Apuntes de Calculo II

Javier Llorente
Junio 2005
2

Indice general
1. Funciones de varias variables 7
1.1. Conjuntos asociados a funciones . . . . . . . . . . . . . . . . . 8
1.1.1. Dominio de una funcion . . . . . . . . . . . . . . . . . 8
1.1.2. Imagen de una funcion . . . . . . . . . . . . . . . . . . 8
1.1.3. Graca de una funcion . . . . . . . . . . . . . . . . . . 8
1.1.4. Conjuntos de nivel . . . . . . . . . . . . . . . . . . . . 8
1.1.5. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2. R
n
como espacio metrico . . . . . . . . . . . . . . . . . . . . . 9
1.3. R
n
como espacio vectorial normado . . . . . . . . . . . . . . . 10
1.4. Topologa de conjuntos en R
n
. . . . . . . . . . . . . . . . . . 11
1.5. Lmites y continuidad . . . . . . . . . . . . . . . . . . . . . . . 13
1.5.1. Denicion del lmite . . . . . . . . . . . . . . . . 13
1.5.2. Continuidad de funciones . . . . . . . . . . . . . . . . . 13
1.5.3. Propiedades de los lmites y de las funciones continuas 14
1.5.4. Existencia de lmites . . . . . . . . . . . . . . . . . . . 16
1.5.5. Calculo de lmites . . . . . . . . . . . . . . . . . . . . . 16
1.6. Propiedades topologicas de las funciones continuas . . . . . . . 18
2. Diferenciabilidad y derivadas parciales 19
2.1. Diferencial de una funcion en un punto . . . . . . . . . . . . . 19
2.2. Matriz de la aplicacion lineal df . . . . . . . . . . . . . . . . . 20
2.3. Propiedades de la diferenciacion . . . . . . . . . . . . . . . . . 22
2.3.1. Suma de funciones diferenciables . . . . . . . . . . . . 22
2.3.2. Regla de Leibniz . . . . . . . . . . . . . . . . . . . . . 22
2.3.3. Regla de la cadena . . . . . . . . . . . . . . . . . . . . 22
2.4. Teorema de Euler . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5. Funciones de clase C
1
. . . . . . . . . . . . . . . . . . . . . . . 23
2.6. Derivadas parciales y diferenciales sucesivas . . . . . . . . . . 23
2.7. Derivadas direccionales . . . . . . . . . . . . . . . . . . . . . . 25
2.7.1. Interpretacion geometrica del gradiente . . . . . . . . . 25
2.8. Plano tangente a supercies . . . . . . . . . . . . . . . . . . . 25
3
4

INDICE GENERAL
2.8.1. Ecuacion del plano tangente a L
c
(f) . . . . . . . . . . 26
2.8.2. Plano tangente a la graca de una funcion . . . . . . . 26
2.9. Divergencia y rotacional . . . . . . . . . . . . . . . . . . . . . 27
2.9.1. Teoremas sobre la divergencia y el rotacional . . . . . . 27
3. Formula de Taylor y extremos 29
3.1. Formula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2. Extremos de funciones . . . . . . . . . . . . . . . . . . . . . . 31
3.2.1. Clasicacion de puntos crticos . . . . . . . . . . . . . . 32
3.2.2. Extremos en puntos frontera . . . . . . . . . . . . . . . 33
3.3. Funcion inversa . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.1. Invertibilidad local . . . . . . . . . . . . . . . . . . . . 34
3.3.2. Teorema de la funcion inversa . . . . . . . . . . . . . . 35
3.4. Funciones implcitas . . . . . . . . . . . . . . . . . . . . . . . 36
3.4.1. Teorema de la funcion implcita . . . . . . . . . . . . . 36
3.5. Subvariedades diferenciables . . . . . . . . . . . . . . . . . . . 37
3.5.1. Vectores tangentes y normales a subvariedades . . . . . 38
3.6. Extremos condicionados . . . . . . . . . . . . . . . . . . . . . 39
3.6.1. Multiplicadores de Lagrange . . . . . . . . . . . . . . . 39
4. Integrales m ultiples 41
4.1. Integral doble sobre un rectangulo . . . . . . . . . . . . . . . . 41
4.1.1. Teorema de Lebesgue para integrales de Riemann . . . 42
4.2. Propiedades de la integral . . . . . . . . . . . . . . . . . . . . 43
4.3. Teorema de Fubini . . . . . . . . . . . . . . . . . . . . . . . . 44
4.3.1. Interpretacion geometrica . . . . . . . . . . . . . . . . 45
4.4. Integracion sobre conjuntos generales . . . . . . . . . . . . . . 45
4.4.1. Regiones de tipo I . . . . . . . . . . . . . . . . . . . . . 46
4.4.2. Regiones de tipo II . . . . . . . . . . . . . . . . . . . . 46
4.4.3. Regiones de tipo III . . . . . . . . . . . . . . . . . . . . 46
4.5. Integrales m ultiples . . . . . . . . . . . . . . . . . . . . . . . . 47
4.5.1. Teorema general de Fubini . . . . . . . . . . . . . . . . 47
4.6. Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.6.1. Tipos de regiones en R
3
. . . . . . . . . . . . . . . . . 48
4.7. Cambio de variables . . . . . . . . . . . . . . . . . . . . . . . 49
4.7.1. Coordenadas polares . . . . . . . . . . . . . . . . . . . 49
4.7.2. Coordenadas cilndricas . . . . . . . . . . . . . . . . . 50
4.7.3. Coordenadas esfericas . . . . . . . . . . . . . . . . . . 50
4.8. Aplicaciones de la integral . . . . . . . . . . . . . . . . . . . . 50
4.8.1. Centro de masa . . . . . . . . . . . . . . . . . . . . . . 50
4.8.2. Momento de inercia . . . . . . . . . . . . . . . . . . . . 51

INDICE GENERAL 5
4.8.3. Promedio integral . . . . . . . . . . . . . . . . . . . . . 51
5. Integrales de lnea y supercie 53
5.1. Longitud de una curva parametrica . . . . . . . . . . . . . . . 53
5.1.1. Reparametrizacion de curvas . . . . . . . . . . . . . . . 54
5.2. Integrales sobre curvas parametricas . . . . . . . . . . . . . . . 54
5.2.1. Integral de trayectoria para campos escalares . . . . . . 54
5.2.2. Integral de lnea . . . . . . . . . . . . . . . . . . . . . . 55
5.3. Campos conservativos . . . . . . . . . . . . . . . . . . . . . . 56
5.4. Teorema de Green en el plano . . . . . . . . . . . . . . . . . . 59
5.4.1. Teorema de Green para regiones m ultiplemente conexas 60
5.5. Integrales de supercie . . . . . . . . . . . . . . . . . . . . . . 60
5.5.1. Integracion de campos escalares sobre supercies . . . . 61
5.5.2. Integracion de campos vectoriales sobre supercies . . . 61
5.5.3. Teoremas de Stokes y Gauss . . . . . . . . . . . . . . . 62
6

INDICE GENERAL
Captulo 1
Funciones de varias variables
Durante este curso el conjunto que se estudiara sera R
n
, denido como:
R
n
= ( R R R
. .
n
)
Es decir, R
n
es el producto cartesiano de R R n veces. Tambien se puede
describir este conjunto como el de las n-uplas de componentes reales, es decir:
R
n
= (x
1
, . . . , x
n
)[x
i
R i : 1 i n
Son tambien importantes las funciones de un cierto R
n
en otro R
m
, esto es,
las funciones de la forma:
f : R
n
R
m
x y =

f(x)
Donde si

f va de un R
n
en un R
m
, m ,= 1 se tiene:
y =

f(x)
_
_
_
y
1
.
.
.
y
m
_
_
_
=
_
_
_
f
1
(x
1
, . . . , x
n
)
.
.
.
f
m
(x
1
, . . . , x
n
)
_
_
_
Ejemplo Sea

f : R
3
R
2
denida por:
y =
_
y
1
y
2
_
=
_
f
1
(x
1
, x
2
, x
3
)
f
2
(x
1
, x
2
, x
3
)
_
=
_
x
2
1
+x
2
+x
3
x
1
+
_
x
2
+x
2
3
_
Esto es un ejemplo de una funcion de 3 variables en el conjunto R
2
7
8 CAP

ITULO 1. FUNCIONES DE VARIAS VARIABLES

1.1. Conjuntos asociados a funciones
Se veran ahora algunos conjuntos importantes a la hora de estudiar estas
funciones de varias variables
1.1.1. Dominio de una funcion
Dada una funcion f : R
n
R
m
se dene el dominio de dicha funcion y
se denotara por T(f) al conjunto de puntos de R
n
para los cuales esta denida
la funcion, es decir, el conjunto:
T(f) = x R
n
[f(x) R
n
Para funciones vectoriales, es decir, funciones del tipo

f : R
n
R
m
se
dene el dominio como la interseccion de los dominios de cada una de las
funciones que denen

f, es decir:
T(

f) =
m

i=1
T(f
i
)
1.1.2. Imagen de una funcion
Dada una funcion

f : R
n
R
m
llamaremos imagen o rango de

f y lo
denotaremos por 1(

f) al conjunto:
1(

f) = y R
m
[y =

f(x)x T(f) R
m
1.1.3. Graca de una funcion
Dada

f : R
n
R
m
llamaremos grafo o graca de

f al conjunto:
((

f) = (x,

f(x))[x T(

f) R
n+m
1.1.4. Conjuntos de nivel
Dada una funcion f(x
1
, . . . , x
n
) y c R, llamaremos conjunto de nivel de
valor c para la funcion f a un subconjunto del espacio inicial denido como:
L
c
(f) = x T(f)[f(x) = c R
n
1.1.5. Ejemplos
A continuacion se veran algunos ejemplos de estos conjuntos en ciertas
funciones.
1.2. R
N
COMO ESPACIO M

ETRICO 9
1. Sea f : R R denida como:
f(x) =
1
x
2
Sus conjuntos asociados seran:
T(f) = x R[x
2
,= 0 = R 0
1(f) = y R[y = f(x)x T(f) = R
+
0
((f) = (x, f(x)[x T(f) = (x, y)[y = f(x) R
2
2. Sea f : R R
2
denida por:

f(x) =
_
x(t)
y(t)
_
=
_
cos(t)
sen(t)
_
Sus conjuntos asociados seran:
T(

f) = R
1(

f) = (x, y) R
2
[x = cos(t), y = sen(t) R
2
((

f) = x R
3
[x
1
= t, x
2
= cos(t), x
3
= sen(t)
3. Conjuntos de nivel de la funcion denida por:
f : R
2
R
(x, y) x
2
+y
2
Se tienen los casos siguientes:
c > 0 L
c
(f) = circunferencias de radio

c
c = 0 L
c
(f) = (0, 0)
c < 0 L
c
(f) =
1.2. R
n
como espacio metrico
Denicion: Un espacio metrico es un conjunto X dotado con una nocion
de distancia. Una distancia es una aplicacion d : X X R que satisface
las siguientes propiedades:
i) d(x, y) 0x, y X; d(x, y) = 0 x = y
ii) d(x, y) = d(y, x)x, y X
iii) d(x, z) d(x, y) +d(y, z)x, y, z X(Desigualdad triangular)
10 CAP

ITULO 1. FUNCIONES DE VARIAS VARIABLES

Denicion: Un espacio vectorial normado es un espacio vectorial provisto
de una aplicacion || : V R que cumple las siguientes propiedades:
i) v V |v| 0; |v| = 0 v =

0
ii) R; v V | v| [ [ |v|
iii) u, v V |u +v| |u| +|v|
Sea V un espacio vectorial normado. Se dene la distancia en V como:
d(v, w) = | w v|
Proposicion: Todo espacio vectorial normado es un espacio metrico, toman-
do como distancia la anterior denicion usando la norma en V . A partir de
aqu es facil probar las siguientes igualdades:
v V | v| = |v|
u, v V [ |u| |v| [ |u v|
1.3. R
n
como espacio vectorial normado
Puesto que los espacios vectoriales normados son un caso de los espacios
metricos, se tiene que deniendo una norma en R
n
, este es un espacio vectorial
normado. Deniremos la norma en R
n
utilizando el producto escalar.
Sean x = (x
1
, . . . , x
n
) R
n
y = (y
1
, . . . , y
n
) R
n
_
x y =
n

i=1
x
i
y
i
= x
1
y
1
+. . . +x
n
y
n
Entonces |x| =

x x
Lema: Desigualdad de Cauchy-Schwartz Esta desigualdad establece
que:
x, y R
n
[ x y [ |x||y|
Demostracion: Deniremos una funcion g(t) de la cual hallaremos sus
mnimos
i) y R
n
0 0
ii) y ,=

0 g(t) = (x +ty) (x +ty) = |x +ty|

2
Desarrollando la funcion g(t) y derivandola se tiene:
g(t) = x x + 2x yt +y yt
2
0
1.4. TOPOLOG

IA DE CONJUNTOS EN R
N
11
g

(t) = 2x y + 2ty y t
0
=
xy
yy
g

(t) = 2y y > 0
_
t
0
= mn g(t)
De aqu, sustituyendo t
0
en g(t) se tiene:
g(t
0
) = x x
(xy)
2
yy
0
(x y)
2
(x x)(y y) [ x y [ |x||y|
Esta desigualdad se satura en caso de que x y y sean linealmente dependien-
tes.

Angulo entre dos vectores El angulo que forman dos vectores en R

n
se
puede denir utilizando el producto escalar como:
cos
(x,y)
=
x y
|x||y|
Propiedades de la norma Las normas en R
n
tienen las siguientes propiedades:
i) |x| =
_
n

i=1
x
2
i
0; |x| = 0 x =

0
ii) |x| =[ [ |x|
iii) |x +y| |x| +|y|
1.4. Topologa de conjuntos en R
n
La topologa se encarga de describir los subconjuntos de R
n
dependiendo
del lugar que ocupan los puntos. As podemos denir los siguientes conceptos.
Denicion: Bola abierta Dado un punto x R
n
y un n umero real r > 0
se llama bola abierta de centro x y radio r al conjunto:
B
r
(x) y R
n
[ d(x, y) = |y x| < r
Denicion: Bola abierta perforada Se llama bola abierta perforada de
centro x y radio r > 0 al conjunto:
B

r
(x) = B
r
(x) x
Es decir, es una bola abierta de la cual se excluye su centro.
12 CAP

ITULO 1. FUNCIONES DE VARIAS VARIABLES

Denicion: Dado un subconjunto A R
n
y x R
n
:
x es punto interior de A r > 0 [ B
r
(x) A
x es punto exterior de A r > 0 [ B
r
(x) (R
n
A)
x es punto frontera de A r > 0 [ B
r
(x) A ,= ; B
r
(x) (R
n
A) ,=
Existen varios conjuntos seg un la posicion relativa de x:

A
= x R
n
[ x es punto interior de A
ext A = x R
n
[ x es punto exterior de A
A = x R
n
[ x es punto frontera de A
Estos conjuntos tienen las siguientes propiedades:
i)

A
ext A A = R
n
ii)

A
ext A =

A
A = ext A A =
Denicion: Punto aislado Se dice que x R
n
es punto aislado de A
cuando r > 0 B
r
(x) [ B
r
(x) A = xx A
Denicion: Punto de acumulacion Se dice que x R
n
es punto de
acumulacion de A R
n
r > 0 B

r
(x) [ B

r
(x) A ,= . Es decir, si
podemos encontrar puntos de A tan cerca como queramos del punto x.
Denicion: Conjunto abierto Se dice que A R
n
es abierto cuando
todos sus puntos son interiores, es decir, si A =

A
. Estos conjuntos tienen
las siguientes propiedades:
i) R
n
y son abiertos
ii) Dada una coleccion de abiertos A

I


I
es abierto
iii) Dados A y B abiertos A B es abierto
Denicion: Conjunto cerrado Un conjunto A R
n
es cerrado si su
conjunto complementario, R
n
A es abierto. Los conjuntos cerrados tienen
las siguientes propiedades:
i) R
n
, son cerrados y abiertos al mismo tiempo
ii) Dada una coleccion de cerrados F

I


I
es cerrado
iii) Dados F y G cerrados, entonces F G es cerrado
1.5. L

IMITES Y CONTINUIDAD 13
Ejemplo En R:

n=2
[0, 1
1
n
] = [0, 1)
Denicion: Dado A R
n
se llama cierre de A(A) al conjunto A =

A
A.
A es cerrado si y solo si A = A.
Denicion: Un conjunto K R
n
se dene como acotado si:
K acotado M > 0 [ x K |x| M
Denicion: Un conjunto K R
n
se dice compacto si es cerrado y acotado.
1.5. Lmites y continuidad
En esta seccion se estudiaran los lmites y la continuidad de las funciones
de varias variables.
1.5.1. Denicion del lmite
Dada una funcion

f : R
n
R
m
y un punto a R
n
que sea punto de
acumulacion de T(

f) se dice que:
lm
xa

f(x) =

b > 0 () > 0 [ 0 < |x a| < () |

f(x)

b| <
Es decir, dado un grado de proximidad > 0 es posible encontrar un > 0
de forma que si los puntos x T(

f) distan de a menos que , entonces los

puntos

f(x) 1(

f) distaran de

b menos que
1.5.2. Continuidad de funciones
A partir de la denicion de lmite por el criterio - anterior podemos
denir el concepto de continuidad de una funcion en un punto a de su do-
minio:
Denici on: Funcion continua Dada una funcion

f : R
n
R
m
y un
punto a T(f) diremos que f es continua en a s y solo s:
> 0 () > 0 [ |x a| < () |

f(x) lm
xa

f(x)| <
es decir, si:
B

b) B
()
(a) [

f(B
()
(a)) B

f(a))
14 CAP

ITULO 1. FUNCIONES DE VARIAS VARIABLES

Es decir, dada una bola abierta de radio y centrada en

b =

f(a), existira otra
bola abierta de radio y centrada en a que contenga a los elementos cuyas
imagenes pertenecen a la bola anterior.
Si

f es una funcion continua en un punto a hay varias posibilidades: La
primera que a sea punto aislado de T(f) o bien que sea punto de acu-
mulacion, en cuyo caso se tiene que lm
xa

f(x) =

f(a). Por otro lado, si
lm
xa

f(x) ,=

f(a) se dira que f tiene una discontinuidad evitable en x =a,
que se evitara deniendo una nueva funcion dada por:

f
2
(x) =
_

f
1
(x) x ,=a
lm
xa

f(x) x =a
1.5.3. Propiedades de los lmites y de las funciones
continuas
Todas estas propiedades son demostrables aplicando la denicion - del
lmite.
Propiedad 1: Dadas dos funciones

f, g : R
n
R
m
con lmites

b
1
y

b
2
en
x =a se tiene:
lm
xa
(

f(x) +g(x)) =

b
1
+

b
2
Puede que la suma de dos funciones discontinuas en un cierto x sea con-
tinua para ese valor, sin embargo, suma de funciones continuas sera siem-
pre continua y suma de una funcion continua con una discontinua siempre
sera discontinua.
Propiedad 2: Sean f, g : R
n
R. Si ambas tienen lmite en un cierto
x =a y valen b
1
y b
2
, entonces se tiene:
lm
xa
(f(x) g(x)) = b
1
b
2
El producto de funciones continuas es siempre una funcion continua.Puede
ocurrir que el producto de una funcion continua por una discontinua sea
continua o bien que el producto de dos funciones discontinuas sea continua.
Propiedad 3: Dada f : R
n
R tal que f(a) = b ,= 0 se tiene:
lm
xa
1
f(x)
=
1
b
1.5. L

IMITES Y CONTINUIDAD 15
Por otro lado, dadas f, g continuas en a tal que g(a) ,= 0 entonces se tiene:
lm
xa
_
h(x) =
f(x)
g(x)
_
luego h(x) es continua en x =a
Propiedad 4: Dada una funcion vectorial de m componentes escalares

f : R
n
R
m
se tiene:
lm
xa

f(x) =

b lm
xa
f
i
(x)) = b
i
1 i m
Una funcion vectorial es continua si y solo si lo son cada una de sus funciones
componentes f
i
Propiedad 5: Dada f : R
n
R, si f es continua en x =a, f(a) > 0(< 0)
y a es punto de acumulacion de T(f), entonces:
r > 0 [ f(x) > 0(< 0)x B
r
(a) T(f)
Propiedad 6: Dadas tres funciones f, g, h : R
n
R, si r > 0 tal
que f(x) h(x) g(x) para todo x B
r
(a) y ademas lm
xa
f(x) =
lm
xa
g(x) = b se tiene:
lm
xa
h(x) = b
Este resultado se conoce como criterio de comparacion.
Propiedad 7: Dadas f, g : R
n
R, si lm
xa
f(x) = 0 y ademas existen
dos n umeros reales M, r > 0 tales que [ g(x) [ M x B
r
(a) T(f),
entonces se tiene:
lm
xa
(f(x) g(x)) = 0
Es decir, el lmite de una funcion nula en x = a por una funcion acotada es
nulo.
Propiedad 8: Dadas f : R
n
R
p
y g : R
p
R
m
, se dene g f como
g(f(x)). Supongamos que se cumple:
i) a es punto de acumulacion de T(f) y f(x) es continua en a
ii) f(a) es punto de acumulacion de T(g) y g(x) es continua en a
iii) a es punto de acumulacion de T(g f) y g f es continua en x =a
16 CAP

ITULO 1. FUNCIONES DE VARIAS VARIABLES

Entonces se tiene:
lm
xa
g(f(x)) = g(f(a))
La funcion resultante de la composicion de dos funciones continuas es con-
tinua en general.
1.5.4. Existencia de lmites
Denicion: Lmite a lo largo de curvas. Sea f(x) una funcion escalar de
n variables y sea a T(f). Sea (t) una curva continua en R
n
( : R R
n
)
tal que (0) = a y r > 0 tal que f(B

r
(0) = (r, 0) (0, r)) T(f).
Entonces llamamos lmite de f(x) a lo largo de la curva

(t) al lmite:
lm
t0
f((t))
Para todo a perteneciente al conjunto de puntos frontera del dominio de f
se tiene que el lmite solo esta denido en una direccion de la curva. Si a lo
largo de varias curvas el lmite no coincide, se dice que no existe el lmite.
Veamos el siguiente ejemplo:
Ejemplo: Sea la funcion
f(x, y) =
x +y
x y
y la familia de rectas que pasan por el origen, dadas por y = mx. Entonces,
a lo largo de las rectas, el lmite sera:
lm
(x,y)(0,0)
f(x, y) = lm
x0
x +mx
x mx
=
(1 +m)x
(1 m)x
=
1 +m
1 m
El lmite depende por tanto de la recta que se tome y se dice que no existe
el lmite. Por otro lado, aunque los lmites a lo largo de todas las rectas
coincidan, es posible que exista otra familia de curvas a traves de las cuales
el lmite no sea el mismo, por tanto es imposible determinar el lmite por este
procedimiento.
1.5.5. Calculo de lmites
Veamos ahora como se calculan los lmites de funciones de varias vari-
ables. Sera necesario el teorema de Taylor visto en Calculo I y el concepto
de innitesimo.
1.5. L

IMITES Y CONTINUIDAD 17
Denicion: Innitesimo Dadas dos funciones f, g con g(x) 0 se dice
que f(x) es un innitesimo de g(x) y se escribe f(x) = o(g(x)) si se cumple:
lm
x

0
f(x)
g(x)
= 0
Veamos ahora algunos ejemplos del calculo de lmites de funciones de varias
variables.
Ejemplo Calcular
lm
(x,y)(0,0)
e
xy
xy
+ sen x sen y
Se hallar a primero (si es que existe) la funcion en el punto dado, en este caso
el (0, 0):
f(0, 0) =
1

,= 0 la funcion es continua
Veamos ahora el caso en el que = 0. La unica posibilidad de que la funcion
sea continua es que se trate de una indeterminacion del tipo 0/0, en cuyo
caso se tiene = 1, luego:
lm
(x,y)(0,0)
e
xy
1 xy
sen x sen y
Los desarrollos de Taylor para la exponencial y el seno son:
e
x
=

n=0
x
n
n!
; sen(x) =

n=0
x
2n+1
(2n + 1)!
Por tanto, el lmite a calcular sera:
lm
(x,y)(0,0)
1 +xy +o([xy[) 1 xy
xy +x o([y[) +y o([x[) +o([x[) o([y[)
Dividiendo por el termino xy en numerador y denominador se tiene:
lm
(x,y)(0,0)
(1 ) +
o(|xy|)
xy
1 +
o(|y|)
y
+
o(|x|)
x
+
o(|x|)o(|y|)
xy
= 1
Si usando innitesimos no se pudiera simplicar por la denicion de in-
nitesimo, se tendra que la funcion es discontinua y por tanto solo queda
dar un ejemplo de dos curvas a traves de las cuales el lmite de la funcion
cambie.
18 CAP

ITULO 1. FUNCIONES DE VARIAS VARIABLES

1.6. Propiedades topologicas de las funciones
continuas
Denicion: Un conjunto abierto A R
n
se dice conexo si y solo si para
todos x, y A existe un arco continuo : [a,

b] A R
n
tal que (a) = x,
(

b) = y y ademas para todo c [a,

b] se tiene que (c) A. Es decir, es

posible trazar una curva desde x hasta y sin salir del conjunto A
Teorema 1.6.1 (Valores intermedios). Dada una funcion continua f : R
n

R consideremos un conjunto abierto y conexo A T(f) y un par de puntos

x, y A tales que:
f(x) =
f(y) =
_
<
entonces se tiene que:
[ z A [ f(z) =
Teorema 1.6.2. La imagen de un abierto conexo por una funcion continua
es un intervalo en R
Teorema 1.6.3. Dada una funcion contnua

f : R
n
R
m
y un conjunto
compacto S T(f) se tiene que f(S) R
m
es un compacto.
Teorema 1.6.4. Si S R
n
es compacto y la funcion f : S R
n
R es
continua en S, entonces f esta acotada en S y alcanza en puntos de S los
valores M = sup
xS
f(S) y m =nf
xS
f(S).
Teorema 1.6.5. Si

f : R
n
R
m
es continua y biyectiva de S en f(S) y
S es compacto, entonces

f
1
:

f(S) S es tambien continua.
A las funciones continuas y biyectivas tales que su inversa es tambien
continua se les llama homeomorsmos y preservan las propiedades topologicas
de los conjuntos.
Captulo 2
Diferenciabilidad y derivadas
parciales
En este captulo se introduce la nocion de derivada para funciones de
varias variables.
2.1. Diferencial de una funcion en un punto
Para estudiar la diferenciacion de funciones de varias variables seran nece-
sarios algunos conceptos de algebra lineal sobre la teora de aplicaciones linea-
les. Ademas es necesario denir la norma de una aplicacion lineal, sabiendo
que las aplicaciones lineales son continuas en todos los puntos.
Denicion Dada la esfera n 1 dimensional:
S
n1
= x R
n
[ |x| = 1
Se dene la norma de la aplicacion lineal A como:
|A| = max
xS
n1
|A(x)| = max
x=0
|A(v)|
|v|
de donde si la norma es el maximo de los cocientes de la norma del vector
imagen de v por A y la norma de v inmediatamente se tiene:
|A(v)|
|v|
|A| |A(v)| |A| |v|
19
20 CAP

ITULO 2. DIFERENCIABILIDAD Y DERIVADAS PARCIALES

Denicion Sea f : R
n
R
m
con dominio T(f) = U R
n
. Sea a un
punto interior de U. Se dice que f es diferenciable en a si existe una bola
B
r
(

0) U y una aplicacion lineal A : R

n
R
m
tales que:
f(a +

h) = f(a) +A(

h) +o(|

h|)

h B
r
(

0)
Es decir, f es diferenciable en a si:
f(a;

h) f(a +

h) f(a) +A[

h] +o(|

h|)
Unicidad de la diferencial La aplicacion lineal A, en caso de que exista,
es unica y se llama diferencial de f
Denicion Una funcion f se dice diferenciable en un abierto U T(f) si
lo es a U.
Proposicion Si f es diferenciable en un punto a T(f), entonces f es
continua en ese punto.
Demostracion
f(a;

h) f(a +

h) f(a) = A[

h] +o(|

h|)
lm

0
[f(a +

h) f(a)] = 0
lm

0
f(a +

h) = f(a)
Luego f es continua en a.
Denicion: Derivadas parciales Sea f : R
n
R
m
y sea a T(f). Se
llama derivada parcial de f respecto de la variable x
i
al lmite:
f
x
i
= lm
h0
f(a +he
i
) f(a)
h
Donde e
i
es el i-esimo vector de la base canonica, es decir, todos sus elementos
son nulos excepto un 1 en la posicion i. Para calcular una derivada parcial se
toman como constantes el resto de variables y se deriva respecto a la variable
x
i
.
2.2. Matriz de la aplicacion lineal df
1. Sea f : R R. La matriz de la aplicacion lineal sera una matriz 1 1
y vendra dada por la derivada de f.
2.2. MATRIZ DE LA APLICACI

ON LINEAL DF 21
2. Sea f : R
n
R. La matriz de la aplicacion lineal sera un vector 1 n
y se llama gradiente de f.

f(a) =
_
f
x
1
(a),
f
x
2
(a), ,
f
x
n
(a)
_
Este vector act ua sobre el vector de incrementos

h:
f(a,

h) =
_
f
x
1
(a),
f
x
2
(a), ,
f
x
n
(a)
_

_
_
_
_
_
h
1
h
2
.
.
.
h
n
_
_
_
_
_
=

f

h
Otra notacion para la diferencial de una funcion de este tipo es:
df(a) =
n

i=1
f
x
i
(a) dx
i
3. Sea una curva parametrica r : R R
m
r(t)
_
_
_
_
_
x
1
(t)
x
2
(t)
.
.
.
x
n
(t)
_
_
_
_
_
r(t
0
) =
_
_
_
x
1
(t
0
+ t) x
1
(t
0
)
.
.
.
x
m
(t
0
+ t) x
m
(t
0
)
_
_
_
=
_
_
_
dx
1
dt
.
.
.
dx
m
dt
_
_
_
(t
0
)t+o([t[)
Donde el vector
dr(t
0
) =
_
_
_
dx
1
dt
.
.
.
dx
m
dt
_
_
_
es un vector tangente a la trayectoria de la curva en el punto t
0
4. Matriz Jacobiana Sea

f : R
n
R
m
. La matriz de la aplicacion lineal
diferencial de f se llama matriz Jacobiana de f en a y viene dada por:
d

f(a)
_
_
_
f
1
x
1

f
1
x
n
.
.
.
.
.
.
f
m
x
1

f
m
x
n
_
_
_
mn
Las las de la matriz Jacobiana de

f son los gradientes de cada una de las
funciones escalares que componen

f
22 CAP

ITULO 2. DIFERENCIABILIDAD Y DERIVADAS PARCIALES

2.3. Propiedades de la diferenciacion
2.3.1. Suma de funciones diferenciables
Sean

f
1
,

f
2
: R
n
R
m
diferenciables en a R
n
. Se tiene que

f
1
+

f
2
es
diferenciable y su diferencial vale:
d(

f
1
+

f
2
)(a) = d

f
1
(a) +d

f
2
(a)
Ademas d(

f)(a) = d

f(a) R, es decir, la diferenciacion es lineal puesto

que respeta la suma y el producto por escalares.
2.3.2. Regla de Leibniz
Sean f, g : R
n
R diferenciables en a R
n
. El producto (f g)(x) =
f(x) g(x) es diferenciable en a y su diferencial vale:
d(f g)(a) = [df g +f dg](a)
Esta regla puede aplicarse a productos no conmutativos como el producto
vectorial, siempre y cuando se respete el orden de factores.
2.3.3. Regla de la cadena
Sean f : R
n
R
m
y g : R
m
R
p
tales que f es diferenciable en
a R
n
y g es diferenciable en

b = f(a) R
m
. Entonces la composicion de
ambas funciones h(x) = g(f(x)) es diferenciable en a R
n
y su diferencial
es:
dh(x) = d(g f)(a) = dg(f(a)) df(a)
Recordando que la diferencial es una aplicacion lineal y que la composicion
de aplicaciones lineales viene dada por la matriz producto de las matrices de
cada aplicacion se tiene:
_
_
_
h
1
x
1

h
1
x
n
.
.
.
.
.
.
h
m
x
1

h
m
x
n
_
_
_
(a) =
_
_
_
g
1
x
1

g
1
x
m
.
.
.
.
.
.
g
p
x
1

g
p
x
m
_
_
_
(f(a))
_
_
_
f
1
x
1

f
1
x
n
.
.
.
.
.
.
f
m
x
1

f
m
x
n
_
_
_
(a)
Es decir, la matriz Jacobiana de una composicion es el producto de Jaco-
bianas de cada una de las funciones. Otra forma de expresar esto es:
h
i
x
k
=
m

j=1
h
i
y
j

y
j
x
k
Donde las parciales de h
i
se eval uan en f(a) y las de y
j
se eval uan en a.
2.4. TEOREMA DE EULER 23
2.4. Teorema de Euler
Denicion Sea f : R
n
R. Se dice que f es una funcion homogenea de
grado p si se cumple:
f(x) =
p
f(x)
A estas funciones homogeneas se las puede aplicar el siguiente teorema:
Teorema 2.4.1 (Euler). Sea f(x
1
, . . . , x
n
) una funcion homogenea de grado
p. Entonces se cumple la relacion:
x

f(x) =
n

i=1
f
x
i
x
i
= p f(x)
2.5. Funciones de clase C
1
Denicion Una funcion f : R
n
R se dice de clase C
1
en un abierto U
T(f) R
n
si y solo si para todo x U existen todas las derivadas parciales
de f y son funciones continuas en x. La suma de funciones de clase C
1
es
una funcion de clase C
1
. Ademas todas estas funciones son diferenciables .
Teorema 2.5.1. Si f : R
n
R es de clase C
1
en un abierto U, entonces
x U, f es diferenciable.
2.6. Derivadas parciales y diferenciales suce-
sivas
Sea f : R
n
R
m
diferenciable en un abierto U T(f). La aplicacion
diferencial ha sido denida como:
df : R
n
L(R
n
, R
m
)
x U R
n
df(x) =
f
i
x
j
(x)
Podemos ahora denir las diferenciales sucesivas de la funcion f como:
d
(p)
f(x) =

p
f
i
x
jp
x
j1
Denicion Dada una funcion f diremos que es de clase C
n
en el abierto
U T(f) si existen todas las derivadas parciales de orden n y son continuas
en el abierto U.
24 CAP

ITULO 2. DIFERENCIABILIDAD Y DERIVADAS PARCIALES

Denicion Se denen las derivadas cruzadas de una funcion f como:

p
f
x
p
x
1
=

x
p

x
p1

f
x
1
Es decir, las derivadas cruzadas se calculan derivando cada vez respecto a
una variable distinta. Estas son derivadas de orden p. Es posible que todas
las derivadas cruzadas coincidan, esta posibilidad esta dada por el lema de
Schwartz.
Lema (Schwartz) Sea f(x
1
, . . . , x
n
) una funcion de clase C
n
en un abierto
U T(f). Entonces se tiene que todas las derivadas cruzadas son iguales
para todas las permutaciones posibles de las variables.
Ejemplo Sea f(x, y) una funcion de clase C
2
. Entonces se tiene:
f
yx
=
f
xy
Por ejemplo, sea f(x, y) = sen(xy
2
) (de clase C

). Se tiene:
f
x
= y
2
cos(xy
2
)
f
y
= 2xy cos(xy
2
)

2
f
yx
=

y

f
x
= 2y cos(xy
2
) 2y
3
x sen(xy
2
)

2
f
xy
= 2y cos(xy
2
) 2xy
3
sen(xy
2
)
De donde inmediatamente se tiene que para esta funcion:

2
f
xy
=

2
f
yx
Corolario Si f : R
n
R
m
es de clase C
n
, entonces su matriz Hessiana
es simetrica.
Denicion: Matriz Hessiana Dada

f : R
n
R
m
, existe una matriz
H
ij
de dimension nn con las derivadas parciales segundas de la funcion

f.
f(x
1
, . . . , x
n
) H
ij
(x) M
nn
[ H =
_

2
f
x
i
x
j
_
(x)
2.7. DERIVADAS DIRECCIONALES 25
2.7. Derivadas direccionales
Denicion Dada una funcion de n variables f(x
1
, . . . , x
n
) y dados un punto
a interior a T(f) y un vector v R
n
se considera la funcion de una variable
g(t) = f(a +tv)
Y se llama derivada de f respecto de v en el punto a a D
v
f(a) g

(0). Si
|v| = 1, entonces D
v
f(a) se llama derivada direccional de f en la direccion
y sentido de v.
1. Si v = e
i
, entonces:
D
v
f(a) =
f
x
i
(a)
2. Si f es diferenciable en a, aplicando la regla de la cadena:
g = f =a +tv
De donde inmediatamente:
dg(0) = g

(0) = df( (0)) (0) =

f( (0)) =

f(a) v
Es decir:
D
v
f(a) =

f(a) v =
n

i=1
f
x
i
(a) v
i
2.7.1. Interpretacion geometrica del gradiente
Sea f una funcion diferenciable en un punto a. Sea D
v
f(a) = v

f(a)
siendo |v| = 1. Entonces se tiene:
D
v
f(a) = |

f(a)| cos [0, 2)

Y por tanto la direccion de maximo crecimiento de f sera aquella en la que
D
v
f(a) = |

f(a)|, es decir, = 0, en cuyo caso se tiene v |

f(a).
2.8. Plano tangente a supercies
Se estudiara ahora el plano (o hiperplano, en caso de dimensiones mayores
que 3) tangente a supercies. Es muy importante el concepto de vector normal
a una supercie, que como se demostrara corresponde al gradiente.
Teorema 2.8.1. Sea una supercie en R
n
dada por una funcion f. El gra-
diente

f es normal a la supercie en cada punto.
26 CAP

ITULO 2. DIFERENCIABILIDAD Y DERIVADAS PARCIALES

Demostracion Sea una funcion f(x
1
, . . . , x
n
) de clase C
1
y sea L
c
(f) el
conjunto de nivel c de dicha funcion tal que existe un punto a en el dominio
tal que c = f(a). Consideremos el gradiente de la funcion

f. Si se toma una
curva (t) contenida en la supercie en cada punto y se dene una funcion
de una variable dada por:
g(t) = f( (t)) [ (0) =a
Entonces, al estar contenida en L
c
(f), se tiene:
f( (t)) = c
dg
dt
(0) = 0
Y aplicando la regla de la cadena:
dg
dt
(0) =

f( (0)) (0) =

f(a)

(0)
De donde:

f(a)

(0)
Luego como

(0) es el vector tangente a la curva y el gradiente es normal

a este vector, se tiene que para cualquier curva , el gradiente es normal a
ella y por tanto a la supercie que las contiene a todas, es decir, a L
c
(f).
2.8.1. Ecuacion del plano tangente a L
c
(f)
Recordando que dado el vector normal a un plano y un punto de dicho
plano se tena determinada su ecuacion, se tiene que el plano tangente a una
supercie de nivel L
c
(f) en un punto a es:

n

i=1
f
x
i
(x
i
a
i
) = 0

f(a) (x a) = 0
2.8.2. Plano tangente a la graca de una funcion
La graca de una funcion f en R
n
se puede considerar como supercie
de nivel de una funcion F cuya graca esta en R
n+1
.Esta funcion viene dada
por
F(x, z) = z f(x)
Si hallamos la ecuacion del plano tangente a la supercie de nivel L
0
(F)
obtendremos el plano tangente a f en el punto pedido. Para esto tambien se
puede utilizar la formula
z f(a) =
n

i=1
f
x
i
(a) (x
i
a
i
)
2.9. DIVERGENCIA Y ROTACIONAL 27
2.9. Divergencia y rotacional
En esta seccion se estudiaran los operadores divergencia, rotacional y
laplaciano. Consideremos el campo vectorial

F : R
3
R
3
cuya matriz
Jacobiana es:
d

F(x)
_
_
_
F
x
x
F
x
y
F
x
z
F
y
x
F
y
y
F
y
z
F
z
x
F
z
y
F
z
z
_
_
_
33
Denicion Dado un campo vectorial

F(x, y, z) de clase C
1
en un cierto
dominio T R
3
se llama divergencia de

F a una funcion escalar dada por
la traza de la matriz Jacobiana
div

F = tr(d

F) =
F
x
x
+
F
y
y
+
F
z
z
Si se introduce el operador nabla () denido por el vector de derivadas
parciales

=

x

i +

y

j +

z

k
se tiene inmediatamente:
div

F =

F
Denicion Se llama rotacional de

F al campo vectorial formado con la
parte antisimetrica de la matriz Jacobiana, esto es:
rot

F =

F =

i

j

k

z
F
x
F
y
F
z

Si

F es de clase C
1
, rot

F es continua.
2.9.1. Teoremas sobre la divergencia y el rotacional
Teorema 2.9.1. Si f(x) es una funcion escalar de clase C
2
, se tiene que
rot

gradf = 0

(

f) = 0
Teorema 2.9.2. Si

f(r) es un campo vectorial de clase C
2
, entonces
div rot

F = 0

(

F) = 0
28 CAP

ITULO 2. DIFERENCIABILIDAD Y DERIVADAS PARCIALES

Denicion Dada una funcion escalar f de clase C
2
se dene su Laplaciano
como:

2
f = div

gradf =

(

f)
El operador de Laplace o Laplaciano es por tanto:

2
x
2
+

2
y
2
+

2
z
2
Una funcion escalar que cumpla que su Laplaciano sea nulo se llama funcion
armonica.
Captulo 3
Formula de Taylor y extremos
En este captulo se estudiara el teorema de Taylor para funciones de varias
variables as como los maximos y mnimos de funciones, la funcion inversa y
las funciones implcitas. Recordaremos primero el teorema de Taylor en una
variable.
Teorema 3.0.3 (Taylor). Dada una funcion f : (a, b) R R de clase
C
p
en un intervalo (a, b) R se cumple:
f(b) = f(a)+f

(a)(ba)+
f

(a)
2!
(ba)
2
+ +
f
(p1)
(a)
(p 1)!
(ba)
p1
+
f
(p)
(c)
p!
(ba)
p
El ultimo termino esta evaluado en un punto c (a, b) no localizado. A
este sumando se le llama resto de Lagrange y se denota por:
R(a; b a) =
f
(p)
(c)
p!
(b a)
p
Otra forma de escribir esta formula es la siguiente:
f(x
0
; h) = f(x
0
)+f

(x
0
)h+
f

(x
0
)
2!
h
2
+ +
f
(p1)
(x
0
)
(p 1)!
h
p1
+
f
(p)
(x
0
+h)
p!
h
p
De donde es facil demostrar que el ultimo termino (resto) es un innitesimo
de la p-esima potencia del valor absoluto del incremento h, es decir:
R(x
0
; h) = o([h[
p
)
Esto es, en notacion compacta:
f(x
0
; h) =
p1

r=0
f
(r)
(x
0
)
r!
h
r
+o([h[
p
)
Veamos ahora una generalizacion de esta formula a funciones de varias vari-
ables.
29
30 CAP

ITULO 3. F

ORMULA DE TAYLOR Y EXTREMOS

3.1. Formula de Taylor
Antes de pasar a estudiar la formula de Taylor en varias variables nece-
sitaremos algunos conceptos.
Denicion Un subconjunto A R
n
se dice convexo si para todos x, y A,
el segmento L[x, y] que une x con y esta totalmente contenido en A.
L[x, y] = z R
n
[ z = x +t(y x) 0 t 1
Lema Sea f(x
1
, . . . , x
n
) de clase C
r
en el abierto convexo U R
n
y sean
x, x +

h U. Consideremos la funcion g(t) denida como:

g(t) = f(x +t

h) g : [0, 1] R
Entonces se cumple:
d
k
dt
k
g(t) =

k
t
k
f(x +t

h) = (

)
k
f(x +t

h) k [0, 1]
Donde el operador

h

esta denido como:

=
n

i=1
h
i

x
i
= h
1

x
1
+ +h
n

x
n
Veamos ahora el teorema de Taylor para funciones de varias variables.
Teorema 3.1.1 (Taylor). Sea f(x
1
, . . . , x
n
) de clase C
p
en un abierto con-
vexo U y sean x
0
, x
0
+

h U. Entonces existe un ( 0 1 ) tal
que:
f( x
0
+

h) = f( x
0
)+(

)f( x
0
)+
(

)
2
2!
f( x
0
)+ +
(

)
p1
(p 1)!
f( x
0
)+
(

)
p
p!
f( x
0
+

h)
La notacion compacta de la expresion anterior es la siguiente:
f( x
0
+

h) =
p1

r=0
(

)
r
r!
f(x
0
) +
(

)
p
p!
f( x
0
+

h)
Donde el resto de Lagrange es un innitesimo de la norma del vector de
incrementos

h elevada a p 1, esto es:
R( x
0
;

h) =
(

)
p
p!
f( x
0
+

h) = o(|

h|
p1
)
luego:
(

)
p
p!
f( x
0
+

h)
(

)
p
p!
f( x
0
) = o(|

h|
p
)
3.2. EXTREMOS DE FUNCIONES 31
3.2. Extremos de funciones
En esta parte se estudiaran los maximos y mnimos de funciones de varias
variables. Para ello necesitaremos varias deniciones y teoremas.
Denicion [Maximo - mnimo absoluto] Dada f : R
n
R con do-
minio T(f) = A R
n
decimos que f tiene un maximo (mnimo) absoluto
en x
0
A si y solo si
x A f(x) f(x
0
) (f(x) f(x
0
))
Se dira que el maximo o el mnimo es estricto si las desigualdades anteriores
son estrictas, es decir, el pasa a ser < y el pasa a ser >.
Denicion [Maximo - mnimo local] Dada una funcion f : R
n
R
se dice que f tiene un maximo (mnimo) local en x
0
T(f) si y solo si
r > 0 [ x T(f) B
r
(x
0
) f(x) f(x
0
) (f(x) f(x
0
))
Denicion [Punto crtico] Dada una funcion f : R
n
R diferenciable
en un abierto U R
n
se dice que x
0
U es punto crtico de f si y solo si

f(x
0
) =

0
Teorema 3.2.1. Sea una funcion f : R
n
R diferenciable en un abierto
U R
n
y un punto x
0
U. Si x
0
es un extremo local de f, entonces x
0
es
un punto crtico.
Demostracion Sea la funcion g(t) = f(x
0
+tv). Si x
0
es un extremo de f,
entonces t = 0 es un extremo local de g. Por tanto

f(x
0
) v = g

(0) = 0

f(x
0
) = 0 v R
n
Sin embargo no todos los puntos crticos son maximos o mnimos. Existen
otros puntos donde el gradiente se anula y no son extremos.
Denici on [Punto de silla] Sea f : R
n
R diferenciable en U R
n
y
sea x
0
U un punto crtico de f. Si x
0
no es un maximo o un mnimo de f,
entonces se cumple
B
r
(x
0
)x
1
, x
2
B
r
(x
0
) [ f(x
1
) > f(x
0
); f(x
2
) < f(x
0
)
En tal caso diremos que x
0
es un punto de silla de f.
32 CAP

ITULO 3. F

ORMULA DE TAYLOR Y EXTREMOS

3.2.1. Clasicacion de puntos crticos
Para estudiar estos puntos es necesario que f sea diferenciable y de clase
C
2
. Si desarrollamos f mediante la formula de Taylor hasta orden 2 tenemos
f(x
0
+

h) = f(x
0
) +

f(x
0
)h +
1
2
n

i=1
n

j=1
h
i
h
j

2
f
x
i
x
j
(x
0
+

h)
Como x
0
es un punto crtico de f, el segundo termino de la expresion anterior
se anula. Por otro lado, el resto es el desarrollo de una forma cuadratica Q
cuya matriz es la Hessiana de f
f(x
0
;

h) = f(x
0
+

h) f(x
0
) =
1
2
h
t
H(x
0
+

h)h = Q(x
0
+

h)
Al ser f de clase C
2
, por el lema de Schwartz sus derivadas cruzadas coinciden
y por tanto H es simetrica.
Denicion [Punto crtico no degenerado] Dada f de clase C
2
en un
abierto U y un punto crtico x
0
U diremos que x
0
es no degenerado si y
solo si la forma cuadratica Q(x
0
) es no degenerada, es decir, si y solo si
det(H(x
0
)) ,= 0
Teorema 3.2.2. Sea f una funcion de clase C
2
en un abierto U R
n
y x
0
un punto crtico no degenerado de f. Entonces se cumple
r > 0 ,x B

r
(x
0
) [

f(x
0
) = 0
Esto es, los puntos crticos no degenerados son aislados como puntos crticos
Supongamos que f es de clase C
2
y que x
0
es un punto crtico no degen-
erado de f. Entonces la forma cuadratica
Q[

h] =
1
2
h
t
Hh
es no degenerada si y solo si la matriz H es denida positiva (
i
> 0i),
denida negativa (
i
< 0i) o bien indenida (
i
> 0;
j
< 0) donde
r

son los autovalores de la matriz Hessiana.

Teorema 3.2.3. Sea f : R
n
R de clase C
2
en un abierto U R
n
. Sea
x
0
un punto crtico no degenerado de f. Entonces:
i)Si H(x
0
) es denida positiva, entonces x
0
es un mnimo de f.
3.2. EXTREMOS DE FUNCIONES 33
ii)Si H(x
0
) es denida negativa, entonces x
0
es un maximo de f.
iii)Si H(x
0
) es indenida, entonces x
0
es un punto de silla de f.
Existe otro modo de ver si una matriz es denida positiva o negativa
sin calcular el polinomio caracterstico y extraer sus autovalores. Este es
el metodo de Sylvester - Jacobi. Antes de poder aplicarlo necesitamos una
denicion mas.
Denicion [Menor principal] Sea la matriz cuadrada
A =
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
_
Se llaman menores principales de A a los determinantes
D
1
= a
11
D
2
=

a
11
a
12
a
21
a
22

.
.
.
D
n
= det A
Teorema 3.2.4 (Sylvester - Jacobi). Sea Q[

h] una forma cuadratica no de-

generada y sean D
r
los menores principales de la matriz de Q. Entonces:
i) Q es denida positiva D
r
> 0 1 r n
ii) Q es denida negativa sig(D
r
) = (1)
r
1 r n
iii) Q es indenida en los demas casos.
Por tanto podemos conocer la naturaleza de un punto crtico x
0
solo
con estudiar la matriz Hessiana de f en dicho punto mediante el criterio de
Sylvester - Jacobi.
3.2.2. Extremos en puntos frontera
Sea una funcion contnua f(x
1
, . . . , x
n
) denida en un conjunto compacto
D. Por el teorema de Weierstrass sabemos que f alcanzara sus extremos en
34 CAP

ITULO 3. F

ORMULA DE TAYLOR Y EXTREMOS

un conjunto cerrado y acotado, por tanto sobre D. Para localizar los extremos
sobre D se utiliza el siguiente procedimiento:
i)Se localizan los extremos en el interior de D por el metodo antes visto.
ii)Se hallan los extremos de f como funcion de n 1 variables sobre D.
iii)Se calculan los valores de f sobre los puntos crticos a
i
hallados.
iv)Se comparan los valores de f(a
i
)
3.3. Funcion inversa
Trataremos ahora la invertibilidad de las funciones de varias variables.
Denicion [Funcion inversa] Dada una funcion f : R
n
R
n
y un
abierto U T(f) diremos que f es invertible globalmente en U si y solo si:
x, y U f(x) = f(y) x = y
Es decir, la funcion sera invertible si aplica biyectivamente U sobre f(U).
Denicion [Restricciones] Dada una funcion f : R
n
R
n
, llamaremos
restriccion de f al conjunto A T(f) y lo denotaremos por f [
A
a la funcion
con dominio T(f [
A
) = A y que coincide con f sobre A, es decir:
f [
A
(x) = f(x)x A
Si f es invertible sobre U se tiene: (I es la aplicacion identidad)
i)f
1
[
f(U)
f [
U
= I [
U
ii)f [
U
f
1
[
f(U)
= I [
U
3.3.1. Invertibilidad local
Dada una funcion f : R
n
R
n
y un punto x
0
interior al dominio,
diremos que f es localmente invertible en la vecindad de x
0
si y solo si:
r > 0 [ B
r
(x
0
) T(f) y f [
B
r
(x
0
)
: B
r
(x
0
) f(B
r
(x
0
))
es una biyeccion.
3.3. FUNCI

ON INVERSA 35
Supongamos que dada una funcion f : R
n
R
n
se quiere estudiar si es
localmente invertible en un cierto x
0

T(f). Sean y = f(x), x

0

T(f) e
y
0
= f(x
0
). El desarrollo de Taylor en aproximacion lineal sera:
y y
0
= df[x x
0
] +o(|x x
0
|)
En forma matricial:
_
_
_
y
1
.
.
.
y
n
_
_
_

_
_
_
y
01
.
.
.
y
0n
_
_
_
=
_
_
_
f
1
x
1

f
1
x
n
.
.
.
.
.
.
.
.
.
f
n
x
1

f
n
x
n
_
_
_

_
_
_
x
1
x
01
.
.
.
x
n
x
0n
_
_
_
+o(|x x
0
|)
Por tanto:
y y
0
= J[f(x
0
)](x x
0
) x x
0
= J[f(x
0
)]
1
(y y
0
)
Es necesario, por tanto, que la matriz jacobiana sea invertible para poder
hallar la funcion inversa en aproximacion lineal.
3.3.2. Teorema de la funcion inversa
Antes de ver el teorema de la funcion inversa propiamente, necesitaremos
la denicion de difeomorsmo.
Denicion [Difeomorsmo] Dada una funcion f : R
n
R
n
y dos
abiertos V, W R
n
, diremos que f es un difeomorsmo de clase C
p
(o un
C
p
-difeomorsmo) de V en W si se dan las siguientes condiciones:
a)f(V ) = W
b)f [
V
: V W es biyectiva y de clase C
p
c)f [
1
v
: W V es de clase C
p
Teorema 3.3.1 (Funcion inversa). Sea f : R
n
R
n
una funcion de clase
C
p
en un abierto U R
n
. Sea x
0
U tal que [J[f(x
0
)][ ,= 0. Entonces
existen dos abiertos V, W R
n
tales que x
0
V, f(x
0
) W, f(V ) = W y f :
V W es un C
1
difeomorsmo de V sobre W. Ademas se tiene:
df
1
(y) = [df(f
1
(y))]
1
y W
Corolario 1 Una funcion f : R
n
R
n
de clase C
1
en el abierto U es un
C
1
-difeomorsmo local en la vecindad de x
0
U si y solo si det(J[f(x
0
)]) ,= 0
36 CAP

ITULO 3. F

ORMULA DE TAYLOR Y EXTREMOS

Corolario 2 Sea f : R
n
R
n
de clase C
p
en U (p 1) y sea x
0

U tal que det(J[f(x
0
)]) ,= 0. Entonces B
s
(x
0
) tal que f [
B
s
(x
0
)
es un C
p
-
difeomorsmo.
3.4. Funciones implcitas
Una funcion implcita es una funcion denida por un sistema de ecua-
ciones de la forma:

1
(x
1
, . . . , x
n
) = 0
.
.
.

n
(x
1
, . . . , x
n
) = 0
_

_
(
1
, . . . ,
n
) : R
n
R
m
Sea r tal que r = n m > 0, y sean los vectores:
x = (x
1
, . . . , x
r
)
.
.
.
x = (x
r+1
, . . . , x
n
)
_

_
x = (x
1
, . . . , x
n
) = ( x, x) x R
m
Donde las x son funciones de las x.
Denicion [Funcion implcita] Dada una funcion : R
n
R
m
deni-
da en un abierto U R
n
y un punto a U tal que (a) = 0, decimos que el
sistema de ecuaciones
i
(x) = 0
m
i=1
dene m funciones implcitas f
i
( x)
m
i=1
en la vecindad de a si y solo si existe un abierto n-dimensional V
(n)
tal que
a = ( a, a) V
(n)
U y un abierto r-dimensional

W
(r)
tal que a

W
(r)
y
una funcion f :

W
(r)
R
m
con componentes f
i
( x)
m
i=1
de manera que:
a) ( a, f( a)) = ( a, a) V
(n)
b)W = ( x, x) V
(n)
[ ( x, x) = 0 = ( x, f( x)) [ x

W
(r)
= graf(f)
3.4.1. Teorema de la funcion implcita
Supongamos el sistema de ecuaciones
i
(x
1
, . . . , x
n
) = 0
m
i=1
y un punto
P en el que se satisface dicho sistema. Aproximando por el desarrollo de
Taylor se tiene:

i
(x) =
i
(P)+
r

j=1

i
x
j
(x
k
a
k
)+
m

k=1

i
y
k
(y
k
b
k
)+o
_
_
( x a)
2
+ ( y

b)
2
_
3.5. SUBVARIEDADES DIFERENCIABLES 37
Donde P (a
1
, . . . , a
r
, b
1
, . . . , b
m
). Como
i
(P) = 0, se obtiene un sistema
lineal que permite despejar y en funcion de x.
_
_
_

1
y
1


1
y
m
.
.
.
.
.
.
.
.
.

m
y
1


m
y
m
_
_
_
_
_
_
y
1
b
1
.
.
.
y
m
b
m
_
_
_
+
_
_
_

1
x
1


1
x
r
.
.
.
.
.
.
.
.
.

m
x
1


m
x
r
_
_
_
_
_
_
x
1
a
1
.
.
.
x
r
a
r
_
_
_
= 0
De donde inmediatamente se tiene:
_
_
_
y
1
b
1
.
.
.
y
m
b
m
_
_
_
=
_
_
_

1
y
1


1
y
m
.
.
.
.
.
.
.
.
.

m
y
1


m
y
m
_
_
_
1
_
_
_

1
x
1


1
x
r
.
.
.
.
.
.
.
.
.

m
x
1


m
x
r
_
_
_
_
_
_
x
1
a
1
.
.
.
x
r
a
r
_
_
_
Si y solo si
(
1
, . . . ,
m
)
(y
1
, . . . , y
m
)
= det
_
_
_

1
y
1


1
y
m
.
.
.
.
.
.
.
.
.

m
y
1


m
y
m
_
_
_
,= 0
De aqu se sigue lo siguiente:
Teorema 3.4.1 (Funcion implcita). Sea : R
n
R
m
una funcion de
clase C
p
p 1 en el abierto U R
n
y sea m < n. Sea a U tal que
(a) = 0 y
(
1
, . . . ,
m
)
(y
1
, . . . , y
m
)
(a) ,= 0
Entonces es posible despejar x en funcion de x en el punto a.
Este teorema es condicion suciente, pero no necesaria para la existencia
de funciones implcitas en a. Ademas, por derivacion implcita es posible
calcular las derivadas de la funcion implcita en a mediante la resolucion de
un sistema lineal cuya matriz de coecientes es el Jacobiano, que es, por
hipotesis, distinto de 0, por tanto es posible despejar las derivadas de f
i
.
3.5. Subvariedades diferenciables
Sea 1 r n y sea p 1. Un subconjunto no vaco M R
n
es una
subvariedad diferenciable de dimension r y de clase C
p
si y solo si para todo
a M existe un abierto U R
n
y un conjunto

(x)
m
=1
de m = n r
funciones de clase C
p
tales que:
38 CAP

ITULO 3. F

ORMULA DE TAYLOR Y EXTREMOS

a)a U
b)r
_

_
(x) = m x U M
c)M U = x U [

(x) = 0 = 1, . . . , m; = 1, . . . , n (m < n).

Ejemplo Sea M R
2
[ M = (x, y) R
2
[ y
2
x
2
= a
2
. M es el
conjunto de hiperbolas que intersecan con el eje OY en los puntos (0, a).
Sea la funcion (x, y) = y
2
x
2
a
2
. Entonces se tiene:
(x, y) = 0 (x, y) M M = (x, y) R
2
[ (x, y) = 0
Si estudiamos el rango de su Jacobiano (en este caso su gradiente) tenemos:
r
_

_
= r
_

x
,

y
_
= r(2x, 2y) = 1 (x, y) M
Por tanto M es una subvariedad diferenciable.
3.5.1. Vectores tangentes y normales a subvariedades
Sea el sistema de ecuaciones
M
_

1
(x
1
, . . . , x
n
) = 0
.
.
.

m
(x
1
, . . . , x
n
) = 0
Y sea P R
n
un punto que satisface dicho sistema. Entonces R
n
se puede
descomponer en suma directa de dos subespacios vectoriales ortogonales, esto
es:
R
n
= T
p
(M) ^
p
(M) con dim(T
p
(M)) = r = n m; dim(^
p
(M)) = m
Estos subespacios son el de vectores tangentes a la subvariedad M en el punto
P y el de vectores normales a M en P.
Sea un vector

h T
p
(M) y sea la curva parametrica (t) M tal que
(0) = P. Entonces es obvio que

h es tangente a por estar contenida la
curva sobre la subvariedad M. Sean ahora las funciones g
i
(t)
m
i=1
denidas
3.6. EXTREMOS CONDICIONADOS 39
como:
g
1
(t) =
1
((t)) = 0 g

1
(0) =

1
(P)

h = 0
.
.
.
g
m
(t) =
m
((t)) = 0 g

m
(0) =

m
(P)

h = 0
Entonces los vectores tangentes son las soluciones del sistema:
_
_
_

1
x
1


1
x
n
.
.
.
.
.
.

m
x
1


m
x
n
_
_
_
(P)
_
_
_
h
1
.
.
.
h
n
_
_
_
=

0 dim(T
p
(M)) = n m = r
Por tanto, el subespacio de vectores tangentes es el nucleo de la aplicacion
lineal diferencial, es decir:
T
p
(M) = ker(d(P))
Como el rango de esta aplicacion es m, se tiene que

1
, . . . ,

m
son lineal-
mente independientes y todos pertenecen al subespacio de vectores normales
por ser ortogonales a la supercie de la subvariedad, por tanto constituyen
una base.
^
p
(M) = lin

i
(P)
m
i=1
3.6. Extremos condicionados
Dada f : R
n
R decimos que f tiene un maximo (mnimo) local
condicionado al subconjunto M en el punto a si y solo si la funcion f [
M
tiene un maximo (mnimo) local en a.
3.6.1. Multiplicadores de Lagrange
El siguiente teorema proporciona un metodo (llamado de los multipli-
cadores de Lagrange) para calcular los extremos de una funcion condicionada
a una subvariedad diferenciable.
Teorema 3.6.1 (Lagrange). Sea f : R
n
R una funcion de clase C
1
en U
y sea M una subvariedad diferenciable de R
n
de dimension r > n contenida
en U. Entonces si a M es un extremo local condicionado a M, existen m
n umeros reales
i
tales que la funcion
F = f +
1

1
+. . . +
m

m
tiene un punto crtico en a
40 CAP

ITULO 3. F

ORMULA DE TAYLOR Y EXTREMOS

Demostracion Supongamos que f tiene un extremo condicionado a M en
un punto P M. Sean

h T
p
(M) y (t) M tal que (0) = P y

(0) =

h.
Sea la funcion
g(t) = f((t))
Entonces g(t) tiene un extremo en t = 0, luego g

(0) = 0.
g

(0) =

f(P)

h = 0

h T
p
(M)
Luego

f(P)

h, por lo que

f(P) ^
p
(M), de donde

f(P) =
1

1
(P) . . .
m

m
(P)
Por ser

i
una base de ^
p
(M), de donde inmediatamente

(f +
1

1
+. . . +
m

m
) =

0
La mayor complejidad de este metodo esta en la resolucion de un sistema de
ecuaciones no lineales que aparecen al igualar a 0 todas las derivadas par-
ciales. Si despues de esto falta alguna ecuacion, se usaran las proporcionadas
por las restricciones
i
.
Captulo 4
Integrales m ultiples
En este captulo estudiaremos la integracion sobre conjuntos n-dimensionales
a partir de integrales unidimensionales. Es importante dominar las tecnicas
del cambio de variable, integracion por partes, etc. en una dimension para
generalizarlo ahora a n dimensiones.
4.1. Integral doble sobre un rectangulo
Sea la funcion z = f(x, y) denida sobre el rectangulo R [a, b] [c, d],
producto cartesiano de dos intervalos reales. Se llama integral doble de f
sobre R al volumen del cuerpo limitado por el rectangulo y la funcion.
V () =
_
R
f(x, y)dxdy
Sea el rectangulo R [a, b] [c, d]. Tomemos una particion P del intervalo
[a, b] y otra P

de [c, d] denidas por:

P a = x
0
< x
1
< < b = x
m
; P

c = y
0
< y
1
< < d = y
n
Bajo estas particiones, R se divide en m n subrectangulos no solapantes
denidos por:
R
jk
= [x
j1
, x
j
] [y
k1
, y
k
]
En estas condiciones se denen las sumas superior e inferior de Riemann
asociadas a las particiones.
Denicion [Sumas de Riemann] Dada z = f(x, y) acotada y denida
sobre el rectangulo R y dadas las particiones P y P

, para cada rectangulo

41
42 CAP

ITULO 4. INTEGRALES M

ULTIPLES
R
jk
se denen:
M
jk
= sup
(x,y)R
jk
f(x, y); m
jk
= nf
(x,y)R
jk
f(x, y)
Y a partir de aqu se denen las sumas superior e inferior de Riemann como:
a) Suma superior de Riemann:
U =
n

j=1
m

k=1
M
jk
x
j
y
k
b) Suma inferior de Riemann:
L =
n

j=1
m

k=1
m
jk
x
j
y
k
Donde el area de R
jk
es A = (x
j
x
j1
) (y
k
y
k1
) = x
j
y
k
Denicion [Integral de Riemann] Dada z = f(x, y) denida y acotada
sobre el rectangulo [a, b] [c, d]
i) Llamaremos integral superior de Riemann de f en R al n umero real
U
R
(f) =nfU(f, T) [ T es particion de R
e integral inferior de Riemann en R a:
L
R
(f) = supL(f, T) [ T es una particion de R
ii) Decimos que f es integrable Riemann en R si y solo si:
U
R
(f) = L
R
(f) =
_
R
f(x, y)dxdy
Teorema 4.1.1. Cualquier funcion f contnua en un rectangulo R es inte-
grable Riemann
4.1.1. Teorema de Lebesgue para integrales de Rie-
mann
Teorema 4.1.2. Sea f denida y acotada en el rectangulo R. Consideremos
el conjunto
D = (x, y) R [ f es discontinua en (x, y)
Entonces f es integrable Riemann en R si y solo si D tiene medida nula.
Pasaremos ahora a explicar este teorema con ciertas deniciones.
4.2. PROPIEDADES DE LA INTEGRAL 43
Denicion Dados dos puntos a,

b R
n
de componentes a
i
y b
i
tales que
b
i
> a
i
i, se llama politopo determinado por los puntos a y

b al conjunto:
I
[a,

b]
= x R
n
[ a
i
< x
i
< b
i
= [a
1
, b
1
] [a
n
, b
n
]
y se dene la medida o volumen del politopo como:
(I) =
n

i=1
(b
i
a
i
)
Denicion [Recubrimiento de Lebesgue] Dado S R
n
se llama re-
cubrimiento de Lebesgue de S a un conjunto nito o innito numerable de
intervalos abiertos n-dimensionales (politopos) tales que
S
n
_
i=1
I
i
Denicion [Medida exterior de Lebesgue de S] Se dene la medida
exterior de Lebesgue de un conjunto S como:
(S) =nf
_

n
(I
n
) [ I
1
, I
2
, . . . es un recubrimiento de S
_
Un conjunto S se dice de medida nula si (S) = 0, es decir:
> 0 I
1
, I
2
, . . . [

n
(I
n
) <
Teorema 4.1.3. Dada f : [a, b] R continua en [a, b], entonces la graca
de f tiene medida nula.
Teorema 4.1.4. Si f(x, y) es una funcion acotada en un rectangulo R tal
que el conjunto de puntos donde f es discontnua esta formado por una union
nita o innita numerable de gracas de funciones de una variable, entonces
f es integrable Riemann.
4.2. Propiedades de la integral
i) Linealidad:
_
R
(f(x, y) +g(x, y))dxdy =
_
R
f(x, y)dxdy +
_
R
g(x, y)dxdy
44 CAP

ITULO 4. INTEGRALES M

ULTIPLES
Donde f, g son integrables Riemann y , R
ii) Monotona: Sean f, g integrables Riemann tales que f(x, y) g(x, y).
Entonces
_
R
f(x, y)dxdy
_
R
g(x, y)dxdy (x, y) R
iii) Aditividad: Si R
1
, . . . , R
n
es una particion de R en subrectangulos no
solapantes, entonces
_
R
f(x, y)dxdy =
n

i=1
_
R
i
f(x, y)dxdy
iv) Sea f integrable Riemann. Como [ f [ f [ f [, entonces

_
R
[ f(x, y) [ dxdy
_
R
f(x, y)dxdy
_
R
[ f(x, y) [ dxdy
Por tanto:

_
R
f(x, y)dxdy

_
R
[ f(x, y) [ dxdy
4.3. Teorema de Fubini
Teorema 4.3.1 (Fubini). Sea f una funcion acotada e integrable Riemann
en el rectangulo R [a, b] [c, d]. Entonces se tiene:
Si
_
d
c
f(x, y)dy x [a, b]
_
R
f(x, y)dxdy =
_
b
a
dx
_
d
c
f(x, y)dy
Si
_
b
a
f(x, y)dx y [c, d]
_
R
f(x, y)dxdy =
_
d
c
dy
_
b
a
f(x, y)dx
Por tanto, si existen las integrales en x y en y de f(x, y), entonces:
_
R
f(x, y)dxdy =
_
b
a
dx
_
d
c
f(x, y)dy =
_
d
c
dy
_
b
a
f(x, y)dx
Corolario Si f(x, y) es contnua en [a, b] [c, d], entonces:
_
R
f(x, y)dxdy =
_
b
a
dx
_
d
c
f(x, y)dy =
_
d
c
dy
_
b
a
f(x, y)dx
4.4. INTEGRACION SOBRE CONJUNTOS GENERALES 45
4.3.1. Interpretacion geometrica
Al integrar unidimensionalmente sobre la variable x se obtiene el area de
un plano de la forma y = cte. Si integramos este area sobre la variable y
tenemos por el principio de Cavalieri el volumen del solido limitado por la
funcion f y el plano del rectangulo R. Si hicieramos lo mismo integrando
primero sobre la variable y, obtendramos el area de un plano x = cte, y si
integramos sobre x volvemos a obtener el volumen de la region. Veamos un
ejemplo.
Ejemplo Calcular
I =
_
R
(x sen y ye
x
)dxdy, donde R [1, 1] [0,

2
]
Aplicando el teorema de Fubini tenemos:
I =
_
2
0
dy
_
1
1
(x sen y ye
x
)dx
Resolviendo la primera integral:
I =
_
2
0
_
sen y
x
2
2
ye
x
_
dy

1
x=1
=
_
2
0
_
1
e
e
_
ydy =
_
1
e
e
_

y
2
2

2
y=0
De donde se obtiene el resultado:
I =

2
8
_
1
e
e
_
4.4. Integracion sobre conjuntos generales
Supongamos que queremos integrar la funcion sobre un conjunto D no
rectangular. Entonces podemos denir un rectangulo R tal que contenga a
D. Si denimos la funcion

f(x, y) como

f(x, y) =
_
f(x, y) (x, y) D
0 (x, y) , D
Y de aqu, como la integral de la funcion 0 es 0, se tiene:
_
D
f(x, y)dxdy =
_
R

f(x, y)dxdy
46 CAP

ITULO 4. INTEGRALES M

ULTIPLES
4.4.1. Regiones de tipo I
Las regiones de tipo I son aquellas cuya abscisa se encuentra entre dos
valores constantes, pero su ordenada esta entre dos funciones
1
(x) y
2
(x),
es decir, son regiones de la forma
D
1
= (x, y) R
2
[ a x b y
1
(x) y
2
(x)
La integral de cualquier funcion sobre regiones de este tipo viene dada por
_
D
1
f(x, y)dxdy =
_
b
a
dx
_

2
(x)

1
(x)
f(x, y)dxdy
4.4.2. Regiones de tipo II
Son regiones cuya ordenada se encuentra ahora entre dos valores con-
stantes y la abscisa se encuentra limitada por dos funciones
1
(y) y
2
(y),
es decir, son conjuntos de la forma
D
2
= (x, y) R
2
[
1
(y) x
2
(y) y c y d
La integral de una funcion cualquiera f sobre estas regiones viene dada por
_
D
2
f(x, y)dxdy =
_
d
c
dy
_

2
(y)

1
(y)
f(x, y)dx
4.4.3. Regiones de tipo III
Las regiones de tipo III son aquellas que pueden ser consideradas tanto
de tipo I como de tipo II, y su integral viene dada por la expresion
_
D
3
f(x, y)dxdy =
_
b
a
dx
_

2
(x)

1
(x)
f(x, y)dxdy =
_
d
c
dy
_

2
(y)

1
(y)
f(x, y)dxdy
En algunas ocasiones puede ser muy complicado integrar una funcion en un
orden dado y sin embargo, la integral en el orden opuesto es trivial, veamos
un ejemplo.
Ejemplo Calcular
_

0
dx
_
x
0
sen y
y
dy
4.5. INTEGRALES M

ULTIPLES 47
Como vemos, la solucion de esta integral no es una funcion elemental. Si
cambiamos el orden de integracion tenemos
_

0
dy
_

y
sen y
y
dx =
_

0
sen y
y
( y)dx
Simplicando queda
_

0
sen ydy = cos y[

y=0
= 2
4.5. Integrales m ultiples
Sea un conjunto S R
n
de dimension n. Si un politopo I
[a,

b]
denido
por dos vectores a,

b con a
i
< b
i
tiene medida y sobre el se dene una
funcion f : I R, dividiendo el politopo en particiones P
i
, se dene la
suma superior de Riemann como:
U(f, T) =
n

i=1
M
i
(I
i
) U
R
(f, T) =nfU(f, T) [ T es particion de I
Y la suma inferior de Riemann como:
L(f, T) =
n

i=1
m
i
(I
i
) L
R
(f, T) = supL(f, T) [ T es particion de I
La funcion f sera integrable en sentido Riemann si y solo si
_
I
f(x
1
, . . . , x
n
)d
n
x = U
R
(f, T) = L
R
(f, T)
4.5.1. Teorema general de Fubini
Teorema 4.5.1 (Fubini). Sea f una funcion denida y acotada en un poli-
topo n-dimensional I
n
. Pongamos I
n
en la forma I
n
= I
r
I
nr
, donde I
k
es k-dimensional. Sean los vectores x = (x
1
, . . . , x
r
) y x = (x
r+1
, . . . , x
n
).
Entonces si f es integrable en I y existen las integrales
_
I
nr
f( x, x)dx
r+1
dx
n
y
_
I
nr
f( x, x)dx
1
dx
r
Se tiene
_
I
f( x, x)d
n
x =
_
I
r
d
r
x
_
I
nr
f( x, x)d
nr
x =
_
I
nr
d
nr
x
_
I
r
f( x, x)d
r
x
48 CAP

ITULO 4. INTEGRALES M

ULTIPLES
Estas integrales pueden seguir descomponiendose hasta expresar la inte-
gral total como composicion de integrales iteradas.
Sea S R
n
tal que S no es un politopo. Podemos denir la integral de
una funcion f sobre el conjunto S deniendo la funcion

f sobre un politopo
que contenga a S dada por:

f(x) =
_
f(x) x S
0 x , S
Y por tanto
_
S
f(x)d
n
x =
_
I

f(x)d
n
x
4.6. Integrales triples
En esta seccion se estudiara un caso particular de las integrales multiples
para conjuntos tridimensionales en R
3
.
4.6.1. Tipos de regiones en R
3
Hay varios tipos de regiones en R
3
seg un la variable que se delimite por
constantes o por funciones de las otras dos variables. Como ejemplo veremos
las secciones de tipo I. Para el resto es facil generalizar una formula para
hallar la integral de una funcion sobre la region.
Las regiones de tipo I son de la forma
D
1
= (x, y, z) R
3
[ a x b y
1
(x) y
2
(x) y
1
(x, y) z
2
(x, y)
La integral sobre una region de este tipo se dene como:
_
D
1
f(x, y, z)dxdydz =
_
b
a
dx
_

2
(x)

1
(x)
dy
_

2
(x,y)

1
(x,y)
f(x, y, z)dz
El volumen de una region cualquiera en R
3
es la integral
V () =
_

dxdydz
Que se reduce a la forma ya vista usando integrales dobles
_
b
a
dx
_

2
(x)

1
(x)
dy
_

2
(x,y)

1
(x,y)
dz =
_
b
a
dx
_

2
(x)

1
(x)
(
2
(x, y)
1
(x, y))dy
Estas integrales pueden calcularse de forma iterada utilizando el teorema de
Fubini.
4.7. CAMBIO DE VARIABLES 49
4.7. Cambio de variables
Supongamos un conjunto S R
n
y una funcion f(x
1
, . . . , x
n
). Es posible
que existan variables u
i

n
i=1
tales que x
i
= x
i
(u
1
, . . . , u
n
) y que la integral
sobre las variables u
i
sea mucho mas sencilla que sobre las x
i
. Es necesario
tener en cuenta que al cambiar las variables tambien cambia el recinto de
integracion.
Sea un conjunto S

cuya imagen por un cambio de variables x(u) es un

conjunto S. Si dividimos S

en politopos, existira una correspondencia entre

la red de politopos de S

y otra red distinta en S, donde para cada politopo

en S

existe uno en S. Entonces

_
S
f(x
1
, . . . , x
n
)d
n
x
n

=1
f(x

) (I

) =
n

=1
f(x)

(x
1
, . . . , x
n
)
(u
1
, . . . , u
n
)

(I

)
Donde
[J(x)[ =

(x
1
, . . . , x
n
)
(u
1
, . . . , u
n
)

es el valor absoluto del determinante Jacobiano del cambio de coordenadas.

Veamos un teorema que explica el cambio de variables.
Teorema 4.7.1 (Cambio de variable). Sean U y U

dos abiertos de R
n
y sea T : U

U una funcion de clase C

1
tal que su Jacobiano es no
nulo, salvo quiza en un conjunto de medida nula. Sean S U y S

sucientemente regulares para poder denir sobre ellos integrales de Riemann

y tales que T : S

S es biunvoca salvo quiza en un conjunto de medida

nula. Entonces para toda funcion f integrable en sentido Riemann se tiene:
_
S
f(x)d
n
x =
_
S

f(T(u)) [J
T
(u)[ d
n
u
4.7.1. Coordenadas polares
El cambio de variable a coordenadas polares en R
2
viene dado por las
ecuaciones:
x = r cos
y = r sen
_

(x, y)
(r, )

= r
Por tanto, del plano XY pasamos al plano R. Por ejemplo, sea la circun-
ferencia dada por
x
2
+y
2
= a
2
50 CAP

ITULO 4. INTEGRALES M

ULTIPLES
Si pasamos a coordenadas polares, tenemos
r
2
= a
2
r = a; [0, 2]
Observemos que el cambio de variables ha cambiado la geometra del dominio.
En el plano R, la circunferencia pasa a ser el rectangulo R
r
[0, a][0, 2]
4.7.2. Coordenadas cilndricas
Las coordenadas cilndricas en R
3
son las equivalentes a las coordenadas
polares a nadiendo la coordenada z que se nala la altura sobre el plano. Las
ecuaciones del cambio de variable son:
x = r cos
y = r sen
z = z
_
_
_

(x, y, z)
(r, , z)

= r
4.7.3. Coordenadas esfericas
Las coordenadas esfericas son importantes en problemas con simetra
esferica, puesto que los simplican mucho. Las ecuaciones son, en este ca-
so:
x = sen cos
y = sen sen
z = cos
_
_
_

(x, y, z)
(, , )

=
2
sen
4.8. Aplicaciones de la integral
En esta seccion veremos algunas aplicaciones de la integral a la fsica y
la mecanica, como el calculo de centros de masa y de momentos de inercia
4.8.1. Centro de masa
Sea un cuerpo de densidad variable dada por (x, y, z). Entonces, su cen-
tro de masa es el punto C = (x
0
, y
0
, z
0
) cuyas coordenadas son:
x
0
=
1
M
_
S
x (x, y, z)dxdydz
y
0
=
1
M
_
S
y (x, y, z)dxdydz
z
0
=
1
M
_
S
z (x, y, z)dxdydz
4.8. APLICACIONES DE LA INTEGRAL 51
Donde M es la masa del cuerpo, dada por:
M =
_
S
(x, y, z)dxdydz
4.8.2. Momento de inercia
El momento de inercia de un cuerpo es una magnitud analoga a la masa,
utilizada en dinamica de rotacion y que vara respecto a cada eje. El momento
de inercia respecto de el eje X se denotara I
x
. Los momentos de inercia
respecto a cada eje vienen dados por las ecuaciones
I
x
=
_
S
(y
2
+z
2
) (x, y, z)dxdydz
I
y
=
_
S
(x
2
+z
2
) (x, y, z)dxdydz
I
z
=
_
S
(x
2
+y
2
) (x, y, z)dxdydz
4.8.3. Promedio integral
El promedio integral de una funcion en un cierto politopo I es el valor
medio que toma la funcion en dicho politopo, y se calcula mediante la formula
f) =
1
(I)
_
I
f(x
1
, . . . , x
n
)d
n
x
Esta formula es bastante logica, puesto que es una generalizacion del prome-
dio discreto 1/n

n
i=1
x
i
para una variable contnua.
52 CAP

ITULO 4. INTEGRALES M

ULTIPLES
Captulo 5
Integrales de lnea y supercie
En este captulo se estudiaran las integrales sobre curvas y sobre super-
cies generales que no tienen por que estar denidas por una funcion de la
forma z = f(x, y). Empezaremos con las integrales sobre curvas.
5.1. Longitud de una curva parametrica
Denicion Llamaremos curva o trayectoria regular a trozos a la imagen
de una funcion : [a, b] R
n
que es contnua en el intervalo real [a, b] y
de clase C
1
salvo en un n umero nito de puntos y tal que
_
_
_
_
d
dt
_
_
_
_
,= 0
Salvo quiza en un n umero nito de puntos.Se observa que la graca de
cualquier funcion real de variable real se puede considerar una curva parametri-
ca en la forma (t) = (t, f(t))
Para una curva as denida, se dene el elemento de longitud como |d|, y
por tanto, la longitud de una curva parametrica vendra dada por
L() =
_

|d| =
_
b
a
|d| =
_
b
a
_
_
_
_
d
dt
_
_
_
_
dt
Ejemplo Probaremos que la longitud de la circunferencia unidad es 2.
Sea la circunferencia de radio 1. Esta curva se puede parametrizar usando
coordenadas polares en x = cos ; y = sen , de donde (t) = (cos t, sen t)
para t variando entre 0 y 2, por tanto:
L() =
_
2
0
_
_
_
_
d
dt
_
_
_
_
dt =
_
2
0
dt = 2
53
54 CAP

ITULO 5. INTEGRALES DE L

INEA Y SUPERFICIE
5.1.1. Reparametrizacion de curvas
Una misma curva puede ser parametrizada de innitas maneras. Estas
parametrizaciones se dividen en dos grupos seg un la orientacion de la curva.
Denicion [Reparametrizacion] Sea : [a, b] R
n
una curva regu-
lar a tozos y sea h : [c, d] [a, b] un difeomorsmo. Entonces a la curva
parametrica = (h(u)) se le llama reparametrizacion de . Si el difeomor-
smo h es monotono creciente, entonces la reparametrizacion no induce un
cambio de orientacion, sin embargo, si h es monotona decreciente, hay un
cambio de orientacion.
Teorema 5.1.1. La longitud de una curva parametrica es invariante bajo
reparametrizaciones
Demostracion Sea = (t) tal que : [a, b] R
n
y una reparame-
trizacion = (u) tal que : [c, d] R
n
. Entonces
L() =
_

|d| =
_
d
c
_
_
_
_
d
du
_
_
_
_
du =
_
b
a
_
_
_
_
dt
du

d
dt
_
_
_
_
du =
_
d
c

dt
du

_
_
_
_
d
dt
_
_
_
_
du
Si cambia la orientacion, se tiene
_
d
c

dt
du

_
_
_
_
d
dt
_
_
_
_
du =
_
a
b
dt
du
_
_
_
_
d
dt
_
_
_
_
du = L()
Si por el contrario, mantiene la orientacion, se tiene
_
d
c

dt
du

_
_
_
_
d
dt
_
_
_
_
du =
_
b
a
_
_
_
_
d
dt
_
_
_
_
dt = L()
5.2. Integrales sobre curvas parametricas
En esta parte se estudiara la integracion de funciones sobre curvas parametri-
cas y se distinguiran dos casos, uno para campos escalares y otro para campos
vectoriales.
5.2.1. Integral de trayectoria para campos escalares
Denicion Dada : [a, b] R
n
y un campo escalar (x
1
, . . . , x
n
) se
dene la integral de trayectoria de (x) sobre la curva (t) como:
_

dS =
_
b
a
((t))
_
_
_
_
d
dt
_
_
_
_
dt, donde dS = |d|
5.2. INTEGRALES SOBRE CURVAS PARAM

ETRICAS 55
Ejemplo Sea (x, y, z) = x
2
+y
2
+z
2
sobre la helice (t) = (cos t, sen t, t)
para todo t [0, 2]
_

dS =
_
2
0
(x(t), y(t), z(t))
_
_
_
_
d
dt
_
_
_
_
dt
Donde
d
dt
= (sen t, cos t, 1)
_
_
_
_
d
dt
_
_
_
_
=

2
luego
_

dS =

2
_
2
0
(1 +t
2
)dt =

2
_
2 +
8
3
3
_
Interpretacion geometrica de la integral de trayectoria Si sobre cada
punto (x, y, z) de la curva se levantase una altura (x, y, z), la integral de
trayectoria sobre de sera el area de la vallaformada por la curva y su
imagen ().
5.2.2. Integral de lnea
Denicion Dada : [a, b] R
n
y un campo vectorial

F : R
n
R
n
contnuo sobre la curva , se dene la integral de lnea de

F sobre como:
_

F

dS =
_
b
a

F((t))
d
dt
dt
Como el vector unitario tangente a es

T =
1
_
_
d
dt
_
_
d
dt
Entonces se tiene
_

F

dS =
_
b
a

T((t))

F((t))
_
_
_
_
d
dt
_
_
_
_
dt
Es decir, la integral de lnea es la integral de trayectoria de la componente
tangencial de

F sobre . Las integrales de lnea varan su signo bajo repara-
metrizaciones con cambio de orientacion.
56 CAP

ITULO 5. INTEGRALES DE L

INEA Y SUPERFICIE
Ejemplo Sea

F(x, y, z) = x

i + y

j + z

k sobre 2 vueltas de la helice (t) =

(cos t, sen t, t). Su integral de lnea sera
_

F

dS =
_
4
0

F((t))
d
dt
dt
Es decir
_

F

dS =
_
4
0
_
sen t, cos t, 1
_

_
_
cos t
sen t
t
_
_
dt
Integrando este producto escalar tenemos
_
4
0
tdt =
1
2
t
2

4
0
= 8
2
5.3. Campos conservativos
Denicion Dado un abierto conexo U R
n
y un campo vectorial sobre
el

F : U R
n
, decimos que

F es conservativo en U si y solo si existe una
funcion escalar (x) tal que

F =

(x) x U
Teorema 5.3.1. La funcion potencial es unica salvo constante aditiva
Demostracion Dados x, y U, existira una trayectoria : [0, 1] U
contnua y de clase C
1
tal que (0) = x y (1) = y por ser U conexo. Sean

1
y
2
campos escalares tales que

F =

1
=

2
y sea la funcion tal
que
(x) =
1
(x)
2
(x) [ g(t) = ((t))
Entonces
(y) (x) = ((1)) ((0)) = g(1) g(0) =
_
1
0
g

(t)dt
Por tanto
g

(t) =

((t))
d
dt
= 0
Y ademas

2
=

F

F = 0
5.3. CAMPOS CONSERVATIVOS 57
Por tanto
(y) (x) = 0 (y) = (x)
1
(x)
2
(x) =
1
(y)
2
(y)
Luego

2
(x) =
1
(x) +K
Teorema 5.3.2. Si

F es un campo vectorial conservativo en el abierto conexo
U y es una curva de clase C
1
a trozos, entonces
_

F

dS = ((b)) ((a)) = (Q) (P)
Donde P y Q son los valores de en los puntos a y b
Demostracion Como

F =

, se tiene
_

F

dS =
_

dS =
_
b
a

d
dt
dt =
_
b
a

((t))
d
dt
dt
Sea la funcion g(t) = ((t)). Su derivada, aplicando la regla de la cadena,
sera g

(t) =

()
d
dt
, por tanto
_

F

dS =
_
b
a
g

(t)dt = g(b) g(a) = ((b)) ((a)) = (Q) (P)

Teorema 5.3.3. Sea

F un campo vectorial en el abierto conexo U R
n
tal
que
_

F

dS es independiente de . Entonces

F =

y la funcion potencial
puede expresarse como
(x) =
_
x
a

F

dS
donde a es el origen de potenciales
Demostracion
(x +

h) (x) =
_
x+

h
a

F

dS
_
x
a

F

dS =
_
x+

h
x

F

dS
Sea (t) = x +t

h con t [0, 1]. Entonces

_
x+

h
x

F

dS =
_
1
0

F((t))
d
dt
dt =
_
1
0

h

F((t))dt
58 CAP

ITULO 5. INTEGRALES DE L

INEA Y SUPERFICIE
Supongamos que los incrementos apuntan en las direcciones de los vectores
de la base canonica, es decir,

h = h e
i
. Entonces
(x +h e
i
) (x) = h
_
1
0
F
i
(x +t h e
i
)dt
Por lo tanto

x
i
= lm
h0
(x +h e
i
) (x)
h
= lm
h0
_
1
0
F
i
(x +t h e
i
)dt = F
i
(x)
Luego

F =

Teorema 5.3.4 (Campos conservativos). Sea

F un campo vectorial conser-
vativo en S R
n
. Entonces las siguientes armaciones son equivalentes.
a) La integral de lnea de

F entre dos puntos cualesquiera P, Q U es
independiente del camino en U
b)

F =

para una cierta funcion potencial
c) La integral de lnea de

F sobre cualquier curva regular cerrada en U es
nula, es decir
_
(t)

F

dS = 0
La demostracion puede consultarse en cualquier libro de calculo vectorial.
Teorema 5.3.5. Dado

F de clase C
1
en un abierto conexo U, si

F es con-
servativo, se cumple
_
F
i
x
j
(x) =
F
i
x
i
(x)
_
n
i,j=1
x U rot

F = 0
Demostracion Si

F es conservativo, se tiene

F =

, por lo tanto
F
i
x
j
=

x
j

x
i

F
i
x
j
=

2

x
j
x
i
Si

F es de clase C
1
(por hipotesis), sera de clase C
2
y por tanto, por el
lema de Schwartz, las derivadas cruzadas coinciden, luego

x
j
x
i
=

2

x
i
x
j

F
i
x
j
=
F
i
x
i

F = 0
5.4. TEOREMA DE GREEN EN EL PLANO 59
Este teorema da una condicion necesaria, pero no suciente para que el campo
vectorial sea conservativo. Para comprobar si un campo lo es, se calculara su
rotacional, y si este es igual a 0 se calculara la funcion potencial . En caso
de existir , el campo es conservativo.
5.4. Teorema de Green en el plano
Teorema 5.4.1 (Green). Sea

F(x, y) = P(x, y)

i +Q(x, y)

j un campo vecto-
rial de clase C
1
en S R
2
. Sea C una curva de Jordan contnua y regular a
trozos y llamemos R al conjunto delimitado por C. Supongamos que R S.
Entonces
_
R
_
Q
x

P
y
_
dxdy =
_
C

F

dr
Una curva de Jordan es una curva cerrada sin autointerseccion, es decir,
que no se corta a s misma.
Aplicando el teorema de Green podemos expresar el area de una region D
como una integral de linea sobre su frontera en la forma
A(D) =
_
D
dxdy =
1
2
_
D
(y, x)

dr
La demostracion es evidente
Denicion Un abierto U R
n
se dice simplemente conexo si cualquier
curva cerrada contenida en U se puede deformar continuamente a un punto
sin salir del conjunto
Teorema 5.4.2. Si

F = P(x, y)

i + Q(x, y)

j es de clase C
1
en S R
2
y S
es simplemente conexo, entonces

F =


Q
x
=
P
y
Es decir, si U es un abierto simplemente conexo, es condicion suciente
para que un campo vectorial sea conservativo que su rotacional sea nulo.
Intuitivamente, un abierto simplemente conexo es aquel en el que no hay
.
a
gujeros.
60 CAP

ITULO 5. INTEGRALES DE L

INEA Y SUPERFICIE
Demostracion
_
C

F

dr =
_
C
Pdx +Qdy =
_
R
_
Q
x

P
y
_
dxdy
Como por hipotesis las derivadas cruzadas coinciden, se tiene que la inte-
gral de lnea sobre cualquier curva de Jordan C es nula y por tanto

F es
conservativo.
5.4.1. Teorema de Green para regiones m ultiplemente
conexas
Teorema 5.4.3. Sean C
i

n
i=1
curvas de Jordan contnuas y regulares a tro-
zos orientadas en sentido positivo tales que C
i
C
j
= i, j, todas las curvas
C
i

n
i=2
estan contenidas en C
1
y ademas todas las curvas C
j
estan fuera de
C
i
siempre que i 2; i < j. Entonces
_
R
_
Q
x

P
y
_
dxdy =
_
c1
Pdx +Qdy
n

i=2
_
Ci
Pdx +Qdy
Siendo

F = P(x, y)

i +Q(x, y)

j
5.5. Integrales de supercie
Denicion Sea D R
2
una region del plano limitada por una curva de
Jordan y sea : S R
3
una aplicacion contnua y S un abierto que contiene
a D. Entonces la imagen (D) es una supercie parametrica. La supercie
es diferenciable, de clase C
k
, etc. si lo son las funciones x = x(u, v); y =
y(u, v); z = z(u, v) denidas por . Una supercie se llama simple si y solo
si la aplicacion es inyectiva.
Ejemplo Las ecuaciones
x = ucos v
y = usen v
z = u
_
_
_
Denen un cono de ecuacion z
2
= x
2
+y
2
Ejemplo La graca de una funcion z = f(x, y) se puede considerar como
una supercie parametrica de la forma (u, v) = (u, v, f(u, v))
5.5. INTEGRALES DE SUPERFICIE 61
Denicion Dada una aplicacion : D R
3
, se denen los vectores
tangentes a la supercie como

T
u
=

u
(u, v
0
);

T
v
=

u
(u
0
, v)
y se dene el producto vectorial fundamental como

N =

T
u

T
v
=

i

j

k
x
u
y
u
z
u
x
v
y
v
z
v

El vector normal a la supercie es unitario, es decir

n =

T
u

T
v
|

T
u

T
v
|
Se llamara supercie regular a una supercie parametrica en la cual n ,= 0
Denicion Se dene el elemento de area de una supercie parametrica
como
dS = |

T
u

T
v
|dudv
Y el area de una supercie como
A =
_
D
dS =
_
D
|

T
u

T
v
|dudv
5.5.1. Integracion de campos escalares sobre super-
cies
Sea S una supercie parametrica en la forma

S =

S(u, v) y un campo
escalar (x, y, z). Se dene la integral de sobre S como
_
S
(x, y, z)dS =
_
D
(

S(u, v))|

T
u

T
v
|dudv
5.5.2. Integracion de campos vectoriales sobre super-
cies
Sea

S(u, v) una parametrizacion de una supercie. Se dene el elemento
de supercie como el producto del elemento de area por el vector normal
unitario, por tanto

dS = dS n = |

T
u

T
v
|

T
u

T
v
|

T
u

T
v
|
=

T
u

T
v
62 CAP

ITULO 5. INTEGRALES DE L

INEA Y SUPERFICIE
La integral de un campo vectorial

F sobre la supercie S, o ujo de

F sobre
S se dene como
_
S

F

dS =
_
D

F(S(u, v)) (

T
u

T
v
)dudv
Es decir, se integra el producto escalar del campo vectorial sobre la supercie
con el producto vectorial fundamental sobre el espacio de parametros D. Para
poder denir el ujo es necesario que la supercie sea orientable, esto es, que
se pueda denir un vector normal orientado de forma consistente sobre la
supercie. Un ejemplo de supercie no orientable es la banda de Mobius,
obtenida al juntar los extremos de una banda de papel realizando antes un
n umero impar de giros sobre esta.
5.5.3. Teoremas de Stokes y Gauss
Teorema 5.5.1 (Stokes). Sea un campo vectorial

F denido sobre el abierto
D R
2
y sea : D S R
3
una supercie parametrizada cuya frontera
es la curva C. Suponiendo que

F es de clase C
1
y que es C
2
se tiene
_
S
rot

F

dS =
_
C

F

dr
Observando desde la normal a la supercie, el sentido de la curva C es
tal que deja a su izquierda la supercie al avanzar a traves de ella.
La demostracion pasa por calcular ambas integrales y aplicar en la segunda
el teorema de Green antes visto.
Ejemplo Supongamos que dentro de la supercie S cuya frontera es C
existen n curvas de Jordan C
i
sin intersecciones entre ellas. Entonces
_
S
rot

F

dS =
_
C

F

dr +
n

i=1
_
C
i

F

dr
Teorema 5.5.2 (Gauss). Sea S una supercie orientable y cerrada y

F un
campo vectorial de clase C
1
sobre S. Entonces se tiene
_
V
div

F d
3
x =
_
S

F

dS
Donde V es la region en R
3
encerrada por la supercie cerrada S
La demostracion puede consultarse en cualquier libro de calculo vectorial