos 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 grca donde
f tiene una esquina aguda).
51
Teorema 2.6.2 (Condiciones necesarias para los extremos) Sea f una
funcin denida 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 = (x
0
, y
0
) 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 (x


0
, y
0
), la funcin g(x) = f(x, y
0
)
tiene un valor extremo en x
0
. Adems, g es diferenciable en x
0
puesto que f lo
es para (x
0
, y
0
) y por lo tanto, por el teorema del punto crtico para funciones
de una variable,
g

(x
0
) = f
x
(x
0
, y
0
) = 0
En forma anloga, la funcin h(y) = f(x
0
, y) tiene un valor extremo en y
0
y
satisface la expresin
h

(x
0
) = f
y
(x
0
, y
0
) = 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) = x
2

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 f
x
(x, y) y f
y
(x, y). Pero f
x
(x, y) = 2x 2 y f
y
(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
f(x, y) = x
2
2x +
y
2
4
= x
2
2x + 1
y
2
4
1 = (x 1)
2
+
y
2
4
1 1
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) =
x
2
/a
2
+y
2
/b
2
.
Solucin. Los nicos puntos crticos se obtienen al igualar a cero f
x
(x, y) =
2x/a
2
y f
y
(x, y) = 2y/b
2
. Esto produce el punto (0, 0) que no da mximo ni
mnimo (vea la gura 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 dicultad de que f(x
0
, y
0
) = 0 no garantiza que exista
un extremo local en (x
0
, y
0
). 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 sucientes para los extremos] Supngase que f(x, y)
tiene segundas derivadas parciales continuas en una vecindad de

a R
2
y que
f(

a ) = 0. Sea A =

2
f(

a )
x
2
, B =

2
f(

a )
xy
, C =

2
f(

a )
y
2
y sea Hf(

a )
la matriz denida por
Hf(

a ) =
_
A B
B D
_
Escribamos D(

a ) = det(Hf(

a )). Entonces
1. Si D(

a ) > 0 y

2
f(

a )
x
2
> 0, entonces tiene un mnimo relativo en

a .
2. Si D(

a ) > 0 y

2
f(

a )
x
2
< 0, entonces tiene un mximo relativo en

a .
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
D(

a ) =

2
f(

a )
x
2


2
f(

a )
y
2

_

2
f(

a )
xy
_
2
Para los casos 1 y 2, en los cuales D(

a ) > 0, se tiene entonces que



2
f(

a )
x
2

2
f(

a )
y
2
>
_

2
f(

a )
xy
_
2
0, por lo que las dos derivadas

2
f(

a )
x
2
y

2
f(

a )
y
2
deben tener el mismo signo. As, si

2
f(

a )
x
2
> 0, se tiene concavidad hacia
arriba en las direcciones de ambos ejes, por lo que se puede sospechar que
en

a existe un mnimo. Y si

2
f(

a )
x
2
< 0, se tiene concavidad hacia abajo
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
las dos derivadas

2
f(

a )
x
2
y

2
f(

a )
y
2
debe ser negativo y por lo tanto deben
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) =
3x
3
+y
2
9x + 4y.
Solucin. Puesto que f
x
(x, y) = 9x
2
9 y f
y
(x, y) = 2y +4, los puntos crticos
que se obtienen al resolver las ecuaciones simultneas f
x
(x, y) = f
y
(x, y) = 0
son (1, 2) y (1, 2).Ahora bien, f
xx
(x, y) = 18x, f
yy
(x, y) = 2 y f
xy
(x, y) =
f
yx
(x, y) = 0. Por lo tanto, en el punto crtico (1, 2) tenemos
D(1, 2) = f
xx
(1, 2)f
yy
(1, 2) f
2
xy
(1, 2) = 18(2) 0 = 36 > 0
Adems, f
xx
(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 f
xx
(1, 2) = 18, f
yy
(1, 2) =
2 y f
xy
(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) = 2x
2
+
y
2
4x 2y + 5 en el conjunto cerrado U = (x, y)[ x
2
+y
2
/2 1.
Solucin. Como f
x
(x, y) = 4x 4 y f
y
(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 x
2
+ 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,
g

(t) =
f
x
dx
dt
+
f
y
dx
dt
= (4x 4)(sen t) + (2y 2)(

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

2 sen t 2)(

2 cos t) = 4 sen t 2

2 cos t
Haciendo g

(t) = 0 obtenemos tan t =

2/2 con los dos soluciones t


1
=
arctan(

2/2) y t
2
= + t
1
. De donde g(t) tiene los cuatro puntos crticos
0, t
1
, t
2
y 2 en el intervalo [0, 2]. Estos, 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
f(1, 0) = 3, f
_
2

6
,
2

6
_
2,101, f
_
2

6
,
2

6
_
11,899
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 supercie
z
2
= x
2
y + 4.
Solucin. Sea P(x, y, z) un punto cualquiera de la supercie dada. El cuadra-
do de la distancia entre el origen y P es d
2
= x
2
+ y
2
+ z
2
. Busquemos las
coordenadas de P que hagan que d
2
(y por lo tanto d ) sea mnima. Puesto
que P pertenece a la supercie, sus coordenadas satisfacen la ecuacin de sta.
Sustituyendo z
2
= x
2
y +4 en d
2
= x
2
+y
2
+z
2
resulta d
2
como funcin de dos
variables x e y
d
2
= f(x, y) = x
2
+y
2
+x
2
y + 4
Para obtener los puntos crticos, hacemos f
x
(x, y) = 0 y f
y
(x, y) = 0, con lo
que se obtiene
2x + 2xy = 0 y 2y +x
2
= 0
Por eliminacin de y entre esas ecuaciones, se tendr 2xx
3
= 0. Por lo tanto,
x = 0 o x =

2. Sustituyendo estos valores en la segunda ecuacin se obtiene


y = 0 e y = 1. Luego, los puntos crticos son (0, 0), (

2, 1) y (

2, 1).
Para probar cada uno de ellos, necesitamos f
xx
(x, y) = 2 + 2y, f
yy
(x, y) =
2, f
xy
(x, y) = 2x y D(x, y) = f
xx
f
yy
f
2
xy
= 4 + 4y 4x
2
. Puesto que
D(

2, 1) = 8 < 0, ni (

2, 1) ni (

2, 1) producen un extremo. Sin


embargo, D(0, 0) = 4 > 0 y f
xx
(0, 0) = 2 > 0; por lo tanto, (0, 0) produce la
distancia mnima. Sustituyendo x = 0 e y = 0 en la expresin de d
2
, obtenemos
d
2
= 4. Luego, la distancia mnima entre el origen y la supercie 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 supercie z
2
= x
2
y + 4 al origen. Formulamos el problema de minimizar
d
2
= x
2
+y
2
+z
2
sujeta a la restriccin z
2
= x
2
y + 4. Manejamos el problema
sustituyendo el valor de z
2
de la restriccin en la expresin de d
2
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 p
0
es un extremo restringido, entonces la curva
de nivel y la restriccin son tangentes en dicho punto. Las grcas 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 p
0
, es decir,
f(p
0
) =
0
g(p
0
)
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(x
1
, x
2
, ..., x
n
)
tiene un extremo (mximo o mnimo) sujeto a la restriccin g(x
1
, x
2
, ..., x
n
) = 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(x
1
, x
2
, ..., x
n
, ) = f(x
1
, x
2
, ..., x
n
) g(x
1
, x
2
, ..., x
n
)
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.
Solucin. Se desea minimizar la distancia d =
_
x
2
+y
2
+z
2
sujeta a 2x
2y+z4 = 0. Para facilitar el problema se minimiza el cuadrado de la distancia
d
2
= x
2
+y
2
+z
2
. La funcin de Lagrange ser
L(x, y, z, ) = x
2
+y
2
+z
2
(2x 2y +z 4)
Luego, el sistema de ecuaciones de Lagrange es
L
x
= 2x 2 = 0,
L
y
= 2y + 2 = 0,
L
z
= 2z = 0,
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
2 2

2
+ 4 = 0, o
9
2
+ 4 = 0, o =
8
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
_
64 + 64 + 16
81
= 4
_
4 + 4 + 1
81
= 4
_
1
9
=
4
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
como coordenadas (x, y), siendo positivas x e y. La longitud de su diagonal
ser
_
x
2
+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) = x
2
+y
2
4 = 0.
Formando la funcin de Lagrange
L(x, y, ) = xy
_
x
2
+y
2
4
_
llegamos al sistema de ecuaciones
L
x
= y 2x = 0,
L
y
= x 2y = 0,
L

= 4 x
2
y
2
= 0
Si multiplicamos la primera ecuacin por y y la segunda por x, obtenemos
y
2
= 2xy y x
2
= 2xy, por lo que y
2
= x
2
. De la tercera ecuacin para
y
2
= x
2
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 denir la funcin de Lagrange tiene su ventaja cuando
tenemos que hallar los extremos de una funcin f(x
1
, x
2
, ..., x
n
) sujetos a m
restriccin g
1
(x
1
, x
2
, ..., x
n
) = 0, g
2
(x
1
, x
2
, ..., x
n
) = 0, ..., g
m
(x
1
, x
2
, ..., x
n
) = 0
donde suponemos m < n. La funcin de la Lagrange en este caso est denida
por
L(x
1
, x
2
, ..., x
n
,
1
,
2
, ...,
m
) = f(x
1
, x
2
, ..., x
n
) +
1
g
1
(x
1
, x
2
, ..., x
n
)
+
2
g
2
(x
1
, x
2
, ..., x
n
) +... +
m
g
m
(x
1
, x
2
, ..., x
n
)
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 x
2
+y
2
= 1
Solucin:Observemos que las funciones que se determinar para denir las re-
stricciones son g
1
(x, y, z) = x + 2y z y g
2
(x, y, z) = x
2
+y
2
4.
Entonces la funcin de Lagrange es denida por
L(x, y, z,
1
,
2
) = x +y +z +
1
(x + 2y z) +
2
_
x
2
+y
2
1
_
Calculando las derivadas parciales e igualando a cero para hallar los puntos
crticos de L obtenemos
(1)
L
x
= 1 +
1
+ 2
2
x = 0
(2)
L
y
= 1 + 2
1
+ 2
2
y = 0
(3)
L
z
= 1
1
= 0
(4)
L

1
= x + 2y z = 0
(5)
L

2
= x
2
+y
2
1 = 0
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/(2
2
). Substituyendo en (5) tenemos
1
(
2
)
2
+
9
4 (
2
)
2
= 1
as

que (
2
)
2
= 13/4,
2
=

13/2. Por tanto x =


2

13
, y =
3

13
y de (4)
tenemos z = x + 2y =
5

13
. Los valores que le corresponden para la funcin
f son

13

13

13
=
10

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) = x
3
xy + y
2
+ 3 con la restriccin x
2
+ 2y
2
= 1. Hacer las grcas
que muestren que los extremos se obtienen en los puntos en donde las curvas
de nivel son tangentes a la curva de restriccin.
Solucin.
Denimos las funciones f y g como sigue:
F:=x^3-x*y+y^2+3-z
x
3
xy +y
2
z + 3
g:=x^2+2*y^2-1
x
2
+ 2y
2
1
Dibujamos la supercie 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 supercie 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
_
_
_
3x
2
y = 2x
x + 2y = 4y
x
2
+ 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
2
3
4
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
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
2
3
4
4,1158
3,1902
1,9390
3,6305
La grca 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 grcas siguientes muestran la supercie 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 suciente.
2.7. *Temas de Lectura
2.7.1. Campos Escalares y Campos Vectoriales
En este captulo consideramos las funciones de subconjuntos U R
n
(n > 1)
a R
m
(m 1) . Cuando m = 1, las funciones
f : U R
n
R

x f(

x )

x = (x
1
, x
2
, ..., x
n
), 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, deniremos los campos vectoriales como funciones

F : U R
n
R
m

x

F (

x )

F (

x ) = (f
1
(

x ), f
2
(

x ), ..., f
m
(

x ))
donde cada una de las componentes de

F , f
i
: U R
n
R son campos
escalares o funciones de varias variables. Hablaremos de un campo vectorial
sobre R
n
cuando

F : U R
n
R
n
. Un campo vectorial asigna a cada
vector

x un vector

F (

x ) R
m
. Ver la gura en caso de campo vectorial sobre
R
2
y R
3
respectivamente.
65
De acuerdo a la denicin 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
f(x, y) =
_
y x
2
x
2
+ (y 1)
2
es U = (x, y) : y x
2
(0, 1).
Ejemplo 2.7.2 Si z = f(x, y) =
1
3
_
36 9x
2
4y
2
y observemos que z 0.
El dominio de f es el conjunto
U = (x, y) : 36 9x
2
4y
2
0.
Ejemplo 2.7.3 En el caso de z = y
2
x
2
, el dominio U = R
2
.
Denicin 2.7.1 El rango de una funcin de varias variables f : U R o
campo vectorial

F : U R
n
R
m
es el conjunto representado por R
f
o R
F
denido por
R
f
= f(

x ) R :

x U
o
R
F
=

F (

x ) R
m
:

x U
respectivamente.
Denicin 2.7.2 Dada una funcin de varias variables o campo escalar f :
U R
n
R, la grca de f es denida como el conjunto
Gr(f) = (x
1,
x
2
, ..., x
n
, x
n+1
) : x
n+1
= f(x
1,
x
2
, ..., x
n
), (x
1,
x
2
, ..., x
n
) U.
De esta denicin podemos observar que la grca de f est en R
n+1
. Si n = 1,
tenemos una funcin real cuya grca est en el plano, mientras que si n = 2,
la grca se encuentra en R
3
. En este ltimo caso diremos que la grca es una
supercie.
2.7.2. Derivada en una direccin de un campo escalar en
R
n
. Derivadas direccionales y parciales.
Sea f : U R
n
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 ,= 0 pero lo bastante pequeo para que

a + t

y U y denamos el cociente
de diferencias
f(

a +t

y ) f(

a )
t
El numerador de este cociente pone de maniesto 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.
Denicin 2.7.3 Sea f : U R
n
R un campo escalar y

a un punto
interior a U y

y R
n
un punto arbitrario.. La derivada de f en a con respecto
a

y se representa con el smbolo f

(a;

y ) y se dene
f

(a;

y ) = lm
t0
f(

a +t

y ) f(

a )
t
cuando tal lmite existe. En particular, cuando

y es un vector unitario, es
decir |

y | = 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

(a;

y )
se denomina derivada direccional. Adems, si

y =

e
k
(el vector k -simo
coordenado unitario) la derivada direccional f

(a;

e
k
) se denomina derivada
parcial respecto a e
k
y se denota por
f
x
k
(

a ).
Ejemplo 2.7.4 En R
2
los vectores coordenados unitarios son los vectores i y
j. Si a = (x
0
, y
0
) las derivadas parciales f

a ; i) y f

a ; j) tambin se
escriben
f

a ; i) =
f
x
(x
0
, y
0
) = f
x
(x
0
, y
0
), f

a ; j) =
f
y
(x
0
, y
0
) = f
y
(x
0
, y
0
)
En '
3
, los vectores coordenados unitarios son los vectores i,
j y k. Si a = (x
0
, y
0
, z
0
) las derivadas parciales f

(a; i),
f

(a; j) y f

(a; k) se escriben respectivamente como


f
x
(x
0
, y
0
, z
0
) = f
x
(x
0
, y
0
, z
0
),
f
y
(x
0
, y
0
, z
0
) = f
y
(x
0
, y
0
, z
0
),
f
z
(x
0
, y
0
, z
0
) = f
z
(x
0
, y
0
, z
0
)
67
De acuerdo a la denicin de derivada en una direccin, las derivadas parciales
f
x
(x
0
, y
0
) y f
y
(x
0
, y
0
) pueden expresarse
f
x
(x
0
, y
0
) = lm
h0
f(x
0
+h, y
0
) f(x
0
, y
0
)
h
para y = y
0
jo
f
y
(x
0
, y
0
) = lm
h0
f(x
0
, y
0
+h) f(x
0
, y
0
)
h
para x = x
0
jo
En lugar de calcular f
x
(x
0
, y
0
) y f
y
(x
0
, y
0
) en forma directa a partir de las
deniciones, lo usual es encontrar f
x
(x
0
, y
0
) y f
y
(x
0
, y
0
) mediante las reglas
ordinarias de derivacin; despus se sustituyen x = x
0
e y = y
0
.
Ejemplo 2.7.5 Si f(x, y) = x
2
sen (xy
2
), encuentre f
x
(

4
, 1) y f
y
(

4
, 1).
Solucin.
f
x
(x, y) = 2xsen (xy
2
) +x
2
cos(xy
2
) y
2
= 2xsen (xy
2
) +x
2
y
2
cos(xy
2
)
f
y
(x, y) = x
2
cos(xy
2
) 2xy = 2x
3
y cos(xy
2
)
Sustituyendo x =

4
y y = 1 se calculan
f
x
(

4
, 1) = 2

4
sen
_

4
1
2
_
+
_

4
_
2
1
2
cos
_

4
1
2
_
=

2(
2
+ 8)
32
f
y
(

4
, 1) = 2
_

4
_
3
cos
_

4
1
2
_
=

2
64

3
2.7.3. Diferenciabilidad de un campo escalar en R
n
.
Denicin 2.7.4 Un campo escalar f : U R , donde U es un conjunto
abierto de R
n
es diferenciable en si existe un vector f(

a ) R
n
tal que
lm

h 0
f(

a +

h )f(

a )f(

a )

h
|

h |
= 0. (2.20)
Si denimos
E(a; h) =
f(

a +

h )f(

a )f(

a )

h
|

h |
,
tendramos de acuerdo a la denicin, f es diferenciable en

a si y slo si
lm

h 0
E(

a ;

h ) = 0
68
Podemos escribir
f(

a +

h ) f(

a ) f(

a ) h = |h|E(

a ;

h ),
o equivalentemente,
f(

a +

h ) = f(

a ) f(

a ) h +|h|E(

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

h 0
E(

a ;

h ) = 0.
Adems
f(

a +

h )=f(

a )f(

a )

h +|h|E(

a ;

h ),
y tomando el limite cuando

h 0 tenemos que
lm

h 0
f(

a +

h ) =f(

a ).
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 = (y
1
, y
2
, y
n
) y
f

a ;

y )=f(

a )

y =
n

k=1
f(

a )
x
k
y
k
Demostracin. Si

y = 0 claramente f(

a )

y = 0 y f

a ;

y )=0 . Por
consiguiente consideremos

y ,= 0 . Como f es diferenciable en

a tenemos que
para h con [h| < r
f(

a +

h )=f(

a )+f(

a )

h +|

h |E(

a ;

h ),
donde lm
h0
E(

a ; h) = 0 . Si tomamos [t[ < r , entonces



h = t

y con t ,= 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 +
[t[
t
E(

a ;

y ).
Puesto que lm
t0
[t[
t
= 1 tenemos que
lm
t0
f(

a +t

y )f(

a )
t
= f(

a )

y .
Por lo tanto
f

a ;

y )=f(

a )

y .
Adems, teniendo en cuenta que f

a ; e
k
) =
f(

a )
x
k
y

y = u
1
e
1
+ +u
n
e
n
concluimos que
f

a ;

y ) = f(

a )

y = f(

a ) (u
1

e
1
+ +u
n

e
n
)
=
n

k=1
u
k
f(

a )

e
k
=
n

k=1
u
k
f

a ;

e
k
) =
n

k=1
f(

a )
x
k
u
k
=
_
f(

a )
x
k
, . . . ,
f(

a )
x
n
_
(u
1
, . . . , u
n
).
De aqu

podemos concluir que el vector gradiente es dado por


f(

a )=
_
f(

a )
x
1
, . . . ,
f(

a )
x
n
_
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
f(x, y) =
_
_
_
xy
2
x
2
+y
4
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Mostremos que
f
x
(0, 0) y
f
y
(0, 0) existen. Por denicin
f
x
(0, 0) = lm
t0
f ((0, 0) +ti) f(0, 0)
t
= lm
t0
f(ti)
t
= lm
t0
f(t, 0)
t
= 0
70
y
f
y
(0, 0) = lm
t0
f ((0, 0) +tj) f(0, 0)
t
= lm
t0
f(tj)
t
= lm
t0
f(0, t)
t
= 0.
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) ,= 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 suciente de diferenciabilidad). Si existen
las derivadas parciales
f
x
1
,...,
f
x
n
en cierta n-bola B(

a ;

r ) y son continuas
en

a , entonces f es diferenciable en

a .
2.7.4. Regla de la cadena para campos escalares en R
n
.
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

(t) = f

(r(t))r

(t)
o
dy
dt
=
dy
dr
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
denida en un conjunto abierto U R
n
y

r una funcin vectorial

r : J U
donde J es un intervalo abierto. Denamos la funcin compuesta f r en J
por 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

(t) existe y
g

(t) = f(

r(t))

(t)
Demostracin. Sea

a = r(t) . Puesto que U es abierto existe una bola B(

a )
U y tomemos h ,= 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 +|

y |E(

a ; y).
71
donde E(

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


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

a ) (

r (t + h)

r (t)) +|

r (t +h)

r (t)|E(

a ;

y ).
Dividiendo por h obtenemos
g(t +h) g(t)
h
= f(

a )
(

r (t +h))

r (t))
h
+|

r (t +h))

r (t)
h
|E(

a ;

y ).
Tomando h 0 tenemos que
g

(t) = f(

r (t))

(t)).
Si escribimos

r en sus ecuaciones paramtricas x


1
= x
1
(t), x
2
= x
2
(t), ..., x
n
=
x
n
(t) podemos escribir g

(t) en la forma
g

(t) =
f
x
1
(

a )
dx
1
dt
+... +
f
x
n
(

a )
dx
n
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) = x
2
3xy a lo largo
de la parbola y = x
2
x + 2 en el punto (1, 2) .
Solucin: El gradiente de f est dado por
f(x, y) = (
f
x
,
f
y
) = (2x 3y, 3x).
En el punto (1, 2) tenemos que f(1, 2) = (4, 3). La parbola la podemos
parametrizar por

r (t) = (t, t
2
t + 2). Observemos que para t = 1,

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



r

(t) =
(1, 2t 1) y

r

(1) = (1, 1) el cual tiene norma [

r (1)| =

2 . As Tb(1) =
1

2
(1, 1) . Por lo tanto la derivada direccional a lo largo de la parbola en el
punto (1, 2) es
f ((1, 2); T(1)) = f(1, 2)
1

2
(1, 1) =
7

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 + 2r
2
.
En consecuencia,
dS
dt
=
S
r
dr
dt
+
S
h
dh
dt
= (2h + 4r)(0,2) + (2r)(0,5)
Cuando r = 10 y h = 100,
dS
dt
= (2 100 + 4 10)(0,2) + (2 10)(0,5) = 58 cm
2
por hora
Ejemplo 2.7.9 Suponga que w = x
2
y +y +xz, donde x = cos , y = sen , y
z =
2
. Encuentre dw/d y la evale para = /3.
Solucin.
dw
d
=
w
x
dx
d
+
w
y
dy
d
+
w
z
dz
d
= (2xy +z)(sen) + (x
2
+ 1)(cos ) + (x)(2)
= 2 cos sen
2

2
sen + cos
3
+ cos + 2 cos
En = /3,
dw
d
= 2
1
2

1
3


2
3

3
2
+
_
1
4
+ 1
_
1
2
+
2
3

1
2
=
1
8


2

3
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
Denicin 2.7.5 ea

F : U R
m
denido en un subconjunto U de R
n
.
Sea

a un punto interior de U y

y R
n
, un punto arbitrario. Denimos la
derivada

F

a ;

y ) por la frmula

a ;

y ) = lm
t0

F (

a +t

y )

F (

a )
t
Siempre que el lmite exista. Observemos que esta derivada es un vector de R
m
.
De acuerdo a la denicin de lmites para campos vectoriales podemos observar
que

a ;

y ) = (f

1
(

a ;

y ), f

2
(

a ;

y ), ..., f

m
(

a ;

y ))
En el caso que

y es un vector unitario, es decir |

y | = 1,

F

a ;

y ) se llama
derivada direccional de un campo vectorial.
73
2.7.6. Diferenciabilidad de un campo vectorial
Denicin 2.7.6 Diremos que un campo vectorial

F es diferenciable en

a si
existe una matriz

DF(

a ) mn (la matriz Jacobiana) tal que


lm

h 0

F (

a +

h )

F (

a )

DF(

a )

h
|h|
= 0
De esta denicin y por las propiedades de los lmites diremos que est deni-
cin implica que cada componente de

F , f
i
, es diferenciable en

a .
Denotemos por

E(

a ,

h ) =

F (

a +

h )

F (

a )

DF(

a )

h
|h|
.
Observemos que

E(

a ,

h ) es un vector de R
m
. Esto nos permite escribir

F (

a +

h ) =

F (

a ) +

DF(

a )

h +|h|

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


h 0

E(

a ,

h ) =
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 .
Vamos a demostrar que la matriz

DF(

a ) es

DF(

a ) =
_

_
f
1
.
.
.
f
m
_

_ donde f
i
(i = 1, ..., m) es el gradiente de la funcin f
i
(i = 1, ..., m).
Observemos que

F (

a +

h )

F (

a ) = (f
1
(

a +

h ), ..., f
m
(

a +

h )) (f
1
(

a ), ..., f
m
(

a ))
= (f
1
(

a +

h ) f
1
(

a ), ..., f
m
(

a +

h ) f
m
(

a ))
Como cada componente f
i
es diferenciable tenemos que
f
i
(

a +

h ) f
i
(

a ) = f
i

h +|h| E
i
(

a ,

h )
donde lm
h 0
E
i
(

a ,

h ) = 0. Por lo tanto
74

F (

a +

h )

F (

a ) = (f
1
(

a +

h ), ..., f
m
(

a +

h )) (f
1
(

a ), ..., f
m
(

a ))
= (f
1
(

a +

h ) f
1
(

a ), ..., f
m
(

a +

h ) f
m
(

a ))
= (f
1

h +|h| E
1
(

a ,

h ), ..., f
m

h +|h| E
m
(

a ,

h ))
= (f
1

h , ..., f
m

h ) + (|h| E
1
(

a ,

h ), ..., |h| E
m
(

a ,

h ))
= (f
1

h , ..., f
m

h ) +|h| (E
1
(

a ,

h ), ..., E
m
(

a ,

h ))
Si

DF(

a )

h = (f
1

h , ..., f
m

h ) y

E(

a ,

h ) = (E
1
(

a ,

h ), ..., E
m
(

a ,

h ))
tenemos que

F (

a +

h ) =

F (

a ) +

DF(

a )

h +|h|

E(

a ,

h )
donde lm
h 0

E(

a ,

h ) = 0. Esto implica que

DF(

a ) =
_

_
f
1
f
2
.
.
.
f
m
_

_
=
_
f
1
f
2
f
m

T
.
Observemos tambin que

a ;

y ) = (f

1
(

a ;

y ), f

2
(

a ;

y ), ..., f

m
(

a ;

y ))
= (f
1

h , f
2

h , ..., f
m

h ) =

DF(

a )

h
Esta frmula nos permite determinar fcilmente la derivada

F

a ;

y ).
Ejemplo 2.7.10 Supongamos que

T : R
n
R
m
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 ) =

x .
lm

h 0

(x +

h )

T (

x )

h
_
_
_

h
_
_
_
= lm

h 0

A(

x +

h )

h
_
_
_

h
_
_
_
= lm

h 0

x +

h
_
_
_

h
_
_
_
= 0
75
entonces

DT(

x ) =

A
As todos las transformaciones lineales son campos vectoriales diferenciables.
Ejemplo 2.7.11 Si f : U R
n
R es un campo escalar diferenciable sobre
un conjunto abierto U, entonces f : U R
n
R
n
es un campo vectorial
dado por
f = (
f
x
1
,
f
x
2
, ...,
f
x
n
)
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

2
f(

x ) =
_

2
f
x
2
1

2
f
x
1
x
2


2
f
x
1
x
n

2
f
x
2
x
1

2
f
x
2
2


2
f
x
2
x
n

2
f
x
n
x
1

2
f
x
n
x
2


2
f
x
2
n
_

_
T
2.7.7. Regla de la cadena para campos vectoriales.
Teorema 2.7.5 [Regla de la cadena] Sea

F una funcin vectorial denido
en un conjunto abierto U R
n
y

r una funcin vectorial

r : J U donde
J es un intervalo abierto. Denamos la funcin compuesta

F

r en J por

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

(t) existe y

(t) = D

F (

r(t))

(t)
Demostracin. Sea

a =

r (t) . Puesto que U es abierto existe una bola
B(

a ) U y tomemos h ,= 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 +|

y |E(

a ;

y ).
donde E(

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

G(t +h)

G(t) = D

F (

a ) (r(t +h) r(t)) +|r(t +h) r(t)|

E(

a ;

y ).
76
Dividiendo por h obtenemos

G(t +h)

G(t)
h
= D

F (

a )
(

r (t +h))

r (t))
h
+|

r (t +h))

r (t)
h
|E(

a ;

y ).
Tomando h 0 tenemos que

(t) = D

F (

r (t))

r

(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
denida por

H(

x ) =

F (

G(

x )) donde x U.. Sea x U en el que D

(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 ,= 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 +|

y |

E(

a ;

y ).
donde

E(

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

H(

x +

h )

H(

x ) = D

F (

a )

G((x +h)

G((x) +
|

G((x +h)

G((x)|

E(

a ;

y ).
= D

F (

a )
_
D

G(x) h +
_
_
_

h
_
_
_ E(x, h)
_
+
_
|D

G(x) h +
_
_
_

h
_
_
_

E(x, h)
_
|

E(

a ;

y )
= D

F (

a ) D

G(x) h +D

F (

a )
_
_
_

h
_
_
_ E(x, h) +
_
|D

G(x) h +
_
_
_

h
_
_
_

E(x, h)
_
|

E(

a ;

y ).
77
Dividiendo por
_
_
_

h
_
_
_ obtenemos

H(

x +

h )

H(

x ) D

F (

a ) D

G(x) h
_
_
_

h
_
_
_
= D

F (

a ) E(x, h) +
|D

G(x) h +
_
_
_

h
_
_
_ E(x, h)
_
_
_

h
_
_
_

E(

a ;

y ).
Tomando

h

0 tenemos que
D

H(

x ) = D

F (

G(

x ))D

G(

x )
Denicin 2.7.7 Divergencia de un campo vectorial. Sea

F : U R
n

R
n
donde U es un subconjunto de R
n
un campo vectorial dado por

F (

x ) =
(f
1
(

x ), f
2
(

x ), ..., f
n
(

x ))

x = (x
1
, x
2
, ..., x
n
). Denimos la divergencia
de

F como
div

F =
f
1
(

x )
x
1
+
f
2
(

x )
x
2
+... +
f
n
(

x )
x
n
.
Si representamos =
_

x
1
,

x
2
, ...,

x
n
_
observemos que podemos denotar
divF = F. Hay que tener en cuenta que la divergencia es un campo escalar.
Ejemplo 2.7.12 Sea

F (x, y, z) = (x
2
y, xyz, x
2
z). La divergencia de

F es
div

F = 2xy +xz +x
2
.
Ejemplo 2.7.13 Sea

F (x, y, z) =

r
|

r |
3
=
_
x
|

r |
3
,
y
|

r |
3
,
z
|

r |
3
_
=
_
x
r
3
,
y
r
3
,
z
r
3
_
, .
donde r = |

r | =
_
x
2
+y
2
+z
2
. Sean f
1
=
x
r
3
, f
1
=
y
r
3
, f
2
=
z
r
3
. Entonces
f
1
x
=
r
3
x

_
r
3
_
x
r
6
=
r
3
3xr
2
(r)
x
r
6
=
r
3
3xr
2
x
r
r
6
=
r
3
3x
2
r
r
6
,
f
2
y
=
r
3
x

_
r
3
_
y
r
6
=
r
3
3yr
2
(r)
y
r
6
=
r
3
3yr
2
y
r
r
6
=
r
3
3y
2
r
r
6
,
f3
z
=
r
3
x

_
r
3
_
z
r
6
=
r
3
3zr
2
(r)
z
r
6
=
r
3
3yr
2
z
r
r
6
=
r
3
3z
2
r
r
6
.
78
Sumando estas derivadas tenemos que
div

F =
f
1
x
+
f
2
y
+
f
2
y
=
3r
3
3r
3
r
6
= 0.
Denicin 2.7.8 Rotacional de un campo vectorial. Sea

F : U R
3

R
3
donde U es un subconjunto de R
n
un campo vectorial dado por

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


Denimos el rotacional de

F al vector denido por
rot

F =
_
R
y

Q
z
,
P
z

R
x
,
Q
x

P
y
_
Observacin 2.7.1 El rotacional se puede ver como
rot

F =

F =

i j k

z
P Q R

Observacin 2.7.2 En el caso que



F (x, y) = (P(x, y), Q(x, y)) deniremos
el rotacional de

F como
rot

F =

i j k

y
0
P Q 0

=
_
Q
x

P
y
_
k
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, 2xxz), entonces el rotacional


es dado por
rot

F =

i j k

z
xyz x
2
xy

= (x, xy +y, 2x xy) = xi+(xy +y) jxyk.


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

2
f
x
2
+

2
f
y
2
+

2
f
y
2
En el caso de dos variables f(x, y) tenemos
f = div (f) =

2
f
x
2
+

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

2
f
x
2
= 6x
f

= 6xy

2
f
y
2
= 6x
Entonces
f = 0.
Denicin 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 B
r
(

a ). Entonces para todo y R


n
tal que

a +

y B
r
(

a ),
tenemos que
f(

a +

y ) = f(

a ) +f(

a )

y +
1
2!

y H(

a +c

y )

y

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

a +

y ) = f(

a ) +f(

a )

y +
1
2!

y H(

a )

y

+|

y | E
2
(

a ;

y ),
donde lm

y

0
E
2
(

a ;

y ) = 0.
Demostracin. Fijemos

y R
n
. Denamos 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

g(1) = g(0) +g

(0) +
1
2!
g

(c), 0 < c < 1


(Resultado de Clculo I).
Aplicando regla de la cadena a g tenemos que
g

(t) = f(

a +t

y )

y =
n

i=1
f(

a +t

y )
x
i
y
i
=
f(

a +t

y )
x
1
y
1
+
f(

a +t

y )
x
2
y
2
+ +
f(

a +t

y )
x
n
y
n
As

(0) = f(

a )

y .
Calculamos la segunda derivada de g aplicando nuevamente regla de la cadena
g

(t) =
_

f(

a +t

y )
x
1

y
_
y
1
+
_

f(

a +t

y )
x
2

y
_
y
2
+ +
_

f(

a +t

y )
x
n

y
_
y
n
=
_

2
f(

a +t

y )
x
2
1
y
1
+

2
f(

a +t

y )
x
2
x
1
y
2
+ +

2
f(

a +t

y )
x
n
x
1
y
n
_
y
1
+
_

2
f(

a +t

y )
x
1
x
2
y
1
+

2
f(

a +t

y )
x
2
2
y
2
+ +

2
f(

a +t

y )
x
n
x
2
y
n
_
y
2
.
.
.
+
_

2
f(

a +t

y )
x
1
x
n
y
1
+

2
f(

a +t

y )
x
2
x
n
y
2
+ +

2
f(

a +t

y )
x
2
n
y
n
_
y
n
.
g

(t) =
n

i=1
n

j=1

2
f(

a +t

y )
x
i
x
j
y
i
y
j
=

y H(

a +c

y )

y

.
As

,
g

(c) =

y H(

a +c

y )

y

.
y por lo tanto as

demostramos que
f(

a +

y ) = f(

a ) +f(

a )

y +
1
21

y H(

a +c

y )

y

, 0 < c < 1.
81
Para demostrar la segunda parte, denamos
|

y | E
2
(

a ;

y ) =
1
21

y [H(

a +c

y ) H(a)]

y

,

y ,=

0
y
E
2
(

a ;

0 ) = 0 .
En este caso tenemos que
f(

a +

y ) = f(

a ) +f(

a )

y +
1
2!

y

H(

a )

y +|

y | E
2
(

a ;

y ).
Vamos a mostrar que lm

y

0
E
2
(

a ;

y ) = 0.
|

y |
2
[E
2
(

a ;

y )[ =

i=1
n

j=1
_

2
f(

a +t

y )
x
i
x
j


2
f(

a )
x
i
x
j
_
y
i
y
j

i=1
n

j=1

2
f(

a +t

y )
x
i
x
j


2
f(

a )
x
i
x
j

y |
2
.
As

dividiendo por |

y | ,= 0 tenemos que
[E
2
(

a ;

y )[
n

i=1
n

j=1

2
f(

a +t

y )
x
i
x
j


2
f(

a )
x
i
x
j

.
puesto que

2
f
xixj
son continuas en

a , entonces
lm

y

0

2
f(

a +t

y )
x
i
x
j
=

2
f(

a )
x
i
x
j
Por lo tanto lm

y

0
[E
2
(

a ;

y )[ = 0 y esto implica que lm



y

0
E
2
(

a ;

y ) = 0 .
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
f(

a +

y ) = f(

a ) +
1
2!

y

H(

a )

y +|

y | E
2
(

a ;

y ).
Teorema 2.7.8 Sea A = (a
ij
) una matriz n n y simtrica. Supongamos que
Q(y) =

y A

y

=
n

i=1
n

j=1
a
ij
y
i
y
j
. Entonces
82
1. Q(

y ) > 0

y ,=

0 los valores propios de A son positivos.


2. Q(

y ) < 0

y ,=

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
Q(y) =

y A

y

= xP

AP

= xD

=
n

i=1

i
x
2
u
Claramente

y ,=

0 ,

x ,=

0 . Si los valores propios de A son positivos entonces


Q(y) > 0. Ahora si Q(y) > 0

y ,=

0 , tenemos en particular que si y = e


i
P

,
donde e
i
= (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 B
r
(

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
f(

a +

y ) f(

a ) =
1
2!

y

H(

a )

y +|

y | E
2
(

a ;

y ).
donde lm

y

0
E
2
(

a ;

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


0 < |

y | < 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 ,=

0 de acuerdo al teorema anterior. Por lo que concluimos que

y H(

a )

y

> t |

y |
2
0 < t < h.
83
Tomando t =
1
2
h tenemos Q(y) >
1
2
h|

y |
2

y ,=

0 . Puesto que lm

y

0
E
2
(

a ;

y ) =
0, existe r > 0 tal que [E
2
(

a ;

y )[ <
1
4
h con tal que 0 < |

y | < r. Para tales

y tenemos
0 |

y | E
2
(

a ;

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

a +

y ) f(

a )
1
2
Q(y) |

y | E
2
(

a ;

y ) > 0
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

y

0
E
2
(

a ;

y ) = 0, existe r > 0 tal que


[E
2
(

a ;

y )[ <
1
4
h con tal que 0 < |

y | < 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 sucientes para los extremos] Supn-
gase que f(x, y) tiene segundas derivadas parciales continuas en una vecindad
de

a y que f(

a ) = 0. Sea A =

2
f(

a )
x
2
, B =

2
f(

a )
xy
, C =

2
f(

a )
y
2
y
H(

a ) =
_
A B
B D
_
y D = det(H(

a )). Entonces
1. Si D > 0 y

2
f(

a )
x
2
> 0, entonces tiene un mnimo relativo en

a .
2. Si D > 0 y

2
f(

a )
x
2
< 0, entonces tiene un mximo relativo en

a .
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


1
y
2
estn ligados por la relacin

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
Denicin 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)) = m

(t)
para todo t donde

r(t) est denido. Por ser

F un campo conservativo tenemos


que
F(X) = m

(t) = (

r(t)) =m

(t) +(

r(t)) = 0.
Multiplicando escalarmente esta ltima ecuacin tenemos que
m

(t)

(t) +(

r(t))

(t) = 0
Observando que
1
2
m
dv
2
(t)
dt
= m

(t)

(t)
y
d(

(t))
dt
= (

r(t))

(t),
85
tenemos que
d
dt
_
1
2
mv
2
(t) +(

(t))
_
= 0
De lo cual concluimos que la funcin
1
2
mv
2
(t) + (

(t)) es una constante.


Este resultado se conoce como la ley de la conservacin de la energa.
La funcin
1
2
mv
2
(t) se le llama la energa cintica y a la funcin (

(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 denicin de la curva es [a, b] , tenemos por
la ley de la conservacin de la energa que
1
2
mv
2
(b) +(

(b)) =
1
2
mv
2
(a) +(

(a))
O sea que la diferencia de la energa cintica es igual a la diferencia de la energa
potencial, esto es
1
2
mv
2
(b)
1
2
mv
2
(a) = (

(a)) (

(b))
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

F (

x ) = C
1
|

x |
2

x
|

x |
ya que

x
|

x |
es un vector unitario en la direccin de

x . As

F (

x ) = C
1
|

x |
3

x .
Una funcin potencial para F es dada por
(

x ) =
C
[[

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 R
2
R. Subdivi-
damos la regin S en N subregiones S
1
, S
2
, ....S
N
donde cada una de ellas est
acotada por una curva simple cerrada suave a trozos y de rea A
k
= rea(S
k
).
en donde (x
k
, y
k
) es cualquier punto en la subregin S
k
.
Denotemos por d
k
el dimetro de la regin S
k
( la mayor distancia entre dos
puntos cualesquiera en S
k
) y por norma de la particin
[[P[[ = max
1kN
d
k
.
Formemos la suma
N

k=1
f(x
k
, y
k
)A
k
87
Denicin 3.1.1 .Denimos la integral doble de f sobre S, denotada por
_ _
S
f(x, y)dA
_ _
S
f(x, y)dxdycomo
_ _
S
f(x, y)dA = lim
||P||0
N

k=1
f(x
k
, y
k
)A
k
si el lmite existe y es independiente de las particiones S
k
y de los puntos
(x
k
, y
k
).
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 na 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 x
i
y
j
y se tiene que
_ _
S
f(x, y)dxdy = lim
||P||0
n

i=1
m

j=1
f(x
i
, y
j
)x
i
y
j
Observemos que hemos reemplazado dA por el smbolo dxdy.
Nota. Si f(x, y) = 1 tenemos que
rea(S) =
_ _
S
dA =
_ _
S
dxdy
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.
_ _
S
[c
1
f(x, y)+c
2
g(x, y)]dxdy = c
1
_ _
S
f(x, y)dxdy +c
2
_ _
S
g(x, y)dxdy
2. Si S = S
1
S
2
y S
1
S
2
= , entonces
_ _
S
f(x, y)dxdy =
_ _
S1
f(x, y)dxdy +
_ _
S2
f(x, y)dxdy
88
3. si f g entonces
_ _
S
f(x, y)dxdy
_ _
S
g(x, y)dxdy
En particular si f 0 entonces
_ _
S
f(x, y)dxdy 0
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
_ _
S
f(x, y)dxdy =
_
b
a
_
_
d
c
f(x, y)dy
_
dx =
_
d
c
_
_
b
a
f(x, y)dx
_
dy
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 gura abajo.
89
En este caso las integrales iteradas toman la forma
_ _
S
f(x, y)dxdy =
_
b
a
_
_
2(x)
1(x)
f(x, y)dy
_
dx
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 grca abajo.
90
En este caso, las integrales iteradas toman la forma
_ _
S
f(x, y)dxdy =
_
d
c
_
_
2(y)
1(y)
f(x, y)dx
_
dy
Una regin puede ser al mismo tiempo de tipo I tipo II. Por ejemplo, la regin
que se muestra en la gura abajo.
De tipo I se describe en la forma
S =
_
(x, y) : 0 x 1, x
2
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
_ _
S
dxdy =
_
b
a
[
_
2(x)
1(x)
dy]dx =
_
b
a
[y[
2(x)
1(x)
]dx =
_
b
a
[
2
(x)
1
(x)]dx
As, el rea de S est dada por
_ _
S
dxdy.
2. Sea f > 0 y continua en S. Supongamos que S es de tipo I y consideremos
el slido limitado por la grca de z = f(x, y) y por la regin S. Claramente
_
2(x)
1(x)
f(x, y)dy
representa el rea de la seccin transversal que se obtiene al cortar el slido
por un plano paralelo al plano yz. (Ver gura).
91
Por lo tanto podemos denir el volumen del slido como
V ol(Sol) =
_
b
a
[
_
2(x)
1(x)
f(x, y)dy]dx =
_ _
S
f(x, y)dxdy
El mismo razonamiento para regiones de tipo II. En general si f(x, y) g(x, y)
la integral
_ _
S
[g(x, y) f(x, y)]dxdy
representa el volumen del slido limitado entre las dos supercies.
Ejemplo 3.1.1 Calcular el volumen del slido limitado por la esfera
x
2
+y
2
+z
2
= R
2
Solucin. El slido est comprendido entre las grcas de z = f(x, y) =
_
R
2
x
2
y
2
y z = g(x, y) =
_
R
2
x
2
y
2
. La regin S =
_
(x, y) : x
2
+y
2
R
2
.
_
V ol (V ) =
_ _
S
[f(x, y) g(x, y)]dxdy = 2
_ _
S
f(x, y)dxdy
= 8
_
R
0
[
_

R
2
x
2
0
_
R
2
x
2
y
2
dy]dx
Hagamos A =

R
2
x
2
o sea A
2
= R
2
x
2
por lo tanto
_
r
2
x
2
y
2
=
_
A
2
y
2
= A
_
1 (
y
A
)
2
. Si hacemos el cambio de variable y = asen en-
92
tonces dy = a cos d y obtenemos
V ol(V ) = 2
_ _
S
f(x, y)dxdy
= 8
_
R
0
_
_

R
2
x
2
0
_
R
2
x
2
y
2
dy
_
dx = 8
_
R
0
_
_

R
2
x
2
0
_
A
2
y
2
dy
_
dx
= 8
_
R
0
_
_
/2
0
A
2
_
1 sen
2
cos d
_
dx
= 8
_
R
0
[
_

0
A
2
cos
2
d]dx = 8
R
_
0
A
2
/2
_
0
1 cos 2
2
=
1
2

/2
0
dx
= 8
_
R
0

4
A
2
dx = 8

4
_
R
0
(R
2
x
2
)dx
= 2 (R
2
x
x
3
3
)

R
0
= 2(R
3

R
3
3
) = 2
2
3
R
3
=
4
3
R
3
.
Ejemplo 3.1.2 . Dibujemos la regin de integracin de
_
1
0
[
_
x
x
2
f(x, y)dy]dx
La regin de integracin est dada por
S = (x, y) : 0 x 1, x
2
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
_
1
0
[
_
x
x
2
f(x, y)dy]dx =
_
1
0
[
_

y
y
f(x, y)dx]dy
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
_
6
0
[
_
2
x/3
x
_
y
3
+ 1dy]dx
La regin de integracin es de tipo I:
S = (x, y) : 0 x 6, x/3 y 2
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
_
6
0
[
_
2
x/3
x
_
y
3
+ 1dy]dx =
_
2
0
[
_
3y
0
x
_
y
3
+ 1dx]dy =
_
2
0
_
y
3
+ 1[
_
3y
0
xdx]dy
=
_
2
0
_
y
3
+ 1[
x
2
2
[
3y
0
]dy =
_
2
0
9
2
y
2
_
y
3
+ 1dy
= (y
3
+ 1)
3/2

2
0
= 27 1 = 26
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
que resolver la integral
_
b
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

(t)dt y el
cambio de variable lo escribimos como
_
b
a
f(x)dx =
_
g
1
(b)
g
1
(a)
f(g(t))g

(t)dt
En el caso de dos dimensiones tenemos un resultado similar. Sin entrar en mu-
chos detalles, consideremos un campo vectorial T : R
2
R
2
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 dene 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)
(u, v)
= [xy] =
_
x
u
y
u
x
v
y
v
_
llamada matriz Jacobiana, que jugar un papel importante ms adelante. Su
determinante es llamado el Jacobiano de T , denotado JT(u, v) det
_
(x,y)
(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 denidas 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
r =
_
x
2
+y
2
y hallamos tal que
tan =
y
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 (, ) .
Denamos 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
(x, y)
(r, )
=
_
cos sen
rsen r cos
_
y su Jacobiano est dado por J = det
__
cos sen
rsen r cos
__
= r.
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 = B
r
(a) =
_
(x, y) : x
2
+y
2
a
2
_
.
Ejemplo 3.1.6 La regin rectangular para a > 0
U = (r, ) : a r b, 0 < 2
se transforma en la regin
S = B
r
(a) =
_
(x, y) : a
2
x
2
+y
2
b
2
_
.
96
3.1.4.1. La frmula del cambio de variable
Consideremos el cambio de variable
_
x = h
1
(u, v)
y = h
2
(u, v)
(u, v) U
donde asumimos que las funciones h
1
, h
2
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 denir ms concretamente deniendo
el campo vectorial

F : U S dado por

F (u, v) = (h
1
(u, v), h
2
(u, v))
tal que

F es un campo invertible es decir existe

F
1
: 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 grca abajo vemos un zoom de este pequeo rectngulo y su correspon-
diente imagen curvilnea.
Al rectngulo T
i,j
en el plano uv le corresponde la regin curvilnea R
i,j
en el
plano xy. Hallemos la relacin entre el rea del rectngulo T
i,j
con el rea de
R
i,j
.
rea de T
i,j
= A(T
i,j
.) = uv
rea a de R
i,j
= A(R
i,j
)
_
_
_

Q
1
Q
2

Q
1
Q
4
_
_
_
Calculando aproximadamente las coordenadas de los puntos Q
1
, Q
2
, Q
4
usando
diferenciales y teniendo en cuenta que P
1
= (u, v), P
2
= (u + u, v), P
4
=
(u, v + v) y
Q
1
= (x
1
, y
1
) =

F (u, v) = (h
1
(u, v), h
2
(u, v))
Q
2
= (x
2
, y
2
) =

F (u + u, v) = (h
1
(u + u, v), h
2
(u + u, v))
Q
4
= (x
4
, y
4
) =

F (u, v + v) = (h
1
(u, v + v), h
2
(u, v + v))
Usando diferenciales, (ver seccin 2.3.4), los puntos x
2
, y
2
los podemos aproxi-
mar por
x
2
= h
1
(u + u, v) h
1
(u, v) +
h
1
u
(u, v)u = x
1
+
h
1
u
(u, v)u
y
2
= h
2
(u + u, v) h
2
(u, v) +
h
2
u
(u, v)u = y
1
+
h
2
u
(u, v)u
As
Q
2
(x
1
+
h
1
u
(u, v)u, y
1
+
h
2
u
(u, v)u)
98
Haciendo lo mismo con el punto Q
4
tenemos
Q
4
(x
1
+
h
1
v
(u, v)v, y
1
+
h
2
v
(u, v)v).
Ahora

Q
1
Q
2
= Q
2
Q
1

_
h
1
u
(u, v)u,
h
2
u
(u, v)u
_

Q
1
Q
4
= Q
4
Q
1

_
h
1
v
(u, v)v,
h
2
v
(u, v)v
_
y

Q
1
Q
2

Q
1
Q
4
uv

h1
u
h1
v
h2
u
h2
v

k .
Denotemos este determinante por
J(u, v) =

h1
u
h1
v
h2
u
h2
v

.
Es llamado el Jacobiano del cambio de variable.
Ahora, el rea
rea a de R
i,j
= area(R
i,j
)
_
_
_

Q
1
Q
2

Q
1
Q
4
_
_
_
uv [J(u, v)[ = [J(u, v)[ area(T
ij
)
Para calcular
_ _
S
f(x, y)dxdy tenemos que
_ _
S
f(x, y)dxdy

f(x
i
, y
j
).( area(R
i,j
))

f(h
1
(u
i
, v
j
), h
2
(u
i
, v
j
)) [J(u, v)[ area(T
ij
)
Tomando el lmite cuando u, v 0 se tiene que
_ _
S
f(x, y)dxdy =
_ _
U
f(h
1
(u, v), h
2
(u, v))[J(u, v)[dudv
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
J(r, ) =
(x, y)
(r, )
= [x y[ =

cos sen
rsen r cos

= r
entonces en el cambio a coordenadas polares tenemos que
_ _
S
f(x, y)dxdy =
_ _
T
f(r cos , rsen)rdrd.
Ejemplo 3.1.8 Calcular
_ _
S
_
a
2
x
2
y
2
dxdy
donde S =
_
(x, y); 0 x a, 0 y

a
2
x
2
_
. 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 /2y la integral se transforma en
_ _
T
_
a
2
r
2
rdrd =
_
a
0
[
_
/2
0
_
a
2
r
2
rd]dr = /2
_
a
0
_
a
2
r
2
rdr
= /2
(a
2
r
2
)
3/2
3

a
0
=

6
a
3
Si multiplicamos este resultado por 8 obtenemos el volumen de la bola igual a
4
3
a
3
.
Ejemplo 3.1.9 Calcular
_ _
S
e
yx
y+x
dxdy
donde S es la regin limitada por la recta x + y = 2 y los ejes coordenados.
Denamos el cambio de variable u = y x y v = y + x. Resolviendo para x y
y obtenemos x =
vu
2
y y =
u+v
2
(ver gura)
100
Hallando el Jacobiano tenemos que J(u, v) = 1/2 As la integral la podemos
resolver en la forma
_ _
S
e
yx
y+x
dxdy =
_ _
T
e
u
v
1
2
dudv =
1
2
_
2
0
_
v
v
e
u
v
dudv =
1
2
_
2
0
ve
u
v
[
v
v
dv
=
1
2
_
2
0
v(e
1
e
)dv = e
1
e
3.2. Integrales Triples
La denicin de la integral doble se puede generalizar casi sin cambios a n-
dimensiones, en particular, para n = 3, si f es continua denida en una regin
V del espacio R
3
acotada por una supercie cerrada tenemos que
_ _ _
V
(x, y, z)dV = lim
||P||0
N

k=1
f(x
k
, y
k
, z
k
)V
k
En donde V
k
representa el volumen de cada subregin V
k
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 fes continua, entonces
___
V
f(x, y, z)dV =
_
b
a
_
_
d
c
_
_
f
e
f(x, y, z)dz
_
dy
_
dx.
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
_
b
a
_
_
f
e
_
_
d
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 supercies z = z
1
(x, y), z = z
2
(x, y)
con z
1
(x, y) z
2
(x, y) y S es la proyeccin de dicho volumen al plano xy.
Entonces la integral se calcula en la forma
_ _ _
V
f(x, y, z)dxdydz =
_ _
S
_
_
z2(x,y)
z1(x,y)
f(x, y, z)dz
_
dA.
Regin tipo II
Si el volumen V est limitado entre dos supercies y = y
1
(x, z), y = y
2
(x, z)
con y
1
(x, z) y
2
(x, z) y S es la proyeccin de dicho volumen al plano xz.
102
Entonces la integral se calcula en la forma
_ _ _
V
f(x, y, z)dxdydz =
_ _
S
_
_
y1(x,z)
y1(x,z)
f(x, y, z)dy
_
dA.
Regin tipo III
Si el volumen V est limitado entre dos supercies x = x
1
(y, z), x = x
2
(y, z)
con x
1
(y, z) x
2
(y, z) y S es la proyeccin de dicho volumen al plano yz.
Entonces la integral se calcula en la forma
_ _ _
V
f(x, y, z)dxdydz =
_ _
S
_
_
x1(y,z)
x1(y,z)
f(x, y, z)dx
_
dA.
Nota . El volumen de la regin V est dado por
Volumen(V ) =
_ _ _
V
dV =
_ _ _
V
dxdydz
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
_ _ _
V
f(x, y, z)dxdydz =
_
b
a
_
y2(x)
y1(x)
_
z2(x,y)
z1(x,y)
f(x, y, z)dxdydz.
Ejemplo 3.2.1 Hallar la integral
_ _ _
V
xydxdydz
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 denida por S = (x, y) : 0 x 1, 0 y 1 x.
As, la integral triple la calculamos as:
_ _ _
V
f(x, y, z)dxdydz =
_
1
0
_
1x
0
_
1xy
0
xydzdydx
=
_
1
0
_
1x
0
xy(1 x y)dydx
=
_
1
0
(1/6)x(1 x)
3
dx =
1
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:
_ _ _
V
f(x, y, z)dxdydz
=
_ _ _
T
f(x(u, v, w), y(u, v, w), z(u, v, w))[J(u, v, w)[dudvdw
donde J(u, v, w) =
(x,y,z)
(u,v,w)
= [x y z[.
Nota. Claramente si f = 1 entonces
_ _ _
V
dxdydz =
_ _ _
T
[J(u, v, w)[dudvdw
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 gura
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
x
2
+y
2
= r
2
.
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
_ _ _
V
f(x, y, z)dxdydz =
_ _ _
T
f(r cos , rsen, z)rdrddz
Ejemplo 3.2.2 Calcule la integral
_ _ _
(x
2
+y
2
)dxdydz
donde V es el volumen limitado por el casquete superior de la esfera x
2
+y
2
+
z
2
= 4 y cortada por el cilindro x
2
+y
2
= 1.
105
Utilizando coordenadas cilndricas tenemos que este volumen puede verse como
T = (r, , z) : 0 r 1, 0 2, 0 z
_
4 r
2
Por lo tanto la integral est dada por
_ _ _
(x
2
+y
2
)dxdydz =
_
2
0
_
1
0
_

4r
2
0
r
2
rdzdrd
=
_
2
0
_
1
0
_

4r
2
0
r
3
dzdrd
=
_
2
0
[
_
1
0
r
2
_
4 r
2
dr]d = 2(
64
15

11

3
5
).
3.2.2.2. Coordenadas esfricas.
Las coordenadas esfricas (, , ) son las indicadas en la gura
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
_ _ _
V
f(x, y, z)dxdydz =
_ _ _
T
f( cos sen , sen sen, cos )
2
sen d d d
Ejemplo 3.2.3 Hallar el volumen de la parte del cono z =
_
x
2
+y
2
inter-
sectada por la esfera x
2
+y
2
+z
2
= a
2
.
V ol =
_ _ _
V
dxdydz =
_ _ _
T

2
send d d
donde T = (, , ) : 0 a, 0 2, 0 /4 entonces
V ol =
_
2
0
_
a
0
_
/4
0

2
sendd d = 2(
a
3
3
(1

2
2
) =
2

2
3
a
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
m
1
y m
2
ubicadas sobre una varilla de masa despreciable en los lados opuestos
de un fulcro (de un balancn) y a una distancia d
1
y d
2
respectivamente. De
acuerdo al principio de Arqumedes, la varilla se equilibra si
m
1
d
1
= m
2
d
2
Si suponemos que la varilla coincide con el eje x, con m
1
y m
2
ubicadas en x
1
y x
2
respectivamente (x
1
< x
2
). Supongamos que queremos hallar su centro de
masa, x. Claramente d
1
= x x
1
y d
2
= x
2
x, y por consiguiente
m
1
(x x
1
) = m
2
(x
2
x)
m
1
x +m
2
x = m
1
x
1
+m
2
x
2
x =
m
1
x
1
+m
2
x
2
m
1
+m
2
Los nmeros m
1
x
1
y m
2
x
2
se conocen como momentos de las masa m
1
y m
2
( 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 = m
1
+m
2
.
En general si tenemos un sistema de n partculas con masa m
1
, m
2
, ..., m
n
ubicadas en los puntos x
1
, x
2
, ..., x
n
sobre el eje x., se puede demostrar que el
centro de masa del sistema est en
x =
m
1
x
1
+m
2
x
2
+... +m
n
x
n
m
1
+m
2
+... +m
n
=
n

k=1
m
k
x
k
n

k=1
m
k
=
n

k=1
m
k
x
k
m
,
108
donde m =
n

k=1
m
k
la la masa total del sistema y la suma de los momentos
M =
n

k=1
m
k
x
k
se llama el momento del sistema respecto al origen. Observemos
que en este caso podemos escribir mx = M, lo cual signica 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 m
1
, m
2
, ..., m
n
ubicadas en los puntos (x
1
, y
1
), (x
2
, y
2
)..., (x
n
, y
n
). Por analoga con el caso
unidimensional podemos denir el centro de masa de coordenadas (x, y) por
las frmulas
x =
n

k=1
m
k
x
k
m
y =
n

k=1
m
k
y
k
m
.
Si escribimos M
y
=
n

k=1
m
k
x
k
, y M
x
=
n

k=1
m
k
y
k
, diremos que M
y
es el
momento del sistema respecto al eje y y mide la tendencia del sistema a
girar sobre el eje y y M
x
es el momento del sistema respecto al eje x y
mide la tendencia del sistema a girar sobre el eje x.
Observemos que mx = M
y
y my = M
x
, lo cual implica que
m(x, y) = (M
y
, M
x
)
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 S
1
, S
2
, ....S
N
donde cada una de ellas est
acotada por una curva simple cerrada suave a trozos y de rea A
k
= area(S
k
).
en donde (x
k
, y
k
) es cualquier punto en la subregin S
k
. Denotemos por d
k
el
dimetro de la regin S
k
( la mayor distancia entre dos puntos cualesquiera en
S
k
) y por norma de la particin deniremos
[[P[[ = max
1kN
dk.
109
Denimos la densidad (x, y) (en unidades de masa por unidad de rea) en
cada punto (x, y). por
(x, y) = lm
||P||0
m
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
m
N

k=1
(x
k
, y
k
)A
k
Por lo tanto podemos denir la masa total de la lmina como
m = lm
||P||0
N

k=1
(x
k
, y
k
)A
k
=
_ _
S
(x, y)dxdy
( en el caso que el lmite exista).
En la misma forma como denimos 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
Q =
_ _
S
(x, y)dxdy
Para buscar en centro de masa de la lmina S, (x, y) observemos que podemos
aproximar los momentos del sistema por
M
y

n

k=1
m
k
x
k

n

k=1
(x
k
, y
k
)A
k
x
k
=
n

k=1
x
k
(x
k
, y
k
)A
k
,
M
x

n

k=1
m
k
y
k

n

k=1
(x
k
, y
k
)A
k
y
k
=
n

k=1
y
k
(x
k
, y
k
)A
k
.
110
As podemos denir los momentos del sistema como
M
y
= lm
||P||0
n

k=1
x
k
(x
k
, y
k
)A
k
=
_ _
S
x(x, y)dxdy
M
x
= lm
||P||0
n

k=1
y
k
(x
k
, y
k
)A
k
=
_ _
S
y(x, y)dxdy
Por lo tanto el centro de masa est dado por
x =
M
y
m
=
1
m
_ _
S
x(x, y)dxdy y y =
M
x
m
=
1
m
_ _
S
y(x, y)dxdy
donde
m =
_ _
S
(x, y)dxdy
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 x
2
+y
2
a
2
. La
distancia desde un punto (x, y) del crculo al origen est dada por
_
x
2
+y
2
.
Por lo tanto la densidad est dada por (x, y) = K
_
x
2
+y
2
, donde K es una
constante de proporcionalidad. As, la masa est dada por
m =
_ _
S
K
_
x
2
+y
2
dxdy
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
m =
_ _
S
K
_
x
2
+y
2
dxdy = K
_

0
_
a
0
r rdrd
= K
_

0
d
_
a
0
r
2
dr = K
r
3
3

a
0
=
Ka
3
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
y =
1
m
_ _
S
y(x, y)dxdy =
3
Ka
3
_ _
S
yK
_
x
2
+y
2
dxdy
=
3
a
3
_ _
S
y
_
x
2
+y
2
dxdy =
3
a
3
_

0
_
a
0
rsen r rdrd
=
3
a
3
_

0
sen d
_
a
0
r
3
dr =
3
a
3
cos [

0
r
4
4

a
0
=
3
a
3
2
a
4
4
=
3a
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.
El vector velocidad es dado por

v(t) =
d

x
dt
y la aceleracin es

a(t) =
d

2
x
dt
2
. La
fuerza relacionada con la aceleracin segn la ley de Newton est dada por

F = m

a o

a =
1
m

F .
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 jo
112
Recordemos que el vector posicin est dado por

r(t) = r(cos (t), sen (t))


Sea w =
d
dt
la velocidad angular (no se supones constante) y =
d
2

dt
2
la
aceleracin angular. Los vector velocidad y aceleracin estn dados por

v(t) = r
d
dt
(sen (t), cos (t)) = rw(sen (t), cos (t))
y

a(t) = r
d
2

dt
2
(sen (t), cos (t))+r
d
dt
(cos (t), sen (t) = a
T

T(t)+a
N

N(t)
donde
a
T
= r y a
N
= rw.
Puesto que la fuerza es un vector dado por

F(t) = m

a(t) tenemos que

F(t) =

F
T
+

F
N
= ma
T

T(t) +ma
N

N(t).
As la fuerza tangencial est dada por

F
T
= ma
T

T(t)
y la fuerza normal por

F
N
= ma
N

N(t)
El efecto rotatorio de la fuerza tangencial se mide por de momento dado por
T = |F
T
| 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 = ma
T
r = mr
2

113
Si escribimos por
I = mr
2
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
=
T
I
).
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 denir el momento de inercia alrededor del
eje x de la lmina como
I
x
= lm
||P||0

||P||0
n

k=1
(x
k
, y
k
)y
2
k
A
k
=
_ _
S
y
2
(x, y)dxdy
De manera similar,el momento de inercia alrededor del eje y de la lmina
como
I
x
= lm
||P||0

||P||0
n

k=1
(x
k
, y
k
)x
2
k
A
k
=
_ _
S
x
2
(x, y)dxdy
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
I
o
= lm
||P||0
n

k=1
m
k
_
x
2
k
+y
2
k
_
= lm
||P||0
n

k=1
(x
k
, y
k
)
_
x
2
k
+y
2
k
_
A
k
=
_ _
S
(x
2
+y
2
)(x, y)dxdy = I
x
+I
y
.
Observemos que I
o
= I
x
+I
y
.
Ejemplo 3.3.2 Determine los momentos de inercia de I
x
, I
y
, I
o
de un disco
D con centro en el origen y frontera x
2
+ y
2
= a
2
homogneo con densidad
(x, y) = constante
Puesto que
114
I
o
=
_ _
D
(x
2
+y
2
)(x, y)dxdy =
_ _
D
(x
2
+y
2
)dxdy =
_
2
0
_
a
0
r
2
rdrd
=
2
_
0
d
a
_
0
r
3
dr = 2
a
4
4
=
a
4
2
.
Debido a la simetra del problema I
x
= I
y
y esto nos permite calcular I
x
y I
y
,
puesto que I
o
= I
x
+I
y
. Por lo tanto
I
x
= l
y
=
I
o
2
=
a
4
4
Puesto que I
o
=
a
4
2
y la masa del disco es m =
_
a
2
_
. Entonces I
o
=
1
2
ma
2
.
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 dicultad comenzar el
movimiento de un automvil o detenerlo.
Las deniciones 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
m =
_ _ _
V
(x, y, z)dV.
Los momentos respectos a los diversos planos coordenados estn dados por
M
yz
, M
xz
, M
xy
; y tambin las frmulas para los momentos de inercia respecto
a los diversos ejes, denotados por I
x
, I
y
y I
z
. Estas frmulas son
M
yz
=
_ _ _
V
x(x, y, z)dxdydz,
M
xz
=
_ _ _
V
y(x, y, z)dxdydz,
M
xz
=
_ _ _
V
z(x, y, z)dxdydz
y
I
x
=
_ _ _
V
(y
2
+z
2
)(x, y, z)dxdydz,
I
y
=
_ _ _
V
(x
2
+z
2
)(x, y, z)dxdydz,
I
Z
=
_ _ _
V
(x
2
+y
2
)(x, y, z)dxdydz.
115
Adems, las ecuaciones
x =
M
yz
m
, y =
M
xz
m
, z =
M
xy
m
denen el centro de masa de un cuerpo o el centroide en el caso que sea
constante.
3.3.4. Probabilidad.
Toda variable 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


P(a X b) =
_
b
a
f(x)dx.
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
_ _
R
2
f(x, y)dxdy = 1) tal que la probabilidad de (X, Y ) est en una regin S
es dada por
P((X, Y ) S) =
_ _
S
f(x, y)dxdy.
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
=
_

xf(x)dx
Ahora si se tienen dos variables aleatorias continuas X y Y , la funcin de
densidad conjunta de X y Y , f, denimos la media de X y la media de Y,
conocidos como valores esperados de X y de Y como

1
=
_

xf(x, y)dxdy,
2
=
_

yf(x, y)dxdy
Observemos que estos valores son parecidos a los momentos M
x
, y M
y
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
Supercies e Integrales de
Supercie
4.1. Integral de Lnea
Denicin 4.1.1 Sea F : R
n
R
n
un campo vectorial y

r : [a, b]
una funcin vectorial regular a trozos que parametriza una curva C. Denimos
la integral de lnea como
_
C
F d

r =
b
_
a
F(

r (t))

(t)dt.
Denicin 4.1.2 Sea f : R
n
R un campo escalar y

r : [a, b] una
funcin vectorial regular a trozos que parametriza una curva C. Denimos la
integral de lnea con respecto a la longitud de arco como
_
C
fds =
b
_
a
f(

r (t))
_
_
_

(t)
_
_
_ dt.
Observacin 4.1.1 En el caso que la curva C sea una curva de Jordan (curva
cerrada y simple), usaremos la notacin
_
C
F d

r .
Observacin 4.1.2 Si F(x, y, z) = (f
1
(x, y, z), f
2
(x, y, z), f
3
(x, y, z)),

(t) =
_
dx
dt
,
dx
dt
,
dy
dt
_
y d

r = (dx, dy, dz) entonces


117
_
C
F d

r =
b
_
a
F(

r (t))

(t)dt
=
b
_
a
(f
1
(x, y, z), f
2
(x, y, z), f
3
(x, y, z))
_
dx
dt
,
dy
dt
,
dz
dt
_
dt
=
b
_
a
_
f
1
(x, y, z)
dx
dt
+f
2
(x, y, z)
dy
dt
+, f
3
(x, y, z)
dz
dt
_
dt
=
_
C
f
1
(x, y, z)dx +f
2
(x, y, z)dy +f
3
(x, y, z)dz
Similarmente si F(x, y) = (f
1
(x, y), f
2
(x, y))
_
C
Fd

r =
_
C
f
1
(x, y)dx+f
2
(x, y)dy.
Observacin 4.1.3 Sea F : R
n
R
n
un campo vectorial y

r : [a, b]
una funcin vectorial regular a trozos que parametriza una curva C y

T(t)
es el vector tangente unitario dado por

T(t) =

(t)
_
_
_

(t)
_
_
_
(con
_
_
_

(t)
_
_
_ ,= 0). Clara-
mente F

T es un escalar entonces tenemos que


_
C
F

T ds =
b
_
a
F(

r (t))

T(t)
_
_
_

(t)
_
_
_ dt
=
b
_
a
F(

r (t))

(t)dt =
_
C
F d

r
Ejemplo 4.1.1 Sea F(x, y) =
_

y, x
3
+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
y de la curva

(t) =
_
t
2
, t
3
_
.
118
(1,1)
_
(0,0)
F d

r =
1
_
0
F(

r (t))

(t)dt
=
1
_
0
(

t, t
3
+t) (1, 1)dt
=
1
_
0
(

t +t
3
+t)dt =
17
12
Ahora
(1,1)
_
(0,0)
F d

=
1
_
0
F(

(t))

(t)dt
=
1
_
0
(t
3/2
, t
6
+t
3
) (2t, 3t
2
)dt
=
1
_
0
(2t
5/2
+ 3t
8
+ 3t
5
)dt =
59
52
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 denicin.
4.1.1. Propiedades de la Integrales de lnea
1.
_
C
(aF+bG) d

r = a
_
C
F d

r +b
_
C
G d

r
2. Sean C
1
y C
2
dos curvas que forman una curva C tal que

r
1
: [a, b]
y

r
2
: [b, c] y

r
1
(b) =

r
2
(b). Denamos

r (t) =
_

r
1
(t) a t b

r
2
(t) b t c
119
entonces
_
C
F d

r =
_
C1
F d

r +
_
C2
F d

r
3. Sea

r : [a, b] una parametrizacin de una curva C y denamos
un cambio de parmetro h : [c, d] [a, b] tal que h

() ,= 0 y de-
namos

() =

r (h()). Recordemos que en el caso que h

() > 0 am-
bas parametrizaciones determinan la misma orientacin sobre la curva
C, mientras que si h

() < 0 las direcciones son opuestas. En el caso


h

() > 0, tenemos que h(c) = a, h(d) = b y se tiene que


_
C
F d

=
d
_
c
F(

())

()d =
d
_
c
F(

r (h()))

(h())h

()d.
Haciendo el cambio de variable t = h(), entonces dt = h

()d, h(c) = a,
h(d) = b y obtenemos
_
C
F d

=
d
_
c
F(

())

()d
=
d
_
c
F(

r (h()))

(h())h

()d
=
b
_
a
F(

r (t))

(t)dt =
_
C
F d

r .
Como se puede observar aqu, las integrales son iguales.
En el otro caso h

() < 0, tenemos que h(c) = b y h(d) = a, entonces


_
C
F d

=
d
_
c
F(

())

()d
=
d
_
c
F(

r (h()))

(h())h

()d
Haciendo el cambio de variable t = h() entonces dt = h

()d, h(c) = b,
h(d) = a y obtenemos
120
_
C
F d

=
d
_
c
F(

())

()d
=
d
_
c
F(

r (h()))

(h())h

()d
=
a
_
b
F(

r (t))

(t)dt
=
b
_
a
F(

r (t))

(t)dt =
_
C
F d

r
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 denida como W
PQ
= F

PQ
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 P
o
, P
1
, P
2
, ...P
N1
, P
N
tales que P
o
=

r(a) y P
N
=

r(b). y
los dems puntos estn sobre la curva C de tal forma que
_
_
_

P
o
P
i1
_
_
_
_
_
_

P
o
P
i
_
_
_
(i = 2, ..., N). Escojamos en cada segmento un punto

r(t

k
) y podemos con-
siderar que el trabajo realizado sobre el arco

P
k1
P
k
es aproximadamente
W
P
k1
P
k

_
F(

r(t

k
) T
_
S
k
donde S
k
= longitud(

P
k1
P
k
). As el tra-
bajo total realizado sobre la curva por la fuerza F desde el punto

r(a) hasta
121
el punto

r(b), W
N

k=1
_
F(

r(t

k
) T
_
S
k
. Esto nos permite claramente denir
el trabajo realizado
W =
_
C
F

T ds =
_
C
F d

r .
Ejemplo 4.2.1 Supongamos que la fuerza F es una fuerza constante F =(c
1
, c
2
, c
3
)
entonces el trabajo est dado por
W =
_
C
F d

r =
b
_
a
F(

r (t))

(t)dt
=
b
_
a
(c
1
, c
2
, c
3
)

(t)dt
= (c
1
, c
2
, c
3
)

r (t)[
b
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 a lo largo de un campo de fuerzas F.
Si la rapidez de la partcula es v(t) =
_
_
_

(t)
_
_
_, su energa cintica est denida
por
K(t) =
1
2
mv
2
(t)
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 W
ab
=

r(b)
_

r(a)
F d

r . Vamos a mostrar que W


ab
= K(b) K(a) =
1
2
mv
2
(b)
1
2
mv
2
(a).
De acuerdo a la segunda ley de Newton F(

r (t)) = m

(t), entonces
122
W
ab
=

r(b)
_

r(a)
F d

r =
a
_
b
m

(t)

(t)dt
=
a
_
b
1
2
m
d
dt
_

(t)

(t)
_
dt
=
1
2
m
a
_
b
d
dt
__
_
_

(t)
_
_
_
_
dt
=
1
2
m
a
_
b
dv
2
(t)
dt
dt =
1
2
mv
2
(t)

b
a
=
1
2
mv
2
(b)
1
2
mv
2
(a) = K(b) K(a).
4.3. Campos conservativos y funciones potenciales
Un campo vectorial F : R
n
R
n
denido en una regin es conservativo,
si existe un campo escalar : R
n
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
W
ab
=

r(b)
_

r(a)
F d

r =
b
_
a
(

r (t))

(t)dt
=
b
_
a
d
dt
((

r (t))) dt = (

r (t)[
b
a
= [(

r (b) (

r (a)] = (

r (a) (

r (b)
123
Observacin 4.3.2 De acuerdo al ejemplo 3 y a la observacin 4,
W
ab
= 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 inuencia 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] R
2
continua es cerrada si

r (a) =

r (b). Si adems se
cumple

r (t
1
) ,=

r (t
2
) para t
1
,= t
2
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
n(t) =
(y

(t), x

(t))
_
_
_

(t)
_
_
_
.
es ortogonal al vector velocidad

v (t) = (x

(t), y

(t)).
Una curva cerrada simple se dice que es regular a trozos si la curva se puede
parametrizar en la forma

r(t) =
_

r
0
(t) t [a
0
, b
0
]

r
1
(t) t [a
1
, b
1
]
.
.
.

r
n
(t) t [a
n
, b
n
]
donde

r es continua con a
0
= a y b
n
= b y diferenciable en cada intervalo
(a
i
, b
i
) .
Teorema 4.4.1 Teorema de Green.
124
Sea C una curva cerrada simple regular a trozos orientada positivamente en el
plano R
2
que acota una regin en el plano. Si F : R
2
R
2
es un campo
vectorial diferenciable dado por F(x, y) = (P(x, y), Q(x, y)), entonces
_
C
Pdx +Qdy =
_ _

_
Q
x

P
y
_
dxdy
Observemos que si

F = (P, Q) tenemos que
_
C

n ds =
b
_
a

F (r(t))

n(t)
_
_
_

(t)
_
_
_ dt
=
b
_
a

F (r(t))

n(t)dt
=
b
_
a

F (r(t)) (y

(t), x

(t))dt
=
b
_
a
[P (

r (t)) y

(t) Q(

r (t)) x

(t)] dt
=
_
C
Qdx +Pdy.
As

tenemos que
_
C

n ds =
_
C
Qdx +Pdy.
Aplicando el teorema de Green tenemos que
_
C

n ds =
_ _

_
P
x
+
Q
y
_
dxdy =
_ _

div

(F)dxdy
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
_
C
x
2
ydx +y
2
xdy
125
donde C es una circunferencia unitaria orientada positivamente. Aplicando el
teorema de Green y teniendo en cuenta que P = x
2
y y Q = y
2
x tenemos
que
_
C
x
2
ydx +y
2
xdy =
_ _

_
y
2
+x
2
_
dxdy
=
2
_
0
1
_
0
r
3
drd = 2.
Ejemplo 4.4.2 Hallar el valor de la integral
_
C
ydx +xdy
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
_
C
ydx +xdy =
_ _

2dxdy
= 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 B
a
(0). La divergencia de F est dada por divF = F =
(x, y) = 1 + 1 = 2 entonces
_ _

divFdxdy =
_ _

2dxdy = 2 area() = 2a
2
Ahora calculemos
_
C
F

n ds, teniendo en cuenta que el vector normal exterior


a la circunferencia es dado por

n =
(x, y)
a
, entonces
126
_
C
F

n ds =
_
C
(x, y)
(x, y)
a
=
1
a
_
C
_
x
2
+y
2
_
ds
=
1
a
_
C
a
2
ds = a
_
C
ds
= a (2a) = 2a
2
Demostracin del Teorema de Green para regin dada en la gura de abajo
Aunque el teorema se puede demostrar para regiones ms generales aqu

vamos
a restringirnos a la gura dada. La regin es descrita como
= (x, y) : a x b,
1
(x) y
2
(x)
_ _

P
y
dxdy =
b
_
a
_
_
_
1(x)
_
1(x)

P
y
dy
_
_
_dx
=
b
_
a
P(x, y)[
2(x)
1(x)
dx
=
b
_
a
P [(x,
1
(x)] P [x,
2
(x)] dx
127
Por otra parte, la integral de lnea
_
C
P(x, y)dx la podemos escribir como
_
C
P(x, y)dx =
_
C1
P(x, y)dx +
_
C2
P(x, y)dx.
Para calcular la integral de lnea a lo largo de C
1
utilizando la parametrizacin

r
1
(t) = (t,
1
(t) obtenemos
_
C1
P(x, y)dx =
b
_
a
P [(t,
1
(t)] dt.
Para calcular la integral de lnea a lo largo de C
2
utilizando la parametrizacin

r
2
(t) = (t,
2
(t) y teniendo en cuenta la inversin del sentido obtenemos
_
C2
P(x, y)dx =
b
_
a
P [(t,
2
(t)] dt.
Por lo tanto
_
C
P(x, y)dx =
b
_
a
P [(t,
1
(t)] dt
b
_
a
P [(t,
2
(t)] dt.
As, obtenemos que
_ _

P
y
dxdy =
_
C
P(x, y)dx
De manera semejante, podemos mostrar que
_ _

Q
x
dxdy =
_
C
Q(x, y)dy.
As

_
C
Pdx +Qdy =
_ _

_
Q
x

P
y
_
dxdy
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 x
2
+ 4y
2
= 4 en sentido contrario a las manecillas del reloj.
128
En este caso P(x, y) = 3x+y, Q(x, y) = 2y x.
_
Q
x

P
y
_
= 11 = 2.
Entonces
_ _

_
Q
x

P
y
_
dxdy = 2area() = 22 = 4
entonces el trabajo es dado por la integral de lnea
_
C
Pdx +Qdy =
_ _

_
Q
x

P
y
_
dxdy = 4.
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 =
1
2
_
C
ydx +xdy =
_
C
ydx =
_
C
xdy
Demostracin Denamos el campo vectorial F(x, y) = (y, x) ..P(x, y) = y,
Q(x, y) = x. entonces
_
Q
x

P
y
_
= 1 + 1 = 2.Entonces
_ _

_
Q
x

P
y
_
dxdy = 2area()
= 2A =
_
C
Pdx +Qdy
=
_
C
ydx +xdy.
Por lo tanto, teniendo en cuenta que el vector

n =
_
dy
ds
,
dx
ds
_
tenemos
A =
1
2
_
C
F

n ds =
1
2
_
C
ydx +xdy
A =
1
2
_
C
ydx +xdy
Observemos que si P(x, y) = 0 y Q(x, y) = x, el teorema de Green implica que
_
C
xdy = A.
129
Similarmente si P(x, y) = y y Q(x, y) = 0, el teorema de Green implica que
_
C
ydx = A
As

tenemos que
A =
1
2
_
C
ydx +xdy =
_
C
ydx =
_
C
xdy.
4.5. rea de una supercie
Vamos a denir el rea de una supercie 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 denida en
el regin rectangular nos dene una particin en la supercie S, la cual no es
formada necesariamente por rectngulos. Aproximamos el rea de S
k
por una
regin del plano tangente en el punto P
k
. Aproximamos esta rea por el rea
del paralelogramo formado por los vectores

r
u
u y

r
v
v. Est rea esta dada
por
|

r
u
u

r
v
v| = |

r
u

r
v
| uv
N

k=1
|

r
u

r
v
| uv
Esto nos permite denir el rea supercial 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 supercie suave que se cubre una sola vez cuando
(u, v) recorre el dominio , entonces se dene el rea supercial por
A(S) =
__

r
u

r
v
| dudv
donde
r
u
=
x
u

i +
y
u

j +
z
u

k r
v
=
x
v

i +
y
v

j +
z
v

k
Ejemplo 4.5.1 Encuentre el rea supercial 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
x

i j k
asen sen a cos sen 0
a cos cos asen cos asen

= a
2
sensen
2
ia
2
sen sen
2
ja
2
sencos k
|

| = a
2
sen.
Entonces el rea supercial de la esfera es dada por
131
A(S) =
__

r
u

r
v
| dudv
=
2
_
0

_
0
a
2
sendd
= a
2
2
_
0
d

_
0
send = 4a
2
Ejemplo 4.5.2 . Supongamos que tenemos una funcin de dos variables z =
f(x, y) con dominio . Puesto que la grca de f determina una supercie en
el espacio, sta la podemos parametrizar como

r (x, y) = (x, y, f(x, y)) con (x, y) .


Observemos

r
x

r
y
=

i j k
x
x
y
x
z
x
x
y
y
y
z
y

i j k
1 0
f
x
0 1
f
y

=
f
x
i
f
x
j +k
la norma de este vector est dado por
|

r
x

r
y
| =

1 +
_
f
x
_
2
+
_
f
y
_
2
As

el rea supercial est dada por


A(S) =
__

r
x

r
y
| dxdy
=
__

1 +
_
f
x
_
2
+
_
f
y
_
2
dxdy
Si consideramos por ejemplo z = x
2
+ y
2
que est debajo del plano z = 9.
Observemos que en este caso est dado por el crculo x
2
+y
2
9.
132
As

el rea supercial es dada por


A =
__

1 +
_
f
x
_
2
+
_
f
y
_
2
dxdy
=
__

_
1 + (2x)
2
+ (2y)
2
dxdy
=
__

_
1 + 4x
2
+ 4y
2
dxdy.
Usando coordenadas polares tenemos
A =
__

_
1 + 4x
2
+ 4y
2
dxdy
=
2
_
0
3
_
0
_
1 + 4r
2
rdrd
=
2
_
0
d
3
_
0
_
1 + 4r
2
rdr
=

6
(37

37 1)
4.6. Integral de supercie
4.6.1. Integral de supercie de una funcin escalar
Sea S una supercie 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 R
3
que contiene a la supercie S. Similar a las
integrales de lnea, la integral de supercie de f est denida por
_ _
S
f(x, y, z)dS =
_ _

f
_

r(u, v
_
|

r
u

r
v
| dudv,
donde

r
u
=
_
x
u
,
y
u
,
y
u
_
y

r
v
=
_
x
v
,
y
v
,
y
v
_
.
133
4.6.2. Integral de supercie de un campo vectorial
Una supercie es orientable si podemos denir un vector normal unitario

n en
cada punto de la supercie que no sea un punto frontera tal que

n vara con-
tinuamente. La grca abajo muestra tres supercies, dos de ellas orientables
y una que no lo es (banda de Mobius) . Una supercie orientable tiene dos
caras. Si S es orientable y cerrada podemos escoger el vector

n de tal manera
que seale el exterior de la supercie y en este caso diremos que la orientacin
es positiva.
Una supercie orientada tiene dos caras. Si S es orientable y cerrada podemos
escoger el vector

n de tal manera que seale el exterior de la supercie 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 supercie orientable S, entonces el vector normal
exterior puede ser

n
1
=
r
u
r
v
|r
u
r
v
|
o

n
2
=
r
u
r
v
|r
u
r
v
|
, (|r
u
r
v
| , = 0)
134
Denicin 4.6.1 Una supercie 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 : R
2
R
3
es
inyectiva, r
u
r
v
,=

0 , S =

r ().
Sea

n uno de los dos vectores normales

n
1
o

n
2
a la supercie S. Sea

F un
campo vectorial denido en un conjunto abierto U que contiene a S.
Denicin 4.6.2 Sea

F : U R
n
R
n
un vectorial continuo, denimos la
integral de supercie del campo vectorial a la integral
_ _
S

n dS =
_ _

F (

r (u, v))

n |r
u
r
v
| dudv
=
_ _

F (

r (u, v)) r
u
r
v
dudv,
donde el signo es + si

n =

n
1
y el signo es si

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 supercie son los
siguientes:
Teorema 4.6.1 (de Stokes): Sea S una supercie acotada en R
3
cuya frontera
S es una curva regular, entonces para todo campo vectorial en R
3
,

F C
1
,
se cumple donde se considera en S la orientacin inducida por S. Entonces
_
S

F .d

=
_ _
S
Rot

F .

n dS
Teorema 4.6.2 (Teorema de la divergencia o Teorema Gauss): Sea V un
slido en R
3
cuya frontera es una supercie S orientable. Sea F un campo
vectorial derivable con continuidad denido sobre V . Entonces,
_ _
S

F .

n dS =
_ _ _
V
div

(F)dV.
Ejemplo 4.6.1 . Supongamos que tenemos una funcin de dos variables z =
f(x, y) con dominio . Puesto que la grca de f determina una supercie en
el espacio, esta la podemos parametrizar como
135
Considere el campo vectorial

F = (yz, xz, xy) y S es la supercie determinada
por parte de la esfera x
2
+y
2
+z
2
= 4 que est dentro del cilindro x
2
+y
2
= 1
y arriba del plano xy (ver gura).
1. a) Halle la funcin vectorial de la curva C.
b) Halle
_
C

F .d

r
c) Halle
__
S
Rot

F dS
Solucin: Para hallar la funcin vectorial de la curva C o parametrizacin
de la curva, intersectamos la ecuacin de la esfera con la del plano obteniendo
z =

3, puesto que z 0. As

la parametrizacin de la curva C es dada por

r (t) = (cos t, sent,

3) 0 t 2 y

r

(t) = (sent, cos t, 0)
Ahora,

F (

r (t)) = (

3sent,

3 cos t, sent cos t) y

F (r(t)) r

(t) =

3sen
2
t+

3 cos
2
t. Por lo tanto
_
C

F .d

r =
2
_
0
_

3sen
2
t +

3 cos
2
t
_
dt =

3
2
_
0
cos 2tdt = 0
Aplicamos el teorema de Stokes obteniendo que
__
S
Rot

F dS =
_
C

F .d

r = 0
Ejemplo 4.6.2 . Supongamos que tenemos una funcin de dos
variables z = f(x, y) con dominio . Puesto que la grca de f de-
termina una supercie en el espacio, sta la podemos parametrizar
como
Sea V el cubo unitario de R
3
denido por V = (x, y, z) : 0 x
1, 0 y 1, , 0 z 1
136
Sea F (x, y, z) =
_
x
2
, y
2
, z
2
_
. Hallemos
_ _
S
F

n ds, en donde 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
__
S

n ds =
___
V
div
_

F
_
dxdydz
=
___
V
(2x + 2y + 2z) dxdydz
=
_
1
0
_
1
0
_
1
0
(2x + 2y + 2z) dxdydz
= 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
1.
_ _
S
f ndS =
_ _ _
V
f dxdydz, donde f es el laplaciano de f.
2.
_ _
S
f ndS = 0, si f es armnica o sea f = 0. ( Se concluye
inmediatamente del resultado 1)
3.
_ _
S
fg ndS =
_ _ _
V
f g +f gdxdyd
4.
_ _
S
fg n gf n ds =
___
V
f g gf dxdydz
137
5.
_ _
S
fg n =
_ _
S
gf n si f y g son armnicas.
Para demostrar la primera observemos que
_ _
S
f ndS =
_ _ _
V
div(f)dxdydz =
_ _ _
V
fdxdydz
Observemos que la tercera identidad es la generalizacin a tres di-
mensiones del mtodo de integracin por partes.
La ley de Coulomb arma 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
F (x, y, z) =
cq
|x, y, z|
3
(x, y, z)
en donde c es una constante.
Sea V un slido de R
3
que contiene al origen y denotemos con S su
frontera. Puesto que F no est denido en el origen, no podemos
aplicar directamente el teorema de la divergencia. Sea B
r
(), la bola
de centro en el origen y de radio r tal que B
r
() V. Entonces
sobre el conjunto V B
r
() s podemos aplicar el Teorema de la
divergencia. La gura ilustra un corte de V B
r
()
138
Observemos que la frontera de V B
r
() est compuesta por S y
B
r
() y el vector normal unitario sobre la frontera B
r
() es

n =
1
|x, y, z|
(x, y, z)
Es as

cmo el teorema de la Divergencia toma la siguiente forma:


_ _
V Br()
div
_

F
_
dxdydz =
_ _
S
F

n ds+
_ _
Br()
F

n ds
Un clculo fcil nos muestra que div
_

F
_
= 0 y por lo tanto ten-
emos que
_ _
S
F

n ds =
_ _
S
F

n ds
=
_ _
Br()
cq (x, y, z)
(x
2
+y
2
+z
2
)
3
2

1 (x, y, z)
(x
2
+y
2
+z
2
)
1
2
dS
= cq
_ _
Br()
x
2
+y
2
+z
2
(x
2
+y
2
+z
2
)
2
dS
=
cq

2
_ _
Br()
dS
=
cq

2
4
2
= 4cq.
Por lo tanto el ujo
_ _
S
F

n dS = 4cq slo depende de la


carga q y no del tamao o forma de S.
139

S-ar putea să vă placă și