Apuntes de Matem atica Aplicada II

Tecnicatura en Redes y Telecomunicaciones - 2014

Nociones An

alisis Vectorial
z
y
x
k

j i

A
=

x

i +

y

j +

z

k
Profesor: Ing. Juan Carlos Choque

Indice General
1. Funciones de varias Variales 1
1.1. Introducci on: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. El conjunto R
n
: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3. Funciones de varias variables: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1. Denicion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.2. Domino y recorrido: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4. Derivabilidad y diferenciabilidad: . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4.1. Derivadas Parciales: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4.2. Interpretaci on Geometrica para n = 2: . . . . . . . . . . . . . . . . . . . 3
1.4.3. Derivadas de orden superior y mixtas: . . . . . . . . . . . . . . . . . . . 5
1.4.4. Igualdad de parciales mixtas: . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.5. Regla de la Cadena: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5. Gradiente de una funcion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6. Derivada Direccional: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7. Diferencial de una funci on de varias variables: . . . . . . . . . . . . . . . . . . . 9
1.8. Derivada parciales y derivada direccional: . . . . . . . . . . . . . . . . . . . . . . 9
1.9. Integrales Multiples: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.9.1. Teorema de Fubini, (Integrales Dobles): . . . . . . . . . . . . . . . . . . . 11
1.10. Integrales Dobles en Coordenadas Polares: . . . . . . . . . . . . . . . . . . . . . 12
1.11. Integral Triple: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.11.1. Integrales triples en otros sistemas de coordenadas: . . . . . . . . . . . . 14
2. Calculo Vectorial: 17
2.1. Introducci on: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1. curvas en el espacio: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2. Funciones vectoriales: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1. Derivaci on de funciones vectoriales: . . . . . . . . . . . . . . . . . . . . . 18
2.3. Derivacion e integraci on de funciones vectoriales: . . . . . . . . . . . . . . . . . . 20
2.3.1. Denicion de la derivada de una funcion vectorial: . . . . . . . . . . . . . 20
2.3.1.1. Propiedades de la derivada: . . . . . . . . . . . . . . . . . . . . 21
2.3.2. Denicion de integraci on de funciones vectoriales: . . . . . . . . . . . . . 22
2.4. Campos Vectoriales: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.1. Campos vectoriales conservativos: . . . . . . . . . . . . . . . . . . . . . . 24
2.4.1.1. Criterio para campos conservativos en el plano: . . . . . . . . . 25
2.5. Rotacional de un campo vectorial: . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5.1. Criterio para campos conservativos en el espacio: . . . . . . . . . . . . . 26
2.6. Divergencia de un campo vectorial: . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6.1. Relacion entre divergencia y rotacional: . . . . . . . . . . . . . . . . . . . 27
2.7. Integral de Lnea: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.7.1. Denicion de la integral de lnea de un campo vectorial: . . . . . . . . . . 29
2.7.1.1. Integral de lnea en forma diferencial: . . . . . . . . . . . . . . . 29
2.7.2. Teorema Fundamental de la Integral de lnea: . . . . . . . . . . . . . . . 29
2.7.2.1. Independencia de la trayectoria y campos conservativos: . . . . 30
2.8. Teorema de Green: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.9. Supercies parametricas: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.9.1. Vector normal a una supercie parametrica suave: . . . . . . . . . . . . . 31
2.10. Integral de Supercie: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.10.1. Integrales de ujo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.11. Teorema de la Divergencia: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.12. Teorema de Stokes: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Captulo 1 : Funciones de varias Variales
1.1. Introducci on:
Son conocidos los problemas que dependen de una unica variable, por ejemplo:

Area A de un cuadrado de lado l: A(l) = l

2
.
Funcion de ingresos de una empresa que unicamente produce x unidades de un bien al
precio p jo: I(x) = p x.
Pero, a veces, es necesario utilizar m as variables para describir una problema. As,nece-
sitamos denir funciones que dependan de m as de una variable:
El area de un rect angulo cuya altura es h y cuya base es b: A(h, b) = h b.
Los ingresos de una empresa que produce x
1
e x
2
unidades de dos bienes distintos, cuyos
respectivos precios son p
1
y p
2
: i(x
1
, x
2
) = p
1
x
1
+ p
2
x
2
.
La funci on de produccion de Cobb-Douglas, que describe las unidades producidas en
funci on de x unidades de trabajo e y unidades de capital, donde C y a son dos constantes
jas tales que 0 < a < 1: f(x, y) = C x
a
y
1a
.
En resumen, en un problema en el que intervienen m as de una caracterstica (variables)
independientes, es necesario denir funciones que dependen de mas de una variable.
1.2. El conjunto R
n
:
Llamemos R al conjunto de n umeros reales. El conjunto de pares (x
1
, x
2
) con x
1
, x
2
reales lo llamaremos R
2
, es decir, es el producto cartesiano
R
2
= R R = {(x
1
, x
2
) : x
1
R, x
2
R}
En general, el conjunto de n-uplas (x
1
, . . . , x
n
) con x
1
, . . . , x
n
reales lo llamaremos R
n
,
es decir, el producto cartesiano
R
n
= R . . . R = {(x
1
, . . . , x
2
) : x
1
R, . . . , x
n
R} (1.1)
1
1.3. Funciones de varias variables:
1.3.1. Denici on:
Sea D un subconjunto de R
n
. Si a cada (x
1
, . . . , x
n
) D le corresponde un unico n umero
real f(x
1
, . . . , x
n
) se dice que f es una funcion de varias variables x
1
, . . . , x
n
.
1.3.2. Domino y recorrido:
El conjunto D de la denici on anterior se llama dominio de f, y el conjunto de valores
f(x
1
, . . . , x
n
) correspondiente a dicho dominio se llama recorrido de f.
Ejemplo 1.1 Para la funcion f(x, y) = x
2
+y
2
se observa: que la funcion f esta denida para
todo (x, y) R
2
y por tanto el dominio de f es D = R
2
. Como f puede alcanzar cualquier valor
no negativo, el recorrido es R = {z R : z 0}.
Para esta otra funcion f(x, y) = log xy tenemos: para que la funcion f este denida es
necesario que x y > 0. Entonces el dominio es D = {(x, y) R
2
: x > 0 y > 0} {(x, y)
R
2
: x < 0 y < 0}, (ver Figura 1.1). El recorrido es R = R.
Dominio
Dominio
x
y
Figura 1.1: Dominio de la funcion f(x, y) = log x y.
1.4. Derivabilidad y diferenciabilidad:
Podemos preguntarnos como vara la funci on si variamos una solo variable independiente
manteniendo constante las dem as, o bien como vara la funci on si nos movemos en una direccion.
2
Para responder a estas preguntas necesitamos extender el concepto de derivada a fun-
ciones de varias variables.
1.4.1. Derivadas Parciales:
Sea f : R
2
R una funci on de dos variables. Diremos que la derivada paricial de f
con respecto a x en el punto (x, y) es la funci on:
f
x
(x, y) = lm
h0
f(x + h, y) f(x, y)
h
(1.2)
De igual manera podemos denir la deriva parcial de f con respecto de y en el punto
(x, y) como la funci on
f
y
(x, y) = lm
h0
f(x, y + h) f(x, y)
h
(1.3)
Siempre que estos lmites existan. Esto se puede extender a n variables, quedando la
denici on como:
Sea f : R
n
R una funci on en las variables (x
1
, . . . , x
n
). Diremos que la derivada parcial
de f con respecto de x
k
en el punto (x
1
, . . . , x
n
) es la funci on
f
x
k
(x
1
, . . . , x
n
) =
f
x
k
(x
1
, . . . , x
n
) = lm
h0
f(x
1
, . . . , x
k
+ h, . . . , x
n
) f(x
1
, . . . , x
n
)
h
(1.4)
siempre que exista el lmite.
1.4.2. Interpretaci on Geometrica para n = 2:
Cuando y es constante, digamos y = b, la traza de la supercie z = f(x, y) en el
plano y = b es la curva azul C. Si denimos pendiente de una secante a traves de los puntos
P(a, b, f(a, b)) y R(a + h, b, f(a + h, b)) como
f(a + h, b) f(a, b)
(a + h) a
=
f(a + h, b) f(a, b)
h
tenemos
3
z
x

(a,b)
= lm
h0
f(a + h, b) f(a, b)
h
Figura 1.2: Las derivadas parciales z/x y z/y son pendientes de la recta tangente a la
curva C de intersecci on de la supercie y el plano paralelo a los ejes x o y.
En otras palabras, es posible interpretar z/x como la pendiente de la recta tangente
en el punto P (para la cual el lmite existe) sobre la curva C de intersecci on de la supercie
z = f(x, y) y el plano y = b. A su vez, una inspeccion de la Figura 1.2 b) revela que z/y
es la pendiente de la recta tangente en el punto P sobre la curva C de interseccion entre la
supercie z = f(x, y) y el plano x = a.
Ejemplo 1.2 Para z = 9 x
2
y
2
, encuentre la pendiente de la recta tangente en (2, 1, 4) en:
a) el plano x = 2 y b) el plano y = 1.
Soluci on:
a) al especicara el plano x = 2, se mantienen todo los valores de x constantes. Por
consiguiente calculamos la derivada parcial de z respecto a y.
z
y
= 2y
En (2, 1, 4), la pendiente es:
z
y

(2,1)
= 2.
4
b) en plano y = 1 se mantiene constante y, por lo tanto debemos calcular la derivada
parcial de z respecto de x.
z
x
= 2x
En (2, 1, 4), la pendiente es:
z
x

(2,1)
= 4.
1.4.3. Derivadas de orden superior y mixtas:
Para una funcion de dos variables z = f(x, y), las derivadas parciales z/x y z/y son
ellas mismas funciones de x y y. En consecuencia, se pueden calcular las derivadas parciales
de segundo orden y de orden superior. De hecho, se encuentra la derivada parcial de z/x
con respecto a y, y la derivada parcial de z/y con respecto a x.
Los ultimos tipos de derivadas parciales se denominan derivadas parciales mixtas.
En resumen, las segundas, tercera derivadas parciales y la derivada parcial mixta de z = f(x, y)
est an denidas por:
Derivadas parciales de segundo orden

2
z
x
2
=

x
_
z
x
_
y

2
z
y
2
=

y
_
z
y
_
Derivadas parciales de tercer orden

3
z
x
3
=

x
_

2
z
x
2
_
y

3
z
y
3
=

y
_

2
z
y
2
_
Derivadas parciales de segundo mixtas

2
z
xy
=

x
_
z
y
_
y

2
z
yx
=

y
_
z
x
_

diferenciar diferenciar
primero con primero con
respecto a y respecto a x
Smbolo alternos: Las derivadas parciales de segundo y tercer orden tambien se deno-
tan mediante f
xx
, f
yy
, f
xxx
, etcetera. La notacion de subndice para las derivadas parciales de
segundo orden mixtas es f
xy
o f
yx
.
5
1.4.4. Igualdad de parciales mixtas:
Sea f una funcion de dos variables. Si las derivadas parciales f
x
, f
y
, f
xy
y f
yx
son
continuas en un disco abierto, entonces
f
xy
= f
yx
(1.5)
en cada punto sobre el disco.
Ejemplo 1.3 Si z = x
2
y
2
y
3
+ 3x
4
+ 5, encuentre: a)

2
z
x
2
,

3
z
x
3
, b)

2
z
y
2
,

3
z
y
3
y c)

2
z
xy
.
Soluci on: Las primeras derivadas parciales son:
z
x
= 2xy
2
+ 12x
3
y
z
y
= 2x
2
y 3y
2
,
obtenemos:
a)

2
z
x
2
=

x
_
z
x
_
= 2y
2
+ 36x
2
y

3
z
x
3
=

x
_
z
2
x
2
_
= 72x
b)

2
z
y
2
=

y
_
z
y
_
= 2x
2
6y y

3
z
y
3
=

y
_
z
2
y
2
_
= 6
c)

2
z
xy
=

x
_
z
y
_
= 4xy
Vericamos que:

2
z
yx
=

y
_
z
x
_
= 4xy
Nota: Si f es una funci on de dos variables y tienen derivadas de primer, segundo y
tercer orden continuas sobre alg un disco abierto, entonces las derivadas mixtas de tercer orden
son iguales; esto es,
f
xyy
= f
yxy
= f
yyx
y f
yxx
= f
xyx
= f
xxy
Se sostienen comentarios similares para funciones de tres o mas variables.
1.4.5. Regla de la Cadena:
Si z = f(x, y) es diferenciable y x = g(u, v) y y = h(u, v) tiene primeras derivadas
parciales continuas, entonces
z
u
=
z
x
x
u
+
z
y
y
u
y
z
v
=
z
x
x
v
+
z
y
y
v
(1.6)
Ejemplo 1.4 Considere la funcion f(x, y) = x
2
y
2
e
x
, siendo x = s t e y = s
2
+ t
2
+ 1, se
pide calcular las derivadas de f respecto de s y t.
6
Soluci on:
f
s
=
f
x
x
s
+
f
y
y
s
= (2x y
2
e
x
)(t) + (2ye
x
)(2s) = (2st (s
2
+ t
2
+ 1)
2
e
x
) (t) +
(2(s
2
+ t
2
+ 1)e
x
) (2s)
f
t
=
f
x
x
t
+
f
y
y
t
= (2x y
2
e
x
)(s) + (2ye
x
)(2t) = (2st (s
2
+ t
2
+ 1)
2
e
x
) (s) +
(2(s
2
+ t
2
+ 1)e
x
) (2t)
1.5. Gradiente de una funci on:
Denici on: Sea z = f(x
1
, . . . , x
n
) una funci on tal que existe
f
x
i
para todo i = 1, . . . , n.
Se llama gradiente de f en (x
1
, . . . , x
n
) al vector
f(x
1
, . . . , x
n
) =
_
f
x
1
(x
1
, . . . , x
n
), . . . ,
f
x
n
(x
1
, . . . , x
n
)
_
(1.7)
En particular si n = 2 y n = 3, se tiene:
f(x, y) =
f
x

i +
f
y

j para n = 2 (1.8)
f(x, y, z) =
f
x

i +
f
y

j +
f
z

k para n = 3 (1.9)
Ejemplo 1.5 Sea f(x, y) = x
2
sin(2y), vamos a calcular f(1,

2
).
Soluci on: Calculamos las derivadas parciales primeras:
f
x
(x, y) = 2x sin(2y)
f
y
(x, y) = 2x
2
cos(2y)
por lo que:
f(x, y) =
_
2x sin(2y), 2x
2
cos(2y)
_
= 2x sin(2y)

i + 2x
2
cos(2y)

j
El vector f da la direcci on de m aximo crecimiento de f en el punto considerado.
7
1.6. Derivada Direccional:
Hemos visto que la derivada parcial f
x
mide la variaci on de f cuando nos movemos
por la recta y = cte. Para medir la variaci on de f en otra direcci on cualquiera necesitamos el
concepto de derivada direccional.
Denici on: Sea z = f(x, y) y sea u = (u
1
, u
2
) un vector unitario. La derivada direccional
de f en la direcci on de u en el punto (x, y) se dene como
D
u
f(x, y) = lm
h0
f(x + hu
1
, y + hu
2
) f(x, y)
h
(1.10)
siempre que el lmite exista.
Generalizando la denicion, sea z = f(x
1
, . . . , x
n
) y sea u = (u
1
, . . . , u
n
) un vector
unitario. La derivada direccional de f en la direcci on de u en el punto (x
1
, . . . , x
n
) esta dado
por
D
u
f(x
1
, . . . , x
n
) = lm
h0
f(x
1
+ hu
1
, . . . , x
n
+ hu
n
) f(x
1
, . . . , x
n
)
h
(1.11)
siempre que el lmite exista.
Ejemplo 1.6 Calcular la derivada de f(x, y) = e
x+y
en la direccion del vector u = (2, 1) en
el punto (x, y) = (0, 0). Existe la derivada direccional de f en cualquier punto (x, y) y en
cualquier direccion de u?
Soluci on:
Como el m odulo del vector u es u =

2
2
+ 1
2
=

5 = 1, debemos calcular el vector

unitario en la misma direcci on, en que viene dado por:
u =
u
u
=
(2, 1)

5
=
_
2

5
,
1

5
_
Por lo tanto:
D
u
f(0, 0) = lm
h0
f
_
0 + h
2

5
, 0 + h
1

5
_
f(0, 0)
h
= lm
h0
e
h
2

5
+h
1

5
1
h
= lm
h0
e
h
3

5
1
h
= lm
h0
3

5
e
h
3

5
1
=
3

5
8
Para contestar la segunda pregunta, supongamos que u = (u
1
, u
2
) es cualquier vector
unitario. Entonces
D
u
f(x, y) = lm
h0
f (x + hu
1
, y + hu
2
) f(x, y)
h
= lm
h0
e
x+hu
1
+y+hu
2
e
x+y
h
= lm
h0
e
x+y
e
hu
1
+hu
2
1
h
= lm
h0
e
x+y
(u
1
+ u
2
)
e
hu
1
+hu
2
1
= e
x+y
(u
1
+ u
2
)
que existe para todo punto (x, y) y toda direcci on u = (u
1
, u
2
).
1.7. Diferencial de una funci on de varias variables:
Sin entrar en muchos detalles vamos a decir que la diferencial de una funcion z = f(x, y)
en un punto esta dado por:
dz = df(x, y) =
f
x
dx +
f
y
dy
Generalizando para mas variables, el diferencial total de una funci on f : R
n
R se
puede representara de la siguiente manera:
df =
n

i=1
f
x
i
dx
i
(1.12)
donde f es una funci on f = f(x
1
, x
2
, . . . , x
n
).
1.8. Derivada parciales y derivada direccional:
Si f : R
2
R es una funci on diferenciable y u = (u
1
, u
2
) R
2
es un vector unitario,
entonces se puede simplicar el calculo de la derivada direccional
D
u
f(x, y) = lm
h0
f(x + hu
1
, y + hu
2
) f(x, y)
h
como
D
u
f(x, y) =
f
x
(x, y) u
1
+
f
y
(x, y) u
2
La generalizacion para n variables es inmediata, si f : R
n
R es una funcion diferen-
9
ciable y u = (u
1
, . . . , u
n
) R
n
entonces se puede escribir
D
u
f(x
1
, . . . , x
n
) = f(x
1
, . . . , x
n
) u
es decir la derivada direccional se puede calcular como el producto escalar entre el gradiente
f de la funci on por el vector unitario u.
Las derivadas parciales son casos particulares de la derivada direccional, como vemos
a continuaci on. Calculemos la derivada direccional de f(x, y) en la direcci on de u = (1, 0) y
v = (0, 1).
D
u
f(x, y) = f(x, y) u =
f
x
(x, y) 1 +
f
y
(x, y) 0 =
f
x
(x, y)
D
v
f(x, y) = f(x, y) u =
f
x
(x, y) 0 +
f
y
(x, y) 1 =
f
y
(x, y)
Ejemplo 1.7 Resolver el Ejemplo 1.5, aplicando la relacion D
u
f(x
1
, . . . , x
n
) = f(x
1
, . . . , x
n
)
u de derivada direccional.
Solucion: Si f(x, y) = e
x+y
y u =
2

i +
1

j, entonces
f
x
= e
x+y
y
f
y
= e
x+y
.
D
u
f(x, y) = f(x, y) u =
_
f
x

i +
f
y

j
_
(u
1

i + u
2

j) =
_
e
x+y

i + e
x+y

j
_

_
2

i +
1

j
_
=
2

5
e
x+y
+
1

5
e
x+y
=
3

5
e
x+y
= D
u
f(0, 0) =
3

5
1.9. Integrales Multiples:
No vamos a ver en detalle la deducciones de las f ormulas para calcular integrales m ulti-
ples. Sino que daremos las deniciones solo de integrales dobles e integrales triples, para lo cual
enunciamos:
Regiones de tipo I y II: La region que se ilustra en la Figura 1.3 a),
R : a x b, g
1
(x) y g
2
(x),
donde las funciones fronteras g
1
y g
2
son continuas, se denominan regi on tipo I. En la Figura
10
1.3 b), la regi on
R : c y d, h
1
(y) x h
2
(y),
donde h
1
y h
2
son continuas, se denomina regi on tipo II.
Figura 1.3: Regiones en el plano.
1.9.1. Teorema de Fubini, (Integrales Dobles):
Sea f continua sobre una region R.
i) Si R es una regi on de tipo I, entonces
__
R
f(x, y)dA =
_
b
a
_
g
2
(x)
g
1
(x)
f(x, y) dy dx (1.13)
iI) Si R es una regi on de tipo II, entonces
__
R
f(x, y)dA =
_
d
c
_
h
2
(y)
h
1
(y)
f(x, y) dx dy (1.14)
Ejemplo 1.8 Eval ue la integral doble
__
R
e
x+3y
dA, sobre la region R acotada por las gracas
de x = 1, x = 2, y = x y y = x + 5.
11
Soluci on: Podemos advertir que como la region esta denida por dos valores de y
constantes, la region es de tipo II, por lo tanto h
1
(y) = x = y y h
2
(y) = x = 5 y, entonces:
__
R
e
x+3y
dA =
_
2
1
_
5y
y
e
x+3y
dx dy =
_
2
1
e
x+3y

5y
y
dy =
_
2
1
_
e
5y+3y
e
y+3y
_
dy
=
_
2
1
_
e
5+2y
e
4y
_
dy =
_
1
2
e
5+2y

1
4
e
4y
_

2
1
=
_
1
2
e
9

1
4
e
8
_

_
1
2
e
7

1
4
e
4
_
2771.64
1.10. Integrales Dobles en Coordenadas Polares:
Las integrales dobles en coordenadas polares quedan expresadas como, ver Figura 1.4 y
Figura 1.5:
__
R
f(r, ) dA =
_

_
g
2
()
g
1
()
f(r, ) r dr d (1.15)
y
__
R
f(r, ) dA =
_
b
a
_
h
2
(r)
h
1
(r)
f(r, ) r d dr (1.16)
Figura 1.4: Particion de R usando coordenadas polares.
12
Figura 1.5: Regi on R de integraci on en (1.10).
1.11. Integral Triple:
An alogamente a las integrales dobles podemos denir y calcular las integrales triples,
para una funci on w = f(x, y, z).
Si la regi on D est a acotada por arriba por la gr aca de z = g
2
(x, y) y acotada por abajo
por la gr aca de z = g
1
(x, y), entonces la integral triple se puede expresar como una integral
doble de la integral parcial
_
g
2
(x,y)
g
1
(x,y)
f(x, y, z) dz, esto es, (ver Figura 1.6):
___
D
f(x, y, z) dV =
__
R
_
_
g
2
(x,y)
g
1
(x,y)
f(x, y, z) dz
_
dA (1.17)
Figura 1.6: Regi on tipo I en el plano xy.
donde R es la proyecci on ortogonal de D sobre el plano xy. En particular si R es una regi on de
13
tipo I denida por:
R : a x b, h
1
(x) y h
2
(x),
entonces como se ilustra en la Figura 1.6, la integral triple de f sobre D puede escribirse como
una integral iterada:
___
D
f(x, y, z) dV =
_
b
a
_
h
2
(x)
h
1
(x)
_
g
2
(x,y)
g
1
(x,y)
f(x, y, z) dz dy dx (1.18)
Del mismo modo podemos razonar para proyecciones en otros plano como por ejemplo
xz, yz.
1.11.1. Integrales triples en otros sistemas de coordenadas:
Integrales triples en coordenadas cilndricas: Si f(r, , z) es una funci on continua
sobre la region D, como se ilustra en la Figura 1.7, la integral triple de f sobre D est a dado
por
___
D
f(r, , z) dV =
_

_
g
2
()
g
1
()
_
h
2
(r,)
h
1
(r,)
f(r, , z) r dz dr d (1.19)
Figura 1.7: Cu na cilndrica en a); region en el espacio tridimencional en b).
Integrales triples en coordenadas esfericas: Como se observa en la Figura 1.8, el
volumen de una cu na esferica est a dado por la aproximaci on V
2
sin .
De tal modo, en una integral triple de una funci on continua en coordenadas esfericas
14
f(, , ), la diferencial de volumen dV es dV =
2
sin d d d.
Por consiguiente, una integral triple com un en coordenadas esfericas tiene la forma
___
D
f(, , ) dV =
_

_
g
2
()
g
1
()
_
h
2
(,)
h
1
(,)
f(, , )
2
sin d d d (1.20)
Figura 1.8: Cu na esferica.
Ejemplo 1.9 Calcule la integral triple que produce el volumen del solido que tiene la forma
determinada por el cono de un manto x =
_
y
2
+ z
2
y el paraboloide x = 6 y
2
z
2
.
Soluci on: Al sustituir y
2
+ z
2
= x
2
en y
2
+ z
2
= 6 x, encontramos que x
2
= 6 x o
(x+3)(x2) = 0. As las dos supercies se intersecan en el plano x = 2. La proyecci on sobre el
plano yz de la curva de interseccion es y
2
+z
2
= 4. Al utilizar simetra y referirnos a la Figura
1.9 a) y b), vemos que
V =
___
D
dV = 4
_
2
0
_

4y
2
0
_
6y
2
z
2

y
2
+z
2
dx dz dy
Si bien la evaluacion de esta integral es directa, sin duda resulta descuidada. Si intro-
ducimos coordenadas polares en el plano yz mediante y = r cos , z = r sin , entonces las
coordenadas cilndricas de un punto en el espacio tridimencional son (r, , x). En este caso,
puesto que y
2
+ z
2
= r
2
, tenemos
x =
_
y
2
+ z
2
= r y x = 6 y
2
z
2
= 6 r
2
15
Figura 1.9: Solido del ejemplo.
Por consiguiente, la integral se transforma es
V =4
_
/2
0
_
2
0
_
6r
2
r
r dx dr d = 4
_
/2
0
_
2
0
r x

6r
2
r
dr d
=4
_
/2
0
_
2
0
r (6 r
2
r) dr d = 4
_
/2
0
_
2
0
(6 r r
3
r
2
) dr d
=4
_
/2
0
(6
r
2
2

r
4
4

r
3
3
)

2
0
d = 4
_
/2
0
(6
4
2

16
4

8
3
) d = 4
_
/2
0
16
3
d
=4(
16
3
)

/2
0
= 4(
16
3
)

2
=
32
3
Resuelve la integral en coordenadas cartesianas, y veras que la solucion no est an simple
como en coordenadas cilndricas.
16
Captulo 2 : Calculo Vectorial:
2.1. Introducci on:
Hemos visto funciones que asocian a cada punto un valor escalar, al conjunto de estos
puntos se denomina Campo Escalar. Por ejemplo, la densidad, la temperatura. Pero tambien
se puede asociar a un punto un vector, en este caso hablaremos de campos vectoriales, la
distribuci on de velocidades de un uido, en una conduccion, el campo Electrico y el magnetico
son ejemplos de campos vectoriales.
2.1.1. curvas en el espacio:
Denimos una curva plana como un conjunto de pares ordenados (x, y), si las coorde-
nadas dependen de otra variables, por ejemplo t, es decir que:
x = f(t) y y = g(t) (2.1)
Las ecuaciones 2.2 son llamadas ecuaciones parametricas de la curva. Donde f y g son
funciones continuas de t en un intervalo I. Esta denici on puede extenderse de manera natural
al espacio tridimensional como sigue. Una curva en el espacio C es una conjunto de todas
las ternas ordenadas (x, y, z) junto a sus ecuaciones parametricas
x = f(t), y = g(t) y z = h(t) (2.2)
donde f, g y h son funciones continuas de t en un intervalo I.
2.2. Funciones vectoriales:
Una funci on de la forma r(t) = f(t)

i +g(t)

j en el plano y r(t) = f(t)

i +g(t)

j +h(t)

k en
el espacio, es una funcion vectorial, donde las funciones componentes f, g, y h son funciones
del parametro t. A r(t) se le llama vector posici on.
Tecnicamente, una curva en el plano o en el espacio consiste en una colecci on de puntos
y ecuaciones parametricas que la denen.
17
Las funciones vectoriales juegan un doble papel en la representaci on de curvas. Tomando
como p arametro t, que representa el tiempo, se puede usar una funcion vectorial para representar
el movimiento a lo largo de una curva. O, en el caso mas general, se puede usar una funci on
vectorial para trazar la graca de una curva. En ambos casos, el punto nal del vector posici on
r(t) coincide con el punto (x, y) o (x, y, z) de la curva dada por las ecuaciones parametricas,
como se muestra en la Figura 2.1. La punta de la echa en la curva indica la orientacion de la
curva apuntando en la direccion de valores crecientes de t.
(a) (b)
Figura 2.1: La curva C es trazada por el punto nal de un vector posici on r(t).
2.2.1. Derivacion de funciones vectoriales:
1.- Si r(t) = f(t)

i + g(t)

j, donde f y g son funciones derivables de t, entonces:

r

(t) = f

(t)

i + g

(t)

j (2.3)
2.- Si r(t) = f(t)

i + g(t)

j + h(t)

k, donde f, g y h son funciones derivables de t, entonces:

r

(t) = f

(t)

i + g

(t)

j + h

(t)

k (2.4)
Ejemplo 2.1 Trazado de una curva plana: Dibujar la curva plana representada por la
funcion vectorial r(t) = 2 cos t

i 3 sin t

j, en 0 t 2.
Soluci on: A partir del vector posici on r(t), se pueden dar las ecuaciones parametricas
x = 2 cos t y y = 3 sin t. Entonces en un plano xy tenemos:
18
x
y
Figura 2.2: Gr aca del Ejemplo 2.1.
Como se ve la gr aca es una elipse, las fechas dibujadas de color azul son algunos vectores
posicion de los puntos de la graca. Si elevamos al cuadrado cada una de las ecuaciones y luego
sumamos obtenemos la ecuaci on de la elipse en coordenadas rectangulares cartesianas:
x
2
4
+
y
2
9
= 1
Ejemplo 2.2 Trazado de una curva en el espacio: Dibujar la curva en el espacio repre-
sentada por la funcion vectorial r(t) = 4 cos t

i + 4 sin t

j + t

k, 0 t 4.
Soluci on: De las dos ecuaciones parametricas x = 4 cos t y y = 4 sin t, se obtiene
x
2
+ y
2
= 16. Esto signica que la curva se encuentra en un cilindro circular recto de radio
4, centrado en el eje z. Para localizar en este cilindro la curva, se usa la tercera ecuaci on
parametrica z = t. En la Figura 2.3, notese que a medida que t crece de 0 a 4, el punto
(x, y, z) sube en espiral por el cilindro describiendo una helice.
En los ejemplos anteriores se dio una funcion vectorial y se pido dibujar la curva co-
rrespondiente. Los dos ejemplo siguientes se reeren a la situaci on inversa: hallar una funcion
vectorial para representar una gr aca dada.
19

Figura 2.3: Gr aca del Ejemplo 2.2.

2.3. Derivacion e integraci on de funciones vectoriales:
La denici on de la derivada de una funcion vectorial es paralela a la dada para funciones
reales.
2.3.1. Denici on de la derivada de una funci on vectorial:
La derivada de una funci on vectorial r se dene como
dr
dt
= lm
t0
r(t + t) r(t)
t
para todo t para el cual existe el lmite. Si
dr
dt
existe, entonces r es derivable en t. Si
dr
dt
existe
para todo t en un intervalo abierto I, entonces r es derivable en el intervalo I. La derivabilidad de
funciones vectoriales puede extenderse a intervalos cerrados considerando lmites unilaterales.
La diferenciacion de funciones vectoriales puede hacerse componente por componente.
Entonces podemos calcular la derivada de una funci on vectorial como:
1.- Si r(t) = f(t)

i + g(t)

j, donde f y g son funciones derivables de t, entonces

dr
dt
=
df
dt

i +
dg
dt

j
.
20
2.- Si r(t) = f(t)

i + g(t)

j + h(t)

k, donde f, g y h son funciones derivables de t, entonces

dr
dt
=
df
dt

i +
dg
dt

j +
dh
dt

k
.
Ejemplo 2.3 Para la funcion vectorial dada por r(t) = t

i + (t
2
+ 2)

j, encontrar
dr
dt
.
Soluci on:
dr
dt
=

i + 2t

j
Ejemplo 2.4 Para la funcion vectorial dada por r(t) = cos t

i + sin t

j + 2t

k, hallar
a)
dr
dt
; b)
d
2
r
dt
2
; c)
dr
dt

d
2
r
dt
2
; d)
dr
dt

d
2
r
dt
2
Soluci on:
a)
dr
dt
= sin t

i + cos t

j + 2

k Primera derivada
b)
d
2
r
dt
2
= cos t

i sin t

j + 0

k Segunda derivada
c)
dr
dt

d
2
r
dt
2
= sin t cos t sin t cos t = 0 Producto escalar
d)
dr
dt

d
2
r
dt
2
=

i

j

k
sin t cos t 2
cos t sin t 0

= 2 sin t

i 2 cos t

j +

k Producto vectorial
Nota: La parametrizaci on de la curva representada por la funcion vectorial r(t) = f(t)

i +
g(t)

j +h(t)

k, es suave en un intervalo abierto I si f

, g

y h

son continuas en I y
dr
dt
= 0 para
todo valor de t en el intervalo I.
Muchas de las propiedades de derivacion para funciones escalares de repiten en las fun-
ciones vectoriales, como se ve a continuaci on.
2.3.1.1. Propiedades de la derivada:
Sean r y u funciones vectoriales derivables de t, w una funci on real derivable de t y c un
escalar, entonces se cumplen las propiedades:
21
1.-
d
dt
(cr) = c
dr
dt
2.-
d
dt
(r u) =
dr
dt

du
dt
3.-
d
dt
(w r) = w
dr
dt
+
dw
dt
r
4.-
d
dt
(r u) = r
du
dt
+
dr
dt
u
5.-
d
dt
(r u) = r
du
dt
+
dr
dt
u
6.-
d
dt
(r(w)) =
dr
dw
dw
dt
7.- r r = c, entonces r
dr
dt
= 0.
2.3.2. Denici on de integracion de funciones vectoriales:
La siguiente denici on es una consecuencia l ogica de la denici on de la derivada de una
funci on vectorial.
Denici on:
1.- Si r(t) = f(t)

i +g(t)

j, donde f y g son continuas en [a, b], entonces la integral indenida

(o antiderivada) de r es
_
r(t) dt =
__
f(t) dt
_

i +
__
g(t) dt
_

j Plano
y su integral denida en el intervalo a t b es
_
b
a
r(t) dt =
__
b
a
f(t) dt
_

i +
__
b
a
g(t) dt
_

j Plano
2.- Si r(t) = f(t)

i +g(t)

j +h(t)

k, donde f, g y h son continuas en [a, b], entonces la integral

indenida (o antiderivada) de r es
_
r(t) dt =
__
f(t) dt
_

i +
__
g(t) dt
_

j +
__
h(t) dt
_

k Espacio
y su integral denida en el intervalo a t b es
_
b
a
r(t) dt =
__
b
a
f(t) dt
_

i +
__
b
a
g(t) dt
_

j +
__
b
a
h(t) dt
_

k Espacio
22
Aclaraci on: La antiderivada de una funcion vectorial es una familia de funciones vectoriales
que dieren entre s en un vector constante

C. Por ejemplo, si r(t) es una funcion vectorial
tridimensional, entonces al hallar la integral indenida
_
r(t) dt, se obtienen tres constantes de
integraci on
_
f(t) dt = F(t) + C
1
,
_
g(t) dt = G(t) + C
2
,
_
h(t) dt = H(t) + C
3
donde F

(t) = f(t), G

(t) = g(t) y H

(t) = h(t). Estas tres constantes escalares forman un

vector como constante de integracion,
_
r(t) dt = [F(t) + C
1
]

i + [G(t) + C
2
]

j + [H(t) + C
3
]

k
=
_
F(t)

i + G(t)

j + H(t)

k
_
+
_
C
1

i + C
2

j + C
3

k
_
=

R(t) +

C
donde
d

R
dt
(t) = r(t).
Ejemplo 2.5 Evaluar la integral
_
1
0
r(t) dt =
_
1
0
_
3

i +
1
t + 1

j + e
t

k
_
dt
Soluci on:
_
1
0
r(t) dt =
__
1
0
3

t dt
_

i +
__
1
0
1
t + 1
dt
_

j +
__
1
0
e
t
dt
_

k
=
_
_
3
4
_
t
4/3
_
1
0

i +
_
ln |t + 1|
_
1
0

j +
_
e
t
_
1
0

k
=
3
4

i + ln(2)

j +
_
1
1
e
_

k
Ejemplo 2.6 Hallar la primitiva de
dr
dt
(t) = cos 2t

i 2 sin t

j +
1
1 + t
2

k, que satisface la
condicion inicial r(0) = 3

i 2

j +

k.
Soluci on:
23
r(t) =
_
r(t) dt =
__
cos 2t dt
_

i +
__
sin t dt
_

j +
__
1
1 + t
2
dt
_

k
=
_
1
2
sin 2t + C
1
_

i + (2 cos t + C
2
)

j + (arctan t + C
3
)

k
Haciendo t = 0 usando el hecho que r(0) = 3

i 2

j +

k, se tiene
r(0) = (0 + C
1
)

i + (2 + C
2
)

j + (0 + C
3
)

k = 3

i 2

j +

k
Igualando los componentes correspondientes se obtiene
C
1
= 3, 2 + C
2
= 2, y C
3
= 1
Por tanto, la primitiva que satisface la condicion inicial dada es
r(t) =
_
1
2
sin 2t + 3
_

i + (2 cos t 4)

j + (arctan t + 1)

k
2.4. Campos Vectoriales:
Vamos ampliar un poco mas el concepto de campos vectoriales. Se haba mencionado
que son funciones que asignan un vector a un punto en el plano o a un punto en el espacio.
Denici on un campo vectorial:
Un campo vectorial sobre una region plana R es una funci on

F a que asigna un
vector

F(x, y) a cada punto en R.
Un campo vectorial sobre una regi on s olida Q en el espacio es una funci on

F a
que asigna un vector

F(x, y, z) a cada punto en Q.
2.4.1. Campos vectoriales conservativos:
Un campo vectorial

F se llama conservativo si existe una funci on diferenciable f tal
que

F = f. La funci on se llama funcion potencial para

F.
24
2.4.1.1. Criterio para campos conservativos en el plano:
Sea M y N dos funciones con primeras derivadas parciales continuas en un disco abierto
R. El campo vectorial dado por

F(x, y) = M

i + N

j es conservativo si y s olo si
N
x
=
M
y
.
Ejemplo 2.7 Decir si el campo vectorial dado por

F es conservativo.
a)

F(x, y) = x
2
y

i + xy

j b)

F(x, y) = 2x

i + y

j
Soluci on:
a) El campo vectorial dado por

F(x, y) = x
2
y

i + xy

j no es conservativo porque
M
y
=

y
[x
2
y] = x
2
y
N
x
=

x
[xy] = y.
b) El campo vectorial dado por

F(x, y) = 2x

i + y

j es conservativo porque
M
y
=

y
[2x] = 0 y
N
x
=

x
[y] = 0.
Ejemplo 2.8 Hallar una funcion potencial para

F(x, y) = 2xy

i + (x
2
y)

j.
Soluci on: Se tiene que

F es conservativo porque:

y
[2xy] = 2x y

x
[x
2
y] = 2x
Si f es una funcion cuyo gradiente es igual a

F(x, y), entonces f(x, y) = 2xy

i+(x
2
y)

j,
lo cual implica que f
x
(x, y) = 2xy y f
y
(x, y) = x
2
y.
Para reconstruir la funci on f de estas dos derivadas parciales, se integra f
x
(x, y) con
respecto a x y f
y
(x, y) con respecto a y, como sigue
f(x, y) =
_
f
x
(x, y) dx =
_
2xy dx = x
2
y + g(y)
f(x, y) =
_
f
y
(x, y) dy =
_
(x
2
y) dy = x
2
y
y
2
2
+ h(x)
N otese que g(y) es constante con respecto a x y h(x) es constante con respecto a y. Para
hallar una sola expresi on que represente f(x, y), sea g(y) =
y
2
2
y h(x) = K.
Entonces, se puede escribir f(x, y) = x
2
y + g(y) + h(x) = x
2
y
y
2
2
+ K.
2.5. Rotacional de un campo vectorial:
El rotacional de

F(x, y, z) = M

i + N

j + P

k es
rot

F(x, y, z) =

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

N
z
_

i +
_
P
x

M
z
_

j +
_
N
x

M
y
_

k (2.5)
25
o en forma compacta:
rot

F(x, y, z) =

F(x, y, z) =

i

j

k

z
M N P

donde se dene el operador diferencial nabla =

x

i +

y

j +

z

k. Si rot

F = 0, entonces
se dice que

F es un campo irrotacional.
2.5.1. Criterio para campos conservativos en el espacio:
Suponer que M, N y P tienen primeras derivadas parciales continuas en una esfera
abierta Q en el espacio. El campo vectorial dado por

F(x, y, z) = M

i +N

j +P

k es conservativo
si y s olo si rot

F(x, y, z) = 0.
2.6. Divergencia de un campo vectorial:
Se ha visto que el rotacional de un campo vectorial

F es a su vez un campo vectorial.
Otra funcion importante denida en un campo vectorial es la divergencia, que es una funcion
escalar.
Denici on:
1.- La divergencia de

F(x, y) = M

i + N

j es
div

F(x, y, z) =

F(x, y, z) =
M
x
+
N
y
Plano
2.- La divergencia de

F(x, y) = M

i + N

j + P

k es
div

F(x, y, z) =

F(x, y, z) =
M
x
+
N
y
+
P
z
Espacio
La notaci on de producto escalar usada para la divergencia proviene de considerar
como un operador diferencial, como sigue.

F(x, y, z) =
__

x
_

i +
_

y
_

j +
_

z
_

k
_
(M

i + N

j + P

k)
=
M
x
+
N
y
+
P
z
26
2.6.1. Relaci on entre divergencia y rotacional:
Si

F(x, y, z) = M

i + N

j + P

k es una campo vectorial y M, N y P tienen segundas

derivadas parciales continuas, entonces div(rot

F) = 0.
Ejemplo 2.9 Hallar la divergencia y el rotacional en (2, 1, 1) para el campo vectorial

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

i + x
2
z

j + x
2
y

k.
Soluci on:
Divergencia:

F =
_

x

i +

y

j +

z

k
_

_
x
3
y
2
z

i + x
2
z

j + x
2
y

k
_
=

x
(x
3
y
2
z) +

y
(x
2
z) +

z
(x
2
y) = 3x
2
y
2
z + 0 + 0 = 3x
2
yz
div

F(2, 1, 1) = 3(2)
2
(1)
2
(1) = 12
Rotacional:

F =

i

j

k

z
x
3
y
2
z x
2
z x
2
y

z
x
2
z x
2
y

z
x
3
y
2
z x
2
y

j +

y
x
3
y
2
z x
2
z

k
= (x
2
x
2
)

i (2xy x
3
y
2
)

j + (2xz 2x
3
yz)

k
rot

F(2, 1, 1) = 0

i (4 8)

j + (4 + 16)

k
= 0

i + 4

j + 12

k
2.7. Integral de Lnea:
Si f est a denida en una region que contiene una curva suave C de longitud nita,
entonces la integral de lnea de f a lo largo de C est a dado por, (ver Figura ??),
_
C
f(x, y)ds = lm
n
n

i=1
f(x
i
, y
i
)s
i
Plano
o
_
C
f(x, y, z)ds = lm
n
n

i=1
f(x
i
, y
i
, z
i
)s
i
Espacio
27
siempre que este lmites exista.
Figura 2.4
Para evaluar una integral de lnea sobre una curva plana C dada por r(t) = x(t)

i +y(t)

j,
se utiliza el hecho de que ds = r

(t) dt =
_
[x

(t)]
2
+ [y

(t)]
2
dt. Para curva en el espacio hay
una formula similar, como se ndica a continuacion.
Evaluaci on de integral de lnea como integral denida: Sea f continua en una
regi on que contiene una curva suave C. Si C est a dada por r(t) = x(t)

i+y(t)

j, donde a t b,
entonces
_
C
f(x, y)ds =
_
b
a
f(x(t), y(t))
_
[x

(t)]
2
+ [y

(t)]
2
dt (2.6)
Si C est a dada por r(t) = x(t)

i + y(t)

j + z(t)

k, donde a t b, entonces
_
C
f(x, y, z)ds =
_
b
a
f(x(t), y(t), z(t))
_
[x

(t)]
2
+ [y

(t)]
2
+ [z

(t)]
2
dt (2.7)
Observese que si f(x, y, z) = 1, la integral de lnea proporciona la longitud de arco de la
curva C, es decir:
_
C
1 ds =
_
b
a
r

(t) dt = longitud de arco de la curva C

Ejemplo 2.10 Evaluar
_
C
(x+2) ds, donde C es la curva representada por r(t) = t

i +
4
3
t
3/2

j +
1
2
t
2

k, 0 t 2.
Soluci on: Puesto que r

(t) =

i +2t
1/2

j +t

k y r

(t) =
_
[x

(t)]
2
+ [y

(t)]
2
+ [z

(t)]
2
=

1 + 4t + t
2
, se sigue que
28
_
C
(x + 2) ds =
_
2
0
(t + 2)

1 + 4t + t
2
dt =
1
2
_
2
0
2(t + 2)(1 + 4t + t
2
)
1/2
dt
=
1
3
_
(1 + 4t + t
2
)
3/2
_
2
0
=
1
3
(13

13 1) 15,29
2.7.1. Denici on de la integral de lnea de un campo vectorial:
Sea

F un campo vectorial continuo denido sobre una curva C dada por r(t), a t b.
La integral de linea de

F sobre C est a dada por
_
C

F dr =
_
b
a

F(x(t), y(t), z(t)) r

(t) dt (2.8)
2.7.1.1. Integral de lnea en forma diferencial:
Si

F es una campo vectorial de la forma

F(x, y) = M

i + N

j, y C est a dada por

r(t) = x(t)

i + y(t)

j, entonces

F dr se escribe a menudo como Mdx + Ndy.
_
C

F dr =
_
C

F
dr
dt
dt =
_
b
a
(M

i + N

j) (x

(t)

i + y

(t)

j) dt
=
_
b
a
_
M
dx
dt
+ N
dy
dt
_
dt =
_
C
(M dx + N dy)
Esta forma diferencial puede extenderse a tres variables.
_
C
(M dx + N dy + P dz)
2.7.2. Teorema Fundamental de la Integral de lnea:
Sea C una curva suave a trozos contenida en una region abierta en R y dada por
r(t) = x(t)

i + y(t)

j, a t b.
Si

F(x, y) = M

i + N

j es conservativo en R, y M y N son continuas en R, entonces,

_
c

F dr =
_
C
f dr = f(x(b), y(b)) f(x(a), y(a))
29
donde f es una funci on potencial de

F. Es decir,

F(x, y) = f(x, y).
F acilmente se extiende para el espacio
_
c

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

F(x, y, z) = f(x, y, z).
2.7.2.1. Independencia de la trayectoria y campos conservativos:
Si

F es continuo en una regi on abierta y conexa, entonces la integral de linea
_
C

F dr
es independiente de la trayactoria si y s olo si

F es conservativo.
Condiciones equivalentes:
Sea

F(x, y, z) = M

i +N

j +P

k con primeras derivadas parciales continuas es una regi on

abierta conexa R, y sea C una curva suave a trozos en R. Las condiciones siguientes son
equivalentes.
1.

F es conservativo. Es decir,

F = f para alguna funcion f.
2.
_
C
F dr es independiente de la trayectoria.
3.
_
C
F dr = 0 para toda curva cerrada C en R.
2.8. Teorema de Green:
Sea R una regi on simplemente conexa, (ver Figura 2.5), cuya frontera es una curva C
suave a trozos, orientad en sentido contrario a las manecillas del reloj (es decir, C se recorre
una vez de manera que la region R siempre quede a la izquierda). Si M y N tienen derivadas
parciales continuas en una regi on abierto que contiene a R, entonces
_
C
M dx + N dy =
__
R
_
N
x

M
y
_
dA
=
__
R
(rot

F)

k dA
=
__
R
div

F dA
siempre que este lmites exista.
30
Figura 2.5
2.9. Supercies parametricas:
Sean x, y y z funciones de u y v, continuas en un dominio del plano uv. Al conjunto de
puntos (x, y, z) dado por
r(u, v) = x(u, v)

i + y(u, v)

j + z(u, v)

k Supercie parametrica.
se le llama una supercie parametrica. Las ecuaciones
x = x(u, v), y = y(u, v) y z = z(u, v) Ecuaciones parametrica.
son las ecuaciones parametricas para la supercie.
2.9.1. Vector normal a una supercie parametrica suave:
Sea S una supercie parametrica suave r(u, v) = x(u, v)

i + y(u, v)

j + z(u, v)

k denida
sobre una regi on abierta D en el plano uv. Sea (u
0
, v
0
) un punto en D. Un vector normal en el
punto (x
0
, y
0
, z
0
) = (x(u
0
, v
0
), y(u
0
, v
0
), z(u
0
, v
0
)) esta dado por

N = r
u
(u
0
, v
0
) r
v
(u
0
, v
0
) =

i

j

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

(2.9)
31
2.10. Integral de Supercie:
Sea S una supercie cuya ecuaci on es z = g(x, y) y sea R su proyeccion, (ver Figura 2.6),
sobre el plano xy. Si g, g
x
y g
y
son continuas en R y f es continua en S, entonces la integral se
supercie de f sobre S es
__
S
f(x, y, z) dS =
__
R
f(x, y, g(x, y))
_
1 + [g
x
(x, y)]
2
+ [g
y
(x, y)]
2
dA (2.10)
Figura 2.6: La funci on escalar f asigna un n umero a cada punto de S
2.10.1. Integrales de ujo:
Se

F(x, y, z) = M

i + N

j + P

k, donde M, N y P tienen primeras derivadas parciales

continuas sobre la supercie S orientada mediante un vector unitario normal

N. La integral de
Flujo de

F a traves de S est a dada por
__
S

F

N dS
Figura 2.7: El campo

F indica la direccion de ujo.
32
Geometricamente, una integral de ujo es la integral de supercie sobre S de la compo-
nente normal de

F. Si (x, y, z) es la densidad del uido en (x, y, z), la integral de ujo
__
S

F

N dS
representa la masa del uido que uye a traves de S por unidad de tiempo.
Para evaluar una integral de ujo de una supercie dada por z = g(x, y), se hace
G(x, y, z) = z g(x, y).
Entonces,

N dS puede escribirse como sigue.

N dS =
G(x, y, z)
G(x, y, z)
dS =
G(x, y, z)
_
(g
x
)
2
+ (g
y
)
2
+ 1
_
(g
x
)
2
+ (g
y
)
2
+ 1 dA = G(x, y, z) dA
Evaluaci on de una integral de ujo:
Sea S una supercie orientada dada por z = g(x, y) y sea R su proyecci on sobre el plano
xy.
__
S

F

N dS =
__
R

F [g
x
(x, y, )

i g
y
(x, y)

j +

k] dA Orientada hacia arriba.

__
S

F

N dS =
__
R

F [g
x
(x, y, )

i + g
y
(x, y)

k] dA Orientada hacia abajo.

En la primera integral, la supercie est a orientada hacia arriba, y en la segunda integral,
la supercie est a orientada haca abajo.
2.11. Teorema de la Divergencia:
Figura 2.8
33
Sea Q Una regi on s olida limitada o acotada por una supercie cerrada S orientada por
una vector unitario normal dirigido hacia el exterior de Q. Si

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

F

N dS =
___
Q
div

F dV
.
Nota: En un campo vectorial un punto (x
0
, y
0
, z
0
) es clasicado como una fuente, su-
midero o incompresible, como sigue
1. Fuente, si div

F > 0.
2. Sumidero, si div

F < 0.
3. Incompresible, si div

F = 0.
2.12. Teorema de Stokes:
Figura 2.9: La direccion a lo largo de C es en sentido contrario a las manecillas del reloj
con respecto a

N
Sea S una supercie orientada con vector unitario normal

N, acotada por una curva
cerrada simple, suave a trozos C, con orientaci on positiva. Si

F es un campo vectorial cuyas
funciones componentes tienen derivadas parciales continuas en una regi on abierta que contiene
a S y a C, entonces
_
C

F dr =
__
S
(rot

F)

N dS
34
La integral de lnea puede escribirse en forma diferencial
_
C
M dx + N dy + P dz o en
forma vectorial
_
C

F

T ds.
35
Bibliograa:
1.- Calculo 2- Larson y otros - novena edicion -McGraw Hill.
2. Calculos de Varias Variables - Zill y Wright - cuarta edici on - McGraw Hill.
3. Calculos de Varias Variables - Thomas - decimosegunda edici on - Pearson.
36