Calculo de Varias Variables - Washington Armas

CAPITULO 1
______________________________

VECTORES EN R
3

1.1 Magnitudes escalares y vectoriales.
1.2 Sistema coordenado tridimensional, grfico de puntos en R
3
.
1.3 lgebra Vectorial; suma, producto de un escalar por un vector,
propiedades.
1.4 Definiciones importantes del lgebra Lineal.

1.5 Producto interno, propiedades, proyecciones y aplicaciones.
1.6 Producto externo, propiedades y aplicaciones.
1.7 Productos triples, aplicaciones.

Nuestras almas, cuyas facultades pueden
comprender la maravillosa arquitectura del
mundo, y medir el curso de cada planeta
vagabundo, an escalan tras el conocimiento
infinito

Christopher Marlowe.
2 CAPITULO 1 Vectores en R
3

1.1 MAGNITUDES ESCALARES Y VECTORIALES

Imaginmonos que queremos manejar el desplazamiento de un punto en el
plano. Con un poco de creatividad podramos comprender que el arreglo (a, b) sera
suficiente para manejar este desplazamiento; donde el nmero real a representara la
sombra del desplazamiento sobre un eje horizontal (control horizontal del
desplazamiento) y el nmero real b la sombra de este desplazamiento sobre un eje
vertical (control vertical del desplazamiento); de esta forma convenimos que el par
ordenado (a, b) representa la posicin de un punto y solo uno en R
2
(Filosofa de
Descartes). Con igual razonamiento un arreglo (a, b, c) representara la posicin de un
punto en R
3
y as podramos concluir que un arreglo (a
1
, a
2
, a
3
,.., a
n
) representa
la posicin de uno y solo un punto en R
n
.

Magnitudes, como el desplazamiento de un punto en un espacio cualquiera, que
necesitan de un arreglo numrico para su identificacin, se llaman MAGNITUDES
VECTORIALES y el arreglo numrico que las representa es la TERNA del vector,
los nmeros reales que componen el arreglo son las coordenadas del vector, bajo este
criterio en Fsica tenemos magnitudes vectoriales como la fuerza, velocidad,
aceleracin, etc. que necesitaran de una terna para su total identificacin. Las
magnitudes que con un simple valor numrico quedan totalmente identificadas, como
cuatro estudiantes, dos rboles, cinco edificios, son MAGNITUDES ESCALARES y
no necesitan de una terna para su identificacin.

Un punto, un vector o una terna la identificaremos como una magnitud vectorial.

Emplearemos la siguiente notacin para la recta real, el plano, el espacio
tridimensional y el espacio n dimensional:

R
1
o simplemente R para la recta real
R
2
para todos los pares ordenados (x, y)
R
3
para todas las ternas ordenadas (x, y, z)
R
n
para todas las ternas ordenadas (x
1
, x
2
, x
3
, . , x
n
)

Ejemplo 1-1 La terna (2, 3, -6); representa un vector o punto en R
3
.
La terna (-1, 4, -2, 8, 10); representa un vector o punto en R
5
.

Convenimos con los lectores en usar letras maysculas para representar
magnitudes vectoriales (excepto i, j, k que se usan para representar los vectores
unitarios en R
3
y e
i
que usaremos para representar vectores unitarios en R
n
), y
minsculas para representar magnitudes escalares. Con este criterio escribiremos al
vector V en R
3
como: V = (x, y, z) o al vector V en R
n
como: V = (x
1
, x
2
, x
3
,., x
n
)
recordar que en la terna el orden de los nmeros reales que la componen no puede
cambiar.

1.1 Magnitudes Escalares y Vectoriales 3
Decimos que dos vectores V
1
= (x
1
, y
1
, z
1
) y V
2
= (x
2
, y
2
, z
2
) son iguales si, y
solo si:
x
1
= x
2
, y
1
= y
2
, z
1
= z
2
.

Son paralelos si, y solo si:

2
1
2
1
2
1
z
z
y
y
x
x
= =

Propiedades de la igualdad vectorial

A= A Reflexiva
A= B B = A Simtrica
A= B B =C A=C Transitiva

EL VECTOR CERO, que lo designaremos como , ser:

= (0,0) R
2

= (0, 0, 0) R
3

= (0, 0, 0,.., 0) R
n

NORMA DE UN VECTOR

Sea A = ( a
1
, a
2
, a
3
, .....a
n
) R
n

II A II

La norma de un vector ser siempre un nmero real no negativo, la norma del
vector es cero.

VECTOR UNITARIO
Si
V es un vector unitario entonces II
V II = 1

Todo vector, que no sea el vector cero, puede hacerse unitario dividindolo para
su norma:
2 2
3
2
2
2
1
......... ..........
n
a a a a + + + +
=
n
i
a
1 1
2
=
=
3

A = ( a
1
, a
2
, a
3
, .....a
n
) R
n

A
A
=

1
1
= = = A
A A
A

Los vectores unitarios son importantes para dar la caracterstica vectorial a
cualquier magnitud escalar.

Ejemplo 1-2 Encontrar un vector unitario en la direccin del vector V = (2, -4, 1)

Solucin:
) , , (
21
) 1 , 4 , 2 (
1 ) 4 ( 2
) 1 , 4 , 2 (
21
1
21
4
21
2
2 2 2
=
+ +
=
V
V
V

1.2 SISTEMA COORDENADO TRIDIMENSIONAL, GRFICO DE
PUNTOS EN R3.

Los puntos en el espacio R
3
pueden representarse de manera anloga a como se
lo hace en el plano cartesiano. Para realizar esta representacin escogemos tres rectas
dirigidas perpendiculares entre s que se corten en un punto comn del espacio, a estas
rectas se las conoce como: eje x, eje y, eje z, y el punto comn de corte se lo llama
origen, como se muestra en la figura 1-1. Se define una escala adecuada sobre cada uno
de los ejes y se representan los nmeros reales de la terna (x, y, z) de tal forma que el
valor de x se lo representa sobre el eje x, positivos adelante del origen y negativos
atrs, el valor y, sobre el eje y, positivos a la derecha del origen y negativos a la
izquierda, el valor z, sobre el eje z, positivos arriba del origen y negativos abajo es
comn llamar a este conjunto de ejes como Sistema de Coordenadas Cartesianas en el
Espacio, la caracterstica de este sistema es que existe una correspondencia biunvoca
entre los puntos del espacio R
3
y la terna (x, y, z).

1.2 Sistema Coordenado Tridimensional 5

La figura 1-2 representa el grfico de los puntos (2, -1, 5), (-2, 3, 6) y (3, 5, -4)

z
x
y
Figura 1-1
Figura 1-2
3

1.3 LGEBRA VECTORIAL

SUMA VECTORIAL ( + )

Dados los vectores:
A = ( a
1
, a
2
, a
3
, .... , a
n
) R
n
,
B = ( b
1
, b
2
, b
3
, .... , b
n
) R
n
, el vector suma A + B; es el vector definido por:

A + B = ( a
1
+ b
1
, a
2
+ b
2
, a
3
+ b
3
, .... , a
n
+ b
n
) R
n

CONDICIN: Para que exista la suma vectorial los vectores a sumar deben pertenecer
al mismo espacio.

Sean A y B dos vectores cualquiera en R
2
, C = A+ B es un vector que cierra
el polgono formado por los vectores A y B (figura 1-3) colocados uno a
continuacin de otro, el vector B ser la diferencia entre los vectores C y A; esto es
el vector posicin entre los puntos C y A.

Entonces dados dos puntos P
1
(x
1
, y
1
, z
1
) y P
2
(x
2
, y
2
, z
2
) el vector posicin entre
estos puntos o vector P
1
P
2
es:

P
1
P
2
= (x
2
x
1
, y
2
y
1
, z
2
z
1
)

B

+ = B A C

Propiedades:

1. A + B = B + A Conmutativa
2. ( A + B ) + C = A + ( B + C ) Asociativa
3. A + = A Idntico aditivo
4. A + A = ; A es el vector opuesto de A Cancelativa
Figura 1-3
1.4 Definiciones Importantes del lgebra Lineal 7

Ejemplo 1-3 Dados los vectores A = (3, -6, 1) , B = (-1, 10, -5)

Solucin: A + B = (3 + (-1), (-6) + 10, 1 + (-5)) = (2, 4, -4)

PRODUCTO POR UN ESCALAR ( )

Dado el escalar R y el vector A = ( a
1
, a
2
, a
3
, .... , a
n
) R
n
, el producto
por un escalar esta definido por:

A = ( a
1
, a
2
, a
3
, .... , a
n
) R
n

A = ( - 1) A : opuesto de A

Propiedades:

1. A = A Conmutativa
2. ( A) = ( )A Asociativa
3. ( + )A = A + A Distributivas
( A + B ) = A + B
4. 0A = Cancelativa

Ejemplo 1-4 Dados los vectores A = (2, 5, -2), B = (-3, -1, 7), encontrar 3A - 2B

Solucin: 3A 2B = 3(2, 5, -2) + (-2)(-3, -1, 7)
3A 2B = (6, 15, -6) + (6, 2, -14)
3A 2B = (12, 17, -20)

1.4 DEFINICIONES IMPORTANTES DEL LGEBRA LINEAL

A pesar de que no es nuestro objetivo estudiar los tpicos del lgebra Lineal, es
importante que analicemos ciertas definiciones de esta rama de las matemticas que se
consideran importantes para la mejor asimilacin de los conceptos del Clculo
Vectorial:

3

ESPACIO VECTORIAL

Imaginmonos que un club juvenil organiza una fiesta para jvenes de ambos
sexos entre 18 y 28 aos a la cual se le imponen las condiciones de acudir en pareja y
en traje formal, con un poco de esfuerzo podemos notar que en este ejemplo hay un
conjunto que son los jvenes de ambos sexos entre 18 y 28 aos, y dos condiciones: el
tener que acudir en pareja y vestir traje formal; como podemos ver esta estructura de un
conjunto y dos condiciones definen esta fiesta juvenil.

De igual forma se define un espacio vectorial A AA A; como un conjunto de objetos
que se los llama vectores, aunque en algunos casos pueden ser matrices o funciones, y
dos condiciones que son:

Una operacin denotada con + que para cada par de vectores V
1
, V
2
en el
espacio A AA A asocia otro vector V
1
+ V
2
que tambin pertenece al espacio A AA A, llamado suma.

Una operacin llamada multiplicacin por un escalar, que para cada escalar
perteneciente a R y cada vector V perteneciente al espacio A AA A asocia un vector V que
tambin pertenece al espacio A. A. A. A.

La estructura algebraica { } , ,+ V define un espacio vectorial.

}
(
(
+
43 42 1
s condicione
elementos
V ; ;

SUBESPACIO VECTORIAL

Es todo subconjunto de un espacio vectorial que cumple con las mismas
condiciones de suma y multiplicacin por un escalar.

COMBINACIN LINEAL

Sean ( ) R R V V V V
n
n
n
,..., , , ) .., ,......... , , (
3 2 1 3 2 1
, cualquier
adicin de la forma
n n
V V V V + + + + ....
3 3 2 2 1 1
se llama combinacin
lineal de los n vectores en R
n
.

1.4 Definiciones Importantes del lgebra Lineal 9

Ejemplo 1-5 Escribir (-3, 5, -5) como combinacin lineal de los vectores
(-1, 1, 0), (0, 1, -1) y (1, 0, 2)

Solucin: Encontremos valores c
1
, c
2
, c
3
tales que:
(-3, 5, -5) = c
1
(-1, 1, 0) + c
2
(0, 1, -1) + c
3
(1, 0, 2)

de aqu:

-3 = -c
1
+ c
3

5 = c
1
+ c
2

-5 = -c
2
+ 2c
3
; que da como solucin c
1
= 2, c
2
= 3, c
3
= -1

(-3, 5, -5)

DEPENDENCIA E INDEPENDENCIA LINEAL

Dada la combinacin lineal del vector cero:

n n
V V V V + + + + = ....
3 3 2 2 1 1

Si 0
i
tal que la combinacin lineal anterior, del vector cero, se cumpla
n
V V V V ,...., , ,
3 2 1
son vectores linealmente dependientes.

De lo contrario si la combinacin lineal anterior del vector cero solo es posible
0 =
i
, entonces se dice que los vectores V
i
son linealmente independientes.

Ejemplo 1-6 Demostrar que los vectores (1, 0, 0), (0, 1, 0), (0, 0, 1) son
linealmente independientes.

Solucin: (0, 0, 0) =
1
(1, 0, 0) +
2
(0, 1, 0) +
3
(0, 0, 1)
(0, 0, 0) = (
1
, 0, 0) + (0,
2
, 0) + (0, 0,
3
)
(0,0,0) = (
1
,
2
,
3
)

3

BASE DE UN ESPACIO VECTORIAL

Una base de un espacio vectorial la constituye el menor nmero posible de
vectores linealmente independientes capaz de generar todo el espacio vectorial, los
vectores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) constituyen una base de R
3
y se la llama
base cannica de R
3
, e
1
= (1, 0, 0, . ,0), e
2
= (0, 1, 0, ., 0), . e
n
= (0, 0, 0,
, 1) constituyen la base cannica de R
n
.

Ejemplo 1-7 Demostrar que los vectores i , j , k, constituye una base en R
3

Solucin: ( )
3
, , R c b a V =

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ck bj ai c b a
c b a c b a
c b a c b a
+ + =
+ + =
+ + =
, ,
1 , 0 , 0 0 , 1 , 0 0 , 0 , 1 , ,
, 0 , 0 0 , , 0 0 , 0 , , ,

Por lo tanto cualquier vector en R
3
puede expresarse como una combinacin
lineal de i, j, k as: ( ) k j i 4 4 , 1 , 1 + =

La mayor cantidad de vectores linealmente independientes que se pueden definir
en un Espacio Vectorial determina la dimensin del espacio.

1.5 PRODUCTO INTERNO, PRODUCTO PUNTO O PRODUCTO
ESCALAR

Conocido como B A o tambin B A;

Sean:
( )
( )
n
n
n
n
R b b b b B
R a a a a A
=
=
,...., , ,
,...., , ,
3 2 1
3 2 1

( ) ( ) R b a b a b a b a B A
n n
+ + + = ,....,
3 3 2 2 1 1

Entonces
=
=
n
i
i i
b a B A
1

1.5 Producto Interno 11

Propiedades:

a) ( ) ( ) A B B A = Conmutativa
b) ( ) ( ) ( ) C A B A C B A + = + Distributiva de la suma
vectorial
c) 0 = A Cancelativa
d) ( )
2
A A A =
e) B A B A ) ( Desigualdad de Swartz

Demostracin de la propiedad (d ) :

( )
( ) ( )
( )
2
2 2
3
2
2
2
1
3 3 2 2 1 1
2
...
,....,
A a a a a A A
a a a a a a a a A A
A A A
n
n n
= + + + + =
+ + + =
=

Demostracin de la propiedad ( e ):

Sea A y B
n
R

) ( B A IIAII IIBII
cos B A B A =
cos B A B A =
0 |Cos | 1 por lo tanto ) ( B A IIAII IIBII

El lector debe probar demostrar las propiedades a, b, c.

Ejemplo 1-8 Encontrar el producto escalar de los vectores A = (-1, 4, -7) y
B = 2i + 4j - k

Solucin: B A = (-1) x (2) + (4) x (4) + (-7) x (-1) = 21

3

INTERPRETACIN GEOMTRICA DEL PRODUCTO ESCALAR:

En la figura 1-4, aplicando la ley del coseno a los lados del tringulo que son las
normas de los vectores, tenemos:

cos 2
2 2 2
B A B A A B + =

Aplicando la propiedad (d ) del producto escalar:

2 ) ( ) ( ) ( ) ( + = B B A A A B A B IIAII IIBII cos

Aplicando la propiedad distributiva

cos 2 ) ( ) ( ) ( ) ( ) ( ) ( B A B B A A A A B A A B B B + = +

Como el producto escalar es conmutativo

2 ) ( 2 = B A IIAII IIBII cos

= B A IIAIIIBII cos

B
A
A B
Figura 1-4
1.5 Producto Interno 13

APLICACIONES

1. El producto escalar sirve para determinar si dos vectores son ortogonales o no.

Si 0 ) ( = B A B A
0 = = = = = = j k k j i k k i i j j i
1 = = = k k j j i i

2. El producto escalar sirve para encontrar el ngulo que forman dos vectores.

|
|
\
|

=

B A
B A ) (
cos
1

Para encontrar proyecciones:

D
D
V
D V
D V V
V V
D
=
= = cos

=
D V V
D
Proyeccin Escalar

Escalar
Vectorial
Proyeccin Escalar
V
D
V
D
V
Proyeccin Vectorial
D
Figura 1-5
3

= D V V
D
Proyeccin Vectorial

Ejemplo 1-9 Determinar la proyeccin del vector (1, -3, 7) en la direccin P
1
P
2
,
donde P
1
(2, 3, 4) y P
2
:(1, 5, -1)

Solucin: D = (1 - 2, 5 - 3, -1 - 4) = (-1, 2, -5)

30
) 5 , 2 , 1 (
=
D

30
42
30
1
) 5 ( 7 2 ) 3 ( ) 1 ( 1 = + + =
D
V

30
) 210 , 84 , 42 (
30
) 5 , 2 , 1 (
30
42
=

=
D
V

( ) 7 , ,
5
14
5
7
=

D
V

COSENOS DIRECTORES DE UN VECTOR EN R
3

Si V es un vector cualquiera en el espacio
3
R , entonces, Como se observa en la
figura 1-6

Cos
Cos
Cos

Esto implica que:

Cos = )
( i V
Cos = )
( j V
Cos = )
( k V
Son los
cosenos
directores
del vector V
Figura 1-6
V
1.6 Producto Externo 15

Se sugiere al lector demostrar las expresiones de los cosenos directores del vector V.

Ejemplo 1-10 Demostrar que para cualquier vector:
Cos
2
+ Cos
2
+ Cos
2
= 1

Solucin: Sea ) , , (
3 2 1
v v v V = ; Cos =
|| ||
) (
1
V
v
i V =
; Cos =
|| ||
2
V
v

Cos =
|| ||
3
V
v
;
|| ||
) , , (
3 2 1
V
v v v
V =
V = k
v
v
j
v
v
i
v
v
|| || || || || ||
3 2 1
+ +

1
|| ||
|| ||
|| || || || || ||
2
2
2
2
3
2
2
2
2
2
1
= = + +
V
V
V
v
V
v
V
v

1.6 PRODUCTO EXTERNO, PRODUCTO CRUZ O PRODUCTO
VECTORIAL.

Sean A y B dos vectores del espacio
3
R
el producto externo, producto cruz o
producto vectorial denotado por Ax B , es un vector que tiene como mdulo o norma:

|| Ax B || = || A|| || B || Sen

Su direccin es perpendicular al plano formado por los vectores A y B y su
sentido sigue la regla de la mano derecha o del tornillo.

Propiedades:

a) ( ) ( ) A B B A No es conmutativa
b) ) ( ) ( C B A C B A = Asociativa; siempre que no se
cambie el orden
3

c) ( ) ( ) ( ) C A B A C B A + = + Distributiva
d) 0 = A Cancelativa
e) Si A es paralelo a B 0 ) ( = B A

APLICACIONES:

1. Para encontrar el vector normal a otros dos (aplicacin importante)
2. Para hallar el rea del paralelogramo que forman 2 vectores.

( ) ( ) ( )k b a b a j b a b a i b a b a B A
i b a j b a i b a k b a j b a k b a B A
k k b a j k b a i k b a
k j b a j j b a i j b a k i b a j i b a i i b a B A
k b j b i b k a j a i a B A
b b b B
a a a A

) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) (
)
( )
(
) , , (
) , , (
1 2 2 1 1 3 3 1 2 3 3 2
2 3 1 3 3 2 1 2 3 1 2 1
3 3 2 3 1 3
3 2 2 2 1 2 3 1 2 1 1 1
3 2 1 3 2 1
3 2 1
3 2 1
+ =
+ + =
+ +
+ + + + + + =
+ + + + =
=
=

3 2 1
3 2 1
b b b
a a a
k j i
B A =

i x j = k
j x k = i
k x i = j
j x i = -k
k x j = -i
i x k = -j
i x i = j x j = k x k =0
i
j
k
Figura 1-7
1.7 Productos Triples 17

Ejemplo 1-11 Determine el producto vectorial de los vectores A = (1 , 2 , 4); B =
(2 , -1 , -3)

Solucin: (1 , 2 , 4) x (2 , -1 , -3)

A x B =
(
(
(
3 1 2
4 2 1
k j i
= (-2 , 11 , -5)

x representa o mide el rea del paralelogramo que forman los vectores A;
B , ver figura 1-8

1.7 PRODUCTOS TRIPLES

A B x C Producto Triple Escalar
A x B x C Producto Triple Vectorial
A B C No Existe

Considerando las propiedades de los productos escalar y vectorial; existen 6 formas
posibles del triple producto escalar, estas son:

A B x C
A A x C
B A x C
B C x A
C A x B
C B x A

Area = (base) x h
IIBII x IIAII sen
II A x B II
B
h = IIAII sen
A

Figura 1-8
3

Probemos que cualquiera de estos triples productos escalares es un determinante; por
ejemplo el producto (A B x C)

( )
3 2 1
, , a a a A = ( )
3 2 1
, , b b b B = ( )
3 2 1
, , c c c C =

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
3 2 1
3 2 1
3 2 1
3 1 2 2 1 2 1 3 3 1 1 2 3 3 2
1 2 2 1 1 3 3 1 2 3 3 2

c c c
b b b
a a a
C B A
a c b c b a c b c b a c b c b C B A
k c b c b j c b c b i c b c b C B
=
+ + =
+ + =

Si cambiamos el orden lo nico que ocurre es que se permutan dos filas del
determinante y este cambia de signo.

A x B C no cambia en todas las formas posibles, y representa el
volumen del paraleleppedo formado por los 3 vectores

EJERCICIOS

Para los primeros diez problemas usar los vectores en R
3
: A = 3i+ 4j; B = 2i + 2j k;
C = 3i+ 4k

1. Encontrar IIAII, IIBII, IICII

2. A + B; A C; 2A + 3B - 5C
A C B C B A Vol
Cos A C B Vol
C B base area
h base area Vol
Cos A h
= =
=
=
=
=
) ( ) ( | .
|| || || || .
|| ||
) ( .
|| ||
BxC

A
h
B
C
Figura 1-9
Ejercicios Captulo 1 19

3. IIA + B CII

4. Con qu valores de es II BII = 1?

5. Obtenga los vectores unitarios que tengan la misma direccin de A, B y C

6. Tomando A y C como vectores posicin de los puntos respectivos,
grafique dichos puntos y compruebe grficamente el vector suma A + C

7. Determine el ngulo que forman los vectores A con B; A con C y B con C

8. Encuentre las proyecciones escalares y vectoriales de B sobre A y C

9. Encuentre los cosenos directores de A, B y C

10. Calcule el rea del paralelogramo formado por los vectores B y C y el
volumen del paraleleppedo formado por A, B y C

11. Determine todos los vectores unitarios perpendiculares al plano XZ

12. Escriba el vector P
1
P
2
como combinacin lineal de los vectores i, j, k; si
P
1
: (3,4,7); P
2
: (4,-1,6)

13. Sean: V1 = i + j + k, V2 = i + j - k y V3 = i j. Determine los escalares s,
t, y r; tales que 4i + 6j k = sV
1
+ tV
2
+ rV
3

14. Cules son los cosenos directores del vector 2i 2j + k?

15. Demuestre la identidad cos
2
+ cos
2
+ cos
2
= 1

16. Dado los vectores A = 2i + 4j + 6k; B = (1,-3,2), encontrar un vector
perpendicular unitario a estos dos.

17. Dados los vectores A, B, C en
3
, indicar cul de las siguientes es falsa:

a) B A B A + +
b) B A B A
c) ( ) ( ) A C B A C B =
d) 2 / B A+ es el rea del tringulo formado por A,B.
e) ( ) ( ) ( ) B A C A C B C B A = =
3

18. Hallar el ngulo formado por la diagonal principal de un
cubo y una de sus caras.

19. Calcule el rea del triangulo que tiene sus vrtices en los puntos
( ) ( ) ( ). 6 , 2 , 4 ; 7 , 1 , 2 ; 4 , 2 , 3

20. Encuentre un vector de componentes positivas, magnitud
2 y ngulos directores iguales.

21. Si la proyeccin vectorial de un vector A en la direccin de un vector
unitario e es 4e , y la proyeccin vectorial de B en la direccin de e es 5e.
Cul es? :

a) La componente escalar de A sobre e.
b) La proyeccin vectorial de A - B sobre e.
c) La componente escalar de A + B sobre e.

22. Averiguar si los vectores (1,0); (0,1); (1,-1) son o no linealmente
independientes.

23. Averiguar si los vectores (1, -1, 0); (0, 1, 1); (3, -5, -2) constituyen o no
una base de R
3
.

24. Averiguar si los vectores (1, 0, 1); (-1, 2, 3); (0, 1, -1) constituyen o no
una base en R
3
.

25. Demuestre que, generalmente, tres vectores en R
2
son siempre
linealmente dependientes.

26. Demuestre que cualquier conjunto de vectores que contenga al vector
es linealmente dependiente.

CAPITULO 2
_____________________________

GEOMETRA ANALTICA DEL ESPACIO

2.1 Ecuacin del plano en R
3
.
2.2 Distancia de un punto a un plano.
2.3 Formas de expresar la recta en R
3
.
2.4 Rectas y planos en R
3
.
2.5 Distancia de un punto a una recta.
2.6 Funciones de varias variables.
2.7 Superficies cuadrticas en R
3
.
2.8 Coordenadas cilndricas y esfricas.

Espero que la posteridad me juzgue con
benevolencia, no solo por las cosas que he
explicado, sino tambin por aquellas que he
omitido intencionadamente, para dejar a los
dems el placer de descubrirlas

Ren Descartes.
2.1 ECUACIN DEL PLANO EN R
3

Como podemos apreciar en la figura 2-1, toda superficie plana tiene como
caracterstica comn su vector normal; por cuanto este es constante sobre todo el plano
(las superficies que no sean planas no tienen un vector normal constante),
aprovechando esta caracterstica, supongamos que el plano tiene como vector
normal: N : (a, b, c) y contiene al punto P
0
: (x
0
, y
0
, z
0
). El punto P : (x, y, z) representa
un punto cualquier del plano ; entonces:

V = (x-x
0
, y-y
0
, z-z
0
)

Como V pertenece a , es perpendicular a N V N = 0

V N = a(x-x
0
) + b(y-y
0
) + c(z-z
0
) = 0

ax + by + cz + d = 0; donde

d = -ax
0
by
0
cz
0

ax + by + cz + d = 0
Ecuacin del plano en R

3
.

Figura 2 -1

N: (a,b,c)
P
0
(x
0
, y
0
, z
0
)

P(x, y, z)

.
V

3
23
Donde: a, b, c son las coordenadas del vector normal y d se puede calcular
remplazando en la ecuacin del plano el punto P
0
.

Recordemos que para encontrar la ecuacin matemtica de los puntos que
pertenece a un plano, se utiliza como referencia el vector normal al plano. Todo plano
tiene dos vectores normales, como lo indica la figura 2-2:

Figura 2-2

Un plano est definido por:

a) Su vector normal y un punto del plano
b) Tres puntos no alineados
c) Una recta y un punto fuera de ella
d) Dos rectas que se corten
e) Dos rectas paralelas no alabeadas

Caso (a):

Ejemplo 2-1 Encontrar la ecuacin del plano perpendicular al vector 2i j + 4k
y que contiene al punto (1, -1, 2).

Solucin: N : (2, -1, 4)

Entonces:

2x y + 4z + d = 0
2(1) (-1) + 4(2) + d = 0
d = -11

2x y + 4z = 11, es la ecuacin del plano

Para efecto de encontrar la
ecuacin del plano nos
podemos referir a cualquiera
de estos vectores normales
indistintamente
3
24
Caso (b):

Ejemplo 2-2 Encontrar la ecuacin del plano que contiene a los puntos:
(2, 2, -3); (3, -1, 4); (-2, 5, 3)

Solucin: Sin importarnos que la ubicacin de los puntos no sea la correcta,
razonemos este ejercicio con la ayuda de la figura 2-3

) 9 , 34 , 39 (
6 3 4
7 3 1 =
=
k j i
N

P
3

P
2

P
1

.
.
V
1

V
2

N

Figura 2 -3
P1 : (2, 2, -3)
P2 : (3, -1, 4)
P3 : (-2, 5, 3)

V1 : (1, -3, 7)
V2 : (-4, 3, 6)

2.2 Distancia de un punto al plano 25

119 9 34 39
0 119 9 34 39
119
0 ) 3 ( 9 ) 2 ( 34 ) 2 ( 39
0 9 34 39
= + +
= +
=
= +
= +
z y x
z y x
d
d
d z y x

Los casos c, d y e los revisaremos una vez que estudiemos la ecuacin de la
recta en R
3
, seccin 2-4

2-2 DISTANCIA DE UN PUNTO A UN PLANO

Sea dis la distancia de un punto cualquiera a un plano; si el punto no
pertenece al plano dis > 0, si el punto pertenece al plano dis = 0, para efecto del anlisis
que vamos hacer supongamos que el punto no pertenece al plano; entonces:

>
o
P dis 0
) , , (
0 0 0 0
z y x P , en la figura 2-4 podemos ver el razonamiento de este
procedimiento:

Z
Y
X
P: (x, y,z)

dis
P0: (x0, y0, z0)

N
Figura 2-4
V
2.2 Distancia de un punto al plano 26
dis: Proyeccin escalar de V sobre N
Dado el plano ax + by + cz + d = 0 y el punto P
0
= (x
0
, y
0
, z
0
)

Ejemplo 2-3 Encontrar la distancia del punto P
0
: (-1, 2, -4) al plano que
contiene a los puntos (2, -2, 4); (1, 1, 1); (-2, 3, 1)

Solucin: Encontremos primero la ecuacin del plano; V1, V2 son vectores
del plano y N es su vector normal

) 3 , 5 , 4 ( ) 4 , 2 , 2 ( ) 1 , 3 , 2 (
) 3 , 3 , 1 ( ) 4 , 2 , 2 ( ) 1 , 1 , 1 (
2
1
= =
= =
V
V

) 7 , 9 , 6 (
3 5 4
3 3 1 =

=
k j i
N
) , , ( :
) , , ( :
c b a N
z z y y x x V
o o o

2 2 2
) , , (
c b a
c b a
N
+ +
=
2 2 2
2 2 2
2 2 2
) ( ) ( ) (
) ( ) ( ) (
1
) , , (
) , , (
c b a
cz z c by y b ax x a
dis
z z c y y b x x a
c b a
dis
c b a
c b a
z z y y x x dis
o o o
o o o
o o o
+ +
+ +
=
+ +
+ +
=
+ +
=
2 2 2
| |
c b a
d cz by ax
dis
o o o
+ +
+ + +
=
3
27

0 22 7 9 6
22 0 7 9 6
0 7 9 6
= + +
= = + + +
= + + +
z y x
d d
d z y x

Analicemos si P
0
pertenece o no al plano.

0 22 28 18 6
0 22 ) 4 ( 7 ) 2 ( 9 ) 1 ( 6
+
= + +

P
0
al plano; d > 0.

Encontremos un vector V, que une un punto del plano con P
0
.

( )
( ) ( )
166
38
35 9 12
166
1
7 , 9 , 6 5 , 1 , 2
166
1
166
7 , 9 , 6
) 5 , 1 , 2 ( ) 1 , 1 , 1 ( ) 4 , 2 , 1 (
= + =
=
=
=
= =
d
d
N
N V dis
V

2-3 FORMAS DE EXPRESAR LA RECTA EN R
3

V
2

V
1

l
X
Y
Z
P
1
(x
1
, y
1
, z
1
)
P
2
(x
2
, y
2
, z
2
)
P (x, y, z)
Figura 2-5
3
28
Para definir una recta en R
3
se requiere como mnimo de dos ecuaciones
lineales; por cuanto una recta en el espacio es la interseccin de dos planos, entonces
las condiciones mnimas para definirla son:

1. Dos planos que se corten
2. Dos puntos
3. Vector directriz y un punto

Partamos del hecho que dos puntos definen una recta en R
3
, En la figura 2-5
podemos ver que V
1
es el vector P
1
P
2
, V
2
es el vector P
1
P, que son paralelos por estar
sobre la misma recta l y P es un punto cualquiera de la recta l.

P l
V
1
= (x
2
-x
1
, y
2
-y
1
, z
2
-z
1
)
V
2
= (x-x
1
, y-y
1
, z-z
1
)
V
1
// V
2

Si V
1
// V
2
( )
( )
( )
=
=
=
1 1 2
1 1 2
1 1 2
z z t z z
y y t y y
x x t x x

1
1 2
1
1 2
1
1 2
1
1 2
1
1 2
1
1 2
z z
z z
y y
y y
x x
x x
z z
z z
t
y y
y y
t
x x
x x
t
=

1 2
1
1 2
1
1 2
1
z z
z z
y y
y y
x x
x x

Forma general de las ecuaciones de la recta en R
3
.

V
1
: Se conoce como vector directriz de la recta l, se lo simboliza con la letra D.
D = (a, b, c)
3
29
c
z z
b
y y
a
x x
1 1 1

=

Ecuacin de la recta cuando se conoce el vector directriz y un punto de ella.

1
1 2
1
1 2
1
1 2
z ct z t
c
z z
y bt y t
b
y y
x at x t
a
x x
+ = =
+ = =
+ = =

Forma Paramtrica de la ecuacin de la recta en R
3

La recta en R
3
tambin puede estar dada por la interseccin de dos planos

= + + +
= + + +
0
0
:
2 2 2 2
1 1 1 1
d c z y b x a
d c z y b x a
l

Forma de las ecuaciones de la recta como la interseccin de dos planos.
En la figura 2-6 hacemos la siguiente interpretacin geomtrica

l
Figura 2-6

D
X
Y
Z

t D

A

V
P
1
(x
1
, y
1
, z
1
)

P (x, y, z)
3
30
D: vector directriz de la recta
V: vector posicin de un punto cualquiera de la recta
A: vector posicin de un punto fijo de l
En el paralelogramo de la figura 2-6:

) , , ( ) , , ( ) , , (
1 1 1
c b a t z y x z y x
tD A V
+ =
+ =

Forma vectorial de la ecuacin de la recta, que si el lector lo analiza
detenidamente es la misma forma paramtrica descrita anteriormente.

Ejemplo 2-4 Encontrar la ecuacin de la recta que pasa por los puntos (1,-1,2);
(2,3,-4)

Solucin: Vector directriz: ) 6 , 4 , 1 ( ) 2 , 1 , 1 ( ) 4 , 3 , 2 ( = = D

Tomando el punto (1,-1,2), tenemos:

6
2
4
1
1
1
=
+
=
z y x

En forma paramtrica:

=
=
+
=
t
z
t
y
t
x
6
2
4
1
1
1
+ =
=
+ =
2 6
1 4
1
t z
t y
t x

Como un sistema de dos ecuaciones:

= +
=
+
=
8 6
5 4
6
2
1
1
4
1
1
1
z x
y x
z x
y x
3
31
En forma vectorial:

) 6 2 , 4 1 , 1 ( ) , , (
) 6 , 4 , 1 ( ) 2 , 1 , 1 ( ) , , (
t t t z y x
t z y x
+ + =
+ =

Ejemplo 2-5 Dada la recta
= +
= +
2 5 3 2
3 3
z y x
z y x
, encontrar la forma general,
paramtrica y vectorial de la misma.

Solucin: El razonamiento lo podemos observar en la figura 2-7, donde,
independientemente de si son o no los planos dados, vemos como
el producto vectorial de los vectores normales de cada plano N
1
, N
2

da el vector directriz D de la recta.

l
D
N
2

N
1

2

Figura 2-7
3
32
Sea
1
el primer plano con N
1
como su vector normal y
2
el
segundo plano con N
2
como su vector normal; entonces:

k j i D
k j i
k j i
D
N N D
11 17 2
) 2 9 ( ) 2 15 ( ) 3 5 (
5 3 2
1 1 3
2 1
=
+ + =
=
=

Ahora necesitamos un punto de la recta y este lo podemos obtener
haciendo Z = 0 y resolviendo el sistema para las otras variables:

=
=
=
= +
11
12
11
7
2 3 2
3 3
y
x
y x
y x

11 17 2
11
12
11
7
=
z y x

=
+ =
+ =
t z
t y
t x
11
17
2
11
12
11
7
Forma paramtrica

2-4 RECTAS Y PLANOS EN R
3

Los planos en R
3
pueden ser paralelos a los planos coordenados o paralelos a los
ejes coordenados, veamos como se observa este efecto en la ecuacin del plano. La
figura 2-8 indica tanto el paralelismo con respecto al plano " " xy ; k z = (caso a)
como el paralelismo con respecto al eje " " x ; 0 = + + d cz by (caso b).

Viendo esta figura podemos concluir:

a = 0 indica paralelismo con respecto al eje x, figura 2-8 (b)
b = 0 indica paralelismo con respecto al eje y
c = 0 indica paralelismo con respecto al eje z
2.4 Rectas y plano en R
3
33

La coordenada del vector normal que es cero indica la naturaleza del eje
coordenado al cual el plano es paralelo.

De igual forma podemos comprender que:

a = 0, b = 0 indica paralelismo con respecto al plano xy, figura 2-8 (a)
a = 0, c = 0 indica paralelismo con respecto al plano xz
b = 0, c = 0 indica paralelismo con respecto al plano yz

X
by + cz + d=0
Z
Y
b )
Figura 2-8
Z
X
Y
a )
K
Z = K
3
34
Las coordenadas del vector normal que son cero indican la naturaleza del plano
coordenado al cual el plano es paralelo.

De igual forma la recta en R
3
puede ser paralela a los planos o a los ejes
coordenados; veamos en la figura 2-9 este efecto sobre las ecuaciones de la recta.

X
Z
Y
l ll l
a )
Z

Y
X
b )
l
Figura 2-9
3
35
Viendo este grfico, el caso (a) representa paralelismo con respecto al eje x y
el caso (b) representa paralelismo con respecto al plano xy; para el caso (a) como la
recta es paralela al eje x el vector directriz es el vector ai ; o a(1, 0, 0), esto no permite
expresar las ecuaciones de la recta en forma general por cuanto tendramos divisin
para cero en el segundo y tercer trmino. En forma paramtrica la recta estar dada por:

=
=
+ =
0
0
0
z z
y y
x at x

De igual forma en el caso (b) el vector directriz es de la forma bj ai + , esto
tambin no permite expresar esta recta en forma general por tener divisin para cero en
su tercer trmino. En forma paramtrica la recta estar dada por:

=
+ =
+ =
0
0
0
z z
y bt y
x at x

Esta observacin nos permite hacer la siguiente conclusin:

a = 0 indica paralelismo con respecto al plano yz
b = 0 indica paralelismo con respecto al plano xz
c = 0 indica paralelismo con respecto al plano xy

Las coordenadas del vector directriz que no son cero indican la naturaleza del
plano coordenado al cual la recta es paralela.

De igual forma podemos comprender que:

a = 0, b = 0 indica paralelismo con respecto al eje z
a = 0, c = 0 indica paralelismo con respecto al eje y
b = 0, c = 0 indica paralelismo con respecto al eje x

La coordenada del vector directriz que no es cero indica la naturaleza del eje
coordenado al cual la recta es paralela.

A ms de esto tambin las rectas en R
3
pueden ser concurrentes o paralelas y en
caso de paralelas pueden ser superpuestas, paralelas propiamente dichas o alabeadas, la
figura 2-10 indica cada uno de estos casos.

3
36

El caso (a) indica dos rectas concurrentes, tienen un punto en comn (se cortan),
el caso (b) indica dos rectas coincidentes o superpuestas, el caso (c) indica dos rectas
paralelas tienen sus vectores directrices paralelos y el caso (d) indica dos rectas
alabeadas, como se puede apreciar en la figura 2-10, pertenecen a planos paralelos y a
pesar de que sus vectores directrices no son paralelos ellas no tienen un punto en
comn y jams se cortan.

Ejemplo 2-6 Dadas las rectas:

Probar si son o no concurrentes, si lo son encontrar su punto
comn y su ngulo agudo de interseccin.
= +
= +
=
0 1 5
0 3 2
1
z y x
y x
l
= + +
= +
=
0 55 3 9 3
0 2
2
z y x
y x
l
Z
Y
X
a )
l
1

l
2

Z
Y
X
l
1
l
2

b )
Z
Y
X
l
1

c )
l
2

Figura 2-10
d )
Z

Y
X
l
1

l
2

3
37
Solucin: Armemos un sistema de ecuaciones con los 2 planos de la recta l
1
y
un plano de la recta l
2
:

=
=
=
= +
=
=

11 2
1 5
3 2
3
7
3
1
z
y
x
y x
z y x
y x

Si las rectas son concurrentes este punto debe satisfacer la cuarta
ecuacin:

55 ) 11 ( 3 ) ( 9 ) ( 3
3
7
3
1
= +

Como si satisface, entonces las rectas son concurrentes y el punto
calculado anteriormente es su punto de interseccin.

Ahora calculemos el ngulo agudo de interseccin.
Encontremos sus vectores directrices:

) 9 , 2 , 1 (
1 5 1
0 1 2
1
=

=
k j i
D

) 12 , 3 , 3 (
3 9 3
0 1 1
2
=
=
k j i
D

cos
2 1 2 1
D D D D =

43 6
35
43 18
105
162 86
) 12 , 3 , 3 ( ) 9 , 2 , 1 (
cos
2 1
2 1
= =

=
=
D D
D D

o
2 . 27
43 6
35
cos
1
= |
\
|
=

3
38
Ejemplo 2-7 Encontrar el ngulo de interseccin de dos planos

0 :
1 1 1 1 1
= + + + d z c y b x a

0 :
2 2 2 2 2
= + + + d z c y b x a

Solucin: de
1
,
2
= entre sus vectores normales; N1, N2.

N
1
= (a
1
, b
1
, c
1
)
N
2
= (a
2
, b
2
, c
2
)

cos
2 1 2 1
N N N N =

|
|
\
|

=

2 1
2 1 1
cos
N N
N N

Ahora estamos en condiciones de analizar los casos c, d y e que quedaron
pendientes en la seccin 2-1.

Caso c:

Ejemplo 2-8 Encontrar la ecuacin del plano que contiene a la recta
= +
= +
5 4 2
2
z y x
z y x
y al punto P
0
( ) 3 , 1 , 1

Solucin: La figura 2-11 indica el razonamiento de este caso:

Encontremos el punto P que es un punto cualquiera de la recta;
Para z = 0 resolvemos el sistema:
=
=
=
= +
3
1
3
7
5 2
2
y
x
y x
y x

Entonces P es el punto ) 0 , , (
3
1
3
7

) 3 , , (
3
2
3
4
0
= =

PP V

El vector directriz de la recta es:
3
39

) 3 , 6 , 3 (
4 1 2
1 1 1 =
=
k j i
D

) 6 , 13 , 20 (
3 6 3
3
3
2
3
4
=

=

k j i
N

Entonces la ecuacin del plano es de la forma:

0 6 13 20
0 ) ( 13 ) ( 20
0 6 13 20
0
3
127
3
127
3
1
3
7
= + +
= = +
= + +
= + + +
z y x
d d
d z y x
d cz by ax

127 18 39 60 = + z y x

Figura 2-11

D
P
0

l
N
P
V

3
40
Caso d:

Ejemplo 2-9 Encontrar la ecuacin del plano que contiene a las rectas:

+ =
=
+ =
2 3
1
1 2
1
t z
t y
t x
l
+ =
=
+ =
2
1 2
1 5
2
t z
t y
t x
l

Solucin: En la figura 2-12 veamos el razonamiento de este caso:

El punto P, comn a las rectas, lo calculamos para un valor del
parmetro de 0:

2 , 1 , 1 0 = = = = z y x t

Como se puede apreciar es un punto comn a las dos rectas;
entonces:

( ) ( ) ( ) 1 , 2 , 5
2 , 1 , 1 : 3 , 1 , 2
2 1
= = D P D

( ) 1 , 13 , 5
1 2 5
3 1 2 = =
k j i
N

Figura 2-12
D
2

D
1

l
2

P
N

l
1

3
41
La ecuacin del plano es:

20 0 ) 2 ( ) 1 ( 13 ) 1 ( 5
0 1 13 5
0
= = + +
= + +
= + + +
d d
d z y x
d cz by ax

20 13 5 = + z y x

Caso e:

Ejemplo 2-10 Encontrar la ecuacin del plano que contiene a las rectas:

=
+ =
=
3
2 4
1 2
1
t z
t y
t x
l
=
+ =
=
2 2
1 8
2 4
2
t z
t y
t x
l

Solucin: En la figura 2-13 veamos el razonamiento de este caso:

Figura 2-13
V
D
1

P
1

l
1

l
2

P
2

N
3
42
En l
1
para t = 0 ) 3 2 , 1 (
1
= P ; y en l
2
tambin para t = 0,
) 2 , 1 , 2 (
2
= P ; ) 1 , 4 , 2 (
1
= D

) 2 , 3 , 5 (
1 4 2
1 1 1
) 1 , 1 , 1 (
= =
=
k j i
N
V

La ecuacin del plano es:

17 0 ) 3 ( 2 ) 2 ( 3 ) 1 ( 5
0 2 3 5
0
= = + +
= + +
= + + +
d d
d z y x
d cz by ax

17 2 3 5 = + z y x

2-5 DISTANCIA DE UN PUNTO A UNA RECTA Y ENTRE RECTAS

Sea l una recta cualquiera en R
3
y P
0
un punto exterior a ella, la distancia del
punto P
0
a l es el segmento de perpendicular a la recta, en el plano que contiene al
punto y a l, que separa al punto de la recta. La figura 2-14 nos permite razonar la forma
de encontrar esta distancia:

D
dis
Z
X
Y
N
V
P
0
(x
0
, y
0
, z
0
)
P (x, y, z)
l
Figura 2-14
2.5 Distancia de un punto a una recta y entre rectas

43
N es a l y debe pertenecer al plano que contiene a P
0
y l.

Hay dos formas para encontrar esta distancia. Sin usar ninguna frmula veamos
en el ejemplo 2-11 el razonamiento de cada uno de estos mtodos:

Ejemplo 2-11 Encontrar la distancia del punto P
0
: (-1, 2, -3) a la recta
=
= +
=
2 2
1 2
z y x
z y x
l

Solucin: En la figura 2-14 podemos entender el razonamiento de las dos
formas que expondremos para encontrar esta distancia.

FORMA VECTORIAL

Primero averigemos si el punto pertenece a la recta o no;
si perteneciera a l la distancia es cero:

0
0
> d l P

Encontremos el punto de la recta P; para z = 1 resolvamos el
sistema de las ecuaciones de la recta:

) 4 , 10 , 3 ( (-4,-8,1) ) 3 , 2 , 1 (
) 1 , 8 , 4 ( :
8
4
4
0 2
1
= =

=
=
=
=
=
V
p
y
x
y x
y x
z

Encontremos el vector directriz de la recta:

) 1 , 5 , 3 (
2 1 1
1 1 2 :
) 2 , 1 , 1 ( :
) 1 , 1 , 2 ( :
2 1
2
1
=

=

k j i
N N D
N
N


44
N es el triple producto vectorial entre V, D y D; as:

( )
) 77 , 35 , 84 (
1 5 3
15 9 10 '
) 15 , 9 , 10 (
4 10 3
1 5 3
'
=
=
=
=
=
k j i
N
k j i
V D
D V D N

( ) ( )
41 . 3
41 . 3 308 350 252
21 . 119
1
77 , 35 , 84 4 , 10 , 3
21 . 119
1
'
21 . 119
406
=
= = + + =
=
=
dis
dis
dis
N V dis

FORMA ESCALAR

V
D
: Proyeccin de V sobre D

35
63
35
1
) 1 5 , 3 ( ) 4 , 10 , 3 (
= = = D V V
D

41 . 3 125
35
3969
2
2
= = =
D
V V dis

La distancia entre dos rectas paralelas o alabeadas es el segmento de
perpendicular a las dos rectas que las separa.

Ejemplo 2-12 Encontrar la distancia entre las rectas:

= +
= +
=
1 2 3
2
1
z y x
z y x
l
+ =
=
=
=
4 3
2 1
2
t z
t y
t x
l

45
Solucin: Primero debemos comprobar que las rectas no sean concurrentes;
para eso, la forma paramtrica de l
2
debe satisfacer las ecuaciones
de l
1
:

13
6
5
4
1 ) 4 3 ( 2 ) 2 1 ( 3 ) (
2 ) 4 3 ( ) 2 1 ( ) (
= = + +
= = + +
t t t t
t t t t

Las rectas no tienen punto comn y pueden ser paralelas o
alabeadas dependiendo de sus vectores directrices. Ahora
encontremos los vectores directrices de las rectas:

( )
( ) 3 , 2 , 1
4 , 3 , 1
2 3 1
1 1 1
2
1
=
=

=
D
k j i
D

Como los vectores directrices no son paralelos, las rectas son
alabeadas, para encontrar la distancia entre ellas fijemos un punto
P
1
de l
1
y un punto P
2
de l
2
, con estos puntos tenemos el vector V
que une dos puntos cualquiera de las rectas, la distancia (dis)
ser la proyeccin de este vector sobre el normal a las dos rectas
N:

( ) 5 , 1 , 17
3 2 1
4 3 1 '
2 1
'
=
=
=
k j i
N
D D N

( )
( )
( ) 4 , , :
4 , 1 , 0 :
0 , , :
4
1
4
5
2
4
3
4
5
1
V
P
P

'
N V dis =


46

31 . 2
) 5 , 1 , 17 ( ) 4 , , (
315
41
4
1
4
5
315
1
= =
=

dis
dis

2-6 FUNCIONES DE VARIAS VARIABLES

Una funcin de varias variables es de la forma
m n
R R x f : ) ( , donde:
n
R : Es el espacio dominio de f.
m
R : Es el espacio rango o Imagen de f.

n
n
R x x x x =
) ..., ,......... , (
2 1
, es un vector del dominio de f, y:

m
m
R x f x f x f x f =
)) ( ....., ),........ ( ), ( ( ) (
2 1
, es un vector del rango de f.

Las funciones de varias variables se pueden clasificar en dos grandes grupos:
funciones escalares y funciones vectoriales de acuerdo a la dimensin del rango;
cuando m = 1 se trata de funciones escalares o campos escalares de la forma
R R x f
n
: ) ( , cuando m > 1 se trata de funciones vectoriales o campos
vectoriales de la forma
m n
R R x F : ) ( . De igual forma cada una de estos grupos
se pueden subdividir en dos mas, en cada caso, de acuerdo a la dimensin del dominio;
funciones escalares de variable escalar que son las funciones de variable real que se
estudiaron en el clculo bsico de una dimensin que son de la forma R R x f : ) (
, funciones escalares de variable vectorial que genricamente son las superficies en el
espacio y son a las que nos dedicaremos de una forma prioritaria en este texto, son de la
forma R R x f
n
: ) ( , las ms comunes de estas son las superficies en R
3
que son
de la forma R R y x f z =
2
: ) , ( . En el otro grupo tenemos las funciones
vectoriales de variable escalar que constituyen todas las curvas o trayectorias en el
espacio, son de la forma
m
R R t : ) ( , seria importante que entendiera el lector
que las curvas planas expresadas en forma paramtrica son de este grupo, pues, seran
de la forma
2
: )) ( ), ( ( ) ( R R t y t x t = , las mas comunes de estas son las curvas
en el espacio que son de la forma
3
: )) ( ), ( ), ( ( ) ( R R t z t y t x t = , y finalmente
las funciones vectoriales de variable vectorial que son de la forma general expresada al
inicio de esta seccin, en
2.6 Funciones de varias Variables 47
este grupo las ms comunes para los fines de este texto son las superficies en el espacio
tridimensional que son de la forma:

3 2
: )) , ( ), , ( ), , ( ( ) , ( R R v u z v u y v u x v u =

De igual forma sera importante que el lector entendiera que a este grupo
pertenecen las superficies ) , ( y x f z = expresadas en forma paramtrica.

El siguiente cuadro resume todo lo dicho sobre esta clasificacin de las
funciones de varias variables.

Podemos citar algunos ejemplos de todos estos tipos de funciones:

Una funcin de una variable es la relacin entre dos magnitudes; por ejemplo
el espacio y el tiempo R R D f : ; s t f : ; ) (t f s , la grfica de una
funcin de una variable es una curva en el plano, figura 2-15. Hay que tomar en cuenta
que, para que una relacin de una variable sea una funcin debe existir una relacin
uno a uno, el grfico de una funcin no puede tener dos puntos en una misma vertical,
esto hace que una circunferencia no sea una funcin; pero si la separamos en dos, la
FUNCIONES
DE VARIAS
VARIABLES
R
n
R
n

ESCALARES
(Campos escalares)
R
n

R

DE VARIABLE ESCALAR
R

R
( Funciones de variable Real )

DE VARIABLE VECTORIAL
R
n

R
n > 1
(Superficies en el espacio)

VECTORIALES
(Campos vectoriales)
R
n

R
m

m > 1

DE VARIABLE ESCALAR
R

R
m

(Trayectorias o curvas en el
espacio)

DE VARIABLE VECTORIAL
R
n

R
m

n > 1

CON RESPECTO A LA
DIMENSIN DEL
RANGO
CON RESPECTO A LA
DIMENSIN DEL
DOMINIO
2.6 Funciones de varias Variables 48
Y
X
y = f(x)
Figura 2-15
semicircunferencia superior y la semicircunferencia inferior, estas si son funciones,
como lo podemos apreciar en
la figura 2-16 para la
circunferencia 4
2 2
= + y x .

Los campos escalares
representan superficies en el
espacio y podemos verlas hasta
las que se puedan graficar en el
espacio tridimensional por la
capacidad de nuestros sentidos,
un ejemplo de estas es el rea
de un rectngulo en funcin de
la base y la altura,
) , ( h b f a = , es de la forma
z y x ) , ( , ) , ( y x f z = , R R U f
2
: , el volumen de un paraleleppedo en
funcin de sus tres dimensiones x, y, z, ) , , ( z y x f V = , es de la forma
w z y x ) , , ( , ) , , ( z y x f w = , R R U f
3
: , una funcin de costos en una
fbrica donde se producen 5 productos distintos el costo total ser dependiente de los
costos de produccin de cada uno de los 5 productos que se fabrican y de los costos
fijos CF; CF Q C Q C Q C Q C Q C CT
v v v v v
+ + + + + =
5 5 4 4 3 3 2 2 1 1
, es de la forma
) , , , , (
5 4 3 2 1
Q Q Q Q Q f CT = , R R U f
5
: .

Y
1
2
Y
X
2
4 x y =

- - 1
2
1 2 -
-2
1
2
-1
X
4
2 2
= + y x

1 2 - -
-1
-
Y
X
2
4 x y =

-2
Figura 2-16
2.7 Superficies Cuadrticas en R
3
49
Las funciones vectoriales de variable escalar representan trayectorias o curvas
en el espacio y tambin podemos apreciar su grfico hasta las que se pueden graficar en
R
3
, un ejemplo de estas es la parametrizacin de una parbola ) , ( ) (
2
t t t = ,
2
: R R D F , su grfico es el de la parbola
2
x y = en R
2
, la trayectoria de un
proyectil en el espacio )) ( ), ( ), ( ( t z t y t x t ,
3
: R R D F , su grfico es una
curva en R
3
, como lo indica la figura 2-17.

Las funciones
vectoriales de variable
vectorial son funciones
ms abstractas y son
difciles de obtener su
grfico, solo debemos
imaginarnos la relacin
que representan cuando
su rango esta en
dimensin mayor a R
3
,
un ejemplo de estas es
una funcin que
determine la velocidad
de las partculas en el
interior de un fluido, )) , , ( ), , , ( ), , , ( ( ) , , (
3 2 1
z y x v z y x v z y x v z y x F = ,
3 3
: R R U F . En este grupo estn las superficies parametrizadas y estas son
las mismas superficies de las que se hablo en los campos escalares solo que expresadas
en forma paramtrica estas son de la forma )) , ( ), , ( ), , ( ( ) , ( v u z v u y v u x v u =
3 2
: R R D F , el grfico de estas son superficies en R
3
, en el captulo 8 las
estudiaremos con ms detenimiento.

2.7 SUPERFICIES CUADRATICAS EN R
3

Como hemos dicho en la seccin anterior, las funciones de la forma
) , ( y x f z = , representan superficies en R
3
, dentro de estas superficies estn las
superficies cudricas que son funciones escalares de la forma anterior con regla de
correspondencia cuadrtica, estudiaremos en forma general las ms importantes por su
utilidad en el estudio del clculo de varias variables; comencemos primero estudiando
dos definiciones importantes que nos permiten manejar grficamente una funcin
escalar.

Y
X
(t) = ( x(t), y(t), z(t))
Figura 2-17
Z
3
50
Definicin de grfico de una funcin escalar.

Sea R R U x f
n
: ) ( una funcin escalar continua en U, se llama grfico
de ) (x f al conjunto de puntos:

{ }
n n
n
n
x x x f z U x x x R x f x x x ,...... , ( ) ,...., , /( )) ( , ,......., , (
2 1 2 1
1
2 1
=
+

Analizando la definicin anterior es importante que hagamos las siguientes
observaciones:

1. El grfico de una funcin escalar esta definida en una dimensin mas
uno de la dimensin de su dominio.
2. Esto nos permite observar, hasta el grfico de funciones escalares en R
2

y son superficies en R
3
.
3. El grfico de una funcin de variable real esta en R
2
y son curvas
planas.
4. Estamos imposibilitados para ver el grfico de funciones cuyo dominio
esta en dimensiones de R
3
a R
n
, estos estaran en espacios de R
4
a R
n+1
.

Para ganar una dimensin ms en la observacin grfica del comportamiento de
una funcin escalar planteamos la siguiente definimos conjuntos de nivel.

Definicin de conjunto de nivel para una funcin escalar.

Sea R R U x f
n
: ) ( una funcin escalar continua en U, se llama conjunto
de nivel de ) (x f al conjunto de puntos:

{ } R k k x x x f R x x x
n
n
n
= ; ) ,...., , ( / ) ,......., , (
2 1 2 1

De igual forma que en el caso anterior el anlisis de esta definicin nos lleva a
las siguientes observaciones:

1. El conjunto de nivel de una funcin escalar esta definido en la misma
dimensin de su dominio.
2. Por igualar la funcin a un valor constante, los conjuntos de nivel
representan geomtricamente cortes del grfico de la funcin original.
3. Ahora se nos presenta la opcin de observar, hasta los conjuntos de
nivel de funciones escalares en R
3
y son superficies en R
3
, comnmente
se las conoce como superficies de nivel.
3
51
4. Los conjuntos de nivel de funciones escalares en R
2
, estn en R
2
y son
curvas planas, comnmente se las conoce como curvas de nivel.
5. Los conjuntos de nivel de funciones de variable real seran puntos en R.

Hablando del comportamiento grfico de una funcin podemos resumir diciendo
que a las funciones: R R U y x f z =
2
: ) , ( , les podemos observar su grfico
y el de sus conjuntos de nivel, mientras que a funciones:
R R U z y x f w =
3
: ) , , ( , solo les podemos observar sus conjuntos de nivel o
superficies de nivel. La figura 2-18 indica el grfico de una superficie y el de sus
curvas de nivel en R
3
.

Ejemplo 2-13 Dada la funcin escalar 2 ) , ( + = y x y x f , analizar su grfico
y sus curvas de nivel

Solucin:

El grfico es un plano
que corta a los ejes
coordenados en (2,0,0);
(0,2,0); (0,0,-2), como lo
indica la figura 2-18 (a).

Sus conjuntos de nivel
son rectas paralelas de la
forma;

k y x f = ) , ( ;
k y x = + 2 :

k = 0; x + y = 2
k = 1; x + y = 3
k =-1; x + y = 1
k = 2; x + y = 4
k =-2; x + y = 0

Como se puede apreciar
en la figura 2-18 (b)

2 = k
1 = k
0 = k
2 = k
1 = k
x
z
y
a)
Figura 2-18
3
52
Una superficie cudratica es el lugar geomtrico de los puntos (x,y,z) que
satisfacen una ecuacin de segundo grado de la forma:

* 0
2 2 2
= + + + + + + + + + M Lz Hy Gx Fyz Exz Dxy Cz By Ax

Esta misma ecuacin se puede escribir en forma matricial como:

( ) 0
1
, , , 1
33 32 31 30
23 22 21 20
13 12 11 10
03 02 01 00
=
|
|
|
|
|
\
|
|
|
|
|
|
\
|
z
y
x
q q q q
q q q q
q q q q
q q q q
z y x

Donde:
03 30 02 20 01 10
23 32 13 31 12 21
00 33 22 11
q q L q q H q q G
q q F q q E q q D
q M q C q B q A
+ = + = + =
+ = + = + =
= = = =

( )
ij
q Q = es la matriz que define la funcin cuadrtica.

Tomando en consideracin la ecuacin *, que es la forma general de la ecuacin
cuadrtica, podemos revisar un grupo selecto de superficies en R
3
que se las conoce
con el nombre de SUPERFICIES CUADRATICAS o simplemente CUADRICAS.

Las cudricas ms comunes son: la esfera, el elipsoide, los hiperboloides de una
hoja y de dos hojas, el paraboloide, el paraboloide hiperblico, el cono y el cilindro.
Analicemos las caractersticas ms sobresalientes de cada una de ellas.

La Esfera:

Si en la frmula general los coeficientes A, B y C son iguales, mayores
que cero y la frmula general puede escribirse de la forma:

2 2 2 2
) ( ) ( ) ( R l z k y h x = + +

Entonces la funcin cuadrtica representa una superficie esfrica de centro en el
punto ) , , ( l k h y radio 0 R R . Si el centro esta en origen la superficie esfrica
es de la forma
2 2 2 2
R z y x = + + , la figura 2-19 representa a esta ltima.
3
53

Sus curvas de nivel,
tomando ) , ( y x f z = , son
circunferencias al igual que los
cortes con planos paralelos a
los planos coordenados.

El Elipsoide:

Si en la frmula general los coeficientes A, B y C son diferentes,
mayores que cero y la frmula general puede escribirse de la forma:

1
) ( ) ( ) (
2
2
2
2
2
2
=
c
l z
b
k y
a
h x

Entonces la funcin cuadrtica representa un elipsoide de centro en el punto
) , , ( l k h y semiejes a , b , y c .

Si el centro esta
en origen el elipsoide es
de la forma
1
2
2
2
2
2
2
= + +
c
z
b
y
a
x
, la
figura 2-20 representa
este caso.

Sus curvas de
nivel, tomando
) , ( y x f z = , son
elipses al igual que los
cortes con planos
paralelos a los planos coordenados, aunque algn corte pude ser una circunferencia si el
elipsoide es de revolucin.
Figura 2-19
Figura 2-20
3
54
Hiperboloide de una hoja:

Si en la frmula general los coeficientes A, B y C son iguales o
diferentes, uno de ellos negativo y la frmula general puede escribirse de la forma:

1
) ( ) ( ) (
2
2
2
2
2
2
=
c
l z
b
k y
a
h x

Entonces la funcin cuadrtica
representa un hiperboloide de una
hoja de centro en el punto ) , , ( l k h ,
la direccin del eje de simetra lo da
la variable cuyo coeficiente lleva el
signo negativo (en este caso el eje de
simetra es paralelo al eje Z).

Si el centro esta en origen el
hiperboloide de una hoja es de la
forma 1
2
2
2
2
2
2
= +
c
z
b
y
a
x
, la figura
2-21 representa este caso.

Sus curvas de nivel, tomando ) , ( y x f z = , son elipses o circunferencias si el
hiperboloide es de revolucin, en cambio los cortes con planos paralelos a los planos
coordenados son hiprbolas, de ah su nombre de hiperboloide.

Hiperboloide de dos hojas:

Si en la frmula general los coeficientes A, B y C son iguales o
diferentes, dos de ellos negativo y la frmula general puede escribirse de la forma:

1
) ( ) ( ) (
2
2
2
2
2
2
=
c
l z
b
k y
a
h x

Figura 2-21
3
55
Entonces la funcin cuadrtica representa un
hiperboloide de dos hojas de centro en el punto ) , , ( l k h , la
direccin del eje de simetra lo da la variable cuyo
coeficiente es positivo (en este caso el eje de simetra es
paralelo al eje X).

Si el centro esta en origen el hiperboloide de dos
hojas es de la forma 1
2
2
2
2
2
2
=
c
z
b
y
a
x
, la figura 2-22
representa este caso.

Sus curvas de nivel tomando, ) , ( z y f x = , son
elipses o circunferencias si el hiperboloide es de revolucin,
en cambio los cortes con planos paralelos a los planos
coordenados son hiprbolas, de ah su nombre de
hiperboloide.

Figura 2-22

CAPITULO 3
______________________________

DIFERENCIACIN DE FUNCIONES
ESCALARES

3.1 Lmite y continuidad.
3.2 Derivada de una funcin escalar.
3.3 Derivadas parciales de orden superior.
3.4 Derivabilidad y continuidad; diferenciabilidad.
3.5 Propiedades de la derivada.
3.6 Gradiente y derivadas direccionales.
3.7 Aproximaciones y derivacin implcita.

No se lo que puedo parecer al mundo; pero
para m mismo, slo he sido como un nio,
jugando a la orilla del mar, y divirtindome al
hallar de vez en cuando un guijarro ms suave
o una concha ms hermosa que de costumbre,
mientras que el gran ocano de la verdad
permaneca sin descubrir ante m

Isaac Newton

3.1 Lmite y Continuidad 73

3.1 LMITE Y CONTINUIDAD

En este captulo ampliaremos los conceptos bsicos del clculo diferencial a
funciones de varias variables, en esta oportunidad comenzaremos con las funciones
escalares y para organizar mejor nuestro trabajo daremos algunas definiciones bsicas
que nos permitirn definir luego; lmite, continuidad, derivada y diferencial.

Definicin:

Se llama n-bola abierta de centro en X
0
y radio , denotada por ) ; (
0
X B
n
, al
conjunto { } <
0
/ X X R X
n
;
n
R X
0
, R pequeo y positivo.

Para n = 1, ) ; (
0
X B representa un intervalo abierto.

Ejemplo 3-1 Analizar el intervalo abierto que representa 2 2 < x

Solucin: |x - 2| < 2; -2 < x 2 < 2; 0 < x < 4

Para n = 2, ) ; (
0 2
X B representa el interior de un disco circular (un crculo).

Ejemplo 3-2 Analizar lo que representa una ) 4 ); 3 , 2 ((
2
B en R
2

Solucin: La solucin esta en la figura 3-1

(
1 2 4 3 0
)
= 4
( 2, 3 )
X
Y
Figura 3-1
74 Captulo 3 Diferenciacin de Funciones Escalares

Ejemplo 3-3 Demostrar que el punto (4,4) pertenece a una bola B
2
((2,3),4).

Solucin: 5 1 , 2 ) 3 , 2 ( ) 4 , 4 ( = = ; 4 5 <

Para n = 3, ) ; (
0 3
X B representa el interior de una esfera. La figura 3-2
representa una 3-bola abierta centrada en ) , , (
0 0 0
z y x y radio

Definicin:

Dado:
n
R U ,
n
R X
0
; se dice que X
0
es un punto interior de U, si y slo
si, ) ; ( , 0
0
X B
n
> totalmente contenida en U.

Es decir que todo punto X
0
interior a U puede rodearse de una n-bola centrada en
X
0
y radio tal que U X B
n
) ; (
0
. El conjunto de todos los puntos interiores a U
determina el interior de U y se lo denota por U int .

(x0, y0, z0)

X
Y
Z
Figura 3-2

Definicin:

n
R U , es un conjunto abierto si todos sus puntos son interiores a U.

Es decir; U es un conjunto abierto, si y slo si, U U int = .

Ejemplo 3-4 Sea
2
R U tal que 4 1
2 2
< + < y x graficar el espacio e
indicar que tipo de conjunto es.

Solucin: La figura 3-3
representa este
espacio y se trata de
una corona circular
entre las
circunferencias de
radio 1 y radio 2, es
un conjunto abierto
porque esta
formado por todos
los puntos
interiores a U.

Ejemplo 3-5 El producto cartesiano de dos intervalos abiertos es un conjunto
abierto.

Solucin: La figura 3-4 indica
este conjunto
abierto dado por el
producto cartesiano
de los intervalos
abiertos:

) , ( ) , ( d c b a .

Como se ve es un
rectngulo.

X
Y
1 2 - -1
1
2
Figura 3-3
a
b
c
d

Figura 3-4
X
Y

Definicin:

Dado:
n
R U ,
n
R X
0
; se dice que X
0
es un punto exterior de U, si y slo
si, ) ; ( , 0
0
X B
n
> totalmente fuera de U.

Es decir que todo punto X
0
exterior a U puede rodearse de una n-bola centrada
en X
0
y radio tal que U X B
n
) ; (
0
. El conjunto de todos los puntos exteriores
a U determina el exterior de U y se lo denota por extU .

Definicin:

Se dice que X
0
es un punto de frontera de U, si no es ni interior ni exterior a U.

El conjunto de todos los puntos de frontera de un espacio U forma la frontera de
U y se la designa por U .

Definicin:

n
R U , es un conjunto cerrado si su complemento es abierto.

Ejemplo 3-6 En los siguientes casos, sea U el conjunto de todos los puntos (x, y)
de R
2
que satisfacen las condiciones dadas, analizar el conjunto U
en cada caso y dar una razn geomtrica para calificarlo como
abierto, cerrado, abierto y cerrado, ni abierto ni cerrado.

a.- 0
2 2
+ y x
Solucin: Abierto y cerrado; porque es todo R
2
y R
n
es abierto y cerrado a la
vez. Le dejamos al lector la demostracin de esto ltimo.

b.- 0
2 2
< + y x
Solucin: Abierto y cerrado; porque es y el conjunto vaco

es abierto y
cerrado a la vez. Le dejamos al lector la demostracin de esto
ltimo.

c.- 1
2 2
+ y x

Solucin: Cerrado; Porque es la parte interior del crculo de radio 1 y la
circunferencia de radio 1, su complemento es abierto.

d.- 4 1
2 2
< + y x
Solucin: Ni abierto ni cerrado; porque es la corona circular entre los
crculos de radio 1 y radio 2, incluye la circunferencia de radio 1
pero no la de radio 2.

e.- 4 1 x , 5 3 y
Solucin: Cerrado; Porque es la unin de conjuntos cerrados. La unin de
conjuntos cerrados es un conjunto cerrado, la unin de conjuntos
abiertos es un conjunto abierto.

f.- 4 1 < x , 5 3 y
Solucin: Ni abierto ni cerrado; Porque no es unin de conjuntos cerrados
ni tampoco unin de conjuntos abiertos.

g.-
2
x y =
Solucin: Cerrado; Porque son los puntos que se ajustan a la curva y su
complemento es abierto.

h.-
2
x y
Solucin: Cerrado; Porque su complemento es abierto.

Definicin de Lmite:

Sea
m n
R R U x F : ) ( ; donde U es un conjunto abierto, X
0
un punto de U o
de la frontera de U, y sea V una vecindad de
m
R L , decimos que:
L x LimF
X X
=
0
) ( , si y solo si,
0
, 0 de manera que si existe una n-
bola en U, centrada en X
0
y de radio , exista una m-bola en V, centrada en L y
de radio , tal que si: ) ; ( ) ( ) ; (
0
L B x F X B X
m n

Analizando la definicin podemos ver que ) (x F no necesariamente debe estar
definida en X
0
y si X tiende a X
0
en el dominio, ) (x F debe de tender a L en el rango
de la funcin.

El smbolo de lmite tambin puede expresarse de otras maneras equivalentes:

0
0
0 ) (

=
X X
L x f Lim , esta es la forma corriente de lmite en el clculo
elemental.

Llamando
0
X X h = podemos escribir otra forma equivalente:
0
0
0 ) (
= +
h
B h X f Lim

Si R R y x f
2
: ) , ( , escribimos:
) , ( ) , (
0 0
) , (
y x y x
l y x f Lim
= .

Si R R z y x f
3
: ) , , ( , escribimos:
) , , ( ) , , (
0 0 0
) , , (
z y x z y x
l z y x f Lim
=

Si R R x f
n
: ) ( , escribimos:
0
) (
x x
l x f Lim
=

Teorema 3-1 Unicidad del lmite.

Sea R R U x f
n
: ) ( ; donde U es un conjunto abierto, X
0
un punto de U; si:

0
) (
x x
a x f Lim
= y
0
) (
x x
b x f Lim
= entonces a es igual a b .

Hagamos las siguientes observaciones sobre la definicin de lmite:

1. El lmite es una tendencia.
2. El lmite es nico.
3. Puede existir o no y si existe es un nmero real.
4. Puede la funcin no estar definida en un cierto punto, sin embargo el
lmite puede existir.
5. El clculo es complicado para funciones de variable real, ms an para
funciones de varias variables.
6. La definicin es bastante abstracta.

Para realizar clculos prcticos de lmites necesitamos de algunas reglas que nos
permitan hacerlo; estas reglas nos las da el siguiente teorema:

Teorema 3-2
Sean F(x) y G(x) dos funciones definidas en U
m n
R R ; U abierto,
m
R B A , ,
U X
0
o a la frontera de U; entonces; si:
A x F
o
X X
=

) ( lim
0
; B x G
o
X X
=

) ( lim
0
, entonces:

1. [ ] B A x G x F
o
X X
=

) ( ) ( lim
0

2. [ ] A x F
o
X X
=

) ( lim
0

3. ( ) ( ) B A x G x F
o
X X
=

) ( ) ( lim
0

4. A x F
o
X X
=

) ( lim
0

Si: R R U x f
n
: ) ( ; R R U x g
n
: ) ( ; R b a , , (funciones
escalares)

5. [ ] ab x g x f
o
X X
=

) ( ) ( lim
0

6.
b
a
x g
x f
o
X X
=

) (
) (
lim
0
; g(x) 0; b 0.

Demostremos el literal 3 y 4 y dejamos el resto de demostraciones como
ejercicios para el lector:

Podemos escribir:

) ) ( ( ) ) ( ( ) ) ( ( ) ) ( ( ) ( ) ( A x F B B x G A B x G A x F B A x G x F + + =

Aplicando la desigualdad triangular y la desigualdad de Schwarz obtenemos:

A x F B B x G A B x G A x F B A x G x F + + ) ( ) ( ) ( ) ( ) ( ) ( 0


Como; 0 ) ( A x F y 0 ) ( B x G cuando
0
x x , entonces:

0 ) ( ) ( B A x G x F cuando
0
x x , lo cual prueba (3)

Para probar (4) hagamos ) ( ) ( x F x G = en (3) y tenemos:

A A x G x F
x x
=
) ( ) ( lim
0
, o lo que es lo mismo:

2 2
) ( lim
0
A x F
x x
=
, que demuestra (4).

El lmite de cualquier operacin es la misma operacin con los lmites:

Ejemplo 3-7 Dada la siguiente funcin escalar en R
2
:

2 2
2 2
) (
) , (
y x
y x sen
y x f
+
+
= .
Calcular su lmite cuando (x, y) (0, 0)

Solucin:
2 2
2 2
) 0 , 0 ( ) , (
) (
lim
y x
y x sen
y x
+
+
; tomemos V = (x, y)
2
R ,
= = +
2
2 2
V y x , entonces se transforma en:

1
) (
lim 1 lim
2 2
2 2
) 0 , 0 ( ) , ( 0
=
+
+
=

y x
y x sen sen
y x

Ejemplo 3-8 Sea: 3 2 ) , (
2 2
+ = y x y x f , encontrar: ) , ( lim
) 2 , 1 ( ) , (
y x f
y x

Solucin: 6 3 ) 2 ( 2 ) 1 ( ) 3 2 ( lim
2 2 2 2
) 2 , 1 ( ) , (
= + = +
y x
y x


Ejemplo 3-9 Calcular
y x
z y x
e e
z
+
cos
lim
) 0 , 1 , 0 ( ) , , (

Solucin:
e e e e e
z
y x
z y x
+
=
+
=
+
1
1 0 cos cos
lim
0
) 0 , 1 , 0 ( ) , , (

Ejemplo 3-10 Encontrar:
2 2
2
) 0 , 0 ( ) , (
lim
y x
x
y x
+

Solucin: En la direccin del eje X; y = 0;
1 1 lim lim
0
2
2
0
= =
x x
x
x

En la direccin del eje Y; x = 0;
0
0
lim
2
0
=
y
y

Por lo tanto en (0, 0) esta funcin no tiene lmite.

Ejemplo 3-11 Encontrar
2 4
2
) 0 , 0 ( ) , (
lim
y x
y x
y x
+

0
0
lim
4
0
=
x
x
,
0
0
lim
2
0
=
y
y
,
En la direccin de todas las rectas de la forma mx y = ,
0 lim lim
2 2
0
2 2 4
3
0
=
+
=
+

m x
mx
x m x
mx
x x
,
Podramos pensar que su lmite es 0; sin embargo si averiguamos
sobre la curva
2
x y = , tenemos:

) , (
2
1
lim
4 4
4
0
y x f
x x
x
x
=
+
no tiene lmite.
Ejemplo 3-12 Encontrar
y x
y x x sen
y x
+
+
3
) 0 , 0 ( ) , (
2 2
lim


3
4
6
2 cos 8
lim
6
2 4
lim
3
2 2 cos 2
lim
2 2
lim
0 0
2
0
3
0

x
x
x sen
x
x
x
x x sen
x x
x x

Aplicando la regla de LHopital.

=
1 lim
0
y
y
y
el lmite no existe.

Obsrvese en los ejemplos anteriores que para asegurar la existencia del lmite
se debe demostrar que este existe y es igual en todas las direcciones posibles, lo cual lo
torna sumamente complicado y difcil de calcular. Como el lmite de una funcin
vectorial es igual al lmite de cada una de sus componentes, entonces el clculo de
lmites para una funcin vectorial se reduce al clculo de lmites para funciones
escalares.

Definicin de continuidad:

Sea
m n
R R U x F : ) ( ; donde U representa su dominio, X
0
un punto de U.
Decimos que ) (x F es continua en X
0
, si y solo si:
) ( ) ( lim
0
0
x F x F
X X
=

Decimos que es continua en todo su dominio U, si y slo si es continua en cada
uno de los puntos de U.

Observaciones:

La definicin de continuidad es puntual.

Es imposible utilizar la definicin para demostrar la continuidad de una
funcin en un intervalo o sub-espacio de R
n
.

Por lo anterior, necesitamos conocer algunas reglas que nos permitan analizar
la continuidad de una funcin de varias variables en su dominio U.

Para ayudarnos en la limitante que nos deja la definicin de continuidad
disponemos de los siguientes teoremas.

Teorema 3-3

Sean;
m n
R R U x F : ) ( y
m n
R R U x G : ) ( , U x
0
y R :

1. Si ) (x F es continua en
0
x ; entonces ) (x F tambin es continua en
0
x .
2. Si ) (x F y ) (x G son continuas en
0
x ; entonces ) ( ) ( x G x F tambin
es continua en
0
x .
3. Si ) (x f y ) (x g son funciones escalares y continuas en
0
x ; entonces
) ( ) ( x g x f tambin es continua en
0
x .
4. Si ) (x f y ) (x g son funciones escalares y continuas en
0
x ; entonces
) (
) (
x g
x f
tambin es continua en
0
x , si 0 ) ( x g .
5. Si ) (x f es una funcin escalar continua en
0
x ; entonces
) (
1
x f
tambin
es continua en
0
x , si 0 ) ( x f .
6. Una funcin vectorial es continua, si y slo si, cada una de sus componentes
es continua.

Cualquier operacin que se realice con funciones continuas es continua excepto
la divisin cuando el denominador sea cero.

Ejemplo 3-13 La funcin identidad
n n
R R X X F = : ) ( , es continua en
todo R
n
.

Solucin: Las componentes de la funcin identidad son:

1 1
) ( x x f = ,
2 2
) ( x x f = ,
3 3
) ( x x f = ,.,
n n
x x f = ) ( .
Como todas son continuas en R
n
, entonces la funcin tambin es
continua en todo R
n
.

Ejemplo 3-14 Sea
m n
R R X F : ) ( una transformacin lineal, demostrar que
es continua en R
n
.
Solucin: Si es una transformacin lineal, entonces:
) ( ) ( ) ( Y F X F Y X F + = +
Si ) ( X F y ) (Y F son continuas en todo R
n
, entonces la
transformacin tambin.

Ejemplo 3-15 Sea ) ,
2
1
, ( ) , , (
2 2 2
2
2
z y x
z y x
x
yz x z y x F + +
+ + +
+
= ,
funcin vectorial de la forma
3 3
: R R F , demostrar que es
continua en R
3
.

Solucin: La primera componente es un producto de funciones continuas; por
lo tanto es continua, la segunda componente es un cociente de
funciones continuas y la funcin denominador nunca ser cero
entonces tambin es continua, y la tercera componente es la suma
de tres funciones continuas y tambin es continua; por lo tanto,
como todas sus componentes son continuas, la funcin es continua.

Teorema 3-4

Sean:
p n
R R U x G : ) ( ,
m p
R R x F : ) ( , U x
0
; tal que
)) ( ( x G F G F = o exista; si ) (x G es continua en
0
x y ) (x F es continua en
) (
0
x G ; entonces G F o es continua en
0
x .

Demostracin:

Tomemos: ) (x g y = y ) (
0
x g A =

) ( ) ( )) ( ( )) ( (
0
A f y f x g f x g f =
Por hiptesis cuando A y x x
0
, as que tenemos:
0 ) ( ) ( lim )) ( ( )) ( ( lim
0
0
0
0
= =

A f y f x g f x g f
A y x x
, lo que indica:
=

0 )) ( ( )) ( ( lim
0
0
0
x g f x g f
x x
g f o es continua en
0
x .

Ejemplo 3-16 En base al teorema anterior analizar la continuidad de las
siguientes funciones:

1. ) ( ) , (
2
y x sen y x f =
2. ) ln( ) , (
2 2
y x y x f + =
3.
y x
e
y x f
y x
+
=
+
) , (
4. ) ln(cos( ) , (
2 2
y x y x f + =

Solucin: La primera funcin; y x
2
es continua en todo R
2
, y como ) (x sen
no tiene restricciones para su dominio podemos concluir que esta
2
.

La segunda funcin;
2 2
y x + es continua en todo R
2
, y su valor
es: 0
2 2
+ y x , la funcin ) ln(x tiene restringido su dominio
para valores > 0. Esto nos hace concluir que en este caso la funcin
tiene restringido su intervalo de continuidad de la siguiente forma:
{ } ) 0 , 0 ( ) , /( ) , (
2
y x R y x .

La tercera funcin es el cociente de dos funciones; la funcin
numerador es la composicin de
x
e con y x + , la interna es
continua en todo R
2
y la externa, que es la exponencial, no tiene
restricciones para su dominio; por la tanto
y x
e
+
es continua; sin
embargo debemos eliminar los valores que hagan cero el
denominador y estos son x y = , esto hace que para este caso la
regin de continuidad sea: { } x y R y x / ) , (
2
.


La cuarta es la composicin de tres funciones; la interna
2 2
y x +
2
y es 0 , la intermedia es ) cos(x y no
tiene restricciones para su dominio; mientras que la externa ) ln(x
si tiene restricciones para su dominio donde x = 0, esto hace que
para este caso la regin de continuidad quede definida de la
siguiente manera:

)
`
+ ,..... 3 , 2 , 1 ;
2
) 1 2 (
) /( ) , (
2 2 2
n
n
y x R y x

.
Ejemplo 3-17 Analizar la continuidad de la funcin:

+
=
) 0 , 0 ( ) , ( 0
) 0 , 0 ( ) , (
) , (
2 2
y x
y x
y x
xy
y x f , en (0, 0).

Solucin: En un corte sobre el eje X; y = 0:
0
0
lim
2
0
=
x
x
; cumple.

En un corte sobre el eje Y; x = 0:
0
0
lim
2
0
=
y
y
; cumple.

En un corte sobre la funcin identidad x y = :

2
1
2
2
0
2
lim =
x
x
x
; no cumple.

La funcin no es continua en (0, 0).

Como se puede observar en el ejemplo 3-17, para que una funcin escalar sea
continua en un punto dado debe cumplirse la definicin de continuidad en todas las
direcciones posibles por las que nos podamos acercar a este punto en una vecindad del
mismo. Esto hace complicada esta tcnica de demostracin puesto que existen infinitas
maneras de aproximarse a una funcin en una vecindad de un punto dado.

3.2 DERIVADA DE UNA FUNCIN ESCALAR.

En la seccin 3-1 dimos los conceptos elementales que nos permitan tener la
capacidad de hacer otras definiciones importantes del clculo; una de ellas es la
3.2 Derivada de una Funcin Escalar 87

definicin de derivada de una funcin escalar con respecto a un vector. Sea
R R U x f
n
: ) ( , un campo escalar en R
n
, deseamos tener la capacidad de
estudiar la variacin de ) (x f cuando nos acercamos a cualquier punto desde
0
x
dentro de su dominio. Por ejemplo supongamos que la funcin representa la
temperatura en el interior de una habitacin con aire acondicionado en un da de calor;
es obvio que la variacin de temperatura ser diferenta cundo nos acercamos en la
direccin del aparato del aire acondicionado que cuando nos acercamos en la direccin
de la ventana que esta frente al sol, esto nos induce a pensar que al hablar de campos
escalares la definicin de derivada estar supeditada a la direccin en la cual se la
defina.

Supongamos que la direccin esta dada por un vector V
r
en R
n
y que nos
acercamos del punto
0
x al punto
0
x + V
r
, siguiendo el segmento de recta que une a
0
x con
0
x + V
r
cada punto de esta recta tiene la forma
0
x + hV
r
donde h es un
nmero real cualquiera, la variacin de este desplazamiento esta dada por V h , como
V
r
slo indica la direccin del desplazamiento, no nos importa el valor de su norma y
de esta forma podemos decir que slo h es un indicador de la magnitud de este
desplazamiento, es obvio que la variacin que sufre la funcin como consecuencia de
este desplazamiento en su dominio es ) ( ) ) ( (
0 0
x f hV x f + , la razn de estas dos
variaciones, como en el caso de funciones de variable real, es lo que nos lleva a la
definicin de derivada de un campo escalar con respecto a un vector.

Definicin de Derivada de un campo escalar con respecto a un vector:

Sea R R U x f
n
: ) ( ; donde U es un conjunto abierto, X
0
un punto de U,
R h , y sea V
r
un vector cualquiera de
n
R , la derivada de ) (x f en
0
x y con
respecto a V se representa con el smbolo ) ; ( ' V x f
o
y se define por:

h
x f hV x f
V x f
h
) ( ) (
lim ) ; ( '
0 0
0
0
+
=

Cuando este lmite existe.

Observaciones:


La derivada es un lmite, por lo tanto si existe es un nmero real y tiene todas
las propiedades de los lmites.
La derivada representa la razn de cambio sobre un perfil de la funcin en la
direccin del vector V
r
.
Para que la funcin sea derivable en un punto
0
x , este lmite debe existir para
todas las direcciones posibles V
r
que llegan a
0
x .
Puede usarse para encontrar la ecuacin de la recta tangente al perfil de ) (x f
en la direccin del vector V
r
.
El vector V
r
representa la direccin del corte de ) (x f y por lo tanto no
necesita pertenecer al dominio de la funcin.

Ejemplo 3-18 Si V
r
es el vector cero, demostrar que la derivada direccional de
cualquier funcin escalar existe y vale cero.

Solucin:
h
x f h x f
x f
h
) ( ) 0 (
lim ) 0 ; ( '
0 0
0
0
+
=

0
) ( ) (
lim ) 0 ; ( '
0 0
0
0
=
h
x f x f
x f
h

Ejemplo 3-19 Demostrar que la derivada de una transformacin lineal en un
punto cualquiera siempre existe y es igual al valor de la funcin
evaluada en el vector direccin V
r
.

Solucin: Sea R R U x f
n
: ) ( ; una transformacin lineal cualquiera.

) (
) ( ) ( ) (
lim ) ; ( '
) ( ) (
lim ) ; ( '
0
0
V f
h
Xo f V hf Xo f
V Xo f
h
Xo f hV Xo f
V Xo f
h
h
=
+
=
+
=

Teorema 3-5

Si ) ( ) (
0
tV x f t g + = y si una de las derivadas, ) ( ' t g o ) ; ( '
0
V tV x f +
existen, entonces tambin existe la otra y son iguales:

) ( ' t g = ) ; ( '
0
V tV x f +

En particular cuando t = 0, ) 0 ( ' g = ) ; ( '
0
V x f
Demostracin:

h
tV x f V h t x f
h
t g h t g
t g
h h
) ( ) ) ( (
lim
) ( ) (
lim ) ( '
0 0
0 0
+ + +
=
+
=

Que se lo puede tambin escribir de la forma:

) ; ( '
) ( ) ) ((
lim
0
0 0
0
V tV x f
h
tV x f hV tV x f
h
+ =
+ + +

Ejemplo 3-20 Dado el campo escalar
2
) ( X x f =
n
R X .
Calcular ) ; ( '
0
V X f .

Solucin: Primero se busca una funcin de variable real talque:

) ( ) (
0
tV X f t g + = , entonces:

2
0
) ( tV X t g + =

como; V V V =
2
, entonces:

) ( ) ( ) (
0 0
tV X tV X t g + + =
) ( ) ( ) ( ) ( ) (
2
0 0 0 0
V V t X tV V tX X X t g + + + =
) ( ) ( 2 ) ( ) (
2
0 0 0
V V t V X t X X t g + + =

2
2
0
2
0
) ( 2 ) ( V t V X t X t g + + = , derivando con respecto a t.

2
0
2 ) ( 2 ) ( ' V t V X t g + =

Como ) ; ( ' ) 0 ( '
0
V X f g = , entonces:

) ( 2 ) ; ( '
0 0
V X V X f =

Teorema 3-6. Teorema del valor medio para campos escalares

Si existe la derivada ) ; ( '
0
V tV x f + para cada t en el intervalo 1 0 t .
Entonces para un cierto nmero real en el intervalo abierto 1 0 < <
tenemos:

) ; ( ' ) ( ) (
0 0
V u f x f V x f = + , donde V x u + =
0

Demostracin:

Hagamos ) ( ) (
0
tV x f t g + = y apliquemos el teorema del valor medio para
funciones de variable real a ) (t g en el intervalo [ ] 1 , 0 y tenemos:

) ( ' ) 0 ( ) 1 ( g g g = , donde 1 0 < <

como ) ( ) ( ) 0 ( ) 1 (
0 0
x f V x f g g + = , y
) ; ( ' ) ( '
0
V V x f g + = ; ya esta demostrado el teorema.

Definicin de Derivadas direccionales y derivadas parciales:

Si en la definicin de derivada de un campo escalar con respecto a un vector el
vector direccin V
r
es unitario, ) ; ( '
0
V x f se llama derivada direccional de
) (x f en
0
x y en la direccin V
r
.
En particular si
k
e V =
r
(el k-esimo vector coordenado unitario) la derivada
direccional ) ; ( '
0 k
e x f se denomina derivada parcial de ) (x f respecto a
k
e y
se la representa por: ) (
0
x f D
k
, ( )
0
x
x
f
k
, ) ( '
0
x f
k
x
.

Para una funcin escalar en R
2
) , ( y x f ;

) , ( ' ); , ( ; y x f y x f D
x
f
x x

) , ( ' ); , ( ; y x f y x f D
y
f
y y

Para una funcin escalar en R
3
) , , ( z y x f ;

) , , ( ' ); , , ( ; z y x f z y x f D
x
f
x x

) , , ( ' ); , , ( ; z y x f z y x f D
y
f
y y

) , , ( ' ); , , ( ; z y x f z y x f D
z
f
z z

De la definicin anterior podemos concluir que las derivadas parciales, por ser
cortes paralelos a los ejes coordenados, facilitan su clculo para una funcin de varias
variables; por cuanto cada perfil solo depende de una variable (la variable del corte) y
las dems son constantes. Esto permite aplicar las reglas comunes de la derivacin
como si se tratara de funciones de variable real, tomando como variable solo la del
corte y las dems como constantes .

Ejemplo 3-21 Dado:
x
e
y x sen xy y x f
xy
+ + + = ) ( ) ln( ) , (
2 2
, encontrar sus
derivadas parciales.

Solucin:
xy
xy
xy
xy xy
e y x y
y y
f
xe
x
y x yCos x
xy y
f
x
xy e
y x x
x x
f
x
e xye
y x xCos y
xy x
f
+ + + =
+ + + =
+ + + =
+ + + =
) cos( 2
1
1
) ( 2
1
) 1 (
) cos( 2
1
) ( 2
1
2 2
2 2
2
2 2
2
2 2


3.3 DERIVADAS PARCIALES DE ORDEN SUPERIOR:

Las derivadas parciales definidas anteriormente y calculadas como se lo hizo en
el ejemplo 3-20, para el caso de una funcin escalar en R
2
, son nuevas funciones
escalares y estas pueden seguir derivndose parcialmente con los mismos criterios que
hemos utilizado, a estas nuevas derivadas parciales las llamaremos derivadas parciales
de orden superior y son, de segundo orden, cuatro para una funcin escalar en R
2
y
nueve para una funcin escalar en R
3
; as:

En R
2
:

)) , ( ( '
)) , ( ( '
)) , ( ( '
)) , ( ( '
2
2
2
2
2
2
y x f D f
y
f
y
f
y
y x f D f
x y
f
y
f
x
y x f D f
xy
f
x
f
y
y x f D f
x
f
x
f
x
yy yy
yx yx
xy xy
xx xx
= =
=
|
|
\
|
= =

=
|
|
\
|
= =
= |
\
|
= =
= |
\
|

En R
3
:

)) , , ( ( '
)) , , ( ( '
)) , , ( ( '
)) , , ( ( '
)) , , ( ( '
2
2
2
2
2
2
2
z y x f D f
y
f
y
f
y
z y x f D f
x y
f
y
f
x
z y x f D f
z x
f
x
f
z
z y x f D f
xy
f
x
f
y
z y x f D f
x
f
x
f
x
yy yy
yx yx
xz xz
xy xy
xx xx
= =
=
|
|
\
|
= =

=
|
|
\
|
= =

=
|
\
|
= =
= |
\
|
= =
= |
\
|

3.4 Derivabilidad y Continuidad; Diferenciabilidad 93

)) , , ( ( '
)) , , ( ( '
)) , , ( ( '
)) , , ( ( '
2
2
2
2
2
z y x f D f
z
f
z
f
z
z y x f D f
y z
f
z
f
y
z y x f D f
zx
f
z
f
x
z y x f D f
yz
f
y
f
z
zz zz
zy zy
zx zx
yz yz
= =
=
|
\
|
= =

= |
\
|
= =
= |
\
|
= =
=
|
|
\
|

Las derivadas parciales de segundo orden:
2
2
2
2
2
2
, ,
z
f
y
f
x
f
, son derivadas
parciales de segundo orden dobles y las mezcladas se las llama derivadas parciales
mixtas.

Ejemplo 3-22 Encontrar las derivadas parciales dobles del ejemplo 3-21:

Solucin:
xy
xy
xy
xy xy
xy
xy xy xy
xe y x Sen y
y y
f
ye y x xySen
y x
f
ye y x xysen
x y
f
x e xy xe
x
y x xySen
x y
f
x
xy y x e
y x sen x
x x
f
x
x xy e ye xy y e x
y x sen x
x x
f
+ + =
+ + =

+ + =

+ + + =

+
+ + =
+
+ + =
) ( 4
1
) ( 4
) ( 4
)) ( ) 1 ( (
1
) ( 4
) 2 2 (
) ( 4
1
2 ) 1 ( ) ) 1 ( ) ( (
) ( 4
1
2 2 2
2 2
2
2 2
2
2 2
2
2
2 2
2
3
2 2
2 2 2
2 2
2
4
2
2 2 2
2 2
2


Teorema 3-7

Ejemplo 3-23 Obtener las derivadas parciales de primer y segundo orden de la
funcin escalar:
) cos( ) , , (
2 2 2 2
z y x x z y x f + + = .
Y comprobar que las mixtas son iguales:
Solucin:
) ( 4 ) ( 2
) ( 4
) ( 4 ) ( 4
) ( 4
) ( 4 ) ( 2
) ( 4 ) ( 4
) ( 4 ) ( 4
) ( 4 ) ( 4
) ( 4 ) ( 10 ) ( 2
) ( 2
) ( 2
) ( 2 ) ( 2
2 2 2 2 2 2 2 2 2
2
2
2 2 2 2
2
2 2 2 3 2 2 2
2
2 2 2 2
2
2 2 2 2 2 2 2 2 2
2
2
2 2 2 3 2 2 2
2
2 2 2 3 2 2 2
2
2 2 2 3 2 2 2
2
2 2 2 4 2 2 2 2 2 2 2
2
2
2 2 2 2
2 2 2 2
2 2 2 3 2 2 2
z y x Cos z x z y x Sen x
z
f
z y x yzCos x
z y
f
z y x zCos x z y x xzSen
z x
f
z y x yzCos x
y z
f
z y x Cos y x z y x Sen x
y
f
z y x yCos x z y x xySen
y x
f
z y x zCos x z y x xzSen
x z
f
z y x yCos x z y x xySen
x y
f
z y x Cos x z y x Sen x z y x Cos
x
f
z y x zSen x
z
f
z y x ySen x
y
f
z y x Sen x z y x xCos
x
f
+ + + + =
+ + =

+ + + + =

+ + =

+ + + + =
+ + + + =

+ + + + =

+ + + + =

+ + + + + + =
+ + =
+ + =
+ + + + =

Como se puede ver en el desarrollo anterior:
Si R R U f
n
: ; es de tipo C
2
en
n
R U , (quiere decir doblemente
continua en U o diferenciable) las derivadas parciales mixtas de segundo orden
son iguales.


z y
f
y z
f
z x
f
x z
f
y x
f
x y
f

2 2
2 2
2 2

Ejercicio 3-24 Obtener las derivadas parciales de primer y segundo orden de la
funcin escalar:
( )
3 3 3 2 2 2 3
) cos( , , z y x e y x z z y x z y x f
xy
+ + + + + + =
Y comprobar que las mixtas son iguales:

Solucin: Las derivadas parciales de primer orden son:

2 2 2 2 3
2 2 2 3
2 2 2 2 2
3 ) (
3 ) ( 2 2
3 ) ( 2 3
z y x Cos y x
z
f
y xe y x yzSen yz x
y
f
x ye y x xzSen z y x
x
f
xy
xy
+ + + =
+ + + =
+ + + =

Las derivadas parciales de segundo orden son:

xy xy
xy xy
xy
e xye y x xyzCos yz x
y x
f
y x xSen y x
x z
f
e xye y x xyzCos yz x
x y
f
x e y y x zCos x y x zSen z xy
x
f
+ + + =

+ =

+ + + =

+ + + + =
) ( 4 6
) ( 2 3
) ( 4 6
6 ) ( 4 ) ( 2 6
2 2 2
2
2 2 2 2
2
2 2 2
2
2 2 2 2 2 2 2
2
2


) ( 2 2
6 ) ( 4 ) ( 2 2
2 2 3
2
2 2 2 2 2 2 3
2
2
y x ySen y x
y z
f
y e x y x zCos y y x zSen z x
y
f
xy
+ =

+ + + + =
) ( 2 3
2 2 2 2
2
y x xSen y x
z x
f
+ =

) ( 2 2
2 2 3
2
y x ySen y x
z y
f
+ =

z
z
f
6
2
2
=

z y
f
y z
f
z x
f
x z
f
y x
f
x y
f

2 2
2 2
2 2

3.4 DERIVABILIDAD Y CONTINUIDAD; DIFERENCIABILIDAD:

En el curso de clculo elemental el estudiante debe haber aprendido la
importancia que tiene la derivada para calcular razones de cambio y para poder analizar
el grfico de una funcin de variable real, estudiando su continuidad valores extremos,
concavidad y puntos de inflexin. En una funcin escalar, de varias variables en su
dominio, la derivada tambin tiene aplicaciones similares; sin embargo, el grfico de
una funcin escalar no es tan fcil de analizar como el grfico de una funcin de
variable real. Qu nos puede decir la derivada de una funcin escalar, definida en la
seccin 3-2, acerca de la continuidad de la funcin?, recordemos que para una funcin
de variable real es vlida la afirmacin:

la derivabilidad es una condicin necesaria y suficiente para la
continuidad.

Por supuesto, sabemos que la continuidad es una condicin necesaria pero no
suficiente para la derivabilidad, por la presencia de picos en el grfico de la funcin. El
grfico de una funcin escalar tambin puede tener picos o pliegues que no le permiten

definir planos tangentes a la superficie en todos sus puntos; es importante analizar
superficies suaves que puedan tener bien definidos planos tangentes en todos los puntos
de su dominio, investiguemos si esta afirmacin vlida para funciones de variable real,
tambin es vlida para funciones de varias variables.

Es fcil demostrar que para una funcin de variable real, la existencia de la
derivada en un punto cualquiera implica la continuidad en dicho punto:

h
h
x f h x f
x f h x f
) ( ) (
) ( ) (
0 0
0 0
+
= + , haciendo el lmite de esta
igualdad cuando h tiende a cero obtenemos:

h
h
x f h x f
x f h x f
h h h 0
0 0
0
0 0
0
lim
) ( ) (
lim )) ( ) ( ( lim

|
\
| +
= +
, como
0 lim
0
=
h
h

y ) ( '
) ( ) (
lim
0
0 0
0
x f
h
x f h x f
h
= |
\
| +
; entonces la existencia de la derivada implica

que ) (x f sea continua en
0
x .

Apliquemos el mismo razonamiento para una funcin escalar
n
R U x f : ) (
en U X
0
y en la direccin de un vector
n
R V :

h
h
x f hV x f
x f hV x f
) ( ) (
) ( ) (
0 0
0 0
+
= + , haciendo el lmite de la
igualdad cuando
0
X X tenemos idntico razonamiento que el que hicimos para
una funcin de variable real, sobre la direccin del vector V ; esto que es cierto sobre
un perfil que tiene la direccin del vector V aparentemente debera ser cierto sobre
todas las otras direcciones posibles; pero veamos con mucha sorpresa lo que nos dice el
siguiente ejemplo.

Ejemplo 3-25 Dada la funcin:

( )
( )
+
y
x
y x
xy
y x f
, 0 ; 0
0 ;
,
4 2
2

Analizar su derivabilidad y continuidad en (0, 0).

Solucin: Analicemos primero su derivabilidad para cualquier vector
2
) , ( R b a V = :

= )) , ( ); 0 , 0 (( ' b a f

0 lim
) (
lim
) (
lim
) ( ) (
) )( (
lim
) 0 , 0 ( ) , (
lim
) 0 , 0 ( )) , ( ) 0 , 0 ((
lim
2
2
2
4 2 2
2
0
4 2 2 3
2 3
0
4 4 2 2
2 3
0
4 2
2
0
0
0
= =
+
=
+
=
+
=
+
=
=
+
=
a existe
a
b
a
ab
b h a
ab
b h a h
ab h
b h a h h
ab h
h
hb ha
hb ha
h
f hb ha f
h
f b a h f
h
h
h
h
h
h

Veamos ahora que pasa para ) , 0 ( b V =

0 0
0
lim
) 0 , 0 ( ) , 0 (
lim
) 0 , 0 ( )) , 0 ( ) 0 , 0 ((
lim
0
0
0
= = =
=
+
=
a existe
h
h
f hb f
h
f b h f
h
h
h

) , ( y x f es derivable en (0,0) porque existen todas sus
derivadas direccionales.

Analicemos ahora la continuidad en (0, 0):
) 0 , 0 ( ) , ( lim
) 0 , 0 ( ) , (
f y x f
y x
=


Sobre el eje X; 0 = y ,
0
0
lim
2
0
=
x
x
.
Sobre el eje Y; 0 = x ,
0
0
lim
4
0
=
y
y
.

Sobre el eje la recta mx y = ;

0
1
lim lim lim
2 4
2
0
4 4 2
3 2
0
4 2
2
) 0 , 0 ( ) , (
=
+
=
+
=
+

x m
x m
x m x
x m
y x
xy
x x y x

Sobre la curva
2
y x = ;

2
1
4
4
0
4 4
4
0
4 2
2
) 0 , 0 ( ) , (
2
lim lim lim = =
+
=
+

y
y
y y
y
y x
xy
x x y x

) , ( y x f no es continua en (0, 0); porque en la direccin
2
y x = el lmite es diferente.

Del ejemplo anterior podemos concluir que a pesar de que ) , ( y x f es
derivable en (0, 0) sin embargo no es continua, entonces la afirmacin anterior no es
cierta para funciones de varia variables.

Con esto comprobamos que la derivabilidad no es condicin necesaria y
suficiente para la continuidad en funciones de varias variables.

; Para R R f
n
:

Debe existir una definicin ms fuerte que la derivada tal que implique
continuidad, y esta es la definicin de diferencial.

La definicin de derivada (Definicin de Newton) difiere de la definicin de
diferencial (Definicin de Leibniz) en su filosofa; Newton defini a la derivada como
el lmite de una razn de cambio que es la definicin que nosotros usamos y
conocemos; mientras que Leibniz defini lo mismo pero como una buena
aproximacin a una funcin lineal en la vecindad de un punto. Esta nueva forma
presentada por Leibniz en el siglo XVII en la actualidad la conocemos como la manera
[ ] [ ] d Continuida dad Derivabili

de definir diferencial. R R x f
n
: ) ( es diferenciable en
o
x existe una funcin
lineal capaz de sustituir a ) (x f en una vecindad de
o
x .

La filosofa que define al diferencial tiene dos ideas que son importantes de
definir desde el punto de vista matemtico y estas son:

La funcin lineal a la cual se hace la aproximacin; que es la recta tangente
para una funcin de variable real y el plano tangente para una funcin escalar de varias
variables.

La buena aproximacin que matemticamente quiere decir que el lmite de la
razn entre el error de aproximacin y el acercamiento en el dominio debe tender a
cero, cuando la norma del vector acercamiento en el dominio tiende a cero; as:

0
| |
lim
0
0
0

X X
n aproximaci de error
X X

Para el caso de una funcin de variable real la figura 3-5 indica, cuando existe y
cuando no existe, una buena aproximacin en la vecindad de un punto.

Para una funcin de variable real, la funcin lineal es la recta tangente:

) ( ) (
o o
x x m x f y + = , y la pendiente esta dada por: ) ( '
o
x f m =

Buena aproximacin
Diferenciable
Mala aproximacin
No diferenciable
Figura 3-5

Definicin de diferencial para una funcin de variable real:

Sea R R b a x f ) , ( : ) ( , ) , (
0
b a x ; se dice que ) (x f es diferenciable
en ) )( ( ' ) ( ) , (
0 o o o
x x x f x f y b a x + = es una buena aproximacin
de ) (x f en una vecindad de
o
x , entendindose por buena aproximacin que:

0
) )( ( ' ) ( ) (
lim
0
0
=

x
x x x f x f x f
o o
x

En esta definicin ) ( '
o
x f (que es el responsable de la buena aproximacin) se
lo llama diferencial.

Como se puede apreciar en la definicin anterior la derivada y el diferencial para
una funcin de variable real son iguales; tienen la misma jerarqua.

En forma similar generalicemos esta definicin para una funcin de R
2
a R. La
funcin lineal es el plano tangente y tiene dos inclinaciones, una en el sentido del eje
X y otra en el sentido del eje Y, que estn dadas por las derivadas parciales con
respecto a cada variable respectivamente, de tal forma que el plano tangente, en forma
similar a la recta tangente lo podemos escribir as:

) (
) , (
) (
) , (
) , (
0
0 0 0 0
0
y y
y
y x f
x x
x
y x f
y x f z
o o

+ = 8-1

Posteriormente estaremos en capacidad de demostrar, con mejor criterio, que la
ecuacin 8-1 representa el plano tangente a una superficie ) , ( y x f z = en una
vecindad del punto ) , (
0 0
y x .

Ejemplo 3-26 Encontrar la ecuacin del plano tangente al paraboloide
2 2
y x z + = en el punto (1, 1).

Solucin: x
x
f
2 =
, y
y
f
2 =
, evaluadas en el punto (1, 1)

2
) 1 , 1 (
2
) 1 , 1 (
=
y
f
x
f
, 2 ) 1 , 1 ( = f ; con esto:

2 2 2
) 1 ( 2 ) 1 ( 2 2
+ =
+ + =
y x z
y x z

Definicin de diferencial para una funcin de R
2
a R:

Sea R R D y x f
2
: ) , ( , U y x ) , (
0 0
; se dice que ) , ( y x f es
diferenciable en:
) (
) , (
) (
) , (
) , ( ) , (
0
0 0 0 0
0 0
y y
y
y x f
x x
x
y x f
y x f z U y x
o o o

+ =
es una buena aproximacin de ) , ( y x f en una vecindad de ) , (
0
y x
o
,
entendindose por buena aproximacin que:

0
) ( ) , (
) (
) , (
) (
) , (
) , ( ) , (
lim
0 0
0
0 0 0 0
0
) , ( ) , (
0 0
=

y x y x
y y
y
y x f
x x
x
y x f
y x f y x f
o o
y x y x

En esta definicin
|
|
\
|
y
y x f
x
y x f ) , (
,
) , (
0 0 0 0
(que es el responsable de la buena
aproximacin) se lo llama diferencial.

Como se puede apreciar en la definicin anterior la existencia de las derivadas
parciales no garantiza una buena aproximacin; pero si existen las derivadas parciales y
son continuas, esto si tendra la suficiente jerarqua para asegurar la aproximacin.

Generalicemos esta definicin para una funcin escalar, de R
n
a R. La funcin
lineal es el plano tangente y tiene n inclinaciones, en cada sentido de los ejes X
i
,
que estn dadas por las derivadas parciales con respecto a cada variable
respectivamente, de tal forma que el plano tangente, en forma similar al caso anterior lo
podemos escribir as:

) (
) (
....... ) (
) (
) (
) (
) (
0
0
02 2
2
0
1 1
1
0
n n
n
o o
x x
x
X f
x x
x
X f
x x
x
X f
X f z
+ +
+ =
8-2

Si definimos los siguientes vectores:


|
|
\
|
=
n
x
X f
x
X f
x
X f
X f
) (
..., ,.........
) (
,
) (
) (
0 0
1
0
0
2
,

) ....., ,......... , ( ) (
0 02 2 01 1 0 n n
x x x x x x X X =

Podemos escribir la ecuacin 8-2, del plano tangente, de la forma:

) ( ) ( ) (
0 0 0
X X X f X f z + = 8-3

Al vector ) ( X f , definido anteriormente y en cualquier punto, se lo conoce
como el GRADIENTE del campo escalar, que lo definiremos formalmente en la
seccin 3-6. Con esto podemos presentar la definicin general de diferencial para una
funcin escalar.

Definicin general de diferencial para una funcin escalar:

Sea R R U X f
n
: ) ( , U X
0
; se dice que ) ( X f es diferenciable en:
) ( ) ( ) (
0 0
X X X f X f z U X
o o
+ = es una buena aproximacin de
) ( X f en una vecindad de
o
X , entendindose por buena aproximacin que:

0
) ( ) ( ) ( ) (
lim
0
0 0
0
0
=

X X
X X X f X f X f
o
X X

En esta definicin ) (
0
X f (que es el responsable de la buena aproximacin) se
lo llama diferencial.

Observaciones:

La matriz diferencial de una funcin escalar se llama GRADIENTE de ) (x f
y se la representa por ) ( X f .
El gradiente es un vector, por lo tanto puede expresarse as:

n
X
n
X X
o
e
x
f
e
x
f
e
x
f
x f
o o o

+ +
= L
2
2
1
1
) (
.
O como una matriz rengln as:

(
=
n
x
x f
x
x f
x
x f
x f
) (
.... ..........
) ( ) (
) (
0
2
0
1
0
0

Solo si la funcin es diferenciable tiene gradiente.
El gradiente cumple la misma funcin que la derivada en calculo elemental.
El gradiente slo est definido para una funcin escalar.

Para una funcin R R f
3
:

k
z
f
j
y
f
i
x
f
x f
= ) (

Ejemplo 3-27 Encontrar el gradiente, si existe, de la siguiente funcin escalar:

Solucin: z y x z y x f + = 2 3 ) , , (
2
en el punto (1,0,1)
) 1 , 2 , 6 ( ) , , ( = x z y x f
k j i f + = 2 6
) 1 , 0 , 1 (

La definicin anterior se la puede generalizar para una funcin cualquiera en
varias variables de la siguiente forma:

Definicin general de diferencial:

Sea
m n
R R U X F : ) ( , U X
0
; se dice que ) ( X F es diferenciable en
[ ][ ]
0 0
) ( ) ( X X X F D X F Z U X
o o
+ = es una buena aproximacin de
) ( X F en una vecindad de
o
X , entendindose por buena aproximacin que:

[ ][ ]
0
) ( ) ( ) (
lim
0
0 0 0
0
0
=

X X
X X X F D X F X F
X X

En esta definicin [ ] ) (
0
X F D (que es el responsable de la buena aproximacin)
se lo llama diferencial.

En esta definicin el diferencial es una matriz n m y [ ]
0
X X se
maneja como una matriz columna.

La matriz diferencial [ ] [ ] ) ( X F D es:

[ ] [ ]
(
(
(
(
(
(
(
(
(
=
n
m m m m
n
n
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
X F D
L
M M M M
L
L
3 2 1
2
3
2
2
2
1
2
1
3
1
2
1
1
1
) (

Y al vector [ ]
0
X X se lo maneja as:

[ ]
(
(
(
(
(
(
(
(
=
n n
x x
x x
x x
X X
0
02 2
01 1
0
.
.
.

Ejemplo 3-28 Encontrar la matriz diferencial de la funcin:
( ) ( ) z y x z y x xyz y x z y x F
2 3 2 2
; ) ( ; ; , , + + =

Solucin: [ ] [ ] ) ( X F D es una matriz 3 4

(
(
(
(
+
2 3 3 2 2
2 3
0 2 2
y x yz x z y x
y x z z
xy xz yz
y x


Ejemplo 3-29 Dada la funcin:
( ) ) ln( , , , ) , , (
2 2 2 2 2 2
z y x xyz z y x z y x z y x F + + + + =
Encontrar su matriz diferencial en los puntos ) 0 , 0 , 0 ( ); 1 , 1 , 1 ( .

Solucin: [ ]
(
(
(
(
(
(
+ + + + + +
=
z y x z y x z y x
xy xz yz
z y x
z y x yz x z xy
x F D
1 1 1
2 2 2
2 2 2
) (
2 2 2 2 2 2

[ ]
(
(
(
(
=
3
1
3
1
3
1
1 1 1
2 2 2
2 2 2
) 1 , 1 , 1 ( F D

En el punto ) 0 , 0 , 0 ( no existe la matriz; por lo tanto esta funcin
no es diferenciable en este punto.

Como observamos en el ejemplo anterior para que [ ] ) (X F D exista, deben
existir todas las derivadas parciales y ser continuas.

Por lo tanto la existencia de todas las derivadas parciales y que sean continuas
implica diferenciabilidad.

Teorema 3-8

Demostracin:

0
X X X = ; cuando 0
0
X X X

Si R R U f
n
: ; U x
o
, es diferenciable en
o
x entonces existen todas
las derivadas direccionales y es contnua en
o
x .

f X f X X f X f X f = + = ) ( ) ( ) ( ) (
0 0 0

[ ] f f X f X f
X X X X X
= =
0 0
0
0 0
lim lim ) ( ) ( lim

Como ) ( X f es diferenciable en
0
X , z es una buena aproximacin de
) ( X f en una vecindad de
0
X , ecuacin 8-3.

) ( ) ( ) (
0 0 0
X X X f X f z + =

= = n aproximaci de error z X f ) ( , entonces:

+ + = ) ( ) ( ) ( ) (
0 0 0
X X X f X f X f

+ = ) ( ) ( ) ( ) (
0 0 0
X X X f X f X f

X
X
X X X f X f X f
+ = ) ( ) ( ) ( ) (
0 0 0

) ( lim ) ( lim )) ( ) ( ( lim )) ( ) ( ( lim
0 0
0 0
0
0
0 0
X
X
X X X f X f X f
X X X X X X

+ =

0 ) ( lim
0
=

X
X
,
por cuanto z es una buena aproximacin,
0 ) ( lim
0
=

X
X
.

0 )) ( ) ( ( lim
0 0
0
0
=

X X X f
X X
, si ) (
0
X f existe, lo cual prueba que
existen todas las derivadas parciales, entonces:

0 )) ( ) ( ( lim
0
0
=
X f X f
X X
, que indica que ) ( X f es continua en
0
X .

La figura 3-6 indica la relacin entre diferenciabilidad, derivabilidad y
continuidad para una funcin escalar en R
n
,


Es necesario hacer
hincapi en la importancia que
tiene el vector gradiente en el
anlisis de funciones escalares;
por ejemplo, cuando V es un
vector unitario la derivada
direccional tiene una relacin
sencilla y muy importante con el
vector gradiente, es la
proyeccin escalar del vector
gradiente en la direccin del
vector V , esta y otras ms
aplicaciones las estudiaremos
con mayor detenimiento en la
seccin 3-7 y en el captulo 4
donde haremos un estudio ms
detallado de todas los beneficios
que tiene el vector gradiente, por
ahora nos conformamos con
solamente haberlo definido y
entender la importancia de este como el diferencial de una funcin escalar.

3.5 PROPIEDADES DE LA DERIVADA:

En el curso de clculo elemental se estudi la forma de derivar sumas, productos
y cocientes as como la regla de la cadena, que es la forma de derivar composicin de
funciones. Veamos como generalizar estas tcnicas a funciones de varias variables;
pero desde el punto de vista del diferencial que es la definicin que substituye en
jerarqua a la derivada para funciones de varias variables.

Teorema 3-9

Sean R R U x f
n
: ) ( y R R U x g
n
: ) ( , funciones escalares ambas
diferenciables en U x
0
y R . Entonces:

1. [ ] [ ] ) ( ) ( x f D x f D
Xo Xo
= .
(Producto de un escalar por una matriz).
2. [ ] [ ] [ ] ) ( ) ( ) ( ) ( x g D x f D x g x f D
Xo Xo Xo
= .
(Suma o diferencia de matrices).
Existen todas las
derivadas parciales y son
continuas
Diferenciabilidad Continuidad
Existen todas las
derivadas
direccionales
Figura 3-6
3.5 Propiedades de la Derivada 109

3. [ ] [ ] [ ] ) ( ) ( ) ( ) ( ) ( ) ( x f D x g x g D x f x g x f D
Xo Xo Xo
+ = .
(Producto de un escalar por una matriz y suma de matrices).
4.
[ ]
[ ] [ ]
0 ) ( ;
) (
) ( ) ( ) ( ) (
) ( / ) (
2

= x g
x g
x g D x f x f D x g
x g x f D
Xo Xo
Xo
.
(Producto de un escalar por una matriz y resta de matrices).

Probemos 1 y 2 dejando al lector como ejercicio la prueba de 3 y 4.

Debemos ver que:
[ ]
0
) ( ) ( ) ( ) (
lim
0
0 0 0
0
=
X X
X X X f D X f X f
X X

,
sacando de factor comn:
[ ]
0
) ( ) ( ) ( ) (
lim
0
0 0 0
0
=
X X
X X X f D X f X f
X X
, lo cual es cierto por ser
) ( X f diferenciable en
0
X .

Para el segundo numeral:

Debemos ver que:
[ ] [ ]
0
) ( ) ) ( ) ( ( )) ( ) ( ( ) ( ) (
lim
0
0 0 0 0 0
0
=
X X
X X X g D X f D X g X f X g X f
X X
Esto se puede reagrupar de la siguiente forma:
[ ] [ ]
0
)) ( ) ( ) ( ) ( ( )) ( ) ( ) ( ) ( (
lim
0
0 0 0 0 0 0
0
=
X X
X X X g D X g X g X X X f D X f X f
X X

Que se pueden separar como dos lmites:
[ ]
0
0 0 0
) ( ) ( ) ( ) (
lim
0 X X
X X X f D X f X f
X X

[ ]
0
0 0 0
) ( ) ( ) ( ) (
lim
0 X X
X X X g D X g X g
X X

Que cumplen de ser ambos cero porque tanto ) ( X f como ) (X g son diferenciables
en
0
X .

Ejemplo 3-30 Dado un campo escalar: ) ( ) , (
2 2 2
y x sen y x y x f + = ,
encontrar el diferencial del campo aplicando el teorema anterior y
en forma directa.

Solucin: [ ] Df ( ) ( ) [ ] ( ) ( ) [ ] y x D y x Sen y x Sen D y x
2 2 2 2 2 2
+ + + =

[ ] ( )[ ]
2 2 2 2 2 2 2 2
2 ) ( 2 ) ( 2 x xy y x Sen y x yCos y x xCos y x + + + + =

[ ] ) ( 2 ) ( 2
2 2 2 2 2 2 3
y x Cos y x y x yCos x + + = +
[ ] ) ( ) ( 2
2 2 2 2 2
y x Sen x y x xySen + +

[ ) ( 2 ) ( 2
2 2 2 2 3
y x xySen y x yCos x + + + =
] ) ( ) ( 2
2 2 2 2 2 2 2
y x Sen x y x Cos y x + + +

En forma directa:

[ ] ), ( 2 ) ( 2 (
2 2 3 2 2
y x yCos x y x xySen Df + + + =
)) ( 2 ) (
2 2 2 2 2 2 2
y x Cos y x y x Sen x + + +

Teorema 3-10: Regla de la Cadena

Sea
p n
R R U X g : ) ( y
m p
R R V X f : ) ( , U y V conjuntos
abiertos; si g es diferenciable en U X
0
y ) ( X f es diferenciable en
V X g ) (
0
entonces g f o es diferenciable en
0
X y su diferencial es:

[ ] [ ] [ ] g D f D g o f D
o o
x x g Xo ) (
=

Ver la demostracin de este teorema, usando la frmula de Taylor, en el prximo
captulo ejemplo 4-4.

Ejemplo 3-31 Dadas:
) , , , ( ) , , (
3 2 2 2
uvw w w v vw u w v u F =
) , , ( ) , , (
2 2 xz
e z xy y x z y x G

=
Calcular [ ]
) 0 , 1 , 1 (
G F D o

Solucin: [ ] [ ] [ ] G D F D G F D = o


[ ]
(
(
(
(
=
(
(
(
(
(
=
0 1 0
3 0 0
2 0 0
0 1 0
3 0 0
2 2 0
2
) 1 , 0 , 1 (
2
2 2
) 1 , 0 , 1 (
uv uw vw
w
w v
v u w u uvw
F D

[ ]
(
(
(
=
(
(
(

=

1 0 0
1 0 0
0 1 2
0
2
0 2
) 0 , 1 , 1 (
2 2
2
) 0 , 1 , 1 (
xz xz
xe ze
xy xyz z y
x xy
G D

[ ] [ ]
(
(
(
(
=
1 0 0
3 0 0
2 0 0
1 0 0
) 0 , 1 , 1 (
G F D o

Existen dos aplicaciones importantes de la Regla de la Cadena que por su
utilidad es necesario tratarlas por separado; estas son:

Aplicacin # 1:
Sea f un campo escalar diferenciable en R
3
; definido R R
3
de la forma
( ) w v u f , , ; G un campo vectorial diferenciable en:
3 3 3
; R R R U
definido de la forma: ( ) ( ) ( ) ( ) ( ) z y x w z y x v z y x u z y x , , , , , , , , , , = .
El diferenciable de G f o est dado por:

( )
( ) ( ) ( )
(
=
z
foG
y
foG
x
foG
foG D ; donde:

( )
dx
dw
w
f
dx
dv
v
f
dx
du
u
f
x
foG


( )
( )
dz
dw
w
f
dz
dv
v
f
dz
du
u
f
z
foG
dy
dw
w
f
dy
dv
v
f
dy
du
u
f
y
foG

La demostracin de este caso se la hace aplicando directamente la regla de la
cadena de la siguiente forma:

[ ] [ ] [ ] G D f D foG D =

[ ]
(
= =
w
f
v
f
u
f
f f D ) (
[ ]
(
(
(
(
(
(
(
=
z
w
y
w
x
w
z
v
y
v
x
v
z
u
y
u
x
u
G D

Multiplicando estas dos matrices obtenemos cada uno de los trminos de la
matriz diferencial de la composicin que estn expuestos anteriormente.

Aplicacin # 2:
Sea f un campo escalar diferenciable en R
3
; definido R R
3
de la forma
( ) z y x f , , ; G una trayectoria en R
3
diferenciable en:
3
; ) , ( R R R b a
definido de la forma: ( ) ( ) ( ) ( ) t z t y t x t G , , ) ( = .
El diferenciable de G f o est dado por:

[ ]
dt
dz
z
f
dt
dy
y
f
dt
dx
x
f
foG D
=

La demostracin de este caso, tambin se la hace aplicando directamente la regla
de la cadena de la siguiente forma:

[ ] [ ] [ ] G D f D foG D =

[ ]
(
=
z
f
y
f
x
f
f D ; [ ]
(
(
(
(
(
(
=
t
z
t
y
t
x
G D

Multiplicando estas dos matrices obtenemos la matriz diferencial de la
composicin que esta expuesta anteriormente.

La matriz diferencial de G, que es una matriz columna, expresada como vector
representa el vector velocidad de una partcula de masa que viaja sobre la trayectoria
G(t), esta matriz la estudiaremos ms detenidamente en el captulo 5.

Ejemplo 3-32 Dadas:

w v u w v u f + =
2 2
) , , (
) , , ( ) , , (
2 2 xyz
e y y x z y x G

=

Calcular [ ] G f D o

Solucin: )) , , ( ( ) , , ( z y x G f G f z y x h = = o

[ ]
(
=
z
h
y
h
x
h
h D , donde:

( )
dx
dw
w
f
dx
dv
v
f
dx
du
u
f
x
h

( )
xyz xyz
yze y x yze xy u
x
h

+ = + =
2 3
4 ) ( 0 ) 2 ( 2


( )
dy
dw
w
f
dy
dv
v
f
dy
du
u
f
y
h
( )
xyz
xyz
xze y y x
xze y v x u
y
h
+ + =
+ + =
3 4
2
4 2
) )( 1 ( ) 2 ( 2 ) ( 2

( )
dz
dw
w
f
dz
dv
v
f
dz
du
u
f
z
h

( )
xyz xyz
xye xye
z
h

= + + =
) )( 1 ( 0 0

Ejemplo 3-33 Dadas:

( ) ( )
( )
3 2
3 2
3 , ,
; 1 2 ;
y z y x z y x f
t t t t t G
+ + =
+ =

Calcular [ ]
1 = t
G f D o

Solucin: [ ]
dt
dz
z
f
dt
dy
y
f
dt
dx
x
f
G f D
= o

[ ] ( )( ) ( )
2 2 2
3 ) 1 ( 2 3 1 2 6 t y x t xy G f D + + + + = o

1 , 1 , 2 1 = = = = z y x t

[ ] 69 3 30 36
1
= + + =
= t
G f D o

3.6 Gradiente y Derivadas Direccionales 115

3.6 GRADIENTE Y DERIVADAS DIRECCIONALES.

En el curso de clculo elemental el estudiante utiliz la derivada para
aplicaciones geomtricas en el grafico de funciones de variable real; en el caso de
funciones escalares de varias variables, muchas de estas aplicaciones estn dadas por el
vector gradiente, que como lo enunciamos en la seccin 3-5, es una herramienta
poderosa para las aplicaciones del clculo en funciones de varias variables.

Formalicemos la definicin de gradiente que ya fue mencionada en la seccin
anterior.

Definicin de gradiente de un campo escalar:

Sea R R U z y x f
3
: ) , , ( , un campo escalar en R
3
diferenciable en U, el
gradiente de ) , , ( z y x f es un vector en R
3
dado por:
(
=
z
f
y
f
x
f
z y x f ) , , ( .
Si R R U X f
n
: ) ( , un campo escalar en R
n
diferenciable en U, entonces
el gradiente es un vector en R
n
dado por:
(
=
n
x
f
x
f
x
f
X f .... .......... ) (
2 1

No olvidar que el vector gradiente es el diferencial del campo escalar;
[ ] ) ( ) ( X f D X f = .

Ejemplo 3-34 Encontrar el vector gradiente del campo escalar:

2 2 2 2 2
) cos( ) , , ( z y x y x z e z y x f
xyz
+ + + + + = , en el
punto ) 0 , 0 , 0 ( .

Solucin:
) 1 , 0 , 0 ( ) 0 , 0 , 0 (
2 ) cos(
2 ) ( 2
2 ) ( 2
2 2
2 2
2 2
=
(
(
(
+ + +
+ +
+ +
=
f
z y x xye
y y x yzsen xze
x y x xzsen yze
f
xyz
xyz
xyz


Las aplicaciones del vector gradiente se concentran en los tres teoremas
siguientes.

Teorema 3-11

Sea R R U X f
n
: ) ( diferenciable en U X
o
;
n
R V
un vector
unitario que representa una direccin cualquiera en
n
R . la derivada direccional
de f en
o
X y en la direccin de
V esta dada por :

= V X f V X f
o o
) ( ) ; ( '

De acuerdo a este teorema podemos observar que la derivada direccional es la
proyeccin escalar del gradiente en la direccin de V .

Demostracin:
Sea
+ = V t X t
0
) ( ; es la parametrizacin de una recta en R
3
.
) ( ) (
0
+ = V t X f t g ; o f t f t g = = )) ( ( ) ( ,

de la segunda aplicacin de la regla de la cadena:
= = V X f t X f t g ) ( ) ( ' ) ( ) ( '
0 0
; del teorema 3-5

) ; ( ' ) ( '
0

+ = V V t X f t g ; ) ; ( ' ) 0 ( '
0
= V X f g : entonces :

= V X f V X f ) ( ) ; ( '
0 0
, lo que demuestra el teorema.

Ejemplo 3-35 Sea:
2 2
) , , ( z xyz x z y x f + + = , encontrar la derivada
direccional de f en la direccin 2i + j k y en el punto (1, 2, 1).

Solucin: ) 2 , , 2 ( z xy xz yz x f + + = ; ) 4 , 1 , 4 ( ) 1 , 2 , 1 ( = f

6
6 5
) 4 1 8 ( ) 1 , 1 , 2 ( ) 4 , 1 , 4 ( )) 1 , 1 , 2 ( ); 1 , 2 , 1 (( '
6
5
6
1
6
1
=
= + = = f

Teorema 3-12

Sea R R U X f
n
: ) ( diferenciable en U X
o
; el gradiente apunta
al mayor crecimiento de f .

Hay que tomar en cuenta que este teorema se refiere al grfico de la funcin
escalar.

Demostracin:
Sea
n
R V
un vector cualquiera, del teorema 3-11, la derivada direccional de

f en la direccin de
V esta dada por:

Cos V X f
V X f V X f

=
=
) (
) ( ) ; ( '
0
0 0

Cos X f ) (
0
=

Para que ) ; ( '
0
V X f sea mxima, Cos =1

Para que Cos = 1 = 0
Si = 0 ) (
o
X f ||
V , lo que demuestra el teorema.

Ejemplo 3-36 Encontrar la mxima derivada direccional de la funcin escalar
xy x y x f 3 2 ) , (
2
+ = en el punto (1, 2).

Solucin: ) 2 , 1 ( ) 2 , 1 ( )) 2 , 1 ( ); 2 , 1 (( '
max

= f f f f

) 3 , 3 4 ( ) , ( x y x y x f + = ; ) 3 , 10 ( ) 2 , 1 ( = f
) 3 , 10 ( ) 2 , 1 (
109
1
=
f

109 ) 3 , 10 ( ) 3 , 10 ( )) 2 , 1 ( ); 2 , 1 (( '
109
1
max
= =
f f

Teorema 3-13

Sea R R U X f
n
: ) ( , k X f = ) ( una superficie de nivel S ,
diferenciable en
o
X ; el gradiente es perpendicular a la superficie de nivel S .

Demostracin:

Sea ) (t , la parametrizacin de una trayectoria cualquiera sobre S , y
) , , ( ) 0 (
0 0 0
z y x = , V un vector tangente a ) (t de tal forma que en t = 0
) 0 ( ' = V .

Como: k X f = ) ( , 0 ) ); , , (( '
0 0 0
= V z y x f ; del teorema 3-11:

) 0 ( ' ) , , ( 0 ) 0 ( ' ) , , (
0 0 0 0 0 0
= z y x f z y x f
Como ) 0 ( ' = V es tangente a S S f , lo que demuestra el
teorema.

Aprovechando este teorema podemos decir que el vector gradiente de una
superficie S es el vector normal al plano tangente a la superficie en cualquier punto.

Ejemplo 3-37 Encontrar la ecuacin del plano tangente a una superficie
) , ( : y x f z S = , en el punto ) , , (
0 0 0
z y x .

Solucin: Primero escribamos la superficie S como un conjunto de nivel:
0 ) , ( : = y x f z S y encontremos el gradiente de S

) , (
0 0 0
0 0
1 , , ) , , (
y x
y
f
x
f
z y x S
|
|
\
|
=

V , vector posicin entre dos puntos del plano

) , , (
0 0 0
z z y y x x V =
0 ) , , ( 1 , ,
0 0 0
) , (
0 0
=
|
|
\
|
z z y y x x
y
f
x
f
y x
,

0 ) ( ) ( ) (
0 0
) , (
0
) , (
0 0
0 0
= +
z z y y
y
f
x x
x
f
y x
y x

como ) , (
0 0 0
y x f z = , entonces:

) ( ) ( ) , (
0
) , (
0
) , (
0 0
0 0
0 0
y y
y
f
x x
x
f
y x f z
y x
y x

+ =

Definicin de plano tangente a una superficie S en R
3
:

Sea ) , ( y x f z = , una superficie S en R
3
diferenciable en ) , , (
0 0 0
z y x , la
ecuacin del plano tangente a la superficie S en el punto ) , , (
0 0 0
z y x esta dada
por:

) ( ) ( ) , (
0
) , (
0
) , (
0 0
0 0
0 0
y y
y
f
x x
x
f
y x f z
y x
y x

+ =

La figura 3-7 representa el plano tangente a una superficie ) , ( : y x f z S =
en el punto ) , , ( :
0 0 0 0
z y x P

V
X
Y
Z

S

S
Figura 3-7
P
0


Ejemplo 3-38 Encontrar la ecuacin del plano tangente a la superficie,
4 3
3 2 3
= + + z y x xyz en el punto ( ) 1 , 2 , 1 .

Solucin:

( )
( )
( )
( ) ( )
( ) ( ) ( )
0 9 9 14 7 18 18
0 1 9 2 7 1 18
0 1 , 2 , 1 9 , 7 , 18
9 , 7 , 18
3 3 , 2 3 , 3 3
1 , 2 , 1
2 3 2 2
= + +
= + +
=
=
+ + + =
z y x
z y x
z y x
S
z xy y x xz y x yz S

41 9 7 18 = + + z y x , es la ecuacin del plano tangente.

Los tres teoremas anteriores resumen las aplicaciones del vector gradiente en los
siguientes trminos:

GRADIENTE:

Supongamos que ) , ( y x f T = representa la temperatura de las partculas de
una placa metlica
sometida a una fuente
de calor en el punto P
como lo muestra la
figura 3-8, los
crculos concntricos
al punto P
k y x f T = = ) , ( se
llaman isotermas y
son curvas de nivel
que corresponden a
las partculas de la
1. Para encontrar la derivada direccional.
( ) ( ) V x f V x f =
0 0
, '

2. Apunta en la direccin de mayor crecimiento de la funcin.
3. Es perpendicular a las superficies de nivel.
.
f

f

f

P
Figura 3-8

placa que estn a igual temperatura, las lneas ortogonales a las isotermas y que siguen
el recorrido del flujo calorfico se llaman lneas de flujo.

En el grfico podemos ver como el vector gradiente en cada punto es
perpendicular a las curvas de nivel (isotermas) y apunta al mayor crecimiento de la
funcin, tangente a las lneas de flujo.

De igual
manera si
) , ( y x f z = es
una funcin escalar
en R
2
que
representa la
superficie de una
montaa, como se
muestra en la
figura 3-9, z
representa la cota
del punto ) , ( y x ;
las curvas de nivel
k y x f = ) , (
representan a los
puntos de igual
cota sobre la
montaa, la figura
permite ver como el vector gradiente tiene la direccin de mayor crecimiento (apunta a
la cima de la montaa) y es perpendicular a las curvas de nivel.

La figura 3-10 es la
proyeccin de las curvas
de nivel de la funcin de la
figura 3-9 y tambin
permite apreciar las
caractersticas del vector
gradiente de apuntar al
mayor crecimiento de la
funcin y de ser
perpendicular a las curvas
de nivel. Tanto los
ejemplos de la figura 3-8,
como los de la figura 3-9
y figura 3-10 se refieren a
una funcin escalar de
.
f
f
f
f
f
f
X
Y
Z
Figura 3-9
Optimo
Y
.
X
f
f
f
f
f
Figura 3-10

R R
2
en la cual su grafico esta en R
3
y los conjuntos de nivel son curvas de nivel
en R
2
; podemos hacer similar razonamiento para un funcin escalar de R R
3
solo
que en este caso para sus superficies de nivel que es lo que podemos manejar
fsicamente.

Supongamos que
) , , ( z y x f I = representa la
intensidad de seal en el punto
) , , ( z y x , de una estacin de
radio o televisin ubicada en
un punto P, las superficies de
nivel son esferas concntricas
de igual intensidad de onda,
aqu tambin podemos
observar el efecto del vector
gradiente de apuntar al mayor
crecimiento de la funcin y ser
perpendicular a las superficies
de nivel. Este efecto lo
podemos apreciar grficamente
en la figura 3-11.

3.7 APROXIMACIONES Y DERIVACION IMPLICITA.

En la seccin anterior definimos la ecuacin del plano tangente a una superficie
en un punto dado, en esta seccin vamos a utilizar este plano como la aproximacin de
la superficie en una vecindad del punto. En el siguiente captulo hablaremos ms a
fondo de este tipo de aproximaciones cuando definamos la frmula de Taylor para una
funcin escalar, tambin definimos en la seccin 3-4 la diferenciabilidad como una
buena aproximacin en la vecindad de un punto, usaremos esta definicin para ver las
aplicaciones que podemos dar a las aproximaciones en funciones de varias variables.

Sea ) , ( y x f z = una funcin escalar de dos variables cuyas derivadas parciales
existen y son continuas en una vecindad de ) , (
0 0
y x , entonces la funcin es
diferenciable y continua en ) , (
0 0
y x y un incremento de la funcin esta dada
por: y y x f x y x f y x f y y x x f f
y x
+ + + = ) , ( ' ) , ( ' ) , ( ) , (
0 0 0 0 0 0 0 0

.
Figura 3-11
I

I

I

I

3.7 Aproximaciones y Derivada Implcita 123

En la figura 3-12 podemos apreciar el incremento de la funcin medido en el
plano tangente que es el que usamos para expresar esta aproximacin. Como lo indica
la figura y usando la ecuacin del plano tangente, ya que al ser ) , ( y x f diferenciable,
este es una buena aproximacin de la superficie en una vecindad de ) , (
0 0
y x
podemos calcular el valor de la funcin incrementada utilizando la ecuacin de este
plano:

y y x f x y x f y x f y y x x f
y x
+ + + + ) , ( ' ) , ( ' ) , ( ) , (
0 0 0 0 0 0 0 0
8-4

Si la
funcin escalar es
de tres variables
y existen sus
derivadas
parciales y son
continuas en
) , , (
0 0 0
z y x el
incremento de la
funcin definido
anteriormente
para dos
variables queda
expresado de la
siguiente manera:

z z y x f y z y x f x z y x f
z y x f z z y y x x f f
z y x
+ +
+ + + =
) , , ( ' ) , , ( ' ) , , ( '
) , , ( ) , , (
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0

Ejemplo 3-39 Una caja abierta de 4mt. de largo por 2mt. de ancho y por 1mt. de
alto esta construida por un material que cuesta $ 10 el mt
2
lateral y
$20 el mt
2
de fondo. Calcular el costo del cajn y usar incrementos
para estimar la variacin del costo cuando el largo aumenta en
2cmt. el ancho disminuya en 1cmt. y la altura aumenta en 3cmt.

Solucin: Sea x: largo, y: ancho, z: el alto.

xy yz xz xy yz xz C 20 20 20 20 ) 2 2 ( 10 + + = + + =
X
(x
0
,y
0
)
Figura 3-12
Y
Z
.
.
f(x
0
,y
0
)
) , (
0 0
y y x x f + +

) , (
0 0
y y x x + +

S


280 $ = C

60 ) 1 , 2 , 4 ( ' ; 20 20 ' = + =
x x
C y z C
100 ) 1 , 2 , 4 ( ' ; 20 20 ' = + =
y y
C x z C
120 ) 1 , 2 , 4 ( ' ; 20 20 ' = + =
z z
C y x C

z C y C x C C
z y x
+ + = ) 1 , 2 , 4 ( ' ) 1 , 2 , 4 ( ' ) 1 , 2 , 4 ( '
) 03 . 0 )( 120 ( ) 01 . 0 )( 100 ( ) 02 . 0 )( 60 ( + + = C
8 . 3 = C ; el costo aumentar en aproximadamente $3.8.

Ejemplo 3-40 Se mide el radio y la altura de un cilindro circular recto con errores
aproximados de mas menos 3% y 2%, respectivamente. Usando
aproximaciones estimar el porcentaje de error que se puede
cometer al calcular su volumen.

Solucin: 03 . 0
r
r
; 02 . 0
h
h

h r V
2
=

h V r V V
h r
+ = ' '

) 02 . 0 ( ) 03 . 0 ( 2
2
h r r rh V + =

) 02 . 0 ( 06 . 0
2 2
h r h r V + =

V V 08 . 0 =

08 . 0 =
V
V
.

El porcentaje de error que se puede cometer en el volumen es de
aproximadamente mas menos 8%.


En el caso de una funcin de una variable ) (x f y = , escribimos dy por la
regla de correspondencia dx x f dy ) ( ' = , esto tambin lo podemos ampliar para una
funcin escalar de ms de una variable.

Definicin de diferencial total de una funcin escalar:

Sea R R U y x f z =
2
: ) , ( , un campo escalar en R
2
y x ;
incrementos de las variables y x, , respectivamente, si escribimos
y dy x dx = = ; como los diferenciales de las variables y x, ,
respectivamente; entonces la diferencial total de ) , ( y x f es:
dy y x f dx y x f dy
y
f
dx
x
f
df
y x
) , ( ' ) , ( ' + =
=

De igual forma si la funcin es de tres variables:
dz z y x f dy z y x f dx z y x f dz
z
f
dy
y
f
dx
x
f
df
z y x
) , , ( ' ) , , ( ' ) , , ( ' + + =
=

La diferencial total es aplicable para aproximar el incremento f cuando este
no es fcilmente calculable; ejemplos:

Ejemplo 3-41 En cierta fbrica la produccin diaria est dada por:
3
1
2
1
60 L K Q = , donde K representa el capital invertido en miles
de dlares y L representa la fuerza laboral en horas hombre. En la
actualidad se han invertido $900.000 y se emplean 1.000 horas
hombre cada da, calcular el cambio de produccin, si la inversin
de capital se aumenta en $1.000 y la fuerza laboral tambin
aumenta en 2 horas hombre.

Solucin: 000 . 1 ; 900 = = L K
2 ; 1 = = = = L dL K dK

dL
L
Q
dK
K
Q
dQ
=
dL L K dK L K dQ ) 20 ( ) 30 (
3
2
2
1
3
1
2
1

+ =
unidades dQ 22 ) 2 ( 6 ) 1 ( 10 = + = ;

Quiere decir que la produccin aumentar en 22 unidades
aproximadamente.

La diferencial total tambin se puede utilizar para calcular rapidez de variacin o
cambio en funciones de ms de una variable, de la siguiente forma:

Supongamos que ) , ( y x f z = y que tanto x como y son funciones de t;
aplicando la regla de la cadena, que vimos en la seccin 3-5, podemos escribir:

dt
dy
y
z
dt
dx
x
z
dt
dz
= .
Donde
dt
dz
es la rapidez de variacin de la variable z y
dt
dy
dt
dx
; son las
rapideces de variacin de las variables y x, , respectivamente.

De igual forma si la funcin es de tres variables ) , , ( z y x f u = :

dt
dz
z
u
dt
dy
y
u
dt
dx
x
u
dt
du
= .

Donde
dt
du
es la rapidez de variacin de la variable u y
dt
dz
dt
dy
dt
dx
; ; son
las rapideces de variacin de las variables z y x , , , respectivamente.

Ejemplo 3-42 Una farmacia vende dos tipos de multivitaminas, la marca A y la
marca B. La estadstica de ventas indica que si la marca A se vende
a x dlares el frasco y la marca B se vende a y dlares el frasco,
la demanda de la marca A ser:

mes por fras y x y x Q cos 30 20 300 ) , (
2
+ = .

Se estima que dentro de t meses el precio del frasco de la marca A
ser :

frasco por dlares t x 05 . 0 2 + = .

El precio del frasco de la marca B ser:

frasco por dolares t y 1 . 0 2 + = .

A que razn cambiar la demanda de los frascos de la marca A
con respecto al tiempo dentro, de 5 meses?.

Solucin:

dt
dy
y
Q
dt
dx
x
Q
dt
dQ
=

05 . 0 =
dt
dx

2
1
05 . 0

= t
dt
dy
; dentro de 5 meses,
5
05 . 0
=
dt
dy
.

x
x
Q
40 =
; dentro de 5 meses, 90 ; 25 . 2 =
=
x
Q
x .
30 =
y
Q
.

83 . 3
5
05 . 0
) 30 ( ) 05 . 0 )( 90 ( = |
\
|
+ =
dt
dQ
.

Lo que quiere decir que la demanda de frascos de la marca A
disminuir aproximadamente en 3.83 frascos por mes dentro de 5
meses.

Derivacin implcita:

En el curso de clculo elemental usamos esta tcnica cuando no era posible
expresar la variable dependiente en funcin de la variable independiente; esto es,
expresar ) (x f y = ; por ejemplo:

4 ) ln(
2
2 3 3 2
= + +
y x
e y x xy y x


En este ejercicio es difcil poder obtener y como una funcin de x para poder
aplicar las reglas de derivacin conocidas. En este caso usamos la tcnica de derivacin
implcita considerando:

1 =
dx
dx
, ' y
dx
dy
= , y aplicando las reglas comunes de derivacin.
0 ) ' 2 ( ' 2 3 ) ' (
1
' 3 2
2
2 3 2 2 2 2 3
= + + + + +
y x
e y x xy yy x y x xy y
xy
y y x xy .

Despejando y obtenemos:

y x
y
y x
x
e x y x y x
xye xy y x
y
2
2
2 3
1
2 2
1
3 2 2
2 3
2 2 3
'
+ +

= .

De igual manera podemos derivar implcitamente considerando 0 ) , ( = y x f y
aplicando la regla de la cadena a esta ltima expresin:

0 =
dx
dy
y
f
dx
dx
x
f
; de aqu:

y
f
x
f
dx
dy
= 8-5

Expresin que sirve para derivar implcitamente cualquier funcin de variable
real como la anterior.

Para el ejercicio anterior:

0 4 ) ln( ) , (
2
2 3 3 2
= + + =
y x
e y x xy y x y x f

y x
xye y x y
xy
xy
x
f 2
2 3
1
2
2 2 3
+ + =

y x
e x y x x
xy
y x
y
f 2
2 2 2 2
2
1
3 + + =


y x
y
y x
x
e x y x y x
xye y x xy
dx
dy
2
2
2 2
1
2 2
2 2
1
3
2 3
2 3 2
+ +
+
= , que es el mismo resultado anterior.

De igual forma si tenemos 0 ) , , ( = z y x f , que representa una funcin
implcita de R R
2
, y aplicando la regla de la cadena con respecto a x, obtenemos:

0 =
x
z
z
f
x
y
y
f
x
x
x
f
, y sabiendo que:
0 ; 1 =
x
y
x
x
, obtenemos:

z
f
x
f
x
z
8-6

De igual forma aplicando la regla de la cadena con respecto a y:

0 =
y
z
z
f
y
y
y
f
y
x
x
f
, y sabiendo que:
0 ; 1 =
y
x
y
y
, obtenemos:

z
f
y
f
y
z
8-7

Frmulas que sirven para encontrar las derivadas parciales en forma implcita de
una funcin escalar : R R
2
.


Ejemplo 3-43 Encontrar las derivadas parciales
y
z
x
z
; de la funcin:

3 ) ( ) (
2 2 2 2 3 2 2 2 2
= + + + + y x z y x z y x Sen

Solucin: ) ( 4 2 ) ( 2
2 2 2 3 2 2 2
y x x z xy z y x xCos
x
f
+ + + + =

) ( 4 3 ) ( 2
2 2 2 2 2 2 2 2
y x y z y x z y x yCos
y
f
+ + + + =

z y x z y x zCos
z
f
3 2 2 2 2
2 ) ( 2 + + + =

z y x z y x zCos
z xy z y x xCos y x x
x
z
3 2 2 2 2
2 3 2 2 2 2 2
2 ) ( 2
2 ) ( 2 ) ( 4
+ + +
+ + +
=

z y x z y x zCos
z y x z y x yCos y x y
y
z
3 2 2 2 2
2 2 2 2 2 2 2 2
2 ) ( 2
3 ) ( 2 ) ( 4
+ + +
+ + +
=
.

0 ) , , , ( = u z y x f es la forma implcita de una funcin escalar de R R
3
,
con un anlisis similar al anterior podemos obtener sus derivadas parciales:

0 =
x
u
u
f
x
z
z
f
x
y
y
f
x
x
x
f
, sabiendo que:
0 ; 1 =
x
z
x
y
x
x
; obtenemos:

u
f
x
f
x
u
8-8

Con respecto a y:

0 =
y
u
u
f
y
z
z
f
y
y
y
f
y
x
x
f
, sabiendo que:
0 ; 1 =
y
z
y
x
y
y
; obtenemos:

u
f
y
f
y
u
8-9

Con respecto a z:

0 =
z
u
u
f
z
z
z
f
z
y
y
f
z
x
x
f
, sabiendo que:
0 ; 1 =
z
y
z
x
z
z
; obtenemos:

u
f
z
f
z
u
8-10

Ejemplo 3-44 Encontrar las derivadas parciales
y
z
x
z
; ;
z
u
; de la funcin:
u yz x xy u y x tng e
xyzu 3 2 2 2 2
) ln( ) ( = + + +

Solucin: 0 ) ln( ) ( ) , , , (
3 2 2 2 2
= + + + = u yz x xy u y x tng e u z y x f
xyzu


u xyz y
xy
u y x x yzue
x
f
xyzu 3 2 2 2 2
2
1
) ( sec 2 + + + =

u z x x
xy
u y x y xzue
y
f
xyzu 3 2 2 2 2 2
1
) ( sec 2 + + + =

u yz x xyue
z
f
xyzu 2 2
3 =

3 2 2 2 2 2
) ( sec 2 yz x u y x u xyze
u
f
xyzu
+ + + =

3 2 2 2 2 2
3
1
2 2 2 2
) ( sec 2
2 ) ( sec 2
yz x u y x u xyze
u xyz u y x x yzue
x
u
xyzu
x
xyzu
+ + +
+ + + +
=

3 2 2 2 2 2
3 2
1
2 2 2 2
) ( sec 2
) ( sec 2
yz x u y x u xyze
u z x u y x y xzue
y
u
xyzu
y
xyzu
+ + +
+ + + +
=

3 2 2 2 2 2
2 2
) ( sec 2
3
yz x u y x u xyze
u yz x xyue
z
u
xyzu
xyzu
+ + +
+
=

EJERCICIOS

1. Calcular:

a)
2 2
) 1 , 1 ( ) , (
2
lim
y x
y x
y x

+

b)
(
1
1
1
1
lim
2
2
) 1 , 1 ( ) , (
y
y
x
x
y x

c)
xy
y sen senx
y x
2
) 3 )( (
lim
) 0 , 0 ( ) , (

d)
2 4
2
) 0 , 0 ( ) , (
3
lim
y x
y x
y x
+

e)
2 2
3
) 0 , 0 ( ) , (
lim
y x
y
y x
+

Ejercicios Diferenciacin de Funciones Escalares 133

2. Sea la funcin:

) 0 , 0 ( ) , ( ;
) 0 , 0 ( ) , ( ; 0
3 2
) , (
10 4
5 2
=
+
= y x si
y x si
y x
y x
y x f

Es la funcin f continua en R
2
? Justifique su respuesta.

3. Dadas las siguientes funciones, de ser posible, definirlas de una manera
adecuada, en el punto dado, para que sean continuas:
a)
) 0 , 0 ( ;
) (
en
y x
y x sen
+
+

b)
) 0 , 0 ( ;
2 2
en
y x
xy
+

4. Calcule los limite indicados
a)
3 3
2
) 0 , 0 ( ) , (
lim
y x
y x
y x
+

b)
xy
e e
y x
y x
) 1 )( 1 (
lim
2
) 0 , 0 ( ) , (

c)
y x
y x
y x
+
2
2
) 0 , 0 ( ) , (
2
2
lim
d)
4 4
2
) 0 , 0 ( ) , (
2
1 cos
lim
y x
x
x
y x
+

5. Estudie la continuidad de la funcin

= +
+
+ =
0 ; 0
0 ;
) , (
2 2
2 2
2 2
y x
y x
y x
xy
y x f

6. Sea
+
=
2 2 2
2 2
) (
) , (
y x y x
y x
y x f

a) Muestre que:
(
=
(
0
0
0
0
) , ( lim lim ) , ( lim lim
x
y
y
x
y x f y x f

134 Ejercicios Diferenciacin de Funciones Escalares

b) Se puede decir que:

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

7. Sea
y x
xye y x f
2
2 ) , (

= , mostrar que:
dx y x f dx y x f
y
y

1
0
1
0
) , ( lim ) , ( lim
8. Sea
ay x
y x
y x f
+
=
4
6 6
) , (
Para que valores de a existe el
) 0 , 0 ( ) , (
) , ( lim
y x
y x f
?
9. Considere las funciones R R f
2
: y tal que:

= +
+
=
0 ;
0 ;
2
) 3 )( (
) , (
2 2
2 2
y x K
y x
xy
y Sen Senx
y x f

Determinar, si es posible, el valor de K de tal forma que f sea continua en
todo su dominio.

10. Determine si la siguiente funcin es continua o no en cero.
+ =
) 0 , 0 ( ) , ( 0
) 0 , 0 ( ) , (
) , (
4 4
4 3
y x Si
y x Si
y x
y x
y x f

11. Califique la siguiente proposicin como verdadera V o falsa F. (justifique
su respuesta)
0 lim
4 2 2 4
2 2
) 0 , 0 ( ) , (
=
(
+ +
y y x x
y x
y x

12. Analizar la continuidad de la funcin.
+ =
0 ) , ( 0
0 ) , (
) , (
2 2
y x
y x
y x
xy
y x f

13. Analice la continuidad de la funcin

|
|
\
|
|
\
|
+
=
) 0 , 0 ( ) , ( ; 1
) 0 , 0 ( ) , ( ;
1 1
) (
) , (
y x
y x
y
sen
x
sen y x
y x f

14. Dada la funcin
= =
+
= ) 0 , 0 ( ) , ( ; 0 ) , ( ); 0 , 0 ( ) , ( ;
2
) , (
2 2
2
y x y x f y x
y x
xy
y x f
a) Analizar su derivabilidad en el punto (0,0).
b) Analizar su continuidad en el punto(0,0).
c) Indicar si es o no diferenciable en este punto.

15. Dada la funcin
0 ; 0 ) , ( , 0 ; ) , ( = = = y y x f y
y
senx
y x f

a) Demostrar si es o no continua en (0,0).
b) Demostrar si es o no derivable en (0,0).
c) Que se puede decir de su diferenciabilidad en (0,0).

16. Encontrar ;
x
z

y
z
, para:
a) ) 3 ln( ) (
2
y x xy Cos z =
b)
2 2
) 3 2 ( 4 y x xy y x x z + + =

17. Encuentre todas las derivadas parciales de las siguientes funciones:
a)
x y
y x y x y x f + + =
4
) 3 2 ( ) , (
b) ) ln( 2 ) 2 ( ) , , (
2 2 2
2 2
z y e z y x sen z y x f
y x
+ + + =
+

c)
xy x y
z y x z y x f + + = ) , , (

18. Dada la funcin:

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


Usar la definicin de derivada parcial para hallar ) 0 , 0 ( ); 0 , 0 (
y
f
x
f
.

19. Calcular las derivadas parciales de ) , ( y x f , considerando que ) (t g es
continua.
a)
=
xy
x
dt t g y x f ) ( ) , (

b)
=
xy
x
dt t sen y x f ) ( ) , (

c)
=
x
y
y
x
dt t g y x f ) ( ) , (

20. Demuestre que la funcin dada satisface a la expresin dada:
a) ) ( ) , (
2 2
y x x y x f z = =
z
y
f
y
x
f
x 2 2 =

b) ) 3 ( ) , (
2 2
y x x y x f + =
yz
y
f
x
x
f
xy 4 3 2 =

21. Dada ( ) x z z y y x z y x w
2 2 2
, , + + = verificar

( )
2
z y x
z
w
y
w
x
w
+ + =
.

22. Dado ( ) . 0 ; ,
2
=

=
+
y x
u
e y x u z
by ax
Hallar los valores de las constantes
ay b tales que:
0
2
= +
z
y
z
x
z
y x
z

23. Demostrar que
x y
z
y x
z

2 2
; si:
y
x z = .
24. Calcular, si existe la derivada mixta
( )
( )
( )
= +
> +
+
0 , 0
0 ,
,
0 , 0
2 2
2 2
2 2
2 2
2
y x
y x
y x
y x xy
y x f
y x
f


25. Si ( ) ( ) ay x g ay x f z + = , , , demostrar que:
2
2
2 2
2
1
y
z
a x
z
.

26. Dada la siguiente funcin:
=
) 0 , 0 ( ) , ( ; 0
) 0 , 0 ( ) , ( ;
) , (
2 2
3 2 3
y x Si
y x Si
y x
xy y x
y x f

Hallar:
?? ) 0 , 0 (
2
=

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

x y
f

27. Dada ) , ( y x f determine si esta satisface a la ecuacin dada:
) (cos ) , ( seny y e y x f
x
+ =
0
2
2
2
2
=
y
f
x
f

28. Si ) ( ) ln( 2 2
2 2 2 2 3 2 2
x y z sen y x z y x W + + = hallar todas las
derivadas parciales de segundo orden

29. Dada la siguiente funcin ) (
2 2
y x sen z + = determine si satisface la
ecuacin
0
2
2
2
=
y
z
x y
z
x
x
z
y
30. Encontrar la derivada direccional de la funcin:
( ) ( ) yz e z y x f
x
cos , , = en el punto ( ) 0 , 0 , 0 y en la direccin
. 2 2 k j i +
31. En qu direccin la derivada direccin de
( )
2 2
2 2
,
y x
y x
y x f
+
=
en
( ) 1 , 1
es
igual a cero?
32. Hallar la derivada direccional de la funcin ( ) zx yz xy z y x f + + = , , en
el punto ( ) 3 , 1 , 2 en la direccin que va desde ste al punto ( ) 15 , 5 , 5 .

33. Para el campo escalar ( )
z
e xy z y x f
2
, , = calcular la derivada
direccional en el punto ( ) 0 , 3 , 1 en la direccin de ( ) 1 , 3 , 1 .

34. Si el Potencial Elctrico en cualquier punto en R
3
se define:

2 2 2
1
) , , (
z y x
z y x V
+ +
=
Determinar:
La razn de cambio de V en (2,2,-1) en la direccin del vector 2i- 3j+ 6k.

35. Dada la funcin x z yz x z y x f
2 2
) , , ( + = y los puntos P(1,-4,3); Q(2,-
1,8), encontrar la derivada direccional de f en la direccin de P a Q en el
punto P.

36. Dada: R R U x f
n
: ) ( ; Si ) ( ) (
0
0
x f x f Lim
x x
=
; entonces
existen todas las derivadas direccionales de f en x
0
. Verdadero o Falso
justifique su respuesta.

37. Dada: ) 1 , 3 ( ); 0 , 2 ( , ) , (
2 2
=

Q P e x y x f
y
, encontrar, la derivada
direccional de f en P y en la direccin PQ.

38. La derivada direccional de
3 2
) , , ( y x z z y x f + = en (1,1,2) en la
direccin
j i )
5
2
( )
5
1
( +
, es 5 2 . Justifique su respuesta.

39. Encontrar la ecuacin del plano tangente a la superficie
2 2 3 2 2 2
3 3 ) , , ( x z xyz z y x z y x f + + + = en el punto (3,0,-l) y
encontrar la ecuacin de la recta tangente a esta superficie en el mismo
punto y en la direccin del vector(2,2,-5).

40. Dada la funcin
yz
e x z y x f

=
2
) , , ( , calcular la razn de cambio de f
en la direccin ) 1 , 1 , 1 (
3
1
.

41. Dada la funcin:
3 3 2 2
2 ) , , ( z y xy y x z y x f + + =
a) Encontrar un vector perpendicular a las superficies de nivel.
b) Encontrar un vector que apunte al mayor crecimiento de f

c) Calcular la ecuacin del plano tangente a la superficie de nivel
cuando f(x, y, z) = 4 en el punto P(l,0,-l).
d) Encontrar la derivada direccional mxima en el punto P(l,0,-l).

42. Hallar un par de ecuaciones cartesianas para la recta que es tangente a las
dos superficies:
y x
e z z y x

= = + + ; 4 2
2 2 2
en el punto (1,1,1).

43. Un insecto se halla en un medio txico, el nivel de toxicidad esta dado por
2 2
4 2 ) , ( y x y x T = . El insecto est en (-1, 2). En que direccin
deber moverse para disminuir lo ms rpido la toxicidad?

44. Dada la funcin
2 2
3
2 ) , (
y x
e e y x f

+ =
a) En que direccin crece ms rpidamente en el punto (1,0)
b) Encontrar la ecuacin del plano tangente a la superficie en este
punto.

45. Encontrar el plano tangente a la superficie
2 2
y x z + = en el punto
( ) 5 , 2 , 1 y representarlo grficamente.

46. Encontrar la direccin en la cual la funcin ( ) xy x y x f + =
2
, crece
ms rpidamente en el punto ( ) 1 , 1 .

47. Calcular el plano tangente a la superficie: 10 4 3
2 2 2
= + + z y x en el
punto ( ) 1 , 2 , 0 .

48. Hallar los puntos de la superficie 11 2 4
2 2 2
= + + + z z y x x en los
cuales su plano tangente es horizontal.

49. Determine el plano tangente y la recta normal a la superficie
1 2 4
2 2 2
= + z y x en el punto del primer octante donde el plano
tangente es paralelo al plano 1 = z y x .

50. Encuentre un punto de la superficie 12 3 2
2 2 2
= + + z y x donde el
plano tangente es perpendicular a la recta: l =
=
+ =
+ =
t z
t y
t x
6 2
8 3
2 1


51. Dada la superficie xy z = y las rectas:
0 0
; y y x y z = = ,
0 0
; x x y x z = = . Determinar si el plano tangente a la superficie
contiene o no a estas rectas en el punto(
0 0 0
, , z y x ).
52. Hallar las ecuaciones paramtricas de la recta que es tangente a las
superficies: x y z z y x + = = + + ; 6
2 2 2
en el punto ( ). 2 , 1 , 1

53. La elevacin de una montaa sobre el nivel del mar en ( ) y x, es:
( ) 100 / 2
2 2
3000
y x
e
+
mt. El semieje positivo de las x
apunta hacia el este y el de las y hacia el norte. Un alpinista que esta
ubicado exactamente arriba de ( ) 10 , 10 . Si se mueve hacia el noroeste;
asciende o desciende? Y con qu rapidez?.

54. Demostrar que el plano 0 49 3 6 2 = + z y x es tangente a la
superficie esfrica 49
2 2 2
= + + z y x .

55. Calcule el ngulo entre los gradientes de las funciones
z y x z y x f
4 4
3 ) , , ( + = y z y x z y x g 2 3 ) , , ( + = en el punto (1, 2, 1).

56. Dada la funcin x z yz x z y x f
2 2
) , , ( + = y los puntos P(1,-4,3)
Q(2,-1,8) encontrar:
a) La razn de crecimiento mximo de f en P.
b) El plano tangente a f en Q.

57. Hallar la ecuacin del plano tangente a la superficie x y x z 4
2 2
+ = , y
que es perpendicular a la recta
+ =
=
+ =
t z
t y
t x
1
2
4 3

58. Calcular la ecuacin del plano tangente a la superficie
0 2
3 3 3
= + z y x en el punto (1,1,1).

59. Encuentre los puntos del elipsoide 6 3 2
2 2 2
= + + z y x en los que la
recta normal que pasa por ellos es perpendicular al plano
7 3 6 4 = + z y x .

60. Las superficies:

1 ) , , (
2 2 2
= + = z y x z y x f , 5 ) , , ( = + + = z y x z y x g se
cortan formando la curva C. Hllese las ecuaciones paramtricas de la
recta tangente a C en el punto (1,2,2).

61. Determine la ecuacin del plano tangente a la superficie xy x z + =
2

que sea perpendicular a los planos 3 = + z y x ; 4 2 = + z y x .

62. Dada la siguiente funcin
2 2
3y x z + = ;
t
e x = ; ) (t Cos y = .
Encontrar:
t
z
.

63. Sea ) ln 6 , (
4
t e f z
t
= encuentre la derivada de z con respecto a t.

64. Demuestre que ) , ( y x y x f z + = , donde f es una funcin
diferenciable, satisface esta ecuacin 0 =
y
z
x
z

65. Sea la funcin
|
|
\
|
=
y
x
f z calcular
y
z
x
z
y
x

66. Demostrar que
|
|
\
|
+
=
y x
y x
f z satisface la ecuacin:
0 =
y
z
y
x
z
x

67. Califique de verdadera o falsa la siguiente proposicin:
Dado R R f
2
: derivable, |
\
|
=
x
y
f
x
y x f
1
) , ( para 0 x ;
entonces:
) , ( y x f
y
f
y
x
f
x =


68. Si la funcin ) , ( y x f z = satisface la ecuacin de Laplace:
0
2
2
2
2
=
y
z
x
z
, demostrar que la funcin ) 2 , 2 ( y x y x f z + = tambin
satisface esta ecuacin.

69. Dado: ( ) ( ) ( ) t t t xe y x f
y x
= =
+
, ; ,
2 2
.
Encontrar: ( ) o f D .

70. Dado ( ) ( )
2 2
, 1 , y x y x f + = y ( ) ( ). , , ,
2
v u v u v u g + = Calcular usando
la regla de la cadena ( )
( ) 1 , 1
f g D o .

71. Dado: ( ) ( ) ( )
2
, , ; , ,
2 2 2
t t t t r xe z y x f
z y x
= =
+ +
. Encontrar:
( ) ( ) ( ) ( ) t r f dt d r f D / o .

72. Encontrar ( )
( ) 0 , 0
T f
s

donde:
( ) ( ) ( )
2 2
1 ln , cos , ; cos , s s t t s T v sen u v u f + = =

73. Dado ( ) ( )
2 2
, 1 , y x y x F + = y ( ) ( )
2
, , , v u v u v u G + = calcular,
usando la regla de la cadena, la matriz diferencial de F Go en el
punto ( ). 1 , 1

74. Sea
2 3
2 4 y xy x z + = estimar el cambio en z y dz cuando (x, y)
cambia de los puntos (2.98, 1.03) al punto (3, 1).

75. Sea
|
\
|
=
V
T
k P
, donde k es una constante, sirve para calcular la presin
de un gas en funcin de su volumen y temperatura. Encontrar el mx.
porcentaje de error aproximado que se puede obtener en el calculo de la
presin, si se puede introducir un error de 0.4% de la temperatura
y 0.9% en la medida del volumen.

76. El radio y la altura de un cilindro circular recto se mide con un posible
error del 4% y del 2% respectivamente, estimar el mximo porcentaje de
error, que eso implica para la medida del volumen.

77. El posible error involucrado al medir cada una de las dimensiones de una
caja son 0.5, 0.2, 0.15 cm. Encuentre cual es la variacin o error de
volumen relativo de la caja.

78. Si el radio de un cilindro aumenta en 1% y la altura en un 2%, determine
el porcentaje en el cual cambia el volumen.

79. Al medir el dimetro y el lado de un cono circular recto se obtiene 10 cm.
y 20 cm. respectivamente. Si en cada medida hay un error probable de 0.2
cm. Cul es, aproximadamente el mayor error posible en el valor
calculado del volumen.

CAPITULO 4
______________________________

OPTIMIZACION
DE FUNCIONES ESCALARES

4.1 Frmula de Taylor. Definicin de la matriz Hessiana
4.2 Extremos de funciones escalares.
4.3 La matriz Hessiana como calificadora de la naturaleza de
extremos locales.
4.4 Extremos condicionados.

Las abejas..., en virtud de una cierta intuicin
geomtrica, saben que el hexgono es mayor
que el cuadrado y que el tringulo, y que
podr contener ms miel con el mismo gasto de
material

Pappus de Alejandra.
4.1 Formula de Taylor 145
4.1 FORMULA DE TAYLOR.

En el captulo anterior usamos el plano tangente a una superficie para hacer
aproximaciones de la misma en la vecindad de un punto. Ahora ampliemos nuestro
campo de aplicacin y veamos como podemos hacer este tipo de aproximaciones a
funciones escalares de orden superior, como por ejemplo funciones cuadrticas.

Para funciones derivables de una variable la frmula de Taylor nos permite
disponer de un polinomio de grado n para esta aproximacin, para funciones
escalares de R R
n
resulta complejo disponer de un polinomio de grado mayor a 2;
revisemos, primero, la frmula de Taylor para una funcin derivable de variable real
en una vecindad de
0
x .

Un polinomio de grado n es de la forma:

n
n n
x a x a x a x a a x P + + + + + = .......... .......... ) (
3
3
2
2 1 0

Como este polinomio lo usaremos para aproximar una funcin de variable real
en la vecindad de un punto, podemos escribir:

n
n
x a x a x a x a a x f + + + + + .......... .......... ) (
3
3
2
2 1 0
4-1

Escribamos 4-1 en el punto
0
x x , que esta dentro de una vecindad cualquiera
de x :

n
n
x x a x x a x x a x x a a x f ) ( ........ ) ( ) ( ) ( ) (
0
3
0 3
2
0 2 0 1 0
+ + + + + 4-2

Veamos la forma de encontrar los coeficientes del polinomio en la ecuacin 4-2:

) ( 0 ) (
0 0 0 0
x f a a x f = + =

1
0
2
0 3 0 2 1
) ( ........ ) ( 3 ) ( 2 ) ( '

+ + + + =
n
n
x x na x x a x x a a x f

2
0 0 3 2
) ( ) )( 1 ( ........ ) ( ) 3 )( 2 ( 2 ) ( ' '

+ + + =
n
n
x x a n n x x a a x f

3
0 3
) ( ) )( 1 )( 2 ( ........ ) 3 )( 2 ( ) ( ' ' '

+ + =
n
n
x x a n n n a x f
. . . . . . . . . .
n
n
a n x f ! ) (
) (
= . De aqu podemos obtener los coeficientes:
146 Captulo 4 Optimizacin de Funciones Escalares
) ( ' 0 ) ( '
0 1 1 0
x f a a x f = + =

! 2
) ( ' '
0 2 ) ( ' '
0
2 2 0
x f
a a x f = + =

! 3
) ( ' ' '
0 6 ) ( ' ' '
0
3 3 0
x f
a a x f = + =
.
.
.
!
) (
! ) (
0
) (
0
) (
n
x f
a a n x f
n
n n
n
= = .

Ahora podemos escribir la ecuacin 4-2 de la siguiente forma:

n
n
x x
n
x f
x x
x f
x x x f x f x f ) (
!
) (
..... ) (
! 2
) ( ' '
) )( ( ' ) ( ) (
0
0
) (
2
0
0
0 0 0
+ + + +

Que para hacer la igualdad le agregamos un error de aproximacin:

) , ( ) (
!
) (
..... ) (
! 2
) ( ' '
) )( ( ' ) ( ) (
0 0
0
) (
2
0
0
0 0 0
x x R x x
n
x f
x x
x f
x x x f x f x f
n
n
n
+ + + + + =
4-3

Donde el error ) , (
0
x x R
n
para x cercano a
0
x es:

=
x
x
n
n
n
dt t f
n
t x
x x R
0
) (
!
) (
) , (
) 1 (
0
, y debe ser un valor pequeo entre ms
cerca se encuentre x de
0
x ; se dice un infinitsimo de orden superior a n que
significa:

0
) (
) , (
0
0
0
=
n
n
x x
x x
x x R
Lim .

Nos interesa expresar la ecuacin 4-3 aplicada a una funcin escalar
R R X f
n
: ) ( , diferenciable en una vecindad de
n
R X
0
. Como el diferencial
de segundo orden, para este caso, es una matriz cuadrada, resulta complejo expresar la
frmula 4-3 para un orden mayor al segundo; por cuanto el diferencial de tercer orden
es el diferencial de la matriz cuadrada y resulta complejo expresarlo; peor todava los
diferenciales de orden mayor.

Para R R X f
n
: ) ( , el diferencial de primer orden es el vector gradiente, y
) (
0
X X se lo puede expresar como el vector:

) ,......, , ( ) (
0 02 2 01 1 0 n n
x x x x x x X X = , entonces:

Frmula de Taylor de primer orden:
Sea R R U X f
n
: ) ( ; diferenciable en
n
R X
0
, la frmula de Taylor al
primer orden para ) ( X f en una vecindad de
0
X , se puede escribir de la forma:

) , ( ) ( ) ( ) ( ) (
0 1 0 0 0
X X R X X X f X f X f + + =

Donde ) , (
0 1
X X R es un infinitsimo de orden superior al primero y tiene la
propiedad que:
0
) , (
0
0 1
0
=
X X
X X R
Lim
X X

Considerando
0
X X como vector o matriz columna podemos escribir en forma
similar a la ecuacin 4-3 la frmula de Taylor de segundo orden:

Frmula de Taylor de segundo orden:
Sea R R U X f
n
: ) ( ; doblemente diferenciable en
n
R X
0
, la frmula de
Taylor al segundo orden para ) ( X f en una vecindad de
0
X , se puede escribir de
la forma:

[ ][ ] ) , ( ) ( ) ( ) ( ) ( ) ( ) (
0 2 0 0 0 2
1
0 0 0
X X R X X X X X f H X X X f X f X f + + + =

Donde ) , (
0 2
X X R es un infinitsimo de orden superior al segundo y tiene la
propiedad que:
0
) , (
2
0
0 2
0
=
X X
X X R
Lim
X X

[ ]
0
X X es el vector diferencia expresado como matriz columna de la
siguiente forma:

[ ]
(
(
(
(
(
(
(
(
=
n n
x x
x x
x x
X X
0
02 2
01 1
0
.
.
.
, matriz columna de dimensin 1 n

[ ] ) ( X f H es la matriz segunda derivada y se la llama matriz Hessiana,
definida de la siguiente forma:

Definicin de Matriz Hessiana:
Sea R R U X f
n
: ) ( ; de tipo
2
C en una vecindad de
0
X la matriz n n :

[ ]
(
(
(
(
(
(
(
(
=
2
2
3
2
2
2
1
2
2
2
2 3
2
2
2
2
2 1
2
1
2
1 3
2
1 2
2
2
1
2
. . .
: : : :
. . .
. . .
) (
n
n n n
n
n
x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x
f
x x
f
x x
f
x x
f
x x
f
x
f
x f H

Se llama matriz Hessiana de la funcin escalar y representa su diferencial de
segundo orden.

Entonces, la misma frmula de Taylor al segundo orden expresada en forma de
sumatorias se la escribira de la siguiente forma:

) , ( ) )( ( ) ( ) ( ) (
0 2
1 1
0 0
2
2
1
0
1
x x R x x x x
x x
f
x x
x
f
x f x f
n
i
n
j
j j i i
j i
i i
n
i i
o
+

+ =

= = =

La matriz Hessiana tiene las siguientes caractersticas:

Es una matriz cuadrada de dimensin n x n.
Tiene las derivadas parciales dobles en la diagonal principal y las mixtas en
la triangular superior e inferior.
Es simtrica, porque las derivadas parciales mixtas son iguales.
Hace el papel de la segunda derivada en funciones de variable real.

El producto [ ][ ]
0 0
) ( X X X f H , representa un producto de dos matrices, de
dimensiones ) ( n n por ) 1 ( n y resulta un vector de n componentes que se
multiplica escalar mente con el vector diferencia
0
X X y forma el tercer trmino de
la frmula de Taylor al segundo orden.

[ ][ ] ( )
0 2 0 0 0 0 0 0
, ) ( ) (
2
1
) ( ) ( ) ( ) ( X X R X X X X X f H X X X f X f X f + + + =

Si la funcin escalar esta en R
2
:

R R f
2
:

[ ]
) ; ( ) (
) , (
2
2 2
2
2
2
o o o
y y x x X X
y
f
y x
f
x y
f
x
f
y x f H
=
(
(
(
(
=

Ejemplo 4-1 Escribir la frmula de Taylor al 1er. orden para la funcin:
) 2 ( ) , ( y x Sen y x f + = en una vecindad de ) 0 , 0 (

Solucin: ) 2 ( ) , ( y x Sen y x f + =
)) 2 ( 2 ), 2 ( ( y x Cos y x Cos f + + =

0 ) 0 , 0 ( = f
producto matricial
producto escalar
) 2 , 1 (
) 0 , 0 (
= f

1
) 0 , 0 ( ) 2 , 1 ( 0 ) , ( R y x y x f + + =

1
2 ) , ( R y x y x f + + =

Ejemplo 4-2 Escribir la frmula de Taylor al 2 orden para la funcin:
( ) ( ) y x sen e y x f
xy
+ = , en una vecindad de ( )
2
, 0

P

Solucin: ( ) ( ) ( ) ( ) [ ] y x e y x sen xe y x e y x sen ye f
xy xy xy xy
+ + + + + + = cos , cos

[ ]
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
(
(
(
(
(
(
(
(
(
(
+ +
+ + + +
+
+ + +
+ + + +
+
+ + +
+ + + +
+ +
+ + + +
=
y x sen e y x xe
y x xe y x sen e x
y x sen e
y x ye y x xe
y x sen xye y x sen e
y x sen e
y x xe y x ye
y x sen xye y x sen e
y x sen e y x ye
y x ye y x sen e y
f H
xy xy
xy xy
xy
xy xy
xy xy
xy
xy xy
xy xy
xy xy
xy xy
cos
cos
cos cos
cos cos cos
cos
2
2

( )
[ ]
( )
(
=
=
1 0
0 1
) 0 , (
4
2
, 0
2
2
, 0
2
f H
f

) , (
2 0

= y x X X
[ ]
(
=
2
0

y
x
X X

[ ][ ] ) , ( ) (
2 4 0 0
2

+ = y x x X X X f H

( )
( ) x X X X f
f
2 0 0
2
) (
1 , 0
=
=


[ ][ ]
( ) ( ) y x R y y x x y x f
y y x x x X X X X X f H
, ) ( ) 1 ( 1 ,
) )( ( ) ( ) ( ) (
2 4
2
2
1
2
4 2
1
2
2 2 4 0 0 0
2 2
2
+ + + + + =
+ + =

( ) ( ) y x R y x y x y x f , ) 1 ( ,
2 8 2 2
2
2
1
2
8
4
2 2
+ + + + =

Ejemplo 4-3 Encontrar la frmula de Taylor al segundo orden para la funcin
Cosy e y x f
x
= ) , ( en una vecindad de ) 0 , 0 ( y analizar su
bondad de aproximacin en ) 1 . 0 , 1 . 0 (
Solucin: ) , ( ) , ( Seny e Cosy e y x f
x x
=
) 0 , 1 ( ) 0 , 0 ( = f
1 ) 0 , 0 ( = f

[ ]
(
=
(
=
1 0
0 1
cos
cos
) , (
) 0 , 0 (
y e seny e
seny e y e
y x f H
x x
x x

[ ]
(
=
(
=
y
x
y
x
X X
o
0
0

[ ]
(
=
(
=
(
y
x
y
x
y
x
y x f H
o o
1 0
0 1
) , (

( ) ( ) ( ) + + = ) , ( ) , ( , , ) , (
o o o o o o
y x y x y x f y x f y x f

( ) [ ][ ] [ ] [ ] R y x y x y x y x y x f H
o o o o o o
+ ) , ( ) , ( ) , ( ) , ( ,
2
1

2
2
2
1
2
2
1
2
2 2
2
1
2 2
1
1 ) , (
) ( 1
) , ( ) , ( ) , ( ) 0 , 1 ( 1 ) , (
R y x x y x f
R y x x
R y x y x y x y x f
+ + + =
+ + + =
+ + + =


1 . 1 ) , (
099649 . 1 ) 1 . 0 , 1 . 0 (
) 1 . 0 , 1 . 0 (
=
=
y x f
f

000351 . 0 099649 . 1 1 . 1
2
R

Como la frmula de Taylor sirve para encontrar la aproximacin de una funcin
escalar cualquiera a una funcin lineal o cuadrtica en una vecindad de un punto dado,
es muy til para demostrar teoremas o expresar definiciones o aplicaciones especiales
que sin esta frmula daran mucha fatiga realizarlas como es el caso de las aplicaciones
de la matriz Hessiana para calificar valores extremos, que lo veremos ms adelante. El
ejemplo 4-4 demuestra la regla de la cadena enunciada en la seccin 3.5, teorema 3-10
y que dejamos pendiente su demostracin en el captulo anterior.

Ejemplo 4-4 Demostrar la regla de la cadena enunciada en el teorema 3-10,
seccin 3.5.

Solucin: Sea:
0 0
) ( y x g = ; ) (
0
h x g + , es el valor de la funcin en
cualquier punto x y a una distancia h de
0
x . Entonces usando la
aproximacin de Taylor al primer orden tenemos:

) , ( ) ( ) ( ) (
0 0 0 0
h x R h x Dg x g h x g
g
+ + = +
Haciendo: ) , ( ) (
0 0
h x R h x Dg k
g
+ = , tenemos:
k x g h x g + = + ) ( ) (
0 0
; por otro lado podemos ver que:

0
0
=
h
Limk .

Si se cumple la propuesta de la regla de la cadena:

) ( )) ( ( ) )( (
0 0 0
x Dg x g Df x g f D = o

Entonces debemos hacer ver que g f o es diferenciable en
0
x .

h x Dg x g Df x g f h x g f h x R
g f
) ( )) ( ( ) )( ( ) )( ( ) , (
0 0 0 0 0
+ = o o
o

O lo que es lo mismo:

h x Dg x g Df x g f h x g f h x R
g f
) ( )) ( ( )) ( ( )) ( ( ) , (
0 0 0 0 0
+ =
o

h x Dg x g Df x g f k x g f h x R
g f
) ( )) ( ( )) ( ( )) ) ( ( ) , (
0 0 0 0 0
+ =
o

h x Dg y Df y f k y f h x R
g f
) ( ) ( ) ( )) ( ) , (
0 0 0 0 0
+ =
o

Para demostrar que g f o es diferenciable en
0
x debemos hacer
ver que 0
) , (
0
0
=
h
h x R
Lim
g f
h
o

Una frmula de Taylor para ) (
0
k y f + al primer orden es:

) , ( ) ( ) ( ) (
0 0 0 0
k y R k y Df y f k y f
f
+ + = + , entonces:

h x Dg y Df y f k y R k y Df y f h x R
f g f
) ( ) ( ) ( ) , ( ) ( ) ( ) , (
0 0 0 0 0 0 0
+ + =
o

h x Dg y Df k y R k y Df h x R
f g f
) ( ) ( ) , ( ) ( ) , (
0 0 0 0 0
+ =
o
, como:
) , ( ) (
0 0
h x R h x Dg k
g
+ = , entonces:

[ ] h x Dg y Df k y R h x R h x Dg y Df h x R
f g g f
) ( ) ( ) , ( ) , ( ) ( ) ( ) , (
0 0 0 0 0 0 0
+ + =
o

h x Dg y Df k y R h x R y Df h x Dg y Df h x R
f g g f
) ( ) ( ) , ( ) , ( ) ( ) ( ) ( ) , (
0 0 0 0 0 0 0 0
+ + =
o

) , ( ) , ( ) ( ) , (
0 0 0 0
k y R h x R y Df h x R
f g g f
+ =
o

) , ( ) , ( ) ( ) , (
0 0 0 0
f g g f
+ =
o

Utilizando la desigualdad triangular:

) , ( ) , ( ) ( ) , (
0 0 0 0
f g g f
+
o

Utilizando la propiedad matricial: x M Ax , donde A es una
matriz y M un nmero cualquiera, tenemos:

) , ( ) , ( ) , (
0 0 0
k y R h x R M h x R
f g g f
+
o
, dividiendo todo
para 0 > h :

h
k y R
h
h x R
M
h
h x R
f g g f
) , ( ) , ( ) , (
0
0 0 0
+
o
; por otro
lado:

h
k
k
k y R
h
k y R
f f
) , ( ) , (
0 0
=

h
h x R h x Dg
k
k y R
h
k y R
g f f
) , ( ) ( ) , ( ) , (
0 0 0 0
+
=
Aplicando la desigualdad triangular y matricial antes expuesta:

(
(
+
h
h x R
h
h x Dg
k
k y R
h
k y R
g f f
) , (
) (
) , ( ) , (
0
0
0 0

(
(
+
h
h x R
h
h
M
k
k y R
h
k y R
g f f
) , (
~
) , ( ) , (
0 0 0

(
(
+
h
h x R
M
k
k y R
h
k y R
g f f
) , (
~
) , ( ) , (
0 0 0
, remplazando:

(
(
+ +
h
h x R
M
k
k y R
h
h x R
M
h
h x R
g f g g f
, (
~
) , ( ) , ( ) , (
0
0 0 0 0 o

Como:

0
) , (
0
0
=
h
h x R
Lim
g
h
, por ser ) (x g diferenciable en
0
x , y:

0
) , (
0
0
=
k
k y R
Lim
f
k
, por ser ) (x f diferenciable en
0
x .
Entonces:

0
) , (
0
0
=
h
h x R
Lim
g f
h
o
.

Esto demuestra que g f o es diferenciable en
0
x , y el teorema de la regla de la
cadena queda demostrado.
4.2 Extremos de Funciones Escalares 155

4.2 EXTREMOS DE FUNCIONES ESCALARES.

Sea R R U x f
n
: ) ( ; U x
o
, ) , (
o n
x una vecindad de
o
x en
n
R ; 0 > , si ) ( ) (
o
x f x f ) , (
o n
x x entonces se dice que en
o
x hay
un valor mximo local de ) (x f que es ) (
0
x f .

Si; por el contrario, ) ( ) (
o
x f x f ) , (
o n
x x entonces se dice que en
o
x hay un valor mnimo local de ) (x f que es ) (
0
x f ; si ) (x f es tal que en
ciertas direcciones es un mximo local y en otras direcciones es un mnimo local,
entonces se lo llama punto de silla.

A los extremos de una funcin escalar se los llama tambin valores ptimos de
la funcin escalar o extremos relativos de la funcin escalar.

Teorema 4-1 (condicin necesaria de ptimo)

Se llama condicin necesaria de ptimo porque:

[ ] 0 ) (
local extremo
un hay en x Si
o
=
(
o
x f

[ ]
(
=
local extremo
un exista En x
0 ) (
0
o
x f

Demostracin:

Supongamos que 0 ) (
0
x f .
La derivada direccional de ) (x f en
0
x , en la direccin del gradiente:

0 ) ( ) ( ) ( ( )) ( ; (
2
0 0
> = = xo f x f x f xo f xo f
Sea R R U x f
n
: ) ( , U x
0
. Si en
o
x ) (x f tiene un extremo local,
entonces: 0 ) (
0
= x f
0
) ( )) ( (
lim )) ( ; (
0
>
+
=
h
xo f xo f h xo f
xo f xo f
h

Por lo tanto:

0 ) ( )) ( ( lim
0 h
> +
xo f xo f h xo f , que implica:

) ( )) ( ( xo f xo f h xo f > + en
0
x no hay un mximo.

Como esto no es cierto, y en
0
x si hay un mximo, encontramos un absurdo que
demuestra que evidentemente 0 ) (
0
= x f .

Ejemplo 4-5 Encontrar los extremos relativos de
la funcin
2 2
) , ( y x y x f + =

Solucin:
[ ] [ ]
) 0 , 0 ( ) , (
0 2
0 2
0 0 2 2 ) , (
=
=
=
= =
y x
y
x
y x y x f
;

Como se ve en la figura 4-1 el
paraboloide tiene un valor mnimo
en el punto ) 0 , 0 ( que es
0 ) 0 , 0 ( = f y adems es un
extremo absoluto de esta funcin.

4.3 LA MATRIZ HESSIANA COMO CALIFICADORA DE LA
NATURALEZA DE EXTREMOS LOCALES.

La matriz Hessiana es una matriz cuadrada y simtrica, como lo vimos en la
seccin 4-1, y puede estar expresada en forma diagonal o no; cuando est en forma
diagonal es porque tiene valores diferentes de cero slo en la diagonal principal y el
resto de valores son cero, cuando esto no se cumple la matriz no es diagonal.

Si la matriz Hessiana es diagonal quiere decir que todas las derivadas parciales
mixtas de la funcin son cero y las dobles no; este razonamiento es muy importante
para poder demostrar la forma como sirve la matriz Hessiana para calificar la
naturaleza de los valores extremos. Ahora, si la matriz Hessiana es diagonal es
Figura 4-1
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 157

importante el signo que tienen los valores que estn en la diagonal principal; esto nos
lleva hacer la siguiente clasificacin de la matriz Hessiana:

(
(
(
(
(
(
(
(
(
=
2
2
2
2
2
2
1
2
. . . 0 0 0
: : : :
0 . . . 0 0
0 . . . 0 0
n
x
f
x
f
x
f
H

(
(
(
(
(
(
(
(
=
2
2
3
2
2
2
1
2
2
2
2 3
2
2
2
2
2 1
2
1
2
1 3
2
1 2
2
2
1
2
. . .
: : : :
. . .
. . .
n n n n
n
n
x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x
f
x x
f
x x
f
x x
f
x x
f
x
f
H

Si la matriz Hessiana es diagonal se la clasifica en las siguientes categoras de
acuerdo al signo de los elementos de la diagonal principal:

1. Si 0 ,
2
2
>
i
x
f
i , (todos los trminos de la diagonal principal son
positivos) se dice que es DEFINIDA POSITIVA.
2. Si 0 ,
2
2
<
i
x
f
i , (todos los trminos de la diagonal principal son
negativos) se dice que es DEFINIDA NEGATIVA.
3. Si 0 ,
2
2
i
x
f
i , (todos los trminos de la diagonal principal son no
negativos) se dice que es SEMI DEFINIDA POSITIVA.
4. Si 0 ,
2
2
i
x
f
i , (todos los trminos de la diagonal principal son no
positivos) se dice que es SEMI DEFINIDA NEGATIVA.

5. Trminos no negativos y no positivos en la diagonal principal se dice
que es: NO DEFINIDA NI POSITIVA NI NEGATIVA.
Matriz Hessiana
diagonal de dimensin
n n
Matriz Hessiana no
diagonal de dimensin
n n
Cuando la matriz Hessiana no es diagonal se deben calcular sus autovalores o
valores caractersticos, que por su naturaleza de ser simtrica son reales, y representan
los trminos de la diagonal principal de la matriz diagonalizada. Entonces, para
ubicarla en cualquiera de las categoras anteriores se lo har en funcin del signo de los
autovalores que seran los trminos de la diagonal principal, as:

Sea
i
el i-simo auto valor de la matriz:

1. Si 0 , >
i
i , (todos los autovalores son positivos) se dice que es
DEFINIDA POSITIVA.
2. Si 0 , <
i
i , (todos los autovalores son negativos) se dice que es
DEFINIDA NEGATIVA.
3. Si 0 ,
i
i , (todos los autovalores son no negativos) se dice que es
SEMI DEFINIDA POSITIVA.
4. Si 0 ,
i
i , (todos los autovalores son no positivos) se dice que es
SEMI DEFINIDA NEGATIVA.
5. Autovalores no negativos y no positivos se dice que es: NO
DEFINIDA NI POSITIVA NI NEGATIVA.

Teorema 4-2 (Criterio para calificar la naturaleza de los valores extremos)

Sea R R U x f
n
: ) ( , de tipo ) (
2
U C , U x
0
. Si en
o
x ) (x f tiene un
extremo local y [ ] ) (
0
x f H es su matriz Hessiana definida en
o
x , entonces:

1. Si [ ] ) (
0
x f H es definida positiva, entonces en
0
x hay un valor mnimo
de la funcin ) (
0
x f .
2. Si [ ] ) (
0
x f H es definida negativa, entonces en
0
x hay un valor
mximo de la funcin ) (
0
x f .
3. Si [ ] ) (
0
x f H es semi-definida positiva, entonces en
0
x puede existir
un valor mnimo de la funcin ) (
0
x f .
4. Si [ ] ) (
0
x f H es semi-definida negativa, entonces en
0
x puede existir
un valor mximo de la funcin ) (
0
x f .
5. Si [ ] ) (
0
x f H es no definida, entonces en
0
x hay un punto de silla de la
funcin ) (
0
x f .


Demostracin:

Como en
0
x hay un extremo local de la funcin, del teorema 4-1 tenemos que
0 ) (
0
= x f .

Una aproximacin cuadrtica de la funcin escalar en una vecindad de
0
x est
dada por:

[ ][ ] ) , ( ) ( ) ( ) ( ) ( ) ( ) (
0 2 0 0 0 2
1
0 0 0
X X R X X X X X f H X X X f X f X f + + + =

Que por haber en
0
x un extremo local la aproximacin queda:

[ ][ ] ) , ( ) ( ) ( ) ( ) (
0 2 0 0 0 2
1
0
X X R X X X X X f H X f X f + + =

O lo que es lo mismo:

[ ][ ] ) , ( ) ( ) ( ) ( ) (
0 2 0 0 0 2
1
0
X X R X X X X X f H X f X f + =

Si [ ] ) (
0
x f H es definida positiva; [ ][ ] 0 ) ( ) (
0 0 0 2
1
> X X X X X f H

Y por supuesto [ ][ ] 0 ) , ( ) ( ) (
0 2 0 0 0 2
1
> + X X R X X X X X f H , por
ser ) , (
0 2
X X R un infinitsimo; entonces:

0 ) ( ) (
0
> X f X f y eso prueba que en ) (
0
x f hay un mnimo local.

De igual forma:

Si [ ] ) (
0
x f H es definida negativa; [ ][ ] 0 ) ( ) (
0 0 0 2
1
< X X X X X f H

Y por supuesto [ ][ ] 0 ) , ( ) ( ) (
0 2 0 0 0 2
1
< + X X R X X X X X f H , por
ser ) , (
0 2
X X R un infinitsimo; entonces:

0 ) ( ) (
0
< X f X f y eso prueba que en ) (
0
x f hay un mximo local.

Para el caso de que la matriz Hessiana sea semi-definida positiva o negativa el
razonamiento es as:
[ ][ ] 0 ) ( ) (
0 0 0 2
1
X X X X X f H

[ ][ ] 0 ) ( ) (
0 0 0 2
1
X X X X X f H

Esto no garantiza que:

[ ][ ] 0 ) , ( ) ( ) (
0 2 0 0 0 2
1
+ X X R X X X X X f H

[ ][ ] 0 ) , ( ) ( ) (
0 2 0 0 0 2
1
+ X X R X X X X X f H

Por cuanto en este caso la presencia del infinitsimo si afecta el signo de este
trmino y esto no permite aseverar que se pueda tratar de un mnimo o mximo,
respectivamente, sino solo afirmar que puede tratarse de estos extremos.

Con el razonamiento anterior es obvio que si [ ] ) (
0
x f H es no definida
entonces:

0 ) ( ) (
0
X f X f o 0 ) ( ) (
0
X f X f y por supuesto se trata de un
punto de silla.

En el caso del ejemplo 4-5 la matriz Hessiana es:

[ ]
(
=
2 0
0 2
) , ( y x f H

Definida positiva lo que indica que en el punto ) 0 , 0 ( hay un valor mnimo de la
funcin y es un extremo absoluto por cuanto la matriz Hessiana ni siquiera depende del
valor ) 0 , 0 ( para ser definida positiva sino que lo es en todo el dominio de la funcin.

Con los teoremas 1 y 2 podemos hacer un resumen del procedimiento tradicional
para encontrar y calificar los valores extremos de una funcin escalar, este
procedimiento lo presentamos en la figura 4-2:

Hay que tomar en cuenta en los ejercicios que si la matriz Hessiana es semi-
definida, debemos probar en todas las direcciones posibles antes de concluir que se
trata de un valor mximo o mnimo; en el caso de semi-definida es ms fcil negar que
se trata de un valor extremo que afirmar que es un valor extremo; por cuanto en el
primer caso se trata de probar un cuantificador de existencia mientras que en el
segundo caso se trata de probar un cuantificador universal y por lo tanto siempre
quedar la duda de lo afirmado.

Ejemplo 4-6 Encontrar los extremos relativos de la funcin
2 2
) , ( y x y x f =

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

[ ]
(
=
2 0
0 2
) , ( y x f H , no definida, por lo tanto en ) 0 , 0 ( hay
un punto de silla
0 ) ( = x f

Encontrar los posibles
extremos
(valores crticos)
[ ] ) (
0
x f H

DIAGONAL
(Calificar los
valores crticos)

NO DIAGONAL
(Calcular autovalores)
Con los
autovalores
(Calificar los valores
crticos)
Calcular:
[ ] ) (
) (
x f H
x f

PROCEDIMIENTO TRADICIONAL
PARA OPTIMIZAR FUNCIONES
ESCALARES
Figura 4-2
Autovalores de una matriz

Dada la matriz cuadrada A; se desea resolver las ecuaciones v v A
r r
= donde
son los auto valores o valores propios de la matriz A y v
r
son los auto vectores o
vectores propios de la matriz A correspondientes a .

La solucin se da si existe al menos un numero real y un vector 0 v
r
que
resuelva la ecuacin. Esto es:

[ ] 0 = v I A
r
; (vector cero) 4-4

La ecuacin 4-4 representa un sistema homogneo de n ecuaciones con n
incgnitas que se resuelve de acuerdo a la regla de Cramer.

Regla de CRAMER

De la regla de CRAMER para que este sistema homogneo de la ecuacin 4-4
tenga n soluciones diferentes de cero, tiene que cumplirse que:

0 ] det[ = I A 4-5

La condicin 4-5 da una ecuacin en de grado n de cuya solucin se
obtendr n races entre reales e imaginarias. Estas races son los autovalores de A.

Ejemplo 4-7 Encontrar los autovalores de la matriz:
(
(
(
=
7 4 0
4 7 3
0 3 7
A

Solucin:
(
(
(
(
(
(
=
1 0 0
0 1 0
0 0 1
7 4 0
4 7 3
0 3 7
I A
Si en un sistema homogneo el determinante del sistema es diferente de 0 que
el sistema tiene solucin, nica y es la solucin cero.

Si en un sistema homogneo el determinante del sistema es igual a 0 que el
sistema tiene infinitas soluciones diferentes de la solucin nula.

0
7 4 0
4 7 3
0 3 7
det =
(
(
(

( ) ( ) 0 ) 7 ( 3 3 16 ) 7 ( ) 7 (
2
=
( ) ( ) 0 7 9 16 14 49 ) 7 (
2
= +
( ) ( ) 0 7 9 14 33 ) 7 (
2
= +
( ) 0 14 24 ) 7 (
2
= +
0 ) 2 )( 12 )( 7 ( =

=
=
=
2
12
7
3
2
1

Regresando a lo nuestro, esta matriz es definida positiva

Ejemplo 4-8 Encontrar los valores extremos del campo escalar
5 4 2 ) , (
2 2
+ + + = y x y x y x f

Solucin: [ ] [ ] 0 0 4 2 2 2 = + = y x f

1 0 2 2 = = x x
2 0 4 2 = = + y y
Valor crtico: (1,-2)

[ ]
(
=
2 0
0 2
) , ( y x f H ; definida positiva

en (1,-2) hay un mnimo de la funcin que es: 0 ) 2 , 1 ( = f

Ejemplo 4-9 Encontrar los valores extremos del campo escalar

3 3 2 2
2 ) , ( y x y xy x y x f + + + =

Solucin: [ ] [ ] 0 0 3 2 2 3 2 2 ) , (
2 2
= + + + = y y x x y x y x f

[ ]
(
+
+
=
y
x
y x f H
6 2 2
2 6 2
) , (

[ ]
(
=
2 2
2 2
) 0 , 0 ( f H ; como no es diagonal, calculamos los
autovalores:

0
2 2
2 2
det =
(

0 4 ) 2 (
2
=
0 4 4 4
2
= +
0 ) 4 ( =
0
1
=
4
2
= ;
Semi definida positiva

Como es semi definida no podemos aseverar que se trate de un
mnimo; procedemos a comprobar esto en distintas direcciones.

En la direccin: " " 0 X eje y = ;
3 2
) 0 , ( x x x f + =
Como se ve en la figura 4-3, en una pequea vecindad de (0,0) si se
trata de un mnimo.
Como se aprecia en la misma figura lo mismo pasa para la
direccin del eje Y 0 = x ; pero no para el caso de la direccin
crtico Valor
y x
y y x
x y x
) 0 , 0 (
0 ) ( 3
0 3 2 2
0 3 2 2
2 2
2
2
= +
= + +
= +
Figura 4-3
- - - - - + + + + + + + + + + +

+
+
+
+
+
+
+
+
+
-
-
-
-
1
Y
X
+
+
+
-1

x y = , donde se aprecia que no cumple, esto nos hace concluir
que la funcin no tiene extremos.

" " 0 Y eje x = ;
3 2
) , 0 ( y y y f + =

x y = ;
3
2 ) , ( x x x f =

Ejemplo 4-10 Encontrar los valores extremos del campo escalar:
2 2 2 3
) , ( x y y x x y x f + =

Solucin: [ ] [ ] 0 0 2 2 2 3
2 2
= + = y x x xy x f

= +
=
0 2
0 2 2 3
2
2
y x
x xy x

0 2
2
2 3
2
2
2
2
=
|
|
\
|
= x
x
x x
x
y
0 2 3
3 2
= x x x
0 ) 2 3 (
2
= x x x
0 2 3 0
2
= = x x x
1 ; 2 = = x x

Existen tres puntos crticos: ) 2 , 2 ( ); , 1 ( ); 0 , 0 (
2
1

(
=
(

=
2 0
0 2
2 2
2 2 2 6
) 0 , 0 (
Hf
x
x y x
Hf

No definida, (0,0) es un punto de silla

0
2 2
2 3
det ;
2 2
2 3
2
1
, 1
=
(
=
|
\
|

Hf
0 4 ) 2 )( 3 ( =
0 4 5 6
2
= +
0 2 5
2
= +

43 . 0 ; 56 . 4 ;
2
8 25 5
2 1
= =

= ; definida (+)

En ) , 1 (
2
1
hay un mnimo.

0
2 4
4 6
det ;
2 4
4 6
) 2 , 2 (
=
(
Hf

0 16 ) 2 )( 6 ( =
0 16 8 12
2
= +
0 4 8
2
=

47 . 0 ; 47 . 8 ;
2
16 64 8
2 1
= =
+
= ; no definida

En ) 2 , 2 ( hay un punto de silla.

La funcin tiene un mnimo en ) , 1 (
2
1
y dos puntos de silla
en los puntos ); 0 , 0 ( ) 2 , 2 ( .

Ejemplo 4-11 Encontrar los extremos de:
2 2 4 4
2 4 2 ) , ( y xy x y x y x f + + =

Solucin:
(
=
(
+
+
=
0
0
4 4 4
4 4 4
3
3
y x y
y x x
f

0
3
= + y x x ;
3
x x y =
0
3
= + y x y
0 ) (
3 3 3
= + + x x x x x
0 ) 1 (
3 3 2 3
= + + x x x x x

0 ) 3 3 1 (
3 6 4 2 3
= + + x x x x x
0 3 3
3 9 7 5 3
= + + x x x x x
0 2 3 3
3 5 7 9
= + x x x x
0 ) 2 3 3 (
2 4 6 3
= + x x x x ; 0 ; 0 = = y x
0 1 ) 1 3 3 (
2 4 6
= + x x x
0 1 ) 1 (
3 2
= x ; diferencia de cubos
0 ) 1 1 1 2 )( 1 1 (
2 2 4 2
= + + + x x x x
0 ) 1 )( 2 (
2 4 2
= + x x x
0 ) 1 (
2 4
= + x x ; no sirve porque son valores imaginarios

2
2
= x 2 = x

Puntos Crticos ( 0 , 0 ) ; ( 2 ,- 2 ) ; (- 2 , 2 )

(
=
4 12 4
4 4 12
) (
2
2
y
x
x H

(
=
4 4
4 4
) 0 , 0 ( H

hay que calcular valores caractersticos

0
4 4
4 4
=

0 16 8 16
2
= + +

0
1
=

8
2
=

La matriz Hessiana es semidefinida negativa; lo que no garantiza
que haya un mximo en este punto.

Analicemos en un entorno de (0 ,0); la figura 4-4 ilustra
grficamente este anlisis sobre las rectas x y = ; y sobre la recta
x y = :


4
2 ) , ( x x x f x y = = ; siempre positivos

2 4
8 2 ) , ( x x x x f x y = = ; negativo dentro de una
pequea vecindad de (0,0).

Esto indica que en (0,0) no existe un mximo.

(
=
20 4
4 20
) 2 , 2 ( H

0
20 4
4 20
=

0 16 ) 20 (
2
=

24
1
=

16
2
=

Definido positivo, hay un mnimo

(
=
20 4
4 20
) 2 , 2 ( H ; lo mismo, por lo tanto:

Hay mnimos en ) 2 , 2 ( ); 2 , 2 (

8 ) 2 , 2 ( ) 2 , 2 ( = = f
X
+
+
+
+
+
+
+
-
-
-
+
+
+
+
+
+
+
+
+
+
+
-
-
-
+
+
+
+
y = -x
y = x
Y
Figura 4-4

Ejemplo 4-12 Encontrar los extremos de la funcin:
2 4 2 2 2
3 2 ) 2 )( ( ) , ( xy y x y x y x y x f + = =

Solucin:
(
=
(
=
0
0
6 4
3 4
3
2
xy y
y x
f

(
=
x y y
y
H
6 12 6
6 4
2

0 = f
0 3 4
2
= y x
2
4
3
y x =
0 6 4
3
= xy y ; 0 ) ( 6 4
2
4
3
3
= y y y
0 4
3
2
9
3
= y y 0 = x ; 0 = y

(
=
0 0
0 4
) 0 , 0 ( H Semidefinida Positiva

Quiere decir que posiblemente se trata de un mnimo.

Veamos que pasa si analizamos la funcin sobre la recta ax y = ,
la figura 4-5 representa grficamente este perfil para un cierto
valor de a:

(0 , 0)
y = ax
X
Y
Figura 4-5

3 2 4 4 2
3 2 ) , ( x a x a x ax x f + =

2 2 3 4
9 4 4 ' x a x a x f + =

x a x a f
2 2 4
18 12 4 ' ' + =

0 ) 0 ( ' =
f ; 0 4 ) 0 ( ' ' > =
f Indica que la funcin tiene un

mnimo sobre cualquier perfil de la forma ax y = .

Sin embargo de esto no es suficiente para asegurar que se trata de
un mnimo. La figura 4-6 representa un anlisis grfico en una
pequea vecindad de (0,0) entre las regiones planas limitadas por
las parbolas
2
y x = y
2
2
1
y x = :

Vemos que escribiendo la funcin en la forma original.
) 2 )( ( ) , (
2 2
y x y x y x f = , nos permite anlizar los signos de la
funcin en cada una de las subregiones como lo indica la figura.
En esta discucin se ve que ) 0 , 0 ( no es un mnimo de la funcin a
pesar de que en los perfiles rectos de la forma ax y = si lo era.

Esta funcin no tiene extremos.

Es muy importante notar, como lo dijimos anteriormente y como lo intentan
explicar los ejemplos anteriores, que cuando la matriz Hessiana es semidefinida
positiva o negativa es bastante difcil demostrar que se trate de mnimos o mximos
respectivamente; es ms fcil negar esta afirmacin si el ejercicio lo permite.
Y

+
+
+
+

+
+

+
+
+
+
+
+

+
+
+
+
+
+
-
-
-
-
-
-
X
f = 0
f = 0
0 2
2
= y x
0
2
= y x

Figura 4-6
4.4 Extremos Condicionados 171

4.4 EXTREMOS CONDICIONADOS.

Es importante que comprendamos lo que se conoce como un problema de
extremos condicionados; que lo identificamos como un problema de calcular los
valores mximos o mnimos sujetos a un conjunto de restricciones.

Es muy comn hablar de problemas condicionados; por ejemplo, en el campo de
los negocios, una empresa que produce algunos artculos necesita saber cuales deben
ser los niveles de produccin de cada uno de los artculos que produce, para maximizar
sus utilidades, sujeto a restricciones de capital disponible, materia prima por
disponibilidad de proveedores, capacidad de produccin instalada, caractersticas de
mercado y muchas otras restricciones ms que son muy comunes en el mundo de los
negocios, este ejemplo y muchos ms que son frecuentes en este campo son problemas
de extremos condicionados.

Un problema condicionado lo podemos formular as:

Optimizar: ) ( X f z = Funcin objetivo

Sujeto a:
k k
b X g
b X g
b X g
=
=
=
) (
.
) (
) (
2 2
1 1
Conjunto de restricciones

Donde R R X f z
n
= : ) ( , y
i i
b X g = ) ( para k i ,......, 2 , 1 = son
superficies de nivel en R
n
.
La figura 4-7 representa un
problema condicionado:

El mnimo de
2 2
y x z + = ,
sujeto a la restriccin:

0 = + + + d cz by ax (plano )

El punto P
1
es el mnimo
absoluto de la funcin y el punto P
2

representa el mnimo condicionado al
plano , como puede apreciar en
este grfico resolver este problema
condicionado, geomtricamente, es
x

Extremo
Condicionado
Extremo Absoluto
Figura 4-7
encontrar el mnimo de la funcin sobre el corte o interseccin de la superficie con el
plano

El conjunto de restricciones no necesariamente son igualdades, pueden tambin
ser desigualdades de la forma:

k k
b X g
b X g
b X g
) (
.
) (
) (
2 2
1 1
o de la forma
k k
b X g
b X g
b X g
) (
.
) (
) (
2 2
1 1
o combinando las desigualdades
con las igualdades.

Existen algunos mtodos para resolver este tipo de problemas condicionados, de
los cuales los ms comunes y que estudiaremos en este libro son el de Los
Multiplicadores de Lagrange, para el caso de que slo existan restricciones de
igualdad y el de las condiciones de Kuhn Tucker para el caso de que existan
desigualdades en el conjunto de restricciones, analizaremos cada uno de estos mtodos
por separado.

METODO DE LOS MULTIPLICADORES DE LAGRANGE

Consideremos el problema:

Optimizar ) ( X f z =

Sujeto a:
k k
b X g
b X g
b X g
=
=
=
) (
.
) (
) (
2 2
1 1

Podemos construir una funcin que asocie la funcin objetivo del problema
original y el conjunto de restricciones de la siguiente manera:

) ) ( ( ..... ) ) ( ( ) ) ( ( ) ( ) ,........, , , ,......, , (
2 2 2 1 1 1 2 1 2 1 k k k k n
b X g b X g b X g X f x x x L =


Esta nueva funcin no altera el valor de la funcin objetivo original porque se
esta restando el valor:
k
i
i i i
b X g
1
) ) ( (
, que es cero por contener todas las
restricciones igualadas a cero.

A la funcin
R R x x x L
k n
k n

+
: ) ,........, , , ,......, , (
2 1 2 1

, se la conoce como
funcin de Lagrange y los coeficientes
i
se los conoce como Multiplicadores de
Lagrange, el ptimo de
) ,........, , , ,......, , (
2 1 2 1 k n
x x x L
es el ptimo del problema
condicionado.

Aplicando la condicin necesaria de ptimo a la funcin de Lagrange
obtenemos:

0 = L , esto implica:

k j b X g
L
n i
x
g
x
g
x
g
x
f
x
L
j j
j
i
k
k
i i i i
,...., 2 , 1 ; 0 ) (
,....., 2 , 1 ; 0 .........
2
2
1
1
= = =
= =

El mtodo consiste en encontrar los valores de x y de que satisfagan las
condiciones:

k j
L
n i
x
L
j
i
,...., 2 , 1 ; 0
,...., 2 , 1 ; 0
= =
= =

Esto lleva a resolver un sistema de k n + ecuaciones con k n + incgnitas,
donde por supuesto daremos prioridad al clculo de las
i
x que es lo que generalmente
interesa en el problema original.

Ejemplo 4-13 Encontrar los extremos de la funcin:
2 2 2
4 3 ) , , ( z y x z y x f + + = ,
sujeto a: 0 1
2 2 2
= + + z y x
Solucin: Es un problema de extremos condicionados con una sola
restriccin que tambin se lo puede resolver haciendo una
substitucin directa de la restriccin y trabajando sobre el corte de
la siguiente forma:

2 2 2 2
1 4 3 ) , (
y x y x y x f + + = o
1 3 2 ) , (
2 2
+ + = y x y x f ,

=
=
= =
0 6
0 4
) 0 , 0 ( ) 6 , 4 ( ) , (
y
x
y x y x f , la solucin es:
) 1 , 0 , 0 ( , calculemos la matriz Hessiana para probar si es mximo o
mnimo:

[ ]
(
=
6 0
0 2
) , (
y x f H ; definida positiva, lo que indica que el

punto antes mencionado es un mnimo.

Ahora procedamos por el mtodo de Los Multiplicadores de
Lagrange, la funcin de Lagrange es de la forma:

) 1 ( 4 3 ) , , , (
2 2 2 2 2 2
+ + + + = z y x z y x z y x L
0 = L

= + +
=
=
=
1
0 2 2
0 2 8
0 2 6
2 2 2
z y x
z z
y y
x x

Existen 6 puntos diferentes de la forma ) , , , ( z y x que satisfacen
este sistema:
) 1 , 1 , 0 , 0 ( ); 4 , 0 , 1 , 0 ( ); 3 , 0 , 0 , 1 ( m m m ,
probemos estos valores:

1 ) 1 , 0 , 0 (
4 ) 0 , 1 , 0 (
3 ) 0 , 0 , 1 (
=
=
=
m f
f
f


Aqu se ve que ) 1 , 0 , 0 ( son mnimos del problema condicionado
y ) 0 , 1 , 0 ( son valores mximos del problema condicionado.

Como podemos observar en el ejemplo anterior 4-13, por substitucin directa
perdimos los extremos ) 1 , 0 , 0 ( que tambin es un mnimo y los extremos ) 0 , 1 , 0 (
que son mximos locales; lo cual indica el cuidado que se debe tener cundo se aplica
substitucin directa que es aplicable siempre que se tenga una sola restriccin de
igualdad; pues, si se tiene mas de una restricciones de igualdad este mtodo ya se
dificulta por cuento se tendra que trabajar sobre el conjunto solucin de todas las
restricciones.

Ejemplo 4-14 Encontrar los extremos de la funcin: ( ) xy y x f = ,
sujeto a:
2 2 2
1 1 x y y x = = +

Solucin: Por sustitucin directa:
( ) ( ) x f x x x x y x f = = =
2
1
) ( 1 ,
4 2 2

( ) ( ) ( )
2
2
2
2
0
1
2 1
2
4 2
0 4 2 '
2
2
4 2
3
3 4 2
2
1 2
1
= = =
=
= =

y x
x
x
x x
x x
x x x x x f

Los extremos son:

) , (
2
2
2
2
, ) , (
2
2
2
2
, ) , (
2
2
2
2
, ) , (
2
2
2
2

2
1
2
2
2
2
2
2
2
2
) , ( ) , ( = = f f , mximos condicionados

2
1
2
2
2
2
2
2
2
2
) , ( ) , ( = = f f , mnimos condicionados

Por Lagrange:

( ) ( )
[ ] 1 2 2
1 , ,
2 2
2 2
+ =
+ =
y x y x x y L
y x xy y x L

= +
=
=
1
0 ) 2
0 2
2 2
y x
y x
x y
; da como solucin:
) , (
2
2
2
2
, ) , (
2
2
2
2
, ) , (
2
2
2
2
, ) , (
2
2
2
2

Que da la misma solucin obtenida por substitucin directa.

Ejemplo 4-15 Encontrar la distancia ms corta entre la elipse
12 3 2
2 2
= + y x y la recta 6 = + y x .

Solucin:

Como podemos apreciar en la figura 4-8, considerando que la
distancia de un punto a una recta en el plano es:
2 2
b a
c by ax
d
+
+ +
= , se lo puede plantear como un problema
condicionado de la forma:

Minimizar :
2
6
) , (
+
=
y x
y x f
Sujeto a: 12 3 2
2 2
= + y x

) 12 3 2 ( 6 ) , , (
2 2
2
1
+ + = y x y x y x L

[ ] 12 3 2 6 2
2 2
2
2
2
2
+ = y x y x L
Figura 4-8
6 = + y x

2 2
1
6 4
x y
+ =

d


= +
=
=
12 3 2
0 6
0 2
2 2
2
2
2
2
y x
y
x
09 . 0 3 . 1 96 . 1
09 . 0 3 . 1 96 . 1
= + = + =
+ = = =
y x
y x

93 . 1 ) 3 . 1 . 96 . 1 (
54 . 6 ) 3 . 1 , 96 . 1 (
=
=
f
f

la mnima distancia entre la elipse y la recta es 1.93.

Ejemplo 4-16 Cul es el volumen del ms grande paraleleppedo que puede ser
inscrito en el elipsoide 1
36 16 9
2 2 2
= + +
z y x

Solucin:

Como se puede ver en la figura 4-9, en el sistema cartesiano las
dimensiones del paraleleppedo son: z y x 2 2 2 , el problema
condicionado es de la forma:

Maximizar: xyz 8
Sujeto a: 1
36 16 9
2 2 2
= + +
z y x

Figura 4-9

Figura 4-9
) 1
36 16 9
( 8 ) , , , (
2 2 2
+ + =
z y x
xyz z y x L

(
(
(
(
=
(
(
(
(
(
+ +
=
0
0
0
0
1
36 16 9
8
8
8
2 2 2
18
1
8
1
9
2
z y x
z xy
y xz
x yz
L

Esto lleva a resolver el sistema:

= + +
=
=
=
1
36 16 9
0 8
0 8
0 8
2 2 2
18
1
8
1
9
2
z y x
z xy
y xz
x yz
, hay dos conjuntos de soluciones:

Si 0 = ;
= = =
= = =
= = =
=
=
=
0 0 3
0 4 0
6 0 0
0 8
0 8
0 8
z y x
z y x
z y x
xy
xz
yz

Todos estos valores dan volumen cero; valores mnimos
condicionados; para este caso no nos interesa.

Si 0 ; 0 ) ( ) (
2
18
1
2
8
1
2
8
1
2
9
2
= = z y y x

3 2 3 3
3
4
= = = z y x

El volumen mximo es: 3 64 unid
3

Ejemplo 4-17 Una caja rectangular abierta en la parte superior tiene un volumen
de 32 cm
3
, cada lado debe tener las dimensiones tales que la
superficie total sea mxima. Encontrar las dimensiones.


Solucin: Sean z y x , , las
dimensiones de la caja:

Minimizar:

xy yz xz z y x f + + = 2 2 ) , , (

Sujeto a: 32 = xyz

) 32 ( 2 2 ) , , , ( + + = xyz xy yz xz z y x L

(
(
(
(
=
(
(
(
(
+
+
+
=
0
0
0
0
32
2 2
2
2
xyz
xy y x
xz x z
yz y z
L

Tenemos que resolver el sistema:

=
= +
= +
= +
32
0 2 2
0 2
0 2
xyz
xy y x
xz x z
yz y z
=
= +
= +
= +
32
0 2 2
0 2
0 2
xyz
xyz yz xz
xyz xy yz
xyz xy xz
=
=
=
32
0 2
0 2 2
xyz
xz xy
yz xz
;
=
=
=
32
0 ) 2 (
0 ) (
xyz
z y x
y x z

0 ; 0 ; 0 z y x . 2 ; z y y x = =

32 ) )( )( (
2
=
y
y y 4 ; 64
3
= = y y

2 ; 4 ; 4 = = = z y x ; son las dimensiones

48
max
= Area cm
2

x
y
z
Figura 4-10

INTERPRETACIN DEL MULTIPLICADOR DE LAGRANGE

En la mayora de las aplicaciones del mtodo de los multiplicadores de Lagrange
no es necesario calcular el valor numrico del multiplicador ; sin embargo ahora
analizaremos la importancia de la interpretacin del multiplicador .

Sea M el valor ptimo de ) ( X f , sujeta a la restriccin k X g = ) ( .

Entonces ) ( X f M = para alguna terna
n
n
R x x x ) ,......, , (
2 1
que satisfaga
las 1 + n ecuaciones que resultan de aplicar la condicin necesaria de ptimo a la
funcin de Lagrange:

=
=
=
=
k X g
g f
g f
g f
n n
x x
x x
x x
) (
' '
:
' '
' '
2 2
1 1
, adems las coordenadas de la terna

n
n
R x x x ) ,......, , (
2 1
,

dependen de k ya que los diferentes niveles de la restriccin llevarn por lo general
diferentes combinaciones ptimas de
i
x ; por lo tanto:

) ( X f M = ; donde
i
x dependen de k aplicando la regla de la cadena:

dk
dx
x
M
dk
dx
x
M
dk
dx
x
M
dk
dM
n
n
+ +
= ..........
2
2
1
1
o lo que es lo mismo:

dk
dx
f
dk
dx
f
dk
dx
f
dk
dM
n
x x x
n
' .......... ' '
2 1
2 1
+ + + = por que ) ( X f M = , o:

dk
dx
g
dk
dx
g
dk
dx
g
dk
dM
n
x x x
n
' .......... ' '
2 1
2 1
+ + + =
) ' .......... ' ' (
2 1
2 1
dk
dx
g
dk
dx
g
dk
dx
g
dk
dM
n
x x x
n
+ + + = ; o:


dk
dg
dk
dM
= aplicando la regla de la cadena,

Como k X g = ) ( 1 =
dk
dg
y por supuesto:

=
dk
dM

Esto quiere decir que representa el cambio del valor ptimo de
) ( X f debido a un incremento unitario de k , que es el margen de la restriccin. Visto
de otra forma; la variacin del valor ptimo de la funcin con respecto al valor
marginal de la restriccin.

Ejemplo 4-18 Un fabricante tiene asignado $60.000,00 para invertir en el
desarrollo y la promocin de un nuevo producto. Se ha calculado
que si gasta x miles de dlares en desarrollo y y miles de dlares
en promocin, se vendern aproximadamente y x y x f
2
3
20 ) , ( =
unidades del nuevo producto.

a.- Cunto dinero debe gastar el fabricante en desarrollo y cunto
en promocin para maximizar las ventas?

b.- Supngase que le aumentan la asignacin para invertir en
desarrollo y promocin a $60.200,00. Calcular de qu manera
afectar al nivel mximo de ventas los $200 adicionales.

Solucin: a.- El problema condicionado ser:

Maximizar y x y x f
2
3
20 ) , ( =
Sujeto a: 60 = + y x

) 60 ( 20 ) , , (
2
3
+ = y x y x y x L


(
(
(
=
(
(
(
(
=
0
0
0
60
20
30
2
3
2
1
y x
x
y x
L
, esto lleva a resolver el sistema:

= +
=
=
60
0 20
0 30
2
3
2
1
y x
x
y x
, la solucin es: 24 36 = = y x

Esto es; para maximizar las ventas, el fabricante debe invertir
$36.000,00 en desarrollo y $24.000,00 en promocin y vender
aproximadamente 103.680 unidades del nuevo producto.

b.- Como: =
dk
dM
, aplicando diferenciales tenemos:

k k
dk
dM
M = , calculemos

320 . 4 ) 36 ( 20 20
2
3
2
3
= = = x , 2 . 0 = k (miles de dlares)

864 ) 2 . 0 )( 320 . 4 ( = M

Lo que quiere decir que las ventas mximas del nuevo producto se
incrementarn aproximadamente en 864 unidades, si el presupuesto
se aumenta de $60.000,00 a $60.200,00

Hablando de maximizacin de utilidad sujeto a una restriccin presupuestaria, el
multiplicador de Lagrange es el cambio aproximado en la utilidad mxima, resultante
de un incremento unitario en el presupuesto y los entendidos en esta materia lo conocen
como utilidad marginal del dinero.

CONDICIONES DE KUHN TUCKER

Este procedimiento es utilizado cuando el problema condicionado tiene
restricciones de desigualdad y esta basado tambin en el mtodo de Lagrange.

Consideremos el problema:

Maximizar: ) ( X f z =

Sujeto a: 0 ) ( X g
i
; m i ,........, 2 , 1 =

Las restricciones de desigualdad pueden transformarse en igualdades
aumentndoles una variable no negativa que se la llama variable de holgura, para
asegurarnos la no negatividad tomemos esta variable como
2
i
S , m i ,......, 2 , 1 = ,
entonces el problema queda de la forma:

Maximizar: ) ( X f z =
Sujeto a: 0 ) (
2
= +
i i
S X g ; m i ,........, 2 , 1 =

Este es un problema al que le aplicamos el mtodo de multiplicadores de
Lagrange y la funcin de Lagrange ser de la forma:

) ) ( ( ) ( ) ,.., , , ,.., , , ,.., , (
2
2 1 2 1 2 1
S X g X f s s s x x x L
m m n
+ = 4-6

Donde: ) ,..., , (
2 1 n
x x x X =
n
R
) ,...., , (
2 1 m
s s s S =
m
R
) ,...., , (
2 1 m
=
m
R
)) ( ),...., ( ), ( ( ) (
2 1
X g X g X g X g
m
=
m
R

Dado que: 0 ) ( X g
i
, una condicin necesaria para la optimizacin es que
sea no negativa para casos de maximizacin y que sea no positiva para casos de
minimizacin; esto se justifica de la siguiente manera:

Como vimos anteriormente representa la tasa de variacin de ) ( X f con
respecto a ) (X g ,

g
f
=

conforme el lado derecho de la restriccin 0 ) ( X g aumenta sobre cero, el <espacio
solucin se hace menos restringido y, por lo tanto, ) ( X f no puede disminuir, esto
significa que 0 . De forma similar para la minimizacin, conforme aumenta un
recurso, ) ( X f no puede aumentar, lo que implica que 0 . Si las restricciones son
igualdades, es decir, 0 ) ( = X g entonces es no restringida en signo.

Las restricciones de son parte de las condiciones de Kuhn-Tucker, las
condiciones restantes las definiremos de la funcin de Lagrange, sacando las derivadas
parciales en la ecuacin 4-6 con respecto a X , S y tenemos:

0 ) ) ( (
,......, 3 , 2 , 1 ; 0 2
0 ) ( ) (
2
= + =
= = =
= =
S X g
L
m i S
S
L
X g X f
X
L
i i
i

Del segundo conjunto de estas ecuaciones podemos obtener los siguientes
resultados:

1. Si
i
no es cero, entonces 0
2
=
i
S , lo que significa que el recurso
correspondiente es escaso; por lo tanto, se consume por completo
(restriccin de igualdad)
2. Si 0
2
=
i
S , entonces 0 =
i
, lol que significa que el isimo recurso
no es escaso y, en consecuencia, no afecta el valor de ) ( X f

Del segundo y tercer conjunto de estas ecuaciones se infiere que:

m i X g
i i
,...., 3 , 2 , 1 ; 0 ) ( = =

Esta nueva condicin repite el argumento anterior , por cuanto 0 >
i
, implica
0 ) ( = X g
i
o 0
2
=
i
S . De igual manera, si 0 ) ( < X g
i
, 0
2
>
i
S y 0 =
i
.

Las condiciones necesarias de Kuhn-Tucker para que X y sean un punto
crtico del problema de maximizacin se resumen de la siguiente forma:

0 ) (
,..., 3 , 2 , 1 , 0 ) (
0 ) ( ) (
0
<
= =
=
=
X g
m i X g
X g X f
i i

Se puede demostrar como ejercicio que estas condiciones tambin se cumplen
para el caso de minimizacin con la excepcin de que debe ser no positiva. Tanto en
la maximizacin como en la minimizacin, los multiplicadores de Lagrange que
corresponden a las restricciones de igualdad no deben estar restringidos en signo.

Las condiciones de Kuhn-Tucker son necesarias y suficientes si la funcin
objetivo y el espacio solucin satisfacen ciertas condiciones con respecto a la
convexidad y a la concavidad, que son las siguientes:

Maximizacin: funcin obj. Cncava; espacio solucin Conjunto convexo

Minimizacin: funcin obj. Convexa; espacio solucin Conjunto convexo

Tomar en cuenta que en la prctica es ms fcil demostrar que una funcin es
convexa o cncava que demostrar que un conjunto es convexo.

Entonces un problema condicionado general, queda definido de la forma:

Maximizar o minimizar ) ( X f z =

Sujeta a:
m p i X g
p r i X g
r i X g
i
i
i
,...., 1 , 0 ) (
,..., 1 , 0 ) (
,..., 3 , 2 , 1 , 0 ) (
+ = =
+ =
=

[ ] [ ]

= + = + =
+ =
r
i
p
r i
m
p i
i i i i i i i i
X g S X g S X g X f S X L
1 1 1
2 2
) ( ) ( ) ( ) ( ) , , (

Donde
i
es el multiplicador asociado con la restriccin i.
Ejemplo 4-19 Considerar el siguiente problema condicionado de minimizacin:

Minimizar:
2 2 2
) , , ( z y x z y x f + + =

Sujeta a:
0 ) , , (
0 2 ) , , (
0 1 ) , , (
0 2 ) , , (
0 5 2 ) , , (
5
4
3
2
1
=
=
=
+ =
+ =
z z y x g
y z y x g
x z y x g
z x z y x g
y x z y x g

Solucin: Como es un caso de minimizacin, 0 y las condiciones de
Kuhn-Tucker se resumen de la siguiente forma:

0 ) (
0 .......
0
1 0 0
0 1 0
0 0 1
1 0 1
0 1 2
) , , , , ( ) 2 , 2 , 2 (
0 ) , , , , (
5 5 2 2 1 1
5 4 3 2 1
5 4 3 2 1
= = = =
=
(
(
(
(
(
(
X g
g g g
z y x

Estas condiciones generan las siguientes ecuaciones:

0 ) 1 (
0 ) 2 (
0 ) 5 2 (
0 2
0 2
0 2 2
0 , , , ,
3
2
1
5 2
4 1
3 2 1
5 4 3 2 1
=
= +
= +
= +
= +
= +
x
z x
y x
z
y
x

Ejercicios Optimizacin de funciones escalares 187

0 , 2 , 1
2
5 2
0
0 ) 2 (
5
4

+
+
=
=
z y x
z x
y x
z
y

La solucin de este conjunto de ecuaciones es:

4 , 2 , 0 , 0 , 2 , 1
4 3 5 2 1
= = = = = = = = z y x

Ya que tanto ) , , ( z y x f como el conjunto 0 ) , , ( z y x g son
convexos, ) , , , , (
i i
S z y x L debe ser convexa y el pinto crtico
encontrado es un mnimo restringido global.

EJERCICIOS

1.- Dada la funcin
y x
e y x f
3 2
) , (
+
=
a) Encontrar una frmula de Taylor de segundo orden para aproximar
esta funcin en una vecindad del punto (0,0).
b) Estime el error de aproximacin en (0.01, -0.03).

2.- Dada la funcin
( )
y e y x f
x
cos ) , (
2
1
=
a) Encontrar una frmula de Taylor de segundo orden para aproximar
esta funcin en una vecindad del punto (1,0).
b) Estime el error de aproximacin en (1.2, 0.2).

3.- Calcular aproximadamente el valor de:
3
97 . 0 03 . 15
98 . 0
+
=

4.- Utilice una aproximacin de Taylor para estimar el valor de:
( ) 02 . 2 98 . 0 2
3
03 . 0
+
e

Estimar el error de aproximacin con tres cifras significativas.

188 Ejercicios Optimizacin de funciones escalares
5.- Calcular aproximadamente el valor de:
3
98 . 0
97 . 24
03 . 2
=

6.- Si q es la capacitancia total de tres capacitores conectados en serie, tal que:
=
=
=
3
1
1 1
n
n n
q q

Si las medidas de los capacitores son q
1
=25F; q
2
=40F; q
3
=50F; con
errores del 0.5% en cada caso, estime el error mximo en el valor de q.

7.- Si el radio de un cilindro aumenta en un 1% y la altura en un 2%, determine
el porcentaje en el cual cambia el volumen y el rea total de la superficie
externa.

8.- Determinar y clasificar los puntos crticos de las siguientes funciones:

a) ( ) y xy x y x y x f + =
2 2
,
b) ( )
2 2
1 2 2
5 . 0
y x
e y x z

+ =
c) ( )
2 2 2 3
, x y y x x y x f + =
d) ( ) ( )( )
2 2
2 , y x y x y x f =
e) ( ) z z y y x x z y x f 2 2 2
3
1
, ,
2 2 3
+ + + =
f) ( )
xz y z y x
e z y x f
+ +
=
2
2 2 2
, ,
g) ( ) y x sen seny senx z + + + = ; en la regin
2
0 ,
2
0

y x

h)
( )
z y
z
x
y
w
x
w z y x w f
1
, , , + + + + + =

9.- La suma de tres nmeros es 50. Determinar el valor de cada uno de ellos
para que el producto sea mximo.

10. Sean tres nmeros positivos x, y, z determine el mximo producto de estos
tres nmeros, si se sabe que su suma es constante.

11. Utilice este resultado para determinar si es verdadera la siguiente
proposicin:
Ejercicios Optimizacin de funciones escalares 189

3
3
z y x
xyz
+ +

12. Hallar el volumen mximo de un slido rectangular que tiene la propiedad
de que la suma de las rea de las seis caras es
2
6a

13. Un paquete en forma rectangular se puede enviar por correo, si la suma de
su longitud y el permetro de una seccin transversal perpendicular a la
longitud es igual a 34cm. Encuentre las dimensiones del paquete de mximo
volumen que puede ser enviado por correo.

14. Demostrar que un triangulo es equiltero si el producto de los senos de sus
ngulos es mximo.

15. Determinar el volumen del paraleleppedo rectangular ms grande que
puede inscribirse en el elipsoide 1
2
2
2
2
2
2
= + +
c
z
b
y
a
x

16. Encuentre los puntos ms cercanos al origen de la superficie
16
2 3
= z xy
.
17. Cul es la distancia mnima entre
= +
= + +
1
0 1
:
2 2
2 2 2
y x
z xy y x
C
y el origen?

18. Determine el rea del paralelogramo de mxima rea que se puede inscribir
en una elipse de ejes 2 y 3.

19. Hallar la distancia ms cercana al origen y la curva
= +
=
4
16 2
:
2 2
y x
y x z
C

20. Hallar la distancia mnima entre 144 16 9
2 2
= + y x y 40 8 5 = + y x

21. Sea
2 2
100 ) , , ( y x z y x T + + = la temperatura en cada punto de la esfera
50
2 2 2
= + + z y x . Hllese la temperatura mxima en la curva de
interseccin de la esfera y el plano 0 = z x

22. Cual es la mxima rea que debe tener un rectngulo si la longitud de su
diagonal debe ser 2.

190 Ejercicios Optimizacin de funciones escalares
23. Obtenga los puntos sobre la curva de interseccin del elipsoide
36 9 4
2 2 2
= + + z y x y el plano 0 4 = z y x que estn ms cerca del
origen y calcular la distancia mnima.

24. Encontrar las dimensiones del paraleleppedo de volumen mximo que
puede ser inscrito en el slido limitado por el paraboloide
c
z
b
y
a
x
= +
2
2
2
2
y
el plano c z = .
25. Hallar los puntos de la superficie 1
2
= xy z ms prximos al origen.
26. Halle que dimensiones debe tener una caja rectangular de mximo volumen
tal que la suma de su largo, ancho y altura debe ser c.
27. La suma de tres nmeros x, y, z es 100, hllelos de tal modo que el producto
c b a
z y x ; donde a, b y c son constantes, sea mximo.
28. Hallar el mayor volumen que puede tener una caja rectangular donde el rea
total de su superficie debe ser igual a A.
29. Encontrar las dimensiones de la caja de mximo volumen que se puede
construir al recortar cuatro cuadrados en las esquinas de una plancha cuya
rea es igual a A.

CAPITULO 5
_______________________________

TRAYECTORIAS EN R
3

5.1 Interpretacin de una curva como una funcin vectorial de
variable escalar.
5.2 Definiciones de velocidad, rapidez, aceleracin y longitud de
curva.
5.3 Vectores unitarios elementales, curvatura y componentes de la
aceleracin para una curva en R
3
.
5.4 Frmulas prcticas para calcular las componentes tangencial,
normal de la aceleracin y curvatura.

5.5 Funciones vectoriales de variable vectorial.
5.6 Rotacional y divergencia de un campo vectorial.
5.7 Campos vectoriales gradientes.

La geometra es una ciencia del conocimiento
del ser, pero no de lo que esta sujeto a la
generacin o a la muerte. La geometra es una
ciencia de lo que siempre es

Platn.
5.1 INTERPRETACION DE UNA CURVA COMO UNA FUNCION
VECTORIAL DE VARIABLE ESCALAR.

Cuando estudiamos las ecuaciones paramtricas de una curva plana en el curso
de clculo elemental para funciones de variable real, vimos que una forma de
parametrizar una funcin de variable real ) (x f y = es de la forma:
=
=
)) ( (
) (
t g f y
t g x
; esto es, expresar tanto la variable independiente x como la
variable dependiente y en funcin de un tercer parmetro t .

De igual forma, en el captulo 2, estudiamos la forma paramtrica de expresar
una recta en R
3
. Sin temor a equivocarnos podemos expresar una curva cualquiera en
R
3
en forma paramtrica de la forma:
=
=
=
)) ( ), ( (
) (
) (
t y t x f z
t y y
t x x
, este razonamiento lo
podemos generalizar a la representacin paramtrica de una curva en R
n
, de la forma:

=
=
=
=
)) ( ),......., ( ), ( (
) (
) (
) (
2 1
2 2
1 1
t x t x t x f z
t x x
t x x
t x x
n
n n
, estas parametrizaciones son funciones
vectoriales; de
2
R R para una curva plana, de
3
R R para una curva en el
espacio tridimensional y de
n
R R para una curva en el espacio n dimensional;
estas parametrizaciones de trayectorias son funciones vectoriales de la forma:

)) ( ),........ ( ), ( ( ) (
2 1
t x t x t x t
n
=

Esta funcin, lo que hacen es transformar un nmero real del dominio en un
vector del espacio n dimensional en el rango o imagen de la funcin; as:

n
n
R U t x t x t x R b a t )) ( ),........ ( ), ( ( ) , (
2 1
, a estas se las
conoce como trayectorias en
n
R y son funciones vectoriales
n
R R b a t ) , ( : ) ( .
Entonces,
3
) , ( : ) ( R R b a t , es una trayectoria en R
3
como lo indica la
figura 5-1.

Definicin:

Una trayectoria en R
n
es una funcin vectorial de la forma:

n
n
R t x t x t x R b a t t )) ( ),........ ( ), ( ( ) , ( : ) (
2 1

Donde ) ( , ),........ ( ), (
2 1
t x t x t x
n
son sus componentes. Esta trayectoria es de
tipo C
1
(diferenciable, hasta sus derivadas contnuas) en su dominio (a, b) si cada
una de sus componentes son tambin de tipo C
1
en (a, b); ) ( ), ( b a son los
extremos de la trayectoria y su imagen es una curva en R
n

Entonces para una trayectoria en R
3
: )) ( ), ( ), ( ( ) ( t z t y t x t = ; ) (t x , ) (t y
y ) (t z son las componentes de la trayectoria y esta es diferenciable en (a, b) si y slo
si cada una de sus componentes son diferenciables en (a, b).

Ejemplo 5-1 Analizar el grfico de la funcin: ) cos 1 , ( ) ( t sent t t = ,
que es una curva plana conocida como la cicloide, formada por la
trayectoria que describe un punto de un crculo rodante de radio 1.

Y
Z
X
) (a

) (b
( )
a
b
) (t

Figura 5-1
Solucin: El crculo esta en el plano X,Y y rueda sobre el eje X, de tal
forma que su centro se mueve hacia la derecha sobre la recta
1 = y con rapidez constante de 1 radin por unidad de tiempo. El
punto del crculo rodante tiene un movimiento ms complicado y
es la imagen de ) (t , la curva que va describiendo se conoce
como la cicloide, la misma que se representa en la figura 5-2

Ejemplo 5-2 Representar una circunferencia de radio r como una trayectoria en
R
2
y discutir su grfico.

Solucin: El crculo de radio r es una trayectoria en R
2
y esta dada por la
funcin vectorial: ) , cos ( ) ( rsent t r t = que es la
parametrizacin de la circunferencia de radio r, usando
coordenadas polares, su grfico se aprecia en la figura 5-3.

) (t

Figura 5-3

r
x
y

Figura 5-2
1
Ejemplo 5-3 Analizar el grfico de la funcin: ) , , cos ( ) ( bt asent t a t = ,
que es una curva en R
3
, conocida con el nombre de hlice circular
recta.

Solucin: Esta curva representa una espiral circular donde a es el radio de la
espira y b es el espaciamiento entre espiras, su grfico se lo puede
apreciar en la figura 5-4.

5.2 DEFINICIONES DE VELOCIDAD, RAPIDEZ, ACELERACION Y
LONGITUD DE CURVA.

Si consideramos una partcula de masa desplazndose por una trayectoria ) (t ,
la forma vectorial de la trayectoria representa el desplazamiento de la partcula en
funcin del tiempo t, si la trayectoria es diferenciable, su diferencial como lo vimos en
el captulo 3 seccin 3-5, tiene una singular importancia en el estudio del
desplazamiento de dicha partcula.

Definicin:

Sea
n
n
R t x t x t x R b a t t )) ( ),....... ( ), ( ( ) , ( : ) (
2 1
, una trayectoria
de tipo
1
C en (a, b) el diferencial de ) (t es la matriz columna
[ ]
(
(
(
(
(
(
=
) ( '
) ( '
) ( '
) (
2
1
t x
t x
t x
t D
n
, que expresada como vector representa la velocidad de una
partcula que se desplaza por la trayectoria en el tiempo t y es tangente a la misma
en cualquier punto.

) (t
) 0 , 0 , (a
a
b
y
z
x

Figura 5-4
Si la trayectoria esta en R
3
es de la forma )) ( ), ( ), ( ( ) ( t z t y t x t = , su
velocidad es el vector k t z j t y i t x t ) ( ' ) ( ' ) ( ' ) ( ' + + = , que expresado como
matriz columna es el diferencial de la funcin vectorial, y es tangente a la
trayectoria en cualquier punto.

Definicin:

Sea
n
n
R t x t x t x R b a t t )) ( ),....... ( ), ( ( ) , ( : ) (
2 1
, una trayectoria
de tipo
1
C en (a, b) la norma del vector velocidad es la rapidez; representada por:

) ( ' ) ( t t S =

Para una trayectoria en R
3
la rapidez ser:

2 2 2
)) ( ' ( )) ( ' ( )) ( ' ( ) ( t z t y t x t S + + =

Definicin:

Sea
3
)) ( ), ( ), ( ( ) , ( : ) ( R t z t y t x R b a t t , una trayectoria de tipo
1
C en R
3
, la recta tangente a la curva en ) (
0
t , en forma vectorial y en
funcin del parmetro esta dada por:

) ( ' ) ( ) (
0 0
t t l + =

La recta tangente a la curva ) (t en R
3
, en forma paramtrica y en cualquier
punto ser:

) ( ' ) ( ) (
) ( ' ) ( ) (
) ( ' ) ( ) (
0 0
0 0
0 0
t z t z z
t y t y y
t x t x x

+ =
+ =
+ =

Ejemplo 5-4 Calcular el vector velocidad y la rapidez de la hlice
) , , (cos ) ( t sent t t = en R
3

Solucin:
(
(
(
= =
1
cos ) ( ' t
sent
t v ; k j t i sent v + + = ) (cos ) ( '
2 1 ) (cos ) ( ) (
2 2
= + + = = t sent v t S

Ejemplo 5-5 Considere una partcula que se mueve sobre la hlice
) , , (cos ) ( t sent t t = en
3
R ; inicia su movimiento en el punto
) 0 ( . En el tiempo t = la partcula deja la trayectoria y vuela
hacia fuera por la
tangente, encontrar la
posicin de la partcula en
el tiempo t = 2
suponiendo que ninguna
fuerza externa acta sobre
ella despus de abandonar
la trayectoria.

Solucin: ) , , (cos ) ( t sent t t =

) 1 , cos , ( ) ( ' t sent t =

) 0 , 0 , 1 ( ) 0 ( =
) , 0 , 1 ( ) ( = =
) 1 , 1 , 0 ( ) ( ' = t

Como se aprecia en la figura 5-5 el recorrido total lo realiza la
partcula por dos trayectorias; la primera es sobre la hlice ) (t ,
durante un tiempo = t y la segunda sobre la recta tangente a la
hlice en el punto ) ( y durante un tiempo = t , tambin, por
cuanto el tiempo total del recorrido es 2 ; por lo tanto al cabo del
tiempo 2 = t la partcula estar sobre la recta tangente y para
esto es necesario encontrar la ecuacin de la recta tangente a la
hlice en el punto ) ( :

= ) 0 ( ) 0 , 0 , 1 (
y
z
x
) (

) ( l
) ( l
) ( ' = y

Figura 5-5
) 1 , 1 , 0 ( ) , 0 , 1 ( ) ( + = l

Luego la posicin final de la partcula ser en el punto ) ( l

) 2 , , 1 ( ) ( = l ; por lo tanto en el tiempo 2 = t la
partcula se encuentra en el punto ) 2 , , 1 (

Como la rapidez, representa el tamao del vector velocidad en un punto dado, es
razonable pensar que la longitud del recorrido de una partcula desde a t = , hasta
b t = sea el limite de la longitud total de la poligonal que se formara por los vectores
entre cada dos puntos, hasta cubrir el total del recorrido, cuando se toman infinitos
vectores desde a t = hasta b t = . Esta observacin se la resume en la siguiente
definicin.

Definicin:

Sea
3
)) ( ), ( ), ( ( ) , ( : ) ( R t z t y t x R b a t t , una trayectoria de tipo
1
C en R
3
, la longitud de curva desde a t = hasta b t = , esta dada por:

=
b
a
dt t l ) ( ' ) (

Otra forma de expresar la longitud de curva ser:

+ + =
b
a
dt t z t y t x l
2 2 2
)) ( ' ( )) ( ' ( )) ( ' ( ) (

Si la curva esta en R
2
, la longitud de curva ser:

+ =
b
a
dt t y t x l
2 2
)) ( ' ( )) ( ' ( ) (

Definicin:

Sea
n
n
R t x t x t x R b a t t )) ( ),....... ( ), ( ( ) , ( : ) (
2 1
, una trayectoria
de tipo
2
C en (a, b) la aceleracin de una partcula de masa que se desplaza por
la trayectoria esta dada por: )) ( ' ' ), ( ' ' ), ( ' ' ( ) ( ' ' t z t y t x t a = =

Entonces resumiendo las definiciones que hemos estudiado hasta este punto
para una curva en R
3
son:

Definiciones:

( ) )) ( ), ( ), ( ( t z t y t x t = Vector posicin del punto

)) ( ' ), ( ' ), ( ' ( ) ( ' t z t y t x t v = = Vector velocidad del punto

)) ( ' ' ), ( ' ' ), ( ' ' ( ) ( ' ' t z t y t x t a = = Vector aceleracin del punto

( ) ( ) [ ] ( ) [ ] ( ) [ ]
2 2 2
' ' ' ' ) ( t z t y t x t t S + + = = Rapidez (escalar)

[ ] [ ] [ ]
+ + =
b
a
dt t z t y t x l
2 2 2
) ( ' ) ( ' ) ( ' ) ( Longitud de arco

Ejemplo 5-6 Encontrar la longitud de una circunferencia de radio r:
) , cos ( ) ( rsen r =

Solucin:

Ejemplo 5-7 Encontrar la longitud de curva de la hipocicloide:
) , (cos ) (
3 3
t sen t t = , de 0 = t a 2 = t

Solucin: Como podemos ver en la figura 5-6, la hipocicloide no es una
curva diferenciable en [ ] 2 , 0 ; por lo tanto, para encontrar su
longitud total lo podemos hacer calculando la longitud de una de
sus ramas; del punto ) 1 , 0 ( ) 0 , 1 ( punto al y por ser simtrica
esta longitud la multiplicamos por 4, as:
r d r d r L
d Cos r Sen r L
d Cos r Sen r L

2
) ( ) (

2
0
2
0
2
2
0
2 2 2 2
2
0
2 2
= = =
+ =
+ =

+ =
2
0
2 2 2 2
) cos 3 ( ) cos 3 ( 4

dt t t sen sent t L

+ =
2
0
2 4 2 4
cos cos 12

dt t t sen t sen t L

2
2
0
2
0
2
12 cos 12

= =
t sen
dt tt sent L

6 = L

Ejemplo 5-8 Encontrar la longitud de trayectoria ( ) 0 |, | |, | ) (
2
1
= t t t de
[ ] 1 , 1 .

Solucin: Este recorrido se lo puede apreciar en la figura 5-7 y por tratarse de
una curva con la presencia de valor absoluto tampoco es
diferenciable de [ ] 1 , 1 y la podemos tomar por fragmentos de la
siguiente manera:

[ ]
[ ]
[ ] 1 , ) 0 , , ( ) (
, 0 ) 0 , , ( ) (
0 , 1 ) 0 , , ( ) (
2
1
2
1
3
2
1
2
1
2
2
1
1
de t t t
de t t t
de t t t
=
+ =
+ =

) (t
) ( ' t

1
1
1
1
Imagen de
) , (cos ) (
3 3
t sen t t =

Figura 5-6

3 2 1
L L L L + + =

+ + + + + =
0
1 0
1
2
1
2
1
1 1 1 1 1 1 dt dt dt L

2 2 2
2
2
2
2
= + + = L

Ejemplo 5-9 Dada la hlice ( ) t t sen t t 5 , 2 , 2 cos ) ( = en [ ] 4 , 0 ,
calcular:
a.- La velocidad en 2 = t .
b.- La aceleracin en 2 = t .
c.- La rapidez en 2 = t .
d.- la longitud de curva desde 0 = t a 4 = t .

Solucin: a.- ) 5 , 2 cos 2 , 2 2 ( ) ( ' t t sen t =
) 5 , 2 , 0 ( ) 2 ( ' ) 2 ( = = v

b.- ) 0 , 2 4 , 2 cos 4 ( ) ( ' ' t sen t t =
) 0 , 0 , 4 ( ) 2 ( ' ' ) 2 ( = = a

c.- 3 5 2 cos 4 2 4 ) (
2 2
= + + = t t sen t S
3 ) 2 ( = S ; constante, independiente de t.

d.-
= =
4
0
12 3dt L
X
Y
) 1 (

( )
2
1

( )
2
1

) 0 (

1 2
1
Figura 5-7
5.3 VECTORES UNITARIOS ELEMENTALES CURVATURA Y
COMPONENTES DE LA ACELARACION PARA UNA CURVA EN R
3
.

Ahora aplicaremos los conceptos bsicos estudiados en la seccin anterior al
movimiento de una partcula sobre la trayectoria y a la interpretacin geomtrica de la
misma. Cuando una partcula se desplaza sobre una trayectoria C, su velocidad puede
cambiar lenta o rpidamente dependiendo de si la curva se dobla en forma gradual o
brusca, respectivamente. Para medir la rapidez con que se encorva, o cambia de forma
una curva, se usa el concepto de curvatura, que en otras palabras seria la mediad de la
rapidez con que la curva se tuerce o se dobla en un punto dado.

Comencemos con los conceptos bsicos que son; los de Vector Tangente
Unitario y Vector Normal Unitario.

Definicin:

Sea
n
n
R t x t x t x R b a t t )) ( ),....... ( ), ( ( ) , ( : ) (
2 1
, una trayectoria
de tipo
2
C en (a, b), se conoce como vector tangente unitario, denotado por
) (t T , a:
) ( '
) ( '
) (
t
t
t T
= ; de igual forma se conoce como vector normal unitario,

denotado por ) (t N , a:
) ( '
) ( '
) (
t T
t T
t N = .

Como se puede apreciar en la
figura 5-8 ) (t T y ) (t N son vectores
ortogonales y el primero es tangente a la
curva y el segundo normal a la misma;
adems es fcil demostrar que ) (t T y
) (t N son ortogonales.

Ejemplo 5-10 Demostrar que los
vectores tangente y
normal unitarios
son perpendiculares
en cualquier punto
de la curva.

X
Y
Z
Figura 5-8
C
) (t N

) (t T
P
) (t
Solucin: 1 ) ( = t T ; por ser un vector unitario
1 ) ( ) ( = t T t T ; propiedad del producto interno, seccin 1-5
[ ] [ ] 1 ) ( ) ( D t T t T D = ; aplicando la regla de la cadena
0 ) ( ' ) ( ) ( ) ( ' = + t T t T t T t T
0 ) ( ' ) ( 2 = t T t T lo que demuestra que ) (t T y ) ( ' t T son
ortogonales.

Ejemplo 5-11 Dada la hlice ) 3 , 4 , cos 4 ( ) ( t sent t t = para 0 t , encontrar
los vectores ) (t T y ) (t N en cualquier punto.

Solucin: ) 3 , cos 4 , 4 ( ) ( ' t sent t =
) , cos , (
5
) 3 , cos 4 , 4 (
) (
5
3
5
4
5
4
t sent
t sent
t T =
=

) 0 , , cos ( ) ( '
5
4
5
4
sent t t T =
) 0 , , cos (
) 0 , , cos (
) (
5
4
5
4
5
4
sent t
sent t
t N =

=

A continuacin; primero definamos curvatura para una curva plana, para luego
hacerlo para una curva en R
3
.

Como lo dijimos anteriormente,
una curva plana puede parametrizarce de
muchas maneras; supongamos que la
paramatrizamos en funcin de la longitud
de arco s , como lo vemos en la figura 5-
9 cualquier punto de la curva plana C
estar dado por: )) ( ), ( ( ) ( s y s x s r = ,
donde s , en este caso, es la longitud de
curva de los puntos A a P, derivando con
respecto a s se obtiene el vector tangente

j
ds
dy
i
ds
dx
s r + = ) ( '

y su norma es:
X
Y
Figura 5-9
C
A
P
s
) (s r
) ( ' s r
1 ) ( '
2 2 2
= |
\
|
= |
\
|
+ |
\
|
=
ds
ds
ds
dy
ds
dx
s r ; por cuanto, como se vio en el
curso de clculo elemental para funciones de variable real, el diferencial de longitud de
arco es: dt
dt
dy
dt
dx
dy dx ds
2 2
2 2
) ( ) ( |
\
|
+ |
\
|
= + = .

En base a lo anterior ) ( ' s r es un vector unitario tangente a la curva C en el
punto P, como se aprecia en
la figura 5-9, a este vector lo
denotamos por ) (s T . En la
figura 5-10 observamos que
es el ngulo que forma
) (s T con el vector unitario
i , la rapidez de variacin de
con respecto a s esta
medida por
ds
d
y en el
mismo grfico podemos
apreciar que esta rapidez de
variacin es pequea en los
puntos Q y V, donde la
curva se dobla levemente;
mientras que en los puntos R
y W esta rapidez de
variacin es grande y aqu la
curva se dobla en forma abrupta. Estas observaciones se concretan en la siguiente
definicin.

Definicin:

Sea C una curva plana regular, dada por: )) ( ), ( ( ) ( s y s x s r = , donde el parmetro
s es la longitud de curva y sea el ngulo que forma el vector tangente unitario
) (s T con el vector unitario i , la curvatura k de la curva C en el punto P(x, y) esta
dada por:

ds
d
k

=

X
Y
Y
Figura 5-10
R
V
W
C
P
Q
i
) (s T

Ejemplo 5-12 Demostrar que la curvatura de una recta es cero en todos sus
puntos.

Solucin: Como se aprecia en la
figura 5-11, en todos los
puntos de la recta l el
ngulo es constante;
por lo tanto 0 =
ds
d
y
por lo tanto 0 = k en
todos sus puntos.

Ejemplo 5-13 Demostrar que la curvatura en todos los puntos de una
circunferencia de radio R es
R
1
.

Solucin: En la figura 5-12
hemos graficado una
circunferencia de
radio R y con centro
en el origen; P es un
punto de la
circunferencia en el
primer cuadrante
es el ngulo AOP
medido en radianes y
s es la longitud de
arco AP, por lo tanto:

R s = ;
R
s
= ;

en la figura 5-12 podemos ver:

2 2

+ = + =
R
s
; derivando con respecto a s:

X
Y
Figura 5-11
P
i
) (s T

cte =
l
X
Y
Y
Figura 5-12

0
P
) (s T

) 0 , (k A

0
1
+ =
R ds
d

R ds
d
k
1
= =

Como mensaje del ejemplo 5-13 podemos definir radio de curvatura, denotado
por , como el radio de una circunferencia imaginaria a la que pertenecera el arco de
curva C; con esto es fcil interpretar que el radio de curvatura de un recta es infinito y
el de cualquier otra curva regular que no sea recta es un valor finito definido por:
k
1
= ; el inverso de la curvatura. 5-1

Si la curva plana esta como ) (x f y = :

' tan y = de donde, ' tan
1
y
= 5-2

Derivando con respecto a x y aplicando la regla de la cadena se tiene:

dx
ds
ds
d
dx
d
= ,
dx
ds
dx
d
ds
d

= 5-3

Como la curvatura es el valor absoluto de la variacin de con respecto a s ,
de la ecuacin 5-3:

dx
ds
dx
d
k

= ; De la ecuacin 5-2;
' '
) ' ( 1
1
2
y
y dx
d
+
=
y por otro lado

2
) ' ( 1 y ds + = ; entonces:

[ ]
2
3
2
) ' ( 1
' '
y
y
k
+
= 5-4

La ecuacin 5-4 servira para calcular la curvatura de una curva plana cuando se
tiene a la curva de la forma normal de expresar una funcin de variable real
) (x f y = .
Si la curva esta dada en forma paramtrica )) ( ), ( ( ) ( t y t x t = tenemos:

) ( '
) ( '
tan
t x
t y
= ;
|
|
\
|
=

) ( '
) ( '
tan
1
t x
t y
, derivando esta ltima:
( )
2 2
)) ( ' (
) ( ' ) ( ' ' ) ( ' ' ) ( '
) ( ' ) ( ' 1
1
t x
t y t x t y t x
t x t y
dt
d
+
=
, adems:
2 2
)) ( ' ( )) ( ' ( t y t x
dt
ds
+ = , entonces:

[ ]
2
3
2 2
)) ( ' ( )) ( ' (
) ( ' ) ( ' ' ) ( ' ' ) ( '
t y t x
t y t x t y t x
dt ds
dt d
ds
d
k
+
= = =

5-5

La ecuacin 5-5 sirve para calcular la curvatura de una curva plana cuando esta
est dada en forma paramtrica.

Sea C una curva regular en el espacio tridimensional, el anlisis de la curvatura
no puede hacerse en forma anloga al que acabamos de hacer para una curva plana por
cuanto el ngulo no es nico; por lo tanto el anlisis lo vamos hacer desde otro
enfoque que es similar al usado para curvas en dos dimensiones.

En dos dimensiones, el vector tangente unitario ) (s T se lo puede, tambin,
escribir:

j sen i s T + = cos ) ( , donde es el mismo ngulo del que hablamos
anteriormente, derivando esta ltima con respecto a s tenemos:

) cos ( cos ) ( ' j i sen
ds
d
j
ds
d
i
ds
d
sen s T

+ = + = , su norma ser:

k
ds
d
j i sen
ds
d
s T = = + =

cos ) ( ' .

Este es el enfoque que usaremos para analizar la curvatura en tres dimensiones,
escribiremos el vector tangente unitario ) (s T sin hacer referencia al ngulo y luego
definiremos k como:
) ( ' s T k = 5-6
Dada la curva en R
3
de la forma )) ( ), ( ), ( ( ) ( s z s y s x s r = , como lo vimos
anteriormente:

1 ) ( '
2 2 2 2
= |
\
|
= |
\
|
+ |
\
|
+ |
\
|
=
ds
ds
ds
dz
ds
dy
ds
dx
s r

Lo que quiere decir que ) ( ' ) ( s r s T = .

Si la curva esta dada en funcin del parmetro t , de la forma:
)) ( ), ( ), ( ( ) ( t z t y t x t = , el vector tangente unitario tambin lo podemos escribir de
la forma:

) ( '
) ( '
) (
t
t
s T
= y por tanto: ) ( ' ) ( ) ( ' t s T t = 5-7

En la 5-7 como ) ( ' t es la velocidad ) (t v y ) ( ' t es la rapidez conocida
como la razn de cambio de la longitud de curva con respecto al tiempo, tenemos:

) ( ) ( s T
dt
ds
t v = , derivando esta expresin con respecto al tiempo, tenemos:

dt
ds
s T
dt
ds
s T
dt
s d
dt
s T d
dt
ds
s T
dt
s d
t v t a ) `( ) (
)) ( (
) ( ) ( ' ) (
2
2
2
2
+ = + = =

) `( ) ( ) ( ' ) (
2
2
2
s T
dt
ds
s T
dt
s d
t v t a
|
\
|
+ = = 5-8

Como se demostr en el ejemplo 5-10, las vectores ) (s T y ) ( ' s T son
perpendiculares; entonces el normal unitario en funcin del parmetro s esta dado por:

) `(
) ( '
) (
s T
s T
s N = , remplazando 5-6 en esta ltima tenemos:

k
s T
s N
) ( '
) ( = , o lo que es lo mismo: ) ( ) ( ' s kN s T = 5-9
Remplazando 5-9 en 5-8, tenemos:
) ( ) ( ) ( ' ) (
2
2
2
s N
dt
ds
k s T
dt
s d
t v t a
|
\
|
+ = = 5-10

Como la aceleracin se puede escribir de la forma:

) ( ) ( ) ( s N a s T a t a
N T
+ =
donde
T
a es la componente
tangencial de la aceleracin y
N
a
la componente normal de la
aceleracin; podemos deducir de la
ecuacin 5-10, que:

2
2
dt
s d
dt
dv
a
T
= = 5-11

2
2
|
\
|
= =
dt
ds
k kv a
N
5-12

La figura 5-13 permite
apreciar cada una de estas componentes de la aceleracin.

5.4 FRMULAS PRCTICAS PARA CALCULAR LAS COMPONENTES
TANGENCIAL, NORMAL DE LA ACELERACIN Y CURVATURA.

Dada una curva en R
3
como una funcin vectorial de la forma
)) ( ), ( ), ( ( ) ( t z t y t x t = , la componente tangencial de la aceleracin es la
proyeccin escalar de la aceleracin en la direccin del vector tangente unitario; por lo
tanto:

) ( '
) ( '
) ( ' ' ) ( ) (
t
t
t t T t a a
T
= = , de aqu:

) ( '
) ( ' ' ) ( '
t
t t
a
T

= 5-13

X
Y
Z
Figura 5-13
) (s T

) (s N

) (t a

2
|
\
|
=
dt
ds
K a
N

2
2
dt
s d
a
T
=

De igual forma que calculamos la ) (t a en funcin de ) (s T y ) (s N en la
ecuacin 5-10, tambin podemos expresar ) (t v en funcin de ) (s T de la siguiente
forma:
) ( ) ( ) ( s T
dt
ds
s vT t v = = , ahora hagamos el producto vectorial ) ( ) ( t a t v :

|
|
\
|
|
\
|
+ |
\
|
= ) ( ) ( ) ( ) ( ) (
2
2
2
s N
dt
ds
k s T
dt
s d
s T
dt
ds
t a t v

( ) ( ) ) ( ) ( ) ( ) ( ) ( ) (
3
2
2
s N s T
dt
ds
k s T s T
dt
s d
dt
ds
t a t v |
\
|
+
|
|
\
|
|
\
|
=
, como:

0 ) ( ) ( = s T s T ) ( ) ( ( ) ( ) (
3
s N s T
dt
ds
k t a t v
|
\
|
= , sacando la
norma en esta ltima igualdad vectorial, y sabiendo que: 1 ) ( ) ( = s N s T , tenemos:

3
) ( ) (
|
\
|
=
dt
ds
k t a t v 5-14

Viendo la ecuacin 5-12, podemos decir que la componente normal de la
aceleracin deducida de la ecuacin 5-14, y sabiendo que
dt
ds
es la rapidez,es:

) ( '
) ( ' ' ) ( '
t
t t
a
N

= 5-15

De la 5-14 tambin podemos deducir una expresin prctica para la curvatura:

3
) ( '
) ( ' ' ) ( '
t
t t
k

= 5-16

Ejemplo 5-14 Dada la trayectoria:
) cos , cos 1 ( ) ( t sent sent t t + + = , encontrar:
a.- La velocidad y la rapidez.
b.- La aceleracin tangencial, la aceleracin normal, la curvatura y
el radio de curvatura

Solucin: a.- j Cost Sent i Sent Cost t ) ( ) 1 ( ) ( + + + =

[ ] j Sent Cost i Cost Sent t t D v ) ( ) ( ) ( ' ) ( + = = =

2 2
) ( ) ( Sent Cost Sent Cost v rapidez + = =
t sen tsent t t sen tsent t v
2 2 2 2
cos 2 cos cos 2 cos + + + + =

2 = v

b.- j t sent i sent t t a ) cos ( ) cos ( ) ( ' ' + + = =

2
) cos )( (cos ) cos )( cos ( t sent sent t sent t t sent
a
T
+ +
=

0 =
T
a

0 cos cos
0 cos cos ) ( ' ' ) ( '
t sent sent t
sent t t sent
k j i
t t
+
=
k t t 2 ) ( ' ' ) ( ' =

2
2
2
= =
N
a

2
2 2
= + =
N T
a a a
t t sent t sen t tsent t sen a
2 2 2 2
cos cos 2 cos cos 2 + + + + =
2 = a

( )
2
2
2
1
2
2
3
= = = k

2
1
= =
k

Ejemplo 5-15 Dada la trayectoria:
) , , ( ) (
3 2
t t t t = , encontrar:
a.- La velocidad y la rapidez, para 1 = t .
b.- La aceleracin tangencial, la aceleracin normal, la curvatura y
el radio de curvatura, para 1 = t .

Solucin: a.- k t j t ti t
3 2
) ( + + =

[ ] k t tj i t t D v
2
3 2 ) ( ' ) ( + + = = =

k j i v
t
3 2
1
+ + =
=

4 2 2 2 2 2
9 4 1 ) 3 ( ) 2 ( ) 1 ( t t t t v rapidez + + = + + = =

14 9 4 1
1
= + + =
= t
v

b.- tk j t a 6 2 ) ( ' ' + = =

4 2
3
9 4 1
18 4
t t
t t
a
T
+ +
+
=

7
14 11
14
22
1
= =
= t
T
a

t
t t
k j i
t t
6 2 0
3 2 1 ) ( ' ' ) ( '
2
=
k tj i t t t 2 6 6 ) ( ' ' ) ( '
2
+ =

4 2
2 4
9 4 1
4 36 36
t t
t t
a
N
+ +
+ +
=

7
38
1
=
= t
N
a

Para 1 = t :
40
49
1960
2 2
= = + =
N T
a a a
40 36 4 = + = a

( )
7
38
14
1
14
76
3
1
= =
= t
k

38
7
14
1
1
= =
=
k
t

5.5 FUNCIONES VECTORIALES DE VARIABLE VECTORIAL.

En el capitulo 2 seccin 2-6, cuando hablamos de las funciones de varias
variables, mencionamos a las funciones vectoriales de variable vectorial como aquellas
que transforma un vector del dominio R
n
en otro vector del rango R
m
; esto es:

Podemos citar algunos ejemplos prcticos de este tipo de funciones como:

Imaginmonos un gas comprimido en una cmara; y en el, una funcin vectorial
que relaciona un punto cualquiera del interior de la cmara con la velocidad del gas de
una partcula del mismo situada en dicho punto del interior de la cmara; esta funcin
vectorial relaciona:

Como se puede ver es una funcin vectorial de R
3
a R
3

5.6 ROTACIONAL Y DIVERGENCIA DE UN CAMPO VECTORIAL.

Definicin:

Dado un campo vectorial
3 3
: R R U F , ( )
3 2 1
, , F F F F = diferenciable,
definido en el conjunto abierto U en
3
R , el operador
|
|
\
|
z y x
, , ; al
producto vectorial ( ) F se lo llama rotacional del campo y se lo simboliza
F rot .

( )
k
y
F
x
F
j
x
F
z
F
i
z
F
y
F
F
F F F
k j i
F F
z y x
|
|
\
|
+
|
\
|
+
|
|
\
|
=
= =
1 2 3 1 2 3
3 2 1
rot
rot

Observaciones
El rotor del campo es un vector
Es aplicable para verificar si un campo vectorial es gradiente o no.
Es aplicable para verificar si un campo vectorial es de fuerzas rotacionales o
no.

Ejemplo 5-16 Encontrar el rotacional del campo
( ) ( ) ( )k x z j xyz i y x z y x F + + + + =
2 2
, ,

Solucin:
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( )k yz j i xy
k y x
y
xyz
x
j x z
x
y x
z
i xyz
z
x z
y
x z xyz y x
z y x
k j i
F
1 1 0 0
rot
2
2 2 2
2 2
+ + =
|
|
\
|
+
+
|
\
|
+
+
|
|
\
|
=
+ +
=
k yz j i xy F ) 1 ( rot + =

Teorema 5-1

Demostracin:

( ) 0 , 0 , 0
rot
2 2 2 2 2 2
=
|
|
\
|

+
|
|
\
|

+
|
|
\
|

=
=
k
y x
f
x y
f
j
x z
f
z x
f
i
z y
f
y z
f
k j i
f
z
f
y
f
x
f
z y x

0 rot = f

Definicin:
Sea R R U f
3
: ; una funcin de clase C
2
definida el conjunto abierto U de
R
3
. Su gradiente
3 3
: R R U f , ( )
z
f
y
f
x
f
f

= , , . Entonces el rotacional
del gradiente es cero.

Dado un campo vectorial
3 3
: R R U F , ( )
3 2 1
, , F F F F = diferenciable,
definido en el conjunto abierto U en
3
R , el operador
|
|
\
|
z y x
, , ; al
producto vectorial ( ) F se lo llama divergencia del campo y se lo simboliza
F div .

( ) ( )
z
F
y
F
x
F
F F F
z y x
F F
=
|
|
\
|
= =
3 2 1
3 2 1
, , , , div

Observaciones
La divergencia del campo es un escalar
La divergencia slo se aplica para funciones vectoriales

Ejemplo 5-17 Encontrar la divergencia del campo
( ) ( ) xyz z y x e z y x F
xyz
, , , ,
2 2 2
+ + =

Solucin:
( )
( ) ( ) ( )
xy y yze
xyz
z
z y x
y
e
x
xyz z y x e
z y x
F
xyz
xyz
xyz
+ + =
+ + +
=
+ +
|
|
\
|
=
2
, , , , div
2 2 2
2 2 2
xy y yze F
xyz
+ + = 2 div

Teorema 5-2

Demostracin:

Sea
3 3
: R R U F ; un campo de clase C
2
definida el conjunto abierto U de
R
3
. Entonces la divergencia del rotacional del campo es cero.

k
y
F
x
F
j
x
F
z
F
i
z
F
y
F
F
|
|
\
|
+
|
\
|
+
|
|
\
|
=
1 2 3 1 2 3
rot
( )
0
rot div
1
2
2
2
1
2
3
2
2
2
3
2
1 2 3 1 2 3
=

=
|
|
\
|
+
|
\
|
+
|
|
\
|
=
z y
F
z x
F
y x
F
y z
F
x z
F
x y
F
y
F
x
F
z x
F
z
F
y z
F
y
F
x
F

( ) 0 rot div = F

5.7 CAMPOS VECTORIALES GRADIENTES.

Una funcin vectorial en R
3
,
( ) ( ) ( ) ( ) ( ) z y x f z y x f z y x f z y x F , , , , , , , , , ,
3 2 1
= puede ser una funcin gradiente;
lo que quiere decir que puede tratarse del gradiente de una cierta funcin escalar (f) en
cuyo caso la funcin f se la llama funcin potencial del campo.
Las funciones gradientes constituyen campos conservativos (en los cuales el
trabajo es independiente de la trayectoria), las funciones que no son gradientes
constituyen campos disipativos o no conservativos (en los cuales el trabajo no es
independiente de la trayectoria).
Averiguamos si un campo vectorial F es o no gradiente con su rotor, si es igual a
cero es un campo gradiente, si distinto a cero no es gradiente. Cuando un campo es
gradiente podemos encontrar su funcin potencial.

Ejemplo 5-18 Investigar si el campo vectorial ( ) xj yi z y x F = , , es o no un
campo gradiente

0 rot = F
0 rot F
Campo Vectorial
Gradiente
Campo Vectorial
No gradiente
Campo
Vectorial
F
Funcin
Potencial
No tiene
Funcin Potencial
Solucin: 0 2 ) 1 1 ( 0 0
0
rot = + + =
k k j i
x y
k j i
F
z y x

( )
k
y
F
x
F
j
x
F
z
F
i
z
F
y
F
F
F F F
k j i
F F
z y x
|
|
\
|
+
|
\
|
+
|
|
\
|
=
= =
1 2 3 1 2 3
3 2 1
rot
rot

F no es un campo gradiente

Ejemplo 5-19 Averiguar si el campo vectorial
( ) ( )
2 2 3
3 , , 2 , ,
2 2
yz e x z xye z y x F
y x y x
+ = es o no
conservativo, y en caso de serlo determinar su funcin potencial.

Solucin:

( ) ( )
0
) 2 2 2 2 (
0 0 3 3
3 2
rot
2 2 2 2
2 2
3 3
2 2
2 2 3
=
+ +
+ =
+
=
k ye x xe ye x xe
j i z z
yz e x z xye
k j i
F
y x y x y x y x
y x y x
z y x

F es un campo gradiente
( ) ( )
( ) ( ) ( )
( ) ( ) y x k y z z yz z y x f yz
z
f
z x k e y z y e x z z y x f e x z
y
f
z y k e x xye z y x f xye
x
f
z
y x
y
y x y x
y x
x
y x y x
, 3 , , 3
, , ,
, 2 , , 2
3 2 2
3 2 3 2 3
2 2 2
2 2 2
+ = = =
+ + = + = + =
+ = = =
( ) k y z e z y x f
y x
+ + =
3
2
, ,

CAPITULO 6
______________________________

INTEGRALES MULTIPLES

6.1. Integrales dobles.
6.2. Clculo de una integral doble en regiones generales.
6.3. Cambio de orden de integracin.
6.4. Cambio de variable en una integral doble.
6.5. Aplicaciones de la integral doble al clculo de reas y
volmenes.
6.6. Integrales triples.
6.7. Integrales triples en regiones generales.
6.8. Cambio de variable en una integral triple.
6.9. Aplicaciones de la integral triple al clculo de volmenes.

infinito

6.1 INTEGRALES DOBLES.

Dada una funcin ( ) y x f z , = en
2
R D tal que 0 > z , ( ) D y x , ;
queremos encontrar el volumen del slido limitado por f arriba de D, donde D es una
regin rectangular definida por el producto cartesiano de 2 intervalos de R:
[ ] [ ] [ ] [ ] d c y b a x d c b a D , , / , , = .

Figura 6-1

Dividimos al intervalo [ ] b a, y [ ] d c, en n particiones. Queda D dividida en
n celdas y cada celda tiene un rea ( ) y x . Sea V el volumen arriba de una
celda cualquiera si x y y son incrementos infinitesimales, entonces V puede
considerarse como un paraleleppedo y su volumen ser:
( ) x y y x f V = ,
Si consideramos V como la suma de los volmenes de arriba de cada celda:
( )

= =
= =
n
j
j
n
i
i ij
y x y x f V V
1 1
,
Cuando se toma un nmero de particiones n muy grande entonces tendremos:
( )
( )

=
=
= =

d
c
b
a
n
j
j
n
i
i ij
n
y x y x f V
y x y x f V
,
, lim
1 1

z = f(x,y)
x
z
x
y
y
a
b
c d
Observaciones
i) La integral doble es un lmite
a) Puede existir o no
b) Si existe es un nmero real.
ii) Sirve para calcular el volumen limitado por una funcin arriba de una regin D.
D se llama Regin de Integracin y para el caso de la integral doble es un
subconjunto de R
2
(regin plana cualquiera).
a, b y c, d son los lmites y van de acuerdo a la ubicacin del diferencial

( )

d
c
b
a
y x y x f , = ( )

b
a
d
c
x y y x f ,

La integral se evala en dos procesos de la integral definida independientes
considerando la constante la variable que no se integra; siempre se evala primero la
integral interna, luego la externa.

Ejemplo 6-1 Calcular ( )
+
Q
y x y x xy
3 2
2 3 ; donde [ ] [ ] 4 , 2 3 , 1 = Q

Solucin: Resolvemos con el orden de integracin indicado
( )
64
120 112 72
2
3
56
6
2
3
56
12
3
2
2
3
2 3
4
2
4 2
4
2
3
4
2
3
1
3 3
2 4
2
3
1
3 2
=
+ =
(
+ =
\
|
+ =
+ =
(

y y y
y y y
y x y x
y x
y x y x xy

interna
externa
interna
externa
Ahora resolvemos cambiando el orden de integracin indicado
( )
( )
[ ]
64
120 112 72
60 4 9
60 12 18
4 3
2
2
3
2 3
3
1
3 2
3
1
2
3
1
4
2
4
2
2 3
1
4
2
3 2
=
+ =
+ =
+ =
+ =
(

x x x
x x x
x
y
y x
xy
x y y x xy

Propiedades
Sean f, g dos campos escalares integrables en
2
R D , sea R :
1. ( )

=
D D D
A g A f A g f .
2.

=
D D
A f A f .
3. Si g f , ( ) D y x , ; entonces

D D
A g A f .
4.

D D
A f A f
5. Sea
n
D D D D Q = K
3 2 1
; entonces:

=
=
+ + + + =
n
i
D Q
D D D D Q
i
n
A f A f
A f A f A f A f A f
1
3 2 1
L

6.2 CLCULO DE UNA INTEGRAL DOBLE EN REGIONES GENERALES.

Adoptaremos tres tipos de regiones planas:

Tipo 1

Figura 6-2

( ) ( ) ( ) { } x f y x f b x a R y x D
2 1
2
/ , :

Tipo 2

Figura 6-3

( ) ( ) ( ) { } d y c y g x y g R y x D
2 1
2
/ , :

Tipo 3
Este tipo de regiones pueden ser tipo 1 o tipo 2 indistintamente. Las regiones
tipo 3 son en realidad las regiones generales

d
c
g
1
(y)
x
y
D
g
2
(y)
a b
f
2
(x)
f
1
(x)
x
y
D

Figura 6-4

Sea D, regin de integracin, una regin plana tipo 3; evaluar:
( )

D
y x y x f ,

Figura 6-5

Suponemos a D de tipo 1, totalmente incluida en una regin R rectangular y
definimos ( ) y x f ,
)
de la siguiente manera:
( )
( ) ( )
( )
=
D y x
D y x y x f
y x f
, ; 0
, ; ,
,
)

a b
f
2
(x)
f
1
(x)
x
y
D
c
d
R
x
y
D
x
y
D

Figura 6-6

Suponemos a D de tipo 1, totalmente incluida en una regin R rectangular y
definimos ( ) y x f ,
)
( )
( ) ( )
( )
=
D y x
D y x y x f
y x f
, ; 0
, ; ,
,
)

Resolviendo la integral:
( ) ( )
( )
( )
( )
( )
( )
( ) x y y x f
x y y y x f y x y f
x y y x f x y y x f
b
a
x f
x f
b
a
d
x f
x f
x f
x f
c
b
a
d
c
R D
=
(
(
+ + =
(
=
=

) (
) (
2
1
2
2
1
1
,
, 0
,

Entonces tenemos:
( ) ( ) x y y x f x y y x f
b
a
x f
x f D
=

) (
) (
2
1
, , D es una regin tipo 1
De idntica manera:
( ) ( ) y x y x f y x y x f
d
c
x g
x g D
=

) (
) (
2
1
, , D es una regin tipo 2
z = f(x,y)
x
z
y
a
b
c d
f
2
(x) f
1
(x)
D
R

D
A y x
2 2
; donde D es la regin sombreada de la figura

Figura 6-7

Solucin: Resolvemos tomando diferenciales horizontales entonces tenemos:
[ ] [ ]
( ) ( )
( )
( )
( )
( )
[ ]
[ ]
9
8192
45
40976
45
16
4
2
3
3
8
4 5
5
6
6
6
1
3
1
2
0
3
3
8
4 5
5
6
6
6
1
3
1
4
2
2 3 4 5
3
1
2
0
2 3 4 5
3
1
4
2
2 3 2
3
1
2
0
2 3 2
3
1
4
2
3 2
3
1
2
0
3 2
3
1
4
2
2
0
2 3
3
1
2
0
2
0
2 3
3
1
4
2
2
0
2 2
2
0
2
0
2 2 2 2
3
3
8 12 6
8 12 6
8 12 6
8 12 6
2 2
=
+ =
+ + + +
+ =
+ + + +
+ =
+ + + +
+ =
+ + =
+ =
+ =

+
+
y y y y
y y y y
y y y y y
y y y y y
y y y y y
y y y y y
y y y y y y
y y x y y x
y x y x y x y x A y x
y y
y y
D

6.3 CAMBIO DE ORDEN DE INTEGRACIN.
Como se vio en captulos anteriores para regiones rectangulares al cambiar el
orden de integracin, los lmites de las integrales por ser constantes se mantienen
iguales. Sin embargo cuando tenemos regiones tipo 3, stas no siempre se pueden
resolver fcilmente con cualquier orden de integracin. Es decir que cuando la regin
es tipo 3 en algunos casos existe un orden de integracin ms conveniente que otros y
es importante identificarlo para facilitar el clculo de la integral orden.
Al hacer el cambio de orden de integracin se debe tener en cuenta que los
lmites variables slo pueden estar presentes en la integral interna y stos deben estar
en funcin del diferencial externo; los lmites de la integral externa sern valores
constantes.

( )

2
0
6
2
, x y y x f
y
y

Los lmites externos son constantes, pero los lmites
internos NO son funcin del diferencial externo
Los lmites internos son funcin del diferencial
externo, pero los lmites externos NO son constantes
( )

+
y x
x
x y y x f
1
4
1
2
,

( )

4
3
2
3
2
, x y y x f
x
x

Los lmites internos son funcin del diferencial
externo y los lmites externos son constantes


2
0
2 2
x y e
x
y
.

Solucin: Cuando intentamos resolver con el orden de integracin indicado, nos
damos cuenta que no podemos calcular directamente:
y e
y
2
. Por lo
que debemos cambiar el orden de integracin, para determinar si se
puede resolver la integral. Graficamos la regin de integracin:

Figura 6-8

Al cambiar el orden de integracin tenemos:
[ ]
[ ]
4
2
1
2
0 2
1
2
0
2
0
0
2
0 0
2
0
2
2
2
2
2 2

=
=
=
=
=

e
e
y e y
y e x
y x e x y e
y
y
y
y
y
y
x
y

6.4 CAMBIO DE VARIABLE EN UNA INTEGRAL DOBLE.

Para funciones de variable real la integral:
( )

b
a
x x f
Pueden ser expresadas en trminos de una nueva variable t, por medio de la
funcin ( ) t g x = , siempre que ( ) t g sea una funcin uno a uno (inyectiva). Entonces
teniendo en cuenta que: ( ) t t g x = ' , ( ) c g a = , ( ) d g b = ; la integral en funcin
de la variable t es:
( ) ( ) ( ) ( )

=
d
c
b
a
t t g t g f x x f '
En forma similar para una funcin R R U f
2
: :
( ) ( ) ( )
( )
( )

=
T D
v u
v u
y x
v u f y x y x f
,
,
, ,
Si ( ) ( ) ( ) ( ) v u y v u x v u , , , , = es una funcin uno a uno y
2 2
R R ,
geomtricamente transforma la regin de integracin D en otra regin de
integracin T.
( )
( )
( ) v u
y x
v u J
,
,
,
= : se llama jacobiano de la transformacin y es el valor

absoluto del determinante de la matriz diferencial de .
Se puede demostrar que el jacobiano es un nmero regulador de la expansin o
compresin del rea de la regin de integracin D.
( ) ( ) ( ) ( ) v u y v u x v u , , , , = es una funcin
2 2
R R ; que lo nico que hace
es transformar la regin de integracin original en otra regin de de acuerdo al cambio
de variable escogido.

Ejemplo 6-4 Calcular la integral ( )
+

D
y x
y x e y x
2
, donde D es la regin
acotada por 1 = + y x , 4 = + y x , 1 = y x y 1 = y x .

Solucin: Primero definimos las relaciones
Sea
=
+
=
=
+ =
2
2
v u
y
v u
x
y x v
y x u

De acuerdo al cambio de variable transformamos la regin de
integracin.

Figura 6-9
( )

v u,

Figura 6-10
= +
=
= +
=
1 :
1 :
4 :
1 :
:
4
3
2
1
y x D
y x D
y x D
y x D
D

=
=
=
=
1 :
1 :
4 :
1 :
:
4
3
2
1
u T
v T
u T
v T
T
D
T
D
1
D
2
D
3
D
4
T
1
T
4
T
2
T
3
T
2
Definimos la funcin :
( )
|
\
| +
=
2
,
2
,
v u v u
v u
Determinamos el jacobiano de la transformacin:
( ) [ ]
( )
( ) 2
1
2
1
abs
,
,
,
2
1
2
1
2
1
2
1
= =
=
v u
y x
v u J
Resolvemos la integral aplicando el cambio de variable:
( )
[ ]
( )
1
1
1
1
1
1
1
4
1
3
1
1
4
1
2
2 2
2
21
2
21
2
21
3 2
1
2
1
2
1
=
=
=
=
=

|
\
|
= +

e e
e
v e
v
u
e
v u e u
v u e u y x e y x
v
v
v
v
T
v y x
D

Cambio de variables usuales: Polares
La funcin que define el cambio de variable para coordenadas polares es:
( ) ( ) ( ) y x r r r , sen , cos , = =
Entonces el jacobiano de la transformacin es:
( )
( )
( )
r r r
r r r
y x
r J = + =
(
2 2
sin cos
cos sen
sen cos
abs
,
,
,
Por lo tanto el cambio de variable para una transformacin polar queda:
( ) ( )

=
T D
r r r r f y x y x f sen , cos ,

T
2
Ejemplo 6-5 Evaluar la integral de: ( ) y x y x
D
+
2 2
ln , donde D es la regin en
el 1
er
cuadrante, limitada entre los arcos de circunferencia:
b a b y x a y x > = + = + ;
2 2 2 2 2 2
.

Solucin: El cambio de coordenadas ms conveniente el polar.
integracin.

Figura 6-11
( )

, r

Figura 6-12

Como es un cambio de variable conocido reemplazamos directamente
en la integral:
( ) ( )( )
[ ]
2
2
2
0
2
2
2
1
2
0
2
2
1
2 2 2
ln
4
ln
ln
ln ln
b
a
b
a
r
r r r y x y x
a
b
T D
=
(
=
=
= +

6.5 APLICACIONES DE LA INTEGRAL DOBLE AL CLCULO DE REAS
Y VOLMENES.

Clculo del rea de figuras planas:

D
T
Dada una funcin ( ) 1 , = = y x f z . Al integrar esta funcin, sobre una regin
D, obtendremos el volumen del cilindro de base D y altura 1. El volumen del cilindro
es igual al rea de su base (rea de D) por su altura que es 1, entonces numricamente
el valor es igual al rea de la regin de integracin D.
( ) [ ] D A y x y x y x f
D D
= =

,

Ejemplo 6-6 Encontrar el rea de la regin limitada por la parbola
2
x y = y la
recta 1 + = x y .

Solucin: Graficamos la regin de integracin:

Figura 6-13
D
De acuerdo al grafico se observa que el orden de integracin mas
conveniente es tomando diferenciales verticales. Para esto necesitamos
conocer los puntos de interseccin de las curvas:
( ) ( )( )
( )
( ) 5 1
0 1
1
2
1
1 2
1 1 4 1 1
2
2
2
= =
=
+ =

x
x x
x x

Entonces resolvemos la integral:
[ ]
( )
( )
[ ]
( )
( )
( )
( )
( )
[ ]
( )
( )
6
5 5
1
5 1
5 1
3
3
1
2
2
1
5 1
5 1
2
5 1
5 1
1
5 1
5 1
1
2
1
2
1
2
1
2
1
2
1
2
1
2
2
1
2
1 2
=
+ =
+ = =
= =
+
+
+
+

x x x
x x x x y
x y A D A
x
x
x
x D

Clculo de volmenes:

Como se demostr anteriormente si la funcin ( ) y x f z , = es continua en
2
R D tal que 0 > z , entonces la integral ( )

D
y x y x f , , representa el volumen
debajo de la superficie ( ) y x f , sobre la regin D.
Ejemplo 6-7 Encontrar el volumen de una esfera de radio R, limitado por los planos
coordenados, utilizando integrables dobles


Figura 6-14
Como la esfera es simtrica, slo tomaremos en cuenta slo el primer
octante, proyectamos el volumen al plano xy:

Figura 6-15
( )

, r

Figura 6-16
2 2 2
y x R z =
D
T
Como la regin de integracin es circular entonces utilizaremos una
cambio de variable polar, como es un cambio de variable conocido
reemplazamos directamente en la integral:
[ ] ( )
( )
3
0
2 / 3
2 2
0
2 2
0
2
0
2 2
2 2 2 2 2
3
4
3
1
4
2
8 8
8 8
R
r R
r r R r r r R r
r r r R y x y x R V
R
R R
T D
=
(
=

|
\
|
= =
= =

6.6 INTEGRALES TRIPLES.

Dada una funcin ( ) z y x f , , en
3
R ; donde es un paraleleppedo
rectangular definida por el producto cartesiano de 3 intervalos de R:
[ ] [ ] [ ] [ ] [ ] [ ] f e z d c y b a x f e d c b a , , , / , , , = .

Dividimos al intervalo [ ] b a, , [ ] d c, y [ ] f e, en n particiones. Queda
dividida en n paraleleppedos y cada uno tiene un volumen ( ) z y x . Definimos
el producto:
( ) x y z z y x f I = , ,
Si consideramos I como la suma de todos los I :
( )

= = =
= =
n
k
k
n
j
j
n
i
i ijk
z y x z y x f I I
1 1 1
, ,
( )
( )

=
=
= = =

f
e
d
c
b
a
n
k
k
n
j
j
n
i
i ijk
n
z y x z y x f I
z y x z y x f I
, ,
, , lim
1 1 1

Ejemplo 6-8 Resolver integral triple ( )
+ +
Q
dV z y x 2
2
, donde
[ ] [ ] [ ] 1 , 3 3 , 2 2 , 1 =

Solucin: Resolvemos la integral:
( ) [ ]
6
35
2
14
9
3
14
2
21
9
3
21
2
7
3
7
2
7
2
3
7
2
7
2
3
2
7
2
2 2
3
2
2
3
2
2
1
3
2
3
3
2
2
1
2
3
2
2
1
2
3
2
2
1
4
3
2
=
+ + =
(
+ + =
\
|
+ +
+ + =

|
\
|
+ + =
+ + = + +

y y y
y y
y x xy
x
y x y x
y x z z yz z x y x z z y x

6.7 INTEGRALES TRIPLES EN REGIONES GENERALES.

Adoptaremos cuatro tipos de regiones elementales:

Tipo 1: Superficies variables arriba y abajo
De este tipo podemos encontrar en dos formas:
a)
( )
( ) ( )
( ) ( )

b x a
x g y x g
y x f z y x f
R z y x
2 1
2 1
3
, ,
/ , , :

( ) ( )
( )
( )
( )
( )

=
b
a
x g
x g
y x f
y x f
x y z z y x f dV z y x f
2
1
2
1
,
,
, , , ,

b)
( )
( ) ( )
( ) ( )

d y c
y h x y h
y x f z y x f
R z y x
2 1
2 1
3
, ,
/ , , :

( ) ( )
( )
( )
( )
( )

=
d
c
y h
y h
y x f
y x f
y x z z y x f dV z y x f
2
1
2
1
,
,
, , , ,

Figura 6-17

Tipo 2: Superficies variables a los costados
c)
( )
( ) ( )
( ) ( )

b x a
x g z x g
z x f y z x f
R z y x
2 1
2 1
3
, ,
/ , , :

( ) ( )
( )
( )
( )
( )

=
b
a
x g
x g
z x f
z x f
x z y z y x f dV z y x f
2
1
2
1
,
,
, , , ,

d)
( )
( ) ( )
( ) ( )

f z e
z h x z h
z x f y z x f
R z y x
2 1
2 1
3
, ,
/ , , :

( ) ( )
( )
( )
( )
( )

=
f
e
z h
z h
z x f
z x f
z x y z y x f dV z y x f
2
1
2
1
,
,
, , , ,

Figura 6-18

Tipo 3: Superficies variables delante y atrs
z
y
x
z
y
x
e)
( )
( ) ( )
( ) ( )

f z e
z g y z g
z y f x z y f
R z y x
2 1
2 1
3
, ,
/ , , :

( ) ( )
( )
( )
( )
( )

=
f
e
z g
z g
z y f
z y f
z y x z y x f dV z y x f
2
1
2
1
,
,
, , , ,

f)
( )
( ) ( )
( ) ( )

d y c
y h z y h
z y f x z y f
R z y x
2 1
2 1
3
, ,
/ , , :

( ) ( )
( )
( )
( )
( )

=
d
c
y h
y h
z y f
z y f
y z x z y x f dV z y x f
2
1
2
1
,
,
, , , ,

Figura 6-19

Tipo 4
Cuando la regin es tal que puede ser considerada como una regin tipo 1,
tipo 2 o tipo 3 indistintamente. Es el nico caso que permite hacer cambio en el orden
de integracin y generalmente se refiere a slidos limitados por la interseccin de dos
superficies (slidos cerrados)

Ejemplo 6-9 Evaluar la integral triple de la funcin ( ) xyz z y x f 2 , , = en la regin
limitada por el cilindro
2
2
1
1 x z = y los planos 0 = z , x y = y
0 = y

z
y
x

Figura 6-20
Definimos la integral tomando la regin de integracin como tipo 1:
[ ]
12
1
4
1
3
2
2
1
64 12 8 4 2 2
2
1
2 2
1
2
2
1 2
2
0
8 6 4
2
0
7 5 3
2
0
2
2 3
2
0
0
2
2 2
2
0 0
2
2 2
0 0
1
0
2
2
0 0
1
0
2
2
1
2
2
1
= + =
(
+ =
|
|
\
|
+ =
|
|
\
|
=
(
(
|
|
\
|
=

|
|
\
|
= =
x x x
x
x x x
x
x x
x
x xy
x y
x
xy x y xyz x y z xyz
x
x x
x
x
x
Ahora definimos la integral tomando la regin de integracin como tipo 2:
( )
[ ]
( ) ( )
( )
( )
( )
12
1
4
1
3
2
2
1
4 3
2
2
2
1
4
2
1
0
4 3 2 1
0
3 2
1
0
2
1
0
1 2
0
4
1
0
1 2
0
3
1
0
1 2
0
0
2
1
0
1 2
0 0
= + =
(
+ = + =
=
(
=
= =

z z z
x z z z
x z z x
z x
z x z x z x z xy z x y xyz
z
z z
x
z x

Ahora definimos la integral tomando la regin de integracin como tipo 3:
( )
[ ]
( )
( ) ( )
( )
12
1
12
1
3
1
2
1
3
1
192 24 8 6
24 4 2 3
2
1
2 2
1
3
2
2
1
2 3
2
2 2
1 2
2
2
0
8 6 4 2
2
0
7 5 3
2
0
2
2 3
3
2
2
2
1
0
1
0
2 3 3
2
2
0
1
0
3 2
2
0
1
0
2
2
0
1
0
1 2
2
2
0
1
0
1 2
2
2
1
2
2
1
2
2
1
2
2
1 2
2
1
= + =
(
+ =
|
|
\
|
+ =
|
|
\
|
|
|
\
|

|
|
\
|

|
|
\
|
=
=
=
=
=

y y y y
x
y y y y
y
y y y y y
y
y
z y yz
yz
y z z y yz yz
y z y z yz
y z yz x y z x xyz
y
y
y
y
z
y
y
z
y

6.8 CAMBIO DE VARIABLE EN UNA INTEGRAL TRIPLE.

Al igual que par las integrales dobles, se puede usar un cambio de variable en las
integrales triples.
Para una funcin R R U f
3
: :
( ) ( ) ( )
( )
( )

=
T
w v u
w v u
z y x
w v u f z y x z y x f
, ,
, ,
, , , ,
Si ( ) ( ) ( ) ( ) ( ) w v u z w v u y w v u x w v u , , , , , , , , , , = es una funcin uno a uno y
3 3
R R , geomtricamente transforma la regin de integracin D en otra regin
de integracin T.
( )
( )
( ) w v u
z y x
w v u J
, ,
, ,
, ,
= : se llama jacobiano de la transformacin y es el valor

absoluto del determinante de la matriz diferencial de .

Cambio de variables usual: Cilndricas
( ) ( ) ( ) z y x z r r z r , , , sen , cos , , = =
( )
( )
( )
r r r r r
z r
z y x
z r J = + = =
2 2
sin cos
1 0 0
0 cos sen
0 sen cos
abs
, ,
, ,
, ,

Por lo tanto el cambio de variable usando coordenadas cilndricas queda:
( ) ( )

=
T
z r r z r r f z y x z y x f , sen , cos , ,

Ejemplo 6-10 Calcular la integral triple x y z
y x
z
W

+
2 2
, donde W es la
regin de la esfera 10
2 2 2
= + + z y x , donde 2 z .

Solucin: El cambio de coordenadas ms conveniente es el esfrico.
integracin.

Figura 6-21
( )

z r , ,

Figura 6-22
en la integral:
( )
6 4
6 2
3
6
2
1
4 10
2
1
2
2
0
2
0
6
0
3
2
0
6
0
2
2
0
6
0
10
2
2
2
0
6
0
10
2
2 2
2
2
=
=
=
=

(
=
=
=
+
r
r
r r
r
z
r z z
r z r
r
z
x y z
y x
z
r
r
T W

Cambio de variables usual: Esfricas
Q
T
( ) ( ) ( ) z y x , , cos , sen sen , sen cos , , = =
( )
( )
( )
( )
( )

sen
sen sen sen cos sen
cos sen cos cos sen sen cos
sen 0 cos
cos sen sen cos sen sen
cos cos sen sen sen cos
, ,
, ,
, ,
2
2 2 2 2
2 2 2 2
=
+
=
=
z y x
J

Por lo tanto el cambio de variable usando coordenadas esfricas queda:
( )
( )
T
r f
z y x z y x f
sen cos , sen sen , sen cos
, ,
2

Ejemplo 6-11 Evaluar la integral
( )

+ +
Q
z y x
V e
2 / 3
2 2 2
, donde Q es la esfera unitaria

Solucin: El cambio de coordenadas ms conveniente es el esfrico.
integracin.

Figura 6-23
( )

, ,

Figura 6-24
T
3
Q
T
en la integral:
( )
[ ]
( )
( ) 1
3
4
3
1 2
cos
3
1
sen
3
1
sen
3
sen
sen
2
0
2
0
0
2
0 0
2
0 0
1
0
2
0 0
1
0
2
2
3
3
3
2 / 3
2 2 2
=
=

(
(
=
=
=

+ +
e
e
e
e
e
e
e V e
T Q
z y x

6.9 APLICACIONES DE LA INTEGRAL TRIPLE AL CLCULO DE
VOLMENES.

Dada una funcin continua y positiva ( ) z y x f , , sobre una regin
3
R .
Al integrar esta funcin, sobre la regin , obtendremos el hipervolumen debajo de la
grfica ( ) z y x f , , sobre . Si la funcin ( ) 1 , , = z y x f , entonces numricamente el
valor de este hipervolumen sobre es igual al volumen de la regin de integracin .
( ) [ ] = =

V z y x z y x z y x f , ,

Ejemplo 6-12 Calcular el volumen del tetraedro acotado por los planos coordenados y
el plano 0 12 4 6 3 = + + z y x


Figura 6-25
Definimos y resolvemos la integral:
[ ]
[ ]
( )
4
16
1
4
3
3
16
3
2
3
3
2
1
2
4
3
2
1
2
4
3
2
1
2 3
4
3
4
3
3
3
4
0
3 2
4
0
2
4
0
2
4
0
2
0
2
4
0
2
0
2
3
4
3
4
0
2
0
3
0
4
0
2
0
3
0
2
1
2
1
2
1
2
3
4
3
2
1
2
3
4
3
=
(
+ =
\
|
+ =
|
|
\
|
|
\
|

|
\
|

|
\
|
=
=
=
=
= =
x x x
x x x
x x x x x
x y xy y
x y y x
x y z
x y z V V
x
x
x
y x
x y x

Ejemplo 6-13 Se hace un agujero de 1 cm de dimetro a travs de una esfera de 2 cm
de radio, simtrica a un dimetro de la esfera. Encontrar el volumen del
slido resultante


Figura 6-26
Definimos las superficies que limitan la regin:
Esfera: 4
2 2 2
= + + z y x
Cilindro:
4
1
2 2
= + y x
Debido a la naturaleza de la regin resulta conveniente efectuar un
cambio a variables cilndricas:
Esfera: 4
2 2
= + z r
Cilindro:
2
1
= r
Entonces determinamos los lmites constantes de la regin:
2
15
4
15
2
2
4
1
4
=
=
= +
z
z
z

en la integral:
2
15 5
4
15 5
6 8
15
8
1
2
4
2
2
0
2
0
3
2
0 0
2
2
0
4
2
2
0
4
2
15
2
15
2
1
2
15
2
15
2
2
1
2
15
2
15
2
2
1
=
=
=

|
|
\
|

=

(
=
=
z
z
z
z
z
r
z r r V
z
z

Ejemplo 6-14 Hallar el volumen de un slido limitado por la hoja superior del cono
2 2 2
y x z + = y por la esfera: 9
2 2 2
= + + z y x


Figura 6-27
Debido a la naturaleza de la regin resulta conveniente efectuar un
cambio a variables esfricas:
Esfera: 3 =
Cono superior:
4
=
Cono inferior:
4
3
=
en la integral:
[ ]
[ ]
2 18
2 9
cos 9
sen 9
sen
3
sen
2
0
2
0
4
3
4
2
0
4
3
4
2
0
4
3
4
3
0
3
2
0
4
3
4
3
0
2
=
=
=
=

(
=
= =
V V

CAPITULO 8
______________________________

INTEGRALES DE SUPERFICIE

8.1. Parametrizacin de una superficie en R
3
.
8.2. rea de una superficie en R
3
.
8.3. Definicin y clculo de una integral de superficie para una
funcin escalar.
8.4. Definicin y clculo de una integral de superficie para una
funcin vectorial.
8.5. Integrales de superficie orientadas.
8.6. Teorema de Stokes.
8.7. Teorema de Gauss.
8.8. Aplicaciones.

infinito

8.1 PARAMETRIZACIN DE UNA SUPERFICIE EN R
3
.
Al igual que una curva en R
3
puede ser parametrizada por una funcin ,
definida en R y cuya imagen es la representacin de la curva en el espacio
tridimensional. As mismo una superficie en R
3
puede ser expresada como la imagen de
una funcin definida en R
2
.

Definicin:

Una superficie parametrizada es una funcin
3 2
: R R U de la forma
( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , , = , tal que su imagen representa una superficie
S en R
3
. Donde ( ) ( ) ( ) v u z v u y v u x , , , , , son sus componentes. La funcin es
de tipo C
1
(diferenciable, hasta sus derivadas contnuas) en su dominio U si cada
una de sus componentes son tambin de tipo C
1
en U.

Si se fija u en u
0
y v en v
0
se obtienen las rectas
0
u u = y
0
v v = que en R
3

representan las trayectorias ) , (
0
v u y ) , (
0
v u respectivamente, el punto ) , (
0 0
v u
se proyecta como ) , (
0 0
v u .
( ) ( ) ( ) ( ) ( )
0 0 0 0
, , , , , , v u z v u y v u x v u =
( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , ,
0 0 0 0
=
En el punto ) , (
0 0
v u o en cualquier otro punto, se pueden trazar los vectores
tangentes a cada trayectoria:
y
z
x
) , ( v u
) , ( v u
Figura 8-1
v
U
u u = u
0
v = v
0
) , (
0
v u
) , (
0
v u
v u
T T
u
T
v
T

T
u
y T
v
se llaman vectores tangentes elementales y pueden evaluarse en cualquier
punto de ( ) v u, .
Si hacemos el producto cruz entre los vectores tangentes elementales obtenemos:
v
z
v
y
v
x
u
z
u
y
u
x
v u
k j i
T T
=

El vector T
u
T
v
se denomina vector producto elemental y representa un vector
normal a la superficie en cualquier punto de ( ) v u, .

Definicin:

Se dice que una superficie es suave cuando no tiene picos ni pliegues; esto se
reconoce matemticamente cuando el vector producto elemental es diferente de
cero; entonces el punto o los puntos donde el vector producto elementa es cero la
superficie es no suave.

Ejemplo 8-1 Dado el cono
2 2 2
y x z + = parametrizado en forma cilindrica:
( ) ( ) r r r r , sen , cos , = . Demostrar que sta es una
parametrizacin no suave del cono en el origen.

Solucin: Los vectores tangentes elementales:
( ) 1 , sen , cos =
r
T
( ) 0 , cos , sen
r r T =
Entonces el vector producto elemental:
Vectores Tangentes Elementales
|
\
|
=
v
z
v
y
v
x
T
v
, ,

|
\
|
=
u
z
u
y
u
x
T
u
, ,
( )
( ) r r r
r r r r
r r
k j i
T T
r
, sen , cos
sen cos , sen , cos
0 cos sen
1 sen cos
2 2

=
+ =
=

Si evaluamos en punto ( ) 0 , 0 , 0 , es decir cuando 0 = r
( ) 0 , 0 , 0 =
T T
r

La parametrizacin no es suave en el origen

Ejemplo 8-2 Probar que la parametrizacin usual de cualquier funcin escalar
R R f
2
: , cuya grfica es una superficie en R
3
, es siempre
suave.

Solucin: Parametrizamos la superficie de forma usual:
( ) ( ) ( ) y x f y x y x , , , , =
Los vectores tangentes elementales:
|
\
|
=
x
f
T
x
, 0 , 1
|
|
\
|
=
y
f
T
y
, 1 , 0
( ) 0 , 0 , 0 1 , ,
1 0
0 1
|
|
\
|
= =
y
f
x
f
k j i
T T
y
f
x
f
y x

La parametrizacin usual es siempre suave

8.2 REA DE UNA SUPERFICIE EN R
3
.
Dada una superficie S en R
3
parametrizada por la funcin
3 2
: R R D de la forma ( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , , = .

Por simplicidad asumimos que D es un rectngulo, entonces dividimos a D en
n celdas. Sea R
ij
el ij-simo rectngulo en la particin con vrtices: ( )
j i
v u , ,
( )
j i
v u ,
1 +
, ( )
1
,
+ j i
v u y ( )
1 1
,
+ + j i
v u , 1 0 n i , 1 0 n j .
Si se fija u en u
i
y v en v
j
se obtienen las rectas
i
u u = y
j
v v = que en R
3

representan las trayectorias:
( ) ) , ( v u v
i
= ; [ ]
3
1
, : R v v
j j

+

( ) ( )
j
v u u , = ; [ ]
3
1
, : R u u
i i

+

Para un segmento de curva muy pequeo su longitud es aproximadamente la
magnitud del vector velocidad por lo cual tendremos para cada trayectoria:
( ) ( ) ( ) v v v v v l
i i v
= =
+
' '
1

( ) ( ) ( ) u u u u u l
i i u
= =
+
' '
1

Tomando las expresiones anteriores en forma vectorial y considerando las
definiciones de los vectores tangentes elementales:
( ) v T v v L
j v j v
= = '
( ) u T u u L
i u i u
= = '
Sea S el rea de la porcin de la superficie S que es la imagen de la regin
R
ij
, si u y v son incrementos infinitesimales, entonces S puede considerarse
como un paralelogramo; si recordamos que el rea del paralelogramo generado por dos
vectores es la norma de su producto cruz, aplicando la anterior obtenemos:
v u T T v T u T L L S
i v i u i v i u v u
= = =
y
z
x
) , ( v u
) , ( v u
Figura 8-2
v
u u
i
v
j

i u
T
j v
T
u
i+1
v
j+1

R
ij
Si consideramos [ ] S A como la suma del rea de todas las particiones S
[ ]

=
=
= =
1
0
1
0
n
j
n
i
i v i u
v u T T S S A
[ ]
[ ]

=
=
=

D
v u
n
j
n
i
i v i u
n
v u T T S A
v u T T S A
1
0
1
0
lim

Definicin:

Dada una superficie parametrizada por la funcin
3 2
: R R D de la
forma ( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , , = , suave en D, tal que su imagen
representa una superficie S en R
3
. Entonces el rea de S est dada por la
integral:
[ ]
=
D
v u
v u T T S A

Ejemplo 8-3 Encontrar el rea de la superficie de la esfera
2 2 2 2
R z y x = + + .

Solucin: Parametrizamos la superficie usando coordenadas esfricas:
( ) ( ) v R v u R v u R v u cos , sen sen , sen cos , = ;
v
u
0
2 0

Los vectores tangentes elementales:
( ) 0 , sen cos , sen sen v u R v u R T
u
=
( ) v R v u R v u R T
v
sen , cos sen , cos cos =
( ) v v R v u R v u R
v R v u R v u R
v u R v u R
k j i
T T
v u
cos sen , sen sen , sen cos
sen cos sen cos cos
0 sen cos sen sen
2 2 2 2 2
=
=

El rea de la superficie de la esfera es:
[ ]
[ ]
=
=
=
=
+ + =
=
2
0
2
2
0
0
2
2
0 0
2
2
2 2 4 4 2 4 4 2 4
2
cos
sen
sen
cos sen sen sen sen cos
u R
u v R
u v v R
u v v R
v u v v R v u R v u R
v u T T S A
D
D
D
v u
[ ]
2
4 R S A =

8.3 DEFINICIN Y CLCULO DE UNA INTEGRAL DE SUPERFICIE PARA
UNA FUNCIN ESCALAR.
En el captulo anterior se estudiaron las integrales de trayectoria: se tena una
funcin escalar continua R R U f
3
: y ( ) ( ) ( ) ( ) ( ) t z t y t x t , , = la
parametrizacin de una trayectoria en R
3
, ( ) [ ]
3
, : R R b a t . Entonces la
integral de trayectoria de f sobre es:
( ) ( ) t t f s f
b
a
=

'
o

As mismo se encontrar una expresin que permita evaluar la integral de una
funcin escalar cuya regin de integracin ser una superficie en R
3
.
Dada una funcin ( ) R R U z y x f
3
: , , diferenciable y acotada en U,
( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , , = la parametrizacin suave de una superficie S
en R
3
,
3 2
: R U R D .
Dividimos a D en n celdas. Es decir que la superficie S dividida en n
porciones. Si tomamos la ij-sima porcin de superficie cuya rea est definida por
ij
S . Definimos el producto:
( )
ij ij ij ij ij
S z y x f H = , ,
Al considerar la parametrizacin tendremos que los puntos de la superficie se
definen de la siguiente manera:
( ) ( )
j i ij ij ij
v u z y x , , , =
Para una porcin de superficie muy pequea su rea es aproximadamente:
v u T T S
j v i u ij
=
Si consideramos H como la suma de todos los
ij
H :
( ) ( )

=
=
= =
1
0
1
0
,
n
j
n
i
i v i u j i
v u T T v u f H H
( ) ( )
( )

= =
=
=

S D
v u
n
j
n
i
i v i u j i
n
dS f v u T T f H
v u T T v u f H
o
1
0
1
0
, lim

Definicin:

Sea ( ) z y x f , , una funcin escalar definida en R R U
3
, diferenciable y
acotada en U, ( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , , = de una superficie S en R
3
,
3 2
: R U R D . Se llama integral de superficie de f en S a la integral:

( )

=
D
v u
S
v u T T f dS f o

Ejemplo 8-4 Evaluar la integral
S
dS f del campo escalar
( ) 1 , ,
2 2
+ + = y x z y x f ; y S la superficie del helicoide
( ) ( ) , sen , cos , r r r = ; donde [ ] 1 , 0 r y [ ] 2 , 0 .

Solucin: Determinamos los vectores tangentes elementales:
( ) 0 , sen , cos =
r
T
( ) 1 , cos , sen
r r T =
( )
( ) r
r r
r r
k j i
T T
r
, cos , sen
sen cos , cos , sen
1 cos sen
0 sen cos
2 2

=
+ =
=

Resolvemos la integral de acuerdo a la definicin:
( )
( )

=
(
+ =
+ = + + =
+ + =

2
0
2
0
1
0
3
2
0
1
0
2
2
0
1
0
2 2
2
0
1
0
2 2 2 2
3
4
3
1 1 1
, cos , sen 1 sen cos
r
r
r r r r r
r r t t t r t r dS f
S

3
8
=
S
dS f
Tambin se puede expresar la integral de lnea de un campo escalar utilizando la
parametrizacin usual para la superficie de la siguiente forma:
( ) ( )
y x
y x z y x f
dS f
D S
=

cos
, , ,

Donde es el ngulo entre el vector normal N y el eje z.Esta forma se usa
cuando la superficie es plana, porque el trmino cos es constante.
Demostracin:
Sea la superficie S parametrizada de forma
usual:
( ) ( ) ( ) y x f y x y x , , , , =

Entonces el vector normal ser:
|
|
\
|
= = 1 , ,
y
f
x
f
T T N
y x

El producto punto entre el vector normal N
y el vector k:

y
z
x
Figura 8-3

N
( )
cos
1
cos 1
cos 1 , 0 , 0 1 , ,
cos
=
=
=
|
|
\
|
=
N
N
N
y
f
x
f
k N k N

Reemplazando en la definicin de integral de superficie para campos escalares:
( ) ( )
( ) ( )
y x
y x z y x f
y x T T y x z y x f dS f
D D
y x
S
= =

cos
, , ,
, , ,
Ejemplo 8-5 Evaluar la integral de superficie
S
dS x , donde S es el tringulo de
vrtices ( ) 0 , 0 , 1 , ( ) 0 , 1 , 0 y ( ) 1 , 0 , 0 .

Solucin: Determinamos el vector normal:

( ) 1 , 1 , 1
1 0 1
0 1 1
2 1
=
= =
k j i
V V N
y
x
z
P
1
(1,0,0)
N
r

P
2
(0,1,0)
P
3
(0,0,1)

Figura 8-4
3
1
cos
cos
=
=
=
N
k N
k N k N

Resolvemos la integral:
[ ] ( )
x
x
x
D S
x x
x x x x xy
x y x x y
x
dS x
=
= =
= =

1
0
3 2
1
0
2
1
0
1
0
1
0
1
0
3 2
3
3 3
3
cos

6
3
=
S
dS f

8.4 DEFINICIN Y CLCULO DE UNA INTEGRAL DE SUPERFICIE PARA
UNA FUNCIN VECTORIAL.

Definicin:

Sea ( ) ( ) ( ) ( ) ( ) z y x F z y x F z y x F z y x F , , , , , , , , , ,
3 2 1
= una funcin vectorial
definida en
3 3
R R U , diferenciable y acotada en U;
( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , , = de una superficie S en R
3
,
3 2
: R U R D . Se llama integral de superficie de F en S a la
integral:

( ) ( )

=
D
v u
S
v u T T F dS F o

Ejemplo 8-6 Dado el campo vectorial ( ) zk yj xi z y x F + + = , , ; y S la
superficie de la semiesfera superior de radio 1
( ) ( ) v v u v u v u cos , sen sen , sen cos , = ; donde [ ] 2 , 0 u y
[ ]
2
, 0

v . Evaluar la integral

S
dS F .

Solucin: Determinamos los vectores tangentes elementales:
( ) 0 , sen cos , sen sen v u v u T
u
=
( ) v v u v u T
v
sen , cos sen , cos cos =
( ) v v v u v u
v v u v u
v u v u
k j i
T T
v u
sen cos sen cos cos
0 sen cos sen sen
2 2
=
=

Resolvemos la integral de acuerdo a la definicin:
( ) ( )
( )
( ) [ ]

= = =
=
=

2
0
2
0
0
2
0 0
2
0 0
2 3 2 3 2
2
0 0
2
2
2
2
cos sen
u u v u v v
u v v v v u v u
u v T T F dS F
v u
S
o
2 =
S
dS F

8.5 INTEGRALES DE SUPERFICIE ORIENTADAS.

Definicin:

Se consideran superficies orientadas aquellas que tienen dos caras bien definidas,
cuando no es posible, la superficie es no orientada.

Una superficie orientada tiene dos vectores normales, uno externo y otro interno
(uno que entra y otro que sale). Ambos vectores normales son opuestos, es decir, tienen
direcciones contrarias.
Como ejemplo vamos a tomar un plano que es una superficie orientada ya que
tiene dos caras bien definidas.

Figura 8-5
Dos parametrizaciones del planos seran:
( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , ,
1
=
( ) ( ) ( ) ( ) ( ) t s z t s y t s x t s , , , , , ,
2
=
De tal manera que el vector normal a la superficie,
de acuerdo a cada parametrizacin ser:
v u
T T N =
1

t s
T T N =
2

Se observa que:
2 1
N N =
Entonces al evaluar la integral de superficie de una
funcin vectorial
3 3
: R R U F :

=
S S
N F N F
2 1

Cambiar de orientacin significa cambiar el sentido del vector normal. Una
cierta parametrizacin puede provocar este efecto, entonces se debe tomar en cuenta
que cuando se cambia la orientacin de la superficie se est cambiando su signo.
Una superfiice en el espacio puede ser abierta o cerrada. Si una superficie limita
un slido entonces se la denomina superficie cerrada; caso contrario, entonces se la
denomina superficie abierta.
Una superficie suave cerrada puede estar formada por la unin de varias
superficies abiertas suaves, por ejemplo el cubo unitario est formado por 6 superficies
abiertas suaves (planos):

La integral de superficie en superficies como stas es la suma de las integrales
de superficie de cada una de las superficies individuales que la conforman.
z
y
x
1
S
S
3
S
6
S
S
5
S
Figura 8-6
1
N
2
N
Sea S el cubo unitario, entonces:
6 5 4 3 2 1
S S S S S S S =

Entonces la integral de superficie de F en S es:

+ + + + + =
6 5 4 3 2 1
S S S S S S S
dS F dS F dS F dS F dS F dS F dS F

Ejemplo 8-7 Dado el campo vectorial ( ) ( ) z y x z y x F , , , , = ; y S la superficie de la
semiesfera superior de radio 1. Calcular la integral de superficie

S
dS F :
a.- Utilizando la parametrizacin esfrica.
b.- Utilizando la parametrizacin usual.

Solucin: a.- ( ) ( ) v v u v u v u cos , sen sen , sen cos , =
( ) v v v u v u T T
v u
2 2
=
( ) ( )
( )
( ) [ ]

= = =
=
=

2
0
2
0
0
2
0 0
2
0 0
2 3 2 3 2
2
0 0
2
2
2
2
cos sen
u u v u v v
u v v v v u v u
u v T T F dS F
v u
S
o
2 =
S
dS F

b.- ( ) ( )
2 2
1 , , , y x y x y x =
|
|
\
|

= 1 ,
1
,
1
2 2 2 2
y x
y
y x
x
T T
y x

( )
[ ]

= =

=

=

|
|
\
|

=
2
0
2
0
1
0
2
2
0
1
0
2
1
1
1
1
2 2
1
1
1
1
2 2 2 2
2 2
1
1 1
1
1 ,
1
,
1
1 , ,
2
2
2
2
r
r
r
r
x y
y x
x y
y x
y
y x
x
y x y x dS F
x
x
x
x
S
2 =
S
dS F
La parametrizacin esfrica cambia la orientacin de la superficie y la usual no.

8.6 TEOREMA DE STOKES.
Sea F un campo vectorial de
3 3
R R ; continuo e integrable en S. Si S es una
superficie parametrizada por la funcin
3 2
: R R D definida de la forma
( ) ( ) ( ) ( ) ( ) v u z v u y v u x v u , , , , , , = , donde D una regin plana tipo 3, donde S
es el contorno de S orientado positivamente, entonces:

=
S S
S F r F rot

El teorema de Strokes relaciona un integral de superficie con una integral de
lnea en el contorno de la superficie. Cumple la misma funcin que el teorema de Green
sobre una superficie en R
3
.

Figura 8-7
La orientacin positiva del contorno se
asume en el sentido que caminara un
observador de pie con direccin ala
normal exterior de la superficie de tal
forma que la superficie quede a su
izquierda

El teorema de Strokes permite evaluar una integral de superficie en funcin de
una integral de lnea, o viceversa; una integral de lnea como una de superficie,
dependiendo de lo que sea ms fcil de resolver.
y
z
x
S
N
S
Ejemplo 8-8 Verificar el teorema de Stokes para la superficie del paraboloide
semiesfera unitaria superior utilizando la funcin vectorial
( ) ( ) x z y z y x F , , , , = .

Solucin: Como podemos observar en la figura 8-8 el problema nos pide
resolver dos integrales una integral de lnea cuya regin de
integracin es la curva que limita la semiesfera y una integral de lnea
cuya regin de integracin es la superficie de la semiesfera.
Por tratarse de resolver una integral de lnea es conveniente calcular
su rotor para determinar si el campo vectorial es un campo
conservativo
( ) 1 , 1 , 1 rot = =
x z y
F
z y x
k j i

Figura 8-8
Parametrizamos la curva que limita la superficie:
( ) ( ) [ ] 2 , 0 ; 0 , sen , cos : = t t t t S
Resolvemos la integral de lnea acuerdo a la definicin:
S
2 2
1 y x z =

S
( ) ( )

2
0
2
0
2
0
2
2
0
4
2 sen
2
1
2
2 cos 1
sen 0 , cos , sen cos , 0 , sen
(
=
|
\
|
=
= =
t
t
t
t t t t t t t r F
S
=
S
r F

Ahora resolvemos aplicando el teorema de Stokes, para lo cual tenemos
que resolver un integral de superficie, entonces parametrizamos la
superficie:
( ) ( )
2 2
1 , , , y x y x y x =
( ) 1 , 2 , 2 y x T T
y x
=
( ) ( ) ( )
( )
( )
( )

2
0
2
0
2
2
0
2
0
1
0
2
3
2
0
1
0
2
1
cos
3
2
sen
3
2
16 16 4
2
1
sen
3
2
cos
3
2
2
sen cos
3
2
1 sen 2 cos 2
1 2 2 1 , 2 , 2 1 , 1 , 1
rot
(
+ = + =
\
|
=
+ =
=
= =
=
x x
r
r
r r r r
x y y x x y y x
S F r F
D D
S S
=
S
r F

8.7 TEOREMA DE GAUSS.
Sea F un campo vectorial de
3 3
R R ; continuo e integrable en . Sea es
una regin tipo 4 en R
3
, es su contorno, una superficie orientada cerrada que
limita a , entonces:
V F S F =

div

El teorema de Gauss relaciona un integral triple con una integral de superficie en
el contorno de la regin. Como los teoremas anteriores relaciona las integrales en un
todo y en su contorno.

Ejemplo 8-9 Verificar el teorema de Gauss para evaluar

S
S n F
, donde S
es la superficie cerrada determinada por 4
2 2
= + y x , 0 = z y
2 = z . Utilizando el campo vectorial ( ) ( )
2 2
, 2 , 4 , , z y x z y x F = .

Solucin: Como podemos observar en la figura 8-9 el problema nos pide resolver
una integral de superficie en una superficie cerrada. Por lo que
podemos resolver el primera como una integral de superficie o aplicado
Gauss y resolviendo una integral triple.
Dado que el problema nos pide que lo resolvamos de ambas maneras,
primero resolvemos como una integral de superficie:

Figura 8-9
Para resolver la integral en toda superficie debemos dividirla en tres
porciones de superficie, parametrizar cada superficie y orientar sus
vectores normales al exterior, como se indica en la figuara 8-9.
Entonces la integral de superficie en la superfcie total S ser:
S
2
S
1
S
0

+ + =
2 1 0
S S S S
S F S F S F S F

Resolvemos para la superficie S
0
, parametrizamos la superficie y
hallamos el vector producto cruz elemental:
( ) ( ) 4 ; 0 , , , :
2 2
0
+ = y x y x y x S
( ) 1 , 0 , 0 =
y x
T T
El vector producto cruz elemental est en direccin contraria del
normal exterior:
( ) 1 , 0 , 0
0
= N
Calculamos la integral:
( ) ( )

= =
0 0
0 1 , 0 , 0 0 , 2 , 4
2
D S
y x y x S F

Ahora resolvemos para la superficie S
1
, parametrizamos la superficie y
hallamos el vector producto cruz elemental:
( ) ( ) 2 0 , 2 0 ; , sen 2 , cos 2 , :
1
= z z z S
( ) 0 , sen 2 , cos 2
=
z
T T
El vector producto cruz elemental coincide con el normal exterior:
( ) 0 , sen 2 , cos 2
1
= N
( ) ( ) ( ) ( )
( )
32
16
cos cos 2 sen
4
1
2
1
16
sen cos sen
2
2 cos 1
16
sen 16 cos 16
0 , sen 2 , cos 2 , sen 2 2 , cos 2 4
2
0
2
0
2
0
3
2
0
2
0
2
2
0
2
0
3 2
2 2
1 1
=
=
+ + =

|
\
|
+
+
=
=
=

z
z
z
z
z z S F
D S

Finalmente resolvemos para la superficie S
2
, parametrizamos la
superficie y hallamos el vector producto cruz elemental:
( ) ( ) 4 ; 2 , , , :
2 2
2
+ = y x y x y x S
( ) 1 , 0 , 0 =
y x
T T
El vector producto cruz elemental coincide con el normal exterior:
( ) 1 , 0 , 0
2
= N
( ) ( ) ( )
[ ] ( )
16
4 4 4 4
1 , 0 , 0 2 , 2 , 4
2
2 2
2
2 2
=
= = =
=

D A y x
y x y x S F
D
D S

Por lo tanto la integral de superficie en la superfcie total S ser:
16 32 0
2 1 0
+ + =
+ + =

S S S S
S F S F S F S F

48 =
S
S F

Ahora resolvemos aplicando el teorema de Gauss, para lo cual tenemos
que calcular el divergente del campo vectorial y resolver una integral
triple:
( )
( )
[ ]
( )

2
0
2
0
2
0
2
0
3 2
2
0
2
0
2
2
0
2
0
2
0
2 2
2
0
2
0
2
0
cos
3
8
3 8
sen
3
8
3 8
sen
3
8
6
sen 8 12
sen 4 4
2 sen 4 4
2 4 4 div
(
\
|
=
=
=
+ =
+ =
+ = =

r r
r r r
r rz z r rz
r z r z r
V z y V F S F
S

48 =
S
S F

8.8 APLICACIONES.

CAPITULO 7
______________________________

INTEGRALES DE LNEA Y TEOREMA DE
GREEN

7.1. Definicin, clculo y aplicaciones de la integral de trayectoria.
7.2. Definicin y clculo de la integral de lnea, como una integral
vectorial.
7.3. Orientacin en una integral de lnea.
7.4. Aplicacin de la integral de lnea al clculo de trabajo.
7.5. Integrales de lnea en campos conservativos.
7.6. Teorema de Green, aplicaciones
7.7. Formas vectoriales del teorema de Green.

infinito

7.1 DEFINICIN, CLCULO Y APLICACIONES DE LA INTEGRAL DE
TRAYECTORIA.
Dada una funcin ( ) R R U z y x f
3
: , , diferenciable y acotada en ( ) t ,
( ) ( ) ( ) ( ) ( ) t z t y t x t , , = la parametrizacin de una trayectoria en R
3
,
( ) [ ]
3
, : R R b a t .

Dividimos a la trayectoria en n particiones. Queda la curva dividida en n
segmentos de curva y cada uno tiene una longitud de curva
i
s . Definimos el
producto:
( )
i i i i i
s z y x f S = , ,
Al considerar la parametrizacin tendremos que los puntos de la curva se
definen de la siguiente manera:
( ) ( )
i i i i
t z y x = , ,
Para un segmento de curva muy pequeo su longitud es aproximadamente la
magnitud del vector velocidad por lo cual tendremos:
( )
i i i
t t s = '
Si consideramos S como la suma de todos los
i
S :
( ) ( ) ( ) ( )

= =
= = =
n
i
i i i
n
i
i i i i
t t t f s z y x f S S
1 1
' , ,

( ) ( )
( ) ( )

= =
=
=

ds f t t f S
t t f S
b
a
n
i
i i
t
n i
'
' lim
1
o
o

y
z
x
) (a

) (b
( )
a
b
) (t
Figura 7-1
s

Definicin:

Sea ( ) z y x f , , una funcin escalar definida en R R U
3
, diferenciable y
acotada en U, ( ) ( ) ( ) ( ) ( ) t z t y t x t , , = la parametrizacin de una trayectoria en
R
3
, ( ) [ ]
3
, : R R b a t . Se llama integral de trayectoria de f sobre a la
integral:
( ) ( ) t t f s f
b
a
=

'
o

Observaciones:

La integral de trayectoria es una versin escalar de la integral de lnea que es
la versin vectorial.
Cuando se habla de la integral de trayectoria no es necesario asociar una
orientacin a .
La integral de trayectoria se puede evaluar como una integral definida

Ejemplo 7-1 Evaluar la integral del campo escalar ( )
2 2 2
, , z y x z y x f + + = ;
sobre la trayectoria de una hlice ( ) ( ) t t t t , sen , cos = de
[ ] 2 , 0 .

Solucin: Resolvemos la integral de acuerdo a la definicin:
( )( )
( )
( )
2
0
3
2
0
2
2
0
2 2 2
2
0
2 2 2
3
2
1 2
1 sen cos 1
1 , cos , sen sen cos
(
+ =
+ =
+ + + =
+ + =

t
t
t t
t t t t
t t t t t t s f

|
\
|
+ =
3
3
8
2 2
s f

Aplicaciones de la integral de trayectoria
1era. Aplicacin:
Dada una funcin ( ) 1 , , = z y x f . Al integrar esta funcin, sobre una regin ,
obtendremos la suma de las longitudes de los segmentos de curva. Es decir tendremos
la longitud total de la curva .
( ) [ ]

L t t s s f
b
a
= = =

'

Ejemplo 7-2 Calcule la longitud de curva de una hlice
( ) ( ) bt t a t a t , sen , cos = , donde [ ] 2 , 0 t .

Solucin: Resolvemos la integral de acuerdo a la definicin:
[ ]
( )
+ =
+ + =
=
=
2
0
2 2
2
0
2 2 2 2 2
2
0
cos sen
, cos , sen
t b a
t b t a t a
t b t a t a
s L

[ ]
2 2
2 b a L + =

2da. Aplicacin:
Sirve para encontrar el valor promedio del campo escalar f a travs de la curva
.
] [
L
ds f
V
p
=

3ra. Aplicacin:
Dada una funcin ( ) R R U y x f
2
: , , continua e integrable en
2
R D
tal que ( ) 0 , > y x f , ( ) D y x , ; ( ) ( ) ( ) ( ) t y t x t , = la parametrizacin de una
trayectoria en R
2
, ( ) [ ]
2
, : R D R b a t . Entonces la integral
s f

representa el rea de la valla levantada desde la curva plana , hasta la funcin f.

rea de la valla =
s f

Ejemplo 7-3 Encontrar el rea de la valla sobre la recta 1 = + y x y limitada por
el paraboloide ( )
2 2
, y x y x f + = en el primer cuadrante del plano
xy

determinar el rea de la valla que se levanta desde la recta en el plano
xy hasta el paraboloide

Figura 7-3
f(x,y)
y
z
x
( ) t
Figura 7-2
Primero parametrizamos la curva plana y determinamos su vector
velocidad:
( ) ( )
( ) ( ) 1 , 1 '
1 ,
=
=
t
t t t

Resolvemos la integral de acuerdo a la definicin
[ ]
( ) ( )
( )
1
0
2
3
1
0
2
1
0
2 2
3
2
2
1 2 2 2
2 1
(
+ =
+ =
+ =
=
t t
t
t t t
t t t
s f Valla A

[ ]
3
2 2
= Valla A

7.2 DEFINICIN Y CLCULO DE LA INTEGRAL DE LNEA, COMO UNA
INTEGRAL VECTORIAL.

Definicin:

3 2 1
= una funcin vectorial
definida en
3 3
3
,
( ) [ ]
3
, : R R b a t . Se llama integral de lnea de F sobre a la integral:
( ) ( ) ( ) t t F s F
b
a
=

'
o

Existe otra forma ms usual de expresar la integral de lnea si tenemos en cuenta
que el vector diferencial de curva se puede expresar de la siguiente manera:
( ) z y x s = , ,
Entonces al resolver el producto punto obtendremos otra expresin equivalente:
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )

+ + =
=

z z y x F y z y x F x z y x F s F
z y x z y x F z y x F z y x F s F
, , , , , ,
, , , , , , , , , ,
3 2 1
3 2 1

Ejemplo 7-4 Evaluar la integral de lnea del campo vectorial
( ) zk yj xi z y x F + + = , , sobre la trayectoria de una hlice
( ) ( ) t t t t , cos , sen = de [ ] 2 , 0

Solucin: Resolvemos la integral de acuerdo a la definicin
( ) ( )
( )
2
4
2
cos sen cos sen
1 , sen , cos , cos , sen
2
2
0
2 2
0
2
0
2
0
=
(
= =
+ =
=

t
t t
t t t t t t
t t t t t t s F

2
2
s F

7.3 ORIENTACIN EN UNA INTEGRAL DE LNEA.
Una curva en el espacio puede ser abierta o cerrada. Sea ( ) t la
parametrizacin de una curva y ( ) a , ( ) b ; si ( ) ( ) b a = entonces se la
denomina curva cerrada y si ( ) ( ) b a entonces se la denomina curva abierta.
Adems de abierta o cerrada, una trayectoria en el espacio puede ser simple o no
simple. Una curva simple es una curva que no se cruza a si misma y una curva no
simple es aquella que se cruza a si misma.

Curva Abierta y Simple

Curva Cerrada y Simple

Curva Abierta y No Simple

Curva Cerrada y No Simple
Figura 7-4

Cuando la curva es abierta, vamos a asumir orientacin positiva hacia arriba y
hacia la derecha; hacia abajo y hacia la izquierda ser orientacin negativa.
Cuando la curva es cerrada vamos a asumir orientacin positiva cuando es en
sentido contrario a la rotacin de las manecillas del reloj; cuando es a favor se tratar
de orientacin negativa
y
z
x
( ) ( ) b a =
y
z
x
) (a

) (b
y
z
x
( ) ( ) b a =
y
z
x
) (a

) (b

Orientacin Positiva

Orientacin Negativa
Figura 7-5

Una trayectoria puede ser puede ser reparametrizada de tal manera que pueden
conservar su orientacin original o cambiar la orientacin original.

Ejemplo 7-5 Dado el campo vectorial ( ) ( ) z y x z y x F , , , , = . Calcule la integral de
lnea en el segmento de la recta que une a los puntos ( ) 0 , 1 , 0 y
( ) 2 , 2 , 1 , parametrizandola positivamente y luego reparametrizndola
de tal manera que cambie su orientacin.

Solucin: Una parametrizacin positiva del segmento de recta es:
( ) ( ) t t t t 2 , 1 , + = ; donde 1 0 t
Evaluando la integral con dicha parametrizacin:
( ) ( ) ( ) [ ]
1
0
2
1
0
1
0
3 1 6 2 , 1 , 1 2 , 1 , t t t t t t t t s F + = + = + =

4 =
s F
Ahora reparametrizndola de tal manera que cambie su orientacin:
( ) ( ) t t t t 2 2 , 2 , 1 = ; donde 1 0 t
Evaluando la integral con dicha parametrizacin:
( ) ( ) ( ) [ ]
1
0
2
1
0
1
0
7 3 7 6 2 , 1 , 1 2 2 , 2 , 1 t t t t t t t t s F = = =

4 =
s F

y
z
x
y
z
x
+
Teorema 7-1

Teorema 7-2

7.4 APLICACIN DE LA INTEGRAL DE LNEA AL CLCULO DE
TRABAJO.
El trabajo en la fsica elemental se define como trabajo es igual a fuerza por
distancia, es decir que el trabajo que se efecta sobre el cuerpo se da por: Fd W = ,
donde F es una fuerza constante que acta sobre el cuerpo y que es paralela al
desplazamiento y d es la magnitud del desplazamiento.

Figura 7-6
Para la figura 7-6 el trabajo se define
d F W
d
=
Donde F
d
es la componente de la
fuerza F paralela al desplazamiento:
cos F F
d
=
Tenemos entonces el trabajo
expresado por:
cos Fd W =

Asumiendo que
3 3
: R R U F representa un campo de fuerza en
3
R ;
( ) t la parametrizacin de una trayectoria en R
3
, ( ) [ ]
3
, : R R b a t .
Sea
3 3
: R R U F seccionalmente continua, la parametrizacin de una
curva suave, no simple y orientada, y sea la reparametrizacin de la curva,
entonces:

=

ds f ds f sea que cambie o no cambie la orientacin de la curva
Sea
3 3
: R R U F seccionalmente continua, la parametrizacin de una
curva suave, simple y orientada, y sea la reparametrizacin de la curva, entonces:

=

s F s F si no cambia de orientacin de la curva

=

s F s F si cambia de orientacin de la curva

F
d
F
d

Figura 7-7
El trabajo realizado por F en un punto
de la trayectoria es:
cos s F W =
Como F y s son vectores podemos
expresar la expresin anterior como un
producto punto:
s F W =
Calculamos entonces el trabajo del
campo de fuerzas para transportar una
partcula a lo largo de la curva , es:
s F W

Ejemplo 7-6 Dado el campo de fuerzas ( )
2
3 , 2 , 2 2 , , z x y x z y x F + = .
Encontrar el trabajo que realizar F al mover una partcula a travs de
los puntos: ( ) ( ) ( ) 5 , 2 , 1 0 , 2 , 1 0 , 0 , 0 .

Solucin: El problema nos pide determinar el trabajo de un campo de fuerzas para
mover una partcula a travs de una curva, as que se trata de una
integral de lnea. Como podemos observar en la figura 7-8, la curva C
es seccionalmente continua as que debemos dividirla en dos curvas:

Figura 7-8
Donde cada curva la parametrizamos:
y
z
x
) (a

) (b

F
s

C
2
C
1

1 0
0
2 :
1

=
=
=
+
t
z
t y
t x
C

5 0
2
1
:
2

=
=
=
+
t
t z
y
x
C

( ) ( ) ( ) ( )
[ ] [ ]
125 5
5
3 10
1 , 0 , 0 , 2 , 1 0 , 2 , 1 0 , 2 ,
5
0
3
1
0
2
5
0
2
1
0
5
0
1
0
2 1
+ =
+ =
+ =
+ =
+ =

+ +
t t
t t t t
t t F t t t F
s F s F s F
C C C

130 =
C
s F

7.5 INTEGRALES DE LNEA EN CAMPOS CONSERVATIVOS.
En el captulo 5 se estudiaron un tipo particular de campos vectoriales, los
campos vectoriales gradientes (tambin conocidos como campos vectoriales
conservativos).
3 2 1
= un campo vectorial
gradiente definida en
3 3
3
,
( ) [ ]
3
, : R R b a t , entonces la integral de lnea se puede definir como:
( ) ( ) ( ) t t F s F
b
a
=

'
o

Como ( ) ( )
3 2 1
, , , , F F F z y x F = es un campo vectorial gradiente, entonces
existe una funcin escalar ( ) z y x f , , definida en R R
3
, tal que:
( )
|
|
\
|
=
=
z
f
y
f
x
f
F F F
f F
, , , ,
3 2 1

Entonces la integral de lnea queda de la siguiente manera:
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( )
\
|
|
|
\
|
\
|
|
|
\
|
=
=
b
a
b
a
b
a
b
a
b
a
t f
t t
t
f
t
t
z
t
z
f
t
y
t
y
f
t
x
t
x
f
t
t
z
t
y
t
x
t
z
f
t
y
f
t
x
f
t t f s F
, , , ,
' o

( ) ( ) ( ) ( ) a f b f s F

Ejemplo 7-7 Sea ( ) ( ) k j i y x z x x xyz z y x F
2 2
sen 2 , , + + + = , determinar:
a.- Si F es un campo gradiente y si lo es encontrar su funcin
potencial.
b.-

C
r F donde C es el segmento de recta que une los puntos
( ) 0 , 0 , 0 y ( ) 3 , 2 , 1 .
c.-

C
r F donde C es el segmento de recta que une los puntos
( ) 0 , 0 , 0 , ( ) 0 , 0 , 1 , ( ) 0 , 2 , 1 y ( ) 3 , 2 , 1 .
d.-

C
r F donde C es la interseccin del plano x y = y la
esfera 1
2 2 2
= + + z y x .

Solucin: a.- Para determinar si F es un campo gradiente calculamos su rotor:
( ) xz xz xy xy x x
y x z x x xyz
z y x
F 2 2 , 2 2 ,
sen 2
rot
2 2
2 2
=
+
=
k j i
( ) 0 , 0 , 0 rot = F
F es un campo gradiente porque su rotor es igual a cero
Entonces determinamos la funcin potencial de F:
( ) ( ) ( )
( ) ( )
( ) ( ) y x k yz x z y x z y x f y x
z
f
z x k yz x y z x z y x f z x
y
f
z y k x yz x x x xyz z y x f x xyz
x
f
z
y
x
, , ,
, , ,
, cos sen 2 , , sen 2
2 2 2
2 2 2
2
+ = = =
+ = = =
+ = + = + =
( ) k x z x z y x f + = cos , ,
2

b.- Como F es un campo gradiente podemos calcular la integral de
lnea evaluando su funcin potencial en el punto final, menos su
valor en el punto inicial:
( ) ( ) ( ) 1 1 cos 6 0 , 0 , 0 3 , 2 , 1 = =
f f r F
C

( ) 1 cos 5 =
C
r F
c.- Calculamos la integral de igual manera que en el literal anterior:
( ) ( ) ( ) 1 1 cos 6 0 , 0 , 0 3 , 2 , 1 = =
f f r F
C

( ) 1 cos 5 =
C
r F
d.- Como la curva es cerrada y el campo es conservativo la integral
de lnea es cero:
0 =
C
r F

7.6 TEOREMA DE GREEN, APLICACIONES
Sean ( ) y x P , y ( ) y x Q , funciones definidas en R R D
2
; de tal forma
que ( ) ( ) ( ) ( ) y x Q y x P y x F , , , , = . D una regin plana tipo 3, D su contorno
orientado positivamente: entonces:

|
|
\
|
= +
D D
y x
y
P
x
Q
y Q x P

Demostracin:

= +

|
|
\
|
= +

D D D D
D D
y x
y
P
y x
x
Q
y Q x P
y x
y
P
x
Q
y Q x P

Primero se demostrar que:

=
D D
y x
y
P
x P
Para esto consideramos a D como una regin tipo 1:

Figura 7-9
( )
( ) ( )
)
`
x y x
b x a
R y x D
2 1
2
/ , :

Definimos la curva D como:
( ) + + +
=
4 3 2 1
C C C C D
( )
=
=
+
t y
t x
C
1
1
:
=
=
+
t y
a x
C :
2

( )
=
=
t y
t x
C
2
3
:
=
=
t y
b x
C :
4

Entonces la integral de lnea queda:
( ) ( ) ( ) ( )

=
+ + + =
+ +
b
a
b
a
C C C C D
t t t P t t t P
x P x P x P x P x P
2 1
, ,
4 3 2 1

La integral doble queda:
a b
2
(x)
1
(x)
x
y
D
C
1

C
2

C
3

C
4

( )
( )
( ) [ ]
( )
( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )

=
=
=

b
a
b
a
b
a
x
x
b
a
x
x D
x x x P x x P
x x x P x x P
x y x P
x y
y
P
y x
y
P
2 1
1 2
, ,
, ,
,
2
1
2
1

Haciendo un cambio de variable de t x = , tenemos que:
( ) ( ) ( ) ( )

= =
D
b
a
b
a D
y x
y
P
t t t P t t t P x P
2 1
, ,
Ahora se demostrar que:

=
D D
y x
x
Q
y Q
Para esto consideramos a D como una regin tipo 2:

Figura 7-10
( )
( ) ( )
)
`
d y c
x x x
R y x D
2 1 2
/ , :

Definimos la curva D como:
( ) + + +
=
4 3 2 1
C C C C D
=
=
+
c y
t x
C :
1

( )
=
=
+
t y
t x
C
2
2
:
=
=
d y
t x
C :
3

( )
=
=
t y
t x
C
1
4
:

Entonces la integral de lnea queda:
( ) ( ) ( ) ( )

=
+ + + =
+ +
b
a
b
a
C C C C D
t t t P t t t P
y Q y Q y Q y Q y Q
1 2
, ,
4 3 2 1

La integral doble queda:
d
c
1
(y)
x
y
D
2
(y)
C
1

C
2

C
3

C
4

( )
( )
( ) [ ]
( )
( )
( ) ( ) ( ) ( ) ( )

=
=

b
a
b
a
y
y
d
c
y v
y D
y y y Q y y Q
y y x Q
y x
x
Q
y x
x
Q
, ,
,
1 2
2
1
2
1

Haciendo un cambio de variable de y x = , tenemos que:
( ) ( ) ( ) ( )

= =
D
b
a
b
a D
y x
x
Q
t t t P t t t P y Q
1 2
, ,

Ejemplo 7-8 Verificar el teorema de Green en la integral
( ) ( )
+ + +
C
y y x x y x
2 2 2
2 , siendo C el contorno del tringulo
con vrtices en los puntos ( ) 1 , 1 , ( ) 2 , 2 y ( ) 3 , 1 .

determinar la integral de lnea a lo largo de una curva cerrada que
limita una regin plana.

Figura 7-11
D
C
1
C
2
C
3
2 1
:
1

=
=
+
t
t y
t x
C

2 1
4
:
2

=
=
t
t y
t x
C

3 1
1
:
3

=
=
t
t y
x
C

( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
2 8
3
26
16 24
3
28
3
56
3
16 8
3
4
3
8
1 2 16 16 4 8
1 , 0 , 1 1 , 1 4 , 1 , 1 ,
3
1
2
3
2
1
2
3
2
1
3
3
1
2
2
1
2
2
1
2
3
1
2
1
2
1
3 2 1
+ =
(
+ +
(
+
(
=
+ + + =
=
+ + =

+
t t
t
t t
t t
t t t t t t t t
t t F t t t F t t t F
s F s F s F s F
C C C C

3
4
=
C
s F

Ahora resolvemos aplicando el teorema de Green:
( ) ( ) ( )
[ ] ( ) ( ) ( )
( )
16 24
3
28
16 8
3
4
16 16 4
4 2 4 2 2
2 2 4 2
2
1
2 3
2
1
2
2
1
2 2
2
1
4
2
2
1
4
+ =
(
+ = + =
+ = =
= + =
x x x x x
x x x x x x y xy
x y y x x y y y x s F
x
x
x
x D C
3
4
=
C
s F
El teorema de Green puede ser aplicado al clculo de reas de regiones planas.
Consideremos la regin plana D en R
2
. Sea ( ) ( ) ( ) ( ) t y t x t , = , ( ) [ ]
2
, : R R b a t ,
la parametrizacin de la frontera de D orientada positivamente. Sea el campo vectorial
( ) ( ) ( ) ( ) y x Q y x P y x F , , , , = , ( )
2 2
: , R R y x F , continua e integrable en D.
Entonces el rea de la regin D est definida por:
[ ]
=
D
x y D A
Aplicando el teorema de Green al calcular la integral de lnea de F sobre :

|
|
\
|
= + =
D
x y
y
P
x
Q
y Q x P s F

Entonces para el valor de la integral de lnea sea numricamente igual al valor
del rea de la regin D, el campo vectorial F debe cumplir la siguiente condicin:
1 =
y
P
x
Q

Por ejemplo tomando el campo ( ) ( ) x y y x F
2
1
2
1
, , = , al aplicar el teorema de
Green:
( ) [ ] D A x y x y y x x y s F
D D
= = + = + =

2
1
2
1
2
1
2
1

Ejemplo 7-9 Calcular el rea encerrada por el hipocicloide
3 / 2 3 / 2 3 / 2
a y x = + .

determinar el rea de la regin plana limitada por una curva cerrada.

Figura 7-12
La parametrizacin del hipocicloide orientado positivamente es:
( ) ( ) 2 0 ; sen , cos
3 3
= a a
Aplicando el teorema de Green para el clculo de reas tenemos:
D
[ ]
( ) ( )
( )
( )

2
0
2
2
0
2
2
0
2
2
2
0
2 2 2 2
2
2
0
2 4 2 4
2
2
0
2 3
2
1
2 3
2
1
2
1
2
1
4
4 sen
16
3
2
4 cos 1
8
3
2
2 sen
2
3
cos sen cos sen
2
3
sen cos cos sen
2
3
cos sen 3 cos sen cos 3 sen
(
\
|
=
\
|
=
+ =
+ =
+ =
+ = =

a
a
a
a
a
a a a a
y x x y x y D A
D
[ ]
8
3
2
a
D A =

7.7 FORMAS VECTORIALES DEL TEOREMA DE GREEN.
Sea el campo vectorial ( ) ( ) ( ) ( ) y x Q y x P y x F , , , , = , ( )
2 2
: , R R y x F ,
continua e integrable en D. D una regin plana tipo 3, D su contorno orientado
positivamente entonces de acuerdo al teorema de Green:

|
|
\
|
= + =
D D D
y x
y
P
x
Q
y Q x P s F

Ahora si calculamos el rotor de F:
|
|
\
|
= =
y
P
x
Q
Q P
F
z y x
, 0 , 0
0
rot
k j i

Definimos el producto punto:
( ) ( )
y
P
x
Q
y
P
x
Q
F
=
|
|
\
|
= 1 , 0 , 0 , 0 , 0 rot k
Entonces el teorema de Green pude ser expresado de la siguiente manera:
( ) ( )

=
D D
y x F s F k rot

Solucin a Ejercicios Propuestos

Captulo I

1. |A| =5, |B| =3, |C| =5
2. A+B =(5,6,-1);
A-C =(0,4,-4);
2A+3B-5C =(-3,14,-23)
3. |A+B-C| = 65
4. =
1
3

5. ) 0 , 4 , 3 (
5
1
= A ; ) 1 , 2 , 2 (
3
1
= B ; ) 4 , 0 , 3 (
5
1
= C
6. A+C =(6,4,4)
7. AB =arcos (14/15) =21;
AC =arcos (9/25) =69;
BC =arcos (2/15) =82;
8. Proy.Vectorial
A
B =(42/5,56/5,0) Proy.Escalar =14/5
Proy.Vectorial
C
B =(6/5,0,8/5) Proy.Escala =2/5
9. A: Cos =3/5 ; Cos =4/5; Cos =0
B: Cos =2/3 ; Cos =2/3; Cos =-1/3
C: Cos =3/5 ; Cos =0; Cos =4/5
10. Area (B y C) = 221 Volumen (A,B,C) =20
11. (0,1,0); (0,-1,0)
12.
1 2
PP
=i-5j-k
13. s =2, t =3, r =-1
14. Cos =2/3 Cos =-2/3; Cos =1/3
15. Demostracin
16. 1
195
(13,1,-5)
17. a) Verdadero b) Verdadero c) Falso d) Falso e) Falso
18. arcsen
1
3
| |
|
\ .
=arccos
2
3
| |
|
|
\ .

19.
174
2

20. V = ) , , (
3
2
3
2
3
2

21. a) 4 b) e c) 9
22. No son linealmente independientes
23. No constituyen una base de R
3

24. Si constituyen una base de R
3

25. Demostracin (3 V
) en R
3
son linealmente independientes
26. Demostracin (nV
+O ) son linealmente independientes

Captulo II

1. a) (2/3,1/3,2/3) b)
2
1
(1,0,-1) c)
37
1
(0,-1,6) d) (1,0,0)
2. a) y =7 b) x =-5 c) z =-2 d) 3x - 4y +z +45 =0
3. 0 x y z + + =
4. a) 5x +y +4z 21 =0 b) x +y =5
5. 2x 2y +z +3=0
6. 3x +y z =3
7. x +2y +z =6
8.
2
70
5

9.
3 3
: 6 6 2
3 4 1
x t x t
l y t o y t
z t z t
= + =

= + =

= + = +

10. 4x 3z =5
11.
11
2
2

12.
2
14
7

13.
2
14

14.
2 2 1
) : 3 3 ) : 5 5
8 1 1
x t x
a l y t b l y t
z t z t
= + =

= + = +

= + = +

15. ) 2 , 3 , 6 (
7
1
y ) 2 , 3 , 6 (
7
1

16.
: 4
x t
l y t
z t
=

17.
1
:
1
x t
l y t
z t
= +

18. 3x 5y 2z =-5
19. 10x +39y 7z =31
20. 10x 17y +z =-25
21. 6x +11y +4z =38
22. 6x 4y 3z =16
23.
3
3

24.
42
42
71

25. 5x +3y z =14
26. 6x 2y +7z =22
27. 71x 15y +17z =-10
28. 10x 17y +z =-25
29.
3
: 4
5
x t
l y t
z t
= +

30.
10
26
13

31. a) Son alabeadas b)
9
110
55

32.
39
29 2
29

33.
8
102
51

34. 14x +13y +10z =45
35. 3x +2y +z =6
36.
6
1
2

37. 3x 4y +8z =-8
38.
51 7
: 86 3
73 5
x t
l y t
z t
= +
= +

39. 17x 26y +11z +40 =0
40. P
1
(-2,3,-4) =65.9
41.
2
438
15

42.
2 2 2 2 2 2
( 2) ( 3) ( 4) 9 4 6 8 20 0 x y z o x y z x y z ( ( + + = + + + =

43.
5 1
: 5
2 1
x t
l y t
z t
= +
= +

44.
=
+ =
+ =
11
4
11
1
11
3
4
43
80
:
t z
t y
t x
l
45. (Proy.

PQ sobre V) =0; es un punto.
46.
5
201

47. r =
29

48.
a. Hiperboloide de una hoja
b. Paraboloide
c. Recta (Semieje positivo Z)
d. Cilindro
e. Cono
f. Esfera
g. Cilindro
h. Cilindro
i. Plano
j. Cono
k. Esfera
l. Hiperboloide de dos hojas
m. No existe
n. Hiperboloide de una hoja
o. Cilindro
p. Cilindro
q. Plano
r. Hiperboloide de una hoja
s. Paraboloide
t. Paraboloide Hiperblico
u. No existe
v. Cono
49.
a. No existe
b. Hiperboloide de una hoja
c. Cono
d. Paraboloide
e. Hiperboloide de una hoja
f. Plano
g. Plano
h. Paraboloide
i. Paraboloide
j. Elipsoide

Captulo III

1. a) 2 b) 5/2 c) 3/2 d) no existe e) 0
2. No es continua
3.
( )
( , ) (0,0)
)
1 ( , ) (0,0)
sen x y
x y
x y a
x y
+
; b) No es posible
4. a) No existe b) 2 c) No existe d) No existe
5. No es continua
6. a) Demostracin b) No
7.
1 1
0 0
lim ( , ) 1; lim ( , ) 0
y y
f x y dx f x y dx

= =

8.
{ }
( , ) (0,0)
lim ( , ) existe / 0
x y
f x y a R a
>
9. K =3/2
10. Continua
11. F; el lmite no existe
12. Es continua
13. No es continua, el lmite tiende a cero
14. a) Si es derivable b) Si es continua c) No es diferenciable
15. a) No es continua b) No es derivable c) No es diferenciable
16. a)
z
x
=-ysen(xy) 2/x ;
z
y
=-xsen(xy)-1/y
17. a)
f
x
=8(2x+3y)
3
yx
y-1
+y
x
ln(y) ;
f
y
=12(2x+3y)
3
x
y
ln(y)+xy
x-1

b)
f
x
=(2x)Cos(x
2
+y
2
-2z) -
2 2
2 2
x y
x y
xe
+
+
;
f
y
=(2y)Cos(x
2
+y
2
-2z) -
2 2
2 2
x y
x y
ye
+
+
-
2
2
y z +
;
f
z
=-2 Cos(x
2
+y
2
-2z) -
2
4z
y z +

c)
f
x
=
1
ln ln
y x xy
yx y x yz z
+ + ;
f
y
=
1
ln ln
y x xy
x x xy xz z
+ +
f
z
=
1 xy
xyz

18.
f
x
(0,0) =0
f
y
(0,0) =0
19. a)
f
x
=y g(xy) g(x) ;
f
y
=xg(xy)
b)
f
x
=y sen(xy) sen(x) ;
f
y
=x sen(xy)
c)
f
x
=
1
ln( ) ( ) ( )
x x y y
y y g y yx g x

f
y
=
1
( ) ln( ) ( )
x x y y
xy g y x x g x

20. a)
f
x
=
2 3 2
2 ( ) 2 '( ) x x y x y x y + ;
f
y
=
4 2
( ) x x y
b)
f
x
=
2 2 2
2 (3 ) 3 '(3 ) x x y x x y + + + ;
f
y
=
2 2
2 (3 ) x y x y +
21.
w
x
=
2 2 2
2 ; 2 ; 2
w w
xy z x yz y zx
y z

+ = + = +

22. a =b =1
23.
2 2
1 1
ln
y y
z z
x yx x
x y y x

= = +

24.
2 2
(0,0) 1 1 (0,0)
f f
x y y x

= =

25.
2 2 2 2 2 2
2 2
2 2 2 2 2 2
;
z f g z f g
a a
x u u y v v

= + = +

26.
2 2
(0,0) 1; 0
f f
x y y x

= =

27. Si satisface
28.
2
2 3 2 2 4 4
2 2
2
2 3 2 2 2 4 2 2 2 2
2 2
2
2 2 2 2 2 2 4 2 2 2
2
4
4 ( )( )
4
4 ( )(4 ) cos( )(2 )
12 ( )(4 ) cos( )(2 )
w
y z sen z y x z y
x x
w
x z sen z y x x z y z y x xz
y y
w
x y z sen z y x x z y z y x xy
z
= +
= +

29. Si satisface
30. 2/3
31. y =x; la funcin identidad
32. 68/13
33.
18
11
11

34. 8/189
35.
52
35

36. Falso
37.
14
5
5

38. Verdadero
39. :2x y 2z =8
3 3
: 2
2 1
x t
l y t
z t
= +

40. Razn de cambio;
0 0 0 0 0 0
2 2
0 0 0 0 0
2 3 3 3
3 3 3
y z y z y z
f
x e z x e y x e
v

41. a)
2 2 2 3 3 2
(2 2 2 2 3 3 ) f xy y x y x y z y z + + +
c) y =0
d) 2
42.
3 2 0
: (1,0,0)
2 3 5 0
y x
l N
y z
+ =
+ =

43.
(1,4)
17
D =
44. a) (-1,0) b) 2 4 4
2 2
+ + = + e e ez x e
45. 2x - 4y +z =2
46.
( 1, 1)
2
D

=
47. 3 2 4 10 y z + =
48.
2
4 11 x x + =
49.
3
2
3
2 1 3 3 3
( 3, 3, ) : ; :
3 6 3 2 6
3
3
x t
P x y z l y t
z t
= +
= =
= +

50.
1 2
(1,2, 1); ( 1, 2,1) P P
51. S
52.
1
: 1
2
x t
l y t
z
= +
= +

53. Desciende con rapidez
3
900 2e

54. S
55.
1
7
cos ( ) 60.81
206
o

=
56. ) 230 )68 8 33 268 a b x y z w + =
57. 4x 2y +z =-1
58. x 2y +z =0
59.
1 2
4 6 3 6 6 4 6 3 6 6
( , , ); ( , , )
37 37 37 37 37 37
P P

60.
4 1
: 3 2
2
x t
l y t
z t
= +
= +
= +

61. y +z =1
62.
2
2 6cos( ) ( )
t
z
e t sen t
t

63.
4
6
4
t
z f f
e
t x t y

= +

64. Si satisface
65.
' '
2 2
( ) ( ) 0
x z z x x x x
f f
y x y y y y y

+ = =

66. Si satisface
67. Verdadero
68. No satisface
69.
2 2 2 2 2 2 2 2
2 2 2 2
4 2 2
t t x y x y x y
t e e o e x e xye
+ + +
+ +
70.
(1,1)
4 2
( )| 4 0
0 4
D gof
(
(
=
(
(

71.
2 4 2 2 2
2 2 4 2
(1 4 4 ) (1 2 2 4 )
t t x y z
f
e t t o e x xy txz
t
+ + +
= + + + +

72.
(0,0)
( )
(0,0)
foT
s

73.
(1,1)
4 2
( )| 4 0
0 4
D GoF
(
(
=
(
(

74. 2279 . 2 , 24 . 2 = = z z
75. % error = 0.5%
76. % error =10%
77.
c b a V
V 15 . 0 2 . 0 5 . 0
+ + =

78. 4%
79. 24.99 cm
3

Calculo de Varias Variables - Washington Armas

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

Calculo de Varias Variables - Washington Armas

Hochgeladen von

Copyright:

Verfügbare Formate

CAPITULO 1

V es un vector unitario entonces II

1.6 Producto Externo 15

Ecuacin del plano en R

, que demuestra (4).

; entonces la existencia de la derivada implica

, evaluadas en el punto (1, 1)

V esta dada por :

un vector cualquiera, del teorema 3-11, la derivada direccional de

V esta dada por:

V X f sea mxima, Cos =1

V , lo que demuestra el teorema.

f ; 0 4 ) 0 ( ' ' > =

f Indica que la funcin tiene un

y x f H ; definida positiva, lo que indica que el

, hay dos conjuntos de soluciones:

, adems las coordenadas de la terna

, esto lleva a resolver el sistema:

= ; de igual forma se conoce como vector normal unitario,

y por otro lado

= y por tanto: ) ( ' ) ( ) ( ' t s T t = 5-7

= : se llama jacobiano de la transformacin y es el valor

= : se llama jacobiano de la transformacin y es el valor

+O ) son linealmente independientes

Das könnte Ihnen auch gefallen