Análisis Matemático (Signum)

Analisis Matematico
Tema 1. Sucesiones y series numericas

Primer Curso de Fsica
Grupo de Investigacion Ecuaciones
Diferenciales, Simulacion Numerica y
Desarrollo de Software
(SiGNum)
Coleccion de Apuntes
Curso 2004 2005
Universidad de Cordoba
Dpto. Informatica y Analisis Numerico
Contenido
1. Sucesiones y series numericas 1
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1. Calculo practico de lmites . . . . . . . . . . . . . . . . . . . . 12
1.2.2. Sucesiones Monotonas . . . . . . . . . . . . . . . . . . . . . . 13
1.3. Series y convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1. Propiedades de las series . . . . . . . . . . . . . . . . . . . . . 19
1.4. Criterios de convergencia para series de terminos positivos . . . . . . 20
1.5. Convergencia absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6. Los criterios del cociente y de la raz . . . . . . . . . . . . . . . . . . 23
1.7. Serie alternada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
0
Tema 1
Sucesiones y series numericas
1.1. Introduccion
En este tema se estudian unos problemas en parte planteados hace unos 2400 a nos,
cuando el losofo griego Zenon de Elea (495435 a. de C.) precipito una crisis en la
matematica antigua estableciendo algunas paradojas ingeniosas. Una de ellas, llamada
frecuentemente la paradoja del corredor se puede exponer de la manera siguiente:
Un corredor no puede alcanzar nunca la meta porque siempre ha de recorrer la mitad
de una distancia antes de recorrer la distancia total. Es decir, cuando haya recorrido
la primera mitad, tendra que recorrer la segunda mitad. Cuando haya recorrido la
mitad de esta, le quedara todava la cuarta parte, cuando haya recorrido la mitad de
esta cuarta parte, le quedara la octava parte y as sucesiva e indenidamente.
Zenon penso, evidentemente, en una situacion ideal en la que el corredor es una
partcula o punto que se mueve de un extremo a otro de un segmento de recta. Para
analizar el razonamiento de Zenon con mas detalle se supone que el corredor parte
del punto marcado con 1 en la gura 1.1 y corre hacia la meta marcada con 0. Las
posiciones indicadas por
1
2
,
1
4
,
1
8
, . . . , etc., se nalan la fraccion de carrera que se ha de
correr todava cuando se alcanza el punto marcado. Estas fracciones (cada una de las
cuales es la mitad de la anterior) subdividen todo el trayecto en un n umero indenido
de partes cada vez mas peque nas. Puesto que para recorrer por separado cada una
de estas partes se necesita una cantidad positiva de tiempo, parece natural armar
que el tiempo necesario para el trayecto total ha de ser la suma total de todas estas
cantidades de tiempo. Decir que el corredor nunca puede alcanzar la meta equivale a
decir que nunca llega a ella en un tiempo nito; o, dicho de otro modo, que la suma
de un n umero innito de intervalos positivos de tiempo no puede ser nita.
La armacion de Zenon de que un n umero ilimitado de cantidades positivas no
puede tener una suma nita, fue contradicha 2000 a nos mas tarde con la creaci on
de la teora de las series innitas. En los siglos XVII y XVIII algunos matematicos
1
1.1. Introducci
on 2
empezaron a pensar que era posible extender la idea de suma ordinaria de conjuntos
nitos de n umeros a conjuntos innitos, de manera que en algunos casos la sumade
un conjunto de innitos n umeros sea nita. Para ver como se puede hacer esta exten-
sion y tener una idea de las dicultades que pueden presentarse para ello, conviene
analizar la paradoja de Zenon con mas detalle.
Figura 1.1: Paradoja del corredor
Supongase que el corredor antes mencionado, corre a velocidad constante y que
necesita T minutos para la primera mitad del recorrido. Para el siguiente cuarto de
recorrido necesitara T/2 minutos, para el octavo siguiente T/4 minutos y en general
para la parte comprendida entre 1/2
n
y 1/2
n+1
necesitara T/2
n
minutos. La suma
de todos estos intervalos se puede indicar simbolicamente escribiendo la siguiente
expresion:
T +
T
2
+
T
4
+ +
T
2
n
+ (1.1)
Este es un ejemplo de las llamadas series innitas y el problema aqu esta en decidir
si es posible encontrar una forma natural de asignarle un n umero que se pueda llamar
suma de la serie.
La experiencia fsica dice que el corredor que corre a velocidad constante alcan-
zara su meta en un tiempo doble del que necesitaba para alcanzar su punto medio.
Puesto que necesita T minutos para la mitad del recorrido, haba de emplear 2T mi-
nutos para el recorrido completo. Este razonamiento sugiere que se debe asignar la
suma 2T a la serie en (1.1) esperando que la igualdad
T +
T
2
+
T
4
+ +
T
2
n
+ = 2T (1.2)
pueda ser valida en alg un sentido.
La teora de las series innitas precisa como se ha de interpretar esta igualdad. La
idea es la siguiente: Primero se suman un n umero nito de terminos, los n primeros,
indicando esta suma por S
n
. As se tiene:
S
n
= T +
T
2
+
T
4
+ +
T
2
n1
(1.3)
Grupo SiGNum Analisis Matematico (1
o
de Fsica)
1.1. Introducci
on 3
y esta suma se denomina suma parcial nesima. Se estudia despues el comporta-
miento de S
n
cuando n toma valores cada vez mas grandes. En particular se trata
de determinar si las sumas parciales S
n
tienden a un lmite nito cuando n crece
indenidamente.
En este caso es facil ver que el valor lmite de las sumas parciales es 2T. En efecto,
calculando algunas de estas sumas parciales se tiene:
S
1
= T S
2
= T +
T
2
=
3
2
T
S
3
= T +
T
2
+
T
4
=
7
4
T S
4
= T +
T
2
+
T
4
+
T
8
=
15
8
T
Se observa que estos resultados se pueden expresar como sigue:
S
1
= (2 1) T , S
2
=
_
2
1
2
_
)T ,
S
3
=
_
2
1
4
_
)T , S
4
=
_
2
1
8
_
)T
lo cual conduce a pensar en una formula general de la forma:
S
n
=
_
2
1
2
n1
_
T (1.4)
para todo entero positivo n.
La formula (1.4) se comprueba facilmente por induccion. Puesto que 1/2
n1
0
cuando n crece indenidamente, resulta S
n
2T. Por tanto, la igualdad (1.2) es
cierta si se interpreta que 2T es el lmite de las sumas parciales S
n
. Este proceso
de lmite parece invalidar la objecion de Zenon que la suma de un n umero innito de
intervalos de tiempo no puede ser nunca nita.
Ahora daremos un argumento que proporciona un apoyo considerable al punto de
vista de Zenon. Supongamos que en el anterior analisis de la paradoja del corredor se
hace un peque no pero importante cambio. En vez de considerar la velocidad constante,
supongase que decrece gradualmente de manera que necesita T minutos para ir de 1
a
1
2
, T/2 para ir de
1
2
a
1
4
, T/3 minutos para ir de
1
4
a
1
8
, y en general T/n minutos
para ir de
1
2
n1
a
1
2
n
.
El tiempo total que necesitara para la carrera, vendra ahora representado por la si-
guiente serie innita:
T +
T
2
+
T
3
+ +
T
n
+ (1.5)
o
de Fsica)
1.1. Introducci
on 4
En este caso, la experiencia fsica no sugiere ninguna suma obvia o natural para
asignar a dicha serie y por tanto este ejemplo hay que estudiarlo desde un punto de
vista completamente matematico.
Igual que antes, se introducen las sumas parciales S
n
; es decir:
S
n
= T +
T
2
+
T
3
+ +
T
n
(1.6)
y se trata de ver que ocurre a S
n
cuando n crece indenidamente. Esta suma parcial
no es tan facil de estudiar como la de (1.3), pues no existe una formula analoga a
la (1.4) que simplique la expresion del segundo miembro de (1.6). Sin embargo, por
comparacion de estas sumas parciales con una integral apropiada se puede ver que
toman valores tan grandes como se quiera.
En la gura 1.2 se ve parte de la hiperbola f(x) = 1/x (en el eje y se ha modicado
la escala). Los rectangulos dibujados, tienen un area total igual a la suma
1 +
1
2
+
1
3
+ +
1
n
(1.7)
Figura 1.2:

Area de la region sombreada
_
n+1
1
x
1
dx
El area de la region determinada por la hiperbola y el intervalo [1, n+1] es
_
n+1
1
x
1
dx,
y puesto que esta area no puede exceder la suma de las areas de los rectangulos, se
o
de Fsica)
1.1. Introducci
on 5
tiene la desigualdad
1 +
1
2
+
1
3
+ +
1
n
ln(n + 1) (1.8)
Multiplicando ambos miembros por T se obtiene S
n
T ln(n + 1). Es decir, si la
velocidad del corredor decrece tal como se ha indicado anteriormente, el tiempo ne-
cesario para alcanzar el punto 1/2
n
es por lo menos T ln(n + 1) minutos. Puesto que
ln(n+1) al crecer n toma valores tan grandes como se quiera, se cumple en este caso
la paradoja de Zenon, es decir que el corredor no alcanzara la meta en un tiempo
nito.
La teora general de series innitas hace una distincion entre series como (1.1)
cuyas sumas parciales tienden a un lmite nito, y series como (1.5) cuyas sumas
parciales no tienen lmite nito. Las primeras se denominan convergentes y las
segundas divergentes. Los primeros investigadores en este dominio ponan poca o
ninguna atencion en las cuestiones de convergencia y divergencia. Trataban las series
innitas como si fueran sumas ordinarias nitas, sujetas a las leyes usuales del

Algebra
sin tener en cuenta que estas leyes no pueden extenderse universalmente a las series
innitas. Por eso no es sorprendente que se haya visto mas tarde que algunos de
los primeros resultados obtenidos fueran incorrectos. Afortunadamente, muchos de
aquellos pioneros tenan una intuicion y destreza poco frecuentes, que les evitaba
llegar a conclusiones falsas, aunque ellos no pudieran justicar sus metodos. Entre
los primeros matematicos que se ocuparon de las series ocupa un lugar preeminente
Leonard Euler. Euler descubra formula tras formula, a cual mas interesante, y a la
vez utilizaba las series innitas como concepto unicador de diversas ramas de la
Matematica que hasta entonces estaban sin relacionar. La gran cantidad de trabajos
de Euler que han sobrevivido al paso del tiempo es un tributo a su notabilsimo
instinto de lo matematicamente correcto.
La extension del uso de las series innitas empezo mas tarde en el siglo XVII, cerca
de cincuenta a nos despues del nacimiento de Euler, coincidiendo con el principio del
desarrollo del Calculo integral. Nicholas Mercator (16201687) y William Brouncker
(16201684) descubrieron en 1668 una serie innita para el logaritmo al intentar
calcular, el area de un segmento hiperbolico. Poco despues, Newton descubrio la serie
binomica. Estos descubrimientos constituyen un punto fundamental de la historia
de la Matematica. Un caso particular de la serie binomica es el conocido teorema
del binomio que arma que:
(1 + x)
n
=
n
k=0
_
n
k
_
x
k
donde x es un n umero real arbitrario, n un entero no negativo, y
_
n
k
_
es el coe-
ciente binomial. Newton encontro que esta formula, valida para valores enteros de
o
de Fsica)
1.2. Sucesiones 6
n se poda extender a exponentes reales cualesquiera, sustituyendo la suma nita del
segundo miembro, por una serie innita conveniente, si bien no lo demostro. Efec-
tivamente, en un estudio cuidadoso de la serie binomial surgen algunas cuestiones
bastante delicadas de convergencia a las que no se poda responder en la epoca de
Newton.
Poco despues de la muerte de Euler, en 1783, el caudal de nuevos descubrimientos
empezo a disminuir y el perodo formal en la historia de las series llego a su termino.
Un nuevo perodo, y mas crtico, empezo en 1812 cuando Gauss publico la celebre
memoria que contena, por primera vez en la historia, un estudio riguroso de la con-
vergencia de algunas series innitas. Pocos a nos mas tarde, Cauchy introdujo una
denicion analtica del concepto de lmite en su tratado Curso Analisis algebraico
(publicado en 1821), y expuso los fundamentos de la teora moderna de convergencia
y divergencia. En la Seccion que sigue se expondran los rudimentos de esta teora.
1.2. Sucesiones
En el lenguaje corriente las palabras serie y sucesion son sinonimas y se utilizan para
designar un conjunto de cosas o sucesos dispuestos en un orden. En Matematica,
estas palabras tienen un signicado tecnico especial. La palabra sucesion tiene un
sentido analogo al del lenguaje corriente, pues con ella se quiere indicar un conjunto
de objetos puestos en orden, pero la palabra serie se usa en un sentido completamente
distinto. Comencemos con el concepto de sucesion dejando el de serie para denirlo
mas tarde.
Denimos una sucesion matematica como una funcion cuyo dominio es el conjunto
de enteros positivos.
Denicion 1.1 Una sucesion {a
n
} es una funcion cuyo dominio es el conjunto de
los enteros positivos. Los valores funcionales a
1
, a
2
, . . . , a
n
, . . . se llaman los terminos
de la sucesion.
Aunque una sucesion es una funcion, como hemos dicho antes, usualmente se repre-
sentan con notacion de subndices en vez de notacion funcional. Por ejemplo, en la
sucesion
1, 2, 3, 4, . . . n, . . .

a
1
, a
2
, a
3
, a
4
, . . . a
n
, . . .
1 se aplica en a
1
, 2 en a
2
, etc. Llamamos a a
n
el nesimo termino de la sucesion y
denotamos esta por {a
n
}.
o
de Fsica)
1.2. Sucesiones 7
Los ejemplos mas corrientes de sucesiones se pueden construir dando alguna regla
o formula que dena el termino nesimo. As, por ejemplo, la formula a
n
= 1/n dene
la sucesion cuyos primeros terminos son: 1,
1
2
,
1
3
,
1
4
, . . . .
Otra forma corriente de denir una sucesion es mediante un conjunto de instruc-
ciones que indican como se obtiene un termino a partir de los anteriores. As, se tiene
por ejemplo:
a
1
= a
2
= 1 , a
n+1
= a
n
+ a
n1
para n 2
Este metodo particular se conoce por formula de recurrencia.
En este tema centramos nuestra atencion en sucesiones cuyos terminos tienden
a un lmite real. Tales sucesiones se llaman convergentes. Por ejemplo, la sucesi on
{1/2
n
}
1
2
,
1
4
,
1
8
,
1
16
. . .
converge a cero de acuerdo con la siguiente denicion.
Denicion 1.2 Si para cada > 0 existe un n umero n
0
N tal que |a
n
| <
siempre que n > n
0
, entonces decimos que el lmite de la sucesion {a
n
} es R y
escribimos
lm
n
a
n
=
Las sucesiones que tienen lmite (nito) se llaman convergentes.
Gracamente, esta denicion dice que eventualmente (para n > n
0
) los terminos de
una sucesion que converge a estaran en la franja comprendida entre las rectas
y = + e y =
Figura 1.3: Sucesion que converge a
Logicamente el valor del lmite de una sucesion convergente es unico. Una sucesion
que no converge, puede divergir (en este caso el lmite es o ) u oscilar cuando
su valor vare entre dos o mas valores jos para n .
o
de Fsica)
1.2. Sucesiones 8
n
} tiende a si para todo n umero real M > 0 existe
un entero positivo n
0
tal que n > n
0
se tiene que a
n
> M. Lo denotaremos como
lm
n
a
n
= .
De forma semejante, una sucesion {b
n
} tiende a si para todo n umero real M > 0
existe un entero positivo n
0
tal que n > n
0
se tiene que b
n
< M y lo denotaremos
por
lm
n
b
n
= .
Denicion 1.4 Dada una sucesion {a
n
}, una subsucesion suya viene denida por
una aplicacion estrictamente creciente
N N
j n
j
representandose dicha subsucesion por {a
n
j
}
jN
.
Se verica que si una sucesion tiene lmite , nito o no, todas sus subsucesiones
tienen tambien lmite .
As, un criterio practico para demostrar que una sucesion no tiene lmite es encontrar
dos subsucesiones que tiendan a lmites distintos.
Ejemplo. La sucesion {1, 2, 1, 2, 1, 2, . . . } no tiene lmite. Las subsucesiones de los
terminos pares tiene lmite 2 y la de los impares tiene lmite 1.
Un concepto importante es el de sucesion fundamental o de Cauchy, ya que

permite saber cuando una sucesion es convergente o no sin conocer previamente su
lmite.
n
} se dice que es fundamental o de Cauchy si
para todo > 0 existe un n umero n
0
N tal que para cualquier m, n > n
0
se verica
que |a
m
a
n
| <
El que una sucesion sea de Cauchy nos viene a decir que a partir de un n
0
, dos terminos
de la sucesion estan tan proximos como se quiera, luego en el caso de sucesiones reales,
si {a
n
} es de Cauchy esta es convergente. Tambien se verica el recproco, es decir,
toda sucesion convergente es de Cauchy.
Los cuerpos, como el de los reales, que verican que si {a
n
} es de Cauchy esta es
convergente, se dice que son completos. De manera informal, eso quiere decir que
o
de Fsica)
1.2. Sucesiones 9
no hay huecos o agujeros en la recta real. (El conjunto de los n umeros racionales no
tiene esa propiedad, no es completo).
Si una sucesion {a
n
} coincide con los valores de una funcion f en todo entero
positivo n, y si f(x) tiende a un lmite cuando x , entonces la sucesion debe
converger a ese mismo lmite. Este resultado se enuncia formalmente en el teorema
que sigue.
Teorema 1.1 Sea f una funcion de un variable real tal que
lm
x
f(x) = L.
Si {a
n
} es una sucesion tal que f(n) = a
n
para todo entero positivo n, entonces
lm
n
a
n
= L
Ejemplo. El lmite de la sucesion cuyo termino es
a
n
=
_
1 +
1
n
_
n
es lm
n
a
n
= e, ya que lm
x
_
1 +
1
x
_
x
= e.
Este teorema abre la posibilidad de usar la regla de L Hopital para determinar el

lmite de una sucesion.
Ejemplo. Probar que la sucesion dada por a
n
= n
2
/(2
n
1) converge.
Consideremos la funcion f(x) =
x
2
2
x
1
. La regla de LHopital aplicada dos veces
lleva a que
lm
x
x
2
2
x
1
= lm
x
2x
(ln 2)2
x
= lm
x
2
(ln 2)
2
2
x
= 0
Como f(n) = a
n
para todo entero positino n, el teorema anterior permite concluir
que
lm
n
n
2
2
n
1
= 0
Las siguientes propiedades de las sucesiones son analogas a las vistas para lmites
de funciones de una variable real.
o
de Fsica)
1.2. Sucesiones 10
Teorema 1.2 Si
lm
n
a
n
= L y lm
n
b
n
= K
Las siguientes propiedades son validas:
1. lm
n
(a
n
b
n
) = L K
2. lm
n
ca
n
= cL, siendo c cualquier n umero real.
3. lm
n
(a
n
b
n
) = LK
4. lm
n
a
n
b
n
=
L
K
, con b
n
= 0 y K = 0.
5. Si {a
n
} es una sucesion constante a partir de un cierto termino, es decir, a
n
= k
para todo n n
0
, entonces lm
n
a
n
= k.
6. lm
n
(a
n
)
b
n
= L
K
.
Otro resultado util sobre lmites, proveniente del teorema del emparedado para
funciones de una variable real, es el que sigue:
Teorema 1.3 Si
lm
n
a
n
= L = lm
n
b
n
y existe un entero positivo N tal que a
n
c
n
b
n
para todo n > N, entonces
lm
n
c
n
= L
Demostracion: Por denicion de lmite, > 0 existen n
1
, n
2
N tales que:
n > n
1
=|a
n
L| < = < a
n
L
n > n
2
=|b
n
L| < =b
n
L <
Por otra parte:
a
n
c
n
b
n
=a
n
L c
n
L b
n
L
para todo n > N. Tomando entonces n
0
= max{n
1
, n
2
, N} se tiene que para n > n
0
es:
< a
n
L c
n
L b
n
L <
es decir, |c
n
L| < , lo que indica que lm
n
c
n
= L.

o
de Fsica)
1.2. Sucesiones 11
Su utilidad queda patente en el proximo ejemplo.
Ejemplo. Probar que la siguiente sucesion converge y hallar su lmite:
{c
n
} =
_
(1)
n
1
n!
_
Para aplicar el teorema del encaje hemos de encontrar dos sucesiones convergentes
que puedan relacionarse con la dada. Dos posibilidades son
a
n
= 1/2
n
y b
n
= 1/2
n
ambas convergentes a cero. Comparando n! con 2
n
, vemos que
n! = 1 2 3 4 5 6 n = 24 5 6 n
y
2
n
= 2 2 2 2 2 2 2 = 16 2 2 2
Ello implica que para n 4, 2
n
< n!, luego
1
2
n
(1)
n
1
n!

1
2
n
Por tanto, del teorema del encaje se sigue que
lm
n
(1)
n
1
n!
= 0
En el ejemplo anterior la sucesion {c

n
} tiene terminos positivos y terminos nega-
tivos. Para ella ocurre que la sucesion de valores absolutos {|c
n
|} tambien converge
a cero. Puede demostrarse esta armacion gracias al teorema del encaje usando la
desigualdad
0
1
n!

1
2
n
, n 4
En tales casos suele ser conveniente considerar la sucesion de terminos positivos, y
aplicar entonces un teorema, que nos dice que si la sucesion de terminos en valor
absoluto converge a cero, la sucesion original tambien debe converger a cero.
Una propiedad que nos puede resultar util es la siguiente:
o
de Fsica)
1.2. Sucesiones 12
Teorema 1.4 Sea {a
n
} una sucesion de n umeros reales tales que lm
n
a
n
= . En-
tonces si > 0 (resp. < 0), existe n
0
N tal que para n > n
0
es a
n
> 0 (resp.
a
n
< 0).
Demostracion:
Por denicion de lmite, para todo > 0 existe n
0
N tal que para n > n
0
es
|a
n
| < . Tomando = /2, se tiene:
|a
n
| <

2
=
2
< a
n
<

2
=

2
< a
n
<
3
2
As para n > n
0
, si > 0, tambien a
n
> 0, y si < 0, entonces a
n
< 0.
1.2.1. Calculo practico de lmites

Con las sucesiones convergentes se puede operar aritmeticamente, obteniendose en
general, como se ha visto anteriormente, la conservacion de los lmites en las opera-
ciones racionales. Tambien es posible operar con sucesiones con lmite innito y se
verica un analogo al teorema 1.2 con las interpretaciones adecuadas, salvo que se
produzcan indeterminaciones.
Las principales indeterminaciones son las siguientes:
1. De tipo suma:
Si {a
n
} y {b
n
} , (a
n
b
n
) es una indeterminacion de tipo .
2. De tipo producto o cociente:
a) Producto: Si a
n
0 y b
n
, (a
n
b
n
) da lugar a la indeterminacion
0 .
b) Cociente: Si a
n
0 y b
n
0, o si a
n
y b
n
,
_
a
n
b
n
_
da lugar a
las indeterminaciones
0
0
y

, respectivamente.
Nota: Una indeterminacion de tipo suma puede reducirse a una de tipo pro-
ducto o cociente ya que
a
n
b
n
=
_
1
b
n
1
a
n
_
_
1
a
n
b
n
_ =
c
n
d
n
con c
n
0 y d
n
0.
o
de Fsica)
1.2. Sucesiones 13
3. De tipo potencialexponencial:
a) Si a
n
1 y b
n
,
_
(a
n
)
b
n
_
da lugar a la indeterminacion 1
. El n umero
e es el lmite de una sucesion de este tipo, de hecho, estas sucesiones suelen
dar lugar a lmites del tipo e
.
Nota: Si a
n
= 1 para todo n y b
n
, entonces (a
n
)
b
n
1.
b) Si a
n
0 y b
n
0,
_
(a
n
)
b
n
_
da lugar a la indeterminacion 0
0
.
c) Si a
n
y b
n
0,
_
(a
n
)
b
n
_
da lugar a la indeterminacion
0
.
Nota: Tomando logaritmos, las indeterminaciones de tipo potencialexponen-
cial se reducen a tipo producto, ya que si (a
n
)
b
n
L, entonces b
n
ln a
n
ln L.
Denicion 1.6 Se dice que dos sucesiones {a
n
} y {b
n
} son equivalentes si lm
n
a
n
b
n
=
1, y lo representaremos por a
n
b
n
.
As, en el calculo practico de lmites podemos utilizar la siguiente tabla de suce-
siones equivalentes:
1. Si a
n
0
sen a
n
a
n
tg a
n
a
n
1 cos a
n

a
2
n
2
(1 + a
n
)
1 a
n
e
a
n
1 a
n
ln(1 + a
n
) a
n
2. Si a
n
1, entonces ln a
n
a
n
1. En particular
n
a 1
1
n
ln a, para todo
a > 0.
1.2.2. Sucesiones Monotonas
Hasta ahora hemos determinado la convergencia de una sucesion hallando su lmite.
Pero a un cuando no seamos capaces de calcular el lmite de una sucesion, puede
resultar util saber al menos si es convergente o no. Veremos un teorema (sucesiones
monotonas y acotadas) que nos proporciona un criterio para la convergencia de una
sucesion sin necesidad de recurrir al calculo del lmite. Antes hemos de introducir
algunas deniciones preliminares.
n
} es monotona creciente si n N, a
n
a
n+1
, es
decir:
a
1
a
2
a
3
a
n

y es monotona decreciente si n N, a
n
a
n+1
, es decir:
a
1
a
2
a
3
a
n

o
de Fsica)
1.2. Sucesiones 14
Si las desigualdades anteriores son estrictas, se dice que la sucesion es estrictamente
creciente (o estrictamente decreciente).
Ejemplo. La sucesion b
n
=
2n
1 + n
es monotona, ya que cada termino es mayor que
su predecesor. Para verlo, comparamos b
n
y b
n+1
como sigue.
b
n
=
2n
1 + n
<
2(n + 1)
1 + (n + 1)
= b
n+1
2n(2 + n) < (1 + n)(2n + 2)
4n + 2n
2
< 2 + 4n + 2n
2
0 < 2
Como la desigualdad nal es valida, podemos invertir los pasos para concluir que la
desigualdad original es tambien valida.
Tambien podemos comprobar que en este caso b
n+1
b
n
> 0. En efecto:
b
n+1
b
n
=
2(n + 1)
1 + (n + 1)

2n
1 + n
=
2n + 2
n + 2

2n
1 + n
=
2
(2 + n)(1 + n)
> 0 , n N
lo cual implica que la sucesion es monotona creciente.
Otra forma de ver que la sucesion es monotona consiste en considerar la derivada de
la funcion correspondiente de una variable real f(x) = 2x/(1 +x). Como la derivada
f
(x) =
2
(1 + x)
2
es positiva para todo x podemos concluir que f es creciente. Eso implica que {a
n
} es
creciente.
Denicion 1.8 Se dice que una sucesion de n umeros reales {a

n
} esta acotada, si
esta acotada inferior y superiormente, es decir, si existen n umeros reales y tales
que n N, se verica que a
n
.
A los n umeros reales y , se les llama cota inferior y cota superior respectiva-
mente. A la mayor de las cotas inferiores se le denomina extremo inferior o nmo
y a la menor de las cotas superiores extremo superior o supremo. Si el nmo
(respectivamente supremo) pertenece al conjunto, este se llama mnimo (respectiva-
mente maximo).
o
de Fsica)
1.3. Series y convergencia 15
Nota: Tambien se puede denir una sucesion acotada de la siguiente manera. Una
sucesion {a
n
} es acotada si existe un n umero real positivo M tal que |a
n
| M para
todo n.
Ejemplo. La sucesion a
n
=
2n
1 + n
es acotada, ya que
2n
1 + n
Se verica que toda sucesion convergente es acotada, sin embargo su recproco, tal
cual no es cierto. Sin embargo, es comodo trabajar con sucesiones monotonas pues
su convergencia o divergencia se puede determinar facilmente. En efecto, existe el
siguiente criterio. Una sucesion monotona converge si esta acotada. Ademas si una
sucesion monotona no esta acotada sera divergente, hacia en el caso de ser creciente
y hacia si es decreciente.
1.3. Series y convergencia
Una importante aplicacion de las sucesiones innitas consiste en la representacion
de sumas innitas. Dicho de otro modo informal, si {a
n
} es una sucesion innita,
entonces
n=1
a
n
= a
1
+ a
2
+ a
3
+ + a
n
+
se llama una serie innita (o simplemente una serie). Los n umeros a
1
, a
2
, se
llaman los terminos de la serie. Para algunas series conviene comenzar el ndice en
n = 0. Como convenio de notacion suele escribirse una serie sencillamente como
a
n
.
En tales casos, el punto de partida (n = 0 o n = 1) debe deducirse del contexto de la
armacion correspondiente.
Para hallar la suma de una serie innita, consideremos la siguiente sucesion, lla-
mada sucesion de sumas parciales
S
1
= a
1
S
2
= a
1
+ a
2
S
3
= a
1
+ a
2
+ a
3
.
.
.
.
.
.
S
n
= a
1
+ a
2
+ a
3
+ + a
n
o
de Fsica)
Si esta sucesion converge diremos que la serie converge y que su suma es la que se
indica en la siguiente dencion.
Denicion 1.9 Para la serie innita
a
n
la nesima suma parcial viene dada por
S
n
= a
1
+ a
2
+ + a
n
Si la sucesion de sumas parciales {S
n
} converge a S, diremos que la serie
a
n
converge. Llamaremos a S suma de la serie y escribiremos
S = a
1
+ a
2
+ + a
n
+ =
n=1
a
n
Si {S
n
} diverge, diremos que la serie es divergente y no tiene suma.
Hay dos cuestiones basicas relativas a las series innitas. Es convergente o divergente
la serie? Y si una serie es convergente, cual es su suma? No siempre resulta facil
contestar estas preguntas, sobre todo la segunda.
Veamos a continuacion una familia de series importantes como son las series
geometricas.
Denicion 1.10 La serie dada por
n=0
ar
n
= a + ar + ar
2
+ + ar
n
+ , a = 0
se llama serie geometrica de razon r.
El siguiente teorema da condiciones para que sea convergente o divergente.
Teorema 1.5 Una serie geometrica de razon r diverge si |r| 1. Si |r| < 1, entonces
la serie converge con suma
n=0
ar
n
=
a
1 r
, |r| < 1
Demostracion:
Es facil ver que la serie diverge si r = 1.
Si r = 1, S
n
= a+a+a+ +a = na, luego lm
n
S
n
= , con lo que la serie diverge.
Si r = 1, S
1
= a, S
2
= a a = 0, S
3
= a a + a = a, , de donde S
2n
= 0 y
S
2n1
= a, luego {S
n
} es divergente, con lo que la serie diverge.
o
de Fsica)
Si r = 1, entonces
S
n
= a + ar + ar
2
+ + ar
n1
Multiplicando por r se ve que
rS
n
= ra + ar
2
+ ar
3
+ + ar
n
Restando la segunda de la primera obtenemos
S
n
rS
n
= a ar
n
En consecuencia, S
n
(1 r) = a(1 r
n
) =S
n
=
a(1 r
n
)
1 r
.
Ahora bien, como |r| < 1, se sigue que r
n
0 cuando n , luego
lm
n
S
n
= lm
n
_
a(1 r
n
)
1 r
_
=
a
1 r
lm
n
(1 r
n
) =
a
1 r
lo cual signica que la serie converge y que su suma es
a
1 r
. Si |r| > 1, lm
n
|r|
n
= ,
luego la serie diverge.
Nota: Si |r| < 1, lm

n
r
n
= 0, y si |r| > 1, lm
n
r
n
= .
Notemos que la convergencia de una serie no se ve afectada si se elimina un n umero
nito de terminos al comienzo de la serie. As, las series geometricas
n=4
_
1
2
_
n
y
n=0
_
1
2
_
n
convergen. Ademas como la suma de la segunda es
1
1 1/2
= 2, podemos concluir
que la suma de la primera es
S = 2
_
_
1
2
_
0
+
_
1
2
_
1
+
_
1
2
_
2
+
_
1
2
_
3
_
= 2
15
8
=
1
8
En este tipo de series se verica que
n=k
ar
n
=
ar
k
1 r
Se puede comprobar por induccion:
o
de Fsica)
Para n = 1, se tiene que
n=1
ar
n
=
n=0
ar
n
a =
a
1 r
a =
ar
1 r
Supuesto que se verica para n = k, es decir
n=k
ar
n
=
ar
k
1 r
, veamos que es
cierto para k + 1,
n=k+1
ar
n
=
n=k
ar
n
ar
k
=
ar
k
1 r
ar
k
=
ar
k+1
1 r
Veamos a continuacion una aplicacion de este tipo de serie.
Aplicacion: Se deja caer una pelota desde una altura de 6 pies y rebota sucesiva
veces. La altura que alcanza en cada bote es igual a las tres cuartas partes de la altura
en el bote anterior. Calcular la distancia vertical total recorrida por la pelota.
Cuando la pelota golpea en el suelo por primera vez, ha recorrido una distancia
vertical D
1
= 6. En los siguientes rebotes, llamando D
n
la distancia total recorrida
en vertical hacia arriba y hacia abajo, se tiene:
D
2
= 6
_
3
4
_
. .
sube
+6
_
3
4
_
. .
baja
= 12
_
3
4
_
D
3
= 6
_
3
4
__
3
4
_
. .
sube
+6
_
3
4
__
3
4
_
. .
baja
= 12
_
3
4
_
2
.
.
.
D = 6 + 12
_
3
4
_
+ 12
_
3
4
_
2
+ 12
_
3
4
_
3
+
Luego
D = 6 +
n=1
12
_
3
4
_
n
= 6 +
12
_
3
4
_
1
3
4
= 42
As la distancia vertical total recorrida por la pelota es de 42 pies.

o
de Fsica)
1.3.1. Propiedades de las series
Las siguientes propiedades son consecuencia directa de las correspondientes propie-
dades de los lmites de sucesiones.
Teorema 1.6 Si
a
n
= A,
b
n
= B, y c es un n umero real, las series que siguen
convergen a las sumas indicadas:
1.
n=1
ca
n
= cA
2.
n=1
(a
n
+ b
n
) = A + B
3.
n=1
(a
n
b
n
) = A B
A continuacion damos una condicion necesaria para la convergencia de una serie.
Teorema 1.7 Si la serie
a
n
converge, la sucesion {a
n
} tiene lmite cero.
Demostracion:
Supongamos que
n=1
a
n
= lm
n
S
n
= L
Entonces, como S
n
= S
n1
+ a
n
y
lm
n
S
n
= lm
n
S
n1
= L
concluimos que
L = lm
n
S
n
= lm
n
(S
n1
+ a
n
) = lm
n
S
n1
+ lm
n
a
n
= L + lm
n
a
n
lo cual implica que {a
n
} converge a cero.
El contrarrecproco de este teorema proporciona un criterio ecaz de divergencia.

As tenemos
Teorema 1.8 (Criterio del termino general para la divergencia) Si la sucesion
{a
n
} no converge a cero, la serie
a
n
diverge.
o
de Fsica)
1.4. Criterios de convergencia para series de t
erminos positivos 20
Como vemos tenemos una condicion necesaria y no suciente para la convergencia
de una serie. Una caracterizacion completa es el denominado Criterio general de
Cauchy, que se enuncia de la forma siguiente:
Teorema 1.9 (de Cauchy) La serie
a
n
es convergente si y solo si dado un n ume-
ro real > 0 existe un n
0
N tal que para todo n umero natural n n
0
sea:
|a
n+1
+ a
n+2
+ + a
n+p
| <
cualquiera que sea p N.
1.4. Criterios de convergencia para series de ter-
minos positivos
En esta seccion veremos criterios de convergencia aplicables a series de terminos
positivos. Teniendo en cuenta que una sucesion de n umeros reales que sea monotona
y acotada es convergente, deducimos el siguiente criterio de convergencia.
Teorema 1.10 (Criterio de acotacion) La serie
a
n
es convergente si y solo si
la sucesion de sumas parciales {S
n
} es acotada.
Demostracion: Es evidente que {S
n
} es una sucesion monotona creciente por ser
a
n
0 para todo n N. As, como {S
n
} es monotona creciente y acotada, la sucesion
es convergente, luego la serie es convergente. Por otra parte si la serie es convergente
la sucesion de sumas parciales {S
n
} es convergente y toda sucesion convergente es
acotada.
A continuacion discutiremos dos criterios mas para las series de terminos positivos
que amplan mucho la coleccion de series analizables. Y ello gracias a que permiten
comparar una serie, con terminos analogos, pero mas complicados, a otra mas sencilla
cuya convergencia o divergencia ya es conocida.
Teorema 1.11 (Criterio de comparacion directa o general de Gauss)
Sean 0 a
n
b
n
para todo n,
a) Si
n=1
b
n
converge, entonces
n=1
a
n
converge.
b) Si
n=1
a
n
diverge, entonces
n=1
b
n
diverge.
o
de Fsica)
Nota: Aunque en el enunciado hemos exigido 0 a
n
b
n
para todo n, como la
convergencia de una serie no queda afectada por sus primeros terminos, podramos
haber exigido tan solo que 0 a
n
b
n
para los n mayores que cierto entero N.
Ejemplo. Analizar si es convergente o divergente la serie
n=1
1
2 + 3
n
Se verica que a
n
=
1
2 + 3
n
<
1
3
n
= b
n
, para n 1. Como la serie
n=1
1
3
n
es una
serie geometrica de razon
1
3
< 1, esta es convergente, de manera que aplicando el
Criterio de comparacion directa o general de Gauss, se llega a que la serie
n=1
1
2 + 3
n
es convergente.
Una serie que se utiliza con frecuencia en este criterio, como en el siguiente, es la
serie armonica, la cual vamos a ver a continuacion.
Denicion 1.11 La serie armonica, es aquella cuyo termino general viene dado por
a
n
=
1
n
siendo R.
Dependiendo del valor de , la serie convergera o divergera; as, si > 1 la serie
es convergente, y si 1, divergente.
Teorema 1.12 (Criterio de comparacion en el lmite) Supongamos a
n
> 0,
b
n
> 0, y
lm
n
_
a
n
b
n
_
= L
donde L es nito y positivo. Entonces, las series
a
n
y
b
n
son ambas convergentes
o ambas divergentes.
En el caso de que L = 0, se tiene:
Si
n=1
b
n
converge
n=1
a
n
converge.
Si
n=1
a
n
diverge
n=1
b
n
diverge.
o
de Fsica)
En el caso de que L = +, se tiene:
Si
n=1
a
n
converge
n=1
b
n
converge.
Si
n=1
b
n
diverge
n=1
a
n
diverge.
Nota: Como ocurra con el otro criterio de comparacion, tambien este podra ser
modicado exigiendo solo que a
n
y b
n
sean positivos para los n mayores que un cierto
N.
El criterio de comparacion en el lmite es ecaz para comparar series algebraicas
molestas con otras series apropiadas, es decir, una cuyo termino general sera del
mismo orden de magnitud que el de la serie dada. En otras palabras, al elegir una
serie como modelo de comparacion, podemos centrarnos en las maximas potencias de
n tanto en el numerador como en el denominador.
Ejemplo. Analizar si es convergente o divergente la serie
n=1
4
n 1
n
2
+ 2
n
Comparamos esta serie con otra cuyo termino general sea del mismo orden de
magnitud que el de la serie dada, es decir, elegimos una serie, centrandonos en las
maximas potencias de n tanto del numerador como del denominador:
n=1
n
n
2
=
n=1
1
n
3/2
Como
lm
n
_
a
n
b
n
_
= lm
n
_
4
n 1
n
2
+ 2
n
_
_
n
3/2
_
= lm
n
4n
2
n
3/2
n
2
+ 2n
1/2
= 4 > 0
Al ser
n=1
1
n
3/2
una serie armonica con =
3
2
> 1 esta es convergente, de manera que
aplicando el Criterio de comparacion en el lmite, se llega a que la serie
n=1
4
n 1
n
2
+ 2
n
es convergente.

o
de Fsica)
1.5. Convergencia absoluta 23
1.5. Convergencia absoluta
Un concepto importante es el de convergencia absoluta.
Denicion 1.12 Una serie
a
n
se dice absolutamente convergente si
|a
n
| es con-
vergente.
Teorema 1.13 (Convergencia absoluta) Si la serie
|a
n
| converge, la serie
a
n
tambien converge.
El recproco sin embargo no es cierto, as tenemos la siguiente denicion.
Denicion 1.13 Se dice que la serie
a
n
es condicionalmente convergente si es
convergente, pero no absolutamente convergente.
Notemos que si una serie
a
n
es convergente, es porque la sucesion de sumas
parciales {S
n
} converge. Sin embargo al cambiar el orden de los terminos de la serie,
la sucesion de sumas parciales vara con lo que puede ocurrir que la nueva sucesion
{S
n
} diverja y por lo tanto la serie reordenada de la anterior diverja. As, tenemos la
siguiente denicion.
Denicion 1.14 Una serie
a
n
se dice que es incondicionalmente o conmutativa-
mente convergente si su convergencia es invariable al alterar el orden de los terminos
de la serie.
Se puede demostrar que una serie es incondicionalmente convergente si y solo si es
absolutamente convergente; este resultado se conoce con el nombre de teorema de
Dirichlet.
Teorema 1.14 Una serie es incondicionalmente convergente si y solo si es absolu-
tamente convergente.
1.6. Los criterios del cociente y de la raz
Para estudiar la convergencia de una serie, con los criterios vistos hasta ahora, aparece
la dicultad de encontrar la serie con la que comparar. A continuacion presentaremos
criterios que permiten estudiar la convergencia de una serie sin necesidad de buscar
otra como referencia.
Comenzaremos esta seccion con un criterio de convergencia absoluta: el criterio del
cociente o de DAlembert. Este criterio mide la tasa de crecimiento (o decaimiento)
mediante el examen del cociente a
n+1
/a
n
.
o
de Fsica)
1.6. Los criterios del cociente y de la ra
z 24
Teorema 1.15 (Criterio de DAlembert o del Cociente) Sea
n=1
a
n
una serie
con terminos no nulos.
1.
n=1
a
n
converge si lm
n
a
n+1
a
n
< 1
2.
n=1
a
n
diverge si lm
n
a
n+1
a
n
> 1
3. El criterio no dice nada en el caso lm
n
a
n+1
a
n
= 1
El hecho de que el criterio del cociente no proporcione informacion en el caso |a
n+1
/a
n
|
1 se comprende al comparar las series
n=1
1
n
y
n=1
1
n
2
La primera es divergente, la segunda convergente y ambas verican
lm
n
a
n+1
a
n
= 1
Aunque el criterio del cociente no es la panacea universal, es particularmente
util para las series rapidamente convergentes. Las series que contienen factoriales o
exponenciales lo son con frecuencia.
Ejemplo. Analizar si la siguiente serie es convergente
n=1
2
n
n!
Calculamos
lm
n
a
n+1
a
n
= lm
n
2
n+1
n!
2
n
(n + 1)!
= lm
n
2
n + 1
= 0 < 1
De donde la serie converge.
El proximo criterio funciona particularmente bien para series con terminos posi-
tivos y negativos que contengan una potencia nesima.
o
de Fsica)
1.7. Serie alternada 25
Teorema 1.16 (Criterio de la raz o de Cauchy) Sea
a
n
una serie de termi-
nos no nulos.
1.
n=1
a
n
converge si
lm
n
n
_
|a
n
| < 1
2.
n=1
a
n
diverge si
lm
n
n
_
|a
n
| > 1
3. El criterio no dice nada en el caso
lm
n
n
_
|a
n
| = 1
Ejemplo. Analizar si es convergente la serie
n=1
e
2n
n
n
Calculamos
lm
n
n
_
|a
n
| = lm
n
n
e
2n
n
n
= lm
n
e
2
n
= 0 < 1
De donde la serie converge.
1.7. Serie alternada

Denicion 1.15 Una serie de la forma
n=1
(1)
n
a
n
= a
1
+ a
2
a
3
+ a
4

con a
n
> 0, es decir, cuyos terminos tienen alternativamente los signos + y , se
denomina serie alternada.
o
de Fsica)
Nota: Tambien puede aparecer de la forma:
n=1
(1)
n1
a
n
= a
1
a
2
+ a
3
a
4
+
donde a
n
> 0. En un caso los terminos negativos son los impares, y en el otro los
pares. Las condiciones para su convergencia vienen dadas por el siguiente teorema
Teorema 1.17 (de Leibnitz) Si a
n
> 0, las series alternadas
n=1
(1)
n
a
n
y
n=1
(1)
n1
a
n
convergen, supuesto que se veriquen estas dos condiciones
a) 0 < a
n+1
a
n
, para todo n.
b) lm
n
a
n
= 0.
Demostracion:
Es analoga para las dos formas de series alternadas. Aqu usaremos la forma
n=1
(1)
n1
a
n
= a
1
a
2
+ a
3
a
4
+
Para esa serie, la suma parcial par
S
2n
= (a
1
a
2
) + (a
3
a
4
) + (a
5
a
6
) + + (a
2n1
a
2n
)
tiene todos sus terminos no negativos, y por tanto {S
2n
} es una sucesion no decre-
ciente. Pero tambien podemos poner
S
2n
= a
1
(a
2
a
3
) (a
4
a
5
) (a
2n2
a
2n1
) a
2n
de donde S
2n
a
1
para todo entero n. Luego al ser {S
2n
} acotada y no decreciente,
converge a un cierto lmite L.
Ahora bien, como S
2n1
= S
2n
+ a
2n
y a
2n
0 (ya que a
n
0), resulta
lm
n
S
2n1
= lm
n
S
2n
+ lm
n
a
2n
= L + lm
n
a
2n
= L
Ya que tanto la sucesion de sumas parciales pares como la de impares convergen al
mismo lmite L, se sigue que {S
n
} converge a L tambien. En efecto,
o
de Fsica)
Notemos que si S
2n
L y S
2n1
L, entonces dado > 0, existe n
0
N, y
n
1
N tal que
n > n
0
=|S
2n
L| <
n > n
1
=|S
2n1
L| <
Tomando, N = max{n
0
, n
1
}, se tiene que |S
n
L| < , para todo n > N. En
consecuencia, la serie alternada dada es convergente.
Nota: La primera condicion del criterio de convergencia para series alternadas puede
modicarse exigiendo que 0 < a
n+1
a
n
para todos los n mayores que un cierto N.
Ejemplo. Estudiar el caracter de la serie alternada
n=1
(1)
n1
n
2
n1
.
Veamos que al vericarse el Criterio de Leibnitz la serie dada es convergente. La
sucesion a
n
=
n
2
n1
es decreciente, ya que
a
n+1
a
n
=
n + 1
2
n

n
2
n1
=
1 n
2
n
< 0 , n 2
Por otra parte lm
n
a
n
= 0, puesto que
lm
x
f(x) = lm
x
x
2
x1
= lm
x
1
2
x1
ln 2
= 0
lo cual implica que lm
n
n
2
n1
= 0.
Para series alternadas convergentes, la suma parcial S
N
resulta una aproximacion util
de la suma exacta S, cuyo error queda determinado por el siguiente teorema.
Teorema 1.18 Si una serie alternada convergente satisface 0 < a
n+1
a
n
, entonces
el resto R
N
implicado al aproximar la suma S por la suma parcial S
N
es menor en
valor absoluto que el primer termino despreciado. Es decir
|S S
N
| = |R
N
| a
N+1
Ejemplo. Aproximar la suma de la siguiente serie alternada convergente mediante
sus seis primeros terminos:
n=1
(1)
n1
_
1
n!
_
=
1
1!

1
2!
+
1
3!

1
4!
+
La suma de los seis primeros terminos de la serie viene dada por
o
de Fsica)
S
6
=
1
1!

1
2!
+
1
3!

1
4!
+
1
5!

1
6!
= 1
1
2
+
1
6

1
24
+
1
120

1
720
0,63194
y el error cometido en aproximar la suma de la serie por S
6
esta acotado por:
|S S
6
| = |R
6
| a
7
=
1
7!
0,0002
A lo largo de este tema hemos discutido varios criterios que ayudan a determinar
la convergencia o divergencia de una serie innita. Solo con la practica consigue
adquirirse habilidad en la eleccion y aplicacion del criterio adecuado. Las siguientes
sugerencias pueden ser de utilidad para lograr elegir el criterio mas apropiado.
1. Tiende a cero el termino general? Si no tiende a cero, la serie diverge.
2. La serie en cuestion es de alg un tipo especial: geometrica, armonica o alterna-
da?
3. Es aplicable el criterio del cociente o el de la raz?
4. Admite comparacion con alguna serie de uno de esos tipos especiales?
A veces hay mas de un criterio que es aplicable. El objetivo es aprender a escoger
la forma mas eciente para investigar la serie dada.
o
de Fsica)
Analisis Matematico
Tema 2. Sucesiones y series funcionales
(SiGNum)
Curso 2004 2005
Contenido
2. Sucesiones y series funcionales 1
2.1. Sucesiones funcionales. Convergencia uniforme . . . . . . . . . . . . . 1
2.1.1. Propiedades de la convergencia uniforme . . . . . . . . . . . . 5
2.2. Series funcionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4. Derivacion e integracion de series de potencias . . . . . . . . . . . . . 16
2.5. Representacion de funciones por series de potencias . . . . . . . . . . 19
2.6. Series trigonometricas. Series de Fourier . . . . . . . . . . . . . . . . 26
0
Tema 2
Sucesiones y series funcionales
2.1. Sucesiones funcionales. Convergencia unifor-
me
En la primera parte de este tema nos centraremos en las sucesiones {f
n
} cuyos termi-
nos son funciones reales que tienen todas un mismo dominio sobre la recta real R.
As, tenemos la siguiente denicion:
Denicion 2.1 Sea A un subconjunto de R y F
A
el conjunto de funciones A R.
Se dene una sucesion funcional como una aplicacion del conjunto N de los n umeros
naturales en F
A
; se suele notar de la forma f
n
: A R.
N F
A
n N g(n) = f
n
Para cada x del dominio podemos formar otra sucesion {f
n
(x)} cuyos terminos son
los correspondientes valores imagenes.
Al hablar de convergencia de una sucesion de funciones hay que distinguir dos
tipos: convergencia puntual y convergencia uniforme.
Denicion 2.2 Sea S el conjunto de los x para los que la sucesion {f
n
(x)} converge.
La funcion f denida por medio de la ecuacion
f(x) = lm
n
f
n
(x) si x S
se llama la funcion lmite de la sucesion {f
n
}, y se dice que {f
n
} converge puntual-
mente hacia f en el conjunto S, es decir, para cada x S {f
n
(x)} es una sucesion
numerica convergente. El conjunto de puntos de S en los que {f
n
} converge se deno-
mina dominio de convergencia puntual de la sucesion.
1
2.1. Sucesiones funcionales. Convergencia uniforme 2
Aplicando la denicion de lmite, tendremos que
f(x) = lm
n
f
n
(x) si x S
si y solo si
> 0 y cada x S, n
0
(x, ) N/n n
0
|f
n
(x) f(x)| <
Ejemplo. Calcular la funcion lmite de la sucesion de funciones f
n
(x) = x
n
, denida
en [0, 2] = S.
Figura 2.1: f
n
(x) = x
n
Se verica que:
si x [0, 1), existe lm
n
x
n
= 0
si x = 1, existe lm
n
x
n
= 1
si x (1, 2], lm
n
x
n
=
Luego
f(x) =
_
0 si x [0, 1)
1 si x = 1
El interes primordial de esta seccion del tema lo constituyen preguntas del tipo si-
guiente: Si cada una de las funciones de una sucesion {f
n
} posee una cierta propiedad,
o
de Fsica)
tal como la continuidad, la diferenciabilidad, o la integrabilidad, hasta que punto es-
ta propiedad se transere a la funcion lmite? Por ejemplo, si cada funcion f
n
es
continua en x
0
, su funcion lmite f es tambien continua? Lo que realmente estamos
preguntando es si la ecuacion
lm
xx
0
f
n
(x) = f
n
(x
0
)
implica la ecuacion
lm
xx
0
f(x) = f(x
0
) (2.1)
Notemos que (2.1) se puede expresar tambien escribiendo:
lm
xx
0
lm
n
f
n
(x) = lm
n
lm
xx
0
f
n
(x) (2.2)
Por consiguiente, nuestra pregunta acerca de la continuidad equivale a la siguiente:
Es posible intercambiar los smbolos de lmite en (2.2)? Veremos que, en general,
esto no es as. En primer lugar, es posible que el lmite de (2.1) no exista. En segundo
lugar, incluso si existe, no es necesario que sea igual a f(x
0
).
Comprobaremos que la convergencia puntual no es lo sucientemente fuerte para
transferir las propiedades anteriormente mencionadas, de los terminos individuales f
n
a la funcion lmite f. Por consiguiente, nos veremos obligados a estudiar metodos de
convergencia mas fuertes que preserven estas propiedades. El mas importante de ellos
lo constituye la nocion de convergencia uniforme. Veremos que la convergencia
uniforme es una condicion suciente de gran alcance para la validez de la inversion
del paso al lmite, pero no constituye una respuesta completa a la cuestion planteada.
Nos encontraremos ejemplos en los que es posible intercambiar el orden de los lmites
y, sin embargo, la sucesion no es uniformemente convergente.
Anteriormente hemos visto que si una sucesion de funciones {f
n
} converge pun-
tualmente hacia una funcion lmite f en un cierto conjunto S, esto signicaba que
> 0 y cada x S, n
0
(x, ) N / n n
0
|f
n
(x) f(x)| <
Si un mismo n
0
sirve para todo punto de S, la convergencia se llama uniforme en
S. Esto es:
Denicion 2.3 Una sucesion de funciones {f
n
} se llama uniformemente convergente
a f en el conjunto S, si para todo > 0 se puede encontrar un n umero natural n
0
(que depende solo de ) tal que |f
n
(x) f(x)| < , para todo n n
0
y para todo
x S.
Expresamos esto simbolicamente escribiendo
f
n
f uniformemente en S
o
de Fsica)
La principal diferencia entre ambos tipos de convergencia es que en la uniforme,
dado un n umero real > 0, n
0
solo depende de y no del punto x S, cosa que no
sucede en la convergencia puntual.
Es posible dar una interpretacion geometrica util de la convergencia uniforme. La
desigualdad |f
n
(x) f(x)| < equivale entonces a las dos desigualdades
f(x) < f
n
(x) < f(x) +
Si esta se verica para todo n > n
0
y para todo x S, signica que la graca entera
de f
n
(esto es, el conjunto {(x, y); y = f
n
(x), x S}) esta todo el contenido en una
banda de altura 2 situada simetricamente en torno a la graca de f.
Figura 2.2: Conjunto {(x, y); y = f
n
(x), x S} contenido en una banda de altura
2
Nota 2.1 Notemos que por denicion, la convergencia uniforme implica la conver-
gencia puntual, pero el recproco en general no es cierto.
Ejemplo. Estudiar el tipo de convergencia de la sucesion f
n
(x) =
x
1 + nx
, sabiendo
que x R
+
= [0, +).
Para todo x R
+
= [0, +), se tiene que lm
n
f
n
(x) = 0, luego f
n
f, siendo
f(x) = 0 para todo x R
+
. Ademas la convergencia es uniforme en R
+
, ya que
|f
n
(x) f(x)| =
x
1 + nx
<
|x|
n|x|
=
1
n
Tomando n
0

1
, se tiene que n n
0
, |f
n
(x) f(x)| <
1
n
< para todo x R
+
.
Una forma bastante comoda de probar si una sucesion convergente de funciones

es uniformemente convergente, puede ser recurriendo al siguiente teorema:
o
de Fsica)
Teorema 2.1 Sea {f
n
} una sucesion de funciones denida sobre S. Si existe una
sucesion numerica positiva {a
n
} convergente hacia cero y una funcion f denida sobre
S y tal que |f
n
(x)f(x)| a
n
, para todo x S, entonces f
n
converge uniformemente
hacia f en S.
Demostracion: Tomemos un punto x S y un valor > 0. Por ser la sucesion {a
n
}
convergente a cero, podemos encontrar un valor n
0
() N tal que n n
0
se cumple
que |a
n
0| = |a
n
| = a
n
< .
Como |f
n
(x) f(x)| a
n
< , para todo x S, queda probada la convergencia
uniforme.
Ejemplo. Para la sucesion f

n
(x) =
x
1 + nx
del ejemplo anterior, siendo S = [0, +),
se tiene que:
|f
n
(x) f(x)| =
x
1 + nx
<
|x|
n|x|
=
1
n
As, aplicando el teorema 2.1 como la sucesion numerica {1/n} converge hacia cero, la
sucesion dada converge uniformemente hacia la funcion f(x) = 0 para todo x R
+
.
2.1.1. Propiedades de la convergencia uniforme

Como propiedades importantes de la convergencia uniforme de sucesiones funcionales
podemos se nalar las siguientes.
Teorema 2.2 Sean dos sucesiones funcionales {f
n
} y {g
n
} que convergen unifor-
memente en cierto dominio A hacia las funciones f y g, respectivamente. Entonces
{f
n
+ g
n
} converge uniformemente hacia f + g en A.
La caracterizacion fundamental de la convergencia uniforme radica en que permite
transmitir propiedades de las funciones de la sucesion, tales como la continuidad y
derivabilidad, a la funcion lmite.
Teorema 2.3 Supongamos que {f
n
} f uniformemente en A, y que todas las f
n
son continuas en un punto x
0
A. Entonces f tambien es continua en x
0
.
Ejemplo. Estudiar la convergencia de la sucesion {f
n
}, siendo f
n
: (1, +) R,
denida por
f
n
(x) =
1 x
n
1 + x
n
o
de Fsica)
Comenzamos estudiando la convergencia puntual. Para ello consideramos tres ca-
sos:
a) Si 1 < x < 1, entonces lm
n
x
n
= 0, luego lm
n
f
n
(x) = lm
n
1 x
n
1 + x
n
= 1.
b) Si x = 1, entonces f
n
(x) = 0, de donde lm
n
f
n
(x) = 0.
c) Si x > 1, entonces lm
n
x
n
= y as
lm
n
f
n
(x) = lm
n
1
x
n
1
1
x
n
+ 1
= 1
Por tanto, el lmite puntual de la sucesion es la funcion f : (1, +) R denida
por:
f(x) =
_
_
_
1 si 1 < x < 1
0 si x = 1
1 si x > 1
Sin embargo esta sucesion no converge uniformemente. En efecto, las funciones
f
n
(x) son continuas en el dominio dado y si la convergencia hacia f(x) fuera uniforme,
por el teorema 2.3 dicha funcion lmite f(x) sera continua en el mismo dominio y sin
embargo, presenta una discontinuidad de salto en x = 1.
Teorema 2.4 Sea {f

n
} una sucesion de funciones continuas en [a, b], tal que {f
n
}
f uniformemente. Entonces:
lm
n
_
b
a
f
n
(x) dx =
_
b
a
lm
n
f
n
(x) dx =
_
b
a
f(x)dx
Esta propiedad se enuncia a menudo diciendo que una sucesion de funciones uni-
formemente convergente se puede integrar termino a termino.
Otra caracterstica importante de las funciones que se transmite, mediante la
convergencia uniforme, a la funcion lmite es la siguiente:
Teorema 2.5 Sea {f
n
} una sucesion de funciones derivables con derivadas continuas
sobre [a, b], tal que converge puntualmente hacia f, y supongamos que {f
n
} converge
uniformemente sobre [a, b] hacia una funcion g. Entonces {f
n
} f uniformemente
y ademas f
(x) = g(x) en [a, b].

o
de Fsica)
Ejemplo. Consideremos la sucesion funcional {f
n
} donde
f
n
(x) =
x
1 + nx
2
para todo x R y n N. Encontrar la funcion lmite f de {f
n
} y la funcion lmite g
de {f
n
}, y estudiar para que valores de x es f
(x) = g(x).
Calculemos la funcion lmite de f
n
(x) para todo x R. Para ello distinguimos dos
casos:
a) Si x = 0 f
n
(0) = 0 lm
n
f
n
(0) = 0.
b) Si x = 0, entonces
lm
n
f
n
(x) = lm
n
x
1 + nx
2
= lm
n
x/n
1/n + x
2
= 0
As, el lmite puntual es la funcion f(x) = 0, para todo x R. Calculemos ahora
la funcion lmite de la sucesion f
n
(x), siendo
f
n
(x) =
1 nx
2
(1 + nx
2
)
2
.
Haciendo la misma distincion que en el caso anterior:
a) Si x = 0 f
n
(0) = 1 lm
n
f
n
(0) = 1.
b) Si x = 0, entonces
lm
n
f
n
(x) = lm
n
1 nx
2
(1 + nx
2
)
2
= lm
n
1/n
2
x
2
/n
(1/n + x
2
)
2
= 0
As, la funcion lmite es
g(x) =
_
1 si x = 0
0 si x = 0
Observemos que la funcion f es derivable, siendo f
(x) = 0, para todo x R. Por

lo tanto, f
(0) = g(0), mientras que para x = 0 si es f
(x) = g(x).
Como conclusion se tiene que la convergencia de la sucesion f
n
(x) hacia la funcion
lmite g(x) no es uniforme, ya que si lo fuera, por el teorema 2.5 se tendra que vericar
que f
(x) = g(x), para todo x R.

o
de Fsica)
2.2. Series funcionales 8
2.2. Series funcionales
Sea la sucesion funcional {f
n
} denida sobre un dominio A y consideremos otra
sucesion {S
n
} denida a partir de la primera, de la forma
S
n
(x) = f
1
(x) + f
2
(x) + + f
n
(x)
para cada x A, entonces a
n=1
f
n
= f
1
+ f
2
+ f
3
+ + f
n
+
se le denomina serie funcional de termino general f
n
. A la sucesion {S
n
} se le llama
sucesi on de sumas parciales de {f
n
}.
Denicion 2.4 Se dice que la serie
n=1
f
n
converge puntualmente en x A si {S
n
}
converge, como sucesion funcional, en x A, es decir, si para x A, la serie numeri-
ca
n=1
f
n
(x) es convergente. Al lmite de esta sucesion se le denomina suma de la
serie.
La convergencia puntual tambien se denomina convergencia simple. El conjunto de
puntos donde la serie converge se denomina dominio de convergencia simple o
puntual.
Denicion 2.5 Decimos que la serie
n=1
f
n
converge uniformemente si {S
n
} lo hace
como sucesion funcional.
El conjunto de puntos donde la serie converge uniformemente se denomina dominio
de convergencia uniforme.
Ejemplo. Estudiar la convergencia de la serie funcional
n=1
x
n
para los valores de x
en el intervalo
_
1
2
,
1
2
_
.
Para comprobar la convergencia de la serie dada, estudiemos el tipo de conver-
gencia de la sucesion de sumas parciales S
n
:
o
de Fsica)
S
n
(x) = f
1
(x) + f
2
(x) + + f
n
(x) = x + x
2
+ + x
n
Al ser esta la suma de los n primeros terminos de una progresion geometrica de
razon x, se tiene que:
S
n
(x) =
x x
n+1
1 x
Sabemos que si |x| < 1, entonces lm
n
x
n+1
= 0, por lo tanto, al ser |x| 1/2,
lm
n
S
n
(x) = lm
n
x x
n+1
1 x
=
x
1 x
= S(x)
Luego la serie
n=1
x
n
es convergente y su suma es la funcion S(x) para x [1/2, 1/2].
Estudiemos el tipo de convergencia de la sucesion S
n
(x). Dado > 0, veamos que
existe un n umero natural n
0
tal que n n
0
y x [1/2, 1/2], se verica que
|S
n
(x) S(x)| < .
Vemos que:
|S
n
(x) S(x)| =
x x
n+1
1 x

x
1 x
=
|x|
n+1
|1 x|

2|x|
n+1
2
_
1
2
_
n+1
=
_
1
2
_
n
As, |S
n
(x) S(x)|
_
1
2
_
n
< , implica que
nln
1
2
< ln n >
ln
ln 1/2
(cuidado!! ln 1/2 < 0)
luego n
0
() >
ln
ln 1/2
, de donde la convergencia de la sucesion S
n
(x) hacia S(x) es
uniforme en el intervalo dado, y como consecuencia, la serie de funciones
n=1
x
n
es
uniformemente convergente hacia S(x) =
x
1 x
para x [1/2, 1/2].
Un criterio operativo para averiguar si una serie funcional converge uniformemente

es el siguiente.
Teorema 2.6 (M de Weierstrass) Sea {a
n
} una sucesion de terminos positivos y
f
n
una serie funcional denida en A, tal que |f
n
(x)| a
n
, para todo x A y para
todo n N. Entonces, si
a
n
es convergente,
f
n
converge uniformemente en A.
o
de Fsica)
Denicion 2.6 Una serie funcional
f
n
se dice absolutamente convergente si la
serie numerica
|f
n
(x)| es convergente. El conjunto sobre el que se verica esta
condicion se denomina dominio de convergencia absoluta.
Notas:
1. Evidentemente, si una serie es absolutamente convergente, tambien lo es pun-
tualmente, ya que si
|f
n
(x)| es convergente como serie numerica, para cada
x A, por las propiedades de las series numericas,
f
n
(x) es convergente para
cada x A, luego
f
n
converge puntualmente.
2. Si una serie verica las hipotesis del teorema de Weierstrass, es absolutamente
convergente, ya que se verica que
0 |f
n
(x)| a
n
x A, n N
Luego aplicando el criterio general de Gauss para series numericas, como
a
n
es convergente, la serie
|f
n
(x)| es convergente, luego
f
n
es absolutamente
convergente.
Ejemplo. Estudiar la convergencia de la serie
n=1
3
n
n
n
(1 + cos
2
nx).
Aplicando el criterio de la raz a la serie numerica
n=1
3
n
n
n
lm
n
n
_
3
n
_
n
= lm
n
3
n
= 0 < 1,
se llega a que esta es convergente. Por lo tanto, al ser
3
n
n
n
(1 + cos
2
nx)
2
3
n
n
n
, x R,
la serie de funciones dada, aplicando el teorema de Weierstrass es uniformemente y
absolutamente convergente en todo x R.
Al igual que ocurra con las sucesiones funcionales, ciertas caractersticas de las series
funcionales, tales como la continuidad, derivabilidad, etc., pueden transmitirse a la
funcion suma, en el caso de la convergencia uniforme. As, podemos enunciar los
siguientes resultados:
o
de Fsica)
2.3. Series de potencias 11
Teorema 2.7 Si
f
n
es una serie funcional convergente uniformemente en A con
funcion suma f, y todas las f
n
son continuas en un punto x
0
, entonces f tambien es
continua en x
0
.
Teorema 2.8 Si la serie
f
n
converge uniformemente hacia f en [a, b] y cada f
n
es continua en [a, b], entonces
_
b
a
f(x) dx =
n=1
_
b
a
f
n
(x) dx
Teorema 2.9 Si
f
n
es una serie funcional convergente simplemente en [a, b] con
funcion suma f, tal que todas las f
n
son derivables con derivadas continuas, y
n
converge uniformemente en [a, b] con funcion suma g, entonces
f
n
tambien converge
uniformemente en [a, b] y f
(x) = g(x).
2.3. Series de potencias
A continuacion, vamos a estudiar un tipo particular de series de funciones que son
las llamadas series de potencias. Sabemos que si una serie de funciones,
n=1
f
n
es
convergente en un dominio A, entonces
n=1
f
n
(x) = f(x), x A
Pues bien, veremos que determinadas funciones importantes, se pueden representar
exactamente por una serie de potencias. Por ejemplo, la serie de potencias que repre-
senta a e
x
viene dada por
e
x
= 1 + x +
x
2
2!
+
x
3
3!
+ +
x
n
n!
+
Para cada n umero real probaremos que la serie de la derecha converge y tiene por
suma el n umero e
x
. Antes de nada, estudiaremos algunos resultados preliminares que
se reeren a las series de potencias, comenzando por la propia denicion.
Denicion 2.7 Si x es una variable, una serie innita de la forma
n=0
a
n
x
n
= a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
+
o
de Fsica)
se llama una serie de potencias. Mas en general, una serie del tipo
n=0
a
n
(x c)
n
= a
0
+ a
1
(x c) + a
2
(x c)
2
+ + a
n
(x c)
n
+
se llama una serie de potencias centrada en c, donde c es una constante.
Nota: Con el n de simplicar la notacion de series de potencias, acordamos que
(x c)
0
= 1, incluso si x = c.
Determinar el dominio de una serie de potencias, es decir, determinar donde la serie de
funciones es convergente, y por tanto donde esta denida la funcion f(x), es nuestro
objetivo primordial en esta seccion. Claro esta que toda serie de potencias converge
en su centro c, ya que
f(c) =
n=0
a
n
(c c)
n
= a
0
(1) + 0 + 0 + + 0 + = a
0
As pues, c siempre pertenece al dominio de f.
Ejemplo. La serie de potencias
n=0
x
n
, centrada en cero, converge si |x| < 1 y diverge
si |x| 1, ya que
lm
n
S
n
(x) = lm
n
1 x
n+1
1 x
=
1
1 x
puesto que lm
n
x
n
= 0, si |x| < 1 y lm
n
x
n
= , si |x| > 1. En el caso x = 1 y
x = 1 se obtienen, respectivamente las series
n=0
1 y
n=0
(1)
n
, ambas divergentes.
Por lo tanto,
n=0
x
n
=
1
1 x
para |x| < 1. Esto signica que la funcion
1
1 x
viene representada por la serie de
potencias anterior solamente para x (1, 1), mientras que sabemos que la funcion
f(x) esta denida en todo x R que sea distinto de uno.
El dominio de convergencia de una serie de potencias siempre es cierto intervalo

que puede en particular, reducirse a un punto. En concreto tenemos el siguiente
teorema:
o
de Fsica)
Teorema 2.10 Para cada serie de potencias
n=0
a
n
(x c)
n
= a
0
+ a
1
(x c) + a
2
(x c)
2
+ + a
n
(x c)
n
+
existe un n umero R, 0 R , tal que la serie converge absolutamente para
|x c| < R y diverge para |x c| > R. Si la serie solo converge en x = c, entonces
R = 0, y si la serie converge en R, entonces R = .
Denicion 2.8 El n umero real R se llama radio de convergencia y el intervalo donde
la serie converge absolutamente, intervalo o campo de convergencia de la serie de
potencias.
En los puntos extremos del intervalo c R y c + R, la serie puede converger o
divergir y hay que estudiarlos aparte (ver gura 2.3).
Figura 2.3: Intervalo (c R, c + R) y radio R = 0.
En la gura 2.4 se tiene el caso en el que la serie de potencias solo converge en su
centro c, mientras que en la gura 2.5 la serie converge para todo n umero real.
Figura 2.4: Intervalo que se reduce al punto c y radio R = 0.
Figura 2.5: Intervalo (, +) y radio R = +.
Un metodo ecaz para determinar el radio de convergencia de la serie es aplicar
el criterio del cociente para series numericas. As, si
n=0
u
n
es una serie numerica, se
calcula
lm
n
u
n+1
u
n

o
de Fsica)
Si dicho lmite existe y vale entonces la serie converge si < 1 y diverge si > 1.
En el caso de series de potencias como u
n
= a
n
(x c)
n
, entonces se calcula
lm
n
a
n+1
(x c)
n+1
a
n
(x c)
n
= lm
n
a
n+1
a
n
|x c| = L|x c|
As, si
lm
n
a
n+1
a
n
este lmite existe y vale L, entonces la serie de potencias converge si L|x c| < 1,
es decir, si |x c| <
1
L
y diverge si |x c| >
1
L
. Luego el radio de convergencia
sera R =
1
L
, con
L = lm
n
a
n+1
a
n
Notemos que si L = , entonces R = 0 y si L = 0, R = . Si el lmite no existe,

habra que utilizar otro criterio, ya que la serie puede converger o divergir para alg un
R.
De forma similar, para determinar el radio de convergencia se puede aplicar el
criterio de Cauchy, es decir
lm
n
n
_
|a
n
(x c)
n
| = |x c| lm
n
n
_
|a
n
| = |x c|L
y as, la serie de potencias es absolutamente convergente si |x c| <
1
L
y diverge si
|x c| >
1
L
. Luego el radio de convergencia sera R =
1
L
, con
L = lm
n
n
_
|a
n
|
Ejemplo. Hallar el radio e intervalo de convergencia de la serie de potencias
n=0
(1)
n
(x + 1)
n
2
n
Como
lm
n
u
n+1
u
n
= lm
n
(1)
n+1
(x + 1)
n+1
2
n+1

2
n
(1)
n
(x + 1)
n
= lm
n
x + 1
2
=
|x + 1|
2
,
o
de Fsica)
se tiene que
|x + 1|
2
< 1 |x + 1| < 2.
Luego el radio de convergencia es R = 2 y el intervalo de convergencia (3, 1), al
estar centrada la serie en c = 1.
A continuacion estudiamos la convergencia en los extremos del intervalo.
a) Si x = 3, se tiene la serie numerica
n=0
(1)
n
(2)
n
2
n
=
n=0
1 =
la cual es divergente.
b) Si x = 1, entonces la serie
n=0
(1)
n
2
n
2
n
=
n=0
(1)
n
= 1 1 + 1 1 +
tambien es divergente.
Por lo tanto el intervalo de convergencia absoluta es (3, 1).
Un resultado importante desde el punto de vista practico, es el siguiente:

Teorema 2.11 Una serie de potencias es uniforme y absolutamente convergente en
todo intervalo cerrado contenido en su dominio de convergencia absoluta.
Demostracion: Por simplicar consideremos una serie del tipo
a
n
x
n
(es decir,
c = 0) y supongamos que su radio de convergencia es R y [, ] (R, R). Como
< R, la serie numerica de terminos positivos
|a
0
| +|a
1
| +|a
2
|
2
+ +|a
n
|
n
+
converge, pero cuando |x| , se tiene que
|a
n
x
n
| |a
n
|
n
n N
y aplicando el teorema de Weierstrass, la serie converge uniformemente en [, ].
La convergencia absoluta, se deduce de que es absolutamente convergente en todo
(R, R).

o
de Fsica)
2.4. Derivaci
on e integraci
on de series de potencias 16
Cada serie de potencias, por tanto, dene una funcion real suma, cuyo valor en x,
para cada x del intervalo de convergencia, viene dado por
f(x) =
n=0
a
n
(x c)
n
Se dice que la serie representa f en el intervalo de convergencia, y se denomina el
desarrollo de f en serie de potencias en torno de c.
Existen dos problemas basicos acerca de los desarrollos en series de potencias que
nos interesan:
1. Dada la serie, hallar las propiedades de la funcion suma f.
2. Dada una funcion f, establecer si es posible o no desarrollarla en serie de po-
tencias.
Resulta que solo cierto tipo especial de funciones admite un desarrollo en serie de
potencias. A pesar de esto, la clase de tales funciones incluye gran n umero de funciones
que intervienen en la practica; de ah que su estudio sea de gran importancia.
La primera cuestion la vamos a contestar en la siguiente seccion del tema.
2.4. Derivacion e integracion de series de poten-
cias
Una vez denida una funcion como serie de potencias, es natural preocuparse de como
determinar las caractersticas de la funcion. Es continua?, derivable?, integrable?
El teorema que presentamos, responde tales cuestiones y su demostracion es aplicacion
directa de los teoremas correspondientes a series de funciones en general.
Teorema 2.12 Si una funcion viene dada por
f(x) =
n=0
a
n
(x c)
n
= a
0
+ a
1
(x c) + a
2
(x c)
2
+ + a
n
(x c)
n
+
con radio de convergencia R > 0, entonces en el intervalo (cR, c+R), f es continua,
derivable e integrable. Ademas, la derivada y la primitiva de f vienen dadas por
1.
f
(x) =
n=1
na
n
(x c)
n1
= a
1
+ 2a
2
(x c) + 3a
3
(x c)
2
+
para |x c| < R.
o
de Fsica)
2.4. Derivaci
on e integraci
2.
_
f(x) dx =
n=0
a
n
n + 1
(xc)
n+1
+C = C+a
0
(xc)+a
1
(x c)
2
2
+a
2
(x c)
3
3
+
para |x c| < R.
Se suele escribir:
x (c R, c + R)
_
x
c
f(t) dt =
n=0
a
n
_
x
c
(t c)
n
dt =
n=0
a
n
n + 1
(x c)
n+1
Nota: Este teorema nos dice que, en muchos sentidos, una funcion denida por una
serie de potencias se comporta como un polinomio. Es continua en su intervalo de
convergencia y tanto su derivada como su primitiva pueden calcularse derivando e
integrando cada termino de la serie.
El radio de convergencia de la serie obtenida por derivacion e integracion es el
mismo que el de la serie original. Por ejemplo, si la serie de potencias
f(x) = a
0
+ a
1
(x c) + a
2
(x c)
2
+ + a
n
(x c)
n
+
tiene radio de convergencia R = 0, por el criterio del cociente sabemos que
lm
n
a
n+1
a
n
= L
donde R =
1
L
.
Ahora bien, para la serie
f
(x) = a
1
+ 2a
2
(x c) + 3a
3
(x c)
2
+
se sigue que el radio de convergencia es tambien R porque
lm
n
(n + 1)a
n+1
na
n
= lm
n
_
n + 1
n
_
a
n+1
a
n
= L
donde R =
1
L
. Sin embargo, el intervalo de convergencia puede diferir, a causa de los
puntos extremos del intervalo.
Como consecuencia de este teorema, obtenemos que la funcion suma de una serie
de potencias tiene derivadas de todo orden y que pueden ser calculadas por derivaci on
reiterada termino a termino de la serie de potencias.
o
de Fsica)
2.4. Derivaci
on e integraci
Ejemplo. Hallar los intervalos de convergencia de
_
f(x) dx, f(x) y f
(x), donde
f(x) =
n=1
x
n
n
Para la serie f(x) =
n=1
x
n
n
, se tiene que:
lm
n
u
n+1
u
n
= lm
n
|x|
n
n + 1
= |x| < 1
Luego el radio de convergencia es R = 1 y el intervalo de convergencia (1, 1). En
el punto extremo del intervalo x = 1, la serie alternada
n=1
(1)
n
n
es convergente,
mientras que en el otro extremo, x = 1 la serie armonica
n=1
1
n
es divergente.
En el caso de la serie f
(x) =
n=1
nx
n1
n
=
n=1
x
n1
, su radio de convergencia
sigue siendo R = 1, pero ahora en los dos extremos la serie es divergente. En efecto,
para x = 1 y x = 1 las series
n=1
(1)
n1
y
n=1
1 son respectivamente divergentes.
Sin embargo la serie de potencias
_
x
0
f(t) dt =
n=1
_
x
0
t
n
n
dt =
n=1
x
n+1
n(n + 1)
converge en ambos extremos. En efecto, para x = 1 la serie obtenida
n=1
(1)
n+1
n(n + 1)
es una serie alternada convergente, y para x = 1, la serie
n=1
1
n(n + 1)
tambien es
convergente.
Nota: Parece a la vista de este ejemplo, que la serie de la derivada f
(x) es la que
menos probablemente converge en los puntos extremos del intervalo. En realidad,
puede demostrarse que si la serie de f
(x) converge en los puntos extremos x = c R,

entonces la serie de f(x) converge tambien necesariamente.
o
de Fsica)
2.5. Representaci
on de funciones por series de potencias 19

2.5. Representacion de funciones por series de po-
tencias
En esta seccion, intentaremos responder a la segunda cuestion, es decir, dada una
funcion f, establecer si es posible o no desarrollarla en serie de potencias. En concreto,
no todas las funciones son suma de una serie de potencias, as tenemos la siguiente
denici on.
Denicion 2.9 Se dice que la funcion f es analtica en c R, si existe una serie de
potencias
n=0
a
n
(x c)
n
de radio de convergencia no nulo, tal que
f(x) =
n=0
a
n
(x c)
n
en un cierto entorno de c.
A continuacion vamos a presentar varias tecnicas que permiten hallar la serie de
potencias que representa a una funcion dada.
Una primera tecnica consiste en utilizar una serie de potencias geometrica.
Consideremos la funcion f(x) = 1/(1x). Su forma recuerda la suma de una serie
geometrica
n=0
ar
n
=
a
1 r
|r| < 1
En otras palabras, si hacemos a = 1 y r = x, una representacion de 1/(1 x) en
forma de serie de potencias, centrada en cero, es
1
1 x
=
n=0
x
n
= 1 + x + x
2
+ , |x| < 1
La mayor diferencia estriba en que la serie solo esta denida en (1, 1), mientras que
f esta denida en todo x = 1. La funcion f es analtica en el punto c = 0.
Para representar f en otro intervalo hemos de desarrollar una serie diferente. Por
ejemplo, para obtener una serie de potencias centrada en 1, escribimos
1
1 x
=
1
2 (x + 1)
=
1/2
1 [(x + 1)/2]
=
a
1 r
lo cual implica que a = 1/2 y r = (x + 1)/2. As pues, para |x + 1| < 2 tenemos
1
1 x
=
n=0
_
1
2
__
x + 1
2
_
n
=
1
2
_
1 +
(x + 1)
2
+
(x + 1)
2
4
+
_
o
de Fsica)
2.5. Representaci

con |x + 1| < 2 y que converge en el intervalo (3, 1). As, la funcion f tambien es
analtica en el punto x = 1, pero su forma de representarla como serie de potencias
es distinta.
Una segunda tecnica que nos permitira representar como series de potencias una
gran variedad de funciones elementales, consiste en utilizar las operaciones basicas,
junto con la derivacion y la integracion,
Resumimos las operaciones basicas con series de potencias en el siguiente teorema.
Teorema 2.13 Dadas f(x) =
n=0
a
n
(x c)
n
y g(x) =
n=0
b
n
(x c)
n
, con radios de
convergencia distintos de cero, son validas las siguientes operaciones.
1. f(kx) =
n=0
a
n
(kx c)
n
2. f(x
N
) =
n=0
a
n
(x
N
c)
n
3. f(x) g(x) =
n=0
(a
n
b
n
)(x c)
n
4. f(x)g(x) =
_

n=0
a
n
(x c)
n
__

n=0
b
n
(x c)
n
_
=
n=0
c
n
(x c)
n
, donde
c
n
=
n
k=0
a
k
b
nk
=
n
k=0
a
nk
b
k
.
La serie de potencias f(x)g(x) =
n=0
c
n
(x c)
n
, se llama producto de Cauchy.
Las operaciones descritas en el teorema anterior pueden cambiar el intervalo de
convergencia en la serie resultante.
Nota: El cociente f(x)/g(x) tambien tendra un desarrollo en torno a c siempre que
g(c) = 0. Desafortunadamente no existe una formula comoda para obtener los coe-
cientes de f(x)/g(x). Sin embargo, se puede utilizar el producto de Cauchy para
dividir series de potencias indirectamente. Tambien puede obtenerse efectuando for-
malmente la division polinomial.
o
de Fsica)
2.5. Representaci

Ejemplo.
1. Hallar una serie de potencias centrada en cero para f(x) =
3x 1
x
2
1
.
Descomponiendo en fraccione simples, f(x) se expresa como
3x 1
x
2
1
=
2
x + 1
+
1
x 1
Usando ahora dos series de potencias geometricas escribimos:
2
x + 1
=
2
1 (x)
=
n=0
2(1)
n
x
n
, para |x| < 1
y
1
x 1
=
1
1 x
=
n=0
x
n
, para |x| < 1
Finalmente, sumando estas dos series de potencias llegamos a
3x 1
x
2
1
=
n=0
2(1)
n
x
n
n=0
x
n
=
n=0
[2(1)
n
1]x
n
siendo el intervalo de convergencia (1, 1).
2. Desarrollar en serie de potencias, centrada en 1, la funcion f(x) = ln x.
Podemos escribir
1
x
=
1
1 ((x 1))
=
n=0
(1)
n
(x 1)
n
la cual converge para |x 1| < 1, es decir en el intervalo (0, 2).
Integrando esta expresion se obtiene:
ln x =
_
x
1
1
t
dt =
n=0
_
x
1
(1)
n
(t 1)
n
dt =
n=0
(1)
n
(x 1)
n+1
n + 1
la cual es convergente en el intervalo (0, 2).
o
de Fsica)
2.5. Representaci

3. Representar en serie de potencias, centrada en cero f(x) = arc tg x.
Como f
(x) =
1
1 + x
2
, utilizamos la serie
f(x) =
1
1 + x
=
n=0
(1)
n
x
n
convergente en (1, 1). Sustituyendo ahora x
2
en el lugar de x obtenemos
f(x
2
) =
1
1 + x
2
=
n=0
(1)
n
x
2n
Finalmente, integrando se tiene
arc tg x =
_
x
0
1
1 + t
2
dt =
n=0
_
x
0
(1)
n
t
2n
dt =
n=0
(1)
n
x
2n+1
2n + 1
convergente en (1, 1).
Hasta aqu hemos obtenido series de potencias para varias funciones utilizando
series geometricas junto con derivacion o integracion termino a termino, o bien uti-
lizando las operaciones basicas. Sin embargo, existe un procedimiento general para
hallar series de potencias para funciones particulares, en concreto para funciones con
derivadas de todo orden. Comenzamos con un teorema que nos dice la forma de toda
serie de potencias convergente.
Teorema 2.14 Si f es analtica en un punto c R, es decir, si f viene representada
por una serie de potencias
f(x) = a
0
+ a
1
(x c) + a
2
(x c)
2
+ a
3
(x c)
3
+
para todo x en un intervalo abierto I que contiene a c, entonces a
n
=
f
n)
(c)
n!
y
f(x) = f(c) + f
(c)(x c) +
f
(c)
2!
(x c)
2
+ +
f
n)
(c)
n!
(x c)
n
+
Demostracion: Si
n=0
a
n
(xc)
n
tiene radio de convergencia R, el teorema referente
a la derivacion de series arma que la nesima derivada de f existe para |x c| < R
o
de Fsica)
2.5. Representaci

y por derivadas sucesivas obtenemos
f
0)
(x) = a
0
+ a
1
(x c) + a
2
(x c)
2
+ a
3
(x c)
3
+ a
4
(x c)
4
+
f
1)
(x) = a
1
+ 2a
2
(x c) + 3a
3
(x c)
2
+ 4a
4
(x c)
3
+
f
2)
(x) = 2a
2
+ 3!a
3
(x c) + 4 3a
4
(x c)
2
+
f
3)
(x) = 3!a
3
+ 4!a
4
(x c) +
.
.
.
.
.
.
f
n)
(x) = n!a
n
+ (n + 1)!a
n+1
(x c) +
Evaluando cada una de estas derivadas en x = c resulta
f
0)
(c) = 0!a
0
, f
1)
(c) = 1!a
1
, f
2)
(c) = 2!a
2
, f
3)
(c) = 3!a
3
. . .
y en general f
n)
(c) = n!a
n
. Despejando a
n
encontramos que los coecientes de la
representacion en serie de potencias de f(x) es a
n
=
f
n)
(c)
n!
.
Observemos que los coecientes de la serie de potencias en este teorema son pre-
cisamente los de los polinomios de Taylor de f(x) en c. Por esta razon, la serie se
llama serie de Taylor de f(x) en c. Si c = 0, tal serie se conoce como serie de
MacLaurin de f.
Este teorema nos dice que si una serie de potencias converge a f(x), la serie tiene
que ser una serie de Taylor. Ahora bien si obtenemos una serie de Taylor a partir de
una funcion f(x), la serie no tiene por que converger a la funcion f(x). Este teorema
nos da una condicion necesaria, pero no suciente. Para comprobarlo, veamos los
siguiente ejemplos:
Ejemplo.
1.Vamos a utilizar la funcion f(x) = sen x para formar la serie de potencias
n=0
f
n)
(0)
n!
x
n
y calcular su intervalo de convergencia.
Por derivacion sucesiva de f(x) se llega a:
f(x) = sen x f(0) = 0
f
(x) = cos x f
(0) = 1
o
de Fsica)
2.5. Representaci

f
(x) = sen x f
(0) = 0
f
3)
(x) = cos x f
3)
(0) = 1
f
4)
(x) = sen x f
4)
(0) = 0
.
.
.
.
.
.
.
.
.
.
.
.
Luego la serie de potencias es
n=0
f
n)
(0)
n!
x
n
=
n=0
(1)
n
x
2n+1
(2n + 1)!
Por otra parte el criterio del cociente asegura su convergencia para todo x. Note-
mos que no hemos concluido que la serie de potencias converja a sen x en todo x.
Solo sabemos que converge, pero no a que funcion. La serie de Taylor anterior podra
converger a una funcion distinta de f, notemos que las derivadas estan calculadas en
un solo punto. Podra facilmente ocurrir que otra funcion tuviese los mismos valores
de f
n)
(x) en x = 0 que f. Por ejemplo, si tomamos la serie de potencias centrada en
cero para la funcion
g(x) =
_
_
1 si x <
2
sen x si |x|

2
1 si x >

2
obtendremos la misma que anteriormente. Sabemos que la serie converge para todo
x, pero es obvio que no puede converger a f(x) y g(x) simultaneamente en todo x.
2. Consideremos la funcion
f(x) =
_
e
1/x
2
si x = 0
0 si x = 0
Esta funcion es indenidamente derivable en toda la recta real y ademas f
n)
(0) = 0
para n = 0, 1, 2, . . . ; si fuera representable como suma de una serie de potencias
centrada en cero, esta serie tendra todos sus coecientes nulos y por consiguiente
tendramos f(x) = 0 para todo x en un cierto entorno del cero. Pero en cualquier
entorno del cero hay puntos proximos a el, para los cuales debera vericarse que
e
1/x
2
= 0, lo cual es imposible.
Para saber si una serie de potencias construida con coecientes de Taylor con-
verge realmente a f(x), es util considerar a la funcion f(x) como suma del nesimo
polinomio de Taylor de f(x) y de un termino residual, es decir,
o
de Fsica)
2.5. Representaci

f(x) =
n
k=0
f
k)
(c)
k!
(x c)
k
+
f
n+1)
(z)
(n + 1)!
(x c)
n+1
Pero recordemos que el teorema de Taylor nos dice que el resto del polinomio de
Taylor viene dado por
R
n
(x) =
f
n+1)
(z)
(n + 1)!
(x c)
n+1
donde z esta entre x y c. Lo que queremos es ahora encontrar aquellos valores de
x para los cuales el polinomio de Taylor P
n
(x) converge realmente a f(x) cuando
n . En otras palabras, deseamos hallar los valores de x para los cuales
f(x) = lm
n
P
n
(x) = lm
n
n
k=0
f
k)
(c)
k!
(x c)
k
=
k=0
f
k)
(c)
k!
(x c)
k
El siguiente teorema establece las condiciones que garantizan esa convergencia.
Teorema 2.15 (Convergencia de series de Taylor) Si una funcion f tiene de-
rivadas de todo orden en un intervalo I centrado en c, entonces la igualdad
f(x) =
n=0
f
n)
(c)
n!
(x c)
n
se cumple si y solo si
lm
n
R
n
(x) = 0
en todo x de I.
Demostracion: Para una serie de Taylor su suma parcial (n + 1)esima coincide
con el nesimo polinomio de Taylor, es decir, S
n+1
(x) = P
n
(x). Ademas, como por el
teorema de Taylor
P
n
(x) = f(x) R
n
(x)
se sigue que
lm
n
S
n+1
(x) = lm
n
P
n
(x) = lm
n
[f(x) R
n
(x)] = f(x) lm
n
R
n
(x)
Por tanto, para un x dado, la serie de Taylor (la sucesion de sumas parciales) converge
a f(x) si y solo si R
n
(x) 0 cuando n .
Nota: En otros terminos, el teorema arma que una serie de potencias formada con
los coecientes de Taylor converge a la funcion de la que proviene en justamente
aquellos puntos en los que el resto tiende a cero cuando n .
o
de Fsica)
2.6. Series trigonom
etricas. Series de Fourier 26

A veces, el calculo directo de los coecientes de Taylor o MacLaurin por derivacio-
nes sucesivas puede resultar difcil. El metodo mas practico para hallar una serie de
Taylor o MacLaurin consiste en desarrollar series de potencias para una lista basica
de funciones elementales. De esta lista se podran deducir series de potencias para
otras funciones mediante suma, resta, producto, division, derivacion, integracion o
composicion con series de potencias conocidas.
2.6. Series trigonometricas. Series de Fourier
Ya hemos visto un tipo especial de serie de funciones: las series de potencias, que nos
permiten saber cuando una funcion admite un desarrollo como suma de una serie de
funciones polinomicas. A continuacion vamos a denir simplemente, otro tipo especial
de series como son las series trigonometricas
Denicion 2.10 Una serie de funciones de la forma
a
0
2
+ a
1
cos x + b
1
sen x + a
2
cos 2x + b
2
sen 2x + ,
o, de forma mas compacta, la serie de la forma
a
0
2
+
n=1
(a
n
cos nx + b
n
sen nx) (2.3)
se llama serie trigonometrica. Los n umeros constantes a
0
, a
n
y b
n
(n = 1, 2, . . . ) se
llaman coecientes de la serie trigonometrica.
Si la serie converge, su suma es una funcion periodica f(x) de periodo 2, puesto
que sen nx y cos nx son funciones periodicas de periodo 2. De este modo,
f(x) = f(x + 2)
Un caso particular de las series trigonometricas son las series de Fourier, en donde
los coecientes son de una forma determinada. Sin embargo, no vamos a ir mas alla en
el estudio de este tipo de series, ya que en el curso que viene en la asignatura de
Ampliacion de Analisis Matematico, hay un tema dedicado exclusivamente a las series
de Fourier.
Una importante ventaja de las series de Fourier es que son capaces de representar
funciones muy generales, con muchas discontinuidades, mientras que las series de
potencias solo pueden representar funciones continuas con derivadas de cualquier
orden.
o
de Fsica)
Analisis Matematico
Tema 3. Funciones reales y vectoriales.
Lmites y continuidad
(SiGNum)
Curso 2004 2005
Contenido
3. Funciones reales y vectoriales. Lmites y continuidad 1
3.1. Elementos de topologa de R
n
. . . . . . . . . . . . . . . . . . . . . . 1
3.1.1. Clasicacion de los puntos de un conjunto . . . . . . . . . . . 5
3.1.2. Conjuntos acotados, compactos y conexos . . . . . . . . . . . 7
3.2. Funciones de R
n
en R
k
. Campos escalares y vectoriales. . . . . . . . . 8
3.2.1. Interpretacion geometrica de algunas funciones . . . . . . . . . 10
3.2.1.1. Funciones escalares . . . . . . . . . . . . . . . . . . . 10
3.2.1.2. Funciones vectoriales . . . . . . . . . . . . . . . . . . 13
3.3. Lmite de una funcion en un punto. . . . . . . . . . . . . . . . . . . . 14
3.4. Funciones continuas: Propiedades . . . . . . . . . . . . . . . . . . . . 20
0
Tema 3
Funciones reales y vectoriales.
Lmites y continuidad
3.1. Elementos de topologa de R
n
Tanto las funciones de varias variables reales como las funciones vectoriales aparecen
en las ciencias biologicas, fsicoqumicas, matematicas y de la ingeniera. Por ejemplo,
la electricidad y los campos magneticos en la teora electromagnetica, o los campos
de velocidad en la mecanica de uidos dependen del sitio en el espacio en que se esten
midiendo y del tiempo en que se efect ua la medicion.
As, resulta util formalizar el analisis de funciones de varias variables y de la fun-
ciones vectoriales. Habra ocasiones en que interese distinguir determinados tipos de
funciones, dentro del esquema general, debido a que es facil analizar algunas propie-
dades geometricas asociadas con alg un tipo particular.
Denicion 3.1 Se llama producto cartesiano de n conjuntos A
1
, A
2
, . . ., A
n
y se
representa por A
1
A
2
A
n
, al conjunto cuyos elementos son todas las n-uplas
ordenadas (a
1
, a
2
, . . . , a
n
), tales que a
1
A
1
, a
2
A
2
, . . . , a
n
A
n
.
Denicion 3.2 R
n
es el producto cartesiano R R
n)
R, es decir,
R
n
= {x = (x
1
, x
2
, . . . , x
n
) / x
i
R, i = 1, . . . n}.
Los casos mas importantes son n = 1, 2, 3, pero los espacios de dimension mayor
son utiles. Por ejemplo, la posicion de N partculas en el espacio viene dado por 3N
coordenadas, es decir, por un vector de R
3N
En el conjunto R
n
, se denen las siguientes operaciones:
1. Suma: + : R
n
R
n
R
n
1
3.1. Elementos de topolog
a de R
n
2
(x, y) x+y = (x
1
, x
2
, . . . , x
n
)+(y
1
, y
2
, . . . , y
n
) = (x
1
+y
1
, x
2
+y
2
, . . . , x
n
+y
n
)
2. Producto por n umeros reales: : R R
n
R
n
(, x) x = (x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
)
Nota: La terna (R
n
, +, ) tiene estructura de espacio vectorial. Denotaremos por
brevedad a (R
n
, +, ) como R
n
. Para el caso de R
3
es frecuente denotar los vectores
unitarios de la base canonica como
i = (1, 0, 0),

j = (0, 1, 0) y

k = (0, 0, 1).
Denicion 3.3 Se dene el valor absoluto, longitud o norma de x como una aplica-
cion
: R
n
R
+
{0}
x x = (x
1
, x
2
, . . . x
n
) =
_
x
2
1
+ x
2
2
+ + x
2
n
=
_
n
i=1
x
2
i
Nota: Si n = 1, se reduce al valor absoluto conocido de los n umeros reales.
La aplicacion norma tiene las siguientes propiedades:
1. Para todo x R
n
, x 0 y x = 0 x =
0.
2. Para todo x, y R
n
, x + y x +y (desigualdad triangular).
3. Para todo x R
n
y para todo R, x = || x.
Denicion 3.4 Se llama distancia eucldea en R
n
a la aplicacion
d : R
n
R
n
R
+
{0}
(x, y) d(x, y) = x y =
_
n
i=1
(x
i
y
i
)
2
En general se dene la distancia de la siguiente manera:
Denicion 3.5 Se llama distancia en cualquier conjunto E a toda aplicacion
d : E E [0, +)
que verique:
1. Para todo x, y E, d(x, y) 0 y d(x, y) = 0 x = y.
2. Para todo x, y E, d(x, y) = d(y, x). (Propiedad simetrica).
3. Para todo x, y, z E, d(x, y) d(x, z) + d(y, z). (Desigualdad triangular).
o
de Fsica)
a de R
n
3
Ejemplo.
En el caso n = 1, es decir, R, se tiene d(x, y) = |x y|.
En el caso n = 2, es decir, R
2
, se tiene d(x, y) =
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
,
distancia eucldea.
Tambien en el caso n = 2, se tienen las siguientes distancias,
d(x, y) = |x
1
y
1
| +|x
2
y
2
|
d(x, y) = max {|x
1
y
1
| , |x
2
y
2
|}
En el caso n = 3, R
3
, la distancia eucldea sera:
d(x, y) =
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
+ (x
3
y
3
)
2
Como vemos en un mismo espacio vectorial se pueden denir distintas distancias,

sin embargo todas ellas son equivalentes, en el sentido que podremos trabajar con
una o con otra seg un nos convenga.
Centrandonos en el espacio eucldeo R
n
con la distancia eucldea, se tienen las
siguientes deniciones:
Denicion 3.6 Se llama bola abierta de centro a R
n
y radio r > 0 al conjunto
B(a, r) = {x R
n
: d(x, a) = |x a| < r}
Denicion 3.7 Se llama bola cerrada de centro a R
n
B(a, r) = {x R
n
: d(x, a) = |x a| r}
Denicion 3.8 Se denomina esfera de centro a R
n
S(a, r) = {x R
n
: d(x, a) = |x a| = r}
Ejemplo.
1. Si n = 1 y d(x, y) = |x y|,
B(a, r) = (a r, a + r), B(a, r) = [a r, a + r], S(a, r) = {a r, a + r}
o
de Fsica)
a de R
n
4
Figura 3.1: Bola abierta, cerrada y esfera si n = 1
2. Si n = 2 y d(x, y) =
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
,
B(a, r) =
_
x R
2
:
_
(x
1
a
1
)
2
+ (x
2
a
2
)
2
< r
_
B(a, r) =
_
x R
2
:
_
(x
1
a
1
)
2
+ (x
2
a
2
)
2
r
_
S(a, r) =
_
x R
2
:
_
(x
1
a
1
)
2
+ (x
2
a
2
)
2
= r
_
Figura 3.2: Bola abierta, cerrada y esfera si n = 2 con la distancia eucldea
3. Si n = 3 y d(x, y) =
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
+ (x
3
y
3
)
2
, (ver 3.3)
B(a, r) =
_
x R
3
:
_
(x
1
a
1
)
2
+ (x
2
a
2
)
2
+ (x
3
a
3
)
2
< r
_
B(a, r) =
_
x R
3
:
_
(x
1
a
1
)
2
+ (x
2
a
2
)
2
+ (x
3
a
3
)
2
r
_
S(a, r) =
_
x R
3
:
_
(x
1
a
1
)
2
+ (x
2
a
2
)
2
+ (x
3
a
3
)
2
= r
_
Denicion 3.9 Se dice que un conjunto A R

n
es un entorno del punto a R
n
cuando existe una bola abierta de centro a contenida en A, es decir,
r > 0 tal que B(a, r) A
o
de Fsica)
a de R
n
5
Figura 3.3: Bola abierta, cerrada y esfera si n = 3 con la distancia eucldea
Todas las bolas abiertas o cerradas de centro a son entornos de dicho punto. As pues,
siempre existen entornos de cualquier punto.
Denicion 3.10 Si A es un entorno de a R
n
, el conjunto A {a} se denomina
entorno reducido de a.
Ejemplo. En R
2
un entorno reducido del punto (0, 0) sera por ejemplo el conjunto
_
(x, y) R
2
tal que 0 <
_
x
2
+ y
2
< 1
_
3.1.1. Clasicacion de los puntos de un conjunto

Seguimos considerando el conjunto R
n
con la distancia eucldea.
Denicion 3.11 Sea un subconjunto A R
n
. Se dice que A es un conjunto abierto
de R
n
si para todo punto de A, existe una bola abierta de centro el punto y contenida
en A. Se dice que A es un cerrado, si su complementario en R
n
, A
c
= R
n
A es un
abierto.
Ejemplo.
1. Las bolas abiertas son conjuntos abiertos pero no todo conjunto abierto es una
bola abierta.
2. Las bolas cerradas son conjuntos cerrados pero hay conjuntos cerrados que no
son bolas cerradas.

o
de Fsica)
a de R
n
6
Denicion 3.12 Sea A R
n
y a A. Se dice que a es un punto interior de A, si
existe una bola abierta de centro a contenida en A. El conjunto de los puntos interiores
de A se le denomina interior de A y se representa por
A
. As pues,
a
A
r > 0 tal que B(a, r) A
Nota: El interior de un conjunto A es un conjunto abierto.
n
. Se dice que un punto a R
n
es un punto exterior de
A, si existe r > 0 tal que B(a, r) A = . Se llama exterior de un conjunto A al
conjunto de todos los puntos exteriores a A, denotandose Ext A.
n
. Se dice que a R
n
es un punto frontera de A si no
es interior ni exterior de A, es decir, si toda bola centrada en a contiene puntos que
pertenecen a A y puntos que no pertenecen a A. Se llama frontera de un conjunto A
al conjunto de todos sus puntos frontera, denotandose por Fr A.
n
. Se dice que a R
n
es un punto adherente a A si se
verica que toda bola abierta de centro a tiene interseccion no vaca con A, esto es
r > 0, B(a, r) A =
Al conjunto de todos los puntos adherentes de A se le denomina adherencia de A y
se representa por A (clausura o cierre).
Nota: Si a es un punto adherente a A, este no tiene por que pertenecer al conjunto
A.
n
. Se dice que a R
n
es un punto de acumulacion (o
punto lmite) de A, si toda bola abierta, B(a, r), contiene alg un punto de A distinto
de a, es decir
r > 0,
b = a tal que

b B(a, r) A
El conjunto de todos los puntos de acumulacion de A se le denomina conjunto derivado
de A y se representa por A
.
Nota: Si a es un punto de acumulacion de A, este no tiene por que pertenecer al
conjunto A. Un punto a R
n
es de acumulacion de A si hay puntos de A, distintos
del propio a, tan proximos como se quiera a dicho punto.
Denicion 3.17 Un punto a R
n
es un punto aislado de A si existe r > 0 tal que
B(a, r) A = {a}.
o
de Fsica)
a de R
n
7
Notas:
1. Todo punto adherente a A, o es de acumulacion o es aislado. As, para obtener
A
basta quitarle a A los puntos aislados de A.

2. Siempre se cumple que
A
A A y Ext A A = . En cambio los conjuntos
Fr A y A
no tienen en general ninguna relacion de inclusion con A ni con su

complementario.
Ejemplo. Si A = [2, 4) {5},
A
= (2, 4) Fr A = {2, 4, 5}
A = [2, 4] {5} A
= [2, 4]
3.1.2. Conjuntos acotados, compactos y conexos

n
. Se dice que A es acotado si existe un n umero real
M > 0, tal que para todo x A, x < M.
n
. Se dice que A es compacto si es cerrado y acotado.
Denicion 3.20 Un conjunto A R
n
(n = 2 o 3) se dice que es conexo o conexo
por arcos, si para cada par de puntos x
1
y x
2
de A existe una funcion continua
f : [0, 1] A tal que

f(0) = x
1
y

f(1) = x
2
.
Un conjunto abierto y conexo se llama un dominio. La union de un dominio y su
frontera se llama recinto.
Un dominio D R
n
(n = 2, 3), es por tanto, el conjunto de los puntos que poseen
las siguientes propiedades:
1. Para cada punto de D existe una bola abierta que tiene por centro este punto
y que esta contenido en D.
2. Cada dos puntos de D se pueden unir mediante una funcion continua, contenida
en D.
Denicion 3.21 Un conjunto A R
n
(n = 2 o 3), se dice que es convexo, si el
segmento que une dos puntos cualesquiera del conjunto, esta completamente contenido
en dicho conjunto.
o
de Fsica)
3.2. Funciones de R
n
en R
k
. Campos escalares y vectoriales. 8
3.2. Funciones de R
n
en R
k
. Campos escalares y
vectoriales.
Denicion 3.22 Se llama funcion de R
n
en R
k
a una aplicacion
f : D R
n
R
k
x = (x
1
, x
2
, . . . , x
n
)

f(x) = y = (y
1
, y
2
, . . . , y
k
)
Si k = 1 se denomina funcion escalar y vectorial si k > 1.
Casos particulares:
Si n = k = 1: f : D R R, es una funcion real de una sola variable real.
Si n > 1 y k = 1, la funcion f : D R
n
R, es una funcion de varias variables
reales. Se denomina tambien campo escalar.
Si n = 1 y k > 1, la funcion

f : D R R
k
, es una funcion vectorial de
variable escalar.
Si n > 1 y k > 1, la funcion

f : D R
n
R
k
, es una funcion vectorial de
variable vectorial.
Si n = k > 1, la funcion

f : D R
n
R
n
, que es una funcion vectorial de
variable vectorial, se llama campo vectorial.
Determinar una funcion vectorial
f : D R
n
R
k
x = (x
1
, x
2
, . . . , x
n
)

f(x) = y = (y
1
, y
2
, . . . , y
k
)
equivale a determinar sus k componentes, que son funciones escalares
f
j
: D R
n
R
x = (x
1
, x
2
, . . . , x
n
) f
j
(x) = y
j
, j = 1, 2, . . . , k
Esto viene del hecho de que el vector (y
1
, y
2
, . . . , y
k
) viene determinado por sus k
componentes. As, en los casos particulares, n = k = 2, 3, y cuando las coordenadas
utilizadas son las cartesianas, se emplean a veces las siguientes notaciones:
f(x, y) = f
1
(x, y)
i + f
2
(x, y)
f(x, y, z) = f
1
(x, y, z)
i + f
2
(x, y, z)
j + f
3
(x, y, z)
k
o
de Fsica)
3.2. Funciones de R
n
en R
k
Ejemplo. La funcion

f : R
3
R
2
con
f(x, y, z) = (x
2
y
2
+ z, x z
3
)
tiene como funciones componentes:
f
1
(x, y, z) = x
2
y
2
+ z f
2
(x, y, z) = x z
3
Las funciones escalares y vectoriales aparecen con frecuencia en las aplicaciones

de la Matematica. Por ejemplo, si a cada punto de la atmosfera, (x, y, z) R
3
, se le
asocia su temperatura, (x, y, z) T(x, y, z), queda denida una funcion escalar. Si a
cada punto se le asocia la velocidad del viento en el, la funcion (x, y, z) v(x, y, z)
es un campo vectorial.
Denicion 3.23 Se llama dominio de

f a Dom

f =
_
x R
n
/

f(x) R
k
_
. Se
llama recorrido o imagen de

f a
Im(
f) =
_
y R
k
: x D R
n
,

f(x) = y
_
=

f(Dom

f) =

f(D)
Ejemplo.
1. Si f(x, y) =

x + y entonces Dom f = {(x, y) R
2
/ x + y 0}.
2. Si g(x, y) = (g
1
(x, y), g
2
(x, y), g
3
(x, y)) = (x, log y, arcsen x) entonces
Dom g = Dom g
1
Dom g
2
Dom g
3
= R
2
_
(x, y) R
2
/ y > 0
_
_
(x, y) R
2
/ |x| 1
_
= [1, 1] ]0, +[
Denicion 3.24 Sean

f : R
n
R
k
; g : R
k
R
p
. Si Im

f Dom g, se dene la
funcion compuesta g

f : R
n
R
p
de la forma: (g

f)(x) = g(
f(x)).
Ejemplo. Si

f : R
2
R
3
esta denida por

f(x, y) = (x + y, x y, x
2
) y g : R
3
R
por g(x, y, z) = x
2
+ y
2
+ z
2
entonces
(g

f)(x, y) = (x + y)
2
+ (x y)
2
+ x
4
= 2x
2
+ 2y
2
+ x
4

o
de Fsica)
3.2. Funciones de R
n
en R
k
Denicion 3.25 Sea

f : A R
n
R
k
. Si

f es inyectiva se puede denir la funcion
inversa

f
1
,

f
1
: Im

f R
k
R
n
de modo que

f
1

f sea la identidad en A.
Denicion 3.26 Sea f : A R
n
R. f esta acotada en A si existe M R tal que
|f(x)| M para todo x A. Equivale a decir que Imf es un subconjunto acotado de
R.
3.2.1. Interpretacion geometrica de algunas funciones
3.2.1.1. Funciones escalares
Para representar funciones escalares f : R
n
R, necesitamos n + 1 dimensiones.
Por ello analizaremos principalmente funciones f : R
2
R, las cuales admiten una
interpretacion geometrica sencilla. As, de la misma forma que con las funciones de una
variable real, puede resultarnos esclarecedor, en lo concerniente al comportamiento
de una funcion de dos variables, el dibujo de su graca. La graca de una funcion
de dos variables reales f es el conjunto de puntos (x, y, z) para los que z = f(x, y)
y (x, y) esta en el dominio de f. Esta graca puede interpretarse geometricamente
como una supercie en el espacio.
Figura 3.4: z = f(x, y) supercie en el espacio
Notemos que la graca de z = f(x, y) es una supercie cuya proyeccion sobre el plano
xy es D, el dominio de f. En consecuencia, a cada punto (x, y) en D le corresponde
un punto (x, y, z) en la supercie y, a la inversa, a cada punto (x, y, z) en la supercie
le corresponde un punto (x, y) en D.
Una segunda manera de visualizar una funcion de dos variables es como un campo
escalar, que asigna al punto (x, y) el escalar z = f(x, y). Un campo escalar se puede
caracterizar por sus curvas de nivel (o lneas de contorno) a lo largo de las
o
de Fsica)
3.2. Funciones de R
n
en R
k
cuales el valor de f(x, y) es constante, es decir, las curvas de nivel, son las curvas del
dominio en las que f tiene un valor constante f(x, y) = c. Obteniendo estas curvas
para distintos valores de c, puede tenerse la imagen intuitiva de la supercie que
representa la funcion. Notemos que las curvas de nivel pertenecen al espacio dominio.
c
= {(x, y) Dom f / f(x, y) = c}
Ejemplo. Representar gracamente z = f(x, y) = 100 x
2
y
2
, y dib ujense las
curvas de nivel f(x, y) = 0, 51 y 75.
La graca de f es un paraboloide. Su dominio es todo el plano XY , y su imagen,
el conjunto de todos los n umeros reales z 100. (La gura no muestra la graca para
los valores negativos de z). La curva de nivel f(x, y) = 0 es el conjunto de los puntos
del plano XY en los que
f(x, y) = 100 x
2
y
2
= 0 o sea x
2
+ y
2
= 100,
el crculo de radio 10 centrado en el origen. Analogamente, las curvas de nivel f(x, y) =
51 y f(x, y) = 75, son los crculos
f(x, y) = 100 x
2
y
2
= 51 o sea x
2
+ y
2
= 49,
f(x, y) = 100 x
2
y
2
= 75 o sea x
2
+ y
2
= 25.
Figura 3.5: Paraboloide y curvas de nivel
Por ejemplo, un mapa meteorologico (ver gura 3.6), muestra las curvas de ni-
vel de igual presion, llamadas isobaras. En los mapas meteorologicos cuyas curvas
de nivel representan puntos de igual temperatura, las curvas de nivel se llaman iso-
termas. Otro uso frecuente de las curvas de nivel aparece en la representacion de
o
de Fsica)
3.2. Funciones de R
n
en R
k
Figura 3.6: Mapa meteorologico
campos de potencial electrico, donde las curvas de nivel reciben el nombre de curvas
equipotenciales.
Dibujando diferentes curvas de nivel, correspondientes a las alturas constantes
c
1
, c
2
, . . . , c
n
, podemos obtener un mapa de contorno de la supercie z = f(x, y). Un
mapa de contorno describe la variacion de z con respecto a x e y por el espaciado entre
sus curvas de nivel. Mucho espacio entre curvas de nivel signica que z esta cambiando
lentamente, mientras que curvas de nivel muy proximas entre s denotan una variaci on
muy rapida de z. Por otra parte, con el n de dar una buena sensacion tridimensional
en un mapa de contorno es importante escoger valores de c que esten igualmente
espaciados.
Los mapas de contorno se utilizan a menudo para representar regiones de la su-
percie terrestre, en cuyo caso las curvas de nivel representan la altura sobre el nivel
del mar. Este tipo de mapas se llaman topogracos.
El concepto de curva de nivel puede extenderse en una dimension mas para denir
las supercies de nivel.
Denicion 3.27 Si f es una funcion de tres variables y c es una constante, entonces
la graca de la ecuacion f(x, y, z) = c se conoce como supercie de nivel de la
funcion f.
S
c
= {(x, y, z) Dom f / f(x, y, z) = c}
En cada supercie de nivel dada, la funcion f toma un valor constante f(x, y, z) = c.
Por ejemplo, si la funcion representa la temperatura en (x, y, z) en una region del
espacio, entonces las supercies de nivel de igual temperatura son las supercies
isotermas.
o
de Fsica)
3.2. Funciones de R
n
en R
k
Figura 3.7: Supercies de nivel
3.2.1.2. Funciones vectoriales
Dada

f : R R
2
o

f : R R
3
su graca corresponde a una curva en el plano
o en el espacio respectivamente. Con frecuencia en este caso se denomina t a la
variable independiente y las funciones componentes de

f se denominan ecuaciones
parametricas de la curva. As suele hablarse de las curvas
f(t) = x(t)
i + y(t)
j,

f(t) = x(t)
i + y(t)
j + z(t)
k
Figura 3.8: Curva C descrita por el punto terminal del vector

f(t)
Las funciones vectoriales, nos ayudan tambien a representar una supercie en el
espacio. Para las curvas la funcion vectorial

f era funcion de un solo parametro t.
Para las supercies, la funcion vectorial sera una funcion de dos parametros u y v.
As, dada

f : R
2
R
3
su graca corresponde a una supercie en el espacio. De forma
analoga las funciones componentes de

f se denominan ecuaciones parametricas de la
supercie. As suele hablarse de la supercie
f(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k
o
de Fsica)
3.3. L
mite de una funci
on en un punto. 14
Un campo vectorial en R
n
es una funcion

f : D R
n
R
n
que asigna a cada
punto x en su dominio D un vector

f(x). Podemos ilustrar gracamente

f adhiriendo
una echa a cada punto x de su dominio.
Figura 3.9: Funcion vectorial

f : D R
2
R
2
3.3. Lmite de una funcion en un punto.
En las dos secciones siguientes del tema analizamos los lmites y la continuidad de las
funciones de varias variables. El estudio de los lmites lo iniciamos con funciones f :
R
2
R donde es posible visualizar los conceptos denidos. Pasamos posteriormente
a estudiar los lmites de funciones vectoriales, que realizamos a traves de sus funciones
componentes.
Para aclararnos un poco las ideas, vamos a centrarnos en la denicion de lmite
para una funcion escalar de varias variables reales, en concreto para una funcion
z = f(x, y).
En el caso de una funcion de dos variables, la idea intuitiva de lmite es la misma
que la dada para funciones de una variable real:
f(x, y) para (x, y) (a, b)
cuando la diferencia |f(x, y) | se hace arbitrariamente peque na con tal de tomar
(x, y) sucientemente proximo a (a, b) y distinto de este. Que (x, y) este proximo a
(a, b) signica que la distancia
_
(x a)
2
+ (y b)
2
es peque na en cierto sentido. Como
|x a| =
_
(x a)
2
_
(x a)
2
+ (y b)
2
|y b| =
_
(y b)
2
_
(x a)
2
+ (y b)
2
o
de Fsica)
3.3. L
mite de una funci
on en un punto. 15
la desigualdad
_
(x a)
2
+ (y b)
2
< implica que
|x a| < y |y b| < .
luego max {|x a|, |y b|} < .
Recprocamente, si para alg un > 0, tanto |x a| < como |y b| < , entonces
_
(x a)
2
+ (y b)
2
<
_
2
+
2
=
2
que es peque no si lo es . Por lo tanto al calcular lmites, podemos pensar en terminos
de distancias eucldeas en el plano o en terminos de diferencias entre coordenadas (que
denen otra distancia).
As tendremos para una funcion de dos variables reales, la siguiente denicion de
lmite:
Denicion 3.28 Sea f : A R
2
R y a = (a, b) A
. Diremos que f(x, y)

tiende al lmite en el punto (a, b) si:
> 0, > 0 tal que si 0 <
_
(x a)
2
+ (y b)
2
< o bien
|x a| < , |y b| < con (x, y) = (a, b) entonces |f(x, y) | < .
Se expresa simbolicamente como:
lim
(x,y)(a,b)
f(x, y) lim
xa
f(x) = .
Nota: Observemos que f(x, y) no necesita estar denida en el mismo punto (a, b)
aunque s en los puntos de un entorno de (a, b).
Observacion: La denicion con notacion vectorial queda: lim
xa
f(x) = , si para todo
> 0 existe > 0 tal que si x A con 0 < d(x, a) < , entonces d(f(x), l) < .
El lmite as denido se llama doble o simultaneo, porque el punto (x, y) se acerca
a (a, b) seg un entornos superciales.
La comprobacion directa de la denicion de lmite es complicada, por lo que
normalmente utilizaremos condiciones necesarias que nos remitan al calculo de
lmites de una variable.
Recordemos que para funciones de una variable real, se vericaba que si existan
los lmites
lim
xa
+
f(x) y lim
xa
f(x)
o
de Fsica)
3.3. L
mite de una funci
on en un punto. 16
Figura 3.10: Interpretacion del lmite de una funcion de dos variables reales
y eran iguales a , entonces exista
lim
xa
f(x) = .
La situacion analoga para funciones de dos variables es mas complicada porque
en un plano coordenado hay una innidad de curvas diferentes o trayectorias a lo
largo de las cuales (x, y) puede acercarse al punto (a, b). De aqu que se obtengan
condiciones necesarias pero no sucientes para la existencia de lmite doble. As, se
verica que dada f : D R
2
R, (a, b) D
, si lim
(x,y)(a,b)
f(x, y) = , entonces
existen y valen los siguientes lmites:
1. Lmites reiterados o sucesivos:
lim
yb
_
lim
xa
f(x, y)
_
= lim
yb
1
(y) =
lim
xa
_
lim
yb
f(x, y)
_
= lim
xa
2
(x) =
en los cuales se hace tender a su lmite primero una variable y luego la otra en
la funcion resultante.
Los lmites reiterados presuponen la existencia de la funcion
1
(y) = lim
xa
f(x, y)
o
de Fsica)
3.3. L
mite de una funci
on en un punto. 17
en un cierto entorno reducido de b en la recta x = a, as como la existencia de
la funcion
2
(x) = lim
yb
f(x, y)
en un cierto entorno reducido de a en la recta y = b. A los lmites
lim
xa
f(x, y) lim
yb
f(x, y)
se les llama lmites unidimensionales.
Nota: Hay que hacer constar, que si alguno de los lmites unidimensionales no
existe, el lmite reiterado correspondiente no es que no exista, sino que no es
posible calcularlo, lo cual no implica necesariamente que no vaya a existir el
lmite doble.
2. Lmites a lo largo de una curva:
De todas las posibles trayectorias que pueden seguirse a la hora de acercarse
a un punto, existen algunas faciles de comprobar y que pueden dar idea del
comportamiento de la funcion en el lmite.

Estas son:
a) Sobre una recta y b = m(x a). As un punto de la recta tiene de
coordenadas (x, b +m(x a)) de tal manera que al sustituir en la funcion
z = f(x, y) aparece una sola variable x:
lim
xa
f(x, b + m(x a)) = .
b) Sobre una parabola y b = m(xa)
2
. De forma analoga al caso anterior,
se tendra:
lim
xa
f(x, b + m(x a)
2
) = .
c) Sobre circunferencias concentricas. En este caso, en lugar de escribir
la variable y en funcion de x, utilizamos dos nuevas variables:
x = a + r cos
y = b + r sen
_
[0, 2].
de tal manera que cuando r 0, como para todo , sen y cos estan
acotadas, se verica que:
a + r cos a
b + r sen b.
As, tendremos que
lim
r0
f(a + r cos , b + r sen ) = .
o
de Fsica)
3.3. L
mite de una funci
on en un punto. 18
La existencia de estos lmites no nos asegura la del lmite doble. Por lo tanto
utilizaremos este resultado como suelen utilizarse las condiciones necesarias, es decir:
Teorema 3.1 Si dos trayectorias que llevan a un punto (a, b) producen dos valores
diferentes para z = f(x, y), entonces no existe el lmite doble de la funcion f(x, y)
cuando (x, y) (a, b).
Nota: En una funcion de un n umero cualquiera n de variables independientes, se
dene el lmite m ultiple o simultaneo en forma analoga a la del lmite doble.
Nota: Los lmites de funciones de varias variables tienen las mismas propiedades
con respecto a la suma, diferencia, producto y cociente, que las disfrutadas por las
funciones de una sola variable real.
En la practica para hallar el lmite doble haremos lo siguiente:
1. Hallamos los lmites reiterados.
a) Si existen los dos pero no coinciden o son innito, entonces no existe el
lmite doble.
b) Si alguno de los lmites unidimensionales no existe, puede que exista el
lmite doble.
c) Si existen los lmites reiterados y son iguales, entonces puede existir el
lmite doble.
2. Hallamos los lmites direccionales (seg un rectas y parabolas).
a) Si alguno depende de la direccion, entonces no existe el lmite doble.
b) Si alguno no existe, entonces no existe el lmite doble.
c) Si no dependen de la direccion y ambos son iguales a los lmites reiterados,
puede que exista el lmite doble.
3. Hallamos el lmite seg un circunferencias concentricas.
a) Si depende del angulo, no existe el lmite doble.
b) Si no existe, entonces no existe el lmite doble.
c) Si no depende del angulo y su valor coincide con el de los lmites reiterados
y direccionales, entonces puede que exista el lmite doble.
4. Aplicamos la denicion de lmite doble.
o
de Fsica)
3.3. L
mite de una funci
on en un punto. 19
Veamos a continuacion la denicion de lmite para una funcion vectorial

f : D
R
n
R
k
,

f(x) = (f
1
(x), f
2
(x), . . . , f
k
(x)).
Denicion 3.29 Dada la funcion

f : D R
n
R
k
y un punto a de acumulacion
del dominio D, se dice que

b R
k
es el lmite de

f(x) cuando x tiende a a, si se
verica lo siguiente:
> 0, > 0 tal que 0 < d(x, a) < = d(
f(x),
b) <
En este caso se escribe:
lim
xa
f(x) =
b
Veamos a continuacion que el calculo de lmites de funciones vectoriales se reduce a
calcular los lmites de cada una de sus funciones componentes, las cuales son funciones
escalares de varias variables reales.
Teorema 3.2 Dada la funcion

f : D R
n
R
k
, que asigna a cada x = (x
1
, x
2,
. . . ,
x
n
) D el valor y =

f(x) = (f
1
(x), f
2
(x), . . . , f
k
(x)) y dado cualquier punto a D
,
se verica:
lim
xa
f(x) =
b = (b
1
, b
2
, . . . , b
k
) lim
xa
f
j
(x) = b
j
, j = 1, 2, . . . , k.
Demostracion: Veamos que se cumplen las implicaciones en ambos sentidos.
Suponiendo que lim
xa
f(x) =

b y jado cualquier > 0, existe > 0 vericando
que
d(
f(x),
b) =
_
k
j=1
(f
j
(x) b
j
)
2
<
siempre que 0 < d(x, a) < . Entonces, en cada componente j {1, 2, . . . , k} se
cumple que
d(f
j
(x), b
j
) = |f
j
(x) b
j
|
_
k
j=1
(f
j
(x) b
j
)
2
<
luego, jado > 0, existe > 0 tal que para 0 < d(x, a) < , se verica que
d(f
j
(x), b
j
) = |f
j
(x) b
j
| < , j = 1, 2, . . . , k
con lo que lim
xa
f
j
(x) = b
j
, j = 1, 2, . . . , k.
o
de Fsica)
3.4. Funciones continuas: Propiedades 20
1
Supongamos ahora que lim
xa
f
j
(x) = b
j
, j = 1, 2, . . . , k, y jemos cualquier
> 0. Entonces, para cada uno de los valores positivos
j
=

k
, existe
j
> 0
vericando que d(f
j
(x), b
j
) <
j
siempre que 0 < d(x, a) <
j
. Encontramos as, el
valor = mn {
1
,
2
, . . . ,
k
}, cumpliendose lo siguiente para cualquier x que verique
la desigualdad 0 < d(x, a) < :
d(
f(x),
b) =
_
k
j=1
(f
j
(x) b
j
)
2
j=1
|f
j
(x) b
j
|
=
k
j=1
d(f
j
(x), b
j
) <
k
j=1
j
=
k
j=1
k
=
k
k
=
luego, para cualquier > 0, existe > 0, tal que siempre que 0 < d(x, a) < , se
verica que d(
f(x),
b) < . As, lim

xa
f(x) =
b.
Este teorema nos da pie a que en lo sucesivo, consideremos exclusivamente el

calculo de lmite de funciones reales.
3.4. Funciones continuas: Propiedades

f : D R
n
R
k
, se dice que

f es continua en
el punto a D D
, si existe
lim
xa
f(x) =

f(a)
Teniendo en cuenta la denicion de lmite, tenemos que

f es continua en a DD
si:
> 0, > 0 tal que d(x, a) < = d(
f(x),

f(a)) <

f : D R
n
R
k
, se dice que

f es continua
en D si lo es en todos los puntos a D. Se dira que es discontinua cuando no es
continua, ya sea en un punto o en todo el dominio D.
De las propiedades de los lmites se deduce facilmente que la continuidad de una
funcion vectorial puede establecerse mediante la continuidad de todas sus componen-
tes. En cambio la continuidad de una funcion de varias variables reales no equivale a
la continuidad respecto a cada variable.
1
Se necesita demostrar que
a
2
+ b
2
|a|+|b|. Para ello se utiliza que
_
a
2
+ b
2
_
2
(|a| +|b|)
2
.
o
de Fsica)
Teorema 3.3 Dada la funcion

f : D R
n
R
k
, que asigna a cada x = (x
1
, x
2,
. . . ,
x
n
) D el valor y =

f(x) = (f
1
(x), f
2
(x), . . . , f
k
(x)); respecto a la continuidad de

f
en cualquier punto a D D
, se cumple:
1. Una condicion necesaria y suciente es la continuidad de f
j
en a, para todo
j = 1, 2, . . . , k.
2. Una condicion necesaria pero no suciente, es la continuidad en x
i
= a
i
de cada
una de las siguientes funciones de una variable real:
g(x
i
) =

f(a
1
, a
2
, . . . , a
i1
, x
i
, a
i+1
, . . . , a
n
), i = 1, 2, . . . , n
Veamos un contraejemplo que muestra la no suciencia de la segunda condicion,
tomando n = 2 y k = 1:
f(x, y) =
_
_
_
y
x
si x = 0
0 si x = 0
No es continua en el punto (0, 0) y sin embargo, g
1
(x) = f(x, 0) = 0 es continua para
todo x y g
2
(y) = f(0, y) = 0 es continua para todo y.
Ejemplo. La funcion

f(x, y) = (x
2
+ y, sen xy) es continua en el punto (a, b) = (2, 1).
Entonces:
g(x) =
_
x
2
+ 1, sen x
_
h(y) = (4 + y, sen 2y)

y notemos que g(x) es continua en el punto x = 2 y la funcion

h(y) es continua en
y = 1.
La primera condicion (la equivalencia de la continuidad de

f a la continuidad
de sus k componentes) reduce el estudio de la continuidad, en la practica, al caso
de funciones reales. Ademas, el algebra de lmites permite deducir la continuidad de
funciones obtenidas operando funciones elementales cuya continuidad es obvia. En
este sentido tambien se obtiene la continuidad mediante la composicion de funciones
continuas. De forma resumida tenemos las siguientes propiedades:
Propiedades:
1. La suma, diferencia, producto o cociente de funciones continuas de varias varia-
bles reales, es una funcion continua en todo punto que no anule el denominador.
o
de Fsica)
2. Sean

f : R
n
R
k
y g : R
k
R
p
con Im

f Dom g. Si

f es continua en a y g
es continua en

f(a) entonces g

f es continua en a.
Observacion:

f y g pueden ser funciones escalares o vectoriales, siempre que
tenga sentido la composicion de dichas funciones.
Ejemplo. La funcion h(x, y) = sen(x
2
+y
2
) es continua en el punto (0, 0) al ser
composicion de las funciones continuas f : R
2
R dada por f(x, y) = x
2
+ y
2
y g : R R dada por g(t) = sen t.
3. Si f : D R
n
R es continua en un dominio compacto D, el conjunto de
valores nitos que toma en todos sus puntos esta acotado superior e inferior-
mente y alcanza en D al menos una vez un valor maximo y un valor mnimo
(Teorema de Weierstrass).
o
de Fsica)
Analisis Matematico
Tema 4. Derivadas y diferenciales primeras
(SiGNum)
Curso 2004 2005
Contenido
4. Derivadas y diferenciales primeras 1
4.1. Derivabilidad de funciones de R en R
k
. . . . . . . . . . . . . . . . . 1
4.2. Derivadas parciales de una funcion de varias variables: Interpretacion
geometrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.3. Derivabilidad de funciones de R
n
(n > 1) en R
k
. . . . . . . . . . . . . 7
4.4. Derivada direccional . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.5. Funciones diferenciables . . . . . . . . . . . . . . . . . . . . . . . . . 11
0
Tema 4
Derivadas y diferenciales primeras
En la primera parte de este tema estudiaremos las funciones derivables de R
n
en
R
k
. Comenzaremos con la denicion de funciones derivables de R en R
k
, recordando
as, cuando una funcion de una sola variable y = f(x) es derivable (k = 1). Seguiremos
con las funciones de R
n
en R haciendo especial hincapie en las funciones de dos
variables por su interpretacion geometrica, para luego generalizar a las funciones de
R
n
en R
k
.
En una segunda parte analizaremos la diferenciabilidad de las funciones de varias
variables, y en este caso lo hacemos de lo general a lo particular. Se introducira de
forma general, el concepto de funcion diferenciable y de diferenciabilidad para funcio-
nes

f : R
n
R
k
, particularizando despues tanto a funciones escalares f : R
n
R
como a funciones de una variable

f : R R
k
; viendo que en este ultimo caso el
concepto de funcion diferenciable equivale al de funcion derivable.
k
Denicion 4.1 Dada la funcion (real o vectorial, k 1) de una variable

f : D
R R
k
, en cada punto x DD
donde exista el siguiente lmite, tenemos denida

la derivada de

f como:
(x) = lim
h0
f(x + h)

f(x)
h
= lim
x0

f
x
Se trata de la derivada por la izquierda

f
(x) (resp. derivada por la derecha

f
+
(x))
cuando este lmite se calcula por la izquierda (resp. por la derecha).
En el caso de funciones reales de una variable, en cada punto x = a la derivada
f
(a) es la pendiente de la recta tangente y = f(a) +f
(a)(x a) a la curva y = f(x)

en el punto (a, f(a)).
1
k
2
La derivabilidad de una funcion vectorial as como el calculo del valor que toma
la derivada se obtiene componente a componente (debido a que esta es la forma de
operar los vectores). En efecto:
Teorema 4.1 Dada cualquier funcion vectorial
f : D R R
k
: x

f(x) = (f
1
(x), f
2
(x), . . . , f
k
(x))
se cumple que

f es derivable en x = a si y solo si lo son cada una de sus k componentes
f
j
(x) (j = 1, 2, . . . , k), en cuyo caso se tiene
(a) = (f
1
(a), f
2
(a), . . . , f
k
(a))
Demostracion: Simplemente aplicando la denicion se tiene que
(a) = lim
h0
f(a + h)

f(a)
h
= lim
h0
1
h
(f
1
(a + h) f
1
(a), . . . , f
k
(a + h) f
k
(a))
= lim
h0
_
f
1
(a + h) f
1
(a)
h
, . . . ,
f
k
(a + h) f
k
(a)
h
_
= (f
1
(a), f
2
(a), . . . , f
k
(a))
Para el caso de funciones vectoriales de 2 o 3 componentes, la derivada tambien

tiene una interpretacion geometrica.
Consideremos la funcion vectorial r(t) = x(t)
i + y(t)
j, con t I R. Si x(t) e
y(t) son funciones continuas de t en el intervalo I, el conjunto de pares ordenados
(x(t), y(t)) se denomina curva plana C. Las ecuaciones x = x(t), y = y(t) se denomi-
nan ecuaciones parametricas de C, conociendose a t como parametro. Las funciones
vectoriales, como ya sabemos, se pueden utilizar para representar curvas planas. To-
mando como parametro t el tiempo, podemos usar una funcion vectorial para describir
el movimiento a lo largo de una curva. O mas general para trazar la graca de una
curva plana. En ambos casos el punto nal del vector de posicion r(t) coincide con
el punto (x, y) de la curva dada por las ecuaciones parametricas. La echa marca-
da sobre la curva indica su orientacion en el sentido de valores crecientes de t (ver
gura 4.1).
Por lo tanto si r(t) = x(t)
i +y(t)
j donde x(t) e y(t) son funciones derivables de t,

entonces
(t) = x
(t)
i + y
(t)
j
o
de Fsica)
k
3
Figura 4.1: Funcion vectorial r(t) = x(t)
i + y(t)
j
y si son dos veces derivables, entonces
(t) = x
(t)
i + y
(t)
j
Para representar el movimiento de una partcula en el plano, podemos por tanto
utilizar el vector de posicion r(t) = x(t)
i +y(t)
j, as como las dos primeras derivadas

de la funcion vectorial r para hallar la velocidad y aceleracion de la partcula.
Con el n de determinar el vector velocidad en un momento dado t, consideremos
un punto Q(x(t +t), y(t +t)) que se va acercando al punto P(x(t), y(t)) a lo largo
de la curva C, dada por r(t) = x(t)
i + y(t)
j.
Cuando t 0, la direccion del vector

PQ denotado por r se aproxima a la
direcci on del movimiento en el instante t, y escribimos
r = r(t + t) r(t)
con lo que
lim
t0
r
t
= lim
t0
r(t + t) r(t)
t
Denimos este lmite, si existe, como el vector tangente a la curva en el punto P.
Observemos que es el mismo lmite empleado para denir

r
(t). As pues, la direcci on

de

r
(t) nos da la direccion del movimiento en el instante t, y la longitud del vector
(t)
(t) = x
(t)
i + y
(y)
j =
_
x
(t)
2
+ y
(t)
2
da la rapidez de la partcula en el instante t. Analogamente, podemos utilizar

r
(t)
para representar la aceleracion.
o
de Fsica)
4.2. Derivadas parciales de una funci
on de varias variables:
Interpretaci
on geom
etrica 4
Figura 4.2: Interpretacion del lmite de una funcion r(t)
Todo lo dicho hasta ahora en el plano, es decir funciones vectoriales de R en R
2
, se
puede extender al espacio, para funciones de R en R
3
. De hecho, podemos representar
una curva en el espacio por medio de una funcion vectorial de la forma
r(t) = x(t)
i + y(t)
j + z(t)
k
donde x(t), y(t) y z(t) son funciones continuas de t en el intervalo I. As, si x(t), y(t)
y z(t) son funciones derivables de t, entonces la derivada de r viene dada por
(t) = x
(t)
i + y
(t)
j + z
(t)
k
Si r(t) = x(t)
i + y(t)
j + z(t)
k representa el movimiento de una partcula en el

espacio, donde x, y y z son funciones de t, derivables dos veces, se dene:
velocidad = v(t) =

r
(t) = x
(t)
i + y
(t)
j + z
(t)
k
aceleracion = a(t) =

r
(t) = x
(t)
i + y
(t)
j + z
(t)
k
rapidez = v(t) =
(t) =
_
x
(t)
2
+ y
(t)
2
+ z
(t)
2
4.2. Derivadas parciales de una funcion de varias
variables: Interpretacion geometrica
En las aplicaciones de las funciones de varias variables surge frecuentemente la
cuestion: Como se va a ver afectada la funcion por una variacion de una de sus
variables independientes? Podemos responder a esta cuestion considerando cada vez
una variable independiente. Por ejemplo, para determinar el efecto de un catalizador
en un experimento, un qumico llevara a cabo el experimento varias veces usando
o
de Fsica)
Interpretaci
on geom
etrica 5
cantidades diferentes de catalizador, pero manteniendo constantes otras variables,
tales como la temperatura y la presion. Seguimos un procedimiento parecido para
determinar la razon de cambio de una funcion f con respecto a una de sus variables
independientes. Esto es, hacemos la derivada de f cada vez con respecto a una varia-
ble independiente, manteniendo constantes las demas. Este proceso se conoce como
derivacion parcial, y su resultado se reere como la derivada parcial de f con
respecto a la variable independiente elegida.
Sea f(x, y) una funcion de las variables independientes x e y. Si hacemos, por
ejemplo, y constante, f resulta funcion de una sola variable x, cuya derivada, si
existe, sera igual a:
lim
x0
f(x + x, y) f(x, y)
x
Denicion 4.2 Llamaremos derivada parcial respecto de x de la funcion f(x, y), a
la derivada as obtenida, dejando jo el valor de la variable y:
f
x
(x, y) = D
x
f(x, y) =
f(x, y)
x
= lim
x 0
f(x + x, y) f(x, y)
x
Analogamente, la derivada parcial respecto de y sera:
f
y
(x, y) = D
y
f(x, y) =
f(x, y)
y
= lim
y 0
f(x, y + y) f(x, y)
y
dejando x ja.
Nota: Diremos que f(x, y) es derivable en el punto (x
0
, y
0
) si existen y son nitas
sus derivadas parciales, f
x
y f
y
, en el punto (x
0
, y
0
).
De las deniciones anteriores se deduce que las reglas para calcular las derivadas
parciales son las mismas que se utilizan para calcular las derivadas de las funciones
de una variable; siendo preciso solamente tener en cuenta respecto de que variable se
deriva.
Ejemplo. Si f(x, y) = x
2
sen y, se tiene que
f
x
= 2x sen y
f
y
= x
2
cos y
Las derivadas parciales de una funcion de dos variables, z = f(x, y) tienen una
interpretacion geometrica util. Si y = y
0
, entonces z = f(x, y
0
) representa la curva
formada por la interseccion de la supercie z = f(x, y) con el plano y = y
0
. Por tanto,
f
x
(x
0
, y
0
) = lim
x0
f(x
0
+ x, y
0
) f(x
0
, y
0
)
x
o
de Fsica)
Interpretaci
on geom
etrica 6
representa la pendiente de esta curva en el punto (x
0
, y
0
, f(x
0
, y
0
)). Observemos que
tanto la curva como la tangente pertenecen al plano y = y
0
.
(a) f
x
(x
0
, y
0
) (b) f
y
(x
0
, y
0
)
Figura 4.3: Interpretacion de derivada parcial de una funcion de dos variables reales
De forma similar,
f
y
(x
0
, y
0
) = lim
y0
f(x
0
, y
0
+ y) f(x
0
, y
0
)
y
representa la pendiente de la curva obtenida por la interseccion de z = f(x, y) y el
plano x = x
0
en (x
0
, y
0
, f(x
0
, y
0
)).
Coloquialmente, decimos que los valores de f
x
y f
y
en el punto (x
0
, y
0
, z
0
) denotan
la pendiente de la supercie en las direcciones x e y, respectivamente. Ademas,
independientemente de cuantas variables esten involucradas, las derivadas parciales
de una funcion de varias variables pueden interpretarse como razones de cambio.
El concepto de derivada parcial puede extenderse de manera natural a funciones
de tres o mas variables. As, si w = f(x, y, z), entonces hay tres derivadas parciales, las
cuales se obtienen considerando cada vez dos de las variables constantes. En general,
si w = f(x
1
, x
2
, . . . , x
n
), entonces hay n derivadas parciales que se denotan por
w
x
k
= f
x
k
(x
1
, x
2
, . . . , x
n
), k = 1, 2, . . . n
y se denen analogamente:
f
x
k
= lim
h0
f(x
1
, . . . , x
k1
, x
k
+ h, x
k+1
, . . . , x
n
) f(x
1
, . . . , x
n
)
h
o
de Fsica)
n
(n > 1) en R
k
7
Denicion 4.3 Si f es una funcion real de varias variables reales y derivable, se
denomina vector gradiente de f al vector la siguiente:
f = grad f =
_
f
x
1
,
f
x
2
, . . . ,
f
x
n
_
n
(n > 1) en R
k
Ya estamos en condiciones de generalizar el concepto de derivada parcial para
funciones de R
n
(n > 1) en R
k
.
Denicion 4.4 Dada la funcion (real o vectorial, k 1) de varias variables (n > 1),
f : D R
n
R
k
: x = (x
1
, x
2
, . . . , x
n
)

f(x
1
, x
2
, . . . , x
n
)
se dene su derivada parcial respecto a la variable x
i
(en cada punto x D D
donde exista el siguiente lmite) como:
f
x
i
(x) = lim
h0
f(x
1
, . . . , x
i1
, x
i
+ h, x
i+1
, . . . , x
n)

f(x
1
, . . . , x
n
)
h
Se dice que

f es derivable cuando existen sus derivadas parciales respecto a cada una
de las n variables x
1
, . . . , x
n
.
Nota: Se suele utilizar la misma notacion de derivada parcial que la que hemos
indicado para funciones de dos variables reales.
Denicion 4.5 Si

f es una funcion vectorial y derivable, se denomina matriz jaco-
biana de

f a la matriz k n cuyas las estan formadas por los gradientes de cada
componente:
J
f
=
_
f
i
x
j
_
i=1,...,k
j=1,...,n
=
_
_
_
_
_
_
f
1
x
1
f
1
x
2

f
1
x
n
f
2
x
1
f
2
x
2

f
2
x
n

f
k
x
1
f
k
x
2

f
k
x
n
_
_
_
_
_
_
Notas:
1. Si n = k la matriz es cuadrada. Su determinante, denominado jacobiano, es de
gran interes en multitud de aplicaciones.
o
de Fsica)
4.4. Derivada direccional 8
2. Con n = k = 2 es usual la notacion
_
(f
1
, f
2
)
(x, y)
_
para la matriz jacobiana.
Analogamente, en general se nota por
_
(f
1
, f
2
, . . . , f
k
)
(x
1
, x
2
, . . . , x
k
)
_
. Por ejemplo, para
n = k = 3 la matriz jacobiana se denota por
_
(f
1
, f
2
, f
3
)
(x, y, z)
_
.
Observaciones:
1. Obviamente, para funciones vectoriales de varias variables reales se sigue cum-
pliendo que su derivabilidad es equivalente a la derivabilidad de todas sus com-
ponentes. Dicho de otra forma, existe la matriz jacobiana de

f si y solo si existen
los vectores gradientes de todas sus componentes.
2. Mientras que la existencia de derivada nita implica la continuidad de las fun-
ciones de una variable real, no basta la existencia de derivadas parciales de una
funcion de varias variables para asegurar su continuidad.
Ejemplo. Sea z =
xy
x
2
+ y
2
si (x, y) = 0 y z(0, 0) = 0.
Se verica que existen
z
x
(0, 0) = 0 y
z
y
(0, 0) = 0, y sin embargo no es continua en
el (0, 0) ya que no existe el lmite doble
lim
(x,y)(0,0)
f(x, y)
pues seg un la direccion y = mx, se tiene que
lim
x0
f(x, mx) = lim
x0
x
2
m
x
2
+ m
2
x
2
= lim
x0
m
1 + m
2
=
m
1 + m
2
Esto motiva a dar nuevas deniciones en relacion con el concepto de derivada: la

derivada direccional y la diferenciabilidad. Solo esta ultima propiedad es la que nos
garantiza la continuidad.
4.4. Derivada direccional
Comencemos con el concepto de derivada direccional para una funcion escalar
de dos variables reales para luego generalizarlo al caso de funciones vectoriales de
variable vectorial.
o
de Fsica)
Sup ongase que estuvieramos en la ladera de una colina y quisieramos determinar la
inclinacion o pendiente de la colina. Si la colina estuviese representada por z = f(x, y),
entonces ya sabramos como determinar la pendiente en dos direcciones diferentes, la
pendiente en la direccion y vendra dada por la derivada parcial f
y
(x, y) y la pendiente
en la direccion x vendra dada por la derivada parcial f
x
(x, y).
Para determinar la pendiente en un punto de la supercie, denimos un nuevo tipo
de derivada llamada derivada direccional. Comenzamos haciendo que z = f(x, y) sea
una supercie y P = (x
0
, y
0
) un punto del dominio de f. Especicamos una direccion
mediante un vector unitario u = (cos , sen ), donde en el angulo que forma el vector
con el eje x positivo. Ahora, para hallar la pendiente deseada, reducimos el problema
a una dimension mediante la interseccion de la supercie con un plano vertical que
pasa por el punto P y es paralelo a u.
Figura 4.4: Derivada direccional
Este plano vertical corta a la supercie para formar una curva C, y denimos la
pendiente de la supercie en (x
0
, y
0
, f(x
0
, y
0
)) como la pendiente de la curva C en ese
punto.
Podemos escribir la pendiente de la curva C como un lmite muy parecido a
aquellos que se usan en el calculo de una variable. El plano vertical empleado para
formar C corta al plano XY en una recta L que se representa por las ecuaciones
parametricas
x = x
0
+ t cos
y = y
0
+ t sen
En efecto, L todos los puntos Q para los que el vector

PQ es paralelo a u, es
o
de Fsica)
decir:
PQ = tu =
_
x x
0
= t cos
y y
0
= t sen
=
_
x = x
0
+ t cos
y = y
0
+ t sen
Luego para cualquier valor de t, el punto Q = (x, y) pertenece a L. Para cada uno
de los puntos P y Q, existe el punto correspondiente sobre la supercie, es decir
(x
0
, y
0
, f(x
0
, y
0
)) es el punto sobre P y (x, y, f(x, y)) es el punto sobre Q.
Ademas, puesto que la distancia entre P y Q es
_
(x x
0
)
2
+ (y y
0
)
2
=
_
(t cos )
2
+ (t sen )
2
= t
podemos escribir la pendiente de la recta secante que pasa por (x
0
, y
0
, f(x
0
, y
0
)) y
(x, y, f(x, y)) como
tg =
f(x, y) f(x
0
, y
0
)
t
=
f(x
0
+ t cos , y
0
+ t sen ) f(x
0
, y
0
)
t
Finalmente, haciendo que t tienda a cero, llegamos a la denicion siguiente:
Denicion 4.6 Sea f una funcion de dos variables x e y, y sea u = (cos , sen ) un
vector unitario. Entonces la derivada direccional de f en la direccion de u se denota
por D
u
f, y es
D
u
f(x, y) = lim
t 0
f(x + t cos , y + t sen ) f(x, y)
t
Para una funcion de R
n
(n > 1) en R
k
, se tiene la siguiente denicion:

f : D R
n
R
k
(n > 1) y un vector unitario
v R
n
, se dene la derivada de

f en la direccion del vector v , o derivada direccional
(en cada punto x D D
donde exista el siguiente lmite) como:

D
v
f(x) = lim
h0
f(x + hv)

f(x)
h
El calculo de la derivada direccional mediante esta denicion es comparable al de
hallar la derivada de una funcion de una variable.
Observaciones:
1. Obviamente, las derivadas parciales son el caso particular de derivadas direc-
cionales correspondientes a vectores que estan en la direccion de los ejes:
f
x
i
= D
u
i
f
siendo u
i
= (0, . . . ,
i)
1, . . . , 0), para todo i = 1, . . . , n.
o
de Fsica)
4.5. Funciones diferenciables 11
2. Aunque f admita derivadas en todas las direcciones, puede ser discontinua,
como muestra el ejemplo siguiente en el origen (0, 0):
f(x, y) =
_
_
xy
2
x
2
+ y
4
si (x, y) = (0, 0)
0 si (x, y) = (0, 0)
Esta funcion es discontinua en el origen de coordenadas, ya que en los puntos
de la parabola y
2
= x, se tiene:
lm
y0
f(y
2
, y) = lm
y0
y
4
y
4
+ y
4
=
1
2
= f(0, 0) = 0
Sin embargo admite derivadas en todas las direcciones u = (cos , sen ) en el
origen de coordenadas. En efecto:
D
u
f(0, 0) = lm
h0
f(hcos , hsen ) f(0, 0)
h
= lm
h0
h
3
cos sen
2
h(h
2
cos
2
+ h
4
sen
4
)
= lm
h0
cos sen
2
cos
2
+ h
2
sen
4
=
_
_
_
sen
2
cos
si cos = 0
0 si cos = 0
3. Se verica que D
v
f(x) = D
v
f(x), por lo que el vector v no solo indica la

direccion tomada para derivar, sino tambien el sentido. As, por ejemplo
D
u
i
f =
f
x
i
4.5. Funciones diferenciables
Para cualquier funcion real de una variable y = f(x), en cada punto x = a
donde f es derivable, su graca tiene una recta tangente de ecuacion y f(a) =
f
(a)(xa). Entonces, el calculo de incrementos de la funcion f = y = f(x)f(a)

(en funcion de los incrementos de la variable independiente x = dx = x a) puede
aproximarse mediante su calculo efectuado sobre la recta tangente. Este incremento
o
de Fsica)
que experimenta la funcion lineal determinada por la recta tangente se denomina
diferencial de f:
df(a) = f
(a)dx
En este sentido se dice que la funcion f es diferenciable, lo que equivale a que
sea derivable. En cambio, para funciones de varias variables, se trata de conceptos
distintos como vemos a continuacion.
Denicion 4.8 Dada la funcion (real o vectorial: k 1) de una o varias variables
(n 1)
f : D R
n
R
k
: x = (x
1
, ..., x
n
) (f
1
(x), ..., f
k
(x)),
se dice que es diferenciable en un punto arbitrario x D D
cuando el vector de
incrementos de la funcion

f =

f(x + x)

f(x) =
_
_
_
_
_
f
1
f
2
.
.
.
f
k
_
_
_
_
_
es aproximadamente igual a una aplicacion lineal de los incrementos de las variables
independientes
x =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
.
Precisando mas,

f es diferenciable cuando existen dos matrices de orden k n, la
matriz A = (a
ij
) de dicha aplicacion lineal (formada por constantes) y la matriz E =
(
ij
(x)) formada por funciones de x que son innitesimos (de forma que lim
x0
ij
(x) =
0, i, j ) tales que

f = (A + E)x
con lo que

f Ax
Teorema 4.2 En cada punto x D D
se cumple que

f = (f
1
, ..., f
k
) : D R
n
R
k
es diferenciable si y solo si lo son sus k componentes f
j
.
Demostracion:
Es inmediata a partir de la denicion:

f = (A + E)x
o
de Fsica)
_
_
_
_
_
f
1
f
2
.
.
.
f
k
_
_
_
_
_
=
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n

a
k1
a
k2
a
kn
_
_
_
_
+
_
_
_
_
11

12

1n
21

22

2n

k1

k2

kn
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
j, f
j
= (a
j1
x
1
+ + a
jn
x
n
) + (
j1
x
1
+ +
jn
x
n
)
donde
j1
, . . . ,
jn
0, cuando (x
1
, , x
n
) (0, , 0).
Teorema 4.3 En cada punto x donde

f : D R
n
R
k
es diferenciable, necesa-
riamente

f es continua.
Demostracion:
Si

f es diferenciable en el punto x, podemos escribir

f(x) = (A + E)x con lim
x
0
E = 0
kn
Entonces
lim
x

f(x) = lim
x
0
(A + E)x = A
0 =
0
y de aqu, lim
x
f(x + x) =

f(x) resultando la continuidad de

f en x.
Teorema 4.4 Si

f es diferenciable en un punto x, entonces

f es derivable en x,
siendo la matriz A = J
f
(x) (matriz jacobiana de

f evaluada en dicho punto x)
Demostracion:
Basta considerar, para cada i = 1, ..., n, el incremento x =
_
_
_
_
_
_
_
0
.
.
.
x
i
.
.
.
0
_
_
_
_
_
_
_
y aplicar la
denicion. Al tomar lmites para x
i
0 en la igualdad resultante se obtiene que
j, f
j
= f
j
(x
1
, . . . , x
i
+ x
i
, , x
n
) f
j
(x
1
, . . . , x
n
)
o
de Fsica)
= (a
j1
0 + + a
ji
x
i
+ + a
jn
0) + (
j1
0 + +
ji
x
i
+ +
jn
0)
luego
f
j
(x
1
, . . . , x
i
+ x
i
, , x
n
) f
j
(x
1
, . . . , x
n
) = a
ji
x
i
+
ji
x
i
para todo j = 1, . . . , k, i = 1, . . . , n.
Dividiendo por x
i
y tomando lmites para x
i
0, se tiene que, existe
f
j
(x)
x
i
= a
ji
El recproco de los teoremas anteriores no es cierto, por lo tanto para asegurar

la continuidad, la condicion de ser diferenciable no es necesaria aunque si suciente.
Notemos tambien, que la existencia de la matriz jacobiana no es suciente para garan-
tizar la diferenciabilidad, es decir, si es derivable, no tiene por que ser diferenciable.
Veamos a continuacion un ejemplo de como se estudia la diferenciabilidad de
una funcion escalar de dos variables reales. Este ejemplo ilustra el estudio analogo
correspondiente a mayor n umero de variables.
Ejemplo. Probar que la funcion f(x, y) = x
2
+3y es diferenciable en todos los puntos
del plano.
Por denicion, para el caso de una funcion escalar de dos variables reales, se tiene
que f es diferenciable en (a, b), si y solo si
f(a, b) = f(a + x, b + y) f(a, b) =
_
f
x
(a, b) +
1
_
x +
_
f
y
(a, b) +
2
_
y
En nuestro caso, haciendo z = f(x, y), el incremento de z en un punto arbitrario
(x, y) del plano es:
z = f(x + x, y + y) f(x, y) = (x + x)
2
+ 3(y + y) (x
2
+ 3y)
= x
2
+ 2xx + (x)
2
+ 3y + 3y x
2
3y
= 2xx + 3y + x(x) + 0(y)
= f
x
(x, y)x + f
y
y +
1
x +
2
y
o
de Fsica)
donde
1
= x y
2
= 0. Como
1
0 y
2
0 cuando (x, y) (0, 0), se sigue
que f es diferenciable en todo punto del plano.
Existe una denicion equivalente de funcion diferenciable para una funcion escalar
que, por simplicidad, nos limitaremos a ver con dos variables reales y es la siguiente:
Denicion 4.9 Una funcion z = f(x, y) se dice que es diferenciable en un punto
(x, y) si z puede expresarse en la forma
z = f
x
(x, y)x + f
y
(x, y)y +
siendo =
_
(x)
2
+ y)
2
y donde 0 cuando (x, y) (0, 0).
En la practica para ver entonces si una funcion vectorial es diferenciable basta
comprobar que lo es cada una de sus componentes. A su vez, para ver que cada
funcion escalar es diferenciable haremos lo que escribimos a continuacion, por simpli-
cidad, para dos variables reales, siendo analogo para mas variables. La funcion f es
diferenciable si y solo si
f(x
0
+ x, y
0
+ y) f(x
0
, y
0
) = f
x
(x
0
, y
0
)x + f
y
(x
0
, y
0
)y +
donde 0, cuando x, y 0, luego dejando en el segundo miembro en la
igualdad anterior y dividiendo por = 0 se llega a que
f(x
0
+ x, y
0
+ y) f(x
0
, y
0
) (f
x
(x
0
, y
0
)x + f
y
(x
0
, y
0
)y)
=
y tomando lmite cuando (x, y) (0, 0) en los dos miembros de la igualdad
anterior, podemos decir que f es diferenciable en (x
0
, y
0
) si y solo si
lim
(x,y)(0,0)
f(x
0
+ x, y
0
+ y) f(x
0
, y
0
) (f
x
(x
0
, y
0
)x + f
y
(x
0
, y
0
)y)
_
(x)
2
+ (y)
2
= 0
Observemos que, siguiendo el metodo anterior, para funciones de una variable
resulta equivalente su diferenciabilidad a su derivabilidad. Es decir, una funcion de
una variable es diferenciable en un punto si y solo si su derivada en ese punto existe. Sin
embargo, para una funcion de dos variables la existencia de las derivadas parciales f
x
y f
y
no garantiza que la funcion sea diferenciable; ya que, como se ha visto antes, una
funcion f(x, y) puede ser derivable y no ser continua, en cuyo caso no es diferenciable.
En el teorema siguiente, presentamos una condicion suciente para la diferenciabilidad
de una funcion de dos variables.
o
de Fsica)
Teorema 4.5 Para que z = f(x, y) sea diferenciable en (x, y) es suciente que admi-
ta derivadas parciales f
x
y f
y
nitas en el punto y una de ellas exista en un entorno
de dicho punto y sea continua en el.
Es frecuente que se cumpla esta otra condicion mas debil que la precisada en el
Teorema: Las dos derivadas parciales f
x
, f
y
existen y son continuas en un entorno del
punto. A su vez, esta condicion se generaliza en terminos de la denicion siguiente:
Denicion 4.10 La funcion

f : D R
n
R
k
, se dice que es de clase C
1
en un
punto x
D
cuando tiene derivadas parciales continuas en un entorno de dicho punto.
Corolario 4.6 En cada punto x
D
donde

f : D R
n
R
k
es de clase C
1
,
necesariamente

f es diferenciable.
Denicion 4.11 Cuando el incremento de las variables independientes es muy pe-
que no se denomina diferencial:
dx
1
= x
1
, dx
2
= x
2
, ..., dx
n
= x
n
.
En tal caso, el incremento de las variables dependientes de una funcion diferenciable
se aproxima a su diferencial (tambien denominado diferencial total), denido
como la imagen obtenida mediante la aplicacion lineal antes dicha:

f =
_
_
_
_
_
f
1
f
2
.
.
.
f
k
_
_
_
_
_
d

f =
_
_
_
_
_
df
1
df
2
.
.
.
df
k
_
_
_
_
_
= J
f
_
_
_
_
_
dx
1
dx
2
.
.
.
dx
n
_
_
_
_
_
.
Ejemplo. Dada z = 2x sen y 3x
2
y
2
, calcular dz.
Como
z
x
= 2 sen y 6xy
2
z
y
= 2x cos y 6x
2
y
se tiene que
dz =
z
x
dx +
z
y
dy = (2 sen y 6xy
2
)dx + (2x cos y 6x
2
y)dy

o
de Fsica)
Esta denicion permite interpretar las funciones diferenciables como aquellas cuya
graca se aproxima a la de una funcion lineal.
Esquematizamos ahora estas ultimas propiedades, observando la diferencia entre fun-
ciones de una y varias variables:
Para funciones de UNA VARIABLE:
f diferenciable
f derivable
f continua
Para funciones de VARIAS VARIABLES:
f de clase C
1

f diferenciable
/
f derivable
f continua
f derivable

f continua
o
de Fsica)
Analisis Matematico
Tema 5. Propiedades de las funciones
diferenciables
(SiGNum)
Curso 2004 2005
Contenido
5. Propiedades de las funciones diferenciables 1
5.1. Derivada direccional y diferenciabilidad . . . . . . . . . . . . . . . . . 1
5.2. Teorema del valor medio . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.3. Derivacion de funciones compuestas . . . . . . . . . . . . . . . . . . . 7
5.4. Teorema de la funcion implcita . . . . . . . . . . . . . . . . . . . . . 8
5.5. Teorema de la funcion inversa . . . . . . . . . . . . . . . . . . . . . . 12
5.6. Planos tangentes y rectas normales . . . . . . . . . . . . . . . . . . . 13
0
Tema 5
Propiedades de las funciones
diferenciables
Entre las propiedades de las funciones diferenciables, enunciamos tres de gran
utilidad e importancia. Sus demostraciones son largas y tediosas por lo que s olo
demostraremos alg un caso particular. No obstante, en los tres casos, la veracidad de
los teoremas se intuye facilmente sin mas que asemejar el comportamiento de cada
funcion diferenciable con el de la funcion lineal que la aproxima cuya matriz es la
matriz jacobiana.
5.1. Derivada direccional y diferenciabilidad
Comenzaremos viendo una formula mas simple para obtener derivadas direccio-
nales de una funcion en el caso de que esta sea diferenciable.
Teorema 5.1 En cada punto x donde

f : D R
n
R
k
es diferenciable se cumple
lo siguiente:
v R
n
unitario, D
v
f(x) = J
f
(x)V
siendo V la columna de componentes del vector unitario v.
Demostracion:
Basta aplicar, en primer lugar, la denicion de derivada direccional:
D
v
f(x) = lim
h0
f(x + hv)

f(x)
h
= lim
h0

f(x)
h
(5.1)
Por otra parte como la funcion es diferenciable, se verica que
1
5.1. Derivada direccional y diferenciabilidad 2

f(x) = (J
f
(x) + E)x con lim
x
0
E = 0
kn
Tomando en este caso x = hV y sustituyendo en la ecuacion (5.1), resulta:
D
v
f(x) = lim
h0

f(x)
h
= lim
h0
(J
f
(x) + E)hV
h
= J
f
(x)V
En cada punto x donde f : D R

n
R es diferenciable se cumple que para
cualquier vector unitario u, D
u
f(x) = f(x) u.
Observese que hay innitas derivadas direccionales en un punto dado, una para
cada una de las direcciones especicadas por u.
Figura 5.1: Innitas derivadas direccionales en un punto dado
Como vimos en el tema anterior, para funciones de varias variables, por ejem-
plo, para una funcion de dos variables reales, dos de ellas resultan ser las derivadas
parciales f
x
y f
y
:
1. En la direccion positiva del eje x ( = 0): u = (cos , sen ) = (1, 0)
D
u
f(x, y) = f
x
(x, y) cos 0 + f
y
(x, y) sen 0 = f
x
(x, y)
o
de Fsica)
2. En la direccion positiva del eje y ( =

2
): u = (cos , sen ) = (0, 1)
D
u
f(x, y) = f
x
(x, y) cos

2
+ f
y
(x, y) sen

2
= f
y
(x, y)
Hemos estado especicando la direccion mediante un vector unitario u. Si se da la
direcci on mediante un vector cuya longitud no es uno, entonces debemos normalizar
el vector antes de poder aplicar la formula del teorema anterior.
Para una funcion de dos variables reales a veces interesa conocer en que direccion
movernos para que f(x, y) crezca lo mas rapidamente posible. Llamamos a esta la
direcci on de maxima pendiente, y viene dada por el gradiente, como se establece en
el teorema siguiente.
Teorema 5.2 Sea f una funcion diferenciable en el punto (x, y).
1. Si f(x, y) =
0, entonces D
u
f(x, y) = 0 para todo u.
2. La direccion de maximo crecimiento de f viene dada por f(x, y). El valor
maximo de D
u
f(x, y) es f(x, y).
3. La direccion de mnimo crecimiento de f viene dada por f(x, y). El valor
mnimo de D
u
f(x, y) es f(x, y).
Demostracion:
Si f(x, y) =
0, entonces para una direccion arbitraria (cualquier u), tenemos

D
u
f(x, y) = f(x, y) u = (0
i + 0
j) (cos
i + sen
j) = 0
Si f(x, y) =

0, entonces sea el angulo entre f(x, y) y un vector unitario u.
Usando el producto escalar, tenemos que
D
u
f(x, y) = f(x, y) u = f(x, y) u cos = f(x, y) cos
y resulta que el valor maximo D
u
f(x, y) se produce en cos = 1. Por lo tanto, = 0,
y el valor maximo de la derivada direccional se da cuando u tiene la misma direccion
que f(x, y). Ademas este valor maximo de D
u
f(x, y) es precisamente
f(x, y) cos = f(x, y)
De forma similar, el valor mnimo de D
u
f(x, y) puede obtenerse haciendo = de
forma que u se nale en la direccion opuesta a f(x, y).

o
de Fsica)
Ejemplo. La temperatura en grados Celsius sobre la supercie de una placa metalica
es T(x, y) = 204x
2
y
2
donde x e y se mide en centmetros. En que direccion crece
la temperatura mas rapidamente en el punto (0, 5)? Cual es ese ritmo de crecimiento?
El gradiente de la funcion T es
T(x, y) = T
x
(x, y)
i + T
y
(x, y)
j = 8x
i 2y
j
Por lo tanto, la direccion de crecimiento maximo viene dada por
T(0, 5) = 10
j
El ritmo de crecimiento en ella es
T(0, 5) = 10
0
por centmetro
Figura 5.2: La direccion de maximo crecimiento para la temperatura en el punto (0, 5)
viene dada por T(0, 5)
Si bien el gradiente apunta en la direccion de maximo crecimiento de la tempera-
tura, este no tiene por que apuntar hacia el punto mas caliente de la placa. En otras
palabras, el gradiente da la solucion local al problema de encontrar el crecimiento
maximo relativo de la temperatura en el punto (0, 5). Una vez que se ha abandonado
la posicion (0, 5), la direccion de maximo crecimiento puede cambiar.
Supongamos ahora que un rastreador termico se encuentra en el punto (2, 3) y
queremos calcular su trayectoria conforme se va moviendo en la direccion de maximo
incremento de la temperatura.
o
de Fsica)
Para ello representamos esa trayectoria por una funcion vectorial
r(t) = x(t)
i + y(t)
j
Un vector tangente en cada punto (x, y) viene dado por
(t) = x
(t)
i + y
(t)
j
Puesto que la partcula se mueve en la direccion de maximo crecimiento de tempera-
tura, las direcciones de

r
(t) y T(x, y) = 8x
i 2y
j son la misma en todo punto

de la trayectoria. Por lo tanto,
dx
dt
= 8x y
dy
dt
= 2y
Resolviendo cada una de estas ecuaciones, se obtiene:
dx
x
= 8dt
_
dx
x
=
_
8dt ln x = 8t + C x(t) = e
8t
e
C
..
=C
1
x(t) = C
1
e
8t
dy
y
= 2dt
_
dy
y
=
_
2dt ln y = 2t + C y(t) = e
2t
e
C
..
=C
2
y(t) = C
2
e
2t
Como la partcula parte del punto (2, 3), ha de ser
2 = x(0) = C
1
y 3 = y(0) = C
2
luego la trayectoria es r(t) = 2e
8t
i 3e
2t
j, representada en la gura 5.3

Figura 5.3: Trayectoria r(t) = 2e
8t
i 3e
2t

o
de Fsica)
5.2. Teorema del valor medio 6
La trayectoria de la partcula, determinada por el gradiente en cada punto, aparece
como ortogonal a cada una de las curvas de nivel. Esto se clarica cuando conside-
ramos el hecho de que la temperatura T(x, y) es constante sobre una curva de nivel
dada. Luego en un punto arbitrario (x, y) de la curva, la razon de cambio de T en la
direcci on de un vector tangente unitario u es cero, y podemos escribir
T(x, y) u = D
u
T(x, y) = 0
Puesto que el producto escalar de T(x, y) y u es cero, deben ser ortogonales. Se
enuncia este resultado en el teorema siguiente.
Teorema 5.3 Si f es diferenciable en (x
0
, y
0
) y f(x
0
, y
0
) =
0, entonces f(x
0
, y
0
)
es normal a la curva de nivel que pasa por (x
0
, y
0
).
An alogas propiedades se tienen cuando la funcion es de tres variables reales. As,
1. Si f(x, y, z) =
0, entonces D
u
f(x, y, z) = 0 para todo u.
2. La direccion de maximo crecimiento de f viene dada por f(x, y, z). El valor
maximo de D
u
f(x, y, z) es f(x, y, z).
3. La direccion de mnimo crecimiento de f viene dada por f(x, y, z). El valor
mnimo de D
u
f(x, y, z) es f(x, y, z).
4. Si f(x, y, z) =

0, entonces f(x, y, z) es normal a la supercie de nivel que
pasa por (x, y, z).
Nota 5.1 Recordemos que f(x, y) es un vector en el plano xy y f(x, y, z) es un
vector del espacio.
5.2. Teorema del valor medio
Vamos a expresar mediante las derivadas parciales f
x
y f
y
el incremento de la
funcion f(x, y) cuando incrementamos las variables x e y en h y k, respectivamente.
Teorema 5.4 Si la funcion z = f(x, y) tiene derivadas parciales nitas f
x
y f
y
en
un entorno del punto (x
0
, y
0
) entonces el incremento z esta dado por la expresion:
z = f(x
0
+ h, y
0
+ k) f(x
0
, y
0
) = hf
x
(x
0
+
1
h, y
0
) + kf
y
(x
0
+ h, y
0
+
2
k) (5.2)
con 0 <
1
< 1, 0 <
2
< 1.
o
de Fsica)
5.3. Derivaci
on de funciones compuestas 7
Demostracion:
Descompongamos z en dos sumandos de la forma siguiente:
z = [f(x
0
+ h, y
0
+ k) f(x
0
+ h, y
0
)] + [f(x
0
+ h, y
0
) f(x
0
, y
0
)] (5.3)
Aplicando a los dos terminos de la suma anterior el teorema de los incrementos nitos
de una variable real, se tiene:
f(x
0
+ h, y
0
+ k) f(x
0
+ h, y
0
) = kf
y
(x
0
+ h, y
0
+
2
k), 0 <
2
< 1
f(x
0
+ h, y
0
) f(x
0
, y
0
) = hf
x
(x
0
+
1
h, y
0
), 0 <
1
< 1
y sustituyendo en (5.3) obtenemos la expresion (5.2).
Una expresion mas simetrica del incremento nos la proporcionara la formula de

Taylor.
Se deducen dos resultados del Teorema anterior.
Corolario 5.5 Para que una funcion f(x, y) con derivadas parciales en todos los
puntos de un recinto, sea constante en el, es necesario y suciente que f
x
y f
y
sean
nulas en todos los puntos del recinto.
Demostracion:
Como un segmento y sus extremos estan contenidos en el recinto, aplicando el teore-
ma del valor medio, se ve que la diferencia z de valores en sus extremos es nula, es
decir, z toma igual valor en ambos extremos. Por otra parte como dos puntos cuales-
quiera (x
0
, y
0
), (x, y) del recinto se pueden unir por una poligonal de n umero nito
de segmentos, entonces se verica que f(x, y) = f(x
0
, y
0
), para todo punto (x, y).
Corolario 5.6 Si dos funciones tienen nitas e iguales las derivadas parciales en un
recinto, su diferencia es constante en el.
5.3. Derivacion de funciones compuestas
El trabajo con diferenciales del tema anterior nos proporciona la base para la
extension de la regla de la cadena a funciones vectoriales de variable vectorial.
Teorema 5.7 Si D R
n

f
H R
k
g
R
h
son dos funciones diferenciables (con
n 1, k 1, h 1), entonces la composicion g

f : D R
n
R
h
es tambien
diferenciable cumpliendose lo siguiente:
x D, J
g
f
(x) = J
g
(
f(x))J
f
(x).
o
de Fsica)
5.4. Teorema de la funci
on impl
cita 8
A continuacion vamos a ver dos teoremas particulares que tratan el caso de que
las variables independientes x e y de una funcion z = f(x, y) sean a su vez funciones
de una variable real t o funciones de dos variables reales u y v.
Teorema 5.8 Sea z = f(x, y) una funcion real de dos variables reales con derivadas
parciales continuas f
x
y f
y
(o simplemente f diferenciable), y sean x = g(t) e y = h(t)
funciones derivables en la variable t. Entonces z es una funcion derivable de t y:
dz
dt
=
z
x
dx
dt
+
z
y
dy
dt
Teorema 5.9 Sea z = f(x, y) una funcion de dos variables reales con derivadas
parciales continuas
z
x
y
z
y
(o f diferenciable), y sean x e y funciones derivables de
u y v (o diferenciables). Entonces z es indirectamente una funcion derivable de u y
v y:
z
u
=
z
x

x
u
+
z
y

y
u
z
v
=
z
x

x
v
+
z
y

y
v
5.4. Teorema de la funcion implcita
Muchas de las aplicaciones practicas se modelizan por medio de una relacion que
liga las variables que intervienen. Por ejemplo, con una expresion del tipo f(x, y, z) =
0 se puede denir una supercie.
Para determinar las propiedades del objeto de estudio, suele ser interesante con-
siderar alguna (o varias) de las variables como funcion de las restantes. Esto, a veces,
se puede hacer de modo explcito, por ejemplo encontrando una expresion z = g(x, y)
equivalente a la anterior. Pero no siempre es posible encontrar explcitamente esta
funcion g. En estos casos el teorema de la funcion implcita permite el estudio local
de la funcion denida de modo implcito.
La importancia de este teorema radica en la posibilidad de calcular la diferencial en
un punto a de una funcion sin conocerla explcitamente. Esto permitira, por ejemplo,
obtener su evaluacion aproximada en un entorno de a.
o
de Fsica)
on impl
cita 9
Teorema 5.10 Sea

F(x
1
, ..., x
nk
, y
1
, ..., y
k
) : D R
n
R
k
una funcion de clase C
1
y sea (a
1
, ..., a
nk
, b
1
, ..., b
k
)
D
un punto tal que
F(a
1
, ..., a
nk
, b
1
, ..., b
k
) = (0, 0,
k)
..., 0)
y tal que en dicho punto es regular la submatriz de la matriz jacobiana de

F formada
por sus k las y sus k ultimas columnas, es decir, un punto donde
det
_
F
i
y
j
_
1i,jk
=
F
1
y
1
F
1
y
2

F
1
y
k
F
2
y
1
F
2
y
2

F
2
y
k

F
k
y
1
F
k
y
2

F
k
y
k
= 0
Entonces existe un entorno de dicho punto donde

F dene implcitamente una nueva
funcion

f : S R
nk
R
k
: (x
1
, ..., x
nk
) (y
1
, ..., y
k
), tambien de clase C
1
, tal que
f(a
1
, ..., a
nk
) = (b
1
, ..., b
k
).
La utilidad practica de este teorema consiste en partir de las relaciones:
_
_
F
1
(x
1
, x
2
, ..., , x
nk
, y
1
, ..., y
k
) = 0
F
2
(x
1
, x
2
, ..., , x
nk
, y
1
, ..., y
k
) = 0

F
k
(x
1
, x
2
, ..., , x
nk
, y
1
, ..., y
k
) = 0
y al ser

F diferenciable, podemos aproximar estas relaciones, en torno a cada punto,
por un sistema de ecuaciones lineal. Considerando el punto (a
1
, ..., a
nk
, b
1
, ..., b
k
)
en las condiciones del enunciado del teorema, se trata de un sistema lineal donde
podemos calcular las k ultimas incognitas en funcion de las n k primeras (que
pasaran al termino independiente como parametros). De esta forma obtenemos una
aproximacion de las nuevas relaciones:
_
_
y
1
= f
1
(x
1
, x
2
, ..., x
nk
)
y
2
= f
2
(x
1
, x
2
, ..., x
nk
)

y
k
= f
k
(x
1
, x
2
, ..., x
nk
)
que denen las variables y
1
, y
2
, ..., y
k
en funcion de las variables x
1
, x
2
, ..., x
nk.
Nota 5.2 Por simplicar la notacion hemos colocado en los k ultimos lugares las
variables que pretendemos despejar (aunque sea localmente). Pero este orden puede
alterarse. En cualquier caso el teorema se puede aplicar a cualesquiera k variables
respecto de las cuales el mejor jacobiano no sea nulo.
o
de Fsica)
on impl
cita 10
Ejemplo. El punto (1, 1, 1, 1) verica las relaciones
F
1
(x, y, u, v) = x + y u
2
v
3
= 0
F
2
(x, y, u, v) = x
2
y
2
+ u
2
v
2
= 0
Se tiene que
_
(F
1
, F
2
)
(u, v)
_
(1,1,1,1)
=
_
2u 3v
2
2u 2v
_
(1,1,1,1)
=
_
2 3
2 2
_
La matriz anterior tiene determinante 10, por lo tanto las relaciones anteriores denen
implcitamente las funciones u = u(x, y) y v = v(x, y) en un entorno del punto (1, 1)
vericando u(1, 1) = v(1, 1) = 1.
Para aclarar un poco las ideas vamos a considerar a continuacion dos casos parti-
culares.
1. Funciones implcitas de una variable independiente y una variable dependiente
con F(x, y) = 0.
Sea F : RR R una funcion diferenciable con continuidad en un entorno del
punto (a, b) R
2
, vericandose que
F(a, b) = 0 y
F
y
(a, b) = 0
Entonces existe un intervalo I de R que contiene a a tal que para todo x I, existe
y = y(x) con F(x, y(x)) = 0 siendo y(x) derivable. Ademas se tiene
y
(a) =
F
x
(a, b)
F
y
(a, b)
Comprobemos esta ultima expresion. Sea w(x) = F(x, y) = F(x, y(x)), entonces
dw
dx
= F
x
dx
dx
+ F
y
dy
dx
Por la denicion de y(x), se tiene que F(x, y(x)) = 0, luego w = F(x, y) = 0 para
todo x en el dominio de y, de donde
dw
dx
(a, b) = 0. Ademas
dx
dx
= 1, luego
o
de Fsica)
on impl
cita 11
0 = F
x
(a, b) + F
y
(a, b)
dy
dx
es decir, si F
y
(a, b) = 0, podemos concluir que
y
(a) =
F
x
(a, b)
F
y
(a, b)
2. Funciones implcitas de una variable dependiente y dos variable independientes

con F(x, y, z) = 0.
Sea F : R
2
R R donde F(x, y, z) es una funcion que verica F(a, b, c) = 0,
es diferenciable con continuidad en un entorno del punto (a, b, c) y
F
z
(a, b, c) = 0.
Entonces existe una funcion z = z(x, y) denida en un entorno de (a, b), diferenciable
en (a, b) con F(x, y, z(x, y)) = 0. Ademas
z
x
(a, b) =
F
x
(a, b, c)
F
z
(a, b, c)
z
y
(a, b) =
F
y
(a, b, c)
F
z
(a, b, c)
Comprobemos estas ultimas expresiones. Sea w(x, y) = F(x, y, z(x, y)) = 0, en-
tonces
w
x
=
F
x
dx
dx
+
F
z
z
x
= 0
w
y
=
F
y
dy
dy
+
F
z
z
y
= 0
por lo que
z
x
(a, b) =
F
x
(a, b, c)
F
z
(a, b, c)
z
y
(a, b) =
F
y
(a, b, c)
F
z
(a, b, c)
Como aplicaciones de la derivacion implcita tenemos las siguientes:

Dada f(x, y, z) = 0, y suponiendo que estamos en las condiciones del teorema de
la funcion implcita, se verica:
o
de Fsica)
on inversa 12
1.
x
y
=
1
y
x
En efecto: Consideremos x = x(y, z), luego
x
y
=
f
y
f
x
, de donde
x
y
=
1
f
x
f
y
=
x
y
=
1
y
x
2.
x
y
y
z
z
x
= 1
Consideramos:
x = x(y, z) =
x
y
=
f
y
f
x
y = y(x, z) =
y
z
=
f
z
f
y
z = z(x, y) =
z
x
=
f
x
f
z
Luego
x
y
y
z
z
x
=
_
f
y
f
x
_ _
f
z
f
y
_ _
f
x
f
z
_
= 1
5.5. Teorema de la funcion inversa

Dada la funcion

f : D R
n
R
n
con

f(x) = y es decir
_
_
y
1
= f
1
(x
1
, x
2
, ..., x
n
)
y
2
= f
2
(x
1
, x
2
, ..., x
n
)

y
n
= f
n
(x
1
, x
2
, ..., x
n
)
se plantea la existencia y diferenciabilidad, en su caso, de la funcion inversa

f
1
. A un
cuando dicha funcion inversa no pueda determinarse de modo explcito, el teorema
de la funcion inversa garantiza, bajo ciertas condiciones, su existencia de modo local
y permite obtener su diferencial en un punto.
o
de Fsica)
5.6. Planos tangentes y rectas normales 13
Teorema 5.11 Sea

f : D R
n
R
n
de clase C
1
y sea a
D
un punto donde es
regular la matriz jacobiana de

f (es decir, donde det J
f
(a) = 0). Entonces existe un
entorno del punto a donde

f es biyectiva, existiendo por lo tanto su funcion inversa
f
1
. Ademas

f
1
tambien es de clase C
1
y se cumple que:
J
f
1
(
f(a)) =
_
J
f
(a)
_
1
.
La utilidad practica de este teorema radica en el hecho de que, a partir de las
relaciones:
_
_
y
1
= f
1
(x
1
, x
2
, ..., x
n
)
y
2
= f
2
(x
1
, x
2
, ..., x
n
)

y
n
= f
n
(x
1
, x
2
, ..., x
n
)
que denen las variables y
1
, y
2
, ..., y
n
en funcion de las variables x
1
, x
2
, ..., x
n
, tambien
puede considerarse la funcion inversa, tomando las variables x
1
, x
2
, ..., x
n
como funcion
de las variables y
1
, y
2
, ..., y
n
. Lo cual solo es cierto en un entorno de cada punto donde
sea invertible la aplicacion lineal que aproxima a

f. Por otro lado, sabemos que si
la aplicacion lineal biyectiva

f tiene matriz A, entonces su inversa

f
1
tiene matriz
A
1
, lo que concuerda con la ultima parte del enunciado del teorema.
Ejemplo. La funcion [0, +) R R
2
, denida por
(r, ) (r cos , r sen )
que expresa las coordenadas cartesianas en funcion de las coordenadas polares, tiene
inversa denida en un entorno de cualquier punto, tal que r = 0 ya que el jacobiano
de la transformacion es r,
x
r
x
y
r
y
cos r sen
sen r cos
= r = 0
5.6. Planos tangentes y rectas normales

Hasta ahora hemos representado las supercies en el espacio basicamente por
medio de ecuaciones de la forma z = f(x, y) (ecuacion de una supercie S). En el
desarrollo que seguira, sin embargo, conviene utilizar la representacion mas general
o
de Fsica)
F(x, y, z) = 0. Para una supercie S dada por z = f(x, y), es facil pasar a esa forma
general sin mas que denir F como
F(x, y, z) = f(x, y) z
De ese modo, como z = f(x, y), se tiene que f(x, y) z = 0, lo cual signica que
podemos considerar a S como la supercie de nivel de F dada por F(x, y, z) = 0.
En el proceso de encontrar una recta normal a una supercie, se nos da la posibi-
lidad de resolver el problema de encontrar un plano tangente a la supercie.
Sea S una supercie dada por F(x, y, z) = 0, y sea P = (x
0
, y
0
, z
0
) un punto sobre
S. Sea C una curva en S que pasa por el punto P y que se dene mediante la funcion
vectorial r(t) = x(t)
i + y(t)
j + z(t)
k.
Entonces, para todo t,
F(x(t), y(t), z(t)) = 0
Si F es diferenciable y existen x
(t), y
(t) y z
(t), por la regla de la cadena resulta que

0 = F
(t) = F
x
(x, y, z)x
(t) + F
y
(x, y, z)y
(t) + F
z
(x, y, z)z
(t)
En (x
0
, y
0
, z
0
) la forma vectorial equivalente es
0 = F(x
0
, y
0
, z
0
)
(t
0
) = (gradiente) (vector tangente)
Este resultado signica que el gradiente en P es ortogonal al vector tangente a cual-
quier curva sobre S que pase por P. Por lo tanto, todas las rectas tangentes en P
estan en un plano que es normal a F(x
0
, y
0
, z
0
) y contiene a P. Llamamos a este
plano, plano tangente a S en P, y a la recta que pasa por P en la direccion de
F(x
0
, y
0
, z
0
) recta normal a S en P.
Figura 5.4: Plano Tangente y vector F
o
de Fsica)
Denicion 5.1 Sea F diferenciable en el punto P = (x
0
, y
0
, z
0
) de la supercie S
dada por F(x, y, z) = 0, con F(x
0
, y
0
, z
0
) =
0.
1. El plano que pasa por P y es normal a F(x
0
, y
0
, z
0
) se conoce como el plano
tangente a S en P.
2. La recta que pasa por P y tiene la direccion de F(x
0
, y
0
, z
0
) se conoce como
la recta normal a S en P.
Para hallar la ecuacion del plano tangente a S en (x
0
, y
0
, z
0
), hacemos que (x, y, z)
sea un punto arbitrario del plano tangente. Entonces el vector
u = (x x
0
)
i + (y y
0
)
j + (z z
0
)
k
pertenece al plano tangente. Como F(x
0
, y
0
, z
0
) es normal al plano tangente en
(x
0
, y
0
, z
0
), debe ser ortogonal a cada vector del plano tangente y tenemos
F(x
0
, y
0
, z
0
) u = 0
lo cual nos conduce al siguiente resultado.
Si F es diferenciable en (x
0
, y
0
, z
0
), una ecuacion del plano tangente a la supercie
dada por F(x, y, z) = 0 en (x
0
, y
0
, z
0
) es
F
x
(x
0
, y
0
, z
0
)(x x
0
) + F
y
(x
0
, y
0
, z
0
)(y y
0
) + F
z
(x
0
, y
0
, z
0
)(z z
0
) = 0
Para hallar la ecuacion del plano tangente en un punto a una supercie dada por
z = f(x, y), denimos la funcion F mediante F(x, y, z) = f(x, y) z. Entonces S
viene dada por la supercie de nivel F(x, y, z) = 0, y por el resultado anterior, una
ecuacion del plano tangente a S en el punto (x
0
, y
0
, z
0
) es
f
x
(x
0
, y
0
)(x x
0
) + f
y
(x
0
, y
0
)(y y
0
) (z z
0
) = 0
Anteriormente vimos que la diferencial total dz = f
x
(x, y)dx + f
y
(x, y)dy, se
puede utilizar para aproximar el incremento z. Daremos ahora una interpretacion
geometrica de esa aproximacion en terminos del plano tangente a una supercie. El
plano tangente a la supercie z = f(x, y) en (x
0
, y
0
, z
0
) viene dado por
f
x
(x
0
, y
0
)(x x
0
) + f
y
(x
0
, y
0
)(y y
0
) (z z
0
) = 0
es decir,
z = z
0
+ f
x
(x
0
, y
0
)(x x
0
) + f
y
(x
0
, y
0
)(y y
0
)
As pues, el plano tangente en (x
0
, y
0
) tiene altura z
0
y en (x
0
+ dx, y
0
+ dy) tiene
altura
z = z
0
+ f
x
(x
0
, y
0
)(x
0
+ dx x
0
) + f
y
(x
0
, y
0
)(y
0
+ dy y
0
)
= z
0
+ f
x
(x
0
, y
0
)dx + f
y
(x
0
, y
0
)dy
o
de Fsica)
Figura 5.5: Cuando dx y dy son peque nos, dz z
Esto es, z = z
0
+dz. Por lo tanto para puntos proximos al (x
0
, y
0
, z
0
) los incrementos
dx = x y dy = y son peque nos y dz z.
Otra aplicacion del gradiente F(x, y, z) consiste en determinar el angulo de in-
clinaci on del plano tangente a una supercie. El angulo de inclinacion de un plano
se dene como el angulo , 0 /2, entre el plano en cuestion y el plano XY . El
angulo de inclinacion de un plano horizontal se dene como cero. Como

k es normal
al plano XY , podemos usar la formula que da el coseno del angulo entre dos planos
para concluir que el angulo de inclinacion de un plano con vector normal n viene dado
por
cos =
|n
k|
n
k
=
|n
k|
n
Figura 5.6: El angulo de inclinacion
o
de Fsica)
Analisis Matematico
Tema 6. Derivadas sucesivas.
Formula de Taylor
(SiGNum)
Curso 2004 2005
Contenido
6. Derivadas sucesivas. Formula de Taylor 1
6.1. Derivadas parciales de ordenes superiores . . . . . . . . . . . . . . . . 1
6.2. Igualdad de las derivadas cruzadas. Teorema de Schwarz . . . . . . . 2
6.3. Diferenciales totales sucesivas . . . . . . . . . . . . . . . . . . . . . . 4
6.4. Formula de Taylor para una funcion de dos variables . . . . . . . . . 7
0
Tema 6
Derivadas sucesivas. Formula de
Taylor
En este tema consideraremos exclusivamente funciones reales de varias variables
reales (como haremos en casi todo lo que resta de los sucesivos temas). No obstan-
te, en parte de los resultados obtenidos, pueden deducirse con facilidad conclusiones
analogas para funciones vectoriales, siempre que se traten propiedades que puedan
estudiarse componente a componente, seg un lo visto en los temas anteriores.
6.1. Derivadas parciales de ordenes superiores
Lo mismo que sucede con las derivadas ordinarias, es posible hallar derivadas
parciales de una funcion de varias variables de ordenes segundo, tercero y superiores,
supuesto que tales derivadas existen. En concreto:
Sea z = f(x, y) de dos variables independientes. Las derivadas parciales z/x =
f
x
(x, y), z/y = f
y
(x, y) son, en general, funciones de las variables x e y. Por eso,
tambien pueden tener derivadas parciales. Por consiguiente, las derivadas parciales
de segundo orden de una funcion de dos variables, son cuatro, puesto que cada una
de las funciones z/x y z/y pueden ser derivadas tanto respecto de x como de y.
Las derivadas parciales de segundo orden se designan as:
2
z
x
2
= f
xx
2
z
y
2
= f
yy
z
y
=

2
z
xy
= (f
y
)
x
= f
yx
z
x
=

2
z
yx
= (f
x
)
y
= f
xy
Las derivadas segundas se pueden volver a derivar y as sucesivamente.
En general, se llama derivada parcial de nesimo orden a la derivada primera
de la derivada de (n 1)esimo orden. Por ejemplo,

n
z
x
p
y
np
es una derivada de
1
6.2. Igualdad de las derivadas cruzadas. Teorema de Schwarz 2
nesimo orden. Aqu, la funcion z esta derivada, primero (n p) veces respecto de y
y luego p veces respecto de x .
De igual manera se denen las derivadas parciales de ordenes superiores para una
funcion de cualquier n umero de variables.
6.2. Igualdad de las derivadas cruzadas. Teorema
de Schwarz
Es natural plantear la siguiente cuestion: el resultado de la derivacion de una
funcion de varias variables reales depende o no del orden de derivacion respecto a las
diferentes variables? Es decir, podemos preguntarnos si, por ejemplo, seran identica-
mente iguales las derivadas
2
f
xy
y

2
f
yx
La respuesta nos la da el siguiente teorema:
Teorema 6.1 (de Schwarz) Si la funcion z = f(x, y) y sus derivadas parciales f
x
,
f
y
, f
xy
, f
yx
estan denidas en un entorno del punto M(x, y), y las derivadas cruzadas
f
xy
, f
yx
son continuas en dicho punto, entonces se verica en el mismo
2
f
xy
(x, y) =

2
f
yx
(x, y)
Demostracion: Consideremos la expresion:
A = [f(x + x, y + y) f(x + x, y)] [f(x, y + y) f(x, y)]
si introducimos la funcion auxiliar (x) dada por
(x) = f(x, y + y) f(x, y)
se puede escribir A de la forma:
A = (x + x) (x)
Por hipotesis f
x
esta denida en un entorno del punto (x, y). Por consiguiente, (x)
es derivable en el intervalo (x, x+x), y aplicando el Teorema de Lagrange tenemos:
A = x
(x) con x entre x y(x + x)

Pero
(x) = f
x
(x, y + y) f
x
(x, y)
o
de Fsica)
6.2. Igualdad de las derivadas cruzadas. Teorema de Schwarz 3
Puesto que f
xy
esta denida en un entorno del punto (x, y), f
x
es derivable en el
intervalo (y, y+y); por eso aplicando, el teorema de Lagrange a la diferencia obtenida
(respecto de la variable y), tenemos:
f
x
(x, y + y) f
x
(x, y) = yf
xy
(x, y) con y (y, y + y)
Luego
A = xyf
xy
(x, y)
Al cambiar el orden de los terminos en A obtenemos:
A = [f(x + x, y + y) f(x, y + y)] [f(x + x, y) f(x, y)]
Introduciendo la funcion auxiliar:
(y) = f(x + x, y) f(x, y)
entonces A = (y + y) (y).
Aplicando otra vez el Teorema de Lagrange:
A = y
(y) con y (y, y + y)

Pero
(y) = f
y
(x + x, y) f
y
(x, y)
y de nuevo aplicando Lagrange
f
y
(x + x, y) f
y
(x, y) = xf
yx
(x, y) con x (x, x + x)
As:
A = yxf
yx
(x, y)
Por tanto
xyf
xy
(x, y) = yxf
yx
(x, y)
de donde
f
xy
(x, y) = f
yx
(x, y)
Pasando en esta ecuacion al lmite, cuando x 0 y y 0,
lim
(x,y)(0,0)
f
xy
(x, y) = lim
(x,y)(0,0)
f
yx
(x, y)
Como las derivadas f
xy
, f
yx
son continuas en el punto (x, y), tenemos:
lim
(x,y)(0,0)
f
xy
(x, y) = f
xy
(x, y); lim
(x,y)(0,0)
f
yx
(x, y) = f
yx
(x, y)
En denitiva:
f
xy
(x, y) = f
yx
(x, y)

o
de Fsica)
6.3. Diferenciales totales sucesivas 4
Denicion 6.1 Se dice que la funcion f : D R
n
R denida en el conjunto
abierto D es de clase k (o de clase C
k
) en D, si existen y son continuas todas sus
derivadas parciales de orden k en D.
As tenemos la siguiente consecuencia del teorema anterior.
Corolario 6.2 Dada la funcion f : D R
n
R, si es de clase C
k
en el abierto
D, entonces no importa en que orden se vayan derivando las variables para obtener
sus derivadas parciales de orden k.
Observaciones:
1. El corolario anterior, que se obtiene aplicando reiteradamente el Teorema de
Schwarz, nos dice que no importa el orden de las variables al derivar. Pero hay
que tener en cuenta que s importa cuantas veces se deriva cada variable.
Por ejemplo,
4
f
x
2
yz
=

4
f
yx
2
z
=

4
f
zyx
2
No obstante, en general, se tiene por ejemplo:
4
f
x
2
yz
=

4
f
xy
2
z
,

4
f
zyx
2
=

4
f
z
2
yx
2. Si trabajamos con funciones denidas a trozos o que presentan alguna otra
singularidad, entonces debemos garantizar que se cumplan las hipotesis de con-
tinuidad de las derivadas parciales cruzadas. No obstante, normalmente se sue-
le trabajar con funciones de clase sucientemente elevada, de forma que no
hay problema respecto a la existencia y continuidad de sus derivadas parciales,
as como respecto al orden en que vayamos derivando las variables.
6.3. Diferenciales totales sucesivas
Observando la denicion de diferencial de z = f(x, y)
df = f
x
(x, y) x + f
y
(x, y) y
vemos que df depende de x e y (pues f
x
y f
y
son funciones de x e y) y tambien de
los incrementos x, y.
o
de Fsica)
Si damos a x, y, valores jos, la diferencial df depende solo de x e y, y considerada
como funcion de estas variables podra tener a su vez una diferencial que llamaremos
diferencial segunda de f e indicaremos
d
2
f = d(df)
Analogamente
d
n
f = d
d
n1
f
Si las segundas derivadas existen y son continuas en el punto considerado, existira la

diferencial segunda, y teniendo en cuenta la conmutabilidad de la derivacion vamos
a obtener su expresion.
Por haber supuesto jos x = dx, y = dy resulta:
d
2
f = d(df) = d
f
x
dx + d
f
y
dy
=
2
f
x
2
dx +

2
f
xy
dy
dx +

2
f
yx
dx +

2
f
y
2
dy
dy
=

2
f
x
2
dx
2
+ 2

2
f
xy
dxdy +

2
f
y
2
dy
2
Observemos que esta expresion puede escribirse en la forma:
d
2
f =
dx

x
+ dy

y
(2)
f
donde el exponente simbolico
(2)
indica que despues de elevar al cuadrado debemos
reemplazar las potencias y productos por ndices de derivacion.
En general, si existen y son continuas las derivadas nesimas en el punto conside-
rado se tendra:
d
n
f =
dx

x
+ dy

y
(n)
f
expresion que vale tambien para n = 1.
Mientras que la expresion de la diferencial total primera es la misma, aunque las
variables de que depende la funcion diferenciada sean a su vez funciones de otras
variables independientes, no sucede lo mismo en el caso de diferenciales de orden
superior. Pues, por ejemplo, en la diferencial segunda, ya no podran tomarse dx y
dy como parametros jos, sino como diferenciales funcionales, que tienen a su vez
d
2
x = d(dx) y d
2
y = d(dy), donde:
d
2
f =
dx

x
+ dy

y
(2)
f +
f
x
d
2
x +
f
y
d
2
y
o
de Fsica)
Si x e y son independientes, por ser entonces d
2
x = d
2
y = 0, queda la formula anterior.
Las expresiones de las diferenciales totales sucesivas, se pueden generalizar al caso
de una funcion real de n variables reales. As tenemos que, dada
f : D R
n
R,
de clase C
h
en el interior de D, para cada una de las variables independientes x
1
, . . . , x
n
tenemos los diferenciales denidos como incrementos muy peque nos dx
1
= x
1
, dx
2
=
x
2
, . . . , dx
n
= x
n
, los cuales se toman como constantes al derivar. La denicion
que debemos iterar en este caso es
df =
n
j=1
f
x
j
dx
j
obteniendo:
d
2
f =
n
i=1
x
i
j=1
f
x
j
dx
j
dx
i
=
n
i,j=1
2
f
x
i
x
j
dx
i
dx
j
d
3
f =
n
k=1
x
k
i,j=1
2
f
x
i
x
j
dx
i
dx
j
dx
k
=
n
i,j,k=1
3
f
x
i
x
j
x
k
dx
i
dx
j
dx
k
y as sucesivamente. Con objeto de simplicar la expresion de estas diferenciales
sucesivas suele usarse (igual que en el caso de una funcion de dos variables reales) un
exponente simbolico que indica potencia, cuando se aplica a una constante u orden de
derivacion, cuando se aplica al smbolo de derivada parcial. De esta forma podemos
escribir:
d
h
f =
dx
1
x
1
+ dx
2
x
2
+ + dx
n
x
n
(h)
f
Nota 6.1 Las expresiones anteriores son validas porque hemos supuesto que x
1
, . . . , x
n
son variables independientes (con lo que sus diferenciales se han tomado como cons-
tantes al derivar). Si se supone, en cambio, que estas variables dependen de otras,
entonces las expresiones de las diferenciales sucesivas se complican, pues al iterar la
denicion de diferencial de f, ya no son constantes dx
1
, dx
2
, . . . , dx
n
.
o
de Fsica)
6.4. F
ormula de Taylor para una funci
on de dos variables 7
6.4. Formula de Taylor para una funcion de dos
variables
La diferencial primera aproxima los incrementos de una funcion (a partir del
punto considerado) por una forma lineal de los incrementos de sus variables. Geome-
tricamente se trata de aproximar la graca de la funcion por una recta o por un plano,
en los casos de una o dos variables, respectivamente.
Esta aproximacion se puede mejorar a nadiendo la diferencial segunda (en con-
creto
1
2
d
2
f), la cual consiste en una forma cuadratica. Geometricamente se trata
de una parabola o un paraboloide para una o dos variables.
El estudio de las diferenciales sucesivas va mejorando estas aproximaciones. De
esta forma podemos calcular, dadas las condiciones necesarias en cada punto x = a,
polinomios del grado deseado (seg un el nivel de aproximacion requerido) que toman
valores muy parecidos a f(x) en cierto entorno del punto jado. Su expresion exacta
la aporta el siguiente Teorema:
Teorema 6.3 (de Taylor) Si la funcion f : D R
k
R es de clase C
n+1
en un
entorno del punto x = a
o
D
, entonces para cada valor de los incrementos x
i
= dx
i
(que nos mantiene en dicho entorno), existe (0, 1) tal que:
f(a + dx) = f(a) + df(a) +
1
2!
d
2
f(a) + +
1
n!
d
n
f(a) +
1
(n + 1)!
d
n+1
f(a + dx)
Los n + 1 primeros terminos del segundo miembro cosntituyen el denominado poli-
nomio de Taylor de grado n en x = a (tambien llamado polinomio de MacLaurin en
el caso a =

0). El termino restante se denomina termino complementario o resto de
Lagrange.
En el caso particular de una funcion f(x, y) de dos variables reales, considerando
las expresiones de las diferenciales sucesivas, vistas anteriormente, y evaluando dicha
funcion en un punto arbitrario x = a + dx, y = b + dy, con lo que dx = h = x a y
dy = k = y b, se obtiene la siguiente expresion de la formula de Taylor:
f(a + h, b + k) = f(a, b) +
h

x
+ k

y
f(a, b)
+
1
2!
h

x
+ k

y
(2)
f(a, b) + +
1
n!
h

x
+ k

y
(n)
f(a, b)
+
1
(n + 1)!
h

x
+ k

y
(n+1)
f(a + h, b + k)
o
de Fsica)
6.4. F
ormula de Taylor para una funci
on de dos variables 8
Nota 6.2 Algunas de las importantes aplicaciones de la formula de Taylor, derivadas
de la simplicidad de las funciones polinomicas por las que podemos aproximar las
funciones varias veces derivables son, el calculo de lmites, la evaluacion de funciones
transcendentes y la obtencion de caractersticas utiles sobre la graca de una funcion
(extremos relativos, . . . ).
o
de Fsica)
Analisis Matematico
Tema 7. Extremos de funciones de
varias variables reales
(SiGNum)
Curso 2004 2005
Contenido
7. Extremos de funciones de varias variables reales 1
7.1. Introduccion: Maximos y mnimos de funciones de varias variables . . 1
7.2. Condiciones necesarias para la existencia de extremos . . . . . . . . . 4
7.3. Condiciones sucientes para la existencia de extremos . . . . . . . . . 6
7.4. Extremos condicionados: Metodo de los multiplicadores de Lagrange . 10
A. Formas cuadraticas 22
A.1. Denicion de forma cuadratica . . . . . . . . . . . . . . . . . . . . . . 22
A.2. Clasicacion de formas cuadraticas reales . . . . . . . . . . . . . . . . 23
0
Tema 7
Extremos de funciones de varias
variables reales
7.1. Introduccion: Maximos y mnimos de funcio-
nes de varias variables
En este tema estudiaremos tecnicas para hallar los valores extremos de una funcion
de varias variables reales.
Para jar ideas, sea u una variable que puede obtenerse a partir de las variables
independientes x
1
, x
2
, . . . , x
n
mediante la funcion u = f(x
1
, . . . , x
n
). En tal caso es
frecuente que interese saber que valores de las variables independientes x
1
, . . . , x
n
proporcionan el valor optimo de u; donde por optimo suele entenderse el valor
maximo o el mnimo, seg un los casos. As, por ejemplo, es evidente que interesa
maximizar variables como el rendimiento, el benecio, la calidad, . . . y que interesa
minimizar variables como el tiempo requerido en la produccion, el coste total, el
porcentaje de fallos, . . . . Ademas de estos ejemplos, que aparecen constantemente
en la Industria y la Ingeniera Qumica, se pueden plantear muchos otros problemas
donde el objetivo sea optimizar cierta variable fsicoqumica como la concentracion,
el volumen, la presion, la temperatura, . . . . Otro ejemplo practico, denominado el
metodo de mnimos cuadrados (introducido por Gauss) consiste en calcular los
parametros de cierta funcion teorica que mejor se ajustan a los datos experimentales,
en el sentido de que minimicen la suma de cuadrados de las diferencias entre cada
valor real y el correspondiente valor teorico (ajustado seg un el modelo dado). De esta
forma se calcula, por ejemplo, la recta de regresion y = mx + b que mejor se ajusta
a una nube de puntos {(x
i
, y
i
), i = 1, . . . , n}.
Todos los problemas antes aludidos, una vez planteados matematicamente (lo
que permite ignorar el signicado real de cada variable), consisten en hallar los
1
7.1. Introducci
on: M
aximos y m
nimos de funciones de varias

variables 2
puntos (a
1
, a
2
, . . . , a
n
) donde la funcion u = f(x
1
, x
2
, . . . , x
n
) alcanza un mnimo
(resp. maximo); es decir, donde se cumple:
f(a
1
, . . . , a
n
) f(x
1
, . . . , x
n
) (resp. f(a
1
, . . . , a
n
) f(x
1
, . . . , x
n
)).
Con la denominacion de extremo nos referimos indistintamente a los mnimos y a
los maximos de la funcion u. Se dice que tal extremo es absoluto (o global ) cuando la
desigualdad anterior se verica para cualquier punto (x
1
, . . . , x
n
) del dominio D R
n
de la funcion f : D R. Hablandose de un extremo relativo (o local ) cuando dicha
desigualdad se cumple en los puntos (x
1
, . . . , x
n
) pertenecientes a cierto entorno del
punto (a
1
, . . . , a
n
) . En todas estas deniciones hemos considerado la palabra extremo
en sentido amplio, al admitir la igualdad entre f(a
1
, . . . , a
n
) y f(x
1
, . . . , x
n
) . Pero,
en todos los casos, podemos hablar de extremo estricto cuando las desigualdades son
estrictas. Es decir, cuando para todo (x
1
, . . . , x
n
) = (a
1
, . . . , a
n
), se tiene:
f(a
1
, . . . , a
n
) < f(x
1
, . . . , x
n
) (resp. f(a
1
, . . . , a
n
) > f(x
1
, . . . , x
n
)).
En concreto para una funcion de dos variables sera:
Denicion 7.1 Los valores f(a, b) y f(c, d) tales que
f(a, b) f(x, y) f(c, d)
para todo (x, y) en una region R se conoce como mnimo absoluto y maximo absoluto
de f, respectivamente, en la region R.
Como en el calculo para funciones de una variable, distinguimos entre extremos
absolutos y extremos relativos.
Denicion 7.2 Sea f una funcion denida en una region R que contiene en su
interior al punto (x
0
, y
0
).
1. f(x
0
, y
0
) es un mnimo relativo de f si f(x, y) f(x
0
, y
0
) para todo (x, y) en
un disco abierto que contiene a (x
0
, y
0
), es decir,
si > 0 tal que f(x
0
, y
0
) f(x
0
+ h, y
0
+ k) con
h
2
+ k
2
<
2. f(x
0
, y
0
) es un maximo relativo de f si f(x, y) f(x
0
, y
0
) para todo (x, y) en
un disco abierto que contiene a (x
0
, y
0
), es decir,
si > 0 tal que f(x
0
+ h, y
0
+ k) f(x
0
, y
0
) con
h
2
+ k
2
<
o
de Fsica)
7.1. Introducci
on: M
aximos y m
nimos de funciones de varias

variables 3
(a) Maximo relativo (b) Mnimo relativo
Figura 7.1: Extremos relativos para una funcion de dos variables reales
Decir que z
0
= f(x
0
, y
0
) es un maximo relativo de f signica que el punto
(x
0
, y
0
, z
0
) es al menos tan alto como los puntos de su entorno en la graca de
z = f(x, y). De forma similar, z
0
= f(x
0
, y
0
) es un mnimo relativo de f si (x
0
, y
0
, z
0
)
esta al menos tan bajo como los puntos de su entorno en la graca.
Observacion: Para hallar los extremos de una funcion, usaremos a continuacion
tecnicas del Calculo Diferencial; por lo que supondremos que se trata de funciones de-
rivables denidas sobre un conjunto abierto. De esta forma obtendremos los extremos
relativos de la funcion. En caso de que esta no sea derivable o su dominio de denici on
no sea abierto, as como cuando queramos obtener sus extremos absolutos, habra que
efectuar consideraciones adicionales o aplicar otras tecnicas de optimizacion (que
aparecen desarrolladas en ramas como la Programacion Matematica). Por ejemplo,
supongamos que la funcion z = f(x, y) es continua en el rectangulo R = [0, 3][0, 2] y
derivable en R\{(2, 1)}. Entonces, para calcular sus extremos absolutos en R, adem as
de hallar los extremos relativos en (0, 3) (0, 2) \ {(2, 1)} (siguiendo los pasos que
veremos a continuacion), deberemos evaluar la funcion f en la frontera de R y en el
punto (2, 1).
El objetivo de este tema es intentar localizar los extremos relativos de f, para
lo cual, investigamos los puntos en los que su gradiente es cero o no esta denido.
LLamamos a tales puntos, puntos crticos.
Denicion 7.3 Sea f denida en una region abierta R R
n
conteniendo el punto
(a
1
, a
2
, . . . , a
n
). Decimos que (a
1
, a
2
, . . . , a
n
) es un punto crtico de f si se verica
una de las armaciones siguientes:
1.
f
x
i
(a
1
, a
2
, . . . , a
n
) = 0 para todo i = 1, 2, . . . n.
o
de Fsica)
7.2. Condiciones necesarias para la existencia de extremos 4
2. Algunas de las derivadas parciales (o todas) no existen.
En concreto para una funcion de dos variables reales sera:
Denicion 7.4 Sea f denida en una region abierta R conteniendo el punto (x
0
, y
0
).
Decimos que (x
0
, y
0
) es un punto crtico de f si se verica una de las armaciones
siguientes:
1. f
x
(x
0
, y
0
) = 0 y f
y
(x
0
, y
0
) = 0.
2. f
x
(x
0
, y
0
) o f
y
(x
0
, y
0
) no existen.
Recordemos que si f es diferenciable y se cumple la primera condicion, tenemos:
f(x
0
, y
0
) = f
x
(x
0
, y
0
)
i + f
y
(x
0
, y
0
)
j = 0
i + 0
j = f(x
0
, y
0
) =
0
entonces toda derivada direccional en (x
0
, y
0
) ha de ser cero. Eso implica que la
funcion tiene un plano tangente horizontal en el punto (x
0
, y
0
, z
0
). Salta a la vista que
ese punto es candidato a que haya en el un extremo. Ademas el plano tangente en
este punto es z = z
0
(horizontal).
(a) Maximo relativo (b) Mnimo relativo
Figura 7.2: Extremos relativos para una funcion de dos variables reales: Plano z = z
0
7.2. Condiciones necesarias para la existencia de
extremos
Teorema 7.1 Si f : D R
n
R (con D abierto) presenta un extremo relativo (en
sentido amplio o estricto) en el punto (a
1
, . . . , a
n
) D, entonces dicho punto es un
punto crtico.
o
de Fsica)
7.2. Condiciones necesarias para la existencia de extremos 5
Demostracion: Si no existen algunas de las derivadas parciales en el punto, entonces
estamos en un punto crtico. Por tanto, suponemos que la funcion es derivable en el
punto (a
1
, . . . , a
n
).
Considerando entonces cualquiera de las variables x
i
, i = 1, . . . , n y la funcion de
esa unica variable g(x
i
) = f(a
1
, . . . , a
i1
, x
i
, a
i+1
, . . . , a
n
) empleada para denir la
derivada parcial
f
x
i
, es obvio que g(x
i
) presenta un extremo relativo en a
i
, por lo
que g
(a
i
) =
f
x
i
(a
1
, . . . , a
n
) = 0, para todo i = 1, . . . , n.
Este teorema nos dice que para hallar los extremos relativos necesitamos solamente
examinar valores de f en los puntos crticos. Sin embargo, al igual que se cumple para
funciones de una sola variable, los puntos crticos no siempre nos conducen a maximos
o mnimos relativos. Es decir, el teorema anterior es una condicion necesaria, pero no
suciente, para la existencia de extremos.
Aquellos puntos crticos que no son extremos se denominan puntos de silla.
Ejemplo. La funcion z = x
2
y
2
, tiene un punto de silla en (0, 0), ya que
z
x
= 2x = 0 = x = 0
z
y
= 2y = 0 = y = 0
Sin embargo la funcion no posee en el punto (0, 0) ni maximo ni mnimo, pues en
este punto z(0, 0) = 0 y sin embargo en cualquier entorno del (0, 0), z toma valores
positivos y negativos.
Figura 7.3: Funcion: z = x
2
y
2
Si la funcion es sencilla mediante consideraciones geometricas podemos averiguar

si los puntos crticos obtenidos son extremos o no. Para funciones mas complicadas, los
o
de Fsica)
7.3. Condiciones suficientes para la existencia de extremos 6
argumentos algebraicos no son tan utiles, y dependemos de los medios mas analticos
que se introducen en el siguiente criterio de las derivadas parciales segundas. Este es
el criterio que en dos o mas variables corresponde al criterio de la derivada segunda
para funciones de una variable.
7.3. Condiciones sucientes para la existencia de
extremos
Como es sabido, el estudio de extremos relativos para funciones de una variable
(derivables al menos dos veces) puede efectuarse sin dicultad a partir del desarrollo
de Taylor en torno a cada punto crtico. Lo cual motiva a usar el mismo metodo con
funciones de varias variables. En este caso, los terminos de segundo orden constituyen
una forma cuadratica; lo que hara que nuestro problema se reduzca a clasicarla como
denida positiva (originando entonces un mnimo relativo estricto), como denida
negativa (tratandose entonces de un maximo relativo estricto) o como indenida (en
los puntos de silla). Pero antes de ver el criterio que nos da la condicion suciente,
denamos lo que se entiende por matriz hessiana de una funcion.
Denicion 7.5 Dada f : D R
n
R y a
o
D
, se denomina matriz hessiana de f
en a, a la matriz de las derivadas parciales de segundo orden
H
f
(a) =
_
_
_
_
_
f
x
1
x
1
(a) f
x
1
x
2
(a) f
x
1
x
n
(a)
f
x
2
x
1
(a) f
x
2
x
2
(a) f
x
2
x
n
(a)
.
.
.
f
x
n
x
1
(a) f
x
n
x
2
(a) f
x
n
x
n
(a)
_
_
_
_
_
y se denomina hessiano de f en a al determinante de esta matriz, es decir |H
f
(a)|
Teorema 7.2 Sea una funcion f con derivadas parciales primeras y segundas con-
tinuas en una region abierta que contiene un punto (a, b) para el que f
x
(a, b) = 0 y
f
y
(a, b) = 0. Para determinar si en dicho punto hay un extremo relativo de f, de-
nimos la cantidad (es decir, el determinante de la denominada matriz hessiana de f
en el punto)
|H
f
(a, b)| = f
xx
(a, b)f
yy
(a, b) [f
xy
(a, b)]
2
=
f
xx
(a, b) f
xy
(a, b)
f
yx
(a, b) f
yy
(a, b)
1. Si |H
f
(a, b)| > 0 y f
xx
(a, b) > 0, entonces hay un mnimo relativo estricto en
(a, b).
o
de Fsica)
2. Si |H
f
(a, b)| > 0 y f
xx
(a, b) < 0, entonces hay un maximo relativo estricto en
(a, b).
3. Si |H
f
(a, b)| < 0, entonces hay un punto de silla en (a, b).
4. Si |H
f
(a, b)| = 0, el criterio no nos da informacion.
Demostracion: La formula de Taylor para f(x, y) en un punto (a + h, b + k), supo-
niendo que f es dos veces diferenciable, viene dada por
f(a + h, b + k) = f(a, b) + h
f
x
(a, b) + k
f
y
(a, b)
+
1
2
_
h
2
2
f
x
2
(a + h, b + k) + 2hk

2
f
xy
(a + h, b + k) + k
2
2
f
y
2
(a + h, b + k)
_
con 0 < < 1.
Como
f
x
(a, b) =
f
y
(a, b) = 0
f(a + h, b + k) f(a, b) =
1
2
_
h
2
2
f
x
2
(a + h, b + k)
+2hk

2
f
xy
(a + h, b + k) + k
2
2
f
y
2
(a + h, b + k)
_
Ahora bien como las derivadas parciales segundas son continuas en (a, b), el signo
de estas en un entorno de dicho punto coincide con el signo de sus respectivas derivadas
parciales segundas en (a, b). As, el signo de
f(a + h, b + k) f(a, b)
coincide con el signo de
F(h, k) = h
2
2
f
x
2
(a, b) + 2hk

2
f
xy
(a, b) + k
2
2
f
y
2
(a, b)
Como vemos se trata de una forma cuadratica en h y k, siendo su matriz
H
f
(a, b) =
_
f
xx
(a, b) f
xy
(a, b)
f
yx
(a, b) f
yy
(a, b)
_
de manera que aplicando el criterio de Sylvester (para el caso de una funcion de dos
variables reales) se tiene que:
o
de Fsica)
1. Si |H
f
(a, b)| > 0 y f
xx
(a, b) > 0, la forma cuadratica es denida positiva
f(a + h, b + k) f(a, b) > 0 para valores no nulos de h y k sucientemente
peque nos, con lo cual tenemos un mnimo relativo estricto en (a, b).
2. Si |H
f
(a, b)| > 0 y f
xx
(a, b) < 0, la forma cuadratica es denida negativa
f(a + h, b + k) f(a, b) < 0 para valores no nulos de h y k sucientemente
peque nos, con lo que entonces hay un maximo relativo estricto en (a, b).
3. Si |H
f
(a, b)| < 0, la forma cuadratica es indenida, entonces arbitrariamente
cerca de (a, b, f(a, b)) sobre la supercie z = f(x, y) hay puntos por arriba y
por abajo de (a, b, f(a, b)). Por tanto la funcion f tiene un punto de silla en
(a, b) y no es ni maximo ni mnimo.
4. Si |H
f
(a, b)| = 0, estamos en un caso dudoso, con lo que el criterio no nos da
informacion.
Este teorema se puede extender para funciones de tres variables reales. Hemos
visto c omo para funciones de dos variables, la existencia de extremo dependa de la
conservacion del signo de la forma cuadratica binaria en h y k:
F(h, k) = f
xx
h
2
+ 2f
xy
hk + f
yy
k
2
Para el caso de funciones de tres variables f(x, y, z) con derivadas segundas continuas
y no simultaneamente nulas en el punto (a, b, c), la existencia de extremo depen-
dera tambien de la conservacion del signo de la forma cuadratica ternaria en h, k y
l:
F(h, k, l) = f
xx
h
2
+ f
yy
k
2
+ f
zz
l
2
+ 2f
xy
hk + 2f
xz
hl + 2f
yz
kl
Aunque no vamos a demostrarlo, si hacemos un razonamiento analogo, llegamos al
siguiente teorema:
Teorema 7.3 Si una funcion f(x, y, z) tiene derivadas segundas continuas y no si-
multaneamente nulas en el punto (a, b, c) de una region abierta R y en dicho punto
es f
x
= f
y
= f
z
= 0, para determinar si en dicho punto hay un extremo relativo de
f, denimos las cantidades:
H
3
(a, b, c) =
f
xx
(a, b, c) f
xy
(a, b, c) f
xz
(a, b, c)
f
yx
(a, b, c) f
yy
(a, b, c) f
yz
(a, b, c)
f
zx
(a, b, c) f
zy
(a, b, c) f
zz
(a, b, c)
H
2
(a, b, c) =
f
xx
(a, b, c) f
xy
(a, b, c)
f
yx
(a, b, c) f
yy
(a, b, c)

o
de Fsica)
H
1
(a, b, c) = f
xx
(a, b, c)
Entonces:
1. Si H
3
(a, b, c) > 0, H
2
(a, b, c) > 0 y H
1
(a, b, c) > 0, en el punto (a, b, c) la funcion
tiene un mnimo relativo estricto.
2. Si H
3
(a, b, c) < 0, H
2
(a, b, c) > 0 y H
1
(a, b, c) < 0, en el punto (a, b, c) la funcion
tiene un maximo relativo estricto.
3. Si H
2
(a, b, c) < 0, en el punto (a, b, c) la funcion tiene un punto de silla.
4. Si H
1
(a, b, c)H
3
(a, b, c) < 0, la funcion tiene un punto de silla en (a, b, c).
5. El resto de los casos son dudosos..
Ejemplo. Hallar los extremos de la funcion f(x, y) = x

3
3axy +y
3
seg un los valores
de a.
Como f es diferenciable, calculamos f
x
y f
y
:
f
x
(x, y) = 3x
2
3ay
f
y
(x, y) = 3y
2
3ax
_
f
x
(x, y) = 3x
2
3ay = 0 x
2
ay = 0
f
y
(x, y) = 3y
2
3ax = 0 y
2
ax = 0
Si a = 0, la unica solucion del sistema anterior es x = y = 0, y si a = 0, se tiene
x
2
ay = 0 y =
x
2
a
As, sustituyendo en la segunda ecuacion, llegamos a
x(x
3
a
3
) = 0 x = 0 o x = a
de manera que los puntos crticos son:
Si a = 0, P
1
= (0, 0).
Si a = 0, P
2
= (0, 0) y P
3
= (a, a).
Para aplicar la condicion suciente calculamos la matriz hessiana:
H(x, y) =
_
f
xx
(x, y) f
xy
(x, y)
f
yx
(x, y) f
yy
(x, y)
_
=
_
6x 3a
3a 6y
_
,
y estudiamos el signo del hessiano en cada punto.
o
de Fsica)
7.4. Extremos condicionados: M
etodo de los multiplicadores de

Lagrange 10
1. Si a = 0 se tena el punto P
1
= (0, 0), entonces
H(0, 0) =
0 0
0 0
= 0 ,
luego en principio el criterio no nos da informacion sobre la naturaleza del
punto. Pero en este caso, al ser a = 0, la funcion quedara f(x, y) = x
3
+ y
3
.
Estudiando el comportamiento de la funcion en un entorno del punto P
1
=
(0, 0), comprobamos que si las coordenadas del punto (x, y) son ambas positivas,
f(x, y) > 0, mientras que si fueran ambas negativas f(x, y) < 0. Incluso sobre
la recta x +y = 0, se tiene que f(x, y) = 0. Por lo tanto el punto P
1
= (0, 0) es
un punto de silla.
2. Si a = 0, tenemos dos puntos que estudiar.
a) En el punto P
2
= (0, 0), el hessiano viene dado por
H(0, 0) =
0 3a
3a 0
= 9a
2
< 0 ,
de donde P
2
= (0, 0) es un punto de silla.
b) En el punto P
3
= (a, a), el hessiano viene dado por
H(a, a) =
6a 3a
3a 6a
= 27a
2
> 0 .
Luego si a > 0, al ser f
xx
(a, a) = 6a > 0, en el punto P
3
se alcanza un
mnimo relativo, mientras que si a < 0, como f
xx
(a, a) = 6a < 0, en el
punto P
3
se alcanza un maximo relativo.
Nota 7.1 Aplicando el criterio de Sylvester para clasicar formas cuadraticas en R

n
se puede extender facilmente la condicion suciente de extremos para funciones de n
variables.
7.4. Extremos condicionados: Metodo de los mul-
tiplicadores de Lagrange
Al principio del tema ya hemos comentado la importancia practica que supone en
muchos casos el maximizar o minimizar cierta funcion mediante la eleccion apropiada
o
de Fsica)

Lagrange 11
del valor de sus variables independientes. Por lo general, estas variables estan restrin-
gidas a cierto conjunto de valores que constituyen el dominio de denicion (teorico o
real) de la funcion dada.
Pero, en muchas ocasiones, los valores factibles de las variables estan sujetos
ademas a condiciones adicionales tales que dejan de ser realmente variables indepen-
dientes. Se trata de relaciones que ligan sus valores estableciendo cierta dependencia
entre las variables. Aqu consideraremos el caso de dependencia funcional entre las
variables cuyo valor optimo queremos calcular, dependencia que se expresa entonces
mediante las denominadas funciones de ligadura (o simplemente ligaduras). En
lo que sigue usaremos la siguiente expresion general para un problema de extremos
condicionados:
Optimizar la funcion u = f(x
1
, x
2
, . . . , x
n
), sujeta a las condiciones (o ligaduras):
_
_
g
1
(x
1
, . . . , x
n
) = 0
g
2
(x
1
, . . . , x
n
) = 0
.
.
.
.
.
.
g
k
(x
1
, . . . , x
n
) = 0
(7.1)
siendo 1 k < n.
Siempre que sea factible, interesa usar las ligaduras para despejar k variables
expres andolas en funcion de las nk variables restantes. Haciendo estas sustituciones
en la funcion u, el problema se reduce a calcular los extremos (ya sin ligaduras) de
una funcion de n k variables. Para poder hacer esto hay que asegurarse que se
verica el teorema de la funcion implcita. En concreto, reordenado las variables si
es preciso, podemos suponer que las k ultimas variables x
nk+1
, x
nk+2
, . . . , x
n1
, x
n
dependen de las nk primeras, que son as las unicas variables independientes. Para
hacer patente este hecho cambiamos la notacion de las variables escribiendo:
y
1
= x
nk+1
y
2
= x
nk+2

y
k
= x
n
con lo que se tendra que vericar que
J
_
g
1
, g
2
, , g
k
y
1
, y
2
, , y
k
_
=
g
i
y
j
1i,jk
= 0
De esta forma, el problema de extremos condicionados se reduce a estudiar los
extremos de una funcion
F(x
1
, x
2
, , x
nk
) = f(x
1
, x
2
, , x
nk
, y
1
, , y
k
)
o
de Fsica)

Lagrange 12
que se resuelve seg un hemos visto en las preguntas anteriores del tema.
En la resolucion practica de este problema hay dos situaciones bien diferentes que
se nos pueden plantear:
1. Las variables y
1
, y
2
, . . . , y
k
pueden obtenerse explcitamente como funcion de
las variables x
1
, x
2
, . . . , x
nk
, a partir de las k funciones de ligaduuras g
1
= g
2
=
= g
k
= 0.
Este caso, que sera el menos frecuente, permite olvidarnos totalmente de las
ligaduras una vez que conocemos la expresion explcita de
y
j
= y
j
(x
1
, x
2
, . . . , x
nk
), j = 1, 2, . . . , k.
Sustituyendo estas expresiones explcitas en la funcion a optimizar f(x
1
, x
2
,
. . . , x
n
) podemos trabajar simplemente con la funcion resultante F(x
1
, x
2
,
. . . , x
nk
).
2. Las variables y
1
, y
2
, . . . , y
k
quedan determinadas implcitamente por las li-
gaduras g
1
= g
2
= = g
k
= 0, siendo complicado o imposible obtener su
expresion explcita.
En este caso, que sera el mas frecuente, optimizamos la funcion F(x
1
, x
2
, . . . ,
x
nk
) considerando sus nk variables independientes. Pero en todos los calcu-
los debemos derivar implcitamente en g
1
= g
2
= = g
k
= 0 para obte-
ner las derivadas de y
1
, y
2
, . . . , y
k
que aparecen como funciones implcitas de
x
1
, x
2
, . . . , x
nk
.
Pero muchas veces es complicado o imposible despejar k variables de las ligaduras,
por lo que resulta inviable el metodo descrito. Otras veces, a un pudiendose eliminar
dichas variables, el problema de extremos da lugar a ecuaciones difciles de resolver.
O bien el calculo efectuado con las funciones implcitas, suele resultar bastante largo
y engorroso.
Para solventar esta situacion vemos a continuacion un nuevo metodo introducido
por Lagrange (en un conocido trabajo suyo sobre Mecanica, realizado cuando contaba
solo 19 a nos de edad).
Comenzamos con un problema simple de optimizacion con ligaduras. Supongase
que queremos hallar el rectangulo de area maxima que puede inscribirse en una elipse
x
2
9
+
y
2
16
= 1
Sea (x, y) = (x
0
, y
0
) el vertice del rectangulo situado en el primer cuadrante. Entonces,
como el rectangulo tiene lados de longitudes 2x y 2y, su area viene dada por
f(x, y) = 4xy funcion objetivo
o
de Fsica)

Lagrange 13
Queremos hallar x e y tal que f(x, y) sea maxima. Nuestra eleccion de (x, y) se
restringe a puntos que pertenecen a la elipse
x
2
9
+
y
2
16
= 1 ligadura
Figura 7.4: Rectangulo de area maxima que puede inscribirse en la elipse
x
2
9
+
y
2
16
= 1
Para ver como puede resolverse este problema mediante los multiplicadores de
Lagrange, consideremos la ecuacion de ligadura como una curva de nivel ja de
g(x, y) =
x
2
9
+
y
2
16
1
en concreto sera la curva de nivel g(x, y) = 0.
Las curvas de nivel de f representan una familia de hiperbolas
f(x, y) = 4xy = k ,
y en esta familia las curvas de nivel que satisfacen la ligadura dada corresponden a
hiperbolas que cortan a la elipse (ver gura 7.5). Ademas, para maximizar f(x, y),
queremos hallar la hiperbola que satisface la ligadura exactamente. La curva de nivel
que hace esto es tangente a la elipse, es decir, la solucion (x
0
, y
0
) debe ser el punto
de la elipse, S, donde la curva de nivel correspondiente sea tangente a S.
o
de Fsica)

Lagrange 14
Figura 7.5: Curvas de nivel de f(x, y) = k
Para hallar la hiperbola apropiada, usamos el hecho de que dos curvas son tan-
gentes en un punto si y solo si sus vectores gradientes son paralelos. Intuitivamente
vemos que en el punto (x, y) de S para que la hiperbola sea tangente a la elipse, el
gradiente f(x, y) debe ser perpendicular a S, pero un vector normal a S en (x, y) es
g(x, y). Esto signica que f(x, y) debe ser un m ultiplo de g(x, y) en el punto de
tangencia. En el contexto de los problemas de optimizacion con ligaduras, denotamos
este escalar por y escribimos
f(x, y) = g(x, y) . (7.2)
El escalar se conoce como multiplicador de Lagrange. La condicion (7.2), junto
con la condicion de ligadura, establece un sistema de tres ecuaciones con tres incogni-
tas (x, y, ), cuya solucion constituye el llamado Metodo de los multiplicadores
de Lagrange:
f
x
(x, y) = g
x
(x, y)
f
y
(x, y) = g
y
(x, y)
g(x, y) = 0
El siguiente teorema nos da las condiciones necesarias para la existencia de extre-
mos relativos condicionados, en los que aparecen tales multiplicadores.
Teorema 7.4 Sean f y g funciones con derivadas parciales primeras continuas tales
que f tiene un extremo relativo en el punto (x
0
, y
0
) de la curva de ligadura g(x, y) = 0.
Si g(x
0
, y
0
) =
0, entonces existe un n umero real tal que

f(x
0
, y
0
) = g(x
0
, y
0
)
o
de Fsica)

Lagrange 15
Demostracion: Para empezar, representemos la curva suave dada por g(x, y) = 0
por la funcion vectorial
r(t) = x(t)
i + y(t)
j, r
(t) =
0 ,
siendo x
e y
continuas en un intervalo I. Si denimos la funcion h por h(t) =

f(x(t), y(t)), entonces, como f(x
0
, y
0
) es un valor extremo de f, sabemos que
h(t
0
) = f(x(t
0
), y(t
0
)) = f(x
0
, y
0
)
es un valor extremo de h. Esto implica que h
(t
0
) = 0 y, por la regla de la cadena,
h
(t
0
) = f
x
(x
0
, y
0
)x
(t
0
) + f
y
(x
0
, y
0
)y
(t
0
) = f(x
0
, y
0
) r
(t
0
) = 0 .
Luego, f(x
0
, y
0
) es ortogonal a r
(t
0
). Ademas, sabemos por un tema anterior que
g(x
0
, y
0
) tambien es ortogonal a r
(t
0
). En consecuencia los gradientes f(x
0
, y
0
) y
g(x
0
, y
0
) son paralelos, y por tanto, debe existir un escalar tal que
f(x
0
, y
0
) = g(x
0
, y
0
)
As, el metodo de los multiplicadores de Lagrange para hallar los valores extremos
de una funcion f sujeta a una ligadura es:
Supongamos que f y g satisfacen las hipotesis del teorema de Lagrange y que f
tiene, sujeta a la ligadura g(x, y) = 0, un mnimo o un maximo. Para hallar el mnimo
o maximo de f, resolvemos simultaneamente las ecuaciones f(x, y) = g(x, y) y
g(x, y) = 0 resolviendo el sistema de ecuaciones:
f
x
(x, y) = g
x
(x, y)
f
y
(x, y) = g
y
(x, y)
g(x, y) = 0
Otra manera de considerar estas ecuaciones es pensar en como una variable
adicional y formar la funcion auxiliar
F(x, y, ) = f(x, y) g(x, y)
En el teorema de Lagrange se dice que para hallar los puntos extremos de f restrin-
gida a g debemos examinar los puntos crticos de F. Estos se encuentran resolviendo
las ecuaciones
F
x
= 0 =
f
x

g
x
= 0
F
y
= 0 =
f
y

g
y
= 0
F
= 0 = g(x, y) = 0
o
de Fsica)

Lagrange 16
que son las mismas que las ecuaciones dadas anteriormente. A la funcion F se le llama
funcion de Lagrange o lagrangiana.
Notemos que el teorema de Lagrange, nos da una condicion necesaria para la
existencia de extremos de la funcion f, que no es una condicion suciente.
Nota 7.2 Si tanto la funcion f como la funcion g depende de tres variables, las
gracas correspondientes se sit uan en el espacio tridimensional; pero el razonamien-
to seguido anteriormente contin ua siendo valido sin mas que hablar de supercies de
nivel para la funcion f y g. En tal caso se deben usar dos parametros para la supercie
g(x, y, z) = 0 en la demostracion anterior.
Por otra parte, el metodo de los multiplicadores de Lagrange se puede extender
cuando tenemos dos funciones de ligadura. As, en los problemas de optimizacion con
dos funciones de ligadura g y h, introducimos un segundo multiplicador de Lagrange
y resolvemos la ecuacion
f(x, y, z) =
1
g(x, y, z) +
2
h(x, y, z)
Consideremos el problema consistente en optimizar la funcion u = f(x, y, z), estando
las variables sujetas a las dos condiciones:
g(x, y, z) = 0, h(x, y, z) = 0.
Entonces la supercie de nivel f(x, y, z) = k debe tocar tangencialmente a la curva
r(t) = S = {(x, y, z) / g(x, y, z) = 0, h(x, y, z) = 0} con t I
en el punto crtico t
0
I tal que r(t
0
) = (x(t
0
), y(t
0
), z(t
0
)) = P. Podemos formar la
composicion
f r : I R R
la cual es una funcion real de la variable t, que alcanza un extremo en t = t
0
. Entonces
(f r)
(t
0
) = 0. Esta derivada es, seg un la regla de la cadena, si r(t) = (x(t), y(t), z(t)),
la siguiente:
(f r)
(t) =
f
x
(r(t))x
(t) +
f
y
(r(t))y
(t) +
f
z
(r(t))z
(t) = f(r(t)) r
(t)
donde r
(t) es el vector tangente a la curva S. Entonces

0 = (f r)
(t
0
) = f(P) r
(t
0
)
Siendo el vector r
(t
0
) tangente a la curva S en el punto P, y siendo
f(P) r
(t
0
) = 0,
o
de Fsica)

Lagrange 17
concluimos que el vector f(P) es un vector que se encuentra en el plano normal a
la curva S en P.
Por otra parte, sabemos que g(P) es un vector normal a g(x, y, z) = 0 en P y
h(x, y, z) es un vector normal a h(x, y, z) = 0. Por otro lado, g(P) y h(P) son
vectores normales a la curva S en P. Siendo f(P) un vector normal a la curva S
en P, concluimos que los tres vectores f(P), g(P), h(P) se encuentran en el
mismo plano, el plano normal a S en P. Son por tanto, linealmente dependientes.
Si los vectores g(P) y h(P) son linealmente independientes
1
, podemos expresar
f(P) como combinacion lineal de ellos. En tales condiciones deben existir
1
y
2
tales que
f(P) =
1
g(P) +
2
h(P) .
Concluimos entonces que una condicion necesaria para que la funcion f(x, y, z)
sujeta a las restricciones g(x, y, z) = 0 y h(x, y, z) = 0 alcance un extremo en (x, y, z)
(donde se supone la independencia lineal de los vectores g(x, y, z) y h(x, y, z)), es
que existan constantes
1
y
2
R de modo que
f(x, y, z) =
1
g(x, y, z) +
2
h(x, y, z) .
Generalizando las situaciones anteriores y utilizando la expresion general para
un problema de extremos condicionados, que recordemos era: Optimizar la funcion
u = f(x
1
, x
2
, . . . x
n
) sujeta a las condiciones o ligaduras
_
_
g
1
(x
1
, x
2
, . . . , x
n
) = 0
g
2
(x
1
, x
2
, . . . , x
n
) = 0
.
.
.
.
.
.
g
k
(x
1
, x
2
, . . . , x
n
) = 0
siendo 1 k < n,
el teorema de los multiplicadores de Lagrange, nos dira lo siguiente:
Teorema 7.5 Supongamos que las funciones f, g
1
, . . . , g
k
: D R
n
R (con
1 k < n) tienen derivadas primeras continuas en el abierto D y sea S el subconjunto
de D determinado por:
S = {(x
1
, . . . , x
n
) D tal que g
j
(x
1
, . . . , x
n
) = 0, j = 1, . . . , k}.
1
El que los vectores g(P) y h(P) sean linealmente independientes, equivale a decir que el
rango de la matriz jacobiana siguiente es dos:
J(P) =
_
g
x
g
y
g
z
h
x
h
y
h
z
_
o
de Fsica)

Lagrange 18
Si la funcion f restringida a S posee un extremo relativo en el punto (a
1
, . . . , a
n
), en
el cual tiene rango k la matriz jacobiana
J
g
(a
1
, . . . , a
n
) =
_
g
j
x
i
(a
1
, . . . , a
n
)
_
1in
1jk
,
entonces existen k escalares
1
, . . . ,
k
R tales que (a
1
, . . . , a
n
) es un punto crtico
de la funcion
F(x
1
, . . . , x
n
,
1
, . . . ,
k
) = f(x
1
, . . . , x
n
)
k
j=1
j
g
j
(x
1
, . . . , x
n
).
Por tanto, el metodo de los multiplicadores de Lagrange, consiste en introducir
un multiplicador
j
por cada una de las k ligaduras g
j
(x
1
, x
2
, . . . , x
n
) = 0. Como
consecuencia, los puntos crticos de u = f(x
1
, x
2
, . . . , x
n
) se obtienen como solucion
del siguiente sistema de n + k ecuaciones con n + k incognitas:
_
_
f
x
1
(x
1
, x
2
, . . . , x
n
) =
k
j=1
j
g
j
x
1
(x
1
, x
2
, . . . , x
n
)
.
.
.
.
.
.
f
x
n
(x
1
, x
2
, . . . , x
n
) =
k
j=1
j
g
j
x
n
(x
1
, x
2
, . . . , x
n
)
g
1
(x
1
, x
2
, . . . , x
n
) = 0
.
.
.
.
.
.
g
k
(x
1
, x
2
, . . . , x
n
) = 0
Este sistema se obtiene sin mas que derivar la funcion F respecto de cada una de
las variables x
i
, i = 1, . . . n y
j
, j = 1, . . . , k.
Nota 7.3 Decir que el rango de la matriz jacobiana J
g
(de orden k n) es k, es
equivalente a decir que tiene alg un menor de orden k no nulo, y las k variables que
aparecen en este menor no nulo son las que pueden considerarse como funcion implci-
ta de las n k variables restantes.
En la seccion anterior, desarrollamos una condicion suciente, para extremos de
funciones de varias variables, basada en la observacion del termino de segundo grado
en la serie de Taylor de f, estudiando al nal el signo de una forma cuadratica. Sin
o
de Fsica)

Lagrange 19
embargo, ahora no estamos interesados en todos los valores de f sino solo en aquellos
obtenidos al restringir f a alg un conjunto S que sea el conjunto de nivel de otra
funcion g. La situacion es complicada, primero porque los extremos restringidos de f
no necesariamente se presentan en los puntos crticos de f y, segundo, porque solo se
permite a la variable moverse en el conjunto S. No obstante se puede dar un criterio
de la segunda derivada en terminos de lo que se llama el hessiano limitado. Sin
embargo su desarrollo es un poco tedioso y no merece la pena desarrollarlo aqu.
La condicion suciente en el caso mas sencillo, es decir, cuando tenemos la funcion
objetivo f(x, y), con una ecuacion de ligadura, g(x, y) = 0, se reduce a estudiar el
signo de la forma cuadratica de la funcion de Lagrange F(x, y, ), para el valor de
calculado.
Supongamos que (x
0
, y
0
) es un punto crtico de f, condicionado a que g(x
0
, y
0
) = 0 y
ademas suponemos que y = y(x), a traves de g(x, y) = 0. Si consideramos y = y(x),
entonces
h(x) = f(x, y(x))
as, si (x
0
, y
0
) es un punto crtico de f restringido a g, h
(x
0
) = 0 y podemos aplicar
la condicion suciente directamente a la funcion h(x), de manera que:
1. Si h
(x
0
) > 0, entonces en (x
0
, y
0
) la funcion h, y por tanto f restringida a g,
tiene un mnimo relativo,
2. Si h
(x
0
) < 0, entonces en (x
0
, y
0
) la funcion h, y por tanto f restringida a g,
tiene un maximo relativo.
Se demuestra que
d
2
F(x
0
, y
0
,
0
) = (dx)
2
h
(x
0
)
con la condicion
2
g
x
(x
0
, y
0
)dx + g
y
(x
0
, y
0
)dy = 0
y en consecuencia,
signd
2
F(x
0
, y
0
,
0
) = signh
(x
0
)
Esta condicion suciente se puede generalizar al problema de optimizar
u = f(x
1
, x
2
, . . . , x
n
) sujeto a:
_
_
g
1
(x
1
, x
2
, . . . , x
n
) = 0
g
2
(x
1
, x
2
, . . . , x
n
) = 0
.
.
.
.
.
.
g
k
(x
1
, x
2
, . . . , x
n
) = 0
2
Se calcula d
2
F(x
0
, y
0
,
0
) jado de antemano el valor de
0
o
de Fsica)

Lagrange 20
1 k < n de la siguiente manera:
Tenemos que estudiar la diferencial segunda de la funcion de Lagrange
F(x
1
, . . . , x
n
,
1
, . . . ,
k
) = f(x
1
, . . . , x
n
)
k
j=1
j
g
j
(x
1
, . . . , x
n
).
jando los valores obtenidos para los multiplicadores de Lagrange y en el punto crtico,
restringida por las condiciones siguientes:
J
g
H =
_
_
_
_
_
g
1
x
1
g
1
x
2

g
1
x
n
g
2
x
1
g
2
x
2

g
2
x
n
.
.
.
.
.
.
.
.
.
g
k
x
1
g
k
x
2

g
k
x
n
_
_
_
_
_
_
_
_
_
_
dx
1
dx
2
.
.
.
dx
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
(7.3)
con H =
0.
En estas condiciones, si para todos los vectores H que cumplan (7.3) se verica que:
1. d
2
F(P) > 0, entonces se tiene un mnimo relativo estricto en P.
2. d
2
F(P) < 0, entonces se tiene un maximo relativo estricto en P.
3. d
2
F(P) cambia de signo al variar H, entonces se trata de un punto de silla.
4. d
2
F(P) se anula para alg un H y no se altera su signo, entonces no podemos
armar nada.
Ejemplo. Determinar entre todos los rectangulos de permetro 2k el de area maxima.
La funcion objetivo es f(x, y) = xy (area del rectangulo) siendo la condicion de
ligadura 2x + 2y = 2k (permetro del rectangulo), de manera que la ecuacion de
ligadura viene dada por la funcion g(x, y) = x + y k = 0.
Como g(x, y) = (1, 1) =
0, para todo x, y tal que x+y k = 0, podemos aplicar

el Teorema de los multiplicadores de Lagrange. As tenemos,
F(x, y, ) = xy (x + y k) .
A continuacion buscamos los puntos crticos de la funcion de Lagrange:
F
x
= y
F
y
= x
F
= x + y k
_
y = 0 y =
x = 0 x =
x + y k = 0 2 k = 0 ,
o
de Fsica)

Lagrange 21
de manera que se obtiene el punto crtico
_
k
2
,
k
2
_
para =
k
2
, el cual sera el posible
extremo para nuestra funcion f(x, y) condicionado a que x + y k = 0.
Para comprobar si el punto obtenido es un extremo, estudiamos el signo de la
forma cuadratica d
2
F
_
k
2
,
k
2
,
k
2
_
.
d
2
F
_
x, y,
k
2
_
=

2
F
x
2
(x, y)(dx)
2
+ 2

2
F
yx
(x, y)dxdy +

2
F
y
2
(x, y)(dy)
2
=
_
dx dy
_
_
F
xx
(x, y) F
xy
(x, y)
F
xy
(x, y) F
yy
(x, y)
__
dx
dy
_ ,
de donde
d
2
F
_
x, y,
k
2
_
=
_
dx dy
_
_
0 1
1 0
__
dx
dy
_
,
condicionado a que
g
_
dx
dy
_
= 0
_
1 1
_
_
dx
dy
_
= 0 dx + dy = 0 dy = dx .
Por lo tanto
d
2
F
_
k
2
,
k
2
,
k
2
_
=
_
dx dx
_
_
0 1
1 0
__
dx
dx
_
= 2(dx)
2
< 0,
para todo dx = 0.
Luego la solucion pedida es el cuadrado de lado
k
2
siendo su area
k
2
4
y su permetro
2k.

o
de Fsica)
Apendice A
Formas cuadraticas
A.1. Denicion de forma cuadratica
En esta seccion veremos algunos hechos importantes que aparecen en el estudio de
las formas cuadraticas. El material que aqu se presenta se ha utilizado en el estudio
de los extremos de las funciones de varias variables en el tema 7.
Denicion A.1 Sea R
n
el espacio vectorial de dimension n en el cual consideramos
la base canonica. Se llama:
Forma lineal a cualquier aplicacion lineal f : R
n
R. Si su matriz es A =
(a
1
a
2
a
n
) M
1n
(matriz la) y X M
n1
(matriz columna) es la matriz
de coordenadas de x = (x
1
, x
2
, . . . , x
n
), a cada x le asocia el n umero real
f(x) = AX = a
1
x
1
+ a
2
x
2
+ + a
n
x
n
.
Forma cuadratica a cualquier aplicacion q : R
n
R denida por
q(x) = X
t
AX
donde A M
nn
es una matriz simetrica y X M
n1
es la matriz de coorde-
nadas de x = (x
1
, x
2
, . . . , x
n
).
Ejemplo.
1. Una forma cuadratica en R
2
es una funcion q : R
2
R
q(x, y) =
_
x y
_
_
a b
b c
__
x
y
_
= ax
2
+ cy
2
+ 2bxy
22
A.2. Clasificaci
on de formas cuadr
aticas reales 23
2. Una forma cuadratica en R
3
es del tipo q : R
3
R
q(x, y, z) =
_
x y z
_
_
_
a b c
b d e
c e f
_
_
_
_
x
y
z
_
_
= ax
2
+ dy
2
+ fz
2
+ 2bxy + 2cxz + 2eyz
A.2. Clasicacion de formas cuadraticas reales

Denicion A.2 Una forma cuadratica q : R
n
R, o la matriz que la representa,
se dice que es:
1. denida positiva, si q(x) > 0 x R
n
, x =
0.
2. denida negativa, si q(x) < 0 x R
n
, x =
0.
3. semidenida positiva, si q(x) 0 x R
n
.
4. semidenida negativa, si q(x) 0 x R
n
.
5. indenida (o no denida), si x, y R
n
tal que q(x) > 0 y q(y) < 0.
Ejemplo.
1. La forma cuadratica q : R R, dada por q(x) = ax
2
es denida positiva (res-
pectivamente denida negativa, semidenida positiva, semidenida negativa) si
y solo si a > 0 (respectivamente a < 0, a 0, a 0).
2. La forma cuadratica q : R
2
R, dada por q(x, y) = 3x
2
+ 7y
2
es denida
positiva, pues es claro que q(x, y) > 0 para todo (x, y) R
2
, (x, y) = (0, 0).
3
R, dada por q(x, y, z) = x
2
8y
2
10z
2
es denida negativa, ya que q(x, y, z) < 0 para todo (x, y, z) R
3
, (x, y, z) =
(0, 0, 0).
3
R, dada por q(x, y, z) = 2x
2
+3z
2
es semidenida
positiva, ya que q(x, y, z) 0 para todo (x, y, z) R
3
(de hecho para todos los
vectores del tipo (0, y, 0) la forma q vale 0).

o
de Fsica)
A.2. Clasificaci
on de formas cuadr
aticas reales 24
Con los ejemplos anteriores podemos darnos cuenta de que la propiedad de una
forma cuadratica de ser denida positiva o negativa se descubre inmediatamente cuan-
do esta solamente posee los terminos cuadraticos. Mas en concreto, podemos decir
que la forma cuadratica q : R
n
R dada por
q(x
1
, x
2
, . . . x
n
) =
1
x
2
1
+
2
x
2
2
+ +
n
x
2
n
sera denida positiva (respectivamente denida negativa, semidenida positiva, semi-
denida negativa) si y solo si todos los coecientes
i
son n umeros positivos (respec-
tivamente negativos, no negativos, no positivos).
Observacion: En el caso anterior la matriz simetrica de la forma cuadratica es en
realidad una matriz diagonal, cuyos elementos en la diagonal principal son los n umeros
i
. Para cualquier matriz A real y simetrica, se demuestra que esta es congruente a
la matriz diagonal formada por los autovalores
1
,
2
, . . . ,
n
de A (que seran todos
reales). Por tanto, la forma cuadratica q : R
n
R es:
denida positiva, si
i
> 0, para todo i = 1, 2, . . . , n,
denida negativa, si
i
< 0, para todo i = 1, 2, . . . , n,
semidenida positiva, si
i
0, para todo i = 1, 2, . . . , n,
semidenida negativa, si
i
0, para todo i = 1, 2, . . . , n
indenida, si existen i, j {1, 2, . . . , n} tal que
i
j
< 0.
Ejemplo.
1. Caso n = 1: Es inmediato clasicar q(x) = x
2
.
denida positiva, si > 0,
denida negativa, si < 0,
ninguna de ambas, ni indenida si = 0.
2. Caso n = 2: Sea q(x, y) =
1
x
2
+
2
y
2
, donde q tiene matriz diagonal
D =
_

1
0
0
2
_
entonces q es:
o
de Fsica)
A.2. Clasificaci
on de formas cuadr
aticas reales 25
(a) > 0 (b) < 0 (c) = 0
Figura A.1: Forma cuadratica q(x) = x
2
denida positiva, si
1
> 0,
2
> 0, (paraboloide elptico)
Figura A.2: Forma cuadratica q(x, y) denida positiva, con
1
> 0,
2
> 0.
denida negativa, si
1
< 0,
2
< 0, (paraboloide elptico)
Figura A.3: Forma cuadratica q(x, y) denida negativa con
1
< 0,
2
< 0.
indenida en los dos casos siguientes:
si
1
> 0,
2
< 0, (paraboloide hiperbolico)
o
de Fsica)
A.2. Clasificaci
on de formas cuadr
aticas reales 26
Figura A.4: Forma cuadratica q(x, y) indenida con
1
> 0,
2
< 0.
si
1
< 0,
2
> 0, (paraboloide hiperbolico)
Figura A.5: Forma cuadratica q(x, y) indenida con
1
< 0,
2
> 0.
Como vemos, un metodo para clasicar una forma cuadratica es reducirla a cua-
drados perfectos o diagonalizarla. Un segundo metodo es aplicar el criterio de Syl-
vester. En este criterio se usa el concepto de submatriz angular: consideremos la
matriz cuadrada A = (a
ij
) de orden n. A las submatrices
A
1
= a
11
, A
2
=
_
a
11
a
12
a
21
a
22
_
, A
3
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, . . . , A
n
= A
se les llama submatrices angulares de A. En forma esquematica
A =
_
_
_
_
_
a
11
| a
12
| a
1n
a
21
a
22
| a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
o
de Fsica)
A.2. Clasificaci
on de formas cuadr
aticas reales 27
Teorema A.1 (Criterio de Sylvester) Sea q : R
n
R la forma cuadratica
q(x) = X
t
AX, donde A es una matriz real simetrica de orden n. Consideremos los
n menores principales siguientes de la matriz A (es decir, los determinantes de las
matrices angulares
1
= det A
1
,
2
= det A
2
, . . . ,
n
= det A
n
= det A):
i
=
a
11
a
12
a
1i
a
12
a
22
a
2i
.
.
.
.
.
.
.
.
.
a
1i
a
2i
a
ii
; i = 1, 2, . . . , n
Entonces se cumple que esta forma (o bien la matriz A) es:
1. denida positiva
i
> 0, para todo i = 1, 2, . . . , n,
2. denida negativa (1)
i
i
> 0, para todo i = 1, 2, . . . , n,
3. indenida, si i par tal que
i
< 0,
4. indenida, si i, j impares tal que
i
j
< 0.
Este resultado nos viene a decir que, la forma cuadratica (o la matriz A) es denida
positiva, si y solo si los determinantes de las submatrices angulares son positivos; es
denida negativa, si y solo si los determinantes tienen signos alternados, comenzando
con
1
= det A
1
< 0; es indenida cuando no se cumplen ninguno de los dos casos
anteriores, en los que:
todos los
i
con i par son positivos,
todos los
i
con i impar tienen el mismo signo.
Nota A.1 Observemos que los apartados 3 y 4 del criterio de Sylvester son condi-
ciones sucientes para que la forma cuadratica sea indenida, pero no necesarias.
El teorema anterior, en el caso de una forma cuadratica binaria (en R
2
), quedara:
Corolario A.2 (Criterio de Sylvester para n = 2) Sea q : R
2
R la forma
cuadratica q(x, y) = Ax
2
+ 2Bxy + Cy
2
, siendo su matriz
H =
_
A B
B C
_
y los determinantes de las submatrices angulares
1
= A,
2
= AC B
2
= det H
Entonces se cumple que la forma cuadratica es:
o
de Fsica)
A.2. Clasificaci
on de formas cuadr
aticas reales 28
1. denida positiva, si y solo si
1
> 0,
2
> 0,
2. denida negativa, si y solo si
1
< 0,
2
> 0,
3. indenida, si
2
< 0,
4. caso dudoso, si
2
= 0.
El criterio de Sylvester, que enunciamos, para el caso n = 3 sera:
Corolario A.3 Sea q : R
3
R la forma cuadratica q(x, y) = Ax
2
+ Dy
2
+ Fz
2
+
2Bxy + 2Cxz + 2Eyz, siendo su matriz
H =
_
_
A B C
B D E
C E F
_
_
y los determinantes de las submatrices angulares
1
= A,
2
=
A B
B D
,
3
= det H
Entonces se cumple que la forma cuadratica es:
1. denida positiva, si y solo si
1
> 0,
2
> 0,
3
> 0,
2. denida negativa, si y solo si
1
< 0,
2
> 0,
3
< 0,
3. indenida, si
2
< 0,
4. indenida, si
1
3
< 0,
5. caso dudoso, si
2
= 0 y
1
3
0,
6. caso dudoso, si
2
0 y
1
3
= 0.
o
de Fsica)
Analisis Matematico
Tema 8. Repaso de integrales en una variable.
Integrales impropias
(SiGNum)
Curso 2004 2005
Contenido
8. Repaso de integrales en una variable. Integrales impropias 1
8.1. Integracion indenida . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
8.1.1. Condiciones iniciales y soluciones particulares . . . . . . . . . 4
8.2. Tecnicas de integracion . . . . . . . . . . . . . . . . . . . . . . . . . . 4
8.2.1. Integracion por sustitucion o cambio de variable . . . . . . . . 5
8.2.2. Integracion por partes . . . . . . . . . . . . . . . . . . . . . . 5
8.2.3. Integracion de funciones racionales . . . . . . . . . . . . . . . 5
8.2.4. Metodo de HermiteOstrogradsky . . . . . . . . . . . . . . . . 8
8.2.5. Integracion de funciones trigonometricas . . . . . . . . . . . . 8
8.2.6. Integracion de funciones exponenciales . . . . . . . . . . . . . 10
8.2.7. Integracion de funciones Irracionales . . . . . . . . . . . . . . 10
8.2.8. Integrales Binomias . . . . . . . . . . . . . . . . . . . . . . . . 11
8.3. Integral denida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
8.3.1. Propiedades de las funciones integrables . . . . . . . . . . . . 15
8.4. El area como funcion primitiva . . . . . . . . . . . . . . . . . . . . . 17
8.5. Aplicaciones de la integral . . . . . . . . . . . . . . . . . . . . . . . . 19
8.5.1. Calculo de areas planas . . . . . . . . . . . . . . . . . . . . . . 19
8.5.2. Longitud de un arco de curva . . . . . . . . . . . . . . . . . . 20
8.5.3.

Area de una supercie de revolucion . . . . . . . . . . . . . . 20
8.5.4. Volumen de un solido de revolucion . . . . . . . . . . . . . . . 21
8.5.5. Vol umenes por secciones . . . . . . . . . . . . . . . . . . . . . 22
8.6. Integrales impropias . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
8.6.1. Integrales en intervalos no acotados . . . . . . . . . . . . . . . 23
8.6.2. Integrales de funciones no acotadas . . . . . . . . . . . . . . . 29
8.6.3. Integral impropia de tercera especie . . . . . . . . . . . . . . . 33
8.7. Funcion de Euler. Funcion de Euler . . . . . . . . . . . . . . . . . 34
8.7.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
8.8. Integrales dependientes de un parametro . . . . . . . . . . . . . . . . 38
8.9. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 44
0
Tema 8
Repaso de integrales en una
variable. Integrales impropias
8.1. Integracion indenida
Hasta este punto en nuestro estudio del calculo, nos hemos interesado principal-
mente por este problema: dada una funcion, hallar su derivada. No obstante, muchas
aplicaciones importantes del calculo estan relacionadas con el problema inverso: dada
la derivada de una funcion, hallar la funcion original. Por ejemplo, supongamos que
nos piden hallar una funcion F que tiene la siguiente derivada:
F
(x) = 3x
2
A partir de nuestro conocimiento de las derivadas, probablemente diramos que
F(x) = x
3
porque
d
dx
(x
3
) = 3x
2
Denicion 8.1 Se llama a una funcion F antiderivada o primitiva de la funcion f,
si para todo x en el dominio de f,
F
(x) = f(x)
En esta denicion, llamamos a F una antiderivada de f, mejor que la antiderivada
de f, ya que por el teorema fundamental del calculo integral, para cualquier constante
C, la funcion G(x) = F(x) + C es una antiderivada de f. Por lo tanto podremos
representar toda la familia de antiderivadas de una funcion mediante la adicion de
una constante a una antiderivada conocida.
1
8.1. Integraci
on indefinida 2
Si y = F(x) es una primitiva de f, entonces se dice que F(x) es una solucion de
la ecuacion
dy
dx
= f(x)
Cuando se resuelve una ecuacion de este tipo, es conveniente escribirla en la forma
diferencial equivalente
dy = f(x)dx
La operacion de encontrar todas las soluciones (la antiderivada general de f) de esta
ecuacion se denomina integracion y se denota por el smbolo
_
. La solucion general
de la ecuacion dy = f(x)dx se denota por
y =
_
f(x) dx = F(x) +C
Llamamos a
_
f(x) dx la integral indenida de f respecto de x. As pues, la
diferencial dx sirve para identicar a x como la variable de integracion.
Por lo tanto, la notacion
_
f(x) dx = F(x) +C
donde C es una constante arbitraria, llamada constante de integracion, signica
que F es una primitiva de f. Esto es, F
(x) = f(x) para todo x en el dominio de f.

La naturaleza inversa de la integracion y la derivada se reeja en el hecho de que
mediante la sustitucion de F
(x) por f(x) en la expresion anterior obtenemos

_
F
(x) dx = F(x) +C ,
es decir, la integracion es la inversa de la derivacion.
Ademas, si
_
f(x) dx = F(x) +C, entonces
d
dx
__
f(x) dx
_
= f(x)
es decir, la derivacion es la inversa de la integracion.
Esta caracterstica de inversas nos permite obtener formulas de integracion direc-
tamente a partir de las formulas de derivacion.
As, se suele llamar integral inmediata a la integral cuya expresion resulta de
las reglas de derivacion de las funciones elementales mas sencillas. Las formulas de
integracion mas comunes son:
o
de Fsica)
8.1. Integraci
on indefinida 3
_
(f(x))
n
.f
(x) dx =
(f(x))
n+1
n + 1
+C (siendo n = 1).
_
f
(x)
f(x)
dx = ln |f(x)| +C.
_
e
f(x)
.f
(x) dx = e
f(x)
+C.
_
a
f(x)
.f
(x) dx =
a
f(x)
ln a
+C.
_
cos f(x).f
(x) dx = sen f(x) +C.

_
sen f(x).f
(x) dx = cos f(x) +C.

_
f
(x)
cos
2
f(x)
dx =
_
_
1 + tg
2
f(x)
(x) dx = tg f(x) +C.

_
f
(x)
sen
2
f(x)
dx =
_
_
1 + cotg
2
f(x)
(x) dx = cotg f(x) +C.

_
f
(x)
_
1 f(x)
2
dx = arcsen f(x) +C.
_
f
(x)
1 +f(x)
2
dx = arctg f(x) +C.
_
f
(x)
f(x)
_
f(x)
2
1
dx = arcsec f(x) +C.
Por otra parte dados dos parametros reales cualesquiera y como
d
dx
[f(x) +g(x)] = f
(x) +g
(x) ,
se verica que
_
[f(x) +g(x)] dx =
_
f(x) dx +
_
g(x) dx .
o
de Fsica)
8.2. T
ecnicas de integraci
on 4
8.1.1. Condiciones iniciales y soluciones particulares
Ya hemos mencionado que la ecuacion
y =
_
f(x) dx
admite muchas soluciones (que dieren en una constante entre s). Eso signica que
las gracas de dos primitivas cualesquiera de f son traslaciones verticales una de otra.
En muchas aplicaciones de la integracion se nos da suciente informacion como pa-
ra determinar una solucion particular. Para hacerlo, solamente necesitamos conocer
el valor de F(x) para un valor de x. A esta informacion se le llama condicion inicial.
As, cada una de las primitivas de la forma
y =
_
(3x
2
1) dx = x
3
x +C
para diversos valores de C, es una solucion de la ecuacion
dy
dx
= 3x
2
1 .
Sin embargo, solo una de estas primitivas pasa por el punto (2, 4). Para hallar esta
curva particular, usamos la informacion
F(x) = x
3
x +C solucion general
F(2) = 4 condicion inicial .
Usando la condicion inicial en la solucion general, determinamos que
F(2) = 8 2 +C = 4,
lo cual implica que C = 2. Por tanto, obtenemos
F(x) = x
3
x 2
como solucion particular.
8.2. Tecnicas de integracion
En esta seccion estudiaremos varias tecnicas de integracion que amplian conside-
rablemente la clase de integrales susceptibles de resolucion mediante formulas basicas.
o
de Fsica)
8.2. T
on 5
8.2.1. Integracion por sustitucion o cambio de variable
Consiste en realizar un cambio apropiado dentro de la funcion integrando, de
manera que tras el, la integral obtenida sea de tipo inmediato. Es decir, puede ocurrir
que haciendo x = g(t), siendo g una funcion derivable que admite inversa, la integral
inicial se transforme en
_
f(x) dx =
_
f [g(t)] g
(t)dt ,
y esta sea una integral inmediata.
Una vez resuelto el problema se deshace el cambio efectuado: t = g
1
(x).
8.2.2. Integracion por partes
La integracion por partes consiste en encontrar dos funciones diferenciables, u =
u(x), v = v(x) tales que
f(x) dx = u(x) dv(x) .
Observese entonces que al ser:
d(uv) = udv +vdu
se verica,
_
f(x) dx =
_
udv =
_
d(uv)
_
vdu = uv
_
vdu.
Para que este metodo resulte ecaz, las partes u y v en que se descompone el inte-
grando deben ser tales que
_
vdu pueda calcularse mas facilmente que la integral
inicial.
Esta tecnica de integracion es particularmente util para integrandos que contienen
un producto de funciones algebraicas o trascendentes.
8.2.3. Integracion de funciones racionales
Es este apartado estudiamos un procedimiento para descomponer una funcion ra-
cional en funciones racionales mas simples, a las cuales es posible aplicar las formulas
de integracion basicas. Conocemos este procedimiento como el metodo de las frac-
ciones simples.
o
de Fsica)
8.2. T
on 6
El primer aspecto a tener en cuenta para integrar una funcion racional
P(x)
Q(x)
es
el grado de los polinomios P(x) y Q(x). Si el grado de P(x) es mayor o igual que el
grado de Q(x), se efect ua la division entre ambos, resultando:
_
P(x)
Q(x)
dx =
_ _
F(x) +
R(x)
Q(x)
_
dx =
_
F(x) dx +
_
R(x)
Q(x)
dx ,
donde F(x) es el cociente de la division, cuya integral es inmediata al tratarse de una
funcion polinomica, y R(x) es el resto que verica: grado R(x) < grado Q(x).
En consecuencia, el caso basico a estudiar es aquel en que el grado P(x) <
grado Q(x). Para resolverlo hay que dar los pasos siguientes:
1. Hallar las races de Q(x), es decir, resolver la ecuacion Q(x) = 0.
2. Descomponer
P(x)
Q(x)
como suma de fracciones simples.
3. Integrar dichas fracciones simples.
A la hora de hallar las races de Q(x) pueden presentarse varios casos, siendo
distinta la descomposicion de la funcion racional en cada uno de ellos. Vamos a ana-
lizarlos por separado.
a) Races reales simples.
Sean a, b, c, . . . , las races reales de Q(x), todas ellas de multiplicidad uno. En-
tonces procede efectuar la siguiente descomposicion:
P(x)
Q(x)
=
A
x a
+
B
x b
+
C
x c
+. . .
Los valores A, B, C, . . . , se calculan por el metodo de los coecientes indetermi-
nados, que consiste en sumar todas las fracciones simples e igualar el numerador
resultante a P(x), identicando los coecientes de los terminos de igual grado.
Una vez calculados A, B, C, . . . , se integran las fracciones simples obteniendo
para cada una un termino logartmico.
b) Races reales m ultiples
Si alguna de las races de Q(x), por ejemplo x = a, tiene multiplicidad k, ella
da lugar, en la descomposicion de
P(x)
Q(x)
, a k fracciones simples de la forma:
A
1
x a
+
A
2
(x a)
2
+
A
3
(x a)
3
+ +
A
k
(x a)
k
o
de Fsica)
8.2. T
on 7
El calculo de A
1
, A
2
, A
3
, . . . , A
k
se realiza igual que en el caso anterior por el
metodo de los coecientes indeterminados.
Ahora apareceran ademas de un termino logartmico, terminos del tipo:
_
A
n
(x a)
n
dx =
A
n
(1 n)(x a)
n1
c) Races imaginarias simples
Si Q(x) tiene una raz imaginaria a +bi, tambien tiene como raz su conjugada
a bi. As, Q(x) admite como divisor el polinomio de segundo grado:
(x a +bi)(x a bi) = (x a)
2
(bi)
2
= (x a)
2
+b
2
En consecuencia, por cada par de races imaginarias conjugadas habra que con-
siderar una fraccion simple de la forma:
Mx +N
(x a)
2
+b
2
.
Los valores M y N se calculan por el metodo de los coecientes indeterminados,
y la integracion de una fraccion simple de este tipo da lugar a una funcion
logartmica y a un arcotangente. Para su integracion es recomendable expresar
la fraccion simple de la forma
1
b
2
.
Mx +N
_
x a
b
_
2
+ 1
,
y hacer la sustitucion
x a
b
= t.
d) Races imaginarias m ultiples
Supongamos que x = a bi es una raz de Q(x) de orden de multiplicidad k.
Ella da lugar, en la descomposicion de
P(x)
Q(x)
, a k fracciones simples de la forma
M
1
x +N
1
(x a)
2
+b
2
+
M
2
x +N
2
[(x a)
2
+b
2
]
2
+ +
M
k
x +N
k
[(x a)
2
+b
2
]
k
.
o
de Fsica)
8.2. T
on 8
8.2.4. Metodo de HermiteOstrogradsky
El tratamiento del ultimo caso anteriormente expuesto (es decir, races imaginarias
m ultiples) es dicultoso. A continuacion vamos a exponer un procedimiento general
valido para los casos en los que las races del denominador sean m ultiples, reales o
complejas.

Este, denominado metodo de HermiteOstrogradsky, parte de Q(x) y de
su derivada Q
(x), y calcula el maximo com un divisor de ambos

D(x) = m.c.d.{Q(x), Q
(x)} .
A continuacion se dene el cociente
C(x) =
Q(x)
D(x)
.
Entonces la integral inicial se expresa de la forma
_
P(x)
Q(x)
dx =
A(x)
D(x)
+
_
B(x)
C(x)
dx,
siendo A(x) y B(x) polinomios de coecientes a determinar, que verican:
grado A(x) < grado D(x) y grado B(x) < grado C(x).
Sus coecientes se calculan por el metodo de los coecientes indeterminados, tras
derivar los dos miembros de la igualdad anterior. Observese que, por la forma como
se ha dendo C(x), sus races seran simples, y as
_
B(x)
C(x)
dx
se resuelve aplicando lo visto en a) o c) de la seccion anterior.
8.2.5. Integracion de funciones trigonometricas
Existen diversos cambios, dependiendo del tipo de funcion tigonometrica que se
desee integrar.
a) Integrales del tipo
_
sen ax. cos bx dx;
_
sen ax. sen bx dx;
_
cos ax. cos bx dx .
En este caso teniendo en cuenta las formulas trigonometricas
sen(ax +bx) = sen ax. cos bx + cos ax. sen bx ,
o
de Fsica)
8.2. T
on 9
sen(ax bx) = sen ax. cos bx cos ax. sen bx ,
cos(ax +bx) = cos ax. cos bx sen ax. sen bx ,
cos(ax bx) = cos ax. cos bx + sen ax. sen bx ,
se realiza en cada caso el cambio
sen ax. cos bx =
1
2
[sen(ax +bx) + sen(ax bx)] ,
sen ax. sen bx =
1
2
[cos(ax bx) cos(ax +bx)] ,
cos ax. cos bx =
1
2
[cos(ax bx) + cos(ax +bx)] .
b) Integrales del tipo
_
tg
n
x dx,
_
cotg
n
x dx.
b.1) Si n = 1, son inmediatas.
b.2) Si n 2, hacemos el cambio: tg
2
x = sec
2
x 1 y cotg
2
x = cosec
2
x 1 en
cada caso.
c) Integrales
_
sen
n
x cos
m
x dx, con n y m Z
c.1) Si m o n es impar positivo, se realiza el cambio:
cos x = t si n es impar
sen x = t si m es impar
c.2) Si m y n son pares positivos. Se utiliza el que
sen
2
x =
1 cos 2x
2
y cos
2
x =
1 + cos 2x
2
c.3) Si m y n son negativos y ambos pares. Realizamos el cambio tg x = t, con
lo cual se tiene que
dx =
dt
1 +t
2
cos
2
x =
1
1 +t
2
sen
2
x =
t
2
1 +t
2
.
c.4) Si m y n son negativos y ambos impares. Sabiendo que
1
sen x
=
_
1 +
1
tg
2
x
, hacemos tg x = t.
O bien como
1
cos x
=
_
1 +
1
cotg
2
x
, hacemos cotg x = t.
o
de Fsica)
8.2. T
on 10
c.5) Si m y n son negativos uno par y otro impar. En tal caso se efect ua el
cambio: tg
x
2
= t, de donde
dx =
2dt
1 +t
2
cos x =
1 t
2
1 +t
2
sen x =
2t
1 +t
2
.
d) Integrales del tipo
_
R(sen x, cos x) dx, siendo R(u, v) una funcion racional de
u y v. En tal caso hacemos el cambio del apartado c.5).
Como hemos podido observar, existen diversos cambios dependiendo del tipo de
funciones trigonometricas que se desee integrar. Sin embargo se puede hacer el cambio
general tg
x
2
= t el cual es aplicable a una amplia variedad de integrales de tipo
trigonometrico, reduciendolas a integrales de tipo racional.
8.2.6. Integracion de funciones exponenciales
En el caso de una integral del tipo
_
R(a
x
) dx, siendo R(u) una funcion racional
en u, se realiza el cambio a
x
= t.
8.2.7. Integracion de funciones Irracionales
La tecnica de integracion de funciones irracionales consiste en reducirlas, mediante
cambios de variables, a integrales de tipo racional. A continuacion vamos a exponer
los cambios mas usuales a realizar en las distintas situaciones.
a) Integrales del tipo:
_
R
_
_
x,
_
ax +b
cx +d
_
p
1
q
1
, . . . ,
_
ax +b
cx +d
_
p
k
q
k
_
_
dx.
Si llamamos n al mnimo com un m ultiplo de q
1
, q
2
, . . . , q
k
, el cambio a realizar
es
ax +b
cx +d
= t
n
.
b) Integrales de la forma
_
R
_
x,
ax
2
+bx +c
_
dx.
Escribiendo el termino ax
2
+bx+c como suma o diferencia de cuadrados (seg un
el signo de b
2
4ac) la integral dada queda en una de las siguientes formas
o
de Fsica)
8.3. Integral definida 11
b.1)
_
R
_
z,
m
2
z
2
_
dx.
b.2)
_
R
_
z,
m
2
+z
2
_
dx.
b.3)
_
R
_
z,
z
2
m
2
_
dx.
El cambio apropiado en cada una de ellas es el siguiente:
b.1) z = msen t.
b.2) z = mtg t.
b.3) z =
m
cos t
.
8.2.8. Integrales Binomias
Las integrales binomias son de la forma
_
x
m
(a +bx
n
)
p
dx ,
con m, n y p n umeros racionales. Se realizan los siguientes cambios:
a) Si p es entero: x = t
1
n
.
b) Si
m + 1
n
es entero: a + bx
n
= t
s
, siendo s el denominador del n umero racional
que representa p.
c) Si
m + 1
n
+ p es entero: ax
n
+ b = t
s
, siendo s el denominador del n umero
racional que representa p.
8.3. Integral denida
Al igual que en el caso de la derivada de una funcion y de tantas otras teoras del
analisis matematico, el concepto de integral no surge espontaneamente, ni envuelto
en el contexto en el que solemos encontrarlo en la actualidad. Queremos decir con
esto, que el nacimiento de una teora suele responder a la necesidad de resolver un
problema concreto, aparecido en el estudio de una ciencia experimental. No signi-
ca, sin embargo, que el Analisis Matematico se reduzca a un simple instrumento
o
de Fsica)
de trabajo, si no que lo que empezo siendo un buen metodo de calculo, se convierte
despues de muchas aportaciones, en un objeto de estudio en s mismo y alcanza una
consistencia real de tal magnitud, que nos ofrecera soluciones a problemas surgidos
con posterioridad y mantendra para siempre intacta su universalidad o completitud.
As, por ejemplo, los orgenes de la integral de Riemann, pueden remontarse a la
epoca de la civilizacion faraonica en egipto, donde los geometras dedicaban su esfuerzo
al calculo de areas. En particular se plantea el problema del calculo del area para un
trapecio curvilneo de la forma mostrada en la gura 8.1
Figura 8.1: Calculo de areas.
Como paso preliminar para desarrollar el concepto de integral, vamos a dar una
serie de deniciones.
Denicion 8.2 Un subconjunto nito de puntos del intervalo cerrado [a, b] R que
contenga a a y b, se llama una particion del intervalo.
Se acostumbra a escribir este conjunto en forma ordenada
P = {a = x
0
< x
1
< x
2
< . . . . . . < x
n1
< x
n
= b}
El intervalo [a, b], queda as dividido en subintervalos [x
i1
, x
i
] con i = 1, 2, . . . , n.
Al conjunto de todas las particiones de un intervalo se le nombra P[a, b].
Denicion 8.3 Dadas dos particiones P y P
de un mismo intervalo [a, b], se dice

que P
es mas na que P si P P
, es decir, si P
contiene los mismos puntos que

P y algunos mas.
Resulta evidente que la particion menos na de [a, b] es la formada solamente por
los puntos a y b.
o
de Fsica)
Denicion 8.4 Se llama norma de una particion P a la mayor amplitud de los
subintervalos formados por ella [x
i1
, x
i
]; se suele notar P, es decir,
P = max{|x
i
x
i1
|, i = 1, 2, . . . , n} .
Sea f : [a, b] R una funcion acotada, y consideremos una particion P =
{a = x
0
< x
1
< x
2
< . . . . . . < x
n1
< x
n
= b} del intervalo [a, b]. Claramente f
estara acotada en cada subintervalo [x
i1
, x
i
], por lo que tendra un supremo M
i
y un
nmo m
i
, en cada uno de ellos.
Denimos entonces la suma superior de f respecto de la particion P de la forma
S(P, f) =
n
i=1
M
i
(x
i
x
i1
) = M
1
(x
1
x
0
) +M
2
(x
2
x
1
) + +M
n
(x
n
x
n1
) ,
y, analogamente, la suma inferior de f respecto de P
s(P, f) =
n
i=1
m
i
(x
i
x
i1
) = m
1
(x
1
x
0
) +m
2
(x
2
x
1
) + +m
n
(x
n
x
n1
) .
Resulta evidente que al ser m
i
M
i
, i = 1, . . . , n, tambien sera
s(f, P) S(f, P) .
Geometricamente la suma superior S(f, P) representa la suma de las areas de una
serie de rectangulos que tienen por base los subintervalos de la particion P y por
altura los valores supremos M
i
de la funcion en cada subintervalo [x
i1
, x
i
]. La suma
inferior s(f, P) representa la suma de las areas de los rectangulos que tienen por base
los subintervalos de la particion P y por altura los valores nmos m
i
de f en cada
subintervalo [x
i1
, x
i
] (ver gura 8.2).
Si denotamos por A el area del recinto plano delimitado por la curva y = f(x), el
eje de abscisas y las rectas x = a y x = b, resulta que
s(f, P) A S(f, P) .
De hecho las sumas inferior y superior constituyen sendas aproximaciones de A, por
defecto y por exceso respectivamente.
A continuacion consideremos otra particion P
de [a, b] mas na que P. Entonces

las aproximaciones del area A obtenidas mediante las sumas superior e inferior son
mas precisas, ya que al tener P
mas puntos que P se verica

S(f, P
) S(f, P) y s(f, P) s(f, P
) .
o
de Fsica)
(a) Suma superior S(f, P). (b) Suma inferior s(f, P).
Figura 8.2: Interpretacion geometrica de la suma superior e inferior.
Observemos que para cualquier punto c
i
, tal que x
i1
c
i
x
i
, se verica
m
i
f(c
i
) M
i
.
por lo que
s(f, P) =
n
i=1
m
i
(x
i
x
i1
)
n
i=1
f(c
i
)(x
i
x
i1
)
n
i=1
M
i
(x
i
x
i1
) = S(f, P) .
Tenemos as, la siguiente denicion,
Denicion 8.5 Sea f una funcion acotada en [a, b] y sea P una particion de [a, b],
P = {a = x
0
< x
1
< . . . < x
n1
< x
n
= b}. Si c
i
es cualquier punto del iesimo
intervalo, la suma
n
i=1
f(c
i
) x
i
, x
i1
c
i
x
i
,
se llama una suma de Riemann de f asociada a la particion P.
Para denir la integral denida, usamos el siguiente lmite
lim
P0
n
i=1
f(c
i
)x
i
= L.
Decir que este lmite existe, signica que para cada > 0, existe un > 0 tal que
para cada particion con P < se sigue que
i=1
f(c
i
)x
i
L
< .
o
de Fsica)
Esto debe ser cierto para cualquier eleccion de c
i
en el iesimo subintervalo de la
particion. As, tenemos la siguiente denicion,
Denicion 8.6 Si f esta acotada en [a, b] y el lmite de la suma de Riemann de f
existe, entonces decimos que f es integrable en [a, b] y denotamos este lmite como
lim
P 0
n
i=1
f(c
i
)x
i
=
_
b
a
f(x) dx .
Llamamos integral denida de f entre a y b al valor de este lmite. El n umero a es el
lmite inferior de integracion y el n umero b es el lmite superior de integracion.
Hasta el momento, hemos estado trabajando con funciones f : [a, b] R aco-
tadas. Sin embargo, no todas las funciones acotadas son integrables. Por ejemplo, la
llamada funcion de Dirichlet f : [0, 1] R denida por
f(x) =
_
0 si x I Q
1 si x [0, 1] I Q
es acotada y no es integrable, ya que
P P[a, b] es s(f, P) = 0 y S(f, P) = 1 ,
con lo que
lim
||P||0
s(f, P) = 0 = 1 = lim
||P||0
S(f, P) .
Se verica:
1. Toda funcion f : [a, b] R acotada y monotona es integrable.
2. Si f es continua en [a, b], entonces f es integrable en [a, b].
8.3.1. Propiedades de las funciones integrables
1. El conjunto de las funciones integrables en un determinado intervalo [a, b] tiene
estructura de espacio vectorial real. Es decir,
Si f, g : [a, b] R son funciones integrables y R, entonces
i) f +g es integrable y
_
b
a
(f +g)(x) dx =
_
b
a
f(x) dx +
_
b
a
g(x) dx.
o
de Fsica)
ii) f es integrable y
_
b
a
(f)(x) dx =
_
b
a
f(x) dx.
2. El producto de dos funciones integrables tambien es una funcion integrable,
pero en general
_
b
a
(f.g)(x) dx =
__
b
a
f(x) dx
_
.
__
b
a
g(x) dx
_
.
Por ejemplo,
_
b
a
x
3
dx =
__
b
a
x dx
_
.
__
b
a
x
2
dx
_
,
ya que
b
4
a
4
4
=
_
b
2
a
2
2
_
.
_
b
3
a
3
3
_
.
3. Por la propia denicion, se verica
_
b
a
f(x) dx =
_
a
b
f(x) dx .
4. Si f y g son integrables en [a, b] y f(x) g(x), x [a, b], entonces
_
b
a
f(x) dx
_
b
a
g(x) dx .
5. Sea f : [a, b] R acotada y c (a, b). Entonces, f es integrable en [a, b] si y
s olo si f es integrable en [a, c] y [c, b]. Ademas,
_
b
a
f(x) dx =
_
c
a
f(x) dx +
_
b
c
f(x) dx .
Por esta propiedad, es logico denir
_
a
a
f(x) dx = 0, para toda funcion f.
6. Si f es integrable en [a, b], entonces |f| es integrable en [a, b] y ademas
_
b
a
f(x) dx
_
b
a
|f(x)| dx .
7. Si f es integrable en [a, b] y f 0, entonces
_
b
a
f(x) dx 0.
o
de Fsica)
8.4. El

area como funci
on primitiva 17
Nota 8.1 Las integrales denidas por tanto, pueden ser positivas, negativas o nulas.
Para poder interpretar la integral denida como un area, la funcion f debe ser con-
tinua y no negativa en el intervalo cerrado [a, b]. As, si f es continua y no negativa
en el intervalo cerrado [a, b] entonces el area de la region limitada por f el eje x y las
lneas verticales x = a y x = b viene dada por
Area =
_
b
a
f(x) dx .
8.4. El area como funcion primitiva
Como hemos visto el concepto de integral denida ha sido introducido como el
area de un recinto plano, sin referencia alguna a la nocion de derivada. A continua-
cion vamos a ver el resultado, quizas mas importante del Calculo Innitesimal, que
nos relaciona ambos conceptos, y nos permite expresar la integral denida como una
funcion primitiva del integrando, valuada en los extremos de integracion.
Como paso previo tenemos el siguiente teorema, que nos permite expresar la in-
tegral denida como el area de un cierto rectangulo.
Teorema 8.1 (del valor medio) Sea f : [a, b] R una funcion continua; enton-
ces existe al menos un punto x
0
[a, b], de forma que
_
b
a
f(x) dx = f(x
0
)(b a) .
Al n umero f(x
0
) =
1
b a
_
b
a
f(x) dx se denomina promedio integral o valor medio
de la funcion f en [a, b].
Observemos que el teorema del valor medio para integrales denidas nos arma
que existe un punto x
0
del intervalo [a, b] tal que el area representada por
_
b
a
f(x) dx
es igual, a la de un rectangulo cuya base es la amplitud del intervalo (b a), y cuya
altura es el valor de la funcion en dicho punto f(x
0
) (ver gura 8.3).
A renglon seguido tenemos el Teorema Fundamental del Calculo Innitesimal.
o
de Fsica)
8.4. El

area como funci
on primitiva 18
Figura 8.3: Interpretacion del Teorema de Valor Medio.
Teorema 8.2 Sea f : [a, b] R una funcion continua y denamos otra funcion
F : [a, b] R de la forma
F(x) =
_
x
a
f(t)dt ,
denominada funcion area. Entonces F es derivable y se verica que F
(x) = f(x).
Nota 8.2 Como consecuencia F es continua en [a, b].
Observemos que la funcion area, opera de forma que a todo punto del intervalo
[a, b] le asocia el area limitada por la funcion y = f(x), el eje de abscisas, la ordenada
x = a y la ordenada correspondiente al punto considerado (ver gura 8.4).
Figura 8.4: Funcion area.
Denicion 8.7 Se llama primitiva de una funcion f denida en el intervalo I =
[a, b], a toda funcion g denida en el mismo intervalo I tal que g
(x) = f(x), x I.
Teorema 8.3 Si la funcion f admite una primitiva g entonces las funciones g +C,
con C R, son todas las primitivas de f.
o
de Fsica)
8.5. Aplicaciones de la integral 19
Notemos que el teorema Fundamental del Calculo Innitesimal demuestra que
F(x) es una primitiva de f(x), es decir,
Teorema 8.4 Toda funcion continua f en el intervalo [a, b] posee primitivas que
seran de la forma
F(x) +C =
_
x
a
f(t) dt +C.
Nota 8.3 Conviene observar que a un siendo continua la funcion dada, en cuyo caso
tenemos garantizado que existe una funcion primitiva, no siempre es posible expresar
esta ultima mediante combinaciones, en n umero nito, de funciones elementales. As,
por ejemplo, la funcion f(x) = e
x
2
es continua en todo R, admite primitiva y sin
embargo ninguna de ellas es expresable como combinacion de un n umero nito de
funciones elementales.
Al ser F(x) una primitiva de f, el calculo de integrales denidas puede efectuarse
utilizando las tecnicas descritas en una seccion anterior. La version operativa de este
teorema es la denominada regla de Barrow, que a continuacion enunciamos.
Teorema 8.5 (de Barrow) Sea f : [a, b] R una funcion continua, y sea g una
primitiva de f. Entonces,
_
b
a
f(x) dx = g(b) g(a) .
8.5. Aplicaciones de la integral
8.5.1. Calculo de areas planas
Ya vimos que si f(x) > 0 en el intervalo [a, b], entonces
_
b
a
f(x) dx =

Area bajo
f entre x = a, x = b e y = 0.
En el caso general la integral sera la suma de las areas limitadas por la curva y
el eje x, considerando positivas las que esten por encima de dicho eje y negativas las
situadas bajo el mismo.
Supongamos que queremos calcular el area entre dos curvas. Si las curvas se cortan
en dos puntos de abscisas x
1
y x
2
, el area (absoluta) que determinan se calcula como
diferencia de las areas bajo cada una de ellas (ver gura 8.5),
A =
_
x
2
x
1
f(x) dx
_
x
2
x
1
g(x) dx =
_
x
2
x
1
[f(x) g(x)] dx .
o
de Fsica)
Figura 8.5: Calculo del area entre dos curvas.
Si las curvas se cortan en dos puntos intermedios, habra que calcular varias inte-
grales y sumar sus valores absolutos.
8.5.2. Longitud de un arco de curva
Sea el arco de curva y = f(x) con a x b.
Denicion 8.8 Se llama longitud de un arco de curva al supremo de los permetros
de todas las quebradas inscritas en el.
Cuando este supremo es nito, el arco se llama recticable; cuando el supremo es
innito, o sea, cuando hay permetros arbitrariamente grandes, se dice que el arco no
es recticable, o mejor que tiene longitud innita. La operacion de calcular la longitud
de un arco se llama recticacion.
Suponiendo que f(x) posee derivada continua, el arco de curva de f(x) entre [a, b]
posee longitud nita y esta es:
S =
_
b
a
_
1 + [f
(x)]
2
dx .
8.5.3.

Area de una supercie de revolucion
Denicion 8.9 Se llama supercie de revolucion a la que resulta al girar la curva
representativa de una funcion continua alrededor de una recta.
Consideremos una seccion meridiana de la supercie de revolucion entre los lmites
x = a y x = b. Se trata de calcular el area de la supercie que engendra ese arco
o
de Fsica)
Figura 8.6: Supercie de revolucion.
al girar alrededor del eje x (ver gura 8.6). Si la funcion y = f(x) es derivable con
derivada continua, se verica
Area = 2
_
b
a
f(x)
_
1 + [f
(x)]
2
dx .
8.5.4. Volumen de un solido de revolucion
Denicion 8.10 Se llama solido de revolucion al cuerpo que resulta al girar una
region plana alrededor de una recta (ver gura 8.7).
Son ejemplos usuales de solidos de revolucion, el neumatico de un automovil, el
balon de f utbol, etc.
Figura 8.7: Solido de revolucion.
Si la funcion y = f(x) es continua sobre el intervalo [a, b], se verica
V
x
=
_
b
a
[f(x)]
2
dx ,
si el eje de revolucion es el eje de abscisas.
o
de Fsica)
De manera analoga se tiene que
V
y
=
_
d
c
[g(y)]
2
dy ,
cuando el eje de revolucion coincide con el eje y, siendo x = g(y) el resultado de
despejar x en la ecuacion y = f(x).
8.5.5. Vol umenes por secciones
Las expresiones obtenidas en el apartado anterior para el calculo de vol umenes de
revolucion, pueden generalizarse a cuerpos arbitrarios siempre que se conozca el area
de una seccion plana de el en direccion perpendicular a alguno de los ejes coordenados.
Figura 8.8: Vol umenes por secciones.
Trazando un sistema de planos paralelos, por ejemplo al plano Y Z (o lo que es
equivalente perpendicular al plano OX), si sumamos los vol umenes de los cilindros
que tienen como base las secciones de la supercie y como alturas las distancias entre
cada dos planos consecutivos, el lmite de esa suma es el volumen total. Concretamente
si A(x) denota el area de la seccion en x, entonces el volumen del solido viene dado
por
V = lim
x
i
0
n
i=1
A(c
i
) x
i
=
_
b
a
A(x)dx ,
siendo [a, b] el intervalo de valores de x que comprende el cuerpo.
An alogamente, si la seccion es perpendicular al eje OY (resp. al eje OZ), y A(y)
(resp. A(z)) denota el area de la seccion en y (resp. z), entonces el volumen del solido
viene dado por
V =
_
d
c
A(y)dy (resp. V =
_
d
c
A(z)dz) ,
siendo [c, d] el intervalo de valores de y (resp. z) para los que esta denido el cuerpo
considerado.
Nota 8.4 Si V es de revolucion, entonces A(x) = (f(x))
2
.
o
de Fsica)
8.6. Integrales impropias 23
8.6. Integrales impropias
En esta seccion trataremos de generalizar el concepto de integral de Riemann en
R en casos en que intervienen el innito, ya sea porque el intervalo de integracion sea
no acotado, ya sea porque la funcion subintegral sea no acotada.
La integral
_
b
a
f(x) dx se dice impropia si ocurre al menos una de las hipotesis
siguientes:
1. El intervalo [a, b] no esta acotado.
2. La funcion f(x) no esta acotada en el intervalo [a, b].
8.6.1. Integrales en intervalos no acotados
Corresponde al caso de intervalo no acotado, es decir, del tipo
_
b
f(x) dx ,
_
+
a
f(x) dx ,
_
+
f(x) dx .
Veamos como se denen.
Denicion 8.11
1. Sea f(x) una funcion acotada e integrable en todo intervalo de la forma [M, b],
siendo b un valor jo y M uno cualquiera tal que M b. Se dene la integral
impropia
_
b
f(x) dx como:
_
b
f(x) dx = lim
M
_
b
M
f(x) dx ,
y la integral del primer miembro se dice que es convergente o divergente seg un
que exista el lmite nito o innito en el segundo miembro. Si no existe dicho
lmite se dice que no existe la integral.
2. Sea f(x) una funcion acotada e integrable en todo el intervalo de la forma [a, M],
siendo a un valor jo y M uno cualquiera tal que M a. Se dene la integral
impropia
_
+
a
f(x) dx como
_
+
a
f(x) dx = lim
M
_
M
a
f(x) dx .
o
de Fsica)
Figura 8.9: Integral impropia
_
b
f(x) dx.
y la integral del primer miembro se dice que es convergente o divergente seg un
que exista lmite nito o innito en el segundo miembro. Si no existe dicho
lmite, se dice que no existe la integral.
_
+
a
f(x) dx.
Nota 8.5 El area de la zona sombreada es nita si la integral es convergente
e innita si es divergente.
3. Se dene
_

f(x) dx =
_
c

f(x) dx +
_

c
f(x) dx
= lim
M
1

_
c
M
1
f(x) dx + lim
M
2
_
M
2
c
f(x) dx ,
siendo c un n umero real arbitrario. La integral del primer miembro se dice
convergente si existen y son nitos ambos lmites, y se dice divergente si al
o
de Fsica)
menos uno de ambos lmites es innito. En otro caso se dice que no existe la
integral.
Estos tipos de integrales, se denominan integrales impropias de primera especie.
Puede ocurrir que en el ultimo caso de la denicion, en el segundo miembro solo
exista lmite nito cuando M
1
= M
2
. En este caso, a la integral no convergente
se le puede dar un cierto signicado, as se dene el valor principal de Cauchy de
_

f(x) dx como
V.P.
__

f(x) dx
_
= lim
M+,M>0
_
M
M
f(x) dx ,
en caso de existir el lmite y ser nito.
Si la integral
_

f(x) dx converge, el valor obtenido es el mismo que el valor

principal de Cauchy. Por otra parte puede ocurrir que el valor principal de Cauchy
exista, sea nito mientras que el valor de la integral
_

f(x) dx no este denido al

dar , pero es claro que siempre que exista la integral impropia
_

f(x) dx su
valor principal coincide con ella. Asi, si sabemos que la integral converge, podemos
calcular su valor mediante el valor principal de Cauchy.
Se puede demostrar que si f(x) es una funcion par, es decir
f(x) = f(x), x R
entonces si el valor principal de Cauchy de
_

f(x) dx existe, la integral converge y

ademas,
_

f(x) dx =
_
0
f(x) dx +
_

0
f(x) dx (x = y , dx = dy)
=
_
0
+
f(y) dy +
_
+
0
f(x) dx
=
_
+
0
f(y) dy +
_
+
0
f(x) dx = 2
_
+
0
f(x) dx ,
luego
_

f(x) dx = 2
_

0
f(x) dx .
o
de Fsica)
Ejemplo.
_
+
0
e
t
dt = lim
x+
_
x
0
e
t
dt = lim
x+
_
1
1
e
x
_
= 1 .
Ejemplo. Una integral impropia de primera especie que juega un papel importante
es la integral
_
+
1
dx
x
p
, cuyo valor es:
_
+
1
dx
x
p
=
_
_
_
si p 1
1
p 1
si p > 1 (p > 0) .
Luego la integral converge para p > 1 y diverge para p 1.
En efecto:
Si p = 1:
_
t
1
dx
x
= ln t de modo que
_
+
1
dx
x
= lim
t
_
t
1
dx
x
= lim
t
ln t = .
Si p = 1:
_
t
1
dx
x
p
=
_
t
1
x
p
dx =
x
p+1
p + 1
_
t
1
=
1
1 p
_
1
t
p1
1
_
.
Luego
_
+
1
dx
x
p
= lim
t
_
t
1
dx
x
p
= lim
t
1
1 p
_
1
t
p1
1
_
=
_
_
_
si p < 1
1
p 1
si p > 1
.
En los dos ejemplos anteriores hemos podido hallar facilmente una primitiva F de
f. En general, es interesante saber a priori si la integral de f es convergente, sin pasar
por calcular una primitiva F y el calculo posterior del lmite de F(x). Tambien, a
veces, es util saber si una integral converge, incluso si se es incapaz de calcular dicha
integral.
Vamos pues a hallar las reglas que aseguran la convergencia de las integrales.
Dichas reglas se basan esencialmente en la comparacion de funciones: se reduce la
convergencia de las integrales a las de integrales de funciones de referencia.
o
de Fsica)
Los criterios que se dan a continuacion son para el caso en el que es innito
el lmite superior de la integral y son condiciones sucientes y no necesarias. Hay
criterios analogos para el caso en que es el lmite inferior de la integral, ademas
con el cambio de variable x = y se reduce un caso a otro.
_
b
f(x) dx =
_
b
+
f(y) dy =
_

b
f(y) dy
x = y x =y +
dx = dy x b =y b
En general se supondra que f(x) es continua. Los criterios son para integrandos
no negativos. Por la aditividad de la integral, bastara que exista un valor x
0
> a tal
que f(x) 0 para x x
0
, ya que
_

a
f(x) dx =
_
x
0
a
f(x) dx +
_

x
0
f(x) dx ,
donde para la segunda integral, la funcion es positiva.
El caso de integrando f(x) no positivo puede reducirse a este haciendo g(x) = f(x),
ya que si f(x) 0, x [a, +), entonces g(x) = f(x) 0, x [a, +), con lo
que
_
+
a
f(x) dx =
_
+
a
(f(x)) dx =
_
+
a
g(x) dx .
Teorema 8.6 (Criterio de comparacion) Si 0 f(x) g(x) para todo x de un
intervalo [a, +[, con a x < +, entonces se verica
_
+
a
g(x) dx converge =
_
+
a
f(x) dx converge,
_
+
a
f(x) dx diverge =
_
+
a
g(x) dx diverge.
Nota 8.6 La integral impropia
_
+
a
f(x) dx (si f(x) 0) es convergente o diver-
gente hacia +, nunca oscila.
Teorema 8.7 (Criterio de comparacion en el lmite) Supuesto que para todo
x a se verica que f(x) 0 y g(x) 0 y que lim
x
f(x)
g(x)
= A, entonces:
o
de Fsica)
1. Si A R{0}, las integrales
_

a
f(x) dx y
_

a
g(x) dx convergen o divergen
simultaneamente.
2. Si A = 0 y
_

a
g(x) dx converge, entonces
_

a
f(x) dx converge.
3. Si A = y
_

a
g(x) dx diverge, entonces
_

a
f(x) dx diverge.
Corolario 8.8 Supuesto que x a se verica f(x) 0, entonces, siendo lim
x
x
p
f(x) =
A, se tiene
1. Si A R {0} y p > 1, entonces
_

a
f(x) dx converge.
2. Si A R {0} y p 1, entonces
_

a
f(x) dx diverge.
3. Si A = 0 y p > 1, entonces
_

a
f(x) dx converge.
4. Si A = y p 1, entonces
_

a
f(x) dx diverge.
Los restantes casos posibles son casos dudosos.
Denicion 8.12 Se dice que
_

a
f(x) dx converge absolutamente si la integral
_

a
|f(x)| dx es convergente.
El siguiente teorema preve una manera de establecer la convergencia de
_

a
f(x) dx
cuando f(x) es una funcion que toma valores tanto positivos como negativos. Este
asegura que si
_

a
|f(x)| dx converge, tambien lo hace
_

a
f(x) dx.
Teorema 8.9 (Criterio de convergencia absoluta) Si f(x) es continua y
_

a
|f(x)| dx converge a un n umero L, entonces
_

a
f(x) dx tambien converge y lo
hace a un n umero localizado entre L y L.
El teorema anterior no tiene recproco, es decir, puede ocurrir que la integral de
f sea convergente sin que sea absolutamente convergente, en tal caso se dice que la
integral impropia es condicionalmente convergente o semiconvergente.
o
de Fsica)
8.6.2. Integrales de funciones no acotadas
Corresponde al caso en que la funcion f(x) no esta acotada en ning un entorno de
uno o varios puntos del intervalo [a, b].
Denicion 8.13
1. Caso de un solo punto de no acotacion correspondiente al lmite
superior b.
Sea f(x) integrable en todo intervalo cerrado contenido en [a, b). Se dene la
integral impropia
_
b
a
f(x) dx como:
_
b
a
f(x) dx = lim
0
+
_
b
a
f(x) dx
y la integral del primer miembro se dice convergente o divergente seg un que
exista lmite nito o innito en el segundo miembro. Si no existe dicho lmite,
se dice que no existe la integral.
_
b
a
f(x) dx (punto de no acotacion b).
2. Caso de un solo punto de no acotacion correspondiente al lmite
inferior a.
Sea f(x) integrable en todo intervalo cerrado contenido en (a, b]. Se dene la
integral impropia
_
b
a
f(x) dx como:
_
b
a
f(x) dx = lim
0
+
_
b
a+
f(x) dx
o
de Fsica)
y la integral del primer miembro se dice convergente o divergente seg un que
exista lmite nito o innito en el segundo miembro. Si no existe dicho lmite,
se dice que no existe la integral.
_
b
a
f(x) dx (punto de no acotacion a).
Nota 8.7 En ambos casos, si la integral impropia es convergente, el area de la
zona sombreada es nita.
3. Caso de un solo punto de no acotacion c interior al intervalo [a, b].
Se dene
_
b
a
f(x) dx = lim
1
0
+
_
c
1
a
f(x) dx + lim
2
0
+
_
b
c+
2
f(x) dx
y la integral del primer miembro se dice convergente si existen y son nitos
ambos lmites del segundo miembro; y se dice divergente si uno al menos de
ambos lmites es innito. En otro caso se dice que no existe la integral.
Estos tipos de integrales se denominan integrales impropias de segunda especie.
La denicion de integral impropia de segunda especie engloba como caso particular la
denicion de integral de Riemann para el caso de una funcion acotada en el intervalo
[a, b].
Puede ocurrir que en el segundo miembro de la ecuacion del caso c) solo exista
lmite nito cuando
1
=
2
. En este caso, a la integral no convergente se le puede
dar un cierto signicado que se expone a continuacion.
o
de Fsica)
Denicion 8.14 Sea f una funcion continua en [a, b] {c} con c [a, b], que no
esta acotada en ning un entorno de c. Se llama valor principal de Cauchy de la integral
impropia
_
b
a
f(x) dx al
V P
__
b
a
f(x) dx
_
= lim
0
+
__
c
a
f(x) dx +
_
b
c+
f(x) dx
_
en caso de existir y ser nito.
Ejemplo. Una integral impropia de segunda especie importante es
_
1
0
dx
x
p
cuyo valor es
_
1
0
dx
x
p
=
_
_
_
si p 1
1
1 p
si p < 1
Luego la integral converge para p < 1 y diverge para p 1.
En efecto:
Si p = 1:
_
1
dx
x
= ln x]
1
= ln , luego
_
1
0
dx
x
= lim
0
+
_
1
dx
x
= lim
0
+
(ln ) = lim
0
+
ln
1
=
Si p = 1:
_
1
dx
x
p
=
_
1
x
p
dx =
x
p+1
p + 1
_
1
=
1
1 p
_
1
1
p1
_
, luego
_
1
0
dx
x
p
= lim
0
+
_
1
dx
x
p
= lim
0
+
1
1 p
_
1
1
p1
_
=
_
_
_
si p > 1
1
1 p
si p < 1
A continuacion, veremos criterios de convergencia para integrales de segunda es-

pecie.
Dada una funcion continua en un intervalo, salvo en un n umero nito de puntos,
y no acotada en ning un entorno de dichos puntos, se usara la propiedad de aditividad
respecto del intervalo de integracion para descomponer la integral en suma de las que
o
de Fsica)
fuese necesario, de modo que para cada intervalo de integracion la funcion unicamente
no este acotada en uno de los extremos. Asi, en general supondremos que f(x) es
continua en (a, b), ya que otros casos de integrabilidad pueden reducirse a este.
Los criterios que se dan a continuacion son para integrales en las que f(x) unica-
mente no esta acotada en el lmite superior b. Existen criterios analogos para el caso
en que f(x) no esta acotada en el lmite inferior a.
Los criterios son para integrandos no negativos. Por la aditividad de la integral,
basta que exista un valor a
(a, b) tal que f(x) 0 para a
x < b. El caso de inte-

grando f(x) no positivo puede reducirse a este haciendo g(x) = f(x), exactamente
igual que pasaba con las integrales de primera especie.
Teorema 8.10 (Criterio de comparacion) Si 0 f(x) g(x) para todo x de un
intervalo [a, b), con a x < b, entonces se verica:
_
b
a
g(x) dx converge =
_
b
a
f(x) dx converge
_
b
a
f(x) dx diverge =
_
b
a
g(x) dx diverge
Teorema 8.11 (Criterio de comparacion en el lmite) Supuesto que para todo
a x < b (resp. a < x b) se verica que f(x) 0 y g(x) 0 y que lim
xb
f(x)
g(x)
= A
(resp. lim
xa
+
f(x)
g(x)
= A), entonces:
1. Si A R {0}, las integrales
_
b
a
f(x) dx y
_
b
a
g(x) dx convergen o divergen
simultaneamente.
2. Si A = 0 y
_
b
a
g(x) dx converge, entonces
_
b
a
f(x) dx converge.
3. Si A = y
_
b
a
g(x) dx diverge, entonces
_
b
a
f(x) dx diverge.
Corolario 8.12 Supuesto que para a x < b (resp. a < x b) se verica f(x) 0,
entonces, siendo lim
xb
(b x)
p
f(x) = A (resp. lim
xa
+
(x a)
p
f(x) = A), se tiene:
1. Si A R {0} y p < 1, entonces
_
b
a
f(x) dx converge.
o
de Fsica)
2. Si A R {0} y p 1, entonces
_
b
a
f(x) dx diverge.
3. Si A = 0 y p < 1, entonces
_
b
a
f(x) dx converge.
4. Si A = y p 1, entonces
_
b
a
f(x) dx diverge.
Los restantes casos son dudosos.
En el caso de una funcion no acotada en el lmite inferior x = a, los resultados
son an alogos siendo A = lim
xa
+
(x a)
p
f(x).
Denicion 8.15 Se dice que
_
b
a
f(x) dx converge absolutamente si la integral
_
b
a
|f(x)| dx es convergente.
Teorema 8.13 (Criterio de convergencia absoluta) Toda integral absolutamen-
te convergente es convergente.
Una integral impropia convergente pero no absolutamente convergente recibe el
nombre de condicionalmente convergente.
8.6.3. Integral impropia de tercera especie
Se trata de una integral con intervalo no acotado y funcion subintegral no acotada
en un n umero nito de puntos.
Ejemplo. La integral
_

0
e
x
x
dx esta extendida al intervalo no acotado [0, ) y la
funcion subintegral f(x) no esta acotada en ning un entorno del punto x = 0.
El estudio de una integral impropia de tercera especie, se reduce, por la aditividad

respecto al intervalo, a estudiar por separado una (o dos) integrales de primera especie
y una (o varias) de segunda especie.
Si todas las integrales de los sumandos son convergentes, la dada es convergente.
Si una al menos es divergente, la dada es divergente. Para la convergencia absoluta
se tiene un resultado analogo.
o
de Fsica)
8.7. Funci
on de Euler. Funci
on de Euler 34
8.7. Funcion de Euler. Funcion de Euler
Denicion 8.16 Se denomina funcion de Euler a la funcion
(p) =
_

0
x
p1
e
x
dx , p > 0
y recibe tambien el nombre de integral de Euler de primera especie.
La funcion esta bien denida, es decir, la integral es convergente para todo
p > 0.
En efecto:
_

0
x
p1
e
x
dx =
_
1
0
x
p1
e
x
dx +
_

1
x
p1
e
x
dx = I
1
+I
2
I
1
=
_
1
0
x
p1
e
x
dx
Aplicando los criterios de convergencia:
lim
x0
+
x
n
x
p1
e
x
= lim
x0
+
x
n+p1
= 1 si n +p 1 = 0 n = 1 p.
1. Si n 1, la integral diverge, luego si 1 p 1 = p 0 = p 0, la
integral diverge.
2. Si n < 1, la integral converge, luego si 1 p < 1 = p < 0 = p > 0, la
integral converge.
Nota 8.8 Si p 1, la funcion integrando es continua en todo el intervalo, luego ya
sabamos que era convergente.
I
2
=
_

1
x
p1
e
x
dx
Aplicando los criterios de convergencia, si p > 0:
lim
x
x
2
x
p1
e
x
= lim
x
x
p+1
e
x
= lim
x
x
p+1
e
x
(por LHopital)
= lim
x
(p + 1)x
p
e
x
= lim
x
(p + 1)px
p1
e
x
= = 0
y al ser n = 2 > 1 con A = 0, por el criterio de convergencia se tiene que la integral
es convergente.
o
de Fsica)
8.7. Funci
on de Euler. Funci
on de Euler 35
Si p = 0, entonces
_

1
x
p1
e
x
dx =
_

1
x
1
e
x
dx, luego
lim
x
x
2
x
1
e
x
= lim
x
x
e
x
= lim
x
1
e
x
= 0
y al ser n = 2 > 1 con A = 0, la integral es convergente.
Si p < 0, entonces:
lim
x
x
n
x
p1
e
x
= lim
x
x
n+p1
e
x
= 0, si n + p 1 0 y converge si n > 1, luego si
p < 0 converge, es decir,
n 1 p
1 < n
_
=1 < 1 p =0 < p =p < 0
Luego I
1
converge si p > 0 y diverge si p 0, mientras que I
2
converge para todo
p. As, la funcion gamma esta bien denida para p > 0.
Denicion 8.17 Se denomina funcion de Euler a la funcion
(p, q) =
_
1
0
x
p1
(1 x)
q1
dx , p, q > 0
y recibe tambien el nombre de integral de Euler de segunda especie.
La funcion esta bien denida, es decir, la integral impropia es convergente para
p, q > 0.
En efecto:
(p, q) =
_
1/2
0
x
p1
(1 x)
q1
dx +
_
1
1/2
x
p1
(1 x)
q1
dx = I
1
+I
2
I
1
=
_
1/2
0
x
p1
(1 x)
q1
dx
Aplicando los criterios de convergencia para funciones positivas, teniendo en cuen-
ta que es una integral impropia de segunda especie en el lmite inferior x = 0, se tiene:
lim
x0
+
x
n
x
p1
(1 x)
q1
= lim
x0
+
x
n+p1
= 1
si n+p 1 = 0, es decir si n = 1 p. Cuando n < 1, la integral es convergente, luego
si 1 p < 1, y por tanto p > 0, la integral es convergente.
o
de Fsica)
8.7. Funci
on de Euler. Funci
on de Euler 36
I
2
=
_
1
1/2
x
p1
(1 x)
q1
dx
Aplicando los criterios de convergencia para funciones positivas, teniendo en cuen-
ta que se trata de una integral impropia de segunda especie en el lmite superior x = 1,
se tiene:
lim
x1
(1 x)
n
x
p1
(1 x)
q1
= lim
x1
(1 x)
n+q1
= 1
si n+q 1 = 0, es decir si n = 1 q. Cuando n < 1, la integral es convergente, luego
si 1 q < 1, y por tanto q > 0, la integral es convergente.
Como vemos tanto I
1
como I
2
son convergentes para p, q > 0, con lo que la funcion
beta esta bien denida.
8.7.1. Propiedades
Se verican las siguientes propiedades.
1. Haciendo la transformacion y = 1 x se demuestra que (p, q) = (q, p) para
todo p, q > 0.
En efecto:
(p, q) =
_
1
0
x
p1
(1 x)
q1
dx =
_
0
1
(1 y)
p1
y
q1
dy
=
_
1
0
y
q1
(1 y)
p1
dy = (q, p)
ya que
1 x = y x 0 y 1
dx = dy x 1 y 0
2. Haciendo x = sen
2
se tiene: (p, q) = 2
_
/2
0
sen
2p1
cos
2q1
d para p, q >
0.
En efecto:
(p, q) =
_
1
0
x
p1
(1 x)
q1
dx
= 2
_
/2
0
sen
2p2
cos
2q2
sen cos d
= 2
_
/2
0
sen
2p1
cos
2q1
d
o
de Fsica)
8.7. Funci
on de Euler. Funci
on de Euler 37
ya que
x = sen
2
x 0 0
dx = 2 sen cos d x 1 /2
3. (p, q) =
(p)(q)
(p +q)
para todo p, q > 0, (sin demostrar).
4. (1/2) =
.
En primer lugar,
(1) =
_

0
e
x
dx = lim
t
_
t
0
e
x
dx = lim
t
_
e
x
_
t
0
= lim
t
(e
t
+ 1) = 1
Luego (1) = 1. Por otra parte, haciendo el cambio x = t
2
, dx = 2t dt,
(p) =
_

0
x
p1
e
x
dx = 2
_

0
t
2p2
e
t
2
t dt
= 2
_

0
t
2p1
e
t
2
dt
Luego, si p = 1/2, (1/2) = 2
_

0
e
t
2
dt. Por otra parte
(p, q) = 2
_
/2
0
sen
2p1
cos
2q1
d
as, tomando p = q = 1/2, se tiene
(1/2, 1/2) = 2
_
/2
0
d = 2 )
/2
0
= 2
2
=
y (1/2, 1/2) =
(1/2)(1/2)
(1)
= ((1/2))
2
, de donde
(1/2) =
y
_

0
e
t
2
dt =
2
5. (p)(1 p) =

sen p
para 0 < p < 1, (sin demostrar).
o
de Fsica)
8.8. Integrales dependientes de un par
ametro 38
6. (p + 1) = p(p) para p > 0.
En efecto:
Integrando por partes, en (p + 1),
u = x
p
du = px
p1
dx
dv = e
x
dx v = e
x
se tiene
(p + 1) =
_

0
x
p
e
x
dx = lim
t
_
t
0
x
p
e
x
dx
= lim
t
_
x
p
e
x
_
t
0
+p
_
t
0
x
p1
e
x
dx
_
= lim
t
t
p
e
t
+p
_

0
x
p1
e
x
dx
= p
_

0
x
p1
e
x
dx = p(p)
Nota 8.9 Si p N, por la propiedad 6 se tiene que
(p + 1) = p(p) = p(p 1)(p 1) = = p(p 1) . . . 2 1 (1) = p!
razon por la cual (p) suele denominarse funcion factorial y se escribe:
p! =
_

0
x
p
e
x
dx = (p + 1)
8.8. Integrales dependientes de un parametro
Denicion 8.18 Sea f(x, t) una funcion denida en el rectangulo R = [a, b] [c, d],
y tal que para todo t [c, d] existe la integral
_
b
a
f(x, t) dx. La funcion
F(t) =
_
b
a
f(x, t) dx
con t [c, d], se le llama integral dependiente de un parametro. As, la integral denida
es una funcion de t; por eso podemos designarla por F(t).
Estudiemos la continuidad, derivabilidad e integrabilidad de la funcion F(t).
o
de Fsica)
ametro 39
Teorema 8.14 Si f(x, t) es una funcion continua en el dominio cerrado a x b,
c t d, entonces la funcion F(t) es continua en el intervalo c t d.
La continuidad establecida permite permutar el signo integral con el paso al lmite y
escribir
lim
tt
0
_
b
a
f(x, t) dx =
_
b
a
lim
tt
0
f(x, t) dx .
Teorema 8.15 (de Leibniz) Si f(x, t) y f
t
(x, t) son funciones continuas en las que
a x b y c t d, entonces la funcion F(t) es derivable, siendo
F
(t) =
__
b
a
f(x, t) dx
_
t
=
_
b
a
f
t
(x, t) dx para todo t [c, d] .
Observaciones:
1. Si t es c o d, F
(t) se reere a la derivada lateral correspondiente.

2. Si se conoce una funcion I(x, t) tal que
I
x
= f(x, t), entonces se puede calcular
F(t) =
_
b
a
f(x, t)dx = I(b, t) I(a, t)
y tambien su derivada
F
(t) =
I(b, t)
t

I(a, t)
t
Supongamos ahora que en la integral F(t) =
_
b
a
f(x, t) dx, los lmites de integra-
cion a y b sean funciones de t:
F(t) = (t, a(t), b(t)) =
_
b(t)
a(t)
f(x, t) dx
donde (t, a(t), b(t)) es una funcion compuesta de t, siendo a y b las variables inter-
medias. Pues bien, si las funciones a(t) y b(t) son derivables y tenemos las mismas
condiciones que en el teorema anterior, es decir, f(x, t) y f
t
(x, t) son continuas en
[a, b] [c, d], podemos hallar la derivada de F(t), este es el llamado Teorema de
Leibniz generalizado.
o
de Fsica)
ametro 40
Teorema 8.16 Se considera el recinto
S =
_
(x, t) R
2
/ a(t) x b(t), c t d
_
donde a(t) y b(t) son funciones derivables en el intervalo [c, d]. Sea
F(t) =
_
b(t)
a(t)
f(x, t) dx
donde f(x, t) y f
t
(x, t) son continuas en S, entonces
F
(t) =
_
b(t)
a(t)
f
t
(x, t) dt +f(b(t), t)
db
dt
f(a(t), t)
da
dt
Con respecto a la integrabilidad de la funcion F(t) se tiene el siguiente teorema.
Teorema 8.17 Si f(x, t) es continua en el rectangulo
R = {(x, t) / a x b, c t d}
entonces la funcion F(t) =
_
b
a
f(x, t)dx es integrable en el intervalo [c, d] y ademas
se verica que:
_
d
c
F(t) dt =
_
d
c
__
b
a
f(x, t) dx
_
dt =
_
b
a
__
d
c
f(x, t) dt
_
dx
La continuidad, derivacion e integracion de las funciones denidas mediante in-
tegrales, como son las integrales dependientes de un parametro, establecidas ante-
riormente, pueden extenderse al caso en que esta integrales sean impropias. Es decir,
aquellas integrales denidas en intervalos no acotados y las integrales de funciones no
acotadas.
Denicion 8.19 Sea f(x, t) denida en el rectangulo innito R = {(x, t); a x <
, c t d} y tal que para cada t [c, d] la integral impropia
_

a
f(x, t) dx
es convergente. Entonces,
F(t) =
_

a
f(x, t) dx
con t [c, d] es la funcion denida por una integral impropia de primera especie
dependiente de un parametro.
o
de Fsica)
ametro 41
Observaciones:
1. El intervalo [c, d] puede ser tambien innito.
2. La integral impropia converge para un t [c, d], si existe y es nito el lmite
lim
M
_
M
a
f(x, t) dx = F(t)
3. Se dice que la integral converge absolutamente en [c, d] si converge la integral
_

a
|f(x, t)| dx
Recuerdese que si F(t) converge absolutamente entonces converge.
4. De manera analoga se trabaja con funciones denidas mediante integrales im-
propias del tipo
_
b
f(x, t) dx o
_

f(x, t) dx
Denicion 8.20 La integral impropia F(t) =
_

a
f(x, t) dx es uniformemente con-
vergente en [c, d] si para todo > 0 existe M = M() a tal que para todo b > M y
todo t [c, d] es
_

b
f(x, t) dx
<
Nota 8.10 El valor M no depende de t, sino que debe ser valido para cualquier
t [c, d].
Estudiar la convergencia uniforme de una integral aplicando la denicion puede
ser muy complicado. Por ello es especialmente util el siguiente resultado.
Teorema 8.18 (Criterio de Weierstrass) Supongamos que f(x, t) esta denida
en R = [a, ) [c, d], que para cada t [c, d], f(x, t) es integrable respecto a x
en un intervalo cualquiera [a, M], y que ademas se tiene que |f(x, t)| g(x) pa-
ra todo (x, t) R. Entonces si la integral
_

a
g(x) dx es convergente, la integral
_

a
f(x, t) dx es uniformemente convergente en [c, d].
o
de Fsica)
ametro 42
Ejemplo. La integral
_

0
e
x
sen t dx converge uniformemente en R ya que
|e
x
sen t| e
x
para todo (x, t) [0, ) R y
_

0
e
x
dx es convergente.
El criterio de Weierstrass proporciona una condicion suciente de la convergen-

cia uniforme de las integrales impropias dependientes de un parametro, pero esta
condici on no es necesaria.
La importancia de la convergencia uniforme de las integrales impropias depen-
dientes de un parametro es que permitira obtener resultados sobre la continuidad y
derivabilidad de la funcion denida por la integral.
Algunas propiedades de las integrales impropias uniformemente convergentes son:
1. Continuidad: Si f(x, t) es continua en R y la integral F(t) =
_

a
f(x, t) dx
converge uniformemente en [c, d], entonces F(t) es continua en [c, d].
2. Integrabilidad: Si f(x, t) es continua en R y la integral F(t) =
_

a
f(x, t) dx
converge uniformemente en [c, d], entonces
_
d
c
F(t) dt =
_
d
c
__

a
f(x, t) dx
_
dt =
_

a
__
d
c
f(x, t) dt
_
dx
3. Diferenciablidad: Sean f(x, t) y f
t
(x, t) continuas en R. Supongamos que
la integral F(t) =
_

a
f(x, t) dx converge para todo t y que
_

a
f
t
(x, t) dx
converge uniformemente en [c, d]. Entonces
F
(t) =
_

a
f
t
(x, t) dx
De la misma manera podemos denir una integral impropia de segunda especie
dependiente de un parametro.
Denicion 8.21 Se denomina integral impropia de segunda especie dependiente de
un parametro t a una integral de la forma
F(t) =
_
b
a
f(x, t) dx
o
de Fsica)
ametro 43
donde para cada t [c, d], f es continua salvo en un punto x
0
[a, b] y es innito
alguno de los lmites laterales de f(x, t) cuando x tiende a x
0
.
Observaciones:
1. Usando la propiedad de aditividad respecto del intervalo de integracion, siempre
se puede suponer que x
0
es uno de los extremos del intervalo.
2. La teora correspondiente a las integrales impropias de segunda especie depen-
dientes de un parametro es analoga a la correspondiente a las de primera especie.
3. La integral F(t) =
_

a
f(x, t) dx con f(x, t) continua salvo en un punto x
0

[a, +), donde es innito alguno de los lmites laterales se denomina impropia
de tercera especie dependiente de un parametro. Para trabajar con este tipo de
integrales, se usa la aditividad respecto del intervalo de integracion y se des-
compone F(t) en suma de integrales de primera y segunda especie. La integral
F(t) sera convergente si lo son todos los sumandos de la descomposicion.
La formula de Leibniz permite calcular facilmente algunas integrales impropias.
Los pasos necesarios para resolver algunas integrales por derivacion respecto al parame-
tro son los siguientes:
1. Derivar respecto al parametro, y calcular el valor de la integral a la que ha dado
origen dicha derivada.
2. Resolver la ecuacion diferencial formada por la derivada respecto al parametro
y el resultado del apartado 1, calculando el valor de la constante.
3. Dar al parametro el valor adecuado para calcular el valor de la integral que nos
piden.
Ejemplo. Hallar con a 0, el valor de
F(a) =
_
1
0
x
a
1
ln x
dx (8.1)
Calculamos la derivada de la funcion F(a) respecto del parametro a, con lo que
obtenemos
dF
da
(a) =
_
1
0
d
da
_
x
a
1
ln x
_
dx =
_
1
0
x
a
dx
=
x
a+1
a + 1
_
1
0
=
1
a + 1
.
o
de Fsica)
8.9. Transformada de Laplace 44
A continuacion resolvemos la ecuacion diferencial
dF
da
(a) =
1
a + 1
,
para lo cual integramos en los dos miembros respecto de la variable a,
F(a) = ln(a + 1) + ln K
donde la constante de integracion C la hemos tomado igual a ln K, de manera que
podemos escribir de forma mas simplicada
F(a) = ln K(a + 1) (8.2)
Haciendo a = 0, en la integral (8.1), se llega a F(0) = 0, pero por la ecuacion (8.2),
tambien se tiene que F(0) = ln K, por lo que ln K = 0 implica que K = 1. As,
llegamos a la solucion
F(a) =
_
1
0
x
a
1
ln x
dx = ln(a + 1)
8.9. Transformada de Laplace

Aunque el dominio natural de la transformada de Laplace es el campo complejo,
nosostros limitaremos nuestro estudio al campo real. La transformada de Laplace,
basada en el calculo simbolico introducido por Heaviside para resolver ciertos pro-
blemas de regmenes transitorios en electricidad, es una de las tecnicas habituales de
resolucion de problemas de valores iniciales. La utilizacion natural de la transforma-
da de Laplace en la Teora de Control clasica hace de esta tecnica una herramienta
poderosa en diversos campos de la ingeniera.
Denicion 8.22 La transformada de Laplace de una funcion f : [0, ) R, inte-
grable en cada intervalo [0, x], es L(f)(s) =
_

0
e
st
f(t) dt, con s R.
Observaciones:
1. Aunque trataremos unicamente el caso en que s R, es habitual considerar la
transformada de Laplace como funcion de variable compleja, es decir, s C.
o
de Fsica)
8.9. Transformada de Laplace 45
2. Es habitual, tambien, designar la funcion inicial por F(t) (variable temporal),
mientras que su transformada de Laplace se denota por f(s), en lugar de la
notacion empleada aqu.
3. La expresion que dene la transformada L(f) tiene sentido, claro esta, unica-
mente si la integral impropia es convergente.
Una propiedad importante de la transformada de Laplace es que es un operador
Rlineal, es decir
L(f +g) = L(f) +L(g)
En efecto:
L(f +g)(s) =
_

0
e
st
(f(t) +g(t)) dt
=
_

0
e
st
f(t) dt +
_

0
e
st
g(t) dt
= L(f) +L(g)
Hay otras propiedades que verica la transformada de Laplace como son la pro-
piedad del cambio de escala, propiedad de traslacion, etc., que se veran en el curso
siguiente, en la asignatura de Ampliacion de Analisis Matematico.
o
de Fsica)
Analisis Matematico
Tema 9. Integral doble
(SiGNum)
Curso 2004 2005
Contenido
9. Integral doble 1
9.1. Concepto de integral doble: Propiedades . . . . . . . . . . . . . . . . 1
9.2. Calculo de la integral doble extendida a un dominio convexo . . . . . 4
9.3. Cambio de variables: Coordenadas polares . . . . . . . . . . . . . . . 9
9.4. Centros de masa y momentos de inercia . . . . . . . . . . . . . . . . . 16
9.5.

Area de una supercie . . . . . . . . . . . . . . . . . . . . . . . . . . 20
0
Tema 9
Integral doble
9.1. Concepto de integral doble: Propiedades
La esencia de la integral denida en un intervalo consiste en emplear un proceso de
paso al lmite para asignar medidas a cantidades tales como el area, volumen, longitud
de arco, etc. Un proceso similar se puede utilizar para denir la integral doble de una
funcion de dos variables en una region del plano. Mas adelante deniremos otros tipos
de integrales:
Integrales triples, en regiones solidas.
Integrales de lnea, sobre curvas.
Integrales de supercie, sobre supercies.
En todos los casos seguimos el modelo establecido. Esto es, dividimos la region en
subregiones, evaluamos la funcion en un punto de cada region, y tomamos el lmite
de la suma de Riemann resultante.
As, mediante un procedimiento similar al seguido en temas anteriores para denir
la integral denida, para funciones de una sola variable real, vamos ahora a introducir
la integral doble, la cual ira asociada, en un principio, al concepto de volumen si bien
posteriormente veremos que su aplicacion es mucho mas amplia.
Consideremos en el plano XY un dominio cerrado R limitado por una curva L.
Sea dada en el dominio R una funcion continua z = f(x, y).
Supongamos superpuesta en R una malla rectangular, de rectas paralelas a los
ejes x e y. Estas rectas dividen a R en peque nas porciones de area
A = xy.
1
9.1. Concepto de integral doble: Propiedades 2
pero solo nos quedamos con aquellos elementos de area A que esten completamente
contenidos en la region. Los rectangulos que caen dentro de R forman una partici on
interna, cuya norma P, se dene como la longitud de la diagonal mas larga de los
nrectangulos.
Figura 9.1: Malla rectangular de rectas paralelas a los ejes x e y.
Las numeramos en cierto orden
A
1
, A
2
, . . . , A
n
donde A
i
= x
i
y
i
seleccionamos un punto (x
i
, y
i
) en cada porcion A
i
y formamos la suma
S
n
=
n
i=1
f(x
i
, y
i
)A
i
Suma de Riemann (9.1)
Figura 9.2: Columna vertical cuya base tiene de area A
i
y altura f(x
i
, y
i
).
o
de Fsica)
9.1. Concepto de integral doble: Propiedades 3
Si la funcion z = f(x, y) es no negativa en el dominio R, cada termino f(x
i
, y
i
)A
i
de
la suma, representa el volumen de una columna vertical o prisma de bases paralelas,
con area igual a A
i
, y cuya altura es z
i
= f(x
i
, y
i
).
Las areas A
i
pueden no cubrir toda la region R. Pero cuando la red se hace
progresivamente mas tupida y crece el n umero de terminos en S
n
, cada vez es mayor
la parte incluida de R. Si f(x, y) es continua y la frontera de R esta formada por
un n umero nito de segmentos de rectas o curvas suaves unidas por sus extremos,
entonces las sumas S
n
tendran un lmite cuando x y y tiendan a cero, o P 0.
Llamamos a este lmite integral doble de f sobre R y se representa como:
__
R
f(x, y) dA =
__
R
f(x, y) dxdy = lim
P0
n
i=1
f(x
i
, y
i
) A
i
(9.2)
Este lmite puede existir incluso en circunstancias menos restrictivas, aunque no
insistiremos aqu en ello.
En consecuencia, cuando f(x, y) 0 es continua en R, la integral doble represen-
ta el volumen de una columna vertical cuya base inferior es R y cuya base superior
queda limitada por la supercie z = f(x, y).
El uso de una suma de Riemann para calcular un volumen es un caso particular
de su utilizacion en la denicion de una integral doble. En el caso general no se exige
que la funcion sea positiva ni continua.
Denicion 9.1 Si f(x, y) esta denida en una region cerrada y acotada
1
R del plano
xy, la integral doble de f sobre R se dene como:
__
R
f(x, y) dA = lim
P 0
n
i=1
f(x
i
, y
i
) x
i
y
i
supuesto que exista ese lmite, en cuyo caso se dice que f es integrable sobre R.
La denicion de la integral doble de f sobre la region R viene afectada por la frase
supuesto que exista ese lmite. Se pueden dar condiciones necesarias para la existencia
de lmite, no obstante, podemos dar algunas condiciones sucientes que cubren casi
todas las aplicaciones practicas de la integrales dobles en Fsica e Ingeniera. Asi, si f
es continua en una region R cerrada y acotada, entonces la integral doble de f sobre
R existe.
Como propiedades mas importantes de la integral doble se tienen las siguientes.
Sean f y g continuas en una region R del plano, cerrada y acotada y una constante,
entonces se tiene:
1
La region R es cerrada y acotada. Un ejemplo de region cerrada y no acotada es un semiplano.
o
de Fsica)
9.2. C
alculo de la integral doble extendida a un dominio convexo 4

1. Aditiva respecto del integrando:
__
R
(f(x, y) + g(x, y)) dA =
__
R
f(x, y) dA +
__
R
g(x, y) dA
2. Aditiva respecto del recinto de integracion: Si R se descompone en dos dominios,
que no se solapan, R
y R
y f(x, y) es integrable en ellos, se verica

__
R
f(x, y) dA =
__
R
f(x, y) dA +
__
R
f(x, y) dA
Nota 9.1 Dos regiones se dice que no se solapan si su interseccion es un con-
junto al que asignamos area cero. Por ejemplo, el area de un segmento de recta
es cero.
3. Lineal:
__
R
f(x, y) dA =
__
R
f(x, y) dA
4. Si f(x, y) g(x, y) en R y ambas son integrables:
__
R
f(x, y) dA
__
R
g(x, y) dA
5.

__
R
f(x, y) dA
__
R
|f(x, y)| dA
6. Si f(x, y) 0 sobre R, entonces
_ _
R
f(x, y) dA 0.
Observese que si bien la denicion dada de integral doble es intuitivamente correc-
ta, su calculo practico resulta bastante complicado, ya que habra que ir sumando
vol umenes parciales, para lo cual sera preciso conocer previamente las areas A
i
. En
ciertas ocasiones la integral doble puede calcularse por un procedimiento mucho m as
simplicado. A continuacion vamos a describir una de tales situaciones.
9.2. Calculo de la integral doble extendida a un
dominio convexo
El calculo de la integral doble extendido a un dominio convexo es el caso mas fre-
cuente. Entenderemos por dominio convexo aquel cuyo contorno no puede ser cortado
por cualquier recta en mas de dos puntos.
o
de Fsica)
9.2. C

Sea R una region situada en el plano XY convexa, acotada por arriba y por
abajo por las curvas y = f
2
(x) e y = f
1
(x) y lateralmente por las rectas x = a,
x = b, entonces tambien podremos calcular el volumen de la siguiente manera. Se
halla primero el area de la seccion transversal.
A(x) =
_
y=f
2
(x)
y=f
1
(x)
f(x, y) dy (9.3)
e integrando luego A(x) entre x = a y x = b, obtenemos el volumen como:
V =
_
b
a
A(x) dx =
_
b
a
_
y=f
2
(x)
y=f
1
(x)
f(x, y)dydx (9.4)
Figura 9.3: Calculo de la integral doble.
La expresion de la derecha de (9.4) se llama integral iterada o repetida y establece
que el volumen se obtiene integrando f(x, y) respecto a y (manteniendo x ja), desde
y = f
1
(x) hasta y = f
2
(x), e integrando luego respecto a x, a la expresion resultante
en x, entre x = a y x = b.
En las integrales iteradas, los lmites internos de integracion pueden ser variables
con respecto a la variable de integracion exterior. Sin embargo, los lmites de integra-
cion exteriores deben ser constantes con respecto a ambas variables de integracion.
Tras realizar la integracion interior, nos queda una integral denida usual, producien-
do la segunda integracion un n umero real. Una integral iterada no es sino un tipo
especial de integral denida, uno en el que el integrando es una integral denida.
Por tanto, podemos utilizar las propiedades de las integrales denidas para calcular
integrales iteradas.
o
de Fsica)
9.2. C

An alogamente, si R es una region, acotada a la derecha por x = g
2
(y), a la
izquierda por x = g
1
(y), y arriba y abajo por las rectas y = c e y = d, entonces
V =
_
d
c
_
x=g
2
(y)
x=g
1
(y)
f(x, y) dxdy (9.5)
Resumiendo tenemos el siguiente resultado, conocido como Teorema de Fubini,
que nos dice que si f es continua en una region convexa R, entonces la integral doble
de f en R es igual a una integral iterada.
Teorema 9.1 (de Fubini) Sea f(x, y) continua en una region R convexa.
1. Si R esta denida por a x b, f
1
(x) y f
2
(x) con f
1
(x) y f
2
(x) continuas
en [a, b], entonces:
__
R
f(x, y) dA =
_
b
a
_
y=f
2
(x)
y=f
1
(x)
f(x, y) dydx
2. Si R esta denida por c y d, g
1
(y) x g
2
(y) con g
1
(y) y g
2
(y) continuas
en [c, d], entonces:
__
R
f(x, y) dA =
_
d
c
_
x=g
2
(y)
x=g
1
(y)
f(x, y) dxdy
Lo mas difcil del calculo de una integral doble, es a veces, la determinacion de los
lmites de integracion. Los lmites de integracion de una integral iterada identican dos
conjuntos de intervalos frontera para las variables x e y; juntos estos dos intervalos,
determinan la region de integracion R de la integral doble. Por fortuna, existe un
buen procedimiento.
Si queremos calcular
__
R
f(x, y) dA
en la region R, integrando primero respecto a y y despues respecto a x, procederemos
como sigue:
1. Imaginaremos una recta vertical al eje x, L, que corta a R seg un la direcci on
creciente de y.
2. Integramos desde el valor de y del punto donde L entra en R hasta el valor de
y del punto de salida.
o
de Fsica)
9.2. C

3. Elegimos lmites x que incluyan a todas las rectas verticales que pasan por R.
La integral es entonces:
__
R
f(x, y) dA =
_
b
a
_
y=f
2
(x)
y=f
1
(x)
f(x, y) dydx .
Figura 9.4:
__
R
f(x, y) dA =
_
b
a
_
y=f
2
(x)
y=f
1
(x)
f(x, y) dydx.
Para calcular la integral doble como una integral iterada con el orden de integra-
cion invertido, el procedimiento recurre a rectas horizontales para dar:
__
R
f(x, y)dA =
_
d
c
_
x=g
2
(y)
x=g
1
(y)
f(x, y) dxdy
Figura 9.5:
__
R
f(x, y)dA =
_
d
c
_
x=g
2
(y)
x=g
1
(y)
f(x, y) dxdy.
Nota 9.2 Aunque el teorema de Fubini nos asegura que una integral doble puede
calcularse como una integral iterada en cualquier orden de integracion, puede ocurrir
que el valor de una integral sea mas facil de hallar que el de la otra.
o
de Fsica)
9.2. C

Ejemplo. Hallar
__
R
xydxdy siendo R la region del primer cuadrante encerrada entre
las parabolas y
2
= x e y = x
2
.
Calcularemos la integral de las dos formas posibles.
1.
__
R
xydxdy =
1
_
0
x
_
x
2
xydydx =
1
_
0
xy
2
2
_
x
x
2
dx =
1
_
0
x
_
x
2

x
4
2
_
dx =
x
3
6

x
6
12
_
1
0
=
1
6

1
12
=
1
12
2.
__
R
xydxdy =
1
_
0
y
_
y
2
xydyxdy =
1
_
0
yx
2
2
_
y
y
2
dy =
1
_
0
y
_
y
2

y
4
2
_
dy =
y
3
6

y
6
12
_
1
0
=
1
6

1
12
=
1
12
Si en la denicion de la integral doble sobre una region R de la seccion anterior

tomamos f(x, y) = 1, las sumas parciales se reducen a
n
i=1
f(x
i
, y
i
)A
i
=
n
i=1
A
i
y proporcionan una aproximacion de lo que podramos llamar el area de la region R. A
medida que x y y tienden a cero, la cobertura de R por los A
i
es progresivamente
mas completa, y denimos el area de R como el lmite
Area = lim
A0
n
i=1
A
i
=
__
R
dA (9.6)
Para calcular por tanto, la integral de area de (9.6), integramos la funcion constante
f(x, y) = 1 sobre R.
Ejemplo. Determnese el area de la region R acotada por y = 2x e y = x
2
en el
primer cuadrante.
Teniendo en cuenta la gura 9.6, calculamos el area como
A =
_
2
0
_
2x
x
2
dydx =
_
2
0
(2x x
2
) dx = x
2
x
3
3
_
2
0
=
4
3
.

o
de Fsica)
9.3. Cambio de variables: Coordenadas polares 9
Figura 9.6: Region R acotada por y = 2x e y = x
2
en el primer cuadrante.
9.3. Cambio de variables: Coordenadas polares
En ocasiones el calculo de una integral doble sobre una cierta region R se simplica
utilizando coordenadas distintas a las cartesianas, como por ejemplo, coordenadas
polares, ya que las nuevas coordenadas pueden reejar mejor la geometra de la region
con la que estamos trabajando.
El objetivo de esta seccion es estudiar el resultado analogo ya conocido de la
formula de cambio de variable (en la integral denida) para integrales dobles de
funciones f(x, y) sobre regiones R del plano R
2
.
La problematica en este caso sera mas complicada que en el caso de funciones
de una sola variable, pues, por ejemplo, ahora se trata de cambiar las dos variables
de la funcion f(x, y). En terminos generales, se trata de cambiar las variables x, y
en la funcion f(x, y) por dos nuevas variables, digamos u, v, seg un las ecuaciones de
transformacion
x = x(u, v), y = y(u, v)
de tal modo que la integral original de la funcion f(x, y) que se quiere hacer sobre la
region R del plano R
2
(en el que las variables son x e y y que llamaremos plano xy),
ahora se convierta en una integral de la nueva funcion G(u, v) = f(x(u, v), y(u, v))
sobre alguna nueva region R
del plano R
2
(en el que las variables son u, v y que
llamaremos plano uv).
Para esta presentacion optaremos por utilizar la notacion y terminologa usada con
anterioridad cuando se estudio la problematica relacionada con las funciones inversas
de funciones del tipo
o
de Fsica)
F : R
R
2
R
2
(u, v) R
R
2

F(u, v) = (x(u, v), y(u, v)) = (x, y) .
As, pensaremos en

F como la funcion que manda los puntos (u, v) de la region R
del plano uv, en puntos (x, y) = (x(u, v), y(u, v)) de una nueva region R del plano xy,
en donde entonces las funciones x(u, v) e y(u, v) son funciones denidas en R
R
2
y tomando valores reales.
Figura 9.7:

F : R
R
2
R R
2
.
Bajo esta perspectiva, cambiar las variables x, y de la funcion f(x, y), signica
hacer la composicion de f(x, y) con la funcion (x, y) =

F(u, v), obteniendo as la
funcion compuesta G(u, v) = (f

F)(u, v) = f(
F(u, v)), que sera la nueva funcion

que debemos integrar.
El resultado que establece las condiciones sobre las cuales se hace el cambio de
variables en una integral doble es el siguiente.
Teorema 9.2 Sea f : R R
2
R una funcion continua de las variables x,
y denida en la region R R
2
. Sea

F : R
R
2
R
2
,

F(u, v) = (x, y) =
(x(u, v), y(u, v)) una funcion que manda de manera inyectiva los puntos (u, v) de la
region R
, del plano uv en los puntos (x, y) de la region R del plano xy. Supongamos
que

F es de clase C
1
y que
det J
F
(u, v) =
x
u
x
v
y
u
y
v
(x, y)
(u, v)
= 0
Entonces se tiene la formula de cambio de variable en integrales dobles
__
R
f(x, y)dxdy =
__
R
f(x(u, v), y(u, v))
det
_
(x, y)
(u, v)
_
dudv .
Nota 9.3 Al det J
F
(u, v) =
x
u
x
v
y
u
y
v
(x, y)
(u, v)
se le denomina jacobiano de la
transformacion.
o
de Fsica)
Observemos que en este teorema se pide que la funcion

F sea de clase C
1
. Esto
signica que las funciones componentes de

F, x = x(u, v), y = y(u, v) son de clase
C
1
, lo cual a su vez signica que las derivadas parciales de x e y respecto de u y v son
continuas. Con esta hipotesis aseguramos que el nuevo integrando que se obtiene al
cambiar las variables
f(x(u, v), y(u, v))
det
_
(x, y)
(u, v)
_
,
es una funcion continua y por lo tanto integrable. Otro punto importante a observar
es que en el teorema se pide que la funcion

F sea inyectiva, as como que
(x, y)
(u, v)
= 0.
Esto hecho nos permite resolver u y v en terminos de x e y, obteniendo as las funciones
u = u(x, y), v = v(x, y); es decir, aplicar el teorema de la funcion inversa y obtener
la funcion inversa
F
1
: R R
2
R
2
(x, y) R R
2

F
1
(x, y) = (u, v) = (u(x, y), v(x, y)) .
Aunque no presentaremos aqu la prueba del teorema anterior, s veremos un
argumento geometrico que nos deja a nivel de aceptable la armacion realizada.
En primer lugar veamos que la razon del area de un peque no rectangulo en el
plano uv al area de su imagen en el plano xy esta relacionada con el valor absoluto
del jacobiano de la transformacion.
Consideremos la region R
en el plano uv dada por

R
= {(u, v) / u
0
u u
0
+ u, v
0
v v
0
+ v} .
Esta region es entonces un rectangulo con vertices en los puntos A
= (u
0
, v
0
),
B
= (u
0
+ u, v
0
), C
= (u
0
+ u, v
0
+ v), D
= (u
0
, v
0
+ v). Al aplicar la
transformacion

F : R
R
2
, la region R
se transforma en la region R =

F(R
).
Estaremos interesados en comparar las areas de las regiones R y R
; mas a un, puesto

que el area de R
es uv, estaremos interesados en calcular el area de la region R

y compararla con la de R
. De hecho, si pensamos en un factor K (que depende del

punto (u, v) en cuestion) de modicacion de areas, tal que (area de R)= K(area de
R
), veremos que este factor es ni mas ni menos que el jacobiano de la transformacion.

Sea entonces

F : R
R
2
,

F(u, v) = (x, y) = (x(u, v), y(u, v)) la funcion de
transformacion de coordenadas, que manda la region R
del plano uv en la region R

del plano xy. Si u y v son peque nos, el rectangulo R
se transforma por medio

de

F, en una region R parecida a un rectangulo, (un paralelogramo curvilneo) con
vertices A =

F(A
), B =

F(B
), C =

F(C
), D =

F(D
) (ver gura 9.8).

o
de Fsica)
Figura 9.8: Transformacion

F(u, v) = (x, y) = (x(u, v), y(u, v)).
La imagen en el plano xy de los puntos sobre las rectas del plano uv entre A
,
A
, B
y D
mediante la transfosmacion

F, nos dan respectivamente, los lados
AB, AD, BC y DC del paralelogramo curvilneo R. Sin embargo al ser u, v
peque nos los lados curvilneos AB, AD se pueden aproximar mediante rectas, de tal
manera que el area del paralelogramo curvilneo R es entonces aproximadamente igual
al area del paralelogramo generado por los vectores

AB y

AD. Esta aproximacion
sera tanto mejor en cuanto u y v sean peque nos (ver gura 9.9).
Figura 9.9:

Area de R

Area del paralelogramo generado por

AB y

AD.
Por otra parte sabemos que si un paralelogramo esta generado por dos vectores
su area es igual a la norma del producto cruz de estos vectores, que como vectores de
R
3
, tienen su ultima coordenada igual a cero. De manera que vamos a aproximar el
area del paralelogramo curvilneo R por el area del paralelogramo generado por los
vectores

AB y

AD.
Las coordenadas de los puntos B y D dependen de u y v de una forma com-
plicada. Sin embargo al ser u y v peque nos, podemos aproximar sus coordenadas
de la siguiente manera.
Para B = (x
1
, y
1
) = (x(u
0
+ u, v
0
), y(u
0
+ u, v
0
)), aplicando la formula de
Taylor hasta el termino de primer orden, en la que solo incrementamos en la primera
o
de Fsica)
variable, se tiene
x(u
0
+ u, v
0
) x(u
0
, v
0
) +
x
u
(u
0
, v
0
)u
y(u
0
+ u, v
0
) y(u
0
, v
0
) +
y
u
(u
0
, v
0
)u
Analogamente si ahora consideramos el punto D = (x
2
, y
2
) = (x(u
0
, v
0
+v), y(u
0
, v
0
+
v)), podemos escribir
x(u
0
, v
0
+ v) x(u
0
, v
0
) +
x
v
(u
0
, v
0
)v
y(u
0
, v
0
+ v) y(u
0
, v
0
) +
y
v
(u
0
, v
0
)v
As, las coordenadas de los vectores

AB y

AD (sabiendo que
A = (x(u
0
, v
0
), y(u
0
, v
0
), 0)) en R
3
son:
AB = (x
u
(u
0
, v
0
)u, y
u
(u
0
, v
0
)u, 0)
AD = (x
v
(u
0
, v
0
)v, y
v
(u
0
, v
0
)u, 0)
Entonces el area de la region R es aproximadamente igual a la norma del vector
AB
AD =
i

j

k
x
u
y
u
0
x
v
y
v
0
uv =
x
u
x
v
y
u
y
v
uv
k ,
de modo que el area de la region R es, aproximadamente
area de R
det
_
(x, y)
(u, v)
_
uv =
det
_
(x, y)
(u, v)
_
(area de R
) .
Ahora podemos aplicar el resultado para realizar el cambio de variable en la inte-
gral doble. Consideramos la integral doble
__
R
f(x, y)dxdy
en las hipotesis del teorema 9.2.
Se observa que las imagenes de las rectas u = cte, v = cte, producen una rejilla
sobre la region R
. Entonces, la subregion de area A

u
i
v
i
en el plano uv, se transfor-
mara en una subregion de area A
x
i
y
i
en el plano xy, de manera que
A
x
i
y
i

(x, y)
(u, v)
(u
i
,v
i
)
A
u
i
v
i
(9.7)
o
de Fsica)
Figura 9.10: La subregion de area A
u
i
v
i
se transforma en una subregion de area
A
x
i
y
i
.
Si suponemos que en cada subregion la funcion f se mantiene constante e igual a
f(x
i
, y
i
) se tiene que
lim
P
R
0
n
i=1
f(x
i
, y
i
) A
x
i
y
i
lim
P
R
0
n
i=1
f(x(u
i
, v
i
), y(u
i
, v
i
))
(x, y)
(u, v)
(u
i
,v
i
)
A
u
i
v
i
(9.8)
Intuitivamente, y esto no pretende ser una demostracion formal, cuanto mas peque nos
sean A
x
i
y
i
y A
u
i
v
i
tanto mas precisa sera la aproximacion (9.7), es decir si las
normas de cada una de las particiones tienden a valer cero la aproximacion en la
ecuacion (9.8) se puede escribir como igualdad, de manera que
__
R
f(x, y)dxdy =
__
R
f(x(u, v), y(u, v))
det
_
(x, y)
(u, v)
_
dudv
En esta ultima parte de la presente seccion, vamos a considerar un caso particular
de variables en integrales dobles que es, muy importante: el cambio a coordenadas
polares. Recordemos que en el sistema coordenado polar se localizan los puntos en
el plano por medio de dos parametros, a saber: la distancia r 0 del punto al
origen (llamado polo) y el angulo que forma el radio vector del punto (el vector,
como segmento dirigido, correspondiente al punto) con la parte positiva del eje x. De
esta manera decimos que el punto P tiene por coordenadas polares la pareja (r, ).
Llamaremos entonces r, a las nuevas coordenadas, en lugar de u, v. La equivalencia
entre estas coordenadas y las coordenadas cartesianas (x, y) del punto P es, como
sabemos
x = r cos
y = r sen
o
de Fsica)
Figura 9.11: Coordenadas polares.
Las expresiones anteriores, son de hecho, las funciones coordenadas de la que
hemos venido llamando funcion de transformacion de coordenadas

F : R
R
2
,
F(r, ) = (x, y) = (x(r, ), y(r, )) = (r cos , r sen )

Es importante hacer notar que para que esta funcion trabaje bien (en el aspecto
de inyectividad), se debe considerar a la coordenada variando solamente entre 0
y 2. As, el plano r se describe con los rangos de variacion r 0, 0 < 2.
Mediante esta transformacion, el rectangulo R
= {(r, ) / r
0
r r
1
,
1

2
},
tiene como imagen R = {(x, y) / r
2
0
x
2
+ y
2
r
2
1
, x tg
1
y x tg
2
}.

F(r, ) = (x(r, ), y(r, )) = (r cos , r sen .
A partir de
x = r cos , y = r sen
se obtiene que x
2
+y
2
= r
2
, luego la recta r = r, se transforma en el crculo x
2
+y
2
=
( r cos )
2
+ ( rsen)
2
= r
2
, de manera que como r
0
r r
1
r
2
0
r
2
r
2
1
,
as r
2
0
x
2
+ y
2
r
2
1
.
Por otra parte, a partir de las mismas relaciones tg =
y
x
de manera que la recta
=

se transforma en la recta radial y = x tg

. La funcion tg es una funcion
monotona creciente, luego para
1

2
, se tiene que tg
1
tg tg
2

tg
1

y
x
tg
2
, as x tg
1
y x tg
2
.
o
de Fsica)
9.4. Centros de masa y momentos de inercia 16
Finalmente la imagen del rectangulo R
es la region interseccion de la region anular

y de la seccion.
En este caso, el jacobiano de la transformacion que aparece en la formula de
cambio de variables es
x
r
= cos
x
= r sen
y
r
= sen
y
= r cos
As:
J =
(x, y)
(r, )
=
cos r sen
sen r cos
= r cos
2
+ r sen
2
= r.
y la formula del teorema 9.2 se ve (en este caso particular) como
__
R
f(x, y)dxdy =
__
R
f(r cos , r sen )rdrd.

Aunque no hay un criterio universal que nos diga cuando debemos hacer el cambio
a coordenadas polares al calcular una integral doble de una funcion, s podemos decir,
que, en general, cuando en la region de integracion se presenten anillos circulares (o
trozos de ellos), y/o cuando en la funcion f(x, y) a integrar aparezca de alguna forma
las expresiones (x
2
+ y
2
) y/o
y
x
(que en coordenadas polares corresponden a r
2
y a
tg , respectivamente), puede resultar conveniente intentar el calculo de la integral
haciendo previamente el cambio a coordenadas polares.
9.4. Centros de masa y momentos de inercia
Para las funciones de una sola variable real, se tratan aplicaciones de la integracion
en que intervienen laminas de densidad constante . As, si la lamina correspondiente
a la region R, tiene densidad constante , entonces la masa de la lamina viene dada
por
masa = A
=
_
b
a
[g
2
(x) g
1
(x)] dx
=
__
R
dA
=
__
R
dA
o
de Fsica)
Figura 9.13: Lamina de densidad constante.
El empleo de una integral doble sugiere una extension natural de la formula para
hallar la masa de una lamina de densidad variable, donde la densidad en (x, y) viene
dada por la funcion densidad .
Denicion 9.2 Si es una funcion densidad continua sobre la lamina correspondiente
a una region plana R, entonces la masa m de la lamina viene dada por
m =
__
R
(x, y)dA Densidad variable
Nota 9.4 La densidad se expresa normalmente como masa por unidad de volumen.
Sin embargo, para una lamina plana consideramos la densidad como masa por unidad
de area.
Para una lamina de densidad variable, los momentos se denen de forma similar
a la usada para el caso de densidad uniforme. Para una particion de una lamina
correspondiente a una region plana R, consideremos el iesimo rectangulo R
i
de area
A
i
. Suponiendo que la masa de R
i
se concentra en uno de sus puntos interiores
(x
i
, y
i
), se sigue que el momento de R
i
con respecto al eje x viene aproximado por
(masa) (y
i
) [(x
i
, y
i
)A
i
] (y
i
)
De forma similar, el momento con respecto al eje y viene expresado por
(masa) (x
i
) [(x
i
, y
i
)A
i
] (x
i
)
Formado la suma de Riemann de tales productos y tomando el lmite cuando la
norma de tiende a cero, obtenemos las formulas para los momentos de las masas
con respecto a los ejes x e y.
o
de Fsica)
Denicion 9.3 Si es una funcion de densidad continua de la lamina correspon-
diente a la region plana R, entonces los momentos con respecto a los ejes x e y son
M
x
=
__
R
y(x, y)dA y M
y
=
__
R
x(x, y)dA
Ademas, si m es la masa de la lamina, entonces el centro de masa es
(x, y) =
_
M
y
m
,
M
x
m
_
Figura 9.14: M
x
= (masa)y
i
, M
y
= (masa)x
i
.
Nota 9.5 Si R representa una region simple en vez de una lamina, el punto (x, y)
se conoce como centroide de la region.
Aunque pensamos en los momentos M
x
y M
y
como medidas de la tendencia a
girar alrededor de los ejes x o y, el calculo de los momentos es generalmente un paso
intermedio hacia un objetivo mas tangible. El empleo de los momentos M
x
y M
y
es
tpico para hallar el centro de masas. La determinacion del centro de masas es util
en un sin n de aplicaciones que nos permiten tratar una lamina como si su masa
estuviera concentrada en un punto justamente. Intuitivamente, podemos pensar en el
centro de masas como el punto en el cual esta equilibrada la masa.
Los momentos M
x
y M
y
usados para determinar el centro de masas de una lamina,
algunas veces se denominan como momentos primeros repecto al eje x e y. En cada
caso, el momento es el producto de una masa por una distancia.
Ahora nos jamos en otro tipo de momentos, denominado momento segundo
o momento de inercia de una lamina respecto a una recta. De la misma forma
que la masa es una medida de la tendencia de la materia a resistirse a un cambio del
movimiento rectilneo, el momento de inercia respecto a una recta es una medida de
o
de Fsica)
la tendencia de la materia a resistirse a un cambio del movimiento de rotacion. Por
ejemplo, si una partcula de masa m esta a una distancia d de una recta ja, entonces
su momento de inercia respecto a la recta se dene como
l = md
2
= (masa) (distancia)
2
Al igual que con los momentos de las masas, podemos generalizar este concepto para
obtener el momento de inercia respecto a los ejes x e y de una lamina de densidad
variable. Denotamos estos momentos segundos mediante I
x
e I
y
, y en cada caso el
momento es el producto de una masa por el cuadrado de una distancia.
I
x
=
__
R
(y
2
)(x, y)dA, I
y
=
__
R
(x
2
)(x, y)dA
La suma de los momentos I
x
e I
y
se llama momento polar de inercia y se
denota por I
0
. Para una lamina en el plano xy, I
0
representa el momento de inercia
de la lamina respecto del eje z. El nombre de momento polar de inercia se debe al
hecho de que en su calculo se utiliza el cuadrado de la distancia polar r.
I
0
=
__
R
(x
2
+ y
2
)(x, y)dA =
__
R
r
2
(x, y)dA
El momento de inercia I de una lamina en giro puede usarse para medir su energa
cinetica. Por ejemplo, supongamos que una lamina plana esta girando alrededor de
una recta con una velocidad angular de radianes por segundo. La energa cinetica
de la lamina en giro viene dada por
E =
1
2
I
2
Por otra parte, la energa cinetica de una masa m en movimiento rectilneo con velo-
cidad v viene dada por
E =
1
2
mv
2
As como la energa cinetica del movimiento rectilneo es proporcional a su masa,
la energa cinetica del movimiento rotatorio de una masa con respecto a un eje es
proporcional a su momento de inercia.
El radio de giro r de una masa giratoria m con momento de inercia I se dene
como
r =
_
I
m
Si toda la masa estuviera localizada a una distancia r de su eje de revolucion,
tendra el mismo momento de inercia ya que I = m r
2
, y en consecuencia, la misma
energa cinetica.
o
de Fsica)
9.5.

Area de una superficie 20
9.5.

Area de una supercie
A estas altura ya sabemos bastante sobre las regiones solidas situadas entre una
supercie y una region acotada y cerrada R del plano xy. Por ejemplo, sabemos hallar:
1. Los extremos de f en R.
2. El area de la base R del solido.
3. El volumen del solido.
4. El centroide de la base R.
En esta seccion mostramos como hallar el area de la supercie superior del
solido. En secciones posteriores hallaremos el centroide (centro de masas) del solido
y tambien el area de la supercie lateral (en el tema siguiente).
Sea una supercie z = f(x, y) denida en una region R. Para hallar el area de la
supercie, construimos una particion interior de R formada por n rectangulos, donde
el area del rectangulo iesimo R
i
, es A
i
= x
i
y
i
. A cada punto (x
i
, y
i
) en R
i
, le
corresponde un punto (x
i
, y
i
, z
i
) sobre la supercie S en el cual construimos un plano
tangente T
i
. El angulo de inclinacion de este plano tangente viene dado por
cos
i
=
1
_
1 + (f
x
(x
i
, y
i
))
2
+ (f
y
(x
i
, y
i
))
2
o sea
sec
i
=
_
1 + (f
x
(x
i
, y
i
))
2
+ (f
y
(x
i
, y
i
))
2
.
Por trigonometra sabemos que la porcion del plano tangente T
i
que esta situada
directamente sobre R
i
tiene un area
T
i
= sec
i
A
i
Ademas, podemos usar el area de esta peque na seccion del plano tangente para apro-
ximar el area de la porcion de la supercie que esta directamente sobre R
i
, como
sigue
S
i
T
i
= sec
i
A
i
=
_
1 + (f
x
(x
i
, y
i
))
2
+ (f
y
(x
i
, y
i
))
2
A
i
El area total S puede aproximarse por la suma de Riemann
S
n
i=1
S
i

n
i=1
_
1 + (f
x
(x
i
, y
i
))
2
+ (f
y
(x
i
, y
i
))
2
A
i
Finalmente, tomando el lmite cuando tiende a cero, tenemos la formula integral
doble siguiente para el area de la supercie.
o
de Fsica)
9.5.

Area de una superficie 21
Figura 9.15:

Area de una supercie.
Denicion 9.4 Si f y sus derivadas parciales primeras son continuas en una region
cerrada y acotada del plano xy, entonces el area de la supercie z = f(x, y) sobre R
viene dada por
S =
__
R
dS =
__
R
dxdy
cos
=
__
R
_
1 + (f
x
(x, y))
2
+ (f
y
(x, y))
2
dA
Al integrando dS =
dxdy
cos
, se le llama elemento de supercie.
Como ayuda para recordar la integral doble del area de una supercie, es util la
similitud con la integral de la longitud de un arco:
Longitud sobre el eje x:
_
b
a
dx .
Longitud de arco en el plano xy:
_
b
a
ds =
_
b
a
_
1 + [f
(x)]
2
dx .
Area en el plano xy:

__
R
dA.
Area de una supercie en el espacio:

__
R
dS =
__
R
_
1 + [f
x
(x, y)]
2
+ [f
y
(x, y)]
2
dA.
o
de Fsica)
Analisis Matematico
Tema 10. Integral triple
(SiGNum)
Curso 2004 2005
Contenido
10.Integral triple 1
10.1. Concepto de integral triple . . . . . . . . . . . . . . . . . . . . . . . . 1
10.2. Calculo de integrales triples . . . . . . . . . . . . . . . . . . . . . . . 3
10.3. Cambio de variables: Coordenadas cilndricas y esfericas . . . . . . . 6
10.3.1. Coordenadas cilndricas . . . . . . . . . . . . . . . . . . . . . 7
10.3.2. Coordenadas esfericas . . . . . . . . . . . . . . . . . . . . . . 11
10.4. Centros de masa y momentos de inercia . . . . . . . . . . . . . . . . . 14
0
Tema 10
Integral triple
10.1. Concepto de integral triple
El concepto de integral triple y su calculo se desarrolla en forma identica al de
integral doble. Sea f(x, y, z) una funcion continua denida en una region acotada D
en el espacio, entonces la integral de f sobre D puede denirse de la siguiente manera.
Dividimos una region rectangular que contenga a D en celdas rectangulares me-
diante planos paralelos a los planos coordenados. Las dimensiones de las celdas son
x por y por z. Numeramos en cierto orden las celdas interiores a D:
V
1
, V
2
, . . . , V
n
,
Figura 10.1: Volumen de la iesima caja: V
i
= x
i
y
i
z
i
.
y construimos as una particion interna formada por todas las cajas completamente
situadas dentro de D. Denimos la norma P de la particion como la longitud de la
1
10.1. Concepto de integral triple 2
diagonal mas larga de las n cajas de la particion y a continuacion elegimos un punto
(x
i
, y
i
, z
i
) en cada V
i
, y formamos la suma
S
n
=
n
i=1
f(x
i
, y
i
, z
i
) V
i
. (10.1)
Si f es continua y la supercie frontera de D esta formada por supercies suaves
unidas seg un curvas continuas, entonces cuando x, y y z tienden a cero, o
P 0, las sumas tenderan a un lmite
limS
n
= lim
P0
n
i=1
f(x
i
, y
i
, z
i
) V
i
. =
___
D
f(x, y, z) dV.
Este lmite se llama integral triple de f sobre D. El lmite tambien puede existir
para algunas funciones discontinuas.
Tenemos as la siguiente denicion:
Denicion 10.1 Si f(x, y, z) esta denida en una region solida acotada D, entonces
la integral triple de f sobre D se dene como:
___
D
f(x, y, z) dV = lim
P 0
n
i=1
f(x
i
, y
i
, z
i
) V
i
supuesto que exista el lmite.
Puesto que en denitiva son dos conceptos analogos, la integral triple tiene las
mismas propiedades que la integral doble por lo que no insistiremos en ello.
Si f(x, y, z) = 1 es la funcion constante cuyo valor es uno, las sumas de la ecuacion
(10.1) se reducen a
S
n
=
n
i=1
V
i
(10.2)
A medida que x, y y z tienden a cero, las celdas V
i
se hacen mas peque nas
y numerosas, y llenan cada vez mas a D. Por tanto, denimos el volumen como la
integral triple de la funcion constante f(x, y, z) = 1 sobre D:
V olumende D = lim
n
i=1
V
i
=
___
D
dV.
o
de Fsica)
10.2. C
alculo de integrales triples 3

10.2. Calculo de integrales triples
Rara vez se calcula la integral triple a partir de su denicion como lmite. En lugar
de eso, se aplica una version tridimensional del teorema de Fubini para calcularla
mediante repetidas integraciones simples.
Supongamos que se desea integrar una funcion continua F(x, y, z) sobre una regi on
D acotada por una supercie cerrada (x, y, z) = 0, es decir, acotada por abajo por
una supercie z
1
= f
1
(x, y), por arriba por la supercie z
2
= f
2
(x, y) y lateralmente
por un cilindro C paralelo al eje z. Denotemos por R la proyeccion vertical de D sobre
el plano xy, que es la region en el plano xy encerrada por C.
Figura 10.2: Calculo de integrales triples.
As, denimos D como
D = {(x, y, z) (x, y) R, f
1
(x, y) z f
2
(x, y)}
en la que f
1
(x, y), f
2
(x, y) : R R
2
R son funciones continuas denidas en la
region R del plano xy. La integral de F se eval ua entonces como:
___
D
F(x, y, z) dV =
__
R
_
_
f
2
(x,y)
f
1
(x,y)
F(x, y, z) dz
_
dydx
o suprimiendo el parentesis
___
D
F(x, y, z) dV =
__
R
_
f
2
(x,y)
f
1
(x,y)
F(x, y, z) dzdydx (10.3)
Los lmites de integracion para z indican que, para cada (x, y) de la region R, z se
extiende desde la supercie inferior z = f
1
(x, y) hasta la superior z = f
2
(x, y), donde
o
de Fsica)
10.2. C

los dos valores de z se deducen de la ecuacion (x, y, z) = 0. Una vez efectuada la
integral respecto de z entre los lmites anteriores, el resultado va a ser una funcion
G(x, y) que habremos de integrar mediante una integral doble en un recinto plano
que hemos llamado R, precisamente la proyeccion ortogonal de D en el plano xy. Los
lmites de integracion para x e y no se han dado explcitamente en la ecuacion (10.3),
pero se determinan de la forma usual a partir de la frontera de R. As, tendremos
___
D
F(x, y, z) dV =
__
R
_
_
f
2
(x,y)
f
1
(x,y)
F(x, y, z) dz
_
dydx =
__
R
G(x, y)dxdy
=
_
a
2
a
1
_
y
2
(x)
y
1
(x)
_
f
2
(x,y)
f
1
(x,y)
F(x, y, z) dzdydx.
o bien
___
D
F(x, y, z) dV =
__
R
_
_
f
2
(x,y)
f
1
(x,y)
F(x, y, z) dz
_
dydx =
__
R
G(x, y)dxdy
=
_
b
2
b
1
_
x
2
(y)
x
1
(y)
_
f
2
(x,y)
f
1
(x,y)
F(x, y, z) dzdxdy
En el caso de que la supercie lateral se reduzca a cero, como ocurre en la gu-
ra 10.3, la ecuacion de la frontera de R puede hallarse eliminando z entre las dos
ecuaciones z = f
1
(x, y) y z = f
2
(x, y). Esto da
f
1
(x, y) = f
2
(x, y)
ecuacion que no contiene z y que dene la frontera de R en el plano xy.
Para obtener los lmites de integracion de z en cualquier caso particular, puede
utilizarse un procedimiento parecido al de integrales dobles. Imaginamos una recta
L que pasa por un punto (x, y) en R y es paralela al eje z. A medida que z crece,
la recta entra en D en z = f
1
(x, y), y sale de D en z = f
2
(x, y), lo cual se nala los
lmites de integracion inferior y superior respecto a z. El resultado de esta integracion
es ahora una funcion unicamente de x e y, que integramos sobre R, estableciendo los
lmites de la forma conocida (ver gura 10.3).
Al igual que ocurre con las integrales dobles, los resultados sobre intercambio en
el orden de integracion se obtiene facilmente observando que las letras x, y, z de
la exposicion anterior juegan un papel completamente intercambiable. Por ejemplo,
podemos considerar regiones D en R
3
que esten limitadas por gracas de funciones
del tipo y = y(x, z) y cuya proyeccion sea una region R en el plano xz. En forma mas
precisa, si R es una region en el plano xz, se considera la region D de R
3
dada por
D = {(x, y, z) (x, z) R, y
1
(x, z) y y
2
(x, z)}
o
de Fsica)
10.2. C

Figura 10.3: Lmites de integracion.
en la que y
1
(x, z), y
2
(x, z) : R R
2
R son funciones continuas denidas en la
region R del plano xz. En tal caso la integral triple de F(x, y, z) sobre D se calcula
como
___
D
F(x, y, z) dV =
__
R
_
_
y
2
(x,z)
y
1
(x,z)
F(x, y, z) dy
_
dxdz
Por ultimo, si tenemos una region R en el plano yz y consideramos la region D
en R
3
dada por
D = {(x, y, z) (y, z) R, x
1
(y, z) x x
2
(y, z)}
donde x
1
(y, z), x
2
(y, z) : R R
2
R son funciones continuas denidas en la region
R del plano yz. La integral triple de F(x, y, z) sobre D se calcula como
___
D
F(x, y, z) dV =
__
R
_
_
x
2
(y,z)
x
1
(y,z)
F(x, y, z) dx
_
dydz
Ejemplo. Hallar
___
z dxdydz en el octante positivo de la esfera x
2
+ y
2
+ z
2
= 1.
_
1
0
dx
_

1x
2
0
dy
_

1x
2
y
2
0
z dz =

16

o
de Fsica)
10.3. Cambio de variables: Coordenadas cil
ndricas y esf
ericas 6
(a) x
2
+ y
2
+ z
2
= 1 (octante positivo). (b) Proyeccion sobre el plano xy.
Figura 10.4: Dominio de integracion.
10.3. Cambio de variables: Coordenadas cilndri-
cas y esfericas
Como sucede con las integrales dobles, la tecnica de introducir nuevas variables
en una integral triple resulta ser un instrumento muy poderoso que permite hacer
el calculo de la integral de una manera muy sencilla. En esta seccion presentamos el
resultado correspondiente al cambio de variables en integrales triples, el cual, como
era de esperar, es completamente analogo al estudiado en el caso de integrales dobles.
La idea general es cambiar las variables x, y, z de la funcion f en la integral triple
___
D
f(x, y, z)dxdydz
la cual se hace sobre la region D de R
3
(donde los puntos se localizan con las coorde-
nadas (x, y, z); diremos que D es una region del espacio xyz) por otras tres variables,
que llamaremos u, v, w, de modo que se calcule la integral anterior integrando una
nueva funcion (u, v, w) ahora sobre una region D
del espacio R
3
en donde los puntos
se localizan con sus coordenadas (u, v, w), que llamaremos el espacio uvw.
Consideremos entonces una funcion

F : D
R
3
R
3
del tipo
F(u, v, w) = (x, y, z) = (x(u, v, w), y(u, v, w), z(u, v, w))

(llamada funcion de transformacion de coordenadas) que manda a los puntos (u, v, w)
de la region D
del espacio uvw en puntos

F(u, v, w) = (x, y, z) de una region

F(D
) =
D del espacio xyz. Como en el caso de integrales dobles, se pide que esta funcion sea
de clase C
1
, inyectiva y que su jacobiano no se anule en D
. En este caso el jacobiano

o
de Fsica)
ndricas y esf
ericas 7
de esta funcion es
det J
F
(u, v, w) = det
_
(x, y, z)
(u, v, w)
_
=
x
u
x
v
x
w
y
u
y
v
y
w
z
u
z
v
z
w
Con tales condiciones se tiene la formula de cambio de variables en integrales

triples:
___
D
f(x, y, z) dxdydz =
___
D
f
_
F(u, v, w)
_
det
_
(x, y, z)
(u, v, w)
_
dudvdw
Hay dos casos particulares de cambio de variables en las integrales triples. Se tratan
de cambiar nuestro sistema coordenado cartesiano xyz por el sistema de coordenadas
cilndricas o el de coordenadas esfericas.
10.3.1. Coordenadas cilndricas
Denicion 10.2 En un sistema de coordenadas cilndricas, un punto P del espacio
se representa por un tro ordenado (r, , z).
1. (r, ) es una representacion polar de la proyeccion de P en el plano xy.
2. z es la distancia orientada de (r, ) a P.
Nota 10.1 Llamamos al punto (0, 0, 0) polo.
De esta manera introducimos tres nuevas coordenadas para un punto P(x, y, z)
en R
3
, denotadas por r, , z seg un las formulas
x = r cos , y = r sen , z = z
o, en forma equivalente, consideramos la funcion de transformacion de coordenadas
F : D
R
3
, dada por
F(r, , z) = (x, y, z) = (r cos , r sen , z)

Notese que la tercera coordenada z del sistema cartesiano es la misma que la tercera
coordenada del sistema de coordenadas cilndricas (que denotamos con la misma letra
z). Para que la funcion

F sea inyectiva, se debe pedir que su dominio sea [0, +)
o
de Fsica)
ndricas y esf
ericas 8
Figura 10.5: Coordenadas cilndricas.
[0, 2) R. Es decir, el espacio R
3
queda cubierto con las coordenadas cilndricas
(r, , z) con
0 r < +, 0 < 2, < z < +
Mediante la funcion de transformacion de coordenadas

F(r, , z), los paralelep-
pedos rectangulares en el espacio rz del tipo
D
= {(r, , z) r
1
r r
2
,
1

2
, z
1
z z
2
}
se transforman inyectivamente en paraleleppedos cilndricos.

F(r, , z) = (x, y, z) = (r cos , r sen , z).
A partir de
x = r cos , y = r sen
se obtiene que x
2
+y
2
= r
2
, luego el plano r = r, se transforma en el cilindro circular
recto con el eje z como eje de simetra, es decir, x
2
+y
2
= ( r cos )
2
+( r sen )
2
= r
2
,
de manera que como r
1
r r
2
r
2
1
r
2
r
2
2
, as r
2
1
x
2
+ y
2
r
2
2
.
o
de Fsica)
ndricas y esf
ericas 9
Por otra parte, a partir de las mismas relaciones, tg =
y
x
de manera que el
plano =

se transforma en un plano perpendicular al plano xy que contiene al
eje z, de ecuacion y = x tg
. La funcion tg es una funcion monotona creciente,

luego para
1

2
, se tiene que tg
1
tg tg
2
tg
1

y
x
tg
2
,
as x tg
1
y x tg
2
.
Por ultimo, es claro que los plano del tipo z = z se ven igual en los dos sistemas
coordenados, es decir, planos paralelos al plano xy, o al r en su caso.
El jacobiano de la transformacion

F(r, , z) = (r cos , r sen , z) es en este caso,
det J
F
(r, , z) =
_
(x, y, z)
(r, , z)
_
cos r sen 0
sen r cos 0
0 0 1
= r
de modo que la formula de cambio de variables x, y, z a coordenadas cilndricas r, ,
z en una integral triple se ve como
___
D
f(x, y, z)dxdydz =
___
D
f(r cos , r sen , z) r drddz

donde D
es la region del espacio rz transformada en D por la funcion

F. Aunque no
hay una regla general que nos diga cuando debemos hacer el cambio de variables en
una integral triple al sistema cilndrico, normalmente este resulta util cuando la region
de integracion consta de cilindros y/o planos de los anteriormente mencionados, cuya
descripcion en cilndricas es muy sencilla.
Ejemplo. Calcular la integral triple de la funcion f(x, y, z) = 1 +(x
2
+y
2
)
2
sobre la
region D limitada por el cono z =
_
x
2
+ y
2
y el plano z = 2.
x = r cos , 0 r 2
y = r sen , 0 2
z = z
_
x
2
+ y
2
= r z 2
_
2
2
_

4x
2
4x
2
_
2
x
2
+y
2
_
1 + (x
2
+ y
2
)
2
dzdydx =
_
2
0
_
2
0
_
2
r
(1 + r
4
)rdzdrd
=
_
2
0
_
2
0
_
2
r
(1 + r
4
)r(2 r)drd
=
_
2
0
_
2
0
_
2r + 2r
5
r
2
r
6
_
dr
=
_
2
0
92
21
d =
184
21

o
de Fsica)
ndricas y esf
ericas 10
Figura 10.7: Dominio de integracion D.
Una variante de las coordenadas cilndricas que permite abordar algunos proble-
mas mas generales, es introducir, las variables r, , z en lugar de las variables x, y, z
seg un las formulas
x = ar cos , y = br sen , z = c z
donde a, b y c son n umeros reales que se escogen de modo conveniente. Se dice que
r, , z son las coordenadas cilndricas generalizadas del punto P = (x, y, z). En
estas coordenadas, las expresiones del tipo
x
2
a
2
+
y
2
b
2
se ven como r
2
, de modo que las
ecuaciones de los cilindros elpticos rectos del tipo
x
2
a
2
+
y
2
b
2
= 1 se convierten en r = 1.
En este caso el jacobiano de la transformacion

F(r, , z) = (x, y, z) es,
(x, y, z)
(r, , z)
a cos ar sen 0
b sen br cos 0
0 0 c
= abcr
y la formula de cambio de variables a coordenadas cilndricas generalizadas se ve
entonces como
___
D
f(x, y, x)dxdydz =
___
D
f(ar cos , br sen , c z)abcr dr d d z

o
de Fsica)
ndricas y esf
ericas 11
10.3.2. Coordenadas esfericas
Denicion 10.3 En un sistema de coordenadas esfericas, un punto P del espacio se
representa por un tro ordenado (r, , ).
1. r es la distancia orientada desde P hasta el origen.
2. es el angulo entre el eje x positivo y la proyeccion del vector

OP en el plano
xy, es decir es el mismo angulo que el usado en coordenadas cilndricas.
3. es el angulo entre el eje z positivo y el segmento

OP.
De esta manera introducimos tres nuevas coordenadas para un punto P(x, y, z)
en R
3
, denotadas por r, , , seg un las formulas
x = r cos sen , y = r sen sen , z = r cos
o de modo, equivalente, consideramos la funcion de transformacion de coordenadas
F : D
R
3
, dada por
F(r, , ) = (r cos sen , r sen sen , r cos )

Para que la funcion

F sea inyectiva, los rangos de las coordenadas esfericas r, , ,
se toman como
r 0, 0 < 2, 0
Figura 10.8: Coordenadas esfericas.
En el sistema de coordenadas esfericas el plano de ecuacion r = r (con r constante)
se transforma, en el sistema de coordenadas cartesianas, en la ecuacion de la esfera
con centro en el origen y radio r, ya que
x
2
+ y
2
+ z
2
= ( r cos sen )
2
+ ( r sen sen )
2
+ ( r cos )
2
= r
2
2
sen (cos
2
+
2
sen ) + r
2
cos
2
= r
2
(
2
sen + cos
2
) = r
2
o
de Fsica)
ndricas y esf
ericas 12
y como r
1
r r
2
, se tiene que r
1
x
2
+ y
2
+ z
2
r
2
. Por otra parte, puesto que
la coordenada en el sistema esferico es la misma que en el sistema cilndrico, los
planos de la forma =

(con

constante), se transforman en planos y = x tg . Por
ultimo, las ecuaciones del tipo =

(con

constante) corresponden a ecuaciones de
semiconos del tipo z =
1
tg

_
x
2
+ y
2
(con

=

2
; la ecuacion

=

2
es la ecuaci on
del plano z = r cos

= r cos

2
= 0, es decir, el plano xy), ya que
_
x
2
+ y
2
= r sen

y z = r cos

, de manera que tg

=
_
x
2
+ y
2
z
z =
1
tg

_
x
2
+ y
2
. Como la
funcion tangente es creciente, si
1

2
tg
1
tg tg
2

1
tg
2
1
tg

1
tg
1
_
x
2
+ y
2
tg
2
z
_
x
2
+ y
2
tg
1
Por lo tanto el paraleleppedo rectangular en el espacio r
D
= {(r, , ) r
1
r r
2
,
1

2
,
1

2
}
es transformado, por medio de la funcion de transformacion de coordenadas

F(r, , ) =
(x, y, z), en un paraleleppedo esferico.

F(r, , ) = (r cos sen , r sen sen , r cos ).
o
de Fsica)
ndricas y esf
ericas 13
El jacobiano de la transformacion a coordenadas esfericas es:
det J
F
(r, , ) =
_
(x, y, z)
(r, , )
_
cos sen r sen sen r cos cos

sen sen r cos sen r sen cos
cos 0 r sen
= cos
r sen sen r cos cos

r cos sen r sen cos
r sen
cos sen r sen sen

sen sen r cos sen
= cos (r
2
sen cos ) r sen (r sin
2
) = r
2
sen
de modo que la formula de cambio de variables en el caso de las coordenadas esfericas
sera:
___
D
f(x, y, z)dxdydz =
___
D
f(r cos sen , r sen sen , r cos ) r

2
sen drdd
Como en el caso de cualquier cambio de variables, no hay una regla general que nos
diga cuando debemos hacer el cambio a coordenadas esfericas. Sin embargo, podemos
decir que este es recomendable cuando en la region de integracion D aparezcan esferas
o trozos de ellas que se describan facilmente en este tipo de coordenadas, y/o que en el
integrando aparezcan expresiones del tipo x
2
+y
2
+z
2
, las cuales en estas coordenadas
se expresan como r
2
.
Ejemplo. Calcular la integral triple de f(x, y, z) =
_
16 x
2
y
2
z
2
, siendo D la
region limitada por la esfera x
2
+ y
2
+ z
2
= 16.
Figura 10.10: Dominio de integracion: x
2
+ y
2
+ z
2
= 16.
x = r cos sen , 0 r 4
y = r sen sen , 0 2
z = r cos , 0
o
de Fsica)
___
D
_
16 x
2
y
2
z
2
dxdydz =
___
D
16 r
2
r
2
sen dr d d
=
_
4
0
_
2
0
_

0
16 r
2
r
2
sen dd dr
=
_
4
0
_
2
0
2
16 r
2
r
2
d dr
=
_
4
0
4
16 r
2
r
2
dr (r = 4 sen t)
= 4
5
_
/2
0
cos
2
t sin
2
t dt (cos
2
t sin
2
t = sin
2
2t)
= 4
4
_
/2
0
sin 2t dt
=
4
4
2
_
/2
0
(1 cos 4t) dt =
4
4
2
_
t
1
4
sen 4t
_
/2
0
= 4
3
2
= 64
2
10.4. Centros de masa y momentos de inercia

A continuacion veremos dos aplicaciones importantes de las integrales triples.
Consideremos una region solida Q cuya densidad en (x, y, z) viene dada por la funcion
densida . El centro de masas de una region solida Q de masa m viene dado por
(x, y, z), donde
m =
___
Q
(x, y, z) dV
M
xz
=
___
Q
y(x, y, z) dV
M
yz
=
___
Q
x(x, y, z) dV
M
xy
=
___
Q
z(x, y, z) dV
y
x =
M
yz
m
, y =
M
xz
m
, z =
M
xy
m
Las cantidades M
yz
, M
xz
y M
xy
se llaman momentos primeros de la region Q
con respecto a los planos yz, xz y xy respectivamente.
o
de Fsica)
Los momentos primeros para regiones solidas se toman respecto a un plano, mien-
tras que los momentos segundos de los solidos se toman con respecto a una recta. Los
momentos segundos (o momentos de inercia) respecto a los ejes x, y y z vienen
dados respectivamente por
I
x
=
___
Q
(y
2
+ z
2
)(x, y, z) dV
I
y
=
___
Q
(x
2
+ z
2
)(x, y, z) dV
I
z
=
___
Q
(x
2
+ y
2
)(x, y, z) dV
En problemas que requieren el calculo de estos tres momentos, frecuentemente
es posible ahorrar un considerable esfuerzo aplicando la propiedad aditiva de las
integrales triples, escribiendo
I
x
= I
xz
+ I
xy
, I
y
= I
yz
+ I
xy
, I
z
= I
yz
+ I
xz
donde
I
xy
=
___
Q
z
2
(x, y, z) dV
I
xz
=
___
Q
y
2
(x, y, z) dV
I
yz
=
___
Q
x
2
(x, y, z) dV
o
de Fsica)
Analisis Matematico
Tema 11. Integrales de lnea
(SiGNum)
Curso 2004 2005
Contenido
11.Integrales de lnea 1
11.1. Conceptos sobre curvas y conjuntos en R
2
y R
3
. . . . . . . . . . . . . 1
11.2. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
11.2.1. Campos vectoriales conservativos . . . . . . . . . . . . . . . . 9
11.3. Concepto de integral de lnea . . . . . . . . . . . . . . . . . . . . . . 15
11.3.1. Calculo de una integral de lnea . . . . . . . . . . . . . . . . . 16
11.3.2. Integrales de lnea de campos vectoriales . . . . . . . . . . . . 19
11.4. Campos vectoriales conservativos e independencia del camino . . . . . 21
11.4.1. Conservacion de la energa . . . . . . . . . . . . . . . . . . . . 25
11.5. El teorema de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
11.5.1. Formas alternativas del teorema de Green . . . . . . . . . . . 30
0
Tema 11
Integrales de lnea
En este tema emprenderemos una nueva generalizacion del concepto de integral.
Esta generalizacion tendra un sentido distinto al considerado en los dos temas ante-
riores, en los que se estudiaron las integrales de funciones reales de 2 o 3 variables.
Las regiones donde se efectuaba el proceso de integracion eran subconjuntos de su
dominio (subconjuntos de R
2
o R
3
) limitados por rectas (o planos) y/o gracas de
funciones continuas de 2 o 3 variables. Las regiones sobre las que se efectuaran las
integrales que estudiaremos en este tema seran curvas en el plano o en el espacio.
Las funciones que se integraran seran funciones del tipo f(x, y) y f(x, y, z), o bien
campos vectoriales, es decir, se integraran tambien funciones de naturaleza distinta
con respecto a los temas anteriores.
Comenzaremos dando algunos hechos importantes sobre curvas, as como algu-
nos conceptos sobre conjuntos que aplicaremos en el transcurso del presente tema.
Continuaremos recordando la denicion de campos vectoriales en R
2
y R
3
, as como
algunas de sus propiedades, para luego adentrarnos en la integral de lnea.
2
y
R
3
.
Denicion 11.1 Una funcion r : I R
n
continua, denida en el intervalo I de
R, se llama camino o trayectoria en R
n
.
Si I = [a, b], diremos que r(a) R
n
es el punto inicial del camino r, y que r(b) R
n
es su punto nal.
Si r(a) = r(b), diremos que r es un camino cerrado. Si r es una funcion inyectiva,
diremos que r es un camino simple.
1
2
y R
3
. 2
Recordemos que un camino en R
2
y R
3
nos representan curvas en en plano y en
el espacio respectivamente, de manera que estos podemos escribirlos de la forma:
r(t) = x(t)
i + y(t)
j, a t b en R
2
r(t) = x(t)
i + y(t)
j + z(t)
k, a t b en R
3
Geometricamente, el que un camino o curva en R
n
(con n = 2 o 3) es simple,
signica que la curva no tiene autointersecciones, es decir, que no se cruza a s misma.
Esto nos hara pensar que un camino cerrado no puede ser simple, sin embargo, existen
las curvas ((cerradas simples)), as tenemos la siguiente denicion.
Denicion 11.2 Si en un camino r : I R
n
, con I = [a, b] R, se verica que
r(a) = r(b) y la restriccion de r al intervalo [a, b) es inyectiva, diremos que r es un
camino cerrado simple.
Ejemplo.
1. La curva r : [, ] R
2
, r(t) = (sen t, sen 2t) es cerrada, pero no es una curva
cerrada simple, ya que la restriccion de r al intervalo [, ) no es inyectiva
(r() = r(0) = (0, 0)).
2. La curva r : [0, 2] R
2
, r(t) = (cos t, sen t) es cerrada simple.
En una curva cerrada y simple del plano se considera sentido positivo el contrario
al giro de las agujas de un reloj, y se considera negativo al mismo giro de las agujas
de un reloj.
Denicion 11.3 Un camino r : I = [a, b] R R
n
se dice que es suave si su
vector velocidad r
(t) tiene componentes continuas y no simultaneamente nulas, para

todo t [a, b]. Diremos que es suave a trozos, si el intervalo [a, b] puede partirse en
un n umero nito de subintervalos, en cada uno de los cuales r es suave.
A un camino suave (respectivamente, suave a trozos) se le llama tambien camino
de clase C
1
(respectivamente, de clase C
1
a trozos).
Por ejemplo, una curva C en R
3
dada por
r(t) = x(t)
i + y(t)
j + z(t)
k, a t b
o
de Fsica)
2
y R
3
. 3
se dice suave, si r
(t) = x
(t)
i +y
(t)
j +z
(t)
k =
0 , para todo t [a, b] y sus funciones

componentes x
(t), y
(t), z
(t) son continuas en [a, b]. La representacion parametrica

de una curva suave se conoce como parametrizacion regular.
Ejemplo. Hallar una parametrizacion regular a trozos de la curva C que se muestra
en la siguiente gura.
Figura 11.1: Curva C = C
1
C
2
C
3
.
Puesto que C esta formada por tres segmentos suaves C
1
, C
2
y C
3
, construimos
una parametrizacion para cada uno de ellos y los unimos haciendo que el ultimo valor
de t en C
i
corresponda con el primer valor de t en C
i+1
(precisamente, para que la
curva C sea suave a trozos, sus funciones componentes tienen que ser continuas, si no
lo fueran, no seran derivables).
C
1
: x(t) = 0, y(t) = 2t, z(t) = 0, 0 t 1
C
2
: x(t) = t 1, y(t) = 2, z(t) = 0, 1 t 2
C
3
: x(t) = 1, y(t) = 2, z(t) = t 2, 2 t 3
Por tanto C viene dada por:
r(t) =
_
_
_
2t
j 0 t 1
(t 1)
i + 2
j 1 t 2
i + 2
j + (t 2)
k 2 t 3
Recordemos que la parametrizacion de una curva induce una orientacion sobre ella.
En este caso la curva esta orientada de manera tal que su direccion positiva va de
(0, 0, 0) a (1, 2, 1).
A continuacion presentamos algunos conceptos que pertenecen a la parte de la

matematica conocida como Topologa de Conjuntos, y el objetivo es tratar de pre-
cisar matematicamente algunos de los detalles tecnicos que apareceran en secciones
o
de Fsica)
2
y R
3
. 4
posteriores, todos ellos relacionados con una propiedad de los conjuntos de puntos en
R
n
llamada conexidad. Algunos de estos conceptos los daremos de forma intuitiva.
De manera intuitiva, la propiedad de conexidad de un conjunto X R
n
nos
dice, si el conjunto X esta constituido por una o varias piezas. As, diremos que el
conjunto X es conexo cuando este consta de una sola pieza, y no es conexo cuando
esta constituido por varias piezas.
(a) Conjunto X conexo. (b) Conjunto X no conexo.
Figura 11.2: Idea intuitiva de conexidad.
Por ejemplo, en el espacio R, un intervalo es un conjunto conexo, pero el conjunto
X = [1, 0] [1, 3] no es conexo.
Estudiaremos ahora unas propiedades relacionadas con la conexidad, pero mas
restrictivas.
Denicion 11.4 Diremos que un conjunto X R
n
es conexo por caminos (tambien
llamado conexo por arcos o arcoconexo), si dos puntos arbitrarios de el pueden unirse
mediante una curva suave a trozos, toda ella situada en el interior de X.
Se verica que si un conjunto es arcoconexo entones es conexo. Para que un
conjunto conexo sea arcoconexo, necesitamos que este sea abierto. As, si el conjunto
abierto X R
n
es conexo, entonces es conexo por arcos.
Especial importancia tienen los conjuntos simplemente conexos.
Denicion 11.5 Se dice que un conjunto arcoconexo X R
n
es simplemente cone-
xo, si todas las curvas simples cerradas que se encuentran en el pueden reducirse de
forma continua hasta un punto del dominio, sin que ninguna parte de la curva pase
por las regiones fuera de X.
La region del plano que se indica en la gura 11.3 no es simplemente conexa,
porque ninguna curva cerrada que rodee a uno de los ((agujeros)) podra reducirse
hasta convertirse en un punto, permaneciendo pese a ello en el conjunto.
o
de Fsica)
2
y R
3
. 5
Figura 11.3: Conjunto no simplemente conexo.
As, en el caso especial de un conjunto de puntos X R
2
, el que sea simplemente
conexo signica que, cuando hay una curva simple cerrada en el dominio, todos los
puntos que encierra la curva se encuentran en X (ver gura 11.4). Dicho con otras
palabras, no hay agujeros en X.
Figura 11.4: Conjunto simplemente conexo.
Por ejemplo, X = {(x, y) 0 < x
2
+ y
2
< 1}, no es simplemente conexo ya que
el punto (0, 0) es un agujero, pues la circunferencia x
2
+ y
2
= a
2
con 0 < a < 1
esta contenida en X pero el punto (0, 0) esta en el recinto encerrado por dicha curva
y no en X.
Se puede dar otra denicion de conjunto simplemente conexo en R
2
, y esta es la
siguiente.
Denicion 11.6 Una region plana X R
2
es simplemente conexa si su contorno
consta de una unica curva cerrada simple. En caso contrario se dice que es m ultiple-
mente conexa.
Los conjuntos simplemente conexos en el espacio son, en terminos generales, aque-
llos que no han sido perforados por agujero alguno. As, por ejemplo, un toro circular
no es simplemente conexo, pues una curva cerrada dentro de el que rodee el agujero
no puede ser reducida hasta la dimension de un punto y permanecer siempre dentro
del toro circular.
En R
3
, una curva cerrada C, durante el proceso de reducirse hasta un punto,
generara una supercie que tiene la curva original C como frontera. As pues, otra
manera de expresar la denicion es la siguiente: Un conjunto arcoconexo X R
3
es
simplemente conexo si, con una curva simple cerrada cualquiera que se encuentre en
el, puede encontrarse una supercie dentro de X que tenga por frontera esa curva.
Por ejemplo, el conjunto de puntos en el interior de una esfera es simplemente
conexo. Si tenemos dos esferas concentricas, entonces el conjunto de puntos fuera de
o
de Fsica)
11.2. Campos vectoriales 6
la esfera interior pero dentro de la esfera exterior tambien constituyen un conjunto
simplemente conexo.
Por ultimo damos el concepto de conjunto convexo.
Denicion 11.7 Se dice que el conjunto U R
n
es un conjunto convexo, si dados
dos puntos p, q U, el segmento de recta que los une
[ p, q] = {x R
n
x = t p + (1 t)q, 0 t 1}
queda contenido en U, es decir, [ p, q] U.
Las bolas abiertas de R
n
y todo el espacio R
n
son ejemplos de conjuntos convexos.
Resumiendo lo dicho hasta ahora sobre conjuntos, se tienen las siguientes impli-
caciones de las propiedades de un conjunto X R
n
.
Convexo Simplemente conexo conexo por arcos conexo
La implicaciones recprocas son falsas en general, solo la ultima es valida si adem as
de ser conexo, el conjunto es abierto.
11.2. Campos vectoriales
Sabemos que una funcion del tipo

F : U R
n
R
n
, denida en un abierto
U de R
n
se llama campo vectorial en R
n
. Nuestro estudio se limitara a los campos
vectoriales de R
2
y R
3
, es decir, a funciones que asignan un vector a un punto del
plano o a un punto del espacio. Tales funciones son utiles para representar diferentes
tipos de campos de fuerza y de campos de velocidades.
Denicion 11.8 Sean M y N funciones de dos variables x e y, denidas en una
region plana R. La funcion

F denida por
F(x, y) = M(x, y)
i + N(x, y)
j
se llama campo vectorial sobre R.
Sean M, N y P funciones de tres variables reales x, y, z, denidas en una regi on
Q del espacio. La funcion

F denida por
F(x, y, z) = M(x, y, z)
i + N(x, y, z)
j + P(x, y, z)
k
se llama campo vectorial sobre Q.
o
de Fsica)
Por esta denicion vemos que el gradiente de una funcion diferenciable de dos o
tres variables reales, es un ejemplo de campo vectorial, puesto que puede escribirse
de la forma
f(x, y) = f
x
(x, y)
i + f
y
(x, y)
j
o
f(x, y, z) = f
x
(x, y, z)
i + f
y
(x, y, z)
j + f
z
(x, y, z)
k
Una pr actica para visualizar campos vectoriales es asociar a cada punto x R
n
(desde
ahora en adelante cuando escribamos R
n
, nos estaremos reriendo a que n = 2 o 3)
el vector

F(x) R
n
. El vector

F(x) R
n
se puede ver como una echa cuyo punto
inicial esta en el origen de R
n
y el punto nal en el punto

F(x). Como el conjunto de
los vectores en el plano y en el espacio verican una relacion de equivalencia, sabemos
que esta, divide el conjunto de vectores en el plano y en el espacio en la llamadas clases
de equivalencia, lo que nos conduce a trabajar con un representante, conocido como
vector libre. De esta forma para tener una visualizacion del campo

F colocaremos
la echa

F(x) R
n
de manera que su punto inicial sea x R
n
. As, en una misma
respresentacion del espacio R
n
veremos los puntoa x del dominio del campo

F, y las
imagenes de tales puntos como echas que parten de ellos.
(a) Campo vectorial en R
2
. (b) Campo vectorial en R
3
.
Figura 11.5: Visualizacion de un campo vectorial.
Algunos ejemplos fsicos comunes de campos vectoriales son los campos de velocida-
des, campos gravitatorios y campos de fuerzas electricas.
Por ejemplo, pensemos en un lquido que uya dentro de un tubo. En un momento
dado, cada partcula del lquido se esta moviendo a determinada velocidad (que es
una magnitud vectorial) en la direccion del ujo. As pues, podemos establecer la
funcion
F : {puntos del interior del tubo} R

3
que a cada partcula del uido le asocie la velocidad que esta tiene. Este es un campo
en R
3
, llamado campo de velocidades (ver gura 11.6).
o
de Fsica)
Figura 11.6: Campo de velocidades de un lquido que uye en un tubo.
Del mismo modo, un campo de fuerzas, es un campo vectorial en R
2
o en R
3
,
donde en cada punto del plano o del espacio se ejerce una determinada fuerza (que
es una magnitud vectorial), de modo que se establece la funcion
F : R
2
o R
3
R
2
o R
3
en que a cada x le asocia la fuerza

F(x) ejercida en x. Ejemplos de este tipo son el
campo gravitacional y el campo electrostatico.
Ejemplo. Representar algunos vectores del campo vectorial dado por

F(x, y) = y
i+
x
j.
Podemos dibujar vectores en puntos al azar del plano, pero resulta mas revelador
dibujar vectores de igual longitud. Es analogo a elegir curvas de nivel en un campo
escalar. En nuestro caso, los vectores de igual longitud estan es crculos dados por
=
_
x
2
+ y
2
= c =x
2
+ y
2
= c
2
Ahora escogemos un valor de c
2
y dibujamos varios vectores en el crculo correspon-
diente. Por ejemplo, en el crculo unidad estan los vectores siguientes:
Punto: (1, 0) (0, 1) (1, 0) (0, 1)
Vector:

F(1, 0) =
j

F(0, 1) =
i

F(1, 0) =
j

F(0, 1) =
i
Figura 11.7: Campo vectorial

F(x, y) = y
i + x
j.

o
de Fsica)
11.2.1. Campos vectoriales conservativos
Como hemos visto anteriormente el gradiente de una funcion de dos o tres va-
riables reales es un campo vectorial. Podramos preguntarnos entonces si un campo
vectorial dado por

F(x) es el gradiente de alguna funcion diferenciable f. No todo
campo vectorial es gradiente de una funcion diferenciable, pero aquellos que lo sean
reciben el nombre de campos vectoriales conservativos.
Denicion 11.9 Un campo vectorial

F : U R
n
R
n
(U un abierto de R
n
) se
dice que es conservativo si existe alguna funcion diferenciable f : U R
n
R tal
que
F(x) = f(x), x U
La funcion f se llama una funcion potencial de

F.
Muchos campos vectoriales importantes, como los campos gravitacionales, los cam-
pos magneticos y los campos de fuerzas electricas son conservativos. El termino con-
servativo se deriva de la ley fsica clasica sobre la conservacion de la energa. Esta ley
establece que la suma de la energa cinetica y de la energa potencial de una partcula
que se mueve en un campo de fuerzas conservativo es constante. Esto es equivalente
a decir que en un campo conservativo, la suma de las energas cineticas y potencial
de un objeto se mantiene constante de punto a punto.
Nota 11.1 La energa cinetica de una partcula es la energa debida su movimiento,
y la energa potencial es la energa debida a su posicion en el campo de fuerzas.
Denicion 11.10 Se dice que el campo vectorial

F : U R
n
R
n
(U un abierto
de R
n
) es continuo (respectivamente diferenciable, o de clase C
k
) si todas y cada una
de las funciones componentes de

F son continuas (respectivamente diferenciables, o
de clase C
k
).
Notemos que en el caso de que el campo

F : U R
n
R
n
sea el gradiente de
una funcion f : U R
n
R, si el campo

F es de clase C
k
, la funcion f debera ser
de clase C
k+1
, k 0. En efecto, las funciones coordenadas de

F son las derivadas
parciales de la funcion f, de modo que teniendo f derivadas parciales de clase C
k
,
esta funcion f sera de clase C
k+1
.
A continuacion veremos un teorema que nos da una condicion necesaria y suciente
para que un campo vectorial en el plano sea conservativo. En este solo demostraremos,
de momento, la condicion necesaria, dejando la condicion suciente para una secci on
posterior.
o
de Fsica)
Teorema 11.1 Sea

F : U R
2
R
2
,

F(x, y) = M
i + N
j un campo de clase
C
1
denido en el abierto simplemente conexo U de R
2
. El campo vectorial

F(x, y) es
conservativo si y solo si
N
x
=
M
y
Demostracion (de la condicion necesaria):
= Si

F es conservativo, existe una funcion potencial f tal que
F(x, y) = f(x, y) = M
i + N
j
Entonces, tenemos
f
x
(x, y) = M =f
xy
=
M
y
f
y
(x, y) = N =f
yx
=
N
x
y, por la equivalencia de las derivadas parciales f
xy
y f
yx
cruzadas (al ser las derivadas
parciales primeras de M y N continuas) concluimos que N/x = M/y, para todo
(x, y) en U.
Este teorema requiere que el dominio de

F sea un abierto U simplemente conexo.
Si U es simplemente una region abierta, entonces la condicion dada es necesaria pero
no suciente para dar lugar a un campo vectorial conservativo.
Ejemplo. El campo vectorial

F(x, y) = x
2
y
i + xy
j no es conservativo, ya que
M
y
= x
2
,
N
x
= y
El teorema anterior nos dice si un campo vectorial es conservativo o no. No nos dice
como hallar una funcion potencial para

F. El problema es comparable al del calculo
de una primitiva, y algunas veces nos sera posible hallar una funcion potencial por
simple inspeccion. Veamos el procedimiento de hallar una funcion potencial de un
campo vectorial mediante un ejemplo.
Ejemplo. Hallar una funcion potencial para

F(x, y) = 2xy
i + (x
2
y)
j.
El campo vectorial es conservativo, ya que
M
y
= 2x,
N
x
= 2x
o
de Fsica)
Si f es una funcion tal que f(x, y) = f
x
(x, y)
i + f
y
(x, y)
j, entonces
f
x
(x, y) = 2xy
f
y
(x, y) = x
2
y
Para reconstruir la funcion f a partir de estas dos derivadas parciales, integramos
f
x
(x, y) respecto a x o f
y
(x, y) respecto a y. Por ejemplo, si integramos f
x
(x, y)
respecto de x se obtiene:
f(x, y) =
_
f
x
(x, y)dx =
_
2xydx = x
2
y + g(y). (11.1)
Para calcular la funcion g(y), derivamos la ecuacion 11.1 respecto de y y la igua-
lamos con la derivada parcial f
y
(x, y) = x
2
y conocida, as tendremos
f
y
(x, y) = x
2
+ g
(y) = x
2
y
Con lo que obtenemos
x
2
+ g
(y) = x
2
y g
(y) = y g(y) =
_
ydy + k
Por lo tango, como g(y) = y
2
/2 + k, resulta sustituyendo en 11.1
f(x, y) = x
2
y
y
2
2
+ k
Observemos que la solucion es comparable a la que se obtiene mediante una in-

tegral indenida. Esto es, la solucion representa una familia de funciones potencia-
les, diferenciandose cada funcion en una constante. Para hallar una solucion unica
tendramos que imponer una condicion inicial al campo vectorial.
El teorema anterior, tiene su contrapartida para campos vectoriales en el espacio.
Antes de enunciar ese resultado, vamos a denir lo que se entiende por el rotacional
de un campo vectorial en el espacio.
Denicion 11.11 El rotacional de

F(x, y, z) = M
i + N
j + P
k es
rot F(x, y, z) =
F(x, y, z) =
_
P
y

N
z
_
i
_
P
x

M
z
_
j +
_
N
x

M
y
_
k
Si rot

F =

0, se dice que

F es un campo irrotacional. El signicado fsico del
rotacional esta asociado con rotacion. Si un campo vectorial

F representa el ujo de
o
de Fsica)
un uido, entonces rot

F =

0 en un punto P signica fsicamente que el uido no
tiene rotaciones en P, esto es, no tiene remolinos. La justicacion de esta idea, y por
tanto del uso de la palabra irrotacional depende del teorema de Stokes, que veremos
en otro tema. Sin embargo, podemos decir informalmente que rot

F =
0 signica que
si colocamos en el uido una peque na rueda con aspas, se movera con el uido, pero
no girara alrededor de su eje.
El uso de la notacion de producto vectorial para el rotacional viene sugerida al
contemplar el gradiente f como el resultado de hacer actuar el operador dife-
rencial sobre la funcion f. En esa terminologa podemos utilizar una forma de
determinante para memorizar la formula del rotacional, a saber
rot

F(x, y, z) =

F(x, y, z) =
i

j

k
z
M N P
=
_
P
y

N
z
_
i
_
P
x

M
z
_
j +
_
N
x

M
y
_
k
La principal aplicacion del rotacional de una campo vectorial es el proximo criterio
para averiguar si un campo vectorial en el espacio es conservativo. En este caso solo
demostraremos la condicion necesaria, ya que la condicion suciente queda fuera del
alcance de este curso.
Teorema 11.2 Sea

F : U R
3
R
3
,

F(x, y, z) = M
i + N
j + P
k un campo
de clase C
1
3
F(x, y, z) es conservativo si y solo si

rot

F(x, y, z) =
0
Esto es,

F es conservativo si y solo si
P
y
=
N
z
,
P
x
=
M
z
,
N
x
=
M
y
Demostracion (de la condicion necesaria):
= Si

F es conservativo, existe una funcion potencial f tal que
F(x, y, z) = f(x, y, z) = M
i + N
j + P
k
Entonces, tenemos
o
de Fsica)
f
x
(x, y) = M =f
xy
=
M
y
y f
xz
=
M
z
f
y
(x, y) = N =f
yx
=
N
x
y f
yz
=
N
z
f
z
(x, y) = P =f
zx
=
P
x
y f
zy
=
P
y
y, por la equivalencia de las derivadas parciales cruzadas (al ser las derivadas parciales
primeras de M, N y P continuas)
f
xy
=
M
y
= f
yx
=
N
x
f
xz
=
M
z
= f
zx
=
P
x
f
yz
=
N
z
= f
zy
=
P
y
concluimos que
P
y
=
N
z
,
P
x
=
M
z
,
N
x
=
M
y
para todo (x, y, z) en U.
De nuevo, en este teorema se requiere que el dominio de

F sea un abierto sim-
plemente conexo, de manera que si U es simplemente una region abierta, entonces la
condici on dada es necesaria pero no suciente para dar lugar a un campo vectorial
conservativo.
Si un campo vectorial en el espacio satisface el criterio para ser conservativo,
podemos hallar una funcion potencial para el siguiendo el mismo procedimiento que
en el plano.
Hemos visto que el rotacional de un campo vectorial

F es a su vez un campo vec-
torial. Otra importante magnitud denida sobre un campo vectorial es la divergencia,
que es una funcion escalar. Esta funcion puede verse como una especie de derivada de
F por cuanto, para campos vectoriales que representan velocidades de partculas en

movimiento, la divergencia mide el ritmo de ujo de partculas por unidad de volumen
en un punto.
Denicion 11.12 La divergencia de

F(x, y) = M
i +N
j (campo vectorial en R
2
) es
div

F =

F(x, y) =
M
x
+
N
y
La divergencia de

F(x, y, z) = M
i + N
j + P
k (campo vectorial en R
3
) es
div

F(x, y, z) =

F(x, y, z) =
M
x
+
N
y
+
P
z
o
de Fsica)
Si div

F = 0, se dice que

F es un campo vectorial solenoidal, o tambien incompre-
sible. Por el contrario, los puntos donde div

F > 0 se denominan fuentes, y aquellos
en los que div

F < 0 se llaman sumideros.
Por ejemplo, si imaginamos

F como el campo de velocidades de un gas o de un
uido, entonces div

F representa la tasa de expansion por unidad de volumen del gas
o del uido. Si

F(x, y, z) = x
i + y
j + z
k, entonces div

F = 3, esto signica que el
gas se esta expandiendo a la tasa de 3 unidades c ubicas por unidad de volumen por
unidad de tiempo. Si div

F < 0, esto signica que el gas se comprime.
La notacion de producto escalar para la divergencia surge de considerar como
un operador diferencial en el sentido siguiente

F =
__

x
_
i +
_

y
_
j +
_

z
_
k
_
_
M
i + N
j + P
k
_
=
M
x
+
N
y
+
P
z
Ejemplo. Hallar la divergencia en (2, 1, 1) del campo vectorial
F(x, y, z) = x
3
y2
i + x
2
z
j + x
2
y

F(x, y, z) = 3x
2
y
2
z, luego

F(2, 1, 1) = 12.
Hay muchas propiedades importantes de la divergencia y del rotacional de un

campo vectorial

F. Una que se utiliza con frecuencia queda plasmada en el proximo
teorema.
Teorema 11.3 Si

F : U R
3
R
3
,

F(x, y, z) = M
i + N
j + P
k, es un campo
vectorial de clase C
2
denido en el conjunto abierto U de R
3
, entonces

F(x, y, z)
_
= 0
es decir, la divergencia del rotacional vale cero.
Demostracion: Sabemos que
F(x, y, z) =
i

j

k
z
M N P
=
_
P
y

N
z
_
i
_
P
x

M
z
_
j+
_
N
x

M
y
_
k
Luego,
o
de Fsica)
11.3. Concepto de integral de l
nea 15

F(x, y, z)
_
=
__

x
_
i +
_

y
_
j +
_

z
_
k
_
__
P
y

N
z
_
i
_
P
x

M
z
_
j +
_
N
x

M
y
_
k
_
=

x
_
P
y

N
z
_

y
_
P
x

M
z
_
+

z
_
N
x

M
y
_
=

2
P
xy

2
N
xz

2
P
yx
+

2
M
yz
+

2
N
zx

2
M
zy
= 0
ya que al ser

F un campo vectorial de clase C
2
, la funciones componentes tienen
derivadas parciales segundas continuas, de manera que la derivadas parciales cruzadas
de segundo orden son iguales.
11.3. Concepto de integral de lnea

Como dijimos al principio del tema, a lo largo del curso hemos encontrado, hasta
este momento, diversas clases de integrales. En una integral simple
_
b
a
f(x) dx, inte-
gramos sobre el intervalo [a, b]. Analogamente, en una integral doble
__
R
f(x, y) dA integramos sobre la region R del plano, y en una integral triple
___
Q
f(x, y, z)dV integramos sobre una region Q del espacio. Ahora introduciremos
una nueva clase de integrales llamadas integrales de lnea, en las que se integra
sobre una curva C suave a trozos. (La terminologa es algo desafortunada, ya que
sera mas apropiado denominarlas integrales sobre curvas).
Para introducir las integrales de lnea, consideremos la masa de un alambre de
longitud nita, dada por una curva C en el espacio. La densidad (masa por unidad
de longitud) del alambre en el punto (x, y, z) viene dada por una funcion f(x, y, z).
Supongamos que dividimos la curva C por medio de puntos P
0
, P
1
, . . . P
n
, que dan
lugar a n subarcos. Sea s
i
la longitud del iesimo subarco. Escojamos ahora en cada
subarco un punto (x
i
, y
i
, z
i
). Si los subarcos tienen longitudes muy peque nas, la masa
total del alambre se puede aproximar por la suma
S
n
=
n
i=1
f(x
i
, y
i
, z
i
)s
i
o
de Fsica)
nea 16
Pues bien, si denota la longitud del subarco mas grande de la particion efectuada
y hacemos que tienda a cero, parece razonable esperar que el lmite de esta suma
aproxime cada vez mas la masa del alambre. Esto sugiere la siguiente denicion.
Figura 11.8: Particion de la curva C.
Denicion 11.13 Si f esta denida en una region que contiene una curva C suave
de longitud nita, la integral de lnea de f sobre C se dene como
_
C
f(x, y) ds = lim
0
n
i=1
f(x
i
, y
i
)s
i
o
_
C
f(x, y, z) ds = lim
0
n
i=1
f(x
i
, y
i
, z
i
)s
i
supuesto que este lmite existe.
Se puede demostrar que si f es continua el lmite anterior existe y es el mismo
para toda parametrizacion de C que este orientada en la misma direccion.
11.3.1. Calculo de una integral de lnea
Para calcular estas integrales de lnea, es preferible convertirlas en integrales de-
nidas, es decir, en integrales que sabemos calcular. Veamos el procedimiento para el
caso de una integral de lnea en el plano, de forma analoga se hara para una integral
de lnea en el espacio.
o
de Fsica)
nea 17
Sea f(x, y) una funcion continua en una region que contiene la curva suave C, la
cual viene dada por r(t) = x(t)
i + y(t)
j, donde a t b, sabemos que la longitud

de arco de C sobre el intervalo [a, b] es
s =
_
b
a
_
[x
(t)]
2
+ [y
(t)]
2
dt =
_
b
a
r
(t) dt
Por otra parte lo mismo que cuando tenamos una funcion y = f(x) continua en
el intervalo [a, b], denamos la funcion area como
F(t) =
_
t
a
f(x) dx
siendo F(t) continua y derivable, con F
(t) = f(t), se puede denir la funcion lon-

gitud de arco de la siguiente manera:
Denicion 11.14 Sea C una curva suave dada por r(t), denida en el intervalo
cerrado [a, b]. Para a t b, la funcion longitud de arco viene dada por
s(t) =
_
t
a
r
() d
De la denicion anterior y del teorema fundamental del calculo (notemos que la
funcion r
(t) es continua por ser x
(t) e y
(t) continuas), se tiene que

ds
dt
= r
(t)
que en forma diferencial se puede escribir como
ds = r
(t) dt =
_
[x
(t)]
2
+ [y
(t)]
2
dt
Por lo tanto,
_
C
f(x, y) ds =
_
b
a
f(x(t), y(t))r
(t) dt =
_
b
a
f(x(t), y(t))
_
[x
(t)]
2
+ [y
(t)]
2
dt
Analogamente, para una integral de lnea en el espacio, se tiene que si C viene dada
por r(t) = x(t)
i + y(t)
j + z(t)
k, donde a t b, entonces
_
C
f(x, y, z) ds =
_
b
a
f(x(t), y(t), z(t))r
(t) dt
=
_
b
a
f(x(t), y(t), z(t))
_
[x
(t)]
2
+ [y
(t)]
2
+ [z
(t)]
2
dt
o
de Fsica)
nea 18
Notemos que para calcular la integral de lnea de la funcion f (ya sea en el plano o
en el espacio) a lo largo de la curva C, evaluamos la funcion f en los puntos imagenes
de la curva (es decir, en los puntos de la curva C lo cual es posible al pedir que la
curva C se encuentre dentro del dominio de denicion de la funcion f) y hacemos el
producto con la norma del vector velocidad r
(t) de la curva C. El resultado es una

funcion real de la variable real t, que integramos entre a y b (donde se dene C).
Nota 11.2 Si f(x, y) = 1, la integral de lnea da la longitud de arco de curva C,
denida en un tema anterior, es decir,
_
C
1 ds =
_
b
a
_
[x
(t)]
2
+ [y
(t)]
2
dt
Ejemplo. Calcular
_
C
xds donde C es la curva suave a trozos que muestra la gura.
1
C
2
.
La curva C
1
viene dada por, r(t) = t
i +t
j, 0 t 1, de modo que r
(t) =
i +
j
|r
(t)| =
2 , luego
_
C
1
xds =
_
1
0
t
2dt =
2
2
La curva C
2
es r(t) = (1 t)
i + (1 t)
2
j, 0 t 1, as r
(t) =
i 2(1 t)
j
|r
(t)| =
_
1 + 4(1 t)
2
, luego
_
C
2
xds =
_
1
0
(1 t)
_
1 + 4(1 t)
2
dt =
1
12
(5
3/2
1)
En consecuencia,
o
de Fsica)
nea 19
_
C
xds =
_
C
1
xds +
_
C
2
xds =
2
2
+
1
12
(5
3/2
1)
11.3.2. Integrales de lnea de campos vectoriales

Una de las aplicaciones fsicas mas importantes de las integrales de lnea consiste
en hallar el trabajo realizado sobre un objeto que se mueve en un campo de fuerzas.
Para ello vamos a dar la denicion de integral de lnea de un campo vectorial.
Para ver como usar una integral de lnea con el n de calcular el trabajo realizado
en un campo de fuerzas

F, consideremos una partcula que se mueve a lo largo de un
camino C en ese campo.
Figura 11.10: En cada punto de C la fuerza en la direccion del movimiento es (
T)
T.
Para determinar el trabajo realizado por la fuerza solo es necesario considerar la
parte de esa fuerza que act ua en la direccion del movimiento (direccion del vector
tangente de la curva). Esto signica que en cada punto de C, tomamos la proyeccion
del vector fuerza

F sobre el vector tangente unitario

T, que es (
T)
T. En un peque no
subarco de longitud s
i
, el incremento de trabajo es
W
i
= (fuerza)(distancia) [
F(x
i
, y
i
, z
i
)

T(x
i
, y
i
, z
i
)]s
i
donde (x
i
, y
i
, z
i
) es un punto del iesimo subarco. En consecuencia, el trabajo total
realizado viene dado por la integral
W =
_
C
F(x, y, z)

T(x, y, z) ds
Esta integral de lnea, que aparece en otros contextos, es la base de la siguiente
denici on de integral de lnea de un campo vectorial. Observemos que
F

T ds =

F
r
(t)
r
(t)
r
(t) dt =

F r
(t) dt =

F dr
o
de Fsica)
nea 20
As, tenemos la siguiente denicion:
Denicion 11.15 Sea

F un campo vectorial continuo denido sobre una curva suave
C dada por r(t). La integral de lnea de

F sobre C se dene como
_
C
F dr =
_
C
F

T ds =
_
b
a
F(x(t), y(t), z(t)) r
(t) dt
Analogamente
_
C
F dr =
_
C
F

T ds =
_
b
a
F(x(t), y(t)) r
(t) dt
si nos encontramos en el plano.
Para las integrales de lnea de funciones vectoriales, la orientacion de la curva C
es importante. Si la orientacion de la curva se invierte, el vector tangente unitario
T(t) cambia a
T(t), con lo que

_
C
F dr =
_
C
F dr
Ademas, puede demostrarse que la integral no depende de la parametrizacion concreta
que se tome para la curva C.
Otra forma muy utilizada de las integrales de lnea se deduce de la notacion
de campos vectoriales utilizada anteriormente. Si

F es un campo vectorial del tipo
F(x, y) = M
i +N
j, y C viene dada por r(t) = x(t)
i +y(t)
j, entonces

F dr se escribe
a menudo como sigue
_
C
F dr =
_
C
F
dr
dt
dt =
_
b
a
[M
i + N
j] [x
(t)
i + y
(t)
j] dt
=
_
b
a
_
M
dx
dt
+ N
dy
dt
_
dt =
_
C
(Mdx + N dy)
Esta forma diferencial se puede extender a tres variables. Con frecuencia omitiremos
los parentesis y escribiremos
_
C
M dx + N dy y
_
C
M dx + N dy + P dz
Ejemplo. Calcular
_
C
ydx + x
2
dy donde C es el arco parabolico y = 4x x
2
desde
(4, 0) hasta (1, 3).
o
de Fsica)
11.4. Campos vectoriales conservativos e independencia del camino21
Para curvas representadas por y = g(x), a x b, podemos hacer x = t, con lo que
se obtiene la forma parametrica de la curva
x = t, y = g(t), a t b
Al ser dx = dt, en este caso, tenemos la opcion de calcular la integral de lnea en la
variable x o t. As, en este ejemplo, en lugar de pasar al parametro t, mantenemos la
variable x y escribimos
y = 4x x
2
=dy = (4 2x)dx
Figura 11.11: Arco parabolico C : y = 4x x
2
.
Entonces en la direccion que va de (4, 0) a (1, 3) la integral de lnea es:
_
C
ydx + x
2
dy =
_
4
1
_
(4x x
2
)dx + x
2
(4 2x)dx
=
_
4
1
(4x + 3x
2
2x
3
)dx
= 2x
2
x
3
+
x
4
2
_
4
1
=
69
2
11.4. Campos vectoriales conservativos e indepen-

dencia del camino
En esta seccion vamos a estudiar condiciones necesarias y sucientes para que la
integral de lnea no dependa del camino elegido. Lo primero que hay que se nalar es
que sobre una misma curva C el trabajo realizado para desplazar un objeto en un
o
de Fsica)
sentido especco es en general el mismo cualquiera que sea su velocidad; es decir, la
integral de lnea no depende del parametro usado en la representacion de la curva.
Sin embargo, el problema principal surge al estudiar la variacion de dicho trabajo
sobre dos curvas diferentes en una misma region.
A continuacion, vamos a ver que, en regiones abiertas conexas (lo que equivale a tener
una region conexa por arcos), podemos demostrar que la independencia del camino
de
_
C
F dr es equivalente a la condicion de que

F sea conservativo.
Teorema 11.4 Sea C una curva suave a trozos situada en una region abierta conexa
R dada por
r(t) = x(t)
i + y(t)
j, a t b
Si

F es continuo en la region abierta conexa R, entonces la integral de lnea
_
C
F dr
es independiente del camino si y solo si

F es conservativo.
Demostracion:
= Si

F es conservativo, veamos que la integral de lnea es independiente del
camino.
Damos una demostracion para curvas suaves solamente, ya que para curvas suaves a
trozos, el procedimiento se lleva a cabo separadamente en cada porcion suave. Puesto
que

F es conservativo, existe una funcion potencial f, tal que,

F(x, y) = f(x, y) =
f
x
(x, y)
i + f
y
(x, y)
j, de aqu se sigue que

_
C
F dr =
_
b
a
F
dr
dt
dt =
_
b
a
_
f
x
(x, y)
dx
dt
+ f
y
(x, y)
dy
dt
_
dt
y, por la regla de la cadena, resulta
_
C
F dr =
_
b
a
d
dt
[f(x(t), y(t))] dt = f(x(b), y(b)) f(x(a), x(a))
El ultimo paso consiste en una aplicacion del teorema fundamental del calculo.
= Demostremos el sentido opuesto en una region plana conexa y abierta R. Sea
F(x, y) = M
i +N
j, y sea (x
0
, y
0
) un punto jo en R. Si (x, y) es un punto arbitrario
en R, entonces elegimos una curva suave a trozos C de (x
0
, y
0
) a (x, y), y denimos
f por medio de
f(x, y) =
_
C
F dr =
_
C
M dx + N dy
o
de Fsica)
La existencia de C en R esta garantizada por el hecho de que R es conexo. Probamos
que f es una funcion potencial de

F, considerando dos caminos diferentes entre (x
0
, y
0
)
y (x, y) (ver gura 11.12). Para el primer camino, elegimos (x
1
, y) en R tal que x = x
1
.
Esto es posible ya que R es abierto
1
. A continuacion elegimos C
1
y C
2
, e introduciendo
la independencia del camino, escribimos
f(x, y) =
_
C
M dx + N dy =
_
C
1
M dx + N dy +
_
C
2
M dx + N dy
Figura 11.12: Dos caminos diferentes para ir de (x
0
, y
0
) jo a un punto (x, y) arbitrario.
Como la primera integral no depende de x, y ademas dy = 0 en la segunda integral,
resulta
f(x, y) = g(y) +
_
C
2
M dx
Con lo que concluimos que la derivada parcial de f con respecto a x es f
x
(x, y) = M.
Para el segundo camino, escogemos un punto (x, y
1
) y seguimos un razonamiento
analogo para concluir que f
y
(x, y) = N. Por tanto
f(x, y) = f
x
(x, y)
i + f
y
(x, y)
j = M
i + N
j =

F(x, y)
de manera que

F es conservativo.
En este teorema la condicion que la region sea abierta y conexa es necesaria para
demostrar la condicion suciente. Para la condicion necesaria es suciente que la
region sea abierta.
Este teorema de las integrales de lnea establece que si el campo vectorial

F es con-
servativo, entonces su integral de lnea entre dos puntos cualesquiera es simplemente
1
Notemos que R es abierto si todos sus puntos son interiores, es decir, si (x, y) R, existe una
bola abierta contenida en R
o
de Fsica)
la diferencia en los valores de la funcion potencial f en dichos puntos, es decir, la
integral de lnea solo depende de los puntos incial y nal, pero no del camino que los
une dicho recinto. Y recprocamente, si la integral de lnea no depende del camino
seguido, el campo vectorial es conservativo.
En el espacio, el teorema fundamental adquiere la forma siguiente. Sea C una
curva suave a trozos situada en una region abierta conexa Q dada por
r(t) = x(t)
i + y(t)
j + z(t)
k, a t b
Si

F(x, y, z) = M
i + N
j + P
k es conservativo en Q, y M, N y P son continuas,

entonces
_
C
F dr =
_
C
f dr = f(x(b), y(b), z(b)) f(x(a), y(a), z(a))
donde

F(x, y, z) = f(x, y, z). Y recprocamente, si la integral de lnea no depende
del camino elegido, entonces

F(x, y, z) es conservativo.
Por el teorema anterior, podemos concluir que si

F es continuo y conservativo en
una region abierta conexa R, entonces la integral de lnea sobre toda curva cerrada
en R es cero. Este resultado se puede enunciar de la siguiente manera.
Teorema 11.5 (Condiciones equivalentes) Si un campo vectorial

F es continuo
en una region abierta conexa R, y C es una curva cualquiera suave a trozos en R, las
siguientes condiciones son equivalentes:
1.

F es conservativo, esto es,

F = f para alguna funcion f.
2.
_
C
F dr es independiente del camino.

3.
_
C
F dr = 0 para toda curva cerrada suave a trozos C en R

2
.
Este teorema nos dice que al evaluar una integral de lnea relativa a un campo vectorial
conservativo tenemos varias opciones. Podemos usar una funcion potencial o quiz as
sea mas conveniente elegir un camino especialmente simple, un segmento recto por
ejemplo.
2
Cuando la curva es cerrada, se suele utilizar la notacion
_
C
F dr.
o
de Fsica)
11.4.1. Conservacion de la energa
Muchos fsicos han contribuido a nuestro conocimiento de la ley de la conser-
vacion de la energa. Esta ley se enuncia como sigue: En un campo conservativo,
la suma de las energas cinetica y potencial de un objeto se mantiene constante de
punto a punto.
Podemos usar el teorema fundamental de las integrales de lnea para deducir esta
ley. Por la Fsica, sabemos que la energa cinetica de una partcula de masa m y
velocidad v es k =
1
2
mv
2
. La energa potencial p de una partcula en un punto
(x, y, z) de un campo vectorial conservativo

F se dene como p(x, y, z) = f(x, y, z),
donde f es la funcion potencial de

F. En consecuencia el trabajo realizado por

F a
lo largo de la curva suave C de A a B, es
W =
_
C
F dr = f(x, y, z)]
B
A
= p(x, y, z)]
B
A
= p(A) p(B)
En otras palabras, el trabajo W es igual a la diferencia entre las energas potenciales
en A y B.
Ahora supongamos que r(t) es el vector posicion de una partcula que se mueve
a lo largo de C desde A = r(a) hasta B = r(b). En cualquier instante t, la velocidad,
la aceleracion y la rapidez de la partcula son v(t) =

r
(t), a(t) =

r
(t), y v(t) =
(t), respectivamente. As pues, por la segunda ley del movimiento de Newton,
F = ma(t) = m
(t), y el trabajo realizado por

F es
W =
_
C
F dr =
_
b
a
(t) dt
=
_
b
a
F v(t) dt =
_
b
a
m
(t) v(t) dt
=
_
b
a
m[
(t) v(t)] dt =
m
2
_
b
a
d
dt
[v(t) v(t)] dt
=
m
2
_
b
a
d
dt
[v(t)
2
] dt =
m
2
v(t)
2
b
a
=
m
2
[v(t)]
2
b
a
=
m
2
[v(b)]
2
m
2
[v(a)]
2
= k(B) k(A)
Igualando estos dos resultados obtenidos para W, se sigue que
p(A) p(B) = k(A) k(B) =p(A) + k(A) = p(B) + k(B)
lo cual implica que la suma de la energa potencial y de la energa cinetica se mantiene
constante punto a punto.
o
de Fsica)
11.5. El teorema de Green 26
11.5. El teorema de Green
En esta seccion presentaremos un teorema, tambien conocido como formula de
Riemann, que nos relaciona el valor de una integral doble sobre una region simple-
mente conexa R con el valor de una integral de lnea sobre la frontera de R.
Teorema 11.6 (de Green) Sea R una region simplemente conexa con frontera C
suave a trozos, orientada en sentido contrario al de las agujas de un reloj, (esto es,
C se recorre una vez de manera tal que la region R queda siempre a la izquierda). Si
M y N son de clase C
1
en una region abierta que contiene a R, entonces
_
C
Mdx + Ndy =
__
R
_
N
x

M
y
_
dA (11.2)
Demostracion: La integral lineal del primer miembro de (11.2) se toma en la direc-
cion contraria a la que giran las agujas del reloj, como indica la echa en el crculo
peque no. La gura muestra una curva C que se compone de dos partes:
C
1
: y
1
= f
1
(x) desde a hasta b
C
2
: y
2
= f
2
(x) desde b hasta a
es decir, R = {(x, y) a x b; f
1
(x) y f
2
(x)}.
1
C
2
.
Consideremos la integral doble de M/y sobre R en la gura anterior. Para
cualquier x ente a y b, integramos primero respecto a y desde y
1
= f
1
(x) hasta
y
2
= f
2
(x) y obtenemos
_
y
2
y
1
M
y
dy = M(x, y)]
y=f
2
(x)
y=f
1
(x)
= M(x, f
2
(x)) M(x, f
1
(x)). (11.3)
o
de Fsica)
A continuacion integramos respecto a x, de a a b:
_
b
a
_
f
2
(x)
f
1
(x)
M
y
dydx =
_
b
a
[M(x, f
2
(x)) M(x, f
1
(x))] dx
=
_
a
b
M(x, f
2
(x)) dx
_
b
a
M(x, f
1
(x)) dx
=
_
C
2
M dx
_
C
1
M dx
=
_
C
M dx.
Por tanto
_
C
M dx =
__
R
_
M
y
_
dxdy. (11.4)
Esta ultima ecuacion es la mitad del resultado que necesitamos para la ecuacion
(11.2). Para deducir la otra mitad de la ecuacion que queremos deducir, integramos
ahora N/x primero respecto a x y despues respecto a y, como se indica en la gura
siguiente, que muestra a la curva C de la gura anterior descompuesta en dos partes
orientadas de la siguiente manera:
C
1
: x
1
= g
1
(y) desde d hasta c
C
2
: x
2
= g
2
(y) desde c hasta d
es decir, R = {(x, y) c y d; g
1
(x) x g
2
(x)}.
Figura 11.14: Curva C
= C
1
C
2
.
Luego
o
de Fsica)
_
d
c
_
g
2
(x)
g
1
(x)
N
x
dxdy =
_
d
c
[N(g
2
(y), y) N(g
1
(y), y)] dy
=
_
d
c
N(g
2
(y), y) dy +
_
c
d
N(g
1
(y), y) dy
=
_
C
2
N dy +
_
C
1
N dy
=
_
C
N dy.
El resultado de esta doble integracion se expresa por:
_
C
N dy =
__
R
_
N
x
_
dxdy. (11.5)
Combinando las ecuaciones (11.4) y (11.5), obtenemos la ecuacion (11.2), con la
que concluye la demostracion.
El teorema de Green puede extenderse para cubrir regiones que no son simplemente
conexas, por ejemplo para regiones m ultiplemente conexas, como las de la gura 11.15.
Figura 11.15: Region m ultiplemente conexa.
Se verica el siguiente resultado:
Teorema 11.7 (de Green para regiones m ultiplemente conexas) Sean C
1
, C
2
,
. . ., C
n
curvas cerradas simples y suaves a trozos tales que:
1. Dos de estas curvas no se cortan.
2. Las curvas C
2
, C
3
, . . ., C
n
estan en el interior de C
1
.
3. La curva C
i
estan en el exterior de C
j
si i = j, i, j > 1.
o
de Fsica)
Representamos por R la region:
R = C
1
_
C
1
_
0
C
2

0
C
3
. . .
0
C
n
__
Si M y N son de clase C
1
en una region abierta que contiene a R, entonces
__
R
_
N
x

M
y
_
dA =
_
C
1
Mdx + Ndy
n
k=2
_
C
k
Mdx + Ndy (11.6)
Observemos que la ecuacion (11.2) vuelve a dar como condicion necesaria y su-
ciente, para que sea nula la integral curvilnea a lo largo del contorno cerrado que
N
x
=
M
y
.
es decir, como vimos en la segunda seccion, la condicion necesaria y suciente, para
que el campo vectorial sea conservativo, en un abierto simplemente conexo. Pues bien
ahora estamos en condiciones de poder demostrar la condicion suciente.
Teorema 11.8 Sea

F : U R
2
R
2
,

F(x, y) = M
i + N
j un campo de clase
C
1
2

F(x, y) es
conservativo si y solo si
N
x
=
M
y
Demostracion:
= Sea

F(x, y) = M
i + N
j denido sobre un abierto simplemente conexo U.

Queremos probar que si
N
x
=
M
y
entonces

F es conservativo. Supongamos que C es una curva cerrada simple que
constituye la frontera de una region R, la cual sera simplemente conexa al serlo U.
Entonces, usando el hecho de que N/x = M/y, y aplicando el teorema de Green
podemos concluir que
_
C
F dr =
_
C
M dx + N dy =
__
R
_
N
x

M
y
_
dA = 0
Esto es equivalente, a su vez, a probar que

F es conservativo, aplicando el teorema
de las condiciones equivalentes.

o
de Fsica)
El teorema de Green puede utilizarse para calcular integrales de lnea como in-
tegrales dobles, pero tambien puede utilizarse para calcular integrales dobles como
integrales de lnea. Se produce una aplicacion util cuando N/x M/y = 1.
_
C
M dx + N dy =
__
R
1 dA = area de la regi on R
Entre las muchas elecciones posibles de M y N que satisfacen la condicion esta-
blecida, elegimos M = y/2 y N = x/2 para obtener la integral de lnea siguiente
para el area de la region R.
Teorema 11.9 Si R es una region plana limitada por una curva cerrada simple suave
a trozos C, entonces el area de R viene dada por
A =
1
2
_
x dy y dx
Demostracion: Si M = y/2, entonces M/y = 1/2. Analogamente al ser N =
x/2, se tiene que N/x = 1/2 y aplicando el teorema de Green se tiene:
1
2
_
x dy y dx =
_
C
Mdx + Ndy =
__
R
_
N
x

M
y
_
dA
=
__
R
1 dA = A
11.5.1. Formas alternativas del teorema de Green

Concluimos esta seccion enunciando dos formas vectoriales del teorema de Green
para regiones del plano. La extension de estas formas vectoriales a tres dimensiones
constituye la base de estudio en un tema posterior.
Si

F es un campo vectorial en el plano, podemos escribir
F(x, y) = M
i + N
j + 0
k
de forma que el rotacional de

F, viene dado por
rot

F =

F =
i

j

k
z
M N 0
=
N
z
i +
M
z
j +
_
N
x

M
y
_
k
o
de Fsica)
En consecuencia,
(rot

F)
k =
N
x

M
y
Imponiendo condiciones apropiadas a

F, C y R, podemos escribir el teorema de Green
en forma vectorial
_
C
F dr =
__
R
_
N
x

M
y
_
dA =
__
R
(rot

F)
k dA
La extension de esta forma vectorial del teorema de Green a supercies en el
espacio, da lugar al teorema de Stokes, que se tratara en el tema siguiente.
Para la segunda forma vectorial del teorema de Green, suponemos las mismas
condiciones para

F, C y R. Usando el parametro longitud de arco para C, tenemos
r(s) = x(s)
i + y(s)
j, de forma que un vector tangente unitario

T a la curva C viene
dado por
r
(s) =

T = x
(s)
i + y
(s)
j
En efecto, si se considera la funcion longitud de arco
s(t) =
_
t
a
|r
()| d
sabemos que
ds
dt
= |r
(t)|
Al considerar s como parametro, si r(s) = x(s)
i + y(s)
j se tiene que
dr
dt
=
dr
ds
ds
dt
=r
(t) = r
(s) |r
(t)| =r
(s) =
r
(t)
|r
(t)|
Luego r
(s) es tangente a la curva (esto reeja el hecho de que la direccion tangente

es independiente de la parametrizacion que se emplea para describir la curva). Mas
a un, r
(s) es un vector tangente unitario, luego

T = r
(s).
El vector normal unitario hacia afuera

N puede entonces escribirse como
N = y
(s)
i x
(s)
j
Ya que si tenemos en cuenta la gura 11.16, si tomamos el vector tangente unitario
escrito de la forma

T = cos
i + sen
j, entonces
n = cos
_
+

2
_
i + sen
_
+

2
_
j = sen
i + cos
j

N = sen
i cos
j
o
de Fsica)
Figura 11.16: Relacion entre los vectores tangente y normal unitarios a una curva C.
En consecuencia, para

F(x, y) = M
i + N
j, puede aplicarse el teorema de Green y se

obtiene
_
C
F

N ds =
_
b
a
(M
i + N
j) (y
(s)
i x
(s)
j) ds
=
_
b
a
_
M
dy
ds
N
dx
ds
_
ds
=
_
C
Mdy Ndx =
_
C
Ndx + Mdy
=
__
R
_
M
x
+
N
y
_
dA
=
__
R
div

F dA
La extension de esta forma a tres dimensiones es el teorema de la divergencia, que
veremos tambien en el tema siguiente.
Nota 11.3 La integral
_
C
F

N ds se llama ujo a traves de C.
o
de Fsica)
Analisis Matematico
Tema 12. Integrales de supercie
(SiGNum)
Curso 2004 2005
Contenido
12.Integrales de supercie 1
12.1. Supercies parametricas: vectores normales y planos tangentes . . . . 1
12.2.

Area de una supercie parametrica . . . . . . . . . . . . . . . . . . . 8
12.3. Concepto de integral de supercie . . . . . . . . . . . . . . . . . . . . 11
12.3.1. Integrales de ujo . . . . . . . . . . . . . . . . . . . . . . . . . 15
12.4. El teorema de la Divergencia . . . . . . . . . . . . . . . . . . . . . . . 17
12.5. El teorema de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
0
Tema 12
Integrales de supercie
En este tema emprenderemos una nueva generalizacion del concepto de integral:
tendremos en los integrandos funciones reales de varias variables reales y/o campos
vectoriales, y en las regiones de integracion, supercies en R
3
.
Las integrales que estudiaremos aqu, llamadas integrales de supercie, nos ser-
viran para estudiar dos mas de los resultados clasicos del calculo en R
n
: el teorema
de la divergencia y el teorema de Stokes, los cuales, junto con el teorema de Green,
constituyen los teoremas mas importantes del calculo en R
n
en los casos n = 2 y
n = 3.
12.1. Supercies parametricas: vectores normales
y planos tangentes
Sabemos que en coordenadas cartesianas, una supercie viene representada por la
ecuacion F(x, y, z) = 0, que la llamamos representacion implcita, o tambien puede
venir dada en forma explcita por z = f(x, y). Otra manera de representar una su-
percie, al igual que ocurre con las curvas en el plano o en el espacio, es mediante
ecuaciones parametricas o, equivalentemente, por una funcion vectorial. Para las cur-
vas la funcion vectorial r era funcion de un solo parametro t. Para las supercies, la
funcion vectorial sera una funcion de dos parametros u y v:
r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k
o bien,
x = x(u, v), y = y(u, v), z = z(u, v)
Si S es una supercie parametrica dada por la funcion vectorial r, entonces S
es recorrida por el vector de posicion r(u, v) cuando el punto (u, v) se mueve por el
dominio D.
1
12.1. Superficies param
etricas: vectores normales y planos

tangentes 2
Figura 12.1: Dominio D y supercie S.
A continuacion, pondremos restricciones al tipo de supercies que vamos a consi-
derar para que la teora que luego vamos a desarrollar no se nos complique.
Denicion 12.1 Sea C una curva cerrada simple en R
2
y D la region limitada por
C. Si existe un abierto U que contiene a D y una funcion vectorial
r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k
que es diferenciable con continuidad (es decir, es de clase C
1
) en U, entonces se dice
que la imagen de D por r(u, v), D
= r(D), es una supercie parametrica descrita por

r. En el caso particular de que r sea inyectiva en D, se dice que S es una supercie
parametrica simple.
Del mismo modo que las propiedades basicas de las curvas se fundamentan en los
vectores tangenciales, el comportamiento de una supercie se caracteriza en terminos
de los vectores normales en cada punto. No olvidemos que disponemos de un metodo
para calcular el vector normal a una supercie, cuando esta viene dada en la forma
F(x, y, z) = 0, a saber F(x, y, z). Veamos como se dene el vector normal, cuando
la supercie viene dada en parametricas.
Sea S una supercie parametrica, dada por
r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k
sobre una region abierta D en la que x, y, z tienen derivadas parciales continuas. Las
derivadas parciales de r con respecto a u y v se denen como ya sabemos por:
r
u
(u, v) =
x
u
(u, v)
i +
y
u
(u, v)
j +
z
u
(u, v)
k
y
r
v
(u, v) =
x
v
(u, v)
i +
y
v
(u, v)
j +
z
v
(u, v)
k
o
de Fsica)

tangentes 3
Cada una de estas derivadas parciales es una funcion vectorial interpretable geometri-
camente en terminos de vectores tangentes. Por ejemplo, si v = v
0
se mantiene cons-
tante, entonces r(u, v
0
) es una funcion vectorial de un unico parametro y dene una
curva C
1
en la supercie S. El vector tangente a C
1
en el punto (x(u
0
, v
0
), y(u
0
, v
0
), z(u
0
, v
0
))
viene dado por
r
u
(u
0
, v
0
) =
x
u
(u
0
, v
0
)
i +
y
u
(u
0
, v
0
)
j +
z
u
(u
0
, v
0
)
k
Figura 12.2: Vectores r
u
(u
0
, v
0
) y r
v
(u
0
, v
0
) en el punto r(u
0
, v
0
) = x
0
i + y
0
j + z
0
k.
Analogamente, si u = u
0
se mantiene constante, r(u
0
, v) es una funcion vectorial de
un unico parametro que describe una curva C
2
en la supercie S. El vector tangente
a C
2
en el punto (x(u
0
, v
0
), y(u
0
, v
0
), z(u
0
, v
0
)) viene dado por
r
v
(u
0
, v
0
) =
x
v
(u
0
, v
0
)
i +
y
v
(u
0
, v
0
)
j +
z
v
(u
0
, v
0
)
k
Si los vectores r
u
y r
v
no son cero y no son paralelos y ademas estas derivadas
son continuas en la supercie, por ser ambos vectores tangentes a las curvas en la
supercie son tangentes tambien a la supercie, as en cada punto, los vectores r
u
, r
v
determinan un plano, el plano tangente a la supercie S en dicho punto. Por tanto,
el vector r
u
r
v
es perpendicular al plano tangente, es decir, es el vector normal a la
supercie.
Si el vector r
u
r
v
no es

0 para ning un (u, v) en D, la supercie S se dice que
es suave y tendra plano tangente. Si una supercie S consta de un n umero nito
de supercies suaves unidas por curvas simples y suaves a trozos, se dice que es una
supercie suave a trozos o seccionalmente suave. Informalmente una supercie es
suave si no tiene puntos angulosos o de tipo c uspide. Por ejemplo, las esferas, los
elipsoides y los paraboloides son suaves, mientras que el cono no lo es. Un cubo,
sera un ejemplo de una supercie suave a trozos. En cada punto, por tanto, de una
o
de Fsica)

tangentes 4
supercie suave y simple se dene el vector normal a la supercie de la siguiente
manera:
Denicion 12.2 Sea S una supercie parametrica suave y simple
r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k
denida sobre una region abierta D del plano uv. Sea (u
0
, v
0
) un punto de D. Un
vector normal en el punto
(x
0
, y
0
, z
0
) = (x(u
0
, v
0
), y(u
0
, v
0
), z(u
0
, v
0
))
viene dado por
N = r
u
(u
0
, v
0
) r
v
(u
0
, v
0
) =
i

j

k
x
u
y
u
z
u
x
v
y
v
z
v
Tenemos por tanto, dos formas de calcular el vector normal a una supercie. Si
esta se especica de forma implcita por medio de f(x, y, z) = 0, entonces f es un
vector normal; si la supercie esta dada parametricamente mediante las ecuaciones
x = x(u, v), y = y(u, v), z = z(u, v)
entonces r
u
r
v
es un vector normal. En ambos casos, un vector normal unitario

N
se obtiene dividiendo la normal entre su longitud y su orientacion inducida se invierte
al cambiar el signo de

N, o en el caso parametrico, empleando r
v
r
u
, en lugar de la
ecuacion r
u
r
v
.
El problema de escribir unas ecuaciones parametricas para una supercie dada,
es difcil en general. Un caso sencillo, sin embargo, es el de una supercie dada en la
forma z = f(x, y), ya que admite la parametrizacion
r(x, y) = x
i + y
j + f(x, y)
k
Con esta representacion tenemos siempre una supercie parametrica simple, donde la
region D es la proyeccion de la supercie sobre el plano xy.
En este caso,
r
x
=

i +
f
x
k
r
y
=

j +
f
y
k
o
de Fsica)

tangentes 5
Figura 12.3: Representacion en parametricas de la supercie z = f(x, y).
r
x
r
y
=
i

j

k
1 0
f
x
0 1
f
y
=
f
x
i
f
y
j +
k
Este producto vectorial nunca es nulo. Los unicos puntos, donde el vector normal
puede no estar denido, son aquellos en los que al menos una de las derivadas parciales
f
x
,
f
y
no es continua.
Otro tipo de supercie facil de representar parametricamente es el de las super-
cies de revolucion. Concretamente, para representar la supercie generada al girar la
graca de y = f(x), a x b, en torno al eje x utilizamos
x = u, y = f(u) cos v, z = f(u) sen v
donde a u b y 0 v 2.
Para otros tipos de supercies de revolucion sigue vigente una parametrizacion
similar. Por ejemplo, cuando la supercie se genera al hacer girar la graca de x = f(z)
alrededor del eje z, las ecuaciones parametricas pueden expresarse como
x = f(u) cos v, y = f(u) sen v, z = u
Sabemos que una curva cerrada simple y suave (o suave a trozos) en el plano tiene
una orientacion positiva y una orientacion negativa. De forma analoga, una supercie
suave (o suave a trozos) tiene una orientacion en el espacio.
Denicion 12.3 Se dice que una supercie suave S es orientable si, a cada punto
sobre S, puede asignarse un vector normal unitario

N de tal manera que los vectores
varen de forma continua sobre la supercie S, es decir, el campo vectorial resultante
de normales es continuo sobre S.
o
de Fsica)

tangentes 6
Cuando se ha asignado un campo de normales, como se indica anteriormente, se
dice que la supercie es orientada.
Las supercies comunes, como esferas y elipsoides, tienen esta propiedad. Sin
embargo, una cinta de Mobius, obtenida al tomar una tira de papel, torcerla una
vez, y unir despues los extremos, no es orientable. Esta supercie se muestra en la
gura 12.4, en donde se dan tres posiciones de una normal.
Figura 12.4: Cinta de Mobius.
Observemos que, si se comienza en P
0
, se avanza alrededor de la banda en la
direcci on de la echa variando n continuamente y se regresa a P
0
, la direccion de n
se habra invertido.
En todos los puntos de una supercie suave habra, dos elecciones para la normal
unitaria n. En consecuencia, existiran dor formas de denir un campo de vectores
normales unitarios que son continuos sobre S. Por ejemplo, si la supercie esta dada
por una ecuacion de la forma F(x, y, z) = 0, entonces los dos campos son
n =
F
F
y n =
F
F
Si la supercie S viene dada por la funcion z = f(x, y), entonces los dos campos de
vectores seran
n =
f
f
=
f
x
(x, y)
i + f
y
(x, y)
k
_
1 + (f
x
(x, y))
2
+ (f
y
(x, y))
2
n =
f
f
=
f
x
(x, y)
i + f
y
(x, y)
k
_
1 + (f
x
(x, y))
2
+ (f
y
(x, y))
2
y si viene dada mediante la funcion vectorial, r(u, v), entonces
n = r
u
r
v
, n = r
v
r
u
Al seleccionar una de las dos posibilidades anteriores orientamos la supercie. Una
supercie orientable S, tiene por tanto dos caras distintas, y orientar la supercie
consiste en escoger uno de los dos posibles vectores normales unitarios.
o
de Fsica)

tangentes 7
Habiendo denido una orientacion de una supercie suave S, se puede asignar una
direcci on a cada peque na trayectoria simple cerrada que descanse sobre S. Se dice
que una de estas trayectorias C esta orientada positivamente, o recorrida en sentido
positivo, si se recorre en sentido contrario a la de las agujas de un reloj respecto del
vector normal n. En otras palabras, si nos imaginamos que atrapamos con la mano
derecha el vector normal n, con el dedo pulgar se nalando en la direccion de n, entonces
los restantes dedos estan apuntando en la direccion positiva de C, como se muestra
en la gura 12.5(a).
(a) Trayectoria C orientada positivamente. (b) Dos trayectorias con una parte com un.
Figura 12.5: Asignacion de una orientacion a una trayectoria cerrada simple sobre S.
Observemos que, si dos trayectorias simples cerradas sobre S tienen una porci on
com un, y cada una de ellas se recorre en sentido positivo, la parte com un se recorre
en direcciones opuestas (ver gura 12.5(b)).
Si una supercie suave orientable S esta acotada por una curva C, una direccion
positiva de C sera inducida despues de asignar una orientacion a la supercie S.
Figura 12.6: Direccion inducida por la orientacion.
Como hemos dicho antes, una supercie orientada tiene dos lados, as una vez que
o
de Fsica)
12.2.

Area de una superficie param
etrica 8
decidimos cual es el campo de vectores que nos determina la orientacion, que a su vez
no determina la direccion positiva de su curva frontera C, podremos hablar del lado
positivo y del lado negativo.
Si una supercie es cerrada (aquella que no tiene frontera), tal como una esfera,
se suele tomar como vector normal unitario n el que apunta hacia afuera, es decir, el
vector n que se nale en direccion contraria a la region encerrada. En este caso en lugar
de hablar del lado positivo y del lado negativo, es mas natural hablar del exterior y
del interior.
Finalmente, si S es suave a trozos, se tiene la siguiente denicion.
Denicion 12.4 Una supercie S suave a trozos, se dice que es orientable si:
(a) Cada seccion suave es orientable.
(b) Puede denirse una orientacion sobre cada parte, de manera que las direcciones
positivas inducidas sobre las curvas frontera comunes sean opuestas.
En la gura 12.7 se tiene una supercie orientable suave a trozos, en donde se
muestra como a lo largo de los bordes (curvas) compartidos por dos supercies suaves,
la direccion positiva (sobre el borde) en relacion con una de las supercies suaves es
la opuesta a la direccion positiva en relacion con la otra.
Figura 12.7: Orientacion de una supercie seccionalmente suave.
12.2.

Area de una supercie parametrica
En el tema 9 se vio, como calcular el area de la supercie superior de un solido,
mediante una integral doble, cuando esta viene dada en forma explcita z = f(x, y).
En esta seccion, vamos a ver como se calcula el area de una supercie dada en pa-
rametricas.
Supongamos que la supercie S viene dada por sus ecuaciones parametricas:
x = x(u, v) , y = y(u, v) , z = z(u, v)
o
de Fsica)
12.2.

etrica 9
o bien r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k denida sobre una region abierta D del

plano uv.
Sabemos que cuando la supercie S viene dada por una funcion explcita z =
f(x, y), se tena que:
S =
__
R
dS =
__
R
dxdy
cos
=
__
R
_
1 + [f
x
(x, y)]
2
+ [f
y
(x, y)]
2
dxdy (12.1)
Para denir el area de una supercie parametrica se puede imitar el procedimiento
ya visto en temas anteriores. Sea S una supercie parametrica simple y suave
r(u.v) = x(u, v)
i + y(u, v)
j + z(u, v)
k
denida sobre una region abierta D del plano uv. Empezamos construyendo una
particion de D en n rectanguloa, siendo A
i
= u
i
v
i
el area del iesimo rectangulo
D
i
.
En cada D
i
, sea (u
i
, v
i
) el punto mas cercano al origen. En el punto (x
i
, y
i
, z
i
) =
(x(u
i
, v
i
), y(u
i
, v
i
), z(u
i
, v
i
)) de la supercie S, construimos el plano tangente T
i
. El
area de la porcion de S que corresponde a D
i
, S
i
, se puede aproximar por el area
de esta porcion del plano tangente, es decir, T
i
S
i
, como podemos ver en la
gura 12.8.
Figura 12.8: La porcion de area en la supercie S, S
i
, correspondiente al rectangulo
de area A
i
se aproxima por T
i
.
Por lo tanto, el area de la supercie viene dada por
S
n
i=1
S
i

n
i=1
T
i
Por otro lado los vectores r
u
u
i
y r
v
v
i
son vectores tangentes a la supercie en
el punto (x
i
, y
i
, z
i
), luego el area del plano tangente T
i
, se puede aproximar por el
o
de Fsica)
12.2.

etrica 10
area del paralelogramo generado por estos dos vectores, as,
T
i
r
u
r
v
uv
con lo que se tiene la siguiente denicion:
Denicion 12.5 Sea S una supercie parametrica simple y suave
r(u, v) = x(u, v)
i + y(u, v)
j + z(u, v)
k
denida sobre una region abierta D del plano uv. El area de la supercie S se dene
como
area de la superficie =
__
R
dS =
__
D
r
u
r
v
dudv
donde r
u
=
x
u
i +
y
u
j +
z
u
k y r
v
=
x
v
i +
y
v
j +
z
v
k.
Para una supercie dada en la forma z = f(x, y) esta formula corresponde a la
expuesta en el tema 9. En efecto, parametrizando la supercie mediante la funcion
vectorial
r(x, y) = x
i + y
j + f(x, y)
k
denida sobre la region R del plano xy, y teniendo en cuenta que
r
x
=
i + f
x
(x, y)
k, y r
y
=
j + f
y
(x, y)
k
se observa que
r
x
r
y
=
i

j

k
1 0 f
x
(x, y)
0 1 f
y
(x, y)
= f
x
(x, y)
i f
y
(x, y)
j +
k
y r
x
r
y
=
_
(f
x
(x, y))
2
+ (f
y
(x, y))
2
+ 1. Esto implica que el area de la supercie
S situada sobre R es
S =
__
R
r
x
r
y
dxdy =
__
R
_
(f
x
(x, y))
2
+ (f
y
(x, y))
2
+ 1dxdy
Si S es una supercie de revolucion, no es difcil comprobar que la formula dada
en el tema 5 es equivalente a la dada en esta seccion. As, supongamos que f es una
funcion no negativa y f
continua en [a, b]. Sea S la supercie de revolucion generada

al girar la graca de f, con a x b, en torno al eje x. Sabemos que el area de esa
supercie es
area de la superficie = 2
_
b
a
f(x)
_
1 + (f
(x))
2
dx
o
de Fsica)
12.3. Concepto de integral de superficie 11
Para representar parametricamente S hagamos x = u, y = f(u) cos v, y z = f(u) sen v,
siendo D = {(u, v) R
2
a u b, 0 v 2}. Entonces,
r(u, v) = u
i + f(u) cos v
j + f(u) sen v
k
de donde r
u
=

i + f
(u) cos v
j + f
(u) sen v
k y r
v
= f(u) sen v
j + f(u) cos v
k. Se
observa que
r
u
r
v
=
i

j

k
1 f
(u) cos v f
(u) sen v
0 f(u) sen v f(u) cos v
= f
(u)f(u)(cos
2
v + sen
2
v)
i f(u) cos v
j f(u) sen v
k
y r
u
r
v
=
_
(f(u))
2
(f
(u))
2
+ (f(u))
2
. Esto implica que
S =
__
D
r
u
r
v
dudv
=
_
b
a
_
2
0
f(u)
_
1 + (f
(u))
2
dv du = 2
_
b
a
f(u)
_
1 + (f
(u))
2
du
12.3. Concepto de integral de supercie
A continuacion trataremos un tipo de integrales conocidas como integrales de
supercie. El nombre viene del hecho de que en lugar de integrar sobre regiones
planas limitadas por curvas, integramos una funcion f(x, y, z) = u sobre regiones del
espacio limitadas por supercies.
Sea S una supercie dada por G(x, y, z) = 0 y R su proyeccion en el plano xy.
Sea f(x, y, z) = u una funcion denida en S y continua.
Empleando el procedimiento usado para obtener el area de la supercie, visto en
el tema 9, construimos una particion interior de R formada por n rectangulos, donde
el area del rectangulo iesimo R
i
, es A
i
= x
i
y
i
. A cada punto (x
i
, y
i
) en R
i
, le
corresponde un punto (x
i
, y
i
, z
i
) sobre la supercie S en el cual construimos un plano
tangente T
i
.
Por trigonometra sabemos que la porcion del plano tangente T
i
que esta situada
directamente sobre R
i
tiene un area
T
i
=
A
i
| cos
i
|
Ademas, podemos usar el area de esta peque na seccion del plano tangente para
aproximar el area de la porcion de la supercie que esta directamente sobre R
i
, como
o
de Fsica)
sigue
S
i
T
i
=
A
i
| cos
i
|
Evaluamos f en (x
i
, y
i
, z
i
) y formamos la suma
n
i=1
f(x
i
, y
i
, z
i
) S
i
El razonamiento es que, cuando la subdivision de R es sucientemente na, el valor
de f en todo S
i
es casi constante, y T
i
es casi igual a S
i
, por lo que
n
i=1
f(x
i
, y
i
, z
i
) S
i
=
n
i=1
f(x
i
, y
i
, z
i
) T
i
=
n
i=1
f(x
i
, y
i
, z(x
i
, y
i
))
A
i
| cos
i
|
Supuesto que existe el lmite cuando la norma de la particion tiende a cero, de-
nimos la integral de supercie de f sobre S como
__
S
f(x, y, z) dS = lim
P0
n
i=1
f(x
i
, y
i
, z
i
) S
i
= lim
P0
n
i=1
f(x
i
, y
i
, z
i
) T
i
= lim
P0
n
i=1
f(x
i
, y
i
, z(x
i
, y
i
))
A
i
| cos
i
|
=
__
R
f(x, y, z(x, y))
dA
| cos |
donde es el angulo que forma el plano tangente con la supercie, que coincide con el
angulo que va desde el eje z positivo al vector normal unitario
G
G
a la supercie.
As, tenemos la siguiente denicion.
Denicion 12.6 Sea S una supercie de ecuacion G(x, y, z) = 0 y R su proyecci on
en el plano xy. Si G(x, y, z) = 0 es de clase C
1
en R y la funcion f(x, y, z) = u es
continua en S, entonces la integral de supercie de f sobre S es
__
S
f(x, y, z) dS =
__
R
f(x, y, z(x, y))
dA
| cos |
(12.2)
Notemos que
dS =
dA
| cos |
=
G
|G
k|
dxdy
Recordemos que, para caracterizar un vector v en el espacio lo mas adecuado es
hacerlo en terminos de los angulos entre el vector v y los tres vectores unitarios
i,

j,
y

k, como muestra la gura 12.9.
o
de Fsica)
Figura 12.9:

Angulos directores de un vector v.
Los angulos , y se llaman los angulos directores de v y los cos , cos ,
cos se denominan los cosenos directores de v. Como
v
i = (v
1
i + v
2
j + v
3
k)
i = v
1
= v
_
_
_
i
_
_
_cos = v cos
se sigue que cos =
v
1
v
. Por un argumento analogo con los vectores unitarios

j y

k,
tenemos
cos =
v
1
v
, cos =
v
2
v
, cos =
v
3
v
En consecuencia, todo vector no nulo v del espacio admite la expresion nor malizada
v
v
=
v
1
v
i +
v
2
v
j +
v
3
v
k = cos
i + cos
j + cos
k
y al ser
v
v
un vector unitario, se deduce que
cos
2
+ cos
2
+ cos
2
= 1
Nota 12.1 Si la funcion f denida sobre la supercie S es simplemente f(x, y, z) =
1, entonces la integral de supercie proporciona el area de la supercie S.
area de la superficie =
__
S
dS
Por otra parte, si S es una lamina de densidad variable y (x, y, z) es la densidad
en el punto (x, y, z), entonces la masa de la lamina viene dada por
masa de la l amina =
__
S
(x, y, z) dS
o
de Fsica)
De forma analoga a la anterior, podramos proyectar la supercie S sobre el plano
xz, con lo que tendremos
__
S
f(x, y, z) dS =
__
R
xz
f(x, y(x, z), z)
dxdz
| cos |
siendo el angulo que forma el plano tangente con la supercie, que coincide con el
angulo que va desde el eje y positivo al vector normal unitario
G
G
a la supercie.
Y por ultimo, al proyectar la supercie sobre el plano yz, se tiene
__
S
f(x, y, z) dS =
__
R
yz
f(x(y, z), y, z)
dydz
| cos |
siendo el angulo que forma el plano tangente con la supercie, que coincide con el
angulo que va desde el eje x positivo al vector normal unitario
G
G
a la supercie.
Es decir , y , son los angulos directores del vector v =
G
G
y cos , cos y
cos los cosenos directores de v.
Hasta ahora estamos suponiendo que la supercie S viene dada mediante una
supercie de nivel G(x, y, z) = 0. En el caso de que la supercie suave S este dada
por una ecuacion de la forma z = g(x, y) denida sobre una region del plano xy,
entonces la integral de supercie se escribe
__
S
f(x, y, z)dS =
__
R
xy
f(x, y, g(x, y))
dxdy
|cos |
=
__
R
xy
f(x, y, g(x, y))
_
g
2
x
+ g
2
y
+ 1 dxdy
ya que G(x, y, z) = z g(x, y) y entonces,
G
G
=
g
x
i g
y
j +
k
_
g
2
x
+ g
2
y
+ 1
= cos
i + cos
j + cos
k
de donde,
dS =
dxdy
|cos |
=
_
g
2
x
+ g
2
y
+ 1 dxdy
An alogamente, la integral de supercie de f sobre una supercie suave x = g(y, z)
denida en una region R
yz
del plano yz es
__
S
f(x, y, z)dS =
__
R
yz
f(g(y, z), y, z)
dydz
|cos |
=
__
R
yz
f(g(y, z), y, z)
_
g
2
y
+ g
2
z
+ 1 dydz
ya que G(x, y, z) = x g(y, z) y entonces
G
G
=
i g
y
j g
z
k
_
g
2
y
+ g
2
z
+ 1
= cos
i + cos
j + cos
k
o
de Fsica)
de donde,
dS =
dydz
|cos |
=
_
g
2
y
+ g
2
z
+ 1 dydz
Por ultimo, la integral de supercie de f sobre una supercie suave y = g(x, z)
denida sobre una region R
xz
en el plano xz es
__
S
f(x, y, z)dS =
__
R
xz
f(x, g(x, z), z)
dxdz
|cos |
=
__
R
xz
f(x, g(x, z), z)
_
g
2
x
+ g
2
z
+ 1 dxdz
ya que G(x, y, z) = y g(x, z) y entonces
G
G
=
g
x
i +
j g
z
k
_
g
2
x
+ g
2
z
+ 1
= cos
i + cos
j + cos
k
de donde,
dS =
dxdz
|cos |
=
_
g
2
x
+ g
2
z
+ 1 dxdz
12.3.1. Integrales de ujo
Una de las aplicaciones fsicas mas importantes de las integrales de supercie
consiste en hallar el ujo de un uido a traves de una supercie S. Para ello vamos a
dar la denicion de integral de supercie de un campo vectorial.
Supongamos una supercie S inmersa en un uido que tiene un campo de velo-
cidades continuo

F. Sea S el area de un trozo peque no de la supercie S sobre el
cual

F es aproximadamente constante.
Entonces la cantidad de ujo que atraviesa esta region por unidad de tiempo viene
aproximada por el volumen de una columna que tiene como altura la proyeccion del
campo vectorial sobre el vector normal unitario

N a la supercie S (ver gura 12.10),
es decir

F

N y como base S, es decir
V = (altura)( area de la base) = (
F

N) S
En consecuencia, el volumen del uido que atraviesa la supercie S por unidad de
tiempo (conocido como ujo de

F a traves de S) viene dado por la integral de
supercie
__
S
F

N dS
Luego tenemos la siguiente denicion.
o
de Fsica)
Figura 12.10: Campo de velocidad

F en la direccion del ujo del uido.
Denicion 12.7 Sea

F(x, y, x) = M
i +N
j +P
k, un campo vectorial de clase C

1
en
la supercie S orientada mediante un vector normal unitario

N. La integral de ujo
a traves de S viene dada por
__
S
F

N dS
Geometricamente, una integral de ujo es la integral de supercie sobre S de la
componente normal de

F. Notemos que las integrales de ujo son ejemplos de la
ecuacion (12.2) con f =

F

N, luego se calculan de la misma manera.
Nota 12.2 Si (x, y, z) es la densidad del uido en (x, y, z), entonces la integral de
ujo
__
S
F

N dS
representa la masa de uido que uye a traves de S por unidad de tiempo.
Una forma muy utilizada de la integral de ujo anterior, viene de la notacion de
campos vectoriales.
Supongamos que tenemos un campo vectorial

F(x, y, z) = M
i + N
j + P
k, donde
M, N y P tienen derivadas parciales primeras continuas en la supercie S, dada por
G(x, y, z) = 0, y sea

N un vector normal unitario exterior a la supercie, de manera
que

N = cos
i + cos
j + cos
k.
Entonces
__
S
F

N dS =
__
S
(M
i + N
j + P
k) (cos
i + cos
j + cos
k) dS
=
__
S
(M cos + N cos + P cos ) dS
=
__
R
yz
M(x, y, z) dydz +
__
R
xz
N(x, y, z) dx dz +
__
R
xy
P(x, y, z) dx dy
o
de Fsica)
12.4. El teorema de la Divergencia 17
que suele escribirse de la forma
__
S
F

N dS =
__
S
M dy dz + N dx dz + P dx dy
y se le llama forma diferencial de las integrales de supercie.
12.4. El teorema de la Divergencia
En el tema anterior, comentamos que el teorema de Green se extiende a tres
dimensiones. Esta importante extension se conoce como teorema de la divergencia
o teorema de Gauss. Recordemos que una formulacion alternativa del teorema de
Green es
_
C
F

N dS =
__
R
_
M
x
+
N
y
_
dA =
__
R
div

F dA
De forma analoga, el teorema de la divergencia muestra la relacion entre una
integral triple en una region solida Q y una integral de supercie sobre la supercie
de Q. En el enunciado del teorema, la supercie S es cerrada en el sentido de que
forma una frontera completa del solido Q. Regiones limitadas por esferas, hemisferios,
elipsoides, cubos, tetraedros o alguna combinacion de estas supercies son ejemplos
tpicos de supercies cerradas. Supongamos que Q es una region solida en la que
puede evaluarse una integral triple, y que la supercie cerrada S se orienta mediante
vectores normales unitarios hacia el exterior.
Con estas restricciones sobre S y Q, enunciamos el teorema siguiente.
Teorema 12.1 (de la divergencia) Sea Q una region solida convexa limitada por
una supercie suave y cerrada S orientada por un vector normal unitario dirigido
al exterior de Q. Si

F es un campo vectorial cuyas funciones componentes tienen
derivadas parciales continuas en Q, entonces.
__
S
F

N dS =
___
Q
div

F dV
Demostracion: Sea Q una region solida convexa, limitada por una supercie cerrada
S suave orientada por un vector normal unitario dirigido al exterior de Q. Suponga-
mos que Q se proyecta en la region R
xy
simplemente conexa, y que cualquier recta
perpendicular al plano xy en un punto interior a R
xy
, intersecta a lo sumo en dos
puntos a la supercie S, produciendo las supercies S
1
y S
2
.
S
1
: z
1
= f
1
(x, y) , (x, y) R
xy
S
2
: z
2
= f
2
(x, y) , (x, y) R
xy
o
de Fsica)
12.4. El teorema de la Divergencia 18
Figura 12.11: Proyeccion de Q sobre los planos xy y xz.
con z
1
z
2
. Analogamente para la proyeccion de Q sobre los otros dos planos coor-
denados.
Si hacemos

F(x, y, z) = M
i + N
j + P
k, el teorema adquiere la forma

__
S
_
M
i

N + N
j

N + P
k

N
_
dS =
___
Q
_
M
x
+
N
y
+
P
z
_
dV
O tambien, si

N = cos
i + cos
j + cos
k
__
S
(M cos + N cos + P cos ) dS =
___
Q
_
M
x
+
N
y
+
P
z
_
dxdydz
Basta probar que:
___
Q
M
x
dxdydz =
__
S
M cos dS
___
Q
N
y
dxdydz =
__
S
N cos dS
___
Q
P
z
dxdydz =
__
S
P cos dS
Demostraremos que
___
Q
P
z
dxdydz =
__
S
P cos dS
y analogamente se hara con las otras dos igualdades.
o
de Fsica)
12.5. El teorema de Stokes 19
__
S
P cos dS =
__
S
2
P cos
2
dS
2
+
__
S
1
P cos
1
dS
1
=
__
R
xy
P(x, y, z
2
) dxdy
__
R
xy
P(x, y, z
1
) dxdy
=
__
R
xy
__
z
2
z
1
P
z
dz
_
dxdy =
___
Q
P
z
dxdydz
Notemos que sobre S
2
la normal exterior tiene componente

k positiva, mientras
que sobre S
1
, la componente

k es negativa, de donde
cos
2
dS
2
= dxdy cos
1
dS
1
= dxdy
Analogamente
___
Q
M(x, y, z)
x
dxdydz =
__
S
M cos dS
___
Q
N(x, y, z)
y
dxdydz =
__
S
N cos dS
y sumando las tres expresiones:
___
Q
_
M
x
+
N
y
+
P
z
_
dxdydz =
__
S
(M cos + N cos + P cos ) dS
que es la llamada formula de OstrogradskiGauss, y el teorema queda probado.
En los problemas para aplicar el teorema de la Divergencia, la integral de supercie

hay que calcularla sobre toda la supercie que encierra el solido, luego puede que
tengamos que calcular varias integrales de supercie.
El teorema de la divergencia es generalizable para regiones mas complejas que se
pueden descomponer en un n umero nito de regiones sencillas del tipo tratado.
12.5. El teorema de Stokes
Un teorema analogo al teorema de Green es el teorema de Stokes. El teorema
de Stokes da la relacion entre una integral de supercie sobre una supercie orientada
S y una integral de lnea a lo largo de la curva espacial cerrada C que constituye el
contorno de S. La direccion positiva a lo largo de C es la contraria a las agujas del
reloj respecto del vector normal

N.
o
de Fsica)
Teorema 12.2 (de Stokes) Sea S una supercie suave orientada con vector normal
unitario

N, cuyo contorno es una curva cerrada simple C, suave a trozos. Si

F es un
campo vectorial cuyas funciones componentes tienen derivadas parciales continuas en
una region abierta Q que contiene S y C, entonces
_
C
F dr =
__
S
(rot

F)

N dS
Demostracion: Sea el campo vectorial

F = M
i + N
j + P
k. Entonces la igualdad
que queremos demostrar se puede escribir de la forma:
_
C
M(x, y, z) dx + N(x, y, z) dy + P(x, y, z) dz
=
__
S
__
P
y

N
z
_
cos +
_
M
z

P
x
_
cos +
_
N
x

M
y
_
cos
_
dS
=
__
S
_
P
y

N
z
_
dydz +
_
M
z

P
x
_
dzdx +
_
N
x

P
y
_
dxdy
As, consideremos la integral curvilnea
_
C
a lo largo de una curva cerrada C que supondremos que se proyecta en el plano
xy en una curva C
cerrada simple y suave a trozos (de Jordan, es decir, sin puntos

m ultiples). Hagamos pasar por C un casquete S de supercie uniforme (con derivadas
parciales continuas) z = f(x, y) de dos caras, que se proyecta seg un el recinto R
limitado por C
en xy.
Figura 12.12: Curva C proyectada en el plano xy en una curva C
.
Poniendo z = f(x, y) y aplicando la formula de Riemann (Teorema de Green),
resulta:
_
C
M(x, y, z) dx =
_
C
M(x, y, f(x, y)) dx =

__
R
_
M
y
+
M
z
f
y
_
dxdy
o
de Fsica)
En efecto, para ello basta darse cuenta que
M
y
+
M
z
f
y
es una primitiva de M(x, y, z) respecto de y. En la ecuacion anterior hemos usado
ademas el mismo criterio del signo, es decir, la integral a lo largo de C
debe hacerse
en sentido contrario a las agujas del reloj, de ah el signo menos.
Por otra parte, cuando estudiabamos los cosenos directores de la normal a la
supercie, encontrabamos, que si G(x, y, z) = f(x, y) z = 0
cos =
f
x
G
, cos =
f
y
G
, cos =
1
G
con
G =
_
f
x
_
2
+
_
f
y
_
2
+ 1
Por lo tanto
f
y
=
cos
cos
por lo que sustituyendo
_
C
M(x, y, z) dx =
__
S
_
M
z
cos
M
y
cos
_
dS
Siguiendo identico razonamiento con las otras integrales, obtendramos
_
C
N(x, y, z) dy =
__
S
_
N
x
cos
N
z
cos
_
dS
_
C
P(x, y, z) dz =
__
S
_
P
y
cos
P
x
cos
_
dS
Sumando estas expresiones obtenemos la formula de Stokes,
_
C
=
__
S
__
P
y

N
z
_
cos +
_
M
z

P
x
_
cos +
_
N
x

M
y
_
cos
_
dS
=
__
S
_
P
y

N
z
_
dydz +
_
M
z

P
x
_
dzdx +
_
N
x

M
y
_
dxdy
o
de Fsica)
que transforma la integral curvilnea del primer miembro extendida a una curva ce-
rrada C, en la integral de supercie extendida a un casquete S contorneado por C.
De este teorema resulta, como condicion necesaria y suciente, para que la integral
a lo largo de todo contorno cerrado sea nula, que se veriquen las siguientes igualdades:
N
x
=
M
y
,
N
z
=
P
y
,
M
z
=
P
x
es decir, como vimos en el tema 11, la condicion necesaria y suciente, para que el
campo vectorial sea conservativo, es que su rotacional sea el vector cero.
Nota 12.3 Puede ocurrir que
_
C
F dr = 0 sobre una curva C (no sobre toda curva

C) lo que implica que
__
S
(rot
F)

N dS = 0 y como consecuencia (rot
F)

N = 0 y
no ser

F conservativo.
o
de Fsica)

Análisis Matemático (Signum)

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

Análisis Matemático (Signum)

Transféré par

Droits d'auteur :

Formats disponibles

Analisis Matematico

Tema 1. Sucesiones y series numericas

Un concepto importante es el de sucesion fundamental o de Cauchy, ya que

Este teorema abre la posibilidad de usar la regla de L Hopital para determinar el

Grupo SiGNum Analisis Matematico (1

En el ejemplo anterior la sucesion {c

1.2.1. Calculo practico de lmites

Denicion 1.8 Se dice que una sucesion de n umeros reales {a

Nota: Si |r| < 1, lm

Grupo SiGNum Analisis Matematico (1

El contrarrecproco de este teorema proporciona un criterio ecaz de divergencia.

Grupo SiGNum Analisis Matematico (1

1.7. Serie alternada

Una forma bastante comoda de probar si una sucesion convergente de funciones

Ejemplo. Para la sucesion f

2.1.1. Propiedades de la convergencia uniforme

Teorema 2.4 Sea {f

(x) = g(x) en [a, b].

(x) = 0, para todo x R. Por

(0) = g(0), mientras que para x = 0 si es f

(x) = g(x), para todo x R.

Grupo SiGNum Analisis Matematico (1

Un criterio operativo para averiguar si una serie funcional converge uniformemente

El dominio de convergencia de una serie de potencias siempre es cierto intervalo

Grupo SiGNum Analisis Matematico (1

Notemos que si L = , entonces R = 0 y si L = 0, R = . Si el lmite no existe,

Un resultado importante desde el punto de vista practico, es el siguiente:

Grupo SiGNum Analisis Matematico (1

Nota: Parece a la vista de este ejemplo, que la serie de la derivada f

(x) converge en los puntos extremos x = c R,

on de funciones por series de potencias 19

on de funciones por series de potencias 20

on de funciones por series de potencias 21

on de funciones por series de potencias 22

on de funciones por series de potencias 23

on de funciones por series de potencias 24

on de funciones por series de potencias 25

etricas. Series de Fourier 26

Como vemos en un mismo espacio vectorial se pueden denir distintas distancias,

Denicion 3.9 Se dice que un conjunto A R

3.1.1. Clasicacion de los puntos de un conjunto

Grupo SiGNum Analisis Matematico (1

basta quitarle a A los puntos aislados de A.

no tienen en general ninguna relacion de inclusion con A ni con su

3.1.2. Conjuntos acotados, compactos y conexos

f : [0, 1] A tal que

Las funciones escalares y vectoriales aparecen con frecuencia en las aplicaciones

Denicion 3.24 Sean

Grupo SiGNum Analisis Matematico (1

mite de una funci

mite de una funci

. Diremos que f(x, y)

mite de una funci

mite de una funci

mite de una funci

mite de una funci

b) < . As, lim

Este teorema nos da pie a que en lo sucesivo, consideremos exclusivamente el

h(y) = (4 + y, sen 2y)

La primera condicion (la equivalencia de la continuidad de

donde exista el siguiente lmite, tenemos denida

(x) (resp. derivada por la derecha

(a) es la pendiente de la recta tangente y = f(a) +f

(a)(x a) a la curva y = f(x)