Apunte Resumen

ndice general
1. Funciones Vectoriales
1.1. El Espacio Rn . . . . . . . . . . . . . . . . . . . . . .
1.2. Funciones Vectoriales . . . . . . . . . . . . . . . . . .
1.2.1. Operaciones algebraicas. . . . . . . . . . . . .
1.2.2. Lmites, derivadas e integrales. . . . . . . . .
1.2.2.1. Teoremas bsicos . . . . . . . . . . .
1.3. Curvas y Tangentes . . . . . . . . . . . . . . . . . . .
1.4. Longitud de arco y reparametrizacin de una curva.
1.5. Curvatura . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1. Triedro de Frenet . . . . . . . . . . . . . . . .
1.5.2. El vector aceleracin. . . . . . . . . . . . . .
1.5.3. *Ecuaciones de Frenet para una curva plana.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2. Campos Escalares en R2 y R3
2.1. Grfica de z = f (x, y). Curvas y superficies de nivel. . . . . . .
2.1.1. Superficies cudricas. . . . . . . . . . . . . . . . . . . . .
2.2. Lmites y Continuidad . . . . . . . . . . . . . . . . . . . . . . .
2.3. Funciones Diferenciables . . . . . . . . . . . . . . . . . . . . . .
2.3.1. Derivadas parciales . . . . . . . . . . . . . . . . . . . . .
2.3.2. Superficies parametrizadas . . . . . . . . . . . . . . . . .
2.3.3. El plano tangente . . . . . . . . . . . . . . . . . . . . . .
2.3.4. El concepto de diferenciabilidad . . . . . . . . . . . . . .
2.4. La Regla de la Cadena . . . . . . . . . . . . . . . . . . . . . . .
2.4.1. El vector gradiente . . . . . . . . . . . . . . . . . . . . .
2.5. Derivadas Direccionales . . . . . . . . . . . . . . . . . . . . . .
2.6. Mximos y Mnimos. . . . . . . . . . . . . . . . . . . . . . . . .
2.6.1. Criterio para determinar extremos de funciones de dos
variables . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.2. Extremos condicionados. . . . . . . . . . . . . . . . . .
2.7. *Temas de Lectura . . . . . . . . . . . . . . . . . . . . . . . . .
2.7.1. Campos Escalares y Campos Vectoriales . . . . . . . . .
2
5
5
7
8
9
10
12
14
17
19
20
21
24
24
31
31
34
34
35
38
39
44
46
48
51
53
55
65
65
2.7.2. Derivada en una direccin de un campo escalar en Rn .

Derivadas direccionales y parciales. . . . . . . . . . . . .
2.7.3. Diferenciabilidad de un campo escalar en Rn . . . . . . .
2.7.4. Regla de la cadena para campos escalares en Rn . . . . .
2.7.5. Derivada en una direccin de un campo vectorial. Derivada direccional . . . . . . . . . . . . . . . . . . . . . . . .
2.7.6. Diferenciabilidad de un campo vectorial . . . . . . . . .
2.7.7. Regla de la cadena para campos vectoriales. . . . . . . .
2.7.8. Frmula de Taylor de orden dos para campos escalares .
2.7.9. Naturaleza de un punto crtico teniendo como criterio los
valores propios de la matriz Hessiana . . . . . . . . . . .
2.7.10. Criterio para determinar extremos de funciones de dos
variables . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7.11. Ley de la conservacin de la energa. Campos conservativos
3. Integrales Mltiples
3.1. Integrales Dobles . . . . . . . . . . . . . . . . . . . . . .
3.1.1. Propiedades de la Integral doble . . . . . . . . .
3.1.2. Integracin en regiones ms generales . . . . . .
3.1.3. Clculo de integrales dobles: reas y volmenes. .
3.1.4. Cambio de variable . . . . . . . . . . . . . . . .
3.1.4.1. La frmula del cambio de variable . . .
3.2. Integrales Triples . . . . . . . . . . . . . . . . . . . . . .
3.2.1. Regiones ms generales . . . . . . . . . . . . . .
3.2.2. Cambio de variable en integrales triples. . . . . .
3.2.2.1. Coordenadas cilndricas. . . . . . . . . .
3.2.2.2. Coordenadas esfricas. . . . . . . . . . .
3.3. Aplicaciones de las integrales mltiples. . . . . . . . . .
3.3.1. Momentos y centros de masa. . . . . . . . . . . .
3.3.2. Densidad y masa. . . . . . . . . . . . . . . . . . .
3.3.3. Momento de Inercia. . . . . . . . . . . . . . . .
3.3.4. Probabilidad. . . . . . . . . . . . . . . . . . . . .
3.3.4.1. Valores esperados . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
66
68
71
73
74
76
80
82
84
85
87
87
88
89
91
95
97
101
102
104
105
106
107
107
109
112
116
116
4. Integrales de Lnea. reas de Superficies e Integrales de Superficie

117
4.1. Integral de Lnea . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.1.1. Propiedades de la Integrales de lnea . . . . . . . . . . 119
4.2. El concepto de trabajo como integral de lnea . . . . . . . . . . 121
4.3. Campos conservativos y funciones potenciales . . . . . . . . . . 123
4.4. El teorema de Green . . . . . . . . . . . . . . . . . . . . . . . . 124
4.5. rea de una superficie . . . . . . . . . . . . . . . . . . . . . . . 130
4.6. Integral de superficie . . . . . . . . . . . . . . . . . . . . . . . . 133
3
4.6.1. Integral de superficie de una funcin escalar . . . . . . .

4.6.2. Integral de superficie de un campo vectorial . . . . . . .
133
134
Captulo 1
Funciones Vectoriales
En este captulo combinaremos el lgebra lineal y los mtodos fundamentales
del clculo para estudiar algunas aplicaciones de las curvas y algunos problemas
de Mecnica.
1.1.
El Espacio Rn
El espacio Rn es el conjunto de todas las n-uplas de nmeros reales:

Rn = {(x1 , x2 , ..., xn ) : xi R, i = 1, 2, 3, ...n)} .
Los elementos de Rn se le llaman vectores.
En Rn definimos la suma de vectores y producto por escalares. Si

a = (x1 , x2 , ..., xn )
n
y b = (y1 , y2 , ..., yn ) entonces a + b es el elemento de R dado por
a + b = (x1 + y1 , x2 + y2 , ..., xn + yn ).
Para cada escalar R, el vector

a es definido por
a = (x1 , x2 , ..., xn ).
El producto escalar entre dos vectores de Rn est definido por
a b =
xi yi .
i=1
Recordemos algunas propiedades del producto escalar:

5
a b =
(
a + b )
c =
a b =

b
a
a c + b
c

a b =
a b
La longitud o norma de un vector de Rn es definida por
||
a || =
a .
a =
(x1 ) + (x2 ) + ... + (xn )
||
a ||2 =
a
a.
La distancia entre
a y b se define por
dist(
a, b)=
a b ,
para cada
a y b Rn
Propiedades importantes de la definicin de longitud o norma son las siguientes:
||
a ||
|| a ||
|| a + b ||
a b
0,
a Rn
= || ||
a ||
|| a || + || b ||
||
a || || b ||
El ngulo entre los vectores

a y b est dado por la relacin.
a b
cos =
a
b
En el caso que
a y b R3 definiremos otro producto entre vectores conocido
como producto vectorial que se denota por

a b y lo definimos como
a b =
i
x1
y1
j
x2
y2
k
x3
y3
= (x2 y3 x3 y2 ,
6
x3 y1 x1 y3 ,
x1 y2 x2 y1 ).
Recordemos algunas propiedades del producto vectorial
a b
a y
a b b
a b = b
a
(a + b) c = a c + b
c
a b c
= (a c) b a b
c
(
a) b =
a b
=
a b
(
a b)
c =
a b
c .
La norma de
a b est dada por
||
a b || = ||
a || || b ||sen
donde es el ngulo comprendido entre estos vectores.
1.2.
Funciones Vectoriales
Una F : J Rn donde J es un conjunto de nmeros reales, se llama funcin

vectorial.
El valor de la funcin F en t lo designaremos corrientemente por F (t). Puesto
que F (t) Rn
F (t) = (f1 (t), f2 (t), ..., fn (t))

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

vectorial da origen a n funciones reales f1 , f2,..., fn . Indicaremos esta relacin
por F = (f1 , f2,.., fn ). Llamamos a la variable t el parmetro de la funcin.
La ecuacin
x = F (t) donde
x = (x1 , x2 , ..., xn ) Rn , nos permite definir
las ecuaciones
x1 = f1 (t)
x2 = f2 (t)
..
.
xn = fn (t)
llamadas ecuaciones paramtricas con parmetro t.
En algunos casos representaremos las funciones vectoriales como combinacin
lineal de la base usual en Rn . Por ejemplo cuando n = 2 algunas veces uti
lizaremos la representacin F (t) = (x(t), y(t)) = x(t)i + y(t)j donde i = (1, 0)

7
y j = (0, 1) y cuando n = 3 utilizaremos F (t) = (x(t),y(t),z(t)) =x(t)i +

y(t)j+z(t)k donde i = (1, 0, 0), j = (0, 1, 0), k =(0, 0, 1).
Ejemplo 1.2.1 Consideremos el caso de la ecuacin de una recta que pasa
por el punto P0 = (a, b, c) y tiene vector director

a = (l, m, n) . Las ecuaciones
paramtricas de la recta estn dadas por
x =
y =
a + lt,
b + mt,
c + nt.
Estas variables las podemos escribir en forma vectorial de la siguiente manera
F (t) = (x(t), y(t), z(t)) = (a+lt, b+mt, c+nt) = (a, b, c)+t(l, m, n) = P0 +t

a,
donde el parmetro t R. As, la ecuacin vectorial de la recta define la
funcin vectorial
F (t) = P0 + t
a.
Ejemplo 1.2.2 Si consideramos las ecuaciones paramtricas dadas por x =
cos t y y = sent, 0 t 2, obtenemos la funcin vectorial
F (t) = cos ti + sen tj.
La norma o longitud de F (t) para cada t est dada por
F (t) =
cos2 t + sen2 t = 1.
El vector F (t) describe una circunferencia de radio 1 en sentido contrario a

las manecillas del reloj dando una vuelta completa cuando t aumenta de 0 a
2.
1.2.1.
Operaciones algebraicas.
Las operaciones algebraicas de los vectores pueden aplicarse para las funciones
vectoriales. Sean F , G , funciones vectoriales definidas sobre un dominio comn
y f una funcin real, entonces definimos las funciones F + G , f F , F G ,

mediante

F + G (t) = F (t) + G(t),
f F (t) = f (t) F (t),
F G (t) = F (t) G (t).

8
(El producto aqu considerado es el de producto escalar).

Observemos que el producto escalar de funciones vectoriales es una funcin
real.
Adems en el caso de que F y G tengan sus valores en R3 podemos definir el

producto vectorial
F G (t) = F (t) G (t).
1.2.2.
Lmites, derivadas e integrales.
Los conceptos fundamentales de lmite, continuidad, derivadas e integral pueden

generalizarse naturalmente para funciones vectoriales.
Si F = (f1 , f2,.., fn ) es una funcin vectorial y L = (l1 , l2 , ..., ln ) Rn , definimos

el lmite por
lm F (t) = L lm f1 (t) = l1 ,
ta
lm f2 (t) = l2 ,
ta
ta
lm fn (t) = ln
ta
siempre que los lmites existan.
Diremos que F es continua en a si lm F (t) = F (a). Es decir, F es continua

ta
en a si y solo si cada componente es continua en a.
Si una funcin vectorial continua est definida en el intervalo [a, b], entonces cada componente real es continua en [a, b] y por lo tanto integrable. As podemos
definir
b
b
b
b
F (t)dt =
f1 (t)dt,
f2 (t)dt, ...,
fn (t)dt
a
Igualmente, la derivada F (t) de una funcin vectorial F (t) se define exacta
mente de la misma forma que la derivada de una funcin real, es decir F (t) es
diferenciable en t, si
F (t + h) F (t)
F (t) = lm
h0
h
existe. De acuerdo a la definicin del lmite para funciones vectoriales podemos
decir que la funcin vectorial F (t) es diferenciable si y slo si cada componente

es diferenciable. En este caso
F (t) = (f1 (t), f2 (t), ..., fn (t))
Diremos que F es continua, derivable o integrable en un intervalo si cada componente lo es. De acuerdo a estas definiciones muchos de los resultados sobre
lmites, continuidad, derivacin e integracin de funciones reales son vlidos
para las funciones vectoriales.
9
Denotaremos las derivadas por
dF
.
F (t) = Dt F =
dt
En el caso de n = 2, si F (t) = (x(t), y(t)) = x(t)i + y(t)j,
dF
F (t) = Dt F =
=
dt
dx dy
,
dt dt
dx
dy
i + j.
dt
dt
En el caso de n = 3, si F (t) = (x(t), y(t), z(t)) = x(t)i + y(t)j+z(t)k,
dF
F (t) = Dt F =
=
dt
dx dy dz
, ,
dt dt dt
dx
dy dz
i + j+ k.
dt
dt
dt
1.2.2.1.
Teoremas bsicos
Teorema 1.2.1 Si F , G , funciones vectoriales y f una funcin real son
diferenciables, entonces lo mismo ocurre con las funciones F + G , f F , F G ,

y tenemos
(F + G)
(f F )
F G
= F +G
= f F + fF

= F G + F G
Si F y G tienen valores en R3 , entonces
F G

=F G + F G
Demostracin. Vamos a demostrar la segunda propiedad. Las dems se prueban de manera similar.
(f F )
= ((f f1 ) , (f f2 ) , ..., (f fn ) )
= (f f1 + f f1 , f f2 + f f2 , ..., f fn + f fn )
= f (f1 , f2 , ..., fn ) + f (f1 , f2 , ..., fn )
= f F + fF
El siguiente es un teorema muy importante y caracteriza las funciones vectoriales que tienen longitud constante.
10
Teorema 1.2.2 Una funcin vectorial F (t) diferenciable tiene longitud con
stante en un intervalo abierto I, si y slo si F (t) F (t) = 0. Esto significa que
los vectores F (t) y F (t) son perpendiculares para cada t I.
Demostracin. Vamos inicialmente a suponer que la longitud de F (t) es
constante. Definamos la funcin g(t) = || F (t)||2 = F (t) F (t). De acuerdo a

la hiptesis g(t) = c para todo t I donde c es una constante. Por lo tanto
g (t) = 0 en I. Como g es un producto escalar, tenemos que
g (t) = F (t) F (t) + F (t) F (t) = 2 F (t) F (t) = 0,
entonces F (t) F (t) = 0 en I.
Para mostrar el recproco consideremos que F (t) F (t) = 0 en I y definamos

2
g(t) = F (t) . Derivando g(t) tenemos que g (t) = 2 F (t) F (t) y aplicando
la hiptesis tenemos que g (t) = 0 para todo t I. As la longitud de F (t) es

constante.
Los siguientes teoremas se demuestran teniendo en cuenta las propiedades de
los vectores y los teoremas bsicos de derivadas de una variable como la regla
de la cadena y los teoremas fundamentales del clculo.
Teorema 1.2.3 (Regla de la cadena para funciones vectoriales). Sea
G = F u donde F es una funcin vectorial y u es una funcin real. Si u es
continua en t y F es continua en u(t) entonces G es continua en t. Adems si
u es diferenciable en t y F es diferenciable en u(t) entonces G es diferenciable

en t y
G (t) = F (u(t))u (t).

Teorema 1.2.4 (Primer Teorema Fundamental del Calculo para funciones
Vectoriales) Sea F : [a, b] Rn una funcin vectorial continua y definamos

t
A (t) =
F (s)ds,
atb
Entonces A existe y A (t) = F (t).

Teorema 1.2.5 (Segundo Teorema Fundamental del Calculo para funciones
Vectoriales). Supongamos que la funcin F tiene derivada continua F en un

intervalo I. Entonces para cada t I tenemos
t
a
F (s)ds = F (t) F (a)

11
F (t) = F (a) +
F (s)ds.
1.3.
Curvas y Tangentes
A las funciones vectoriales diferenciables las llamaremos curvas y las denotare
mos con la letra

r en lugar de la letra F . As, una curva en Rn es una funcin
r : I Rn diferenciable; la curva es regular, si r (t) = 0 para todo t. A no

ser que se diga lo contrario, nuestras curvas siempre sern regulares. Tambin
llamaremos curva o trayectoria al rango o conjunto imagen de la funcin

r,
esto es, al conjunto C definido por
C = {
x :
x =
r (t) para algn t I}.
En este caso, la funcin

r se denomina parametrizacin de C, y diremos que
la curva C est descrita paramtricamente (o parametrizada) por

r . Cuando
n = 2 3 podemos representar geomtricamente la curva. Por ejemplo, en el
caso de n = 3, la curva descrita por

r (t) = P + t
a es una lnea recta que pasa
por el punto P y tiene vector director a .

Observacin 1.3.1 El grfico de cualquier funcin real y = f (x) puede ser
dado en forma paramtrica mediante las ecuaciones: x = t y = f (t) o en forma
vectorial como
r (t) = (t, f (t)).
Definicin 1.3.1 La derivada r (t0 ) de una curva

r en t0 est ligada al concepto de tangencia, como en el caso de una funcin real. Formamos el cociente
de Newton
r (t0 + h)
r (t0 )
,
h
12
Investigamos el comportamiento de este cociente cuando h 0. El cociente es
el producto del vector

r (t0 + h)
r (t0 ) por el escalar 1/h. Observemos que
el numerador es paralelo a este cociente. Si hacemos que h 0 tenemos que
r (t0 + h)
r (t0 )
= r (t0 )
h0
h
lm
suponiendo que este lmite exista. La interpretacin geomtrica sugiere la siguiente definicin.
Definicin 1.3.2 Sea C la curva parametrizada por

r =
r (t). Si la derivada
r existe y no es nula, la ecuacin de la recta tangente que pasa por el punto
r (t0 ) y tiene vector director r (t0 ) est dada por

r (t) =
r (t0 ) + t r (t0 ). El
vector r (t0 ) se llama vector tangente a C en

r (t0 ).
Ejemplo 1.3.1 Recta. Consideremos la funcin vectorial

r (t) = P + t
a,
siendo a = 0 , tenemos que r = a , as que la recta tangente coincide con la
curva de
r.
Ejemplo 1.3.2 Circunferencia. Si

r (t) describe una circunferencia de radio
R y centro en el punto P , entonces ||

r (t) P || = R. El vector
r (t) P
geomtricamente representa un vector que va desde el punto P al punto

r (t).
Puesto que este radio vector tiene longitud constante, tenemos que r (t) P
y su derivada (
r (t) P ) = r (t) son perpendiculares y por lo tanto el radio
vector es perpendicular a la recta tangente. As pues, para una circunferencia
la definicin de tangente coincide con aquella dada en la geometra elemental.
Puede pensarse que la curva C es la trayectoria de una partcula que se mueve
en el espacio a medida que transcurre el tiempo t, as,

r (t) es la posicin
de la partcula en el tiempo t. r (t) es entonces la velocidad de la partcula,
que tambin denotamos

v (t). La norma de la velocidad
v (t) se denomina
13
rapidez de la curva y se denota v(t). La segunda derivada r (t) es la aceleracin
de la curva y se denota a (t).

Si conocemos la aceleracin de una partcula en un tiempo t y si tambin sabemos su velocidad y su posicin en un tiempo especfico t0 , entonces podemos
conocer su velocidad y su posicin en cualquier tiempo t, como se muestra en
el siguiente ejemplo.
Ejemplo 1.3.3 Se sabe que la aceleracin de una partcula que se mueve en
el espacio est dada por

a (t) = 2t i + sent j + cos 2t k . Si su velocidad y
posicin en t = 0 estn dados por

v (0) = i y
r (0) = j , hallar su posicin
en cualquier tiempo t.
Solucin. Puesto que

a (t) = v (t), entonces
v (t) =
a (t)dt = (2t i +sent j +cos 2t k )dt = t2 i cos t j + 21 sen2t k +

c,
donde la constante
c = (c1 , c2 , c3 ). Por un lado
v (0) = (0, 1, 0)+(c1, c2 , c3 ) =
(c1 , c2 1, c3 ) y por otro lado, v (0) = (1, 0, 0), de tal manera que c1 = 1, c2 = 1
y c3 = 0, y la velocidad es entonces
v (t) = (t2 + 1) i + (1 cos t) j + 12 sen2t k .
Ya podemos hallar su posicin puesto que
r (t) =
t3
v (t)dt = ( + t) i + (t sent) j cos 2t k + (c1 , c2 , c3 )

3
4
y puesto que por hiptesis

r (0) = (0, 1, 0), y por otro lado
r (0) = (c1 , c2 , 41 +
t3
c3 ) tenemos que la posicin en un tiempo t est dada por

r (t) = ( + t) i +
3
(t sent + 1) j + ( 14 14 cos 2t) k .
1.4.
Longitud de arco y reparametrizacin de una

curva.
Sea C una curva parametrizada por

r =
r (t), t [a, b]. Si reemplazamos t
por una funcin diferenciable h : [c, d] [a, b], creciente o decreciente de otra
variable u, t = h(u), obtenemos una nueva parametrizacin de

r de la forma
(u) = r (h(u)), esto es, la composicin de r con h.

Nota: A veces, para simplificar la notacin y cuando no haya peligro de con
fusin, denotaremos la reparametrizacin

con la misma letra
r y en lugar
de escribir t = h(u) escribimos t = t(u) as: r (u) = r (t(u)); lo mismo para

la inversa u = h1 (t) escribimos u = u(t). Si h es creciente, diremos que el
cambio de parmetro preserva la orientacin y si h es decreciente, diremos que
14
h invierte la orientacin.
Ejemplo 1.4.1 Sabemos que la ecuacin y = 1 x2 , x [1, 1] representa la mitad superior de un crculo
de radio 1. Podemos parametrizar di
cho semicrculo por
r (t) = (t, 1 t2 ), t [1, 1] con orientacin del
punto (1, 0) al punto (1, 0). Escribiendo
t = t(u) = cos u obtenemos la
reparametrizacin
r (u) = (cos u, 1 cos2 u) = (cos u, sen u). Si tomamos
u [0, ] = [arc cos(1), arc cos(1)] obtenemos una reparametrizacin que invierte la orientacin pues en dicho intervalo cos es decreciente.
La longitud de una curva

r =
r (t) para t [a, b] se define por
b
L(
r)=
a
|| r (t)||dt
En los casos n = 2 y n = 3, esto es, cuando

r (t) = (x(t), y(t)) y
r (t) =
(x(t), y(t), z(t)), sus longitudes son
L(
r)=
y
L(
r)=
x (t)2 + y (t)2 dt
a
x (t)2 + y (t)2 + z (t)2 dt

a
Por ejemplo, en el crculo

r (t) = (acost, asent), para t [0, 2], tenemos que
r (t) = (asent, acost) y || r (t)|| = a por lo que su longitud es
L(
r)=
adt = 2a
0
y en el caso de la hlice
r (t) = (acost, asent, bt), su longitud desde el punto
(1, 0, 0) hasta el punto (1, 0, 2) es
2
a2 + b2 dt = 2
a2 + b 2 .
Ntese que al reparametrizar una curva, ni su forma ni su longitud cambian.

Esto ltimo se deduce del hecho de que haciendo t = h(u) y suponiendo h
creciente
d
(u) du =
r (h(u))h (u) du =
15
|| r (h(u))||h (u)du =
r (t) dt
El estudiante puede hacer algo anlogo para h decreciente.
Sin embargo, escribiendo

r (u) =
r (t(u)) se tiene que
d
r
d
r
=
du
dt
dt
du
dt
; incluso la velocidad
lo que muestra que su rapidez s cambia por el factor du
puede invertir su sentido en el caso en que t = t(u) sea decreciente pues en este
dt
caso
< 0.
du
Pregunta: Se podr reparametrizar una curva cualquiera de tal manera que

su rapidez sea constante? La respuesta es s, como veremos a continuacin.
r (u) du.
s = s(t) se denomina funcin longitud de arco y mide la longitud de

r desde
ds
a hasta t. Puesto que
= r (t) > 0, s(t) es una funcin creciente y como
dt
s(a) = 0 y s(b) = L (su longitud total), su inversa t = t(s) es creciente con
dominio [0, L]. Utilizando esta inversa como cambio de parmetro, obtenemos
la parametrizacin
r (s) =
r (t(s)) en donde el parmetro es la longitud del
arco s. La velocidad de esta parametrizacin es
Sea
r =
r (t), t [a, b] una curva cualquiera, y sea s = s(t) =
t
a
d
r dt
d
r
=
ds
dt ds
dt
1
d
r
1
Como
, tenemos que
= ds =
= 1. As vemos que cuando la
ds
ds
r (t)
dt
curva est parametrizada por longitud de arco, su rapidez es constante e igual
a 1. Recprocamente, si
r =
r (t) es una curva tal que r (t) = 1, entonces
t
t
s = 0 r (u) du = 0 du = t, es decir el parmetro t es la longitud del arco
s. Hemos demostrado el siguiente teorema:
Teorema 1.4.1 Una curva

r =
r (t) est parametrizada por longitud de arco
si y solo si r (t) = 1.
Ejemplo 1.4.2 Parametrizar por longitud de arco el crculo de radio a,

r (t) =
(a cos(t), a sen(t)),t [0, 2].
t
Tenemos que r (t) = (a sen(t), a cos(t)) y r (t) = a. As, s = 0 r (u) du =
s
t
0 a du = at. Despejando t tenemos que t = a y reemplazando obtenemos
s
s
r (s) = (a cos( ), a sen( )) es la parametrizacin pedida.

a
a
16
1.5.
Curvatura
La curvatura es el concepto ms importante de la teora de curvas y mide

qu tanto se dobla una curva en un punto determinado. Puesto que la forma
como se dobla una curva tiene que ver con su concavidad, es apenas natural
pensar que la segunda derivada tiene que estar involucrada, esto es, la razn de
cambio del vector tangente. Definiremos inicialmente la curvatura de una curva
parametrizada por la longitud de arco s y luego deduciremos una frmula para
la curvatura de una curva con cualquier parmetro t.
Definicin 1.5.1 Sea C una curva parametrizada por

r =
r (s) donde s =
t
r (u) du. Definimos la curvatura de C por
0
k(s) = r (s)
(1.1)
Ejemplo 1.5.1 Calcular la curvatura del crculo de radio a,

r (t) = (a cos t, asent).
En el ejemplo anterior vimos que la parametrizacin por longitud de arco del
s
s
crculo es
r (s) = (a cos( ), a sen( )). Tenemos entonces que la segunda
a
a
1
s
1
s
derivada de
r es r (s) = cos( ), sen( ) y por lo tanto k(s) =
a
a
a
a
1
r (s) = .
a
Nota.
Esta definicin solo es vlida para curvas parametrizadas por longitud de arco
y no sirve como definicin de curvatura de una curva con cualquier parmetro
t (es decir, escribir k(t) = r (t) ). Para ver porqu esto es as, vea el ejercicio
y la observacin al final de esta seccin.
En principio, si queremos calcular la curvatura de una curva con cualquier
parmetro t, deberamos primero reparametrizarla por longitud de arco y aplicar
la ecuacin 1.1 como se hizo en el ejemplo anterior. Esto no es prctico por la
dificultad en el clculo de la integral involucrada o porque a menudo es muy
difcil o virtualmente imposible invertir dicha integral. Para encontrar una frmula de la curvatura con cualquier parmetro t, definamos el vector tangente
unitario de una curva parametrizada por

r =
r (t) as:
r (t)
T (t) =
r (t)
(1.2)
Reparametrizando entonces por longitud de arco, tenemos que

r (s) =
r (t(s))
donde t = t(s) es la inversa de la funcin longitud de arco s = s(t); se tiene en17
tonces tambin que el vector tangente unitario tiene la forma T (s) = T (t(s)).
Entonces r (s) = T (s) y la segunda derivada de

r es
d T dt
T (t)
=
r (s) = T (s) =
dt ds
r (t)
y puesto que la curvatura es la norma de este vector, tenemos que
T (t)
k(t) =
.
r (t)
(1.3)
Esta frmula nos permite calcular la curvatura de una curva cualquiera sin tener
que reparametrizarla por longitud de arco. Podemos encontrar una frmula
ms sencilla que slo involucre r y sus derivadas (y no el vector T ) dada en el

siguiente teorema.
Teorema 1.5.1
k(t) =
r (t) r (t)
Demostracin. Escribiendo v(t) =

derivando obtenemos
r (t)
(1.4)
r (t) tenemos que r (t) = v(t) T (t);
r (t) = v (t) T (t) + v(t)T (t)

.
Entonces
r r = v T v T + vT

= vv T T + v 2 T T

= v2 T T
Por lo tanto

r r = v2 T T = r
T sen(/2)
puesto que T es perpendicular a T . Y como T = 1 se tiene que

18
r r = r
T .
Dividiendo a ambos lados de esta ltima ecuacin por

mula deseada.
se obtiene la fr-
La curvatura de una curva con cualquier parmetro t est bien definida por
la ecuacin 1.3, en el sentido de que es independiente de la parametrizacin
elegida, es decir, que para calcular la curvatura no interesa qu parametrizacin
tomemos. Esto se demuestra de la siguiente manera: si

es una reparametrizacin
de r , esto es, (u) = r (h(u)) con h(u) = t y llamamos k ,kr ,T y Tr a las

curvaturas y al vector tangente unitario en las dos parametrizaciones, entonces:
Tr (h(u))h (u)
Tr (t)
T (u)
k (u) =
=
=
= kr (t)
(u)
r (h(u))h (u)
r (t)
Note que si en la ecuacin 1.3 hacemos t = s obtenemos la ecuacin 1.1.
Puede probarse fcilmente que si la curvatura de una curva es cero en todos
sus puntos, dicha curva es una linea recta, que es efectivamente lo que nos
dice la intuicin. Para ello notemos que como la curvatura es independiente
de la parametrizacin, podemos suponer r (t) = 1. Si k = 0, entonces por
la ecuacin 1.1 debe ser r (t) = 0. Integrando entre t0 y t se obtiene que
r (t) = r (t0 ) e integrando de nuevo obtenemos

r (t)
r (t0 ) = (t t0 )
r (t0 )
esto es, r (t) = (t t0 ) r (t0 ) + r (t0 ) que ciertamente es una lnea recta.
1.5.1.
Triedro de Frenet
Para una curva

r =
r (t) definimos el vector normal unitario por
T (t)
N (t) =
T (t)
(1.5)
Note que N T puesto que T = 1. Definimos tambin el vector binormal

por
B (t) = T (t) N (t)

19
vector que es perpendicular tanto a T como a N . La tripla T , N , B se denomina triedro de Frenet y juega un papel central en el estudio de la geometra
de curvas.
T , N se denomina plano osculador .
El plano generado por el par N , B se denomina plano normal.
El plano generado por el par T , B se denomina plano rectificante.
Las ecuaciones de dichos planos en un punto

r (t0 ) son
plano osculador: ( x r (t0 )) B (t0 ) = 0.
plano normal: (
x
r (t0 )) T (t0 ) = 0.
plano rectificante: (
x
r (t0 )) N (t0 ) = 0.
El plano generado por el par
1.5.2.
El vector aceleracin.
Si escribimos
v = r y v = r , tenemos que
v = v T . Derivando a ambos
lados de esta ecuacin, obtenemos:
v =
a = v T + vT
Como T = T N = kv N , entonces
a = v T + kv 2 N
20
Escribiendo aT = v y aN = kv 2 tenemos que la aceleracin es una combinacin
lineal de los vectores T y N de la forma

a = aT T + aN N , lo que nos dice
que el vector aceleracin est siempre sobre el plano osculador.
Podemos encontrar expresiones para aT y aN en trminos solamente de las
derivadas de
r as:
v
a =
=
=
v T v T + kv 2 N
vv T T + kv 3 T N
vv
r r
v
a
=
As, aT = v =
.
v
r
2
Para aN , observemos que aN = kv =
r r
r
3
r r
=
.
El estudiante puede demostrar fcilmente que tambin se tiene que

a
2
2
aT + aN .
1.5.3.
*Ecuaciones de Frenet para una curva plana.
Las ecuaciones de Frenet expresan la variacin de los vectores T y N en trminos de ellos mismos y desempean un papel fundamental en el estudio de la
geometra de las curvas. Deduciremos estas ecuaciones en el caso de una curva
plana.
De la ecuacin 1.5 obtenemos T = T N y reemplazando T por lo dado

en la ecuacin 1.3 tenemos que
T = vk N
(1.6)
donde v = r .
Esta es la primera ecuacin de Frenet. Por otro lado como N = 1 tenemos
que N N y como la curva es plana, entonces N es paralelo a T y por lo
tanto existe un escalar tal que N = T . Al multiplicar a ambos lados de

esta ecuacin por T , obtenemos que = T N . Por otro lado, derivando la

ecuacin T N = 0 obtenemos T N + T N = 0 lo que es equivalente a

kv N N + T N = 0 por la primera ecuacin de Frenet (ecuacin 1.6) y as,

= T N = vk, y obtenemos la segunda ecuacin de Frenet
21
N = vk T
(1.7)
Las ecuaciones 6 y 7, llamadas Ecuaciones de Frenet se pueden escribir en la

forma matricial
= r
0
k
k
0
Ejercicio
1
Demostrar que si una curva tiene curvatura k = (constante) entonces es un
a
crculo de radio a (con centro en algn punto P ).

Puesto que la curvatura es independiente de la parametrizacin, podemos
suponer v(t) = r (t) = 1. Para demostrar que

r es un crculo de radio
a con centro en P , debemos probar que r (t) + a N (t) = P pues entonces
r (t) P = a N (t) y as,

r (t) P = a, como se observa en la figura
abajo.
d
(
r (t) + a N (t)) = r (t) + aN (t). Pero la sedt
gunda ecuacin de Frenet (ecuacin 1.7) es N (t) = T (t), por lo tanto

a
r (t) + aN (t) = T (t) a. T (t) = 0 y por lo tanto

r (t) + a N (t) =constante.
a
Llamando P a dicha constante, se tiene lo que se quiere demostrar.

Para ver esto, observe que
Observacin.
22
Se defini la curvatura de una curva parametrizada por longitud de arco como

la norma del cambio en el vector tangente (ecuacin 1.1). Esta definicin no
funciona para una curva con cualquier parmetro t. Para ver esto basta observar
que r (t) = 2 (constante) para la parbola

r (t) = t, t2 , lo que significara
que la parbola es un crculo!!
23
Captulo 2
Campos Escalares en R2 y R3
Una funcin de n variables campo escalar, es una funcin f : U Rn R. Si
(x1 , x2 , . . . , xn ) U , su imagen por f es un nmero real xn+1 = f (x1 , x2 , . . . , xn ).
En este curso solo estudiaremos los casos n = 2 y n = 3 y entonces escribiremos z = f (x, y) y w = f (x, y, z) respectivamente. U es el dominio de f y es un
subconjunto del plano del espacio.
Ejemplo 2.0.2 Hallar el dominio de f (x, y) = x ln y.
Es claro que xpuede tomar cualquier valor real, mientras que ysolo puede tomar
valores positivos; por lo tanto el dominio de f es el conjunto U = {(x, y)|x
R, y R+ }, esto es, el semiplano superior del plano R2 .
Ejemplo 2.0.3 Hallar el dominio de f (x, y) = 1 x2 y 2 .
Puesto que 1 x2 y 2 0, f solo puede ser calculado en los puntos del disco
x2 + y 2 1.
2.1.
Grfica de z = f (x, y). Curvas y superficies

de nivel.
La grfica de una funcin de dos variables es un subconjunto de R3 y se define

por
Graf (f ) = {(x, y, f (x, y))|(x, y) U } R3
La grfica de z = f (x, y) la denominamos superficie. Dibujar "a mano" una superficie es difcil y lo mejor es recurrir a un computador. Sin embargo, podemos
hacernos una idea de cmo es una superficie (o por lo menos las ms utilizadas
en la prctica), viendo las curvas que se forman al cortar la superficie con planos
paralelos a los planos coordenados, llamadas trazas. En particular, las trazas
24
con planos paralelos al plano xy se denominan curvas de nivel, que se obtienen

intersectando la grfica de f con los planos z = c (constante), esto es, la curva
de nivel en el nivel c es el subconjunto del plano definido por
Lf (c) = {(x, y)|f (x, y) = c} R2
Para las trazas con planos paralelos a los planos coordenados xz y yz hacemos
y = c y x = c. Veamos algunos ejemplos.
Ejemplo 2.1.1 Sea f : R2 R definida por
z = f (x, y) = x2 + y 2 .
Dado un nmero real c, la curva de nivel al nivel c de f est dada por
Lf (c) = {(x, y) : x2 + y 2 = c}.
Claramente si c < 0, Lf (c) = (vaco); si c = 0, Lf (c) = {(0, 0)}; para
cualquier c > 0,los conjuntos de nivel son circunferencias con centro en el
origen de radio c. La figura muestra las circunferencias concntricas
En el ejemplo anterior, las curvas de nivel son crculos que se expanden a

medida que aumentamos el valor de c. En la siguiente grfica, a la derecha
vemos una imagen tridimensional de estos crculos; cada uno de ellos est
sobre el plano z = c.
25
Sin embargo, esto no es suficiente. Necesitamos ver las trazas con los planos
coordenados yz y xz. Para ver el corte con el plano yz, hacemos x = 0 en la
funcin f ; tenemos entonces que dicho corte es la parbola z = y 2 . Igualmente,
para el corte con el plano xz, hacemos y = 0 para obtener la parbola z = x2 .
Abajo puede verse la grfica de dicha funcin, llamada paraboloide.
Ejemplo 2.1.2 Hagamos la grfica de la funcin z = f (x, y) =

Las curvas de nivel estn dadas por el conjunto
Lf (c) = {(x, y) :
x2 + y 2 .
x2 + y 2 = c} = {(x, y) : x2 + y 2 = c2 }
esto es, crculos concntricos de radio c.

26
Observe que esta grfica aparentemente es igual a la del paraboloide, sin embargo la grfica de f no es un paraboloide como lo muestran los cortes con los
otros planos coordenados: Si x = 0, obtenemos z = y 2 = |y|, esto es, las dos
rectas z = y y z = y. De la misma manera, si y = 0 obtenemos las rectas
z = x, y z = x. Vemos la grfica abajo, que evidentemente es un cono.
Ejemplo 2.1.3 Veamos ahora la funcin z = y 2 x2 .
Las curvas de nivel son las hiprbolas y 2 x2 = c, como se observa en la figura

abajo.
27
Note que en el caso c = 0 obtenemos la hiprbola degenerada x2 = y 2 que

corresponde a las dos rectas y = x y y = x.
El corte con el plano yz es la parbola z = y 2 y el corte con el plano xz es
la parbola z = x2 . Esta grfica se llama paraboloide hiperblico o silla de
montar y tiene el aspecto que se muestra abajo.
Ejemplo 2.1.4 Veamos la grfica de la superficie dada por la ecuacin z = y 2 .

Observe que en la ecuacin no aparece la variable x; esto significa que x toma
28
todos los valores reales. Superficies de este tipo se llaman cilindros. Cuales
son las curvas de nivel? Su grfica puede verse abajo.
Para el caso de una funcin de tres variables w = f (x, y, z), su grfica se define
por el conjunto
Grf (f ) = {(x, y, z, f (x, y, z)) |(x, y, z) U } R4

Por supuesto no podemos hacer un dibujo de ella por estar en el espacio cuatridimensional R4 . Sin embargo tenemos el concepto de superficie de nivel
definido de forma anloga al de curva de nivel as:
Sf (c) = {(x, y, z) |f (x, y, z) = c} R3

y aunque no podamos despejar z explcitamente en trminos de x y de y, s
podemos encontrar las trazas con los planos coordenados. Veamos ejemplos de
esto.
Ejemplo 2.1.5 Consideremos la funcin de tres variables w = f (x, y, z) =

x2 + y 2 + z 2 . La superficie de nivel en el nivel 1 es el conjunto {(x, y, z) :
2
2
2
2
2
2
x
+ y + z = 1}. Haciendo z = c, obtenemos crculos x + y = 1 c de radio
2
1 c por lo que debemos tener 1 c 1. En la figura abajo se muestran
estas curvas.
29
De la misma manera obtenemos crculos al cortar la superficie con planos paralelos a los otros dos planos coordenados. La figura obtenida es una esfera de
radio 1.
Ejemplo 2.1.6 Las superficies de nivel de la funcin f (x, y, z) = x2 + y 2 z 2

es el conjunto de nivel {x, y, z) : x2 + y 2 z 2 = c}. El lector no tendr dificultad
en comprobar que las grficas que se muestran abajo corresponden a c = 1, c =
0, c = 1 respectivamente, llamadas hiperboloide de una hoja, doble cono e
hiperboloide de dos hojas.
30
Observemos que la grfica de una funcin de dos variables puede verse como
la superficie de nivel de una funcin de tres variables. Si f : R2 R,
recordemos que la grfica de f es
Gf
Gf
= {(x, y, z) R3 : z = f (x, y), (x, y) }
= {(x, y, z) R3 : (x, y) , z f (x, y) = 0 } = Lg (0)
donde g(x, y, z) = z f (x, y). As la grfica de una funcin de dos variables es

una superficie de nivel de una funcin de tres variables.
2.1.1.
Superficies cudricas.
Consideremos las funciones de tres variables sobre R3 que son de tipo polinomial
f (x, y, z) = Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Hx + Iy + Jz + K,
donde A, B, C, D, E, F, G, H, I, J, K son constantes. Si A, B.C, D, E, F no son
simultneamente cero las superficies de nivel
Lf (c) = {(x, y, z) R3 : Ax2 +By 2 +Cz 2 +Dxy+Exz+F yz+Hx+Iy+Jz+K = c
se llaman superficies cudricas.
Si A = B = C = D = E = F = 0, tenemos que la superficie de nivel de f
determina como superficie un plano dado por Hx + Iy + Jz + K = c
En general estas superficies cudricas pertenecen a nueve tipos diferentes: El
elipsoide, el hiperboloide de una hoja, el hiperboloide de dos hojas, el cono, el
paraboloide elptico, el paraboloide hiperblico, el cilindro elptico, el cilindro
hiperblico.
2.2.
Lmites y Continuidad
Utilizamos la notacin
lm
(x,y)(x0 ,y0 )
f (x, y) = L para indicar que podemos aprox-
imar la funcin f (x, y) tanto como queramos a un nmero L siempre y cuando tomemos (x, y) suficientemente cerca del punto (x0 , y0 ) pero con (x, y) =
31
(x0 , y0 ). En otras palabras, f (x, y) est cerca de L si (x, y) est cerca de (x0 , y0 )
y entre ms cerca est (x, y) de (x0 , y0 ), ms cerca est f (x, y) de L. Esto significa que podemos tomar la distancia entre f (x, y) y L tan pequea como
queramos siempre y cuando la distancia entre (x, y) y (x0 , y0 ) sea lo suficientemente pequea. Tenemos entonces la equivalencia
lm
(x,y)(x0 ,y0 )
f (x, y) = L
lm
|f (x, y) L| = 0
||(x,y)(x0 ,y0 )||0
que podemos escribir tambin en la forma

f (x, y) L cuando (x, y) (x0 , y0 )|f (x, y) L| 0 cuando
(x x0 )2 + (y y0 )2 0.
As, el lmite de una funcin de dos variables se reduce al lmite usual del
clculo de una variable, y es por esta razn que las propiedades usuales de los
lmites unidimensionales tambin son vlidas para lmites de funciones de dos
variables. Claramente se ve que la definicin anterior de lmite es vlida para
cualquier campo escalar en Rn , con solo reemplazar la pareja (x, y) por un
vector
x Rn y la pareja (x0 , y0 ) por cualquier vector
a Rn .
Las propiedades de los lmites y de la continuidad las resumimos en los siguientes teoremas:
Teorema 2.2.1 Si
lm f (
x)=b y
lm g(
x ) = c, entonces

xa
1.
lm (f (
x ) + g(
x )) = b + c,

xa
xa
2.
lm f (
x ) = b

xa
para todo escalar ,
3.
lm f (
x )g(
x ) = b c,

xa
4.
lm |f (
x )| = |b| ,

xa
Definicin 2.2.1 Diremos que un campo escalar f es continuo en

a si
lm f (
x) =
x
a
f ( a ).
As como con las funciones de una sola variable, tambin son continuas las
sumas, productos y cocientes de funciones continuas (una vez que, en el ltimo
caso, se evite la divisin entre cero).
Teorema 2.2.2 Si una funcin g de n-variables es continua en

a y una fun
cin f de una variable es continua en g( a ), entonces la funcin compuesta
f g, definida por (f g)(

x ) = f (g(
x )) es continua en
a.
32

Decir que f es continua sobre un conjunto U significa que f (
x ) es continua en
cada punto del conjunto.
Para calcular un lmite, existe la dificultad de que (x, y) puede aproximarse a
(x0 , y0 ) por muchos caminos, (contrario al caso unidimensional en el cual solo
existen dos caminos de acercamiento: por la izquierda y por la derecha) y para
que el lmite exista, debe ser el mismo para todos los caminos de acercamiento.
Es claro entonces, que el lmite no existe si por dos caminos distintos se obtienen lmites diferentes, como se ve en el siguiente ejemplo.
x2 y 2
0
(que es de la forma ) no
2
2
(x,y)(0,0) x + y
0
existe, observamos resultados distintos si nos acercamos al origen por el eje x
y por el eje y as:
Acercamiento por el eje x: tomamos y = 0
x2
lm f (x, 0) = lm 2 = 1
x0 x
(x,0)(0,0)
Acercamiento por el eje y: tomamos x = 0
y 2
lm f (0, y) = lm 2 = 1
y0 y
(0,y)(0,0)
Ejemplo 2.2.1 Para probar que
lm
Son continuas las funciones f (x, y) = x, f (x, y) = y, todos los polinomios de

la forma f (x, y) =
aij xi y j y en general todas las posibles combinaciones de
sumas, productos, cocientes y composiciones de las funciones elementales, con
excepcin posiblemente de los puntos en donde los denominadores sean cero
o el lmite no exista. Por ejemplo, la funcin F (x, y) = cos(x3 4xy + y 2 ) es
continua en todo punto del plano, puesto que la funcin g(x, y) = x3 4xy + y 2
es continua (como un polinomio) en toda su extensin y tambin f (t) = cos t es
continua para todo nmero t R. Por supuesto, la funcin dada en el ejemplo
anterior no es continua en el origen.
Ahora introducimos algunos conceptos relativos a conjuntos en el espacio de
Rn . Sean
a Rn y r > 0. El conjunto
B(x; r) = {
x Rn :
x
a < r}.
se llama una n-bola abierta de radio r y centro

a . En el espacio R2 , una
3
bola abierta es el interior de un crculo; en R es el interior de una esfera. Un
punto
a es un punto interior de un conjunto U si existe una bola abierta
B( a ; r) contenida en U. Todos los puntos interiores de U forman el interior de
U. Por otra parte,

a es un punto frontera de U si toda bola abierta con centro
en a contiene puntos que pertenecen a U y otros que no pertenecen. Todos los

puntos de frontera de U forman la frontera de U. Finalmente, un conjunto
33
es abierto si todos sus puntos son interiores y un conjunto es cerrado

si contiene todos sus puntos frontera. Por ejemplo en los nmeros reales , R,
los tipos ms sencillos de conjuntos abiertos son los intervalos abiertos. La
unin de dos o ms intervalos abiertos es tambin abierto. El intervalo [a, b]
es un intervalo cerrado. El conjunto U = (x, y) : x2 + y 2 1 es un conjunto
cerrado en R2 .
2.3.
Funciones Diferenciables
De la misma manera que la existencia de una recta tangente est ntimamente

relacionado con el concepto de diferenciabilidad de una funcin de una variable,
la existencia de un plano tangente, que definiremos ms adelante, tiene que ver
con el concepto de diferenciabilidad de una funcin de dos variables. Para llegar
a este concepto definiremos inicialmente las derivadas parciales.
2.3.1.
Derivadas parciales
Si en una funcin de dos variables z = f (x, y) consideramos una variable,

por ejemplo y, como constante, obtenemos una funcin que depende exclusivamente de la variable x. As, si escribimos y = y0 (constante) y h(x) = f (x, y0 ),
la derivada h (x0 ) se denomina derivada parcial de f con respecto a x en el
f
f
(x0 , y0 )
|(x ,y ) . De la misma manera, si espunto (x0 , y0 ) y se denota
x
x 0 0
cribimos g(y) = f (x0 , y), entonces la derivada parcial de f con respecto a y en
f
f
el punto (x0 , y0 ) ser la derivada g (y0 ) y se denota
(x0 , y0 )
|(x ,y ) .
y
y 0 0
Notacin. Si las derivadas parciales se calculan en un punto genrico (x, y),
f f
f
f
escribimos
y
en lugar de
(x, y) y
(x, y). Estas derivadas tambin
x y
x
y
se denotan fx y fy , Dx f y Dy f .
Recordemos que la definicin usual de derivada es
h (x0 ) = lm
h(x0 +
x0
x) h(x0 )
x
Al escribir dicha frmula en trminos de f obtenemos

f
f (x0 +
(x0 , y0 ) = lm
x0
x
De la misma manera tenemos que
34
x, y0 ) f (x0 , y0 )
x
(2.1)
f
f (x0 , y0 +
(x0 , y0 ) = lm
y0
y
y) f (x0 , y0 )
.
y
(2.2)
Puesto que las derivada parciales son tambin funciones de las variables x y y,
podemos tambin derivarlas parcialmente para obtener derivadas parciales de
segundo orden denotadas como se muestra a continuacin:
f
x
2f
,
x2 y
f
y
2f
,
y 2 x
f
y
2f
,
xy y
f
x
2f
.
yx
Las derivadas parciales que involucran las dos variables x y y se denominan

derivadas parciales mixtas. Un hecho importante es que bajo ciertas condiciones
estas derivadas mixtas son iguales como lo dice el siguiente teorema.
Teorema 2.3.1 Si las derivadas parciales mixtas son continuas en un conjunto
abierto U que contiene un punto (x0 , y0 ), entonces
2f
2f
(x0 , y0 ) =
(x0 , y0 ).
xy
yx
Las derivadas parciales de z = f (x, y) se interpretan geomtricamente como las
pendientes de las tangentes a las curvas interseccin de la grfica de f con los
planos x =constante y y =constante como se observa en las grficas abajo.
2.3.2.
Superficies parametrizadas
En el captulo anterior definimos curva (parametrizada) en el espacio como una
funcin
r : I R R3 . En este caso, como el dominio es un subconjunto de
35
la recta real, tenemos un solo parmetro que denotamos con la letra t y escribi
mos
r (t) = (x(t), y(t), z(t)). Anlogamente tenemos el concepto de superficie
parametrizada como una funcin

r : U R2 R3 . Como el dominio es un
subconjunto del plano, tenemos ahora dos parmetros que denotamos con las
letras u y v, y escribimos
r (u, v) = (x(u, v), y(u, v), z(u, v))

x, y y z son por supuesto, funciones de U en R. Las ecuaciones x = x(u, v), y =
y(u, v), z = z(u, v) son las ecuaciones paramtricas. La grfica abajo ilustra la
situacin.
Ejemplo 2.3.1
1. El cilindro.
Un cilindro de radio a se puede parametrizar en la forma
r (u, v) = (a cos u, a sen u, v), u [0, 2], < v <

La secuencia siguiente muestra cmo se transforma el rectngulo [0, 2]
[0, 1] en el cilindro.
2. La esfera.
Para la parametrizacin de la esfera observe la grfica abajo.
36
En el tringulo rectngulo OAB se tiene que x = h cos y y = h sen

y en el tringulo rectngulo OBC se tiene que z = a cos . Pero de
nuevo en OBC se tiene que h = a sen , de manera que las
ecuaciones paramtricas de la esfera son
x =
y =
z =
a cos sen
a sen sen
a cos
en donde [0, 2] y [0, ]. As la funcin

r tiene la forma
r (, ) = (a cos sen , a sen sen , a cos )

3. La grfica de z = f (x, y).
Anlogo a la parametrizacin de la grfica de una funcin de una variable
y = f (x) como la curva

r (t) = (t, f (t)), la grfica de una funcin de dos
variables z = f (x, y) se puede ver como una superficie parametrizada solo
con tomar x = u, y = v, z = f (u, v), esto es,
r (u, v) = (u, v, f (u, v))

4. Ejercicio (para los curiosos).
Pruebe que una parametrizacin del hiperboloide de una hoja x2 +y 2 z 2 =
1 est dada por las ecuaciones
x = cos u cosh v
y = sen u cosh v
z = senh v
37
para u [0, 2], < v < +.
2.3.3.
El plano tangente
En una superficie parametrizada,

r (u, v) = (x(u, v), y(u, v), z(u, v)) con (u, v)
U , las rectas u = u0 (constante) y v = v0 (constante) se convierten por la accin
de
r en las curvas sobre la superficie
r (u) =
r (u, v0 ) y
r (v) =
r (u0 , v)
como se observa en la grfica abajo.
Dichas curvas se denominan curvas coordenadas. Los vectores tangentes en el
r
punto u0 y v0 son respectivamente r (u0 ) =
(u0 , v0 ) y r (v0 ) =
(u0 , v0 )
u
v
y se definen por
r
(u0 , v0 )
u
r
(u0 , v0 )
v
=
=
x
y
z
(u0 , v0 ),
(u0 , v0 ),
(u0 , v0 )
u
u
u
x
y
z
(u0 , v0 ),
(u0 , v0 ),
(u0 , v0 )
v
v
v
Si dichos vectores son linealmente independientes, entonces generan un plano
que pasa por el punto

r (u0 , v0 ) denominado plano tangente, con vector normal
r
r
(u0 , v0 )
(u0 , v0 ). Por lo tanto, si
r (u0 , v0 ) = (x0 , y0 , z0 ), la ecuacin
u
v
del plano tangente en ese punto es
(x x0 , y y0 , z z0 )
r
(u0 , v0 )
(u0 , v0 ) = 0
u
v
38
En el caso particular en el que tenemos la grfica de z = f (x, y), con la
r
r
f
parametrizacin
r (x, y) = (x, y, f (x, y)) tenemos que
= 1, 0,
x y
x
f
f
f
0, 1,
= , , 1 . Si escribimos z0 = f (x0 , y0 ), la ecuacin del
y
x
y
plano tangente es
z = f (x0 , y0 ) +
2.3.4.
f
f
(x0 , y0 )(x x0 ) +
(x0 , y0 )(y y0 )
x
y
(2.3)
El concepto de diferenciabilidad
Recordamos inicialmente el concepto de diferenciabilidad para una funcin de

una variable y = f (x), para luego, de forma anloga, abordar el caso z =
f (x, y).
Diferenciabilidad de y = f (x).
Sabemos que en el caso de una funcin de una variable de la forma y = f (x),
la derivada de f en un punto x0 se define como
f (x0 ) = lm
f (x0 +
x0
x) f (x0 )
x
en caso de que dicho lmite exista. Si esto ltimo es cierto, la pendiente de la

recta secante est cercana a la pendiente de la tangente si x es pequeo as:
f (x0 +
x) f (x0 )
f (x0 )
x
39
El error cometido en la aproximacin est dado por

=
Entre ms pequeo sea
escribir en la forma
f (x0 +
x, menor es el error. La expresin anterior se puede
f (x0 +
donde 0 cuando
obtenemos la ecuacin
x) f (x0 )
f (x0 )
x
x) f (x0 )
= f (x0 ) +
x
x 0. Si escribimos
y = f (x0 +
(2.4)
y = f (x0 ) x + x
donde 0 cuando x 0.
Si escribimos x = x0 + x, entonces f (x) = f (x0 ) +
la forma
x) f (x0 ),
y y la ecuacin 2.4 toma
f (x) = f (x0 ) + f (x0 )(x x0 ) + (x x0 )

donde 0 cuando x x0 . Podemos escribir entonces
f (x) f (x0 ) + f (x0 )(x x0 )
si x est cerca de x0 . Entre ms cerca est x de x0 ms pequeo es el error
cometido en la aproximacin . La expresin de la derecha en la aproximacin
anterior es lineal en x, esto es, la funcin
L(x) = f (x0 ) + f (x0 )(x x0 )
es una linea recta. As,
f (x) L(x)
cerca de x0 y esta es exactamente la idea de diferenciabilidad:
Una funcin y = f (x) es diferenciable en un punto x0 , si el incremento en y,
y se puede escribir como en la ecuacin 2.4, es decir, si localmente (esto es,
en cualquier vecindad de x0 ) se puede aproximar por una recta, ms especficamente, por la recta tangente en x0 ; hablando claro, si localmente, la grfica
de f es "casi" una recta.
En un computador se puede comprobar esto. Dibuje la grfica de, por ejemplo,
f (x) = x2 con un programa de clculo simblico (MuPad por ejemplo) y haga
40
zoom cerca del origen de coordenadas. Se dar cuenta de que entre mayor sea
el zoom, la grfica de la parbola ser cada vez ms recta.
Esto no sucede por ejemplo con la funcin f (x) = |x| pues no importa qu tan
cerca se est del origen, la grfica de f siempre se ver como una punta (dos
rectas).
El primer sumando en el miembro derecho de la ecuacin 2.4 se denomina
diferencial de f y se denota df o ms comnmente dy, as, la diferencial en
cualquier x es
dy = f (x) x
y se toma generalmente como una aproximacin para
sea x mejor es la aproximacin.
y; entre ms pequeo
Diferenciabilidad de z = f (x, y).

De la misma manera como la diferenciabilidad de una funcin de una variable
y = f (x) tiene que ver con la existencia de una funcin lineal (una recta) L(x)
que aproxima a f en una vecindad de un punto x0 , la diferenciabilidad de
z = f (x, y) en un punto (x0 , y0 ) tiene que ver con la existencia de una funcin
lineal (un plano) L(x, y) que aproxima a f en una vecindad de (x0 , y0 ), esto es,
algo como
f (x, y) A + Bx + Cy.
Para encontrar tal aproximacin, le aplicamos el mismo anlisis anterior a las
derivadas parciales, ecuaciones 2.1 y 2.2, y obtenemos formas anlogas a la
ecuacin 2.4 para los incrementos parciales
f (x0 +
x, y0 ) f (x0 , y0 ) =
f
(x0 , y0 ) x + 1 x
x
y) f (x0 , y0 ) =
f
(x0 , y0 ) y + 2 y
y
f (x0 , y0 +
donde 1 y 2 0 cuando
xy
y 0.
Tenemos as aproximaciones lineales para los incrementos parciales. Parece natural pensar que el incremento de f en ambas variables simultneamente, pueda
aproximarse por la suma (ya que necesitamos que la aproximacin sea lineal)
de las dos aproximaciones parciales. Esto no siempre sucede, pero cuando es
as, tenemos nuestra definicin de diferenciabilidad:
Una funcin de dos variables z = f (x, y) es diferenciable en (x0 , y0 ), si el
41
incremento de z,
forma
z=
z = f (x0 +
x, y0 +
y) f (x0 , y0 ) puede escribirse en la
f
f
(x0 , y0 ) x +
(x0 , y0 ) y + 1 x + 2 y
x
y
(2.5)
donde (1 , 2 ) (0, 0) cuando ( x, y) (0, 0).

Si escribimos x = x0 +
la forma
x y y = y0 +
y, entonces la ecuacin 2.5 toma
f
f
(x0 , y0 )(xx0 )+ (x0 , y0 )(yy0 )+1 (xx0 )+2 (yy0 )
x
y
(2.6)
donde (1 , 2 ) (0, 0) cuando (x, y) (x0 , y0 ).
f (x, y) = f (x0 , y0 )+
La ecuacin 2.6 explica el concepto de forma clara: si escribimos

L(x, y) = f (x0 , y0 ) +
f
f
(x0 , y0 )(x x0 ) +
(x0 , y0 )(y y0 )
x
y
tenemos entonces la aproximacin lineal

f (x, y) L(x, y)
en una vecindad de (x0 , y0 ). Note que la funcin L es precisamente el plano

tangente en el punto (x0 , y0 ) (vea de nuevo la ecuacin 2.3). Tenemos as, que
f es diferenciable si puede linealizarse localmente, esto es, si en una vecindad
de un punto (x0 , y0 ) la grfica de f se ve casi plana, siendo dicho plano
precisamente el plano tangente.
Los dos primeros trminos de la derecha de la ecuacin 2.5 se denomina la
diferencial de f y se denota df o ms comnmente dz as:
dz =
f
f
(x0 , y0 ) x +
(x0 , y0 ) y
x
y
y es una aproximacin para el incremento
z. Si le aplicamos esta definicin a

x
x
las variables independientes x y y obtenemos que dx =
x+
y= x
x
y
y de la misma manera, dy = y. Por esta razn, es comn que la diferencial
en cualquier punto (x, y) se escriba en la forma
dz =
f
f
dx +
dy.
x
y
Nota. A veces, por abuso de notacin, la ecuacin 2.7 se escribe

42
(2.7)
z
z
dx +
dy
x
y
dz =
Si f es diferenciable en (x0 , y0 ), de la ecuacin 2.6 se deduce de forma inmediata

que f es continua en dicho punto pues claramente f (x, y) f (x0 , y0 ) cuando
(x, y) (x0 , y0 ).
Contrario a lo que sucede en el caso de una variable en el que la existencia
de la derivada es suficiente para garantizar la existencia de la recta tangente,
para una funcin de dos variables la sola existencia de las derivadas parciales
no implica la existencia del plano tangente. Por ejemplo, la funcin
xy
x2 + y 2
0
f (x, y) =
si (x, y) = (0, 0)
si (x, y) = (0, 0)
f
f
(0, 0) =
(0, 0) = 0, la funcin
x
y
no es continua en (0, 0). Abajo se muestra su grfica generada por MuPad para
x [0.01, 0.01] y y [0.01, 0.01].
no es diferenciable en (0, 0) pues aunque
El teorema siguiente establece las condiciones suficientes para la diferenciabilidad.

Teorema 2.3.2 Si las derivadas parciales de z = f (x, y) existen y son continuas en (x0 , y0 ) entonces f es diferenciable en dicho punto, es decir, z puede
escribirse como en la ecuacin 2.5.
43
2.4.
La Regla de la Cadena
Sea z = f (x, y) un campo escalar diferenciable en un conjunto abierto U R2 ,

y supongamos que x = x(t) y y = y(t) son funciones diferenciables de t. Se
tiene entonces que z = z(t) = f (x(t), y(t)), esto es, tenemos la composicin
z(t) = f h(t) donde h es la funcin vectorial definida por h(t) = (x(t), y(t)).
El teorema siguiente establece la forma como se calcula la derivada z (t):
Teorema 2.4.1 En las condiciones del comentario anterior, se tiene que
dz
f dx f dy
=
+
dt
x dt
y dt
(2.8)
Demostracin. Puesto que f es diferenciable se tiene que

z=
f
x
x+
f
y
y + 1 x + 2 y
donde (1 , 2 ) (0, 0) cuando ( x, y) (0, 0).

Dividiendo ambos miembros de la ecuacin por t y tomando el lmite cuando
t 0 obtenemos
dz
f
=
lm
dt
x t0
x f
+
lm
t
y t0
y
+ lm 1
t0
t
x
+ lm 2
t0
t
y
t
(2.9)
donde (1 , 2 ) (0, 0) cuando ( x, y) (0, 0).

x
dx
y
dy
Por un lado, lm
=
y lm
=
. Por otro lado,
t0
t0
t
dt
t
dt
lm
t0
x = lm x(t +
t0
t) x(t) = 0
puesto que x = x(t) es una funcin continua (por ser diferenciable). De la misma manera, lm y = 0, lo que significa que lm 1 = lm 2 = 0 por lo que
t0
la ecuacin 2.9 se convierte en la ecuacin 2.8.
t0
t0
Nota. A veces, por abuso de notacin, la regla de la cadena se escribe as:

z dx z dy
dz
=
+
dt
x dt
y dt
En el caso en que x y y sean funciones diferenciables de dos variables s y t,
x = x(s, t), y = y(s, t), entonces z = z(s, t) = f (x(s, t), y(s, t)) y las derivadas
parciales de z con respecto a s y t estn dadas por:
44
z
s
z
t
=
=
z x z y
+
x s
y s
z x z y
+
x t
y t
(2.10)
dy
en el caso en que la
dx
ecuacin F (x, y) = k defina y como funcin implcita de x. Derivando a ambos
lados de la ecuacin F (x, y(x)) = k (aplicando la ecuacin 2.8 obtenemos
Podemos utilizar la regla de la cadena para encontrar
F dx F dy
+
=0
x dx
y dx
As tenemos que
F
dy
= x .
F
dx
y
(2.11)
Anlogamente, si la ecuacin F (x, y, z) = k define z como funcin implcita

de x y y, podemos encontrar frmulas para las derivadas parciales de z con
respecto a x y y aplicando las frmulas dadas por las ecuaciones 2.10 a la
ecuacin F (x, y, z(x, y)) = k para obtener
z
x
F
x
F
z
F
z
y
=
F
y
z
d2 z
Ejercicio. Si z(t) = f (x(t), y(t)), calcular 2 .
dt
dz
z dx z dy
Tenemos que
=
+
. Derivando a ambos lados de esta ecuacin,
dt
x dt y dt
aplicando la regla de la derivada de un producto, obtenemos:
d2 z
d
=
dt2
dt
z
x
dx
z d2 x
d
+
+
dt
x dt2
dt
z
y
dy
z d2 y
+
dt
y dt2
(2.12)
z
z
y
, debemos aplicar de nuevo la
x y
z
z
regla de la cadena (ecuacin 2.8) porque
y
son funciones de x y y y
x
y
estas a su vez son funciones de t as:
Para las derivadas con respecto a t de
d
dt
z
x
2 z dx
2 z dy
+
x2 dt
yx dt
45
d
dt
z
y
2 z dx 2 z dy
+ 2
xy dt
y dt
reemplazando estas dos expresiones en la ecuacin 2.12, asumiendo que las

derivadas parciales mixtas son iguales y reduciendo trminos semejantes, obtenemos la expresin
2z
d2 z
=
dt2
x2
dx
dt
+2
2 z dx dy
2z
+ 2
xy dt dt
y
dy
dt
z d2 x z d2 y
+
x dt2
y dt2
La regla de la cadena para una funcin de tres variables w = w(t) = f (x(t), y(t), z(t))
tiene una forma anloga a la ecuacin 2.8:
dw
w dx w dy
w dz
=
+
+
dt
x dt
y dt
z dt
2.4.1.
(2.13)
El vector gradiente
Observe que la ecuacin 2.8 puede escribirse en la forma

dz
=
dt
El vector
f f
,
x y
f f
,
x y
dx dy
,
dt dt
se denomina gradiente de f en (x, y) y se denota f , as:

f =
f f
,
x y
Nota. La notacin f significa f (x, y).

Si calculamos el gradiente en un punto (x0 , y0 ) escribimos
f (x0 , y0 ) =
f
f
(x0 , y0 ),
(x0 , y0 )
x
y
Si escribimos
r (t) = (x(t), y(t)), entonces
r (t) =
2.8, calculada en un punto t0 , toma la forma
dx dy
,
dt dt
y la ecuacin
dz
d
|t=t0 = |t=t0 f (
r (t)) = f (
r (t0 )) r (t0 )
(2.14)
dt
dt
Podemos utilizar la forma de la regla de la cadena como la expresa la ecuacin
2.14 para probar que el vector gradiente de z = f (x, y) en un punto P = (x0 , y0 )
es perpendicular a la curva de nivel f (x, y) = k que pasa por P . Para ver esto,
46
supongamos que dicha curva de nivel est descrita por la funcin vectorial
r (t) = (x(t), y(t)) que pasa por P en un tiempo t0 , esto es, P =

r (t0 ) =
(x0 , y0 ). Es claro entonces que debe ser f (x(t), y(t)) = f ( r (t)) = k. Derivando
a ambos lados de esta ecuacin tenemos que
d
f (
r (t)) = 0
dt
(2.15)
Aplicando la frmula 2.14 para el lado izquierdo de la ecuacin 2.15 en el punto

P , tenemos que
f (x0 , y0 ) r (t0 ) = 0
lo que prueba lo afirmado. La grfica abajo ilustra la situacin.
De la misma manera, el vector gradiente de una funcin de tres variables

w = F (x, y, z) en un punto P = (x0 , y0 , z0 ) es perpendicular a la superficie de nivel S definida por la ecuacin F (x, y, z) = k que pasa por P . Si
r (t) = (x(t), y(t), z(t)) es cualquier curva sobre S que pasa por P en un tiem
po t0 , entonces F (
r (t)) = k y de nuevo
F (x0 , y0 , z0 ) r (t0 ) = 0
47
(2.16)
Como la ecuacin 2.16 es vlida para todas las curvas sobre S que pasan por P ,
resulta natural definir el plano tangente a S en el punto P como el plano que
pasa por P (x0 , y0 , z0 ) y que tiene por vector normal el gradiente F (x0 , y0 , z0 ),
por lo que su ecuacin ser
(
x P ) F (P ) = 0
siendo su expresin cartesiana
F
F
F
(x0 , y0 , z0 )(x x0 ) +
(x0 , y0 , z0 )(y y0 ) +
(x0 , y0 , z0 )(z z0 ) = 0.
x
y
z
(2.17)
Observe que como la grfica de una funcin de dos variables z = f (x, y) puede
verse como la superficie de nivel F (x, y, z) = 0 donde F (x, y, z) = f (x, y) z,
al aplicar la ecuacin 2.17 a esta F en particular, obtenemos la ecuacin 2.3.
2.5.
Derivadas Direccionales
Recordemos que la derivada parcial con respecto a x de una funcin de dos

variables z = f (x, y) se define por
f
f (x0 + t, y0 ) f (x0 , y0 )
(x0 , y0 ) = lm
t0
x
t
Esta es la misma ecuacin 2.1 en donde hemos reemplazado
expresin puede escribirse en la forma
f ((x0 , y0 ) + t(1, 0)) f (x0 , y0 )
f
(x0 , y0 ) = lm
t0
x
t
Si escribimos x0 = (x0 , y0 ) y i = (1, 0) obtenemos

48
x por t. Esta
f
) = lm f (x0 + t i ) f (x0 )
(x
0
t0
x
t
De la misma manera, escribiendo j = (0, 1) la derivada parcial con respecto a

y se escribe
f
) = lm f (x0 + t j ) f (x0 )
(x
0
t0
y
t
Esta forma de expresar las derivadas parciales muestran que dichas derivadas
+ t
se calculan tomando la variacin de f a lo largo de las rectas
(t) =
x
i
0
+ t
y (t) =
x
j
,
esto
es,
rectas
paralelas
a
los
ejes
coordenados
que
pasan
0
. Podemos pensar en generalizar esto, calculando la variacin de f a
por
x
0
, esto es, una recta de la forma
lo largo de cualquier recta que pase por
x
0
r (t) = x0 + t u donde u es un vector unitario cualquiera. Esto nos conduce
al concepto de derivada direccional en la direccin de un vector unitario

u en
f
(
un punto x0 , denotada D
x
)
y
definida
de
la
manera
natural
0
u
+ t
)
f (
x
u ) f (
x
0
0
D
m
u f (x0 ) = l
t0
t
(2.18)
y se puede interpretar geomtricamente como la pendiente de la tangente de

la curva de interseccin de la grfica de f con un plano perpendicular al plano
.
coordenado xy en el punto
x
0
Es claro entonces que

49
f
) = D
f (x0 )
(x
0
i
x
f
) = D
f (x0 )
(x
0
j
y
esto es, las derivadas parciales son las derivadas direccionales en las direcciones
i y j , que corresponden a las pendientes de las tangentes de las curvas de

interseccin de la grfica de f con planos perpendiculares al plano coordenado
xy paralelos a los planos coordenados xz y yz respectivamente, como se explic
en la seccin 2.3.1.
Una forma sencilla de calcular la derivada direccional en la direccin de un
vector unitario
u de una funcin f la da el siguiente teorema:
Teorema 2.5.1
D
u f (x0 ) = f (x0 ) u
(2.19)
+ t
con
Demostracin. Si llamamos
r (t) =
x
u a la recta que pasa por
x
0
0
vector director u , entonces r (0) = x0 y r (0) = u . Entonces

d
|t=0 f (
r (t))
dt
f (
r (t)) f (
r (0))
t0
t
+ t
)
f (
x
u ) f (
x
0
0
= lm
t0
t
=
D
u f (x0 )
=
lm
Pero, por la regla de la cadena (ecuacin 2.14) se tiene que

d
|t=0 f (
r (t))
dt
= f (
r (0)) r (0)
)
=
f (
x
u
0
lo que demuestra el teorema.
Nota. Observe que la definicin de derivada direccional (ecuacin 2.18) su

expresin en trminos del gradiente (ecuacin 2.19) es vlida para cualquier
campo escalar f definido en Rn .
en la direccin
La derivada direccional de un campo escalar f en un punto
x
0
de un vector u (unitario), representa la tasa de cambio de f en dicho punto

en la direccin dada. Podemos preguntarnos por la direccin en la cual dicha
tasa de cambio es mxima mnima. Podemos encontrar la razn de cambio
mxima y mnima de f a partir de la ecuacin 2.19. Puesto que

u = 1,
D
u f (x0 )
f (
x
u
0
f (x0 ) cos
=
=
50
) y
dnde es el ngulo entre f (

x
u . Puesto que el coseno oscila entre 1 y
0
1, la razn mxima se obtiene cuando cos = 1, esto es = 0, es decir, cuando
) tienen la misma direccin y es mnima cuando cos = 1, esto es

u y f (
x
0
) tienen direcciones opuestas. Resumiendo,

x
= , es decir, cuando
u y f (
0
la derivada direccional mxima se obtiene en la direccin del gradiente, esto es,
f
u =
y su valor es D f f = f ; la derivada direccional mnima se
||f ||
f
obtiene en la direccin opuesta al gradiente y su valor es f .
2.6.
Mximos y Mnimos.
1. f (
a ) es un valor mximo global de f en U si f (
a )f (x, y) para todo
(x, y) U.
2. f (
a ) es un valor mnimo global de f en U si f (
a )f (x, y) para todo
(x, y) U.
3. f (
a ) es un valor extremo global de f en U si es un valor mximo global
o mnimo global.
Son vlidas las mismas definiciones, sustituyendo la palabra global por local en
(1) y (2), cuando las desigualdades se cumplen en alguna vecindad abierta de
a.
La definicin es una generalizacin natural de las mismas nociones para funciones de una sola variable; y an ms, las generalizaciones para funciones de
tres y ms variables son claras.
Teorema 2.6.1 (Existencia de mximo o mnimo)) Si f es continua en un
dominio cerrado y acotado U, entonces f alcanza tanto un valor mximo global
como un mnimo global en U .
A continuacin definiremos lo que son puntos frontera, puntos crticos y puntos
singulares.
1. Puntos frontera. Vea la seccin 2.2
2. Puntos crticos. Decimos que

a es un punto crtico si es interior en U
donde f es diferenciable y f ( a ) = 0. En dicho punto, el plano tangente

es horizontal.
3. Puntos singulares. Decimos que a es un punto singular si es interior en
U donde f no es diferenciable (por ejemplo, un punto de la grfica donde
f tiene una esquina aguda).
51
Teorema 2.6.2 (Condiciones necesarias para los extremos) Sea f una
funcin definida en un conjunto U que contiene a

a . Si f (
a ) es un valor
extremo, entonces a deber ser un punto frontera de U, o un punto crtico de

f, o un punto singular de f.
Demostracin. Supongamos que

a = (x0 , y0 ) no es punto frontera ni singular
(por lo que a ser un punto interior en el que f existe) y veremos si f (

a)=
0 Puesto que f tiene un valor extremo en (x0 , y0 ), la funcin g(x) = f (x, y0 )

tiene un valor extremo en x0 . Adems, g es diferenciable en x0 puesto que f lo
es para (x0 , y0 ) y por lo tanto, por el teorema del punto crtico para funciones
de una variable,
g (x0 ) = fx (x0 , y0 ) = 0
En forma anloga, la funcin h(y) = f (x0 , y) tiene un valor extremo en y0 y
satisface la expresin
h (x0 ) = fy (x0 , y0 ) = 0
El gradiente es cero, ya que ambas derivadas parciales son 0.
Ejemplo 2.6.1 Encuentre el valor mximo o mnimo local de f (x, y) = x2
2x + y 2 /4.
Solucin La funcin dada es derivable en todo el plano xy. Por lo tanto,
los nicos puntos crticos posibles son los puntos crticos que se obtienen al
igualar a cero fx (x, y) y fy (x, y). Pero fx (x, y) = 2x 2 y fy (x, y) = y/2 son
iguales a cero slo cuando x = 1 e y = 0. Falta por decidir si (1, 0) es un
mximo, un mnimo o nada de esto. Pronto desarrollaremos un instrumento
para esto, pero por ahora debemos proceder con un poco de ingenio. Obsrvese
que f (1, 0) = 1 y que
y2
y2
y2
= x2 2x + 1 1 = (x 1)2 +
1 1
4
4
4
Por lo tanto, f (1, 0) es en realidad un mnimo global de f. No hay valores
mximos locales.
f (x, y) = x2 2x +
Ejemplo 2.6.2 Encuentre los valores mximo o mnimo locales de f (x, y) =

x2 /a2 + y 2 /b2 .
Solucin. Los nicos puntos crticos se obtienen al igualar a cero fx (x, y) =

2x/a2 y fy (x, y) = 2y/b2. Esto produce el punto (0, 0) que no da mximo ni
mnimo (vea la figura 11). Se llama punto de silla. Debe notarse que en toda
vecindad de (0, 0) hay puntos en los que f (x, y) < f (0, 0), y otros puntos en
los que f (x, y) > f (0, 0). La funcin dada no tiene extremos locales.
Este ejemplo ilustra la dificultad de que f (x0 , y0 ) = 0 no garantiza que exista
un extremo local en (x0 , y0 ). Por fortuna, existe un criterio regular para decidir
lo que sucede en un punto crtico. El prximo teorema es un anlogo a la prueba
de segunda derivada para funciones de una variable.
52
2.6.1.
Criterio para determinar extremos de funciones de

dos variables
Teorema 2.6.3 [Condiciones suficientes para los extremos] Supngase que f (x, y)
tiene segundas derivadas parciales continuas en una vecindad de

a R2 y que
2
2
2
f( a )
f( a )
f( a )
f (
a ) = 0. Sea A =
, B=
, C =
y sea Hf (
a)
x2
xy
y 2
la matriz definida por
A B
Hf (
a)=
B D
Escribamos D(
a ) = det(Hf (
a )). Entonces
2 f (
a)
> 0, entonces tiene un mnimo relativo en

a.
1. Si D(
a)>0 y
x2
2 f (
a)
2. Si D(
a)>0 y
< 0, entonces tiene un mximo relativo en
a.
2
x
3. Si Si D(
a ) < 0, entonces tiene un punto silla en
a.
4. Si D(
a ) = 0, el criterio no decide nada.
Nota. La matriz Hf (
a ) se denomina matriz hessiana de f en
a.
Para su demostracin, remitimos al lector al apndice. Sin embargo, podemos
ver de manera intuitiva porqu es cierto. D es
2 f (
a ) 2 f (
a)
D(
a)=
x2
y 2
2 f (
a)
xy
2 f (
a)
Para los casos 1 y 2, en los cuales D(

a ) > 0, se tiene entonces que
x2
2
2 f (
a)
2 f (
a ) 2 f (
a)
2 f (
a)
>
0, por lo que las dos derivadas
y
2
2
y
xy
x
y 2
2 f (
a)
deben tener el mismo signo. As, si
> 0, se tiene concavidad hacia
x2
arriba en las direcciones de ambos ejes, por lo que se puede sospechar que
2 f (
a)
en
a existe un mnimo. Y si
< 0, se tiene concavidad hacia abajo
2
x
en la direccin de ambos ejes, por lo que se puede sospechar la existencia
de un mximo en
a . En el caso 3, en el cual D(
a ) < 0, el producto de
2
2
f( a )
f( a )
las dos derivadas
y
debe ser negativo y por lo tanto deben
x2
y 2
tener signos opuestos; de tal manera que tenemos concavidad hacia arriba en la
direccin de uno de los ejes y concavidad hacia abajo en la direccin del otro,
por lo que sospechamos un punto silla en

a . Se deja al estudiante comprobar
la parte 4.
53
Ejemplo 2.6.3 Encuentre los extremos, si los hay, de la funcin f (x, y) =

3x3 + y 2 9x + 4y.
Solucin. Puesto que fx (x, y) = 9x2 9 y fy (x, y) = 2y + 4, los puntos crticos
que se obtienen al resolver las ecuaciones simultneas fx (x, y) = fy (x, y) = 0
son (1, 2) y (1, 2).Ahora bien, fxx (x, y) = 18x, fyy (x, y) = 2 y fxy (x, y) =
fyx (x, y) = 0. Por lo tanto, en el punto crtico (1, 2) tenemos
2
D(1, 2) = fxx (1, 2)fyy (1, 2) fxy
(1, 2) = 18(2) 0 = 36 > 0
Adems, fxx (1, 2) = 18 > 0, por lo que segn el teorema anterior, f (1, 2) =
10 es un valor mnimo local de f. En la comprobacin de la funcin dada en
otro punto crtico (1, 2) encontramos que fxx (1, 2) = 18, fyy (1, 2) =
2 y fxy (1, 2) = 0, lo cual produce D(1, 2) = 36 < 0. Entonces, (1, 2)
es un punto de silla y f (1, 2) no es valor extremo.
Ejemplo 2.6.4 Encuentre los valores mximo y mnimo de f (x, y) = 2x2 +
y 2 4x 2y + 5 en el conjunto cerrado U = {(x, y)| x2 + y 2 /2 1}.
Solucin. Como fx (x, y) = 4x 4 y fy (x, y) = 2y 2, el nico punto crtico
posible es (1, 1). Sin embargo, este punto est fuera de U, entonces puede ser
ignorado. La frontera de U es la elipse x2 + y 2 /2 = 1, que se puede describir
paramtricamente por
x = cos t,
y = 2 sen t,
0 t 2
Deseamos maximizar o minimizar la funcin de una variable
g(t) = f (cos t, 2 sen t),

0 t 2
Por la regla de la cadena,
f dx f dx
+
= (4x 4)(sen t) + (2y 2)( 2 cos t)
x dt
y dt
= (4 cos t 4)(sen t) + (2 2 sen t 2)( 2 cos t) = 4 sen t 2 2 cos t
Haciendo
g (t) = 0 obtenemos tan t = 2/2 con los dos soluciones t1 =
arctan( 2/2) y t2 = + t1 . De donde g(t) tiene los cuatro puntos crticos
0, t1 , t2 y 2
en el intervalo
[0, 2].
Estos,
a su vez, determinan los tres puntos (1, 0), (2/ 6, 2/ 6) y (2/ 6, 2/ 6) en la frontera de U. Los valores
correspondientes de f son
g (t) =
f (1, 0) = 3,
2
2
,
6
6
2,101,
2 2
,
6
6
11,899
Luego, concluimos que el valor mnimo de f en U es 2.101 y el valor mximo

es 11.899.
54
Ejemplo 2.6.5 Encuentre la distancia mnima entre el origen y la superficie

z 2 = x2 y + 4.
Solucin. Sea P (x, y, z) un punto cualquiera de la superficie dada. El cuadrado de la distancia entre el origen y P es d2 = x2 + y 2 + z 2 . Busquemos las
coordenadas de P que hagan que d2 (y por lo tanto d ) sea mnima. Puesto
que P pertenece a la superficie, sus coordenadas satisfacen la ecuacin de sta.
Sustituyendo z 2 = x2 y + 4 en d2 = x2 + y 2 + z 2 resulta d2 como funcin de dos
variables x e y
d2 = f (x, y) = x2 + y 2 + x2 y + 4
Para obtener los puntos crticos, hacemos fx (x, y) = 0 y fy (x, y) = 0, con lo
que se obtiene
2x + 2xy = 0
y
2y + x2 = 0
3
Por eliminacin
de y entre esas ecuaciones, se tendr 2x x = 0. Por lo tanto,
x = 0 o x = 2. Sustituyendo estos valores en la segunda
ecuacin seobtiene
y = 0 e y = 1. Luego, los puntos crticos son (0, 0), ( 2, 1) y ( 2, 1).
Para probar cada uno de ellos, necesitamos fxx (x, y) = 2 + 2y, fyy (x, y) =
2
2, fxy (x, y) = 2x y D(x, y) = fxx fyy fxy
= 4 + 4y 4x2 . Puesto que
D( 2, 1) = 8 < 0, ni ( 2, 1) ni ( 2, 1) producen un extremo. Sin

embargo, D(0, 0) = 4 > 0 y fxx (0, 0) = 2 > 0; por lo tanto, (0, 0) produce la
distancia mnima. Sustituyendo x = 0 e y = 0 en la expresin de d2 , obtenemos
d2 = 4. Luego, la distancia mnima entre el origen y la superficie dada es 2.
2.6.2.
Extremos condicionados.
Ahora distinguimos entre dos clases de problemas. Encontrar el valor mnimo

de f (x, y) es un problema de extremo libre. Encontrar el mnimo de f (x, y)
sujeto a una condicin g(x, y) = 0 es un problema de extremo condicionado o
de extremo restringido. El ejemplo 2.6.5 de la seccin anterior fue un problema de extremo condicionado. Se nos pidi encontrar la distancia mnima entre
la superficie z 2 = x2 y + 4 al origen. Formulamos el problema de minimizar
d2 = x2 + y 2 + z 2 sujeta a la restriccin z 2 = x2 y + 4. Manejamos el problema
sustituyendo el valor de z 2 de la restriccin en la expresin de d2 y despus
resolvimos el problema de valor extremo libre que result. Sin embargo, con
frecuencia sucede que no es fcil despejar una de las variables en la ecuacin de
restriccin y, an cuando pueda lograrse, puede ser ms prctico otro mtodo.
Este es el mtodo de multiplicadores de Lagrange.
El mtodo de Lagrange proporciona un recurso algebraico para encontrar los
puntos extremos restringidos. Si p0 es un extremo restringido, entonces la curva
de nivel y la restriccin son tangentes en dicho punto. Las grficas abajo ilustran
esta situacin.
55
Dichas curvas tienen una recta tangente comn y, por consecuencia, tienen una
perpendicular comn. Pero en cualquier punto de una curva de nivel, el vector
gradiente f es perpendicular a ella (ver seccin 2.4.1) y en forma similar g
es perpendicular a la curva de restriccin g(x, y) = 0, pues dicha curva puede
verse como curva de nivel de la funcin z = g(x, y). Por lo tanto, f y g son
paralelos en p0 , es decir,
f (p0 ) = 0 g(p0 )
para algn nmero no nulos 0 . Esto sugiere la siguiente formulacin del mtodo
de Lagrange.
Mtodo de multiplicadores de Lagrange. Si un campo escalar f (x1 , x2 , ..., xn )
tiene un extremo (mximo o mnimo) sujeto a la restriccin g(x1 , x2 , ..., xn ) = 0,
entonces existe un escalar tal que
f = g
en dicho punto extremo. El nmero se llama multiplicador de Lagrange.
56
Teniendo en cuenta el mtodo de multiplicadores de Lagrange observemos que

podemos formar la siguiente funcin
L(x1 , x2 , ..., xn , ) = f (x1 , x2 , ..., xn ) g(x1 , x2 , ..., xn )
conocida como funcin de Lagrange. En este caso los puntos extremos son
puntos crticos de L y por lo tanto las derivadas parciales de la funcin L son
cero en estos puntos.
Ejemplo 2.6.6 Encuentre el punto del plano 2x 2y + z = 4 que est ms
prximo al origen.
Solucin. Se desea minimizar la distancia d = x2 + y 2 + z 2 sujeta a 2x
2y +z 4 = 0. Para facilitar el problema se minimiza el cuadrado de la distancia
d2 = x2 + y 2 + z 2 . La funcin de Lagrange ser
L(x, y, z, ) = x2 + y 2 + z 2 (2x 2y + z 4)
Luego, el sistema de ecuaciones de Lagrange es
L
= 2x 2 = 0,
x
L
= 2y + 2 = 0,
y
L
= 2z = 0,
z
L
= 2x + 2y z + 4 = 0
Si se sustituyen los valores de 2x, 2y y z de las tres primeras ecuaciones en la

cuarta, se obtiene
2 2
+ 4 = 0,
2
9
+ 4 = 0,
2
8
9
Por tanto, x = 8/9, y = 8/9 y z = 4/9, as (8/9, 8/9, 4/9) es el punto

requerido, y la distancia de dicho punto al origen es
64 + 64 + 16
=4
81
4+4+1
= 4
81
1
4
=
9
3
Ejemplo 2.6.7 Cual es el rea mxima que puede tener un rectngulo si la

longitud de su diagonal es 2?
Solucin. Coloque el rectngulo en el primer cuadrante con dos de sus lados
a lo largo de los ejes coordenados; entonces, el vrtice opuesto al origen tendr
como coordenadas (x, y), siendo positivas x e y. La longitud de su diagonal
ser x2 + y 2 = 2 y su rea xy. Entonces podemos formular el problema como
57
maximizacin de f (x, y) = xy sujeta a la restriccin g(x, y) = x2 + y 2 4 = 0.

Formando la funcin de Lagrange
L(x, y, ) = xy x2 + y 2 4
llegamos al sistema de ecuaciones
L
= y 2x = 0,
x
L
= x 2y = 0,
y
L
= 4 x2 y 2 = 0
Si multiplicamos la primera ecuacin por y y la segunda por x, obtenemos

2
2
y 2 = 2xy y x2 = 2xy, por
lo que y = x . De la tercera ecuacin para
2
2
y = x encontramos x = 2 e y = 2; y sustituyendo estos valores en
x 2y = 0, y 2x = 0 resulta =1/2. Entonces,
la solucin del sistema
, conservando positivas x e y, es x = 2, y = 2, = 1/2.Concluimos que el

rectngulo
de mxima rea con diagonal 2 es el cuadrado cuyos lados miden
2. Su rea es 2.
Observacin 2.6.1 El definir la funcin de Lagrange tiene su ventaja cuando
tenemos que hallar los extremos de una funcin f (x1 , x2 , ..., xn ) sujetos a m
restriccin g1 (x1 , x2 , ..., xn ) = 0, g2 (x1 , x2 , ..., xn ) = 0, ..., gm (x1 , x2 , ..., xn ) = 0
donde suponemos m < n. La funcin de la Lagrange en este caso est definida
por
L (x1 , x2 , ..., xn , 1 , 2 , ..., m ) =
f (x1 , x2 , ..., xn ) + 1 g1 (x1 , x2 , ..., xn )

+2 g2 (x1 , x2 , ..., xn ) + ... + m gm (x1 , x2 , ..., xn )
Ejemplo 2.6.8 Hallar el mximo de la funcin f (x, y, z) = x + y + z sobre la

curva determinada por el plano x + 2y + 3z = 0 y el cilindro x2 + y 2 = 1
Solucin:Observemos que las funciones que se determinar para definir las restricciones son g1 (x, y, z) = x + 2y z y g2 (x, y, z) = x2 + y 2 4.
Entonces la funcin de Lagrange es definida por
L(x, y, z, 1 , 2 ) = x + y + z + 1 (x + 2y z) + 2 x2 + y 2 1
Calculando las derivadas parciales e igualando a cero para hallar los puntos
crticos de L obtenemos
L
(1)
= 1 + 1 + 22 x = 0
x
L
(2)
= 1 + 21 + 22 y = 0
y
L
(3)
= 1 1 = 0
z
L
= x + 2y z = 0
(4)
1
L
(5)
= x2 + y 2 1 = 0
2
58
Al tomar 1 = 1 (de (3)) en (1) obtenemos 2 x = 1, o sea que x = 1/2 .

Similarmente, (2) nos da y = 3/(22 ). Substituyendo en (5) tenemos
1
(2 )
9
2
4 (2 )
=1
2
as que (2 ) = 13/4, 2 = 13/2. Por tanto x = 213 , y = 313 y de (4)
tenemos z = x + 2y = 513 . Los valores que le corresponden para la funcin
f son
2
3
5
10
= .
13
13
13
13
El valor mximo de f es
10 .
13
Ejemplo 2.6.9 Utilizar el software MuPad para hallar el mximo de la funcin

f (x, y) = x3 xy + y 2 + 3 con la restriccin x2 + 2y 2 = 1. Hacer las grficas
que muestren que los extremos se obtienen en los puntos en donde las curvas
de nivel son tangentes a la curva de restriccin.
Solucin.
Definimos las funciones f y g como sigue:
F:=x^3-x*y+y^2+3-z
x3 xy + y 2 z + 3
g:=x^2+2*y^2-1
x2 + 2y 2 1
Dibujamos la superficie que corresponde a F en z = 0:
plot(
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2))
59
Recordemos que las curvas de nivel se obtienen intersectando la superficie con

planos z = constante. Abajo se ve un ejemplo para z = 3,5:
plot(
plot::Surface([x,y,F|z=0],x=-1.2..1.2,y=-1.2..1.2),
plot::Surface([x,y,3.5],x=-1.2..1.2,y=-1.2..1.2,Color=RGB::Yellow),
plot::Implicit3d(F|z=3.5, x =-1.2..1.2, y=-1.2..1.2,z=3.45..3.55))
Resolvemos el sistema
f (x, y) =
g(x, y) =
que corresponde al sistema
60
g(x, y)
0

3x2 y
x + 2y
2
x + 2y 2
= 2x
= 4y
=
1
tt:=numeric::solve([3*x^2-y=2*a*x,-x+2*y=4**y,x^2+2*y^2=1],[x,y,])
[x
[x
[x
[x
[x
[x
=
=
=
=
=
=
0.2359 - 0.5446 i, y = -0.7918 - 0.0811 i, = 0.5562 - 0.1777 i],

0.2359 + 0.5446 i, y = -0.7918 + 0.0811 i, = 0.5562 + 0.1777 i],
0.9468, y = -0.2275, = 1.5403],
0.5440, y = 0.5933, = 0.2707],
-0.9853, y = -0.1207, = -1.5392],
-0.3106, y = 0.6721, = 0.6155]
Como se ve, se tienen dos soluciones complejas y cuatro reales. Aislamos las
cuatro reales en la siguiente tabla:
table(1=tt[3],2=tt[4],3=tt[5],4=tt[6])
1 x = 0,9468 y = 0,2275 = 1,5403
2 x = 0,5440
y = 0,5933
= 0,2707
3 x = 0,9853 y = 0,1207 = 1,5392
4 x = 0,3106 y = 0,6721
= 0,6155
Reemplazando los valores de x y y en la funcin f (x, y), obtenemos los cuatro

valores:
table(1=F|(x=0.9468,y=-0.2275,z=0),2=F|(x=0.5440,y=0.5933,z=0),
3=F|(x=-0.9853,y=-0.1207,z=0),4=F|(x=-0.3106,y=0.6721,z=0))
1
2
3
4
4,1158
3,1902
1,9390
3,6305
La grfica siguiente muestra las cuatro curvas de nivel y la curva de restriccin

con los puntos de tangencia en donde se encuentran los extremos.
plot(plot::Implicit2d(F|z=4.1158,x=-2..2,y=-2..2),
plot::Implicit2d(g,x=-2..2,y=-2..2,Color=RGB::Black),
plot::Implicit2d(F|z=3.1902,x=-2..2,y=-2..2,Color=RGB::Green),
plot::Implicit2d(F|z=3.6305,x=-2..2,y=-2..2,Color=RGB::Red),
plot::Implicit2d(F|z=1.939,x=-2..2,y=-2..2,Color=RGB::Brown),
plot::Point2d([0.94,-0.22],Color=RGB::Blue),
plot::Point2d([0.54,0.59],Color=RGB::Green),
61
plot::Point2d([-0.98,-0.12],Color=RGB::Brown),
plot::Point2d([-0.31,0.67],Color=RGB::Red))
Las cinco grficas siguientes muestran la superficie con su restriccin y las

curvas de nivel correspondientes a los cuatro valores anteriores, vindose claramente que los extremos se obtienen en los puntos de tangencia.
plot(plot::Curve3d([cos(t),(1/sqrt(2))*sin(t),
(cos(t))^3-cos(t)*(1/sqrt(2))*sin(t)+(1/2)*(sin(t))^2+3], t = 0..2*PI,LineWidth=1),
plot::Implicit3d(g,x=-2..2,y=-2..2,z=0..0.1,LineColor=RGB::Blue))
62
plot::Implicit3d(F|z=4.1158, x =-1.2..1.2, y=-1.2..1.2,z=4.1..4.2),
plot::Implicit3d(g,x=-2..2,y=-2..2,z=0..0.1,LineColor=RGB::Blue),
plot::Implicit3d(F|z=4.1158,x=-2..2,y=-2..2,z=0..0.1))
63
plot::Implicit3d(F|z=1.939, x =-1.2..1.2, y=-1.2..1.2,z=1.9..2),
Tenemos entonces el mximo z = 4,1158 en el punto (0,9468, 0,2275) y el

mnimo z = 1,9390 en el punto (0,9853, 0,1207).
64
Observe en este ejemplo que existen otros dos puntos de tangencia en donde
no hay extremos; esto demuestra que la condicin de tangencia de la curva de
nivel con la curva de restriccin para la existencia de un extremo, es solamente
una condicin necesaria pero no suficiente.
2.7.
2.7.1.
*Temas de Lectura
Campos Escalares y Campos Vectoriales
En este captulo consideramos las funciones de subconjuntos U Rn (n > 1)

a Rm (m 1) . Cuando m = 1, las funciones
f:
U Rn
R
x f (
x)
x = (x1 , x2 , ..., xn ), le llamaremos campos escalares o funciones de varias vari
ables. Un campo escalar asigna a cada vector

x un nmero real f (
x ) R.
Cuando m > 1, definiremos los campos vectoriales como funciones
F :
U Rn
Rm
x F (
x)
F (
x ) = (f1 (
x ), f2 (
x ), ..., fm (
x ))
donde cada una de las componentes de F , fi : U Rn R son campos

escalares o funciones de varias variables. Hablaremos de un campo vectorial
sobre Rn cuando F : U Rn Rn . Un campo vectorial asigna a cada
vector
x un vector F (
x ) Rm . Ver la figura en caso de campo vectorial sobre
R2 y R3 respectivamente.
65
De acuerdo a la definicin de campo vectorial, podemos inicialmente hacer un

anlisis de los campos escalares que naturalmente extenderemos a los campos
vectoriales.
Veamos algunos ejemplos de campos escalares y campos vectoriales:
Ejemplo 2.7.1 En el plano xy el dominio natural de
f (x, y) =
y x2
x2 + (y 1)2
es U = {(x, y) : y x2 } (0, 1).

Ejemplo 2.7.2 Si z = f (x, y) =
El dominio de f es el conjunto
1
3
36 9x2 4y 2 y observemos que z 0.
U = {(x, y) : 36 9x2 4y 2 0}.

Ejemplo 2.7.3 En el caso de z = y 2 x2 , el dominio U = R2 .
Definicin 2.7.1 El rango de una funcin de varias variables f : U R o
campo vectorial F : U Rn Rm es el conjunto representado por Rf

definido por
o R
F
Rf = {f (
x) R :
x U}
o
respectivamente.
= { F ( x ) Rm : x U }
R
F
Definicin 2.7.2 Dada una funcin de varias variables o campo escalar f :

U Rn R, la grfica de f es definida como el conjunto
Gr(f ) = {(x1, x2 , ..., xn , xn+1 ) : xn+1 = f (x1, x2 , ..., xn ), (x1, x2 , ..., xn ) U }.
De esta definicin podemos observar que la grfica de f est en Rn+1 . Si n = 1,
tenemos una funcin real cuya grfica est en el plano, mientras que si n = 2,
la grfica se encuentra en R3 . En este ltimo caso diremos que la grfica es una
superficie.
2.7.2.
Derivada en una direccin de un campo escalar en

Rn . Derivadas direccionales y parciales.
Sea f : U Rn R un campo escalar y

a un punto interior a U. Deseamos
estudiar la variacin de f cuando nos desplazamos desde

a a un punto prximo.
En general, la variacin de f depender de la direccin en la cual nos movemos
66

a partir de
a . Supongamos que se presenta esa direccin mediante un vector
y . Esto es, supongamos que nos movemos desde

a hacia otro punto
a +
y,
siguiendo el segmento de recta que une a con a + y . Cada punto de este
segmento tiene la forma

a + t
y , donde t es un nmero real. Mantengamos
t = 0 pero lo bastante pequeo para que

a + t
y U y definamos el cociente
de diferencias
f (
a + t
y ) f (
a)
t
El numerador de este cociente pone de manifiesto el cambio de la funcin cuando
nos desplazamos desde

a a
a + t
y . El cociente denomina a su vez el promedio
de variacin de f en el segmento de recta que une

a a
a +
y . Nos interesa
el comportamiento de esa cociente cuando t 0.
Definicin 2.7.3 Sea f : U Rn R un campo escalar y

a un punto
interior a U y y Rn un punto arbitrario.. La derivada de f en a con respecto
a
y se representa con el smbolo f (a;
y ) y se define
f (a;
y ) = lm
t0
f (
a + t
y ) f (
a)
t
cuando tal lmite existe. En particular, cuando

y es un vector unitario, es
decir y = 1, la distancia entre a y a + t y es |t|. En tal caso el cociente de

diferencias representa el promedio de variacin de f por unidad de distancia
a lo largo del segmento de recta que une a con a +

y y la derivada f (a;
y)
se denomina derivada direccional. Adems, si y = ek (el vector k -simo
coordenado unitario) la derivada direccional f (a;

ek ) se denomina derivada
f
parcial respecto a ek y se denota por xk ( a ).

Ejemplo 2.7.4 En R2 los vectores coordenados unitarios son los vectores i y
j. Si a = (x0 , y0 ) las derivadas parciales f (

a ; i) y f (
a ; j) tambin se
escriben
f
f (
a ; i) =
(x0 , y0 ) = fx (x0 , y0 ),
x
f (
a ; j) =
(x0 , y0 ) = fy (x0 , y0 )
y
En 3 , los vectores coordenados unitarios son los vectores i,

j y k. Si a = (x0 , y0 , z0 ) las derivadas parciales f (a; i),
f (a; j) y f (a; k) se escriben respectivamente como
f
(x0 , y0 , z0 ) =
x
f
(x0 , y0 , z0 ) =
z
f
(x0 , y0 , z0 ) = fy (x0 , y0 , z0 ),
y
fx (x0 , y0 , z0 ),
fz (x0 , y0 , z0 )
67
De acuerdo a la definicin de derivada en una direccin, las derivadas parciales

fx (x0 , y0 ) y fy (x0 , y0 ) pueden expresarse
f (x0 + h, y0 ) f (x0 , y0 )
h
f (x0 , y0 + h) f (x0 , y0 )
lm
h0
h
fx (x0 , y0 ) =
lm
h0
fy (x0 , y0 ) =
para y = y0 fijo
para x = x0 fijo
En lugar de calcular fx (x0 , y0 ) y fy (x0 , y0 ) en forma directa a partir de las

definiciones, lo usual es encontrar fx (x0 , y0 ) y fy (x0 , y0 ) mediante las reglas
ordinarias de derivacin; despus se sustituyen x = x0 e y = y0 .
Ejemplo 2.7.5 Si f (x, y) = x2 sen (xy 2 ), encuentre fx ( 4 , 1) y fy ( 4 , 1).
Solucin.
f
(x, y) = 2x sen (xy 2 ) + x2 cos(xy 2 ) y 2 = 2x sen (xy 2 ) + x2 y 2 cos(xy 2 )
x
f
(x, y) = x2 cos(xy 2 ) 2xy = 2x3 y cos(xy 2 )
y
Sustituyendo x =
y y = 1 se calculan
fx ( , 1) = 2 sen
4
4
2
1 cos
1 =
4
2 3
3
2
fy ( , 1) = 2
cos
1 =
4
4
4
64
2.7.3.
1 +
4
4
2
2( + 8)
32
Diferenciabilidad de un campo escalar en Rn .
Definicin 2.7.4 Un campo escalar f : U R , donde U es un conjunto
abierto de Rn es diferenciable en si existe un vector f (

a ) Rn tal que
f (
a + h )f (
a )f (
a ) h
= 0.
h 0
h
lm
Si definimos
E(a; h) =
(2.20)
f (
a + h )f (
a )f (
a ) h
,
tendramos de acuerdo a la definicin, f es diferenciable en

a si y slo si
lm E(
a; h)=0
h 0
68
Podemos escribir
f (
a + h ) f (
a ) f (
a ) h = h E(
a ; h ),
o equivalentemente,
f (
a + h ) = f (
a ) f (
a ) h + h E(
a ; h ),
El vector f (
a ) le llama el gradiente de f en
a y al producto de f (
a)h
se le llama la diferencial de f en a .
Teorema 2.7.1 Si f : U R es diferenciable en

a , entonces es continua en
a.
Demostracin. Puesto que f es diferenciable en a tenemos que
lm E(
a ; h ) = 0.
h 0
Adems
f (
a + h )=f (
a )f (
a ) h + h E(
a ; h ),
y tomando el limite cuando h 0 tenemos que
lm f (
a + h ) =f (
a ).
h 0
Por lo tanto f es continua en

a .
Teorema 2.7.2 Sea f derivable en

a . Entonces la derivada de f en
a en la
direccin del vector unitario y = (y1 , y2 , yn ) y
f (
a ;
y )=f (
a )
y =
k=1
f (
a)
yk
xk
Demostracin. Si
y = 0 claramente f (
a )
y = 0 y f (
a ;
y )=0 . Por
consiguiente consideremos y = 0 . Como f es diferenciable en a tenemos que

para h con |h < r
f (
a + h )=f (
a )+f (
a ) h + h E(
a ; h ),
donde lmh0 E(
a ; h) = 0 . Si tomamos |t| < r , entonces h = t
y con t = 0
cumple que h <r y por lo tanto
f (
a + t
y )f (
a )=f (
a )t
y + |t|E(
a ;
y ).
69
Dividiendo por t tenemos
f (
a + t
y )f (
a)
|t|
= f (
a )
y + E(
a ;
y ).
t
t
Puesto que lmt0
|t|
= 1 tenemos que
t
f (
a + t
y )f (
a)
lm
= f (
a )
y.
t0
t
Por lo tanto
f (
a ;
y )=f (
a )
y.
f (
a)
Adems, teniendo en cuenta que f (

a ; ek ) =
y
y = u 1 e1 + + u n en
xk
concluimos que
f (
a ;
y) =
f (
a)
y = f (
a ) (u1
e1 + +un
e
n)
n
=
k=1
n
uk f (
a)
ek
uk f (
a ;
ek ) =
k=1
k=1
f (
a)
uk =
xk
f (
a)
f (
a)
,...,
xk
xn
(u1 , . . . , un ).
De aqu podemos concluir que el vector gradiente es dado por
f (
a )=
f (
a)
f (
a)
,...,
x1
xn
Si f es diferenciable en
a , existen todas las derivadas parciales. No obstante la
existencia de todas las derivadas parciales no garantiza que f sea diferenciable
en
a .
Ejemplo 2.7.6 Consideremos la funcin
xy 2
si (x, y) = (0, 0)
f (x, y) =
x2 + y 4
0
si (x, y) = (0, 0)
Mostremos que
f
f
(0, 0) y
(0, 0) existen. Por definicin
x
y
f
f ((0, 0) + ti) f (0, 0)
f (ti)
f (t, 0)
(0, 0) = lm
= lm
= lm
=0
t0
t0
t0
x
t
t
t
70
y
f ((0, 0) + tj) f (0, 0)
f (tj)
f (0, t)
f
(0, 0) = lm
= lm
= lm
= 0.
t0
t0
t0
y
t
t
t
Sin embargo la funcin no es continua en (0, 0) . Observemos que f (x, 0) = 0 y
f (0, y) = 0 . As a travs de los ejes coordenados f 0 cuando nos acercamos
al origen. Sin embargo si nos acercamos al origen sobre la parbola x = y 2
tenemos que f (y 2 , y) = 1/2 . As f (x, y) 1/2 cuando x = y 2 y y 0 .
Puesto que f (0, 0) = 1/2, f no es continua en (0, 0) y por lo tanto no puede
ser diferenciable en (0, 0) .
Teorema 2.7.3 (Condicin suficiente de diferenciabilidad). Si existen
f
f
las derivadas parciales

,...,
en cierta n-bola B(
a ;
r ) y son continuas
x1
xn
en
a , entonces f es diferenciable en
a .
2.7.4.
Regla de la cadena para campos escalares en Rn .
La regla de la cadena para funciones compuestas de una sola variable establece

que si y = g(t) = f (r(t)), donde tanto f como r son funciones diferenciables,
entonces
g (t) = f (r(t))r (t)
o
dy
dy dr
=
dt
dr dt
Ahora veremos como la regla de la cadena puede generalizarse para los campos
escalares o funciones de varias variables.
Teorema 2.7.4 [Regla de la cadena] Sea f una funcin de n -variables
definida en un conjunto abierto U Rn y

r una funcin vectorial
r :J U
donde J es un intervalo abierto. Definamos la funcin compuesta f r en J
por g(t) = f (r(t)) donde t J . Sea t J en el que

r (t) existe y tal que f es
diferenciable en r(t) . Entonces g (t) existe y

g (t) = f (r(t)) r (t)
Demostracin. Sea
a = r(t) . Puesto que U es abierto existe una bola B(
a)
U y tomemos h = 0 tal que r (t + h) B( a ) . Sea y = r (t + h) r (t) .

Claramente si h 0 entonces yb 0 . ahora consideremos
g(t + h) g(t) = f (
r (t + h)) f (
r (t)) = f (
a + y) f (
a ).
Como f es diferenciable en
a entonces
f (
a +
y ) f (
a ) = f (
a)
y +
y E(
a ; y).
71

donde E(
a ; y) 0 cuando |y 0. Ahora,
g(t + h) g(t) = f (
a ) (
r (t + h)
r (t)) +
r (t + h)
r (t) E(
a ;
y ).
Dividiendo por h obtenemos
g(t + h) g(t)
(
r (t + h))
r (t))
r (t + h))
r (t)
= f (
a )
+
E(
a ;
y ).
h
h
h
Tomando h 0 tenemos que
g (t) = f (
r (t)) r (t)).
Si escribimos
r en sus ecuaciones paramtricas x1 = x1 (t), x2 = x2 (t), ..., xn =
xn (t) podemos escribir g (t) en la forma
g (t) =
f
dx1
f
dxn
(
a)
+ ... +
(
a)
x1
dt
xn
dt
Cuando
a describe una curva C , la derivada direccional de f en la direccin
del vector tangente unitario T (t) se llama derivada direccional de f a lo largo

de la curva C .
Ejemplo 2.7.7 Halle la derivada direccional de f (x, y) = x2 3xy a lo largo
de la parbola y = x2 x + 2 en el punto (1, 2) .
Solucin: El gradiente de f est dado por
f (x, y) = (
f f
,
) = (2x 3y, 3x).
x y
En el punto (1, 2) tenemos que f (1, 2) = (4, 3). La parbola la podemos
parametrizar por
r (t) = (t, t2 t + 2). Observemos que para t = 1,
r (1) = (1, 2) que es el punto dado. El vector velocidad es

dado por
r (t) =
(1, 2t 1) y r (1) = (1, 1) el cual tiene norma | r (1) = 2 . As T b(1) =

1 (1, 1) . Por lo tanto la derivada direccional a lo largo de la parbola en el
2
punto (1, 2) es
1
7
f ((1, 2); T (1)) = f (1, 2) (1, 1) =
2
2
Ejemplo 2.7.8 Suponga que se calienta un cilindro circular recto slido y que
su radio r aumenta a razn de 0.2 cm por hora y su altura h a 0.5 cm por
hora. Encuentre la razn de aumento del rea con respecto al tiempo, cuando
el radio mide 10 cm y altura 100.
72
Solucin: La frmula del rea total de un cilindro es S(r, h) = 2rh + 2r2 .

En consecuencia,
dS
S dr S dh
=
+
= (2h + 4r)(0,2) + (2r)(0,5)
dt
r dt
h dt
Cuando r = 10 y h = 100,
dS
= (2 100 + 4 10)(0,2) + (2 10)(0,5) = 58 cm2 por hora
dt
Ejemplo 2.7.9 Suponga que w = x2 y + y + xz, donde x = cos , y = sen , y
z = 2 . Encuentre dw/d y la evale para = /3.
Solucin.
dw
d
=
=
w dx w dy
w dz
+
+
= (2xy + z)(sen ) + (x2 + 1)(cos ) + (x)(2)
x d
y d
z d
2 cos sen2 2 sen + cos3 + cos + 2 cos
En = /3,
1 1 2
dw
3
= 2
+
d
2 3
3
2
1
+1
4
1 2 1
1 2 3
+
=
+
2
3 2
8
18
3
Suponemos en seguida que z = f (x, y), donde x = x(s, t) e y = y(s, t) de modo

que z es una funcin de dos variables z = f [x(s, t), y(s, t)] = h(s, t). Entonces,
tiene sentido preguntar por z/s y z/t.
2.7.5.
Derivada en una direccin de un campo vectorial.

Derivada direccional
Definicin 2.7.5 ea F : U Rm definido en un subconjunto U de Rn .
Sea
a un punto interior de U y
y Rn , un punto arbitrario. Definimos la
derivada F ( a ; y ) por la frmula

F (
a + t
y ) F (
a)
F ( a ; y ) = lm
t0
t
Siempre que el lmite exista. Observemos que esta derivada es un vector de Rm .
De acuerdo a la definicin de lmites para campos vectoriales podemos observar
que
F (
a ;
y ) = (f1 (
a ;
y ), f2 (
a ;
y ), ..., fm (
a ;
y ))
En el caso que y es un vector unitario, es decir y = 1, F (

a ;
y ) se llama
derivada direccional de un campo vectorial.
73
2.7.6.
Diferenciabilidad de un campo vectorial
Definicin 2.7.6 Diremos que un campo vectorial F es diferenciable en

a si

existe una matriz DF (
a ) m n (la matriz Jacobiana) tal que

F (
a + h ) F (
a ) DF (
a) h
=0
h
h 0
lm
De esta definicin y por las propiedades de los lmites diremos que est defini
cin implica que cada componente de F , fi , es diferenciable en

a.
Denotemos por
F (
a + h ) F (
a ) DF (
a) h
.
E (
a, h)=
h

Observemos que E (
a , h ) es un vector de Rm . Esto nos permite escribir
F (
a + h ) = F (
a ) + DF (
a ) h + h E (
a, h)
y decir que un un campo vectorial F es diferenciable en

a si existe una matriz
DF ( a ) mn tal que la igualdad anterior se cumple donde lm

E (
a, h) =
h 0
0. Esta frmula es conocida como frmula de Taylor de primer orden. vlida

para todo h con h < r para cierto r > 0. La matriz DF (
a ) la llamaremos
la derivada de F en a .
f1

Vamos a demostrar que la matriz DF (

a ) es DF (
a ) = ...
donde fi
(i = 1, ..., m) es el gradiente de la funcin fi (i = 1, ..., m).
fm
Observemos que
F (
a + h ) F (
a) =
=
(f1 (
a + h ), ..., fm (
a + h )) (f1 (
a ), ..., fm (
a ))
(f (
a + h ) f (
a ), ..., f (
a + h ) f (
a ))
1
Como cada componente fi es diferenciable tenemos que
fi (
a + h ) fi (
a ) = fi h + h Ei (
a, h)
donde lm
E (
a , h ) = 0. Por lo tanto
h 0 i
74
F (
a + h ) F (
a) =
=
=
=
=
(f1 (
a + h ), ..., fm (
a + h )) (f1 (
a ), ..., fm (
a ))
(f1 ( a + h ) f1 ( a ), ..., fm ( a + h ) fm ( a ))
(f1 h + h E1 (
a , h ), ..., fm h + h Em (
a , h ))
(f1 h , ..., fm h ) + ( h E1 (
a , h ), ..., h Em (
a , h ))
(f1 h , ..., fm h ) + h (E1 (

a , h ), ..., Em (
a , h ))
Si DF (
a ) h = (f1 h , ..., fm h ) y E (
a , h ) = (E1 (
a , h ), ..., Em (
a , h ))
tenemos que

F (
a + h ) = F (
a ) + DF (
a ) h + h E (
a, h)
donde lm
E (
a , h ) = 0. Esto implica que
h 0
DF (
a)=
Observemos tambin que
F (
a ;
y) =
=
f1
f2
..
.
fm
f1
f2
fm
(f1 (
a ;
y ), f2 (
a ;
y ), ..., fm (
a ;
y ))

(f1 h , f2 h , ..., fm h ) = DF (
a) h

Esta frmula nos permite determinar fcilmente la derivada F (
a ;
y ).
Ejemplo 2.7.10 Supongamos que T : Rn Rm es una transformacin lineal.

(Una transformacin lineal es un ejemplo
particular de campo vectorial). Vamos a mostrar que T es difenciable y que

DT (
x)=
a donde
a es la matriz mn asociada a T ,esto es T (
x)=
a
x.
lm
h 0
T (x + h ) T (
x)
a h
A (
x + h)
a
x
a h
h 0
h
a
x +
a h
a
x
a h
=0
=
l
m
h 0
h
75
lm
entonces DT (
x)= A
As todos las transformaciones lineales son campos vectoriales diferenciables.
Ejemplo 2.7.11 Si f : U Rn R es un campo escalar diferenciable sobre
un conjunto abierto U , entonces f : U Rn Rn es un campo vectorial
dado por
f f
f
,
, ...,
)
x1 x2
xn
Si cada una de las derivadas parciales es diferenciable tenemos que podemos
encontrar la matriz Jacobiana de f, Df, la cual en algunos textos se denota
por 2 f (
x ) y es igual a
f = (
2 f (
x)=
2.7.7.
2f
x21
2f
x2 x1
2f
x1 x2
2f
x22
2f
xn x1
2f
xn x2
2f
x1 xn
2f
x2 xn
2f
x2n
Regla de la cadena para campos vectoriales.
Teorema 2.7.5 [Regla de la cadena] Sea F una funcin vectorial definido
en un conjunto abierto U Rn y
r una funcin vectorial
r : J U donde

J es un intervalo abierto. Definamos la funcin compuesta F
r en J por
G (t) = F ( r (t)) donde t J . Sea t J en el que r (t) existe y tal que F es
diferenciable en
r (t) . Entonces G (t) existe y

G (t) = D F (r(t))r (t)
Demostracin. Sea
a=
r (t) . Puesto que U es abierto existe una bola
B( a ) U y tomemos h = 0 tal que

r (t + h) B(
a ) . Sea
y = r(t + h) r(t)
. Claramente si h 0 entonces
y 0 . ahora consideremos G (t+ h) G (t) =
F (
r (t + h)) F (
r (t)) = F (
a +
y ) F (
a ).
Como F es diferenciable en a entonces
F (
a +
y ) F (
a ) = D F (
a)
y +
y E(
a ;
y ).
donde E(

G (t + h) G (t) = D F (
a ) (r(t + h) r(t)) + r(t + h) r(t) E (
a ;
y ).
76
Dividiendo por h obtenemos
(
G (t + h) G (t)
r (t + h))
r (t))
r (t + h))
r (t)
= D F (
a )
+
E(
a ;
y ).
h
h
h
G (t) = D F (
r (t))
r (t).
En el caso general de la composicin de dos campos vectoriales tenemos que
Teorema 2.7.6 [Regla de la cadena general] Sea F y G dos campos vec
toriales en un abierto U donde la funcin compuesta H = F G esta bien
definida por H (
x ) = F ( G (
x )) donde x U.. Sea x U en el que D G (x)
existe y tal que F es diferenciable en G (

x ) . Entonces D H (
x ) existe y
D H (
x ) = D F ( G (
x ))D G (
x ).
que es el producto de las dos matrices.
Demostracin. Sea
a = G (
x ) . Puesto que U es abierto existe una bola
B(
a ) U y tomemos h = 0 tal que
r (t + h) B(
a ) . Sea
y = G (
x +
h ) G (( x ) . Claramente si h 0 entonces y 0 . ahora consideremos
H (
x + h ) H (
x ) = F ( G (
x + h )) F ( G (
x )) = F (
a +
y ) F (
a ).
Como F es diferenciable en a entonces
F (
a +
y ) F (
a ) = D F (
a )
y +
y E (
a ;
y ).
donde E (
H (
x + h ) H (
x)
= D F (
a ) G ((x + h) G ((x) +

G ((x + h) G ((x) E (
a ;
y ).
= D F ( a ) D G (x) h + h E(x, h) +
D G(x) h + h E (x, h)
E (
a ;
y)
D G(x) h + h E (x, h)
E (
a ;
y ).
= D F (
a ) D G (x) h + D F (
a ) h E(x, h) +
77
Dividiendo por
h obtenemos
H (
x + h ) H (
x ) D F (
a ) D G (x) h
D F (
a ) E(x, h) +
D G(x) h + h E(x, h)
E (
a ;
y ).
D H (
x ) = D F ( G (
x ))D G (
x)
Definicin 2.7.7 Divergencia de un campo vectorial. Sea F : U Rn
Rn donde U es un subconjunto de Rn un campo vectorial dado por F (

x)=
(f1 (
x ), f2 (
x ), ..., fn (
x ))
x = (x1 , x2 , ..., xn ). Definimos la divergencia
de F como
f1 (
x)
fn (
x)
x ) f2 (
+
+ ... +
.
div F =
x1
x2
xn
,
, ...,
observemos que podemos denotar
x1 x2
xn
divF = F. Hay que tener en cuenta que la divergencia es un campo escalar.
Ejemplo 2.7.12 Sea F (x, y, z) = (x2 y, xyz, x2 z). La divergencia de F es
div F = 2xy + xz + x2 .
Si representamos =
Ejemplo 2.7.13 Sea
r
F (x, y, z) =
3 =
donde r =
r =
f1
x
f2
y
f 3
z
r3 x
3,
3,
x2 + y 2 + z 2 . Sean f1 =
r3
x
r6
r3
r3 x
y
6
r
r3
r3 x
z
r6
x y z
, ,
,.
r3 r3 r3
x
y
z
, f1 = 3 , f2 = 3 . Entonces
3
r
r
r
(r)
x
r3 3xr2
3
2
x
r = r 3x r ,
=
=
r6
r6
r6
(r)
y
r3 3yr2
r3 3yr2
3
2
y
r = r 3y r ,
=
=
r6
r6
r6
r3 3xr2
r3 3zr2
r6
78
(r)
z
r3 3yr2
3
2
z =
r = r 3z r .
r6
r6
Sumando estas derivadas tenemos que
f1
f2
f2
3r3 3r3
+
+
=
= 0.
div F =
x
y
y
r6
Definicin 2.7.8 Rotacional de un campo vectorial. Sea F : U R3

R3 donde U es un subconjunto de Rn un campo vectorial dado por
F (x, y, z) = (P (x, y, z), Q(x, y, z), R(x, y, z)
Definimos el rotacional de F al vector definido por
rot F =
R Q P
R Q P
y
z z
x x
y
Observacin 2.7.1 El rotacional se puede ver como
rot F = F =
x
P
y
Q
z
R
Observacin 2.7.2 En el caso que F (x, y) = (P (x, y), Q(x, y)) definiremos
el rotacional de F como
rot F =
x
P
y
Q
k
0
Q P
x
y
Observacin 2.7.3 Si el vector rot F = 0 , diremos que es campo vectorial

es un campo irrotacional.
.
Ejemplo 2.7.14 Sea F (x, y, z) = (x, xy + y, 2x xz), entonces el rotacional

es dado por
rot F =
x
xyz
y
x2
z
xy
= (x, xy + y, 2x xy) = xi+ (xy + y) jxyk.
79
Definicin 2.7.9 Laplaciano de un Campo Escalar. Sea f (x, y, z) un

campo escalar.diferenciable con derivadas de orden dos, definimos el Laplaciano de f, f, como la divergencia del gradiente de f, esto es
f = div (f ) = div (
f f f
2f
2f
2f
,
,
)=
+ 2 + 2
2
x y y
x
y
y
En el caso de dos variables f (x, y) tenemos

f = div (f ) =
2f
2f
+
x2
y 2
Ejemplo 2.7.15 Sea f (x, y) = x3 3xy 2 . Hallar el Laplaciano de f.

f
= 3x2 3y 2
x
f
= 6xy
2f
= 6x
2
x
2
f
= 6x
y 2
Entonces
f = 0.
Definicin 2.7.10 Una funcin escalar cuyo Laplaciano es cero, esto es f =
0, se llama funcin armnica.
2.7.8.
Frmula de Taylor de orden dos para campos escalares
Teorema 2.7.7 Sea f un campo escalar con derivadas de orden dos continuas
en una bola Br (
a ). Entonces para todo y Rn tal que
a +
y Br (
a ),
tenemos que
1
f (
a +
y ) = f (
a ) + f (
a)
y +
y H(
a + c
y )
y ,
2!
0 < c < 1,
donde H es la matrz Hessiana de f . Tambin podemos escribir

1
f (
a +
y ) = f (
a ) + f (
a)
y +
y H(
a )
y +
y E2 (
a ;
y ),
2!
donde lm E (
a ;
y ) = 0.
y0
Demostracin. Fijemos
y Rn . Definamos la funcin
g(t) = f (
a + t
y ),
80
0 t 1.
Claramente g(0) = f (a) y g(1) = f (

a +
y ). Por lo tango f (
a +
y ) f (
a)=
g(1) g(0).
Como g es una funcin real, aplicamos la frmula de Taylor de orden 2 en el
intervalo [0, 1]. As
g(1) = g(0) + g (0) +
1
g (c),
2!
0<c<1
(Resultado de Clculo I).

Aplicando regla de la cadena a g tenemos que
g (t) =
=
f (
a + t
y)
yi
x
i
i=1
f (
a + t
y)
f (
a + t
y)
f (
a + t
y)
y1 +
y2 + +
yn
x1
x2
xn
f (
a + t
y )
y =
As g (0) = f (
a)
y.
Calculamos la segunda derivada de g aplicando nuevamente regla de la cadena
g (t)
f (
a + t
y)
f (
a + t
y)
y y1 +
y y2 + +
x1
x2
f (
a + t
y)
y yn
xn
2 f (
a + t
y)
2 f (
a + t
y)
2 f (
a + t
y)
=
y1 +
y2 + +
yn y1
2
x1
x2 x1
xn x1
2 f (
a + t
y)
2 f (
a + t
y)
2 f (
a + t
y)
y1 +
y
+
+
yn y2
+
2
x1 x2
x22
xn x2
..
.
2 f (
a + t
y)
2 f (
a + t
y)
2 f (
a + t
y)
+
y1 +
y2 + +
yn yn .
2
x1 xn
x2 xn
xn
=
g (t) =
i=1 j=1
As,
2 f (
a + t
y)
yi yj =
y H(
a + c
y )
y .
xi xj
g (c) =
y H(
a + c
y )
y .
y por lo tanto as demostramos que

1
f (
a +
y ) = f (
a ) + f (
a)
y +
y H(
a + c
y )
y ,
21
81
0 < c < 1.
Para demostrar la segunda parte, definamos

1
y [H(
a + c
y ) H(a)]
y ,
y = 0
y E2 (
a ;
y)=
21
y
E2 (
a; 0)=0 .
En este caso tenemos que

1
y H(
a )
y +
y E2 (
a ;
y ).
f (
a +
y ) = f (
a ) + f (
a)
y +
2!
Vamos a mostrar que lm E (

a ;
y ) = 0.
y0
|E2 (
a ;
y )| =
i=1 j=1
n
i=1 j=1
2 f (
a + t
y ) 2 f (
a)
xi xj
xi xj
a)
2 f (
a + t
y ) 2 f (
xi xj
xi xj
yi yj
As dividiendo por
y = 0 tenemos que
|E2 (
a ;
y )|
puesto que
2f
xi xj
i=1 j=1
2 f (
a + t
y ) 2 f (
a)
.
xi xj
xi xj
son continuas en
a , entonces
lm
y0
2 f (
a)
2 f (
a + t
y)
=
xi xj
xi xj
Por lo tanto lm
|E2 (
a ;
y )| = 0 y esto implica que lm
E2 (
a ;
y)=0.
y0
2.7.9.
y0
Naturaleza de un punto crtico teniendo como criterio los valores propios de la matriz Hessiana
Si
a es un punto crtico de f tenemos que f (a) = 0 . En este caso
1
f (
a +
y ) = f (
a)+
y H(
a )
y +
y E2 (
a ;
y ).
2!
Teorema 2.7.8 Sea A = (aij ) una matriz n n y simtrica. Supongamos que
n n
Q(y) =
y A
y =
a y y . Entonces
ij i j
i=1 j=1
82
1. Q(
y ) > 0
y = 0 los valores propios de A son positivos.
2. Q(
y ) < 0
y = 0 los valores propios de A son negativos.
Demostracin. Por ser A una matriz simtrica, A es diagonalizable, esto es existe una matriz P ortogonal (P = P ) tal que P T AP = D = diag(1 , 2 , , n )
donde i i=1,...,n son valores propios de A los cuales son reales. Haciendo
y = xP , tenemos
n
Q(y) =
y A
y = xP AP
x = xD
x =
i x2u
i=1
Claramente
y = 0,
x = 0 . Si los valores propios de A son positivos entonces
Q(y) > 0. Ahora si Q(y) > 0

y = 0 , tenemos en particular que si y = ei P ,
donde ei = (0, , 1, 0) es el k-esimo vector unitario de la base usual tenemos
que Q(y) = i > 0.
La parte (2) se prueba de manera similar.
Teorema 2.7.9 Sea f un campo escalar con derivadas de orden dos continuas
en una bola Br (
a ). Sea H(
a ) la matriz Hessiana en un punto estacionario
a . Entonces:
1. Si todos los valores propios de H(

a ) son positivos entonces f tiene un
mnimo relativo en a .
2. Si todos los valores propios de H(

a ) son negativos entonces f tiene un
mximo relativo en a .
3. Si H(
a ) tiene valores propios negativos y positivos entonces f tiene un
punto silla en
a.
Demostracin. sea Q(y) =

y H(
a )
y y puesto que f (a) = 0 , tenemos
que
1
f (
a +
y ) f (
a)=
y H(
a )
y +
y E2 (
a ;
y ).
2!
donde lm
E2 (
a ;
y ) = 0 . Vamos a mostrar que existe r > 0, tal que
y0
0 <
y < r, talque f (
a +
y ) f (
a ) tiene el mismo signo que Q(y).
Supongamos que los valores propios de H(

a ) son positivos 1 , 2 , , n .Si
h = mn{1 , 2 , , n } y 0 < t < h entonces 1 t, 2 t, , n t son
tambin positivos. Estos son los valores propios de H(

a ) tI, siendo I la ma
triz idntica n n. Por lo tanto la forma cuadrtica

y (H(
a ) tI)
y >0
y = 0 de acuerdo al teorema anterior. Por lo que concluimos que
y H(
a )
y >t
y
83
0 < t < h.

Tomando t = 12 h tenemos Q(y) > 12 h
y
y = 0 . Puesto que lm
E2 (
a ;
y)=
y0
0, existe r > 0 tal que |E2 (

a ;
y )| < 41 h con tal que 0 <
y < r. Para tales
y tenemos
1
1
0
y E2 (
a ;
y ) < h < Q(y).
4
2
Esto demuestra que
f (
a +
y ) f (
a ) Q(y)
y E2 (
a ;
y)>0
2
Por consiguiente f tiene un mnimo relativo en

a.
En la misma forma se prueba (2).
Para mostrar (c) supongamos que 1 y 2 son valores propios de H(

a ) con
signos opuestos. Sea h = mn{|1 | , |2 |}, para 0 < t < h entonces 1 t, 2 t
son valores propios de H(

a ) tI de signos opuestos. Por lo tanto La for
ma cuadrtica y (H( a ) + tI)

y toma valores positivos en una vecindad
de a . Nuevamente, puesto que lm

E2 (
a ;
y ) = 0, existe r > 0 tal que
y0
y < r. Para tales

y tenemos que el signo
|E2 (
a ;
y )| < 14 h con tal que 0 <
de f ( a + y ) f ( a ) es el mismo que el de Q(y). Entonces tenemos en la
vecindad de
a valores positivos y negativos de f. por lo tanto f tiene un punto
silla en a .
2.7.10.
Criterio para determinar extremos de funciones

de dos variables
Teorema 2.7.10 [Condiciones suficientes para los extremos] Supngase que f (x, y) tiene segundas derivadas parciales continuas en una vecindad
2 f (
a)
2 f (
a)
2 f (
a)
de
a y que f (
a ) = 0. Sea A =
,
B
=
,
C
=
y
x2
xy
y 2
A
B
H(
a)=
B
D
y D = det(H(
a )). Entonces
2 f (
a)
> 0, entonces tiene un mnimo relativo en

a.
2
x
2 f (
a)
2. Si D > 0 y
< 0, entonces tiene un mximo relativo en
a.
x2
3. Si Si D < 0, entonces tiene un punto silla en

a.
1. Si D > 0 y
4. Si D = 0, el criterio no decide nada.

84
Demostracin. Para calcular los valores propios de la matriz Hessiana, hal

lamos la ecuacin caracterstica det(I H(
a )) = 0, teniendo la ecuacin en
,
2 (A + C) + D = 0
donde D = det(H(
a )). Los valores propios y estn ligados por la relacin
1
1 + 2 = A + C
1 2 = D.
Claramente si D > 0 entonces ambos valores propios son positivos o negativos.

Como D = AC B 2 y D > 0 entonces AC > B 2 0. Entonces A y C tienen
el mismo signo. Por lo tanto si A es positivo entonces C es positivo y esto
implicara que 1 y 2 seran positivos y por lo tanto

a es un punto mnimo
de f. Similarmente si A es negativo entonces C es negativo y esto implicara que
1 y 2 seran negativos y por lo tanto

a es un punto mximo de f. En forma
similar se demuestra (3). D < 0, entonces los valores propios de H(a)seran de
signo opuesto y por lo tanto f tiene un punto silla en

a.
2.7.11.
Ley de la conservacin de la energa. Campos conservativos
Definicin 2.7.11 Sea U un abierto de n . Un campo vectorial sobre U,

se dice que es un campo conservativo si existe una campo escalar talque
F = . A la funcin se le llama energ potencial

Supongamos que una partcula de masa m se desplaza a lo largo de una curva
derivable r(t) y supongamos que la partcula cumple la segunda ley de Newton:
F (r(t)) = mr (t)
para todo t donde r(t) est definido. Por ser F un campo conservativo tenemos
que
F (X) = mr (t) = (r(t)) = mr (t) + (r(t)) = 0.

Multiplicando escalarmente esta ltima ecuacin tenemos que

mr (t) r (t) + (r(t)) r (t) = 0
Observando que
y

1 dv 2 (t)
m
= mr (t) r (t)
2
dt

d(r (t))
= (r(t)) r (t),
dt
85
tenemos que
d
dt
1
mv 2 (t) + (r (t))
2
=0
De lo cual concluimos que la funcin 12 mv 2 (t) + (r (t)) es una constante.

Este resultado se conoce como la ley de la conservacin de la energa.
La funcin 21 mv 2 (t) se le llama la energa cintica y a la funcin (r (t))

energa potencia. Por lo tanto la ley de la conservacin dice que la suma de
la energa cintica y potencial es una constante.
Observemos que si el dominio de definicin de la curva es [a, b] , tenemos por
la ley de la conservacin de la energa que
1
1
mv 2 (b) + (r (b)) = mv 2 (a) + (r (a))
2
2
O sea que la diferencia de la energa cintica es igual a la diferencia de la energa
potencial, esto es
1
1
mv 2 (b) mv 2 (a) = (r (a)) (r (b))
2
2
La mayor parte de los campos de la fsica clsica son conservativos.Por ejemplo consideremos una fuerza que es inversamente proporcional al cuadrado de
la distancia del punto al origen y que tiene la direccin del vector posicin.
Entonces existe una constante C tal que
1
F (
x)=C
x
ya que
es un vector unitario en la direccin de

x . As
1
F (
x)=C
x.
Una funcin potencial para F es dada por

C
(
x)=
|| x ||
lo cual puede demostrarse calculando las derivadas parciales.
86
Captulo 3
Integrales Mltiples
3.1.
Integrales Dobles
Vamos a considerar una funcin de dos variables f : S R2 R. Subdividamos la regin S en N subregiones S1 , S2 , ....SN donde cada una de ellas est
acotada por una curva simple cerrada suave a trozos y de rea Ak = rea(Sk ).
en donde (xk , yk ) es cualquier punto en la subregin Sk .
Denotemos por dk el dimetro de la regin Sk ( la mayor distancia entre dos

puntos cualesquiera en Sk ) y por norma de la particin
||P || = max1kN {dk }.
Formemos la suma
N
f (xk , yk )Ak
k=1
87
Definicin 3.1.1 .Definimos la integral doble de f sobre S, denotada por

S f (x, y)dA
S f (x, y)dxdycomo
N
S
f (x, y)dA = lim||P ||0
f (xk , yk )Ak
k=1
si el lmite existe y es independiente de las particiones {Sk } y de los puntos

{(xk , yk )}.
Puede mostrarse que si f es acotada y continua en S, f ser integrable, es decir
la integral existe.
Nota. Frecuentemente se subdivide S mediante rectas paralelas a los ejes coordenados. Puede darse el caso donde hayan subregiones no rectangulares. Sin
embargo la particin puede hacerse tan fina que estas subregiones pueden despreciarse y puede mostrarse que la suma de estas regiones es despreciable. En
este caso el rea de cada subrectngulo es xi yj y se tiene que
n
S
f (x, y)dxdy = lim||P ||0
f (xi , yj )xi yj
i=1 j=1
Observemos que hemos reemplazado dA por el smbolo dxdy.
Nota. Si f (x, y) = 1 tenemos que

rea(S) =
dA =
S
3.1.1.
dxdy
S
Propiedades de la Integral doble
Se puede demostrar que la integral cumple las mismas propiedades de la integral unidimensional como son:
1.
S [c1 f (x, y) + c2 g(x, y)]dxdy
= c1
f (x, y)dxdy + c2
g(x, y)dxdy
2. Si S = S1 S2 y S1 S2 = , entonces
f (x, y)dxdy =
S
f (x, y)dxdy +
S1
88
f (x, y)dxdy
S2
3. si f g entonces
f (x, y)dxdy
g(x, y)dxdy
S
En particular si f 0 entonces
f (x, y)dxdy 0
El siguiente teorema nos permite calcular las integrales de funciones continuas

en trminos de las integrales unidimensionales en el rectngulo S = [a, b] [c, d]
Teorema 3.1.1 Sea f : S = [a, b] [c, d] R. Si f es continua entonces

b
f (x, y)dxdy =
S
f (x, y)dy
a
dx =
f (x, y)dx dy
c
Nota. Esta forma de calcular la integral doble se le llama clculo de la integral

doble en forma iterada.
3.1.2.
Integracin en regiones ms generales
Consideraremos dos tipos de regiones.

Regin tipo I.
Est descrita por el conjunto
S = {(x, y) : a x b, 1 (x) y 2 (x)}
esto es, la regin acotada a izquierda y derecha por lneas rectas y arriba y
abajo por las funciones 2 (x) y 1 (x) como se muestra en la figura abajo.
89
En este caso las integrales iteradas toman la forma

b
2 (x)
f (x, y)dxdy =
S
f (x, y)dy dx
a
1 (x)
Regin tipo II.

Est descrita por el conjunto
S = {(x, y) : c y d, 1 (y) x 2 (y)}
esto es, la regin acotada arriba y abajo por lineas rectas horizontales y a
izquierda y a derecha por las funciones 1 (y) y 2 (y) como se ve esquematizado
en la grfica abajo.
90
En este caso, las integrales iteradas toman la forma

d
2 (y)
f (x, y)dxdy =
S
f (x, y)dx dy
c
1 (y)
Una regin puede ser al mismo tiempo de tipo I tipo II. Por ejemplo, la regin
que se muestra en la figura abajo.
De tipo I se describe en la forma

S = (x, y) : 0 x 1, x2 y x
y de tipo II en la forma
S = {(x, y) : y x
3.1.3.
y, 0 y 1}
Clculo de integrales dobles: reas y volmenes.
1. Sea S = {(x, y) : a x b 1 (x) y 2 (x)}. Si hacemos f (x, y) = 1 para

todo (x, y) S tenemos que
b
dxdy =
S
2 (x)
dy]dx =
1 (x)
(x)
[y|21 (x) ]dx =
[2 (x) 1 (x)]dx
As, el rea de S est dada por

S dxdy.
2. Sea f > 0 y continua en S. Supongamos que S es de tipo I y consideremos
el slido limitado por la grfica de z = f (x, y) y por la regin S. Claramente
2 (x)
f (x, y)dy
1 (x)
representa el rea de la seccin transversal que se obtiene al cortar el slido

por un plano paralelo al plano yz. (Ver figura).
91
Por lo tanto podemos definir el volumen del slido como

b
V ol(Sol) =
2 (x)
[
a
f (x, y)dy]dx =
f (x, y)dxdy
1 (x)
El mismo razonamiento para regiones de tipo II. En general si f (x, y) g(x, y)

la integral
S
[g(x, y) f (x, y)]dxdy
representa el volumen del slido limitado entre las dos superficies.
Ejemplo 3.1.1 Calcular el volumen del slido limitado por la esfera

x2 + y 2 + z 2 = R2
Solucin. El slido est comprendido entre las grficas de z = f (x, y) =
R2 x2 y 2 y z = g(x, y) = R2 x2 y 2 . La regin S = (x, y) : x2 + y 2 R2 .
V ol
(V ) =
S [f (x, y) g(x, y)]dxdy = 2
R
R2 x2
=8 0 [ 0
R2 x2
f (x, y)dxdy
y 2 dy]dx
Hagamos A = R2 x2 o sea A2 = R2 x2 por lo tanto r2 x2 y 2 =

y 2
A2 y 2 = A 1 ( A
) . Si hacemos el cambio de variable y = asen en92
tonces dy = a cos d y obtenemos

V ol(V ) =
f (x, y)dxdy
S
R2 x2
8
0
/2
8
0
[
0
8
0
A2 cos2 d]dx = 8
R
A dx = 8
4
4
(R2 x2 )dx
= 2(R3
/2
1 cos 2
1
=
2
2
A2
0
x3
)
3
R3
2
4
) = 2 R3 = R3 .
3
3
3
Ejemplo 3.1.2 . Dibujemos la regin de integracin de

1
[
0
f (x, y)dy]dx
x2
La regin de integracin est dada por

S = (x, y) : 0 x 1, x2 y x
Observemos que la regin S puede ser descrita por
S = {(x, y) : y x y, 0 x 1}
As, la integral la podemos escribir como
1
[
0
A2 y 2 dy dx
/2
2 (R2 x
R2 x2
1 sen2 cos d dx
0
R
A2
0
R
R2 x2 y 2 dy dx = 8
0
R
f (x, y)dy]dx =
x2
[
0
93
f (x, y)dx]dy
y
dx
0
A este cambio en los limites de integracin se le conoce como cambio en el orden

de integracin (invertir el orden de integracin), lo que puede hacerse cuando
la regin es de los dos tipos al mismo tiempo. Muchas veces integrales que no
podemos calcular en un orden determinado, podemos resolverla invirtiendo su
orden como se puede ver en el ejemplo a continuacin:
Ejemplo 3.1.3 Evaluar la integral
6
x y 3 + 1dy]dx
[
0
x/3
La regin de integracin es de tipo I:

S = (x, y) : 0 x 6, x/3 y 2
Observemos que la integral y 3 + 1 no tiene antiderivada elemental. Como S

tambin es de tipo II, podemos invertir el orden de integracin y obtenemos la
descripcin
S = {(x, y) : 0 y 2, 0 x 3y}
As la integral la podemos expresar como

6
[
0
y 3 + 1dy]dx
x/3
3y
x y 3 + 1dx]dy =
[
0
y 3 + 1[
=
0
(y 3 + 1)3/2
94
2
0
x2 3y
| ]dy =
2 0
3y
y 3 + 1[
2
= 27 1 = 26
9 2
y
2
xdx]dy
0
y 3 + 1dy
3.1.4.
Cambio de variable
En el caso de la integral de una variable, el mtodo de sustitucin nos permita

transformar la integral a una integral ms simple. Recordemos que si tenemos
b
que resolver la integral a f (x)dx y hacemos un cambio de variable x = g(t)
de tal manera que la funcin sea diferenciarle, tenemos que dx = g (t)dt y el
cambio de variable lo escribimos como
g1 (b)
f (x)dx =
f (g(t))g (t)dt
g1 (a)
En el caso de dos dimensiones tenemos un resultado similar. Sin entrar en muchos detalles, consideremos un campo vectorial T : R2 R2 que transforma un
conjunto cerrado U en un conjunto , esto es T : U es uno a uno y sobre.
Denotando T (u, v) = (x(u, v), y(u, v)) y asumiendo que T es diferenciable, diremos que T define un cambio de variables de las variables (u, v) a las variables
(x, y). Escribiendo x = x(u, v), y = y(u, v) consideramos la matriz
(x, y)
= [xy] =
(u, v)
x
u
x
v
y
u
y
v
llamada matriz Jacobiana, que jugar un papel importante ms adelante. Su

(x,y)
determinante es llamado el Jacobiano de T , denotado JT (u, v) det (u,v)
.
Ejemplo 3.1.4 (Coordenadas Polares) Recordemos que otro sistema de coordenadas en el plano adems de las coordenadas cartesianas (x, y) de un punto
P son las coordenadas polares del punto P definidas por (r, ) donde r = OP ,
distancia del origen al punto P y es el ngulo entre el vector OP y el eje x,

medido en el sentido positivo ( o direccin contraria a las manecillas del reloj)
desde 0 a 2. Esto es
r = x2 + y 2
y hallamos tal que
y
,
x
donde si y > 0, entonces se toma 0 y si y < 0, entonces se toma
< 2. Si x = 0 y y > 0 se toma = 2 . Si x = 0 y y < 0 se toma
= 3
2 . Recprocamente si un punto P est dado en coordenadas polares (r, ),
entonces las coordenadas cartesianas de P (x, y) estn dadas por
tan =
r cos
rsen.
95
Observemos que tambin podramos escoger en lugar del intervalo [0, 2) para
los valores de , cualquier intervalo de longitud 2. Otro intervalo que se utiliza
tambin es el intervalo (, ) .
Definamos la funcin
(x, y) = T (r, ) = (r cos , rsen)
como un cambio de coordenadas polares a las coordenadas cartesianas. Observemos que en este caso la matriz Jacobiana est dada por
(x, y)
=
(r, )
cos
rsen
sen
r cos
cos
sen
= r.
rsen r cos
La funcin T transforma regiones rectangulares en el plano r en regiones
circulares en el plano x y.
y su Jacobiano est dado por J = det
Ejemplo 3.1.5 La regin rectangular para a > 0

U = {(r, ) : 0 r a, 0 < 2}
se transforma en la regin
S = Br (a) = (x, y) : x2 + y 2 a2 .
Ejemplo 3.1.6 La regin rectangular para a > 0

U = {(r, ) : a r b, 0 < 2}
se transforma en la regin
S = Br (a) = (x, y) : a2 x2 + y 2 b2 .
96
3.1.4.1.
La frmula del cambio de variable
Consideremos el cambio de variable

x = h1 (u, v)
(u, v) U
y = h2 (u, v)
donde asumimos que las funciones h1 , h2 son campos escalares continuos y
diferenciables y tal que a cada punto (x, y) S est en correspondencia 1-1
con los puntos (u, v) de U y adems la curva que limita a U se enva en la
curva que limita a S. Esto lo podemos definir ms concretamente definiendo
el campo vectorial F : U S dado por
F (u, v) = (h1 (u, v), h2 (u, v))
tal que F es un campo invertible es decir existe
1
F
: S U.
Si particionamos la regin U en rectngulos pequeos de longitud u, v, las
imgenes de estos rectngulos sern pequeos paralelogramos curvilneos en la
regin S.
97
En la grfica abajo vemos un zoom de este pequeo rectngulo y su correspondiente imagen curvilnea.
Al rectngulo Ti,j en el plano uv le corresponde la regin curvilnea Ri,j en el

plano xy. Hallemos la relacin entre el rea del rectngulo Ti,j con el rea de
Ri,j .
rea de Ti,j
rea a de Ri,j
= A(Ti,j .) = uv

= A(Ri,j ) Q1 Q2 Q1 Q4
Calculando aproximadamente las coordenadas de los puntos Q1 , Q2 , Q4 usando

diferenciales y teniendo en cuenta que P1 = (u, v), P2 = (u + u, v), P4 =
(u, v + v) y
Q1
Q2
Q4
= (x1 , y1 ) = F (u, v) = (h1 (u, v), h2 (u, v))
= (x2 , y2 ) = F (u + u, v) = (h1 (u + u, v), h2 (u + u, v))
= (x4 , y4 ) = F (u, v + v) = (h1 (u, v + v), h2 (u, v + v))
Usando diferenciales, (ver seccin 2.3.4), los puntos x2 , y2 los podemos aproximar por
x2
y2
h1
h1
(u, v)u = x1 +
(u, v)u
u
u
h2
h2
= h2 (u + u, v) h2 (u, v) +
(u, v)u = y1 +
(u, v)u
u
u
= h1 (u + u, v) h1 (u, v) +
As
Q2 (x1 +
h1
h2
(u, v)u, y1 +
(u, v)u)
u
u
98
Haciendo lo mismo con el punto Q4 tenemos

Q4 (x1 +
h1
h2
(u, v)v, y1 +
(u, v)v).
v
v
Ahora
Q1 Q2 =
Q1 Q4 =
h1
(u, v)u,
u
h1
(u, v)v,
v
Q2 Q1
Q4 Q1
h2
(u, v)u
u
h2
(u, v)v
v
y

Q1 Q2 Q1 Q4 uv
h1
u
h2
u
h1
v
h2
v
h1
v
h2
v
k.
Denotemos este determinante por

J(u, v) =
h1
u
h2
u
Es llamado el Jacobiano del cambio de variable.

Ahora, el rea
rea a de Ri,j
Para calcular

a
rea(Ri,j ) Q1 Q2 Q1 Q4
uv |J(u, v)| = |J(u, v)| a

rea(Tij )
f (x, y)dxdy tenemos que

S
f (x, y)dxdy
f (xi , yj ).(
area(Ri,j ))
f (h1 (ui , vj ), h2 (ui , vj )) |J(u, v)| a

rea(Tij )
Tomando el lmite cuando u, v 0 se tiene que

f (x, y)dxdy =
S
f (h1 (u, v), h2 (u, v))|J(u, v)|dudv

U
Esta frmula es conocida como la frmula de cambio de variable para las integrales dobles.
Ejemplo 3.1.7 En coordenadas polares tenemos
x = r cos , y = rsen
99
En este ejemplo r, hacen el papel de las variables u, v. Si r > 0 y 0 2

tenemos una aplicacin 1-1 y sobre. El Jacobiano de la transformacin est
dado por
J(r, ) =
(x, y)
= |x y| =
(r, )
cos
sen
rsen
r cos
=r
entonces en el cambio a coordenadas polares tenemos que

f (x, y)dxdy =
f (r cos , rsen)rdrd.
Ejemplo 3.1.8 Calcular

a2 x2 y 2 dxdy
donde S = (x, y); 0 x a, 0 y a2 x2 . Al hacer el cambio a coordenadas polares, tenemos que la regin T que se transforma en S por dicho
cambio es T = {(r, ) : 0 r a, 0 /2}y la integral se transforma en
a
T
a2 r2 rdrd
=
0
/2
a2 r2 rd]dr = /2
[
0
(a2 r2 )3/2
/2
3
=
0
a2 r2 rdr
3
a
6
Si multiplicamos este resultado por 8 obtenemos el volumen de la bola igual a

4 3
a .
3
Ejemplo 3.1.9 Calcular
yx
e y+x dxdy
S
donde S es la regin limitada por la recta x + y = 2 y los ejes coordenados.

Definamos el cambio de variable u = y x y v = y + x. Resolviendo para x y
u+v
y obtenemos x = vu
2 y y = 2 (ver figura)
100
Hallando el Jacobiano tenemos que J(u, v) = 1/2 As la integral la podemos

resolver en la forma
yx
e y+x dxdy
3.2.
1
2
T
2
0
u 1
1
e v dudv =
2
2
e v dudv =
0
1
1
v(e )dv = e
e
e
1
2
2
0
ve v |vv dv
Integrales Triples
La definicin de la integral doble se puede generalizar casi sin cambios a ndimensiones, en particular, para n = 3, si f es continua definida en una regin
V del espacio R3 acotada por una superficie cerrada tenemos que
N
V
(x, y, z)dV = lim||P ||0
f (xk , yk , zk )Vk
k=1
En donde Vk representa el volumen de cada subregin Vk del slido V. Como

en el caso de integrales dobles a veces se usa en lugar de dV el smbolo dxdydz.
El siguiente teorema nos permite calcular las integrales de funciones continuas
en trminos de las integrales unidimensionales en el cubo V = [a, b] [c, d]
[e, f ].
Teorema 3.2.1 Sea f : V = [a, b][c, d][e, f ] R. Si f es continua, entonces
b
f (x, y, z)dV =
V
f (x, y, z)dz dy
a
dx.
Nota. En este teorema en particular, no importa el orden en el cual integremos, es decir, la integral triple puede calcularse tambin en el orden
b
f
d
f (x, y, z)dy dz dx en cualquier otro.
a
e
c
101
3.2.1.
Regiones ms generales
Consideraremos tres tipos de regiones:

Regin tipo I
Si el volumen V est limitado entre dos superficies z = z1 (x, y), z = z2 (x, y)
con z1 (x, y) z2 (x, y) y S es la proyeccin de dicho volumen al plano xy.
Entonces la integral se calcula en la forma

z2 (x,y)
f (x, y, z)dxdydz =
V
f (x, y, z)dz
S
dA.
z1 (x,y)
Regin tipo II
Si el volumen V est limitado entre dos superficies y = y1 (x, z), y = y2 (x, z)
con y1 (x, z) y2 (x, z) y S es la proyeccin de dicho volumen al plano xz.
102

y1 (x,z)
f (x, y, z)dxdydz =
f (x, y, z)dy dA.
y1 (x,z)
Regin tipo III

Si el volumen V est limitado entre dos superficies x = x1 (y, z), x = x2 (y, z)
con x1 (y, z) x2 (y, z) y S es la proyeccin de dicho volumen al plano yz.

x1 (y,z)
f (x, y, z)dxdydz =
f (x, y, z)dx dA.
x1 (y,z)
Nota . El volumen de la regin V est dado por

Volumen(V ) =
dV =
dxdydz
Nota . La integral doble sobre S que aparece en el clculo de la integral triple,

se calcula como vimos anteriormente, viendo si S es de tipo I tipo II. Por
ejemplo, si V es de tipo I y S es tambin de tipo I, se tendra la integral iterada
b
y2 (x)
z2 (x,y)
f (x, y, z)dxdydz =
V
f (x, y, z)dxdydz.
a
y1 (x)
z1 (x,y)
Ejemplo 3.2.1 Hallar la integral

xydxdydz
V
donde V es el dominio limitado por los planos x + y + z = 1, el plano xy, y el

plano xz. Consideremos un bosquejo de este volumen y su proyeccin sobre el
plano xy.
103
Claramente podemos observar que la variable z est limitada por 0 z 1x

y. La proyeccin S est definida por S = {(x, y) : 0 x 1, 0 y 1 x}.
As, la integral triple la calculamos as:
1
f (x, y, z)dxdydz
1x
xydzdydx
0
0
1
0
1
=
0
0
1x
3.2.2.
1xy
xy(1 x y)dydx
(1/6)x(1 x)3 dx =
1
120
Cambio de variable en integrales triples.
Dado un cambio de variables x = x(u, v, w), y = y(u, v, w), z = z(u, v, w), a

un punto P (u, v, w) del espacio uvw le corresponde un punto del espacio xyz,
es decir el sistema de ecuaciones establece una correspondencia 1-1 entre los
puntos de ambos espacios. Un dominio V en el espacio uvw se corresponde
biunvocamente con un volumen T en el espacio xyz. La siguiente es la frmula
del cambio de variable:
f (x, y, z)dxdydz
V
f (x(u, v, w), y(u, v, w), z(u, v, w))|J(u, v, w)|dudvdw

T
(x,y,z)
donde J(u, v, w) = (u,v,w)
= |x y z|.
Nota. Claramente si f = 1 entonces
dxdydz =
V
|J(u, v, w)|dudvdw
lo que implica que el |J(u, v, w)| es la razn de proporcin entre el volumen V

y el volumen T .
Ahora estudiaremos algunos cambios de variable importantes.
104
3.2.2.1.
Coordenadas cilndricas.
Consideremos el sistema de coordenadas (r, , z) como se muestra en la figura
Estas coordenadas estn ligadas a las coordenadas (x, y, z) mediante las ecuaciones dadas por
x = r cos , y = rsen, z = z
Las coordenadas (r, , z) se llaman coordenadas cilndricas del punto P ya que
x2 + y 2 = r2 .
De este sistema de ecuaciones tenemos que el Jacobiano est dado por
J(r, , z) = |xyz| = r
y la frmula del cambio de variable se expresa en la forma
f (x, y, z)dxdydz =
f (r cos , rsen, z)rdrddz
Ejemplo 3.2.2 Calcule la integral

(x2 + y 2 )dxdydz
donde V es el volumen limitado por el casquete superior de la esfera x2 + y 2 +
z 2 = 4 y cortada por el cilindro x2 + y 2 = 1.
105
Utilizando coordenadas cilndricas tenemos que este volumen puede verse como
4 r2
T = (r, , z) : 0 r 1, 0 2, 0 z
Por lo tanto la integral est dada por
(x2 + y 2 )dxdydz
4r 2
=
0
0
2
0
1
4r 2
=
0
0
2
=
3.2.2.2.
r3 dzdrd
0
1
[
0
r2 rdzdrd
r
0
r2 dr]d
64 11 3
= 2(
).
15
5
Coordenadas esfricas.
Las coordenadas esfricas (, , ) son las indicadas en la figura
y estn ligadas con las coordenadas cartesianas mediante las siguientes ecuaciones
106
x = cos sen , y = sen sen, z = cos ,

con
0 2, 0 , 0 a
En coordenadas esfricas, la esfera de radio a tiene ecuacin = a. El Jacobiano

en coordenadas esfricas est dado por
J(, , ) = |xyz| = 2 sen
y la formula del cambio de variable toma la forma
f ( cos sen , sen sen, cos )2 sen d d d
f (x, y, z)dxdydz =
V
Ejemplo 3.2.3 Hallar el volumen de la parte del cono z =

sectada por la esfera x2 + y 2 + z 2 = a2 .
x2 + y 2 inter-
ERROR: typecheck
OFFENDING COMMAND: image
STACK:
-dictionary-mark-savelevel-

Apunte Resumen

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apunte Resumen

Diunggah oleh

Hak Cipta:

Format Tersedia

ndice general

2.7.2. Derivada en una direccin de un campo escalar en Rn .

4. Integrales de Lnea. reas de Superficies e Integrales de Superficie

4.6.1. Integral de superficie de una funcin escalar . . . . . . .

El espacio Rn es el conjunto de todas las n-uplas de nmeros reales:

En Rn definimos la suma de vectores y producto por escalares. Si

Para cada escalar R, el vector

Recordemos algunas propiedades del producto escalar:

La longitud o norma de un vector de Rn es definida por

(x1 ) + (x2 ) + ... + (xn )

El ngulo entre los vectores

como producto vectorial que se denota por

Recordemos algunas propiedades del producto vectorial

donde es el ngulo comprendido entre estos vectores.

Una F : J Rn donde J es un conjunto de nmeros reales, se llama funcin

El valor de la funcin F en t lo designaremos corrientemente por F (t). Puesto

F (t) = (f1 (t), f2 (t), ..., fn (t))

fi son llamadas las componentes de la funcin vectorial F . As, cada funcin

por F = (f1 , f2,.., fn ). Llamamos a la variable t el parmetro de la funcin.

lizaremos la representacin F (t) = (x(t), y(t)) = x(t)i + y(t)j donde i = (1, 0)

y j = (0, 1) y cuando n = 3 utilizaremos F (t) = (x(t),y(t),z(t)) =x(t)i +

por el punto P0 = (a, b, c) y tiene vector director

Estas variables las podemos escribir en forma vectorial de la siguiente manera

F (t) = (x(t), y(t), z(t)) = (a+lt, b+mt, c+nt) = (a, b, c)+t(l, m, n) = P0 +t

F (t) = cos ti + sen tj.

La norma o longitud de F (t) para cada t est dada por

El vector F (t) describe una circunferencia de radio 1 en sentido contrario a

vectoriales. Sean F , G , funciones vectoriales definidas sobre un dominio comn

y f una funcin real, entonces definimos las funciones F + G , f F , F G ,

F + G (t) = F (t) + G(t),

f F (t) = f (t) F (t),

F G (t) = F (t) G (t).

(El producto aqu considerado es el de producto escalar).

Adems en el caso de que F y G tengan sus valores en R3 podemos definir el

F G (t) = F (t) G (t).

Lmites, derivadas e integrales.

Los conceptos fundamentales de lmite, continuidad, derivadas e integral pueden

Si F = (f1 , f2,.., fn ) es una funcin vectorial y L = (l1 , l2 , ..., ln ) Rn , definimos

siempre que los lmites existan.

Diremos que F es continua en a si lm F (t) = F (a). Es decir, F es continua

Igualmente, la derivada F (t) de una funcin vectorial F (t) se define exacta

decir que la funcin vectorial F (t) es diferenciable si y slo si cada componente

F (t) = (f1 (t), f2 (t), ..., fn (t))

Denotaremos las derivadas por

En el caso de n = 2, si F (t) = (x(t), y(t)) = x(t)i + y(t)j,

En el caso de n = 3, si F (t) = (x(t), y(t), z(t)) = x(t)i + y(t)j+z(t)k,

Teorema 1.2.1 Si F , G , funciones vectoriales y f una funcin real son

diferenciables, entonces lo mismo ocurre con las funciones F + G , f F , F G ,

Si F y G tienen valores en R3 , entonces

stante en un intervalo abierto I, si y slo si F (t) F (t) = 0. Esto significa que

los vectores F (t) y F (t) son perpendiculares para cada t I.

Demostracin. Vamos inicialmente a suponer que la longitud de F (t) es

constante. Definamos la funcin g(t) = || F (t)||2 = F (t) F (t). De acuerdo a

g (t) = F (t) F (t) + F (t) F (t) = 2 F (t) F (t) = 0,

entonces F (t) F (t) = 0 en I.

Para mostrar el recproco consideremos que F (t) F (t) = 0 en I y definamos

la hiptesis tenemos que g (t) = 0 para todo t I. As la longitud de F (t) es

G = F u donde F es una funcin vectorial y u es una funcin real. Si u es

continua en t y F es continua en u(t) entonces G es continua en t. Adems si

u es diferenciable en t y F es diferenciable en u(t) entonces G es diferenciable

G (t) = F (u(t))u (t).

Vectoriales) Sea F : [a, b] Rn una funcin vectorial continua y definamos

Entonces A existe y A (t) = F (t).

Vectoriales). Supongamos que la funcin F tiene derivada continua F en un