Cálculo Avanzado Manizales

CLCULO AVANZADO
Mario Zuluaga Uribe, Profesor Titular de la Universidad Nacional de Colombia, Bogot.
Introduccin Objetivos
CAPITULO 1: El Espacio 1. Definicin y Ejemplos Problemas 2. Producto Interior Problemas Ejemplo de Inters
IR n
3. Subespacios, Rectas y Planos Problemas 4. Producto Vectorial Problemas
CAPITULO 2: Funciones Vectoriales 1. Topologa de Problemas 2. Curvas de Problemas 3. Longitud de Arco y Curvatura Problemas 4. Aplicaciones a la Gravitacin
IR n
IR n
CAPITULO 3: Diferenciacin 1. Lmite y Continuidad Problemas 2. Derivada Dbil Problemas 3. Derivada Fuerte Problemas 4. Regla de la Cadena Problemas 5. Derivacin de un Campo Vectorial Problemas 6. Derivacin Implcita Problemas 7. Puntos Estacionarios Problemas 8. Multiplicadores de Lagrange Problemas 9. Operadores de contraccin Problemas
CAPITULO 4: Integracin 1. Integrales de Lnea Problemas 2. Integrales Dobles 3. Integrales Dobles II Problemas 4. Aplicaciones Problemas 5. Teorema de Green I Problemas 6. Teorema de Green II
Problemas
7. Cambio de Variable Problemas 8. Dimensiones Superiores Problemas
CAPITULO 5: Integrales de Superficie 1. Representacin Paramtrica Problemas 2. Integral de Superficie y Elementos Problemas 3. El Teorema de Stokes I Problemas 4. El Teorema de Stokes II 5. El Teorema de la Divergencia Problemas 6. Las Ecuaciones de Maxwell
CAPITULO 6: Formas Diferenciales 1. Definicin y Ejemplos Problemas 2. Operaciones entre Formas Problemas 3. Transformaciones de Formas Problemas 4. Smplices y Cadenas Problemas 5. El Teorema de Stokes Problemas
Introduccin
En este curso se pretende introducir al estudiante en los conceptos de diferenciabilidad en R n y en espacios ms abstractos, como son las variedades, en particular las variedades de dimensin dos, llamadas superficies.
Para ello se requiere estar familiarizado con los espacios mtricos y ms generalmente con espacios topolgicos, tambin es conveniente tener claro el concepto de continuidad en estos espacios topolgicos y las propiedades topolgicas que son invariantes por funciones continuas. Una vez que todas estas teoras han sido expuestas tenemos los elementos bsicos para iniciar la teora de diferenciabilidad de una funcin, como una generalizacin de la derivada en R. Para ello partimos de la derivada parcial en funciones de varias variables y con ellas introducimos el concepto de diferenciabilidad como aplicacin lineal.
Con el fin de extender la diferenciabilidad de funciones a funciones definidas en espacios ms generales, introducimos en forma somera las variedades y trabajamos especialmente en superficies para luego estudiar la diferenciabilidad de funciones definidas entre superficies. Esto nos obliga a referirnos a los espacios tangentes a una superficie, a entender y aplicar los teoremas de la funcin inversa e implcita y dar el concepto de curva en las superficies, lo cual se har en forma bastante clara y elemental. El concepto de campo escalar y sus operaciones bsicas son importantes para estudiar la integral de lnea y de superficie en forma general y determinar sus propiedades. Tambin el concepto de campo vectorial es indispensable para entender el carcter geomtrico de la diferencial de una funcin y su relacin con los espacios tangentes.
Objetivos
Con este curso se pretende que el estudiante:
Identifique claramente los espacios mtricos, normados y topolgicos. Determine en forma precisa la importancia de estos espacios en el concepto de funcin continua.
Establezca un paralelo entre estos espacios y el espacio Rn, donde inicialmente se estudia la continuidad de las funciones.
Entienda el concepto de difenciabilidad de funciones, las condiciones necesarias y suficientes de diferenciabilidad y sus propiedades.
Comprenda el concepto de variedad y lo especfico de las superficies, como variedades de dimensin dos.
Determine en forma clara las condiciones de las funciones definidas sobre superficies para obtener su diferenciabilidad.
Entienda el carcter geomtrico de la diferencial de una funcin. Generalice las propiedades de curvas en R 3 a curvas sobre una superficie. Determine y calcule los espacios tangentes a una superficie o una curva. Establezca relaciones entre el espacio tangente y la diferencial de una funcin. Establezca relaciones entre campo vectorial y diferencial de una funcin. Comprenda y establezca propiedades de las operaciones cerradas entre los campos vectoriales y su relacin con las propiedades de la diferencial de funciones.
Comprenda la definicin de integral de lnea y establezca sus propiedades. Entienda el significado de la integral de superficie y comprender sus propiedades. Est en condiciones de realizar los ejercicios propuestos en las lecciones. Entienda y establecer las propiedades de las formas diferenciales. Haga un paralelo entre la diferencial de una funcin y las formas diferenciales.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_01_01.tex
Introduccin
Problemas
CAPTULO 1 ESPACIOS VECTORIALES

Leccin 1.1. Definicin y ejemplos.
En esta seccin estudiaremos los espacios vectoriales definidos sobre un cuerpo K. En los ejemplos que exhibiremeos el cuerpo K es el cuerpo de los nmeros reales R o el de los complejos C. Definicin 1.1 Sea E un conjunto no vaco. Decimos que E es un espacio vectorial sobre el cuerpo K si en E estn definidas dos operaciones de suma ( + ) entre los elementos de E y producto ( . ) de elementos de K por elementos de E que satisfacen las siguientes propiedades para todo x , y E y para todo , K: 1. x + y = y + x 2. ( x + y ) + z = x +
( y+ z)
3. Existe 0 en E tal que 0 + x = x + 0 = x 4. Existe x en E tal que x + x = x + ( x ) = 0 5. .( x + y ) = .x + . y 6. ( + ).x = .x + .x 7 1.x = x , donde 1es el elemento neutro para la multiplicacin en K. Ejemplos 1. R =
n
{ ( x , x , ...x ) ;x
1 2 n n 1 2 n
R, i = 1, 2...n
}, en donde ( x , x , ...x ) la debemos

1 2 n
tomar ordenada. En R definimos las siguientes operaciones
( x , x , ...x ) + ( y , y , ... y ) .( x , x , ...x )

1 2 2 n n 1 n
= =
( x + y , x + y , ...x ( x , x , ... x ) ,
1 1 2 2 1 2 n
+ yn
en donde R. Es fcil ver que R es un espacio vectorial sobre R 2. C = z 1 , z 2 , ...z n ;z i C , i = 1, 2...n en el ejemplo 1 en donde C . 3. C a, b =
n
{(
}y definimos operaciones iguales a las definidas

}. Definimos en C
a, b las siguientes
{f:
a, b R; f es continua
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_01_01.tex Page 2 of 6 operaciones
f + g )( x )
= f ( x ) + g( x ) = f (x)
( . f )( x )
Es fcil ver que C a, b es un espacio vectorial sobre R. Recordemos que la suma de dos funciones continuas es continua y el producto de un nmero por una funcin continua define una funci n continua. 4. l
2
(R) =
( x ), n =
n
1, 2, 3..., x 2 n <
n =1
. Definimos en l
( R ) las siguientes
operaciones
(x )+(y ) .( x )
n n n
(x +y ) = ( x )
=
n n n n =1 n =1
2 2 2 Observemos que x n y n x 2 n + y n y por lo tanto, si x n < y y n < entonces
n =1
x n y n < . Esto nos dice que
(x
n + yn
) l ( R ).Tambin: ( x )
2 n =1 n
= 2 x2 n < .
n =1
5. P n = p n ( x ) = a 0 + a 1 x + ... + a n x n , a 0 , a 1 , ...a n R , llamado el conjunto de polinomios de grado n con coeficientes en los reales. Definimos en P n las siguientes dos operaciones que hacen de l un espacio vectorial real: Para cada p n ( x ) = a 0 + a 1 x + ... + a n x n , q n ( x ) = b 0 + b 1 x + ... + b n x n y R p n( x ) + q n( x ) p n( x ) =
(a
+ b0
)+(a
+ b 1 x + ... +
(a
+ bn x n
= a 0 + a 1 x + ... + a 1 x n
De una forma anloga podemos definir el espacio vectorial de los polinomios de grado n aobre los complejos C. En este caso los coeficientes a i C , i = 0, 1, ...n y tambin lo tomamos en C. 6. Consideremos el conjunto de las matrices n m, denotado como M n m , con las siguientes operaciones: Sean A =
ij ij n m
( a ) y B = ( b ) dos matrices de M , entonces la matriz A + B se define como la matriz C = ( c ) con c = a + b . Tambin: Para todo R, y toda matriz A = (a ) M definimos A = ( a ). Con estas dos operaciones M se convierte en
ij ij ij ij ij n m ij n m
un espacio vectorial sobre R Subespacios de E
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_01_01.tex Page 3 of 6
Definicin 1.2 Sea E un espacio vectorial sobre un cuerpo K. Decimos que V E es un subespacio vectorial de E si V es un espacio vectorial con las mismas operaciones de suma y producto definidas para E Para verificar que un subconto V de un espacio vectorial E es un subespacio suyo es suficiente verificar que para todo x , y V se cumple que x + y V y que para todo K y todo x V se cumple que x V Ejemplos 1. Sea V = 0, x 2 , ...x n R ;x i R, i = 2, 3...n las operaciones que hemos definido anteriormente. 2, Sea V = 3. Sea V =
3
{(
} es un subespacio vectoria de R
3
con
{ ( x, y, z ) R , x + y + z = 0 } es un subespacio vectorial de R .
{f
C a, b , f ( a ) = f ( b )
} es un subespacio vectorial de C
a, b
con
las operaciones que definimos para C a, b . 4. Sean E y V un espacio y un subespacio vectorial sobre un cuerpo K . Definimos
E V
= =
x Otra manera de escribir x
{ x ,x { x + y, y
E } en donde V}
es x + V.
Definimos en E las siguientes operaciones: V x + y = = x+y x
Es fcil ver que E es un espacio vectorial sobre K. Este espacio vectorial es conocido como el V espacio cociente de E y V. Observemos que 0 = V y que x = x . Ejemplo Sea V = Entonces
{ ( x, y, z ) R , x + y + z = 0 }. Es claro que V es un subespacio vectorial de R .

3 3 R V
3
es un espacio vectorial con las operaciones que hemos definido arriba. Para formarnos
una idea geomtrica de este espacio vectorial consideremos
(x ,y ,z )
0 0 0
R3 y observemos que
(x ,y ,z )
0 0 0
=
3
(x
0,
y 0, z0
) + V,
sto es: la traslacin de V al punto
( x , y , z ).
0 0 0
Como
V es un plano de R que pasa por el origen, entonces
(x ,y ,z )
0 0 0
{ ( x, y, z ) R , x + y + z = x
3
+ y0 + z0
Bases y Dimensin Definicin 1.2 Sea E un espacio vectorial sobre un cuerpo K. Sea V = subconjunto de E de n elementos. Una expresin de la forma X =
{v ,v
1
2,
...v n
} un
x v
i= 1
i i
en donde x 1 , x 2 , ...x n son elementos de K, se le denomina una combinacin lineal de los elementos de V. Definicin 1.3 Sea E un espacio vectorial sobre un cuerpo K. Sea V = v 1 , v 2 , ...v n un subconjunto de E de n elementos. Decimos que V es linealmente dependiente si por lo menos uno de los vectores, v j digamos, se puede escribir como una combinacin lineal de los restantes. Esto es, vj = Ejemplo El conunto
y v ,
i i i= 1 2
i j
{ ( 1, 2 ) , ( 3, 4 ), ( 5, 6 ) } R
( 1, 2 )
es linealmente dependiente. En efecto:
= 2( 3, 4 ) + ( 1 )( 5, 6 )
Definicin 1.4 Sea E un espacio vectorial sobre un cuerpo K. Sea V = v 1 , v 2 , ...v n un subconjunto de E de n elementos. Decimos que V es linealmente independiente si ninguno de los vectores v j, j = 1, 2, ..., n, se puede escribir como una combinacin lineal de los restantes Ejemplo El conjunto ( 1, 0, 0 ) , ( 0, 1, 0 ), ( 0, 0, 1 ) R 3 es linealmente independiente. No es posible escribir uno de ellos como una combinacin lineal de los otros dos. Una manera de verificar que un conjunto V = v 1 , v 2 , ...v n E es linealmente independiente es suponer que
}
n
x v ,
i i i =1
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_01_01.tex Page 5 of 6 en donde es el vector nulo de E, y demostrar que necesariamente x i = 0 para todo i = 1, 2, ..., n. Definicin 1.5 Sea E un espacio vectorial sobre un cuerpo K. Sea V = v 1 , v 2 , ...v n un subconjunto de E de n elementos. Decimos que V genera al espacio E si todo elememto x E es una combinacin lineal de los elementos de V. Esto es x =
x v ,
i i i =1
para algnos x i K, i = 1, 2, ..., n. Ejemplo V =
{ ( 1, 0, 0 ) , ( 0, 1, 0 ), ( 0, 0, 1 ) } R
R , se tiene que
3
genera a R 3 . Es claro que para
( x, y, z )
( x, y, z )
Bases
= x ( 1, 0, 0 ) + y( 0, 1, 0 ) + z( 0, 0, 1 )
Definicin 1.6 Sea E un espacio vectorial sobre un cuerpo K. Sea V = v 1 , v 2 , ...v n un subconjunto de E de n elementos. Decimos que V es una base de espacio E si V es linealmente independiente y genera a al espacio E. Ejemplos 1. V = ( 1, 0, 0 ) , ( 0, 1, 0 ), ( 0, 0, 1 ) conocida como la base cannica. 2. W =
}R
es una base para el espacio R , esta base es
{ ( 1, 1, 1 ), ( 0, 1, 1 ), (
( a, b, c )
1, 0, 1 )
}R
es una base para el espacio R . Es f
cil ver que W es un conjunto linealmente independiente y adems cualquier vector ( a, b, c se puede escribir como = x ( 1, 1, 1 ) + y( 0, 1, 1 ) + z( 1, 0, 1 )
R3
donde x y z = a+b+c = c 2b a = b+c
Las bases de R n tienen el mismo nmero de elementos, este nmero comn se denomina la dimensin n del espacio. Por ejemplo R tiene dimensin n
Introduccin
Problemas
Definicin
Producto Interno

Leccin 1.1. Problemas 1. Muestre que el conjunto de los polinomios Definicin y ejemplos.
P( n ) =
{ p( x ) =
a 0 + a 1 x + ...a n x n , a i R,i = 0, 1, 2...n
con las operaciones de suma y producto por un escalar es un espacio vectorial. 2. Muestre que el subconjunto 3. Muestre que el conjunto
{ 1, x , x } forman una base de P( 2 ).

2
{ ( x, 0, 0 ) R , x R }
3
es un espacio vectorial con las operaciones de suma y producto por un escalar. De una representaci n grfica de dicho espacio. De un ejemplo de una base para dicho espacio. 4. Considere el conjunto
H =
{ ( 1, 1, 0 ) , ( 0, 1, 1 ), ( 1, 0, 1 ) }.
( 0, 0, 0 ) entonces
Muestre que si x ( 1, 1, 0 ) + y( 0, 1, 1 ) + z( 1, 0, 1 ) =
x = 0 y = 0 z = 0
5. Calcule x , y, z tales que
x ( 1, 1, 0 ) + y ( 0, 1, 1 ) + z( 1, 0, 1 ) =
( 1, 1, 1 )
6. Use los ejercicios 4. y 5. para mostrar que el conjunto H es una base de R 7. Explique por qu el conjunto
{ ( 1, 1, 0 ) , ( 0, 1, 1 ) } no es una base de R
Definicin
Producto Interno
Problemas
Leccin 1.1. - Problemas

Leccin 1.2. El Producto Interno
En esta seccin introduciremos el concepto de producto interno entre vectores de R n que, junto con las propiedades de espacio vectorial, enriquecer notablemente su estructura. Adems extenderemos estos conceptos a espacios de dimensin infinita. Definicin (1.2.1): Sean X = ( x 1 , x 2 , ..., x n ), Y = ( y 1 , y 2 , ..., y n ) dos vectores arbitrarios de n R . Definimos el producto interno de X e Y as:
X, Y
= x i y i.
i= 1
(1.2.1)
Las propiedades de (1.2.1) son: 1. 2. 3. X, Y X, Y = Y, X . = X, Y + Z, Y . = X, Y .
X + Z, Y
Las propiedades 2. y 3. nos dicen que el producto interno es lineal en la primera variable. Por la propiedad 1. concluimos que tambin lo es en la segunda variable. Existen en la literatura matemtica otras notaciones para el producto interno, por ejemplo: X.Y y se le conoce con el nombre de producto punto. Otra notacin, bastante aparatosa, es X|Y , que aparece frecuentemente en los libros de Fsica. Con esl uso del producto interno introducimos uno de los conceptos ms notables en matemticas: la norma de un vector. Definicin (1.2.2): Sea X = ( x 1 , x 2 , ..., x n ) R , definimos la norma de X as:
n
X, X
i= 1
x2 i .
(1.2.2)
Las propiedades de . son: 1. X > 0 si X 0 y es cero slo si X = 0. 2. X = X . 3. X + Y X + Y . La propiedad 3. es conocida como la desigualdad triangular. Las dos primeras propiedades son de fcil verificacin, la tercera es un poco ms dificil. Notemos que la definicin de norma de un vector X = ( x 1 , x 2 , ..., x n ) est inspirada en el Teorema de Pitgoras: Por ejemplo consideremos, en R 2 , el tringulo rectngulo cuyos vrtices son los vectores ( 0, 0 ), ( a, b ) ( a, 0 ), cmo se indica en la figura. El Teorema de Pitgoras nos dice que
( a, b )
a 2 + b2
Para ver una prueba grfica del Teorema de Pitgoras haga clik aqu. Otra propiedad importante que liga el concepto de producto interno y el de norma es la desigualdad de Cauchy-Schwarz que dice
X, Y
Y ,
(1.2.3)
para todo X, Y R . Con el uso de (1.2.3) el lector no tendr ninguna dificultad en probar la desigualdad triangular. El concepto de norma nos lleva al concepto de distancia . As:
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 3 of 8 Definicin (1.2.3): La distancia o mtrica entre cualquier par de vectores X, Y de R se define as:
n
d( X, Y ) =
XY .
(1.2.4)
Las propiedades de (1.2.4) son: 1. d( X, Y ) = d( Y, X ). 2. d( X, Y ) > 0 y es igual a cero slo si X = Y. 3. d( X, Y ) d( X, Z ) + d( Z , Y ). Las propiedades anteriores son consecuencia inmediata de las propiedades de la norma. La propiedad 3. de (1.2.4) es conocida con el nombre, tambin, de desigualdad triangular. Este nombre proviene de la geometra elemental cuando caracterizbamos los tringulos. Recordemos la siguiente propiedad: En todo tringulo un lado es menor que la suma de los otros dos (pinsese en un tri ngulo con vrtices X, Y, Z) Tambin: En todo tringulo un lado es mayor que la diferencia de los otros dos. Esto lo podemos escribir as:
d( X, Y ) d( X, Z ) d( Z, Y )
(1.2.5)
El producto interno tambin nos sirve para definir el ngulo entre dos vectores. Por ejemplo, si tomamos el vector A =
1 2
1 2
de R , ste forma un ngulo de 45 grados con el eje
positivo de las x . Esto es, el ngulo entre los vectores unitarios A y e 1 = Esto es,
( 1, 0 ) es de 45 grados.
cos =
1 2
A, e 1 .
Lo anterior nos sugiere la siguiente Definicin (1.2.4) Dados dos vectores no nulos A y B de R definimos el ngulo entre ellos dos con la expresin
n
A, B A B
cos =
0, .
(1.2.6)
De (1.2.6) deducimos que dos vectores A y B de R n son perpendiculares si De (1.2.6) deducimos que A = sup
B =1
A, B
= 0.
A, B
(1.2.7)
El espacio vectorial R n es el ejemplo clsico de espacio vectorial de dimensin finita. Existen espacios vectoriales, de gran utilidad en los cursos superiores de Anlisis matemtico, que son de dimensin infinita. Consideremos el conjunto
C a, b
{f:
a, b R, f es continua
Este conjunto lo dotamos de una estructura de spacio vectorial cuando definimos las siguientes dos operaciones: 1) 2)
f + g )( x ) = f ( x ) + g( x ), para todo f , g C a, b . = . f ( x ), para todo f C a, b y todo R.
( f )( x )
Definimos un producto interno en C a, b
de la siguiente forma: Para todo f , g C a, b
f ,g
b a
f ( x )g( x )dx .
Es fcil ver que f , g f C a, b es:
satisface las tres propiedades del producto interno. Por lo tanto la norma de
1 2
b 2 f ( x )dx a
La desigualda triangular tomar, entonces, la siguiente forma:
a(
b
f ( x ) + g( x ) ) dx
) (
2
f 2 ( x )dx a
) (
2
g 2 ( x )dx a
1 2
Su prueba se deduce fcilmente de la desigualdad de Cauchy - Schwarz que en este caso tiene la siguiente forma:
b a
f ( x )g( x ) dx
f ( x )dx a
) (
2
g 2 ( x )dx a
1 2
para todo f , g C a, b Cundo decimos que el espacio vectorial C a, b es de dimensin infinita estamos significando con
ello que existe, en este caso, un conjunto infinito numerable B = f 1 , f 2 , ... f n , .... que es una base de aqul. Esto quiere decir que dicho conjunto es linealmente independiente y que genera a C a, b . Que sea linealmente independiente significa que cualquier subconjunto finito de B es linealmente independiente. Que B genere a C a, b significa que para todo f C a, b
f =
c
n =1
f n , c n R,
(1.2.8)
en donde la serie anterior hay que entenderla de la siguiente forma:
lim
c
k =1
= 0
En el caso en que B =
f 1 , f 2 , ... f n , ....
} sea un conjunto ortonormal, sto es,
f i, f j = 0 si i j y f i = 1 para todo i, entonces los coeficientes c n de la serie (1.2.8) los calculamos de la siguiente forma:
cn =
f, f
b a
f ( x ) f n ( x )dx
Adems tenemos la siguiente igualdad, conocida como la identidad de Parseval
b a
f ( x )dx
1 2
c
n =1
2 n
(1.2.9)
La identidad (1.2.9) no es otra cosa que el Teorema de Pitgoras en dimensin infinita.Este resultado tiene importantes consecuencias en el Anlisis funcional lineal, por ejemplo: puesto que la serie (1.2.9) es una serie convergente, se sigue inmediatamente que
lim c n = 0
(1.2.10)
Por ejemplo, el conjunto C 0, 2
tiene como base ortonormal al conjunto
B=
1 2
sennx cos nx , ,
n = 1, 2, ...
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 7 of 8 Es as cmo, entonces, que para todo f C 0, 2 se cumple que
lim 0 f ( x )sen( nx )dx = 0 lim 0 f ( x )cos ( nx )dx = 0

2
Los espacios en los que se introduce el concepto de distancia o mtrica, como lo hicimos en la definicin (1.2.3) con sus tres propiedades son conocidos como espacios mtricos. En particular los espacios vectoriales normados son ejemplos de espacios mtricos. Esta nocin de distancia o mtrica nos permite introducir el concepto de sucesin convergente, as: Definicin (1.2.5) Una sucesin x n E, espacio mtrico, se dice que converge a x E si para todo > 0 existe un N N ( el conjunto de los nmeros naturales) tal que si n N entonces d x , x n \TEXTsymbol<
{ }
En este caso diremos que lim x n = x y tambin escribiremos x n x . Podemos introducir el concepto de sucesin de Cauchy, as: Definicin (1.2.6) Decimos que
{x }
n
E es una sucesin de Cauchy si para todo > 0
existe un N N tal que para todo m, n N se tiene que d x n , x m
)<
Con el concepto de sucesin de Cauchy introducimos el concepto de espacio mtrico completo que constituye un concepto capital en el anlisis matemtico. Definicin (1.2.7) Decimos que E, espacio mtrico, es completo si toda sucesin de Cauchy es convergente. Por ejemplo, el espacio R es un espacio mtrico completo. El espacio C a, b definida por la norma f =
n
con la mtrica
b a
2 f ( x )dx
1 2
no es un espacio mtrico completo.

2
En los cursos de anlisis funcional nos encontramos con el espacio L a, b que es un espacio vectorial que se define de forma anloga a cmo lo hicimos con C a, b , con la grn diferencia que la integral que consideramos no es la de Riemann sino la de Lebesgue, haciendo de quel un espacio mtrico completo.
Problemas
Leccin 1.1. - Problemas
Producto Interno
Ejemplo de Inter s

Leccin 1.2. Problemas 1. Sean A = ( 1, 1, 1 ), B = ( 0, 1, 1 ), C = A, B + C , A, B , A B, C
n
El Producto Interno
( 1, 1, 1 ). Calcule el producto interno de
2. Sean A, B y C tres vectores de R . Diga si es falso o verdadero el siguiente razonamiento: Si A, B = A, C y A entonces B = C. Justifique su respuesta. 3. Muestre, con un ejemplo, que si A n vectores de R
3
B no necesariamente A = B, donde A, B son dos
4. Sea A = ( 1, 1, 1 ) R . Halle el conjunto de todos los vectores B de R tales que A, B = 0. 5. Dos vectores A y B de R se dicen ortogonales si A, B = 0. Sea A = ( 0, 0, 1 ) R , halle todos los vecrores B de R 3 tales que A, B = 0 y A = B . Haga una representacin grfica de dichos vectores. 6. Demuestre la desigualdad de Cauchy-Schwarz (1.2.3) 7. Demuestre las tres propiedades de la definicin (1.2.2). 8. Demuestre las tres propiedades de la definicin (1.2.3). 9. Demuestre la desigualdad (1.2.5)
n 3
Producto Interno
Ejemplo de Inter s
Problemas
Subespacios, Rectas y Planos

Leccin 1.2. El Producto Interno
Un ejemplo de inters . El espacio vectorial R es el ejemplo clsico de espacio vectorial de dimensin finita. Existen espacios vectoriales, de gran utilidad en los cursos superiores de Anlisis matemtico, que son de dimensin infinita. Consideremos el conjunto
n
C a, b
{f:
a, b R, f es continua
Este conjunto lo dotamos de una estructura de spacio vectorial cuando definimos las siguientes dos operaciones: 1) 2)
f + g )( x ) = f ( x ) + g( x ), para todo f , g C a, b . = . f ( x ), para todo f C a, b y todo R.
( f )( x )
Definimos un producto interno en C a, b
de la siguiente forma: Para todo f , g C a, b
f ,g
b a
f ( x )g( x )dx .
Es fcil ver que f , g f C a, b es:
satisface las tres propiedades del producto interno. Por lo tanto la norma de
b 2 f ( x )dx a
1 2
La desigualda triangular tomar, entonces, la siguiente forma:
a(
b
f ( x ) + g( x ) ) dx
) (
2
f 2 ( x )dx a
) (
2
g 2 ( x )dx a
1 2
Su prueba se deduce fcilmente de la desigualdad de Cauchy - Schwarz que en este caso tiene la siguiente forma:
b a
f ( x )g( x ) dx
f 2 ( x )dx a
)(
2
g ( x )dx
b a 2
1 2
para todo f , g C a, b Cundo decimos que el espacio vectorial C a, b es de dimensin infinita estamos significando con
ello que existe, en este caso, un conjunto infinito numerable B = f 1 , f 2 , ... f n , .... que es una base de aqul. Esto quiere decir que dicho conjunto es linealmente independiente y que genera a C a, b . Que sea linealmente independiente significa que cualquier subconjunto finito de B es linealmente independiente. Que B genere a C a, b significa que para todo f C a, b
f =
c
n =1
f n , c n R,
(A,2,1,1)
en donde la serie anterior hay que entenderla de la siguiente forma:
lim
c
k =1
= 0
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_03.tex Page 3 of 4 En el caso en que B =
f 1 , f 2 , ... f n , ....
} sea un conjunto ortonormal, sto es,
f i, f j = 0 si i j y f i = 1 para todo i, entonces los coeficientes c n de la serie (A,2,1, 1) los calculamos de la siguiente forma:
cn =
f, f
b a
f ( x ) f n ( x )dx
Adems tenemos la siguiente igualdad, conocida como la identidad de Parseval
b a
f ( x )dx
1 2
c
n =1
2 n
(A,2,1,2)
La identidad (A,2,1,2) no es otra cosa que el Teorema de Pitgoras en dimensin infinita.Este resultado tiene importantes consecuencias en el Anlisis funcional lineal, por ejemplo: puesto que la serie (A,2,1,2) es una serie convergente, se sigue inmediatamente que
lim c n = 0
(A,2,1,3)
Por ejemplo, el conjunto C 0, 2
tiene como base ortonormal al conjunto
B=
1 2
sennx cos nx , ,
n = 1, 2, ...
Es as cmo, entonces, que para todo f C 0, 2
se cumple que
lim 0 f ( x )sen( nx )dx = 0 lim 0 f ( x )cos ( nx )dx = 0

2
Problemas
Subespacios, Rectas y Planos
Leccin 1.2 Ejemplo
Problemas

Leccin 1.3. Subespacios, Rectas y Planos.
Un subconjunto W de R n se dice un subespacio de l si W con las operaciones de suma y producto n por un nmero real es un espacio vectorial. Para verificar que W es un subespacio vectorial de R s lo es suficiente verificar que que se satisfacen las dos leyes de clausura, sto es: Si v , w W entonces v + w W y si R entonces w W , cualquiera que sean v , w W y cualquiera que sea R. Subconjuntos de R 3 como
W = Z =
{( x , y , z ); x + y + z = 0} y {( x , y , z ); y = mx , z = nx , x R, m, n fijos}
son ejemplos de subespacios vectoriales de R . Rectas en R n Definicin (1.3.1): Sea P R un vector fijo y sea A R no nulo. Definimos la recta que pasa por P y cuya direccin es el vector A, al conjunto
n n
L ( P, A ) = {X = P + tA, t R}. (1.3.1)
Figura No. 1
Las siguientes propiedades de las rectas en R son de fcil verificacin y las dejamos como ejercicios. 1. Si A = B, A, B 0 entonces L ( P, A ) = L ( P, B ). 2. L( P, A ) = L( Q, A ) si y slo si Q L( P, A ). 3. L( P, A ) L( Q, B ) si y slo si P Q pertenece al espacio generado por {A, B}. Definicin (1.3.2): Dos rectas L( P, A ) y L( Q, B ) son paralelas si A y B son paralelos. Como consecuencia de la definicin de paralelismo entre rectas tenemos la siguiente propiedad: Sea L ( P, A ) y sea Q R n tal que Q L( P, A ). Entonces existe una nica recta que pasa por Q y es paralela a L ( P, A ). Este rersultado es conocido como el postulado de las paralelas de Euclides. Ecuacin Paramtrica de la recta en R
3 3
Sea L ( P, A ) una recta de R . Supongamos que P = ( p, q, r ) y A = ( a, b, c ). Entonces,
L ( P, A ) = {X = ( x , y , z ) = ( p, q, r ) + t ( a, b, c ), t R}.
Por lo tanto
x = x ( t ) = p + ta y = y ( t ) = q + tb z = z( t ) = r + tc.
Estas ecuaciones son conocidas como las ecuaciones paramtricas de la recta L ( P, A ). En el caso particular en que L( P, A ) sea una recta de R las ecuaciones paramtricas sern:
2
x = x ( t ) = p + ta y = y( t ) = q + tb
( 1.3.2 )
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_03_01.tex Page 3 of 5 puesto que P = ( p, q ) y A = ( a, b ). En (1.3.2) podemos eliminar t si multiplicamos la primera ecuacin por b y la segunda por a. Igualando ambos resultados vemos que
( y q ) a = ( x p )b,
que representa la ecuacin cartesiana de la recta. Otra manera de definir una recta en R es determinando un punto P por el cual queremos que pase la rcta y un vector N que sea perpendicualar a ella. As:
2
L[P, N ] = {X R ,
X P, N
= 0}.
(1.3.3)
Figura No. 2 Por ejemplo: Hallemos la recta que pasa por el punto ( 0, 1 ) y es perpendicular al vector ( 1, 1 ) . Los puntos ( x , y ) de dicha recta deben satisfacer la ecuacin
( x , y ) ( 0, 1 ) , ( 1, 1 )
Esto es, x + y 1 = 0. Planos en R n
= 0.
Los planos en R se definen en forma anloga a como lo hicimos con las rectas.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_03_01.tex Page 4 of 5 Definicin (1.3.2): Sea P R y sean {A, B} un subconjunto linealmente independiente de n R . Definimos el plano que pasa por P y est generado por {A, B} como el conjunto
n
P( P;A, B ) = {X = P + tA + sB, t , s R}.
(1.3.4)
Figura No. 3 Con el uso de la definicin (1.3.2) es fcil comprobar que 1. P( P;A, B ) = P( P;C , D ) si y slo si los subespacios generados por {A, B} y {C, D} son iguales. 2. P( P;A, B ) = P( Q;A, B ) si y slo si Q P( P;A, B ). Definicin (1.3.3): Dos planos P( P;A, B ) y P( Q;C , D ) son paralelos si los espacios generados por {A, B} y {C , D} son iguales. Con el uso de la definicin (1.3.3) podemos comprobar las siguientes propiedades: 1. Por un punto Q exterior a un plano P( P;A, B ) pasa un nico plano paralelo a l. 2. Por tres puntos P, Q, S R n , tales que {P Q, P S} sean linealmente independientes, determinan un nico plano que pasa por ellos. Ecuacin cartesiana del plano en R
3 3
Otra manera de definir un plano, en este caso en R , es determinando un punto P por donde pasar y un vector N que ser perpendicular a l. Concretamente tenemos la siguiente Definicin (1.3.4): El plano de R 3 que pasa por P y tiene como vector normal a N se define como el conjunto
P, N
={X R ,
X P, N
= 0}
Supongamos que P = ( p, q, r ) y N = ( a, b, c ). Entonces la ecuacin podemos escribir as:
X P, N
= 0 la
ax + by + cz = pa + qb + rc .
(1.3.5)
La ecuacin (1.3.5) se conoce como la ecuacin cartesiana del plano. Por ejemplo, la ecuacin cartesiana del plano que pasa por P = normal a N = ( 1, 1, 1 ) es:
( 1, 0, 0 ) y que tiene como vector
x+ y+ z = 1
Leccin 1.2 Ejemplo
Problemas
Definicin
El Producto Vectorial

Leccin 1.3. Problemas Muestre que: 1. Si A = B, A, B 0 entonces L ( P, A ) = L ( P, B ). 2. L( P, A ) = L( Q, A ) si y slo si Q L( P, A ). 3. L( P, A ) L( Q, B ) si y slo si P Q pertenece al espacio generado por {A, B}. 4. Dos rectas paralelas son iguales o su interseccin es vaca. 5. Sea L ( P, A ) y sea Q R n tal que Q L( P, A ). Entonces existe una nica recta que pasa por Q y es paralela a L( P, A ). 6. Dados dos puntos distintos, P, Q R , existe una nica recta que pasa por ellos dos. 7. Deduzca, a partir de (1.3.3), la ecuacin cartesiana de la una recta en R2 . 8. Deduzca, a partir de (1.3.3), una frmula que exprese la distancia de un punto a una recta. 9. P( P;A, B ) = P( P;C , D ) si y slo si los subespacios generados por {A, B} y {C, D} son iguales. 10. P( P;A, B ) = P( Q;A, B ) si y slo si Q P( P;A, B ). 11. Por un punto Q exterior a un plano P( P;A, B ) pasa un nico plano paralelo a l. 12. Por tres puntos P, Q, S R , tales que {P Q, P S} sean linealmente independientes, determinan un nico plano que pasa por ellos.
n n
Subespacios, Rectas y Planos.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_03_02.tex Page 2 of 2 13. Deduzca una frmula que exprese la distancia entre un plano y un punto exterior a l.
Definicin
El Producto Vectorial
Leccin 3 - Problemas
Problemas

Leccin 1.4. El Producto Vectorial
3
En esta seccin introducimos el concepto de producto vectorial entre dos vectores de R . Este concepto juega un papel importante en el electromagnetismo como tambin en la mecnica de fludos cuando estudiamos los rotacionales de campos vectoriales. Definicin (1.4.1): Sean A = ( a, b, c ) y B = ( x , y , z ) dos vectores de R3 . Entonces definimos
A B = ( bz c y, cx az, ay bx ).
( 1.4.1 )
Las propiedades ms importantes de A B son: 1. A B = B A. 2. ( A B ) = A B. 3. A, A B = 0. 4. B, A B = 0. 5. A ( B + C ) = A B + A C 6. A B = A B A, B . (Identidad de Lagrange) 7. A B = 0 si y slo si {A, B} es linealmente dependiente. Las propiedades 2. y 3. nos dice que A B es perpendicular a A y a B. Esto es particularmente til cuando queremos calcular la ecuacin cartesiana de un plano y necesitamos calcular un vector perpendicular a otros dos vectores dados. Por ejemplo: e 1 e 2 = e 3 , e 2 e 3 = e 1 y e 3 e 1 = e 2 , en donde
2 2 2 2
e 1 = ( 1, 0, 0 ), e 2 = ( 0, 1, 0 ), e 3 = ( 0, 0, 1 ).
Figura No.1 Es importante observar que el producto vectorial no es asociativo. Por ejemplo: e 1 ( e 1 e 2 ) = e 2 y (e 1 e 1 ) e 2 = 0. Existe una forma fcil de recordar el producto vectorial de dos vectores A = ( a, b, c ) y B = ( x , y, z ): Consideremos, formalmente, el determinante
e 1 e 2 e3 D = a x b y c z
y lo desarrollamos por la primera fila. As obtenemos que
D =
( bz c y )e 1 + ( cx az )e 2 + ( ay bx )e 3.
Entonces D = A B De la identidad de Lagrange podemos obtener una interpretacin geomtrica de la norma del producto vectorial. Si llamamos el ngulo entre dos vectores A y B, 0 , entonces A B = A B sen, que mide el rea del paralelogramo, como se indica en la figura.
Figura No. 2 Producto Mixto A la expresin A, B C se le conoce como el producto mixto de A, B y C, tres vectores de R . = 0 si y slo si {A, B, C} es un conjunto linealmente
3
Es fcil verificar que dependiente.
A B, C
El producto mixto admite una interpretacin geomtrica interesante: Si denotamos con el ngulo que forman los vectores A B y C, con 0 , entonces A B, C = C A B cos 2 que, como se indica en la figura, representa el volumen del paralelippedo.
Figura No. 3 Otra aplicacin del producto mixto es la deduccin de la regla de Cramer para sistemas lineales tres por tres. Consideremos el sistema
a 1x + b 1 y + c 1z = d 1 a 2x + b 2 y + c 2z = d 2 a 3 x + b 3 y + c 3 z = d 3,
( 1.4.2 )
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_04_01.tex Page 4 of 5 que lo podemos escribir as:
xA + yB + zC = D,
( 1.4.3 )
en donde
A = ( a 1, a 2, a 3 ) B = ( b 1, b 2, b 3 ) C = ( c 1, c 2, c 3 ) D = ( d 1 , d 2 , d 3 ).
Si hacemos el producto interior, en ambos miembros de (1.4.3), con B C, obtenemos:
A, B C x =
D, B C ,
de la cual deducimos que
x =
D, B C A, B C
Siempre y cuando
A, B C
0.
Es importante advertir que A, B C es el determinante del sistema (1.4.2) y ste debe ser diferente de cero para que el sistema tenga solucin nica. Anlogamente obtenemos frmulas para y y z.
Problemas
Cap. 1. Leccin 1.4. - Problemas
Problemas
CAPTULO 2 FUNCIONES VECTORIALES

Leccin 2.1. Topologa de R n
Los conceptos de topologa los podemos iniciar con la definicin de bola abierta. Concretamente tenemos: Definicin (2.1.1): El conjunto
B( X, r ) = {Z R n , Z X
< r}
se llama la bola abierta de centro X y radio r. Con la ayuda de la definicin (2.1.1) introducimos los siguientes conceptos: 1. Punto interior: Sea S un subconjunto de R . Un vector P S se dice un punto interior a S si existe una B( P, r ) tal que B( P, r ) S. El conjunto de puntos interiores es denotado por S . Es claro que S S. Por ejemplo, todos los puntos de la bola B( P, r ) son puntos interiores de ella. 2. Conjunto abierto: Un conjunto S R se llama un conjunto abierto de R si todos sus puntos son puntos interiores. Esto es S = S . Por ejemplo, la bola B( X, r ) es un subconjunto abierto de R , todo el espacio R es un conjunto n n abierto de R , as mismo, el conjunto es un conjunto abierto de R . Es importante observar que estamos diciendo que un conjunto es abierto de otro. Esto quiere decir que un conjunto A puede ser un abierto de X ms no un abierto de Y. Por ejemplo: el intervalo ( 0, 1 ) es un abierto de R ms no es un abierto de R n , n 2. 3. Punto adherente: Decimos que P R es un punto adherente de un subconjunto S de R si para todo > 0, B( P, ) S .
n n n n n n n
El conjunto de puntos adherentes de S lo denotamos con S. Es claro, de la definicin de punto adherente, que S S. Por ejemplo, el conjunto { Z R n, Z X r } est formado por puntos adherentes de B( X, r ).
Figura No. 1 Dentro del conjunto de puntos adherentes estn los puntos de acumulacin. 4. Puntos de acumulacin: Decimos que P R es un punto de acumulacin de un subconjunto S de R n si para todo > 0, B( P, ) posee infinitos puntos de S. Los puntos de acumulacin de S son denotados con S . Es claro que S S. Por ejemplo, el conjunto 0.
n
1 n,
n = 1, 2...
R tiene como nico punto de acumulacin al punto
5. Conjuntos Cerrados: Un conjunto S de R se dice cerrado en R si S = S. El ejemplo ms clsico de conjunto cerrado es
B( X, r ) = {Z R , Z X
r}.
Debemos advertir que los conceptos cerrado y abierto no son contrarios. Un conjunto puede ser al
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_01_01.tex Page 3 of 3 mismo tiempo abierto y cerrado, por ejemplo R y son conjuntos abiertos y cerrados, o tambin, no ser ni abierto ni cerrado, por ejemplo el conjunto de nmeros racionales Q no es ni abierto ni cerrado de R. Nota: Cuando una coleccin T de subconjuntos de R contiene al mismo R , al conjunto y satisface que la unin arbitraria y la interescin finita de elementos de T es un elemento de T, decimos que dicha coleccin es una topologa de R n . Por ejemplo, la familia de conjuntos abiertos n de R es una topologa de l. 6. Punto frontera: Sea S un subconjunto de R . Decimos que Z R es un punto frontera de S si toda bola abierta B( Z, ) contiene puntos de S y puntos de S c. El conjunto de todos los puntos frontera de S lo denotamos cmo S. Es claro que S = S ( R S ). Por lo tanto S es cerrado de R .
n n n n n n n
Por ejemplo,
B( X, r ) =
{Z
n
R , ZX
= r}
7. Conjunto acotado: Un subconjunto S de R se dice acotado si existe B( , r ) tal que S B( , r ) . Los subconjuntos de R que son cerrados y acotados se llaman compactos . Estos tienen la propiedad que todo subconjunto infinito de ellos pose un punto de acumulacin en l. La prueba de esta importante propiedad se sale de los propsitos de este curso. Ella se basa en un clebre resultado conocido como el Teorema de Heine - Borel que afirma: Si es una coleccin de conjuntos abiertos R tal que su unin contiene a un subconjunto A de R n que es cerrado y acotado, entonses existe una subcoleccin finita de cuya unin tambi n contiene a A. Para su prueba referimos al lector a cualquier texto de Anlisis Matemtico.
n n
Cap. 1. Leccin 1.4. - Problemas
Problemas
Definicin
Curvas en R n

Leccin 2.1. Problemas 1. Muestre que si S es un conjunto abierto de R entonces su complemento S es cerrado y reciprocamente, el complemento de un cerrado es un abierto. 2. Muestre que la unin arbitraria de conjuntos abiertos y la interseccin de un nmero finito de ellos es tambin un conjunto abierto. 3. Muestre que la interseccin arbitraria de conjuntos cerrados y la unin finita de ellos es tambin un conjunto cerrado. 4. Muestre que un subconjunto de Rn con un nmero finito de puntos es un conjunto cerrado. 5. Hallar los puntos de acumulacin de los conjuntos
n c
Topologa de R
1 n,
n = 1, 2...
n
}
1 n
{ ( 1 ) ( 1 + ), n = 1, 2... }
6. Pruebe que S T = 7. Pruebe que ( S T 8. Pruebe que
( S T ) y S T ( S T ) .

) = S T .
2 2
{ ( x, y ) R , x
1
y2 < 1
2 n
} es un subconjunto abierto de R .
2
9. Demuestre que el conjunto
{ e , e , ...e }
R es compacto.
Definicin
Curvas en R
Problemas

Leccin 2.2. Curvas en R n
Una aplicacin F : I R n , donde I es un subconjunto de R se llama una funcin vectorial. Puesto n que para cada t I, F( t ) R , entonces
F( t ) = ( f 1 ( t ), f 2 ( t ), ..., f n ( t ) )
Las funciones f i : I R, i = 1, 2, ...n son las funciones componentes de F. Es por ello que todas las propiedades de F, como veremos, reposan en las propiedades de las funciones componentes. Ejemplos: 1. F( t ) = P + tA, t R, P y A vectores fijos de R es una funcin vectorial que representa una recta en R n . 2. F( t ) = ( cos t , sent ), t R es una funcin vectorial que representa una circunferencia de 2 centro cero y radio uno en R . 3. F( t ) = ( t , t 2 ), t R es una funcin vectorial que representa una parbola La imagen F( I ) es un subconjunto de R n y determina una curva en l. Es claro que que una curva n en R puede estr determinada por diferentes funciones vectoriales, por ejemplo: ( t ) = t , t 2 , t 0 y ( t ) = t 2 , t 4 , definen la misma curva en en R 2 . No obstante, aunque es un abuso, para simplificar la escritura, identificaremos la curva con la funcin que la define. Operacines algebraicas: Definimos las siguientes operaciones entre funciones vectoriales: 1. ( F + G )( t ) = F( t ) + G( t ), t I, F y G funciones vectoriales.
n
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex Page 2 of 7 2. ( u.F )( t ) = u( t ).F( t ), t I, F una funcin vectorial y u : I R. 3. F, G ( t ) = F( t ), G( t ) , t I.
4. ( F G )( t ) = F( t ) G( t ), t I, F y G funciones vectoriales con valores en R 3 . 5. (F u )( t ) = F( u( t ) ), t I, F una funcin vectorial y u : I R. Continuidad de funciones vectoriales Definicin(2.2.1): Sea F : I R una funcin vectorial. Decimos que F es continua en a I , si para toda secuencia t n I, tal que t n a, se cumple que F( t n ) F( a ).
n
{ }
De la Definicin (2.2.1) se deduce, inmediatamente, que F es continua en a si y slo si las funciones componentes de F son continuas en a. Adems:
t k a
lim F( t k ) = ( lim f 1 ( t k ), ..., lim f n ( t k ) ).

t k a t k a
(2.2.1)
Derivabilidad de funciones vectoriales La derivada de funciones vetoriales se define de la misma manera como la conocemos para funciones de variable y valor real. As:
F ( a ) = lim
t a
F ( t + a ) F( a ) t
(2.2.2)
Cmo se indica en la figura, el vector F ( a ) es el vector direccin de la recta tangente a la curva definida por F y que pasa por el punto F( a ). Si pensamos que F( t ) determina el desplazamiento de una particula en el espacio R n a medida que el tiempo t transcurre, entonces F ( a ) mide la velocidad del desplazamiento.
Figura No. 1 Es muy fcil deducir de (2.2.1) y (2.2.2) que
F ( a ) = ( f 1 ( a ), ..., f n ( a ) )
( 2.2.3 )
La derivacin de funciones vectoriales satisface las siguientes propiedades: 1. ( F + G ) = F + G . 2. ( u.F ) = u .F + u.F , con u : R R. 3. F, G

F,G
F, G
4. ( F G ) = F G + F G . 5. ( F u ) = u .F ( u ), con u : R R. Como consecuencia de la propiedad 3. anterior tenemos el siguiente Teorema (2.2.1): Sea F una funcin vectorial definida en algn intervalo I. Si F( t ) para todo t, entonces = c,
F( t ), F ( t )
= 0.
El Teorema nos dice que el vector posicin de la curva y su vecror tangente son perpendiculares para
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex Page 4 of 7 todo valor t . Si pensamos que es una partcula que se mueve a lo largo de la curva que describe la imagen de una funcin vectorial F, entonces F( t ) es el vector que mide la posicin de la partcula, F ( t ) ser el vector velocidad y F ( t ) ser el vector aceleracin. Es costumbre nombrar, entonces, F ( t ) = V( t ), vector velocidad y F ( t ) = A( t ), vector aceleracin. Adems denotaremos v ( t ) = V( t ) que representa la rapidez de la partcula, as mismo denotaremos a( t ) = F (t ) .
Integracin La integracin de funciones vectoriales la definimos as:
F( t ) dt = a
f ( t )dt , ..., a 1
b a
f n ( t )dt . ( 2.2.4 )
Como en el caso de funciones de variable y valor real, tenemos ac los teoremas fundamentales del c lculo que enunciaremos sin demostracin pues sta sigue los mismos pasos que la que conocemos en los primeros cursos de clculo. Teorema (2.2.2) (Primer Teorema Fundamental del Clculo). Sea F : a, b R continua y sea c a, b . Entonces la funcin
n
G( x ) =
F( t )dt
x c
cumple que G ( x ) = F( x ). Teorema (2.2.3) (Segundo Teorema Fundamental del Clculo). Supongamos que F es continua en ( a, b ). Entonces para cada c, x ( a, b ) tenemos que
F( x ) = F( c ) +
F ( t )dt.
x c
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex Page 5 of 7 El Plano Osculador. Sea F : [a, b] R una aplicacin derivable y supongamos que F ( t ) 0. Entonces el vector
3
T( t ) =
F (t) F (t)
(2.3.1)
es el vector tangente unitario de la curva en el punto F( t ). Si adems suponemos que la funcin T( t ) es derivable y T ( t ) 0, entonces podemos definir el vector normal unitario a la curva en el punto F( t ), as:
N( t ) =
T (t) T (t)
(2.3.2)
Puesto que T ( t ) es unitario, entonces as:
T( t ), N( t )
= 0. Este par de vectores definen un plano,
P( t ) = {X( t ) = F( t ) + sT ( t ) + rN( t ), r, s R}.
Figura No. 2
Este plano es conocido como el plano osculador a la curva en el punto F( t ). La caracterstica de este plano consiste en que es el plano que mejor aproxima a la curva en el punto F( t ). Esto quiere decir que si tomamos tres puntos distintos de la curva que puedan determinar un plano y hacemos que esos tres puntos se aproximen a F( t ) entonces esos planos se aproximan al plano P( t ). Es fcil ver que los vectores velocidad V( t ) = F ( t ) y aceleracin A( t ) = F ( t ) del punto F( t ) se encuentran en el plano osculador. En efecto, un clculo sencillo nos muestra que
A( t ) = v ( t )T ( t ) + F ( t )
T ( t ) N( t ),
en donde v ( t ) =
F ( t ) .

La componente v ( t ) se llama la componente tangencial de la aceleracin y F ( t ) componente normal.
T ( t ) la
A manera de ejemplo, consideremos la curva F( t ) =( cos t , sent , t ), t R. Esta curva representa una hlice ascendente como se indica en la figura
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex Page 7 of 7 Figura No. 3 Observamos que
F ( t )
= =
2
2 2
T(t) (t) F (t)

F T(t) T(t)

= T( t ) =
1 2
sin t , cos t , 1 )
= N( t ) =
cos t , sin t , 0 )
Por lo tanto v ( t ) = 0 y la aceleracin ser
A( t ) = N ( t ) =
cos t , sin t , 0 ).
Esto es, la aceleracin permanece en el plano X;Y y en la direccin opuesta a la proyeccin, sobre el plano X;Y, del movimiento F( t ). Esto nos dice que la aceleracin es centrpeta.
Problemas
Curvas en R n
Longitud de Arco y Curvatura

Leccin 2.2. Problemas Pruebe que: 1. ( F + G ) = F + G . 2. ( u.F ) = u .F + u.F , con u : R R. 3. F, G

Curvas en R
F,G
F, G
4. ( F G ) = F G + F G . 5. ( F u ) = u .F ( u ), con u : R R. 6. Para todo C R y todo F : [a, b] R se cumple que

n n
C,
F( t )dt a
b a
C, F( t ) dt .
7. a F( t )dt
a F( t ) dt .
8. Determine la ecuacin cartesiana del plano osculador de la curva F( t ) = ( cos t , sen t , e t ) en el tiempo t = y calcule el vector aceleracin en ese mismo tiempo. 2
Curvas en R n
Problemas

Leccin 2.3. Longitud de Arco y Curvatura
Para poder comprender mejor algunas otras propiedades de las curvas es necesario mirarlas como dependientes de una variable que mida la longitud de arco. As, por ejemplo, le daremos un significado fsico a la velocidad ms acorde con el concepto que de ella tenemos. Sea F : [a, b] R n una curva y tomemos p = {t 0 = a,t 1 ,..t n = b} una particin del intervalo [a, b]. Denotemos con ( p) el polgono de segmentos de recta que definen F( t 0 ), ..., F( t n ), c mo se indica en la figura
Figura No. 1 Sea
( p) =
F( t
k =1
) F ( t k 1 )
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_03_01.tex Page 2 of 5 la longitud de dicho polgono. Tenemos, entonces, la siguiente Definicin (2.3.1) Decimos que la curva definida por F : [a, b] R es rectificable si existe una constante M > 0 tal que ( p) M, para toda particin p de [a, b]. Ahora, si la curva es rectificable, al nmero
n
( a, b, F ) = sup
p
( p) ,
( 2.3.1 )
en donde p denota el conjunto de todas las particiones del intervalo [a, b], lo llamamos la longitud de la curva. Los consecuencias ms importantes de (2.3.1) son: 1. Para todo c a, b se tiene que
( a, b, F ) = ( a, c, F ) + ( c , b, F ).
2. ( a, b, F ) = a F ( t ) dt . La propiedad 1. se deduce de (2.3.1). Para ver 2. procedemos de la siguiente forma: Por el teorema del valor medio tenemos que
F ( t k ) F ( t k 1 ) = ( t k t k 1 )
(f
1(
1 k ), ... f n ( nk ) ,
en donde jk ( t k , t k 1 ). Entonces
( p )
= = =
F( t
k =1 n
) F ( t k 1 )
(t
k =1 n
t k 1 )
(f
1(
1 k ), ... f n ( nk ) 1 k ), ... f n ( nk )
) )
.
( 2.3.2 )
t
k =1
t k 1
(f
1(
Si en (2.3.2) tomamos el sup en ambos miembros observamos que el miembro izquierdo se transforma en ( a, b, F ) y el miembro derecho se transforma en a F ( t ) dt . Como una aplicacin de la propiedad 2. consideremos la curva
b
F( t ) = ( rcos t , rsen t ), t
0, .
Entonces ( 0, , F ) = r. Este resultado lo conocemos desde nuestros cursos elementales de geometra. Funcin longitud de arco Definicin (2.3.2): La funcin s( t ) = ( a, t , F ), t longitud de arco. a, b se denomina la funcin
La funcin s( t ) mide la longitud de la curva desde el punto F( a ) hasta el punto F( t ). Sus propiedades ms importantes son: 1. s( t ) es estrictamente creciente. 2. s ( t ) = F( t ) .
La propiedad 2. nos dice que la rapidez, en el instante t , de un movil que se desplaza por una curva se mide como la derivada de la funcin desplazamiento. Esto coincide con la idea de velocidad que ve amos en nuestros primeros cursos de Fsica. Es fcil ver que 1. Si F( t ) = ( t , f ( t ) ), t a, b , entonces
( a, b, F ) =
b a
1 + f ( t ) 2 dt .
Este resultado ya lo conocamos como una aplicacin de la integral definida. 2. Si las curvas F y G satisfacen que G( t ) = F( u( t ) ), en donde u : entonces c, d R, u ( t ) 0,
d c
G ( t ) dt =
u (d ) u (c )
F ( t ) dt .
La propiedad 2. anterior nos dice que la longitud de arco se preserva despus de hacer reparametrizaciones de la curva. O desde el punto de vista de la mecnica clsica: Aunque recorramos un camino a diferentes velocidades su longitud no cambia.
( t, t ), t R. y sea u( t ) = t , t vectorial G( t ) = F( u( t ) ) = ( t , t ) satisface:

Ejemplo: Sea F( t ) =
2 2 2 4
0, 2 . Entonces la funcin
Curvatura de una curva
2 0
4t + 16t dt =
2 6
4 0
1 + 4t 2 dt = 16. 819
La curvatura de una curva en el instante t es un nmero que expresa la magnitud del cambio de su vector tangente con respecto a la longitud de arco. Concretamente tenemos: Sea T( t ) = t . Entonces tenemos:
F(t) F(t)

el vector tangente unitario de una curva en el tiempo
dT ds
= = =
dT dt . dt ds 1 s ( t )
T ( t ) T(t)
1 F (t) T(t) F (t)

N( t ).
Definimos la curvatura de la curva en el tiempo t como
( t ) =
T (t) F(t)
( 2.3.3 )
Vemos que ( t ) es la norma de un vector que tiene la misma direccin del vector normal unitario. Si este nmero es muy grande nos indica que la curva se tuerce mucho en trayectos muy cortos y si es pequeo nos indica que la curva se tuerce poco. Por ejemplo, consideremos la recta F( t ) = P + tA, t a, b . Vemos entonces que T ( t ) es constante y por lo tanto dT = 0. As ds que ( t ) = 0. Esto es: la linea recta no tiene ninguna tendencia a torcerse. Ahora, consideremos la curva F( t ) = ( rcos t , r sen t ), t 0, 2 . Un clculo nos dice que ( t ) = 1 r . Si r es peque o la circunferencia se tuerce demasiado en cortos trayectos.
Problemas
Aplicaciones a la Gravitacin

Leccin 2.3. Problemas Muestre que: 1. Para todo c a, b se tiene que Longitud de Arco y Curvatura
( a, b, F ) = ( a, c, F ) + ( c , b, F ).
2. Para todo a b se tiene que ( a, b, F ) = a F ( t ) dt . 3. s( t ) = ( a, t , F ) es estrictamente creciente. 4. s ( t ) = F ( t ) .
5. Calcule ( 0, 1, F ), en donde F( t ) =
( e t cos t, e tsent ).
6. La funcin F( t ) = ( asent , bcos t ), 0 < b a, 0 t 2 , determina una elipse. Halle una expresin integral que exprese la longitud de la elipse. 7. Muestre que F( t ) =
( t,
f ( t ) ), 0 t 1, en donde
f(t) =
t cos 0
( )
2t
si t 0 si t = 0
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_03_02.tex Page 2 of 2 no es una curva rectificable. Basta con que pruebe que
( p ) > 1 +
1 2
1 + ... 2 , n
para la particin p =
{ 0,
1 , 1 , 2n 2n 1
... 1 , 1, 1 3 2
} y recordar que la serie
n =1
1 n
8. Muestre que la curvatura de una parbola es mxima en su vrtice. 9. Sea F( t ) = 3t t 2 , 3t 2 , 3t + t 3 , 0 t 2. Halle la ecuacin cartesiana del plano osculador y la curvatura de la curva en el tiempo t = 1
Aplicaciones a la Gravitacin
Cap. 3. Diferenciacin

Leccin 2.4. Aplicaciones a la Gravitacin
2
En esta seccin estudiaremos una aplicacin de las curvas en R al movimiento planetario. Sea : a, b R 2 una funcin vectorial. Los puntos ( x , y ) Im( ) lo podemos poner en coordenadas polares y as la curva puede ser puesta cmo
( x , y ) = r( cos , sen ),
en donde r mide la distancia del punto ( x , y ) al origen. Es claro que tanto r como dependen del tiempo t . Denotemos con U r = ( cos , sen ). Entonces nuestra curva la podemos escribir como ( t ) = r.U r. Tambin, denotemos con
U =
dU r d
= ( sen, cos ).
Es claro que U r y U son vectores unitarios y perpendiculares, adems U r = Ahora,
dU d
V( t ) =
d dt
dr .U r dt
+r
dU r dt
Hacemos uso de la regla de la cadena y obtenemos que
dU r dt
d dU r dt d
d U . dt
Combinando estas dos ltima expresiones obtenemos
V( t ) =
dr .U r dt
+ rd U . dt
( 2.4.1 )
De la misma forma la aceleracin tambin la podemos expresar como una combinacin lineal de U r y U , as:
A( t ) =
d r dt
2
( )
d dt
Ur + ( 2.4.2 )
rd
dt
d + 2 dr U . dt dt
Si suponemos que una estrella de masa M atrae a un planeta de masa m, la fuerza de atraccin la podemos expresar as:
F = f rU r + f U .
Figura No.1 De otra parte, la segunda ley de Newton nos dice que F( t ) = mA( t ). De (2.4.2) obtenemos:
f f
= =
d r dt
2
( )
d dt
m rd
dt
d + 2 dr . dt dt
( 2.4.3 )
Dentro de las hiptesis que hizo Newton, con respecto al movimiento planetario, est aquella que afirma que la fuerza de atraccin, de la estrella al planeta, se ejerce en la direccin del planeta hacia la estrella. Esto es, en la direccin de U r. Entonces la componente f = 0. Esto es,
rd
dt
d + 2 dr = 0. dt dt
( 2.4.4 )
Si multiplicamos (2.4.4) por r vemos que se transforma en
( )
r2
d dt
dt
= 0.
( 2.4.5 )
De (2.4.5) se deduce que
r2 d = h, dt
( 2.4.6 )
en donde h es una constante. Pero si suponemos que el movimiento del planeta es un giro en sentido contrario al las manecillas del reloj podemos concluir que ( t ) es una funcin creciente y por lo tanto d > 0. As, nuestra constante h es positiva. dt Sabemos que el rea que barre el radio vector R cuando el planeta se desplaza de un tiempo t 1 a un tiempo t 2 viene expresada por la frmula
1 2
t2
2 d t 1 r dt .
De ( 2.4.6 ) obtenemos que
1 2
t2
2 d t 1 r dt
1 h( 2
t 2 t 1 ).
Esta expresin confirma la segunda Ley de Kepler que dice: Las reas barridas por el radio vector desde el sol a un planeta son proporcionales al tiempo. Para una descripcin grfica de esta ley lo invitamos a que haga clic aqu La ley de gravitacin universal de Newton establece que
G . M. m r
2
km r2
en donde G es la constante de gravitacin universal. De (2.4.3) obtenemos la ley que rige el movimiento planetario en la mecnica newtoniana:
2
d r dt
2
r( t )
( )
d dt
k r2
( 2.4.7 )
Si hacemos el cambio de variable z =
1 r
y hacemos uso de (2.4.6) es fcil observar que
d r dt
2
= h 2z2 d z . 2
d
Remplazamos en (2.4.7) y obtenemos:
d z d
2
+z =
k h
2
( 2.4.8 )
La solucin general de (2.4.8) es
z = sen + cos +
k h
2
( 2.4.9 )
Para obtener informacin de (2.4.9) debemos hacer algunas simplificaciones. Podemos suponer, por ejemplo, que para = 0 la distancia r del planeta a la estrella es mnima o lo que es lo mimo z es m ximo. Esto significa que podemos suponer que z ( 0 ) = 0 y z ( 0 ) > 0. entonces de (2.4.9) se deduce que = 0 y > 0. La solucin (2.4.9) tomar la forma
z = cos +
k h
2
( 2.4.10 )
Si en (2.4.10) cambiamos z por 1 r , aquella se transforma en
r =
pE 1 + E cos
( 2.4.11 )
h k
2
en donde p = (2.4.11).
yE =
. Este nmero E se llama la excentricidad de la cnica definida por
Puesto que el movimiento del planeta alrededor de la estrella es cerrado, Newton dedujo que la c nica (2.4.11) debe ser una elipse. Con ello confirm la primera ley de Kepler que dice: Los planetas describen rbitas elpticas en uno de cuyos focos est el sol.
Cap. 3. Diferenciacin
Introduccin
Problemas
CAPTULO 3 DIFERENCIACION
Leccin 3.1. Lmite y Continuidad
Una aplicacin f : R n R m , n, m 2, la denominamos campo vectorial. En el caso en que m = 1 la denominamos campo escalar. Cuando consideramos funciones de una sola variable el concepto de lmite est referido a la aproximacin que hacemos a un punto ya sea por la derecha o por la izquierda. En el caso de campos vectoriales la aproximacin a un punto puede hacerse por infinitos caminos. Iniciemos con unos ejemplos:
f ( x, y ) =
xy x + y2
2
si ( x , y ) ( 0, 0 ) si ( x , y ) = ( 0, 0 ).
Si dejamos una variable, por ejemplo x , fija vemos que f ( x , y ) se aproxima a 0 cuando y se aproxima a 0. Pero si tomamos la recta x = y entonces f ( x , y ) = 1 y, aunque ( x , y ) se 2 aproxime a ( 0, 0 ), no se tiene que f ( x , y ) se aproxime a 0. Tenemos la siguiente Definicin (3.1.1) Sea f : R R . Decimos que
n m
X A
lim f ( X ) = B
Si para todo > 0 existe un > 0, que depende de , tal que si X A f ( X ) B < .
< entonces
Esto es lo que no sucede en el ejemplo anterior, podemos tener puntos ( x , y ) R tales que
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_01_01.tex Page 2 of 7 ( x , y ) ( 0, 0 ) sea muy pequea y no obstante f ( x , y ) 0 =

n m 1 . 2 n
Definicin (3.1.2) Sea f : R R . Decimos que f es continua en un punto A R si la funci n f est definida en A y adems
X A
lim f ( X ) = f ( A ).
Nota: Un campo vectorial f : R n Rm , n, m 2 est definido por m campos escalares f 1 , ... f m . Es fcil ver que
X A
lim f ( X ) = B
si y slo si
X A
lim f i ( X ) = b i, i = 1, ...m,
en donde B = b 1 , ...b m . Esto nos dice que podemos restringir nuestra discusin al caso de campos escalares. Lmites iterados Para el clculo de lmites de funciones de varias variables es necesrio hacer uso de los conocimientos que tenemos de lmites de funciones de una sola variable. Por ejemplo: Si queremos calcular
( x ,y) ( a ,b )
lim
f ( x, y )
estamos tentados a calcularlo primero buscando el lim f ( x , y ), dejando la variable y fija, y al

x a
resultado que obtenmos le aplicamos lim . Esto es, calculamos

y b
y b
lim
x a
lim f ( x , y )
o tambin
x a
lim
y b
lim f ( x , y )
Estos lmites los llamamos lmites iterados. Desafortunadamente stos no nos lleva siempre a feliz t rmino. En general tenemos que
( x,y ) ( a , b )
lim
f ( x, y ) lim f ( x , y )
lim lim
y b
x a
x a
y b
lim f ( x , y )
Inclusive, podemos tener que
y b
lim
x a
lim f ( x , y )
= lim
x a
y b
lim f ( x , y )
y no obstante
( x, y) ( a ,b )
lim
f ( x , y ) lim
y b
x a
lim f ( x , y )
Veamos algunos ejemplos: Consideremos la funcin
f ( x, y ) =
x 2 y2 x 2y 2 + ( x y )
2
Ntese que
y 0
lim
x 0
lim f ( x , y )
= lim
x 0
y 0
lim f ( x , y )
= 0.
Ahora, cuando tomamos x = y vemos que f ( x , y ) = 1 y cuando y = 2x vemos que
f ( x, y ) = 4
x2 4x + 1
2
Esto nos indica que
( x, y ) (0, 0)
lim
f ( x , y ) no existe debido a que si ( x , y )( 0, 0 ) por la recta
x = y , entonces f ( x , y ) 1. Y si ( x , y )( 0, 0 ) por la recta y = 2x , entonces f ( x , y ) 0 O ms extrao an, podemos tener que
y b
lim
x a
lim f ( x , y )
lim
x a
y b
lim f ( x , y )
y no obstante
( x, y) ( a ,b )
lim
f ( x , y ) existe. Por ejemplo
f ( x, y ) =
xsen 0
( )
1 y
si y 0 si y = 0.
En este caso, puesto que
f ( x, y ) =
xsen 1 y
x , tenemos que
( x , y) (0,0)
lim
f ( x, y ) = 0
y 0
lim
x 0
lim f ( x , y )
} {
lim
x 0
y 0
lim f ( x , y )
el primer lmite es cero y el segundo simplemente no existe. Ahora, Cuando, entonces, tenemos que
( x,y ) ( a , b )
lim
f ( x , y ) = lim
y b
x a
lim f ( x , y )
= lim
x a
y b
lim f ( x , y )
Slo si: 1.
( x, y) ( a ,b )
lim
f ( x , y ) existe y
2. Los lmites iterados existen y son iguales. De los ejemplos anteriores conclumos que no hay mtodos seguros para calcular el lmite de una funcin de varias variables. El uso de los lmites iteredados nos puede servir para sospechar quien puede ser el posible lmite de la funcin. Slamente la definicin (3.1.1) es la que nos da la certeza de la existencia del lmite de la funcin.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_01_01.tex Page 6 of 7 Propiedades algebraicas Tenemos las siguientes propiedades de los lmites de funciones. Sean f , g : R R . Supongamos que
n m
X A
lim f ( X ) lim g( X )
= B = C,
X A
entonces: 1. lim
X A
f ( X ) + g( X ) } = B + C
2. lim f ( X ) = B
X A
3. lim 4. lim
X A
f ( X ), g( X ) f(X) = B
B, C
X A
En el caso en que f , g : R R y lim f ( X ) = b y lim g( X ) = c se tiene que

X A XA
5. lim
X A
f ( X ). g( X ) } = bc.
b c,
6. lim
) = X A g ( X )
f(X
siempre que c 0.
Ejemplos 1. Estudiemos el lmite recta y = 0 entonces lim

2x y
2 2
( x, y )( 0,0 )
x 2 + 2 y2
. Primero observamos que si ( x , y )( 0, 0 ) por la
2x 2 y 2 x2 + 2 y 2
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_01_01.tex Page 7 of 7 Ahora si hacemos que ( x , y )( 0, 0 ) por la recta x = y entonces
2x 2 y 2 x + 2y
2 2
1 . 3
Por consiguiente
lim
2x y
x, y 0,0
) (
x 2 + 2 y2
no existe.
2. Estudiemos el lmite
lim
xy 2 x 2 + y2
. En este ejemplo ilustraremos el uso de las coordenadas
polares: Si hacemos el cambio de variables x = rcos , y = r sen obtenemos
( x, y )( 0,0 )
xy 2 x +y
2 2
= rcos sen 2 .
Puesto que rcos sen 2 r y r0 si y slo si ( x , y )( 0, 0 ), deducimos que
lim
x y2
2
( x ,y )( 0,0 )x
+y
= 0.
Introduccin
Problemas
Lmite y Continuidad
Derivada Dbil
Leccin 3.1. Problemas
se n ( x 2 + y 2 ) x2 + y2
Lmite y Continuidad.
1. Muestre que
( x, y) (0,0)
lim
= 1
2. Muestre que si un campo escalar f es continuo en A y F( A ) 0 entonces existe una bola abierta B( A, r ) donde f tiene el mismo signo de f ( A ). 3. Hallar en ( 0, 0 ) ? 4. Demuestre que f 5. Halle lim lim f ( x, y
x 2 y2 x 2 + y2
a lo largo de la recta y = mx . Es continua la funcin f
( x,y ) ( 0,0 )
( x, y )
x 4 y4
2
= x y 2 + x 2 y es continua en todo R .
( x, y )( 0,0 )x
6. Halle lim
+ y2
x 2 y2 x +y
2 2
.
x y + yz + xz
2
( x, y )( 0,0 )
7 Haga un anlisis de
lim
( x,y ,z )( 0,0,0 )x
2
+ y +z
8 Halle el subconjunto de R en donde f Muestre que si
( x, y )
= ln ( x + y ) es continua.
X A
lim f ( X ) lim g( X )
= B = C,
X A
entonces 9. lim
X A
f ( X ) + g( X ) } = B + C
10. lim f ( X ) = B
X A
11. lim 12. lim
X A
f ( X ), g( X ) f(X) = B
B, C
X A
13. Muestre que toda transformacin lineal f : R n R m es continua en todo punto de su dominio. 14. Sean f y g tales que f es continua en A y g es continua en f ( A ). Muestre que f g es continua en A. Explique por qu sto prueba el ejercicio 8. 15. Muestre que f : R R es continua en A si y solo si las funciones componentes de f , las funciones f 1 , f 2 , ... f m f i:R n R,i = 1, 2...m son continuas en A.
n m
Lmite y Continuidad
Derivada Dbil
Problemas
Leccin 3.2. Derivada Dbil.
Primero introduciremos el concepto de derivada dbil o derivada de Gateaux para campos escalares. Definicin (3.2.1) Sea f : R n R y sean X, Y R n . Decimos que f es dbilmente diferenciable en X y en la direcin Y si el siguiente lmite existe,
f ( X, Y ) = lim
t 0
f ( X + tY ) f ( X ) t
( 3.2.1 )
La definicin (3.2.1) es la misma que conocemos para funciones de una sola variable, salvo que en este caso la aproximacin hacia el punto X la hacemos atravs de la recta X + tY.
Figura No. 1 Si llamamos g( t ) = f ( X + tY ) es claro que
g ( 0 ) = f ( X, Y ).
Esto facilita mucho el clculo de la derivada dbil. Por ejemplo: Sea f ( X ) = g( t ) = X + tY

2
, entonces
. Vemos entonces que
g ( 0 ) = f ( X, Y ) = 2 X, Y . Veamos otros ejemplos: Ejemplo 1 Sea h( x , y, z ) = x 3 y 2 z + x yz. Hallar h Sea
( x , y , z ), ( a, b, c )
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_02_01.tex Page 3 of 7 g( t ) = h
( ( x , y, z ) + t( a, b, c ) ) = h( x + ta, y + tb, z + tc )
3
= ( x + ta ) Entonces
( y + tb )
( z + tc ) + ( x + ta )( y + tb )( z + tc ).
g ( 0 ) = bxz + 3ax 2 y 2 z + 2bx yz + ayz + cx y + cx 3 y 2 .

3
Por lo tanto h
( x , y , z ), ( a, b, c )
= bxz + 3ax 2 y 2 z + 2bx yz + a yz + cx y + cx 3 y 2 .

3
Ejemplo 2 h
Sea h( x , y, z ) = .
( x , y, z )
(
2
+ y
+ z
) ) . Hallar
( 1, 2, 3 ), ( 3, 4, 5 )
g( t ) = h =
Sea
( ( 1, 2, 3 ) + t ( 3, 4, 5 ) ) = h( 1 + 3t, 2 + 4t, 3 + 5t )
(
=
1 + 3t
+ 2 + 4t
+ 3 + 5t
)) .
Un clculo nos dice que g ( 0 )

d g( t ) dt t= 0
= 6
( 14 + 52t + 50t ) ( 13 + 25t )

2
t= 0
= 78 14 Por lo tnato h
( 1, 2, 3 ) , ( 3, 4, 5 )
= 78 14 .
Tambin tenemos un teorema del valor medio para campos escalares, as: Teorema (3.2.1) Supongamos que f ( X + tY, Y ) existe para todo t existe ( 0, 1 ) tal que
0, 1 . Entonces
f ( X + Y ) f ( X ) = f ( X + Y, Y )
( 3.2.2 )
Demostracin: Es suficiente aplicar el Teorema del valor medio a la funcin g( t ) = f ( X + tY ), t 0, 1 .
Derivadas parciales Sea f : R R. Denotamos con

n
D k f ( X ) = f ( X, e k ),
en donde e k = ( 0, ...1, ..., 0 ) y el 1 aparece en el lugar k-simo. El smbolo D k f ( X ) se llama la derivada parcial con respecto a la variable x k. Tambin se usan las siguientes notaciones para la derivada parcial:
Dk f ( X ) =
f(X ) x k
= f
x k(
X ).
Estas notaciones las usaremos indistintamente. Es importante anotar que para calcular Dk f ( X ), en donde X = ( x 1 , ..., x n ), simplemente consideramos las otras variables x 1 , ..., x k 1 , x k+1 , ..., x n como constantes y derivamos con respecto a x k. Por ejemplo si f ( x , y ) = x y + sen( x y ) entonces
D1 f ( x , y ) = y + y cos ( x y ).
Tambin tenemos derivadas de orden superior. Por ejemplo denotamos con
D jk f ( X ) = D j Dk f ( X )
)
f(X) x j x k
2
y es llamada la derivada parcial de orden dos. Otra notacin para tal derivada parcial es Tambin, D jj( f ( X ) la notamos cmo
f(X ) x j
2 2
Es importante preguntarse bajo qu condiciones
f(X) x j x k
f(X) x k x j
En trminos generales sto no es cierto. Por ejemplo la funcin
f ( x, y ) =
xy 0
x2 y 2 x2 + y 2
si ( x , y ) ( 0, 0 ) si ( x , y ) = ( 0, 0 )
cumple que D 21 f ( 0, 0 ) = 1 y D12 f ( 0, 0 ) = 1. La razn de esta diferencia estriba en que D 21 f ( x , y ) y D21 f ( x , y ) no son continuas en el origen. Tenemos el siguiente Teorema (3.2.2) Si las derivadas parciales D 1 f , D 2 f , D 21 f y D 12 f son continuas en un 2 punto ( a, b ) de un abierto S R entonces
D 12 f ( a, b ) = D 21 f ( a, b ).
Demostracin: Consideremos la siguiente expresin
h( x , y ) = f ( a + x , b + y ) f ( a + x , b ) f ( a, b + y ) + f ( a, b ).
Si llamamos g( x ) = f ( x , b + y ) f ( x , b ) vemos que
h( x , y ) = g( a + x ) g( a ).
( 3.2.3 )
Aplicamos el teorema del valor medio en (3.2.3) y obtenemos que
g( a + x ) g( a ) = x g ( z ),
con z entre a + x y a. Ahora,
g ( z ) = D 1 f ( z, b + y ) D 1 f ( z, b )
y (3.2.3) se transforma en
h( x , y ) = x
{D
f ( z, b + y ) D 1 f ( z, b )
}.
Aplicamos de nuevo el teorema del valor medio y obtenemos
h( x , y ) = x yD 21 f ( z, w ),
( 3.2.4 )
en donde w est entre b y b + y. Aplicamos el mismo procedimiento a la funcin
s( y ) = f ( a + x , y ) f ( a, y )
y obtenemos
h( x , y ) = x yD 12 f ( z , w ).
( 3.2.5 )
De (3.2.4) y (3.2.5) vemos que
D12 f ( z , w ) = D 21 f ( z, w ).
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_02_01.tex Page 7 of 7 Si hacemos tender ( x , y ) hacia ( 0, 0 ) entonces ( z , w ) ( a, b ) y ( z, w ) ( a, b ). La hip tesis de continuidad nos asegura que
D 12 f ( a, b ) = D 21 f ( a, b )
Derivada y continuidad La debilidad de la derivada de Gateaux o derivada dbil consite en que ella no implica la continuidad de la funcin. Consideremos la funcin
f ( x, y ) =
xy
x2 + y4
si ( x , y ) si ( x , y ) =
( 0, 0 ) ( 0, 0 ).
Es fcil ver que f tiene derivada dbil en ( 0, 0 ) y en la direccin de cualquier vector A = ( a, b ). En efecto, un clculo sencillo nos dice que
( 0, 0 ), A
b a
si a 0 si a = 0.
Pero la funcin no es continua en en ( 0, 0 ). En efecto, hacemos x = y 2 y observamos que f ( x, y ) = 1 . Para puntos ( x , y ) prximos a ( 0, 0 ) no tenemos que f ( x , y ) sea prximo a 0. 2
Problemas
Derivada Dbil
Derivada Fuerte
Leccin 3.2. Problemas 1. Muestre que f ( X, Y ) = f ( X, Y ), cualquiera que sea R. 2. Sea f ( X ) = A, X , donde A es un vector fijo de R . Calcule D jk f ( X ) y muestre que es igual a D kj f ( X ). 3. Muestre que no existe un campo escalar f tal que f ( X, Y ) > 0, para X fijo y todo Y R . 4. Sea f
n n
Derivada Dbil.
( x, y )
= x 2 + y 2 . Hallar los puntos ( x , y ) R tales que
( 1, 2 ), ( x , y )
= 0.
5. Sea f
( x , y, z )
n
x 2 + y 2 + z 2 . Calcule D123 f
( x , y, z ).
6. Sea A R fijo. Sea f ( X ) =

n n
X, A . Calcule f
1 2
( X, A ).
n ij
7. Sea f ( X ) = a ij x ix j, en donde X =
i= 1 j= 1 n n
( x , x , ...x ) y a
= a ji. Calcule D k f ( X ). F( X ), G( X ) . Calcule
8. Sean F, G : R R dos transformaciones lineales. Sea f ( X ) = f
( X, Y ).
9. En el ejercicio 8. suponga que F = G . Muestre que f son perpendiculares. 10. Sea f ( X ) = X+A
2n
( X, Y )
= 0 si y slo si F( X ) y F( Y )
, n 1, A un vector constante. Calcule f
( X, Y )
Derivada Dbil
Derivada Fuerte
Leccin 2. - Problemas
Problemas
Leccin 3.3. Derivada Fuerte
El grn inconveniente de la derivada dbil que introdujimos en la seccin dos consiste en que ella no implica continuidad. Para subsanar esa debilidad introduciremos, ahora, la nocin de derivada fuerte o derivada de Frechet. Definicin (3.3.1) Sea f : R n R un campo escalar. Decimos que f es fuertemente n n diferenciable en A R si existe una transformacin lineal T A : R R tal que para todo Y R n se tiene que
f ( A + Y ) f ( A ) = T A ( Y ) + o( A, Y ),
(3.3.1)
o ( A,
Y Y
en donde o( A, Y ) es tal que lim
Y 0
= 0.
La transformacin lineal T A se le llama la diferencial fuerte de f en el punto A. Es costumbre denotar T A = f ( A ). Lo primero que debemos advertir de la definicin (3.3.1) es que si la funcin f es fuertemente diferenciable en A entonces es dbilmente diferenciable en A y las dos derivadas coinciden. Esto es
( A, Y )
= f
( A )( Y ),
para todo Y R n Tambin advertimos de la definicin (3.3.1) que si f es fuertemente diferenciable en A entonces la funcin f es continuia en A. Slo es suficiente tener en cuenta que la transformacin lineal T A es siempre una funcin continua y T A ( 0 ) = 0. Adems, de la caracterizacin que hicimos de o( A, Y ) conclumos que o( A, Y ) 0 cuando Y 0.
Ahora, sea Y R . Entonces Y = y ke k donde

n k =1
{ e , ..., e } representa la base cannica de

1 n
R . Esto es, e k = ( 0, 0..., 1, 0, ...0 ) donde el 1 aparece en el lugar k-simo. Por la linealidad de T A = f ( A ) obtenemos:
f ( A )( Y )
= f ( A )( y ke k )
k =1
= y k f ( A )( e k )
k =1 n
= y k f ( A, e k )
k =1 n
= y kD k f ( A ).
k =1
Esto es, podemos expresar la diferencial fuerte en trminos de las derivadas parciales de f . En resumen tenemos
f ( A )( Y ) =
y D
k k =1
f ( A ).
( 3.3.2 )
Si denotamos f ( A ) = ( D1 f ( A ), ..., D n f ( A ) ) R la expresin (3.3.2) toma la siguiente forma:
f ( A )( Y ) =
f ( A ), Y .
( 3.3.3 )
Esto quiere decir que la diferencial fuerte, o simplemente la diferencial, de ahora en adelante, de f en A, f ( A ), la podemos representar por medio del vector
f ( A ) = ( D 1 f ( A ), ..., D n f ( A ) ) R n .
Este vector es conocido como el gradiente de f en A.
Es muy importante tener una frmula como (3.3.3) que nos permita calcular la diferecial de un campo escalar, pero la pregunta crucial de esta seccin es: Cuando un campo escalar es diferenciable ? La respuesta la tenemos en el siguiente Teorema (3.3.1) f : R R es diferenciable en A, sto es, existe f ( A ), si las derivadas parciales D k f , k = 1, 2..., n, existen en alguna bola B( A, r ) y son continuas en A. Demostracin: Sea Y B( A, r ). Denotemos con Y k = y je j, adems, Y = Yn y Y0 = .
j= 1 k n
Ahora, obsevemos que
f ( A + Y) f (A ) =
{ f ( A + Y ) f ( A + Y ) }
j j 1 j= 1
( 3.3.4 )
El Teorema del valor medio nos dice que
f ( A + Y j ) f ( A + Y j 1 ) = y j D j f ( C j ),
( 3.3.5 )
en donde C j es un vector que se encuentra en el segmento que une a los vectores A + Y j y A + Y j 1 . Y cuando Y entonces C j A. De (3.3.4) y (3.3.5) obtenemos:
f (A + Y) f (A ) =
y D f ( A )
j j j= 1
y { D
j j= 1
f ( C j ) Dj f ( A )
}.
( 3.3.6 )
Denotemos con
o( A, Y ) =
y { D
j j= 1
f ( C j ) Dj f ( A )
}.
Puesto que las derivadas parciales D j f , j = 1, 2, ..., n, son continuas en B( A, r ) es fcil ver que
o ( A, Y Y )
0 cuando Y 0. De (3.3.6) deducimos que
f ( A )( Y ) = Ejemplos
y D f ( A ) =
j j j =1
f ( A ), Y
1. Sea f : R R definido como f ( X ) = La frmula (3.3.3) nos dice que
. Calculemos f ( X ).
( X )( Y ) =
f ( X ), Y
Tambin sabemos que
( X )( Y ) = f ( X, Y ) = 2 X, Y .
Por lo tanto obtenemos que f ( X ) = 2X. 2. Sea f dice que
( x , y, z )
= x y + yz + zx . Calculemos f
( a, b, c )( m, n, r ) . La frmula (3.3.3) nos
( a, b, c )( m, n, r )
( a, b, c ) , ( m, n, r )
Ahora, f ( a, b, c ) = =
(D
f ( a, b, c ), D 2 f ( a, b, c ), D 3 f ( a, b, c )
( b + c, a + c, b + a ) .
Por lo tanto f
( a, b, c )( m, n, r )
( b + c, a + c, b + a ) , ( m, n, r )
= mb + mc + na + nc + rb + ra
Leccin 2. - Problemas
Problemas
Derivada Fuerte
Regla de la Cadena
Leccin 3.3. Problemas Hallar f ( x , y ) de los siguientes campos escalares: 1. f ( x , y ) = x 2 + y 2 sen( x y ). 2. f ( x , y ) = x 2 y 3 . Sean f y g dos campos escalares diferenciables en un abierto S R . Muestre que: 3. Si f = const entonces f ( X ) = 0, para todo X S. 4. ( f + g )( X ) = f ( X ) + g( X ). 5. ( f )( X ) = f ( X ). 6.( f . g )( X ) = f ( X ). g( X ) + g( X ) f ( X ). 7. (
f g n
Derivada Fuerte
)( X ) =
g ( X ) f ( X ) f ( X ). g ( X )
{ g( X ) }
, g( X ) 0
8. si f es diferenciable en B( A, r ) y f ( X ) = 0, para todo X B( A, r ) entonces f es constante en B( A, r ). 9. Si f ( A ) f ( X ) para todo X B( A, r ) entonces f ( A ) = 0. 10. Sean F, G : R R dos transformaciones lineales. Sea f ( X ) = f ( X ). 11. Sea f ( X ) = X+A
2n n n
F( X ), G( X ) . Calcule
, n 1, A un vector constante. Calcule f ( X )
Derivada Fuerte
Regla de la Cadena
Problemas
Leccin 3.4. Regla de la Cadena
Sea f : S R, donde S es un conjunto abierto de R n . Sea : [a, b] S una funcin vectorial cuya imagen determina una curva en S. Entonces f determina una funcin del intervalo [ a, b] al conjunto R. Si ambas funciones son diferenciables entonces tenemos la siguiente expresin conocida como regla de la cadena.
f )( t ) =
f ( ( t ) ), ( t ) .
( 3.4.1 )
Para ver (3.4.1) es suficiente calcular g ( t ), donde g( t ) = ( f )( t ), y hacer uso de la f rmula de diferenciacin (3.3.1). En efecto, llamemos g( t ) =
f )( t ). Sabemos que
g( t + h ) g( t ) = g ( t )h + o( h ).
Para ver quien es g ( t ) procedemos as: Sea Y = ( t + h ) ( t ). Entonces:
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_04_01.tex Page 2 of 5 g( t + h ) g( t ) = ( f )( t + h ) ( f )( t ) = f ( ( t ) + Y ) f ( ( t ) ) = f ( ( t ) )( Y ) + o( Y ) = = = = f ( ( t ) ), ( t + h ) ( t ) f ( ( t ) ), h ( t ) + o 1 ( h ) f ( ( t ) ), ( t ) h + + o( Y ) + o( Y ) + o( Y )
f ( ( t ) ), o 1 ( h )
f ( ( t ) ), ( t ) h + o 2 ( h ),
en donde o 2 ( h ) =
o 2( h ) h
f ( ( t ) ), o 1 ( h )
+ o( Y ). Dejamos que el lector verifique que
0 si h 0. Conclumos, entonces, la validez de (3.4.1)
Como una aplicacin de (3.4.1) tenemos el siguiente ejemplo. Supongamos que el campo escalar f ( x , y ) es tal que cada una de sus variables x e y son funciones de una variable t , sto es, x = x ( t ) e y = y ( t ). Entonces f ( x , y ) = F( t ). La expresin (3.4.1) nos dice que
F(t) =
f ( x, y ) x
x ( t ) +
f ( x, y ) y
y ( t ).
( 3.4.2 )
Otra manera sugestiva de escribir (3.4.2) es la siguiente:
F( t ) =
f ( x , y ) dx x dt
f ( x, y ) d y . y dt
Por ejemplo: Sea f ( x , y ) = x 2 + y 2 y supongamos que x ( t ) = t e y( t ) = t 2 . Entonces F ( t ) = 2t .1 + 2t 2 .2t = 4t 3 + 2t . Derivada en la direccin de una curva si llamamos T ( t ) el vector tangente unitario de la curva definida por ( t ), sto es, T( t ) =
(t) ( t )
, entonces la expresin
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_04_01.tex Page 3 of 5 f ( ( t ) ), T ( t ) ( 3.4.3 )
se le llama la derivada del campo escalar en la direccin de la curva . Algunos autores denotan
df ds
f ( ( t ) ), T ( t ) . Es claro que si la curva la reparametrizamos entonces su vector

df ds
tangente unitario T( t ) puede cambiar, por ejemplo invertir su direccin, y por lo tanto de signo.
cambiar
Un ejemplo interesante de la derivada del campo escalar en la direccin de la curva es el siguiente: Sea f ( x , y ) un campo escalar y supongamos que el conjunto
C =
{ ( x , y ),
f ( x , y ) = c , c constante }
determina la imagen de una curva diferenciable en R que representamos por ( t ). Esta curva C se denomina curva de nivel.
Figura No. 1 Entonces ( f ) ( t ) = 0 y por lo tanto f ( ( t ) ), T( t ) = 0. Esto nos indica que
1. El vector f ( ( t ) ) es un vector perpendicular a la curva.
2. La derivada de f a lo largo de la curva es cero. 3. La derivada direccional de f en el punto ( t ) tendr su mximo valor en la direccin perpendicular a la curva. Si por ejemplo f ( x , y ) determina la temperatura de una placa en cada punto ( x , y ) entonces la curva C se denomina una isoterma. Es bien conocido que el flujo de calor en una placa se realiza en la direccin del cambio ms rpido de temparatura, entonces, por la propiedad 3. anterior, el flujo de calor se realiza perpendicularmente a las isotermas. Plano tangente a una superficie . Sea f : R R un campo escalar y consideremos el conjunto
3
L = {X R , f ( X ) = c, c constante}
Este conjunto, llamado conjunto de nivel, representa una superficie en R 3 . Por ejemplo f ( z, y, z ) = x 2 + y 2 + z 2 = 1 determina la superficie de una esfera de centro en el origen y radio 1. Para cualquier curva ( t ) cuya imagen est en L tendremos que ( f )( t ) = c y por lo tanto ( f ) ( t ) = 0. Esto nos indica que f ( A ), donde A L, es un vector perpendicular a la superficie L . Por lo tanto el plano determinado por el vector normal f ( A ) y el punto A L se denomina el plano tangente a la superficie L en el punto A. La ecuacin cartesiana de este plano ser:
P[A, f ( A )] =
{X R ,
n
X A, f ( A )
= 0
}.
Tambin lo podemos escribir as:
P( f ( A ), A ) =
{ X R ,D
n
f ( A )( x a ) + D 2 f ( A )( y b ) + D 3 f ( A )( z d ) = 0
},
en donde A = ( a, b, d ) y X = ( x , y, z ). Ejemplo:
Hallemos el plano tangente a la superficie z = x y en el punto ( 1, 1, 1 ). En este caso tomemos f ( x , y, z ) = x y z. La superficie que tenemos que considerar es
{ ( x , y , z ), f ( x , y , z ) = 0 }. Ahora
f ( x, y, z ) =
( y, x ,
1)
y por lo tanto f ( 1, 1, 1 ) = en el punto ( 1, 1, 1 ) ser:
( 1, 1,
1 ). Entonces la ecuacin del plano tangente a la superficie
( x 1 ) + ( y 1 ) ( z 1 ) = 0.
Esto es, x + y z = 1.
Problemas
Regla de la Cadena
Derivada Campo Vectorial
Leccin 3.4. Problemas 1. Sea w = r 3 + s 2 y r = pq 2 , s = p 2 sen q. Calcule
w w y . p q dw dt
Regla de la Cadena
2. Sea w = x 2 + yz y x = 3t 2 + 1, y = 2t 4, z = t 3 . Calcule 3. Sea w = x 3 y 3 y x =

1 , t+1
y =
t . t+1
Calcule
dw . dt
4. Una funcin f de dos variables se dice homognea de grado n si f Muestre que para tales funciones se cumple que
( tx , t y )
= t n f ( x , y ).
( x, y )
x
+y
( x, y )
y
= n f ( x, y )
5. Sea w = f ( x , y
) yx
= rcos , y = rsen . Muestre que
( ) +( ) = ( )
w x 2 w y w r
1 r
2
( ).
w
6. Sea w = f ( x , y
) yx
= rcos , y = rsen . Muestre que
w x 2
w y2
w r2
1 w r 2 2
1 w r r
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_04_02.tex Page 2 of 2 7. Encontrar la ecuacin cartesiana del plano tangente al elipsoide x 2 + 2 y 2 + 3z 2 = 6 en el punto ( 1, 1, 1 ) . 8. Encontrar la ecuacin de la recta normal a la suprficie del ejercicio 7. en el punto ( 1, 1, 1 ). 9. Hallar la ecuacin cartesiana del plano tangente y la recta normal a la superficie z = ln x y en el punto
1 , 2
2, 0 .
Regla de la Cadena
Problemas
Leccin 3.5. Derivada de un Campo Vectorial
Sea f : S R m , donde S es un conjunto abierto de R n , un campo vectorial. El campo f tiene m funciones componentes f i : S R tales que f( X ) = ( f 1 ( X ), ..., f m ( X ) ). La derivada direccional del campo vectorial f en un punto X y en la direccin Y se define de la misma forma como lo hicimos para campos escalares, sto es,
f ( X, Y ) = lim
t 0
f ( X + tY ) f ( X ) . t
En trminos de las funciones componentes de f vemos que
f ( X, Y ) =
f
k =1
k(
X, Y )e k.
( 3.5.1 )
Anlogamente, la derivada fuerte o derivada de Frechet del campo vectorial f en el punto X se define como la transformacin lineal f ( X ) : R n R m tal que para todo Y R n se cumple que
f( X + Y ) f( X ) = f ( X )( Y ) + o( X, Y ),
( 3.5.2 )
en donde o( X, Y ) :R R es tal que
o ( X, Y ) Y
0 cuando Y 0.
La transformacin lineal f ( X ) la llamamos la diferencial fuerte o de Frechet o simplemente la diferencial de f en el punto X. Es fcil ver que si f es diferenciable en X entonces todas sus funciones componentes son
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_05_01.tex Page 2 of 7 diferenciables y tenemos que
f ( X )( Y ) = f ( X, Y ).
Por (3.5.1) obtenemos
f ( X )( Y ) =
f 1 ( X ), Y , ...,
f m ( X ), Y
).
( 3.5.3 )
La expresin (3.5.3) la podemos presentar en forma matricial, as:
f ( X )( Y ) =
D 1 f 1 ( X ) D2 f 1 ( X ) . . . D n f 1 ( X ) D 1 f 2 ( X ) D2 f 2 ( X ) . . . D n f 2 ( X ) . . . . . . D 1 f m ( X ) D2 f m ( X ) Dn f m ( X )
)( )
y1 y2 . . . yn
en donde Y = ( y 1 , ... y n ). La matriz de m filas por n columnas que definen la transformacin lineal f ( X ) es conocida como la matriz jacobiana de f en X. La notaremos como M f (X ). Regla de la cadena Supongamos que f y g son dos campos vectoriales tales que g : R R es diferenciable en X y f : R m R p es diferenciable en g( X ). Entonces f g : R n R p es diferenciable en X y tenemos que
n m
( f g ) ( X ) = f ( g( X ) ) g ( X ).
( 3.5.4 )
Para ver (3.5.4) procedemos as: Sea Z = g( X + Y ) g( X ), entonces Z = g ( X )( Y ) + o 1 ( X, Y ). Ahora,
( f g )( X + Y ) ( f g )( X )
= f( g( X + Y ) ) f ( g( X ) ) = f( g( X ) + Z ) f( g( X ) ) = f ( g( X ) )( Z ) + o 2 ( g( X ), Z ) = f ( g( X ) ) g ( X )( Y ) + o 1 ( X, Y )

) + o ( g( X ), Z )
2
= f ( g( X ) )( g ( X )( Y ) ) + f ( g( X ) )( o 1 ( X, Y ) ) + o 2 ( g( X ), Z ) = f ( g( X ) )( g ( X )( Y ) ) + o 3 ( X, Y ) =
( f ( g( X ) ) g ( X ) )( Y ) + o ( X, Y ).
3
Dejamos al lector verifique la siguiente igualdad:
f ( g( X ) )( o 1 ( X, Y ) ) + o 2 ( g( X ), Z ) = o 3 ( X, Y ).
La regla de la cadena (3.5.4) tiene la siguiente representacin matricial en trminos de la matriz jacobiana:
M (fg ) (X ) = M f (g (X )) M g (X ),
( 3.5.5 )
en donde el producto de la derecha de (3.5.5) es un producto de matrices. Es importante advertir que M g (X ) es una matriz de orden m n , sto es, m filas por n columnas, y M f (g (X )) es de orden p m, entonces M (fg ) (X ) es de orden p n. Para entender bien el uso de (3.5.5) consideremos el siguiente ejemplo: Sea f = ( f 1 , f 2 ) y g = ( g 1 , g 2 ). Para simplificar llamemos g( X ) = Y. Entonces, en representacin matricial, tenemos
g ( X ) =
D1 g 1 ( X ) D 2 g 1 ( X ) D1 g 2 ( X ) D 2 g 2 ( X )
f(Y) =
D 1 f 1( Y ) D 2 f 1( Y ) D 1 f 2( Y ) D 2 f 2( Y )
Entonces
D 1( f
g )( X ) = D1 f 1 ( Y ).D1 g 1 ( X ) + D 2 f 1 ( Y ).D 1 g 2 ( X )
D 2( f
g )( X ) = D1 f 1 ( Y ).D2 g 1 ( X ) + D 2 f 1 ( Y ).D 2 g 2 ( X ).
De manera anloga tendremos D 1 ( f
g )( X ) y D2 ( f 2 g )( X ).
Consideremos otro ejemplo: Sea f ( x , y ) un campo escalar. El punto ( x , y ) expresado en coordenadas polares satisface
x = y =
rcos rsen.
Denotemos w ( r, ) = f ( rcos , rsen ). Por la regla de la cadena tenemos:
w( r, ) r
f ( rcos , rsen ) x x r
f ( rcos , rsen ) y y r
Esto es
w( r, ) r
f ( rcos , rsen ) x
cos +
f ( rcos , rsen ) y
sen.
En forma similar se calcula Ejemplo: Sea f
w( r, )
( x.y )
= x y. Supongamos que
x = x ( s, t ) = st , y = y( s, t
= s+t
Sea w ( s, t ) = f ( st , s + t ) . Entonces
w s, t s
( )
( x( s, t ), y ( s, t ) ) x( s, t )
x
( x( s, t ), y( s, t ) ) y( s, t )
y
Esto es,
w s, t s
( )
= ( s + t )t + st .
Ejemplo Sean f ( x , y ) =
( x y , x + y ) y g( x , y ) f ( x , y ) y g ( x , y ) es:
( e x , e y ). Entonces la representacin matricial de
( x, y )
y x 1 1
g ( x, y
ex 0 0 ey
Por lo tanto, la representacin matricial de ( f g ) ( x , y ) es
f g ) ( x, y ) = f
( e x, e y ) g ( x , y )
e y ex 1 1
)(
ex 0 0 ey
Esto es
f g ) ( x, y ) =
e y +x e y +x ex ey
Anlogo al teorema del valor medio para campos escalares, Teorema (3.2.1), tenemos una versin del mismo para campos vectoriales, as: Teorema 3.5.1 Sea f : S R m , donde S es un conjunto abierto y convexo de Rn , m diferenciable fuertemente en todo S. Sean X, Y S. Entonces para todo A R existe Z que pertenece al segmento que une X con Y ( Z = tY + ( 1 t )X, 0 t 1 ) tal que A, f ( Y ) f( X ) = A, f ( Z )( Y X )
(3.5.6)
Demostracin Sea U = Y X. Puesto que S es abierto y convexo X + tU S, con t ( , 1 + ) , > 0 y pequeo. Sea g( t ) = A, f ( X + tU ) (3.5.7)
Entonces g es diferenciable en ( , 1 + g ( t ) =
) y su derivada es:
(3.5.8)
A, f ( X + tU )( U )
Por el Teorema del valor medio para funciones de una variable tenemos que g( 1 ) g( 0 ) = g ( con 0 < < 1. Ahora slo debemos observar que g ( ) = que g( 1 ) g( 0 ) = A, f( Y ) f( X ) A, f ( X + U )( U ) y as obtenemos (3.5.6)
(3.5.9)
A, f ( Z
)( Y X )
Problemas
Derivacin Implcita
Leccin 3.5. Problemas 1. Sea f ( x , y ) = ( x y 2 , yx 2 ). Hallar f ( x , y ). 2. Sea f ( x , y ) un campo escalar. Suponga que
Derivada de un Campo Vectorial
x y
= rcos = rsen.
Sea w ( r, ) = f ( rcos , rsen ). Calcule 3. Muestre que
w( r, )
w( r, ) r
f ( g( X ) )( o 1 ( X, Y ) ) + o 2 ( g( X ), Z ) = o 3 ( X, Y ).
Sea f ( x , y ) = 4. f ( x , y ) 5. g ( x , y ) 6.
( senx , cos x y ) y g( x , y ) = ( x 3 y , x y 3 ). Calcule
( f g ) ( x, y ) ( 2x + 3 y, x y ). Halle la matriz de f ( 1, 1 )
7. Sea f ( x , y ) =
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_05_02.tex Page 2 of 2 8. Muestre que si f : R R es lineal entonces

n n
f ( x, y ) = f
Derivacin Implcita
Problemas
Leccin 3.6. Derivacin Implcita
3
Las superficies en R se representan por medio de expresiones del tipo F( x , y , z ) = 0. Por ejemplo, x 2 + y 2 + z 2 1 = 0 representa la superficie de una esfera de centro en el origen y radio 1. Algunas veces es posible despejar una de las variables en trminos de las otras dos, por ejemplo, en el caso de la esfera podemos hacer
z z
1 x2 y2
1 x 2 y2 .
Pero en general sto no es posible. Consideremos por ejemplo la ecuacin cos x yz + e x yz = 0, no es posible despejar una variable en trminos de las otras dos. No obstante supongamos que de la ecuacin F( x , y, z ) = 0 podemos despejar, implcitamente, a z en trminos de x , y. Esto es, supongamos que z = f ( x , y ). Tenemos entonces que F[x , y , f ( x , y )] = 0. Si llamamos g( x , y ) = F[x , y, f ( x , y )] entonces g( x , y ) = 0 y por lo tanto sus derivadas parciales son iguales a cero. Si usamos la regla de la cadena obtenemos
0 0
= =
g x g y
x = D 1F + D 2 F x + D 3 F x x x = D 1F + D2 F y + D 3 F y . y y f
Esto es,
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_06_01.tex Page 2 of 5 0 = 0 =
g( x , y ) x g( x , y ) y
= D 1 F( x , y, z ) + D3 F( x , y, z ) = D 2 F( x , y, z ) + D3 F( x , y, z )
f ( x, y ) x f ( x, y . y
(3.6.1)
Si, en (3.6.1), D3 F( x , y, z ) 0 obtenemos
f ( x, y ) x f ( x, y ) y
= =
D 1 F ( x, y , z ) D 3 F ( x, y , z ) D 2 F ( x, y , z ) D 3 F ( x, y , z )
(3.6.2) .
Vemos entonces que aunque no conocemos una expresin exacta de z en trminos de x e y s podemos conocer sus derivadas parciales. En el ejemplo cos x yz + e x yz = 0 procemos as:
z x z y
= =
yzsen ( x yz ) + y ze
xyz
x ysen ( x yz ) + x ye xyz
, x ysen ( x yz ) + x ye xyz
xzsen ( x yz ) + xze
xyz
siempre que x ysen( x yz ) + x ye xy z 0. La anterior discusin puede generalizarse a ms variables, por ejemplo, si tenemos F( x 1 , x 2 , ...x n ) = 0 podemos obtener derivadas parciales implcitas de x n como funcion de las variables x 1 , ..., x n 1 . Tendremos, entonces, frmulas del siguiente tipo D kx n = siempre que D n F 0. La derivacin implcita nos sirve para el clculo de curvas definidas implcitamente. Sean F( x , y, z ) = 0 y G( x , y , z ) = 0 dos superficies. Su interseccin determina una curva y aunque no est determinada explcitamente podemos obtener alguna informacin si suponemos, por ejemplo, que x = x ( z ) e y = y( z ), con z perteneciendo a algn intervalo I. Usamos la regla de la cadena como en (3.6.1) y obtenemos
D kF D nF
, k = 1.2..., n 1,
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_06_01.tex Page 3 of 5 D3 F D3 G = D 1 F.x ( z ) + D 2 F. y ( z ) = D 1 G.x ( z ) + D 2 G. y ( z ) ( 3.6.3 )
Para aquellos puntos en los que el discriminante del sistema (3.6.3) no se anule podemos obtener f rmulas para x ( z ) y y ( z ), as:
D 3F D 2F
x ( z )
D 3G D 2G D 1F D 2F D 1G D 2G D1F D 3F D 3G
(3.6.4)
y ( z )
D1G
D 1F D 2F D 1G D 2G
Es as cmo podemos conocer el vector tangente a la curva en cada punto z I, y por lo tanto determinar la curva interseccin de las dos superficies siempre y cuando conozcamos un punto que se encuentre en la interseccin de las dos superficies.
Ejemplo Consideremos las superficies
F( x , y, z ) G( x , y, z )
= x+ y+ z = 0 = 2x + y + z 1 = 0
(3.6.5)
Un clculo sencillo nos dice que
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_06_01.tex Page 4 of 5 D 1 F( x , y , z ) D 2 F( x , y , z ) D 3 F( x , y , z ) D 1 G( x , y , z ) D 2 G( x , y , z ) D 3 G( x , y , z ) = 1 = 1 = 1 = 2 = 1 = 1
de acuerdo con (3.6.4) obtenemos que
x ( z ) y ( z )
= 0 = 1
Por lo tanto
x( z ) y( z )
= c = z + d,
en donde c, d son constantes que debemos determinar. De (3.6.5) obtenemos que x = 1. Esto es, x ( z ) = c = 1. Entonces la interseccin de las dos superficies est determinada por el conjunto
{ ( 1, z + d, z ) , z R },
en donde d debe ser determinada. Ahora, para z = 0 el punto ( 1, d, 0 ) que est en la interseccin de las dos superficies es aquel para el cual d = 1. Por lo tanto, la interseccin de las dos superficies es el conjunto
{ ( 1, z +
1, z ), z R
},
sto es, la recta
{ ( 1, 1, 0 ) + z( 0, 1, 1 ), z R }.
Problemas
Derivacin Implcita
Puntos Estacionarios
Leccin 3.6. Problemas 1. Considere la ecuacin Derivacin Implcita
x 2 + y 2 + z 2 + x y + xz + yz = 0.
Suponga que z es funcin de x e y, sto es: z = z( x , y ). Calcule 2. Considere la ecuacin
z x
z y . y
x yz + ( x yz ) +
( x yz )
= 0.
Suponga que z es funcin de x e y, to es: z = z( x , y ). Calcule
z x
z y . y
3. Usando diferenciacin implcita calcule la ecuacin de la curva interseccin de las superficies
F( x , y, z ) G( x , y, z )
= x y+z = 0 = 2x + y + z + 2 = 0
4. Usando diferenciacin implcita calcule la ecuacin paramtrica de la curva interseccin de las superficies
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_06_02.tex Page 2 of 2 F( x , y , z ) G( x , y , z ) = x 2 + y 2 + z 2 25 = 0 = z+2 = 0
5. Las ecuaciones
x+y xy
= uv = uv
definen a x e y como funciones implcitas de u, v . Esto es, x = x ( u, v ) e y = y( u, v ) . Use

x derivacin implcita para calcular , u x y y , , v v u
Derivacin Implcita
Problemas
Leccin 3.7. La funcin Puntos Estacionarios
f ( x, y ) = 1 x 2 y2
alcanza en en ( 0, 0 ) su mximo valor. Es claro que
f ( x , y ) f ( 0, 0 ) = 1,
para todo ( x , y ) R 2 . Un clculo sencillo nos indica que
f ( 0, 0 ) = ( 0, 0 ).
Anlogamente,
f ( x, y ) = 1 + x 2 + y2
alcanza en ( 0, 0 ) su mnimo valor, sto es f ( x , y ) f ( 0, 0 ) = 1. En este caso tambin f ( 0, 0 ) = ( 0, 0 ). Tenemos, entonces la siguiente Definicin (3.7.1) Sea f : D R, en donde D es un conjunto abierto de R . Decimos que A D es un punto de mximo local de f si existe una bola B( A, r ) D tal que f ( A ) f ( X ), para todo X B( A, r ).
n
Revesrando la desigualdad en la definicin anterior obtenenemos una definicin de punto de mnimo local. Supongamos que f es fuertemente diferenciable y que tiene en A un punto de mximo local. Sabemos que
f ( A ), Y
= lim
t 0
f ( A + tY ) f ( A ) . t
( 3.7.1 )
Puesto que A es un punto de mximo local, para pequeos valores de t el numerador del segundo miembro de (3.7.1) tiene signo negativo o es cero. Entonces, ya sea que t tienda a cero por la derecha o por la izquierda el signo del cociente en (3.7.1) ser negativo o positivo respectivamente. Esto nos indica que necesariamente dicho cociente debe ser cero. Esto es, f ( A ), Y = 0, para todo Y R n . Esto quiere decir que f ( A ) = ( es el vector cero). El mismo resultado obtenemos si el punto es de mnimo local. A diferencia de los ejemplos anteriores consideremos la funcin
f ( x, y ) = x y.
Vemos que en este caso que f ( 0, 0 ) = ( 0, 0 ) y no obstante el punto ( 0, 0 ) no es de mximo ni de mnimo. Vemos que f ( x , y ) > 0 para x > 0 y y > 0 como tambin para x < 0 y y < 0. En cambio, para x < 0 y y > 0, como tambin para x > 0 y y < 0, vemos que f ( x , y ) < 0. Esto nos indica que ( 0, 0 ) no es de mximo ni de mnimo. Observemos que sobre la recta y = x la funcin f tiene, en ( 0, 0 ), un punto de mnimo y sobre la recta y = x el punto es de mximo. En este caso decimos que ( 0, 0 ) es un punto de silla. En trminos generales, A es un punto de silla si en toda bola B( A, r ) encontramos puntos X tales que f ( X ) > f ( A ) y otros para los cuales f ( X ) < f ( A ). Los puntos X tales que f ( X ) = se llaman puntos crticos o estacionarios. Vamos, ahora, a obtener un resultado que nos permita clasificar los puntos estacionarios. Antes de ello introduciremos la siguiente notacin: La matriz
(D
ij
f(A)
) = H ( A ),
f
de orden n n, se llama la matriz hessiana de f en A. Es fcil ver que, para Y = ( y 1 , y 2 , ..., y n ),
H f( A )Y, Y
D
j = i= 1
ij
f ( A ) y i y j.
( 3.7.2 )
Nuestro principal resultado es el siguiente Teorema (3.7.1)(Frmula de Taylor de segundo orden) Supongamos que f tiene derivadas parciales de segundo orden continuas en B( A, r ). Entonces
f ( A + Y) f (A )
=
1 2!
f ( A ), Y H f( A ) Y, Y
+ +o
(3.7.3)
Demostracin: Sea g( t ) = f ( A + tY ). Puesto que f tiene derivadas parciales de orden dos continuas la funcin g admite un desarrollo de Taylor de orden dos en el intervalo 0, 1 . Esto es,
g( 1 ) g( 0 ) = g ( 0 ) +
1 g( 2!
s ),
( 3.7.4 )
para algn s ( 0, 1 ). Ahora,
g(s) =
f ( A + sY ), Y
D f ( A + sY ) y .
j j j =1
Entonces
g (s) =
D D f ( A + sY ) y
i j i= 1 j =1
yi =
H f ( A + sY ) Y, Y ,
en donde Y = ( y 1 , y 2 , ..., y n ). Ahora, sea
h( s ) =
{ H ( A + sY ) H ( A ) }Y, Y
f f
Entonces, por la desigualdad de Cauchy -Schwarz obtenemos
h( s )
H f( A + sY ) H f( A )
( 3.7.5 )
Como f tiene derivadas parciales de segundo orden continuas tenemos que
h( s ) Y
2
0 cuando Y 0.
Esto es, h = o H f ( A )Y, Y
). Para terminar slo nos resta remplazar, en (3.7.4), a g ( s ) por
+ h( s ) y obtenemos inmediatamente (3.7.3).
Si las derivadas parciales de segundo orden son continuas entonces
D ij f ( A ) = D ji f ( A )
y la matriz H f ( A ) es simtrica. Podemos, entonces, hacer un cambio de variable que nos permita presentar la matriz en forma diagonal. Sabemos que en esa diagonal aparecern los valores propios de la matriz hessiana, digamos que son: 1 , ..., n . Es as cmo la forma cuadrtica
1 2!
H f( A )Y, Y
la podemos escribir cmo
1 2!
H f( A )Y, Y
1 2!
i. y
i =1
2 i
( 3.7.6 )
Clasificacin de los Puntos Crticos Supongamos que A es un punto crtico, o estacionario, de f , entonces f ( A ) = . Por lo tanto, de (3.7.3) y (3.7.6) obtenemos
f (A + Y) f ( A ) =
1 2!
i. y
i= 1
2 i
+o
),
y observamos que el signo de f ( A + Y ) f ( A ), para Y muy pequeo, es el signo de la forma cuadrtica i. y 2 i . Deducimos entonces que
i= 1 n
1. Si los valores propios 1 , ..., n de la matriz hessiana en A son todos positivos, el punto A es de mnimo 2. Si los valores propios son todos negtivos, el punto A es de mximo. 3. Si los valores propios son unos negativos y otros positivos, el punto A es de silla. 4. Si por lo menos uno de los valores propios es cero, el criterio de los valores propios no decide. Ilustremos lo anterior con un ejemplo. Consideremos la funcin
f ( x, y ) = 1 x 2 y 2
Es claro que f ( x , y ) = ( 2x , 2 y ). Por lo tanto el punto crtico de f es el vector ( 0, 0 ). Por otra parte, la matriz hessiana de f en ( 0, 0 ) es
( 0, 0 ) D21 f ( 0, 0 )
D11 f
D 12 f ( 0, 0 ) D 22 f ( 0, 0 )
2 0
0 2
cuyos valores propios son 1 = 2 y 2 = 2. Entonces, como los valores propios son negativos, ( 0, 0 ) es un punto de mximo. Veamos dos ejemplos que ilustran la propiedad 4. La funcin
f ( x, y
= x 3 3x y 2
tiene en ( 0, 0 ) un punto crtico. Los valores propios de la matriz hessiana H f( 0, 0 ) son iguales a 0. Es fcil ver que ( 0, 0 ) es un punto de silla. Tambin, la funcin
( x, y )
= x 2y2
tiene en ( 0, 0 ) un punto crtico. Los valores propios de la matriz hessiana H f( 0, 0 ) son iguales a 0. Es fcil ver que ( 0, 0 ) es un punto de mnimo. Un ejemplo interesante El siguiente ejemplo nos muestra cmo una funcin puede tener, en un punto A, un mnimo cuando restringimos la funcin a cualquier recta que pasa por l y no obstante el punto A es de silla: Sea
f ( x, y ) =
( y x )( y 2x ).
2 2
Si hacemos y = mx , vemos que f ( x , mx ) = m 2 x 2 + 3x 4 3mx 3 tiene en x = 0 un punto de m nimo. Esto es, sobre la recta y = mx la funcin f tiene en ( 0, 0 ) un punto de mnimo. Tambin,
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_07_01.tex Page 7 of 7 sobre la recta x = 0 la funcin tiene en ( 0, 0 ) un punto de mnimo. No obstante podemos encontrar puntos ( x , y ) en cualquier vecindad de ( 0, 0 ) para los cuales f ( x , y ) > 0 y otros tales que f ( x , y ) < 0.
Problemas
Multiplicadores de Lagrange
Leccin 3.7. Problemas 1. Sea f 2. Sea f 3. Sea f Puntos Estacionarios
( x, y ) ( x, y ) ( x, y )
= x 2 + 2x y + 3 y 2 . Halle todos los puntos estacionarios. = x 3 + 3x y y 3 . Halle todos los puntos estacionarios. = sen x + sen y + sen( x + y ). Halle todos los puntos estacionarios.
4. Establezca la distancia ms corta del punto P =
( 2, 1,
1 ) al plano 4x 3 y + z = 5.
5. Encuentre tres nmeros reales positivos tales que su suma sea 1000 y su producto sea mximo. 6. Determinar las constantes a y b tales que la integral
( x
1 0
+ ax + b
) dx
tenga un valor mnimo. 7. (El mtodo de los Mnimos Cuadrados) El conjunto de puntos
{ ( x , y ) R , k = 1, 2...n }
2 k k
no necesariamente estn en lnea recta. Pero podemos pensar en una recta y = mx + b que mejor los aproxime. En Estadstica esta recta se llama recta de regresin lineal. La manera para hallarla consiste en minimizar el error cuadrtico
E( m , b ) =
( y
k =1
mx k b
Halar m y b para que E( m, b ) sea mnimo. 8. Sea
{ A , ...A } R . Para cada X R ,

n n 1 k
la funcin
f (X) =
j= 1
X Aj
representa la suma de las distancias al cuadrado del punto X al punto A j. Halle el punto de mnimo de f.
Problemas
Leccin 3.8. Multiplicadores de Lagrange
En esta seccin estudiaremos un mtodo, el mtodo de los multiplicadores de Lagrange, para estudiar la existencia de extremos (mximos y mnimos) de funciones que estan sometidos a restricciones. Por ejemplo, la distancia al origen de la recta y = x + 1 es un problema que consite en hallar un mnimo bajo una restriccin. Esto es, debemos minimizar la funcin distancia f ( x , y ) = x 2 + y 2 bajo la condicin y x 1 = 0. Este problema es de fcil resolucin si remplazamos la variable y = x + 1 en la funcin f ( x , y ). El problema queda reducido a un problema de mnimos de una funcin de una sola variable. No siempre es posible reducir un problema de extremos condicionados a un problema de mximos o mnimos de una sola variable. El siguiente teorema nos proporciona una condicin necesaria para n que X 0 R sea un extremo condicionado de una funcin f . Teorema (3.8.1) (Multiplicadores de Lagrange). Sea f : Rn R un campo escalar diferenciable con continuidad. Sean g 1 , g 2 , ... g m , m < n, campos escalares diferenciables con n continuidad. Supongamos que X 0 R es un extremo de f bajo la condicin que
X0
{X
R , g i( X ) = 0 para i = 1, 2...m
}.
Si el conjunto g i ( X 0 ), i = 1, 2, ...m es linealmente independiente, entonces existen 1 , 2 , ... m , nmeros reales, llamados los multiplicadores, tales que
f ( X 0 ) = i g i( X 0 ).
i= 1
(3.8.1)
El Teorema exige, para su demostracin, erramientas ms avanzadas de anlisis matemtico y no la haremos aqu. El teorema nos proporciona una condicin necesaria y no suficiente para la existencia de extremos condicionados. No nos proporciona informacin sobre la clase de extremo en cuestin, slo con
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_08_01.tex Page 2 of 5 otras consideraciones, fsicas o geomtricas, debemos decidir si el punto X 0 es de mximo o de m nimo condicionado. El mtodo exige resolver un sistema de m + n ecuaciones, cuales son las que se derivan de (3.8.1) ms las condiciones g i( X ) = 0 para i = 1, 2...m, con m + n incgnitas, cuales son las n componentes de X 0 ms los m multiplicadores. La independencia lineal del conjunto g i( X 0 ), i = 1, 2, ...m es definitiva para que el mtodo sea eficaz. Por ejemplo, supongamos que queremos minimizar la funcin
f ( x , y, z ) = x 2 + y 2 ,
sto es, la distancia al cuadrado de un punto ( x , y, z ) al eje z, bajo la condicin que el punto de m nimo ( x , y, z ) satisfaga las ecuaciones
z z2 ( y 1 )
2
= 0 = 0.
Esto es,
g 1 ( x , y, z ) g 2 ( x , y, z )
= z = 0 = z 2 ( y 1 ) = 0.
2
Observemos que el punto ( 0, 1, 0 ) es un extremo condicionado tal que
g 2 ( 0, 1, 0 ) g 1 ( 0, 1, 0 )
= ( 0, 0, 0 ) = ( 0, 0, 1 )
y f ( 0, 1, 0 ) = ( 0, 2, 0 ). Por lo tanto no se satisface (3.8.1). Veamos un ejemplo del uso de los multiplicadores de Lagrange Ejemplo: Deseamos calcular la distancia del origen ( 0, 0, 0 ) al plano cuya ecuacin es x + y + z = 1. El objetivo es hallar un punto
(x
0,
y 0, z0
) que satisfaga la ecuacin del plano y que
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_08_01.tex Page 3 of 5 sea un punto de mnimo de la funcin distancia de un punto al origen. Esta funcin distancia la podemos tomar como
f ( x , y, z ) = x 2 + y 2 + z 2 .
y la restriccin g( x , y, z ) = x + y + z 1 = 0. Realmente la funcin distancia al origen que debemos tomar es h = x 2 + y 2 + z 2 , pero es claro que los extremos de h son los mismos de f y con sta ltima los calculos se simplifican. De acuerdo con (3.8.1), y en este caso slo hay una restricin, los puntos de mnimo de f condicionados a la restricin g = 0 deben satisfacer el sistema
( x , y, z )
= g( x , y, z ).
( 3.8.2 )
El sistema (3.8.2) es el sistema
2x 2y 2z x+y+z
= = = = 1
Resolvemos el sistema anterior y encontramos que
x y z
= = = =
2 3 1 3 1 3 1 3
Entonces el punto
1 1 1 , , 3 3 3
) debe ser el punto que minimiza a f sujeto a la condicin g = 0.
3 3
Deducimos que la distancia del plano al origen es
Ejemplo. Calcular el rea del mximo paralelogramo que se puede inscribir en la circunferencia cuya ecuacin es x 2 + y 2 = 1. Cmo se indica en la figura,
Figura No. 1 podemos suponer que los vrtices del paralelogramo son: ( x , y ), ( x , y ), ( x , y
)y
x , y ). Entonces la funcin de rea que debemos maximizar es f

2 2
( x, y )
= 4x y y la resticcin
que de imponemos es g( x , y ) = x + y 1 = 0. Puesto que slo hay una restriccin el Teorema (3.8.1) nos dice que
( x, y )
= g( x , y )
Por lo tanto debemos resolver el siguiente sistema
4y 4x x 2 + y2 1
= 2x = 2 y = 0
a) b) c)
Si eliminamos x de las ecuaciones a) y b) obtenemos que
y 4
)=0
Esta ecuacin implica que y = 0 o 4 = 0. Ahora si y = 0 tendramos que concluir de las ecuaciones a) y b) que x = 0 y y = 0, lo que contradice la ecuacin c). Es as cmo debemos concluir que = 2. Si tomamos el caso = 2 obtenemos de las ecuaciones a) y b) que x = y. Y si tomamos el caso = 2 obtenemos que x = y . En ambos casos la ecuacin c) nos dice 2x 2 = 1, sto es, x =
2 2
. Por lo tanto los cuatro vrtices del paralelogramo sern
(
4
2 2 2 2
2 2
2 2
)(
,
2 2
)(
,
2 2
)(
,
Esto nos indica que el valor extremo de f
( x , y ) bajo la restriccin g( x , y )
= 0 debe ser
= 2. Por consideraciones geomtricas debemos concluir que este valor es mximo.
Problemas
Operadores de Contraccin
Leccin 3.8. Problemas Use multiplicadores de Lagrange para calcular los mximo y los mnimos de 1. f ( x , y ) = y 2 4x y + 4x 2 tal que x 2 + y 2 = 1 2. f ( x , y, z ) = x 2 + y 2 + z 2 tal que x y = 1 y y 2 z 2 = 1. 3. Encuentre el punto de la esfera x 2 + y 2 + z 2 = 9 ms cercano al punto ( 1, 2, 3 ). 4. Demuestre que el tringulo de permetro p de mayor rea es el tringulo equiltero. Recuerde que el rea de un tringulo de lados x , y, z es Multiplicadores de Lagrange
p 2
p 2
)(
p 2
)(
p 2
5. Sea L la recta interseccin de los planos
3x + 2 y + z x 4 y + 2z
= 6 = 8
Halle, usando multiplicadores de Lagrange, el punto de L ms cercano al origen.
Problemas
Leccin 3.9. Operadores de Contraccin
El concepto de operadores de contracin que desarrollaremos en esta seccin tiene como principal resultado el Teorema de Contraccin de Banach. Las consecuencias de este importante resultado son numerosas, nosotros las ilustraremos con dos importantes Teoremas: El Teorema de la funcin inversa y el Teorema de la funcin implcita. Definicin (3.9.1) : Sea ( E, d ) un espacio mtrico. Sea f : ( E, d )( E, d ) una aplicacin. Decimos que f es una contraccin si existe 0 < < 1 tal que para todo x , y ( E, d ) se cumple que d
( f ( x ), f ( y ) ) d( x , y )
(3.9.1) > 0, es una contraccin. Obs
Ejemplo Sea f : RR, definida como f ( x ) = mx , 1 > m rvese que en este caso d( x , y ) = x y y = m .
Teorema (3.9.1) (Banach). Sea ( E, d ) un espacio mtrico completo. Sea f : ( E, d )( E, d ) una contraccin. Entonces existe un nico x ( E, d ) tal que f ( x ) = x Esto es, f tiene un nico punto fijo. Demostracin. Escojamos x 0 xn = f
( E, d ) arbitrariamente.
Definimos x 1 = f
(x )
0
y en general
(x ) =
n 1
f ( n ) x 0 , n = 1, 2, ...
( )
(3.9.2)
Probemos que la sucesin x n es de Cauchy (vase definicin 1.2.6 ). Sea m > n > 1, entonces, de (3.9.2) y la desigualdad triangular obtenemos
{ }
d x m, x n
( x ), f ( )( x ) ) d( x , x ) { d( x , x ) + d( x , x ) + ...d( x d( x , x ) { 1 + + + ... } d( x , x )
d
m
(f(
n n n
m n
m n 1 ,
x m n
)}
m n 1
n 1
Puesto que 0 < < 1 obtenemos que lim conclumos que la sucesin
n
d 1
(x ,x )
0 1
= 0. De sto y la anterior desigualdad
{ x } es de Cauchy. { x } es
n
Como el espacio ( E, d ) lo hemos supuesto completo llegamos a que la sucesin convergente y por lo tanto existe x
( E, d ) tal que lim x n

n
= x . Ahora, puesto que f es una
contracin y por lo tanto continua, obtenemos que
f ( x ) = lim f
n
(x )
n
= lim x n +1 = x
n
(3.9.3)
Esto es, x es un punto fijo de f . Para ver que es el nico punto fijo, suponemos que existen x e y puntos fijos de f y distintos, entonces de (3.9.1) obtenemos que
d( x , y ) d( x , y ) lo cual implica que 1, contradiciendo la hiptesis 0 < < 1. o La primera aplicacin que daremos del Teorema (3.9.1) es el siguiente teorema conocido como el Teorema de la funcin inversa Teorema (3.9.2) Sea f : Rn R n de clase C 1 . Supongase que f f
(x ) =
0
y 0 . Si la derivada
1
( x ) : R R
0 1
es invertible entonces existe una vecindad abierta de x 0 , U x 0 , y una
vecidndad abierta de y 0 , V y 0 , tal que f : U x 0 V y 0 es uno a uno y sobre y adems f clase C
es de
Comentarios
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_09_01.tex Page 3 of 7 Que f : R R sea de clase C significa que f ( x ) existe para todo x en el dominio de definicin de f y adems que f ( x ) f ( y ) cuando x y. Observemos que f ( x ) f ( y ) tiene sentido en el espacio vectorial de las matrices M n n con la mtrica que define la norma (A) que presentamos en la prueba del Teorema (3.9.2) En el caso f : RR, del clculo elemental, f
n n 1
( x ) invertible significa que f ( x )

0 0
0 y la
continuidad de f ( x ) nos dice que en una vecindad abierta de x 0 , f ( x ) es estrictamente mayor o menor que cero, sto es: la funcin f es estrictamente creciente o decreciente respectivamente y por consiguiente, en dicha vecindad, la funcin, en ambos casos, es invertible. Ejemplo 1 Sea f : R 2 R2 , f
( x, y )
f
( x y , yx ). Un clculo nos dice que

2
( x, y ) ( x, y )
= =
y 2 2 yx y x
det f
xy2
Esto nos dice que f
( x , y ) es invertible en el conjunto abierto
U = R
{ ( x , y ), x = 0o y = 0 }
Ahora, la solucin del sistema x y2 = z yx = w

w2 z 1
es x =
e y =
z w,
por lo tanto f
( z, w )
w2 z z , w
y est definida en el abierto U.
Ejemplo 2 A diferencia del Ejemplo 1 mostraremos en el siguiente ejemplo el caracter local del Teorema 9.1.1 Sea f : R R , f
2 2
( x, y )
( e xcos y, e xsin y ). Vemos que
( x, y )
e x cos y e xsin y
e xsin y e x cos y
y det f ( x , y ) = e 2 x 0, cualquiera que sea ( x , y ) R . Luego f ( x , y ) es invertible en todo punto del plano. No obstante podemos ver que f ( 0, 0 ) = f ( 0, 2 ) = ( 1, 0 ) , sto es: f no es uno a uno. Como una segunda aplicacin del Teorema (3.9.1) demostraremos el Teorema de la funcin implcita. Ya en la seccin 6 de este captulo habamos hecho uso de este resultado cuando considerabamos superficies definidas por la ecuacin F( x , y, z ) = 0 y observbamos que no siempre era posible obtener una expresin de la forma z = f ( x , y ). No obstante, el teorema de la funcin implcita F nos dice que bajo ciertas restricciones sobre una tal f ( x , y ) existe y cumple que z F x, y, f ( x, y
))
= 0.
Antes de enunciar el Teorema haremos algunas aclaraciones sobre la notacin que usaremos. Sea n +m m n +m m f : R R , f = f 1 , f 2 , ... f m con f i : R R , i = 1, 2...m. Los vectores w R los escribiremos como w = ( x , y ), donde x R y y R . Si, por ejemplo, dejamos x R n fijo f ser una funcin de R m R m , es decir, podemos mirar las variables x 1 , ...x n como constantes. Ahora, si para x 0 R n fijo f x 0 , . : Rm Rm es diferenciable en y 0 R , su diferencial la notaremos como f
m y n +m
(x ,y
0 f 1 y 1
( ) ) y estara representada por la matriz

f 1 y m1
(x ,y )
0 0
(
y
. .
. .
f m y1
. . . .
f m y m
)
0 n +m
y se tiene que f
( x , y ) f ( x 0, y 0 )
= f
( x , y )( y y ) + o( x , y )
0 0
o x, y
donde
y y0
0 cuando y y 0 0
Ahora tenemos el siguiente Teorema (3.9.3) Sea f : R

n +m
R , continua en un abierto U R
y
y sea
(x , y )
0 0
tal que f x 0 , y 0 = . Supongamos que f x 0 , y 0 : R R es invertible y continua n con respecto a x . Entonces existe un abierto V R que contiene a x 0 y una nica funcin continua g : VR tal que g x 0
m
( )
= y 0 y f ( x , g( x ) ) = 0.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_09_01.tex Page 5 of 7 Comentario El teorema afirma que bajo las hiptesis impuestas a f la ecuacin f permite expresar, de manera implcita y nica, y en trminos de x , y = g( x ). Demostracin: Tomemos x R fijo y prximo a x 0 . Puesto que f que f ( x, y
n
( x, y )
(x
0,
y0
)=
tenemos
= f
(x
0,
y0
)( y y ) + o( x , y )
0
(3.9.4)
o x, y
donde
y y0
0 cuando y y 0 0. Por lo tanto, para todo > 0 y para todo x

m
suficientemente prximo a x 0 existe un abierto W R que contiene a y 0 tal que si y, z W

o x, y
) o ( x, z )
y z
(3.9.5)
Para cada x suficientemente prximo a x 0 , consideremos la funcin x : WR m x( y ) = y
( (
f
y
x 0, y 0
) ) ( f ( x , y ) ).
(3.9.6)
De (3.9.4) y (3.9.6) vemos que x( y ) = y 0
( f ( x , y ) ) ( o( x, y ) )
y 0 0
(3.9.7)
Con el uso de (3.9.5) y (3.9.7) podemos ver que
x( y ) x( z )
( f ( x , y ) ) ( o( x, z ) o( x, y ) )
y 0 0
( f (x ,y ))
y 0 0
o( x , z ) o( x , y )
1 o x, z
((

0 0
f
y
x 0, y 0
))
) o( x , y )
y z
y z
= Si tomamos tal que

y
( f (x ,y ))
0 0
yz (3.9.8)
yz
1
( f (x , y ))
= < 1 vemos, por (3.9.8) que x es una
contracin. Adems, (3.9.7) nos indica que, para
( x , y ) prximos a ( x 0, y 0 ),
x W
( )
W.
Entonces, por el Teorema (3.9.1) para cada x prximo a x 0 existe un nico y W, y = y( x ), tal que
x( y
= y
(3.9.10)
De (3.9.6) y (3.9.10) deducimos que
( f ( x , y ) ) ( f ( x, y ) ) = . Como
y 0 0 0 0
( (
f
y
x 0, y 0
))
es invertible se sigue que f ( x , y ) = f ( x , y( x ) ) = . Tamben, de la
unicidad de y( x ) y puesto que f
(x , y )
= conclumos que y x 0
( )
= y 0.
Para terminar slo nos resta probar que g : VW, donde V es una vecindad abierta de x 0 con puntos muy prximos a l, definida por g( x ) = y( x ) = x( y ( x ) ) es continua. En efecto: g( x ) g( s ) = = = x( y( x ) ) s( y ( s ) ) x( y( x ) ) x( y( s ) ) + x( y( s ) ) s( y ( s ) ) y( x ) y( s ) + x( y ( s ) ) s( y( s ) ) g( x ) g( s ) + x( y ( s ) ) s( y( s ) )
Por lo tanto
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap03/03_09_01.tex Page 7 of 7 g( x ) g( s )
1 1
x ( y( s ) ) s( y( s ) )
(3.9.11)
Puesto que puesto que f
( x , y ) y por lo tanto ( f ( x , y ) )
0 0 y 0 0
son continuas con
respecto a x V , (3.9.7) nos dice que x ( y ) es continua con respecto a x , entonces de (3.9.11) conclumos la continuidad de g. o
Problemas
Integracin
Leccin 3.9. Problemas 1. Muestre que f : R R , ad bc 0.
2 2
f(x) =
( ax + by, cx + dy ) es invertible en todo R 2 si y slo si

2 2
2. Muestre que la transformacin lineal : R R cuya matriz asociada es
A =
( )
1 3 1 5 1 4 1 6 1 2
es una contracin. 3. Use el Teorema de contracin de Banach para probar la existencia de una nica funcin f C 0, 1
2
tal que f ( x ) = cos x + 1 sin ( x y ) f ( y )dy . 2 0

2 2
4. Sea f : R R R definida por f f

y
( ( x , y ), ( z, w ) ) = ( x y z, wx y + z ). Halle
( ( 1, 2 ), ( 3, 4 ) ).
( x, y )
= e x y x y 1 + sin y, Muestre que que exite una nica funcin continua
5. Sea f
g : ( , )( , ) , , > 0 tal que f ( x , g( x ) ) = 0. 6. Hallar el conjunto de puntos ( x , y ) R 2 para los cuales f ( x , y localmente invertible.
( x y , x y + 1 ) es
2
Integracin
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_01_01.tex http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_01_01.te
Introduccin
Problemas
CAP TULO 4 INTEGRACION

Leccin 4.1. Integrales de Lnea
Estudiaremos en esta seccin las integrales de lnea de campos vectoriales. Su definicin est inspirada en el concepto fsico de trabajo o energa. Si por ejemplo una partcula se mueve en el espacio bajo la accin de un campo de fuerzas, el trabajo realizado por la partcula de un punto a otro de su trayectoria se mide con una integral de lnea. Definicin (4.1.1) Sea F : R R un campo vectorial y sea : a, b R una curva que supondremos diferenciable. Entonces definimos
n n n
F d =
b a
F( ( t ) ), ( t ) dt
( 4.1.1 )
Otra notacin para la integral de lnea es A Fd en donde A y B representan los vectores que estn al inicio y al final de la trayectoria de la curva , sto es, ( a ) = A y ( b ) = B.
(f ,f logamente = ( ,
Puesto que F =
1 1
2, 2,
..., f
..., n
), en donde los f representan sus funciones componentes y an ) , entonces (4.1.1) lo podemos escribir as:
i
Fd
= a f
k =1
( ( t ) ) k ( t )dt
= f 1 d 1 + f 2 d 2 + ... f n d n .
Es claro que
( mF + nG )d = m
Fd + n
G d ,
para todo m, n reales y F, G, cualquier par de campos vectoriales. Tambin, Una curva puede ser una curva conformada por otras dos curvas y : La curva une al vector A con el vector B y la curva une al vector B con el vector C. Entonces la curva une el vector A con el vector C. En este sentido decimos que = + . Entonces tenemos:
Fd = Fd +

Fd .
La integral de lnea que definimos en (4.1.1) depende del camino que une el punto A con el punto B. Por ejemplo, consideremos el campo vectorial F( x , y ) = caminos ( t ) =
( t, t ), t 0, 1 y ( t ) = ( t 2 , t 3 unen los puntos ( 0, 0 ) y ( 1, 1 ) por trayectorias distintas. Vemos, que
( y , x + y ). Consideremos los ), t 0, 1 . Los dos caminos

3
Fd Fd

= =
17 12 59 . 42
Ahora, si en lugar del camino la integracin la hacemos a lo largo del camino ( t ) = t 0, 1 , que tiene la misma trayectoria del camino , vemos que
( )
3
t, t 2
Fd =
Fd
59 . 42
Curvas equivalentes Sea u : c, d a, b sobreyectiva, derivable, con derivada no nula. Sea : a, b R una n curva diferenciable. Decimos que una curva : c, d R y la curva son equivalentes si = u. Si u es creciente las dos curvas, y , recorren su imagen en la misma direccin y si u es decreciente la recorrern en sentidos opuestos. Es, entonces, fcil ver que en el primer caso
n
y en el segundo caso
Fd
Fd
Ejemplo. Las curvas
Fd
Fd.
( t ) = y ( t ) =
( t, t ), t
2
0, 1
( 1 t, ( 1 t ) ), t
2
0, 1
son curvas equivalentes y recorren el arco de parbola en sentidos contrarios, cmo se indica en la figura.
Figura No. 01
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_01_01.tex Page 4 of 10 Consideremos el campo vectorial F( x , y
( x y, x + y ). Entonces
Fd
F( ( t ) ), ( t ) dt = ( t , t + t ), ( 1, 2t )
=
1 0 1 0 3 2
dt =
17 12
De otra parte
Fd
F( ( t ) ), ( t ) dt = ( ( 1 t ) , ( 1 t ) + ( 1 t ) ), ( 1, 2( 1 t ) )
1 0 1 0
dt
17 12
Primera Interpretacin fsica de la Integral de Lnea Sea : a, b R y sea F un campo vectorial constante, F = c , que representa una fuerza constante. Entonces vemos que
n
cd =
c , ( b ) ( a )
c ,B A
c,
BA BA
B A .
Figura No. 02
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_01_01.tex Page 5 of 10 Esto es, la componente de la fuerza en la direccin del desplazamiento por la magnitud del desplazamiento. Esto es conocido como el trabajo realizado para desplazar la partcula desde el punto A hasta el punto B. Observemos que en este caso particular no importa cual es el camino que une el punto A con el punto B, el valor de la integral depende del punto inicial A y el punto final B. Entonces, Fd mide el trabajo realizado al desplazar la partcula desde el punto A hasta el punto B a lo largo de la curva . Segunda Interpretacin fsica de la Integral de Lnea Si ( t ) determina la posicin de la partcula en el tiempo t entonces ( t ) = V( t ) mide la velocidad y ( t ) la aceleracin. Ahora, la segunda ley de Newton nos dice que para cierta clase de campos vectoriales F, que llamaremos campos conservativos o gradientes, se tiene que
F( ( t ) ) = m V ( t ).
Ahora,
F( ( t ) ), ( t )
m V ( t ), V( t )
1 m d v 2( 2 dt
t ),
en donde v ( t ) =
V( t ) . Por lo tanto
Fd =
b 1 m d v 2( a 2 dt
t )dt =
1 m 2
{v (b)v
2
(a)
}.
Esto es, el trabajo es igual a la diferencia entre las energas cinticas de la partcula en el punto B y el punto A. Teorema (4.1.1) (Segundo teorema fundamental del Clculo para integrales de lnea) Sea n : SR un campo escalar diferenciable, definido en un conjunto abierto conexo de R . Para cualquier curva diferenciable : a, b S, se tiene que
d = ( ( b ) ) ( ( a ) )
( 4.1.2 )
Comentario: La integral en (4.1.2) es independiente del camino que une los puntos ( a ) = A y ( b ) = B. Demostracin : La prueba se basa en el segundo teorema fundamental del clculo para funciones de una variable real. Sea g( t ) = ( ( t ) ). Entonces g ( t ) = ( t ), ( t ) . Por lo tanto
d =
g ( t )dt = g( b ) g( a )
b a
El Principio de la Conservacin de la Energa La diferencia ( B ) ( A ) es conocida cmo la diferencia de potencial entre los dos puntos ( a ) = A y ( b ) = B. De otra parte
d = K( B ) K ( A ),
sto es, la diferencia de las energas cinticas entre los dos puntos. Si igualamos la diferencia de las energias potencial y cintica encontramos que
K ( B ) K( A ) = ( B ) ( A ),
que podemos escribir cmo
K ( B ) ( B ) = K ( A ) ( A ).
La energa total del sistema en cualquier punto X de la trayectoria se expresa cmo K( X ) ( X ). Entonces la igualdad anterior nos dice que tenemos el principio de conservacin de la energa: La energa total en cualquier par de puntos de la trayectoria es constante. Campos Conservativos o Gradientes
Los campos vectoriales F para los cuales existe un campo escalar tal que = F son conocidos como campos conservativos o gradientes. Su importancia radica en el hecho de que Fd es independiente de la curva . En el caso en que sea una curva cerrada
Fd
= 0.
Reciprocamente, campos vectoriales cuyas integrales de lnea son independientes del camino son campos conservativos. Tenemos el siguiente Teorema (4.1.2) (Primer teorema fundamental del Clculo para integrales de lnea) Sea F un n campo vectorial continuo definido sobre un conjunto abierto y conexo S R . Si Fd es independiente de la curva que une los puntos extremos, entonces el campo escalar
( X ) = A Fd ,
(4.1.3)
en donde es cualquier curva diferenciable que une el punto A con el punto X, satisface que ( X ) = F( X ). Comentario: Los Teoremas (4.1.1) y (4.1.2) nos dicen que una condicin necesaria y suficiente para que un campo vectorial sea conservativo es que las integrales de lnea entre dos puntos sea independiente de la curva que los une. Demostracin: Slo tenemos que probar que Dk ( X ) = f k ( X ), para k = 1, 2, ...n. De (4.1.3) vemos que gskip
X + he k
) ( X ) =
X +he k X
Fd ,
( 4.1.4 )
en donde e k = ( 0, 0, ..1, 0, ...0 ). Supongamos que ( t ) = X + the k con t 0, 1 . Ahora,
F X + the k , he k
= hf
( X + the ) .
k
Si hacemos el cambio de variable s = ht , de (4.1.4) obtenemos
X + he k h
) ( X )
= =
1 h h 0
( X + se )ds
k
g( h ) g( 0 ) h
(4.1.5)
en donde g( h ) = 0 f
( X + se ) ds.
k
Puesto que g ( 0 ) = f k( X ), de (4.1.5) obtenemos que
D k ( X ) = f k( X )
Necesitamos disponer de un mtodo prctico para detectar cuando un campo vectorial es un gradiente. Si, por ejemplo, F es un gradiente diferenciable con continidad, entonces F = y por lo tanto f j = D j , para todo j . Esto implica que
Di f
= D iD j = D jD i = D j f i.
Esto es, Di f j = D j f i es una condicin necesaria para que un campo vectorial sea un gradiente. Esta condicin, en general, no es suficiente, como lo muestra el siguiente ejemplo:
F( x , y ) =
y x +y
2 2
x x + y2
2
)(
,
x, y )
( 0, 0 ) ,
cumple que D 1 f t ), t
= D2 f 1 , ms no es un gradiente puesto que para la curva ( t ) = ( cos t , sen

Fd
0, 2 ,
= 2 .
n
Nuestra condicin, en este caso, no es suficiente debido a que R ( 0, 0 ) no es un conjunto convexo. Un conjunto S R n se dice convexo si para cualquier par de puntos A, B S, se cumple que tA + ( 1 t )B S para todo t 0, 1 , sto es, el segmento de lnea que une los dos puntos est en S. Tenemos el siguiente
Figura No. 03 Teorema (4.1.3) Sea F : SR , S convexo, diferenciable con continuidad (sus funciones componentes tienen derivadas parciales continuas) El campo F es un gradiente si y slo si D i f j( X ) = D j f i( X ), para todo i, j = 1, 2...n y todo X S. Demostracin: Ya habamos observado que la condicin era necesaria. Para probar que es suficiente supongamos que por ejemplo S y tomemos ( X ) = Fd , ( representa al vector nulo) con ( t ) = tX, t 0, 1 . Esto es,
X n
( X ) =
1 0
F( tX ), X dt .
( 4.1.6 )
Probemos que D k ( X ) = f k( X ). Puesto que F es diferenciable con continuidad,
Dk ( X ) =
D
1 0
F( tX ), X dt .
Si usamos la condicin del teorema, encontramos que
Dk F( tX ), X
= f k( tX ) + t f
( tX ), X .
Si llamamos g( t ) = f
( tX ), entonces g ( t ) =
( tX ), X y por lo tanto
D k ( X ) =
D F( tX ), X dt = 0 k
g( t ) dt + 0
tg ( t )dt .
1 0 k
Integramos por partes la ltima integral y obtenemos que D k ( X ) = g( 1 ) = f amos Ejemplo Ilustremos el Teorema (4.1.3) con el siguiente ejemplo: Sea F( x , y ) = que f
1
( X ), como quer
( x y,
1 2 x 2
) . Observamos
( x, y )
= xy y f
( x, y )
1 2 x . 2
Ahora,
D2 f
( x, y )
= D1 f
( x, y )
= x
por lo tanto F( x , y ) es un campo vectorial gradiente. La frmula (4.1.6) nos dice cmo hallar un potencial tal que ( x , y
= F( x , y ). En efecto:
( x , y
= 0 t 2 x y, 1 x 2 , ( x , y ) dt = 2
1 2 x y. 2
Introduccin
Problemas
Integrales de Lnea
Integrales Dobles I

Leccin 4.1. Problemas 1. Sea F( x , y ) = Integrales de Lnea
( x + y, x y ) y sea
( t ) =
( 2t, 0 ) si t
0,
1 2 1 , 2
( 1, 2t 1 ) si t
Calcule Fd 2. Sea F( x , y ) = B = ( 1, 0 ), C =
( x + y, x y ) y sea el camino cerrado que une los puntos A

( 0, 1 )
y en ese orden. Calcule Fd.
( 0,
1 ),
3. Muestre que las curvas
( t ) ( t )
( t , t ), t 0, 1 = ( t + 2, t + 4t + 4 ), t
=
2 2
0, 1
recorren la misma imagen y en la misma direccin. 4. Sea
F( x , y ) =
y x +y
2 2
x x + y2
2
)(
,
x, y )
( 0, 0 )
y sea
( t ) = ( cos t , sent ), t
0, 2 .
Calcule
Fd .
5. Sea F = f 1 , ... f n un campo vectorial diferenciable. Suponga que D i f j ( X ) = D j f i ( X ) para todo i, j = 1, ...n. Muestre que
Dk F( tX ), X
= f k( tX ) + t f
( tX ), X .
6. Explique por qu
F( x , y ) =
y x +y
2 2
x x +y
2 2
( ), en donde A = ( 0, 1 ), es un gradiente. Halle un campo escalar definido en el disco B( A, ) tal que = F

( x, y )
B A,
1 2 1 2
7. Muestre que el cuadrado cuyos vrtices son los puntos ( 0, 0 ) , un conjunto convexo.
( 1, 0 ), ( 1, 1 ) y ( 0, 1 ) es
Integrales de Lnea
Integrales Dobles I
Integrales Dobles II

Leccin 4.2. Integrales Dobles I
2
En esta seccin estudiaremos la integral doble definida sobre conjuntos acotados de R . Denotaremos con Q el rectngulo a, b c, d . Si A = x 0 = a, x 1 , x 2 , ...x n = b
una particin de a, b y B = y 0 = c, y 1 , y 2 , ... y m = c, d entonces P = A B ser una particin del rectangulo Q. Los subrectangulos de Q definidos por la particin P los denotaremos con Q ij. Definicin (4.2.1) Una funcin f : QR tal que f ( X ) = c ij, para todo X Q ij se llama una funcin escalonada.
{ d } es una particin de
} es
Figura No. 01 Es facil ver que si f y g son funciones escalonadas definidas por las particiones P y P de Q respectivamente entonces f + g, para todo y nmeros reales, es una funcin escalonada definida por la particin P P . Definicin (4.2.2) Sea f : QR una funcin escalonada. Definimos la integral doble de f sobre Q como
= =
c
i =1 j =1
ij (
x i x i 1 )( y j y j1 )
(4.2.1)
f ( x , y )dxdy .
Por ejemplo, si f ( x , y ) = k , entonces
= k ( b a )( d c ) =
(4.2.2)

b a
d c
f ( x , y )d y
dx
La frmula (4.2.2) permanece vlida para funciones escalonadas puesto que stas son constantes en cada subrectngulo Q ij. Para f y g funciones escalonadas definidas en Q tenemos las siguientes propiedades: 1. Q f + g = Q f + Q g. 2. Q f = Q 1 f + Q 2 f , en donde Q1 Q 2 = Q y Q1 Q 2 = . 3. Si h y g son escalonadas en Q y h g entonces Q h Q g. La integral de una funcin acotada Sea f una funcin acotada sobre Q. esto es, f ( x , y ) M, para alguna constante M > 0. Consideremos el conjunto de todas las funciones escalonadas h y g definidas sobre Q tales que h f g. Puesto que f es acotada, no es vaco. Definicin (4.2.3) Si para toda h, g existe un nico nmero I tal que Q h I Q g, decimos que f es integrable sobre Q y Q f = I . Integral Superior e Inferior de f Sea

S =
h, h f , h escalonada sobre Q
T =
g, g f , g escalonada sobre Q
Entonces,
h sup S inf T
g.
(4.2.3)
Llamamos sup S = I inf ( f ), la integral inferior de f y llamamos inf T = I sup ( f ), la integral superior de f . De la definicin (4.2.3) se sigue inmediatamente que si I inf ( f ) = I sup ( f ) entonces f es integrable y
Q f = I inf ( f ) = I sup ( f ).
Integrales Dobles I
Problemas

Leccin 4.3. Integrales Dobles II
En esta seccin estudiaremos la integral de funciones continuas definidas en Q = 2 a, b c , d R . Observemos que si f es integrable en Q y para cada y integral
c, d
la
A( y ) =
b a
f ( x , y )dx
existe y adems c A( y ) dy existe, entonces
f =

d c
b a
f ( x , y )dx
d y.
En efecto: Para cualquier par de funciones escalonadas h y g tales que h f g se cumple que
por lo tanto
b a
h( x , y ) dx
b a
f ( x , y )dx
b a
g( x , y ) dx ,

d c
b a
f ( x , y )dx
dy
g.
Puesto que f es integrable,
f =

d c
b a
f ( x , y ) dx
dy
(4.3.1)
Queremos demostrar que la frmula (4.3.1) es vlida para funciones continuas definidas sobre Q. Teorema (4.3.1) Sea f una funcin continua sobre el rectngulo Q. Entonces f es integrable y se satisface (4.3.1). Demostracin: Puesto que f es continua y Q es un conjunto compacto entonces f es acotada. Sea > 0 arbitrario y consideremos una particin de Q tal que en cada subrectngulo Q ij
max f min f < .

Q ij Q ij
Llamemos max f = M ij y min f = m ij . Entonces las funciones escalonadas g y h definidas por

Q ij Q ij
M ij y m ij respectivamente satisfacen
h ( d c
)( b a ).
(4.3.2)
Hacemos que 0 y obtenemos de (4.3.2) y (4.2.3) que f es integrable. Finalmente, Puesto que f es continua, lo es con respecto a cada una de sus variables. Esto nos dice que A( y ) = a f ( x , y )dx existe. Adems, es fcil ver que A( y ) es continua y por lo tanto c A( y ) dy existe. Conclumos, entonces, que (4.3.1) se satisface Otras regiones de integracin Hasta ahora hemos considerado integrales sobre rectngulos. Sea S R un conjunto abierto y 2 acotado. Sea, entonces Q un rectngulo de R tal que S Q. Si f es una funcin continua definida en S. Definimos la integral S f de la siguiente manera: Sea
2 d b
f ( x, y ) =
f ( x , y ) si ( x , y ) S 0 si ( x , y ) Q S
Entonces definimos S f = Q f . La dificultad de esta manera de extender la integral a regiones ms generales radica en que la nueva funcin f no es continua en Q y no sabemos si f es integrable. Las discontinuidades se estn presentando en S. Para sobrepasar esa dificultad es necesario introducir el concepto de contenido nulo de un conjunto para conclur que una funcin continua en Q, salvo un subconjunto de contenido nulo, es integrable en Q. Definicin (4.3.1) Sea A R . Decimos que A tiene contenido nulo si para todo > 0 existe un nmero finito de rectngulos Q i, i = 1, 2..n tales que A Q i y Q i < , en donde Q i representa el rea del rectngulo Q i. Por ejemplo, el intervalo cerrado 0, 1 visto como un subconjunto de R es de contenido nulo, m s no es de contenido nulo si lo miramos como subconjunto de R. Tambin, sea una funcin continua sobre el intervalo continua. Esto nos sirve para probar que el conjunto contenido nulo. a, b , entonces es uniformemente
2 2 n
{ ( x, y ) R , y = ( x ) } es de
Teorema (4.3.2) Sea f una funcin acotada sobre el rectngulo Q. Si el conjunto D de discontinuidades de f es de contenido nulo, entonces f es integrable sobre Q. Demostracin: Sea M > 0 tal que f M. Sean , > 0 escogidos arbitrariamente. Tomemos, entonces, una particin de Q tal que la suma de las reas de los subrectngulos Q ij que contienen a D sea menor que . Los otros subrectngulos, en los que f es continua, los escogemos tales que en cada uno de ellos max f min f . Podemos definir las siguientes funciones escalonadas: h = min f sobre los subrectngulos donde f es continua y sobre los subrectngulos que contienen a D la definimos como h = M. As mismo, g = max f sobre los subrectngulos en donde f es continua y g = M sobre los subrectngulos que contienen a D. Tenemos, entonces, que
g h Q + 2M .
Esto nos indica que 0 I sup ( f ) I inf ( f ) Q + 2M . Si hacemos que , 0, conclu
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_03_01.tex Page 4 of 6 mos que f es integrable sobre Q Por ejemplo, sobre conjuntos de la forma
S1 =
{ ( x , y}, ( x )
y ( x ), x
a, b , , continuas
Figura No. 01 tenemos que
b S 1 f = Q f = a
( x) ( x)
f ( x , y ) dy
}dx
O sobre conjuntos del tipo
S2 =
{ ( x , y}, ( y ) x ( y ), y
c , d , , continuas
Figura No. 02 tenemos que
d S 2 f = Q f = c
( y) ( y)
f ( x , y ) dx
}dy
Una gran variedad de conjuntos de R los podemos reducir a una reunin de conjuntos del tipo S 1 o S 2. Ejemplo Sea f ( x , y ) = x y 2 . Calculemos S f ( x , y ), en donde S es la regin que se encuentra entre las curvas y = x y y = x 2 . Cmo se indica en la figura,
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_03_01.tex Page 6 of 6 Figura No. 03
Y tambin,
x y dxdy = S
2
{
1 0
x x
2
x y dy
dx =
x x 3 0
dx =
1 40
x y 2 dxd y = S

1 0
y y
x y 2 dx
dy =
1 0
y3 y 4 2
dy =
1 40
Integrales Dobles I
Problemas
Aplicaciones

Leccin 4.3. Problemas 1 Muestre que el conjunto Integrales Dobles II
{ ( x, y ) R , y = ( x ), continua y x
2
a, b
tiene contenido nulo 2. Sea Q = 0, 1 0, 1 . Sea
f ( x, y ) =
x y si y x 2 0 en otra parte
Halle Q f ( x , y )dxdy 3 Sea Q = 0, 1 0, 1 . Sea 1 si x = y 0 en otra parte
f ( x, y
Muestre que Q f ( x , y )dxdy = 0. 4 Sea Q = 0, 1 0, 1 . Sea x y si x y 2x 0 en otra parte
f ( x, y ) =
Hallar Q f ( x , y )dxdy. 5 Sea Q = 1, 1 1, 1 . Sea
f ( x, y ) =
x y si x 2 + y 2 1 0 en otra parte
Hallar Q f ( x , y )dxdy. 6. Hallar la integral de f ( x , y y = cos x , x =

4
= x + 2 y sobre la regin limitada por las curva y = sen x ,
y x =
5 . 4
7. Hallar la integral de f ( x , y y = 3x 1 y y = 0 8. Hallar la integral de f ( x , y ( 1, 1 ) y ( 0, 3 )
) )
= x y 2 sobre la regin limitada por las curvas y =
x,
= x y 2 sobre el tringulo cuyos vrtices son los puntos ( 0, 0 ),
Aplicaciones
Problemas

Leccin 4.4. Aplicaciones
En esta seccin daremos algunas aplicaciones de la integral doble. 1. Volmenes El conjunto =
{ ( x, y, z ), z =
3
f ( x , y ), ( x , y ) S = [ a, b] [ c, d] R
representa una superficie en R . Entonces S f representar el volumen del slido que est limitado por arriba con la superficie y por debajo con la regin S. Tambin tenemos
f =
A( y )dy,
d c
( 4.4.1 )
en donde A( y ) = a f ( x , y )dx . Ahora, A( y ) representa el rea bajo la curva f ( x , y ), en donde estamos dejando a y fijo. Entonces (4.4.1) nos dice que un volumen es igual a la suma de las reas A( y ) cuando y vara ente c y d.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_04_01.tex Page 2 of 8 Figura No. 01 En el caso de regiones deltipo S 1 o S 2 que consideramos en la seccin 3 de este captulo, procedemos de manera similar. Consideremos el siguiente Ejemplo Sea
f ( x, y ) =
r2 x2 y2
S =
{ ( x, y ) R
, x 2 + y 2 r2
Entonces representa el hemisferio superior de una esfera de centro en el origen y radio r. Por lo tanto S f representar el volumen de la semiesfera. Si utilizamos la simetra de la esfera para calcular su volumen vemos que el volumen de la semiesfera de radio r es
V( r ) = 4
r 2 x 2 y 2 dxd y,
en donde N es el primer cuadrante del crculo de centro en el origen y radio r. Esto es,
V( r ) = 4

r 0
r x 0
r 2 x 2 y 2 dy
dx
Sabemos que
por lo tanto
a 0
a 2 y 2 dy =
1 2 a , 4
Es as cmo
r 2 x 2 0
r 2 x 2 y 2 dy =
1 4
(r
x 2 .
V( r ) = 4
(r
r 1 0 4
x 2 dx =
2 r3 3
El volumen de la esfera completa ser 4 r3 3 Ejemplo Calcular el volumen del slido encerrado entre las superficies f ( x , y el plano g( x , y ) = z = 1.
= z = x 2 + y2 y
Solucin: Si hacemos f ( x , y ) = g( x , y ) vemos que las dos superficies se cortan para valores de x e y tales que x 2 + y 2 = 1, cmo se indica en la figura.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_04_01.tex Page 4 of 8 Figura No. 02 Por lo tanto el volumen del slido es S Esto es: 1 2. Areas Es Claro que S dx dy representa el rea de la regin S. Veamos algunos ejemplos: Ejemplo Sea S = ( x, y ) R , x 2 + y 2 r2 el origen y radio r. Es as cmo
1 1 x 2 1 x 2
{ g( x , y ) f ( x , y ) }dx dy (1x
2
y 2 dydx =
1 2
}, entonces
dx dy es el rea del crculo de centro en
Ejemplo
dxdy =

r r
r x
r 2 x 2
dy
dx = r 2
Hallemos el rea de la regin limitada por las curvas y = x 2 2 y y = x . Las curvas se cortan en los puntos x = 1 y x = 2 y cmo se indica en la figura
Figura No. 03 la regin S est limitada, por arriba, por la curva y = x y, por debajo, por la curva y = x 2 2. Entonces
3. Centros de gravedad
dxdy = S
2 1
x x 2 2
dy
dx =
9 2
Supongamos que tenemos dos putos p 1 y p 2 sobre una recta y en cada punto est ubicada una masa m i, i = 1, 2, respectivamente. Queremos hallar un punto p en el segmento que une a p 1 con p 2 tal que en ese punto la varilla p 1 p 2 est en equilibrio. Entonces la suma de los momentos
(p
p m2 +
(p
p m 1 = 0. Esto es,
Figura No. 04 p =
p 1m 1 + p 2m 2 . m 1 + m2
El punto p es conocido como el centro de masa o centroide del sistema de puntos p 1 , p 2 . Si en lugar de dos puntos tenemos n puntos ( x i , y i ), i = 1, 2, ...n del plano R 2 , en donde hemos ubicado n masas, m 1 , ...m n , el centro de gravedad del sistema de puntos vendr expresado cmo
p =
i =1 n
p im i
(4.4.2)
i =1
m i
Esto es,
x =
i= 1 n
x im i mi
y y =
i =1 n
y im i
i =1
i= 1
mi
en donde x y y representan las coordenadas del centro de masa p. Lo anterior lo podemos extender al caso de una placa S en donde en cada punto de la placa est definida una funcin de densidad f ( x , y ). La densidad mide la cantidad de material por unidad de volumen. Entonces la masa total de la placa es M = S f ( x , y )dxdy . Extendemos (4.4.2) al caso de la placa S y obtenemos que las coordenadas del centro de masa son
x =
S x f ( x , y ) dxd y S f ( x, y ) dx d y
, y =
S y f ( x, y ) dx d y S f ( x , y ) dxd y
( 4.4.3 )
En el caso en que la placa sea homognea la densidad f es constante y las coordenadas del centro de masa o centroide sern:
x =
S x dxd y S
, y =
S y dx d y S
( 4.4.4 )
en donde S representa el rea de la placa S. En el caso en que la placa presente ejes de simetra, el centroide se encontrar en ellos. Por ejemplo, una placa en forma de circunferencia tendr su centroide en el centro geomtrico de ella. Por ejemplo
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_04_01.tex Page 7 of 8 el centroide de una placa en forma de semicircunferencia de radio r es ( 0, y ), en donde
y =
1
1 2 r 2

r r
( r 2 x 2 )
0
ydy
dx =
2 3 r 3 1 2 r 2
4r . 3
4. Volmenes de Revolucin El centroide se puede utilizar para calcular volmenes de revolucin. Sea
S =
{ ( x , y ), 0 h( x )
y g( x ), x
a, b
}.
Figura No. 05 Hacemos girar esta regin sobre el eje x y obtenemos un slido de revolucin . Es fcil ver que
V( ) =
b a
g 2 ( x ) h ( x )dx
El Teorema de Pappus nos dice que V( ) = 2 y S , como puede comprobarlo el lector. Por ejemplo si es la esfera de centro en el origen y radio r, conseguida haciendo girar el semicrculo de radio r, vemos que
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_04_01.tex Page 8 of 8 V( ) = 2
( )(
4 r 3
1 2 r 2
)=
4 r3. 3
Problemas
Aplicaciones
Teorema de Green I

Leccin 4.4. Problemas 1. Haga uso de la integral doble para hallar el rea del triangulo cuyos vrtices son los puntos ( 0, 1 ) , ( 1, 0 ) y ( 1, 1 ). 2. Halle el rea de la regin limitada por las curvas y = x 2 y y = 2x + 1 3. Halle el centroide de una placa homognea en la forma del tringulo del problema 1 4. Halle el centroide de una placa homognea en la forma del tringulo del problema 2 5. Halle el volumen del tetraedro formado por las caras que definen los siguentes Planos: Aplicaciones
x y z x+ y+z+
= 0 = 0 = 0 = 1
6. Halle el centroide de la placa homognea que tiene la forma de la regin limitada por la curvas y = sen x , x 0, 2 , y y = 0. 7. Compruebe el Teorema de Pappus : V( ) = 2 y S , en donde es el slido de revolucin conseguido al hacer girar la regin S con respecto al eje x , S es el rea de la regin S y y la segunda coordenada del centroide de S.
Aplicaciones
Teorema de Green I
Problemas

Leccin 4.5. Teorema de Green I
El Teorema de Green conecta los conceptos de integral de lnea con los de integral doble sobre regiones circundadas por curvas continuas de Jordan, regulares o regulares a trozos. Teorema (4.5.1) (Green) Sean P y Q dos campos escalares derivables con continuidad sobre un conjunto S, en donde S es un conjunto abierto y simplemente conexo del plano. Sea una curva continua de Jordan regular que circunda a S en el sentido contrario a las manecillas del reloj. Entonces
(
S
Q x
P y
)dxdy =
Pdx + Qd y
(4.5.1)
Nota: Con el smbolo Pdx + Qdy denotamos la integral de lnea del campo vectorial F( x , y ) = ( P( x , y ), Q( x , y ) ) a lo largo de la curva cerrada ( t ) = ( x ( t ), y ( t ) ). Realmente lo que probaremos de (4.5.1) son las igualdades
Q dxdy S x
Qdy
P dxdy S y
Pdx
El Teorema es de fcil prueba para regiones especiales como las regiones S 1 o S 2 que consideramos en la seccin 3. Una gran variedad de regiones se pueden representar como la unin de las dos
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_05_01.tex Page 2 of 5 anteriores y entonces el Teorema de Green lo podemos extender a ellas. Que el conjunto S sea simplemente conexo significa que no posee huecos. Ms adelante podremos dar una explicacin matemtica precisa de esta caracterstica geomtrica. Para conjuntos que tengan huecos, llamados conjuntos multiplemente conexos, tambin hay un Teorema de Green. Demostracin: Slo probaremos el teorema para una regin del tipo
S1 =
{ ( x , y}, ( x )
y ( x ), x
a, b , , derivables
Figura No. 01 Tambin, slo probaremos que
P S 1 y dxdy
Pdx
y dejamos el otro caso como ejercicio para el lector. Tenemos que
P S 1 y dxd y
=
b a b

b a
( x)
P ( x) y
}
dx
dx
= =
( x )
P ( x ) y
P( x , ( x ) )dx a
b a
P( x , ( x ) ) dx
De otra parte, la curva se compone de cuatro curvas: La curva 1 , definida por
{ ( t, ( t ) ), t
a, b
}.
La curva 2 , definida por la recta vertical x = b. La curva 3 , definida por
{ ( t, ( t ) ), t
a, b
},
pero recorrida en sentido contrario. Y finalmente la curva 4 , definida por la recta x = a. Es claro que 2 Pdx = 4 Pdx = 0. Entonces, puesto que
tenemos que
Pdx =
b a
P( t , ( t ) )dt ,
Pdx
=
=
1 b a
Pdx +
Pdx
P( t , ( t ) )dt
b a
P( t , ( t ) ) dt
Esto prueba el teorema Aplicaciones El Teorema de Green est dentro de los resultados que ms aplicaciones tienen en el anlisis matem tico. En el transcurso de las exposiciones haremos uso de l. Por lo pronto vemos que podemos calcular integrales de lnea calculando integrales dobles apropiadas y recprocamente. Areas de regiones planas El rea de la regin S viene expresada como
S =
dxdy =
(
S
Q x
P y
)dxdy,
en donde P = 1 y y Q = 2
1 x. 2
Sea ( t ) = ( x ( t ), y ( t ) ), t
a, b
la curva que circunda la regin S. Entonces obtenemos
S =
1 2
{ x( t ) y ( t ) y( t )x ( t ) }dt
b a
Ejemplo Si ( t ) = ( rcos t , r sen t ), t 0, 2 , vemos que
1 2
{ x( t ) y ( t ) y( t )x ( t ) }dt = r ,
2 0
sto es, el rea del crculo de radio r. Otra consecuencia importante del Teorema de Green es que una condiccin necesaria y suficiente para que un campo vectorial f = ( P, Q ), definido sobre S, abierto simplemente conexo, sea un
P gradiente es que x = . Ya habamos visto que la condicin era necesaria para campos vectoriales y derivables con continuidad. La condicin tambin es suficiente. Sobre cualquier curva cerrada de Q
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_05_01.tex Page 5 of 5 Jordan contenida en S la integral Pdx + Qd y = 0 . Este hecho nos permite demostrar que la integral de lnea sobre una curva que une a dos puntos de S es independiente del camino que los une. Este resultado ya lo conocamos para conjuntso convexos y el Teorema de Green lo extiende a conjuntos simplemente conexos.
Problemas
Teorema de Green I
Teorema de Green II

Leccin 4.5. Problemas 1. Use el Teorema de Green para calcular la integral de lnea Teorema de Green I
dx + x 2 dy
en donde es la curva formada por los segmentos de lnea que une los puntos ( 0, 0 ) , ( 0, 1 ) y en sentido contrario a las manecillas del reloj.
( 1, 0 ) y
2. Sean f y g dos campos escalares derivables con continuidad en un conjunto abierto y 2 simplemente conexo S del plano R . Muestre que para toda curva de jordan y derivable
f . gd =
g.
f d
3. Use el Teorema de Green para calcular el rea del interior de la elipse
x2 a
2
y2 b
2
= 1
4. Use el Teorema de Green para alcular el rea de la regin limitada por la curva
( t ) =
( acos
t , bsen 3 t ,
0, 2
5. Use el Teorema de Green para alcular el rea de la regin limitada por las curvas y = 4x 2 y y = 3x + 4 6. Use el Teorema de Green para alcular la integral de lnea
1 +x
dx + 2
2 3
1 + y2
dy
en donde es la curva cuya grfica es x 3 + y
= 1.
Teorema de Green I
Teorema de Green II
Problemas

Leccin 4.6. Teorema de Green II
Integral de lnea con respecto a la longitud de arco Recordemos que si ( t ) es una curva derivable entonces la longitud del arco de la curva, entre el t tiempo a y el tiempo t , la expresamos as: s( t ) = a ( t ) dt . Entonces, s ( t ) = ( t ) . Si ( t ) 0, el vector tangente unitario a la curva es
T( t ) =
( t ) (t)
d . ds
Si F es un campo vectorial, la integral de lnea de F a lo largo de la curva lo podemos escribir as:
Fd
= = =
=
b a b a b a b a
F( ( t ) ), ( t ) dt F( ( t ) ),
d ds ds dt dt
F( ( t ) ), T( t ) ds. ( ( t ) )ds,
en donde ( ( t ) ) =
F( ( t ) ), T( t ) .
Lo anterior nos sugiere que podemos definir integrales de lnea, con respecto a la longitud de arco, para campos escalares en la siguiente forma:
ds =
b a
( ( t ) )s ( t )dt
(4.6.1)
La expresin (4.6.1) es particularmente til debido a que si, por ejemplo, el campo escalar determina una funcin de densidad entonces (4.6.1) lo podemos interpretar como la masa de un alambre que tiene la forma de la curva . Podemos, entonces, obtener frmulas para el centro de 2 3 masa de un alabmre que tiene la forma una curva en R o R de la misma manera cmo lo hicimos en (4.4.3). As:
x y z
= = =
x ds ds y ds ds zds ds
Ejemplo: Hallar el centro de masa de un alambre en forma de hlice dado por por la curva ( t ) = ( cos t , sin t , t ), t 0, 2 , y que tiene una funcin de densidad dada por ( x , y, z ) = x 2 y 2 z 2 . Solucin: La masa M del alambre es M = ds y de acuerdo con (4.6.1) tenemos que M = ds = 0 Ahora x ds = 0 Por lo tanto
104
( cos
2
t sin t t 2 dt =
1 3
2 3
1 32
2 = 14. 478
( cos
t sin t t 2 dt =
104 225
2 = 2. 053 6
x =
225 1 3
2
1 32
= 0. 141 85
Anlogamente calculamos y y z. As obtenemos que el centro de masa de la hlice es ( 0. 141 85, 0. 514 18, 4. 667 2 ). Observe que el centro de masa de la hlice no est en ella. Derivada Normal Si ( t ) = ( x ( t ), y( t ) ) y ( t ) 0, el vector normal unitario a la curva se define as:
N( t ) =
( y ( t ), x ( t ) ) (t)
Para , campo escalar, definimos la derivada en la direccin del vector normal unitario cmo
, N .
(4.6.2)
en donde debe evaluarse en ( t ). Ejemplo
( cos t , sent ), t 0, 2 . Sea ( x , y ) = normal unitario N ( t ) = ( cos t , sent ), entonces

Sea ( t ) = ( ( t ) ) =
x y 2 + yx 2 . Sabemos que el vector
( sin
t + 2sin t cos t , 2sin t cos t + cos t
Por lo tanto
( t ) N
= 3sin t cos t + 3cos t 3cos t
Frmulas de Green Las siguientes igualdades son conocidas como frmulas de Green y son de gran importancia en el estudio de la ecuaciones diferenciales parciales. Sean f y g campos escalares derivables con continuidad hasta el orden dos en un conjunto S simplemente conexo del plano. Sea una curva de Jordan diferenciable. Entonces 1. 2.
g N ds
= S g dx dy = S
g ds N
{ f g +
f , g
} dx d y
3.
{f
g N
g N
x 2
2
}ds =
y2
2
f g g f
}dx dy ,
en donde =
La exprsin 2. es la versin bidemensional del mtodo de integracin por partes que conocemos en los cursos elementales de clculo. Probaremos la frmula 1. y dejamos las otras como ejercicio al lector. Hacemos uso del Teorema de Green y obtenemos
g S
= = = = = =
g S x 2 S x
g y2 y g y
( ) (
g x b a b a b g dx y g y
g dy x g( x , y ) x
y ( t )dt x(t )+ ( , ), ( y ( t ), x ( t ) )
g x g y
1 (t)
s ( t )dt
g ds. a N
Teorema de Green para regiones multiplemente conexas Sea S un conjunto abierto simplemente conexo, como se indica en la figura.
Figura No. 01
Entonces
(
S
Q x
P y
)dxd y
Pdx + Qd y
i
(4.6.3)
i= 1
Pdx + Qdy
Vemoslo para el caso i = 1. Supongamos que la curva exterior y la interior se recorren en sentido contrario a las manecillas del reloj. Luego aplicamos el Teorema de Green a las dos regiones simplemente conexas que se indican en la figura. Ntese que los caminos horizontales se recorren en direcciones opuestas y por lo tanto las integrales de lnea se anulan.
Figura No. 02 Despues sumamos y obtenemos que
(
S
Q x
P y
)dxd y
Pdx + Qd y
(4.6.4)
Pdx + Qdy
El caso general lo deducimos repitiendo el razonamiento anterior. Nmero de Giros
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_06_01.tex Page 6 of 7 Consideremos el campo vectorial
f,g) =
y
2 2
(x x 0 ) + ( y y0 ) (x x 0 ) + ( y y0 )
x
2 2
en donde ( x , y ) x 0 , y 0 = p 0 . Es fcil ver que que circunda un conjunto abierto S, entonces
g x
f y
. Sea una curva cerrada regular
G( , p 0 ) =
1 2
f dx + gd y
(4.6.5)
es un entero positivo, negativo o nulo. El nmero G( , p 0 ) es el nmero de giros que la curva da alrededor del punto p 0 . Para verlo procedemos as: Para simplificar la escritura supongamos que y x p 0 = . Si llamamos cos = y sen = vemos que
x2 + y 2 x2 + y2
d = d
{ arctan ( ) } =
y x
xd y y dx x 2 + y2
Entonces
1 2
1 2
d =
1 2
f dx + gd y. Puesto que la curva es cerrada debemos tener que
d es un entero positivo o negativo siempre que est circundado por la curva . En el caso en que S, en donde S es el conjunto simplemente conexo circundado por , vemos que es un gradiente y por lo tanto
f dx + gd y = 0.
Consideremos la curva ( t ) = x 0 + rcos t , y 0 + rsent , t 0, 2 , con r lo suficientemente pequeo como para que la curva est en el interior de S. La curva est orientada en el sentido contrario a las manecillas del reloj. Supongamos, ahora, que la curva es una curva de Jordan regular orintada en el sentido contrario de las manecillas del reloj. Entonces de (4.5.4) conclu mos que
Pdx + Qdy =
Pdx + Qdy .
Un clculo sencillo nos dice que ( t ) =

1 2
1 2
Pdx + Qdy = 1. Ahora, si la curva es
(x
+ rcos ( t ), y 0 + rsen( t ) , t
0, 2 , vemos que
Pdx + Qd y = 1
Lo anterior nos indica que para curvas de Jordan , la expresion orintada en el sentido, o en sentido contrario, de las manecillas del reloj, que ha tenido un sentido vago, puede asignrsele un sentido matemtico preciso: Decimos que est orientada positivamente si G( , p 0 ) = 1 y orientada negativamente si G( , p 0 ) = 1, para todo p 0 en el conjunto que circunda.
Problemas
Teorema de Green II
Cambio de Variable

Leccin 4.6. Problemas 1. Sean f ( x ) y g( y ) dos funciones derivables de una variable. Muestre que Teorema de Green II
f ( x )dx + g( y )dy = 0
en donde es una curva de jordan derivable. 2. Para f y g campos escalares derivables con continuidad, muestre que
g N
ds =
{ f g +
S
f , g
}dxdy.
3. Para f y g campos escalares derivables con continuidad, muestre que
{f
g N
g N
}ds = { f g g f }dxdy
S 2
4. Sea S una regin acotada y simplemente conexa de R circundada por una curva de jordan derivable y orientada positivamente. Muestre que las coordenadas del centroide de la regin S son:
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_06_02.tex Page 2 of 3 = =
2 2 S 2 2 S
x y
dy dx
5. Use el Teorema de Green para calcular la integral
( 2x 1 )dxdy
S
en donde S es la regin limitada por las curvas
1 2
) (
+
1 2
1 4
x 2 + y2
= 4
6. Sea ( t ) = cos t + cos t , sin t + sin t cos t , t 0, 2 . Calcule el centro de masa de un alambre homogneo ( densidad constante ) que tiene la forma de la curva ( t ). 7. Calcule la longitud de la curva ( t ) del ejercicio 6. 8. Sea ( t ) = Muestre que
( cos t + cos
t , sin t + sin t cos t , t
0, 2 . Sea g( x , y ) = x + y.
g N
= 0
9. Muestre que el nmero de giros con respecto al origen de la curva ( t ) del ejercicio 6. es
G( , ) =1
Teorema de Green II
Cambio de Variable
Problemas

Leccin 4.7. Cambio de Variable
En esta seccin estudiaremos el cambio de variable en una integral doble. En el caso de una sola variable sabemos que si g : a, b c, d es una aplicacion biyectiva y diferenciable entonces
g ( b ) =d g ( a ) =c
f ( x ) dx =
b a
f ( g( t ) ) g ( t )dt .
En el caso de dos variables deduciremos, con la ayuda del Teorema de Green, una frmula similar a la anterior. Sea F : R 2 R 2 una aplicacin diferenciable que transforma un conjunto abierto y acotado R de R 2 2 en otro conjunto S de R . Escribimos F( u, v ) = ( x ( u, v ), y( u, v ) ). La derivada de F en un punto ( u, v ) R la podemos representar por medio de la matriz
F ( u, v ) =
x ( u , v ) u y( u , v ) u
x( u , v ) v y( u , v ) v
El determinante de F ( u, v ) que notaremos cmo J F ( u, v ) lo llamaremos el jacobiano de F en el punto ( u, v ) . La expresin que obtendremos es:
f ( x , y )dxd y =
f ( x ( u, v ), y( u, v ) ) J F ( u, v ) dudv ,
(4.7.1)
en donde f es un campo escalar integrable en S.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_07_01.tex Page 2 of 6 En el caso en que f = 1 el miembro izquierdo de (4.7.1) representa el rea de la regin de integraci n S y entonces
S =
dxdy =
J F ( u, v ) dudv .
(4.7.2)
Tenemos razones de tipo geomtrico para aceptar la validz de (4.7.2). Consideremos el rectngulo de lados u y v que se indica en la figura.
Figura No. 01 Para v fijo, ( u ) = ( x ( u, v ), y( u, v ) ) representa una curva cuya imagen se encuentra en S y cuyo vector tangente es
V1 =
x( u , v ) y( u , v ) u
Anlogamente, para u fijo ( v ) = ( x ( u, v ), y ( u, v ) ) define otra curva con imagen en S cuyo vector tangente es
V2 =
x( u , v ) y( u , v ) v
).
Podemos pensar que para incrementos u y v muy pequeos el rea del pequeo rect ngulo transformado por la aplicacin F es casi igual al rea del paralelogramo que definen los vectores u.V 1 y v .V 2 . Es fcil ver que esta rea es J F ( u, v ) ( u.v ). Entonces J F ( u, v ) es un factor de ampliacin o contraccin de reas.
Antes de dar una prueba de (4.7.1) veamos algunos ejemplos. Coordenadas polares La aplicacin F( r, ) = ( x ( r, ), y( r, ) ), en donde
x ( r, ) y( r, )
= rcos = rsen,
define una aplicacin del rectngulo R =
0, a
0,
en el primer cuadrante D de un crculo
de centro en el origen y radio a. Es claro que J F ( r, ) = r. De acuerdo con (4.7.2)
dx dy
= = =
rdr d
a 0
{ rdr }d
2
a 2 , 4
como era de esperarse. Es claro que la frmula (4.7.1) no es vlida si J F ( u, v ) = 0 sobre conjuntos abiertos de la regin R. La frmula permanece vlida si J F ( u, v ) = 0 sobre subconjuntos de contenido nulo. Por ejemplo J F ( r, ) = 0 sobre puntos de la forma ( 0, ), 0 , que constituyen un 2 subconjunto de R de contenido nulo. Transformaciones lineales La aplicacin F = ( x ( u, v ), y( u, v ) ), en donde
x ( u, v ) y ( u, v )
= au + bv = cu + dv ,
(4.7.3)
es una transformacin lineal de R en si mismo y J F ( u, v ) = ad bc. Vemos entonces que para utilizar transformaciones lineales en (4.7.1) es necesario que sean inyectivas. Ilustramos su uso en el siguiente
y x
Ejemplo: Calculemos S e x+y dxdy en donde S es la regin de R limitada por los ejes coordenados y por la recta x + y = 2. Hacemos el cambio de variable y x = u , x + y = v , sto es, F = ( x ( u, v ), y( u, v ) ), en donde
x ( u, v ) y( u, v )
= =
vu 2 v+u . 2
Entonces J F ( u, v ) = 1 . Ahora, es fcil ver que la regin R limitada por las rectas v = 2, v = u 2 y v = u es transformada en la regin S por la transformacin lineal F anterior, cmo se indica en la figura.
Figura No. 02 Por lo tanto
y x
e S
x+ y
dxd y
= =
1 2 1 2
{
u
e v dudv R
v
u
2 0
e v du v
dv
= e 1 e.
Prueba de (4.7.1) Para probar (4.7.1) primero probamos (4.7.2). Supongamos que el conjunto S es un rectngulo. Denotemos con r y s las curvas que circundan las regiones R y S respectivamente, teniendo en cuenta que F r = s. Por el Teorema de Green, para Q( x , y ) = x y P( x , y ) = 0, tenemos
dxdy
S
= = =
(
S s s
Q x
P y
)dxdy
(4.7.4)
Pdx + Qd y xdy
De otra parte,
J F ( u, v )
x y u v y
2
x y v u y
2
+ x u v x u v =
u
( x ) ( x ).
y v v y u
De nuevo usamos el Teorema de Green y obtenemos
J F ( u, v ) dudv =
x u du + x v dv .
La prueba quedar terminada si probamos que
xdy =
x u du + x v dv .
(4.7.5)
En efecto, supongamos que r( t ) =
( u( t ), v ( t ) ),
a, b . Entonces
s( t ) =
( x ( u( t ), v ( t ) ), y( u( t ), v ( t ) ) ).
Por lo tanto
s ( t ) =
x u u
x y v , u u v
y v v
).
(4.7.6)
De (4.7.6) se sigue inmediatamente (4.7.5). Ya hemos probado (4.7.2). Para ver (4.7.1) procedemos as: Primero observamos que de (4.7.2) se sigue, claramente, (4.7.1) para funciones f escalonadas. Ahora, si f es acotada e integrable, para todo par de funciones escalonadas h y g tales que h f g tenemos que
hdxd y
=
=
h J F ( u, v ) dudv f J F ( u, v ) dudv g J F ( u, v ) dudv gdxdy. (4.7.7)
Puesto que f es integrable, deducimos de (4.7.7) la validez de (4.7.1)
Problemas
Cambio de Variable
Dimensiones Superiores

Leccin 4.7. Problemas 1. Use un transformacin lineal para calcular la integral Cambio de Variable
( x y ) sen ( x + y )dxdy,
2 2 S
en donde S es el paralelogramo cuyos vrtices son: 0, ,
, 0 ,
2 ,
, 2 .
2. Use una integral doble para calcular el rea encerrada por un rizo de la curva r = 4 sen 3 que se indica en la figura
3. Use una integral doble para calcular el rea encerrada por la curva r = 3 + 2 sen que se indica en la figura.
4. Use ccordenadas polares para calcular la integral
( x
S
+ y 2 dxdy
en donde S es la regin acotada por la curva x 2 + y 2 2 y = 0. 5. Calcule el jacobiano de las transformaciones
a) x ( u, v
) y ( u, v )
= u2 v2 = 2uv
b) x ( u, v
) y( u, v )
= ve 2 u = u 2 e v
6. Mueste que si F es una transformacin de coordenadas uno a uno y diferenciable entonces J F ( u, v ) . J F 1 ( x , y ) = 1
Cambio de Variable
Problemas

Leccin 4.8. Dimensiones Superiores
Los conceptos de integracin que expusimos en las secciones 2 y 3 de este captulo los podemos extender al caso de integrales triples, cudruples...etc. Ilustraremos su uso con algunos ejemplos. Ejemplos 1. Hallar el volumen del slido S limitado por las superficies
x+ y+ z z x y
= 1 = 0 = 0 = 0
Solucin: Es importante formarnos una representacin grfica del slido. Observemos que el plano x + y + z = 1 se intersecta con los planos z = 0, x = 0 y y = 0 en las rectas
x+y y+ z x+z
= 1 = 1 = 1
respectivamente, cmo se indica en la figura:
Figura No. 01 Entonces,
V( S
) =
=
dxd ydz
S
= =
{ { } } { { }} { { }}

1 0 1 0 1 x 0 1 x y 0
dz
dy
dx
1 y 0
1 y z 0
dx
dz
dy
1 0
1 z 0
1 x z 0
dy
dx
dz
1 6
2. Hallar S x yz dxd ydz en donde
S =
{ ( x, y, z ) R , x
3
+ y 2 + z 2 1, x 0, y 0, z 0
Solucin: es fcil advertir que el slido S es un octante de la esfera de R de centro en el origen y
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_08_01.tex Page 3 of 10 radio 1, cmo se observa en la figura
Figura No. 02 Por lo tanto
x yzdxd ydz =
1 0 S
{ {
1 x 2 0
1 x 2 y 2 0
x yzdz
}}
dy
dx =
1 48
Cambio de variable Los conceptos de cambio de variable que expusimos en la seccin anterior los podemos extender al caso de dimensiones superiores. Si F( u ) = x 1 ( u ), ...x n ( u ) representa una transformacin de n una regin R a otra regin S de R entonces
. . .
en donde
f ( x )dx 1 ...dx n =
. . .
f ( F( u ) ) J F ( u ) du 1 ...du n ,
x 1 ( u u 1
. .
x 1 ( u u n
) , )
JF ( u ) =
. .
x n ( u u 1
. . )
x n ( u u n
x = x 1 , ...x n , u = u 1 , ...u n y f un campo escalar definido sobre S. Para que la frmula de cambio de variable tenga validez en necesario que J F ( u ) 0. No obstante la podemos extender al caso J F ( u ) = 0 siempre y cuando el conjunto en donde se anula el jacobiano tenga contenido nulo. Este es el caso en los ejemplos que consideraremos. Los ejemplos mas clsicos de cambio de variable son: Coordenadas Cilndricas La trasnsformacin F( r, , z ) tiene como funciones componentes a
x y z cmo se indica en la figura.
= x ( r, , z ) = rcos = y( r, , z ) = rsen = z( r, , z ) = z,
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_08_01.tex Page 5 of 10 Figura No. 03 Si queremos que la tranformacin sea inyectiva debemos tomar, por ejemplo, [0, 2 ). Es fcil ver que el jacobiano J F ( r, , z ) = r. De las dos primeras ecuaciones anteriores se deduce que x 2 + y 2 = r 2 . Esto nos dice, por ejemplo, que el plano, en coordenadas cilndricas, z = k se transforma en el cilindro circular recto paralelo al eje z y definido por la ecuacin, en coordenadas 2 rectangulares, x 2 + y 2 = k . Cmo una aplicacin de las coordenadas cilndricas, consideremos el el siguiente ejemplo: Calculemos la integral
( x
S
+ y 2 dxd ydz
en donde S es el slido limitado por las superficies x 2 + y 2 = 2z y el plano z = 2. En coordenadas cilndricas el slido S est determinado por las superficies = 0, = 2 , r 2 = 2z y z = 2, c mo se indica en la figura.
Figura No. 04 Puesto que J F ( r, , z ) = r, vemos que
( x
S
+ y 2 dxd ydz

2 2 2 0
4 x
2 2
4 x
2
x 2+ y 2 2
(x
+ y 2 dz d y dx
= =

2 0 16 3
((
2
r 2 2
r 3 dz dr d
))
Coordenadas Esfricas La trasnsformacin F( r, ,
) tiene como funciones componentes a

x = x ( r, , ) y = y ( r, , ) z = z( r, , ) = r sen cos = r sen sen = r cos .
cmo se indica en la figura.
Figura No. 05 Si queremos que la transformacin sea inyectiva debemos tomar, por ejemplo, [0, 2 ) y [0, ) Es fcil ver que el jacobiano J F ( r, , ) = ( sin )r 2 . De las tres ecuaciones anteriores se
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_08_01.tex Page 7 of 10 deduce que x 2 + y 2 + z 2 = r 2 . Es as cmo el plano, en coordenadas esfricas, r = k , se 2 transforma por medio de F en la esfera cuya ecuacin es x 2 + y 2 + z 2 = k , en coordenadas rectangulares. De la misma forma: El plano, en coordenadas esfricas, = k , se transforma por medio de F en el plano y = tan k . x , en coordenadas rectangulares. Tambin, el plano = k , en coordenadas esf ricas, se transforma en la curva
{ ( x, y, z ) R , x
3
+ y2 =
( rsenk ) , z = rcos k
Veamos ahora un ejemplo del uso de las coordenadas esfricas: Calculemos, usando coordenadas esf ricas, el volumen de un octante de la esfera de centro en el origen y radio 1. Esto es, hallemos V( S ) en donde
S =
{ ( x, y, z ) R , x
3
+ y 2 + z 2 1, x 0, y 0, z 0
}
en el espacio r
Procedemos as: Es fcil advertir que el paralelippedo
0, 1 =
0,
0,
se transforma en el slido S, puesto que J F ( r, , )
( sin )r 2 tenemos que
V( S ) =

1 0
2
((
r 2 sin d
))
d dr =
1 6
Volumen de la esfera n-dimensional Como una ltima aplicacin del cambio de variables en la integracin veamos el volumen de una n esfera de centro cero y radio a en el espacio R . Para ello es necesario introducir la funcin Gama. Esta se define as:
( s ) =
t
0
s1 t
e dt , s > 0.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_08_01.tex Page 8 of 10 Las propiedades ms importantes de la funcin Gama son: 1). ( s + 1 ) = s( s ). 2). ( n + 1 ) = n!, en donde n N. La funcin Gama est definida para s > 0. No obstante la propiedad 1) anterior nos dice que podemos extenderla a los reales negativos salvo los enteros negativos. Por ejemplo, para 1 < s < 0 tenemos que 0 < s + 1 < 1, en donde est definida la funcin gama, entonces ( s + 1 ) definimos ( s ) = . Procedemos recurrentemente y definimos la funcin Gama en los s intervalos ( 2, 1 ) , ( 3, 2 )... ctc.
Figura No. 06 La propiedad 2) anterior nos permite extender la nocin de factorial de un nmero natural al caso de un nmero real, as: p! = ( p + 1 ), para p + 1 diferente de un entero negativo o cero. Un clculo directo nos dice que y
( )=
1 2
y por la propiedad 1) obtenemos
( )=
3 2
1 2
( )=
5 2
3 4
. As mismo ( 1 ) = 1, ( 2 ) = 1.
El volumen de la esfera n-dimensional de radio a es
V n( a ) = a
n 2
+1
n 1.
(4.8.1)
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap04/04_08_01.tex Page 9 of 10 Es claro que (4.8.1) es cierta para n = 1, 2. Demostrmola para n 3. Consideremos la transformacin
F u 1 , ...u n
) = (x
1,
...x n
= a u 1 , ...u n ,
a > 0. Entonces J F ( u 1 , ...u n ) = a n . Por lo tanto
V n( a ) =
. . .
B (0, a )
dx 1 ...dx n = a n . . .
B (0,1)
du 1 ...du n
Esto es, V n ( a ) = a n V n ( 1 ). Para calcular V n ( 1 ) procedemos as:
B( 0, 1 ) =
(u
1,
...u n
R ,
n
u
j= 1
2 i
1.
}
}
du n 1 du n
Entonces
V n( 1 )
= =
2 u2 n +u n 1 1
...
2 2 u2 +. .. u 2 1 u 2 n u n 1 =p 1 n 2
du 1 ...du n 2
2 u2 n +u n 1 1
V n 2 ( p ) du n 1 du n V n 2 ( 1 ) p n 2 du n 1 du n
n
2 u2 n +u n 1 1
= V n 2 ( 1 ) = V n 2
(1 ( 1 ) ( 1 r )
2 u2 n +u n 1
u2 n
n 2
u2 n 1
du n 1 du n
2 0
1 0
rdrd
= V n 2 ( 1 ) 2 n .
Ahora, puesto que ( s + 1 ) = s( s ), vemos que la sucesin
f (n) =
n 2
+1
satisface que f ( n ) = f ( n 2 ) 2n . Como f ( 1 ) = V 1 ( 1 ) entonces f ( n ) = V n ( 1 ), para todo n. Esto prueba (4.8.1)
Problemas
Integrales de Superficie

Leccin 4.8. Problemas 1. Use coordenadas esfricas para calcular el volumen del slido encerrado por las grficas de z = x 2 + y 2 , x 2 + y 2 = 4 y z = 0. 2. Use coordenadas cilndricas para calcular el volumen del slido encerrado por las grficas de z = x2 + y2 y z = 4 Dimensiones Superiores
3. Demuestre que I =
(
x v 0 0 u
u 0
f ( t )dt du
) }
x u
dv =
1 2
(xt )
x 0
f ( t )dt
Sugerencia: LLame F( u ) = 0 f ( t )dt y entonces compruebe que I =
{ F( u )dv }du
x 0
4. Sea S n ( a ) =
(x
1 , ...x n , x i i =1
. Muestre que el volumen de S n ( a ) es: ( 2a )n

n!
S n( a ) =
5. Use coordenadas esfricas para calcular el volumen de la esfera, en R , de centro en el origen y radio r
Integrales de Superficie
Introduccin
Problemas
CAPTULO 5 INTEGRALES DE SUPERFICIE

Leccin 5.1.
3
Representacin Paramtrica de una Superficie
Sea F : R R un campo escalar. El conjunjunto
{ ( x, y, z ) R , F( x, y, z ) = 0 }
3
representa una superficie, superficie de nivel, en R . Si de la ecuacin F( x , y , z ) = 0 podemos despejar, por ejemplo, la variable z en trminos de x e y decimos que tenemos una representacin explcita de la superficie. Por ejemplo, la ecuacin x 2 + y 2 + z 2 1 = 0 representa la superficie de la esfera de centro en el origen y radio 1. Del hemisferio superior obtenemos la siguiente representaci n explcita:
z = f ( x, y ) =
1 x 2 y 2 , x 2 + y 2 1.
Anlogamente,
g( x , y ) =
1 x 2 y 2 , x 2 + y2 1
es la representacin explcita del hemisferio inferior de la superficie de la esfera. En forma ms general tenemos la representacin paramtrica de una superfice en la siguiente forma: 2 3 Sea T un subconjunto de R y sea r:T R . Bajo ciertas condiciones que precisaremos ms adelante, diremos que r es la representacin paramtrica de la superficie r( T ). Denotaremos las funciones componentes de r como x ( u, v ), y ( u, v ), z( u, v ), en donde ( u, v ) T. Veamos los siguientes ejemplos:
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_01_01.tex Page 2 of 5 1. Representacin Paramtrica de la Esfera La aplicacin r =
( x , y, z ),
en donde
x y z
= x ( u, v
= a.cos u.cos v
= y( u, v ) = a.sen u.cos v = z( u, v ) = a.sen v
y ( u, v ) T = 0, 2 en el origen y radio a.
, 2
, es la representacin paramtrica de la esfera de centro
Figura No. 01 Observemos que los puntos
{ ( u, 0 ) T, 0 u 2 }
son aplicados por r en el ecuador de la esfera. As mismo,
{ ( u, ) T, 0 u 2 } y { ( u, ) T, 0 u 2 }
2 2
son aplicados en el polo norte y polo sur de la esfera, respectivamente. 2. Representacin Paramtrica del Cono La aplicacin r =
( x , y, z ),
en donde
x y z
= x ( u, v
= vsen cos u
= y ( u, v ) = vsen senu = z( u, v ) = v cos
y ( u, v ) T = hcos .
0, 2
0, h , es la representacin paramtrica del cono de altura
Figura No. 02 Obsrvese que
{ ( u, 0 ), 0 u 2 } es aplicado al vrtice del cono.
Si r es una aplicacin inyectiva diremos que la superficie r( T ) tiene una representacin paramtrica simple. Los dos ejemplos anteriores no son, evidentemente, representaciones paramtricas simples. No toda aplicacin r representa una superficie, cmo la podemos imaginar. Podemos tener el caso de superficies degeneradas, por ejemplo, si r es constante, la superficie ser un punto del espacio. Tambin, si x , y , z dependen de una sla variable, ya sea u o v , no tendramos una superficie si no una curva. O por ejemplo, si tenemos que x ( u, v ) = u + v , y( u, v ) = ( u + v ) y
3 z( u, v ) = ( u + v ) , hacemos t = u + v y vemos que r representar una curva en R . 3 2
El Producto fundamental Para evitar las irregularidades de superficies degeneradas, es conveniente introducir unas restriccines
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_01_01.tex Page 4 of 5 en la representacin paramtrica de las superficies que consideraremos. Supondremos que r es derivable con continuidad. Denotemos
r u r v
( = (
=
x y z , , u u u x y z , , v v v
) ),
entonces
r u
r v
lo llamamos el producto fundamental. Este admite la siguiente interpretacin geom
trica: Si en r( u, v ) dejamos a v fijo, entonces ste representar una curva sobre la sperficie S y por r r lo tanto representar al vector tangente a dicha curva. Anlogamente, representar el vector u v tangente a la curva definida por r( u, v ) en el caso en que dejemos a u fijo. Entonces vector normal a la superficie S en el punto r( u, v ) , cmo se indica en la figura
r u
r v
ser el
Figura No. 03 Los puntos( u, v ) para los cuales contrario son llamados puntos singulares.
r u r v
0 y es continuo son llamados puntos regulares, en caso
Supondremos que la representacin paramtrica est definida en puntos regulares o que por lo menos los puntos singulares constituyen un conjunto de contenido nulo. Es claro que la regularidad est en dependencia de la parametrizacin que hayamos escogido. Veamos algunos ejemplos: Si la representacin de la superficie es explcita entonces podemos escribir r( x , y ) = ( x , y, f ( x , y ) ), ( x , y ) T, y en este caso
r x r y
= =
( 1, 0, )
f x
( 0, 1, ).
f y f y
Un clculo nos dice que
r x
r y
( x , y ) son aquellos para los cuales xf
o y no es continua o no est definida. Por ejemplo, en el caso del hemisferio superior de la esfera de centro en el origen y radio 1, vemos que
x f
,1
) . En estos casos los puntos singulares
f ( x, y ) =
1 x 2 y2 , x 2 + y 2 1
no tiene derivadas parciales en los puntos ( x , y ) R tales que x 2 + y 2 = 1. Estos, los puntos del ecuador de la esfera, sern puntos singulares de la representacin paramtrica. En cambio, en la representacin paramtrica de la esfera que consideramos en el ejemplo 1 vemos que
r u
r v
( acos v ).r( u, v )
r r Ahora, = a 2 cos v , entonces los puntos singulares son aquellos para los cuales u v cos v = 0, sto es, los polos de la esfera.
Introduccin
Problemas
Paramtrica de una Superficie
Integral de Superficie

Leccin 5.1. Problemas 1. Hallar el producto fundamental de la representacin paramtrica del plano Representacin Paramtrica de una Superficie
r( u, v
( au + bv , cu + dv , mu + nv )
en donde a, b, c, d, e , m, n son constantes. 2. Hallar el producto fundamental de la representacin paramtrica del paraboloide
r( u, v
( aucos v , busin v , u )
2
3. Hallar el producto fundamental de la representacin paramtrica del elipsoiede
r( u, v
( asin ucos v , bsin usin v , ccos u )
4. Hallar el producto fundamental de la representacin paramtrica del cilindro
r( u, v
( u, asin v , acos v )
5. Hallar el producto fundamental de la representacin paramtrica del Toro
r( u, v
( ( a + bcos u )sin v, ( a + bcos u )cos v, bsin u )
en donde 0 < b < a.
Paramtrica de una Superficie
Problemas

Leccin 5.2. Integral de Superficie y Ejemplos
Area de una Superficie Si tomamos en en la regin T un elemento de rea u.v , ste ser transformado por la aplicacin r en una porcin de S que tendr, aproximadamente, el rea de un paralelogramo de lados
r v r u
u y
v . Es claro, entonces, que el rea de este pequeo paralelogramo sea igual a
r u u
r v v
r u
r v
u.v
(5.2.1)
De (5.2.1) es natural definir el rea de la superficie S cmo
A( S ) =
r u
r v
dudv
(5.2.2)
Ahora, para r( u, v
( x ( u, v ) , y( u, v ), z( u, v ) ), un clculo directo nos dice que

r u
r v
( y, z ) ( z, x ) ( x, y ) , , ( u , v ) ( u , v ) ( u , v )
en donde
y u z u z u x u x u y u y v z v z v x v x v y v
( ) ( u , v )
y, z
( ) ( u , v )
z, x
( ) ( u , v )
x, y
Y as (5.2.2) toma la forma
A( S ) =
( ) ( ) ( )
( ) ( u , v )
y, z
( ) + ( u, v )
z, x
( ) ( u , v )
x, y
dudv
(5.2.3)
En el caso particular en que la superficie est representada por la ecuacin z = f ( x , y ) la expresi n (5.2.2) tiene las siguientes modificaciones: Primero vemos que la representacin paramtrica de la superficie ser r( x , y ) =
( x , y, f ( x , y ) ), ( x , y ) T, y entonces
r x
r y
= =
) 1+ ( ) +( ) .
f x
f y
,1
f x
f y
Por lo tanto
A( S ) =
1+
( ) ( ) dxd y.
f x
Area de superficies definidas implcitamente Una superficie S puede estar expresada en la forma F( x , y, z ) = 0. Si suponemos que de la relaci
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_02_01.tex Page 3 of 9 n anterior podemos despejar a z en trminos de x e y, sto es: z = f

f
( x , y ) entonces
( x, y, z )
y
( x, y )
x
( x, y, z )
x
( x, y, z )
z
( x, y )
y
( x, y, z )
z
siempre que 0. Entonces obtenemos la siguiente frmula para las reas de superficies z definidas implcitamente:
F x, y, z
A( S ) = T
( x, y, z )
x
)(
2
( x, y, z )
y
)(
2
( x, y, z )
z
( x, y, z )
z
dxdy.
Ejemplo Sea F( x , y, z ) = x y + e z 1 y sea S la superficie definida por F( x , y, z ) = 0. Hallemos el rea de la superficie S cuando ( x , y
T =
0, 1
0, 1 .
Figura No. 01 Vemos que

F x, y, z x
= y,
F x, y , z y
= xy
F x, y, z z
= ez
De F( x , y , z ) = 0, deducimos que
F x, y , z z
= x y + 1. Entonces
2
A( S ) = Ejemplo
1 1 0 0
y 2 + x2 +
(1+ xy )
1 + xy
dxd y = 1. 175
Como un ejemplo de (5.2.2) calculemos el rea del cascarn de la esfera de centro en el origen y radio a. Para simplificar los clculos tomemos la representacin paramtrica del hemisferio superior. 3 La transformacin r : TR a considerar tiene como componentes a
x y z
= x ( u, v
= acos ucos v
= y( u, v ) = asenucos v = z( u, v ) = asenv
en donde T =
0, 2
0,
. Un clculo directo nos dice que
r u
r v
= a 2 cos v
(5.2.4)
de (5.2.2) y (5.2.4) obtenemos que el rea de la esfera de radio a es
a
T
cos v dudv = 2a 2
2 0
cos vdv
du = 4 a 2 .
Integrales de superficie Definicin (5.2.1) Sea S = r( T ) una superficie paramtrica en donde r es diferenciable y definida sobre una regin T del plano. Sea f un campo escalar acotado y definido sobre S. La integral de superficie de f sobre S se define como
f ds =
f ( r( u, v ) )
T
r u
r v
dudv
(5.2.5)
Las las integrales de superficies tienen varias aplicaciones: Como ya lo habamos visto sirven para determinar el rea de una superficie, en este caso slo debemos tomar f = 1 en (5.2.5). Comentario Para que la frmula (5.2.5) tenga validez es necesario que la norma del producto fundamental no sea nula. En casi en todas la parametrizaciones de superficies la norma del producto fundamental se anula en algn subconjunto de su dominio T, pero dicho subconjunto es de contenido nulo y sto hace que la frmula (5.2.5) permanezca vlida. En el caso de la parametrizacin de la esfera que exhibimos en el Ejemplo 1 vemos, por (5.2.4), que el subconjunto de T en donde el producto fundamental se anula es
{ ( u, ) , 0 u 2 },
2
que es de contenido nulo con respecto a T. Aplicaciones al Centro de Masa En el caso en que el campo escalar f mida la densidad de una placa de la forma de la superficie S, con integrales de superficie podemos determinar su centro de gravedad ( x , y, z ), as:
x y z
= = =
S x f ds m S y f ds m S z f ds m
en donde m = S f ds mide la masa de la placa. En el caso particular en que la placa sea homog nea, sto es, su densidad es constante, las frmulas anteriores se transforman en
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_02_01.tex Page 6 of 9 = = =
S x ds A( S ) S yds A( S ) S zds A( S )
x y z
en donde A( S ) mide el rea de la superficie S y el punto ( x , y , z ) se denota como el centroide de la placa. Ejemplo 2 Calculemos el centroide de una placa homognea S que tiene la forma de un hemisferio de centro en el origen y radio a. Como lo habamos visto en el Ejemplo 1, A( S ) = 2 a 2 . Si hacemos uso de la simetra de la placa, observamos que x = y = 0, es as cmo unicamente debemos calcular el valor de z. Ahora, de (5.2.5) obtenemos
zds
S
a
T 0
cos v asenvdudv
= a3
( cos v )( senv )dv
du
= a 3
Por lo tanto z =
a 2
Aplicacin a la Mecnica de Fluidos Otro ejemplo de las integrales de superficies lo encontramos en la mecnica de fluidos: Sea V = V( x , y , z ) un campo vectorial que mide la velocidad de un fluido en un punto R que no se modifica con el tiempo. Sea = ( x , y, z ) un campo escalar que mide la densidad del fluido en cada punto ( x , y , z ).
( x, y, z )
Las unidades fsicas del campo vectorial V sern, entonces, distancia por unidad de tiempo y las de la densidad sern las de masa por unidad de volumen. Por lo tanto las unidades del campo vectorial F = .V sern masa por unidad de rea y por unidad de tiempo.
r Como ya lo habamos observado en la seccin anterior, el vector u r v
es un vector perpendicular
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_02_01.tex Page 7 of 9 a la superficie S. Esto quiere decir que el vector tangente, en el punto r( u, v ), de cualquier curva r r que est en la superficie S es perpendicular al vector . LLamaremos a u v
n =
r u r u
r v r v
(5.2.6)
el vector normal unitario a la superficie S en el punto r( u, v ) . Retornando a nuestro campo vectorial F = .V vemos que direccin del vector normal unitario y entonces F, n es la componente de F en la
F, n ds
medir la cantidad de fluido que atraviesa la superficie S en la direccin perpendicular a ella y por unidad de tiempo. Reparametrizacin de superficies Una superficie S R puede tener varias parametrizaciones. Sean, por ejemplo r : T S y m : M S dos parametrizaciones distintas de la superficie S. Si existe una transformacin G : M T uno a uno, sobre y derivable con continuidad tal que m = r G decimos que las parametrizaciones m y r son regularmente equivalentes.
3
Figura No. 02 Sea G = ( u, v ), en donde u( s, t ) y v ( s, t ) son sus funciones componentes. La regla de la cadena aplicada a m = r G nos dice que
m s m t
= =
r u u s r u u t
+ +
r v v s r v v t
(5.2.7)
r Es importante advertir que, en (5.2.7), tanto como u que
r v
son vectores de R 3 . De (5.2.7) se deduce
m s
m t
u s v s u, v
u t v t
r u
r v
(5.2.8)
( ) r ( s, t ) u
r v
Con el uso de la expresin (5.2.8) vemos que si m y r son dos parametrizaciones regularmente equivalentes de la superficie S entonces
r T)
f ds
= = =
f ( r( u, v ) )
T
r u
r v r u
dudv
r v u, v
( r
f M
G( s, t )
( ) dsdt ( s, t )
m( M )
f ds
Esto es, la integral de superficie no se modifica cuando usamos parametrizaciones regularmente equivalentes.
Problemas
El Teorema de Stokes I

Leccin 5.2. Problemas 1. Halle el rea de la superficie del slido que est limitado por las superficies x 2 + y 2 + z 2 = 1 y el plano z = 1 2 2. Halle el rea de la regin del plano x + y + z = 1 que determina el cilndro x 2 + y 2 = 1 3. Calcule el rea de la porcin de paraboloide x 2 + y 2 = 2 y cortada por el plano y = 1 4. Se S la superficie de la esfera x 2 + y 2 + z 2 = 1. Calcule la integral de superficie Integral de Superficie y Ejemplos
x y ds
2 S
5. Halle el centro de gravedad de una placa homognea que tiene la forma de cono circular recto de altura h y ngulo con el eje z.
Problemas

Leccin 5.3. El Teorema de Stokes I
En esta seccin estudiaremos el Teorema de Stokes. Este Teorema de gran belleza y profundidad tiene mltiples aplicaciones, entre las que se destacan las referentes a la mecnica de fludos y el electromagnetismo. El Teorema establece una igualdad entre una integral de superficie y la integral de l nea sobre la curva que la circunda y constituye una extensin del Teorema de Green que estudiamos en las secciones 5 y 6 del captulo 4. Antes de presentar el Teorema de Stokes consideremos la integral
F, n ds
en donde F = ( P, Q, R ) es un campo vectorial, S es una superficie parametrizada por un funcin diferenciable r : T S y
n =
r u r u
r v r v
Vemos. entonces, que
F, n ds
= =
=
F r( u, v F r( u, v
( (
) ), n
r u
r v
dudv
r r ) ), u v
dudv
P T
( z, x ) ( x, y ) ( y, z ) +Q +R dudv , ( u, v ) ( u , v ) ( u , v )
en donde debemos entender que las funciones P, Q y R estn calculadas en r( u, v ). Es costumbre escribir la expresin anterior como
en donde
F, n ds =
Pdy dz +
Qdz dx +
Rdx dy,
Pdy dz S Qdz dx Rdx d y
= = =
( y, z ) ( u, v ) ( z, x ) Q T ( u , v ) ( x, y ) R . T ( u , v )
P T
Es importante advertir que por ejemplo
Pd y dz =
Pdz dy .
y no debemos confundirla con una integral doble. Teorema (5.3.1) (Stokes) Sea S = r T
( ) una superficie paramtrica regular y simple en
donde T es una regin acotada y simplemente conexa del plano circundada por una curva de Jordan derivable y orientada positivamente (en el sentido contrario a las manecillas del reloj). Denotemos con C = r( ). Entonces
(
S
R y
Q z
)dy dz + (
S
P z
R x
) dz dx + (
S
Q x
P y
)dx d y
Pdx + Qd y + Rdz
Para darle al Teorema de Stokes una escritura ms sugestiva es necesario introducir el concepto de rotacional de un campo vectorial: Sea F = ( P, Q, R ) un campo vectorial derivable con continuidad. Definimos Rot ( F ) ( el rotacional de F) como
Rot ( F ) =
R y
, z
P z
R Q , x x
P y
(5.3.1)
Con el uso de (5.3.1) la igualdad del Teorema de Stokes toma la siguiente forma:
Rot ( F ), n ds =
FdC
(5.3.2)
Ilustremos la frmula (5.3.2) con el siguente Ejemplo : Sea F( x , y, z ) = intersectar las superficies
( y , z , x ) un campo vectorial. Sea C la curva que se obtiene al

2 2 2
z z
= = 1
2 x2 y2 y
Hallar
FdC.
Para ponernos en el contexto del Teorema de Stokes, debemos definir la superficie S. Tenemos dos opciones: Una es tomar como superficie S la definida por z = 1 o la otra es tomar como superficie S la definida por z = as: 2 x 2 y 2 . Si tomamos la segunda opcin, la superficie S la parametrizamos
r( x , y ) =
( x, y,
2 x 2 y2
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_03_01.tex Page 4 of 10 en donde ( x , y
T =
{ ( x, y ) R , x
2
+ y2 1
}. La curva a la que hace alusin el

( cos t, sent , 1 ),
c
Teorema (5.3.1) es ( cos t , sent ), t mo se indica en la figura.
0, 2
y la curva C = r( ) =
Figura No. 01 Un Clculo sencillo nos dice que Rot ( F ) =
2z, 2x , 2 y ). De otra parte
r x
r y
2 x2 y 2
x,
2 x2 y2
y, 1
Ahora, de (5.2.5) obtenemos que
Rot ( F ), n ds
Rot( F ), = ( 2 2x
=
T r x T
r y 2
dxdy
y 2 , 2x , 2 y ,
r x
r y
dxdy
2x
2x y
(2 x
y2
2 y dxdy

1 1
1 x 2 1 x 2
2x 2
(2 x
y 2 y dydx
= 0 Por lo tanto C FdC = 0. Dejamos para el lector el caso en que la superficie S a considerar es la definida por la ecuacin z = 1 y observe que el resultado es el mismo. Es importante advertir que en este caso la integral de lnea
C
FdC es fcil calcularla, en efecto:
C FdC
( sin
0
t + cos t dt = 0
Relacin con el Teorema de Green Para ver que el Teorema de Stokes es una generalizacin del Teorema de Green, supongamos que la superficie S es una regin del plano x y. En este caso n = ( 0, 0, 1 ). De (5.3.1) vemos que (5.3.2) toma la forma
(
S
Q x
P y
)dx d y =
Pdx + Qd y.
(5.3.3)
Pero en este caso observemos que
(
S
Q x
P y
)dx dy = (
S
Q x
P y
)dxdy
Esto es, la integral de superficie coincide con la integral doble. Es as como (5.3.3) constituye la igualdad del Teorema de Stokes. Existe una notacin que permite calcular el rotacional de un campo vectorial sin necesidad de recordar la expresin (5.3.1). Si llamamos
, , x y z
y lo miramos como un vector ( tenga presente que no es un vector) de R 3 , entonces Rot ( F ) = F. De la misma forma, el producto interno , F define la divergencia de un campo vectorial, as
Div ( F ) =
, F
P x
Q y
R z
(5.3.4)
en donde F =
( P, Q, R ). ( x , y, z ),
entonces Rot ( F ) =
Ejemplo: Sea F( x , y, z ) =
( 0, 0, 0 ) y Div ( F )
= 3
De (5.3.1) deducimos que un campo vectorial F =

3
( P, Q, R ) definido sobre un conjunto convexo
de R es un gradiente, o potencial, si y slo si Rot ( F ) = 0. Esto es una consecuencia directa del Teorema (4.1.3). Las relaciones ms importantes de Div ( F ) y Rot ( F ) son: 1. Si F tiene derivadas parciales de orden dos continuas, se tiene que Div ( Rot ( F ) ) = 0 2. Si es un campo escalar con derivadas parciales de orden dos, se tiene que Rot ( ) = ( 0, 0, 0 ) 3. Si F tiene derivadas parciales de orden dos continuas, se tiene que
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_03_01.tex Page 7 of 10 Rot ( Rot ( F ) ) = ( Div ( F ) ) F en donde F se entiende as: F =
( P, Q , R ) y F
f =
f x
2 2
=
f y
2 2
( P, Q , R ) y
+
f z
2 2
4. Div ( F + G ) = Div ( F ) + Div ( G ), , R 5. Rot ( F + G ) = Rot ( F ) + Rot ( G ), , R 6. Div ( F ) = Div ( F ) + en donde es un campo escalar. 7. Rot ( F ) = Div ( F ) + F Nota: Si usamos los s mbolos F y , F para definir el rotacional y la divergencia de un campo vectorial respectivamente, vemos que las expresiones 6. y 7 anteriores toman la forma , F ,
, F
= , F
, F
( F )
= F + F
respectivamente. Terminamos esta seccin con la siguiente pregunta. Bajo que condiciones es un campo vectorial F un rotacional ? Esto es, bajo que condiciones existe un campo vectorial G tal que
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_03_01.tex Page 8 of 10 F = Rot ( G ) ?
La propiedad 1. anterior nos da una respuesta parcial a la pregunta. Puesto que Div ( Rot ( G ) ) = 0 estaramos tentados a pensar que Div ( F ) = 0 es una condicin necesaria y suficiente para que F sea un rotacional. En trminos generales la condicin no es suficiente y depende de la geometra de la regin en donde est definido el campo vectorial F. Tenemos el siguiente Teorema (5.3.2) Sea S un intervalo abierto de R , sto es, S = ( a, b ) ( c, d ) ( m, n ) . Si F es derivable con continuidad en S. Existe un campo vectorial G tal que Rot ( G ) = F si y s lo si Div ( F ) = 0 Veamos un ejemplo en el que Div ( F ) = 0 y F no es un rotacional. Sea
3
F( x , y, z ) =
( x, y, z )
3
x2 + y2 +z2
Vemos que F est definida en todo R 3 menos en el origen. Vemos que
( ( (
x
3
x 2 + y 2 + z2
y
3
(x
+ y +z
z
3
(x
+ y 2 + z2
) ) )
2x 2 y 2 z2
(
(
(x
+ y 2 + z2
))
5
x 2 2 y 2 + z2
( (
x2 + y2 +z2
)) ))
x 2 + y 2 2z2
(x
+ y2 +z2
Por lo tanto Div ( F ) = 0 Consideremos una esfera de centro en el origen y radio r a la cual le hemos quitado un casquete en el polo norte, cmo se indica en la figura.
Figura No. 02 El vector normal unitario a la superficie S en el punto ( x , y , z ) es
n =
( x, y, z )
x2 + y2 +z2
Supongamos que existe un campo vectorial G tal que Rot ( G ) = F. El Teorema de Stokes nos dice que
Ahora, Rot ( G ), n =
2
Rot ( G ), n ds =
Gdc
(5.3.5)
1 x + y +z
2 2
1 r
2
, por lo tanto
Pero observamos que

1 r2
Rot ( G ), n ds =
1 r
2
ds =
1 r
2
Area( S )
Area( S )4 cuando el rea del casquete tiende a cero y
Gdc
( Max G ) ( c )0
c
cuando el rea del casquete tiende a cero. Recuerde que ( c ) indica la longitud del arco de la curva c. Es as cmo la igualdad (5.3.5) nos lleva a una contradiccin. Debemos conclur que F no es un rotacional. La razn de ello radica en que el dominio de definicin del campo vectorial F no es un conjunto convexo debido a que no contiene el origen.
Problemas
Teorema de Stokes I
Teorema de Stokes II

Leccin 5.3. Problemas 1. Use el Teorema de stokes para calcular la integral de lnea
C ydx
+ zdy + xdz
en donde C representa la curva que se encuentra al intersectar las superficies x 2 + y 2 + z 2 = 1 y x + y + z = 0. 2. Muestre que Si es un campo escalar con derivadas parciales de orden dos, se tiene que Rot ( ) = 0 3. Muestre que si F tiene derivadas parciales de orden dos continuas, se tiene que Rot ( Rot ( F ) ) = ( Div ( F ) ) F 4. Muestre que si es un campo escalar y F un campo vectorial derivables, se tiene que Div ( F ) = Div ( F ) + , F ,
5. Muestre que si es un campo escalar y F un campo vectorial derivables, se tiene que Rot ( F ) = Div ( F ) + F 6. Sea F( x , y, z ) = Rot ( A F ) 7. Sea F( x , y, z ) =
( x, y, z )
2 2
y sea A =
( a, b, c ) un vector fijo de R 3 .
Calcule
( y , z , x ). Halle un campo vectorial G tal que F = Rot( G ).

2
Teorema de Stokes I
Teorema de la Divergencia

Leccin 5.4. El Teorema de Stokes II
El Teorema de Stokes puede extenderse a superficies ms generales. Por ejemplo, sea S una superficie parametrizada por r : T S regular y simple en donde T es mltiplemente conexo, como ase indica en la figura.
Figura No. 01 La curva la tomamos con orientacin positiva y las curvas interiores 1 y 2 con orientacin negativa. Tanto la curva como las curvas interiores 1 y 2 de la superficie S se definen como
1 2
= r = r 1 = r 2
y sus orientaciones son las que resulten por la composicin con r. Es entonces claro que el Teorema de Stokes toma la siguiente forma
Rot ( F ), n ds =
Fd
1 Fd 1
2 Fd 2
Otra extensin del Teorema de Stokes es al caso de superficies regulares no simples. Lo ilustramos con el siguiente ejemplo de una superficie cilndrica S compuesta por dos superficies S 1 y S 2 y parametrizadas por una funcin r : TS y en donde T est compuesta por T 1 y T 2 , como se ilustra en la figura.
Figura No. 02 La aplicacin r aplica T 1 en S 1 y T 2 en S 2 . Si llamamos la superficie S = S 1 S 2 , vemos que aplicando separadamente el Teorema de Stokes a cada superficie S i, i = 1, 2, obtenemos
Rot ( F ), n ds =
1 Fd 1
2 Fd 2
Observe que la suma de las integrales de lnea sobre las curvas 1 y 2 que tienen direcciones opuestas se anula. Un caso interesante es el Teorema de Stokes aplicado a una superficie esfrica S = S 1 S 2 .
Figura No. 03 Como se indica en la figura, las integrales de lnea sobre las curvas 1 y 2 tienen signos opuestos debido a que dichas curvas tienen orientaciones opuestas. Por lo tanto el Teorema de Stokes nos dice que
Rot ( F ), n ds = 0.
Existe una clase de superficies en la cual no es vlido el Teorema de Stokes, stas son las superficies no orientables o superficies de una sla cara. La superficie cilndrica que consideramos arriba tiene dos caras: la cara interna y la externa. La superficie S = S 1 S 2 , cmo se indica en la figura de abajo, es conocida como la banda de Mobius. Esta es una superficie de una sola cara: Si se rrecorre el vector normal n desde un punto dado por toda la superficie y en forma continua, cuando volvemos al punto de partida vemos que el vector normal est apuntando en la direccin opuesta al vector normal con que iniciamos.
Figura No. 04
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_04_01.tex Page 4 of 4 Si usamos una parametrizacin r, como se indica en la figura, vemos que las integrales de lnea sobre una de las uniones de las superficies S 1 y S 2 son las mismas y a diferencia de lo que ocurre en la superficie cilndrica, la suma de aquellas no se anula. Esta dificultad es insalvable y hace que el Teorema de Stokes no se pueda aplicar.
Teorema de la Divergencia
Problemas

Leccin 5.5. El Teorema de la Divergencia
El Teorema de la Divergencia, debido a Gauss, establece una relacin entre una integral sobre un volumen V y la integral de superficie sobre la frontera de aquel. Este Teorema, junto con el de Stokes, tiene importantes aplicaciones al electro magnetismo y a la mecnica de fludos, como veremos ms adelante. Teorema (5.5.1) (Gauss) Sea V un slido en R cuya frontera es una superficie S orientable. Sea F un campo vectorial derivable con continuidad definido sobre V. Entonces,
3
Div( F )dxd ydz =

V
F, n ds
(5.5.1)
Ejemplo: Sea V el cubo unitario de R3 , cmo se indica en la figura.
Figura No. 01 Sea F( x , y, z ) = x 2 , y 2 , z 2 . Hallemos S F, n ds, en donde S indica las seis paredes del cubo. De acuerdo con el miembro izquierdo de (5.5.1) tenemos:
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_05_01.tex Page 2 of 6 Div ( F ) = 2x + 2 y + 2z Por lo tanto
F, n ds
Div( F )dxdydz = ( 2x + 2 y + 2z )dxdydz = ( 2x + 2 y + 2z )dxdydz

=
V V 1 0 1 0 1 0
= 3 Como habamos visto en la seccin 2, S F, n ds mide la cantidad de fludo que atraviesa la
superficie S en la direccin del vector normal n y por unidad de tiempo. Ahora probaremos que si V P ( t ) es el volumen de una esfera de centro P y radio t entonces
Div ( F( P ) ) = lim
t 0 V P ( t )
S P( t )
F, n ds
(5.5.2)
La expresin
1 V P( t )
S P( t )
F, n ds
mide la masa por unidad de volumen y por unidad de tiempo que fluye a travs de la superficie S P ( t ). Es as cmo el miembro derecho de (5.5.2) representa el coeficiente de variacin de la masa por unidad de volumen y por unidad de tiempo. Este es, entonces, el significado fsico de la divergencia de un campo vectorial. Para probar (5.5.2) procedemos as: Puesto que F es derivable con continuidad, dado > 0 existe un > 0 tal que si X B( P, ),
Div ( F( P ) ) Div ( F( X ) ) <
(5.5.3)
Si escribimos
Div ( F( P ) ) = Div ( F( X ) ) +
{ Div( F( P ) ) Div( F( X ) ) },
obtenemos
Div ( F( P ) ) V P ( t )
( )Div( F( P ) )dxd ydz = ( )Div ( F( X ) )dxd ydz + ( ){ Div ( F( P ) ) Div ( F( X ) ) }dxdydz

=
VP t VP t VP t
De la igualdad anterior, (5.5.1) y (5.5.3) obtenemos
Div ( F( P ) ) V P ( t )
S P( t )
F, n ds
V P( t )
Div ( F( P ) ) Div ( F( X ) ) dxdydz
V P( t ) .
Dividimos en ambos miembros de la desigualdad anterior por V P ( t ) y obtenemos (5.5.2) El Teorema (5.5.1) nos sirve para establecer una serie de relaciones de grn utilidad en el rea de las ecuaciones diferenciales parciales, varias de ellas las proponemos como ejercicio. Para f y g, campos escalares derivables con continuidad, se tiene 1. S 2. S
f n f n
ds = V f dxdydz ds = 0, si f es armnica
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_05_01.tex Page 4 of 6 3. S f 4. S
g n
ds = V f g +
g n
f , g
dxd yd
f
g n
f n f n
ds = V f g g f dxd ydz
5. S f
= Sg
ds, si f y g son armnicas
en donde debemos entender
f n
f,n
y f = D ii f .
i= 1
Veamos la primera identidad: Por el Teorema (5.5.1)
f S n
ds
= =
f , n ds
Div( f )dxdydz = f dxdydz

V V
La segunda identidad es una consecuencia de la primera ya que f armnica significa que f = 0. Observemos que la tercera identidad es la generalizacin a tres dimensiones del mtodo de integraci n por partes. La ley de Gauss La ley de Coulomb afirma que si tenemos una carga elctrica de q culombs, situada en el origen, digamos, la fuerza que ejerce sobre otra carga unitaria y situada en el punto ( x , y, x ) viene dada por la expresin
F( x , y, z ) =
cq
3
( x , y, z )
(x
en donde c es una constante.
+ y +z
Sea V un slido de R que contiene al origen y denotemos con S su frontera. Puesto que F no est
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_05_01.tex Page 5 of 6 definido en el origen, no podemos aplicar (5.5.1) directamente. Sea = B( , a ), la bola de centro en el origen y de radio a tal que V. Entonces sobre el conjunto V si podemos aplicar el Teorema (5.5.1). La figura ilustra un corte de V .
Figura No. 02 Observemos que la frontera de V est compuesta por S y y el vector normal unitario sobre la frontera es
n =
1
1
( x , y, z )
(x
+ y 2 + z2
Es as cmo el teorema (5.5.1) toma la siguiente forma:
Div ( F )dxdydz =
F, n ds +
F, n ds
(5.5.4)
Un clculo nos dice que Div ( F ) = 0 y por lo tanto (5.5.4) se transforma en
F, n ds
F, n ds
cq x, y , z
)
3
1 x , y, z
)
1
dS
(x
2
+ y +z
2 2
(x
+ y +z
= cq
x + y +z
(x
dS
+ y +z
dS
= =
cq a2 cq a
2
4 a 2 = 4c q.
Por lo tanto el flujo S F, n ds = 4c q slo depende de la carga q y no del tamao o forma de S.
Problemas
El Teorema de la Divergencia
Ecuaciones de Maxwell

Leccin 5.5. Problemas Demuestre que: 1. 2. 3. S S
f n f n
ds = V f dxdydz ds = 0, si f es armnica.
g n
S f S
ds = V f g + g
f n f n
f , g
dxd ydz
4.
g n
ds = V f g g f dxd ydz
5. 6.
S f
g n
= Sg
ds, si f y g son armnicas.
Use el teorema de la divergencia para calcular la integral de superficie
xdy dz + ydz dx + zdx dy

S
en donde S es la superficie del hemisferio superior de la esfera de centro en el origen y radio 1.
Ecuaciones de Maxwell
Formas Diferenciales

Leccin 5.6. Las Ecuaciones de Maxwell
En 1873, en su libro Electricity and Magnetism, J.C. Maxwell tendi las leyes de la electrodin mica. Sean E = E 1 , E 2 , E 3 y H = H1 , H 2 , H 3 dos campos vectoriales que representan el campo elctrico y magntico respectivamente. Maxwell propuso las siguentes ecuaciones
Rot ( E ) + Rot ( H )
1 H c t 1 E c t
= 0 = 0,
(5.6.1)
en donde la constante c representa la velocidad de la luz. El sistema anterior constituye un sistema de seis ecuaciones diferenciales parciales de primer orden y seis funciones, E 1 , E 2 , E 3 y H 1 , H 2 , H3 como incgnitas. Si en ambos miembros de las ecuaciones, en (5.6.1), aplicamos la operacin divergencia, teniendo en cuenta que la operacin divergencia y la derivacin son intercambiables, concluimos que Div ( E ) Div ( H ) = const = const (5.6.2)
Recurdese que Div ( Rot ( E ) ) = Div ( Rot ( H ) ) = 0. Las ecuaciones (5.6.2) nos dicen que la divergencia de E y H son independientes del tiempo. En particular, si son cero siguen siendo cero todo el tiempo. El Teorema de la Divergencia nos dice que
Div( E )dxdydz Div( H )dxdydz

V V
=
=
E, n ds H, n ds
De las ecuaciones anteriores se deduce que si la divergencia de E y H son cero, entonces no se presentan los flujos elctrico y magntico. Volvamos al sistema (5.6.1): Consideremos una superficie S a travs de la cual se presenta un flujo el ctrico y magntico. Sea n el vector normal a dicha superficie. En (5.6.1), hacemos el producto interno con n y obtenemos
Rot ( E ), n
1 c
H, n t
= 0 = 0.
(5.6.3)
Rot ( H ), n
1 c
E, n t
En (5.6.3) tomamos integrales de superficie con respecto a S y hacemos uso del Teorema de Stokes para obtener
C EdC
= =
1 d c dt
1 d c dt
H, n ds
(5.6.4)
CHdC
E, n ds
en donde C es la curva de la frontera de S. Las ecuaciones en (5.6.4) son realmente notables pues nos dicen que el trabajo realizado por el campo elctrico y magntico alrededor de la frontera de la superficie S es proporcional a la variacin del flujo magntico y elctrico a trav s de la 1 superficie S con constantes de proporcionalidad 1 c y c respectivamente. La segunda ecuacin de (6.6.4) nos dice que si movemos un cuerpo alrededor de una trayectoria cerrada bajo la accin de un campo magntico esto producir un flujo elctrico. Este es el principio te rico de la generacin de energa hidroelctrica: Si hacemos rotar un eje, movido por la cada del agua, dentro de un campo magntico, producimos una corriente elctrica.
Otra consecuencia importante de las ecuaciones en (5.6.3) es que si la superficie S que estamos considerando es una esfera,
Rot ( E ), n ds =
Rot ( H ), n ds = 0
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_06_01.tex Page 3 of 4 y por lo tanto
d dt
H, n ds =
d dt
E, n ds = 0.
Esto es, no hay variacin de flujo elctrico y magntico a travs de la superficie S. Esto comprueba el experimento de Faraday que consiste en introducirse en una esfera metlica a la cual se le somete a una descarga elctrica sin que el ocupante de la esfera sufra lesin alguna. Esto lo pueden ver los visitantes del Museo de la Ciencia, Maloka, en Bogot y explica el por qu de la recomendacin de refugiarse en un automovil en caso de tormentas elctricas. Finalmente, si en (5.6.1) derivamos con respecto al tiempo la segunda ecuacin, obtenemos
Rot
( )
H t
1 E c 2 t
= 0
(5.6.5)
De la primera ecuacin de (5.6.1) despejamos
H t
y lo incertamos en (5.6.5) y as obtenemos
cRot ( Rot ( E ) ) +
1 E c 2 t
= 0
(5.6.6)
Ahora usamos la identidad Rot ( Rot ( E ) ) = E + ( Div ( E ) )
y recordamos que Div ( E ) = 0. Remplazamos en (5.6.6) y obtenemos

1 E c
2 2
E =
t 2
(5.6.7)
De manera anloga obtenemos

1 H c
2 2
H =
(5.6.8)
Las ecuaciones (5.6.7) y (5.6.8) nos dicen que el campo elctrico y magntico, y por lo tanto la luz, se propagan en forma de onda. Este hecho trajo contradicciones profundas en la Fsica del siglo IXX ya que era conocido que una onda para transportarse necesitaba de un medio por el cual pudiera
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap05/05_06_01.tex Page 4 of 4 viajar. De otra parte, se saba que la luz y las radiaciones electromagnticas viajaban en el vaco. Esta contradicin fue temporalmente subsanada por los fsicos con la introduccin del Eter como medio de transporte de las ondas electromagnticas. Posteriormente, y en forma experimental, Michelson y Morley concluyeron que la teora del Eter no era sostenible. Una nueva teora de la luz apareci posteriormente con el advenimiento de la Teora de la Relatividad y la Mecnica Cuntica.
Formas Diferenciales
Introduccin
Problemas
CAPTULO 6 FORMAS DIFERENCIALES

Leccin 6.1. Definicin y ejemplos
El propsito de esta seccin es establecer un lenguaje que nos permita poner dentro de trminos comunes los conceptos de curva y superficie que hemos desarrollado en los captulos 2, seccin 2 y 5, seccin ,1 respectivamente. Como lo hicimos all, identificaremos las superficies con las funciones paramtricas que las definen. Definicin (6.1.1) Sea D R un conjunto compacto y sea E un abierto de R . Una funcin r: DE de clase C 1 la llamaremos una k superficie. Al conjunto D lo llamamos el dominio de par metros de r y representaremos sus puntos como u = u 1 , ...u k . Tambin, r = x 1 , ..., x n donde los x j, j = 1, ..., n, representan las funciones componentes de r.
k n
Por ejemplo, cuando k = 1, r representa una curva en R . Cuando k = 2 y n = 3, r representa una superficie en R3 (incluye el caso degenerado como cuando r es constante). Definicin (6.1.2) Sea E un abierto de R . Una forma diferencial de orden k 1 en E o tambi n: una k forma diferencial en E, es una funcin que representaremos por
n
w =
i 1 ... i k
( x )dx i 1 ... dx i k,
(6.1.1)
donde los ndices i j varan de 1 a n, tal que para toda k superficie r en E
w( r ) =
w = D
a i 1 . ..i k( r( u ) )
x i 1 ... x i k
u 1 ... u k
) du ...du
1
(6.1.2)
Es costumbre escribir w( r ) como r w o tambin como Dw . En (6.2.1) entenderemos que
x i 1 . .. x i k
u 1 . .. u k
= det
x i 1 u 1
. .
x i 1 u k
. .
x i k u 1
. . . .
x i k u k
(6.1.3)
Ejemplo 1 Sea r : DR , D = r( u, v
3
0, 1
2
0, 1
R , una 2 superficie en R definida por
( uv , u + v , u v ). Entonces las funciones componentes de r son:

x ( u, v
) y( u, v ) z( u, v )
= = =
uv u+v u 2v
3
Sea w =
( x y )dx dy + ( x y )dz dy
( ) ( u , v )
x, y x u u z u u x v v
una forma diferencial de orden 2 sobre R . Entonces
det
( ) ( u, v )
z, y
det
( ) ( )
y y z v v y y
= det
v u 1 1
= vu
= det
2uv u 2 1 1
= 2uv u 2
Por lo tanto
w=
1 0 r
1 0
uv ( u + v )( v u ) + ( uv u v )2uv u 2 =
7 9
Ejemplo 2 Sea r una 1 superficie en R , con dominio de parmetros D = una 1 forma sobre R . Sea r( t ) =
3 3
0, 1
R. Sea w = ydx + xdy
( x ( t ), y( t ), z( t ) ). Entonces
w = r
y( t )x ( t ) + x( t ) y ( t )dt
1 0
Observemos que rw es la integral de lnea rFdr en donde F( x , y , z ) =
( y, x , 0 )
1 2 1 2 Una k forma w se dice que es de clase C , C ... si las funciones a i 1 ... i k( x ) son de clase C , C ... Una 0 forma en E est definida como una funcin continua en E.
A las k formas dx i 1 ... dx i k las llamaremos k formas fundamentales. Propiedades de las k formas diferenciales Decimos que dos k formas w 1 y w 2 en E son iguales si para toda k superficie r en E se tiene que w 1 ( r ) = w 2 ( r ), en particular w = 0 si w( r ) = 0 para toda superficie r en E. Tenemos las siguientes propiedades: 1. r cw = c rw , para toda constante c 2. r w 1 + w 2 = rw 1 + r w 2 3. De (6.1.3) se deduce que dx i dx j = dx j dx i , i, j = 1, 2, ..., n (6.1.4)
debido a que en un determinante si intercambiamos dos columnas se nos presenta un cambio de signo. Ademas dx i dx i = 0, i = 1, 2, ..., n (6.1.5)
Introduccin
Problemas
Definicin
Operaciones entre formas

Leccin 6.1. Problemas 1. Sea r : DR , D = r( u, v w =
3
Definicin y ejemplos
0, 1
2 2
0, 1
R , una 2 superficie en R definida por una forma diferencial de orden 2
)
3
( u v , u + uv , u v ). Sea
3 3
( x y )dx d y + ( x y )dz dy + ( x yz )d y dx
0, 1
2
sobre R . Hallar rw 2. Sea r : DR , D = r( u, v w = 0, 1 R , una 2 superficie en R definida por

2 3
)
3
(u
+ v , u + u 3 v , u 3 v 2 . Sea
(x+ y)
dx dy + ( x y ) dz dy +
( x yz )d y dx
una forma diferencial de orden 2
sobre R . Hallar rw 3. Sea r una 1 superficie en R 3 , con dominio de parmetros D = que el campo vectorial F = 0, 1 R, tal que
3
r( 0 ) = r( 1 ) Sea w = f ( x , y , z )dx + g( x , y, z )d y + h( x , y, z ) una 1 forma sobre R tal
f , g, h ) es un operador potencial. Muestre que r w = 0
4. demuestre las propiedades siguientes 1. r cw = c rw , para toda constante c 2. r w 1 + w 2 = rw 1 + r w 2 en donde r es una k superficie en E R y w, w 1 y w 2 son k formas en E 5. Sea Sea r : DR , D = 0, 1 0, 1 0, 1 R , una 3 superficie en R definida por r( u, v , s ) = ( u, v , s ) . Sea w = f ( x , y, z )dx dy dz. Muestre que
3 3 3 n
w=
1 0 1 0 r
1 0
( x , y, z )dxd ydz
Definicin
Problemas

Leccin 6.2. Operaciones entre formas
Ya en la seccin 1 habamos considerado la suma de dos k formas diferenciales. Es importante observar que no tiene sentido la suma de una k forma y una q forma con k q. Multiplicacin de formas Definicion (6.2.1) Consideremos w = =
a b
i 1 .. . i k
( x )dx i 1 ... dx i k, ( x )dx j 1 ... dx j m
j 1 .. . j m
una k y m formas diferenciales respectivamente sobre un abierto E Rn en donde i 1 , ...i k, j 1 , ... j m varan entre 1 y n. Su producto, expresado como w y llamado el producto exterior de las dos formas , se define como la k + m forma diferencial
w =
i 1 . .. i k
( x )b j 1 ... j m dx i 1 ... dx i k dx j 1 ... dx j m
(6.2.1)
en donde i 1 , ...i k , j 1 , ... j m varan independientemente entre 1 y n. De la definicin de multiplicacin entre formas se deduce que dicha operacin es asociativa y distributiva con respecto a la suma de formas diferenciales, sto es: 1.
( +)
= +
2. ( ) = Ejemplo.
( )
Sea = dx + dy + dz una 1 forma sobre un abierto E R3 y sea = dx dz + dz dy una 2 3 forma sobre E R . Entonces, por (6.1.4), (6.1.5) y las propiedades 1 y 2 anteriores,
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_02_01.tex Page 2 of 5 = = = es una 3 forma sobre E. Diferenciacin de formas Definicin (6.2.2) Una 0 forma de clase C 1 sobre E es simplemente una funcin de clase f de 1 clase C sobre E. Definimos d f como df =
( dx + dy + dz )( dx dz + dz dy )
dx dz dy + dy dx dz 2dx dy dz
i= 1
f(x x i
dx i
(6.2.2)
y para una k forma sobre E, w = f dx i 1 ... dx i k, donde f es una 0 forma, definimos
dw = d f
( dx
i1
... dx i k
(6.2.3)
Comentario. dw es conocido como la derivada exterior de la k forma y denota una k + 1 forma sobre E. La definicin de derivada exterior se se extiende de manera natural a suma de formas diferenciales como la suma de derivadas exteriores. Ejemplo Sea =
(x
y + xz + y dx d y +( x yz )dz d y una dos forma sobre R . Entonces = f dx d y + gdz d y,
en donde f = x 2 y + xz + y y g = x yz. Ahora = =
df dg
( 2x y + z )dx + ( x 2 + 1 )d y + xdz ( 2x y + z )dx + ( x 2 + 1 )d y + xdz
Usamos (6.1.4) y (6.1.5) y obtenemos
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_02_01.tex Page 3 of 5 d = = = d f ( dx dy ) + dg( dz dy ) x ( dz dx dy ) + yz( dx dy dz )
( x + yz )dx d y dz
1
Teorema (6.2.1) Si y son k y m formas de clase C , respectivamente, entonces d( y si es de clase C

2
= d + ( 1 ) d
(6.2.4)
entonces
d 2 = d( d
)=0
(6.2.5)
Demostracin: Es suficiente considerar solamente los casos en que = = f dx i 1 ... dx i k, gdx j 1 ... dx j m
en donde f y g son de clase C . Tenemos, entonces, que
d(
= d( f . g )dx i 1 ... dx i k dx j 1 ... dx j m
(6.2.6)
De (6.2.2) se obtiene que
d( f . g ) = gd f + f dg
(6.2.7)
Remplazamos (6.2.7) en (6.2.6) y obtenemos
d(
( gd f
+ f dg ) dx i 1 ... dx i k dx j 1 ... dx j m
(6.2.8)
Ahora, por (6.1.4) obtenemos
dg dx i 1 ... dx i k =
( 1 ) dx i 1 ... dx i k dg
(6.2.9)
Remplazamos (6.2.9) en (6.2.8) y hacemos uso de (6.2.3) para obtener que d(
gd f dx i 1 ... dx i k dx j 1 ... dx j m + f dg dx i 1 ... dx i k dx j 1 ... dx j m
( d f dx ... dx ) ( gdx ... dx ) + ( 1 ) ( f dx ... dx ) ( dg dx ... dx )

i1 ik j1 jm k i1 ik j1 jm
d +
( 1 ) d
2
Como queramos ver. Para terminar probemos que d = 0. Si es una 0 forma, entonces de (6.2.2) obtenemos que
d
2
= =
(
n
i= 1
2
( x x i
dx i
)
(6.2.10)
( x x i x j
2
i, j= 1
( x x i x j
dx i dx j
Puesto que estamos suponiendo que es de clase C entonces
( x x jx i
. Adems, como
dx i dx j = dx j dx i obtenemos de (6.2.10) que d 2 = d( d = dx i 1 ... dx i k obtenemos de (6.2.3) que d = 0.
) = 0. Tambin, si
Para el caso general en que = f dx i 1 ... dx i k, con f una 0 forma, tenemos por (6.2.6) que
d d
2
= =
df d
2
( dx f ( dx
i1
... dx i k
i1
) ... dx ) d f d( dx
ik
i1
... dx i k
)=0
Esto prueba el teorema. o Comentario En el caso en que y sean 0 formas el producto exterior coincide con el producto usual de funciones, sto es: = . y (6.2.4) toma la forma de (6.2.7)
Problemas
Transformaciones de formas

Leccin 6.2. Problemas 1. Sean = Operaciones entre formas
x y +z
2 2
dydz +
(
x
y x +z
2 2
dxdz y = z 2 dx + y 2 dz Calcule
n
2. Sean y k y m formas sobre un abierto E de R tal que k + m > n. Pruebe que = 0. 3. Sean y k y m formas sobre un abierto E de R .Pruebe que = 4. Calcule d cuando =
n
( 1)
km
y +z
dydz +
y x + z2 n
2
dxdz
5. Sean y k y m formas sobre un abierto E de R . Pruebe que si km es un nmero par entonces d( ) = d( )
Problemas

Leccin 6.3. Transformaciones de formas
n
Sea E un abierto de R y sea T = t 1 , ..., t m una aplicacin de clase C de E en un conjunto m abierto V de R . Sea w una k forma diferencial en en V,
w =
i 1 .. . i k
( y )d y i
... d y i k
(6.3.1)
Entonces T transforma la k forma diferencial w en la k forma diferencial w T sobre E definida como wT =
i 1 ... i k
( T ( x ) )dt i
... dt i k
(6.3.2)
donde y i = t i( x ), i = 1, 2, ..., m y
n
dt i =
j= 1
t i ( x x j
dx j, i = 1, 2, ..., m
(6.3.3)
Observemos que la k forma diferencial w T sobre E la hemos conseguido haciendo un cambio de variable en la la k forma diferencial w sobre V. Ejemplo: Sea w = T : R2
( r sq )dr dq + ( r + s + q )dq ds una forma diferencial de orden dos en R . Sea R con T( x , y ) = ( x y , x y , x y ). Calculemos w . Observemos que w debe ser
2 3 3 2 T T 2
una forma diferencial de orden dos sobre R y debe tener la forma w T = f ( x , y Entonces,
) dx dy .
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_03_01.tex Page 2 of 7 a 1 ( r, s, q ) a 2 ( r, s, q ) = = r 2 sq r+s+ q
Las funciones componentes de T son: t 1( x , y ) t 2( x , y ) t 3( x , y ) y por lo tanto dt 1 dt 2 dt 3 Entonces = = = ydx + xd y dx dy 2x ydx + x 2 dy = = =
xy xy x 2y
)) ( a ( T( x , y ) )
a 1 T( x , y
2
= =
( ) = x y ( x y )x y a ( x y, x y, x y ) = x y + x y + x y
a1 x y, x y, x 2 y
2 2 2 2 2 2
Por lo tanto, de (6.3.2), (6.3.3) y simplificando obtenemos que
wT
= =
( x y ( x y )x y )( ydx + xdy ) ( 2x ydx + x d y ) + ( x y + x y + x y )( 2x ydx + x d y ) ( dx dy ) ( x y x y )( yx dx d y ) + ( x y + x y + x y )( 2x y x )dx dy ( x y + x y 2x y x y x y x + 2x y 2x y x y )dx dy

2 2 2 2 2 2 5 3 4 4 2 2 2 7 4 6 5 2 2 3 2 3 2 3 2 4 m
De (6.3.2) se desprenden los siguientes teoremas Teorema (6.3.1) Sean w y un par de k y q formas en un abierto V de R . Sea 1 T = t 1 , ..., t m una aplicacin de clase C de E en V. Entonces
1. ( w + ) T = w T + T siempre que k = q
2. ( w ) T = w T T
3. d w T 4. Si S =
(
S
=
1
( dw )T siempre que w sea de clase C 1 y T de calse C 2 .

1 p
( s , ...s ) es una aplicacin de clase C

= w ST.
de V en W, un abierto de R , entonces
(w )
Demostracin De la definicin de suma y producto exterior que dimos en la seccin 2 de este cap tulo vemos que las propiedades 1. y 2. son inmediatas. Veamos la propiedad 3. Primero supongamos 1 que que w es una 0 forma de clase C , sto es, w es una funcin definida en V con valores en R. Entonces = = w ( T( x ) )
w T( x ) dw
j= 1
w y y j
( )
dy j
Ahora, por la regla de la cadena y (6.3.3) obtenemos que d wT
= = =
j= 1 n
w T( x x j m
dx j =
j= 1 x j
( T( x ) )
x j
dx j
j= 1 i= 1 m
w T( x t i
) ) t i ( x )
dx j
i= 1
w T( x t i
))
dt i =
( dw ) T
Veamos el caso en que k 1. Es suficiente considerar el caso w = f dy i 1 ... dy i k, cualquier otra k forma sobre V son sumas de este tipo. Observemos que
( dy
i1
... dy i k
= dt i 1 ... dt i k
(6.3.4)
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_03_01.tex Page 4 of 7 y puesto que T es de clase C 2 d dt i 1 ... dt i k tenemos que d dt i 1 ... dt i k
) est definida. Ahora, de acuerdo con (6.2.3)

(6.3.5)
) = 0.
Ahora, por la propiedad 2. y (6.3.4) tenemos que
wT = f
( dy
i1
... dy i k
= f
dt i 1 ... dt i k
Ahora, de (6.2.4) aplicado a w T y teniendo en cuenta (6.3.5) encontramos que por la propiedad 2. que
d wT
)=
( f ( dt
T
i1
... dt i k
) ) = d( f ) ( dt
T
i1
... dt i k
) = ( dw ) ,
T
como queramos ver. La prueba de la propiedad 4. la dejamos al lector. Teorema (6.3.2) Sea w una k forma diferencial en un abierto E de R . Sea : DE, con D k un subconjunto compacto de R , una superficie de orden k sobre E. Sea I : DD la aplicacin idntica, I ( u ) = u, que representa una k superficie en R k. Entonces
n
Demostracin Sea =
w =
w
I
(6.3.6)
(t
( x ), t 2 ( x ), ..., t n ( x ) ) con x =
1
suficiente probar el teorema para el caso en que w = Ahora, de (6.2.2) sabemos que
n
( x , ..., x ) f ( x , ..., x ) dy d y
1 k k i1
D R . Es
i2
... d y i k.
dt i j = para cualquier i j.
k =1
t i j x k
dx k
La parte crucial de la prueba radica en observar que
dt i 1 dt i 2 ... dt i k = det
( )
x 1
t i 1
. .
. . . . . . . .
t i 1 x k
. .
dx 1 ... dx k
t i k x 1
t i k x k
Ilustrmolo con el siguiente caso particular: si ( x , y ) = dt 1 dt 2 y por lo tanto dt 1 dt 2 = = = =

t 1 t 2 x
( t ( x , y ), t ( x , y ) ), entonces
1 2
dx + x dx +
t 1 y t 2 y
dy dy
( (
t 1 x
dx +
x x
t 1 y
dy
t 1 t 2 x y
t 2 t 1 x y t 1 y y t 2
) ( dx + )dx d y
x
t 2
t 2 y
dy
det
( )
t 2
t 1
dx dy
Ahora tenemos: w = f
(t (t
( x ), t 2 ( x ), ..., t n ( x ) )dt i 1 dt i 2 ... dt i k
( x ), t 2 ( x ), ..., t n ( x ) )det
( )
1
t i
x 1
. .
. . . . . . . .
t i
x k
. .
dx 1 ... dx k
t i k x 1
t i k x k
Y as obtenemos que
w
I
f ( t ( x ), t ( x ), ..., t ( x ) )dt
I 1 2 n D 1 2 n
i1
dt i 2 ... dt i k
f ( t ( x ), t ( x ), ..., t ( x ) )det w
( )
x 1
t i 1
. .
. . . . . . . .
t i 1 x k
. .
dx 1 ...dx k
t i k x 1
t i k x k
Como queramos o Ilustremos (6.3.6) con un ejemplo: Sea ( x , y ) =

2
( t ( x , y ), t ( x , y ) ) = ( x + y, x y ).
1 2 2
Sea w = rs dr ds una forma diferencial de orden dos sobre R . Sea D = R un dominio de parmetros. Sea I : DD, I ( x , y ) = dt 1 dt 2 y por lo tanto w = = = = dx + dy dx dy
0, 1
0, 1
( x , y ). Entonces
( x + y )( x y )( dx + dy ) ( dx d y )
2 y 2 x 2 dx dy
de acuerdo con (6.1.2) =
w ( I )
w = 2( y x )dx dy ( ) 2( y x ) ( ) dxdy
I 2 2 I 2 2 x, y x, y D
= =
2( y
D 1 0
x 2 det
2
1 0 0 1
dxd y
2( y
1 0
x 2 dx dy = 0
De otra parte, renombremos ( u, v
( r( u, v ), s( u, v ) ) = ( u + v , u v ) y obtenemos
w( )
= = = =
w =
rsdr ds
( u + v )( u v )
2
( ) dudv ( u , v )
r, s
(u
D 1 0
v 2 det
2
(
)
1 1
1 1
dudv
2( v
1 0
u 2 du dv = 0
Como consecuencia del Teorema (6.3.2) tenemos el siguiente Teorema (6.3.3) Sea T una aplicacin de clase C de un abierto E R en un abierto m V R . Sea una k superficie en E y sea w una k forma en V. Entonces
1 n
w =
wT
(6.3.7)
Demostracin Observemos que si una k superficie en E entonces T es una k superficie en V y k tanto como T tienen el mismo dominio de parmetros D R . Sea, como en elteorema anterior, I : DD, I ( u ) = u. De (6.3.6) obtenemos que
(w )
I T
w
I
(6.3.8)
Como queramos ver. o
Problemas
Smplices y cadenas

Leccin 6.3. Problemas 1. Sea w = x yz dx dy dx una forma diferencial de orden 3 en R 3 . Sea T : R R , T( x , y, z ) = 2. Sea S( x , y, z ) =
3 3
x y z y, x , x
). Calcule w .
T
( x y, y z, z x ). Del ejercicio 1. halle w ST.
3. Demuestre la propiedad 4. del Teorema (6.3.1), 4 Demuestre que
(w )
S t i
= w ST
dt i 1 dt i 2 ... dt i k = det
( )
1
x 1
. .
. . . . . . . .
t i
x k
. .
dx 1 ... dx k
t i k x 1
t i k x k
cuando dt i j =
k =1
t i j x k
dx k
Smplices y cadenas
Problemas

Leccin 6.4. Smplices y cadenas
k
En las secciones anteriores hemos supuesto que el dominio de parmetros D R es un conjunto compacto. Para facilitar la definicin de frontera de un conjunto, que habr de llevarnos a la prueba del Teorema de Stokes, introduciremos ac el concepto de simplex orientado Definicin (6.4.1) Al conjunto
Q =
k
{
1
x =
e ,
i i i= 1
0y
i= 1
en donde e i R con e i =
( 0, ...1, ...0 ) ,
2 3
1 en el lugar i-simo, lo llamaremos el k simplex

k
cannico. Los vectores e i, i = 1, 2...k son la base cannica de R . Ejemplos: En la grfica vemos Q , Q y Q que representan un segmento de recta, un tringulo y un tetraedro respectivamente.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_04_01.tex Page 2 of 6 Para establecer lo que habremos de entender por simplex orientado introducimos la siguiente notaci n: Q = en donde e 0 =
k
e 0 , e 1,e 2 , ...e k
k
(6.4.1)
k
( 0, 0, ..., 0 )
= , el vector nulo de R . Adems del simplex cannico Q , e i 0 , e i 1 , ...e i k , con i j
consideraremos simplex como =
{ 0, 1, 2, ..., k }, i j
k
i s si
0 1 k
j s.Y diremos que tiene la misma orientacin, u orientacin positiva, si el arreglo es una permutacin par de ( 0, 1, 2, ...k ). Si el arreglo e i 0 , e i 1 , ...e i k Por ejemplo,
0 1
( i , i , ...i )
( i , i , ...i ) es una permutacin impar de
( 0, 1, 2, ...k ) diremos que el simplex est orientado negativamente. Observemos que

representa el orden en que tomamos los vrtices de Qk y la orientacin, positiva o
k
negativa se toma con respecto al simplex cannico Q . e 0 , e 2,e 1 , ...e k es un simplex con orientacin negativa puesto que ( 0, 2, 1, 3, ...k e 2 , e 0, e 1 , ...e k
es una permutacin impar del arreglo ( 0, 1, 2, ...k ). O tambin,
es un simplex
con orientacin positiva pues ( 2, 0, 1, 3, ...k ) es una permutacin par de ( 0, 1, 2, ...k ). Para dos smplices y escribimos = si tienen la misma orientacin y = si tienen orientaciones distintas. En general, escribiremos = con = 1. Los k simplex que hemos definido son las imgenes de k superficies en R con dominio de par k metros D = Q . Estas k superficies las denotaremos con el mismo smbolo. Esto es, sea = , e i 1 , ...e i k un k simplex. Definimos la k superficie como la aplicacin lineal definida por ej : = Qk , e i 1 , ...e i k e i j , j = 1, 2, ..., k Rk
k
( )
en donde e i j = ( 0, 0, ...1, 0.... ) con 1 en el lugar i j. La matriz A (la matriz asociada a ) tiene como j esima columna las componentes del vector e i j , j = 1, 2, ..., k . Por ejemplo: En R3 consideremos el simplex = , e 2 , e 3 , e 1 , entonces definimos la transformacin lineal en los elementos de la base como
( ) ( e ) ( e )
e1
2 3
= = =
e2 e3 e1
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_04_01.tex Page 3 of 6 y por lo tanto ( x , y , z ) = x ( 0, 1, 0 ) + y( 0, 0, 1 ) + z( 1, 0, 0 ) = asociada a en la base cannica es
( z, x , y ). La matriz
A =
( )
0 0 1 1 0 0 0 1 0 = , con
1 k
Los k simplex =
e j 0 , e j 1 , ...e j k
los escribiremos como = , e i 1 , ...e i k
= 1 dependiendo que
j 0 , j 1 , ..., j k
) sea una permutacin par o impar de ( 0, i , ...i )
respectivamente. Es importante observar que, en aquel caso, det A det A = = det A = 1 det A
Teorema (6.4.1) Sea w una k forma diferencial sobre R k. Sean , dos k smplices tales que = , con = 1. Entonces
w = w

(6.4.2) , e i 1 , ...e i k y
Demostracin No perdemos generalidad si suponemos que = = w = f ( x )dx 1 ... dx k. Entonces
, e j 1 , ...e j k . Entonces = , con = 1. Tambin podemos suponer que
= = =
f ( x )dx 1 ... dx k f
k
( ( u ) )d 1 ... d k
f ( ( u ) )det A du 1 ...du k (6.4.3)
De otra parte, Si hacemos el cambio de variable u = 1 ( v ), del miembro derecho de (6.4.3) obtenemos
( ( u ) )det A du 1...du k
= = = =
f ( ( v ) )det A det A det A f ( ( v ) )det A dv ...dv f ( ( v ) ) det A dv ...dv w

Q
k
dv 1 ...dv k
(6.4.4)
De (6.4.3) y (6.4.4) se sigue (6.4.2) o El concepto de k simplex que hemos introducido lo podemos extender a Rn de la siguiente forma: Definicin (6.4.2) Sean p 0 , p 1, ..., p k, k + 1 vectores de Rn . Definimos =
n n
p 0 , p 1, ..., p k ,
k
un k simplex en R como la k superficie en R cuyo dominio de parmetros es Q y est definida por la funcin ( u ) = p 0 + A ( u ) (6.4.5)
en donde A es la transformacin lineal definida por A e i
( )=
p i p 0 , i = 1, 2, ..., k , y
{e,
i
= 1, 2, ..., k
} es la base cannica de R
Comentario Observemos que ( ) = p 0 y que e i =

0
( )
= p i . El k simplex en R n , si el arreglo
p i 0 , ..., p i k
k
tiene la misma orientacin de =
p 0 , p 1,..., p k
( i , ..., i ) es una permutacin par de ( 0, 1, ..., k ). Si tal permutacin es impar, decimos que
tienen orientaciones contrarias. Y como lo habamos hecho antes, escribiremos = , = 1.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_04_01.tex Page 5 of 6 Tenemos emtonces el siguiente Teorema (6.4.2) Sean y dos k smplices en R tales que = , = 1.Y sea w una k forma en un abierto E R , con Q
n n
( ) E. Entonces
k
w = w
(6.4.6)
Demostracin La prueba sigue los mismos pasos de la demostracin del Teorema (6.4.1) En la discusin anterior hemos considerado k formas diferenciales y k smplices con k 1. Para completar lo que hemos expuesto es necesario introducir el concepto de 0 simplex. Un vector p 0 de n R ser llamado un 0 simplex y se le atribuye un signo: = + p 0 o = p 0 . Si f es una 0 forma en un abierto E R n y = p 0 definimos
Cadenas de smplices
f = f
(p )
0
(6.4.7)
Definicin (6.4.3) Una k cadena en un conjunto abierto E R n , se define como una coleccin finita 1 , ..., r de k smplices sobre E. y definimos para w , una k forma sobre E,
w =
j= 1
jw
(6.4.8)
Y escribiremos = j.
=1
En el caso en que 1 = 2 y = 1 + 2 tendremos que w = 0, para toda k forma w, y simplemente escribiremos = 0. El borde de un Simplex Definicin (6.4.4) Sea = p 0 , p 1,..., p k un k simplex en un abierto E R . Definimos el borde de como la cadena de k 1 smplices
n
p 1 , p 2 , ..., p k
( 1 )
j =1
p 0 , ... p j1 , p j+1 ..., p k
(6.4.9)
En donde los k 1 smplices del miembro derecho de (6.4.9) tienen como dominio de par k 1 metros a Q Observemso que, por ejemplo, el k 1 simplex 0 = 0 ( u ) = p 1 + A 0 ( u ), en donde A 0 e i es la base cannica de R Ejemplo Sea =
k 1
p 1 , p 2 , ..., p k
est definido por
( )=
p i+1 p 1 , i = 1, ...k 1 y
{ e , 1, ...k 1 }
i
p 0 , p 1 , p 2 . Entonces =
p 1, p 2
p 0, p 2
p 0, p 1 .
Problemas
Smplices y cadenas
Teorema de Stokes

Leccin 6.4. Problemas 1. Sean p 0 = Smplices y cadenas
( 1, 1, 1, 1 ) ,
4
p2 =
( 0, 1, 1, 0 ),
p 0, p 1, p 2, p 4
p3 =
( 0, 1, 0, 0 ) y p 4
4
1, 1, 1, 1 )
cuatro vectores de R . Sea =
un 3 simplex de R . Hallar A
2. Considere el simplex del problema 1. Halle todos los 3 simplex que tienen la misma orientacin de 3. Demuestre el Teorema (6.4.2) 4. Sea = p 0 , p 1 , p 2 , p 4 el 3 simplex de R4 del problema 1. Halle y las matrices asociadas de los 2 smplices que la componen. 5. Considere el simplex del problema 1. Muestre que ( ) = = ( indica el conjunto vaco)6) Muestre que el resultado anterior es vlido para todo k simplex = p 0 , ... p k .
2
Smplices y cadenas
Teorema de Stokes
Problemas

Leccin 6.5. Teorema de Stokes
Extenderemos an ms, en esta seccin, el concepto de k simplex orientado con el nimo de llegar a una forma general del Teorema de Stokes. Definicin (6.5.1) Sea T una aplicacin de clase C definida de un abierto E de R en un m abierto V de R . Sea un k simplex en E. Entonces la funcin compuesta = T ( ) es una k k superficie en V con dominio de parmetros Q . A lo llamamos un k simplex orientado en V. Ejemplo. Sea = p 0 , p 1 , p 2 , un simplex de orden dos en R 3 , con p0 p1 p2 y sea T : R R , T ( x , y, z ) = Primero observemos que ( u, v
3 3 2 n
= = =
( 1, 1, 1 ) ( 1, 1, 0 ) ( 0, 1, 1 )
( x y, yz, zx ). Calculemos T( ).
( 1, 1, 1 ) + A ( u, v )
donde A ( 1, 0 ) A ( 0, 1 ) Entonces la matriz = = p1 p 0 = p2 p 0 =
( 0, 0, 1 ) ( 1, 0, 0 )
A =
0 0 1
1 0 0
)
( 1 v , 1, 1 u )
Entonces tenemos ( u, v
( 1, 1, 1 ) + (
v , 0, u ) =
Finalmente llegamos a que T( )( u, v
= T( 1 v , 1, 1 u ) =
( 1 v , 1 u, 1 v u + uv )
Cadenas de smplices Si es una coleccin de k smplices orientados, i , i = 1, 2, ...r, en V, entoces decimos que es una k cadena y escribimos = 1 + ... r y para toda k forma w en V definimos
r
w =
i= 1
iw
(6.5.1)
Ahora, si = i y = i tal que i = T i = =
( )
escribiremos (6.5.2)
T( ) o T
T( )
i
( )
i
Con la notacin de (6.5.2) podemos definir el borde del k simplex = T ( ) como la k 1 cadena = T ( ) (6.5.3)
Finalmente, el borde de una k cadena = i se define como la k 1 cadena
(6.5.4)
Teorema (6.5.1) (Teorema de Stokes) Sea una k cadena de clase C en un conjunto abierto V de R m y sea w una k 1 forma diferencial de clase C 1 en V. Entonces
dw =
(6.5.5)
Demostracin De (6.5.1) y (6.5.4) vemos que es suficiente probar que
dw =
w,
(6.5.6)
para cada k simplex orientado de clase C en V. Fijemos un tal y consideremos el k simplex de k R , = , e 1 , ..., e k . Entonces A = I ( la matriz identidad). No perdemos generalidad si suponemos que = T ( ) para algn T de clase C definido en un abierto E R y con valores en V R m . Entonces de (6.3.7) y del Teorema (6.3.1), parte c) obtenemos que
2 n
dw =
T )dw
( dw ) = d( w )
T T
(6.5.7)
De otra parte, de (6.5.3) y el Teorema (6.3.1), parte c) llegamos a que w =
((
T )
)w
T )w
wT
(6.5.8)
De (6.5.7) y (6.5.8) vemos que probar (6.5.6) equivale a probar w T = d w T . Esto es: Es suficiente probar que para toda k 1 forma en E se cumple que
(6.5.9)
Demostracin Si k = m = 1, es el 1 simplex = 0, 1 , = { 1, 0 } y es una 0 forma, sto es ( x ) con x 0, 1 . Entonces (6.5.9) toma la forma
( x )dx = ( 1 ) ( 0 )
1 0
que es justamente el Teorema Fundamental del Clculo.
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_05_01.tex Page 4 of 8 Miremos con detalle el caso k = 3. En este caso tenemos que A en donde 0 1 2 3 = = = = e 1 , e 2 , e 3 , 0 ( u, v , e 2 , e 3 , 1 ( u, v , e 1 , e 3 , 2 ( u, v , e 1 , e 2 , 3 ( u, v = = = I 0 1 + 2 3, , e 1 , e 2 , e 3
) ) ) )
= = = =
( 1 u v , u, v ) ( 0, u, v ) ( u, 0, v ) ( u, v , 0 )
(6.5.10)
Finalmente, sea una 2 forma de clase C 1 en un abierto E de R3 que contenga a Q3 . Supongamos por ejemplo que = f ( x , y , z ) dy dz ( no perdemos generalidad con esta suposicin ) con f ( x , y, z ) de clase C 1 . Entonces tenemos

= = =
(6.5.11)
Con base en (6.5.10) hacemos los siguientes clculos:

0
= = =
f ( x , y , z )dy dz = f ( 1 u v , u, v )det
( 1 u v , u, v )
( y, z ) dudv ( u, v )
(6.5.12)
1 0 0 1
dudv
f ( 1 u v , u, v )dudv
f ( x , y, z )dy dz = f ( 0, u, v )det
f ( 0, u, v
( ) dudv ( u , v )
y, z
(6.5.13)
1 0 0 1
dudv
f ( 0, u, v )dudv
Dejamos que el lector compruebe que 2 = 3 = 0. De (6.5.12) y (6.5.13) llegamos a que
{ f ( 1 u v, u, v ) f ( 0, u, v ) }dudv
Q
2
(6.5.14)
De otra parte, d =
( x, y , z )
x
dx dy dz y un clculo directo nos dice que
= = =
f Q
3
( x, y, z )
x
dx d y dz dxdydz
f
f Q 1 0 1 0
3
( x, y, z )
x 1 z 0
( (
1 z
2
1 y z 0
( x , y, z )
x
dx d y dz
))
{ f ( 1 y z, y, z ) f ( 0, y, z ) }d ydz { f ( 1 y z, y, z ) f ( 0, y, z ) }dydz
Q
(6.5.15)
De (6.5.14) y el miembro derecho de (6.5.15) conclimos (6.5.9). Veamos el caso general k > 1. Tomemos, por ejemplo, = f frontera de = , e 1 , ..., e k es
( x , ...x )dx
1 k
... dx k . La
= =
e 1 , e 2 , ..., e k
( 1 )
j =1
, ...e j1 , e j+1 ..., e k
(6.5.16)
Denotaremos
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_05_01.tex Page 6 of 8 0 1 = = . . j = e 1 , ...., e k , en el lugar j-esimo e 1 , e 2 , ..., e k , e 2 , ..., e k
Observemos que para u =
( u , ...u )
1 k 1
Q k 1 , 0 ( u ) = = = 1 u 1 ....u k1 u i1 , i = 2, ...k
( x , ...x ) se cumple que

1 k
x1 xi
( ) = 1 ( u 1 , . .. u k1 )
x 1 , ... x k
Tambin, si 1 ( u ) =
( x , ...x ),
1 k
tiene que = = 0 u i1 , i = 2, ...k
x1 xi
( ) = 1 ( u 1 , . .. u k1 )
x 1 , ... x k
Ahora, si j( u ) =
( x , ...x ),
1 k
j 2 podemos observar que
( ) = 0, entonces ( u 1 , .. . u k 1 )
x 1 , . .. x k
j = 0, j 2. Por lo tanto,
Ahora, d =
f
(6.5.17)
( x 1 , . ..x k )
x 1
dx 1 ... dx k . Entonces, puesto que A = I ,
= = =
f Q
k
( x 1 , . ..x k )
x 1
dx 1 ...dx k
1 k 1 1 1 k 1 1 k 1
k 1
{ f ( ( u , ...u ) ) f ( ( u , ...u ) ) }du ...du

0
(6.5.18)
De (6.5.17) y (6.5.18) se sigue (6.5.9) o Comentarios 1, Para el caso k = m = 1, el teorema de Stokes se reduce al Teorema Fundamental del Clculo, como ya lo habamos visto. 2. El caso k = m = 2 se conoce como el Teorema de Green. Como vimos en el Teorema (4.5.1), 1 2 = p( x , y )dx + q( x , y )dy es una 1 forma de clase C sobre un abierto E de R y d = x dx dy. S es un simplex de orden dos sobre un abierto de R y su frontera S la x denotamos como . Entonces
d
S
= = =
(
S S
q x q x
q x q x
)det (
1 0 0 1
dxdy
( )dxdy p( x, y )dx + q( x, y )dy =
3. El caso k = 2 y m = 3 es el caso que consideramos en el Teorema (5.3.1) y que llamamos Teorema de Stokes. All = P( x , y, z )dx + Q( x , y, z )d y + R( x , y, z ) es una 1 forma un abierto de R 3 y un clculo nos dice que d =
R y
Q z
)dy dz + (
3
P z
R x
)dz dx + (
Q x
P y
)dx dy
S es un 2 simplex en un abierto de R y llamamos C = S. Observamos que el Teorema (5.3.1) nos dice que S d = C . 4. El caso k = 3 y m = 3 es conocido como el Teorema de la Divergencia de Gauss, vase el Teorema (5.5.1). All = P dy dz + Q dz dx + R dx dy es una 2 forma sobre un abierto de 3 R . Un clculo nos dice que
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap06/06_05_01.tex Page 8 of 8 d =
P x
Q y
R z
)dx dy dz
V es un 3 simplex sobre un abierto de R y llamamos S = V. La identidad (5.5.1) no es otra cosa que Vd = S %Pie de pgina
Problemas
Teorema de Stokes

Leccin 6.5. Problemas 1. Sea = p 0 , p 1 , p 2 , un simplex de orden dos en R , con p0 p1 p2 y sea T : R 3 R3 , T ( x , y, z ) =
2 3
Teorema de Stokes
= = =
2
( 1, 1, 1 ) ( 1, 1, 0 ) ( 0, 1, 1 )
2
( x y , yz , zx ). Calcule T( ).
fw =
2. Determine las condiciones para las cuales es vlida la siguiente igualdad
3. Sea ( x , y, z ) . Calcule
df w+
f dw
Demuestre que generaliza la frmula de integracin por partes
= =
(x + y + z )
2 2
x + y +z
( x , y , z ),
con ( x , y, z ) Q
xdy dz + ydz dx + zdx dy
4. Use el Teorema de Stokes para probar que ( ) = = 0
Teorema de Stokes

Cálculo Avanzado Manizales

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Cálculo Avanzado Manizales

Hochgeladen von

Copyright:

Verfügbare Formate

CLCULO AVANZADO

Mario Zuluaga Uribe, Profesor Titular de la Universidad Nacional de Colombia, Bogot.

3. Subespacios, Rectas y Planos Problemas 4. Producto Vectorial Problemas

7. Cambio de Variable Problemas 8. Dimensiones Superiores Problemas

Con este curso se pretende que el estudiante:

CAPTULO 1 ESPACIOS VECTORIALES

}, en donde ( x , x , ...x ) la debemos

tomar ordenada. En R definimos las siguientes operaciones

( x , x , ...x ) + ( y , y , ... y ) .( x , x , ...x )

}y definimos operaciones iguales a las definidas

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_01_01.tex Page 2 of 6 operaciones

2 2 2 Observemos que x n y n x 2 n + y n y por lo tanto, si x n < y y n < entonces

x n y n < . Esto nos dice que

un espacio vectorial sobre R Subespacios de E

x Otra manera de escribir x

Definimos en E las siguientes operaciones: V x + y = = x+y x

{ ( x, y, z ) R , x + y + z = 0 }. Es claro que V es un subespacio vectorial de R .

una idea geomtrica de este espacio vectorial consideremos

sto es: la traslacin de V al punto

V es un plano de R que pasa por el origen, entonces

es linealmente dependiente. En efecto:

para algnos x i K, i = 1, 2, ..., n. Ejemplo V =

genera a R 3 . Es claro que para

es una base para el espacio R , esta base es

es una base para el espacio R . Es f

donde x y z = a+b+c = c 2b a = b+c

CAPTULO 1 ESPACIOS VECTORIALES

a 0 + a 1 x + ...a n x n , a i R,i = 0, 1, 2...n

{ 1, x , x } forman una base de P( 2 ).

5. Calcule x , y, z tales que

Leccin 1.1. - Problemas

CAPTULO 1 ESPACIOS VECTORIALES

Las propiedades de (1.2.1) son: 1. 2. 3. X, Y X, Y = Y, X . = X, Y + Z, Y . = X, Y .

de R , ste forma un ngulo de 45 grados con el eje

f + g )( x ) = f ( x ) + g( x ), para todo f , g C a, b . = . f ( x ), para todo f C a, b y todo R.

Definimos un producto interno en C a, b

de la siguiente forma: Para todo f , g C a, b

Es fcil ver que f , g f C a, b es:

La desigualda triangular tomar, entonces, la siguiente forma:

en donde la serie anterior hay que entenderla de la siguiente forma:

} sea un conjunto ortonormal, sto es,

Adems tenemos la siguiente igualdad, conocida como la identidad de Parseval

Por ejemplo, el conjunto C 0, 2

tiene como base ortonormal al conjunto

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 7 of 8 Es as cmo, entonces, que para todo f C 0, 2 se cumple que

lim 0 f ( x )sen( nx )dx = 0 lim 0 f ( x )cos ( nx )dx = 0

E es una sucesin de Cauchy si para todo > 0

existe un N N tal que para todo m, n N se tiene que d x n , x m

no es un espacio mtrico completo.

Leccin 1.1. - Problemas

CAPTULO 1 ESPACIOS VECTORIALES

( 1, 1, 1 ). Calcule el producto interno de

B no necesariamente A = B, donde A, B son dos

Subespacios, Rectas y Planos

CAPTULO 1 ESPACIOS VECTORIALES

f + g )( x ) = f ( x ) + g( x ), para todo f , g C a, b . = . f ( x ), para todo f C a, b y todo R.

Definimos un producto interno en C a, b

de la siguiente forma: Para todo f , g C a, b

Es fcil ver que f , g f C a, b es:

La desigualda triangular tomar, entonces, la siguiente forma:

en donde la serie anterior hay que entenderla de la siguiente forma:

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_03.tex Page 3 of 4 En el caso en que B =

} sea un conjunto ortonormal, sto es,

Adems tenemos la siguiente igualdad, conocida como la identidad de Parseval