Cálculo Vectorial

ndice general
1. Funciones de varias variables 3

1.1. El plano y el espacio eucldeos . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1. Estructura algebraica . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.3. Conceptos topolgicos . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.4. Relacin de ejercicios . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2. Campos. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1. Campos vectoriales y escalares . . . . . . . . . . . . . . . . . . . 9
1.2.2. Continuidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2. Clculo diferencial en varias variables 13
2.1. Derivadas direccionales . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1. Derivadas direccionales . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2. Derivada parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.3. Vector gradiente y matriz jacobiana . . . . . . . . . . . . . . . . 15
2.1.4. Plano tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.5. Curvas y supercies dadas en forma implcita . . . . . . . . . . 17
2.2. Clculo de extremos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.1. Extremos relativos de un campo escalar . . . . . . . . . . . . . . 21
2.2.2. Extremos relativos y derivabilidad . . . . . . . . . . . . . . . . 22
2.2.3. Derivadas parciales de orden superior . . . . . . . . . . . . . . . 23
2.2.4. Condicin suciente para la existencia de extremos relativos . . 24
2.3. Extremos condicionados. . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.1. Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.2. Conjuntos determinados por una funcin . . . . . . . . . . . . . 30
2.4. Teoremas de la funcin inversa e implcita. . . . . . . . . . . . . . . . . 35
2.4.1. Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4.2. Teorema de la funcin inversa . . . . . . . . . . . . . . . . . . . 37
2.4.3. Teorema de la funcin implcita . . . . . . . . . . . . . . . . . . 38
1
2 NDICE GENERAL
3. Clculo integral en varias variables 45
3.1. Integral de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.1. Por qu una nueva integral? . . . . . . . . . . . . . . . . . . . 45
3.1.2. Conjuntos medibles . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.1.3. Funciones medibles. Integral de Lebesgue . . . . . . . . . . . . . 48
3.1.4. Funciones integrables . . . . . . . . . . . . . . . . . . . . . . . . 50
3.1.5. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2. Tcnicas de integracin en varias variables . . . . . . . . . . . . . . . . 53
3.2.1. Teorema de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2.2. Cambio de coordenadas . . . . . . . . . . . . . . . . . . . . . . 56
Captulo 1
Funciones de varias variables
1.1. El plano y el espacio eucldeos
Sumario
En esta leccin nos centramos en el estudio de la estructura eucldea de R
n
que es
indispensable para extender los conceptos de continuidad, derivacin e integracin, ya cono-
cidos para funciones reales de variable real, a las funciones con valores en R
n
y denidas en
un subconjunto de A de R
q
. En realidad nuestro estudio se podra ceir a los casos en que
n, q 1, 2, 3 que son en los que trabajaremos siempre, sin embargo, la estructura eucldea
puede denirse sin dicultad para cualquier n. El contenido completo de esta leccin se articula
de la siguiente manera:
1.1.1 Estructura algebraica.
1.1.2 Producto escalar.
1.2.3 Conceptos topolgicos.
1.2.4 Relacin de Ejercicios.
1.1.1. Estructura algebraica
Dado q N, consideremos en el conjunto
R
q
= R R . .
q
. R = (x
1
, x
2
, ..., x
q
); x
i
R, i = 1, 2, ..., q,
la siguiente operacin Suma:
3
4 2.1. El plano y el espacio eucldeos
Dados x = (x
1
, x
2
, ..., x
q
) e y = (y
1
, y
2
, ..., y
q
), denimos
x + y = (x
1
+ y
1
, x
2
+y
2
, ..., x
q
+ y
q
)
Es claro que esta operacin hereda las propiedades de la suma de nmeros
reales:
1. Propiedad asociativa:
(x + y) + z = x + (y + z).
2. Propiedad conmutativa:
x +y = y + x.
3. Propiedad de existencia de elemento neutro:
Existe una q-upla, 0 = (0, 0, ..., 0) tal que para cada q-upla x = (x
1
, x
2
, ..., x
q
),
se tiene que
x + 0 = x.
4. Propiedad de existencia de elemento simtrico:
Para cada q-upla x = (x
1
, x
2
, ..., x
q
), la q-upla x = (x
1
, x
2
, ..., x
q
), verica
que
x + (x) = 0.
En el caso q > 2 no tenemos un verdadero producto, sin embargo, vamos a
denir dos "seudo-productos"que en muchos casos sern sucientes para poder trabajar.
En el primer caso, producto por un escalar, asociamos a cada pareja formada
por un escalar t y una q-upla x = (x
1
, x
2
, ..., x
n
q) un nueva q-upla denida por
t(x
1
, x
2
, ..., x
q
) = (tx
1
, tx
2
, ..., tx
q
).
Este seudo-producto hereda algunas propiedades:
1) 1x = x
2) t[sx] = tsx (t, s R, x R
q
)
3) (s + t)x = sx +tx (t, s R, x R
q
)
4) s(x + y) = sx +sy (s R, x, y R
q
)
Este hecho se expresa diciendo que R
q
dotado con las operaciones suma y
producto por un escalar arriba denidas tiene estructura de espacio vectorial. A
partir de aqu podemos llamar vectores a las q-uplas.
Anlisis Matemtico 5
1.1.2. Producto escalar
El segundo seudo-producto asocia a cada par de n-uplas un escalar.
Sea q N. Dados x = (x
1
, x
2
, ..., x
q
) e y = (y
1
, y
2
, ..., y
q
) dos vectores de R
q
,
llamamos producto escalar de ambos, < x, y >, al nmero real denido por
< x, y >=
q
i=1
x
i
y
i
.
Entre las consecuencias ms notorias de la existencia de un producto escalar
podemos subrayar la existencia de una funcin, que en R coincide con la funcin valor
absoluto, y que asocia a cada vector un nmero real no negativo. Concretamente, dado
x = (x
1
, x
2
, ..., x
q
) R
q
denimos su norma, |x|, mediante la siguiente ley:
|x| =

< x, x > =
_
q
i=1
x
2
i
.
Es fcil probar que la aplicacin denida por x |x| hace el mismo papel
que la funcin valor absoluto en R, tal como muestra el siguiente resultado:
Proposicin 1.1.1.
1. |rx| = [r[|x| (r R).
2. |x + y| |x| +|y|. (Desigualdad triangular)
3. |x| 0 y |x| = 0, si y slo si x = 0.
1.1.3. Conceptos topolgicos
La importancia de la existencia de esta funcin-norma estriba en el hecho de que
sta nos capacita para denir una distancia entre dos vectores, y por tanto, para
determinar la proximidad o lejana de dos vectores de R
q
. Concretamente, para cada
dos vectores
x = (x
1
, x
2
, ..., x
q
), y = (y
1
, y
2
, ..., y
q
) R
q
,
denimos la distancia entre ellos, por
dist(x, y) = |y x| =
_
q
i=1
(y
i
x
i
)
2
.
A su vez sta nos permite considerar :
1. Conjuntos de R
q
que hacen el mismo papel que los intervalos de R:
a) Bola abierta de centro a R
q
y radio r R
+
B(a, r) = x R
q
; |x a| < r.
b) Bola cerrada de centro a R
q
y radio r R
+
B(a, r) = x R
q
; |x a| r.
2. Conjuntos que juegan el papel de los extremos del intervalo:
Esfera de centro a R
q
y radio r R
+
S(a, r) = x R
q
; |x a| = r.
3. Conjunto acotado
Sea A un subconjunto no vaco de vectores de R
q
. Se dice que A es un conjunto
acotado si existe M R
+
tal que
A B(0, M).
Ejemplo: Sea A = (x, y) R
2
; x ]0, 1[, y [0, 2].
Es claro que el conjunto A es acotado en R
2
, mientras que el eje x no lo es.
4. Punto de acumulacin
Se dice que x
0
R
q
es un punto de acumulacin de A, x
0
A
, si todo
bola punteada centrada en x
0
intersecta al conjunto A, esto es
(B(x
0
, )x
0
)
A ,= 0, > 0.
Notaremos por A
al conjunto de puntos de acumulacin de A.

Ejemplo: Si consideramos el mismo conjunto A, considerado anteriormente, ten-
dremos que (0, 1) A
.
Anlisis Matemtico 7
5. Punto interior
Se dice que y A es un punto interior de A, si existe r > 0 tal que
B(y, r) A.
Notaremos por A
al conjunto de puntos interiores de A.

Ejemplo: Considerando el mismo conjunto anterior, se tiene que (1/2, 1) A
.
6. Conjunto abierto
Diremos que un conjunto A es abierto si A = A
.
Ejemplo: El conjunto (x, y) R
2
; x ]0, 1[, y ]0, 2[ es abierto, mientras que
el conjunto A, que usamos en todos los ejemplos, no lo es.
7. Conjunto cerrado
Diremos que un conjunto A es cerrado si A
A . Es fcil probar que A es

cerrado si, y slo si, su complementario es abierto.
Al conjunto (A
)A
se le denomina frontera de A y suele notarse por Fr(A)

o por (A).
Ejemplo: El conjunto C = (x, y) R
2
; x [0, 1], y [0, 2] es cerrado,
mientras que el conjunto B anterior no lo es. Es claro que
Fr(C) = (x, y) R
2
; x = 0, y [0, 2] (x, y) R
2
; x = 1, y [0, 2]
cup(x, y) R
2
; x [0, 1], y = 0
_
(x, y) R
2
; x [0, 1], y = 2.
8. Conjunto compacto
Diremos que un conjunto A es compacto si A es cerrado y acotado.
Ejemplo: El conjunto (x, y) R
2
; x [0, 1], y [0, 2] es compacto, mientras
que el conjunto A no lo es.
1.1.4. Relacin de ejercicios
1. Descrbanse el interior, la acumulacin y la frontera de los siguientes Conjuntos:
a) (x, y) R
2
;
x
2
a
2
+
y
2
b
2
1 (0 < a < b R.
b) (x, y) R
2
;
x
2
a
2
+
y
2
b
2
< 1 (0 < a < b R.
c) (x, y) R
2
; y = rx. (r R)
d) A = (x
n
, y
n
); x
n
=
20
n
, y
n
= 0, n N.
e) (x, y, z) R
3
;
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1 (0 < a < b < c R.
f ) a) N b) Q. c)RQ. d) [0, 1] 2. e) 1/n; n N.
2. Dganse cules de los conjuntos del ejercicio anterior son compactos.
1.2. CAMPOS. CONTINUIDAD 9
1.2. Campos. Continuidad
Sumario
En esta leccin introducimos el concepto de campo vectorial y de campo escalar. Veremos
una estrategia para reducir el estudio de las propiedades de los campos a las propiedades de los
campos escalares: las funciones coordenadas. Como primer ejemplo de este hecho, estudiaremos
la propiedad de la continuidad. Daremos algunos ejemplos de campos continuos. El contenido
completo de esta leccin se articula de la siguiente manera:
1.2.1 Campos escalares y vectoriales
1.2.2 Continuidad.
1.2.3 Ejemplos.
1.2.4 Relacin de ejercicios.
1.2.1. Campos vectoriales y escalares
Recordemos que a las funciones denidas en un subconjunto de R
q
se les llama
campos. Si toman valores en R se les llama campos escalares y si los toman en R
n
(n > 1), se les denomina campos vectoriales.
Veamos algunos ejemplos:
1. Proyecciones
Sea q N. Para cada i 1, 2, ..., q se puede considerar la aplicacin
p
i
: R
q
R,
denida por
p
i
: (x
1
, x
2
, ..., x
q
) x
i
.
Dicha aplicacin recibe el nombre de proyeccin i-sima. Cada funcin
proyeccin es un campo escalar.
2. Inyecciones.
Podemos considerar ahora la aplicacin
I
i
: R R
q
,
10 2.1 Campos.continuidad.
denida por
I
i
: r (0, 0, ...,
i)
r, 0, ..., 0).
Dicha aplicacin recibe el nombre de inyeccin i-sima y es un ejemplo sencillo
de campo vectorial.
3. La funcin norma
Podemos considerar el campo escalar
|.| : R
n
R,
denida por
x |x|.
Vistas las propiedades de R
n
, es fcil comprender que dadas dos campos
vectoriales su suma es un nuevo campo vectorial y que el producto de un campo
escalar por un campo vectorial tambin es un campo vectorial. Sin embargo, es claro
que no tiene sentido hablar del producto de dos campos vectoriales.
Nuestro objetivo ahora es asociar a todo campo vectorial con valores en R
n
n
campos escalares.
q
y sea F : A R
n
un campo
vectorial. Dado i 1, 2, ..., n, el campo escalar
F
i
= p
i
F : A R,
donde p
i
es la correspondiente proyeccin isima, recibe el nombre de funcin coor-
denada i-sima.
Para cada i 1, 2, ..., n se puede comprobar fcilmente que
F =
n
i=1
I
i
F
i
,
donde por I
i
queremos indicar la correspondiente funcin inyeccin i-sima.
1.2.2. Continuidad.
q
y sea a A. Se dice que
F : A R
n
es un campo continuo en a si verica la siguiente propiedad:
> 0, > 0, tal que si x A, |x a| entonces |F(x) F(a)| < .
Anlisis Matemtico 11
Se dice que F es continua en B A, si F es continua en todos los puntos de B.
Ejemplos
La funcin identidad en R
n
, todos los campos constantes, las proyecciones, las
inyecciones y la funcin norma son campos continuos.
En orden a construir nuevos campos continuos veamos que las operaciones
usuales estn bien avenidas con la continuidad.
Proposicin 1.2.1. Sean A un subconjunto de R,
q
, a A y F, G : A R
n
dos
campos continuos en a. Entonces F+G es un nuevo campo continuo en a. Si g : A R
es un campo escalar continuo, entonces F.g tambin es un campo continuo en a y si
adems, para cada x A, g(x) ,= 0, entonces F/g es tambin continuo en a.
Proposicin 1.2.2. (Regla de la cadena)
Sean A un subconjunto de R
q
, a A y F : A R
n
una funcin continua en a.
Sean ahora B F(A) y G : B R
m
un campo continuo en F(a). Entonces G F es
un campo continuo en a.
Recordemos que la propiedad de continuidad es una propiedad local.
Proposicin 1.2.3. (La continuidad es una propiedad local)
Sean A un subconjunto de vectores de R
q
, B un subconjunto de A, a B y F :
A R
n
un campo. Entonces
1. Si F es continuo en a, entonces F/B es un campo continuo en a.
2. Si F/B es continuo en a y existe una bola centrada en a, B(a, r), tal que B(a, r)
A
B, entonces F es un campo continuo en a.
Podemos vincular la continuidad de un campo vectorial a la continuidad de sus
funciones coordenadas:
Proposicin 1.2.4. (Regla de oro)
Sean A un subconjunto no vaco de vectores de R
q
, a un punto de A y F : A R
n
.
Entonces
F es continuo en a si, y solo si F
i
es continuo en a i.
Finalizamos esta leccin enunciando una importante propiedad nicamente vlida
para campos escalares (n = 1).
Teorema 1.2.5. ( de conservacin de la compacidad o de Weierstrass)
Sea A un subconjunto de R
q
y f : A R un campo escalar. Si A es un conjunto
compacto y f es continua en A, entonces f est acotada y alcanza su mximo y su
mnimo en sendos puntos de A.
12 2.1 Campos.continuidad.
1. Estdiese la continuidad del campo vectorial F : R
2
R
3
denido por F(x, y) =
(2x
3
, sen(x)arctg(y), e
x+y
).
2. Estdiese la continuidad del campo vectorial F : R
2
R
2
denido por:
F(x, y) =
_
_
_
x
sen(x)
, sen (xy)
_
, x ,= 0
(1, 0), x = 0
Captulo 2
Clculo diferencial en varias variables
2.1. Derivadas direccionales
Sumario
En esta leccin introduciremosmos el concepto de derivada direccional y derivada
parcial. Daremos algunos ejemplos importantes y deniremos el plano tangente a un campo
escalar. El contenido completo de esta leccin se articula de la siguiente manera:
2.1.1 Derivadas direccionales
2.1.2 Derivadas parciales .
I2.1.3 Plano tangente.
2.1.4 Vector gradiente y Matriz jacobiana.
2.1.5 Relacin de ejercicios.
2.1.1. Derivadas direccionales
Recurdese que si A un subconjunto no vaco de nmeros reales, a A
y
f : A R una funcin, entonces se dice que f es derivable en a si
lim
t0
f(a + t) f(a)
t
= f
(a).
Tratemos ahora de dar sentido a la expresin anterior en el caso en que A R
q
,
a A y F : A R
n
sea un campo vectorial.
13
14 2.1 Derivadas direccionales
Obsrvese en primer lugar que la aproximacin al punto a de R
q
puede hacerse
por muy diferentes direcciones. De hecho, para cada vector u R
q
, podemos considerar
la direccin determinada por la recta a + tu (t R. Pues bien, si existe el
lim
t0
F(a +tu) F(a)
t
=,
se dice que F admite derivada direccional en a segn el vector u. Las derivadas
direccionales ms importantes son aquellas segn los vectores cannicos.
2.1.2. Derivada parcial
Sea, para cada i 1, 2, ..., q, e
i
= (0, 0, ..., 1, 0, ..., 0), esto es, el vector de R
q
cuya nica coordenada no nula es la i-sima cuyo valor es uno. Supongamos que existe
> 0, tal que a + re
i
A, con r ] , [. Se dice que F tiene o admite derivada
parcial respecto de la variable i-sima en el punto a si existe
lim
t0
F(a + te
i
) F(a)
t
.
Dicho lmite se denomina derivada parcial i-sima de F en el punto a y se nota
por
F
x
i
(a).
Notas
1. Si f es un campo escalar , entonces el clculo de la derivada parcial i-sima de
f en un punto genrico x = (x
1
, x
2
, ..., x
q
) se ha de llevar a cabo derivando la
funcin real que resulta de considerar constantes las variables x
j
(j ,= i).
2. Si F : A R
n
es un campo vectorial tal que A R, entonces
F
x
(a) se suele
notar por F
(a) y recibe el nombre de derivada elemental de F en a.

Damos a continuacin sendas interpretaciones geomtrica y fsica de las derivadas
parciales de un campo escalar.
Interpretacin geomtrica
Consideremos la grca del campo escalar anterior , esto es
Graf(f) = (x, y, z) R
3
; z = f(x, y), (x, y) A.
El plano y = b, corta a la grca, dando lugar a un conjunto C
1
,
C
1
:= (x, b, f(x, b)) R
3
: (x, b) A.
Obsrvese que el conjunto C
1
es la grca de la funcin g : x f(x, b), de manera
que la pendiente de su recta tangente es g
(a) =
f
x
(a, b).
Anlogamente podra entenderse para la derivada parcial
f
y
(a, b).
Interpretacin propiamente fsica
Las derivadas parciales pueden interpretarse como razones de cambio: Con-
sideremos la funcin T que determina la temperatura en cualquier punto de la corteza
terrestre. Claramente sta depende, en cada punto (x, y), de la longitud x y de la latitud
y de dicho punto. La derivada parcial
T
x
(a, b) es la razn a la que la temperatura cam-
bia en la direccin este-oeste, mientras que
T
y
(a, b) es la razn a la que la temperatura
cambia en la direccin norte-sur.
Tambin podemos relacionar la existencia de parciales de un campo vectorial y
de sus funciones coordenadas:
Proposicin 2.1.1. (Regla de oro)
Sean A un subconjunto no vaco de vectores de R
q
n
.
Entonces F admite todas sus derivadas parciales en a si, y solo si F
i
admite todas sus
derivadas parciales en a i. Adems en caso armativo:
(
F
x
j
(a))
i
=
F
i
x
j
(a). i = 1, 2, ..., n, j = 1, 2, ..., q.
En particular si q = 1, entonces F
(a) = (F
1
(a), F
2
(a), ..., F
n
(a)).
Ejercicio: Sea F : R
2
R
3
denida por F(x, y) = (x + y, x
2
, xy). Estdiese la
continuidad y calclese
F
x
(1, 2).
Sea F : A R
q
es un campo vectorial, entonces se dice que F es de clase
(
1
(A) si admite todas sus derivadas parciales en A y stas son continuas en A. El campo
vectorial F denido anteriormente es de clase (
1
(R
3
).
2.1.3. Vector gradiente y matriz jacobiana
Sea A un subconjunto de R
q
, a un punto de A y sea f : A R un campo
escalar. Se dice que f tiene gradiente en a si admite las q derivadas parciales en a,
en cuyo caso denimos el vector gradiente de f en a por:
f(a) := (
f
x
1
(a),
f
x
2
(a), ...,
f
x
q
(a)) R
q
.
En el caso de que se consideren campos vectoriales, el concepto de vector gradiente
viene sustituido por el de matriz jacobiana.
Sean A R
q
n
un campo vectorial que admite
todas sus derivadas parciales en a. Se llama matriz jacobiana de F en el punto a,
J
F
(a), a la matriz cuya la i-sima son las coordenadas del vector gradiente de su
funcin coordenada i-sima, F
i
(a), (o si se quiere, aquella cuya columna i-sima son
las coordenadas del vector
F
x
i
(a)), esto es, la matriz de orden n q, dada por:
J
F
(a) :=
_
_
_
_
_
F
1
x
1
(a)
F
1
x
2
(a) ...
F
1
x
q
(a)
F
2
x
1
(a)
F
2
x
2
(a) ...
F
2
x
q
(a)
... ... ... ...
F
n
x
1
(a)
F
n
x
2
(a) ...
F
n
x
q
(a)
_
_
_
_
_
Al determinante de la matriz jacobiana, [J
F
(a)[, se le denomina jacobiano del
campo F en el punto a.
Notas
1. Obsrvese que si f : A R es una funcin real de variable real (q = n = 1),
entonces
J
f
(a) = f
(a).
2. Sea U = R
+
] , [ , V = R
2
(x, 0); x 0, y la aplicacin : U V
denida por
(, ) = (cos, sen).
En este caso la matriz jacobiana es de la forma
J
(, ) :=
_
cos sen
sen cos
_
Ntese que su jacobiano, [J
(, )[ = .
2.1.4. Plano tangente
Sea f : A R un campo escalar que admite todas sus parciales en un punto
(a, b) A R
2
. Tal como hicimos con la derivada de una funcin real de variable real,
tratemos ahora de encontrar, en cada punto (a, b) , un plano que sea lo ms parecido
posible a la grca del campo escalar en el punto (a, b).
Tengamos en cuenta para ello que
1. Sea z = mx + ny + d un plano en R
3
. Si queremos que el punto ((a, b), f(a, b))
pertenezca dicho plano, d = f(a, b) ma nb y por tanto, el plano debe tener la
forma:
z = m(x a) + n(y b) + f(a, b).
2. La condicin de mejor aproximacin de una recta, r que pasa por el punto (a, g(a))
(r y = m(x a) +g(a)), se aproxime a la curva y = g(x) en dicho punto, no es
otra, como ya vimos anteriomente, que el hecho de asegurar que m = g
(a).
As pues, si queremos que el plano se aproxime a la grca del campo f en el
punto (a, b, f(a, b)) debe contener a las rectas tangentes a las grcas de las funciones
g : x f(x, b) y h : y f(a, y) que resultan de cortar la grca de f con los planos
y = b y x = a respectivamente. En particular
m =
f
x
(a, b) y n =
f
y
(a, b).
La condicin de mejor aproximacin quedar asegurada si dadas dos sucesiones
x
n
e y
n
(con (x
n
, y
n
) ,= (a, b)) convergiendo respectivamente hacia a y b, la sucesin
f(x
n
, y
n
) f(a, b)
f
x
(a, b)(x
n
a)
f
y
(a, b)(y
n
b)
[[(x
n
, y
n
) (a, b)[[

converge a cero.
(Obsrvese que el problema de dividir por el vector, (x
n
a, y
n
b), se resuelve
tomando su norma.)
Esto ocurre en particular si f es de clase (
1
en un entorno del punto (a, b). En tal
caso,
(f, (a, b)) z = f(a, b) +
f
x
(a, b) (x a) +
f
y
(a, b) (y b),
es el plano que mejor se aproxima a la grca de fen un entorno de (a, b). Dicho
plano recibe el nombre de plano tangente a la grca de f en el punto (a, b, f(a, b))
Llamaremos vector normal de la grca de f en el punto (a, b, f(a, b)), al vector
normal al plano tangente (f, (a, b)), esto es,
N(f, (a, b)) =
_
f
x
(a, b),
f
y
(a, b), 1
_
2.1.5. Curvas y supercies dadas en forma implcita
Curva en el plano en forma implcita:
En el caso en que una curva venga dada como el conjunto de puntos del plano
que anulan una funcin g de dos variables, esto es,
= (x, y); f(x, y) = 0,
( por ejemplo, la elipse de semiejes c y d es tal que f(x, y) = x
2
/c
2
+y
2
/d
2
1) diremos
que la curva viene dada en forma implcita.
Veamos que en tal caso, la recta tangente en un punto (a, b)
, es la recta de
ecuacin implcita
< f(a, b), (x a, y b) >= 0.
En efecto, la curva,
, resulta de cortar la grca de g, con el plano z = f(a, b).

La recta resultante de intersectar el plano tangente de f en el punto (a, b) con el plano
z = f(a, b) es la recta tangente a la curva y por tanto tiene de ecuaciones
z = f(a, b) +
f
x
(a, b) (x a) +
f
y
(a, b) (y b) y z = f(a, b)
o, lo que es lo mismo
< f(a, b), (x a, y b) >= 0.
Supercies en en forma implcita:
Tambin podemos considerar subconjuntos del espacio R
3
descritos por una
ecuacin de la forma
g(x, y, z) = 0
para una cierta funcin g : R
3
R. Diremos que dichos conjntos son supercies
denidas de forma implcita, (pinsese por ejemplo en la esfera, esto es,
S = (x, y, z) R
3
; x
2
+ y
2
+ z
2
= 1).
Si suponemos que dicha funcin g, admite todas sus parciales en un punto P =
(a, b, c), podemos considerar el plano
g
x
(a, b, c) (x a) +
g
y
(a, b, c) (y b) +
g
z
(a, b, c) (z c) = 0
que es lo mismo que escribir
< g(a, b, c), (x a, y b, z c) >= 0.
Dicho plano, siempre que g sea de Clase (
1
en un entorno del punto P S, es el que
mejor se aproxima a dicha supercie en un entorno de dicho punto y recibe el nombre
de plano tangente a S en el punto P. As pues el vector gradiente de g en ese
mismo punto es el vector normal de dicho plano en el punto P.
Ntese que la grca del campo escalar z = f(x, y) es un subconjunto de la forma
3
; z = f(x, y)).
As pues, asociado a f, podemos considerar un segundo campo escalar g : R
3
R
denido por g(x, y, z) = z f(x, y). Y por tanto,
3
; g(x, y, z) = 0)
no es ms que una supercie que puede ser tratada como anteriormente.
1. Calclese el vector gradiente en un punto arbitrario (x, y) de la funcin f en cada
uno de los siguientes casos:
a) f(x, y) = x
3
+ 3xy
2
15x 12y (x, y) R
2
.
b) f(x, y, z) = x
y+z
, x R
+
, y, z R
c) f(x, y, z) = (x +y)
z
, x, y R
+
, z R
2. Calclese el plano tangente a las siguientes supercies en el punto que se indica:
a) z = log(1 + x
2
+ y
2
) en (0, 0, 0).
b) z
2
+ 3x x
2
y
2
= 2 en (1, 1, 1).
c) x
3
+ y
3
+ z
3
+ xyz 6 = 0 en (1, 2, 1).
d) z = sen(x)sen(y) en (/2, /4).
2.2. CLCULO DE EXTREMOS 21
2.2. Clculo de extremos
Sumario
En esta leccin vamos a examinar criterios que nos permitan determinar los extremos de
un campo escalar. El contenido completo de esta leccin se articula de la siguiente manera:
III.5.1 Extremos relativos de un campo escalar.
III.5.2 Extremos relativos y derivabilidad.
III.5.3 Condicin suciente de extremo relativo
III.5.4 Relacin de ejercicios.
2.2.1. Extremos relativos de un campo escalar
Sea A un subconjunto no vaco de R
q
, a A y f : A R un campo escalar. Se
dice que
a es un mximo relativo o que f tiene un mximo relativo en a si se verican
las siguientes condiciones:
a) Existe r > 0 tal que B(a, r) A.
b) f(a) f(x), x B(a, r).
a es un mnimo relativo o que f tiene un mnimo relativo en a si se verican
las siguientes condiciones:
a) Existe r > 0 tal que B(a, r) A.
b) f(a) f(x), x B(a, r).
a es un extremo relativo si o bien es un mximo relativo bien es un mnimo
relativo.
Como ya vimos en la leccin 3.2, sabemos que, en general, no existe relacin
entre extremo relativo y extremo absoluto, salvo que todo extremo absoluto, que sea
un punto interior, tambin es un extremo relativo.
22 III.5 Extremos relativos
2.2.2. Extremos relativos y derivabilidad
Comencemos viendo que en todo extremo relativo las derivadas parciales se
anulan. Antes necesitamos la siguiente denicin:
Sean A un subconjunto no vaco de R
q
, a un punto interior de A y f : A R
un campo escalar que admite todas sus derivadas parciales en a. Diremos que a es un
punto crtico de f si, para cada i 1, 2, ..., n,
f
x
i
(a) = 0.
Proposicin 2.2.1. Sean A es un subconjunto no vaco de vectores de R
q
, a un punto
interior de A y f : A R un campo escalar que admite todas sus derivadas parciales
en a. Si f tiene un extremo relativo en a entonces a es un punto crtico de f.
Este sencillo resultado nos permite elaborar la siguiente regla prctica para
detectar los posibles extremos de un campo escalar.
Regla prctica para el clculo de extremos
Sean A un subconjunto no vaco de R
q
y f : A R un campo escalar.
Supongamos que f alcanza su mximo o su mnimo absoluto en a A, entonces a est
en una de las tres situaciones siguientes:
1) a es un punto frontera.
2) a es un punto interior y f no admite alguna derivada parcial en a.
3) a es un punto crtico.
Una vez detectados los candidatos, se nos puede presentar una de las dos
siguientes situaciones:
1) El conjunto A es compacto y f es continua.
2) No se dan alguna de las circunstancias del primer apartado.
En el primer caso sabemos, por el teorema de Weiertrass sobre la conservacin
de la compacidad, que f alcanza sus valores mximo y mnimo en sendos puntos de A,
por lo que basta evaluar f en los candidatos de los tres tipos para determinar quienes
son estos extremos. En el segundo caso, nos contentaremos con saber que, de haber
mximo mnimo, ste est entre nuestros candidatos.
Ejercicio: Calclense, si existen, los extremos de la funcin f : A R, denida
en el conjunto A que es el cuadrado de vrtices (0, 0), (1, 0), (0, 1), (1, 1) mediante la ley
f(x, y) = xy(1 x)(1 y).
Qu puede decirse si A = R
2
?
Vamos ahora a buscar una condicin suciente que nos permita saber cuando
un punto crtico es efectivamente un extremo relativo y de qu tipo es. Este tipo de
criterios envuelve, como ya pas en variable real, a las derivadas sucesivas.
2.2.3. Derivadas parciales de orden superior
Sea A un subconjunto de vectores de R
q
y a un punto interior de A y supongamos
que f admite su derivadas parcial j-sima en una cierta bola centrada en a, B(a, r) A.
Se dice que f admite la derivada parcial de segundo orden res-pecto de las
variables i, j en el punto a, si la funcin x
f
x
j
(x) denida en B(a, r) admite
derivada parcial i-sima en el punto a, y notaremos
D
ij
f(a) =

2
f
x
i
x
j
(a) =
(
f
x
j
)
x
i
(a).
Una funcin de q variables admite, suponiendo que existan todas, q
2
derivadas
de orden 2.
De forma anloga se denen las derivadas de orden 3, y de orden k en general.
Adems, se dice que f es clase C
k
(A) si existen todas las derivadas parciales de orden
k en A y son continuas.
Las derivadas parciales

2
f
x
i
x
j
(a) y

2
f
x
j
x
i
(a) se las conoce como derivadas
cruzadas. El siguiente resultado establece una condicin suciente para que estas
derivadas cruzadas coincidan.
Lema 2.2.2 (de Schwartz). Sean f : A R , A un abierto de R
q
y a A. Sean
i, j 1, 2, . . . , q con i ,= j, y supongamos que existe

2
f
x
i
x
j
(a) , x A, siendo
adems esta funcin continua en a. Entonces, existe la otra derivada cruzada en a y
ambas coinciden.
En particular,
Corolario 2.2.3. Sea A un conjunto abierto de R
q
y f C
2
(A). Entonces
2
f
x
i
x
j
(a) =

2
f
x
j
x
i
(a), i, j 1, 2, . . . , q , i ,= j .
Las derivadas parciales de orden 2 nos permiten construir una matriz que
utilizaremos para calcular extremos relativos de campos escalares.
Si f admite todas sus derivadas parciales segundas en a, se dene la matriz
hessiana de f en a por:
H
f
(a) :=
_
_
_
_
_
2
f
x
1
x
1
(a)

2
f
x
1
x
2
(a) ...

2
f
x
1
x
q
(a)
2
f
x
2
x
1
(a)

2
f
x
2
x
2
(a) ...

2
f
x
2
x
q
(a)
... ... ... ...
f
x
q
x
1
(a)

2
f
x
q
x
2
(a) ...

2
f
x
q
x
q
(a)
_
_
_
_
_
En virtud del corolario del Lema de Schwartz, si f C
2
(A), entonces, para cada
a A H(f, a) es una matriz simtrica.
2.2.4. Condicin suciente para la existencia de extremos rela-
tivos
A continuacin vamos a establecer condiciones que nos permitan decidir cundo
un punto crtico es un extremo relativo y, en caso armativo, de qu tipo es. Para
ello, consideramos dos mtodos. El primer mtodo es til para dos y tres dimensiones,
mientras que el segundo es ms prctico para el caso q 3.
Caso q=2
Proposicin 2.2.4. Sea A es un subconjunto abierto de vectores de R
2
, f C
2
(A) y
(a, b) un punto crtico de f.
1. Si
det(H
f
(a, b)) > 0 y

2
f
x
2
(a, b) > 0,
entonces f tiene en (a, b) un mnimo relativo estricto.
2. Si
det(H
f
(a, b)) > 0 y

2
f
x
2
(a, b) < 0,
entonces f tiene en (a, b) un mximo relativo estricto.
3. Si f tiene alguna derivada de segundo orden en a distinta de cero y es tal que
det(H
f
(a, b)) 0,

2
f
x
2
(a, b) 0 y

2
f
y
2
(a, b) 0,
entonces de tener f un extremo relativo en (a, b), ste ha de ser un mnimo.
4. Si f tiene alguna derivada de segundo orden en (a, b) distinta de cero y es tal que
det(H
f
(a, b)) 0,

2
f
x
2
(a, b) 0 y

2
f
y
2
(a, b) 0,
entonces de tener f un extremo relativo en a, ste ha de ser un mximo.
5. Si
det(H
f
(a, b)) < 0,
entonces f no tiene ningn extremo relativo en (a, b).
Ejercicio: Calclense los extremos de la funcin f : R
2
R, denida por
f(x, y) = x
2
+ y
2
2x 2y.
Caso q = 3:
Para el caso q = 3 disponemos del siguiente resultado.
Proposicin 2.2.5. Sea A es un subconjunto abierto de vectores de R
3
, f C
2
(A) y
(a, b, c) un punto crtico de f.
1. Si
2
f
x
2
(a, b, c) > 0, det
_

2
f
x
2
(a, b, c)

2
f
xy
(a, b, c)
2
f
yx
(a, b, c)

2
f
y
2
(a, b, c)
_
> 0, det(H
f
(a, b, c)) > 0.
entonces f tiene en a un mnimo relativo estricto.
2. Si
2
f
x
2
(a, b, c) < 0, det
_

2
f
x
2
(a, b, c)

2
f
xy
(a, b, c)
2
f
yx
(a, b, c)

2
f
y
2
(a, b, c)
_
> 0, det(H
f
(a, b, c)) < 0.
entonces f tiene en (a, b, c) un mximo relativo estricto.
3. Si
det
_

2
f
x
2
(a, b, c)

2
f
xy
(a, b, c)
2
f
yx
(a, b, c)

2
f
y
2
(a, b, c)
_
< 0,
entonces f no tiene ningn extremo relativo en (a, b, c)
Ejercicio: Calclense los extremos de la funcin f : R
3
R, denida por
f(x, y, z) = 6x
2
y
2
z
2
.
Caso q 3:
El segundo criterio est relacionado con el signo de los autovalores de la matriz
H
f
(a).
Recordemos que dada una matriz cuadrada A, llamamos polinomio caractersti-
co asociado a la matriz A al polinomio, P() = det(AI), donde por I representamos
la matriz identidad. Las races del polinomio caracterstico reciben el nombre de auto-
valores de la matriz A.
De hecho, si representamos por
k
, k = 1, 2, . . . q, los autovalores de la matriz
hessiana H
f
(a), se verica la siguiente proposicin:
Proposicin 2.2.6.
i) Si
k
> 0 , k = 1, 2, . . . q, entonces f alcanza en a un mnimo relativo.
ii) Si
k
< 0 , k = 1, 2, . . . q, entonces f alcanza en a un mximo relativo.
iii) Si existen
i
> 0 y
j
< 0, entonces f no alcanza extremo relativo en a.
iv) Si
i
= 0 y
k
0 , k = 1, 2, . . . q, entonces f de tener un extremo relativo
en a ste ha de ser un mnimo relativo.
v) Si
i
= 0 y
k
0 , k = 1, 2, . . . q , entonces f de tener un extremo relativo
en a ste ha de ser un mximo relativo.
El nico inconveniente de este criterio es la ms que probable dicultad para
calcular los autovalores de la matriz. Este problema queda resuelto con la regla de
Silvester que nos va a permitir decidir el nmero de autovalores positivos y negativos
sin necesidad de calcularlos, simplemente observando los coecientes del polinomio car-
acterstico de H. Concretamente, si
P() = a
0
+ a
1
+ a
2
2
+ +a
q
q
,
y notamos por V (a
0
, a
1
, a
2
, . . . , a
q
) al nmero de cambios de signo que se dan
coeciente a coeciente, entonces la regla de Silvester asegura que
V (a
0
, a
1
, a
2
, . . . , a
q
) = nmero de autovalores positivos de H .
V (a
0
, a
1
, a
2
, . . . , (1)
q
a
q
) = nmero de autovalores negativos de H .
1. Consideremos las funciones reales f y g dadas por:
a) f(x, y) = x
3
+ 3xy
2
15x 12y (x, y) R
2
.
b) g(x, y, z) = (x + z
2
)e
x(y
2
+z
2
+1)
(x, y, z) R
3
.
Se pide:
a) Calclense los puntos crticos.
b) Calclese la matriz hessiana en los puntos crticos.
c) Estdiese la existencia de extremos relativos.
2. Calclense los extremos de f : R
2
R en los siguientes casos:
a) f(x, y) = x
2
y
2
.
b) f(x, y) = [x[ +[y[.
c) f(x, y) = [x[ + y.
3. Sean a, b R dos parmetros, y f : R
2
R una funcin real de dos variables
reales dada por f(x, y) = x
2
+y
2
2ax2by. Estdiese la existencia de extremos
de f en funcin de los parmetros.
4. Calclense los extremos relativos de los siguientes campos escalares.
a) f(x, y) = x
4
+ 2x
2
y x
2
+ 3y
2
.
b) f(x, y, z) = x
2
+y
2
+ 3z
2
+ yz + 2xz xy.
c) f(x, y) = 2x
4
+y
2
3xy
2
.
5. Calclense los extremos relativos de los siguientes campos escalares. Determnese
si dichos extremos son absolutos o no.
a) f(x, y) = x
3
+ y
3
3x 12y + 20 .
b) f(x, y) = (x 1)
4
+ (x y)
4
.
c) f(x, y) = x
4
+ y
4
4a
2
xy (a > 0)
d) f(x, y) =
x y
x
2
+ y
2
+ 1
e) f(x, y) = (x
2
+ 2y
2
)e
(x
2
+y
2
)
.
f ) f(x, y) = sen(xy).
g) f(x, y, z) = xy + xz + yz.
6. Una funcin f denida en un abierto del plano se dice que es armnica si
2
f
x
2
+

2
f
y
2
= 0
en todo punto de su dominio. Son armnicas las siguientes funciones?
a) f(x, y) = arc tg(
x
y
) (x, y) R
2
(x, 0) : x R.
b) g(x, y) = e
x
cos y + e
y
cos x (x, y) R
2
.
2.3. EXTREMOS CONDICIONADOS. 29
2.3. Extremos condicionados.
Sumario
En esta leccin vamos a enunciar criterios que nos permitan determinar los extremos de
un campo escalar en un cierto subconjunto del dominio de dicho campo escalar .El contenido
completo de esta leccin se articula de la siguiente manera:
III.6.1 Motivacin.
III.6.2 Conjuntos determinados por una funcin
III.6.3 Tcnica de los multiplicadores de Lagrange.
III.6.4 Matriz hessiana asociada a la funcin de Lagrange.
2.3.1. Motivacin
Para motivar esta leccin vamos a considerar dos ejemplos:
Ejercicio 1: Sea el tringulo
T = (x, y) R
2
; 0 x y 4.
Se trata de calcular los extremos de la funcin f : T R denida por f(x, y) =
x
2
xy + y
2
+ 1.
Dado que T es un conjunto compacto y f es una funcin continua, sabemos
que f alcanza su valor mximo y su valor mnimo en sendos puntos de T. Sabemos
que sta funcin no tiene ningn punto crtico en dicho conjunto por lo que sus valores
mximo y mnimo se alcanzarn en puntos de la frontera, esto es, bien los vrtices
del tringulo T bien en algn punto de sus tres lados. En consecuencia, los puntos a
tener en cuenta son
1) Los tres vrtices
2) Para cada lado, los puntos de cada uno de stos en los que la funcin restringida
alcance sus extremos.
30 III.6 Extremos condicionados
As pues, se trata de calcular los extremos de f, restringida a cada uno de los
siguientes conjuntos
M
1
= (x, y) R]0, 4[: x = 0,
M
2
= (x, y) ]0, 4[R : y = 4, M
3
= (x, y) ]0, 4[]0, 4[: x = y,
M
4
= (0, 0), M
5
= (0, 4) M
6
= (4, 4).
Dado un subconjunto M del dominio de f, llamaremos extremo local de f
condicionado por M a cualquier extremo de la funcin f restringida a M.
En este caso, la bsqueda de los extremos locales condicionados por M
4
, M
5
y
M
6
es trivial puesto que estos conjuntos constan de un slo punto. Con respecto a los
otros conjuntos bastar eliminar, en cada caso, una variable y calcular los extremos de
la correspondiente funcin real de variable real.
Consideremos el segundo ejemplo:
Ejercicio 2:
Consideremos una placa plana circular P de radio uno, y que se calienta de manera
que la temperatura en un punto (x, y) P es
T(x, y) = x
2
+ 2y
2
x,
y calculemos sus posibles extremos absolutos.
Dado que P es un conjunto compacto y f es un campo continuo, sabemos que f
alcanza sus valores mximo y mnimo en sendos puntos de P. Sabemos que (1/2, 0) es
el nico punto crtico de f, por lo que al menos su valor mximo o mnimo se alcanzar
en algn punto del tipo I), esto es, en algn punto de la circunferencia
C = (x, y) R
2
; x
2
+ y
2
= 1.
Ahora debemos calcular los puntos extremos de la funcin T condicionados
por el conjunto C. En este caso aparece una dicultad aadida: no podemos despejar
ninguna variable en funcin de la otra.
2.3.2. Conjuntos determinados por una funcin
Para este ltimo ejercicio, as como en aquellos casos en que haya ms de dos
variables, necesitaremos desarrollar una nueva tcnica. Primero analicemos la situacin
en ambos ejemplos y veamos que el planteamiento del problema del clculo de extremos
condicionados el conjunto M obedece al siguiente esquema general:
Sea A un subconjunto abierto de R
q
y f un campo escalar denido en A. Sea
M un subconjunto de A al que podemos asociar una funcin g : A R
qk
tal que:
1. M = x A; g(x) = 0.
2. Todas sus funciones coordenadas g
i
tienen derivadas parciales continuas en A.
3. Su matiz jacobiana J
g
(x) tiene rango q k en A.
Este hecho se reejar diciendo que g determina a M.
As pues, en el ejercicio 1, tenemos la siguiente situacin:
1. La funcin g(x, y) = x denida en A = R]0, 4[ determina a M
1
,
2. g(x, y) = y 4 denida en A =]0, 4] R determina a M
2
,
3. g(x, y) = y x denida en A =]0, 4[]0, 4[ a M
3
,
4. g(x, y) = (x, y x) denida en A = R
2
a M
4
,
5. g(x, y) = (x, y 4) denida en A = R
2
a M
5
,
6. g(x, y) = (x 4, y 4) denida en A = R
2
a M
6
.
Y para el ejercicio 2, g(x, y) = x
2
+y
2
1 denida en A = R
2
(0, 0) determina a
C.
Hagamos ahora la siguiente observacin.
Proposicin 2.3.1. Sean A un conjunto abierto, g = (g
1
, g
2
, ..., g
qk
) una funcin que
determina a un subconjunto M de A y f : A R un campo escalar que admite
todas sus derivadas parciales en A y son continuas en a M. Si f alcanza un extremo
condicionado por M en a, entonces existe un nico = (
1
,
2
, ...,
qk
) R
qk
tal
que
(f +
1
g
1
+
2
g
2
+ ... +
qk
g
qk
)
x
i
(a) = 0, i 1, 2, ..., q.
Esto nos proporciona la siguiente estrategia:
Sean f, A, g y M como en el enunciado de la proposicin anterior. Para cada
= (
1
,
2
, ...,
qk
) R
qk
, llamamos funcin de Lagrange asociada a f,M y
a la funcin L
denida en A por
L
= f +
1
g
1
+
2
g
2
+ ... +
qk
g
qk
.
Dicha funcin recibe el nombre de .
La proposicin anterior nos arma que:
Los extremos de f condicionados por M son soluciones del sistema siguiente,
llamado sistema de Lagrange .
32 III.6 Extremos condicionados
L
x
1
(x) = 0,
L
x
2
(x) = 0,
...
L
x
q
(x) = 0,
g
1
(x) = 0, ..., g
qk
(x) = 0.
Si a = (a
1
, a
2
, ..., a
q
) A y = (
1
,
2
, ...,
qk
) R
qk
son solucin de este
sistema, sabemos que est determinado de forma nica y sus coordenadas reciben el
nombre de Multiplicadores de Lagrange para el punto a.
Ejercicio: Calclense los multiplicadores de Lagrange en los ejercicios anteriores.
1. Encuntrense los puntos donde la funcin f : A R denida como
f(x, y) = x
2
+ y
2
xy x y ((x, y) R
2
)
alcanza sus extremos absolutos siendo
A = (x, y) R
2
: x, y 0, x + y 3.
2. Calclense los extremos relativos de f : [1, 1] [1, 1] R en los siguientes
casos:
a) f(x, y) = x
2
y
2
.
b) f(x, y) = [x[ +[y[.
c) f(x, y) = [x[ + y.
3. Encuntrense los puntos del conjunto A = (x, y) R
2
: x
2
+ y
2
2x, y 0
donde la funcin f(x, y) = x
2
2xy +y
2
alcanza su mximo y mnimo absolutos.
4. Determnese el punto P(x, y, z) en el plano 2x +y z = 5 que est ms cerca del
origen.
5. Calclese la distancia mnima del origen a la supercie de R
3
dada por la ecuacin
x
2
z
2
1 = 0
6. Se trata de montar un radiotelescopio en un planeta recin descubierto. Para min-
imizar la interferencia se desea emplazarlo donde el campo magntico del planeta
sea ms dbil (aunque por supuesto, en la supercie). El planeta es esfrico, con
un radio de 6 unidades; la fuerza del campo magntico viene dada por
M(x, y, z) = 6x y
2
+ xz + 60
basado en un sistema coordenado cuyo origen est en el centro del planeta. Dnde
habr de ser ubicado el radiotelescopio?.
7. Determnese el rectngulo de mayor rea que se puede inscribir en la elipse
x
2
a
2
+
y
2
b
2
= 1, donde a, b son reales positivos.
8. Estdiense los extremos de la funcin f : (R
+
)
3
R denida por f(x, y, z) =
logx + logy + logz en la esfera x
2
+y
2
+z
2
= 9.
9. Hllese la mnima distancia entre la recta x+y = 4 y la circunferencia x
2
+y
2
= 1.
10. Hllense los extremos condicionados de la funcin f(x, y) = x
3
+xy
2
donde xy
a
2
= 0, (a ,= 0).
11. El rea de una caja rectangular sin tapa es de 108u
2
. Hllese que dimensiones
debe tener para que conseguir el mximo volumen.
2.4. TEOREMAS DE LA FUNCIN INVERSA E IMPLCITA. 35
2.4. Teoremas de la funcin inversa e implcita.
Sumario
El objetivo de esta leccin es generalizar el teorema de la funcin inversa, dado en
la leccin 3.1 para funciones reales de variable real, para campos vectoriales. En este sentido
daremos dos versiones equivalentes del mismo resultado denominadas, respectivamente, teo-
rema de la funcin inversa y teorema de la funcin implcita. El contenido completo de esta
leccin se articula de la siguiente manera:
III.7.1 Motivacin.
III.7.2 Teorema de la funcin inversa.
III.7.3 Teorema de la funcin implcita.
2.4.1. Motivacin
Comenzamos con el siguiente ejercicio:
Estdiense los valores de u y v para los que el sistema siguiente tiene solucin
_
u = x y
v = xy
El problema puede reinterpretarse, preguntndonos para qu conjunto de valores
u, v el siguiente campo vectorial F(x, y) = (x y, xy) tiene inverso y, en tal caso,
podemos preguntarnos tambin Cmo es el campo F
1
en dicho conjunto?
En general, determinar si un sistema de n ecuaciones con n incognitas
_
_
f
1
(x
1
, x
2
, ..., x
n
) = y
1
f
2
(x
1
, x
2
, ..., x
n
) = y
2
...
f
n
(x
1
, x
2
, ..., x
n
) = y
n
tiene solucin nica, consiste en determinar dnde el campo vectorial F = (f
1
, f
2
, ..., f
n
)
tiene inverso.
Veamos qu sabemos en una dimensin.
36 III.7 Teoremas de la funcin inversa e implcita.
Sea I un intervalo de numeros reales, y f : I R una funcin derivable tal que
f
(x) ,= 0, x I. Entonces f
1
es derivable en f(I) y para cada x I, se tiene que
(f
1
)
(f(x)) =
1
f
(x)
.
En orden a extender este resultado a dimensiones superiores, analicemos el
siguiente ejemplo:
Ejemplo
Considrese el campo vectorial
F : R
2
R
2
, denido por F(x, y) = (e
x
cos(y), e
x
sen(y)).
Dicho campo es de clase (
1
en R
2
, tiene jacobiano no nulo en R
2
y sin embargo, F ni
siquiera es inyectiva, ya que
F(x, y) = F(x, y + 2) , (x, y) R
2
.
La primera idea que se desprende, es que haciendo los cambios razonables (deriv-
able por existencia de la matriz jacobiana, no nulidad de la derivada por la no nulidad
del jacobiano) el resultado no es generalizable. Obsrvese que el principal escollo es el
de asegurar la inyectividad del campo F.
Podemos ahora preguntarnos, si
1. Es F inyectiva al menos en algn subconjunto abierto A de R
2
?
2. F (
1
(A), entonces Es la funcin inversa de clase (
1
en la imagen de dicho
subconjunto?
Para arbitrar una respuesta para campos vectoriales, necesitamos introducir
algunas deniciones.
Denicin 2.4.1. Sean A un abierto de R
n
y F : A R
n
un campo vectorial de clase
C
1
en A.
1. Se dice que F es invertible (globalmente) en A que F es un difeomorsmo
de clase C
1
de A sobre F(A), si se verican las tres condiciones siguientes:
a) F es inyectiva (y por tanto existe F
1
: F(A) A).
b) F(A) es un conjunto abierto de R
n
.
c) F
1
C
1
(F(A)).
A la funcin inversa F
1
se le llama inversa global de F en A.
2. Se dice que F es localmente invertible en a A que F es un difeomorsmo
de clase C
1
local en a, si existen U y V abiertos de R
n
, con a U y vericando
que F/U : U V es un difeomorsmo de clase C
1
de U sobre V .
A la funcin (F/U)
1
se le llama inversa local de F en a.
Es claro que si una funcin es invertible en un abierto A, entonces es localmente
invertible en cada punto de ese abierto, pero el recproco no es cierto, ni siquiera en R,
ya que, por ejemplo, la funcin f(x) = x
2
es localmente invertible en R
, pero no lo es
globalmente.
2.4.2. Teorema de la funcin inversa
Teorema 2.4.2 (de la funcin inversa). Sean A un abierto de R
n
, F : A R
n
y a A
vericando que:
a) F C
1
(A) ,
b) det J
F
(a) ,= 0 .
Entonces se verica que F es localmente invertible en a; esto es, existe un entorno
abierto U A de a tal que F(U) = V es un abierto de R
n
, F es un difeomorsmo de
clase C
1
de U sobre V , y para cada x U se verica que
J
F
1(F(x)) = J
F
(x)
1
=
_
_
_
_
F
1
x
1
(x)
F
1
x
2
(x) . . .
F
1
x
n
(x)
F
2
x
1
(x)
F
2
x
2
(x) . . .
F
2
x
1
n
(x)
. . . . . . . . . . . . . . . . . . . . .
F
n
x
1
(x)
F
n
x
2
(x) . . .
F
n
x
n
(x)
_
_
_
_
1
Adems, si F admite todas sus derivadas parciales segundas (respectivamente F
C
2
(U)) en U, entonces F
1
admite tambin todas sus derivadas parciales (resp. F
1
C
2
(V )) en V .
Comentarios:
1. El teorema de la funcin inversa es un teorema de existencia, es decir, no nos
dice en ningn momento cmo calcular la funcin inversa local, slo nos dice
que existe, de qu clase (
k
es y nos da una regla para calcular sus derivadas
parciales.
En particular, el teorema nos permite armar que si F = (f
1
, f
2
, ..., f
n
) es como
en el teorema, el sistema de n ecuaciones con n incognitas
_
_
f
1
(x
1
, x
2
, ..., x
n
) = y
1
f
2
(x
1
, x
2
, ..., x
n
) = y
2
...
f
n
(x
1
, x
2
, ..., x
n
) = y
n
tiene una nica solucin x = (x
1
, x
2
, ..., x
n
) U, siempre que y = (y
1
, y
2
, ..., y
n
)
V , y aunque no nos dice cmo calcular la solucin, si sabemos que la funcin que
a cada valor de y le asigna la solucin, y x, es de clase C
1
en F(U).
2. Si F (
1
(A), F es inyectiva y det(J
F
(x)) ,= 0, x A, entonces F es globalmente
invertible en A.
Ejercicio
Comprubese que los puntos en los que el sistema inicial
_
u = x y
v = xy
dene a x e y localmente como funciones de u, v, esto es, existe F tal que
F(x, y) = (u, v), es el conjunto A = (x, y); x + y > 0. Obtngase la matriz
jacobiana de la funcin inversa F
1
: (u, v) (x, y) en el punto F(1, 0). De-
mustrese que F/A es inyectivo y que F(A) = (u, v); u
2
+4v > 0. Conclyase
que para cada (u, v), el sistema tiene una nica solucin (x, y) y que la aplicacin
F
1
: (u, v) (x, y) es de clase (
1
(F(A)).
2.4.3. Teorema de la funcin implcita
Consideremos la ecuacin x
2
+ y
2
1 = 0. La cuestin es: Podemos despejar
la variable y en funcin de x?, es decir, es posible denir una funcin h de forma que
y = h(x) y que x
2
+h(x)
2
= 1? En este caso, la respuesta es no, puesto que la solucin
sera y =
1 x
2
, que no es una funcin.
Dado que la posibilidad de despejar globalmente la variable y no ha sido posible,
haremos un planteamiento local del problema:
Sea (x
0
, y
0
) un punto solucin de la ecuacin g(x
0
, y
0
) = 0, donde g(x, y) = x
2
+y
2
1.
Se puede denir una funcin h, esto es, despejar y en funcin de x al menos en un
entorno U de x
0
, tal que, para cada x U, y = h(x), y adems g(x, h(x)) = 0? La
respuesta es s:
Tomemos, por ejemplo, (x
0
, y
0
) = (
2
2
,
2
2
). Es claro que podemos despejar la
variable y tomando como U =]0, 1[ y como funcin y = h(x) =
1 x
2
, para cada
x U.
Cuando, como en el ejemplo anterior, la respuesta es armativa en un cierto punto
(x
0
, y
0
), se dice que la ecuacin g(x, y) = 0 dene a la variable y implcitamente
como funcin de x en un entorno de (x
0
, y
0
), y la funcin y = h(x) recibe el nombre
de funcin implcita denida por la ecuacin g(x, y) = 0 en un entorno de (x
0
, y
0
).
As pues, podemos decir que, en el ejemplo propuesto, la ecuacin x
2
+y
2
= 1 dene
la variable y implcitamente como funcin de x en el entorno ]0, 1[]0, 1[ de (
2
2
,
2
2
).
As como que la funcin h(x) =
1 x
2
es la funcin implcita denida por la ecuacin
x
2
+y
2
= 1 en el entorno ]0, 1[]0, 1[.
Daremos ahora una primera condicin suciente para que exista una funcin
implcita h.
Teorema 2.4.3 (de la funcin implcita (q = 2, n = 1)). Sean A un abierto de R
2
y
una funcin g : A R con g (
1
(A). Sea (x
0
, y
0
) A vericando:
(i) g(x
0
, y
0
) = 0
(ii)
g
y
(x
0
, y
0
) ,= 0
Entonces, la ecuacin g(x, y) = 0 dene implcitamente a la variable y como
funcin de la variable x en un entorno de (x
0
, y
0
); esto es, existe un entorno abierto
U R con x
0
U, existe W subconjunto abierto de R
2
contenido en A y existe una
funcin h : U R, vericando:
1. h(x
0
) = y
0
,
2. (x, h(x) W, x U.
3. g(x, h(x)) = 0, x U .
4. h (
1
(U) y se tiene que, para cada x U,
h
(x) =
g
x
(x, h(x))
g
y
(x, h(x))
.
Adems, si la la funcin g (
k
(W), entonces la funcin h (
k
(U).
Comentarios:
1. Pese a que este ltimo teorema nos da condiciones sucientes para la existencia
de una funcin implcita, ste no nos dice cmo calcularla. Lo que s nos dice es
cul es su derivada en el punto, sin ms que aplicar la regla de la cadena.
En efecto, como g(h(y), y) = 0, y U, si derivamos con respecto a y, el resultado
sigue siendo cero. Es decir
g
x
(x, y)h
(y) +
g
y
(x, y) = 0 , y U.
Si evaluamos en (x
0
, y
0
) nos queda
g
x
(x
0
, y
0
)h
(y
0
) +
g
y
(x
0
, y
0
) = 0
Slo nos falta despejar la derivada h
(y
0
).
Ejemplo
Volviendo a la ecuacin que nos ha servido para motivar el concepto de funcin
implcita, esto es, g(x, y) = x
2
+ y
2
1 = 0, podemos preguntarnos dnde se
puede aplicar el teorema de la funcin implcita?
Slo tenemos que obligar a que
g
y
(x, y) = 2y ,= 0. Es decir, en los puntos
de la circunferencia unidad (x
0
, y
0
) donde y
0
,= 0 se puede despejar localmente la
variable y en funcin de x.
2. Como interpretacin geomtrica del teorema, entendemos que dada una curva del
plano denida por medio de una ecuacin implcita g(x, y) = 0 podemos obtener,
localmente, una curva de forma explcita y = h(x).
Observemos tambin que la condicin
g
y
(x
0
, y
0
) ,= 0 geomtricamente nos
dice que el vector gradiente g(x
0
, y
0
), que recordemos es normal a la curva en
el punto (x
0
, y
0
), no es paralelo al eje x.
3. Se puede hacer un desarrollo anlogo para el concepto de cundo una ecuacin
g(x, y) = 0 dene a la variable x implcitamente como funcin de y.
Ejemplo
Estdiese si la ecuacin
sen(x) + cos(y) + 2y =
dene la variable y implcitamente como funcin de x en un entorno de (0, /2).
Calclese la derivada de la funcin implcita en 0
A continuacin consideraremos el problema de obtener la funcin implcita para
un campo escalar de tres variables; se trata de dar condiciones para que una de ellas sea
funcin implcita de las restantes. ste caso puede interpretarse geomtricamente, de
cmo dada una supercie en el espacio, denida de forma implcita (g(x, y, z) = 0), y un
punto de esa supercie, se pueden obtener condiciones para que, al menos localmente,
la supercie se pueda denir de forma explcita, esto es, z = f(x, y).
Teorema 2.4.4 (de la funcin implcita (q = 3, n = 1)). Sean A un abierto de R
3
y un
campo escalar g C
1
(A). Sea (x
0
, y
0
, z
0
) A vericando:
(i) g(x
0
, y
0
, z
0
) = 0
(ii)
g
z
(x
0
, y
0
, z
0
) ,= 0
Entonces, la ecuacin g(x, y, z) = 0 dene implcitamente a la variable z como
funcin de las variables (x, y) en un entorno de (x
0
, y
0
, z
0
); esto es, existe un entorno
abierto U R
2
con (x
0
, y
0
) U, existe W subconjunto abierto de R
3
contenido en A y
existe la funcin implcita f : U R vericando que
vericando:
1. f(x
0
, y
0
) = z
0
,
2. (x, y, f(x, y)) W
3. g(x, y, f(x, y)) = 0, (x, y) U . y se tiene que, para cada (x, y) U,
f
x
(x, y) =
g
x
(x, y, f(x, y))
g
z
(x, y, f(x, y))
,
f
y
(x, y) =
g
y
(x, y, f(x, y)
g
z
(x, y, f(x, y))
.
Adems, si la la funcin g (
k
(W), entonces la funcin f (
k
(U).
Por ltimo, establecemos una tercera versin del teorema para q = 3, n = 2.
Ahora se trata de dar condiciones sucientes para que dos de las variables sean funcin
implcita de la restante.
Teorema 2.4.5 (de la funcin implcita (q=3, n=2)). Sean A un abierto de R
3
y un
campo vectorial g : A R
2
con g C
1
(A). Sea (x
0
, y
0
, z
0
) A vericando:
(i) g(x
0
, y
0
, z
0
) = (g
1
(x
0
, y
0
, z
0
), g
2
(x
0
, y
0
, z
0
)) = (0, 0)
(ii) det
_
g
1
y
(x
0
, y
0
, z
0
)
g
1
z
(x
0
, y
0
, z
0
)
g
2
y
(x
0
, y
0
, z
0
)
g
2
z
(x
0
, y
0
, z
0
)
_
,= 0
Entonces, la ecuacin g(x, y, z) = 0 dene implcitamente a las variables (y, z) como
funcin de la variable x en un entorno de (x
0
, y
0
, z
0
); esto es, existe un entorno abierto
U R con x
0
U, existe W subconjunto abierto de R
3
contenido en A y existe la
funcin implcita f : U R
2
con f(x) = (y(x), z(x)) vericando que
1. f(x
0
) = (y
0
, z
0
),
2. (x, f(x)) W, x U.
3. g(x, f(x))) = 0, x U.
4. f C
1
(U) y se tiene que las parciales de las componentes de la funcin implcita
f verican el sistema de ecuaciones siguiente:
_
_
g
1
x
(x, y(x), z(x)) +
g
1
y
(x, y(x), z(x))
y
x
(x) +
g
1
z
(x, y(x), z(x))
z
x
(x) = 0
g
2
x
(x, y(x), z(x)) +
g
2
y
(x, y(x), z(x))
y
x
(x) +
g
2
z
(x, y(x), z(x))
z
x
(x) = 0
Adems, si la funcin g (
k
(W), entonces la funcin f (
k
(U).
Comentarios
1. Este caso puede interpretarse geomtricamente de cmo dada una curva en
el espacio denida de forma implcita (como interseccin de dos supercies), se
puede obtener una expresin local de la curva de la forma (x) = (x, y(x), z(x)).
Ejemplo
Calclese la recta tangente en el punto (1, 1, 1) a la curva interseccin de las
supercies siguientes:
_
x
2
+ y
2
+ z
2
= 3
2x
2
y
2
z = 0
2. ste resultado tambin puede interpretarse cmo que el sitema de 2 ecuaciones
con dos incgnitas
_
g
1
(x, y, z) = 0
g
2
(x, y, z) = 0
, ,
tiene, para cada x U, una solucin nica (y, z) tal que (x, y, z) W y donde
g = (g
1
, g
2
).
3. El teorema de la funcin implcita en el resto de los casos, q N y n < q, se
puede adivinar, sin ms que extrapolar los casos anteriores y simular la tcnica
para ecuaciones lineales.
1. Comprubese que la funcin : U V denida por
(, ) = (cos, sen),
donde U = R
+
] , [ dene un difeomorsmo de clase C
1
de U sobre V =
R
2
(x, 0); x 0. En tal caso determnese la funcin inversa.
(, , z) = (cos, sen, z),
donde U = R
+
] , [R dene un difeomorsmo de clase C
1
de U sobre
V = R
3
(x, 0, z); x 0. En tal caso determnese la funcin inversa.
(, , ) = (coscos, sencos, sen),
donde U = R
+
] , [] /2, /2[ dene un difeomorsmo de clase C
1
de U
sobre V = R
3
(x, 0, z); x 0. En tal caso determnese la funcin inversa.
4. Comprobar que en las siguientes ecuaciones se verican las condiciones del Teo-
rema de la Funcin Implcita en el punto P y obtener y
(x) en los casos (i) a (iv)

y
z
x
,
z
y
en los otros.
i) x
y
+ 3x
2
2y
2
2y = 0, P = (1, 1)
ii) senx + cosy + 2y = 0, P = (0, /2)
iii) ylog(x
2
+ y
2
) 2xy = 0, P = (0, 1)
iv) x
y
+y
x
2xy = 0, P = (2, 2)
v) xlog(1 + y) + ze
4z
= 0, P = (0, 0, 0)
vi) z arctg(1 z
2
) + 3x + 5z 8y
3
= 0, P = (1, 1, 1)
vii) xyze
z
logz 3x + 3y = 0, P = (1, 1, 1)
Captulo 3
Clculo integral en varias variables
3.1. Integral de Lebesgue
Sumario
El objetivo de esta leccin es presentar, a vista de pjaro, la integral de Lebesgue. El
contenido completo de esta leccin se articula de la siguiente manera:
3.1.1 Por qu una nueva integral?
3.1.2 Conjuntos medibles.
3.1.3 Funciones medibles. Integral de Lebesgue.
3.1.4 Funciones Integrables.
3.1.5 Propiedades.
3.1.1. Por qu una nueva integral?
Hacia nales del siglo XIX result claro para muchos matemticos que la
integral de Riemann tiene importantes limitaciones, es sabido por ejemplo su mal com-
portamiento con ciertos procesos de convergencia. sta y otras limitaciones que ahora
veremos, obligaron a realizar nuevos intentos de construccin de otras integrales. Entre
estos intentos destacan los debidos a Jordan, Borel, Young y nalmente el de Lebesgue,
que result ser el ms exitoso.
En lo que respecta nosotros, nos interesa destacar las siguientes limitaciones:
45
46 3.1 Integral de Lebesgue
1. El conjunto de funciones integrables es relativamente pequeo: Hay funciones sen-
cillas que no son integrables. Recurdese por ejemplo que la funcin de Dirichlet,
esto es, la funcin, f : [0, 1] R denida por
f(x) =
_
0 si x es racional
1 si x es irracional
no es integrable.
2. Su extensin a varias variables tiene algunas dicultades.
Ambos problemas estn ntimamente relacionados con el hecho de ampliar el
concepto de medida a otros conjuntos de nmeros reales no necesariamente intervalos
y por extensin a otros subconjuntos de R
n
. Las cuestiones pues a resolver son varias:
qu conjuntos se pueden medir?, cmo medirlos? , qu funciones se pueden integrar?
y cmo hallar su integral?
3.1.2. Conjuntos medibles
1.- Conjuntos que se pueden medir.
Veamos primero algunos conjuntos que deben estar forzosamente entre la
familia de los conjuntos "medibles".
Dado I un subconjunto de R
n
diremos que es un intervalo (respectivamante
intervalo acotado), si existen I
1
, I
2
, ..., I
n
intervalos (respectivamante intervalos
acotados) de nmeros reales tales que
I = I
1
I
2
... I
n
.
Veamos cmo aadir a partir de aqu nuevos conjuntos.
Se dice que una familia / de subconjuntos de R
n
es una -lgebra si
i) R
n
/,
ii) Si A
n
es una sucesin en /, entonces
nN
A
n
/, y
iii) Si A / entonces R
n
A /.
Por otra parte, si o es una familia de subconjuntos de R
n
, entonces
existe una menor -lgebra en R
n
conteniendo a o , que denominaremos la -
lgebra engendrada por o.
En una primera etapa vamos a considerar la -lgebra engendrada por la
familia de los conjuntos de los intervalos acotados, familia que llamaremos -
lgebra de Borel, B, mientras que a sus elementos los llamaremos borelianos.
Para hacernos idea de lo grande que es esta familia tengamos en cuenta que los
todos los conjuntos abiertos son borelianos.
Nota
Obsrvese que los conjuntos que resultan de la interseccin numerable de abiertos
(conjuntos tipo G
), no necesariamente abiertos, y los conjuntos que resultan de la unin

numerable de cerrados, conjuntos tipo F
, no necesariamente cerrados, son tambin

conjuntos borelianos.
2.- Veamos ahora Cmo medir dichos conjuntos.
Una vez elegida la familia de conjuntos medibles el problema es asignarle una
medida.
Es claro que si I es un intervalo acotado, entonces su medida debe coincidir
con su volumen, esto es, medida(I) = V (I), y claro est
V (I) = l(I
1
)l(I
2
)...l(I
n
),
donde l(I
k
) = b
k
a
k
, siempre que I
k
= [a
k
, b
k
].
A partir de aqu, podemos denir, para cada A B, la medida , mediante
(A) := Inf
n=1
v(I
n
); A
nN
I
n
, I
n
intervalo acotado, n N.
A dicha medida se le llama medida de Borel-Lebesgue.
Sabemos que existen conjuntos A borelianos de medida cero, (A) = 0, que
contienen subconjuntos no medibles. Parece pues conveniente aadir a la -lgebra
de Borel estos subconjuntos.
Consideremos pues / la mnima -lgebra que contiene simultneamente a
la -lgebra de Borel y a todos los subconjuntos de los elementos de sta que son
de medida nula. Sus elementos se denominan conjuntos medibles-Lebesgue o
simplemente medibles.
Los conjuntos medibles se pueden representar por E = A N, donde A es
un boreliano y N es un subconjunto de un boreliano de medida nula.
Podemos ahora denir una nueva medida, que notaremos igualmente por
y que llamaremos medida de Lebesgue y que viene dada por
(E) = (A),
siempre que E = A N, y donde (N) = 0.
Dicha medida posee la propiedad de la aditividad numerable, i.e., para
cualquier familia de conjuntos A
n
: n N de la -lgebra /, disjuntos dos a
dos, se verica
(
_
nN
A
n
) =
n=1
(A
n
).
Como consecuencia de la denicin se pueden obtener las siguientes propiedades:
1. Si A, B / y A B entonces (A) (B).
2. (
n=1
A
n
)
n=1
(A
n
) A
n
/.
3. extiende el volumen de un intervalo, esto es, si I =
n
k=1
I
k
es un intervalo
acotado en R
n
, entonces (I) = v(I) =
n
k=1
l(I
k
)).
Se dice que una propiedad P relativa a un punto x R
n
se verica casi
por doquier (c.p.d.), si el conjunto de puntos C donde dicha propiedad no se
verica es un conjunto de medida cero, esto es, (C) = 0.
3.1.3. Funciones medibles. Integral de Lebesgue
3.- Tipos de funciones que se pueden integrar
Una funcin f : R
n
R se llama medible si f
1
(I) / para todo
intervalo abierto I.
Como ejemplos de funciones medibles, se pueden mencionar:
- las funciones continuas c.p.d.,
- funciones iguales c.p.d. a una funcin continua,
- las funciones caractersticas de los conjunto medibles.
Recurdese que si A es un subconjunto de R
n
, se llama funcin caracterstica de A,
A
, a la funcin
A
: R
n
R, denida por
A
(x) =
_
1 si x A
0 si x / A
4.- Cmo hallar su integral
Comencemos ahora con las funciones ms sencillas y veamos cmo asignarle
una integral
Una funcin medible s : R
n
R se dice simple si slo toma un nmero
nito de valores.
Toda funcin simple s puede representarse por
s =
n
i=1
A
i
,
donde s(R
n
) =
1
, . . . ,
n
, A
i
:= x R
n
: s(x) =
i
y
A
i
es la funcin
caracterstica de A
i
.
Si
i
0 i, se dene la integral de s por :
_
R
n
sd =
n
i=1
i
(A
i
).
El teorema de aproximacin de Lebesgue nos asegura que toda funcin f
medible positiva (f 0) es lmite de una sucesin creciente 0 s
1
s
2
... f
de funciones simples que converge puntualmente a f (lms
n
(x) = f(x) x R
n
).
A partir de aqu denimos la integral de la funcin f por
_
R
n
f d := lm
k
_
R
n
s
k
d
Se puede comprobar que dicha denicin no depende de la sucesin s
k
elegida.
3.1.4. Funciones integrables
Dada una funcin medible f : R
n
R, se dice que f es integrable si
_
R
n
[f[ d < .
En tal caso se dene la integral de f por
_
R
n
f d =
_
R
n
f
+
d
_
R
n
f
d,
donde f
+
= Maxf, 0 y f
= Maxf, 0 (ntese que ambas funciones son medibles

positivas).
Notaremos por L al espacio formado por las funciones medibles que son inte-
grables en R
n
, esto es
L = f : R
n
R medible;
_
R
n
[f[ d < .
Podemos ahora considerar la integrabilidad en conjuntos medibles.
Dado E / y una funcin medible f : D R, (E D R
n
), podemos
considerar la funcin f
E
como la extensin de f a todo R
n
, que se anula fuera de E.
Se dice que f es integrable en E, si f
E
L, y en tal caso se dene la
integral de f en E por
_
E
f d :=
_
R
n
f
E
d.
Dicha integral recibe el nombre integral de Lebesgue de f en E.
Dado E /, notaremos por L(E) al espacio formado por las funciones medibles
que son integrables en E.
3.1.5. Propiedades
Comentemos algunas de sus propiedades ms interesantes:
1) L(E) es un espacio vectorial y
_
E
(rf + g) d = r
_
E
f d +
_
E
g d, (r R, f, g L(E)).
2)
[
_
E
f d[
_
E
[f[ d, (f L(E))
3) Si f y g son medibles e iguales c.p.d., entonces f es integrable en E si, y slo si,
lo es g, y en tal caso
_
E
f d =
_
E
g d.
4) Sean E, A y B tres conjuntos medibles tales que E = A B y (A B) = 0.
Entonces f es integrable en E si, y slo si, f es integrable en A y B. Adems, en
caso armativo
_
E
f d =
_
A
f d +
_
B
f d.
5) (E) =
_
E
1 d.
6)
Teorema 3.1.1. ( del cambio de variable)
Sean U y V dos conjuntos abiertos de R
n
, y : U V una funcin biyectiva de
clase (
1
(U) cuyo jacobiano es no nulo en todo punto de U. Sea E un subconjunto
medible contenido en U y sea f : (E) R una funcin integrable. Entonces
_
(E)
fd =
_
E
f [J
[d.
Veamos nalmente la relacin de sta nueva integral con la integral de Riemann.
- Las funciones integrables de siempre son tambin integrables en el sen-
tido de Lebesgue
Sea n = 1 y sea E = [, ], con (, R). Si f es integrable en el sentido
de Riemann en E entonces f L(E) y en tal caso
_
E
f d =
_

f(x) dx.
- Aadimos nuevas funciones
La funcin de Dirichlet es integrable en el sentido de Lebesgue; de hecho, dado
que Q es de medida nula, se tiene que
_
[0,1]
f d = 1.
- Tambin las funciones absolutamente integrables quedan bajo control
En el caso en que admitamos que puede ser y a su vez +, y que
f sea una funcin continua en I =], [, [f[ es "impropiamente"integrable en el
sentido de Riemann en I si, y slo si, f L(I), y en tal caso
_
I
[f[ d =
_

[f(x)[ dx.
- Seguimos teniendo las propiedades ms interesantes de la integral de
Riemann
a)
Teorema 3.1.2. (Regla de Barrow) Si f L(I) y admite primitiva G,
entonces existen los lmites de G en y en , y adems se tiene
_
I
f d = lm
x
G(x) lm
x
G(x).
En consecuencia,
b)
Teorema 3.1.3. (de integracin por partes) Sean f, g : I R dos
funciones derivables tales que f
g y fg
L(I). Entonces existen los lmites

de fg en y en , y adems se tiene
_
I
fg
d = lm
x
f(x)g(x) lm
x
f(x)g(x)
_
I
fg
d.
c)
Teorema 3.1.4. (del cambio de variable) Si : I R es una funcin
derivable, con
(t) ,= 0 y f : (I) R es una funcin medible, entonces

f L((I)) si, y slo si, f .
L(I) y
_
(I)
f d =
_
I
f .
d.
3.2. TCNICAS DE INTEGRACIN EN VARIAS VARIABLES 53
3.2. Tcnicas de integracin en varias variables
Sumario
En esta leccin vamos a introducir la integracin en varias variables. Entre otros prob-
lemas nos encontramos con el hecho de que no se dispone de ningn procedimiento elemental
comparable a la Regla de Barrow. Esta contrariedad se resolver con una tcnica fundamen-
tal: Teorema de Fubini, que relaciona la integral en R
n
con integraciones sucesivas en espacios
de menor dimensin. Siguiendo este proceso acabaremos nalmente integrando en una de las
variables. El contenido completo de esta leccin se articula de la siguiente manera:
IV.5.1 Teorema de Fubini.
IV.5.2 Cambio de coordenadas.
IV.5.3 Relacin de ejercicios.
3.2.1. Teorema de Fubini
Como era de esperar, la denicin de integral no es til para el clculo de dicha
integral. Recurdese que este problema, en el caso de intervalos de nmeros reales, se
resolvi en R usando la regla de Barrow, pero esta herramienta no est disponible ni en
R
2
ni en R
3
. Nuestro siguiente resultado trata de resolver esta dicultad, relacionando
la integral mltiple con sucesivas integrales en R. Para ello, consideremos las siguientes
observaciones:
Sea E R
p+q
, notaremos, para cada x R
p
, por
E(x) = y R
q
: (x, y) E.
Anlogamente, notaremos, para cada y R
q
, por
E(y) = x R
p
: (x, y) E.
Es fcil probar que si E es un subconjunto medible de R
p+q
, entonces E(x) y
E(y) son subconjuntos medibles respectivamente de R
p
y R
q
.
54 IV.5 Tcnicas de integracin en varias variables
Teorema 3.2.1. (Teorema de Fubini.Caso p = 1, q = 1)
Sea E R
2
medible y sea f : E R una funcin integrable, entonces
_
E
f(x, y)d(x, y) =
_

1
1
[
_
E(x)
f(x, y)dy]dx =
_

2
2
[
_
E(y)
f(x, y)dx]dy,
siendo
1
= Inf E
1
,
1
= Sup E
1
,
2
= Inf E
2
,
2
= Sup E
2
, donde
E
1
= x R; E(x) ,=
y
E
2
= y R; E(y) ,=
En particular, cuando E = I J, siendo I, J intervalos de R, entonces
_
E
f(x, y) =
_
I
[
_
J
f(x, y)dy]dx =
_
J
[
_
I
f(x, y)dx]dy.
Ejemplo: Calcular el rea de la elipse de semiejes a y b.
Teorema 3.2.2. (Teorema de Fubini. Caso p = 2, q = 1)
Sea E R
3
medible y sea f : E R una funcin integrable, entonces
_
E
f(x, y, z)d(x, y, z) =
_

3
3
[
_
E(z)
f(x, y)d(x, y)]dz,
siendo
3
= Inf E
3
,
3
= Sup E
3
, donde
E
3
= z R; E[z] ,=
y a su vez
E[z] = (x, y) R
2
; (x, y, z) E.
Anlogamente se podra hacer, para (p = 1, q = 2) sin ms que considerar los
conjuntos E[x] y E[y].
Ejercicio: Calclese el volumen del elipsoide de semiejes a, b y c.
Principio de Cavalieri
Sea E un subconjunto medible de R
3
, tal que
E
1
= x R; E(x) ,= = [a, b].
Segn hemos visto en la leccin anterior su volumen, (E), viene dado por
(E) =
_
E
1 d(x, y, z),
por lo que aplicando el teorema de Fubini y la denicin de rea de subconjuntos
medibles de R
2
, se tiene que
(E) =
_
b
a
(
_
E(x)
1 d(y, z))dx) =
_
b
a
(E(x))dx.
Dicha igualdad es conocida como el principio de Cavalieri.
Obsrvese que si E es el slido de revolucin generado por la grca de una
cierta f : [a, b] R
+
0
, aplicando el principio de Cavalieri, obtenemos que
V (E) =
_
b
a
f
2
(x)dx,
como ya habamos comentado anteriormente.
Ejemplo:
Un leador corta una pieza C con forma de cua de un rbol cilndrico de radio
50 cm mediante dos cortes de sierra hacia el centro del rbol: uno horizontal y otro con
un ngulo /4. Calclese el volumen de dicha cua.
La integral en dos variables vista como un cierto volumen
Sea ahora A R
2
medible y f : A R un campo integrable en A tal que,
para cada (x, y) A, se tiene que f(x, y) 0. Obsrvese que como consecuencia del
teorema de Fubini, si
A
1
= x R; A(x) ,= = [a, b],
entonces
_
A
f(x, y)d(x, y) =
_
b
a
(
_
A(x)
f(x, y)dy)dx =
_
b
a
S(x)dx,
donde, para cada x [a, b], S(x) es el rea de la regin del plano comprendida entre
el eje x y la grca de la funcin g : A(x) R denida para cada y A(x) por
g(y) = f(x, y). Aplicando nalmente el principio de Cavalieri, la integral
_
A
f(x, y)d(x, y)
puede interpretarse como el volumen del slido comprendido entre el plano z = 0
y la grca del campo escalar f.
Ejemplo:
Calclese el volumen de madera eliminado al taladrar, hasta el centro, una esfera
de madera de radio 9 con una broca de radio 1.
3.2.2. Cambio de coordenadas
Es posible que convenga cambiar la funcin inicial por otra funcin. Este cambio
ser arbitrado por el teorema del cambio de variable, que suele usarse en alguna de las
siguientes formas concretas:
Coordenadas polares, n = 2
Tomamos U = R
+
], [ , V = R
2
(x, 0); x 0, y la aplicacin : U V
denida por
(, ) = (cos, sen).
En este caso
detJ
(, ) = > 0, (, ) U,
y por tanto
_
E
f(x, y)d(x, y) =
_
1
(E)
f(cos, sen)d(, ).
Ejercicio: Sea E = (x, y) R
2
; x
2
+ y
2
r
2
. Calclese
_
E
1d(x, y).
Coordenadas cilndricas, n = 3
Tomamos U = R
+
] , [R , V = R
3
(x, 0, z); x 0, y la aplicacin
: U V denida por
(, , z) = (cos, sen, z).
En este caso
detJ
(, , z) = > 0, (, , z) U,
y por tanto
_
E
f(x, y, z)d(x, y, z) =
_
1
(E)
f(cos, sen, z)d(, , z).
Ejercicio: Sea E = (x, y, z) R
3
; x
2
+ y
2
r
2
; 0 z h, con r, h > 0.
Calclese
_
E
1d(x, y, z).
Coordenadas esfricas, n = 3
Tomamos U = R
+
] , [] /2, /2[ , V = R
3
(x, 0, z); x 0, y la
aplicacin : U V denida por
(, , ) = (coscos, sencos, sen).
En este caso
detJ
(, , ) =
2
cos > 0, (, , ) U,
y por tanto
_
E
f(x, y, z)d(x, y, z) =
_
1
(E)
f(coscos, sencos, sen)
2
cosd(, , ).
Ejercicio: Sea E = (x, y, z) R
3
; x
2
+ y
2
+ z
2
r
2
, con r > 0. Calclese su
volumen.
1. Calclense las siguientes integrales:
a)
_
I
sen
2
x sen
2
y d(x, y), I = [0, ] [0, ].
b)
_
I
x
2
1 +y
2
d(x, y), I = [0, 1] [0, 1].
c)
_
I
y logx d(x, y), I = [1, e] [1, e].
d)
_
I
x
3
y
3
d(x, y), I = [0, 1] [0, 1].
e)
_
I
1
(1 + x + y)
2
d(x, y), I = [0, 1] [0, 1].
f)
_
I
x log(xy) d(x, y), I = [2, 3] [1, 2].
g)
_
I
y cos(xy) d(x, y), I = [0, 1] [1, 2].
2. Sea f : A R , calclese su integral en los siguientes casos:
a) f(x, y) = 1 siendo A la regin limitada por y
2
= x
3
, y = x.
b) f(x, y) = x
2
siendo A la regin limitada por xy = 16, y = x, y = 0, x = 8.
c) f(x, y) = x siendo A el tringulo de vrtices (0, 0), (1, 1), (0, 1).
d) f(x, y) = x siendo A la regin limitada por la recta que pasa por (0, 2) y
(2, 0) y la circunferencia de centro (0, 1) y radio 1.
e) f(x, y) = e
x
y
siendo A la regin limitada por y
2
= x, x = 0, y = 1.
f) f(x, y) =
x
x
2
+y
2
siendo A la regin limitada por y =
x
2
2
, y = x.
g) f(x, y) = xy
2
2
= 2x, x = 1.
h) f(x, y) = xy siendo A la regin limitada por la semicircunferencia superior
(x 2)
2
+ y
2
= 1 y el eje OX.
i) f(x, y) = 4 y
2
2
= 2x y y
2
= 8 2x
j) f(x, y) = e
x
2
siendo el conjunto A el tringulo formado por las rectas 2y = x,
x = 2 y el eje x
3. Calclese
_
A
f en cada uno de los casos siguientes:
a) f(x, y) = 1 x y, A = (x, y) [0, 1] [0, 1]; x + y 1
b) f(x, y) = x
2
+ y
2
, A = (x, y) [0, 1] [0, 1]; x
2
+ y
2
1
c) f(x, y) = x + y, A = (x, y) [0, 1] [0, 1]; x
2
y 2x
2
d) f(x, y) = x
2
y
2
, A = (x, y) R
2
; 0 x 1, 0 y x
e) f(x, y) = y
2
, A = (x, y) R
2
; x
2
+ y
2
r
2
f) f(x, y) = 1, A = (x, y) R
2
; x
2
+ y
2
1, x
2
+ y
2
2x
g) f(x, y) = 1, A = (x, y) R
2
; x
2
+ y
2
r
2
h) f(x, y) = cos(x
2
+ y
2
), A = (x, y) R
2
; x
2
+ y
2
/2
i) f(x, y) =
1
(1 + x
2
+ y
2
)
2
, A = (x, y) R
2
; x
2
+ y
2
1, x 0
j) f(x, y) =
y
x
2
, A = (x, y) R
2
; 0 x 1, 0 y x
k) f(x, y) =
1
_
4 x
2
y
2
, A = (x, y) R
2
; x
2
+ y
2
1
l) f(x, y) = x y, A = (x, y) R
2
; x 0, y 0, 1 x
2
+ y
2
2
m) f(x, y) = x
2
y, A = (x, y) R
2
; 1 x
2
+ y
2
4, x 0
n) f(x, y) = x, A = (x, y) R
2
; x 0, y 0, x
2
+y
2
1, x
2
+y
2
2x 0
4. Utilcese el cambio a coordenadas polares para el clculo de las integrales de las
siguientes funciones en los recintos que se indican:
a) f(x, y) =
_
1 x
2
y
2
, A =

B((0, 0), 1)
b) f(x, y) = y, A = (x, y) B((
1
2
, 0),
1
2
) : y 0
c) f(x, y) = x
2
+ y
2
, A =

B((1, 0), 1)
d) f(x, y) = x
2
+ y
2
, A = (x, y) R
2
: 4 x
2
+ y
2
9
5. Calclense las siguientes integrales dobles:
a) f(x, y) = x, A = (x, y) R
2
: x
2
+y
2
2x
b) f(x, y) = x
_
1 x
2
y
2
, A = (x, y) R
2
: x
2
+ y
2
1, x, y 0
c) f(x, y) = exp(
x
y
), A = (x, y) R
2
: y
3
x y
2
, x 0, y 0
d) f(x, y) = (x
2
+ y
2
)
3
2
, A = (x, y) R
2
: x y, x +y 1, x
2
+y
2
1
e) f(x, y) = x
2
+ y
2
, A = (x, y) R
2
: (x
2
+ y
2
)
2
4(x
2
y
2
), x 0
f) f(x, y) = x
2
+ y
2
, A = (x, y) R
2
: x
2
+ y
2
2y, x
2
+y
2
1, x 0
6. Calclese el volumen de la regin A denida por:
a) A = (x, y, z) R
3
; x
2
+ y
2
+ z
2
r
2
, x
2
+ y
2
ry 0.
b) A = (x, y, z) R
3
; x
2
+ y
2
1, x
2
+y
2
2, z(x
2
+y
2
) 1, z 0.
c) A = (x, y, z) R
3
; z
2
x
2
+ y
2
z.
d) A = (x, y, z) R
3
; 0 z 1 (x
2
+y
2
).
7. Calclense las siguientes integrales triples:
a)
_
I
1
(1 + x + y + z)
3
d(x, y, z), I = [0, 1] [0, 1] [0, 1].
b)
_
A
z e
(x
2
+y
2
)
d(x, y, z) , A = (x, y, z) R
3
; 2(x
2
+y
2
) z
2
, z 0, z 1.
c)
_
A
_
x
2
+ y
2
+ z
2
d(x, y, z) , A = (x, y, z) R
3
;
_
x
2
+ y
2
z 4.
d)
_
A
(x + y 2z) d(x, y, z) , A = (x, y, z) R
3
; z
2
x
2
+y
2
, z 0, z 3.
e)
_
A
_
_
x
2
+ y
2
+ z
2
_
n
d(x, y, z) , A = (x, y, z) R
3
; x
2
+ y
2
+ z
2
a
2
(n N, a R
+
).
f) f(x, y, z) = (x+y+z)
2
, A = (x, y, z) R
3
: x
2
+y
2
+z
2
1, x
2
+y
2
+z
2
2z
g) f(x, y, z) = z, A = (x, y, z) R
3
: x
2
+ y
2
z
2
, 0 z 1
h) f(x, y, z) = x
2
, A = (x, y, z) R
3
: x 0, x
2
+ y
2
+ (z 1)
2
1, 4z
2
3(x
2
+ y
2
)
i) f(x, y, z) = zy
_
x
2
+ y
2
A = (x, y, z) R
3
: 0 z x
2
+ y
2
, 0 y
2x x
2
j) f(x, y, z) = z, A = (x, y, z) R
3
: x
2
+ y
2
+ z
2
2, x
2
+ y
2
z
k) f(x, y, z) = z
2
, A = (x, y, z) R
3
: x
2
+y
2
+z
2
R
2
, x
2
+y
2
+z
2
2Rz
l) f(x, y, z) =
_
x
2
+ y
2
+ z
2
, A = (x, y, z) R
3
:
_
x
2
+ y
2
z 3
8. Demustrese que
_
e
ax
2
/2
dx =
_
2/a, donde a > 0.
9. Calclese
_
A
f en cada uno de los casos siguientes:
a) f(x, y) = 1, A = (x, y) R
2
;
x
2
a
2
+
y
2
b
2
1
b) f(x, y) = 1, A = (x, y) R
2
;
x
2
4
+ y
2
1, x
2
y
c) f(x, y, z) = z, A = (x, y, z) R
3
: x
2
+
y
2
4
+
z
2
9
1, z 0
d) f(x, y) = exp
_
yx
y+x
_
, A = (x, y) R
2
: x, y 0, x + y 2

Cálculo Vectorial

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cálculo Vectorial

Transféré par

Droits d'auteur :

Formats disponibles

ndice general

1. Funciones de varias variables 3

al conjunto de puntos de acumulacin de A.

al conjunto de puntos interiores de A.

A . Es fcil probar que A es

se le denomina frontera de A y suele notarse por Fr(A)

(a) y recibe el nombre de derivada elemental de F en a.

, resulta de cortar la grca de g, con el plano z = f(a, b).

(x) en los casos (i) a (iv)

), no necesariamente abiertos, y los conjuntos que resultan de la unin

, no necesariamente cerrados, son tambin

= Maxf, 0 (ntese que ambas funciones son medibles

L(I). Entonces existen los lmites

(t) ,= 0 y f : (I) R es una funcin medible, entonces

Vous aimerez peut-être aussi