AM2 Resumen Completo

1 FUNCIONES DE R
:
EN R
:
1.1 Introduccin
Ya se conoce el clculo de funciones reales de variable real, esto es funciones denidas sobre la recta real o parte
de ella y con valores en los reales. Por ejemplo:
) : [2, 2] RR con )(r) =
_
4 r
2
En este curso se tratarn las funciones de varias variables, esto es, funciones cuyo dominio est incluido en R
n
y toma valores en R
m
_
) : 1 R
n
R
m
y se dice que
_
) es una funcin que va de R
n
a R
m
. Este estudio vale la pena, pues no son slo abstracciones
matemticas sino que surge en forma natural en muchos problemas de todas las ciencias. Por ejemplo, especicar
la temperatura en una cierta regin en el espacio, especicar el vector cardaco (vector que d la direccin del
ujo de corriente elctrica del corazn), la rapidez de reaccin de una solucin compuesta por varios reactivos,
el costo de un cierto producto es funcin del costo de los insumos, mano de obra, cargos jos etc.
Se sabe que, en general, el clculo diferencial puede ser descripto como la tcnica de estudiar el comportamiento
de las funciones cerca de un punto mediante aproximaciones a funciones ms simples (por ejemplo aproxima-
ciones lineales como la recta tangente o el plano tangente). La mayor importancia de este curso radica en
generalizar el concepto de derivacin e integracin en : dimensiones, estudiando las relaciones entre estas ideas
y cmo usarlas en la resolucin de una amplia gama de problemas. Es as que la mayora de las ideas estudiadas
en el clculo de funciones de una variable reaparecen en general en el clculo de varias variables. Por ejemplo, el
problema de encontrar la recta tangente al grco de j = )(r) se transformar en encontrar el plano tangente
al grco de una funcin . = )(r, j).
Convendr comenzar con la especicacin de algunos conceptos acerca del espacio tridimensional, en donde
generalmente se visualizarn estas ideas.
1.2 Espacio Euclideo n-dimensional
Segn sea el caso, se podr visualizar una terna (r, j, .) R
3
, como un punto (r, j, .) en el espacio o como un
vector con origen en el origen de coordenadas y extremo en el punto (r, j, .). As, se describe a R
3
indistinta-
mente en forma:
Algebraica: como el conjunto de ternas (r, j, .), donde r, j, . son nmeros reales
Geomtrica: como el conjunto de vectores (o segmentos dirigidos) en el espacio
Inmediatamente se generaliza para describir a R
n
de manera indistinta como
el conjunto de :-uplas (r
1
, ..., r
n
), donde r
i
son nmeros reales.
el conjunto de vectores (o segmentos dirigidos) en R
n
.
1.2.1 Espacios Mtricos
Denicin 1 Sea 1 un conjunto no vaco, se llama distancia a la funcin d : 11 R, tal que \r, j, . 1,
verica:
1. d(r, j) _ 0
2. d(r, j) = 0 = r = j
3. d(r, j) = d(j, r)
4. d(r, .) _ d(r, j) +d(j, .)
Denicin 2 Se llama espacio mtrico a un par (1, d), donde 1 es un conjunto no vaco y d es una distancia.
Ejemplos de distancias en R
2
Distancia Uno Distancia Eucldea Distancia Innito
d
1
(r, j) =
2
i=1
[r
i
j
i
[ d
2
(r, j) =
_
2
i=1
(r
i
j
i
)
2
_
1=2
d
1
(r, j) = max [r
i
j
i
[ : i = 1, 2
Estas distancias se pueden generalizar a R
n
.
1
Denicin 3 Dados r R
+
y a 1, un entorno en el espacio mtrico (1, d) con centro en a y radio r
denotado
r
(a), es el conjunto
r
(a) = r 1 : d(r, a) < r
Ejemplos de entornos en R
2
: d
1
, d
2
d
1
determinan en R
2
tres entornos distintos, segn se muestra en la
siguiente gura. Sin embargo para estudiar ciertas propiedades estas mtricas son equivalentes.
(1)
1
(2,
3
2
)
(2)
1
(2,
3
2
)
(1)
1
(2,
3
2
)
1.2.2 Espacios Normados
Denicin 4 Sean K un cuerpo y V un espacio vectorial, se llama norma sobre V a una funcin || : V R
tal que \r, j V, ` K, verica:
1. [[r[[ _ 0
2. [[r[[ = 0 = r = 0
3. [[`r[[ = [`[ | r|
4. [[r +j[[ _ [[r[[ +[[j[[
Obsrvese que puede ser K =R o bien K =C.
Ejemplos de normas en R
2
NormaUno Norma Eucldea Norma Innito
|r|
1
=
2
i=1
[r
i
[ [[r[[
2
= (
2
i=1
r
2
i
)
1=2
[[r[[
1
= max [r
i
[ : i = 1, 2
Estas normas se pueden genaralizar a R
n
.
Denicin 5 Se llama espacio normado a un par (V, ||) donde V es un espacio vectorial sobre un cuerpo
K.
Observacin 1 Todo espacio normado (V, ||) es un espacio mtrico (la recproca no es cierta), bastar con
denir
d (r, j) = [[r j[[
Es fcil probar que la norma as denida cumple los axiomas de distancia, pues:
1. d (r, j) = [[r j[[ _ 0 (por denicin)
2. d (r, j) = [[r j[[ = 0 == r j = 0 == r = j
3. d (r, j) = [[r j[[ = [[ (1) (j r) [[ = [1[ .[[j r[[ = [[j r[[ = d (j, r)
4. d (r, .) = [[r .[[ = [[r j +j .[[ = [[ (r j) + (j .) [[ _ |r j| +|j .| = d (r, j) +d (j, .)
1.2.3 Producto escalar (o interno)
Denicin 6 Dado un espacio vectorial V sobre R, se llama producto interno a una funcin , : VV R
tal que \r, j, . V, ` R, verica:
1. r, r _ 0
2. r, r = 0 == r = 0
3. r, j = j, r
4. `r, j = `r, j = r, `j
5. r +., j = r, j +., j
2
1.2.4 El Espacio Vectorial R
n
El conjunto R
n
, adquiere estructura de espacio vectorial sobre R, al denir las siguientes operaciones:
Suma: r, j R
n
con r = (r
1
, . . . , r
n
) e j = (j
1
, . . . , j
n
) tal que
r +j = (r
1
+j
1
, . . . , r
n
+j
n
)
Producto por un escalar: ` R, y r = (r
1
, ..., r
n
) R
n
tal que
`r = (`r
1
, . . . , `r
n
)
Los vectores de la base cannica de este espacio son:
c
1
= (1, 0, . . . , 0), c
2
= (0, 1, . . . , 0), . . . , c
k
= (0, 0, . . . , 1
..
k
, . . . , 0), . . . , c
n
= (0, 0, . . . , 1)
y cualquier vector r = (r
1
, . . . , r
n
) R
n
puede ser expresado como una combinacin lineal de los vectores de
la base cannica. En efecto, se cumple que
r = (r
1
, . . . , r
n
) = r
1
(1, 0, ..., 0) +r
2
(0, 1, ..., 0) +... +r
n
(0, 0, ..., 1)
= r
1
c
1
+r
2
c
2
+... +r
n
c
n
=
n
i=1
r
i
c
i
Denicin 7 Se dene en R
n
el siguiente producto interno sobre R, , : R
n
R
n
R:
r, j = r j = r
1
j
1
+.... +r
n
j
n
=
n
i=1
r
i
j
i
Se puede probar que esta funcin cumple con las propiedades de dicho producto. Por tanto R
n
es un espacio
normado, con la norma
|r| =
_
r, r =
_
r
2
1
+... +r
2
n
=
_
n
i=1
r
2
i
La distancia asociada a esta norma es la eucldea.
Denicin 8 La longitud de un vector en R
n
est dada por la frmula:
(longitud de r) = [[r[[ =
_
r, r =
_
n
i=1
r
2
i
tambin conocida como norma eucldea.
1.2.4.1 Desigualdad de Cauchy-Schwarz La desigualdad de Cauchy-Schwarz
1
, expresa que:
[r j[ _ |r| |j| , \r, j R
n
Con el producto denido anteriormente:
i=1
r
i
j
i
_
_
n
i=1
r
2
i
_1
2
_
n
i=1
j
2
i
_1
2
Demostracin: Si r = 0 o j = 0, se verica la igualdad. En general \` R, se cumple que:
n
i=1
(`r
i
+j
i
)
2
_ 0
n
i=1
(`r
i
)
2
+ 2
n
i=1
`r
i
j
i
+
n
i=1
j
2
i
_ 0
`
2
n
i=1
r
2
i
+ 2`
n
i=1
r
i
j
i
+
n
i=1
j
2
i
_ 0
a`
2
+ 2/` +c _ 0
1
Esta desigualdad se verica en cualquier espacio vectorial que tenga denido un producto interno.
3
Si a ,= 0, para que se cumpla la desigualdad anterior para todo `, debe ser:
= 4/
2
4ac _ 0, luego:
/
2
_ ac, reemplazando a, / y c:
_
n
i=1
r
i
j
i
_
2
_
n
i=1
r
2
i
n
i=1
j
2
i
i=1
r
i
j
i
_
_
n
i=1
r
2
i
_1
2
_
n
i=1
j
2
i
_1
2
A partir de esta desigualdad se tiene la Desigualdad Triangular:

|r +j| _ |r| +|j| , \r, j R
n
ya que
|r +j|
2
= r +j, r +j = |r|
2
+ 2 r, j +|j|
2
_ |r|
2
+ 2 |r| |j| +|j|
2
= (|r| +|j|)
2
En R
2
y R
3
, esta desigualdad resulta del hecho de que dado un tringulo, la longitud de un lado es menor o
igual que la suma de las longitudes de los otros dos lados.
1.2.4.2 Ortogonalidad La desigualdad de Cauchy-Schwarz implica que:
[r j[
|r| |j|
_ 1, o sea 1 _
r j
|r| |j|
_ 1
como cualquier nmero entre 1 y 1 puede expresarse como cos0, para 0 _ 0 _ , la ltima desigualdad permite
denir el ngulo entre dos vectores de R
n
.
Denicin 9 En R
n
se dene ngulo 0 entre dos vectores, no nulos, r e j mediante la frmula
cos 0 =
r j
|r| |j|
Tambin puede expresarse el producto interno en R
n
en funcin del ngulo:
r j = |r| |j| cos 0
Denicin 10 Dos vectores se dicen ortogonales si su producto escalar es nulo.
1.3 Topologa en R
n
Denicin 11 Sea a R
n
y sea r R
+
, se dene entorno abierto de centro a y radio r a:
r
(a) = r R
n
: |r a| < r
En particular a
r
(a).
Si se excluye al centro se dice que el entorno es reducido, esto es:
0
r
(a) =
r
(a) a = r R
n
: 0 < |r a| < r
1.3.1 Clasicacin de los puntos en el espacio R
n
Para un conjunto R
n
y un punto r R
n
, se tienen las siguientes deniciones:
Punto Interior
Un punto r se dice un punto interior a si existe un nmero r 0 tal que
r
(r) . (Notar que en
este caso r )
Punto Exterior
Un punto r se dice un punto exterior de , si existe un nmero r 0 tal que
r
(r) = O. Esto es:
r
(r)
c
4
Punto Frontera
Un punto r se dice un punto frontera de si no es un punto interior ni exterior de . Esto es:
\r 0,
r
(r) ,= O y
r
(r)
c
,= O
Punto de Acumulacin
Un punto r se dice un punto de acumulacin de si
\r 0,
0
r
(r) ,= O
Punto Aislado
Un punto r se dice un punto aislado de si existe un nmero r 0 tal que
0
r
(r) = O y r . Esto
es:
r 0 tal que
r
(r) = r
Punto de Adherencia
Un punto r se dice un punto de adherencia de si
\r 0,
r
(r) ,= O
Conjunto Interior de
0
es el conjunto de los puntos interiores de . Esto es:
0
= r R
n
: res punto interior de
Conjunto Frontera de
0 es el conjunto de los puntos frontera de . Esto es:
0 = r R
n
: r es punto frontera de
Conjunto Derivado de
0
es el conjunto de los puntos de acumulacin. Esto es:
0
= r R
n
: res punto de acumulacin de
Conjunto Clausura de
es el conjunto de los puntos de adherencia de . Esto es:
= r R
n
: r es punto de adherencia de = '
0
Conjunto Abierto El conjunto R
n
es abierto si y slo si todos sus puntos son interiores. Esto es
es abierto si y slo si =
o
.
Conjunto Cerrado
El conjunto R
n
es cerrado si y slo si contiene a todos sus puntos de acumulacin. Esto es
0
;
o bien = .
Conjunto Acotado
Un conjunto R
n
es acotado si y slo si existe r 0 tal que
r
(0).
Conjunto Denso
Un conjunto R
n
es denso si y slo si
0
.
Conjunto Conexo
Un conjunto R
n
es conexo si y slo si dados dos puntos cualesquiera de , existe una curva que une
los dos puntos integramente contenida en el conjunto.
5
Conjunto Simplemente Conexo
Un conjunto R
n
conexo es simplemente conexo si y slo si todo lazo contenido en l puede contraerse
a un punto.
En particular si es conexo, abierto y plano, decimos que es simplemente conexo si y slo si el polgono
determinado por toda linea quebrada cerrada situada en est contenido en .
Dominio
Un conjunto R
n
es un dominio que es abierto y conexo.
Dominio Cerrado
Un dominio cerrado es un dominio ms su frontera.
Conjunto Compacto (Teorema de Heine - Borel)
Un conjunto R
n
es un compacto si y solo si es cerrado y acotado.
1.4 Funciones en R
n
1.4.1 Funciones escalares y vectoriales
Una funcin ) denida en 1 R
n
e imagen contenida en R
m
(:, : N), se expresa como:
) : 1 R
n
R
m
r j
As, ) asigna a r = (r
1
, r
2
, ..., r
n
) 1 R
n
un nico elemento j R
m
siendo
j = (r
1
, r
2
, ..., r
n
) = ) (r) =
_
_
_
)
1
(r)
.
.
.
)
m
(r)
_
_
_ =
_
_
_
j
1
.
.
.
j
m
_
_
_ R
m
Se expresar a ) como vector columna o la, segn convenga. Las )
i
, con i = 1, 2, ..., :, se llaman funciones
coordenadas de la funcin ).
Se distinguir entre funciones escalares y vectoriales, ya sea que la imagen de la funcin sea un escalar
o un vector, respectivamente. Es decir, cuando : 1, ) es una funcin vectorial y las funciones coordenadas
)
i
, con i = 1, 2, ..., :, son funciones escalares
)
i
: 1 R
n
R
(r
1
, r
2
, ..., r
n
) j
i
Ejemplo 1 Ecuacin vectorial de la recta en R
3
: ) : RR
3
tal que:
) (t) = (r, j, .) = (r
0
, j
0
, .
0
) +t(
1
,
2
,
3
) = ()
1
(t), )
2
(t), )
3
(t)) , con (
1
,
2
,
3
) ,= 0
es una funcin vectorial de una variable, t R y la funciones coordenadas son las funciones escalares de
una variable
)
1
(t) = r = r
0
+t
1
)
2
(t) = j = j
0
+t
2
)
3
(t) = . = .
0
+t
3
Ejemplo 2 Ecuacin vectorial del plano: ) : R
2
R
3
tal que:
) (:, t) = (r, j, .) = (r
0
, j
0
, .
0
) +: (n
1
, n
2
, n
3
) +t(
1
,
2
,
3
), con (n
1
, n
2
, n
3
) ,= 0, (
1
,
2
,
3
) ,= 0
es una funcin vectorial de dos variables, (:, t) R
2
y la funciones coordenadas son las funciones escalares
de dos variables
)
1
(:, t) = r = r
0
+:n
1
+t
1
)
2
(:, t) = j = j
0
+:n
2
+t
2
)
3
(:, t) = . = .
0
+:n
3
+t
3
6
1.4.2 Grca de funciones
Sea ) : 1 R
n
R
m
, se dene grca de ) como el subconjunto de R
n+m
que consta de todos los puntos
(r
1
, ..., r
n
, )(r
1
, ..., r
n
)) para (r
1
, ..., r
n
) de 1. En smbolos:
qra)
_
)
_
=
_
(r
1
, ..., r
n
, )(r
1
, ..., r
n
)) R
n+m
: (r
1
, ..., r
n
) 1 R
n
_
sta es una denicin y no siempre es posible hacer una representacin. Por ejemplo, si ) : 1 R
2
R
2
, por
denicin, los puntos de la grca pertenecen a R
4
y es imposible hacer una representacin de la misma. Lo
que s podemos representar en el plano, es el dominio por un lado y la imagen por otro, ambos suconjuntos de
R
2
.
Observacin 2 Si ) : 1 R
n
R
m
, j = ) (r) Imag()) R
m
qra)
_
)
_
. .
puntos de R
n+m
,= qra)
_
) (r)
_
. .
puntos de R
m
= j
Ejemplo Sean las funciones vectoriales:
(a) l (t) = (1 +t, 2 + 2t, 3 +t) (b) \ (t) =
_
t
2
,
_
t 1,
_
5 t
_
(c) \ (t) = (2, 1, t)
(d) 1(r, j) =
_
r, j, r
2
+j
2
_
(e) G(r, j) = (1, j, 4) (f) H (r, j) = (r, r, 2)
No es posible representar la grca de ninguna de estas funciones (l, \ , \, 1, ...). Pero s puedo
representar el dominio y la imagen de cada una de ellas. La representacin de l (t), \ (t), \ (t), 1(r, j),
G(r, j), y H (r, j) es la representacin de los puntos de la imagen.
Representacin de U(t) Representacin de V (t)
Representacin de 1(r, j) = (r, j, r
2
+j
2
)
Grca de la funcin dada por . = )(r, j) = r
2
+j
2
7
-5 5
-1
1
x
sen2x+cosx
(r, sen2r+cos r) 1
2
: r [, ]

_
r, j, sen
xy
2
_
1
3
:
(r, j) [0, ] [, 3]
1.4.3 Conjuntos de nivel
Denicin 12 Sea ) : 1 R
n
R, se dene un conjunto de nivel como el conjunto de puntos r 1 para los
que )(r) = c, para alguna constante c R.
En particular:
si n = 2 lo llamamos curva de nivel y es
( =(r, j) 1 : )(r, j) = c R
2
si n = 3 lo llamamos supercie de nivel y es
o =(r, j, .) 1 : )(r, j, .) = c R
3
1.4.4 Grcos de supercies
Elipsoide
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1
Hiperboloide de una hoja
x
2
a
2
+
y
2
b
2

z
2
c
2
= 1
Hiperboloide de dos hojas
x
2
a
2

y
2
b
2
+
z
2
c
2
= 1
8
Cono
x
2
a
2
+
y
2
b
2

z
2
c
2
= 0
Paraboloide
. =
x
2
a
2
+
y
2
b
2
Paraboloide Hiperblico
. =
x
2
a
2

y
2
b
2
1.4.5 Composicin de funciones
Dadas las funciones ) : 1
1
R
n
R
m
, q : 1
2
R
m
R
k
, si Im) 1
2
, es posible denir la composicin de
) con q como una nueva funcin, que se simboliza / = q ) como sigue
/ = q ) : 1 R
n
R
k
, tal que /(r) =
_
q )
_
(r) = q()(r))
Ejemplo 1 Sea ) : R R
2
, tal que )(r) = (r, 0) y q : R
2
R tal que q(r, j) = r
2
+j
2
, entonces q ) : RR
tal que q )(r) = r
2
, y ) q : R
2
R
2
tal que ) q(r, j) = (r
2
+j
2
, 0).
Notar que no siempre es posible realizar la composicin
Ejemplo 2 Sea ) : RR, tal que )(r) = r
3
, y sea q : 1 R
+
0
R
2
, tal que q(r) = (
_
r, r). no es posible
hacer la composicin q ) pues q no est denida para r < 0 (en este caso se podra restringir el dominio de
)), ni tampoco ) q pues la imagen de q y el dominio de ) viven en distintos espacios.
E.C. - C.E.
9
2. LIMITE
Para funciones de una variable, el contenido esencial de la denicin es que todos los r del dominio de
la funcin sucientemente cercanos a un punto a cumplan que ) (r) diere de | en menos de -. Es decir, si
) : 1 R R y a 1
0
(a punto de acumulacin de 1),
lm
x!a
)(r) = | = \- 0, c = c(-) 0 : \r 1, 0 < [r a[ < c = [)(r) |[ < -
La misma idea es transferible al caso de funciones de 1 R
n
en R.
Denicin 1 Si ) : 1 R
n
R, y a 1
0
, se dene, si existe, el lmite de )(r) cuando r tiende a a como:
lm
x!a
)(r) = | = \- 0, c = c(-) 0 : \r 1, 0 < |r a| < c = [)(r) |[ < -
Donde [[r a[[ es la norma en R
n
, pudiendo elegir cualquiera de las que anteriormente se vio que son equiva-
lentes.
Grcamente esto quiere decir que, para cualquier - 0, es posible encontrar un entorno reducido del punto
a tal que para todos los puntos de dicho entorno, la grca de la funcin se encuentra comprendida entre los
planos horizontales . = | - y . = | + -.
Para vericar los lmites ser de mucha utilidad el hecho de que [r
i
[ _ |r|.
Ejemplo 1 lm
x!0
(4 + r
2
+ j
2
) = 4; ya que \- 0, c =
_
- 0 : 0 <
_
r
2
+ j
2
< c = [)(r) 4[ =
[4 + r
2
+ j
2
4[ = [r
2
+ j
2
[ < c
2
= -
Ejemplo 2 Para ) (r, j) = r
2
+ j
2
, lm
x!0
)(r) = 0.
Para mostrar el lmite, notar que

r
2
+ j
2
r
2
j
2
= [r[
2
+[j[
2
_ |r|
2
+|r|
2
= 2 |r|
2
Bastar entonces tomar c =
_
"
2
, pues, en ese caso:
0 < |r| < c = [) (r, j) |[ =
r
2
+ j
2
_ 2 |r|
2
< 2c
2
= 2
-
2
= -
En el caso general, si ) : 1 R
n
R
m
, el lmite, si existe, es un elemento de R
m
, lo nico que tenemos
que cambiar es la cercana de ) a | que se mide de acuerdo a la norma elegida en R
m
. Es decir:
Denicin 2 Si ) : 1 R
n
R
m
, y a 1
0
, se dene, si existe, el lmite de )(r) cuando r tiende a a como:
lm
x!a
)(r) = | = \- 0, c = c(-) 0 : \r 1, 0 < |r a| < c =
_
_
)(r) |
_
_
< -
donde [[r a[[ es la norma en R
n
y [[)(r) |[[ es la norma en R
m
.
Teorema 1 lm
x!a
)(r) = | = lm
x!a
[[)(r) |[[ = 0
Demostracin. lm
x!a
[[)(r) |[[ = 0 = (\- 0, c = c(-) 0 : \r 1, 0 < [[r a[[ < c = [[[)(r) |[[ 0[ <
-) = (\- 0, c = c(-) 0 : \r 1, 0 < [[r a[[ < c = [[)(r) |[[ < -) = |i:
x!a
)(r) = |
Observacin 1 En trminos de distancia, la denicin dada es equivalente a la siguiente:
lm
x!a
)(r) = | = \- 0 , c = c(-) 0 : \r 1, 0 < d(r, a) < c = d()(r), |) < -
donde d(r, a) es la distancia en R
n
y d()(r), |) es la distancia en R
m
.
Observacin 2 En trminos de entorno y entorno reducido, la denicin dada es equivalente a la siguiente:
lm
x!a
)(r) = | = \- 0, c = c(-) 0 : )(
0
(a))
"
(|)
Teorema 2 Si el lmite existe, es nico.
Esto es, ) : 1 R
n
R
m
, a 1
0
con lm
x!a
)(r) = |
1
y lm
x!a
)(r) = |
2
= |
1
= |
2
1
Demostracin. Supongamos que |
1
,= |
2
. Dado - =
d(l
1
;l
2)
2
, \r 1:
Si lm
x!a
)(r) = |
1
, entonces 0 < d(r, a) < c
1
= d()(r), |
1
) < -
Si lm
x!a
)(r) = |
2
, entonces 0 < d(r, a) < c
2
= d()(r), |
2
) < -
Sea c = mnc
1
, c
2
, \r 1, 0 < d(r, a) < c :
d
_
|
1
, |
2
_
_ d
_
)(r), |
1
_
+ d
_
)(r), |
2
_
< - + - =
d
_
|
1
, |
2
_
2
+
d
_
|
1
, |
2
_
2
= d
_
|
1
, |
2
_
Se llega as a la contradiccin: d
_
|
1
, |
2
_
< d
_
|
1
, |
2
_
. Esta contradiccin proviene de haber supuesto |
1
,= |
2
,
luego |
1
= |
2
.
Un importante teorema permite calcular lmite de funciones vectoriales sabiendo calcular lmite de funciones
escalares.
Teorema 3 Lmite coordenada a coordenada
Sea ) : 1 R
n
R
m
con )(r) = ()
1
(r
1
, ...., r
n
), ..., )
m
(r
1
, ...., r
n
)) donde )
i
: 1
i
R
n
R, e i = 1, 2, ..., :
son las funciones coordenadas de ) y sea | = (|
1
, |
2
, ..., |
m
), entonces:
lm
x!a
)(r) = | == lm
x!a
)
i
(r) = |
i
, \i 1, ..., :
Es decir, para que exista el lmite de una funcin vectorial, es condicin necesaria y suciente que existan
los lmites de cada una de sus funciones coordenadas.
Demostracin. =) Sea - 0, c = c(-) 0 : \r 1, 0 < |r a| < c =
_
_
)(r) |
_
_
< -. Pero \i
1, ..., : : [)
i
(r) |
i
[ _
_
_
)(r) |
_
_
< -. Luego, lm
x!a
)
i
(r) = |
i
\i 1, ..., :
=) Sea - 0, para i 1, ..., :, c
i
= c
i
(-) 0 : \r 1, 0 < |r a| < c
i
= [)
i
(r) |
i
[ <
"
m
Tomando c = mnc
1
, ..., c
m
, \i : 0 < |r a| < c = [)
i
(r) |
i
[ <
"
m
=
m
i=1
[)
i
(r) |
i
[ < -. As, 0 <
|r a| < c =
_
_
)(r) |
_
_
_
m
i=1
[)
i
(r) |
i
[ < -. Luego, lm
x!a
)(r) = |.
Esta propiedad es muy importante, ya que permite estudiar el lmite de cada funcin coordenada para
calcular el lmite de la funcin vectorial. Por tanto el estudio se limitar al lmite de las funciones escalares.
Ejemplo 3 Si )(r, j, .) = (rj., r + j, rj sin., 5), lm
x!(1;1;)
)(r) =
_
lm
x!(1;1;)
rj., lm
x!(1;1;)
(r + j) , lm
x!(1;1;)
rj sin., 5
_
=
(, 2, 0, 5) = |.
2.1. Propiedades generales de los lmites de funciones escalares
Si ) : 1 R
n
R y q : 1 R
n
R , a 1
0
y existen lm
x!a
)(r) y lm
x!a
q(r), entonces
\c R, lm
x!a
c)(r) = c lm
x!a
)(r)
lm
x!a
()(r) q(r)) = lm
x!a
)(r) lm
x!a
q(r)
lm
x!a
()(r)q(r)) = lm
x!a
)(r) lm
x!a
q(r)
Si lm
x!a
q(r) ,= 0 , entonces lm
x!a
)(r)
q(r)
=
lm
x!a
)(r)
lm
x!a
q(r)
2.1.1. Lmite de una funcin de dos variables o lmite doble
Si ) : 1 R
2
R y a = (a, /) 1
0
, se tiene que:
lm
(x;y)!(a;b)
) (r, j) = | = \- 0, c = c(-) 0 : \r 1, 0 < |r a| < c = [)(r) |[ < -
En este caso el lmite se llama lmite doble o simplemente lmite.
Ejemplo 4 lm
(x;y)!(0;0)
rsen
1
y
= 0, porque cuando r e j tienden a cero simultneamente resulta una expresin
de la forma: 0acotado= 0. Se verica por denicin que dado - 0, tomando c = -, para cualquier r que
satisface 0 < |r| < c, es

rsin
1
y
= [r[
sin
1
y
_ [r[ _ |r| < c = -.

2
Ejemplo 5 lm
(x;y)!(1;1)
r
2
j
2
r j
= lm
(x;y)!(1;1)
(r j) (r + j)
r j
= lm
(x;y)!(1;1)
(r + j) = 2
Este lmite tambin puede vericarse usando la denicin.
Ejemplo 6 Sea ) denida por
) (r, j) =
_
x+y1
x2y+1
si j ,=
x+1
2
0 si j =
x+1
2
Estudiar el lmite en (0, 0).
Resolucion Obsrvese que los puntos (r, j) del dominio tales que j =
x+1
2
no tienden al punto (0, 0); por tanto,
slo importan los puntos (r, j) con j ,=
x+1
2
que tienden a (0, 0). Entonces lm
x!0
) (r, j) = lm
x!0
x+y1
x2y+1
= 1.
Ejemplo 7 Si ) (r, j) =
rj
_
r
2
+ j
2
y se quiere calcular, en caso de existir, el lmite en (0, 0), se observa que
para este punto la funcin presenta una indeterminacin, por tanto el clculo del lmite no es directo. Es posible
expresar a la funcin como ) (r, j) =
rj
[r[
_
1 +
_
y
x
_
2
=
_
_
j
_
1 +
_
y
x
_
2
si r 0
j
_
1 +
_
y
x
_
2
si r < 0
Al tender r e j a cero,
cualquiera que sea su ley de variacin, el denominador es mayor que uno y el numerador tiende a cero, luego,
lm
(x;y)!(0;0)
) (r, j) = 0.
Ejemplo 8 Sea ) (r, j) =
r
2
r
2
+ j
2
, estudiar el lmite en (0, 0)
Resolucion En (0, 0) la funcin presenta una indeterminacin. Al utilizar el articio del ejemplo 7, se obtiene:
) (r, j) =
1
1 +
_
y
x
_
2
. Al tender r e j a cero, cualquiera que sea su ley de variacin, no se obtiene ninguna
conclusin. En estos casos es posible apelar a otros tipos de herramientas.
Es as, que muchas veces, el anlisis del lmite es un procedimiento complejo. Se vern algunas herramientas
que pueden ayudar para el caso de funciones de R
2
en R, fcilmente generalizables al caso de funciones escalares
cualesquiera.
2.1.2. Limites iterados
2
R y a = (a, /) 1
0
si lm
x!a
)(r, j) = q(j) y lm
y!b
)(r, j) = /(r), los siguientes
lmites denotados por |
xy
y |
yx
|
xy
= lm
y!b
q (j) = lm
y!b
_
lm
x!a
) (r, j)
_
|
yx
= lm
x!a
/(r) = lm
x!a
_
lm
y!b
) (r, j)
_
si existen, se denen como los lmites iterados de )(r, j) cuando (r, j) tiende a (a, /).
No deben ser confundidos los lmites iterados con el lmite doble. En el lmite iterado se mantiene una de
las variables constantes, pudindose ver a ) (r, j) como una funcin nicamente de la otra variable segn
la cual se toma el lmite. En el lmite doble se hace tender simultneamente ambas variables al punto dado de
manera arbitraria y supercialmente.
Ejemplo 9 Estudiar el lmite de la siguiente funcin en (0, 0)
) (r, j) =
_
x
2
2y
2
x
2
+y
2
si (r, j) ,= (0, 0)
0 si (r, j) = (0, 0)
Resolucion Lmites iterados en (0, 0): Para hallar |
xy
, primero se toma a r como variable y se mantien a j
constante, se toma el lmite
q (j) = lm
x!0
) (r, j) =
_
_
_
lm
x!0
x
2
3y
2
2x
2
+y
2
=
3y
2
y
2
= 3 si j ,= 0
lm
x!0
x
2
2x
2
=
1
2
si j = 0
, luego a esta funcin se aplica el lmite en la
variable j, entonces |
xy
= lm
y!0
_
lm
x!0
) (r, j)
_
= lm
y!0
q (j) = lm
y!0
(3) = 3
3
Si se toma a j como variable es /(r) = lm
y!0
) (r, j) =
_
_
_
lm
y!0
x
2
3y
2
2x
2
+y
2
=
x
2
2x
2
=
1
2
si r ,= 0
lm
y!0
3y
2
y
2
= 3 si r = 0
, de modo que
|
yx
= lm
x!0
_
lm
y!0
) (r, j)
_
= lm
x!0
/(r) = lm
x!0
1
2
=
1
2
. Un teorema que se enunciar ms adelante permitir ver
que en este caso no existe el lmite.
Ejemplo 10 ) (r, j) = rsin
1
y
. Aqu, la funcin no est denida en (0, 0). Se estudiarn los lmites iterados
en (0, 0). Si j ,= 0, q (j) = lm
x!0
rsen
1
y
= sen
1
y
lm
x!0
r = 0. Luego es |
xy
= 0. Sin embargo, /(r) = lm
y!0
rsin
1
y
=
r lm
y!0
sin
1
y
, por lo que /(r) slo est denida en el caso en que r = 0. Entonces no existe |
yx
. En el ejemplo 4
se vio que el lmite existe y vale 0.
Ejemplo 11 Estudiar los lmites iterados de la siguiente funcin en (0, 0)
) (r, j) =
_
xy
2
x
3
+y
5
si r ,= j
0 si r = j
Resolucion Para j ,= 0, es q (j) = lm
x!0
xy
2
x
3
+y
5
= 0, entonces |
xy
= lm
y!0
q (j) = 0. Para r ,= 0, es /(r) =
lm
y!0
xy
2
x
3
+y
5
= 0, luego |
yx
= lm
x!0
q (j) = 0. Ms adelante se justicar que en este caso el lmite no existe.
Muchas veces es til la siguiente propiedad, que se ununcia a continuacin.
Lema 1 Sea / 1
+
0
tal que \- 0 : / < - = / = 0
Demostracin. Por hiptesis, 0 6 / < - (donde / es constante y - es variable). Tomando el lmite cuando -
0 en la desigualdad, resulta: lm
"!0
0 6 lm
"!0
/ 6 lm
"!0
- = 0 de donde resulta : 0 6 / 6 0 = / = 0.
2.2. Teorema fundamental del lmite doble
Teorema 4 Sea ) : 1 R
2
R, a = (a, /) 1
0
y supongamos que existen el lmite doble y los iterados en a.
Entonces, los tres lmites coinciden.
Demostracin. Sean | el lmite doble, y |
xy
y |
yx
los iterados. Sea - 0. Por existir lmite doble, existe
un c
1
0 tal que si 0 < |r a| < c
1
, entonces [) (r) |[ <
"
3
. Por existir |
xy
, existe un c
2
0 tal que si
0 < [r a[ < c
2
, entonces [) (r) q (j)[ <
"
3
, y tambin existe un c
3
0 tal que si 0 < [j /[ < c
3
, entonces
[q (j) |
xy
[ <
"
3
. Tomemos c = mnc
1
, c
2
, c
3
. Si 0 < |r a| < c, ser tambin cierto que 0 < [r a[ < c y
que 0 < [j /[ < c, por lo que 0 _ [| |
xy
[ _ [| ) (r)[ +[) (r) q (j)[ +[q (j) |
xy
[ < -. Ya que - es arbitrario
positivo, por el lema 1, se sigue que debe ser [| |
xy
[ = 0, es decir, | = |
xy
. Anlogamente se demuestra que
| = |
yx
, y se tiene demostrado el teorema.
Como corolario, notar que si los lmites iterados existen y son distintos, entonces el lmite doble no existe.
Es el caso del ejemplo 9.
2.3. Lmite por un camino particular
2
R y sea o 1 (excluido, posiblemente, el punto a) una curva que pasa por
a = (a, /) 1
0
. Esto es, o =
_
(r, j) R
2
: j = q (r) con / = q (a)
_
siendo q una funcin continua en a. Se
dene si existe |
S
, llamado lmite por el camino particular o cuando r a
|
S
= lm
x!a
x2S
) (r) = lm
x!a
) (r, q (r))
Esto signica acercarse a a por la curva o. Notar que se trata del lmite de una funcin real de variable real,
pues ) (r, q (r)) = () q) (r) es una funcin escalar de la variable real r.
Ejemplo 12 Para ) (r, j) =
j
r
, se muestra el lmite de ) cuando r 0 por tres caminos particulares diferentes:
N Cuando r 0 por el eje r. En este caso, es q (r) = 0, por lo que ) (r, q (r)) =
0
r
x6=0
= 0, y entonces
|
S
= lm
x!0
0 = 0.
4
N Cuando r 0 por la diagonal principal, es decir, la recta j = r. En este caso, es q (r) = r, por lo que
) (r, q (r)) =
r
r
x6=0
= 1, y entonces |
S
= lm
x!0
1 = 1.
N Cuando r 0 por la parbola j = r
2
. En este caso, es ) (r, q (r)) =
x
2
x
x6=0
= r, y entonces |
S
= lm
x!0
r = 0.
La relacin entre el lmite doble y lmite por un camino particular es intrnseca a la unicidad del lmite
2
R, y a = (a, /) 1
0
. Si existe |, el lmite de ) en a y dado o = (r, j) R
2
:
j = q(r) con / = q(a) siendo q continua en a, si existe |
S
entonces | = |
S
.
Demostracin. Por hiptesis se cumple que:
N | = \- 0 c
1
= c
1
(-) 0 : \(r, j) 1 : 0 < |r a| < c
1
= [)(r) |[ <
"
2
N |
S
= lm
x!a
)(r, q(r)) = \- 0, c
2
= c
2
(-) 0 : 0 < [r a[ < c
2
= [)(r, q(r)) |
S
[ <
"
2
. Luego,
\- 0 c
1
0 : \(r, j) 1 o 0 < [r a[ _ |r a| < c
1
= [)(r) |
S
[ <
"
2
. Por lo tanto, 0 _ [| |
S
[ =
[| )(r, j) + )(r, j) |
S
[ _ [| )(r, j)[ + [)(r, j) |
S
[ <
"
2
+
"
2
= -. Luego como [| |
S
[ no depende de r:
\- 0, [| |
S
[ < - = [| |
S
[ = 0 = | = |
S
.
Corolario 1 (a) Si no existe lmite por un camino particular, contenido en el dominio de la funcin, no existe
lmite doble.
(b) Si los lmites por dos caminos particulares que pasan por el punto (a, /) en el dominio de la funcin fueran
distintos, no existe lmite doble.
Esto permite armar que, en el ejemplo 12, la funcin
y
x
, no tiene lmite en el origen.
Observacin 3 De la unicidad del lmite (teorema 2) y de los dos teoremas 4 y 5, se tiene que si existe un
lmite iterado y existe el lmite por un camino particular y son distintos entonces no existe el lmite doble.
2.4. Lmite en coordenadas polares
Un caso especial de caminos particulares si a = 0, es el de los caminos consistentes en todas las semirrectas
que tienen como extremo al origen de coordenadas. Sea o
'
un haz contenido en el plano rj que pasa por el
origen, tal que cada semirrecta forma un ngulo , con el semieje positivo r. Una ecuacin paramtrica para o
'
es
_
r = r cos ,
j = r sin,
con r 0
Puede verse que r 0 si, y slo si, r 0. Por lo tanto, el lmite por un camino particular en o
'
, si existe,
es
|
S
'
= lm
r!0
) (r cos ,, r sin,) = lm
r!0
q(r, ,)
Si ocurriese que |
S
'
vara con ,, entonces no puede existir el lmite doble, a raz del corolario 1. En caso contrario,
es decir si |
S
'
es una constante, se llama lmite en coordenadas polares de ) (r) en el origen.
Si el lmite en coordenadas polares existe, esto no garantiza la existencia del lmite doble en el origen.
Ejemplo 13 Sea
) (r, j) =
_
xy
2
x
3
+y
5
si r ,= j
0 si r = j
Para ,
_
3
4
,
7
4
_
, es ) (r, j) = 0, pues sobre esas semirrectas es j = r, entonces |
S
'
= 0. Para , ,
_
3
4
,
7
4
_
,
es
|
S
'
= lm
r!0
r cos ,r
2
sin
2
,
r
3
cos
3
, + r
5
sin
5
,
= lm
r!0
cos ,sin
2
,
cos
3
, + r
2
sin
5
,
=
sin
2
,
cos
2
,
Como se observa, |
S'
toma distintos valores dependiendo de , (es decir, dependiendo de cul sea la semirrecta
por la que r se aproxima a 0). Luego, no existe el lmite de ) en 0.
Ejemplo 14 Al analizar el lmite en (0, 0) de
) (r, j) =
_
xy
3xy
si j ,= 3r
0 si j = 3r
puede probarse que |
S
'
= lm
r!0
) (r cos ,, r sin,) = 0 para todo ,. Sin embargo, el lmite no existe en (0, 0).
Obsrvese el lmite segn el camino j = r
2
+ 3r.
5
Proposicin 1 Suponer que existe lm
r!0
) (a + r cos 0, / + r sen0) = | y no depende de 0 [0, 2]. Si existe 1
funcin de una variable real tal que lm
r!0
1 (r) = 0 de modo que [) (a + r cos 0, / + r sen0) |[ _ 1 (r) para todo
r y para todo 0 [0, 2], entonces lm
(x;y)!(a;b)
) (r, j) = |.
3. CONTINUIDAD
Denicin 5 Una funcin ) (r, j) es continua en el punto a si lm
x!a
) (r) = ) (a).
Observacin 4 ) es continua en a si \- 0, c 0 : |r a| < c = [) (r) ) (a)[ < -. Notar que la
denicin exige que la funcin est denida en a, que su lmite en a exista y que ambos valores sean iguales.
Observacin 5 En trminos geomtricos, ) es continua en a si el trozo de la supercie de ) correspondiente
al entorno
(a) est integramente contenido entre los planos horizontales . = ) (a) + - y . = ) (a) -.
Denicin 6 Si C es un subconjunto del dominio de denicin de ), la funcin ) se dice continua en C si es
continua en cada punto de C.
Denicin 7 Una funcin vectorial ) : 1 R
n
R
m
es continua en a R
n
si lm
x!a
) (r) = ) (a).
Como consecuencia de las propiedades de lmites, ) es continua en a si, y slo si, lo son todas sus funciones
coordenadas.
Ejemplo 15 Toda transformacin lineal T : R
n
R
m
es continua en todo su dominio.
Recordar que si T : R
n
R
m
se verica
\r
1
, r
2
R
n
, \a, / R : T(ar
1
+ /r
2
) = aT(r
1
) + /T(r
2
)
Adems existe una matriz de (: :) tal que
j = T(r) = r =
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
m1
a
mn
_
_
_
_
_
_
r
1
.
.
.
r
n
_
_
_ =
_
_
_
n
j=1
a
1j
r
j
.
.
.
n
j=1
a
mj
r
j
_
_
_
aplicando el teorema anterior basta demostrar que son continuas sus funciones coordenadas T
i
: R
n
R, tal
que T
i
(r) =
n
j=1
a
ij
r
j
.
Primero se demostrar que T es continua en 0.
Sea i tal que i = 1, ..., : : [T
i
(r)[ =
j=1
a
ij
r
j
_
n
j=1
[a
ij
r
j
[ =
n
j=1
[a
ij
[ [r
j
[ .
Sea / = max[a
i1
[ , ..., [a
in
[ entonces [T
i
(r)[ _
n
j=1
/ [r
j
[ = /
n
j=1
[r
j
[ = / |r|
Por lo tanto \- 0, c =
"
k
: 0 < |r| < c = [T
i
(r)[ < /
"
k
= -
De donde T
i
es continua en cero para cualquier i y por lo tanto T tambin es continua en cero.
Ahora se ver que T es continua en cualquier a R
n
. Sea j = r a. Se sabe que T(r a) = T(r) T(a) por
ser una transformacin lineal, entonces
lm
x!a
T(r) = lm
x!a
(T(r) T(a) + T(a)) = lm
x!a
T(r a) + lm
x!a
T(a) = lm
y!0
T(j) + T(a) = T(a).
Ejemplo 16 Sea )(r, j) =
_
(rj,
xy
2
x
3
+y
3
, r + j) si r ,= j
(r
2
, 0, 0) si r = j
Es ) continua en 0?
)
1
(r, j) = rj, )
2
(r, j) =
_
xy
2
x
3
+y
3
si r ,= j
0 si r = j
, )
3
(r, j) = r + j
Observar que no existe lm
x!0
)
2
(r, j), por lo tanto )
2
no es continua en 0 as ) no es continua en 0
Otras consecuencias de las propiedades de los lmites permiten establecer las siguientes.
6
Teorema 6 Sean ) : 1
1
R
n
R
m
y q : 1
2
Im) R
k
, si lm
x!a
)(r) = / = )(a) R
m
() es continua en a)
y lm
x!b
q(j) = | R
k
, entonces lm
x!a
q()(r)) = |.
Demostracin. Dado r 1
1
,
r
f
)(r)
g
q()(r))
En particular, a
f
/
g
q(/) y por hiptesis lm
x!a
q(j) = |
\- 0 c = c(-) 0 : 0 <
_
_
j /
_
_
< c =
_
_
q(j) |
_
_
< -
Dado que el dominio de la funcin q est incluido en la imagen de ), tomando j 1
2
, existe r en 1
1
tal que
j = )(r). Y como lm
x!a
)(r) = / = )(a), dado - = c
c
1
0 : 0 < |r a| < c
1
=
_
_
)(r) )(a)
_
_
=
_
_
j /
_
_
< - = c
Entonces,
_
_
q(j) |
_
_
=
_
_
q()(r)) |
_
_
< -.
3.1. Propiedades de las funciones continuas
La demostracin de estas propiedades surgen inmediatamente de las propiedades de lmite.
La suma y producto de funciones continuas es una funcin continua.
El producto de una funcin continua por un escalar es una funcin continua.
El cociente de dos funciones continuas es una funcin continua en todos los puntos en los cuales el
denominador no se anula.
La composicin de funciones continuas es continua. (Corolario del teorema (6))
4. INFINITSIMOS
Sea , : 1 R
n
R, se dice que , es un innitsimo en r = a si
lm
x!a
,(r) = 0
Observacin 6 Si ) : 1 R
n
R, a 1
0
, lm
x!a
)(r) = | y ,(r) = )(r) |. Entonces lm
x!a
,(r) = lm
x!a
()(r)
|) = | | = 0, por lo tanto , es un innitsimo en r = a
En particular, si ) es continua en a y ,(r) = )(r))(a), entonces lm
x!a
,(r) = lm
x!a
()(r))(a)) = )(a))(a) =
0. Por lo tanto, , es un innitsimo en r = a.
Observacin 7 Si / = r a es el vector incremento, se tiene que cuando r a, / 0 y resulta ,(/) =
)(a + /) )(a), esto es )(a + /) = )(a) + ,(/). Entonces
lm
h!0
,(/) = lm
h!0
()(a + /) )(a)) = lm
x!a
()(r) )(a)) = 0
Por lo tanto, , as denido es un innitsimo en 0. Luego, si la funcin es continua en a, la funcin incremen-
tada menos la funcin sin incrementar dieren en un innitsimo.
Observacin 8 Muchas veces interesa comparar innitsimos. El innitsimo con el que generalmente se com-
para es [[/[[ =
_
n
i=1
/
2
i
o [[/[[
r
.
N Si lm
h!0
'(h)
jjhjj
r
= 0 se dice que , es un innitsimo de orden superior a r, es decir, , tiende a cero ms rpida-
mente que [[/[[
r
.
N Si el lm
h!0
'(h)
jjhjj
r
= / ,= 0, se dice que , es un innitsimo de orden r.
N Si el lm
h!0
'(h)
jjhjj
r
= , se dice que , es un innitsimo de orden inferior a r.
N Si no existe lm
h!0
'(h)
jjhjj
r
, se dice que estos innitsimos no son comparables.
E.C. - C.E.
7
3. DERIVABILIDAD
3.1. Derivadas Parciales
2
R, tal que . = )(r, j) R y a = (a, /) 1
0
, y sean / = r a, / = j /, los
incrementos en las variables r e j respectivamente.
NSi j = / constante y slo se incrementa la variable r, se dene derivada parcial de ) con respecto de r
en el punto (a, /), mediante
lm
|!0
)(a + /, /) )(a, /)
/
siempre que este lmite exista.
NSi r = a constante y slo se incrementa la variable j, se dene derivada parcial de ) con respecto de j
en el punto (a, /), mediante
lm
|!0
)(a, / + /) )(a, /)
/
siempre que este lmite exista.
3.1.1. Notacin para las derivadas parciales
Estas derivadas se pueden indicar con cualquiera de las siguientes notaciones:
Derivada parcial de ) respecto de r en (a, /)
0)(a)
0r
1
1
)(a) 1
r
)(a) )
r
(a) 1
r
)(r)[
r=o
.
r
[
r=o
J:
Jr
r=o
1
r
.[
r=o
Derivada parcial de ) respecto de j en (a, /)
0)(a)
0j
1
2
)(a) 1
)(a) )
(a) 1
)(r)[
r=o
.
[
r=o
J:
J
r=o
1
.[
r=o
Observacin 1 Notar que el hecho de que (a, /) 1
0
asegura que c 0 :
o
(a) 1, de modo que al
incrementar slo r (o slo j) se consideran los puntos tales que (a + /, /)
o
(a) (o (a, / + /)
o
(a)), esto
es |(a + /, /) (a, /)| = |(/, 0)| = [/[ < c (o [[(a, / +/) (a, /)[[ = [[(0, /)[[ = [/[ < c), y tiene sentido calcular
el cociente incremental
)(a + /, /) )(a, /)
/
(o
)(a, / + /) )(a, /)
/
).
Observacin 2 Cada derivada representa la razn de cambio de la funcin segn dos direcciones particulares
que son la del eje r para el caso de
0)
0r
, y la del eje j para el caso de
0)
0j
.
Observacin 3 Se utiliza el signo 0, en lugar de d, para distinguir derivadas parciales de derivadas totales.
Observacin 4 Si en todo un entorno del punto (a, /) la funcin est denida de una misma forma, es posible
considerar las funciones q(r) = )(r, /) y /(j) = )(a, j) y calcular
0) (a, /)
0r
= q
0
(a) y
0)(a, /)
0j
= /
0
(/) aplicando
las reglas de derivacin que conocemos para funciones de una variable.
Ejemplo 1 Hallar las derivadas parciales de ) (r, j) = r
2
+ 3rj en el punto (2, 1).
Resolucion N Usando la denicin:
0)
0r
(2, 1) = lm
|!0
)(2 + /, 1) )(2, 1)
/
= lm
|!0
(2 + /)
2
+ 3 (2 + /) 1 + 2
/
=
lm
|!0
/
2
/
/
= lm
|!0
(/ 1) = 1
0)(2, 1)
0j
= lm
|!0
)(2, 1 + /) )(2, 1)
/
= lm
|!0
(2)
2
+ 3 (2) (1 + /) + 2
/
= lm
|!0
6/
/
= 6
N Aplicando tcnicas de derivacin:
0) (r)
0r
(2,1)
= 2r + 3j[
(2,1)
= 1
0) (r)
0j
(2,1)
= 3r[
(2,1)
= 6
Ejemplo 2 Hallar las derivadas parciales de ) (r, j) = lncos

r
en el punto (3, 2).
Resolucion
0)(r, j)
0r
=
1
cos

r
_
sen
j
r
__
j
r
2
_
=
j
r
2
tan
j
r
=
0)(3, 2)
0r
=
2
3
2
tan
2
3
= 0,17485
0)(r, j)
0j
=
1
cos

r
_
sen
j
r
_
1
r
=
1
r
tan
j
r
=
0)(3, 2)
0j
=
1
3
tan
2
3
= 0,26228
1
Ejemplo 3 Hallar las derivadas parciales de ) (r, j) =
_
r
2
+
2
r
si r ,= j
0 si r = j
Resolucion N Para (r, j) con r ,= j, es posible derivar por las tcnicas usuales, entonces:
)
r
(r, j) =
r
2
2rj j
2
(r j)
2
y )
(r, j) =
2rj j
2
+ r
2
(r j)
2
N Para (r, j) con r = j, cualquier entorno de (r, r) contiene puntos de la forma r = j y r ,= j, por lo que es
necesario aplicar la denicin para calcular las derivadas parciales:
)
r
(r, r) = lm
|!0
)(r + /, r) )(r, r)
/
= lm
|!0
(r+|)
2
+r
2
r+|r
0
/
= lm
|!0
2r
2
+ 2/r + /
2
/
2
. Se observa que:
N Si r = 0 y por tanto (r, j) = (0, 0): )
r
(0, 0) = lm
|!0
/
2
/
2
= 1
N Si r ,= 0: )
r
(r, r) = lm
|!0
(r+|)
2
+r
2
r+|r
0
/
= lm
|!0
2r
2
+ 2/r + /
2
/
2
= , luego, no existe )
r
(r, j) cuando
r = j y (r, j) ,= (0, 0).
Anlogamente para )
(r, j). As, resulta

)
r
(r, j) =
_
r
2
2r
2
(r)
2
si r ,= j
1 si (r, j) = (0, 0)
)
(r, j) =
_
2r
2
+r
2
(r)
2
si r ,= j
1 si (r, j) = (0, 0)
3.1.2. Interpretacin geomtrica de las derivadas parciales
La ecuacin . = ) (r, j) representa una supercie, mientras que para j = / jo, . = ) (r, /) representa una
curva ( que resulta de la interseccin de la supercie y el plano j = /. Por lo tanto, )
r
(a, /) es el valor de la
pendiente (tanc) de la recta tangente a la curva ( en el punto (a, /, ) (a)).
De igual manera, la grca de la funcin . = ) (a, j) es la curva donde el plano r = a corta a la grca de
), y la derivada parcial )
(a, /) es la pendiente (tan,) de la recta tangente a esta curva en el punto (a, /, ) (a)).
Interpretacin geomtrica de }
x
(o,b)=tan o Interpretacin geomtricade }
y
(o,b)=tan o
El concepto de derivada parcial, se puede generalizar al caso de funciones de ms variables.
n
R : )(r) = )(r
1
, r
2
, ..., r
n
) con a un punto interior de 1 de la forma
a = (a
1
, ...a
n
) y sea /
I
= r
I
a
I
, 1 _ i _ :, el lmite
lm
|
i
!0
)(a
1
, ..., a
I
+ /
I
, ...a
n
) )(a
1
, ..., a
n
)
/
I
si ste existe, es la derivada parcial de ) con respecto a la variable r
I
en el punto a.
Esta derivada se denota por:
1
I
()(a)) o )
r
i
(a)
2
3.1.3. Derivabilidad y Continuidad
Para funciones de una variable se vio que si una funcin es derivable en un punto entonces es continua. En el
caso de ms de una variable puede ocurrir que existan las dos derivadas parciales en un punto y que la funcin
no sea continua en l.
Ejemplo 4 Sea la funcin
)(r, j) =
_
r + 2j si r = 0 o j = 0
1 en c.o.c.
y el punto (a, /) = (0, 0)
Se tiene que
)
r
(0, 0) = lm
|!0
)(/, 0) )(0, 0)
/
= lm
|!0
/ 0
/
= 1 y )
(0, 0) = lm
|!0
)(0, /) )(0, 0)
/
= lm
|!0
2/ 0
/
= 2, existen
las dos derivadas parciales en (0, 0), sin embargo, se observa que la funcin no es continua en dicho punto.
Pues:
lm
(r,)!(0,0)
) (r, j) =
_
_
_
lm
(r,)!(0,0)
(r + 2j) = 0 si r = 0 o j = 0
lm
(r,)!(0,0)
1 = 1 en c.o.c.
, por tanto no existe lm
(r,)!(0,0)
) (r, j)
La gura (1) muestra el grco de esta funcin.
Funcin con derivadas parciales y discontinua en (0,0)
(1)
3.1.4. Teorema del Valor Medio o de los Incrementos Finitos
Este teorema expresa, mediante las derivadas parciales, el incremento de la funcin ) (r, j) cuando se incre-
mentan las variables r e j en / y / respectivamente.
Teorema 1 Si la funcin . = ) (r, j) tiene derivadas parciales nitas en un entorno del punto (a, /), entonces
el incremento . est dado por la expresin
. = ) (a + /, / + /) ) (a, /) = /)
r
(a + 0
1
/, /) + /)
(a + /, / + 0
2
/) ; 0 < 0
1
< 1; 0 < 0
2
< 1
Demostracin. Basta descomponer . del siguiente modo:
M . = [) (a + /, / + /) ) (a + /, /)] + [) (a + /, /) ) (a, /)]
y aplicar a cada sumando el teorema de los incrementos nitos para una variable
+
) (a + /, /) ) (a, /) = /)
r
(a + 0
1
/, /) , 0 < 0
1
< 1
) (a + /, / + /) ) (a + /, /) = /)
(a + /, / + 0
2
/), 0 < 0
2
< 1
) (a + /, / + /) ) (a, /) = /)
r
(a + 0
1
/, /) + /)
(a + /, / + 0
2
/)
(a,b)
(a+h,b)
(a+h,b+k)
Corolario 1 Una funcin ) (r, j), con derivadas parciales en todos los puntos de un dominio
1
, es constante en
l si y slo si )
r
y )
son nulas en todos los puntos del dominio.

Demostracin. Sea ) : 1 R
2
R : . = )(r, j), 1 abierto y conexo, a 1, y se supone que )
r
y )
existen en 1 y son nitas.

=) Es inmediato, pues, si . = )(r, j) es constante en 1, )
r
y )
son nulas \(r, j) 1

=) Como 1 es conexo \r, j 1 existe una poligonal (tiene una cantidad nita de lados) totalmente contenida
en 1 que une r con j. Por hiptesis M . = ) (r) ) (j) = 0, aplicando el teorema de los incrementos nitos a
cada par de vrtices consecutivos de la poligonal, se obtiene que M . = 0, luego ) es constante en 1.
1
Dominio: conjunto abierto y conexo.
3
Corolario 2 Si dos funciones tienen derivadas parciales nitas e iguales en un dominio, entonces dieren en
una constante.
Demostracin. Sean ) : 1 R
2
R y q : 1 R
2
R, tales que )
r
(r) = q
r
(r) y )
(r) = q
(r), \r 1.
Si n(r, j) = )(r, j) q(r, j), por el teorema de los incrementos nitos:
M n(r, j) =M )(r, j) M q(r, j) = /
J(})
Jr
(a + 0
1
/, /) + /
J(})
J
(a + /, / + 0
2
/) =
= /[)
r
(a + 0
1
/, /) q
r
(a + 0
1
/, /)] + / [)
(a + /, / + 0
2
/) q
(a + /, / + 0
2
/)], con 0 < 0
1
< 1; 0 < 0
2
< 1
por hiptesis, las expresiones de los corchetes son iguales a cero. Luego M n(r, j) = 0, entonces n(r, j) = ctc,
por lo tanto, )(r, j) q(r, j) = ctc
Corolario 3 si ) tiene derivadas parciales acotadas en un entorno de a, entonces ) es continua en a.
Demostracin. Por el teorema de los incrementos nitos,
)(a +/, / +/) )(a, /) = /)
r
(a +0
1
/, /) +/)
(a +/, / +0
2
/). Por hiptesis, )
r
(a +0
1
/, /) y )
(a +/, / +0
2
/)
estn acotadas, tomando lmite cuando (/, /) (0, 0) resulta:
lm
(|,|)!(0,0)
[)(a + /, / + /) )(a, /)] = 0
por tanto, ) es continua en (a, /)
Luego, si bien la hiptesis de existencia de las derivadas parciales en el punto no aseguran la continuidad
de la funcin en dicho punto; si derivadas parciales estn acotadas en un entorno de a es suciente para la
continuidad en dicho punto.
3.2. Derivada Direccional
Se vio que )
r
(a, /), por denicin, determina la rapidez con que vara la funcin . = ) (r, j) en una direccin
paralela al eje r, ya que el incremento / = r a se toma sobre este eje. Anlogamente )
(a, /) determina la
rapidez de la variacin de la funcin . = ) (r, j) en una direccin paralela al eje j. Ahora se ver cmo calcular
la rapidez de cambio de ) en una direccin arbitraria.
Denicin 3 Sea ) es una funcin ) : 1 R
2
R, 1 abierto, a 1, t 1, n 1
2
y |n| = 1, se dene
derivada direccional de ) (r) en a, segn la direccin del vector n, al siguiente lmite siempre que exista
1
u
) (a) = lm
|!0
) (a + tn) ) (a)
t
Observacin 5 1 es abierto, ya que por denicin ) (a + tn) debe existir, por lo tanto se debe asegurar que
exista un entorno
:
(a) 1, es decir que la distancia entre a y r = a + tn debe ser menor que r. Pues si 1
fuese cerrado, cmo se asegurara la existencia de ) (a + tn) si a estara en la frontera de 1?
Observacin 6 Se pide que |n| = 1, porque en realidad lo que interesa es la direccin de n, ya que hay
innitos vectores con la misma direccin, si se calcula con un vector = /n, con / distinto de 1, el resultado
de la derivada, an cuando sea en la misma direccin cambiara.
Observacin 7 Si se toma la direccin con sentido opuesto, n, resulta el mismo valor pero con signo contrario.
Observacin 8 Las derivadas parciales )
r
(a, /) y )
(a, /) son derivadas direccionales segn los vectores i =

(1, 0) y , = (0, 1) respectivamente.
Ejemplo 5 Sea ) : 1
2
1, la funcin . = ) (r, j) = r
2
+ j
2
. Calcular la derivada direccional en a = (2, 1)
en la direccin del vector n = (3, 4).
Resolucion Como n debe ser unitario, se normaliza, de modo que n =
_
3
5
,
4
5
_
1
(3,4)
(2, 1) = lm
|!0
)
_
(2, 1) + t
_
3
5
,
4
5
_
) (2, 1)
t
= lm
|!0
)
_
2 +
3
5
t, 1
4
5
t
_
) (2, 1)
t
= lm
|!0
t
2
+
4
5
t
t
=
4
5
Ejemplo 6 Sea la funcin:
) (r, j) =
_
r
_
r
2
+
2
si r ,= 0
0 si r = 0
4
Se ver que no existe la derivada direccional de ) (r, j) en r = 0 en cualquier direccin unitaria n = (cos ,, sen,).
Aplicando la denicin:
1
u
)
_
0
_
= lm
|!0
) (0 + t cos ,, 0 + t sen,) ) (0, 0)
t
= lm
|!0
t
2
cos ,sen,
[t[
_
cos
2
, + sen
2
,
0
t
= lm
|!0
t cos ,sen,
[t[
, entonces:
1
u
)
_
0
_
=
_
0, ,
_
0,
t
2
, ,
3t
2
_
no existe, c.o.c.
Se observa que la derivada direccional existe en las direcciones de los versores i = (1, 0) y , = (0, 1), por lo tanto
existen las derivadas parciales en (0, 0) y son iguales a cero. Tambin existen las derivadas en sentido opuesto
a los versores i y ,. En cambio, en cualquier otro caso no existe la derivada direccional en el punto (0, 0) ya
que los lmites laterales son distintos.
Un hecho sorprendente es que podran existir todas las derivadas direccionales en a, y sin
embargo, la funcin no ser continua en dicho punto.
Ejemplo 7 Sea la funcin:
) (r, j) =
_
r
2
r
2
+
4
si r ,= 0
0 si r = 0
Resolucion
1
u
)
_
0
_
= lm
|!0
) (tn) )
_
0
_
t
= lm
|!0
t
3
n
1
n
2
2
t
2
n
2
1
+ t
4
n
4
2
= lm
|!0
t
3
n
1
n
2
2
(t
2
n
2
1
+ t
4
n
4
2
) t
= lm
|!0
n
1
n
2
2
n
2
1
+ t
2
n
4
2
=
n
1
n
2
2
n
2
1
=
n
2
2
n
1
, si n
1
,= 0.
Si n
1
= 0
(como n
2
,= 0) lm
|!0
0
t
= 0. Por lo tanto, para todo n existe 1
u
)
_
0
_
(observar que las derivadas parciales en
(0, 0) son nulas). Sin embargo esta funcin no es continua en (0, 0) pues tomando la parbola r = j
2
se tiene
que |
S
= lm
!0
)
_
j
2
, j
_
= lm
!0
j
4
2j
4
=
1
2
, y como los lmites iterados son nulos, no existe el lmite en (0, 0).
3.2.1. Interpertacin geomtrica de la derivada direccional
La recta del plano rj que pasa por los puntos a y a + tn, est contenida en el plano perpendicular al plano
rj que intersecta a la supercie dada por . = ) (r, j), determinando una curva (. La derivada direccional de
) (r, j) en el punto a segn la direccin n es la pendiente de la recta tangente a ( en el punto (a, /, ) (a, /)).
Interpretacin geomtrica de 1
u
(o)=tan ~
Si existen las derivadas en todas las direcciones, las rectas que las tienen por pendientes forman en general
un cono tangente a la supercie.
5
4. DIFERENCIABILIDAD
Segn se observ en el ejemplo (7), el concepto de derivabilidad no tiene la misma categora para funciones
de una sla variable que para funciones de : variables. S ser anlogo el concepto de diferenciabilidad.
n
R
n
y a 1
0
, se dice que f es diferenciable en a si existe una transfor-
macin lineal
2
T : R
n
R
n
tal que:
lm
|!0
)
_
a + /
_
) (a) T
_
/
_
_
_
/
_
_
= 0
Esta denicin es equivalente a decir que, bajo las mismas condiciones, ) es diferenciable en a si y slo si
existe una transformacin lineal T : R
n
R
n
y una funcin j : R
n
R
n
tales que:
)
_
a + /
_
) (a) = T
_
/
_
+ j
_
a + /
_
lm
|!0
(o+|)
|||
= 0, es decir, j es un innitsmo de orden superior a
_
_
/
_
_
Teorema 2 Si ) es diferenciable en a, entonces es continua en a.
Demostracin. Por ser ) diferenciable en a, lm
|!0
)
_
a + /
_
) (a) T
_
/
_
_
_
/
_
_
= 0; y dado que
_
_
/
_
_
es un in-
nitsimo en / = 0:
lm
|!0
_
)
_
a + /
_
) (a) T
_
/
_
= 0
Por ser T una transformacin lineal, lm
|!0
T
_
/
_
= T
_
0
R
n
_
= 0
R
m, luego:
lm
|!0
_
)
_
a + /
_
) (a)
= 0
Si / = r a, lm
r!o
_
) (r) ) (a)
= 0Por tanto, ) es continua en a.

Teorema 3 Si ) : 1 R
n
R
n
, es diferenciable en a 1
0
entonces la transformacin lineal asociada es
nica.
Demostracin. Se supone que existen T
1
y T
2
, tales que:
lm
|!0
)(a + /) )(a) T
1
(/)
[[/[[
= 0 (2)
lm
|!0
)(a + /) )(a) T
2
(/)
[[/[[
= 0 (3)
Sea o : R
n
R
n
tal que o(r) = T
2
(r) T
1
(r), as, se puede probar que o tambin es una transformacin
lineal. Adems.
lm
|!0
o(/)
[[/[[
= lm
|!0
T
2
(/) T
1
(/)
[[/[[
Restando (2) menos (3):
lm
|!0
o(/)
[[/[[
= lm
|!0
)(a + /) )(a) T
1
(/)
[[/[[
lm
|!0
)(a + /) )(a) T
2
(/)
[[/[[
= 0
Sea / = t R
n
, con R
n
y ,= 0, entonces:
lm
|!0
o(/)
[[/[[
= lm
|!0
o(t)
[[t[[
= lm
|!0
t
[t[
o()
[[[[
= 0
luego, \ ,= 0 resulta o() = 0, y por ser o una transformacin lineal, o(0) = 0. Por lo tanto, o es la
transformacin idnticamente nula, por lo que T
1
= T
2
.
2
T es una transformacin lineal si 8x; y 2 R
n
y 8
1
;
2
2 R, se cumple: T (
1
x +
2
y) =
1
T (x) +
2
T (y)
6
4.0.2. Diferencial
Como esta transformacin lineal, si existe, es nica para un a determinado, particularmente se le llama
diferencial de ) en a y se la denota como
d
o
)
_
/
_
= T
o
_
/
_
Ms adelante, se demostrar que
T
o
_
/
_
= d
o
) = )
0
(a) /
donde )
0
(a) es una matriz de ::, en trminos de las derivadas parciales de ).
Observacin 9 Sea ) : 1 R
n
R
n
, con )
I
: 1 R
n
R y 1 _ i _ :, sus funciones coordenadas, sea
a 1
0
y sea ) diferenciable en a, entonces existe una transformacin lineal T : R
n
R
n
con T
I
: R
n
R,
1 _ i _ :, sus funciones coordenadas, tal que:
lm
|!0
)(a + /) )(a) T(/)
[[/[[
= 0
Recordando uno de los teoremas de lmites (lmite coordenada a coordenada), se sabe que esto ocurre si y slo
si:
lm
|!0
)
I
(a + /) )
I
(a) T
I
(/)
[[/[[
= 0, con 1 _ i _ :
Por lo que el estudio de diferenciabilidad puede reducirse al caso de las funciones escalares y luego generalizar
para funciones vectoriales.
Observacin 10 Se sabe que toda transformacin lineal T : R
n
R
n
tiene asociada una matriz C, con respecto
a la base cannica, C(::) tal que
T(r) = Cr
Si T : R
n
R es una transformacin lineal, entonces:
T(r) = (c
1
c
n
)
_
_
_
r
1
.
.
.
r
n
_
_
_ = c
1
r
1
+ + c
n
r
n
=
n
|=1
c
|
r
|
Teorema 4 Si ) : 1 R
n
R es diferenciable en a 1
0
y T(/) =
n
|=1
c
|
/
|
es la transformacin lineal
asociada, entonces cada una de las derivadas parciales 1
|
) (a) existe y se verica
c
|
= 1
|
) (a) , / = 1, 2, ..., :
Demostracin. Por ser ) diferenciable en a:
lm
|!0
)
_
a + /
_
) (a) T(/)
_
_
/
_
_
= 0 = lm
|!0
)
_
a + /
_
) (a)
n
|=1
c
|
/
|
_
_
/
_
_
= 0
Si /
|
,= 0 y /
I
= 0, \i ,= /, es decir / = (0, 0, ..., /
|
, 0, ..,0), reemplazando en la expresin anterior resulta:
lm
|
k
!0
)(a
1
, ..., a
|
+ /
|
, ...a
n
) )(a
1
, ..., a
n
) c
|
/
|
/
|
= 0 = lm
|
k
!0
)(a
1
, ..., a
|
+ /
|
, ...a
n
) )(a
1
, ..., a
n
)
/
|
c
|
= 0
lm
|
k
!0
)(a
1
, ..., a
|
+ /
|
, ...a
n
) )(a
1
, ..., a
n
)
/
|
= c
|
= 1
|
) (a) = c
|
Si T(/) =
n
|=1
c
|
/
|
, el teorema 4 establece que la diferencial de ) en a es
d
o
)
_
/
_
= T
o
_
/
_
=
n
|=1
1
|
) (a) /
|
Suelen utilizarse los smbolos dr
1
, ..., dr
n
en lugar /
1
, ..., /
n
para las componentes de /, de modo que / = dr,
entonces
d
o
) (dr) =
n
|=1
1
|
) (a) dr
|
o tambin:
d
o
) (dr) =
0) (a)
0r
1
dr
1
+
0) (a)
0r
2
dr
2
+ ... +
0) (a)
0r
n
dr
n
7
n
R y a 1
0
. Si ) es diferenciable en a entonces \ R
n
y || = 1, existe
1
u
)(a) y adems 1
u
)(a) = T
o
()
Demostracin. Si ) es diferenciable en a, entonces existe una transformacin lineal T
o
: R
n
R y una funcin
j tal que:
)(a + /) )(a) = T
o
(/) + j(a + /), con lm
|!0
j(a + /)
[[/[[
= 0 (4)
Sea / = t, entonces
)(a + t) )(a) = T
o
(t) + j(a + t) = tT
o
() + j(a + t), con lm
|!0
j(a + t)
[[t[[
= 0
Luego
lm
|!0
j(a + t)
t
= lm
|!0
j(a + t)
[[t[[
[[t[[
t
= lm
|!0
j(a + t)
[[t[[
[t[
t
= 0 (5)
De (4) y (5)
lm
|!0
)(a + t) )(a)
t
= lm
|!0
tT
o
()
t
+ lm
|!0
j(a + t)
t
= T
o
() + 0 = T
o
()
Por tanto, 1
u
)(a) = T
o
().
4.0.3. Gradiente
Denicin 5 Dada una funcin ) que posee las : derivadas parciales 1
1
), ..., 1
n
) en el punto a, se llama
gradiente de ) en a al vector:
\)(a) =
_
0)
0r
1
(a), ,
0)
0r
n
(a)
_
n
R, a 1
0
, si ) es diferenciable en a entonces, por los teoremas 4 y 5:
1
u
)(a) = T
o
() =
n
|=1
0)
0r
|
(a)
|
= \)(a) = )
0
(a)
donde \)(a) = )
0
(a)
4.0.4. Matriz Jacobiana (o Derivada)
Sea ) : 1 R
n
R
n
, a 1
0
, si ) es diferenciable en a entonces:
T
o
() = )
0
(a)
con )
0
(a) una matriz de (::) y de (: 1).
Si )
I
es la coordenada i c:i:a de ), por ser )
I
una funcin escalar con : variables: )
0
I
(a) =
_
J}
i
Jr
1
(a), ,
J}
i
Jr
n
(a)
_
.
Por tanto
J}
i
Jr
j
(a) es el elemento de la la i y de la columna , de la matriz )
0
(a), entonces:
)
0
(a) =
_
_
_
J}
1
Jr
1
(a)
J}
1
Jr
n
(a)
.
.
.
.
.
.
.
.
.
J}
m
Jr
1
(a)
J}
m
Jr
n
(a)
_
_
_ =
_
_
_
\)
1
(a)
.
.
.
\)
n
(a)
_
_
_
Esta matriz se llama matriz jacobiana o matriz derivada de ) en a.
Ejemplo 8 Sea ) : R
3
R
2
, )(r, j, .)=
_
r + 2j .
r
2
j
_
Sus funciones coordenadas son:
)
1
(r, j, .) = r + 2j ., )
2
(r, j, .) = r
2
j
Se ver que ambas funciones coordenadas son diferenciables en a = (a, /, c), para ello se calcula:
\)
1
(a) =
_
0)
1
0r
(a),
0)
1
0j
(a),
0)
1
0.
(a)
_
= (1, 2, 1)
8
\)
2
(a) =
_
0)
2
0r
(a),
0)
2
0j
(a),
0)
2
0.
(a)
_
= (2a/, a
2
, 0)
lm
|!0
)
1
(a + /) )
1
(a) \)
1
(a)/
[[/[[
= lm
|!0
a + /
1
+ 2/ + 2/
2
c /
3
a 2/ + c /
1
2/
2
+ /
3
[[/[[
= 0
Por tanto )
1
es diferenciable en a.
lm
|!0
)
2
(a + /) )
2
(a) \)
2
(a)/
[[/[[
= lm
|!0
(a + /
1
)
2
(/ + /
2
) a
2
/ 2a//
1
a
2
/
2
[[/[[
=
= lm
|!0
/
2
1
/
2
+ //
2
1
+ 2a/
1
/
2
_
/
2
1
+ /
2
2
En coordenadas polares: lm
!0

2
( cos
2
,sen ,+b cos
2
,+2o cos ,sen ,)
= 0, se puede probar, usando la denicin,

que lm
|!0
}
2
(o+|)}
2
(o)r}
2
(o)|
jj|jj
= 0, luego )
2
es diferenciable en a. As, queda demostrado que las dos funciones
coordenadas son diferenciables en a = (a, /, c). Luego
)
0
(a) =
_
1 2 1
2a/ a
2
0
_
Resumiendo, se tiene que las siguientes condiciones.
4.0.5. Condiciones necesarias de diferenciabilidad
) es diferenciable en a = ) es continua en a (Teorema 2)
) es diferenciable en a = existen todas las derivadas parciales en a (Teorema 4)
) es diferenciable en a = existen todas las derivadas direccionales en a (Teorema 5)
) es diferenciable en a = 1
u
)(a) = \)(a) (Observacin 11)
Luego, la continuidad, la existencia de las derivadas parciales y la existencia de las derivadas direccionales en
a son condiciones necesarias para que una funcin sea diferenciable en a. A los nes prcticos, esto nos ayudar
a decidir la no diferenciabilidad cuando una funcin no cumple alguna de estas condiciones.
Ejemplo 9 Sea
)(r, j) =
_
r
2
r
3
+
3
, r ,= j
0, r = j
a = 0
No existe lm
(r,)!(0,0)
r
2
r
3
+
3
, pues tomando coordenadas polares:
lm
!0
j
3
cos 0:c:
2
0
j
3
(cos
3
0 + :c:
3
0)
=
cos 0:c:
2
0
cos
3
0 + :c:
3
0
Luego, ) no es continua en 0, por lo tanto ) no es diferenciable en 0.
Ejemplo 10 Sea
)(r, j) =
_
2r
r
2
+
2
, r ,= 0
1, r = 0
a = 0
Si = (cos 0, sen0)
1
u
)(0) = lm
|!0
)(0 + t) )(0)
t
= lm
|!0
)(t cos 0, t sen0) )(0)
t
=
= lm
|!0
2|
2
cos 0 sen 0
|
2
1
t
= lm
|!0
2 cos 0 sen0 1
t
Este lmite solo existe para 0 =
t
4
o un ngulo congruente a l. Por lo tanto, en particular no existen las
derivadas parciales, con lo cual resulta que ) no es diferenciable en 0.
9
Ejemplo 11 Sea
)(r, j) =
_
jrj
_
r
2
+
2
r ,= 0
0 r = 0
a = 0
Se puede demostrar que
) es continua en 0
J}
Jr
(0) = 0 y
J}
J
(0) = 0
Si ,= 0, = (
1
,
2
)
1
u
)(0) = lm
|!0
)(0 + t) )(0)
t
= lm
|!0
|j|ju
1
u
2
j|j.
_
u
2
1
+u
2
2
0
t
=

1
2
_
2
1
+
2
2
Sin embargo ) no es diferenciable, ya que si lo fuera, debe ser:
1
u
)(0) = \)(0). = (0, 0). = 0, \
y esto no coincide con lo calculado en la observacin (11).
4.0.6. Condiciones sucientes de diferenciabilidad
Hasta ahora se han deducido propiedades dando por supuesta la existencia de la diferencial de una funcin.
Se ha visto que ni continuidad, ni la existencia de todas las derivadas parciales ni la de todas las derivadas
direccionales es suciente para determinar la diferenciabilidad de una funcin. Ahora se demostrar que la
existencia de derivadas parciales continuas implica la diferenciaibilidad de la funcin.
n
R. Si existen todas las derivadas parciales en un entorno de a y las funciones
derivadas parciales son continuas en a, entonces ) es diferenciable en a.
Demostracin. Si bien es cierto \: N, se demostrar para : = 2, ya que su generalizacin es inmediata.
Sea ) : 1 R
2
R, a 1
0
, a = (a, /) R
2
. Existen
J}
Jr
(r),
J}
J
(r), \r
o
(a) y adems
lm
r!o
0)
0r
(r) =
0)
0r
(a), lm
r!o
0)
0j
(r) =
0)
0j
(a)
Por el teorema de los incrementos nitos o del valor medio:
)(a + /) )(a) = /
0)
0r
(a + 0
1
/, /) + /
0)
0j
(a + /, / + 0
2
/), 0 < 0
1
, 0
2
< 1
Siedo T
o
(/) = \)(a) / = /
J}
Jr
(a) + /
J}
J
(a), se tiene que
)(a + /) )(a) T
o
)(/)
_
_
/
_
_
/
J}
Jr
(a + 0
1
/, /) + /
J}
J
(a + /, / + 0
2
/) /
J}
Jr
(a) /
J}
J
(a)
_
_
/
_
_
_
_
0)
0r
(a + 0
1
/, /)
0)
0r
(a, /)
[/[
_
_
/
_
_
+
0)
0j
(a + /, / + 0
2
/)
0)
0j
(a, /)
[/[
_
_
/
_
_
con 0 < 0
1
, 0
2
< 1. Adems
j|j
jj|jj
_ 1 y
j|j
jj|jj
_ 1, por lo que resulta:
)(a + /) )(a) T
o
)(/)
_
_
/
_
_
0)
0r
(a + 0
1
/, /)
0)
0r
(a, /)
0)
0j
(a + /, / + 0
2
/)
0)
0j
(a, /)
Como por hiptesis las funciones derivadas parciales son continuas en a, entonces dado c 0:
c
1
:
_
_
/
_
_
_ c
1
=
J}
Jr
(a + 0
1
/, /)
J}
Jr
(a, /)
<
t
2
c
2
:
_
_
/
_
_
_ c
2
=
J}
J
(a + /, / + 0
2
/)
J}
J
(a, /)
<
t
2
Si c = mnc
1
, c
2
:
_
_
/
_
_
_ c, entonces
)(a + /) )(a) T
o
)(/)
_
_
/
_
_
<
c
2
+
c
2
= c
10
Luego
lm
|!0
)(a + /) )(a) T
o
)(/)
_
_
/
_
_
= 0
Esto es, ) es diferenciable en a.
Notar que la condicin de continuidad de las funciones derivadas exigidas en este teorema no son condiciones
necesarias para la diferenciabilidad.
Corolario 4 Sea ) : 1 R
2
R ,a 1
0
, si existen )
r
y )
en un entorno
o
(a) y son continuas en el
punto a (esto implica la diferenciabilidad de la funcin en a) entonces
)(a + /, / + /) )(a, /) = /)
r
(a, /) + /)
(a, /) + -
1
(/)/ + -
2
(/)/
donde [[/[[ < c, y -
1
,-
2
son innitsimos en / = 0
Demostracin. Por el teorema de los incrementos nitos:
)(a + /) )(a) = /)
r
(a + 0
1
/, /) + /)
(a + /, / + 0
2
/), 0 < 0
1
, 0
2
< 1
Por ser ) diferenciable en a:
)(a + /, / + /) )(a, /) /)
r
(a, /) /)
(a, /) = ()
r
(a + 0
1
/, /) )
r
(a, /))/ + ()
(a + /, / + 0
2
/) )
(a, /))/
Llamando -
1
(/) = )
r
(a + 0
1
/, /) )
r
(a, /) y -
2
(/) = )
(a + /, / + 0
2
/) )
(a, /), se concluye la demostracion.

Ejemplo 12 Sea
)(r, j) =
_
(r
2
+ j
2
) sen
1
_
r
2
+
2
, r ,= 0
0, r = 0
, a = 0
En este caso se puede ver que las funciones
J}
Jr
y
J}
J
no son continuas en a y sin embargo ) es diferenciable en
a. Pues,
O)(r, j) =
_
_
_
2rsin
1
_
r
2
+
2

r
_
r
2
+ j
2
cos
1
_
r
2
+
2
, 2j sin
1
_
r
2
+
2

j
_
r
2
+ j
2
cos
1
_
r
2
+
2
_
, r ,= 0
(0, 0) , r = 0
y no existe el lmite de
J}
1
(r)
Jr
ni de
J}
1
(r)
J
cuando r tiende a 0. Por otra parte:
lm
|!0
)(0 + /) )(0) T
0
)(/)
_
_
/
_
_
= lm
|!0
/
2
+ /
2
_
/
2
+ /
2
sen
1
_
/
2
+ /
2
= 0
Es decir, ) es diferenciable en 0.
El siguiente teorema, que se enuncia sin demostrar, d una condicin suciente que exige un poco menos
que el teorema 6:
n
R, a 1
0
. Si existen
J}
Jr
j
(a), 0 _ , _ : y todas las funciones derivadas
parciales, menos una, existen en un entorno de a y estas funciones son continuas en a entonces ) es diferenciable
en a
Observacin 12 Estos resultados se generalizan, basndose en el teorema de lmite coordenada a coordenada
a funciones ) : 1 R
n
R
n
.
Ejemplo 13 Sea )(r, j) = (r + j, r.j)
Las derivadas parciales existen, pues
J}
Jr
(r) = (1, j) y
J}
J
(r) = (1, r), y adems estas funciones son continuas
en todo R
2
, por tanto ) es diferenciable en R
2
.
2
R. Si . = ) (a + /, / + /) ) (a, /), d. = /)
r
(a, /) + /)
(a, /) y
_
_
/
_
_
=
_
/
2
+ /
2
, la denicin de funcin diferenciable, en trminos del incremento y del diferencial expresa
que:
lm
(|,|),(0,0)
. d.
_
/
2
+ /
2
= 0
11
4.1. Interpretacin Geomtrica de la Diferencial de ) : 1 R
2
R
Para una funcin ) (r, j), puede ocurrir que en el punto a = (a, /) el cono tangente se convierta en un plano
tangente donde todas las rectas que tienen como pendientes las derivadas direccionales en a estn contenidas
en este plano.
Como el plano tangente est cerca de la supercie en un entorno del punto de tangencia, los valores .
1
de este plano son cercanos a valores de . = ) (r, j) para puntos prximos a r
0
. En este caso, cuando el plano
no es vertical, la funcin puede ser aproximada, en un entorno del punto, mediante una funcin lineal que
representa al mencionado plano. Si la aproximacin es sucientemente buena, se dice que la funcin ) (r, j) es
diferenciable en r
0
.
Funcin no diferenciable en o Funcin diferenciable en o
4.1.1. Linealidad local y plano tangente
A partir de la denicin de diferenciabilidad, haciendo un reacomodamiento de trminos, se tiene que:
lm
(|,|),(0,0)
) (a + /, / + /) [) (a, /) + /)
r
(a, /) + /)
(a, /)]
_
_
/
_
_
=
= lm
(r,),(o,b)
) (r, j) [) (a, /) + (r a) )
r
(a, /) + (j /) )
(a, /)]
|r a|
= 0
donde ) (a, /)+(r a) )
r
(a, /)+(j /) )
(a, /) es una funcin lineal de r y de j, y se la llama linealizacin

local de ) cerca del punto a.
Se observa que la funcin ) (r, j) diere de la funcin lineal en un innitsimo de orden superior a
_
_
/
_
_
=
|r a|, esta ecuacin expresa el signicado cuando se dice que una funcin lineal es una aproximacin su-
cientemente buena de ) (r, j) en un entorno de a, esto es:
) (r, j) w ) (a, /) + (r a) )
r
(a, /) + (j /) )
(a, /) (6)
Esta linealizacin local representa el plano tangente a la supercie ) (r, j) en el punto a, siendo su ecuacin:
. = ) (a, /) + )
r
(a, /) (r a) + )
(a, /) (j /) (7)
donde ) (r, j) es diferenciable en a = (a, /).
La ecuacin (7) puede expresarse como )
r
(a, /) (r a)+)
(a, /) (j /)(. ) (a, /)) = 0, de donde resulta

la ecuacin normal del plano tangente :
_
0)
0r
(a, /),
0)
0j
(a, /), 1
_
(r a, j /, . ) (a, /)) = 0
donde
_
0)
0r
(a, /),
0)
0j
(a, /), 1
_
es un vector normal a la grca de ) en (a, /).
4.1.2. Propiedades relacionadas con una funcin diferenciable
Sea ) : 1 R
2
R, 1 abierto y a 1
1. ) es diferenciable en a = ) es continua en a.
12
2. ) es diferenciable en a =existen todas las derivadas direccionales de ) en a.
3. ) es diferenciable en a = 1
u
) (a) = \) (a) n
4. )
r
y )
son continuas en un entorno de a = ) es diferenciable en a

5. ) es diferenciable en a = la supercie que representa ) tiene plano tangente en el punto a
Ejemplo 14 Hallar la ecuacin del plano tangente y un vector normal al paraboloide . = 2r
2
+j
2
en el punto
(1, 1, 3)
Resolucion Si )(r, j) = 2r
2
+ j
2
resulta )(1, 1) = 3, adems
)
r
(r, j) = 4r = )
r
(1, 1) = 4
)
(r, j) = 2j = )
(1, 1) = 2
Luego la ecuacin del plano tangente en el punto (1, 1, 3) est dada por
. = 3 + 4(r 1) + 2(j 1) = . = 4r + 2j 3
y un vector normal sera
: = (4, 2, 1)
4.2. Aplicaciones de la diferencial
4.2.1. Clculo aproximado
De la ecuacin (6), resulta
)(a) w d
o
)
_
/
_
As, la diferencial tiene una primera aplicacin en el clculo aproximado de incrementos, cuando no se necesita
cuanticar el error cometido.
Ejemplo 15 Usar diferenciales para encontrar el valor aproximado de
_
9(1,95)
2
+ (8,1)
2
Resolucion En este caso la funcin es )(r, j) =
_
9r
2
+ j
2
donde a = 2, / = 8, / = 0,05 y / = 0,1, como
)
r
(r, j) =
9r
_
9r
2
+ j
2
y )
(r, j) =
j
_
9r
2
+ j
2
se tiene
_
9(1,95)
2
+ (8,1)
2
= )(1,95, 8,1) w )(2, 8) + /)
r
(2, 8) + /)
(2, 8)
w 10 +
18
10
(0,05) +
8
10
(0,1) = 9,99
Se puede vericar con una calculadora que esta aproximacin es exacta hasta dos cifras decimales.
4.2.2. Aplicaciones geomtricas
Si ) : 1 R
3
R, es diferenciable en (a, /, c) o, con o = (r, j, .) R
3
: )(r, j, .) = /, si el vector
\)(a, /, c) ,= 0 entonces este vector es normal a la supercie de nivel en el punto (a, /, c), ya que si se
calcula la diferencial de ) en los puntos que pertenecen a la supercie o sta es igual a cero, pues sobre
la supercie la funcin es constante, de donde resulta:
d
o
)(/) = \)(a) / = ()
r
(a), )
(a), )
:
(a)) (r a, j /, . c) = 0
Esta ltima es la ecuacin normal del plano tangente a la supercie de nivel o en el punto (a, /, c) y el vector
\)(a) es un vector normal a este plano y en consecuencia es normal a la supercie de nivel o en el mismo
punto.
Si ) : 1 R
2
R, es diferenciable en (a, /) ( donde la curva de nivel ( = (r, j) R
2
: )(r, j) = /,
si el vector \)(a, /) ,= 0, por ser ) constante en todos los puntos que pertenecen a (:
d
o
)(/) = \)(a) / = ()
r
(a), )
(a)) (r a, j /) = 0
Esta ltima es la ecuacin normal de la recta tangente a ( en el punto (a, /) y \)(a, /) es un vector normal
a esta recta. En consecuencia, \)(a, /) es normal a la curva de nivel en el punto (a, /).
13
Ejemplo 16 Encontrar las ecuaciones del plano tangente y de la recta normal en el punto (-2,1,3) del elipsoide
r
2
4
+ j
2
+
:
2
9
= 3
Resolucion El elipsoide es la supercie de nivel (para / = 3 ) de la funcin )(r, j, .) =
r
2
4
+ j
2
+
:
2
9
, por lo
tanto se tiene:
)
r
(r, j, .) =
r
2
)
(r, j, .) = 2j )
:
(r, j, .) =
2.
9
)
r
(2, 1, 3) = 1 )
(2, 1, 3) = 2 )
:
(2, 1, 3) =
2
3
De donde resulta la ecuacin del plano tangente:
1(r + 2) + 2(j 1)
2
3
(. + 3) = 0 = 3r 6j + 2. + 18 = 0
y la recta normal
(r, j, .) = (2, 1, 3) + t(1, 2,
3
2
)
4.2.3. Derivada direccional mxima
Muchas veces resulta til saber en qu direccin se produce la derivada direccional mxima y cul es el valor
de la misma. Para ello se tendr en cuenta el siguiente teorema.
n
R diferenciable. El valor de la mxima derivada direccional 1
u
)(r) es [[\)(r)[[
y se presenta cuando n tiene la direccin del vector \)(r).
Esto es, si \)(r) ,= 0 , entonces \)(r) apunta en la direccin a lo largo de la cual ) est creciendo ms
rpidamente.
Demostracin. Por ser ) diferenciable se tiene
1
u
)(r) = \)(r).n = [[\)(r)[[[[n[[ cos 0 = [[\)(r)[[ cos 0
donde 0 es el ngulo comprendido entre \)(r) y n. El mximo valor de cos 0 es 1 y se presenta cuando 0 = 0.
Por lo tanto el mximo valor de 1
u
)(r) es [[\)(r)[[ y ocurre cuando n tiene la misma direccin que \)(r).
La derivad direccional mxima de la funcin ) en el punto a, se denota por:
1
max
) (a) = |\) (a)|
A partir del punto a, una direccin en la cual ) crece ms rpido \) (a) . Anlogamente, una direccin en
la cual ) decrece ms rpido es \) (a) .
Ejemplo 17 Si )(r, j) = rc
(a) Encontrar la razn de cambio de ) en el punto 1 = (2, 0) en la direccin de 1 a Q = (5, 4).

(b) En qu direccin tiene ) la mxima razn de cambio?Cul es su valor?
Resolucion
(a) Se observa que ) es diferenciable, por tanto se calcula el vector gradiente:
\)(r) = ()
r
(r), )
(r)) = (c
, rc
); \)(2, 0) = (1, 2)
El vector unitario en la direccin 1Q = (3, 4) es n = (
3
5
,
4
5
), as la razn de cambio de ) en la direccin de 1 a
Q es:
1
u
)( 2, 0) = \)(2, 0).n = (1, 2).(
3
5
,
4
5
) =
11
5
(b) De acuerdo al teorema 8, ) aumenta ms rpidamente en la direccin del gradiente \)(2, 0) = (1, 2). La
mxima razn de cambio es [[\)(2, 0)[[ = [[(1, 2)[[ =
_
5
Sea ) : 1 R
3
R, ) diferenciable, \) : 1 R
3
R
3
dene un campo vectorial. Su grca estara
contenida en R
6
por lo que no es posible gracar. Sin embargo muchas veces es til hacer un esquema
dibujando en el punto (a, /, c) el vector \)(a, /, c). El campo gradiente tiene un importante signicado
geomtrico, pues indica la direccin en que ) crece ms rpidamente y adems su direccin es ortogonal
a la supercie de nivel.
14
4.3. Derivadas sucesivas
Sea ) : 1 R
n
R, a 1, 1 abierto. Si ) admite derivadas parciales en 1, para i = 1, ..., :, se tiene
)
r
i
: 1 R
n
R
Estas funciones dependen de las mismas variables que depende ) . Si esta nueva funcin admite derivada
con respecto a r
en a, se dene la derivada segunda de ) respecto a r

I
, r
en a como:
0
2
)
0r
I
0r
(a) =
0
0r
_
0)
0r
I
_
(a) = lm
|
j
!0
)
r
i
(a + /
) )
r
i
(a)
/
denotada tambien como

J
2
}
Jr
i
Jr
j
(a) = )
r
i
r
j
(a) = 1
r
i
r
j
)(a) = 1
I
)(a)
En particular si : = 2, esto es ) : 1 R
2
R, suponiendo que existen )
r
y )
en todo (r, j) 1, se
dene, si existen:
J
2
}
JrJ
(a) =
J
J
_
J}
Jr
_
(a) = lm
|!0
)
r
(a, / + /) )
r
(a, /)
/
J
2
}
Jr
2
(a) =
J
Jr
_
J}
Jr
_
(a) = lm
|!0
)
r
(a + /, /) )
r
(a, /)
/
J
2
}
JJr
(a) =
J
Jr
_
J}
J
_
(a) = lm
|!0
)
(a + /, /) )
(a, /)
/
J
2
}
J
2
(a) =
J
J
_
J}
J
_
(a) = lm
|!0
)
(a, / + /) )
(a, /)
/
Esto es quedan denidas cuatro derivadas parciales segundas. Las derivadas
J
2
}
JrJ
(a) y
J
2
}
JJr
(a) se llaman
derivadas cruzadas.
Ejemplo 18 Sea )(r, j) = rj + (r + 2j)
2
, se tiene que
0)
0r
(r, j) = j + 2(r + 2j) = 5j + 2r,
0)
0j
(r, j) = r + 2(r + 2j)2 = 8j + 5r
Dado que existen las funciones
0)
0r
y
0)
0j
, es posible calcular las derivadas segundas:
0
2
)
0r
2
(r, j) =
0
0r
(5j + 2r) = 2
0
2
)
0r0j
(r, j) =
0
0j
(5j + 2r) = 5
0
2
)
0j0r
(r, j) =
0
0r
(8j + 5r) = 5
0
2
)
0j
2
(r, j) =
0
0j
(8j + 5r) = 8
Se observamos que en este ejemplo las derivadas cruzadas son iguales, ser cierto siempre? la respuesta es no.
Ejemplo 19 Sea
)(r, j) =
_
rj
r
2
2
r
2
+
2
si r ,= 0
0 si r = 0
Las derivadas parciales en r = 0 son
0)
0r
(0, 0) = lm
|!0
) (/, 0) )(0, 0)
/
= 0 y
0)
0j
(0, 0) = lm
|!0
) (0, /) )(0, 0)
/
= 0
Si r ,= 0 :
0)
0r
(r, j) =
j(r
4
+ 4j
2
r
2
j
4
)
(r
2
+ j
2
)
2
0)
0j
(r, j) =
r(r
4
4j
2
r
2
j
4
)
(r
2
+ j
2
)
2
luego:
)
r
(r, j) =
_
_
_
j(r
4
+ 4j
2
r
2
j
4
)
(r
2
+ j
2
)
2
si r ,= 0
0 si r = 0
y )
(r, j) =
_
_
_
r(r
4
4j
2
r
2
j
4
)
(r
2
+ j
2
)
2
si r ,= 0
0 si r = 0
A partir de estas funciones, se obtiene:
0
2
)
0r0j
(0, 0) = lm
|!0
)
r
(0, /) )
r
(0, 0)
/
= |i:
|!0
/
|
4
|
4
/
= 1
0
2
)
0j0r
(0, 0) = lm
)
(/, 0) )
(0, 0)
/
= |i:
|!0
/
|
4
|
4
/
= 1
15
Por lo tanto
J
2
}
JrJ
(0, 0) ,=
J
2
}
JJr
(0, 0). Lo que indica que las derivadas cruzadas no son siempre iguales. Inclusive
podra ser que una de ella exista y la otra no.
El siguiente teorema da una condicn suciente para que las derivadas cruzadas sean iguales.
2
R una funcin continua en a 1
0
tal que estn denidas las funciones )
r
,
)
, )
r
, )
r
en un entorno
o
(a) y son continuas en a, entonces )
r
(a) = )
r
(a)
Demostracin. Se dene
1(/, /) = [)(a + /, / + /) )(a + /, /)] [)(a, / + /) )(a, /)]
Por hiptesis 1 :
o
(a) R est denida. Adems, sea
G(n) = )(n, / + /) )(n, /)
G est denida en el intervalo cerrado [a /, a + /], es continua en el intervalo abierto(a /, a + /) y G
0
(n)
existe en (a /, a + /).
Luego, aplicando el Teorema del Valor Medio:
1(/, /) = G(a + /) G(a) = /G
0
(r
1
), con r
1
(a, a + /)
luego
1(/, /) = /G
0
(r
1
) = /[)
r
(r
1
, / + /) )
r
(r
1
, /)]
Si
H() = )
r
(r
1
, )
H satisface las hiptesis del Teorema del Valor Medio y por lo tanto se verica:
H(/ + /) H(/) = /H
0
(j
1
), con j
1
(/, / + /)
y por lo tanto:
1(/, /) = /(H(/ + /) H(/)) = //H
0
(j
1
) = //)
r
(r
1
, j
1
) (8)
Reescribiendo 1 tenemos:
1(/, /) = ()(a + /, / + /) )(a, / + /)) ()(a + /, /) )(a, /))
repitiendo el mismo procedimiento:
1(/, /) = //)
r
(r
2
, j
2
) con r
2
(a, a + /), j
2
(/, / + /) (9)
entonces tomando el mismo / y /, de (15) y (16) resulta:
)
r
(r
1
, j
1
) = )
r
(r
2
, j
2
)
Como por hiptesis las funciones )
r
, )
r
son continuas en a tomamdo lmite cuando (/, /) (0, 0) se cumple
que (r
1
, j
1
) (a, /) y (r
2
, j
2
) (a, /), por lo tanto resulta:
)
r
(a, /) = )
r
(a, /)
En realidad se pueden debilitar un poco las hiptesis y la tesis sigue valiendo. Los dos teoremas que se
enuncian a continuacin tambin dan una condicin suciente para que las derivadas cruzadas sean iguales.
Teorema 10 (de Schwarz) Sea ) : 1 R
2
R una funcin continua en a 1 abierto. Si
existen )
r
(r, j), )
(r, j) para todo (r, j)

o
(a)
existe )
r
o
(a) y es continua en a
Entonces existe )
r
(a) y adems )
r
(a) = )
r
(a)
Teorema 11 (de Young) Sea ) : 1 R
2
R una funcin continua en a 1 abierto. Si
existen )
r
(r, j), )

o
(a)
)
r
(r, j) y )
(r, j) son diferenciables en a

Entonces )
r
(a) = )
r
(a)
Todo lo visto se puede generalizar a funciones de : variables. Adems, a travs de un proceso iterativo se
pueden denir las derivadas terceras, cuarta, etc.
16
4.4. Diferenciacin sucesiva
Sea ) : 1 R
2
R, 1 abierto, a 1, ) es diferenciable en a entonces:
d
o
)(/) = \)(a) / = /)
r
(a) + /)
(a)
Se supone que ) es diferenciable para todo r 1. Si se toma constante al incremento /, se puede considerar
la funcin d) : 1 R
2
R tal que:
d)(r) = d
r
)(/) = /)
r
(r) + /)
(r)
Bajo la suposicin de que esta funcin es diferenciable, se dene, si existe, la diferencial segunda de ) en a:
d
2
o
)(/) = d(d))(a) = /
0
0r
(d))(a) + /
0
0j
(d))(a)
= /
_
/
0
2
)
0r
2
(a) + /
0
2
)
0r0j
(a)
_
+ /
_
/
0
2
)
0j0r
(a) + /
0
2
)
0j
2
(a)
_
= /
2
0
2
)
0r
2
(a) + //
0
2
)
0r0j
(a) + //
0
2
)
0j0r
(a) + /
2
0
2
)
0j
2
(a)
= /
2
0
2
)
0r
2
(a) + 2//
0
2
)
0j0r
(a) + /
2
0
2
)
0j
2
(a)
pues por hiptesis )
r
y )
son funciones diferenciables en a y por lo tanto las derivadas cruzadas son iguales.
Se denota:
d
2
o
)(/) = d
2
)(a) =
_
/
0)
0r
+ /
0)
0j
_
(2)
(a)
en analoga con el binomio de Newton.
Este proceso se puede iterar, si se supone que la funcin d
2
) existe para todo r 1 y que es diferenciable
en a, se dene
d
3
)(a) = d
o
(d
2
))(/) = /
3
0
3
)
0r
3
(a) + 3/
2
/
0
3
)
0r
2
0j
(a) + 3//
2
0
3
)
0r0j
2
(a) + /
3
0
3
)
0j
3
(a)
y se denota:
d
3
o
)(/) = d
3
)(a) =
_
/
0)
0r
+ /
0)
0j
_
(3)
(a)
Por induccin, si d
n1
) existe para todo r 1 y si la funcin d
n1
):1 R
2
R, es diferenciable en a, se
dene:
d
n
)(a) = d
o
(d
n1
))(/) =
_
/
0)
0r
+ /
0)
0j
_
(n)
(a)
4.4.1. Notacin de la diferencial:
d)(a) = \)(a) / = ()
r
(a), )
(a) )
_
/
/
_
= /)
r
(a) + /)
(a)
d
2
)(a) = /
2
0
2
)
0r
2
(a) + 2//
0
2
)
0j0r
(a) + /
2
0
2
)
0j
2
(a) = ( / / )
_
)
rr
(a) )
r
(a)
)
r
(a) )
(a)
__
/
/
_
La matriz
_
)
rr
(a) )
r
(a)
)
r
(a) )
(a)
_
se llama matriz Hessiana en a. Esta matriz juega un papel importante en el
estudio de extremos de una funcin.
E.C - C.E.
17
5. DIFERENCIACIN DE FUNCIONES COMPUESTAS
A n de comprender este problema, se plantea la siguiente situacin concreta.
Ejemplo 1 Dadas las funciones f : A R
3
R y h : B R R
3
, tal que f(x; y; z) = xz seny y
h(t) = (t + 1; t
2
; t) = (x; y; z). Hallar g = f h : R R (con h(B) A)
Resolucion
_
f h
_
(t) = f
_
h(t)
_
= f(t + 1; t
2
; t) = f(x; y; z) = u
con lo que
t
h
(t + 1; t
2
; t)
f
u
f h = g
t u
Cmo hallar la derivada
dg
dt
= g
0
(t) ?. En este caso la respuesta es sencilla pues bastar encontrar la expresin
de u = g(t) = (t + 1) t sent
2
=
_
t
2
+ t
_
sent
2
; es decir, la imagen de la funcin compuesta, y luego derivar. Se
obtiene
g
0
(t) =
dg(t)
dt
=
d
__
t
2
+ t
_
sent
2
dt
= (2t + 1) sent
2
+ 2t
_
t
2
+ t
_
cos t
2
En el caso general, supngase desconocer la expresin analtica que relaciona a las variables. No podr
entonces realizarse el clculo a n de hallar la expresin de la funcin compuesta y por lo tanto, tampoco su
derivada. Se aplicar una de las frmulas ms tiles del clculo, llamada regla de la cadena y permite calcular
la derivada de la funcin que surge de la composicin.
Antes de enunciar el siguiente teorema, se denir norma de una matriz.
Denicin 1 Sea A = (a
ij
) con i = 1; :::; m y j = 1; :::; n, se dene norma de la matriz A, como sigue:
|A| = max [a
ij
[ : 1 _ i _ m; 1 _ j _ n
Proposicin 1 Sea A = (a
ij
) una matriz de m n, para toda matriz X = (x
ij
) de n p, se cumple:
|AX| _ |A| |X|
Teorema 1 Regla de la cadena: Dadas las funciones
F : D
f
R
n
R
m
, diferenciable en x
0
D
f
G : D
g
R
m
R
p
, diferenciable en F(x
0
) D
g
donde F(D
f
) D
g
de tal manera que sea posible realizar la composicin G F : D
f
R
n
R
p
: Entonces se
cumple que
La funcin compuesta G F es diferenciable en x
0
D
f
La matriz derivada de la funcin compuesta, (G F)
0
evaluada en el punto x
0
; es el producto de las matrices
G
0
(F(x
0
)) y F
0
(x
0
):
(G F)
0
(x
0
)
. .
pn
= G
0
(F(x
0
))
. .
pm
F
0
(x
0
)
. .
mn
Observacin 1 F : D
f
R
n
R
m
tiene m funciones coordenadas F
i
: D
f
R
n
R y G : D
g
R
m
R
p
tiene p funciones coordenadas G
i
: D
g
R
m
R:
La matriz jacobiana de F en x
0
es:
F
0
(x
0
) =
_
_
_
@F
1
@x
1
(x
0
) :::
@F
1
@x
n
(x
0
)
.
.
.
.
.
.
.
.
.
@F
m
@x
1
(x
0
)
@F
m
@x
n
(x
0
)
_
_
_
1
La matriz jacobiana de G en F (x
0
) es:
G
0
(F(x
0
)) =
_
_
_
_
@G
1
@y
1
(F(x
0
)) : : :
@G
1
@y
m
(F((x
0
))
.
.
.
.
.
.
.
.
.
@G
p
@y
1
(F(x
0
))
@G
p
@y
m
(F(x
0
))
_
_
_
_
es una matriz de (p m), Entonces:
G
0
(F(x
0
)) F
0
(x
0
) =
_
_
_
_
_
_
_
m
i=1
@G
1
@y
i
(F(x
0
))
@F
i
@x
1
(x
0
) :::
m
i=1
@G
1
@y
i
(F(x
0
))
@F
i
@x
n
(x
0
)
.
.
.
.
.
.
.
.
.
m
i=1
@G
p
@y
i
(F(x
0
))
@F
i
@x
1
(x
0
)
m
i=1
@G
p
@y
i
(F(x
0
))
@F
i
@x
n
(x
0
)
_
_
_
_
_
_
_
Adems G F : D
f
R
n
R
p
es la composicin:
x
0
F
F(x
0
)
G
= y
0
G( F(x
0
))
entonces, si existe (G F)
0
(x
0
) sta es una matriz de (p m):
Demostracin. Por hiptesis se cumple
G es diferenciable en F(x
0
) = y
0
; entonces
G(y) G(y
0
) = G
0
(y
0
)(y y
0
) +
1
(y), con lm
y!y
0
1
(y)
[[y y
0
[[
= 0 (1)
F es diferenciable en x
0
, entonces
F(x) F(x
0
) = F
0
(x
0
)(x x
0
) +
2
(x), con lm
x!x
0
2
(x)
[[x x
0
[[
= 0 (2)
_
G F
_
(x)
_
G F
_
(x
0
) = G(F(x)) G(F(x
0
)) = G
0
(y)(F(x) F(x
0
)) +
1
(y)
= G
0
( y
0
)F
0
(x
0
)(x x
0
) + G
0
(y
0
)
2
(x) +
1
(F(x))
Sea
3
(x) = G
0
(y
0
)
2
(x) +
1
(F(x)), entonces
lm
x!x
0
3
(x)
[[x x
0
[[
= lm
x!x
0
G
0
(y
0
)
2
(x) +
1
(F(x))
[[x x
0
[[
= lm
x!x
0
G
0
(y
0
)
2
(x)
[[x x
0
[[
. .
()
+ lm
x!x
0
1
(F(x))
[[x x
0
[[
. .
()
Por (2) lm
x!x
0
2
(x )
[[x x
0
[[
= 0 y G
0
(y
0
); entonces (+) se anula.
Se probar que (++) tambin se anula. Por ser F continua en x
0
, cuando x x
0
se cumple que y y
0
, entonces:
lm
x!x
0
1
(y)
[[x x
0
[[
= lm
y!y
0
1
(y)
[[x x
0
[[
(3)
Adems, aplicando los axiomas de norma y la proposicin (1):
[[F(x) F(x
0
)[[
[[x x
0
[[
=
[[F
0
(x
0
)(x x
0
) +
2
(x)[[
[[x x
0
[[
_
[[F
0
(x
0
) (x x
0
) [[
[[x x
0
[[
+
[[
2
(x)[[
[[x x
0
[[
_
_
_
_
_F
0
(x
0
)
_
_
_ [[x x
0
[[
[[x x
0
[[
+
[[
2
(x)[[
[[x x
0
[[
_
_
_
_F
0
(x
0
)
_
_
_ +
[[
2
(x)[[
[[x x
0
[[
Tomando lmite, resulta:
0 _ lm
x!x
0
[[F(x) F(x
0
)[[
[[x x
0
[[
_ lm
x!x
0
_
[[F
0
(x
0
)[[ +
[[
2
(x ) [[
[[x x
0
[[
_
= [[F
0
(x
0
)[[ (4)
2
esto signica que
[[F(x) F(x
0
)[[
[[x x
0
[[
est acotado. Luego, por (3) y (4):
lm
x!x
0
1
(F(x))
[[x x
0
[[
= lm
x!x
0
1
(y)
[[y y
0
[[
[[F(x) F(x
0
)[[
[[x x
0
[[
=
= lm
y!y
0
1
(y)
[[y y
0
[[
lm
x!x
0
[[F(x) F(x
0
)[[
[[x x
0
[[
= 0
Resulta as:
G F(x) G F(x
0
) = G
0
( y
0
))F
0
( x
0
)(x x
0
) +
3
(x) con lm
x!x
0
3
(x)
[[x x
0
[[
= 0
De donde se obtiene que G F es diferenciable en x
0
y adems
(G F)
0
(x
0
) = G
0
(F(x
0
)) F
0
(x
0
)
Observacin 2 De la igualdad de matrices resulta que
@(G F)
i
@x
j
(x
0
) =
m
k=1
@G
i
@y
k
(F(x
0
))
@F
k
@x
j
(x
0
)
Se vern algunos ejemplos a n de entender mejor estos enunciados.
Ejemplo 2 Si en particular F : D
f
R R
m
; diferenciable en x
0
D
f
, G : D
g
R
m
R, diferenciable en
F(x
0
) D
0
con F(D
f
) D
g
; entonces G F : D
f
R R es diferenciable en x
0
y se verica
(G F)
0
(x
0
) = G
0
(F(x
0
))F
0
(x
0
) = \G(F(x
0
)):
_
_
_
F
0
1
(x
0
)
.
.
.
F
0
m
(x
0
)
_
_
_
Sea el caso del ejemplo 1,
_
f(x; y; z) = xz seny
h(t) = (t + 1; t
2
; t) = (x; y; z)
, donde f y g son diferenciables en todo punto,
entonces f h : R R es diferenciable en R y
(f h)
0
(t) = \f(h(t))h
0
(t) =
_
@f
_
h(t)
_
@x
;
@f
_
h(t)
_
@y
;
@f
_
h(t)
_
@y
_
_
_
h
0
1
(t)
h
0
2
(t)
h
0
3
(t)
_
_
=
= (z seny; xz cos y; xseny)[
(t+1;t
2
;t)
_
_
1
2t
1
_
_
=
_
t sent
2
; (t + 1) t cos t
2
; (t + 1) sent
2
_
_
_
1
2t
1
_
_
=
= t sent
2
+ 2 (t + 1) t
2
cos t
2
+ (t + 1) sent
2
= (2t + 1) sent
2
+ 2t
_
t
2
+ t
_
cos t
2
y coincide con el resultado obtenido.
Ejemplo 3 Si f : D R
n
R y g : D
0
R
m
R
n
; tal que g(D
0
) D, con f y g diferenciables en a y g(a) = b
respectivamente, entonces f g : D R
m
R es diferenciables en a y se verica: (f g)
0
(a) = f
0
(g(a))g
0
(a) esto
es, siendo el esquema de la composicin:
(u
1
; ; u
m
)
g
(x
1
; ; x
n
) = (g
1
(u); ; g
n
(u))
f
w = f(x) = f(g(u))
en particular
(a
1
; ; a
m
)
g
(b
1
; ; b
n
) = (g
1
(a); ; g
n
(a))
f
f(b) = f(g(a))
entonces
_
@(f g)
@y
1
(a); ;
@(f g)
@y
m
(a)
_
=
_
@f
@x
1
(g(a)); ;
@f
@x
n
(g(a))
_
_
_
_
_
@g
1
@y
1
(a)
@g
1
@y
m
(a)
.
.
.
.
.
.
.
.
.
@g
n
@y
1
(a)
@g
n
@y
m
(a)
_
_
_
_
de donde resulta
@(f g)
@x
1
(a) =
n
i=1
@f
@x
1
(g(a))
@g
1
@x
1
(a)
3
Ejemplo 4 Sea f(x:y; z) = x
2
+ y
2
z; donde x = u
2
v; y = v
2
; z = e
uv
; hallar las derivadas de f respecto
de u y v:
Se tiene
(u; v)
g
(x; y; z) = (u
2
v; v
2
; e
uv
)
f
w = (u
2
v)
2
+ (v
2
)
2
e
uv
Siendo h : R
2
R, la funcin composicin, cumple
h(u; v) = f g(u; v) = f(u
2
v; v
2
; e
uv
) = u
4
v
2
+ v
4
e
uv
por lo que
_
@h
@u
(u
0
);
@h
@v
(u
0
)
_
=
_
@f
@x
(g(u
0
));
@f
@y
(g(u
0
));
@f
@z
(g(u
0
))
_
_
_
_
_
@x
@u
u
0
@x
@v
u
0
@y
@u
u
0
@y
@v
u
0
@z
@u
u
0
@z
@v
u
0
_
_
_
_
y por ejemplo
@h
@u
(u) =
@f
@x
(g(u))
@x
@u
u
+
@f
@y
(g(u))
@y
@u
u
+
@f
@z
(g(u))
@z
@u
u
=
= 2x[
(u;v)
2uv + 2y[
(u;v)
0 + (1)[
(u;v)
ve
uv
= 4u
3
v
2
+ ue
uv
Ejemplo 5 Sea f : D R
n
R
m
y : I RR
n
, tal que (I) D .Existe f : I RR
m
y el esquema
de la composicin es
t

(
1
(t); ;
n
(t)) = (x
1
; ; x
n
)
f
f(
1
(t); ;
n
(t))
Adems, si y f son diferenciables en t
0
y a = (t
0
) respectivamente, entonces f es diferenciable en t
0
y
se verica: (f )
0
( t
0
) = f
0
((t
0
))
0
( t
0
), esto es
_
_
_
_
_
_
d(f )
1
dt
.
.
.
d(f )
m
dt
_
_
_
_
_
_
=
_
_
_
@f
1
@x
1
(x
0
) : : :
@f
1
@x
n
(x
0
)
.
.
.
.
.
.
.
.
.
@f
m
@x
1
(x
0
)
@f
m
@x
n
(x
0
)
_
_
_
_
_
_
dx
1
dt
(t
0
)
.
.
.
dx
n
dt
(t
0
)
_
_
_
Sea f(x; y) = (x
2
+ y
2
; xy) y (t) = (cos t; sent): El esquema de la composicin es
t

(cos t; sen t) = (x; y)
f
(cos
2
t + sen
2
t; cos t sent) = (1; cos t sent) = (u; v)
Aplicando la regla de la cadena
_
du
dt
;
dv
dt
_
=
_
@u
@x
@u
@y
@v
@x
@v
@y
_
_
dx
dt
dy
dt
_
de donde resulta
du
dt
=
@u
@x
dx
dt
+
@u
@y
dy
dt
= 2x(sent) + 2y(cos t) = 2 sent cos t + 2 cos t sent = 0
dv
dt
=
@v
@x
dx
dt
+
@v
@y
dy
dt
= y(sent) + x(cos t) = sen
2
t + cos
2
t
Ejemplo 6 Sea f(x; y) = (x
2
+ y
2
; x
2
y
2
) y g(u; v) = (uv; u + v). Estas dos funciones son diferenciables en
todo R
2
y adems
f
0
(x; y) =
_
2x 2y
2x 2y
_
y g
0
(u; v) =
_
v u
1 1
_
si a = (2; 1), f(2; 1) = (5; 3) se cumple
f
0
(2; 1) =
_
4 2
4 2
_
y g
0
(5; 3) =
_
3 5
1 1
_
y por lo tanto
(g f`)
0
(2; 1) = g
0
(5; 3)f
0
(2; 1) =
_
3 5
1 1
__
4 2
4 2
_
=
_
32 4
8 0
_
4
Ejemplo 7 Sea w = f(ax
2
+ bxy + cy
2
) con y = x
2
+ x + 1, calcular
dw
dx
1
. En este caso
x (x; x
2
+ x + 1)
f
ax
2
+ bx(x
2
+ x + 1) + c(x
2
+ x + 1)
2
x (x; y) u
f
w
dw
dx
= f
0
(u)
_
du
dx
;
du
dv
_
_
_
_
dx
dx
dy
dx
_
_
_ = f
0
(u) (2ax + b; 2cy + bx)
_
1
2x + 1
_
siendo x = 1;
1 (1; 1) a b + c
f
f(a b + c)
luego
dw
dx
1
= f
0
(a b + c) (2a(1) + b; 2c1 + b(1))
_
1
2(1) + 1
_
= 2(a b + c)f
0
(a b + c)
Ejemplo 8 Sea u = x
3
f
_
y
x
;
z
x
_
demostrar que x
@u
@x
+ y
@u
@y
+ z
@u
@z
= 3u. Se plantea
(x; y; z)
h
(s; t)
f
w = f(s; t)
donde s =
y
x
, t =
z
x
y h(x; y; z) =
_
y
x
;
z
x
_
, por lo tanto
@s
@x
=
y
x
2
;
@s
@y
=
1
x
;
@s
@z
= 0;
@t
@x
=
z
x
2
;
@t
@y
= 0;
@t
@z
=
1
x
y por la regla de la cadena
_
@w
@x
;
@w
@y
;
@w
@z
_
=
_
@w
@s
;
@w
@t
_
_
_
_
@s
@x
@s
@y
@s
@z
@t
@x
@t
@y
@t
@z
_
_
_
los clculos son
_
_
@w
@x
=
@w
@s
@s
@x
+
@w
@t
@t
@x
=
y
x
2
@f
@s

z
x
2
@f
@t
@w
@y
=
@w
@s
@s
@y
+
@w
@t
@t
@y
=
1
x
@f
@s
@w
@z
=
@w
@s
@s
@z
+
@w
@t
@t
@z
=
1
x
@f
@t
y aplicando la derivada del producto
_
_
@u
@x
= 3x
2
w + x
3
@w
@x
= 3x
2
w yx
@w
@s
zx
@w
@t
@u
@y
= x
3
@w
@y
= x
2
@w
@s
@u
@z
= x
3
@w
@z
= x
2
@w
@t
luego
x
@u
@x
+ y
@u
@y
+ z
@u
@z
= 3x
3
w yx
2
@w
@s
zx
2
@w
@t
+ yx
2
@w
@s
+ zx
2
@w
@t
= 3x
3
w = 3u
E.C. - C.E.
5
6. FUNCIONES IMPLCITAS
Se dice que j es una funcin implcita de r A
o
(r
0
) R, cuando existe una relacin entre ellas del tipo
1(r, j) = 0 de tal manera que satisface 1(r, )(r)) = 0, \r A
o
(r
0
) . A veces es posible transformarla en
explcita. Por ejemplo, si 1(r, j) = j
3
+ r
3
1 = 0, entonces j =
3
_
1 r
3
existe en todo punto, por lo tanto,
existe j = ) (r) \r R. Sin embargo, no siempre existe la funcin explcita, y si existiera, muy pocas veces se
puede conocer la expresin explcita de la funcin denida implcitamente.
Se puede pensar en una expresin polinmica de grado superior a cinco en j, o del tipo trascendente tal
como:
1(r, j) = r 2 lnr + j 2 lnj = 0
Enseguida se ver que aunque en esta funcin implcita no es posible despejar j como una funcin de r,
sta existe (y tambin existe r como una funcin de j).
Existen otra clase de problemas. Suponga la relacin 1(r, j) = r
2
+ j
2
+ 1 = 0, no existe ningn par (r, j)
del plano que la satisfaga, en consecuencia no existe j = )(r). As, debe siempre existir al menos un punto
donde la relacin se cumpla, pues si no, el problema carece de sentido.
En resumen, una ecuacin 1(r, j) = 0 puede o no denir una funcin j = )(r) o r = q(j) y en caso de
existir alguna de estas funciones, puede o no ser posible expresar a una de las variable como funcin explcita
de la otra.
Ahora bien, este problema puede encararse desde otro punto de vista: resolver la ecuacin en dos variables
1(r, j) = 0. Suponga que se conoce una solucin (r
0
, j
0
) con 1 (r
0
, j
0
) = 0, existen otras soluciones (r, j)
prximas a (r
0
, j
0
) de manera tal que pueda hallarse una curva j = )(r)?. Si la respuesta es armativa, se
obtendra una curva de soluciones de 1(r, j) = 0 en las proximidades de (r
0
, j
0
) . Considere 1 diferenciable
en (r
0
, j
0
), es decir
0 = 1(r, j) = 1(r, j) 1(r
0
, j
0
) = 1
0
(r
0
)(r r
0
) + j(r) con lm
r!r
0
j(r)
[[r r
0
[[
= 0
0 =
01(r
0
, j
0
)
0r
(r r
0
) +
01(r
0
, j
0
)
0j
(j j
0
) + j(r) con lm
r!r
0
j(r)
[[r r
0
[[
= 0
y en las proximidades de (r
0
, j
0
) , como lm
r!r
0
j
2
(r)
[[r r
0
[[
= 0, puede sustituirse a 1 por su aproximacin lineal,
que es
0 = (r r
0
)
01
0r
(r
0
, j
0
) + (j j
0
)
01
0j
(r
0
, j
0
) \r
o
(r
0
)
existe j como una funcin de r denida a travs de 1(r, j) = 0, si se cumple
01
0j
(r
0
, j
0
) ,= 0, entonces, j = j
0
01
0r
(r
0
, j
0
)
01
0j
(r
0
, j
0
)
(r r
0
)
Hemos ensayado aqu como resolver un caso sencillo de una funcin de dos variables. Enunciaremos ahora el
teorema para funciones en general, sin demostracin.
Teorema 1 Existencia y unicidad de las funciones implcitas
Dada 1 : 1 R
n+|
R
|
; :, / N, 1 un conjunto abierto a R
n
, / R
|
, (a, /) 1 tal qu e, si
i) 1 C
1
en
o
(a, /) 1.
ii) 1(a, /) = 0.
iii) J
_
J
1
...J
k
1
...
k
_
(o,b)
,= 0
entonces
_
_
c 0 y !q :
o
(a) R
n
R
|
y se cumple:
_
_
_
i) q(a) = /
ii) 1(r, q(r)) = 0 \r
o
(a)
iii) q C
1
en
o
(a)
1. El jacobiano que no debe anularse es el de las / funciones coordenadas de 1, respecto a las / variables
que en la tesis sern la variables dependientes.
2. El teorema es una condicin suciente pero no necesaria, por ejemplo 1(r, j) = r
3
j
3
, en un entorno
de (0,0) no cumple con las hiptesis del teorema pues 1
r
(0, 0) = 0 , sin embargo existe q(r) = r tal que
1(r, q(r)) = 0 para cualquier r
o
(0, 0). Del mismo modo, aunque 1
(0, 0) = 0, existe /(j) = j tal que

1(/(j), j) = 0 para cualquier j
o
(0, 0). Observe que las derivadas de q y / son ambas continuas.
1
3. Si bien el teorema no permite encontrar la funcin q de la que asegura su existencia, permite, sin embargo,
calcular las derivadas de q. La ventaja es que, conociendo las derivadas primeras, se puede aproximar en
forma lineal la funcin q en un entorno de (a, /) usando el teorema de los incrementos nitos.
Ejemplo 1 Dada 1(r, j) = r
2
+rj +j
2
1 = 0, aplicar el teorema de las funciones implcitas para determinar
si es posible hallar j como funcin de r, en un entorno de (0, 1), y en ese caso, hallar
J
Jr
0
.
Solucin:Se verican las hiptesis del teorema de la funcin implcita pues
i) 1(0, 1) = 0
2
+ 0,1 + 1
2
1 = 0
ii) 1
r
= 2r + j . 1
= 2j + r =1 C
1
en R
2
iii)J
_
J
(0,1)
= 1
[
(0,1)
= 2j + r[
(0,1)
= 2 ,= 0
Entonces existe una funcin q tal que q(0) = 1, 1(r, q(r)) = 0 \r
o
(0) y adems q C
1
en
o
(0), con lo
cual q es diferenciable en un entorno de 0. La derivada
J
Jr
0
es, usando la regla de la cadena
r
c
(r, q(r))
J
1(r, q(r))
R R
2
R
es decir que 1 G :
o
(0) R R, es una funcin diferenciable en r = 0 y por la tesis del teorema \r
o
(0),
_
1 G
_
(r) = 1(r, q(r)) = 0, entonces
_
1 G
_
0
(0) = 0 y
0 =
_
1
0
(G(0))
_
G
0
(0) = (1
r
, 1
)[
(0,(0))
_
_
1
q
0
(r)
_
_
0
= (2r + j, 2j + r)[
(0,1)
_
_
1
q
0
(0)
_
_
=(1, 2)
_
_
1
q
0
(0)
_
_
= 0 =1 + 2q
0
(0) = 0 =
dj
dr
0
= q
0
(0) =
1
2
Ejemplo 2 Dada 1(r, j, .) = 0 dar condiciones sucientes para que en un entorno de (r
0
, j
0
, .
0
) exista
0.
0r
.
Solucin:En este caso no se explicita la variable dependiente, pero al pedir que se pueda derivar . con respecto
a r, se observa que . debe ser la variable dependiente y por lo tanto r e j son variables independientes. La
hiptesis del teorema se formula
i) 1
r
, .1
, 1
:
continuas en un entorno de (r
0
, j
0
, .
0
)
ii) 1(r
0
, j
0
, .
0
) = 0.
iii) J
_
J
:
_
(r
0
,
0
,:
0
)
= 1
:
(r
0
, j
0
, .
0
) ,= 0
La tesis arma que existe una funcin diferenciable q :
o
(r
0
, j
0
) R
2
R tal que \(r, j)
o
(r
0
, j
0
) se
cumple q(r
0
, j
0
) = .
0
y 1(r, j, q(r, j)) = 0. Considerando el siguiente esquema y aplicando la regla de la cadena
(r, j)
c
(r, j, .) = (r, j, q(r, j))
J
1(r, j, q(r, j))
R
2
R
3
R
Luego \(r, j)
o
(r
0
, j
0
), 1(r, j, q(r, j)) = 0 =
_
1 G
_
(r, j) = 0 =
_
1 G
_
0
(r
0
, j
0
) =
_
0 0
_
. Como
_
1
0
(G(r
0
, j
0
))
_
G
0
(r
0
, j
0
) =
_
0 0
_
=
_
1
r
1
1
:
_
(r
0
,
0;
:
0
)
_
_
1 0
0 1
J
Jr
J
J
_
_
(r
0
,
0
)
=
_
0 0
_
se obtiene as el sistema
_
_
_
1
r
(r
0
, j
0,
.
0
) + 1
:
(r
0
, j
0,
.
0
)
J
Jr
(r
0
, j
0
) = 0
1
(r
0
, j
0,
.
0
) + 1
:
(r
0
, j
0,
.
0
)
J
J
(r
0
, j
0
) = 0
cuya solucin es
_
_
J:
Jr
(r
0
, j
0
) =
J
Jr
(r
0
, j
0
) =
1
r
(r
0
, j
0,
.
0
)
1
:
(r
0
, j
0,
.
0
)
=

_
1
r
_
_
1
.
_
(r
0
,
0;
:
0
)
J:
J
(r
0
, j
0
) =
J
J
(r
0
, j
0
) =
1
(r
0
, j
0,
.
0
)
1
:
(r
0
, j
0,
.
0
)
=

_
1
j
_
_
1
.
_
(r
0
,
0;
:
0
)
2
Notar que para que exista estas derivadas se necesita que 1
:
(r
0
, j
0
, .
0
) ,= 0, lo cual est asegurado en la hiptesis.
Ejemplo 3 Dado el sistema
_
1
1
(r, j, .) = 0
1
2
(r, j, .) = 0
, dar condiciones sucientes para que en un entorno de (r
0
, j
0
, .
0
)
exista
J
Jr
y
J:
Jr
en r
0
.
Solucin: En este caso hay 3 variables y 2 funciones, entonces hay una variable libre r y dos variables
dependientes
j
.
Las condiciones a vericar son
i) 1
1
(r
0
, j
0
, .
0
) = 0 . 1
2
(r
0
, j
0
, .
0
) = 0
ii) 1
1r
,1
1
, 1
1:
, 1
2r
, 1
2
, 1
2:
sean continuas en un entorno de (r
0
, j
0
, .
0
)
iii) J
_
J
1
J
2
:
_
(r
0
,
0
,:
0
)
,= 0
Con estas condiciones existe una funcin diferenciable q :
o
(r
0
) R R
2
tal que q(r
0
) = (j
0
, .
0
). y
\r
o
(r
0
), (1
1
(r, q(r)), 1
2
(r, q(r))) = 0 . Se aplica la regla de la cadena
r
c
(r, j, .) = (r, q(r))
J
(1
1
(r, q(r)), 1
2
(r, q(r)))
R R
3
R
2
Como (1
1
(r, q(r)), 1
2
(r, q(r))) = 0 \r
o
(r
0
)
_
1 G
_
(r, j) = 0, \r
o
(r
0
) =
_
1 G
_
0
(r
0
) =
_
1
0
(G(r
0
))
_
. .
23
G
0
(r
0
, j
0
)
. .
31
=
_
_
0
0
_
_
_
1
1r
1
1
1
1:
1
2r
1
2
1
2:
_
(r
0
,
0;
:
0
)
_
_
1
J
1
Jr
J
2
Jr
_
_
r
0
=
_
_
0
0
_
_
_
_
_
1
1r
(r
0
, j
0,
.
0
) + 1
1
(r
0
, j
0,
.
0
)
J
1
Jr
(r
0
) + 1
1:
(r
0
, j
0,
.
0
)
J
2
Jr
(r
0
) = 0
1
2r
(r
0
, j
0,
.
0
) + 1
2
(r
0
, j
0,
.
0
)
J
1
Jr
(r
0
) + 1
2:
(r
0
, j
0,
.
0
)
J
2
Jr
(r
0
) = 0
Este es un sistema de 2 ecuaciones con dos incgnitas,
J
1
Jr
(r
0
);
J
2
Jr
(r
0
),que tendr solucin nica si el determi-
nante de este sistema es distinto de cero, esto es
det
_
1
1
(r
0
, j
0,
.
0
) 1
1:
(r
0
, j
0,
.
0
)
1
2
(r
0
, j
0,
.
0
) 1
2:
(r
0
, j
0,
.
0
)
_
,= 0
pero esto est contemplado en la hiptesis pues se pide que J
_
J
1
J
2
:
_
(r
0
,
0
,:
0
)
,= 0, con esta condicin se puede,
aplicando la regla de Cramer, despejar las incgnitas del sistema
dj
dr
(r
0
) =
dq
1
dr
(r
0
) =
det
_
1
1r
(r
0
, j
0,
.
0
) 1
1:
(r
0
, j
0,
.
0
)
1
2r
(r
0
, j
0,
.
0
) 1
2:
(r
0
, j
0,
.
0
)
_
det
_
1
1
(r
0
, j
0,
.
0
) 1
1:
(r
0
, j
0,
.
0
)
1
2
(r
0
, j
0,
.
0
) 1
2:
(r
0
, j
0,
.
0
)
_ =
J
_
J
1
J
2
r:
_
(r
0
,
0
,:
0
)
J
_
J
1
J
2
:
_
(r
0
,
0
,:
0
)
d.
dr
(r
0
) =
dq
2
dr
(r
0
) =
det
_
1
1
(r
0
, j
0,
.
0
) 1
1r
(r
0
, j
0,
.
0
)
1
2
(r
0
, j
0,
.
0
) 1
2r
(r
0
, j
0,
.
0
)
_
det
_
1
1
(r
0
, j
0,
.
0
) 1
1:
(r
0
, j
0,
.
0
)
1
2
(r
0
, j
0,
.
0
) 1
2:
(r
0
, j
0,
.
0
)
_ =
J
_
J
1
J
2
r
_
(r
0
,
0
,:
0
)
J
_
J
1
J
2
:
_
(r
0
,
0
,:
0
)
Ejemplo 4 Dado el sistema
_
_
_
1
1
(r, j, ., t, n) = 0
1
2
(r, j, ., t, n) = 0
1
3
(r, j, ., t, n) = 0
, dar condiciones sucientes para que en un entorno de
(r
0
, j
0
, .
0
, t
0
, n
0
) existan
0.
0r
(r
0
,
0
)
y
0.
0j
(r
0
,
0
)
.
3
Solucin:En este caso son 5 variables y 3 funciones, con lo cual hay 2 variables libres
r
j
y tres variables
dependientes
.
t
n
. Las condiciones a vericar son:
i) (1
1
, 1
2
, 1
3
) (r
0
, j
0
, .
0
, t
0
, n
0
) = (0, 0, 0)
ii)
1
1r
, 1
1
, 1
1:
, 1
1|
, 1
1u
1
2r
, 1
2
, 1
2:
, 1
2|
, 1
2u
1
3r
, 1
3
, 1
3:
, 1
3|
, 1
3u
sean continuas en un entorno de (r
0
, j
0
, .
0
, t
0
, n
0
)
iii)J
_
1
1
1
2
1
3
.tn
_
(r
0
,
0
,:
0
,|
0
,u
0
)
,= 0
Con estas condiciones existe una funcin diferenciable q :
o
(r
0
, j
0
) R
2
R
3
tal que q(r
0
, j
0
) = (.
0
, t
0
, n
0
)
y \(r, j)
o
(r
0
, j
0
), (1
1
(r, j, q(r, j)), 1
2
(r, j, q(r, j)), 1
3
(r, j, q(r, j))) = 0. Aplicando la regla de la cadena
(r, j)
c
(r, j, ., t, n) = (r, j, q(r, j))
J
(1
1
(r, j, q(r, j)), 1
2
(r, j, q(r, j)), 1
3
(r, j, q(r, j)))
R
2
R
5
R
3
Como \(r, j)
o
(r
0
, j
0
_
) : (1
1
(r, j, q(r, j)), 1
2
(r, j, q(r, j)), 1
3
(r, j, q(r, j))) = 0 entonces, \(r, j)
o
(r
0
, j
0
_
)
se cumple
_
1 G
_
(r, j) = 0 =
_
1 G
_
0
(r
0
, j
0
) =
_
_
0 0
0 0
0 0
_
_
_
1
0
(G(r
0
, j
0
))
_
. .
35
G
0
(r
0
, j
0
)
. .
52
=
_
_
1
1r
1
1
1
1:
1
1|
1
1u
1
2r
1
2
1
2:
1
2|
1
2u
1
3r
1
3
1
3:
1
3|
1
3u
_
_
(r
0
,
0
,:
0
,|
0
,u
0
)
_
_
_
_
_
_
_
1 0
0 1
J
1
Jr
J
1
J
J
2
Jr
J
2
J
J
3
Jr
J
3
J
_
_
_
_
_
_
_
(r
0
,
0
)
=
_
_
0 0
0 0
0 0
_
_
I
_
_
_
1
1r
+ 1
1:
J
1
Jr
+ 1
1|
J
2
Jr
+ 1
1u
J
3
Jr
= 0
1
2r
+ 1
2:
J
1
Jr
+ 1
2|
J
2
Jr
+ 1
2u
J
3
Jr
= 0
1
3r
+ 1
3:
J
1
Jr
+ 1
3|
J
2
Jr
+ 1
3u
J
3
Jr
= 0
II
_
_
1
1
+ 1
1:
J
1
J
+ 1
1|
J
2
J
+ 1
1u
J
3
J
= 0
1
2
+ 1
2:
J
1
J
+ 1
2|
J
2
J
+ 1
2u
J
3
J
= 0
1
3
+ 1
3:
J
1
J
+ 1
3|
J
2
J
+ 1
3u
J
3
J
= 0
Este es un sistema de 6 ecuaciones con 6 incgnitas,
J
1
Jr
;
J
2
Jr
;
J
3
Jr
;
J
1
J
;
J
2
J
;
J
3
J
(r
0
, j
0
), que tiene solucin nica
pues en la hiptesis se pide que J
_
1
1
1
2
1
3
.tn
_
(r
0
,
0
,:
0
,|
0
,u
0
)
,= 0, con esta condicin se puede, aplicando la regla
de Cramer, despejar las incgnitas del sistema, pero en este caso slo se desea encontrar
0.
0r
(r
0
,
0
)
=
0q
1
0r
(r
0
,
0
)
y
0.
0j
(r
0
,
0
)
=
0q
2
0j
(r
0
,
0
)
0.
0r
(r
0
,
0
)
=
0q
1
0r
(r
0
,
0
)
=
det
_
_
1
1r
1
1|
1
1u
1
2r
1
2|
1
2u
1
3r
1
3|
1
3u
_
_
det
_
_
1
1:
1
1|
1
1u
1
2:
1
2|
1
2u
1
3:
1
3|
1
3u
_
_
=
J
_
1
1
1
2
1
3
rtn
_
J
_
1
1
1
2
1
3
.tn
_
(r
0
,
0
,:
0
,|
0
,u
0
)
0.
0j
(r
0
,
0
)
=
0q
2
0j
(r
0
,
0
)
=
det
_
_
1
1
1
1|
1
1u
1
2
1
2|
1
2u
1
3
1
3|
1
3u
_
_
det
_
_
1
1:
1
1|
1
1u
1
2:
1
2|
1
2u
1
3:
1
3|
1
3u
_
_
=
J
_
1
1
1
2
1
3
jtn
_
J
_
1
1
1
2
1
3
.tn
_
(r
0
,
0
,:
0
,|
0
,u
0
)
4
6.1. Teorema de la funcin inversa
Si ) : 1 R
n
R
n
, a 1
o
tal que ) C
1
en un entorno de a y J
}(o)
,= 0, entonces existen en R
n
dos
conjuntos abiertos l y \ tales que a l. )(a) \ de modo que )
I
: l \ es biyectiva, y )
1
C
1
en
/ = )(a), con matriz jacobiana
_
)
0
(a)
_
1
.
Observacin 1 Este teorema es una condicin necesaria y suciente para la existencia local de la funcin inver-
sa diferenciable. Por ejemplo )(r) = r
3
, es una funcin con derivada primera continua que admite, localmente
en cualquier punto de R, funcin inversa continua , pero en un entorno de 0 esta inversa no es diferenciable,
y el problema es que J
}(0)
= )
0
(0) = 0
Ejemplo 5 Dada ) : 1 R
2
R
2
, denida por )(r, 0) = (r cos 0, r sen 0), siendo 1 = [0, ) [0, 2] decidir
en qu puntos de 1, existe )
1
que sea diferenciable.
Solucin: Como ) C
1
en (r
0
, 0
0
) , \(r
0
, 0
0
) 1, se calcula
J
}(o)
= det
_
cos 0
0
r
0
sen0
0
sen0
0
r
0
cos 0
0
_
(:
0
,0
0
)
= r
0
y la nica condicin para que exista )
1
es que r
0
,= 0. Es decir en el clculo realizado anteriormente en (
_
2, ,4)
existe la inversa de ) y es diferenciable. La matriz derivada asociada al diferencial en dicho punto es
_
)
1
_
0
()(
_
2, ,4)) =
_
)
0
(
_
2, ,4)
_
1
=
_
cos
t
4

_
2 sen
t
4
sen
t
4
_
2 cos
t
4
_
1
=
_
p
2
2
1
p
2
2
1
_
1
=
_ p
2
2
p
2
2
1
2
1
2
_
Entonces:
_
)
1
_
0
()(
_
2, ,4)) =
_
)
1
_
0
(1, 1) =
_
_
_
0r
0r
0r
0j
00
0r
00
0j
_
_
_
(1,1)
=
_ p
2
2
p
2
2
1
2
1
2
_
En general si ) : 1 R
2
R
2
, tal que )(r, j) = (n, ), para que exista localmente, funcin inversa diferenciable,
debe comprobarse que:
i) ) C
1
,en un entorno de (r
o
, j
o
).
ii) J
}(r
o
,
o
)
,= 0 =det
_
_
_
0n
0r
0n
0j
0
0r
0
0j
_
_
_
(r
o
,
o
)
,= 0
Con esto se puede asegurar la existencia en forma local de la funcin inversa y se puede calcular la matriz
derivada de dicha inversa. Sea (n
o
,
o
) = )(r
o
, j
o
), entonces:
_
_
_
0r
0n
0r
0
0j
0n
0j
0
_
_
_
(u
o
,u
o
)
=
_
)
1
_
0
(n
o
,
o
) =
_
)
0
(r
o
, j
o
)
_
1
=
_
_
_
0n
0r
(r
o
, j
o
)
0n
0j
(r
o
, j
o
)
0
0r
(r
o
, j
o
)
0
0j
(r
o
, j
o
)
_
_
_
1
=
=
1
det
_
_
_
0n
0r
0n
0j
0
0r
0
0j
_
_
_
(r
o
,
o
)
_
_
_
0
0j
(r
o
, j
o
)
0
0r
(r
o
, j
o
)
0n
0j
(r
o
, j
o
)
0n
0r
(r
o
, j
o
)
_
_
_
T
=
_
_
_
n
r
r
n

r
n
r
r
n
n
r
r
n
n
r
n
r
r
n
_
_
_
(r
o
,
o
)
Por lo tanto
0r
0n
(u
o
,u
o
)
=

n
r
r
n
(r
o
,
o
)
0r
0
(u
o
,u
o
)
=

r
n
r
r
n
(r
o
,
o
)
0j
0n
(u
o
,u
o
)
=
n
n
r
r
n
(r
o
,
o
)
0j
0
(u
o
,u
o
)
=
n
r
n
r
r
n
(r
o
,
o
)
5
8. FORMAS CUADRTICAS
Denicin 1 Sea Q : R
n
R
1
, tal que se puede expresar de la forma:
Q(x) = x
T
Hx
con x
T
= (x
1
; x
2
; : : : ; x
n
) R
n
y H matriz (n n) simtrica (H = H
T
)
H =
0
B
@
a
11
: : : a
1n
.
.
.
.
.
.
.
.
.
a
n1
: : : a
nn
1
C
A con a
ij
= a
ji
Q(x) se denomina Forma Cuadrtica y H es llamada matriz de la forma cuadrtica.
Ejemplo 1 Q(x; y) = (x; y)
1 0
0 1
x
y
= x
2
y
2
Ejemplo 2 Q(x; y; z) = (x; y; z)
0
@
1 0 0
0 1 0
0 0 0
1
A
0
@
x
y
z
1
A
= x
2
+ y
2
Proposicin 1 Si Q : R
n
R
1
es una forma cuadrtica entonces es homognea de grado 2. Esto es:
Q(x) =
2
Q(x)
Demostracin. Q(x) = x
T
Hx = x
T
Hx =
2
x
T
Hx =
2
Q(x)
Denicin 2 Sea Q : R
n
R
1
una forma cuadrtica entonces:
1. Q(x) es denida positiva (negativa) sii \x ,= 0; Q(x) 0 ( Q(x) < 0)
2. Q(x) es semidenida positiva (negativa) sii \x ,= 0; Q(x) _ 0 (Q(x) _ 0):
Se suelen llamar a las semidenidas positivas, no negativas y a las semidenidas negativas, no positivas.
3. Q(x) es indenida sii x
0
,= x
1
,= 0 : Q(x
0
) > 0 . Q(x
1
) < 0.
Denicin 3 La matriz H se clasicar segn la forma cuadrtica asociada:
1. H es denida positiva (negativa) sii Q(x) = x
T
Hx es denida positiva (negativa).
2. H es semidenida positiva (negativa) sii Q(x) = x
T
Hx es semidenida positiva (negativa).
3. H es indenida sii Q(x) = x
T
Hx es indenida.
Proposicin 2 Q(x) es denida positiva sii Q(x) es denida negativa.
Es una consecuencia inmediata de la denicin.
Proposicin 3 Si dos elementos de la diagonal de la matriz H tienen signos distintos, entonces la matriz es
indenida.
Demostracin. Sea H = (h
ij
) una matriz cuadrada de orden n, tal que h
ii
.h
jj
; i ,= j y sgn(h
ii
) ,= sgn(h
jj
):
Si x
0
= (0; : : : ; 1; : : : ; 0)
T
(x
i
= 1, x
j
= 0 si i ,= j) y x
1
= (0; : : : ; 1; : : : ; 0)
T
(x
j
= 1, x
i
= 0 si i ,= j)
Q(x
0
) = x
T
0
Hx
0
= h
ii
y Q(x
1
) = x
T
1
Hx
1
= h
jj
Luego Q(x) es indenida y por lo tanto H es indenida.
Dado que generalmente se trabajar con H simtrica (H = H
T
), se recuerdan los siguinetes resultados:
Proposicin 4 Los autovalores de matrices simtricas son nmeros reales.
Proposicin 5 Los autovectores de matrices simtricas, correspondientes a autovalores distintos, son ortogo-
nales.
Proposicin 6 A(n n) es diagonalizable si y solo si tiene n autovectores linealmente independientes.
Corolario 1 Sea P la matriz cuyas columnas son los n autovectores linealmente independientes de A, entonces
P
T
P = I, lo que signica: P
T
= P
1
(O sea P es ortonormal)
1
Proposicin 7 Si H = H
T
entonces H es diagonalizable.
Proposicin 8 H (n n) es denida positiva (negativa) si y slo si
i
> 0 (< 0) con i = 1; : : : ; n.
Demostracin. Como H es diagonalizable (proposicin 7), entonces existe P ortonormal tal que: P
T
H P = D,
por tanto:
Q(x) = x
T
Hx = x
T
PP
T
HPP
T
x = (P
T
x)
T
(P
T
HP)(P
T
x) = y
T
Dy
donde y = P
T
x, entonces:
Q(x) =
n
X
i=1
i
y
2
i
Luego, \x ,= 0 es Q(x) > 0 si y slo si
i
> 0, i = 1; : : : ; n.
Corolario 2 Si H (n n) tiene autovalores positivos y negativos entonces es indenida.
Ejemplo 3 Sea Q(x; y; z) = xy + yz + zx. Entonces
H I =
0
@
0
1
2
1
2
1
2
0
1
2
1
2
1
2
0
1
A
0
@
0 0
0 0
0 0
1
A
=
0
@

1
2
1
2
1
2

1
2
1
2
1
2

1
A
de donde la ecuacin caracterstica es:
3
+
3
4
+
1
4
= 0
Los autovalores son = 1;
1
2
;
1
2
, de modo que existe un sistema ortogonal (u; v; w) con respecto al cual la
forma cuadrtica queda expresada:
Q(u; v; w) = u
2
1
2
v
2
1
2
w
2
;
de lo que se deduce que sta es indenida.
Denicin 4 Se llama H
q
Menor Principal n-simo de H (n n) al determinante de la matriz obtenida
al suprimir en H las (n q) ltimas las y columnas. As:
H
1
= det h
11
, H
2
=
h
11
h
12
h
21
h
22
, H
2
=
h
11
h
12
h
13
h
21
h
22
h
23
h
31
h
32
h
33
, ..., H
n
=
h
11
: : : h
1n
.
.
.
.
.
.
.
.
.
h
n1
: : : h
nn
Existe otro criterio para determinar si una forma cuadrtica es denida positiva o si es denida negativa, es
el siguiente.
Proposicin 9 Criterio de Sylvester
Una matriz simtrica es denida positiva si y solo si
[H
k
[ > 0, \k 1; 2; 3; : : : ; n
Este criterio nos da una condicin necesaria y suciente para que una matriz sea denida positiva.
Proposicin 10 H es denida negativa si y slo si
(1)
k
[H
k
[ > 0, \k 1; 2; : : : ; n
Ejemplo 4
Q(x; y) = (x; y)
2 1
1 1
x
y
= 2x
2
y
2
+ 2xy
(1)
1
[H
1
[ = (1)
1
det (2) = 2 > 0, (1)
2
[H
2
[ =
2 1
1 1
= 1 > 0
Por lo tanto, Q es denida negativa.
Ejemplo 5 x
2
+ y
2
+ z
2
+ xz
Q(x; y; z) = (x; y; z)
0
@
1 0
1
2
0 1 0
1
2
0 1
1
A
0
@
x
y
z
1
A
= [H
1
[ = 1; [H
2
[ =
1 0
0 1
= 1; [H
3
[ =
1 0
1
2
0 1 0
1
2
0 1
=
3
4
Por lo tanto, Q es denida positiva.
E.C. - C.E.
2
7. FRMULA DE TAYLOR
Se sabe que para funciones diferenciables de una variable puede construirse una mejor aproximacin mediante
una funcin polinmica de grado n > 1, ocurre lo mismo para una funcin de varias variables.
Cuando se estudi la diferenciabilidad de una funcin f (x; y), se vio la manera de aproximar f (x; y) en
puntos cercanos al punto (a; b) a travs de una funcin lineal. Esto es: f (x; y)
~
= f (a; b) + f
x
(a; b) (x a) +
f
y
(a; b) (y b), \(x; y) N
(a; b). Ahora, para mejorar esta aproximacin mediante una funcin polinmica no
lineal, se extender la frmula de Taylor, estudiada para funciones de una variable, a funciones de n variables.
7.1. Frmula de Taylor para funciones con dominio en R
n
Teorema 1 Frmula de Taylor
Sea f : D R
n
R; D abierto, f C
n+1
en D (esto es con derivadas parciales hasta el orden n+1 continuas),
a D; entonces existe z perteneciente al segmento que une a con (a + h) N
0
(a) D (para algn ) tal que:

f(a + h) = f(a) +
n
k=1
1
k!
d
k
a
f(h) +
1
(n + 1)!
d
n+1
z
f(h) (Frmula de Taylor para f en a) (1)
donde
P
n
= f(a) +
n
k=1
1
k!
d
k
a
f(h)
se llama Polinomio de Taylor de grado n (a lo sumo) para f en a. Y
R
n
= f(a + h) P
n
=
1
(n + 1)!
d
n+1
z
f(h)
se llama Resto, y
lm
h!0
R
n
_
_
h
_
_
n
= 0
Demostracin. Como D es abierto, existe tal que N
(a) D: Sea (a+h) N

0
(a): Sea el conjunto de puntos

de la recta que pasa por a y a + h que pertencen a un entorno del punto a, esto es a + th: t R N
(a),
entonces d
_
a; a + th
_
< =
_
_
a + th a
_
_
= [t[
_
_
h
_
_
< = [t[ <

_
_
h
_
_
. Por tanto
a + th : t R N
(a) = a + th :

_
_
h
_
_
< t <

_
_
h
_
_
Para todo t
_

|h|
;

|h|
_
se considera la composicin:
t
r
a + th
f
f(a + th)
f r = g :
_

jjhjj
;

jjhjj
_
R, tal que f r(t) = f(r(t)) = f(a + th). Observar que r :
_

|h|
;

|h|
_
R R
n
,
tal que r(t) = a + th; por lo tanto r(0) = a y r(1) = a + h: Adems
r
0
(t) =
_
_
_
h
1
.
.
.
h
n
_
_
_ = h; r
(2)
(t) =
_
_
_
0
.
.
.
0
_
_
_; : : : ; r
(n+1)
(t) =
_
_
_
0
.
.
.
0
_
_
_ stas son funciones continuas, por lo tanto
r C
n
, entonces g es diferenciable hasta el orden n y sus derivadas hasta el orden n + 1 son continuas, por ser
composicin de funciones continuas en
_

|h|
;

|h|
_
. En consecuencia, es posible aplicar el Teorema de Taylor
para funciones reales de variable real a g en el punto 0: Esto es:
g(t) = g(0) +
n
k=1
1
k!
g
(k)
(0)t
k
+
1
(n + 1)!
g
(n+1)
()t
n+1
1
con 0 < < t, y con lm
t!0
R
n
[t[
n
= 0. En particular para t = 1:
g(1) = g(0) +
n
k=1
1
k!
g
(k)
(0) +
1
n!
g
(n+1)
(), con 0 < < 1 (2)
Adems:
g(1) = f r(1) = f(r(1)) = f(a + h), g(0) = (f r) (0) = f(r(0)) = f(a)
g
0
(t) = f
0
(r(t))r
0
(t) = f
0
(a + th)r
0
(t) =
_
@f
@x
1
(a + th); :::;
@f
@x
n
(a + th)
_
_
_
_
h
1
.
.
.
h
n
_
_
_ =
=
n
i=1
h
i
@f
@x
i
(a + th) = d
a+th
f(h),
g
0
(0) = f
0
(r(0))r
0
(0) = f
0
(a)r
0
(0) =
_
@f
@x
1
(a); :::;
@f
@x
n
(a)
_
_
_
_
h
1
.
.
.
h
n
_
_
_ = d
a
f(h)
As, si se deriva sucesivamente a g se obtienen los diferenciales sucesivos. Esto es
g
(2)
(0) = d
2
a
f(h); :::; g
(n)
(0) = d
n
a
f(h); g
(n+1)
() = d
n+1
a+h
f(h)
Reemplazando en (2):
f(a + h) = f(a) +
n
k=1
1
k!
d
k
a
f(h) +
1
n!
d
n+1
a+h
f(h)
con 0 < < 1 por lo tanto c = a + h pertenece al segmento que une a con a + h:
7.1.1. Frmula de Taylor para funciones con dominio en R
2
Si f : D R
2
R; D abierto, f C
n+1
en D (esto es con derivadas parciales hasta el orden n+1 continuas),
la frmula de Taylor (1) para f en a = (a; b) D, es:
f(a + h) = f(a) + f
x
(a)h + f
y
(a)k + f
xx
(a)
h
2
2
+ 2f
xy
(a)hk + f
yy
(a)
k
2
2
+ +
1
n!
_
@h
@x
+
@k
@y
_
n
f (a)
. .
Polinomio P
n
+
+
1
(n + 1)!
_
@h
@x
+
@k
@y
_
n+1
f (c)
. .
Resto R
n
, con c entre a y a + h.
Para f C
3
, se tiene:
f(a + h) = f(a) + df(a) +
1
2!
d
2
f(a) + R
2
Esta expresin en forma matricial queda:
f(a + h) = f(a) +\f(a)h + h
T
H(a)h + R
2
donde h =
_
h
k
_
; h
T
= ( h k ); \f(a) =
_
@f
@x
(a)
@f
@y
(a)
_
; H(a) =
_
_
_
_
@
2
f
@x
2
(a)
@
2
f
@x@y
(a)
@
2
f
@y@x
(a)
@
2
f
@y
2
(a)
_
_
_
_
esta
ltima se llama matriz Hessiana de f en a.
7.2. Aproximacin de una funcin mediante un polinomio
Dado que
[h
i
[
_
_
h
_
_
< 1;
_
_
h
_
_
,= 0, y R
n
es un polinomio en h de grado n + 1, se tiene que lm
h!0
R
n
_
_
h
_
_
n
=
lm
h!0
f(a + h) P
n
[[h[[
n
= 0, esto signica que la diferencia entre f(a + h) y P
n
es un innitsimo de orden superior
a la norma de h, por lo que: f(a + h)
~
= P
n
, si x = a + h. Esto es:
f(x)
~
= P
n
para x cercanos a a
2
Ejemplo 1 Sea f(x; y) =
_
x + 2y + 1 y a = (0; 0). Los polinomios de Taylor de primer y segundo grado de f
en (0; 0) son:
P
1
(x; y) = f(0; 0) + f
x
(0; 0)x + f
y
(0; 0)y = 1 +
1
2
x + y
P
2
(x; y) = f(0; 0) + f
x
(0; 0)x + f
y
(0; 0)y +
f
xx
(0; 0)
2
x
2
+ f
xy
(0; 0)xy +
f
xx
(0; 0)
2
y
2
= 1+
1
2
x+y
1
8
x
2
1
2
xy
1
2
y
2
. La siguiente tabla muestra valores aproximados de la funcin en distintos puntos
cercanos a (0; 0), segn el grado del polinomio de Taylor. Se observa que el polinomio de grado 2, presenta una
mejor aproximacin al valor exacto de la funcin en el punto.
Punto
Aproximacin
Lineal
Aproximacin
Cuadrtica
Valor Exacto
(x; y) P
1
(x; y) P
2
(x; y) f(x; y)
(0; 0) 1 1 1
(0;1; 0;1) 1;15 1;13875 1;140175
(0;1; 0;1) 1;05 1;04875 1;048809
(0;1; 0;1) 0;95 0;94875 0;948683
(0;1; 0;1) 0;85 0;83875 0;836660
Ejercicio 1 Sea la funcin f (x; y) =
_
1 + x
2
+ y
2
y el punto a = (0; 0), cuya grca es:
f (x; y) =
_
1 + x
2
+y
2
Los polinomios de grado 1, 2,3 y 4 alrrededor de (0; 0), son:
P
1
(x; y) = 1 + f
x
_
0
_
x + f
y
_
0
_
y = 1
P
2
(x; y) = 1 + f
x
_
0
_
x + f
y
_
0
_
y +
1
2
f
xx
_
0
_
x
2
+ f
xy
_
0
_
xy +
1
2
f
yy
_
0
_
y
2
= 1 +
1
2
x
2
+
1
2
y
2
P
3
(x; y) = 1 +
1
2
x
2
+
1
2
y
2
P
4
(x; y) = 1 +
1
2
x
2
+
1
2
y
2
1
8
x
4
1
4
x
2
y
2
1
8
y
4
La grca de estos polinomios cerca de (0; 0) es:
P
1
= 1
P
2
= P
3
= 1+
1
2
x
2
+
1
2
y
2
P
4
= P
3

1
8
x
4
1
4
x
2
y
2
1
8
y
4
En la siguiente gura se visualiza el grco de todas estas funciones:
3
8. EXTREMOS
Los problemas de optimizacin, o sea, la determinacin de mximos y mnimos de una funcin ) de ms
de una variable, son de gran importancia en aplicaciones a la economa, por ejemplo, puede que una persona
tenga $10.000 para invertir en equipo nuevo y en publicidad para su negocio qu combinacin de equipo y
publicidad producir la mxima utilidad? O a la medicina, qu combinacin de medicamentos har bajar al
mnimo la temperatura de un paciente?. Se plantean problemas de optimizacin, en que las variables son libres
(optimizacin no restringida) y donde hay una restriccin en las variables (por ejemplo, una restriccin de
presupuesto).
As, muchas veces importa conocer para qu valores del dominio de una funcin, sta alcanza valores mximos
o mnimos llamados extremos de la funcin.
8.1. Extremos libres
n
R
) tiene un mximo absoluto en a 1 sii ) tiene un mnimo absoluto en a 1 sii
\r 1, )(r) _ )(a) \r 1, )(r) _ )(a)
Muchas veces, al igual que para funciones de una variable, puede interesar ver qu pasa con la funcin en
un punto respecto a los que estn en un entorno del mismo. Esto conduce a la denicin de extremos relativos.
n
R, a punto interior de 1
) tiene un mximo relativo en a sii ) tiene un mnimo relativo en a sii
c 0 : \r
o
(a), )(r) _ )(a) c 0 : \r
o
(a), )(r) _ )(a)
8.1.1. Cmo detectar un candidato a extremo. Condicin necesaria
Se sabe que si el vector gradiente de una funcin est denido y es diferente de cero, apunta en la direccin
en que la funcin aumenta. Suponer que una funcin ) tiene un mximo relativo en un punto a que no est en
la frontera del dominio. Si el vector _)(a) estuviera denido y fuera distinto de cero, entonces ) aumentara
si se avanza en la direccin del gradiente en dicho punto, pero como ) tiene un mximo relativo en a no hay
direccin donde ) sea creciente. Por lo tanto, si el _)(a) est denido debe ser _)(a) = 0.
De igual manera, supongamos que ) tiene un mnimo relativo en a y si _)(a) estuviera denido y fuera
distinto de cero, entonces ) podra disminuir en la direccin opuesta, por lo tanto _)(a) = 0.
Adems, tambin se sabe que la derivada de la funcin en la direccin n: 1
u
()a) = _)(a) n, da la velocidad
de cambio de la funcin en esa direccin y, en el caso de un extremo, esta velocidad debe ser cero en todas las
direcciones, de lo que se concluye que el gradiente de la funcin evaluado en el punto debe ser el vector nulo.
Teorema 1 Dada ) : 1 R
n
R, si ) diferenciable y tiene un extremo en a 1
, entonces
)
0
(a) = _)(a) = 0
Demostracin. Suponer que ) en a tiene un mnimo relativo, entonces por denicin se cumple:
c 0 : \r
o
(a), )(r) _ )(a)
Sea n R
n
tal que [[ n[[ = 1. Considerar los puntos de la recta que pasa por a y tiene la direccin de n, que
estan en
o
(a), esto es a + tn : t R
o
(a) = a + tn : t (c, c). Luego si t (c, c), entonces
a +tn
o
(a) por lo tanto
)(a +tn) )(a) _ 0
Luego
0 < t < c =
)(a +tn) )(a)
t
_ 0
c < t < 0 =
)(a +tn) )(a)
t
_ 0
1
Como ) es diferenciable por hiptesis, entonces existen todas las derivadas direccionales de ) en a. Luego:
lm
|!0
+
)(a +tn) )(a)
t
= 1
u
()a) = _)(a) n _ 0
lm
|!0
)(a +tn) )(a)

t
= 1
u
()a) = _)(a) n _ 0
En consecuencia, _)(a) n = 0 para todo n R
n
tal que [[ n[[ = 1. Luego _)(a) = 0.
La importancia de este teorema est en el hecho de que si ) es diferenciable, los posibles extremos se detectan
slo en los puntos del interior del dominio para los cuales se anula el gradiente de la funcin.
Denicin 3 Si ) es diferenciable, los puntos a del interior del dominio para los cuales _)(a) = 0 se
denominan puntos crticos.
Denicin 4 Si a 1
es tal que \)(a) = 0 con ) diferenciable (esto es a es un punto crtico) y \

o
(a), r
1

1
y r
2
1
tales que )(r

1
) < )(a) y )(r
2
) )(a), entonces ) tiene en a un punto silla o punto de inexin.
Observacin 1 Si ) no es diferenciable en un punto de su dominio, este punto tambin ser un posible extremo
y el anlisis se realiza usando la denicin.
Ejemplo 1 )(r, j) =
_
r
2
+j
2
Esta funcin no es diferenciable en (0, 0), sin embargo, para todo (r, j) R
2
:
)(r, j) _ )(0, 0) = 0
Por lo tanto, ) tiene un mnimo absoluto en (0, 0), como se observa en la gura.
Se vern algunos ejemplos para funciones diferenciables.
Ejemplo 2 )(r, j) = 2 r
2
j
2
\)(r, j) = (2r, 2j) = 0 == 2r = 0 . 2j = 0 == r = j = 0
El punto crtico es (0, 0) y )(0, 0) = 2. Adems, $r, j) R
2
:
)(r, j) = 2 (r
2
+j
2
) _ 2 == )(r, j) _ )(0)
As, en r = 0 la funcin tiene un mximo absoluto, como se observa en la gura.
Ejemplo 3 )(r, j) = r
2
+j
2
$(r, j) = (2r, 2j) = 0 = r = j = 0
El punto crtico es el (0, 0) y )(0, 0) = 0. Se observa que $r, j) R
2
:
)(r, j) = 2 +r
2
+j
2
_ 0 = )(0)
As, en r = 0 la funcin tiene un mnimo absoluto, como se observa en la gura.
Ejemplo 4 )(r, j) = rj
$(r, j) = (j, r) = 0 = r = j = 0. Nuevamente el punto crtico es r = 0 y )(0) = 0.
Sin embargo, \c 0, r
1
= (
o
2
,
o
2
) . r
2
= (
o
2
,
o
2
) con r
1
, r
2

o
(0):
)(r
1
) =
o
2
4
0 y )(r
2
) =
o
2
4
< 0
Entonces, la funcin presenta en el origen un punto de inexin.
Se vio una condicin necesaria para la existencia de extremos. Sin embargo, decidir si en este punto hay o
no un extremo o un punto silla, en general no resulta fcil. Para ello se vern algunos criterios.
8.1.2. Cmo caracterizar un punto crtico. Condicin suciente para la existencia de extremos
2
R, . = )(r, j), a 1
, ) C
2
en
o
(a). Si \)(a) = 0 y la matriz hessiana
H (a) es denida positiva, entonces ) tiene un mnimo relativo en a. De manera anloga, si \)(a) = 0 y la
matriz hessiana H (a) es denida negativa, entonces ) tiene un mximo relativo en a.
2
Demostracin. Por hiptesis ) C
2
en
o
(a), aplicando la Frmula de Taylor:
)(a +/) = )(a) +\)(a)/ +
1
2
/
T
H(a +0/)/; 0 < 0 < 1 (1)
donde H(a +0/) es la matriz hessiana. Por hiptesis \)(a) = 0, reemplazando en (1):
)(a +/) )(a) =
1
2
/
T
H(a +0/)/ (2)
con
H(a +0/) =
_
)
rr
(a +0/) )
r
(a +0/)
)
r
(a +0/) )
(a +0/)
_
(3)
Como ) C
2
entonces:
)
rr
(a +0/) = )
rr
(a) +-
1
(/)
)
r
(a +0/) = )
r
(a +0/) = )
r
(a) +-
2
(/)
)
(a +0/) = )
(a) +-
3
(/)
donde lm
|!0
-
I
(/) = 0, i = 1, 2, 3. Reemplazando en (3):
H(a +0/) =
_
)
rr
(a +0/) )
r
(a +0/)
)
r
(a +0/) )
(a +0/)
_
=
_
)
rr
(a) )
r
(a)
)
r
(a) )
(a)
_
+
_
-
1
(/) -
2
(/)
-
2
(/) -
3
(/)
_
Luego:
/
T
H(a +0/)/ = /
T
H(a)/ + (/, /)
_
-
1
(/) -
2
(/)
-
2
(/) -
3
(/)
__
/
/
_
Sea 1(/) = /
2
-
1
(/) + 2//-
2
(/) +/
2
-
3
(/), lm
|!0
J(|)
|||
2
= 0. Entonces, reemplazando en (2):
)(a +/) )(a) =
1
2
_
/H(a)/
T
+1(/)
_
Para decidir si en el punto a hay un extremo, se debe estudiar el signo de ) (a) = )(a + /) )(a) siendo
0 <
_
_
/
_
_
< c. Es razonable pensar que el signo de ) va a coincidir con el de la forma cuadrtica /
T
H(a)/,
pues 1(/) va a hacerse muy pequeo rapidamente.
Por hiptesis, H(a) es denida positiva, entonces tiene dos autovalores positivos. Si `
1
y `
2
son estos autovalores,
` = mn`
1
, `
2
y j es tal que 0 < j < `, entonces `
1
j 0 y `
2
j 0. Por ser `
1
y `
2
los autovalores de
la matriz H(a), entonces `
1
j 0 y `
2
j 0 son autovalores positivos de la matriz simtrica (H(a) j1),
en consecuencia, de acuerdo a lo visto en formas cuadrticas, /
T
(H(a) j1)/ es denida positiva, o sea:
\/ ,= 0, /
T
(H(a) j1)/ 0 = /
T
H(a)/ /
T
j1 / 0 = /
T
H(a)/ j/
T
1/ = j
_
_
/
_
_
2
Esto se cumple \j tal que 0 < j < `, en particular si j =
X
2
:
/
T
H(a)/
`
2
_
_
/
_
_
2
, \/ ,= 0 (4)
dado que lm
|!0
J(|)
|||
2
= 0 sii \- 0, c 0, si 0 <
_
_
/
_
_
< c ==
J(|)
|||
2
< -. Sea - =
1
4
`, c 0, 0 <
_
_
/
_
_
< c:
[1(/)[ <
1
4
`
_
_
/
_
_
2
. Esto es:
1
4
`
_
_
/
_
_
2
< 1(/) <
1
4
`
_
_
/
_
_
2
, \/: 0 < [[/[[ < c (5)
Considerando las desigualdades de (4) y (5), de la expresin (1), resulta:
)(a +/) )(a) =
1
2
_
/
T
H(a)/ +1(/)
_
1
2
_
1
2
`
_
_
/
_
_
2
1
4
`
_
_
/
_
_
2
_
=
1
8
`
_
_
/
_
_
2
0 (6)
En conclusin ) tiene un mnimo relativo en a.
De forma anloga se puede ver que si H(a) es denida negativa, entonces )(a +/) < )(a), \/ ,= 0 y ) tiene
un mximo relativo en a.
3
n
R, a 1
, ) C
2
en
o
(a) y \)(a) = 0. Entonces:
1) si los autovalores de H(a) son positivos, ) tiene un mnimo en a.
2) si los autovalores de H(a) son negativos, ) tiene un mximo en a.
3) si los autovalores de H(a) son de distinto signo, ) tiene un punto de inexin en a.
Observacin 2 Es lo mismo decir:
1) H(a) es denida positiva == ) tiene un mnimo en a.
2) H(a) es denida negativa == ) tiene un mximo en a.
3) H(a) es indenida == ) tiene un punto de inexin en a.
Observacin 3 Si alguno de los autovalores es cero, nada dice este teorema (duda).
Observacin 4 Si H(a) es semidenida, nada se puede decir.
En particular, si ) : 1 R
2
R, . = )(r, j), recordando el criterio de Sylvester, se tiene el siguiente
teorema.
Teorema 4 ) : 1 R
2
R, . = )(r, j), a 1
0
, ) C
2
en
o
(a) y \)(a) = 0 y sea
H(a) =
)
rr
(a) )
r
(a)
)
r
(a) )
(a)
= )
rr
(a))
(a) )
r
(a)
2
=
1) 0 . )
rr
(a) 0 == ) tiene un mnimo en a.
2) 0 . )
rr
(a) < 0 == ) tiene un mximo en a.
3) < 0 == ) tiene un punto de inexin en a.
4) = 0 nada se puede decir.
Ejemplo 5 Sea )(r, j) =
_
r
2
+ (j + 1)
2
_ _
r
2
+ (j 1)
2
_
.
El gradiente es:
\)(r, j) =
_
4r(r
2
+j
2
+ 1), 4j(r
2
+j
2
1)
El sistema de puntos crticos es:

)
r
= 4r(r
2
+j
2
+ 1) = 0
)
= 4j(r
2
+j
2
1) = 0
por lo tanto los puntos crticos son (0, 0), (0, 1) y (0, 1).
La matriz hessiana de ) es:
H(r, j) =
_
4(3r
2
+j
2
+ 1) 8rj
8rj 4(r
2
+ 3j
2
1)
_
de donde
H(0, 0) =
_
4 0
0 4
_
= = 16 < 0 == ) tiene un punto de inexin en 0
H(0, 1) =
_
8 0
0 8
_
= = 64 0 . )
rr
(0, 1) = 8 0 == ) tiene un mnimo en (0, 1)
H(0, 1) =
_
8 0
0 8
_
= = 64 0 . )
rr
(0, 1) = 8 0 == ) tiene un mnimo en (0, 1)
An cuando el teorema sea aplicable, puede ocurrir que no sea el camino ms sencillo para determinar la
naturaleza del punto crtico.
Ejemplo 6 Sea )(r, j) = c
1
g(x;y)
, con q(r, j) = r
2
+ 2 + (cos j)
2
2 cos j
El criterio es aplicable, sin embargo las cuentas son muy tediosas; en cambio, por denicin se resuelve fcil-
mente.
q(r, j) = r
2
+ 2 + (cos j)
2
2 cos j = r
2
+ 1 + (1 cos j)
2
_ 0, $r, j)
mn
(r,):R
2
q(r, j) = q(0, 2/) = q(r, j) _ q(0, 2/) = 1, \(r, j).
Entonces:
1
(r,)
_
1
(0,2|t)
= 1 = c
1
g(x;y)
_ c
1
= c = )(r, j) _ )(0, 2/)
Luego, en cada punto (0, 2/) hay un mximo relativo.
4
Ejemplo 7 Sea )(r, j) = r
2
j +j
2
r
El gradiente es:
$(r, j) =
_
2rj +j
2
, 2rj +r
2
_
El sistema de puntos crticos es:
)
r
= 2rj +j
2
= 0
)
= 2rj +r
2
= 0
restando miembro a miembro, se obtiene j = r, sustituyendo en la primera ecuacin, se obtiene como nico
punto crtico el (0, 0).
La matriz hessiana de ) es:
H(r, j) =
_
2j 2 (r +j)
2 (r +j) 2r
_
= [H(0, 0)[ = 0
ste es un caso de duda, entonces se estudia el signo del incremento
en el punto crtico.
) (0, 0) = ) (/, /) ) (0, 0) = /
2
/ +/
2
/
si / = /, resulta: ) (0, 0) = 2/
3
, se observa que el incremento de
la funcin cambia de signo segn que / sea positivo o negativo.
As ) no tiene extremo en (0, 0), tiene un punto silla.
8.1.3. Extremos relativos de funciones de tres variables
El siguiente teorema es un caso particular del teorema 8 para : = 3.
Teorema 5 ) : 1 R
3
R, n = )(r, j, .), a 1
0
, ) C
2
en
o
(a) y \)(a) = 0 y sea
H
3
(a) =
)
rr
(a) )
r
(a) )
r:
(a
)
r
(a) )
(a) )
:
(a
)
r:
(a )
:
(a )
::
(a)
, H
2
(a) =
)
rr
(a) )
r
(a)
)
r
(a) )
(a)
, H
1
(a) = [)
rr
(a)[
1) Si H
3
(a) 0, H
2
(a) 0 y H
1
(a) 0, ) tiene un mnimo en a.
2) Si H
3
(a) < 0, H
2
(a) 0 y H
1
(a) < 0, ) tiene un mximo en a.
3) Si la combinacin de signos de los H
I
(a), i = 1, 2, 3, es distinta de las anteriores, ) tiene un punto de
inexin en a.
4) Si algn H
I
(a) = 0, i = 1, 2, 3, nada se puede decir.
8.2. Extremos Ligados
A menudo en la prctica se plantean problemas donde se quiere maximizar o minimizar una funcin sujeta a
ciertas restricciones. La optimizacin intenta dar respuesta a este tipo de planteos. Un problema de optimizacin
trata entonces de tomar una decisin ptima para maximizar (ganancias, velocidad, eciencia, etc.) o minimizar
(costos, tiempo, riesgo, error, etc.) ciertas magnitudes bajo ciertas restricciones, esto signica que no cualquier
decisin es posible.
Ejemplo 8 Hallar las dimensiones del rectngulo de rea mxima cuyo permetro es igual a 20m.
Resolucion En este caso la funcin a extremar es la funcin rea )(r, j) = rj, pero donde r e j no son
independientes sino verican la condicin 2r + 2j = 20.
Es posible despejar j en funcin de r, esto es j = 10 r y reemplazar en )(r, j). As, resulta la composicin
r (r, j(r)) )(r, j(r))
Sea c(r) = )(r, j(r)) = r(10 r) = 10r r
2
. Los puntos crticos de c son: c
0
(r) = 0 = 10 2r = 0 = r = 5.
Adems, c
00
(r) = 2 < 0 entonces c tiene un mximo en r = 5. Para r = 5 es j = 5. El rectngulo buscado es
el cuadrado de lado 5:.
En este caso, fue posible y sencillo escribir j en funcin de r y resolver el problema de extremos libres de
una funcin con una sla variable, pero sto no siempre es as. Muchas veces sucede que es complicado despejar
una de las variables en la ecuacin de restriccin y, an cuando pueda lograrse, quizs otro mtodo puede ser
ms prctico.
5
En general, sea
_
) : 1 R
2
R
, : 1 R
2
R
; ), , C
2
en 1
tal que ,(r, j) = 0. Se quiere extremar ) sujeta a la condicin ,.
Este caso, es un problema de optimizacin con una restriccin de igualdad. Se simboliza
Optimizar
1
) (r, j)
Sujeta a ,(r, j) = 0
(7)
La restriccin tiene el efecto de reducir el dominio de la funcin que se trata de optimizar. En general, los puntos
que satisfacen ,(r, j) = 0, representan una curva en el plano. En el ejemplo 8, la naturaleza del problema indica
que slo cuentan los valores de (r, j) del primer cuadrante que estn sobre la recta ( de ecuacin j = 10 r y
sus correspondientes valores en la supercie de ecuacin ) (r, j) = rj. Esta situacin se ilustra grcamente en
la siguiente gura.
}:CR
2
!R, }(r)=r, C=f(r,)2R
2
:=10r,r,0,,0g
Una primera va para abordar este problema sera utilizar la restriccin ,(r, j) = 0 para despejar una de
las variables en funcin de la otra, si es posible, por ejemplo j = q (r) y sustituirla en la funcin ) (r, j) que se
quiere optimizar, esto es, ) (r, j) = ) (r, q (r)) = c(r), resultando entonces un problema de optimizacin de
una variable, como se hizo en el ejemplo 8. Este mtodo de utilizar la restriccin para disminuir la dimensin
del problema puede resultar til en casos simples como el del ejemplo, pero, si bien la funcin ,(r, j) = 0 puede
denir una variable como funcin de la otra, puede ocurrir que tal funcin sea complicada para trabajar o que
sea imposible obtener la funcin en forma explcita, como por ejemplo, si la restriccin fuese rj+c
r
lnj+5 = 0.
Adems, la complicacin aumentara al intentar resolver por este camino problemas en varias variables y con
varias restricciones.
Una segunda va sera asegurar, por el teorema de las funciones implcitas, la existencia de una funcin
diferenciable dada implcitamente por la restriccin ,(r, j) = 0. Esta funcin podra ser j = j (r) o r = r(j),
sin importar su expresin analtica, y resolver el problema considerando a ), como una funcin compuesta. Esto
es:
Condicin necesaria: Si, por ejemplo, ,
,= 0 y por tanto \, ,= 0, por el teorema de las funciones implcitas,

se sabe que existe j = q (r) en ,(r, j) = 0, y consecuentemente resulta ) (r, q (r)) = c(r). As, por la condicin
necesaria para funciones de una variable, se tiene que
c
0
(r) = )
r
(r, j) +)
(r, j) j
0
= 0 (8)
pero ,(r, j) = 0 e j = j (r), entonces d, = ,
r
(r, j) + ,
(r, j) j
0
= 0, de donde se obtiene j
0
=
,
x
(r,)
,
y
(r,)
,
reemplazando en (8), resulta:
)
r
+)
,
r
,
_
= 0 = )
r
,
,
r
= J
_
), ,
r, j
_
= 0
En consecuencia, si \,(r
0
, j
0
) ,= 0, la condicin necesaria para que ) tenga un extremo ligado en (r
0
, j
0
) es:
_
J(
},,
r,
)[
(r
0
,
0
)
= 0
,(r, j)[
(r
0
,
0
)
= 0
(9)
1
Optimizar signica maximizar o minimizar.
6
Condicin suciente: Se calcula la derivada segunda de la funcin de una sla variable c(r) = ) (r, q (r)).
Aqu debe tenerse en cuenta que j
0
es una funcin de r y de j, o sea j
0
= j
0
(r, j (r)). Entonces:
c
00
(r) = ()
rr
+)
r
j
0
) + ()
r
+)
j
0
) j
0
+)
_
j
00
+j
0
j
0
_
Una vez hallada la derivada de segundo orden, se aplica el criterio del signo de la derivada segunda en el
punto (r
0
, j
0
), para clasicar dicho punto crtico. Pero esto generalmente resulta muy engorroso, es as que se
considera un tercer camino conocido como Multiplicadores de Lagrange.
8.3. Mtodo de los multiplicadores de Lagrange
Este mtodo introduce nuevos parmetros llamados Multiplicadores de Lagrange, y logra mayor sencillz
en el clculo ya que evita la necesidad de distinguir entre variables dependientes e independientes, as como
la intervencin de derivadas segundas de variables dependientes en la condicin suciente. Antes de formalizar
este mtodo, se dar una interpretacin analtica y geomtrica para funciones con dominio en R
2
.
8.3.1. Interpretacin analtica
Sea el problema de optimizacin planteado en (7), a partir de la condicin necesaria expresada en (9), se
observa que:
_
_
_
J(
,}
r
)[
(r
0
,
0
)
=
\)
_
(r
0
,
0
)
_
\,
_
(r
0
,
0
)
_

= 0
,
(r
0
,
0
)
= 0
Es decir que \) (r
0
) y \,(r
0
) son vectores linealmente dependientes y por tanto paralelos.
Existir entonces, una combinacin lineal
`
1
\) +`
2
\, = 0 . (`
1
,= 0 . `
2
,= 0) == \) =
`
2
`
1
\, (10)
Si fuese `
1
= 0, la combinacin lineal sera \, = 0 con `
2
,= 0, de este modo resultara que \, = 0, pero esto
contradice la suposicin de que \, ,= 0, en consecuencia debe ser `
1
,= 0. Sin embargo `
2
puede ser nulo. Si
` =
X
2
X
1
, se reemplaza en (10), se obtiene:
\)
_
(r
0
,
0
)
_
+`\,
_
(r
0
,
0
)
_
= 0 (11)
Lagrange concluy que resolver un problema de extremos ligados es lo mismo que buscar los extremos libres
de la funcin
1(r, j) = ) (r, j) +`,(r, j)
conocida como funcin de Lagrange (o lagrangeana), donde r e j se consideran a como variables independientes,
pero dr = / y dj = / estn ligados a travs de d,(r, j) = \,(r, j) / = 0; y el escalar ` se llama multiplicador
de Lagrange.
Por tanto, para encontrar un extremo ligado se plantea el sistema de tres ecuaciones con tres incgnitas que
resulta de (11):
_
_
_
\) +`\, = 0
,(r, j) = 0
==
_
_
_
)
r
(r) +`,
r
(r) = 0
)
(r) +`,
(r) = 0
,(r, j) = 0
donde r, j, ` son las incgnitas y (r
0
, j
0
)
X
0
es la solucin.
8.3.2. Interpretacin geomtrica
Encontrar el mximo valor de ) sujeta a la restriccin ,(r, j) = 0, geomtricamente signica hallar la curva
de nivel ) (r, j) = /, con el mximo valor de / posible que intersecte a la curva de restriccin. Es evidente
que esta curva de nivel es tangente a la curva de restriccin en un punto (r
0
, j
0
) y, por tanto, el valor mximo
buscado es ) (r
0
, j
0
). Dado que en (r
0
, j
0
) las dos curvas en cuestin tienen la misma recta tangente, los vectores
\) (r
0
, j
0
) y \,(r
0
, j
0
) son paralelos, as:
\) (r
0
, j
0
) = `
0
\,(r
0
, j
0
) , `
0
R
,(r
0
, j
0
) = 0
(12)
Anlogamente se realiza el anlisis para el mnimo.
La ilustracin de esta interpretacin geomtrica se puede visualizar en el ejemplo 8.
7
Ejemplo 9 Sea
Maximizar: )(r, j) = rj
Sujeta a: ,(r, j) = r +j 10 = 0
Resolucion Los gradientes correspondientes son \)(r, j) = (j, r) y \,(r, j) = (1, 1). Por la condicin (12),
se tiene que
\) (r, j) = `\,(r, j) =
_
j = ` + 1
r = ` + 1
= ` = r = j
,(r, j) = 0 = r +j 10 = 0 = r = j = 5
Por tanto, (r
0
, j
0
) = (5, 5) y ` = 5. Luego el valor mximo es ) (5, 5) = 25. En la siguiente gura se puede
visualizar esta argumentacin. Notar tambin que \) (5, 5) = 5\,(5, 5), es decir (5, 5) = 5 (1, 1), y que el
sentido de los gradientes apunta hacia donde aumenta el valor de la funcin.
0 2 4 6 8 10
0
2
4
6
8
10
x
y
k=25
5
5
k=1
k=55
As, por analoga con extremos libres, se enuncia el siguiente teorema.
2
R, , : 1 R
2
R, ) y , pertenecen a C
2
. Suponer que (r
0
, j
0
) es un punto
crtico de la funcin de Lagrange 1
X
(r, j) = )(r, j) +`,(r, j), lo que equivale a decir que \,(r
0
, j
0
) ,= 0 y
1
r
(r
0
, j
0
) = 0
1
(r
0
, j
0
) = 0
1
X
(r
0
, j
0
) = ,(r
0
, j
0
) = 0
Si la matriz hessiana de la funcin de Lagrange es:
H
J
(r
0
, j
0
) =
_
1
rr
(r
0
) 1
r
(r
0
)
1
r
(r
0
) 1
(r
0
)
_
Entonces:
1) H
J
(r
0
) denida positiva == ) tiene un mnimo ligado en r
0
.
2) H
J
(r
0
) denida negativa == ) tiene un mximo ligado en r
0
.
3) H
J
(r
0
) es indenida o semidenida == nada se puede decir.
Observacin 5 En el caso 3) debe considerarse la condicin \, /
0
= 0 y analizar
:q:[d
2
r
0
1
_
/
_
] = :q:
_
/
T
H
J
(r
0
)/
_
con d
r
0
,
_
/
_
= \,(r
0
) / = 0
o sea que el incremento se toma en una direccin tangente a la curva de nivel de , en el punto r
0
.
Ejemplo 10 Sea el problema
Optimizar )(r, j) = r
2
+j
2
Sujeta a ,(r, j) = j +r
2
1 = 0
La lagrangiana es 1(r, j) = r
2
+j
2
+`(j +r
2
1). El sistema para encontrar los puntos crticos es
1
r
= 2r + 2r` = 0
1
= 2j +` = 0
1
X
= ,(r, j) = j +r
2
1 = 0
8
Entonces:
2r(1 +`) = 0 . ` = 2j . j +r
2
= 1
De la primera surge que r = 0 . ` = 1.
Si r = 0, reemplazando en la tercera ecuacin se obtiene j = 1. De la segunda, resulta ` = 2. Un punto
crtico es (0, 1)
X=2
.
Si ` = 1, entonces j =
1
2
y r
1
=
p
2
2
y r
2
=
p
2
2
.
En conclusin, los puntos crticos son: (0, 1)
X=2
, (
p
2
2
,
1
2
)
X=1
, (
p
2
2
,
1
2
)
X=1
La matriz hessiana para la funcin de Lagrange es:
H
J
(r
0
, j
0
) =
_
2(1 +`) 0
0 2
_
= 4(1 +`)
Entonces:
` = 2 = [H
J
[ < 0.
` = 1 = [H
J
[ = 0.
Ambos casos son de duda, entonces se debe recurrir a la condicin d, = \, / = 0, esto es 2r/ +/ = 0, as:
para el punto crtico (0, 1), resulta / = 0.
para el punto crtico (
p
2
2
,
1
2
) resulta / =
_
2/.
para el punto crtico (
p
2
2
,
1
2
) resulta / =
_
2/
Ahora, para cada caso se estudia el signo de d
2
1
:q:
_
d
2
1
= :q:
_
_
/ /
_
_
2(1 +`) 0
0 2
__
/
/
__
= (` + 1) 2/
2
+ 2/
2
Para (0, 1)
X=2
:
(2 + 1) 2/
2
0, entonces en (0, 1) hay un mximo.
Para (
p
2
2
,
1
2
)
X=1
y (
p
2
2
,
1
2
)
X=1
:
(1 + 1) 2/
2
+ 2
_
_
2/
_
2
= 4/
2
0, entonces
en (
p
2
2
,
1
2
) y en (
p
2
2
,
1
2
) hay un mnimo.
}:CR
2
!R, }(r,)=r
2
+
2
, C=f(r,)2R
2
:+r
2
1=0g
8.3.3. El problema general de optimizacin
Un problema general de optimizacin con restricciones de igualdad es
Optimizar )(r
1
, r
2
, ..., r
n
)
Sujeta a
_
_
q
1
(r
1
, r
2
, ..., r
n
) = 0
q
2
(r
1
, r
2
, ..., r
n
) = 0
.
.
.
q
n
(r
1
, r
2
, ..., r
n
) = 0
Donde el nmero : de restricciones debe ser menor que el nmero : de variables de la funcin que se quiere
optimizar, a n de que el sistema dado por G(r) = G(q
1
(r) , q
2
(r) , ..., q
n
(r)) = 0 con r R
n
, dena una
funcin implcita de : variables dependientes con : : variables independientes.
Teorema 7 (Lagrange) Sea ) : 1 R
n
R diferenciable, y sea G : 1 R
n
R
n
con : < :, G C
1
y
q
I
: 1 R
n
R, i = 1, ...:, sus funciones coordenadas, tal que G(r) = 0 esto es:
_
_
q
1
(r
1
, ..., r
n
) = 0
.
.
.
q
n
(r
1
, ..., r
n
) = 0
9
Si la matriz G
0
(r
0
) =
_
_
_
\q
1
(r
0
)
.
.
.
\q
n
(r
0
)
_
_
_tiene : columnas linealmente independientes, es decir j
1
, ..., j
n
pertenecientes
al conjunto r
1
, ..., r
n
tales que el jacobiano J
_
q
1
...q
n
j
1
...j
n
_
r
0
,= 0
Y r
0
es un extremo de ) sujeta a la restriccin G(r) = 0, entonces r
0
es un punto crtico de la funcin:
1(r) = )(r) +`
1
q
1
(r) + +`
n
q
1
(r) para algn `
1
, , `
n
R
`
1
, , `
n
se denominan multiplicadores de Lagrange
As, los puntos crticos de un problema de optimizacin
Optimizar ) (r)
Sujeta a G(r) = 0
son los puntos r
0
que verican:
_
_
\)(r
0
) +`
1
\q
1
(r
0
) + +`
n
\q
1
(r
0
) = 0
q
1
(r
0
) = 0
q
2
(r
0
) = 0
.
.
.
q
n
(r
0
) = 0
Ejemplo 11 Encontrar los puntos crticos del problema
Optimizar )(r, j, .) = r +j +.
Sujeta a
r
2
+j
2
= 2
r +. = 1
Resolucion En este caso G(r, j, .) =
_
r
2
+j
2
2, r +. 1
_
= 0 donde q
1
(r, j, .) = r
2
+ j
2
2 = 0 y
q
2
(r, j, .) = r +. 1 = 0.
Se observa que ), q
1
y q
2
pertenecen a C
1
adems
Si j ,= 0 : J
_
q
1
, q
1
r, j
_
,= 0 y J
_
q
1,
q
1
j, .
_
,= 0. Si j = 0 : J
_
q
1
, q
1
r, .
_
,= 0.
Se denine 1(r, j, .) = r +j +. +`
1
(r
2
+j
2
2) +`
2
( r +. 1), y se debe encontrar r, j, ., `
1
, `
2
tales que
_
_
1
r
(r, j, .) = 1 + 2`
1
r +`
2
= 0
1
(r, j, .) = 1 + 2`
1
j = 0
1
:
(r, j, .) = 1 +`
2
= 0
r
2
+j
2
2 = 0
r +. 1 = 0
Resolviendo este sistema se obtienen los puntos crticos:
Para `
1
=
_
2
4
y `
2
= 1: (0,
_
2, 1). Para `
1
=
_
2
4
y `
2
= 1: (0,
_
2, 1).
8.3.4. Condicin suciente para extremos ligados
n
R, ) C
2
, y sea G : 1 R
n
R
n
con : < :, G C
2
con q
I
: 1 R
n
R, i = 1, ...:, sus funciones coordenadas y tal que G(r) = 0 esto es

_
_
q
1
(r
1
, ..., r
n
) = 0
.
.
.
q
n
(r
1
, ..., r
n
) = 0
Suponer que la matriz G
0
(r
0
) =
_
_
_
\q
1
(r
0
)
.
.
.
\q
n
(r
0
)
_
_
_ tiene : columnas linealmente independientes. Esto es,
existenj
1
, ..., j
n
pertenecientes al conjunto r
1
, ..., r
n
tales que el jacobiano J
_
q
1
...q
n
j
1
...j
n
_
r
0
,= 0 con r
0
un
punto crtico de la funcin de Lagrange:
1(r) = )(r) +`
1
q
1
(r) + +`
n
q
1
(r) para algn `
1
, , `
n
R
10
Sea H
J
(r
0
) la matriz Hessiana de 1 en el punto r
0
. Como \q
I
(r
0
) / = 0, se debe analizar es la forma
cuadrtica /
T
H
J
(r
0
) / para los / tal que / l \q
I
(r
0
) para i = 1, ...:. Por lo tanto resulta:
1) H
J
(r
0
) denida positiva == ) tiene un mnimo ligado en r
0
.
2) H
J
(r
0
) denida negativa == ) tiene un mximo ligado en r
0
3) H
J
(r
0
) es indenida o semidenida == nada se puede decir.
Observacin 6 En los casos 1) y 2) se tiene que /
T
H
J
(r
0
)/ 0, \/ ,= 0 y /
T
H
J
(r
0
) / < 0, \ / ,= 0
respectivamente, por lo tanto verican la misma condicin para los / tales que / l \q
I
(r
0
) para i = 1, ..., :.
En el caso 3) debe analizarse el signo de la forma cuadrtica /
T
H
J
(r
0
) / slo para los / tales que / l \q
I
(r
0
)
para i = 1, ...:.
Si para estos /:
1) /
T
H
J
(r
0
)/ 0 entonces habr un mnimo en .
2) /
T
H
J
(r
0
)/ < 0 entonces habr un mximo.
3) Si existen /
0
y /
1
(con /
0
l \q
I
(r
0
) y /
1
l \q
I
(r
0
) para i = 1, ...:) tales que /
T
0
H
J
(r
0
) /
0
0 y /
T
1
H
J
(r
0
) /
1
< 0 entonces hay un punto silla o de inexin.
Ejemplo 12 Si se quieren clasicar los puntos crticos del (11), primero se halla la matriz hesssiana de la
lagrangeana:
H
J
(r, j) =
_
_
2`
1
0 0
0 2`
1
0
0 0 0
_
_
luego se reemplaza cada uno de los puntos crticos y se estudia el signo de los hessianos de la matriz H
J
.
1) Para `
1
=
p
2
4
y `
2
= 1: (0,
_
2, 1)
det H
J
(0,
_
2, 1) =
p
2
2
0 0
0
p
2
2
0
0 0 0
= 0
la matriz es semidenida negativa (caso de duda), por lo que se tiene que analizar el signo de /
T
H
J
(0,
_
2, 1)/
para los / tales que
_
\q
1
(0,
_
2, 1) / = (0, 2
_
2, 0) (/, /, |) = 0
\q
2
(0,
_
2, 1) / = (1, 0, 1) (/, /, |) = 0
de donde resulta que / = 0 y | = / con / ,= 0, reemplazando / = (/, 0, /) en la forma cuadrtica para
analizar el signo, se obtiene: /
T
H
J
(0,
_
2, 1) / =
p
2
2
/
2
< 0, por lo que ) sujeta a la restriccin G(r, j, .) = 0
tiene un mximo en (0,
_
2, 1).
2) Para `
1
=
p
2
4
y `
2
= 1: (0,
_
2, 1), anlogamente
H
J
(0,
_
2, 1) =
_
_
_
p
2
2
0 0
0
p
2
2
0
0 0 0
_
_
_
es semidenida positiva (caso de duda). Se halla el vector /:
_
\q
1
(0,
_
2, 1) / = (0, 2
_
2, 0) (/, /, |) = 0
\q
2
(0,
_
2, 1) / = (1, 0, 1) (/, /, |) = 0
de donde resulta que / = 0 y / = |, se reemplaza en la forma cuadrtica, y se obtiene: /
T
H
J
(0,
_
2, 1)
/ =
p
2
2
/
2
_ 0, por lo que ) sujeta a la restriccin G(r, j, .) = 0 tiene un mnimo en (0,
_
2, 1).
Teorema 9 (de Weierstrass) Si una funcin es continua en un conjunto compacto (cerrado y acotado),
entonces alcanza su valor mximo y su valor mnimo en dicho conjunto.
C.E.
11
9. INTEGRALES MLTIPLES
9.1. Integral doble
Una primera aproximacin a este concepto puede realizarse de la siguiente manera. Sea = [a, /] [c, d]
R
2
una regin rectangular en el plano. Se realiza en una particin de la siguiente manera:
a = r
0
< r
1
< ... < r
i
< ... < r
n
= /
c = j
0
< j
1
< ... < j
i
< ... < j
n
= d
Sean los puntos de la particin igualmente espaciados (esto es una simplicacin pues deben ser particiones
cualesquiera). As, se obtiene un reticulado en el rectngulo . Cada elemento del reticulado es un cierto
rectngulo
jk
que se obtiene de la siguiente manera:
r = r
j+1
r
j
=
/ a
:
j = j
k+1
j
k
=
d c
:
jk
= [r
j
, r
j+1
] [j
k
, j
k+1
]
Ahora, se elige un punto cualequiera en cada
jk
, que se designar r
jk
. Siendo ) : R
2
R una funcin
escalar con dominio en el rectngulo y acotada en l, se construye la suma parcial
o
n
=
n1
j;k=0
)(r
jk
)rj =
n1
j;k=0
)(r
jk
)
con :
2
trminos a sumar. De esta manera se ha construido una sucesin de sumas parciales o
n
donde :
representa la cantidad de puntos tomados en cada particin realizada en los lados del rectngulo . Como se
sabe, una sucesin puede o no ser convergente cuando : .
Si la sucesin o
n
converge a un lmite o cuando : , y este lmite es independiente de la
eleccin realizada de los puntos r
jk
, se dice que ) : R
2
R es integrable Riemann sobre el
rectngulo .
Este lmite o es la integral de ) sobre , se denota por:
__
R
)(r, j)drdj = lm
n!1
o
n
= lm
n!1
n1
j;k=0
)(r
jk
)rj = lm
n!1
n1
j;k=0
)(r
jk
) = o
9.1.1. Interpretacin geomtrica de la integral doble
Si ) es integrable en y ) (r, j) _ 0, la existencia de lm
n!1
o
n
tiene un signicado geomtrico directo.
Considerar la grca de . = ) (r, j) como la tapa de un slido cuya base es el rectngulo , como se muestra
en la gura.
\ o|n:c: |i:itado jor |a qr a)ica dc ), |a rcqi o: 1 j |o: cnatro |ado: |atcra|c:
Si se toma cada r
jk
como un punto donde ) (r, j) tiene su valor mnimo en
jk
, entonces ) (r
jk
) rj rep-
resenta el volumen de una caja rectangular con base
jk
. La suma
n1
j;k=0
)(r
jk
)rj es igual al volumen de
1
un slido inscrito. De manera anloga, si r
jk
es un punto donde ) (r, j) tiene un mximo en
jk
, entonces la
suma

n1
j;k=0
)(r
jk
)rj es igual al volumen de un slido circunscrito. Por lo tanto, si existe lm
n!1
o
n
y es
independiente de r
jk

jk
, los volmenes de los slidos inscrito y circunscrito tienden al mismo lmite cuando
: . Es entonces razonable llamar a este lmite el volumen exacto del slido bajo la grca de ). Esto es
\ =
__
R
)(r, j)d =
__
R
)(r, j)drdj
9.2. Integrales iteradas
Theorem 1 (de Fubini) Sea ) una funcin acotada cuyo dominio es un rectngulo = [a, /] [c, d], donde
) a lo sumo tiene discontinuidades en un conjunto de rea nula. Si
_
d
c
) (r, j) dj existe para cada r [a, /],
entonces
_
d
c
_
_
b
a
) (r, j) dj
_
dr existe y
__
R
)(r, j)drdj =
_
b
a
_
d
c
) (r, j) djdr =
_
b
a
_
_
d
c
) (r, j) dj
_
dr
donde
_
b
a
_
_
d
c
) (r, j) dj
_
dr se conoce como integral iterada.
De manera anloga, si
_
b
a
) (r, j) dr existe para cada j [c, d], entonces
_
d
c
_
_
b
a
) (r, j) dr
_
dj existe y
__
R
)(r, j)drdj =
_
d
c
_
b
a
) (r, j) drdj =
_
d
c
_
_
b
a
) (r, j) dr
_
dj
As, si todas las condiciones se cumplen simultneamente,
__
R
)(r, j)drdj =
_
d
c
_
b
a
) (r, j) drdj =
_
b
a
_
d
c
) (r, j) djdr
En caso de ser ) continua, este hecho garantiza la existencia de las integrales iteradas, y por tanto las igualdades
obtenidas se verican.
Example 1 Evaluar
_ _
R
)(r, j)drdj para = [1, 1] [0,1] y )(r, j) = r
2
+ j
2
.
Resolucion
__
R
)(r, j)drdj =
_
1
0
__
1
1
(r
2
+ j
2
)dr
_
dj =
_
1
0
_
1
3
r
3
+ j
2
r
1
1
dj =
_
1
0
_
1
3
+ j
2
1
3
j
2
dj =
2
_
1
0
(j
2
+
1
3
)dj = 2
_
1
3
j
3
+
1
3
j
_
1
0
=
4
3
Se puede verifcar que se obtiene el mismo resultado resolviendo
_
1
1
_
_
1
0
(r
2
+ j
2
)dj
_
dr. Esto se llama
invertir el orden de integracin. Obsevar que el resultado de esta integral representa un volumen, ya que la
funcin es positiva sobre toda la regin 1. No siempre una integral doble signicar un volumen.
9.2.1. Regiones de integrabilidad
Para denir una integral doble se requiere que la funcin est acotada en el rectngulo 1. Sin embargo,
suele exigirse que la funcin sea continua en 1, aunque esta es una condicin ms exigente. Esta hiptesis de
continuidad ha de simplicar el tratamiento de la integrabilidad de la funcin en una regin. Por otra parte, se
asume que integrabilidad de ) sigue siendo vlida an en casos en que el conjunto de discontinuidades de ) en
1 tenga rea nula.Se puede extender la denicin de integral a regiones ms generales. Siendo
1 =
_
(r, j) : j _ r _
_
j, 0 _ j _ 1
_
=
_
(r, j) : r
2
_ j _ r, 0 _ r _ 1
_
2
sera fcil extender la denicin de la integral sobre este dominio 1, si lo pensamos incluido en un rectngulo
1, esto es posible pues 1, est acotado. La funcin )
en el rectngulo 1 se dene de la siguiente manera:

)
(r, j) =
_
)(r, j) si (r, j) 1
0 si (r, j) 1
En este caso,si el conjunto de discontinuidades de )
tiene rea nula, ser integrable Riemann. El clculo de

esta integral es
__
R
)
(r, j)drdj =
__
D
)(r, j)drdj +
__
RD
0drdj =
__
D
)(r, j)drdj
done se aplic la propiedad aditiva de la integral con respecto a la regin de integracin, es decir, se
cumple que si 1 = 1
1
' 1
2
,con 1
o
1
1
o
2
= ?, entonces
_ _
R
)(r, j)drdj =
_ _
R
1
)(r, j)drdj +
_ _
R
2
)(r, j)drdj
Example 2 Encontrar el volumen del tetraedro acotado por los planos j = 0, . = 0, r = 0 y el plano jr+. = 1.
Solucin: Este clculo se hace a travs de
_ _
R
)(r, j)drdj =
_
0
1
__
1+x
0
(1 + r j)dj
_
dr =
_
1
0
__
0
y1
(1 + r j)dr
_
dj =
1
6
Observacin: Cuando en una integral doble la funcin integrando es )(r, j) = 1, puede reducirse a una integral
simple y podr representar un rea. En el caso de integrales triples, pueden calcularse volmenes en caso en que
la funcin integrando sea )(r, j, .) = 1. El volumen del tetraedro de la gura por integrales triples se expresa
_ _ _
V
drdjd. =
_
0
1
[
_
1+x
0
[
_
1+xy
0
d.]dj]dr =
_
0
1
__
1+x
0
(1 + r j)dj
_
dr =
1
6
9.3. Cambio de coordenadas en integrales mltiples
9.3.1. Geometra de las funciones de R
2
a R
2
Sea 1
un subconjunto de R
2
y sea :
T : R
2
R
2
1
T(1
)
(r
, j
) 1
(r, j) = T(r
, j
)
Esta funcin T ser C
1
y es una transformacin del plano en s mismo.
Example 3 La siguiente transformacin de polares, transforma un rectngulo en un crculo
T : 1
T(1
)
[0, 1] [0, 2] T([0, 1] [0, 2])
(r, 0) (r cos 0, r sin0) = (r, j)
Example 4 Sea 1
= [1, 1] [1, 1] R
2
con
T(r, j) =
_
r + j
2
,
r j
2
_
= (n, )
Para hallar T(1
),bastar encontrar las imgenes de las rectas contorno de 1
. La siguiente es la expresin
paramtrica de los segmentos que hacen de contorno de la regin a transformar
.
o
1
(t) = (1, t) 1 _ t _ 1
o
2
(t) = (t, 1) 1 _ t _ 1
o
3
(t) = (1, t) 1 _ t _ 1
o
4
(t) = (t, 1) 1 _ t _ 1
3
(Identicar a que lados del cuadrado corresponde cada una de las o especicadas arriba). Ahora se procede a
aplicar la transformacin a cada uno de los segmentos hallando la regin transformada.
T (o
1
(t)) = T (1, t) =
_
1+t
2
,
1t
2
_
= (n, )
)
_
= 1 n
0 _ n _ 1
T (o
2
(t)) = T(t, 1) =
_
1+t
2
,
t1
2
_
= (n, )
)
_
= n 1
0 _ n _ 1
T (o
3
(t)) = T(1, t) =
_
t1
2
,
t1
2
_
= (n, )
)
_
= 1 n
1 _ n _ 0
T (o
4
(t)) = T(t, 1) =
_
t1
2
,
t+1
2
_
= (n, )
)
_
= n + 1
1 _ n _ 0
As se o obtiene T(1
) en el plano (n, ). Es importante probar que esta transformcin no transforme dos

puntos distintos (r
1
, j
1
) ,= (r
2
, j
2
) del plano (r, j) en un mismo punto (n, ). Esto signica probar que T es
inyectiva. Es decir, T cumple que:
T(r
1
, j
1
) = T(r
2
, j
2
) == (r
1
, j
1
) = (r
2
, j
2
)
9.3.2. Transformaciones en las integrales dobles
Se resolver el problema referido a como transformar la integral cuando la regin de integracin es sometida
a una transformacin. En muchos casos es muy conveniente hacer esto, pues as se simplica enormemente la
resolucin de la integral. Sea la transtormacin del plano T(n, ) = (n
2
+ 4n, ) = (r, j) aplicada al cuadrado
1 = [0, 1] [0, 1]
T
El rea de 1 es unitaria y el rea de T(1) es tres y al resolverlas usando integrales sobre cada una de las
regiones, se podr intuir como el cambio de coordenadas interere en la resolucin de las integrales respectivas.
Se plantean las integrales cuya solucin representa las respectivas reas y se observa que:
Area de 1 =
_ _
R
dnd ,=
_ _
T(R)
drdj = Area de T (1)
Entonces, cabe preguntarse que factor debe colocarse para que ambas integrales arrojen el mismo resultado?.
En realidad lo que se busca es el factor de distorsin al que es sometido el rea por la transformacin. Este
factor es el jacobiano de la transformacin.
En efecto, en este caso, T(n, ) = (n
2
+4n, ) = (r, j). Al calcular el Jacobiano y afectando luego con este
resultado a la integral, se obtiene:
J
_
r, j
n,
_
=
r
u
r
v
j
u
j
v
2n + 4 0
0 1
= 2n + 4
_ _
T(R)
drdj =
_
1
0
_
1
0
(2n + 4)dnd =
_
1
0
( n
2
+ 4n)
1
0
d =
_
1
0
3d = 3
4
Luego, se cumple que
Area de T (1) =
_ _
T(R)
drdj =
_ _
R
J
_
r, j
n,
_
dnd
Enunciaremos ahora formalmente el teorema de cambio de variables en la integral doble para el caso general en
el que el integrando es una funcin escalar.
9.4. Teorema del Cambio de Variables en las Integrales Dobles
Theorem 2 Sea 1 abierto, T : 1 R
2
R
2
con T(n, ) = (r, j) una transformacin C
1
que verica:
i) T es inyectiva
ii) J
_
r, j
n,
_
,= 0 para todo (r, j) 1
Si ' 1 R
2
y T(') R
2
son regiones elementales en el plano, entonces para cualquier funcin ) : T(')
R
2
R integrable Riemann, la funcin ) T : ' 1 R es integrable Riemann vericndose
_ _
T(M)
)(r, j) dr dj =
_ _
M
) (T(n, ))
J
_
r, j
n,
_
dn d
Obsrvese que las hiptesis del teorema aseguran la existencia de T
1
. A continuacin se ven aplicaciones de
este teorema.
Example 5 Una de las transformaciones ms tiles es la transformacin a polares. Calcular
_ _
M
ln(r
2
+
j
2
)drdj siendo ' la regin del primer cuadrante delimitada por los arcos de crculos: r
2
+j
2
= 1, r
2
+j
2
= 4.
La transformacin es
T : (r, 0) (r, j) en donde
_
r = r cos 0
j = r sen 0
Para la regin del primer cuadrante con frontera r
2
+ j
2
= 1, en polares 0 _ r _ 1 y 0 _ 0 _

2
Para la regin del primer cuadrante con frontera r
2
+ j
2
= 4, en polares 0 _ r _ 2 y 0 _ 0 _

2
El jacobiano de la transformacin es:
J
_
r, j
r, 0
_
=
r
r
r
j
r
j
cos 0 r sen 0
sen 0 r cos 0
= r cos
2
0 + r sen
2
0 = r
Por lo tanto, siendo '
= T
1
(')
_ _
M
ln(r
2
+ j
2
)drdj =
_ _
M
r lnr
2
dr d0 =
_ _
M
r lnr
2
dr d0 =
=
_
2
0
__
2
1
2r lnr dr
_
d0 =
_
2
0
_
r
2
lnr
r
2
2
_
2
1
d0 =

2
_
4 ln 2
3
2
_
en donde hemos usado el resultado de tablas de integracin:
_
rlnrdr =
x
2
2
lnr
x
2
4
.
Example 6 Un resultado muy usado es el siguiente:
_
1
0
c
x
2
dr =
p
2
y puede ser justicado usando integrales iteradas y la transformacin de polares a travs de cierto articio. Por
ser c
x
2
una funcin par, cumple que
1 =
_
1
0
c
x
2
dr =
1
2
_
1
1
c
x
2
dr
recordando que una integral denida no depende del smbolo usado para nombrar a la variable de integracin,
1
2
=
_
1
2
_
1
1
c
x
2
dr
__
1
2
_
1
1
c
y
2
dj
_
luego, teniendo en cuenta que el dominio de integracin es todo el plano y usando la transformacin a polares,
se obtiene
1
2
=
1
4
_
1
1
_
1
1
c
(x
2
+y
2
)
drdj =
1
4
_
2
0
_
1
0
c
r
2
rdrd0 =

4
de donde se justica el resultado buscado.
5
10. Coordenadas Curvilneas
10.1. Coordenadas Cilndricas
Las coordenadas cilndricas (r, 0, .) de un punto (r, j, .) estn denidas por
r = r cos 0, j = r sen 0, . = .
donde r 0, 0 _ 0 < 2, < . < . Por ejemplo el punto (1,1,1) dado en coordenadas cartesianas,
tendr como coordenadas cilndricas
_
_
_
1 = r cos 0
1 = r sen 0
1 = .
)
_
_
_
r =
_
r
2
+ j
2
=
_
2,
0 = arctan
y
x
= arctan 1 =

4
. = 1
El nombre de coordenadas cilndricas proviene del hecho de que para r = ctc, variando . y 0 en todo su rango,
se obtiene como lugar geomtrico un cilindro innito. Puede vericarse que para 0 = ctc, al variar . y r se
obtiene un semiplano perpendicular al plano rj . Adems, cuando . = ctc , al variar 0 y r se obtiene un plano
paralelo al plano rj. Interesar el jacobiano de esta transformacin, J
_
r, j, .
r, 0, .
_
=
cos 0 r sen0 0
sen0 r cos 0 0
0 0 1
= r
10.2. Coordenadas Esfricas
Las coordenadas esfricas (j, 0, c) de un punto (r, j, .) estn denidas por
r = j sen c cos 0, j = j sen c sen 0, . = jcos c
donde j _ 0, 0 _ 0 < 2, 0 _ c _ . Por ejemplo el punto (1,1,1) dado en coordenadas cartesianas, tendr
como coordenadas esfricas
_
_
_
1 = j sen c cos 0
1 = j sen c sen 0
1 = jcos c
)
_
_
j =
_
r
2
+ j
2
+ .
2
=
_
3,
0 = arctan
j
r
= arctan 1 =

4
c = arc cos
1
r
= arc cos
1
p
3
=

3
El nombre de coordenadas esfricas proviene de que para j = ctc, variando . y 0 en todo su rango,obtenemos
como lugar geomtrico una esfera. Puede vericarse que para 0 = ctc, al variar j y c se obtiene un semiplano
perpendicular al plano rj . Cuando c = ctc , al variar 0 y j se obtiene un cono o el plano rj si c =

2
. El
jacobiano de esta transformacin es
J
_
r, j, .
j, 0, c
_
=
cos 0 sen c j sen 0 sen c j cos 0 cos c

sen 0 sen c j cos 0 sen c jsen 0 cos c
cos c 0 j sen c
= j
2
senc
10.3. Clculo de Volmenes por coordenadas curvilneas
Las coordenadas curvilneas son sumamente tiles cuando se trata de calcular volmenes. Los siguientes
ejemplos permiten claricar esto.
Example 7 Siendo 1 =
_
(r, j, .) : 2
_
r
2
+ j
2
_
_ .
2
_ r
2
+ j
2
+ 1, . _ 0
_
, calcular la integral
___
B
.c
(x
2
+y
2
)
drdjd.
Solucin: Las intersecciones son 2
_
r
2
+ j
2
_
= r
2
+ j
2
+ 1 = r
2
+ j
2
= 1 = . =
_
2. Esto signica que la
interseccin se d en el plano . =
_
2 y la proyeccin de esta interseccin en el plano rj es la circunferencia
r
2
+ j
2
= 1. En polares 0 _ r _ 1 y 0 _ 0 _ 2.
6
Con un cambio a cilndricas se obtiene entonces 2r
2
_ .
2
_ r
2
+ 1 =
_
2r _ . _
_
r
2
+ 1. En denitiva es
volumen expresado en cilndricas es
1 =
_
(r, 0, .) : 0 _ r _ 1, 0 _ 0 _ 2,
_
2r _ . _
_
r
2
+ 1
_
La integral es
___
B
.c
(x
2
+y
2
)
drdjd. =
_
2
0
_
1
0
_
p
r
2
+1
p
2r
.rc
r
2
d.drd0 =
1
2c
Example 8 Calcular el volumen \ determinado por el interior a las esferas r

2
+j
2
+.
2
= 1 y r
2
+(j 1)
2
+.
2
=
1.
Solucin:
La interseccin es (j 1)
2
= j
2
= [j 1[ = [j[ = j =
1
2
. Entonces r
2
+.
2
=
3
4
es la circunferencia interseccin
sobre el plano j =
1
2
.
1. Resolvemos en cilndricas, haciendo
_
_
_
r = r cos 0
. = r sin0
j = j
, proyectamos en el plano r, . y con 0 _ r _
p
3
2
,
0 _ 0 _ 2 ,donde 1
_
1 r
2
_ j _
_
1 r
2
. Es decir
\ =
_
2
0
d0
_
p
3
2
0
rdr
_
p
1r
2
1
p
1r
2
dj =
5
12
= 2
_
2
0
d0
_
p
3
2
0
rdr
_
p
1r
2
1
2
dj =
5
12
7
2. Resolvemos en esfricas
_
_
_
r = j cos 0 sin,
. = j sin0 sin,
j = j cos ,
Las supercies r
2
+ j
2
+ .
2
= 1 y r
2
+ (j 1)
2
+ .
2
= 1 determinan
1
1
= (j, 0, ,) : 0 _ j _ 1, 0 _ , _ , 0 _ 0 _ 2 R
3
1
2
=
_
(j, 0, ,) : 0 _ j _ 2 cos ,, 0 _ , _

2
, 0 _ 0 _ 2
_
R
3
pues siendo (j cos 0 sin,)
2
+(j sin0 sin,)
2
+(j cos , 1)
2
= j
2
2j cos ,+1 = 1 = j = 0 o j = 2 cos ,.
La interseccin 1
1
1
2
ser cuando j cos , =
1
2
con j = 1, y cos , =
1
2
luego , =
1
3
. Es decir que si
0 _ , _
1
3
, entonces 0 _ j _ 1 y si
1
3
_ , _
1
2
, entonces 0 _ j _ 2 cos ,.
\ (1
1
1
2
) =
_
2
0
_ 1
3
0
_
1
0
j
2
sin,djd,d0 +
_
2
0
_ 1
2
1
3
_
2 cos '
0
j
2
sin,djd,d0 =
5
12
Tambin pudo haberse aprovechado la simetra de este volumen haciendo una sla integral
\ (1
1
1
2
) = 2
_
2
0
_ 1
3
0
_
1
1
2 cos '
j
2
sin,djd,d0 =
5
12
10.4. Generalizacin del concepto de Integral Mltiple

Es necesario generalizar el concepto de integral de Riemannn Darboux a funciones de : variables ) : 1
R
n
R. Se simboliza la integral de ) sobre 1
_
B
)d
Antes de denir formalmente este concepto, se precisan algunas deniciones previas.
Denition 1 Rectngulo coordenado I R
n
es el producto cartesiano de : intervalos del tipo 1
i
= [a
i
, /
i
]
R
I = [a
1
, /
1
] [a
2
, /
2
] [a
n
, /
n
] =
= (r
1
, r
2
, , r
n
) : a
i
_ r
i
_ /
i
R
n
Denition 2 Dimetro de I R
n
, siendo r = (r
1
, r
2
, , r
n
) I , j = (j
1
, j
2
, , j
n
) I, se dene como
Diam(I) = sup|r j| : r, j I
Denition 3 Volumen de I R
n
, se dene como el producto de las longitudes de los 1
i
= [a
i
, /
i
] R con
i = 1, 2, ..., :, denotado (I)
(I) =
n
i=1
[/
i
a
i
[
8
Denition 4 Particin de I R
n
, dada una particin 1
i
de :
i
puntos sobre cada intervalo 1
i
= [a
i
, /
i
] R
con i = 1, 2, ..., :,
1
i
= (j
i0
, j
i1
, , j
im
i
) : a
i
= j
i0
_ j
i2
_ _ j
im
i
= /
i
se dene una particin sobre I R

n
, denotada T
I
, como el producto cartesiano de todas las particiones 1
i
, es
decir
T
I
= 1
1
1
2
1
n
Denition 5 Norma de una Particin de I R
n
. Como cada particin en I R
n
, genera una cantidad
:
1
:
2
...:
n
de nuevos sub-rectngulos : dimensionales 1
k
, como en el caso de la gura para una particin
particular de I R
2
Obsrvese que para 1
k
se podr pensar en el Diam(1
k
). Dene la norma de una particin I R
n
, denotada
|T
I
| = max
k
Diam(1
k
)
Denition 6 Renamiento de T
I
. Diremos que T
0
I
es un renamiento de T
I
si T
0
I
T
I
con lo que se cumple
que
|T
0
I
| _ |T
I
|
de lo que se deduce que para todo - 0, es posible encontrar alguna T
0
I
tal que |T
0
I
| _ -.
Con estas deniciones, podemos ahora dar una denicin precisa de la integral de Riemann generalizada a
: dimensiones.
Denition 7 Sea ) : 1 R
n
R, con 1 R
n
conjunto acotado y ) acotada en 1 e I 1 es un rectngulo
coordenado, se representa con )
B
() restringida a 1) a la funcin )
B
: I 1 R tal que
)
B
(r) =
_
) (r) ,
0,
si
si
r 1
r I1
Adems se toma una particin T
I
en I que determina rectngulos coordenados 1
k
de manera tal que

k
1
k
= I .
En cada 1
k
se toma c
k
y
)
B
(c
k
) =
_
) (c
k
) ,
0,
si
si
c
k
1
c
k
I1
la suma de Riemann de )
B
para T
I
con (1
k
) el volumen de los 1
k
es
k
)
B
(c
k
) (1
k
) = o
y si existe lm
kP
I
k!0
o, sta es
_
B
)d = lm
kP
I
k!0
o
la integral de ) sobre 1. Obsrvese que este lmite implica decir que \-, T
I
, o existe c tal que si |T
I
| < c,
entonces

_
B
)d o
< -.
E.C.-C.E./07
9
11. Curvas alabeadas
Hasta ahora uno de los objetivos fue estudiar las funciones con valores escalares. Ahora, el estudio se centrar
en funciones cuyos valores son vectores.
Habitualmente una curva se reconoce como una linea trazada en el papel. En esta seccin se generalizar el
concepto de curva, se formalizar la denicin y se caracterizarn las mismas segn sus propiedades.
11.1. Curva
Denition 1 Una curva ( en R
n
es la imagen de una funcin o : I RR
n
, donde I es un intervalo nito
o innito de R. Esto es:
( = r R
n
: r = o(t), t I R
Remark 1 Si I = [a, /], o(a) es el punto inicial de la curva y o(/) su punto nal.
Remark 2 Si o : [a, /] RR
3
, o(t) = (r(t), j(t), .(t)), sus funciones coordenadas r(t), j(t), .(t), son tales
que: r : [a, /] RR, j : [a, /] RR, . : [a, /] RR. Anlogamente para : = 2, y en general para R
n
.
Example 1 El ejemplo ms simple y conocido es el de una recta en R
3
que pasa por el punto (r
0
, j
0
, .
0
) en la
direccin del vector = (
1
,
2
,
3
) ,= (0, 0, 0). En este caso, la funcin es:
o(t) = r = (r, j, .) = (r
0
, j
0
, .
0
) +t(
1
,
2
,
3
)
donde o : (, ) RR
3
. Y la curva correspondiente es:
( = r R
3
: r = o(t), t R = Imo
Remark 3 Con cierto abuso de notacin, tambin se llamar curva a la funcin o de la cual es imagen.
Example 2 Un crculo unitario en el plano est representado por la funcin o : [0, 2] RR
2
tal que
o(t) = (cos t, sen t). Esto es
( = r R
2
: r = o(t) = (cos t, sent), t [0, 2] = r R
2
: r
2
+j
2
= 1
Example 3 La hlice circular est dada por o : RR
3
tal que o(t) = (cos t, sent, t), siendo r(t) = cos t, j(t) =
sent; .(t) = t sus funciones coordenadas. Notar que r
2
(t) + j
2
(t) = 1, \t, \., por lo tanto la curva ( est
contenida en el cilindro de radio 1.
Hlice
Remark 4 Recordar que curva es la imagen de o : I RR
3
y no su grca, que es el conjunto
graf o = (t, r
1
, r
2
, ..., r
n
) : r
1
= o
1
(t) , r
2
= o
2
(t) , ..., r
n
= o
n
(t)
Por ejemplo, la grca de la funcin c(t) = (cos t, sent), es la hlice circular.
1
11.1.1. Ejemplos de curvas planas
-2 2
-2
2
x
y
Folium de Descartes
-10 -5 0 5 10
2
x
y
Cicloide
-1.0 -0.5 0.5 1.0
-1.0
-0.5
0.5
1.0
x
y
Astroide
_
3t
1+t
3
,
3t
2
1+t
3
_
(t sent, 1 cos t)
_
cos
3
t, sen
3
t
_
-2 2 4 6
-4
-2
2
4
x
y
Cardioide
(2 (2 cos t + cos 2t) , 2 (2 sent + sen2t))
-1 1
-1
1
x
y
Estrofoide
(cos 2t, tant cos 2t)
1
-4
-2
0
2
4
x
y
Cisoide de Diocles
_
t
2
1+t
2
,
t
3
1+t
2
_
11.1.2. Curvas diferenciables
Por curva diferenciable, se entiende una funcin o : I RR
n
diferenciable, lo que, por tratarse de funciones
de una variable, signica que sus componentes son funciones derivables en todo t I. Una curva es clase C
p
, si
las componentes de la funcin tienen derivadas continuas en todo t I hasta el orden j.
La diferenciabilidad en t
0
I signica que hay un vector
o
0
(t
0
) = lm
h!0
o(t
0
+/) o(t
0
)
/
que verica la propiedad ms fuerte de aproximacin:
o (t +/) o(t
0
) +/o
0
(t
0
) (1)
Si o
0
(t
0
) ,= 0, de la expresin (1) tenemos que `(/) = o(t
0
)+/o
0
(t
0
) geomtricamente representa la ecuacin
de la recta tangente a la curva o(t) en el punto o(t
0
) y o
0
(t
0
) es un vector tangente a la curva en o(t
0
). Se
puede visualizar trasladndolo el origen a o(t
0
), como se muestra en la siguiente gura.
Si o : [a, /] RR
3
, o C
2
, tal que o(t) = (r(t), j(t), .(t)) describe el movimiento de una partcula en R
3
a travs del tiempo t, fsicamente se puede interpretar que el vector velocidad es
(t) = o
0
(t) = (r
0
(t), j
0
(t), .
0
(t))
2
Y la rapidez de la partcula
:(t) = [[(t)[[ = [[o
0
(t)[[
En forma natural se dene la razn de cambio de velocidad como la aceleracin. As:
a(t) =
0
(t) = o
00
(t) = (r
00
(t), j
00
(t), .
00
(t))
11.2. Clasicacin de las curvas
11.2.1. Curva regular
( es una curva regular si existe una parametrizacin o tal que ( = r R
n
: r = o(t), t I, para la cual
existe o
0
(t) para todo t I y adems o
0
(t) ,= 0 para todo t I. Esto asegura que o es continua, o sea la curva
no tiene cortes y adems no tiene picos ni esquinas, por lo que se dice que en este caso la curva es suave.
11.2.2. Curva simple
( es una curva simple si existe una trayectoria o tal que ( = r R
n
: r = o(t), t I, con o inyectiva
para todo t I
0
.
11.2.3. Curva regular a trozos
( es una curva regular a trozos si es la unin de una cantidad nita de curvas regulares.
11.2.4. Curva cerrada
( es una curva cerrada si el punto inicial y el punto nal coinciden. Esto es, si ( = r R
n
: r = o(t), t
[a, /], entonces o(a) = o(/).
11.2.5. Curva de Jordan
( es una curva de Jordan si es una curva simple, cerrada y regular a trozos.
11.3. Parametrizacin de curvas
En los ejemplos, seguramente se reconocieron algunas curvas por sus ecuaciones paramtricas (el parmetro
es la variable t). cualquier curva dada en forma explcita por j = ) (r), se puede describir paramtricamente
introduciendo simplemente la variable r como parmetro, con o que resulta
_
r = t
j = ) (t)
= o(t) = (t, ) (t))
Una misma curva puede tener muchas representaciones paramtricas, por ejemplo:
o
1
: [
2
,

2
] RR
2
, o
1
(t) = (cos t, sen t)
o
2
: [1, 1] RR
2
, o
2
(t) = (cos

2
t, sen

2
t)
o
3
: [1, 1] RR
2
, o
3
(t) = (cos

2
t
3
, sen

2
t
3
)
1
-1
0
1
Notar que:
o
1
(
2
) = o
2
(1) = o
3
(1) = (0, 1)
o
1
(
2
) = o
2
(1) = o
3
(1) = (0, 1)
Adems:
r
2
1
(t) +j
2
1
(t) = r
2
2
(t) +j
2
2
(t) = r
2
3
(t) +j
2
3
(t) = 1
es fcil ver que Im(o
1
) = Im(o
2
) = Im(o
3
) = (.
Sern estas tres parametrizaciones equivalentes? La respuesta es no. Esto se debe a que estas tres para-
metrizaciones no dan la misma informacin sobre ( . Por ejemplo si se calcula:
o
0
1
(t) = (sent, cos t) ,= (0, 0) para todo t [
2
,

2
]
3
o
0
2
(t) = (
2
sen

2
t,

2
cos

2
t) ,= (0, 0) para todo t [1, 1]
o
0
3
(t) = (
3
2
t
2
sen

2
t
3
,
3
2
t
2
cos

2
t
3
) = (0, 0) para t = 0 [1, 1]
Por tanto, estas tres parametrizaciones no son equivalentes, pues o
1
y o
2
indican que ( es regular, mientras
que o
3
no d esta informacin.
11.3.1. Parametrizaciones equivalentes
Denition 2 Si o : I RR
n
es una parametrizacin de ( y si , : I
R I R, es una funcin biyectiva,

diferenciable y tal que ,
0
(:) ,= 0 para todo : I
, entonces o
: I
RR
n
tal que o
(:) = (o ,) (:) =
o [,(:)] es una parametrizacin de ( equivalente a o.
11.3.2. Parametrizacin por longitud de arco
Dada una curva, existen innitas parametrizaciones equivalentes de la misma. En el caso de curvas denidas
en un intervalo nito, particularmente interesar la parametrizacin que slo dependa de la longitud de la curva.
Sea ( una curva regular en R
3
dada por r = o (t) , t [a, /]. Se denota
o
0
(t) =
dr
dt
=

r(t)
Por tanto, de acuerdo a lo supuesto,

r(t) ,= 0 para todo t [a, /]. Se sabe que la longitud de ( est dada por
| (() =
_
b
a
_
_
_
_
r(t)
_
_
_
_
dt
Sea : : [a, /] [0, | (()] tal que:
: (t) =
_
t
a
_
_
_
_
r(n)
_
_
_
_
dn
como

r(n) ,= 0 para todo n [a, /], entonces
_
_
_
_
r(n)
_
_
_
_
0. Por lo tanto, : (t) es estrictamente creciente sobre
[0, | (()], esto indica que : es biyectiva y en consecuencia existe la funcin inversa:
r : [0, | (()] [a, /]
: r (:) = t
Considrese la siguiente composicin:
[0, | (()]
r
[a, /]

(
: t o (t) = r
As, es posible pensar a r como una funcin de :, siendo
r(:) = (o r) (:) , : [0, | (()]
una parametrizacin equivalente a la dada, llamada parametrizacin por longitud de curva.
Adems, :
0
(t) =
d:
dt
=
_
_
_
_
r(t)
_
_
_
_
,= 0 para todo t [a, /], entonces existe
r
0
(:) =
dt
d:
=
1
d:
dt
=
1
_
_
_
_
r(t)
_
_
_
_
As, r
0
(:) =
dr(:)
d:
=
do
dt
dt
d:
=
do
dt
1
d:
dt
=
dr
dt
1
x(t)
, luego:
|r
0
(:)| =
_
_
_
_
r(t)
_
_
_
_
1
_
_
_
_
r(t)
_
_
_
_
= 1
4
12. Integrales curvilneas
12.1. Integral curvilnea sobre una funcin escalar
Sea una curva orientada ( dada paramtricamente por la funcin o C
1
:
( =r 1
n
[ r = o(t), t [a, /], : = 2, 3
y sea ) : 1 1
n
1 una funcin escalar tal que la composicin ) o es continua en [a, /], es decir para
: = 3, por ejemplo tendremos () o)(t) = ) (o(t)) = )(r(t), j(t), .(t)). Deniremos la integral de )(r, j, .) a lo
largo de la curva ( parametrizada por la funcin o, como
_
C
) d: =
_
b
a
)(o(t)) |o
0
(t)| dt =
_
b
a
)(r(t), j(t), .(t)) |o
0
(t)| dt
con d: = |o
0
(t)| dt.
12.1.1. Longitud de arco
Ntese que si )(r(t), j(t), .(t)) = 1, recobramos la denicin de longitud de arco de la curva (. Por otra
parte, si la curva es C
1
a trozos, resolveremos la integral subdividindola por cada tramo donde sea o C
1
.(Ver
propiedades)
Como interpretaciones ms frecuentes de este tipo de integrales, podemos citar el clculo de la masa de un
alambre, siendo el alambre la curva y la funcin )(r, j, .) la densidad de masa del alambre, o bien, si )(r, j, .)
representa temperatura, la integral evaluar la temperatura promedio del alambre.
Ejemplo 1: Sea ( la hlice dada por
o : [0, 2] R
3
t (cos t, sen t, t)
y )(r, j, .) = r
2
+j
2
+.
2
representa
la densidad de masa en cada punto (r, j, .) del alambre. Calculemos la masa total ' del alambre, es decir
' =
_
2
0
)(o(t)) |o
0
(t)| dt =
_
2
0
)(r(t), j(t), .(t)) |o
0
(t)| dt
Componiendo obtenemos que )(r(t), j(t), .(t)) = cos
2
t+sen
2
t+t
2
= 1+t
2
. Adems |o
0
(t)| =
_
sen
2
t + cos
2
t + 1
=
_
2. Luego
' =
_
2
0
(1 +t
2
)
_
2 dt =
_
2
_
t +
1
3
t
3
_
2
0
=
2
_
2
3
_
3 + 4
2
_
Ejemplo 2: Consideremos una aplicacin muy til que es el clculo del centro de masa. Supongamos un
alambre de densidad constante cuya forma sea la de un semicrculo, dnde estar ubicado el centro de masa?.
Aqu la respuesta lgica debe ser, en algn punto que se encuentre sobre el eje j. Veriquemos a travs del
clculo.
-1.0 -0.5 0.0 0.5 1.0
0.5
1.0
x
y
(cos t, sint)
Sean ' la masa total, j la densidad, que se supone constante y 1(C) la longitud del alambre.
Promedio de las r- coordenadas:
_
C
jrd:
'
=
j
_
C
rd:
j1(C)
=
_
0
cos t |o
0
(t)| dt
=
_
0
cos t |(sen t, cos t)| dt
=
_
0
cos t dt
=
sen t[
= 0
Promedio de las j- coordenadas:
_
C
jd:
1(C)
=
_
0
sen t |o
0
(t)|
=
_
0
sen t |(sen t, cos t)| dt
=
_
0
sen t dt
=
cos t[
=
2
Por lo tanto el centro de masa es el punto

_
0,
2
_
.
5
12.2. Integrales curvilneas de una funcin escalar sobre una curva plana
Comentaremos un caso especial que se produce cuando la integral curvilnea se calcula sobre una curva plana
parametrizada por o : [a, /] 1
2
. Supongamos que tal curva ( est sobre el plano rj y que ) : 1 1
2
1.
La integral de ) a lo largo de (,es
_
C
)(r, j) dr =
_
b
a
)(r(t), j(t))
_
r
0
(t)
2
+j
0
(t)
2
dt
En el caso de que )(r, j) _ 0, esta integral puede interpretarse como el rea de una muralla cuya base es la
curva ( y la altura est dada por la funcin ).
12.3. Integrales curvilneas sobre una funcin vectorial
Las integrales curvilneas tienen gran aplicacin en muchos campos de la ciencia. Presentaremos ahora otra
idea que ellas conceptualizan pensando en que nos desplazamos sobre un bote en un ro correntoso. Est claro que
si nos moviramos contra la corriente, tendramos que desarrollar mucha fuerza (desgaste de energa) mientras
que si nos movemos a favor de la corriente nos veramos muy favorecidos. Este ro puede imaginarse como un
campo de fuerzas y nuestra trayectoria en el mismo, como una curva. Veremos que la integral curvilnea mide
cunto favoreci, o no, un campo vectorial al movimiento a lo largo de nuestra trayectoria en el mismo.
Supongamos un campo vectorial 1 : 1
3
1
3
que acta sobre una curva ( parametrizada por la fun-
cin o : [a, /] 1
3
diferenciable a trozos. En la gura podemos ver la curva, que se aproxima por vectores
desplazamiento. En particular estamos aproximando o(t) = o(t + t) o(t) t o
0
(t) t .
Si o(t) = o
0
(t) t, y en cada punto de la curva o(t), se evala el vector campo 1(o(t)). Realizando el
producto escalar 1(o(t)) o(t) = 1(o(t)) o
0
(t) t, estamos proyectando el vector campo en la direccin del
vector desplazamiento (obsrvese que deber tomarse en cuenta la orientacin de la curva dado por el sentido
del vector o
0
(t)). O lo que es lo mismo, estamos considerando la componente del vector campo en la direccin y
sentido del desplazamiento. Ahora bien, si realizamos una particin en [a, /] , tomando : puntos en el intervalo
a = t
0
< t
1
< ... < t
n
= /,donde |T| representa la norma de la particin, tendremos para cada t
i
, los mismos
clculos anteriores:
o(t
i
) = o(t
i
+ t) o(t
i
) t o
0
(t)t
y cada aporte del campo en la direccin tangencial de la curva ser 1(o(t
i
)) o
0
(t
i
)t. Si realizamos la
suma de todos estos aportes, y luego el lmite cuando |T| 0 y si tal lmite existe, se dene como la integral
curvilnea y la denotamos
_
C
1.dr = lm
kPk! 0
i
1(o(t
i
)) o(t
i
) =
_
b
a
1(o(t)) o
0
(t) dt
Para que exista esta integral, debe ser 1 un campo vectorial continuo y o C
1
.
Como vemos, esta denicin est asociada directamente a la interpretacin fsica de la integral curvilnea, en
caso de que ocurra un desplazamiento a lo largo de una curva en un campo vectorial. Ms concretamente, esta
integral se interpreta como el trabajo realizado por el campo de fuerzas 1 sobre una partcula que se mueve a
lo largo de la trayectoria o
Ejemplo: Sea 1(r, j, .) = (r, j, .) el campo representado en la gura.
-5
-5
-5
x y
z
5
5
5
Tomemos la curva o(t) = (sen t, cos t, t) con 0 _ t _ 2,
trayectoria helicoidal de una partcula . Hallar el trabajo \ realizado
por el campo 1 sobre la partcula que se mueve en la trayectoria
\ =
_
2
0
1(o(t)) o(t) dt =
_
2
0
(sen t, cos t, t) (cos t,-sen t, 1) dt =
_
2
0
(sen t cos t cos t sen t +t) dt =
_
2
0
t dt = 2
2
.
Observacin: Sabemos que una misma curva admite distintas parametrizaciones. Debemos estar seguros
de que el resultado de la integral sea independiente de la parametrizacin elegida para la curva. Esto se cumple
para parametrizaciones equivalentes y se puede demostrar.
6
9. Operadores Vectoriales
Los operadores que que se denen estn asociados a temas del rea de Fsica, la terminologa usual es la
siguiente.
Un campo escalar de R
n
es una funcin escalar f : R
n
R que asocia a cada vector en R
n
un escalar
en R. Un ejemplo sera la funcin temperatura T, a cada punto (x
1
; x
2
; ::; x
n
) en R
n
, le hace corresponder
un valor real T(x
1
; x
2
; ::; x
n
), que ser la temperatura en dicho punto.
Un campo vectorial de R
n
es una funcin vectorial F : R
n
R
n
que asocia a cada vector en otro vector
en R
n
. Un ejemplo en R
3
sera la funcin velocidad, a cada punto (x; y; z) en R
3
, le hace corresponder un
vector v(x; y; z), que ser la velocidad de dicho punto, en este caso no slo importa la rapidez con que se
mueva el punto, sino tambin, en la direccin en que lo haga.
Sean los siguientes conjuntos de funciones, c = f : D R
n
R, 1 = F : D R
n
R
n
Denimos el operador \ como

\ =
_
@
@x
1
;
@
@x
2
; :::;
@
@x
n
_
este operador se aplica a funciones escalares o vectoriales, de los modos siguientes.
9.1. Gradiente
\ : cC
1
(D) 1
f \f
de manera que
\f = gradf =
_
@
@x
1
;
@
@x
2
; :::;
@
@x
n
_
f =
_
@f
@x
1
;
@f
@x
2
; :::;
@f
@x
n
_
9.2. Divergencia
(\:) : 1C
1
(D) c
F \:F
de manera que
\ F = div F =
_
@
@x
1
;
@
@x
2
; :::;
@
@x
n
_
:(F
1
; F
2
; :::; F
n
) =
@F
1
@x
1
+
@F
2
@x
2
+ ::: +
@Fn
@x
n
=
n
i=1
@F
i
@x
i
Cuando la divergencia de un campo F es nula se dice que el campo es solenoidal o incompresible.
9.3. Rotor
(\) : 1C
1
(D) 1
F \F
Notamos que en este caso slo se aplica el rotor a funciones cuyo dominio e imagen sean subconjuntos de R
3
;
es decir
\F = rot F =
_
@
@x
;
@
@y
;
@
@z
_
(F
1
; F
2
; F
3
) =
i

j

k
@
@x
@
@y
@
@z
F
1
F
2
F
3
=
=
_
@F
3
@y

@F
2
@z
_
i +
_
@F
1
@z

@F
3
@x
_
j +
_
@F
2
@x

@F
1
@y
_
k
Cuando el rotor de un campo vectorial es el vector nulo ( \ F = 0), se dice que el campo es irrotacional
1
9.4. Laplaciano
Se puede aplicar reiteradas veces el operador \, de esta aplicacin surge otro operador que es muy usado es
el operador laplaciano ste se lo aplica a funciones escalares, es decir, si f c C
2
(D), denimos
f = \
2
f = \(\f) = div(gradf) =
n
i=1
@
2
f
@x
2
i
; con lo cual \
2
f c
9.4.1. Propiedades
El operador \ goza de propiedades parecidas que las derivadas, algunas de estas enunciaremos a continuacin:
Sean f : D R
n
R , g : D R
n
R , F : D R
n
R
n
, G : D R
n
R
n
, funciones diferenciables
en D; bajo las condiciones de existencia segn corresponda en cada caso, entonces se cumple que:
i) \(f + g) = \f +\g ii) \(fg) = g\f + f\g
iii) \(f=g) = (g\f f\g) =g
2
iv) \ (F + G) = \ F +\ G
v) \ (fF) = \f F + f\ F vi) \ (f\g g\f) = f\
2
g g\
2
f
vii) \
2
(fg) = g\
2
f + f\
2
g + 2 (\f \g) viii) \ (F + G) = \ F +\ G
ix) \ (F G) = G
_
\ F
_
F
_
\ G
_
x) \ \f = 0, \ (\ G) = 0 y \ (\f \g) = 0
xi) \ (\ F) = \(\ F) \
2
F xii) H
_
F G
_
=G
_
H F
_
=F
_
GH
_
A continuacin se vern las demostraciones de algunas de ellas.
viii) En este caso, tanto F como G son campos vectoriales de R
3
; entonces
\ (F + G) = \ (F
1
+ G
1
; F
2
+ G
2
; F
3
+ G
3
) =
i

j

k
@
@x
@
@y
@
@z
F
1
+ G
1
F
2
+ G
2
F
3
+ G
3
aplicando propiedades de determinantes
i

j

k
@
@x
@
@y
@
@z
F
1
+ G
1
F
2
+ G
2
F
3
+ G
3
i

j

k
@
@x
@
@y
@
@z
F
1
F
2
F
3
i

j

k
@
@x
@
@y
@
@z
G
1
G
2
G
3
es decir
\ (F + G) = \ F +\ G
x) Para este caso debe ser f C
2
\ (\f) =
i

j

k
@
@x
@
@y
@
@z
@f
@x
@f
@y
@f
@z
= (f
zy
f
yz
)
i + (f
xz
f
zx
)
j + (f
xy
f
yx
)
k = 0
Esta propiedad tendr mucha utilidad, y epres que el rotor del gradiente de f es cero, es decir que
Los campos gradientes son irrotacionales:
Las demostraciones de las otras identidades quedan como ejercicio.
Teorema 1 Si F es un campo vectorial C
1
en R
3
con div F = 0, entonces existe un campo vectorial C
1
, H tal
que F = \ H.
Ejercicio 1 Dado el campo F = GM
r
r
3
, donde r = (x; y; z) y r = |r|, usando el teorema anterior, puede
asegurar la existencia de un campo H tal que F = \ H?
2
9.5. Interpretaciones de los operadores vectoriales
9.5.1. Gradiente
Dado un punto (x
o
; y
o
; z
o
) de una supercie de nivel S, denida por S =
_
(x; y; z) : f(x; y; z) = k con f C
1
_
;
entonces \f(x
o
; y
o
; z
o
) es normal a S en (x
o
; y
o
; z
o
):
Dada cualquier curva C que pase por (x
o
; y
o
; z
o
) y que est contenida en S; parametrizada por denida
sobre un intervalo [a; b];se cumple que: : [a; b] R
3
, tal que [a; b] S y (t
o
) = (x
o
; y
o
; z
o
) S; para algn
t
o
(a; b). Como \t [a; b] : f((t)) = k;se cumple
(f )
0
(t
o
) = f
0
((t
o
))
0
(t
o
) = 0
Con lo cual \f(x
o
; y
o
; z
o
)
0
(t
o
) = 0, siendo
0
(t
o
) un vector tangente a la curva C: Entonces el vector
\f(x
o
; y
o
; z
o
) es normal a toda curva contenida en la supercie en (x
o
; y
o
; z
o
), o sea \f(x
o
; y
o
; z
o
) es normal a
S en (x
o
; y
o
; z
o
):
Por lo tanto, para hallar un vector normal a una supercie dada en forma implcita se debe hallar el
gradiente en dicho punto. Por ejemplo si se desea encontrar el vector normal a la esfera de radio 1 centrada en
el origen, es decir S = (x; y; z) : x
2
+ y
2
+ z
2
= 1 si (x
o
; y
o
; z
o
) S, un vector normal a S en este punto ser
N = \f(x
o
; y
o
; z
o
) = (2x
o
; 2y
o
; 2z
o
) = 2(x
o
; y
o
; z
o
)
con lo cual, como era de esperar, los vectores normales a la esfera son todos los radiales.
9.5.2. Divergencia
En hidrodinmica, la divergencia del campo vectorial de la velocidad de un uido v(r) es una densidad de
ujo; el valor en un punto r
(div v(r)) dV
es la medida del uido neto, o la razn de ujo por unidad de volumen, de un uido que sale de un diferencial
de volumen dV en un punto. La explicacin de esto es, dado un punto r = (x; y; z) en el udo, en ste acta el
campo de velocidad v(r). La divergencia del mismo es,
div v(r) =
@v
1
@x
+
@v
2
@y
+
@v
3
@z
y
(div v(r)) dV =
@v
1
@x
+
@v
2
@y
+
@v
3
@z
dxdydz
en forma aproximada
_
v
1
x
+
v
2
y
+
v
3
z
_
xyz = v
1
yz + v
2
xz + v
3
xy:
Analicemos el signicado del primer sumando: v
1
yz , como v
1
es la primera componente de la velocidad
del uido, entonces v
1
es el cambio de v en la direccin
i , con lo cual v
1
yz, ser el cambio v dentro del
paraleleppedo de lados x; y; z;en la direccin
i . La suma
_
v
1
x
+
v
2
y
+
v
3
z
_
xyz;dar entonces
la razn de cambio total del udo en todo el diferencial de volumen.
Con lo cual div v(r) ser la razn de cambio del uido por unidad de volumen.
Entonces si div v(r) > 0; el udo se expande, si div v(r) < 0; el udo se contrae y si div v(r) = 0; el ujo
se mantiene constante, es decir que no hay fuentes ni sumideros.
Por ejemplo si el campo de velocidad de un gas est dado por v(x; y; z) = (x; y; z); entonces div v(x; y; z) = 3;
esto signica que el gas se expande a razn de 3 unidades cbicas por unidad de volumen, por unidad de tiempo.
Esto es razonable, por que en este caso v es un vector radial hacia el exterior, y conforme el gas se mueve en
estas direcciones el gas se expande.
3
(x; y; z)
(x; y; z) (x; 100y; z) (x; 2y; z)
div(x; y; z) = 3 div(x; y; z) = 3 div(x; 100y; z) = 98 div(x; 2y; z) = 0
Rotor:
Podemos dar una idea aproximada de la interpretacin fsica del Rotor, llegando a la conclusin de que est
asociado a la idea de giro.
Sea B un cuerpo rgido que gira en torno al eje z.
La rotacin se puede describir por medio del vector w = wk, en donde w es la rapidez angular de B, esto
es, la rapidez tangencial |v| de cualquier punto Pde B dividida entre la distancia d al eje de rotacin, con lo
cual w =
|v|
d
;es decir que|v| = w d.
Sea el vector r = (x; y; z) de posicin de P. Considerando el ngulo que forma el vector posicin r con
el eje z, como se muestra en la gura de la pgina anterior.
Tenemos que d = |r|sen ; es decir que |v| = wd = |w| |r|sen , con lo cual el campo de velocidad de B
est dado por v = w r.
Realizando este producto vectorial obtenemos que v = wyi + wxj. De ah que \ v = 2w.
Interpretando fsicamente este ltimo resultado, tenemos que v es irrotacional s y slo s w es nula, es decir
que ningn punto de B rota.
4
Anlisis Matemtico II
Universidad Nacional de Salta. Facultad de Ciencias Exactas.
Supercies - Teoremas Integrales
17 de junio de 2009
1. Supercies
1.1. Parametrizacin de una supercie
Al igual que en el caso de las curvas, distinguiremos dos conceptos:
1. la parametrizacin de la supercie (que ser la transformacin o funcin) y
2. la supercie que ser la imagen de ella (esto es el objeto geomtrico llamado supercie)
Una parametrizacin de una supercie o es una funcin
c : 1 R
2
R
3
tal que c(n, ) = (r(n, ), j(n, ), .(n, ))
y llamamos supercie o a la imgen de esa funcin, es decir
o = Imc = r R
3
[ r = c(n, ), (n, ) 1
Sea ) : 1 R
2
R tal que . = )(r, j). Podemos denir la siguiente parametrizacin
c : 1 R
2
R
3
(n, ) (n, , )(n, ))
entonces
o = Imc = r R
3
[ r = c(n, ) (n, ) 1 = r R
3
[ r = (n, , )(n, )) (n, ) 1 = graf )
Si o = r R
3
[ r
2
+j
2
+.
2
= 1 (esto es la esfera hueca de radio 1) podemos, usando coordenadas esfricas encontrar
una parametrizacin de la misma. Esto es
r(0, ,) = cos 0 sen,
j(0, ,) = sen0 sen ,
.(0, ,) = cos ,
c : 1 R
2
R
3
tal que c(0, ,) = (r(0, ,), j(0, ,), .(0, ,)) = (cos 0 sen,, sen0 sen,, cos ,)
donde 1 = (0, ,) R
2
[ 0 _ 0 < 2 0 _ , _ entonces
o = r R
3
[ r
2
+j
2
+.
2
= 1 = r R
3
[ r = c(0, ,) (0, ,) 1
1.1.1. Cmo pasar de la ecuacin paramtrica a la explcita
Ecuacon paramtrica: r(n, ) = (r(n, ) , j (n, ) , . (n, ))si J
_
x;y
u;v
_
,= 0, entonces
_
n = n(r, j)
= (r, j)
en consecuen-
cia . = . (n(r, j) , (r, j)) = . (r, j)
Igualando a cero, tenemos la ecuacin implcita 1 (r, j, .) = 0.
1.2. Vector normal a la supercie S dada en forma paramtrica
Sea o = r R
3
[ r = c(n, ) (n, ) 1 con c : 1 R
2
R
3
diferenciable (esto es c es una parametrizacin
de o diferenciable).
1
Al jar n = n
0
, obtenemos la funcin:
c : [a, /] R R
3
c(n
0
, )
la imagen de c ser la curva
C = r R
3
[ r = c(n
0
, ) [a, /] o
con vector tangente c
t
(
0
) = r
v
(n
0
,
0
) =
= (r
v
(n
0
,
0
), j
v
(n
0
,
0
), .
v
(n
0
,
0
)) = T
v
(n
0
,
0
)
Al jar =
0
, se obtiene la funcin:
c : [c, d] R R
3
n c(n,
0
)
su imagen es una curva:
C = r R
3
[ r = c(n,
0
) n [c, d] o
con vector tangente
c
t
(n
0
) = r
u
(n
0
,
0
) =
= (r
u
(n
0
,
0
), j
u
(n
0
,
0
), .
u
(n
0
,
0
)) = T
u
(n
0
,
0
)
Resulta que si T
u
(n
0
,
0
)T
v
(n
0
,
0
) ,= 0 entonces el vector T
u
(n
0
,
0
)T
v
(n
0
,
0
) es un vector normal a la supercie o
en el punto c(n
0
,
0
). Adems esta condicin nos asegura que la supercie o en el punto c(n
0
,
0
) tiene plano tangente
(esto es la supercie es suave o sea no tiene esquinas).
Un versor normal a o en c(n
0
,
0
) est dado por
: =
r
u
(n
0
,
0
) r
v
(n
0
,
0
)
[[r
u
(n
0
,
0
) r
v
(n
0
,
0
)[[
1.3. Plano tangente a la supercie S dada en forma paramtrica
Sea o = r R
3
[ r = c(n, ) (n, ) 1 con c : 1 R
2
R
3
diferenciable (esto es c es una parametrizacin
de o diferenciable) y T
u
(n
0
,
0
) T
v
(n
0
,
0
) ,= 0, la ecuacin del plano tangente a o en c(n
0
,
0
) a:
(r r
0
, j j
0
, . .
0
) (r
u
(n
0
,
0
) r
v
(n
0
,
0
)) = 0
o lo que es equivalente a
(r r
0
): = 0
Ejemplo 1: Para la supercie r(n, ) = (ncos , nsen, n
2
+
2
), hallar la ecuacin del plano tangente y su normal
unitaria en el punto (n
0
,
0
) = (1, 0).
Ejemplo 2: Hallar la ecuacin del plano tangente y la normal unitaria en el punto a la supercie dada por r
3
+3rj +
.
2
= 2, en el punto (1,
1
3
, 0).
Ejemplo 3: Sea o = (r, j, .) R
3
[ . =
_
r
2
+j
2
, (r, j) R
2
que ya conocemos como el cono.
Si
c : 1 R
2
R
3
(n, ) (ncos , nsen , n)
con 1 = (n, ) R
2
[ n 0 resulta o = (r, j, .) R
3
[ r = c(n, ), (n, )
1 Esto es c es una parametrizacin del cono. Notemos que c es diferenciable \(n, ) 1, en particular lo es en
(0, 0, 0): Adems r
u
(0, 0, 0) = (cos 0, sen 0, 1) = (1, 0, 1) y r
v
(0, 0, 0) = (0, 0, 0) y r
u
(0, 0, 0) r
v
(0, 0, 0) = (0, 0, 0).
Observamos que la supercie tiene una parametrizacin diferenciable pero pero en (0, 0, 0) no tiene plano tangente.
1.4. Clasicacin de las supercies
1.4.1. Supercie regular o suave
Decimos que o es una supercie regular o suave si existe una parametrizacin c de o diferenciable tal que o =
r R
3
[ r = c(n, ) (n, ) 1 con r
u
(n, ) r
v
(n, ) ,= 0 para todo (n, ) 1.
o es una supercie suave en (n
0
,
0
) 1 si r
u
(n
0
,
0
) r
v
(n
0
,
0
) ,= 0.
1.4.2. Supercie regular a torzos
Decimos que o es una supercie regular a trozos si es unin nita de supercies regulares.
No toda parametrizacin de la supercie me d la informacin sobre la suavidad de la supercie.
2
1.4.3. Supercie orientada
Una supercie orientada es una supercie con dos cara, una de ellas exterior (o positiva) y otra interior (o negativa).
Esta denicin supone que nuestra supercie tiene dos caras. Hay supercies que solo tienen una cara, por ejemplo
la cinta de Moebius. En cada punto de ' hay dos normales unitarias :
1
y :
2
donde :
1
= :
2
. Sin embargo :
1
y :
2
determina una nica cara de ', pues si partimos de un punto 1 sobre ' y deslizamos :
1
sobre una curva cerrada
C ', cuando :
1
llegue de nuevo a 1 coincide con :
2
, mostrando que ambas :
1
y :
2
apuntan alejndose de la
misma cara y en consecuencia tienen una sola cara.
Sea o = r R
3
[ r = c(n, ) (n, ) 1 una supercie suave, esto es r
u
(n, ) r
v
(n, ) ,= 0 para todo
(n, ) 1. Si llamamos :( c(n
0
,
0
)) al versor normal a o en c(n
0
,
0
) que apunta hacia la cara positiva de o (la que
tiene normal psitiva), entonces
r
u
(n
0
,
0
) r
v
(n
0
,
0
)
[[r
u
(n
0
,
0
) r
v
(n
0
,
0
)[[
= :(c(n
0
,
0
))
Se dice que la parametrizacin c preserva la orientacin si
r
u
(n
0
,
0
) r
v
(n
0
,
0
)
[[r
u
(n
0
,
0
) r
v
(n
0
,
0
)[[
= :(c(n
0
,
0
))
esto es r
u
(n
0
,
0
) r
v
(n
0
,
0
) apunta hacia la cara positiva.
Se dice que la parametrizacin c invierte la orientacin si
r
u
(n
0
,
0
) r
v
(n
0
,
0
)
[[r
u
(n
0
,
0
) r
v
(n
0
,
0
)[[
= :(c(n
0
,
0
))
Podemos dar una orientacin a la esfera unitaria o = (r, j, .) R
3
[r
2
+j
2
+.
2
= 1,eligiendo como cara positiva
la exterior. Esto es como versor normal para (r, j, .) o es :(r, j, .) = (r, j, .).Dada la siguiente parametrizacin de
o
c : 1 R
2
R
3
tal que c(0, ,) = (cos 0 sen ,, sen 0 sen ,, cos ,)
vericar que esta parametrizacin de la esfera invierte la orientacin
2. Integrales de supercies
Hemos visto la integral tanto de una funcin escalar como de una vectorial a lo largo de una curva regular a trozos.
Ahora pretendemos denir la integral de funciones escalares o vectoriales sobre supercies suaves.
2.1. Area de una supercie dada paramtricamente
Sea una supercie alabeada regular, es decir:
= (r, j, .)[r = r(n, ), (n, ) 1
uv
con
r C
1
j
0r
0n

0r
0
,= 0 \(n, ) 1 donde 1es de frontera, 01, regular a trozos
Si r es inyectiva en cada punto tenemos elegido un sentido para la normal al igual que cuando parametrizamos una
curva C elegimos el sentido del recorrido. Esto es, supondremos que es orientable. Para calcular el diferencial de
rea de una supercie alabeada, aproximaremos a sta por un paralelogramo contenido en el plano tangente. Sea
= r(n, ) 1
3
: (n, ) 1, como ya vimos en integrales dobles, sin prdida de generalidad podemos tomar a 1
como un rectngulo, es decir que 1 = [a, /] [c, d]. Realizando una particin T, en el plano n, de este rectngulo,
podemos obtener :: rectngulos de la forma 1
ij
= [n
i
, n
i+1
] [
j
,
j+1
] para 0 _ i _ :, 0 _ , _ :, con n
o
= a,
n
n
= /,
o
= c,
n
= d. Esta particin en el plano n, origina una particin en la supercie

, como ya mencionamos
nuestro propsito es aproximar un diferencial de rea (
ij
), por el rea de un pedacito de plano tangente (
ij
),
con vrtices r(n
i
,
j
), r(n
i+1
,
j
), r(n
i+1
,
j+1
) y r(n
i
,
j+1
).Notemos que
r(n
i+1
,
j
) r(n
i
,
j
) - r
u
(n
i
,
j
) (n
i+1
n
i
) = r
u
(n
i
,
j
)n
i
r(n
i
,
j+1
) r(n
i
,
j
) - r
u
(n
i
,
j
) (
i+1

i
) = r
u
(n
i
,
j
)
i
Como [r(n
i+1
,
j
) r(n
i
,
j
)] y [r(n
i
,
j+1
) r(n
i
,
j
)], forman los lados del paralelogramo contenido en el plano
tangente entonces
medida de
ij
= j(
ij
) = |(r(n
i+1
,
j
) r(n
i
,
j
)) (r(n
i
,
j+1
) r(n
i
,
j
))| -
- |r
u
(n
i
,
j
)n
i
r
v
(n
i
,
j
)
i
| = |r
u
(n
i
,
j
) r
u
(n
i
,
j
)| n
i
i
3
Entonces:
n1
i=0
m1
j=0
j(
ij
) =
n1
i=0
m1
j=0
|r
u
(n
i
,
j
) r
v
(n
i
,
j
)| n
i
i
Con lo cual
j() = lm
]1]0
n1
i=0
m1
j=0
j(
ij
) = lm
]1]0
n1
i=0
m1
j=0
j(
ij
) =
= lm
]1]0
n1
i=0
m1
j=0
|r
u
(n
i
,
j
) r
v
(n
i
,
j
)| n
i
i
=
__
D
|r
u
r
v
| dudv
y tendremos que el rea de una supercie dada paramtricamente es:
j() =
__
D
|r
u
r
v
| dudv
y denotando d = |r
u
r
v
| dudv
j() =
__
d =
__
D
|r
u
r
v
| dudv
Recordemos que si la supercie est parametrizada r(n, ) = (r(n, ), j(n, ), .(n, )), entonces
r
u
r
v
=
_
J
_
j .
n
_
, J
_
r.
n
_
, J
_
rj
n
__
Si es tal que uno de estos jacobianos es distinto de cero para todo par (n, ), entonces es proyectable. Siendo
= Graf ) con ) : 1 R
2
R
1. Si la supercie es proyectable en el plano rj: entonces = (r, j, .) [ . = )(r, j), (r, j)
xy
2. Si la supercie es proyectable en el plano r.: entonces = (r, j, .) [ j = )(r, .), (r, .)

xz
3. Si la supercie es proyectable en el plano j.: entonces = (r, j, .) [ r = )(j, .), (j, .)

yz
2.2. Area de una supercie dada en forma explcita

Supongamos que , dada por . = ) (r, j), es proyectable sobre el plano rj:
= (r, j, .) [ . = )(r, j), (r, j) 1
podemos parametrizarla haciendo r = n, j = , . = )(n, ), es decir c(n, ) = (n, , ) (n, )). Hacemos:
r
u
r
v
=
i , /
1 0
@f
@x
0 1
@f
@y
=
_
0)
0r
,
0)
0j
, 1
_
= [[r
u
r
v
[[ =
_
1 +
_
0)
0r
_
2
+
_
0)
0j
_
2
y el rea de una supercie proyectable en el plano xy se calcula como
() =
__
d =
__
D
_
1 +
_
0)
0r
_
2
+
_
0)
0j
_
2
drdj
Observemos que en este caso el vector normal est dado por:
: =
r
u
r
v
[[r
u
r
v
[[
=
_
@f
@x
,
@f
@y
, 1
_
_
1 +
_
@f
@x
_
2
+
_
@f
@y
_
2
4
2.3. Area de una supercie dada en forma implcita
Supongamos que la supercie est dada por la forma implcita c(r, j, .) = 0
= (r, j, .) [ c(r, j, .) = 0 (r, j, .) 1 con regular
Si suponemos
0c
0.
,= 0, entonces es proyectable en el plano rj y existe una funcin ) : 1 R
2
R tal que
c(r, j, )(r, j)) = 0, \(r, j) 1 j ) C
1
0)
0r
=
0c
0r
0c
0.
, y
0)
0j
=
0c
0j
0c
0.
_
1 +
_
0)
0r
_
2
+
_
0)
0j
_
2
=
_
1 +
(c
x
)
2
(c
z
)
2
+
(c
y
)
2
(c
z
)
2
=
_
c
2
x
+c
2
y
+c
2
z
[c
z
[
() =
__
d =
_
D
_
c
2
x
+c
2
y
+c
2
z
[c
z
[
drdj y : =
\c
[[\c[[
Se cumple que : = (:
1
, :
2
, :
3
) = (cos c, cos ,, cos ), pues:
:
1
= : i = [[:[[ [[i[[ cos c = cos c
:
2
= : , = [[:[[ [[,[[ cos , = cos ,
:
3
= : / = [[:[[ [[/[[ cos = cos
siendo estos los cosenos directores. Es decir que si es proyectable en el plano rj signica que cos ,= 0 esto quiere
decir que ,= 90
y en este caso podemos calcular el rea en funcin de los cosenos directores.

2.4. Area de una supercie en funcin de los cosenos directores
1. Si es proyectable sobre el plano rj () =
__
d =
__
xy
[ sec [ drdj
2. Si es proyectable sobre el plano r. () =
__
d =
__
xz
[ sec ,[ drd.
3. Si es proyectable sobre el plano j. () =
__
d =
__
yz
[ sec c[ dj d.
Observacin: Si cos =
drdj
d
== d =
drdj
cos
entonces
cos =
0c
0.
[[\c[[
=
0c
0.
_
c
2
x
+c
2
y
+c
2
z
Ejemplo: Calcular la supercie del cilindro = (r, j, .) , r
2
+j
2
= a
2
, 0 _ . _ 3
: =
\c
[[\c[[
=
(2r, 2j, 0)
_
4r
2
+ 4j
2
=
_
r
_
r
2
+j
2
,
j
_
r
2
+j
2
, 0
_
=
_
r
a
,
j
a
, 0
_
Entonces cos = 0 por lo tanto la supercie (la cara lateral del cilindro), no es proyectable en el plano rj. Pero
cos , =
y
a
,= 0, \(r, j, .) , por lo que puede proyectarse en el plano r.. La proyeccin del semicilindro para j 0
es un rectngulo y es exactamente igual que la proyeccin del otro semicilindro, entonces:
() = 2
__
R
drd.
[ cos [
= 2
_
3
0
_
a
a
a
j
drd.
2
_
3
0
_
a
a
a
_
a
2
r
2
drd. = 2a
_
3
0
(arcsen(
r
a
)[
a
a
d. =
_
3
0
2a(
2
+

2
) d. = 6a
5
Otro modo de resolver el ejercicio es parametrizar la supercie: r = a cos n, j = a sen n, . = , y nos queda:
= (r, j, .) R
3
[ r = (r = a cos n, j = a sen n, . = ), (n, ) 1 con
1 = (n, ) R
2
[ 0 _ n _ 2, 0 _ _ 3
=
__
d =
__
D
[[r
u
r
v
[[ dudv
r
u
r
v
=
i , /
a cos n a cos 0
0 0 1
= (a cos , a senn, 0) j [[r

u
r
v
[[ = a
Reemplazando en la integral doble obtenemos
=
_
3
0
_
2
0
a dudv = 6a
3. Integrales de Supercie sobre Funciones Escalares
Sea es una supercie regular, = r R
3
[ r = r(n, ), con (n, ) 1
uv
,y una funcin escalar ) : 1 R
3
R, con 1y ) continua.
_
) =
__
)(r, j, .) d =
__
Duv
)(r(n, )) [[r
u
r
v
[[ dnd
Observamos que esta integral existe pues: r C
1
con lo que r es contnua, Imr = 1 y puede realizarse la
composicin: ) r : 1n R
2
R que es contnua.Adems r
u
y r
v
son continuas, entonces r
u
r
v
es continua y
[[r
u
r
v
[[ tambin. Siendo el integrando una funcin contnua en el dominio de integracin, esa integral existe.
Pueden mencionarse como aplicaciones:
1. Si )(r, j, .) = 1 ==
_
) =
__
1 d = ()
2. El valor promedio de )(r, j, .) sobre es:
__
)(r, j, .) d
_
d
=
__
)(r, j, .) d
()
3. Si )(r, j, .) representa la densidad de masa y una chapa en el punto (r, j, .), entonces la integral anterior
representa la masa total de la chapa.
4. Si ) representa la densidad de masa y : la masa total siendo
_
)(r, j, .) d = :, las integrales:

r =
1
:
__
r)(r, j, .) d j =
1
:
__
j )(r, j, .) d . =
1
:
__
. )(r, j, .) d
nos dan las coordenadas (r, j, .) del centro de masa.
5. Sea = (r, j, .) [ . = )(r, j), (r, j) 1rj, si usamos la parametrizacin:
r = n, j = , . = )(n, ) == [[r
u
r
v
[[ =
_
1 +
_
0)
0r
_
2
+
_
0)
0j
_
2
==
__
c(r, j, .) d =
__
Dxy
c(r, j, )(r, j))
_
1 +
_
0)
0r
_
2
+
_
0)
0j
_
2
drdj
Sea = (r, j, .) [ r = (r cos 0, r sen0, 0), (r, 0) 1
r
, tal que 1
r
= (r, 0) R
2
[ 0 _ r _ 1, 0 _ 0 _ 2 y
sea )(r, j, .) =
_
r
2
+r
2
+ 1, tenemos que:
__
)(r, j, .) d =
_
2
0
_
1
0
_
r
2
+ 1
_
r
2
+ 1 dr d0 =
_
2
0
4
3
d0 =
8
3
6
4. Integrales de Supercie de Funciones Vectoriales
Sea 1 : 1 R
3
R
3
un campo contnuo, y sea 1 tal que es una supercie regular, simple y orientable.
Entonces:
__
1 d =
__
Duv
1(r(n, )) (r
u
r
v
) dnd =
__
Duv
(1(r(n, )) :) [[r
u
r
v
[[ dnd =
__
1 : d
Se puede ver que esta integral existe ya que 1 es contnua lo mismo que r
u
y r
v
.
Note que el producto 1(r(n, )) :, nos da la componente de 1 en la direccin normal a la supercie atravesada,
y ser ella la que aporte en la integral.
Sea 1 : 1 R
3
R
3
un campo continuo, y sea 1 una supercie regular, simple y orientable de la forma:
= (r, j, .) R
3
[ r = r(n, ), (n, ) 1
uv
. Denotaremos
__
1 =
__
Duv
1(r(n, )) (r
u
r
v
) dnd =
__
Duv
(1
1
(r(n, )), 1
2
(r(n, )), 1
3
(r(n, )))
_
J
_
j .
n
_
, J
_
r.
n
_
, J
_
rj
n
__
dnd
__
Duv
_
1
1
(r(n, )) J
_
j .
n
_
+1
2
(r(n, )) J
_
r.
n
_
+1
3
(r(n, )) J
_
rj
n
__
dnd =
__
Duv
[1
1
dj d. +1
2
drd. +1
3
drdj]
Supongamos que 1 : 1 R
3
R
3
describe la rapidez y direccin del ujo de un uido en cada punto de una regin
1. Usando la integral de supercie deniremos el ujo por unidaad de rea y tiempo a travs de una supercie 1
(regular, simple y orientada).
Se pueden presentar distintos casos, por ejemplo, si fuese plana y 1 constante, entonces el ujo es igual a 1
n
()
donde 1
n
es la componente del campo normal a la supercie. Como 1
n
= 1 :, entonces la expresin del ujo es:
c = 1 :()
Si ahora tenemos una supercie que no es plana, expresada como:
= r R
3
[ r = r(n, ), (n, ) 1
uv
,
realizamos una particin de 1
uv
y calculamos para cada (n
k
,
k
) el correspondiente r(n
k
,
k
). Con estos valores
encontramos 1(r(n
k
,
k
)) y :(r(n
k
,
k
)) . Entonces podremos encontrar la componente del campo normal a la supercie
en cada rectngulo de la particin , esto es:
1
n
(r(n
k
,
k
)) j d = [[r
u
r
v
[[ dnd
Asi podemos calcular

k
c
k
=

k
1
n
(r(n
k
,
k
)) [[r
u
r
v
[[
(u
k
;v
k
)
dnd
Tomando el lmite cuando la norma de la particin tiende a cero:
lm
]]P]]0
k
c
k
=
__
Duv
1 : [[r
u
r
v
[[ dnd
Se dene ujo a travs de una supercie a:
__
1 =
__
Duv
1(r(n, ) (r
u
r
v
) dnd
Supongamos que el ujo est dado por:
1 =
_
r
r
2
+j
2
+.
2
,
j
r
2
+j
2
+.
2
,
.
r
2
+j
2
+.
2
_
Calcular el ujo de 1 a travs de la esfera de centro en el origen y radio a.
Expresando la supercie en coordenadas esfricas:
o
a
= (r, j, .) [ r = (a cos 0 sen,, a sen0 sen,, a cos ,), 0 _ 0 _ 2, 0 _ , _
__
1 d =
__
D'
1(r(0, ,)) (r
r
'
) d0 d,
7
Siendo:
1(r(0, ,)) =
_
cos 0 sen,
a
,
sen0 sen,
a
,
cos ,
a
_
r
= (a sen0 sen,,a cos 0 sen,, 0) . r

'
= (a cos 0 cos ,,a sen0 cos ,,-a sen,)
r
r
'
=
i , /
a sen0 sen, a cos 0 sen, 0
a cos 0 cos , a sen0 cos , a sen,
= (a
2
(sen,)
2
cos 0,-a
2
( sen,)
2
sen0,-a
2
sen,cos ,)
1(r(0, ,)) (r
r
'
) = a sen,
Reemplazando en la integral:
a
_

0
_
2
0
sen,d0 d, = a
_

0
sen,(0[
2
0
) d, = 2a(cos 0[
0
) = 4a
Ahora estamos en condiciones de vincular el clculo diferencial y el vectorial. Esto lo haremos mediante tres teoremas
muy importantes: el teorema de Green, el teorema de Gauss y el teorema de Stockes y veremos algunas aplicaciones
fsicas.
5. TEOREMAS INTEGRALES
5.1. Teorema de Green
Sean
i) 1 : 1 R
2
R, Q : 1
2
R, 1, Q C
1
en 1; 1 abierto.
ii) o R
2
una regin elemental tal que o ' 0o 1
iii) 0o es una curva simple, cerrada, regular a trozos y recorrida en sentido positivo.
Entonces:
_
@S
1(r, j) dr +Q(r, j) dj =
__
S
_
0Q
0r

01
0j
_
drdj
Ntese que todas las hiptesis, conducen a asegurar la existencia de ambas integrales. O sea que a partir de
las restricciones enumeradas tanto de los integrandos, como de las respectivas regiones de integracin para ambas
integrales, estas quedan determinadas.
Demostracin.
Recordemos que o R
2
es una regin elemental sii existen )
1
, )
2
, q
1
, q
2
funciones continuas tales que
o = (r, j) : a _ r _ /, )
1
(r) _ j _ )
2
(r) = (r, j) : c _ j _ d, q
1
(j) _ r _ q
2
(j), a, /, c, d 1
Sea 0o = C
1
' C
2
' C
3
' C
4=
C
t
1
' C
t
2
' C
t
3
' C
t
4
_
_
C
1
=
-
H1C dada por j = )
1
(r)
C
2
=
-
C1 dada por r = /
C
1
=
-
111G dada por j = )
2
(r)
C
4
=
-
GH dada por r = a
_
_
C
t
1
=
-
1C11 dada por r = q
2
(j)
C
2
=
-
11 dada por j = d
C
1
=
-
1GH dada por r = q
1
(j)
C
4
=
-
GH dada por j = c
Resolveremos primero:
__
S
01
0j
drdj =
_
b
a
_
_
f2(x)
f
1
(x)
01
0j
dj
_
dr =
_
b
a
[1 (r, )
2
(r)) 1 (r, )
1
(r))] dr =
=
_
a
b
1 (r, )
2
(r)) dr
_
b
a
1 (r, )
1
(r)) dr =
__
c
3
1 dr +
_
c
1
1 dr
_
Notar que:
_
c
2
1 dr = 0 y
_
c
4
1 dr = 0
pues dr = 0 sobre (
2
y (
4
. Por lo tanto
__
S
01
0j
djdr =
_
@S
1 dr
8
b) Resolviendo:
__
S
0Q
0r
drdj obtenemos:
__
S
0Q
0r
drdj =
_
@S
Qdj
Sumando las expresiones anteriores nos queda:
_
@S
1(r, j) dr +Q(r, j) dj =
__
S
_
0Q
0r

01
0j
_
drdj
que es la tesis del Teorema.
Nota: El teorema de Green se puede generalizar a regiones o que son unin nita de regiones elementales: o =
o
1
' o
2
' . . . ' o
n
con o
i
regiones elementales i = 1, 2, , : el teorema queda:
__
S
_
0Q
0r

01
0j
_
drdj =
n
i=1
__
S
i
_
0Q
0r

01
0j
_
drdj =
=
n
i=1
_
@S
i
1(r, j) dr +Q(r, j) dj =
_
@S
1(r, j) dr +Q(r, j) dj
Demostracin: Ejercicio.
5.2. Teorema de la Divergencia (de Gauss):
Sea:
i) 1 : 1 R
3
R
3
; 1 C
1
en 1 abierto.
ii) \ una regin elemental de R
3
,tal que \ ' 0\ 1;
iii) 0\ = sea una supercie orientada,simple, regular a trozos y cerrada.
Entonces:
___
V
(_ 1) d\ =
__
@V =
(1 :) d
o bien en notacin abreviada:
_
V
_ 1 =
_
@V
1
Suele enunciarse:El ujo de un campo 1 a travs de una supercie cerrada es igual a la integral
sobre el volumen cerrado \ de la divergencia del campo
Ntese que todas las hiptesis, conducen a asegurar la existencia de ambas integrales. O sea que a partir de
las restricciones enumeradas tanto de los integrandos, como de las respectivas regiones de integracin para ambas
integrales, estas quedan determinadas.
5.3. Teorema de Stockes
Sea 1 : 1 R
3
R
3
con
i) 1 C
1
en 1 abierto .
ii) = r R
3
: . = )(r, j), (r, j)
xy
con ) C
2
en
xy
Adems es una supercie orientada; con ' 0 1 y 0 una curva simple, regular, que orienta a .
iii)
xy
R
2
regin plana par la cul es vlida el Teorema de Green
Entonces:
_
c=@
1 dr =
__
(\. 1) :d
o en notacin simplicada:
_
(\. 1) =
_
@
1
Este teorema dice: La circulacin de un campo vectorial 1 sobre una curva cerrada es igual al ujo
del rotor del campo a travs de una supercie que se apoya sobre la curva.
9
5.4. Ejercicios de aplicacin del Teorema de Green
Vericar el Teorema de Green para
1(r, j) = r y Q(r, j) = rj
con o el disco unitario r
2
+j
2
_ 1
Solucin:
Resolvamos primero la integral curvilnea de la frmula de Green. Para ello,habr que parametrizar la frontera
de la regin o simbolizada 0o :
_
_
0o = r[ (r, j) = (cos t, sent) , 0 _ t _ 2
dr = sentdt dj = cos tdt
1(r(t), j(t)) = cos t
Q(r(t), j(j)) = cos t sent
_
@S
1(r, j) dr +Q(r, j) dj =
_
2
0
cos t (sentdt ) + cos t sent (cos tdt )
=
_
2
0
cos t (sent)dt +
_
2
0
cos
2
t sentdt
=
cos
2
t
2
2
0
+
cos
3
t
3
2
0
= 0
El otro miembro de la frmula
__
S
_
0Q
0r

01
0j
_
drdj =
__
S
(j 0) drdj =
C.V.Polares
_
2
0
sen0d0
_
1
0
j
2
dj = 0
con lo que se verica la frmula de Green.
Una aplicacin importante del Teorema de Green es el clculo de reas por integrales curvilneas sobre la
frontera de la supercie cuya rea queremos evaluar. En efecto, siendo
_
@S
1(r, j) dr +Q(r, j) dj =
__
S
_
0Q
0r

01
0j
_
drdj
quisiramos que la integral del segundo miembro exprese el rea de o, pues (o) =
__
S
drdj. Eligiendo entonces
Q = r y 1 = j , tendremos
_
0Q
0r

01
0j
_
= 2 con lo cual
(o) =
1
2
_
@S
rdj j dr =
__
S
drdj
Como ejemplo de la ventaja que esta frmula ofrece, calculemos el rea de la supercie encerrada por el hipocicloide
cuya ecuacin vectorial es
_
a cos
3
0, a sen
3
0
_
con 0 _ 0 _ 2
(o) =
1
2
_
@S
rdj j dr
=
1
2
_
2
0
_
a cos
3
0
_
3a sen
2
0 cos 0
_
a sen
3
0
_
3a cos
2
0 sen0
_
d0
=
3
2
a
2
_
2
0
_
sen
2
0 cos
4
0 + sen
4
0 cos
2
0
_
d0
=
3
2
a
2
_
2
0
sen
2
0 cos
2
0d0 =
3
8
a
2
_
2
0
sen
2
20 d0
=
3
8
a
2
_
2
0
_
1 cos 40
2
_
d0 =
3
8
a
2
La forma vectorial del teorema de Green es
_
@S
1 dr =
__
S
_
_. 1
_
./ drdj
verique esta frmula para 1 = (rj
2
, j +r) en la regin del primer cuadrante encerrada por las curvas j = r
2
e j = r.
1 Calculemos el primer miembro de la igualdad para las respectivas curvas recorridas en sentido positivo
10
_
@S
1 dr
=
_
c
1
1
1
dr +1
2
dj +
_
c
2
1
1
dr +1
2
dj
=
_
1
0
_
r
3
+ 2r
_
dr +
_
1
0
_
r
5
+
_
r
2
+r
_
2r
dr
=
5
4
+
4
3
=
1
12
2
_
_. 1
_
./ = 1 2rj y el segundo miembro resulta
_ _
S
_
_. 1
_
./ drdj =
_
1
0
_
x
x
2
(1 2rj) djdr =
1
12
vericndose la igualdad.
5.5. Ejercicios de aplicacin del Teorema de Gauss o de la Divergencia
Usar el Teorema de la Divergencia
___
V
(_ 1) d\ =
__
@V =
(1 :) d
para calcular
__
@V =
(1 :) d siendo la supercie de la esfera de ecuacin r
2
+j
2
+.
2
= 1 y 1 =
_
2r, j
2
, .
2
_
Recordando que el volumen de la esfera unitaria es
4
3
calculamos
___
V
(_ 1) d\ =
___
V
(2 + 2j + 2.) d\
= 2
___
V
d\ + 2
___
V
jd\ + 2
___
V
.d\
= 2
_
4
3
_
+ 0 + 0 =
8
3
Evaluar usando el teorema de la divergencia para la esfera unitaria

__
@V =
(r
2
+j +.) d
En este caso (r
2
+j +.) = 1 :. Siendo : la normal a la esfera, es decir : = (r, j, .) se cumplir que
_
_
_
1
1
r = r
2
1
2
j = j
1
3
. = .
== 1 = (r, 1, 1) y _1 = 1
con lo cual
__
@V =
(r
2
+j +.) d =
__
@V =
(1 :) d
=
___
V
(_ 1) d\
=
___
V
d\ =
4
3
Evaluar
_
(1 :)d con 1 =
_
rj
2
, r
2
j, j
_
y la supercie del cilindro r
2
+j
2
= 1 acotado por los planos . = 1
y . = 1 que constituyen tambin caras de la supercie cerrada.
Podramos hacer el clculo de la integral pedida pero resultar mas fcil aplicar el teorema de la Divergencia:
_
(1
:)d =
___
V
(_ 1) d\ resultando
___
V
(_ 1) d\ =
___
V
_
j
2
+r
2
+ 0
_
d\ =
_
1
1
___
x
2
+y
2
1
_
j
2
+r
2
_
drdj
_
d.
= 2
__
x
2
+y
2
1
_
j
2
+r
2
_
drdj =
C.V.Polares
_
2
0
__
1
0
r
3
dr
_
d0 =
1
2
11
La Ley de Gauss para supercies cerradas a las cuales se puede aplicar el Teorema de la Divergencia y tales que
el (0, 0, 0) , , se enuncia:
_
r :
r
d =
_
4 si encierra al (0, 0, 0)
0 si no encierra al (0, 0, 0)
siendo r = (r, j, .).
Esta ley tiene importantes aplicaciones a la fsica. El potencial entre un punto de carga Q y el (0, 0, 0) est dado
por
c(r, j, .) =
Q
4r
=
Q
4
_
r
2
+j
2
+.
2
y le corresponde un campo elctrico
1 = \c =
Q
4
_
r
r
3
_
y la Ley de Gauss establece que el ujo del campo elctrico a travs de la supercie cerrada ,
_
1.:d es igual a
la carga Q encerrada por y es cero si la supercie no encierra cargas elctricas. Para una distribucin de cargas
continuas se dene la densidad de carga
j = div 1 = \.1
As el Teorema de Gauss se expresa
_
=@V
1.:d =
_
V
jd\ = Q
es decir el ujo del campo a travs de una supercie cerrada es igual al total de la carga encerrada por la supercie.
5.6. Ejercicios de aplicacin del Teorema de Stokes o del Rotor
Use el Teorema de Stokes para evaluar la integral de lnea
_
C
j
3
dr +r
3
dj .
3
d.
siendo C la interseccin
del cilindro r
2
+j
2
= 1
y el plano r +j +. = 1
recorrida en sentido de que su proyeccin en el plano rj sea positiva.
Teorema de Stokes:
_
c=@
1 dr =
__
(\. 1) :d
donde =
1

2
1. Siendo 1 = (j
3
, r
3
, .
3
) = \. 1 = (0, 0, 3r
2
+ 3j
2
). luego
__
(\. 1) :d =
__
1
(0, 0, 3r
2
+ 3j
2
).(0, 0, 1)d +
__
2
(0, 0, 3r
2
+ 3j
2
).(r, j, 0)d
=
__
1
_
3r
2
+ 3j
2
_
d
como (
1
)
xy
=
_
(r, j) , r
2
+j
2
_ 1
_
y su normal es : = (0, 0, 1) = (cos c, cos ,, cos )
__
1
_
3r
2
+ 3j
2
_
d =
__
(
1
)
xy
3
_
r
2
+j
2
_
[ sec [ drdj =
__
(1)
xy
3
_
r
2
+j
2
_
drdj
y usando polares
__
(\. 1) :d = 3
_
1
0
_
2
0
r
3
d0dr =
3
2
12
2. Veriquemos este resultado calculando directamente
_
C
j
3
dr+r
3
dj .
3
d.. La curva C puede parametrizarse
(cos t, sent, 1 cos t sent) y la integral queda
_
C
j
3
dr +r
3
dj .
3
d. =
_
2
0
_
_
sen
3
t
_
(sent) + (cos t)
3
cos t (1 cos t sent)
3
(sent cos t)
_
dt =
=
_
2
0
_
sen
4
t + cos
4
t
_
dt
_
2
0
(1 cos t sent)
3
(sent cos t) dt
. .
0
=
_
2
0
_
sen
4
t + cos
4
t
_
dt =
1
2
_
2
0
_
1 + cos
2
2t
_
dt =
= +
_
2
0
cos
2
2tdt = +
1
4
_
2
0
(1 + cos 4t) dt =
3
2
donde
_
_
sen
2
t =
1 cos 2t
2
cos
2
t =
1 + cos 2t
2
= sen
4
t + cos
4
t =
1
4
_
(1 cos 2t)
2
+ (1 + cos 2t)
2
_
=
1
2
_
1 + cos
2
2t
_
13

AM2 Resumen Completo

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

AM2 Resumen Completo

Загружено:

Авторское право:

Доступные форматы

1 FUNCIONES DE R

A partir de esta desigualdad se tiene la Desigualdad Triangular:

_ [r[ _ |r| < c = -.

(r, j). As, resulta

son nulas en todos los puntos del dominio.

existen en 1 y son nitas.

son nulas \(r, j) 1

(a, /) son derivadas direccionales segn los vectores i =

= 0Por tanto, ) es continua en a.

= 0, se puede probar, usando la denicin,

(a, /), se concluye la demostracion.

(a, /) es una funcin lineal de r y de j, y se la llama linealizacin

(a, /) (j /)(. ) (a, /)) = 0, de donde resulta

son continuas en un entorno de a = ) es diferenciable en a

(a) Encontrar la razn de cambio de ) en el punto 1 = (2, 0) en la direccin de 1 a Q = (5, 4).

en a, se dene la derivada segunda de ) respecto a r

denotada tambien como

(r, j) para todo (r, j)

(r, j) para todo (r, j)

(r, j) son diferenciables en a

(0, 0) = 0, existe /(j) = j tal que

(a) D (para algn ) tal que:

(a) D: Sea (a+h) N

(a): Sea el conjunto de puntos

)(a +tn) )(a)

es tal que \)(a) = 0 con ) diferenciable (esto es a es un punto crtico) y \

tales que )(r

El sistema de puntos crticos es:

,= 0 y por tanto \, ,= 0, por el teorema de las funciones implcitas,

R, i = 1, ...:, sus funciones coordenadas y tal que G(r) = 0 esto es

en el rectngulo 1 se dene de la siguiente manera:

tiene rea nula, ser integrable Riemann. El clculo de

),bastar encontrar las imgenes de las rectas contorno de 1

) en el plano (n, ). Es importante probar que esta transformcin no transforme dos

cos 0 sen c j sen 0 sen c j cos 0 cos c

Example 8 Calcular el volumen \ determinado por el interior a las esferas r

10.4. Generalizacin del concepto de Integral Mltiple

se dene una particin sobre I R

R I R, es una funcin biyectiva,

Por lo tanto el centro de masa es el punto

Denimos el operador \ como

aplicando propiedades de determinantes

2. Si la supercie es proyectable en el plano r.: entonces = (r, j, .) [ j = )(r, .), (r, .)

3. Si la supercie es proyectable en el plano j.: entonces = (r, j, .) [ r = )(j, .), (j, .)

2.2. Area de una supercie dada en forma explcita

y en este caso podemos calcular el rea en funcin de los cosenos directores.

= (a cos , a senn, 0) j [[r

)(r, j, .) d = :, las integrales:

= (a sen0 sen,,a cos 0 sen,, 0) . r

Evaluar usando el teorema de la divergencia para la esfera unitaria

Вам также может понравиться