Professional Documents
Culture Documents
Damián Silvestre
2
Prólogo
3
4
Índice general
1. Nociones previas 7
1.1. Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Subconjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Igualdad de conjuntos . . . . . . . . . . . . . . . . . . . . . . 8
1.4. Operaciones con conjuntos . . . . . . . . . . . . . . . . . . . . 8
1.5. Producto cartesiano . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6. Cardinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.7. Relaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8. Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.9. Estructuras algebraicas . . . . . . . . . . . . . . . . . . . . . . 13
3. Nociones de Topologı́a 27
3.1. Espacio euclı́deo . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2. Entorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3. Clasificación topológica de puntos de Rn . . . . . . . . . . . . 28
3.4. Clasificación topológica de subconjuntos de Rn . . . . . . . . . 29
3.5. Conjunto acotado . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.6. Conjunto conexo . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.6.1. Conjunto arco-conexo . . . . . . . . . . . . . . . . . . . 31
5
6 ÍNDICE GENERAL
4. Lı́mite y Continuidad 35
4.1. Lı́mite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.1.1. Como probar que un lı́mite no existe . . . . . . . . . . 36
4.1.2. Como probar que un lı́mite existe . . . . . . . . . . . . 37
4.2. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.1. Propiedades de funciones contı́nuas . . . . . . . . . . . 38
5. Derivabilidad 41
5.1. Derivada de función vectorial . . . . . . . . . . . . . . . . . . 41
5.1.1. Interpretación geométrica . . . . . . . . . . . . . . . . 42
5.2. Derivadas parciales, direccionales, y respecto a un vector . . . 42
5.2.1. Propiedad de homogeneidad . . . . . . . . . . . . . . . 45
5.2.2. Derivadas parciales sucesivas . . . . . . . . . . . . . . . 46
5.2.3. Teorema de Schwarz . . . . . . . . . . . . . . . . . . . 46
5.2.4. Función clase C 1 . . . . . . . . . . . . . . . . . . . . . 47
5.3. Curvas y Superficies . . . . . . . . . . . . . . . . . . . . . . . 48
6. Diferenciabilidad 51
6.1. Definición de función diferenciable . . . . . . . . . . . . . . . . 53
6.2. Diferenciabilidad implica Derivabilidad . . . . . . . . . . . . . 54
6.3. Diferenciabilidad implica Continuidad . . . . . . . . . . . . . . 55
6.4. Gradiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.5. El gradiente es normal al conjunto de nivel . . . . . . . . . . . 57
6.6. Direcciones de derivada máxima, mı́nima y nula . . . . . . . . 58
6.7. C 1 implica diferenciable . . . . . . . . . . . . . . . . . . . . . 59
10.Integrales Múltiples 85
10.1. Teorema de Fubini en R2 . . . . . . . . . . . . . . . . . . . . . 88
10.2. Teorema de cambio de variables . . . . . . . . . . . . . . . . . 89
10.3. Coordenadas cartesianas y polares en R2 . . . . . . . . . . . . 89
10.4. Coordenadas cartesianas, cilı́ndricas y esféricas en R3 . . . . . 91
Nociones previas
1.1. Conjuntos
2. B = {x ∈ R : x ≤ 23}
3. C = {2, 4, 77}
4. D = {−1, 1}
9
10 CAPÍTULO 1. NOCIONES PREVIAS
1.2. Subconjuntos
E =A∪B
F = B ∩ C = {2, 4}
B − C = {x ∈ R : (x ≤ 23) ∧ (x 6= 2) ∧ (x 6= 4)}
Considerando D ⊆ B tenemos Dc = {x ∈ R : x ≤ 23 ∧ x 6= −1 ∧ x 6=
1} = {x ∈ B : x 6= −1 ∧ x 6= 1}
1.5. PRODUCTO CARTESIANO 11
1.6. Cardinal
|A| = 3
|C ∪ D| = 5
|B| = ∞
#R = ∞
1.7. Relaciones
[x] = {y ∈ A : yRx}
0 = {0 + 3k : k ∈ Z}
1 = {1 + 3k : k ∈ Z}
2 = {2 + 3k : k ∈ Z}
Z=0∪1∪2
1.8. FUNCIONES 13
Es decir que un orden total es una relación de orden en la que todo par de
elementos es comparable.
Ejemplo 8. Por ejemplo, en R la relación xRy sii x ≤ y es una relación de
orden total.
Definición 13. Sea ≤ una relación de orden en A, y sea x ∈ A. Entonces
1.8. Funciones
f :A → B
f (casa) = −1
f (arbol) = 21
f (arbol) = 21
f (vaca) = 12
f −1 (Y ) = {a ∈ A : f (a) ∈ Y }
1.9. ESTRUCTURAS ALGEBRAICAS 15
2. (R, ·) es un monoide.
(Q, +, ·)
(R, +, ·)
(C, +, ·)
2. 1 · v = v para todo v ∈ V
1. hu + u0 , vi = hu, vi + hu0 , vi
2. hλu, vi = λhu, vi
3. hu, vi = hv, ui
4. hv, vi > 0 si v 6= 0
n
X
u·v = ui vi = u1 v1 + u2 v2 + . . . + un vn
i=1
Ecuaciones diferenciales 1o
parte
F (x, y, y 0 , y 00 , . . . , y (n) ) = 0
19
20 CAPÍTULO 2. ECUACIONES DIFERENCIALES 1o PARTE
2.2. Grado
Definición 24. Decimos que una EDO tiene forma polinómica si la pode-
mos expresar de la siguiente forma:
donde an , . . . , a0 ∈ N
En dicho caso, el grado de la EDO es el del exponente de la derivada de
mayor orden.
Definición 25. Una solución de una EDO es una función que satisface dicha
ecuación.
Podemos clasificar tres grupos de soluciones
F (x, y, c1 , . . . , cn ) = 0
3. Una solución singular (SS) es una función que verifica la EDO pero
no se deduce de la SG asignando valores a sus constantes.
p(x)
y0 =
q(y)
q(y)dy = p(x)dx
22 CAPÍTULO 2. ECUACIONES DIFERENCIALES 1o PARTE
Para resolverla, es decir encontrar su SG, basta con integrar ambos miembros
(es decir hallar una primitiva), y agregar una constante arbitraria en un lado
de la igualdad.
Z Z
q(y)dy = p(x)dx + C
Definición 27. Una ecuación diferencial se dice que es una ecuación difer-
encial lineal de orden n si se puede expresar de la forma
y 0 + p(x)y = q(x)
y 0 + p(x)y = q(x)
Su solución general es
R
Z R R
−
y=e p(x)dx
q(x)e p(x)dx
dx + Ce− p(x)dx
2.5. ECUACIÓN DIFERENCIAL ORDINARIA LINEAL DE 1o ORDEN23
y = uv
y 0 = u0 v + uv 0
reemplazamos
u0 v + uv 0 + p(x)uv = q(x)
u0 + p(x)u = 0
Z Z
du
= −p(x)dx
u
R
u = e− p(x)dx
R
e− p(x)dx 0
v = q(x)
Z Z R
p(x)dx
dv = q(x)e dx
Z R
p(x)dx
v= q(x)e dx + C
y = uv
R
Z R R
−
y=e p(x)dx
q(x)e p(x)dx
dx + Ce− p(x)dx
Definición 29. Dada una ecuación en la que interviene una variable inde-
pendiente, una variable dependiente, y n constantes arbitrarias c1 , . . . , cn ∈
R, llamamos familia de curvas (de orden n) a las curvas que se obtienen
de asignarle valores a las constantes arbitrarias.
Simbólicamente la podemos expresar una familia de curvas de la forma
2.6. FAMILIAS DE CURVAS 25
F (x, y, c1 , . . . , cn ) = 0
−1
y20 =
y10
2.6. FAMILIAS DE CURVAS 27
y = y2 (x0 ) + m2 (x − x0 )
|{z}
y20 (x0 )
Nociones de Topologı́a
~v · w
~ = v1 w1 + v2 w2 + . . . + vn wn
√ q
||~v || = ~v · ~v = v12 + v22 + . . . vn2
29
30 CAPÍTULO 3. NOCIONES DE TOPOLOGÍA
p
d(v, w) = ||w − v|| = (w1 − v1 )2 + (w2 − v2 )2 + . . . + (wn − vn )2
y su ángulo como
~v · w
~
cos(φ) =
||~v || ||w||
~
3.2. Entorno
E[x, r] = {y ∈ Rn : d(x, y) ≤ r}
A = Rn
B = S 1 = {(x, y) ∈ R2 : x2 + y 2 = 1}
3.6. CONJUNTO CONEXO 33
α(t) = ta + (1 − t)b
Ejemplo 18. Siguiendo con el ejemplo, los conjuntos A, B, C son todos arco-
conexos.
(
α(t) t ∈ [0, 12 ]
(α ∧ β)(t) =
β(2t − 1) t ∈ [ 21 , 1]
S 1 = {(x, y) ∈ R2 : x2 + y 2 = 1}
D2 = {(x, y) ∈ R2 : x2 + y 2 ≤ 1}
Tiene sentido decir que las funciones más generales que estudiamos son los
campos vectoriales, y que las otras son casos particulares, y que la función
escalar es la que se estudió en Análisis 1. En esta materia generalizamos a más
de una dimensión tanto en el dominio como el codominio de las funciones.
36 CAPÍTULO 3. NOCIONES DE TOPOLOGÍA
Ck (f ) = f −1 (k) = {x ∈ A : f (x) = k}
Lı́mite y Continuidad
4.1. Lı́mite
lı́m f (~x) = l
x→x~0
~
Esta definición nos interesa sólo a nivel teórico, pues en la práctica los ejerci-
cios de lı́mites los podemos resolver usando las propiedades de las funciones
contı́nuas.
37
38 CAPÍTULO 4. LÍMITE Y CONTINUIDAD
Dada una función f , para probar que no existe el lı́mite cuando x tiende a
x0 , suele resultar muy útil la siguiente
Proposición 4.1.3. Sea f : A ∈ Rn → R, si existe el lı́mite lı́mx→x0 f (x) = l
y si B ⊆ A es un camino que pasa por x0 , y si g : B ∈ Rn → R es la
restricción de f a B, entonces también existe lı́mx→x0 g(x) = l.
Otra herramienta para determinar cuando un lı́mite no existe son los lı́mites
laterales: si estos no coinciden el lı́mite de la función original no existe.
4.1. LÍMITE 39
2 4
Ejemplo: Sea f (x, y) = sin(x +y )
x2 +y 2
. Analizar la existencia de lı́mite de f en
(0, 0).
h 2 +y 4 )
i
lı́mx→0 lı́my→0 sin(x
2
x +y 2
2
= lı́mx→0 sin(x
x2
)
= 1 = Lyx
h 2 +y 4 )
i
lı́my→0 lı́mx→0 sin(x
x2 +y 2
sin(y 4 )
= lı́my→0 y2
4y 3 cos(y 4 )
= lı́my→0 2y
4y 2 cos(y 4 )
= lı́my→0 2
= 0 = Lxy
Como Lyx 6= Lxy no existe el lı́mite pedido.
Una forma que funciona a veces es utilizar el siguiente teorema, familiar desde
Análisis 1
Proposición 4.1.5. Sean f, g, h : A ⊆ Rn → R, y x0 ∈ A0 .
Si f = g·h con g acotada, es decir g(A) un conjunto acotado, y h infinitésimo,
es decir lı́mx→x0 h(x) = 0 entonces el lı́mite de f cuando x → x0 existe y es
cero, es decir lı́mx→x0 f (x) = 0
4.2. Continuidad
||x − x0 || < δ
entonces
||f (x) − f (x0 )|| <
Observación 4.2.2. También es equivalente a la siguiente definición: Si x0
es punto aislado, entonces f es contı́nua en x0 (basta tomar el δ que hace
que el punto sea aislado).
De lo contrario, x0 es un punto de acumulación de A, en este caso f es
contı́nua en x0 sii se cumplen las siguientes
3. f (x0 ) = l
f =g±h
f =g·h
f = g/h
Derivabilidad
f (t0 + h) − f (t0 )
f 0 (t0 ) = lı́m
h→0 h
43
44 CAPÍTULO 5. DERIVABILIDAD
x = f (t0 ) + λf 0 (t0 )
con λ ∈ R.
Además el plano normal a C en x0 es de ecuación cartesiana
(x − f (x0 )) · f 0 (t0 ) = 0
−2x
fx0 (x, y) = p
2 3 − x2 − y 2
−2y
fy0 (x, y) = p
2 3 − x2 − y 2
Luego
−1 −1
fx0 (1, 0) = √ =√
3−1 2
−0
fy0 (1, 0) = √ =0
3−1
46 CAPÍTULO 5. DERIVABILIDAD
Finalmente
= kf 0 (x0 , v)
fx00i xj : A → Rm
fx(k)
i1 xi2 ...xi
: A → Rm
k
Si están definidas las funciones derivadas sucesivas fx00i xj y fx00j xi , decimos que
estas son derivadas sucesivas mixtas.
Análogamente, si f es k veces derivable, y φ : {1, 2, . . . , k} → {1, 2, . . . , k} es
(k) (k)
una permutación, decimos que fxi1 xi2 ...xik y fxiφ(1) xiφ(2) ...xiφ(k) son derivadas
sucesivas mixtas de orden k.
que bajo esas condiciones nos garantiza que las derivadas sucesivas mixtas
son iguales.
(
x2 arctan(y/x) − y 2 arctan(x/y) x 6= 0, y 6= 0
f (x, y) =
0 en otro caso
00 00
fxy (0, 0) = −1 6= fyx (0, 0) = +1
f ∈ C1
Del mismo modo si tiene todas sus derivadas parciales segundas y son contı́nuas
decimos que f ∈ C 2 .
Análogamente se dice que f ∈ C k si sus derivadas parciales de orden k existen
y son contı́nuas en el abierto A.
50 CAPÍTULO 5. DERIVABILIDAD
fx(k)
i1 xi2 ...xi
= fx(k)
i x ...xiφ(k)
k φ(1) iφ(2)
Ejemplo 21. La cicloide es la curva que se genera al hacer girar una circun-
ferencia de radio a > 0 sobre el eje de las x, como se ilustra en la siguiente
imagen.
5.3. CURVAS Y SUPERFICIES 51
g : R → R2
g(t) = a(t − sin(t), 1 − cos(t))
X0 = g(0) = (0, 0)
X1 = g(π/2) = a(π/2 − 1, 1)
X2 = g(π) = a(π, 2)
X3 = g(2π) = a(2π, 0)
g 0 (0) = a(0, 0)
g 0 (π/2) = a(1, 1)
g 0 (π) = a(2, 0)
g 0 (2π) = a(0, 0)
52 CAPÍTULO 5. DERIVABILIDAD
Diferenciabilidad
Si b = 0
0−0
lı́m =0
h→0 h
53
54 CAPÍTULO 6. DIFERENCIABILIDAD
Si b 6= 0
h2 a2
hb
−0 a2
lı́m =
h→0 h b
(
a2
0 b
b 6= 0
f ((0, 0), (a, b)) =
0 b=0
x2
lı́m f (x, y) = lı́m = 1 6= 0
x→0 y=x 2 x→0 x2
f (x0 + h) − f (x0 )
f 0 (x0 ) = lı́m
h→0 h
con
lı́m µ(h) = 0
h→0
con
lı́m µ(h) = 0
h→0
con
lı́m µ(h) = 0
h→0
56 CAPÍTULO 6. DIFERENCIABILIDAD
0 0 0
f1,e 1
f 1,e 2
. . . f1,en
0
f2,e 0 0
f2,e . . . f2,e
[T ] =
1 2 n
...
0 0 0
fm,e1 fm,e2 . . . fm,en
Tomando lı́mite h → 0
O sea
6.4. Gradiente
f (x) = k
f (g(t)) = k
Aplicando el teorema 7.2.1 (la regla de la cadena, que vamos a ver después)
se tiene
∇f (g(t)) · g 0 (t) = 0
Pero
(−b, a)
vnul1 =
||(a, b)||
vnul2 = −vnul1
(
x2 sin( x1 ) si x 6= 0
f (x) =
0 si x = 0
62 CAPÍTULO 6. DIFERENCIABILIDAD
Capı́tulo 7
Funciones Compuestas e
Implı́citas
h=g◦f
Notar que esta definición es un poco más general que la definición 17, por
cuanto no se pide que el codominio de la primera sea igual al dominio de la
segunda, sólo que la imagen de la primera esté incluı́do en el dominio de la
segunda.
Al mismo tiempo es más particular que aquella definición, pues la primera
se refiere funciones entre conjuntos en general, mientras que la segunda es
entre subconjuntos de Rn .
63
64 CAPÍTULO 7. FUNCIONES COMPUESTAS E IMPLÍCITAS
Fx0 i (P )
fx0 i (Py ) = −
Fy0 (P )
Este teorema nos garantiza bajo ciertas condiciones la existencia de una fun-
ción definida implı́citamente, es decir que exista f : Ay ∩ E(Py , δ) ⊂ Rn → R
tal que F (x1 , . . . , xn , f (x1 , . . . , xn )) = 0
En particular, esto nos permite el gradiente ∇f (Py ) de la siguiente manera
1 0 0 0
=− Fx (P ), Fx (P ), . . . , F x (P )
Fy0 (P ) 1 2 n
66 CAPÍTULO 7. FUNCIONES COMPUESTAS E IMPLÍCITAS
Capı́tulo 8
Polinomio de Taylor y
Extremos
Sea f : A ⊆ R2 → R, f ∈ C 2 , (x0 , y0 ) ∈ A.
Sabemos que el diferencial de f en cada punto (x0 , y0 ) ∈ A es de la forma
O escribiendo (u, v) = (x − x0 , y − y0 )
67
68 CAPÍTULO 8. POLINOMIO DE TAYLOR Y EXTREMOS
d2 f(x,y) (u, v) = d(df(x,y) (u, v)) = d(fx0 (x, y)u + fy0 (x, y)v)
00 00 00 00
= fxx (x, y)u2 + fxy (x, y)uv + fyx (x, y)vu + fyy (x, y)v 2
00 00 00
= fxx (x, y)u2 + 2fxy (x, y)uv + fyy (x, y)v 2
1 2
T2 (u, v) = f (x0 , y0 ) + df(x0 ,y0 ) (u, v) + d f(x0 ,y0 ) (u, v)
2!
= f (x0 , y0 ) + fx0 (x0 , y0 )u + fy0 (x0 , y0 )v +
1 00 00 00
fxx (x0 , y0 )u2 + 2fxy (x0 , y0 )v 2
+ (x0 , y0 )uv + fyy
2!
1 2 1
Tk (u) = f (x0 ) + dfx0 (u) + d fx0 (u) + . . . + dk fx0 (u)
2! k!
f (x) ≈ Tk (x − x0 )
para x cerca de x0 .
h(t) = f (g(t))
h0 (0) = 0
O sea que
∇f (g(0)) · g 0 (0) = 0
∇f (x0 ) · v = 0
y como f es diferenciable en x0
Definición 72. Sea M ∈ Rn×n una matriz cuadrada y simétrica con coefi-
cientes reales.
Sabemos por el teorema 8.2.5 que todos sus autovalores λ1 , . . . , λn son reales.
Decimos que M es una matriz definida positiva, si todos sus autovalores
son positivos, es decir λi > 0 para 1 ≤ i ≤ n.
Decimos que M es una matriz semidefinida positiva, si todos sus auto-
valores son no negativos, es decir λi ≥ 0 para 1 ≤ i ≤ n.
Decimos que M es una matriz definida negativa, si todos sus autovalores
son negativos, es decir λi < 0 para 1 ≤ i ≤ n.
Decimos que M es una matriz semidefinida negativa, si todos sus au-
tovalores son no positivos, es decir λi ≤ 0 para 1 ≤ i ≤ n.
Decimos que M es una matriz no definida, si no es definida positiva, ni
semidefinida positiva, ni definida negativa, ni semidefinida negativa. Es decir
si tiene autovalores tanto positivos como negativos.
8.2. MÁXIMOS Y MÍNIMOS DE UNA FUNCIÓN 73
00 00 00
fxx (x0 ) fxy (x0 ) fxz (x0 )
00 00 00
Hf (x0 ) = fyx (x0 ) fyy (x0 ) fyz (x0 )
00 00 00
fzx (x0 ) fzy (x0 ) fzz (x0 )
00
H1 = fxx
00
00
fxx fxy
H2 = 00
00
fyx fyy
8.2. MÁXIMOS Y MÍNIMOS DE UNA FUNCIÓN 75
00 00 00
fxx fxy fxz
00 00
00
H3 = fyx fyy fyz
f 00 f 00 f 00
zx zy zz
00 00
fxx (x0 ) fxy (x0 )
Hf (x0 ) = 00 00
fyx (x0 ) fyy (x0 )
00
Los menores principales de f son H1 = fxx (x0 ) y H2 = det(Hf (x0 )).
Si det(Hf (x0 )) > 0 hay extremo, pues el producto de los dos autovalores
es positivo, es decir que son ambos positivos o ambos negativos.
00 00
En este caso si fxx (x0 ) > 0, f (x0 ) es mı́nimo relativo, y si fxx (x0 ) < 0,
f (x0 ) es máximo relativo.
00 00 00
El caso fxx (x0 ) = 0 no puede darse, pues si det(H(f x0 )) = fxx fyy −
00 2 00 00 00 2 00
(fxy ) > 0, entonces fxx fyy > (f xy) > 0, lo cual implica que fxx 6= 0
Si det(Hf (x0 )) < 0 entonces (x0 , f (x0 )) es punto silla, pues el producto
de los dos autovalores es negativo, es decir que son de signo contrario.
Supongamos que queremos maximizar un campo escalar f (x, y), sujeto a una
restricción g(x, y) = 0.
Un método consiste, cuando es posible, en despejar x o y (o alguna expresión)
de la ecuación g(x, y) = 0 de forma tal de reemplazarla en la función f (x, y)
para que quede en función de una variable.
Otra posibilidad serı́a parametrizar la curva g(x, y) = 0, digamos mediante la
función vectorial r(t), luego componer h = f ◦r y maximizar dicha compuesta
h(t) = f (r(t)) que es una función de una variable.
Pero si ninguno de los métodos anteriores funciona, debemos recurrir a los
multiplicadores de Lagrange:
Definimos la función de Lagrange:
∇L(λ, x, y) = (0, 0, 0)
de donde
g(x, y) = 0
λgx0 + fx0 = 0
λgy0 + fy0 = 0
0 gx0 gy0
00
H = gx0 fxx 00
fxy
00
gy0 fyx 00
fyy
L(λ, x, y) = λx + x2 + y 2
de donde
x = 0
λ + 2x = 0
2y = 0
78 CAPÍTULO 8. POLINOMIO DE TAYLOR Y EXTREMOS
0 1 0
H = 1 2 0
0 0 2
mi = ı́nf f (x)
x∈[xi−1 ,xi ]
Mi = sup f (x)
x∈[xi−1 ,xi ]
4xi = xi − xi−1
79
80 CAPÍTULO 9. INTEGRAL DE LÍNEA Y FUNCIÓN POTENCIAL
n
X
Sp (f ) = Mi 4xi
i=1
n
X
sp (f ) = mi 4xi
i=1
Luego definimos
Z b
f dx = ı́nf Sp (f )
a p part
Z b
f dx = sup sp (f )
a p part
dc = ||g 0 (t)||dt
Z Z b
f dc = f (g(t))||g 0 (t)||dt
C a
Z Z b
Long(C) = dc = ||g 0 (t)||dt
C a
dc = g 0 (t)dt
Z Z b
f · dc = f (g(t)) · g 0 (t)dt
C a
∇φ = f
Z
f · dc = φ(g(b)) − φ(g(a))
C
Z Z b
f · dc = f (g(t)) · g 0 (t)dt
C a
Como f = ∇φ se tiene
Z Z b
f · dc = ∇φ(g(t)) · g 0 (t)dt
C a
reemplazando en la integral
Z Z b
f · dc = h0 (t)dt
C a
Z b
h0 (t)dt = h(b) − h(a)
a
Z
f · dc = φ(g(b)) − φ(g(a))
C
84 CAPÍTULO 9. INTEGRAL DE LÍNEA Y FUNCIÓN POTENCIAL
Z
f · dc = φ(g(b)) − φ(g(a)) = φ(g(a)) − φ(g(a)) = 0
C
f : A → R2
f (x, y) = (2x, 2y)
Existe el siguiente φ ∈ C 2
φ:A → R
φ(x, y) = x2 + y 2
Integrales Múltiples
4xi = xi − xi−1
4yj = yj − yj−1
m X
X n
Sp (f ) = M(i,j) 4xi 4yj
j=1 i=1
87
88 CAPÍTULO 10. INTEGRALES MÚLTIPLES
m X
X n
sp (f ) = m(i,j) 4xi 4yj
j=1 i=1
Luego definimos
ZZ
f dxdy = ı́nf Sp (f )
R p part
ZZ
f dxdy = sup sp (f )
R p part
(
f (x, y) si (x, y) ∈ A
h(x, y) =
0 si (x, y) 6∈ A
ZZ ZZ
f dxdy = hdxdy
A R
ZZ
area(A) = dxdy
A
ZZZ
vol(H) = dxdydz
H
(
a≤x≤b
R=
f1 (x) ≤ y ≤ f2 (x)
(
a≤y≤b
R=
f1 (y) ≤ x ≤ f2 (y)
a ≤ x ≤ b
R = f1 (x) ≤ y ≤ f2 (x)
g1 (x, y) ≤ z ≤ g2 (x, y)
90 CAPÍTULO 10. INTEGRALES MÚLTIPLES
(
0 ≤ x ≤ 2π
R=
cos(x) ≤ y ≤ 2 + sin(x)
Observación 10.0.3. Como todas las funciones que definen una región ele-
mental R son contı́nuas en un compacto, resultan ser acotadas, por lo tanto
R es un conjunto acotado, y como R es cerrado, resulta que además R es
compacto.
ZZ Z b Z g(x)
f (x, y)dxdy = dx f (x, y)dy
A a f (x)
Primero lo enunciamos en R2
ZZ ZZ
f (x, y)dxdy = f (g(u, v))||det(Dg(u, v))||dudv
A=g(B) B
ZZZ ZZZ
f (x, y, z)dxdydz = f (g(u, v, w))||det(Dg(u, v, w))||dudvdw
A=g(B) B
g : R2 → R2
g(u, v) = (u, v)
|det(Dg)| = 1
|det(Dg)| = ρ
g : R3 → R3
g(u, v, w) = (u, v, w)
|det(Dg)| = 1
|det(Dg)| = ρ
Las superficies coordenadas son cilindros sobre el eje z, semiplanos que parten
del eje z, y planos paralelos al xy.
(
x2 + y 2 ≤ 1
H= p
0 ≤ z ≤ x2 + y 2
Calculamos su volúmen
ZZZ Z 2π Z 1 Z ρ
2
V ol(H) = dV = dφ ρdρ dz = π
H 0 0 0 3
Definición 85. Las coordenadas esféricas sobre el eje z corresponde a
la función
En este caso
|det(Dg)| = ρ2 sin(β)
ZZ ZZ
f ds = f (g(u, v))||gu0 (u, v) ∧ gv0 (u, v)||dudv
Σ B
ZZ ZZ
area(Σ) = ds = ||gu0 (u, v) ∧ gv0 (u, v)||dudv
Σ B
97
98 CAPÍTULO 11. INTEGRALES DE SUPERFICIE Y FLUJO
ZZ ZZ
f · ds = f (g(u, v)) · (gu0 (u, v) ∧ gv0 (u, v))dudv
Σ B
Luego
q
ds = 1 + (fx0 )2 + (fy0 )2 dxdy
G(x, y, z) = 0
Pero
G0x
wx0 = −
G0z
G0y
wy0 = − 0
Gz
reemplazando
100 CAPÍTULO 11. INTEGRALES DE SUPERFICIE Y FLUJO
G0x G0x 1
gx0 ∧ gy0 = ( 0
, 0 , 1) = 0 ∇G
Gz Gz Gz
∇G
ds = dxdy
G0z
||∇G||
ds = dxdy
|G0z |
Capı́tulo 12
101
102 CAPÍTULO 12. CÁLCULO DE MASA, MOMENTOS, Y CENTRO
Más generalmente:
El momento estático respecto a una recta (o plano) es la integral de la
distancia a la recta (o plano) por la densidad de masa.
El momento de inercia respecto a una recta (o plano) es la integral de la
distancia al cuadrado a la recta (o plano) por la densiad de masa.
104 CAPÍTULO 12. CÁLCULO DE MASA, MOMENTOS, Y CENTRO
Capı́tulo 13
y la divergencia de f como
105
106 CAPÍTULO 13. TEOREMAS DE GREEN, STOKES Y GAUSS
I ZZ
f · dc = Q0x − Py0 dxdy
C + =∂A A
I ZZ
f · dc = rot(f ) · ds
C + =∂Σ Σ
ZZ ZZZ
f · ds = div(f )dxdydz
Σ+ =∂H H
Ecuaciones Diferenciales 2o
parte
F (λx) = λk F (x)
Definición 90. Una ecuación diferencial ordinaria se dice homogénea si se
puede expresar en la forma
y 0 = F (x, y)
109
110 CAPÍTULO 14. ECUACIONES DIFERENCIALES 2o PARTE
y = zx
y0 = z0x + z
z 0 x + z = F (x, zx)
z 0 x + z = F (1, z)
z 0 x = F (1, z) − z
Z Z
dz dx
= +C
F (1, z) − z x
Definición 91. Una ecuación diferencial total exacta, es aquella que se puede
expresar como
Para resolverla, empezamos por notar que por la condición 9.7.1 (suficiente
para la existencia de función potencial), sabemos que f = (P, Q) es conser-
vativo, y por lo tanto existe
φ : A ⊆ R2 → R
φ(x, y) = C
con P y Q definidos sobre A ⊆ R2 sı́mplemente conexo, pero tal que Q0x −Py0 6=
0.
La ecuación diferencial no es total exacta, pero a lo mejor la podemos con-
vertir en total exacta multiplicando la ecuación por una función µ que lla-
maremos factor integrante, que la convierta en una ecuación diferencial
total exacta. Luego la resolvemos como cualquier ecuación diferencial total
exacta.
El problema ahora es como encontrar un factor integrante. Vamos a trabajar
sólo con factores integrantes que dependen de una sóla variable, o bien x o
bien y.
R Py0 −Q0x
dx
µ(x) = e Q
R Q0x −Py0
dy
µ(y) = e P
µQ0x − µ0 P − µPy0 = 0
µ(Q0x − Py0 ) = µ0 P
µ0 Q0x − Py0
=
µ P
Q0 −P 0
Como xP y depende sólo de y, esto es una ecuación diferencial de variables
separable en µ, con µ0 = dµ/dy, lo resolvemos
Q0x − Py0
Z Z
dµ
= dy
µ P
14.3. ECUACIÓN DIFERENCIAL LINEAL DE 2o ORDEN 113
R Q0x −Py0
dy
µ(y) = e P
y 00 + a(x)y 0 + b(x)y = 0
y 00 + ay 0 + by = g(x)
y 00 + ay 0 + by = g(x)
y = yh + yp
y = yh + yp
y 0 = yh0 + yp0
y 00 = yh00 + yp00
Reemplazo en
y 00 + ay 0 + by = g(x)
y obtengo
y 00 + ay 0 + by = 0
y = C1 f1 + C2 f2
f1 f2
W = 0
f1 f20
y 00 + ay 0 + by = 0
y = eαx
y 0 = αeαx
y 00 = α2 eαx
eαx [α2 + aα + b] = 0
α2 + aα + b = 0
y = c1 e α 1 x + c2 e α 2 x
y = c1 eα1 x + c2 xeα1 x
y = c1 eα1 x + c2 eα2 x
y = c1 e(r+si)x + c2 e(r−si)x
y = erx [c1 esix + c2 e−six ]
reemplazando en la SG
usando que cos(x) es par (es decir cos(x) = cos(−x)) y que sin(x) es
impar (es decir sin(x) = − sin(−x))
y reagrupando
y 00 + ay 0 + by = g(x)
118 CAPÍTULO 14. ECUACIONES DIFERENCIALES 2o PARTE
Por ejemplo
g(x) propongo yp
2x2 ux2 + vx + w
e2x + 2ex ue2x + vex
cos(2x) u cos(2x) + v sin(2x)
y 00 + ay 0 + by = g(x)
y = c1 y1 (x) + c2 y2 (x)
y 0 = λ0 y1 + λy10 + µ0 y2 + µy20
λ0 y1 + µ0 y2 = 0 (14.3)
derivando (2)
y 00 + ay 0 + by = g(x)
120 CAPÍTULO 14. ECUACIONES DIFERENCIALES 2o PARTE
obtenemos
lo cual impone
λ0 y1 + µ0 y2 = 0 (14.5)
λ0 y10 + µ0 y20 = g(x) (14.6)
(
λ0 y1 + µ0 y2 = 0
λ0 y10 + µ0 y20 = g(x)
0
y1 y2 λ 0
=
y10 y20 µ0 g(x)
0 y2
0
g(x) y20
λ =
y10 y2
y1 y20
y 1 0
0
y1 g(x)
µ0 =
y10 y20
y1 y2
g 0 (t) = f (g(t))
en notación de Leibniz
y por lo tanto
Q
y0 =
P
Otra forma de pensarlo: las lı́neas de campo son las curvas que en cada punto
tiene la misma pendiente que el campo (P, Q) que es ∆y/∆x = Q/P , por lo
tanto satisfacen la ecuación diferencial
Q
y0 =
P
Esto quiere decir que para encontrar la familia de las lı́neas de campo de f ,
basta encontrar la solución general de dicha ecuación diferencial.
Ck (φ) = {x ∈ A : φ(x) = k}
h : [a, b] → Rn
g : [c, d] → Rn
w(t) = φ(h(t)) = k
f (g(u0 )) · h0 (t0 ) = 0
g 0 (u0 ) · h0 (t0 ) = 0
Q
y0 = (14.1)
P
φ(x, y) = C
P dx + Qdy = 0
Qdy = −P dx
P
y0 = − (14.2)
Q
De (1) y (2) vemos que dichas familias de curvas son ortogonales. Es decir las
lı́neas de campo de f y las lı́neas equipotenciales de φ son familias de curvas
ortogonales.